Anda di halaman 1dari 24

UJI BEDA RERATA PENGARUH PERLAKUAN

Disusun oleh:

1. Silva Anggraini 061440421759


2. Tiara Pracetia 061440421761
3. Willys Eko Islamiyata 061440421763

Kelas 5KIB

Dosen Pembimbing
Ir. Siti Chodijah ,M.T.

PROGRAM STUDI TEKNOLOGI KIMIA INDUSTRI


JURUSAN TEKNIK KIMIA
POLITEKNIK NEGERI SRIWIJAYA
2016
PRAKATA

Dengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha Panyayang,
Kami panjatkan puja dan puji syukur atas kehadirat-Nya, yang telah melimpahkan rahmat,
hidayah, dan inayah-Nya kepada kami, sehingga kami dapat menyelesaikan makalah ilmiah
tentang limbah dan manfaatnya untuk masyarakat.
Makalah ilmiah ini telah kami susun dengan maksimal dan mendapatkan bantuan dari
berbagai pihak sehingga dapat memperlancar pembuatan makalah ini. Untuk itu kami
menyampaikan banyak terima kasih kepada semua pihak yang telah berkontribusi dalam
pembuatan makalah ini dan juga dosen pembimbing kami yaitu Ibu Ir. Siti Chodijah ,M.T.
Terlepas dari semua itu, Kami menyadari sepenuhnya bahwa masih ada kekurangan
baik dari segi susunan kalimat maupun tata bahasanya. Oleh karena itu dengan tangan
terbuka kami menerima segala saran dan kritik dari pembaca agar kami dapat memperbaiki
makalah ilmiah ini.
Akhir kata kami berharap semoga makalah ilmiah tentang limbah dan manfaatnya
untuk masyarakan ini dapat memberikan manfaat maupun inpirasi terhadap pembaca.

Palembang, 22 Desember 2016

Penyusun
BAB I
PENDAHULUAN

1.1 Latar Belakang

Kita ketahui bahwa kumpulan hasil pengamatan mengenai sesuatu hal, skor hasil
belajar siswa, berat bayi yang baru lahir misalnya, nilai datanya bervariasi dari yang satu
dengan yang lain. Karena adanya variasi ini untuk sekumpulan data, telah dihitung alat
ukurnya, yaitu varians. Varians bersama rata-rata juga telah banyak digunakan untuk
membuat kesimpulan mengenai populasi, baik secara deskriptif maupun induktif melalui
penaksiran dan pengujian hipotesis mengenai parameter.

Varians untuk sekumpulan data melukiskan derajat perbedaan atau variasi nilai data
individu yang ada dalam kelompok data tersebut. Secara umum varians dapat digolongkan
ke dalam varians sistematik dan varians galat. Varians sistematik adalah pengukuran karena
adanya pengaruh yang menyebabkan skor atau nilai data lebih condong ke satu jalur tertentu
dibandingkan ke jalur lain.

Uji beda rerata perlakuan merupakan rangkaian pengujian dalam rangka penarikan
suatu kesimpulan dari penelitian eksperimen yang dilakukan, sehingga tidak bisa
dipisahkan dengan pengujian yang telah mendahuluinya. Terdapat banyak cara untuk
membandingkan rerata perlakuan yang diuji dalam suatu percobaan, akan tetapi perlu
diperhatikan ketepatan kita menggunakan uji pembanding rerata perlakuan ini.

Jika dalam uji F (anava) kita fokus dalam pengujian hipotesis untuk mengetahui
apakah perlakuan yang kita ujikan memberikan respon terhadap objek uji. Namun dalam uji
respon (ANAVA) ini tidak bisa memberikan inforgabusi tetang perlakuan mana yang
memberikan pengaruh terhadap objek uji. Selain itu juga, jika tidak dilakukan uji rerata
perlakuan dan hanya mengandalkan uji F, maka kita tidak bisa menentukan perlakuan mana
yang memberikan pengaruh optimal.
Dengan demikian dapat dikatakan bahwa pengujian statistik rerata nilai tengah
perlakuan inilah yang menjadi sasaran kita atau tujuan akhir dalam analisis untuk dapat
mengungkap fakta sebenarnya dari pelaksanaan prosedur penelitian dilapangan sehingga kita
dapat menarik suatu kesimpulan dari hipotesis yang kita ujikan.
Setiap hasil penelitian eksperimen yang menggunakan rancangan percobaan,
dengan rancangan lingkungan RAL, RAK ataupun RBL akan menghasilkan kesimpulan yang
didasarkan perbandingan antara F hitung dengan F table dari hasil Uji F. Jika F hitung < dari
F Tabel atau Hipotesis Nol diterima, maka kesimpulan hasil penelitian hanya didasarkan atas
hasil Uji F tersebut. Namun jika F hitung > dari F table atau Hipotesis Nol ditolak, karena
hasil menunjukkan perbedaan yang nyata (signifikan), maka kesimpulan harus diambil
berdasarkan hasil Uji Lanjut.Uji Lanjut bertujuan untuk menguji perbedaan antar perlakuan
dari hasil penelitian, kecuali jika penelitian hanya memiliki dua taraf perlakuan tidak
diperlukan Uji Lanjut.
Karena Uji Lanjut bertujuan untuk menguji perbedaan antar perlakuan, maka sering
juga disebut dengan istilah Pembandingan Ganda. Uji Lanjut Pembandingan Ganda yang
biasa digunakan ada beberapa macam. Yaitu Uji Beda Nyata Terkecil (BNT), Uji beda rerata
perlakuan dengan kontrak, Uji Beda Nyata Jujur (BNJ) dan Uji Berganda Duncan (DMRT).

