53 Ral PDF
53 Ral PDF
Jumlah ulangan
dapat dilakukan dengan ulangan yang tidak sama
4. Terdapat alternatif analisis nonparametric yang sesuai
5. Permasalahan data hilang lebih mudah ditangani (sedikit lebih mudah dibandingkan dengan
RAK)
Data hilang tidak menimbulkan permasalahan analisis data yang serius
Kehilangan Sensitifitasnya lebih sedikit dibandingkan dengan rancangan lain
Derajat bebas galatnya lebih besar (maksimum). Keuntungan ini terjadi terutama apabila
derajat bebas galat sangat kecil.
6. Tidak memerlukan tingkat pemahaman yang tinggi mengenai bahan percobaan.
Kerugiannya: terkadang rancangan ini tidak efisien.
1. Tingkat ketepatan (presisi) percobaan mungkin tidak terlalu memuaskan kecuali unit percobaan
benar-benar homogen
2. Hanya sesuai untuk percobaan dengan jumlah perlakuan yang tidak terlalu banyak
3. Pengulangan percobaan yang sama mungkin tidak konsisten (lemah) apabila satuan percobaan
tidak benar-benar homogen terutama apabila jumlah ulangannya sedikit.
Kapan seharusnya kita memilih RAL
1. Apabila satuan percobaan benar-benar homogen, misal:
percobaan di laboratorium
Rumah Kaca
2. Apabila tidak ada pengetahuan/informasi sebelumnya tentang kehomogenan satuan percobaan.
3. Apabila jumlah perlakuan hanya sedikit, dimana derajat bebas galatnya juga akan kecil
Pengacakan Dan Denah Percobaan
Pengacakan dilakukan agar analisis data yang dilakukan menjadi sahih. Pengacakan dapat dilakukan
dengan menggunakan undian, daftar angka acak, atau menggunakan bantuan software. Misalkan
kita merancang 4 perlakuan (t, misal A, B, C, D) yang masing-masing diulang 3 kali (r) sehingga
terdapat 4x3=12 unit percobaan (tr). Ke-12 unit percobaan tersebut kita tempatkan secara acak ke
dalam 12 unit percobaan.
2
6
10
3
7
11
C3
5
9
4
8
12
A2
6
10
3
7
11
4
8
12
2. Sorot/blok Kolom B dan C dan lakukan pengurutan (sortasi) berdasarkan kolom ke-3 (Angka
Acak)
3. Pengacakan telah selesai. Tempatkan kode perlakuan A1 pada kotak No 1, A3 pada kotak No 2,
dst sampe kode yang terakhir, B1 pada kotak No-12. Hasilnya sebagai berikut:
2
6
10
3
7
11
4
8
12
A1
B2
D1
A3
D2
A2
C2
D3
B3
C3
C1
B1
Gambar 4.
A1
A3
C2
C3
B2
D2
D3
C1
D1
A2
B3
B1
Denah percobaan rancangan acak lengkap dengan empat perlakuan (A, B, C, D) dan masingmasing diulang tiga kali
Dari hasil percobaan yang dilakukan berdasarkan pengacakan dan denah percobaan di atas akan
dihasilkan data sebagai berikut :
Tabel 1. Tabulasi Data Rancangan Acak Lengkap Dengan 4 Perlakuan Dan 3 Ulangan
Ulangan
1
2
3
Total
A
Y11
Y12
Y13
Y1.
Perlakuan
C
Y21
Y31
Y22
Y32
Y23
Y33
Y2.
Y3.
B
D
Y41
Y42
Y43
Y4.
Total
Y..
Model Acak
ABCDE
100 Varietas
Padi
Populasi
10 Varietas
Sampel
Gambar 5.
Model Tetap
ABCDE
Secara umum model linier dari rancangan acak lengkap satu faktor dapat dibedakan menjadi dua,
yaitu model tetap jika faktor yang digunakan bersifat tetap dan model acak jika faktor yang
digunakan acak.