1.2 Rumusan masalah


1. Apa itu jalur galat baku rerata umum?
2. Bagaimana penyajian hasil uji beda?
3. Tentukan perlakuan terbaik yang akan direkomendasikan sebagai aplikasi HSI
penelitian?
4. Jelaskan uji nyata terkecil?
5. Jelaskan uji beda rerata perlakuan dengan kontrak?
6. Apa itu beda nyata jujur?
7. Jelaskan uji beda jarak nyata Duncan?

1.3 Tujuan
1. Untuk mengetahui apa itu jalur galat rerata umum, uji nyata terkecil uji beda rerata
perlakuan dengan kontrak, beda nyata jujur, dan beda jarak nyata Duncan
2. Untuk dapat membuat penyajian hasil uji beda dan menentukan perlakuan terbaik
yang akan direkomendasikan sebagai aplikasi HSI penelitian.
BAB II

ISI

2.1 Pengertian Uji Beda Rerata Pengaruh Perlakuan

Jika pada analisis ragam fokus pengujian ditujukan untuk mengetahui status hipotesis
tentang derajat pengaruh faktor perlakuan, maka pada uji beda rerata ini fokus pengujian
adalah untuk mengetahui status hipotesis tentang pengaruh tingkat faktor atau perlakuan
perlakuan terhadap nilai nilai pengamatan (data) hasil percobaan. Perlakuan optimum tidak
daapt ditentukan menurut uji F, tetapi dapat ditentukan menurut uji beda ini. Jadi sebetulnya
hasil uji satitik pada taraf inilah yang menjadi sasaran penelitian yang sebenarnya, karena
hasil uji ini menentukan saran apa yang diperoleh dari suatu percobaan, misalnya
rekomendasi dosis penumpukan anjuran, konsentrasi pestisida anjuran, varietas unggul
anjuran untuk digunakan dalam usaha pertanian.

Hipotesis umum dalam pengujian taraf ini :

Ho = o = i = . i = . n

Hi = Paling tidak ada satu i lainnya

Jika inisialnya perlakuam terdiri dari t0,t1,t2,t3, dan t4, kemudian peneliti menduga bahwa
yang optimum, maka hipotesis penelitian adalah :

Ho : o = 1 = 2 = 3 = 4

Hi : o = 1 = 2 = 3 = 4

Nilai uji beda dua rerata perlakuan (d) secra umum dapat dihitung sebagai berikut :

dhitung = B(v).S
Dimana : B = nilai baku pada taraf uji dan derajat bebas v menurut distribusi tertentu
S = Simpangan baku

Status beda nilai rerata tersebut diuj menurut kaidah kepututsan :

< d, terima Ho
Jika dhitung
> d, tolak Ho

Hasil uji hipotesis :


1. Jika Ho di tolak (terima Hi) pada taraf uji 5% maka pengaruh perlakuan yang

dibandingkan berbeda nyata

2. Jika Ho di tolak (terima Hi) pada taraf uji 1% maka pengaruh perlakuan yang

dibandingkan berbeda sangat nyata

3. Jika Ho di terima pada taraf uji 5% maka pengaruh perlakuan yang

dibandingkan tidak berbeda nyata

Sebagai contoh membuat hipotesis pengujian untuk rerata nilai tengah perlakuan adalah

sebagai berikut =

Ho = Tidak ada perbedaan yang nyata dari nilai tengah perlakuan A, perlakuan B

dan perlakuan C.

Ho = Terdapat perbedaan yang nyata dari nilai tengah perlakuan A, perlakuan B

dan perlakuan C.