Bentuk umum model linier satu faktor dapat ditulis sebagai berikut :
Yij
ij
i
i
ij
ij
= mean populasi
i
= (i- ) = Pengaruh aditif dari perlakuan ke-i
ij = galat percobaan/pengaruh acak dari perlakuan ke-i ulangan ke-j dengan ij ~ N(0, 2)
t
= jumlah perlakuan dan ri adalah banyaknya ulangan dari perlakuan ke-i, untuk percobaan yang
mempunyai ulangan sama, ri = r.
Asumsi:
Model Tetap
t
E( i )
i
i 1
0 ;
Model Acak
bsi
ij
~ N(0,
E ( i ) 0 ; E ( i2 )
bsi
ij
~ N(0,
Hipotesis:
Hipotesis yang Akan Diuji:
H0
H1
Model Tetap
Semua i = 0
Tidak semua i = 0
Model Acak
2 = 0
2 > 0
Analisis Ragam
Analisis ragam merupakan suatu analisis untuk memecah keragaman total menjadi beberapa
komponen pembentuknya. Penduga kuadrat terkecil bagi parameter-parameter di dalam model
rancangan acak lengkap diperoleh sebagai berikut :
Parameter
Penduga
Y..
i Yi. Y..
ij Yij Yi .
i
ij
Ulangan
1
2
3
4
Rataan ( Yi . )
Pengaruh Perlakuan
(
kontrol
89.8
93.8
88.4
112.6
96.15
P1
84.4
116.0
84.0
68.6
88.25
P2
64.4
79.8
88.0
69.4
75.40
P3
75.2
62.4
62.4
73.8
68.45
P4
88.4
90.2
73.2
87.8
84.90
P5
56.4
83.2
90.4
85.6
78.90
P6
65.6
79.4
65.6
70.2
70.20
15.83
7.93
-4.92
-11.87
4.58
-1.42
-10.12
=
Rata-rata
keseluruhan
Y .. = 80.32
0.00
Yi . Y .. )
Jumlah Total
Pengaruh
Perlakuan
Yi . Y ..
= Pengaruh Perlakuan:
= selisih antara rata-rata
perlakuan dan ratarata keseluruhan
Dari data di atas, selanjutnya kita uraikan data tersebut ke dalam Komponen-komponen Jumlah
Kuadratnya sesuai dengan model liniernya:
Yij
t
(Yij )
i 1 j 1
i
2
(Y ..)
i 1 j 1
(Yi . Y ..)
i 1 j 1
ij
2
(Yij
i 1 j 1
Yi . )2
Perlakuan
kontrol
kontrol
kontrol
kontrol
P1
P1
P1
P1
P2
P2
P2
P2
P3
P3
P3
P3
P4
P4
P4
P4
P5
P5
P5
P5
P6
P6
P6
P6
Jumlah Kuadrat
Model Linier
Penguraian Jumlah
Kuadrat
Data Uterin
Rataan keseluruhan
Yij
89.8
93.8
88.4
112.6
84.4
116.0
84.0
68.6
64.4
79.8
88.0
69.4
75.2
62.4
62.4
73.8
88.4
90.2
73.2
87.8
56.4
83.2
90.4
85.6
65.6
79.4
65.6
70.2
186121.4
Yij
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
80.32
180642.89
(Yij )2
i 1 j 1
(Y ..)2
i 1 j 1
JK
Yij
i
i
(Yi . Y ..)2
i 1 j 1
Faktor
koreksi/Intercept
FK
Yij
Galat (Sisaan)
ij=Yij--i
-6.35
-2.35
-7.75
16.45
-3.85
27.75
-4.25
-19.65
-11.00
4.40
12.60
-6.00
6.75
-6.05
-6.05
5.35
3.50
5.30
-11.70
2.90
-22.50
4.30
11.50
6.70
-4.60
9.20
-4.60
0.00
3062.57
ij
t
(Yij )2
i 1 j 1
t
(Yij
i 1 j 1
i 1 j 1
Galat
JKP
(Between)
JKG
(Within)
ij
ij
(Y ..)2
i 1 j 1
Y ..)2
(Yi . Y ..)2
i 1 j 1
(Yi . Y ..)2
i 1 j 1
(Yij
i 1 j 1
(Yij
i 1 j 1
(Yij Yi . )2
Perlakuan
Model JK :
t
Yi . )2
Yi . )2
Dengan demikian untuk percobaan yang menggunakan t perlakuan dan r ulangan keragaman
totalnya dapat diuraikan menjadi:
Jumlah Ulangan Sama
FK
Y ..
rt
t
ri
JKT
(Yij
Y ..)
i 1 j 1
JKT
(Yij Y ..)
i 1 j 1
Yij
i 1 j 1
Y ..2
rt
ri
Yij
i 1 j 1
ri
i 1
ri
JKP
Yij2 FK
(Yi . Y ..)
i 1 j 1
Yi . 2
1 ri
Y ..2
t
ri
i,j
t
i 1
JKP
(Yi . Y ..)
i 1 j 1
t
i
Yi .
1 r
Y ..2
Yi .2
1 r
Y ..2
rt
JKG
(Yij
JKT
FK
(Yij Yi . )2
i 1 j 1
Yi . )
i 1 j 1
JKG
ri
ri
e ij 2
i 1 j 1
JKP
eij 2
i 1 j 1
JKT JKP
Atau :
JKT JKP JKG
Tabel analisis ragam untuk model tetap dan model acak diberikan sebagai berikut:
Tabel 2. Tabel Analisis Ragam Rancangan Acak Lengkap dengan Model Tetap dan Model Acak Untuk
Jumlah Ulangan yang sama
Sumber
keragaman
(SK)
Perlakuan
Derajat
bebas (db)
t-1
Jumlah
kuadrat
(JK)
JKP
Galat
t(r-1)
JKG
Total
tr-1
JKT
Kuadrat
tengah
(KT)
KTP
E(KT)
Fhitung
KTP
KTG
KTG
Model tetap
2
Model acak
r
(t 1)
i
i 1
Tabel 3. Tabel Analisis Ragam Rancangan Acak Lengkap dengan Model Tetap dan Model Acak Untuk
Jumlah Ulangan yang berbeda
Sumber
keragaman (SK)
Perlakuan
Derajat bebas
(db)
t-1
Jumlah
kuadrat (JK)
JKP
Kuadrat
tengah (KT)
KTP
E(KT)
Model tetap
Fhitung
Model acak
KTP
KTG
ri
i 1
2
i
i 1
i 1
( ri i ) 2 /
ri
(t 1)
Galat
JKG
(ri
i 1
1)
KTG
ra
Sumber
keragaman (SK)
Total
Derajat bebas
(db)
t
ri
Jumlah
kuadrat (JK)
JKT
Kuadrat
tengah (KT)
Fhitung
E(KT)
Model tetap
Model acak
i 1
dengan:
t
ra
ri
ri 2
i 1
t
i 1
ri
1
t 1
i 1
Fhitung =
KTP
menyebar menurut sebaran F dengan derajat bebas pembilang (db 1) sama dengan
KTG
derajat bebas perlakuan dan derajat bebas penyebut (db2) sama dengan derajat bebas galat. Nilai F
tabel dapat dilihat pada tabel nilai F. Apabila nilai Fhitung > nilai F tabel pada db1 dan db2 serta taraf
nyata () tertentu maka hipotesis nol ditolak dan sebaliknya.
Indeks keterandalan suatu percobaan dapat dilihat dari nilai koefisien keragaman (KK) yang
menunjukkan derajat ketepatan dari suatu percobaan.
KK
KTG
100%
Y ..
Semakin besar KK menunjukkan keterandalan percobaan semakin rendah. Tidak ada patokan
berapa sebaiknya nilai KK, hal ini tergantung juga pada bidang yang digeluti, tetapi percobaan yang
cukup terandal diusahakan nilai KK tidak melebihi 20%, namun nilai yang sangat kecil ada
kecenderungan bahwa ada manipulasi terhadap data percobaan.
Galat Baku
Untuk membandingkan nilai tengah perlakuan, perlu ditentukan terlebih dahulu galat baku dari RAL.
Galat baku dihitung dengan formula berikut:.
SY
2KT (Galat)
r