Pengujian beda Rerata nilai tengah perlakuan ini pada dasarnya ada dua jenis pembanding

yang digunakan yaitu =


1. Metode uji tak terencana, yaitu metode yang dilakukan apabila peneliti belum dapat
memastikan perlakuan perlakuan mana yang akan diuji sehubungan dengan
hipotesis yang diajukannya.
2. Metode uji terencana, yaitu metode yang dilakukan apabila peneliti telah menetukan
perlakukan perlakuan mana yang akan diuji sebelum percobaan berlangsung.
Metode ini terbagi menjadi uji kontras ontogonal dan kontras polinomial.

Menurut metode uji tak terencana, pada galibnya ada dua jalur pengujian yang bersasaran

S d S y
sama, yaitu jalur galat baku rerata deviasi ( ) dan jalur galat baku rerata umum ( ).

Galat baku rerata deviasi ditentukan menurut rumus :

Sd = KTG
R

Sedangkan galat baku rerata umum ditentukan dengan :

Sy = KTG S d
r
=
2
JALUR GALAT BAKU RERAT DEVIASI

Metode yang sering digunakan :

1. Metode uji beda nyata terkecil atau uji t.


2. Metode uji Dunnett atau uji d

Kedua uji ini menggunakan distribusi t-student sebagai wilayah pengujian hanya sajaa
pada uji dunnet nilai baku t student ini telah dimdifikasi oleh C.W. Dunnett, sehingga nilai
baku t modifikasi tersebut disebut t-Dunnet atau d (Dunnet).

Oleh karena pengujian menurut uji t dan uji F nisbi selaras, maka uji BNT (LSD)dan uji
Dunnet ini hanya perlu dilakukan jika F hitung minimal derajat nyata atau H pada taraf uji
5% (inisialnya). Karena hampir pasti, jika hasil uji F tidak nyata, maka hasil uji BNT atau uji
Dunnett juga tisak nyata. Meskipun uji t dan uji F ini akan menghasilkan ujui yang selaras,
ada sedikit kelebihan uji t daridapa uji F, yaitu juka uji F tidak sah (valid) digunakan terhadap
data perlakuan perlakuan ragam (t) nya tidak sama.

Uji BNT sebaiknya hanya digunakan untuk menguji beda rerata perlakuan tertentu atas
dasar kecenderungan data hasil percobaan atau dapat juga untuk menguji seluruh beda rerata
yang ada dalam suatu percobaan asalkan jumlah perlakuannya tidak terlalu banyak. Menurut
Gomez dan Gomez (1984), oleh karena derajat keandalan uji BNT dalam menghasilkan
kesimpulan yang benar makin rendah dengan makin bertambah besarnya jumlah perlakuan,
maka uji BNT ini sebaiknya hanya digunakan untu menguji perbedaan dan maksimal 6
perlakuan.

Uji Dunnett paling cocok jika dilakukan terhadap percobaan pengjian mutu, misalnya
mutu benih, mutu varietas, mutu sistem olahan tanah, mutu pupuk,dll. Krena memang uji
Dunnett ini dirancang untuk menguji beda pengaruh kontrol (tanpa perlakuan) dengan
sekelompok perlakuan perlakuan secara sekaligus. Menurut motode ini, mutu terbaik
adalah mutu perlakuan yang paling menonjol terhadap kontrol, bukan terhadap sesam
perlakuan.

9.2. JALUR GALAT BAKU RERATA UMUM

Melalui jalur ini ada 3 metode uji yang sering digunakan yaitu :
1. Metode uji beda nyata jujur (honestly significant different method) atau prosedur
Tuckey (uji q)
2. Metode uji beda jarak nyata Duncan (Duncans multiple range test method) atau uji P-
Duncan (P-d)
3. Metode uji beda jarak nyata Student-Newman-Keuls (Student-Newman-Keuls
multiple range test method) atau uji P-student (P-s)

Uji BNJ sesederhana uji BNT dan uji Dunnett karena hanya memerlukan satu nilai
pembanding bagi semua nilai beda yang akan diuji, tetapi uji BNJ ini tidak terikat dengan
hasil uji F seperti halnya kedua uji tersebut, maupun dengan jumlah perlakuan seperti pada
BNT.

Uji P-Duncan dan P-Studen-Newman-Keuls sama seperti uji BNJ, juga tidak terikat
dengan hasil uji F dan jumlah perlakuan yang akan diuji, hanya saja pada uji P-d dan P-s ini
nilai pembanding yang digunakan selaras dengan jarak beda rerata perlakuan yang
dibandingkan.

Atas dasar ciri dan kondisi pemakaian dari metode-metode uji beda tersebut, maka
metode yang paling sering dipakai adalah metode BNJ.

9.3. PENYAJIAN HASIL BEDA

Dalam penyajian hasil uji beda ini, prinsip dasar yang harus dipegang setiap peneliti,
adalah bahwa cara dan hasil uji yang tersaji haruslah bersifat sederhana, mudah dipahami dan
informatif. Oleh karena itu, data transformasi tidak disajikan dalam bagian utama suatu
laporan atau karya ilmiah. Jika anda terpaksa melakukan transformasi data, maka yang
dimanfaatkan hanyalah hasil uji statistiknya saja untuk dipakai terhadap data asli hasil
percobaan. Untuk memenuhi prinsip tersebut, terdapat beberapa bagan hasil uji yang dapat
digunakan, yaitu :

1. Bagan Angka Bertanda

Bagan ini dapat disajikan dalam bentuk tabel 1 atau 2 arah. Oleh karena banyak memakai
ruang, maka bagan demikian sebaiknya hanya digunakan terhadap hasil percobaan
nonfaktorial yang jumlah perlakuannya sedikit atau terhadap beda pengaruh utama dalam
percobaan faktorial.
Tanda yang digunakan pada bagan ini sama dengan tanda yang digunakan pada hasil uji
F, yaitu :

TN (singkatan tidak nyata) atau ns (singkatan not significant) atau tanpa tanda: Jika
nilai beda riel antara pasangan perlakuan yang dibandingkan (lebih kecil atau sama
dengan) nilai beda baku menurut suatu uji beda yang digunakan. Hasil uji ini disebut
Berbeda Tidak Nyata atau
* atau N = nyata (significant): jika nilai beda riel ini > (lebih besar) dan nilai beda baku
pada taraf uji rendah (umumnya taraf 5 persen). Hasil uji ini disebut Berbeda Nyata
atau
** = sangat nyata (highly significant): digunakan jika nilai beda riel > (lebih besar) dan
nilai beda baku pada taraf uji tinggi (umumnya taraf 1 persen). Hasil uji ini disebut
Berbeda Sangat Nyata

Salah satu dan ketiga tanda ini diletakkan di sudut kanan atas nilai beda riel setiap
pasangan perlakuan yang dibandingkan.

2. Bagan Huruf

Bagan ini merupakan bagan yang cocok untuk digunakan terhadap segala kondisi hasil
percobaan. Malahan paling dianjurkan untuk penyajian hasil uji beda pengaruh interaksi
dalam tabel 2 arah.

Tanda yang digunakan pada bagan huruf ini terdiri dari huruf kecil (untuk uji taraf
rendah) dan huruf kapital (untuk uji taraf tinggi) yang disusun menurut abjad selaras dengan
urutan angka yang dibandingkan.

Dalam latihan, sebelum diberi tanda hasil uji sebaiknya angka-angka yang dibandingkan
diurutkan dari minimal ke maksimal (jika pengaruh perlakuan bersifat meningkatkan) atau
dari maksimal ke minimal (jika pengaruh perlakuan bersifat menurunkan) dengan posisi dari
atas ke bawah atau sebaliknya sesuai dengan arah perbandingan.

Pemberian tanda beda pengaruh perlakuan menurut bagan huruf dilakukan berdasarkan
prinsip :

(1) Pasangan-pasangan perlakuan yang pengaruhnya berbeda tidak nyata (uji taraf
rendah) atau berbeda tidak sangat nyata (uji taraf tinggi) diberi tanda Huruf Yang
Sama, sedangkan
(2) Pasangan-pasangan perlakuan yang pengaruhnya berbeda nyata (uji taraf rendah)
atau berbeda sangat nyata (uji taraf tinggi) diberi tanda Huruf Yang Tidak Sama.
Dalam pemberian tanda huruf ini ada dua prosedur yang dapat dilakukan, yaitu :
1. KIAT CORET, dengan prosedur :

Untuk pengaruh perlakuan yang bers meningkatkan

(a) Buat tabel uji seperti tabel 5.2,


(b) Berita tanda huruf a atau A bagi angka minimal hingga maksimal, huruf b atau B
bagi angka berikutnya hingga maksimal, huruf c atau C bagi angka berikutnya
lagi hingga maksimal, dan seterusnya sampai huruf tertinggi bagi pasangan angka
hampir maksimal dan maksimal,
(c) Hitung nilai beda riel dan angka pasangan perlakuan terdekat hingga terjauh,
(d) Bandingkan setiap nilai beda riel ini dengan nilai beda baku, kemudian,
(e) CORET setiap huruf pasangan perlakuan yang berbeda nyata atau sangat nyata
(nilai beda rielnya lebih besar dan nilai beda bakunya).

Untuk pengaruh perlakuan yang bersifat menurunkan, dapat dilakukan dengan cara
yang sama hanya saja prosedurnya dimulai dari angka maksimal ke angka minimal.

2. KIAT WILAYAH, dilakukan menurut prosedur :


Untuk pengaruh perlakuan yang bersifat meningkatkan
(a) = cara coret,
(b) Tentukan wilayah masing-masing huruf dengan cara menambahkan nilai beda
baku ke setiap angka dari minimal ke maksimal, untuk data pada tabel 5.2, adalah
sebagai berikut :
- Wilayah a :
Dari angka pertama 7,82 sampai (7,82 + 0,55) = 8,37 semua angka-angka
yang tercakup dalam wilayah angka ini diberi huruf a.
- Wilayah b :
Dan angka kedua 8,17 sampai (8,17 + 0,55) = 8,72 semua angka-angka yang
tercakup dalam wilayah angka ini diberi huruf b.

Perhatikan : angka-angka yang tercakup dalam wilayah b telah tercakup dalam wilayah a,
oleh karena itu tanda huruf b ini dibatalkan karena makna huruf b telah tercakup dalam
makna huruf a.
- Wilayah b :
Dari angka ketiga 8,32 sampai (8,32 + 0,55) = 8,87 semua angka-angka yang
tercakup dalam wilayah angka ini diberi huruf b.
- Wilayah c :
Dari angka keempat 8,80 sampai (8,80 + 0,55) = 9,35 semua angka-angka
yang tercakup dalam wilayah

Untuk pengaruh perlakuan perlakuan yang bersifat menurunkan, dapat dilakukan


dengan cara yang sama hanya saja prosedurnya dimulai dari angka maksimal ke angka
minimal.

3. Bagan Garis

Bagan ini meskipun paling sederhana tetapi hanya sesuai untuk penyajian hasil uji
beda perlakuan pada percobaan-percobaan nonfaktorial. Jika bagan ini diterapkan untuk hasil
percobaan faktorial, akan bersifat tidak informatif.

Pada dasarnya tidak ada perbedaan prinsip antara cara bagan huruf dengan cara
bagan garis, hanya saja jika pada bagan huruf dapat digunakan huruf yang sama untuk
menyatakan perbedaan pengaruh perlakuan yang tidak nyata, maka pada bagan garis
digunakan garis bawah yang sama. Kemudian pada bagan huruf digunakan huruf yang tidak
sama, sedangkan pada bagan garis tidak diberi garis bawah bagi perlakuan-perlakuan yang
pengaruhnya berbeda nyata atau sangat nyata.

Atas dasar beda pemakaian bagan-bagan ini dan selaras dengan prinsip penyajian
yang baik di atas, maka bagan yang paling banyak digunakan adalah bagan huruf.

9.4. PENENTUAN PERLAKUAN TERBAIK YANG AKAN DIREKOMENDASIKAN


SEBAGAI APLIKASI HASIL PENELITIAN

Dalam menentukan Perlakuan Terbaik (the best treatment) yang akan


direkomendasikan sebagai aplikasi hasil suatu penelitian (tujuan akhir suatu penelitian
aplikatif) harus diingat bahwa perlakuan tersebut tidak saja harus terseleksi secara statistik
tetapi juga harus logis (masuk akal). Untuk memnuhi kedua persyaratan ini, ada dua kriteria
yang dapat digunakan :
1. Kriteria Terbaik Utama
Menurut kriteria ini perlakuan terbaik adalah perlakuan yang pengaruhnya minimal
berbeda nyata dengan pengaruh perlakuan yang bertaraf (dan/atau berinput) lebih
rendah, tetapi berbeda tidak nyata dengan pengaruh perlakuan yang bertaraf
(dan/atau berinput) sama dan/atau lebih tinggi.

2. Kriteria Terbaik kedua


Kriteria ini merupakan kriteria alternatif yang mutunya lebih rendah dan kriteria
utama, sehingga hanya digunakan jika perlakuan terbaik tidak diperoleh tidak
diperoleh dan kriteria utama. Berdasarkan kriteria kedua ini,suatu perlakuan disebut
perlakuan terbaik jika pengaruhnya minimal berbeda nyata atau sangat nyata dengan
pengaruh perlakuan kontrol (dan/atau perlakuan bertaraf/berinput minimal) dan
mempunyai frekuensi beda nyata atau sangat nyata yang sama atau lebih banyak
dibanding perlakuan-perlakuan lain yang bertaraf (dan/atau berinput) sama dan/atau
lebih tinggi.
Perhatikan : bahwa kedua kriteria ini hanya berlaku atau perlakuan terbaik hanya
akan diperoleh jika perlakuan dan pengaruhnya berelasi secara Kuadratik, serta
hanya berlaku untuk faktor perlakuan yang bersifat kuantitatif.
Hasil uji BNT dalam bagan garis :

H : 0 0,25 0,50 0,75 1,25 1,00

Y : 7,28 8,17 8,32 8,80 8,95 9,12

BNT0,05 :

BNT0,01 :

Hasil uji BNT ini menunjukkan bahwa :

1) Pada taraf uji 5% pengaruh hormon terhadap produksi kedelai pada konsentrasi 1,00
ppm hanya berbeda tidak nyata dengan pengaruh hormon pada konsentrasi 0,75 dan
1,25 ppm, dan berbeda nyata dengan pengaruh hormon pada konsentrasi lainnya.
2) Pada taraf uji 1% pengaruh hormon terhadap produksi kedelai pada konsentrasi 1,00
ppm jugahanya berbeda tidak nyata dengan pengaruh hormon paad konsentrasi 0,75
dan 1,25 ppm, teteapi berbeda myata dengan pengaruh hormon pada konsentrasi
lainnya.

Dengan demikian dapat disimpulkan bahwa :


1) Perlakuan terbaik (optimum) adaah perlakuan hormon dengan konsentrasi 1,00 ppm
2) Apabila peneliti juga ingin menentukan kisaran optimum oleh karena kenyataan
terbaik kedua adalah 0,75 ppm, maka peneliti dapat menyimpulkan bahwa kisaran
konsentrasi optimum adalah 0,75 1,00 ppm.

Contoh kasus (5)

Dari contoh kasus (1) yang diolah menurut RAK (contoh kasus 2), diperoleh KTG =
0,055, v = 15, t0,05 (15) = 2,131

t0,05 (15) = 2,947 sehingga :

Sd = 2(0,055)
4
=0,16583

Tabel 9.3 Hasil uji BNT pengaruh hormon menurut RAK

Hormon (ppm) Rata-rata produksi BNT0,05 = 0,35 BNT0,01 = 0,49


0,00 7,82 a a a a
0,25 8,17 ab ab ab ab
0,50 8,32 bc b bc bc
0,75 8,80 d c cd cd
1,00 9,12 d c d d
1,25 8,95 d c d d
Keterangan : Angka-angka yang diikuti oleh huruf yang sama berarti berbeda tidak nyata
(5%) dan berbeda tidank sangat nyata (1%).

Dan hasil uji ini terlihat bahwa ada perbedaan hasil uji BNT menurut RAK dan RAL.

Apabila kita dibandingkan, ternyata hasil uji BNT menurut RAL dan RAK terhadap
pengaruh hormon dalam meningkatkan produksi kedelai dalam khasus ini tidak
mmenunjukkan perbedaan yang berati, kecuali hasil uji BNT menurut RAK nisbi cendrung
lebih mampu menonjolkan beda pengaruh-pengaruh perlakuan hormon daripada menurut
RAL (perhatikan nilai BNT pada taraf uji yang sama menurut RAL lebih besar daripada
RAK). Dengan demikian hasil uji BNT dan kesimpulan ynag diperoleh dari percobaan ini
menurut kedua rancangan tersbut sama saja.

Contoh Kasus (6)

Dari suatu contoh kasus diperoleh hasil ansira dan hasil BNT sebagai berikut (liat
tabel 9.4 dan 9.5):
1) Pada taraf uji 5%, pengaruh jarak tanam E hanya berbeda tidak nyata denga perlakuan D
(menurut RAL dan RAK) dan juga dengan perlakuan B ( menurut RAKL), dan berbeda
nyata dengan perlakuan lainnya. Dengan demikian dapat disimpulkan bahwa jarak tanam
yang terbaik (optimum) dalam meningkatkan produksi tomat dalah E.
2) Pada taraf uji 1%, pengaruh jarak tanam B menurut ketiga rancangan berbeda nyata
dengan jarak tanam A dan berbeda tidak nyata dengan pengaruh jarak tanam lainnya.
Dengan demikian dapat disimpulkan bahwa jarak tanam optimum adalah B.

Tabel 9.4 Hasil ansira untuk uji BNT pengaruh jarak tanam terhadap produksi tomat menurut
RAL, RAK, dan RAKL

Hasil ansira RAL RAK RAKL


DB Galat 20 16 12
KT Galat 0,782 0,7245 0,768
S4 0,559 0,538 0,554
t0,05 2,086 2,120 2,179
t0,01 2,845 2,921 3,055
BNT0,05 1,166 1,141 1,207
BNT0,01 1,590 1,571 -1,692

Tabel 9.5 Hasil uji BNT pengaruh jarak tanam terhadap produksi tomat menurut RAL, RAK
dan RAKL

Jarak tanam Rerata Produksi RAL RAK RAKL


A 34,0 a a A a A a A
B 37,2 bc b B b B bc B
C 37,0 b b B b B b B
D 37,9 bcd bc B bc B bc B
E 38,4 d c B c B c B
BNT(0,05 ; 0,01) 1,166 1,590 1,141 1,571 1,207 1,692
Keterangan : Angka-angka yang diikuti oleh huruf yang sama berarti berbeda tidak nyata
(5%) dan berbeda tidak sangat nyata (1%)

Dari ke dua hasil ini, yag mana yag akan diambil sebagai kesimpulan hasil penelitian,
tergantung pada taraf uji mana yang lebih diyakini oleh peneliti.

9.6 UJI BEDA RERATA PERLAKUAN DENGAN KONTROL (UJI DUNNETT)

Nilai penguji beda rerata perlakuan menurut uji Dunnett (D) ini dihitung menurut
rumus umum :
D=d (n .v) . S
d

(5.6)

d (n .v)
Dimana : = nilai baku distribusi Dunnett pada taraf uji , db perlakuan n dan db
galat v (lampiran 4 pada buku pengantar statistika oleh Walpoke.)

Uji Dunnet ini sangat cocok untuk percobaan pengujian mutu, inisialnya mutu
varietas, mutu pupuk, mutu peptisida, mutu benih, dan mutu pengolahan tanah, dan lain-lain,
karena dalam percoban pengujian ini kita hanya perlu mneguji sekelompok perlakuan drngan
kontrolnya sekaligus, mana yang menonjol (nyata) terhaa kontrol itulah yang terbaik.

Contoh Kasus (7)

Sorang peneliti brmaksud melakukan percobaan pengujian pengaruh berbagai sistem


pengolahan tanah nisbi dengan sistem tanpa olah terhadap rendemen tebu di lahan kering
PMK bekas alang-alang. Dari hasil percobaan sebelumnya di tempat lain dan di lahan kering
tanah Latosol didapatkan bahwa sistem olah dalam barisan sedalam 20 cm adalah yang
terbaik dalam meningakatkan rendeman tebu.

1) Sistem olah akan berpengaruh nyata terhadap rendemen tebu, dan


2) Sistem olah dalam barisan sedalam 20 cm akan paling baik dan pengaruhnya terhadap
rendemen tebu teresebut.

Perlakuan yang dicoba dalam penelitian ini adalah sistem :

A = kontrol (tanpa olah)

B = olah total sedalam 10 cm

C = olah total sedalam 20 cm

D = olah total sedalam 30 cm

E = olah dalam barisan sedalam 10 cm

F = olah dalam barisan sedalam 20 cm

G = olah dalam barisan sedalam 30 cm semuanya diulang 4 kali.

Oleh karena itu kesuburan tanah tempat percobaan mempunyai keragaman ke satu arah maka
percobaan ini dilakukan menurut rancangan acak kelompok, dengan ulangan sebagai
kelompok. Hasil rendemen tebu (%) dari percobaan ini disajikan dalam tabel 9.6.
Analisa Sidik Ragam
2
(192,2)
FK= =1319,3157
47

JK total = ( 5,62 +6,02 ++ 7,82 )FK =12,0443

(45,22 ++ 49,4 2)
JK kelompok = FK =2,1414
7

(24,62 ++ 28,82)
JK sistem olah = FK =6,3293
4

JK Galat = JK total JK kelompok JK sistem olah = 3.5736

Tabel 9.6 Data rendemen tebu (%) hasil percobaan

Sistem olah Kelompok


To YY0
(0) 1 2 3 4
Kontrol (A) 5,6 6,1 6,0 6,9 24,6 6,15
B 6,0 6,1 6,7 6,8 25,6 6,40
C 7,2 7,7 7,9 7,8 30,6 7,65
D 7,0 7,0 7,1 7,2 28,3 7,07
E 6,3 6,4 6,8 6,9 26,4 6,60
F 7,0 7,1 7,8 6,0 27,9 6,97
G 6,1 7,0 7,9 7,8 28,8 7,20
TK 45,2 47,4 50,2 49,4 192,2 6,86

Tabel 9.7 Hasil ansira pengaruh sistem olah terhadap rendemen tebu (%)

F tabel
SK DB JK KT F Hitung
5% 1%
Kelompok 3 2,1414 0,7138 3,595* 3,16 508
Sistem olah 6 6,3293 1,0549 5,314** 2,66 4,01
Galat 18 3,5736 0,1985
Total 27 12,0443
Keterangan : * = nyata ** = sangat nyata

KK = 6,495%

Kesimpulan Hasil Uji F


Karena F dihitung sangat nyata maka H ditolak pada taraf uji 5 dan 1%, sehingga H1 :
> benar, berarti hipotesis pertama yang diajukan untuk percobaan ini (H 1) diterima secara
sangat nyata. Dengan demikian dapat disimpulkan bahwa sistem olah berpengaruh sangat
nyata terhadap rendemen tebu. Kesimpulan ini berderajat ketepatan, keandalan dan
ketepatan yang tinggi, karena KK percobaan hanya 6,495% tergolong kecil (lihat Bab I).
Kesimpulan lainnya adalah RAK berhasil memisahkan galat akibat keragaman kesuburan
tanah (kelompok berpengaruh sangat nyata), sehingga sisanya benar-benar disebabkan oleh
pengaruh penambahan perlakuan.

Oleh karena F hitung sangat nyata, uji lanjutan dapat dilakukan menurut uji Dunnett.

Ho : 1 = o vs H1 : F > o = 1 - F

Uji Dunnett:

S =
d 2(0,1985)
4
=0,315

d0,05(6,18) = 2,48 ; d0,01(6,18) = 3,27, sehingga:

D0,05 = 2,48 x 0,315 = 0,78

D0,05 = 4,27 x 0,315 = 1,03

Sistem olah Rerata rendemen Beda dengan kontrol (A)


A 6,15 -
B 6,40 0,25
C 7,65 1,50**
D 7,07 0,92*
E 6,60 0,45
F 6,97 0,82*
G 7,20 1,05**
D0,05 = 0,78 ; d0,01 = 1,03
Keterangan : * = berbeda nyata

** = berbeda sangat nyat

Kesimpuan Hasil Uji Dunnett

Dari Tabel 9.8 diperoleh bahwa :

1) Pada taraf uji 5% perlakuan-perlakuan sistem oleh C,D,F,dan G berbeda nyata dengan
kontrol, dan sistem lainnya berbeda tidak nyata.
2) Pada taraf uji 1% hanya perlakuan C dan 0 yang berbeda sangat nyata dengan kontrol,
sedangkan yang lain berbeda tidak nyata.
Ini berarti H1 hanya dapat diterima pada taraf uji 5% sehingga hipotesis 2 yang diajukan
hanya dapat diterima pada taraf uji 5% ini, sedangkan pada taraf uji 1% ditolak. Mengingat
pada taraf uji 5% dan 4 perlakuan yang menonjol dan pada taraf 1% ada dua perlakuan yang
menonjol terhadap kontrol dan penentuan perlakuan optimum pada kondisi demikian tidak
dapat dilakukan menurut uji Dunnett, maka perlu dilakukan pengujian beda nyata perlakuan-
perlakuan yang menonjol tersebut menurut metode uji lain, misalnya menurut uji BNT.

Uji BNT

BNT0,05 = t0,05(18) . Sd = 1,734 x 0,315 = 0,546

BNT0,01 = t0,01(18) . Sd = 2,552 x 0,315 = 0,804

Hasil uji
Sistem olah Rerata rendemen (%)
BNT0,05 = 0,46 BNT0,01 = 0,804
C 7,65 b A
D 7,07 a A
F 6,97 a A
G 7,20 ab A
Keterangan : Angka-angka yang diikuti oleh huruf yang sama berarti berbeda tidak nyata.

Meskipun pada taraf uji 1% tidak ada perlakuan yang berbeda nyata, tetapi oleh
karena pada taraf 5%,perlakuan C hanya berbeda tidak nyata dengan perlakuan G dan
berbeda nyata dengan perlakuan lainnya, maka dapat disimpulkan bahwa sistem olah yang
terbaik (optimum) adalah sistem olah C. Dengan demikian H 1 (2) yang diajukan untuk
percobaan ini tidak dapat diterima.

9.7 BEDA NYATA JUJUR (BNJ)

Rumus umum uji BNJ () ini adalah:

=Q( p . v) . S
y

Q( p .v)
dimana : = nilai baku q pada taraf uji , jumlah perlakuan p dan derajat
bebas galat v (lampiran 5).

Dan contoh kasus (3) diperoleh hasil ansira dan hasil uji BNJ sebagai berikut:

Tabel 9.10 Hasil ansira untuk uji BNJ pengeruh jarak tanam terhadap produksi tomat menurut
RAL, RAK, RAKL.
No. Hasil ansira RAL RAK RAKL
1 v 20 16 12
2 KT galat 0,782 0,7245 0,768
S 0,395 0,3810 0,392
3 y

Q0,05( D , v) 4,24 4,34 4,51


4 5,29 5,49 5,84
0,01(D ,v )

0,05 (a) 1,675 1,653 1,768


5 2,089 2,092 2,289
0,01 (b)

Tabel 9.11 Hasil uji BNJ pengaruh jarak tanam terhadap produksi tomat menurut RAL, RAK,
dan RAKL

Rerata RAL RAK RAKL


Jarak tanam
produksi
(cm2) 0,05 0,01 0,05 0,01 0,05 0,01
(ku/ha)
A (15 X 15) 5,52 a A a A a A
B (15 X 20) 6,14 a A ab A a A
C (15 X 25) 7,18 ab AB bc AB ab AB
D (20 X 20) 8,50 bc BC cd BC bc BC
E (20 X 25) 9,58 c C d C c C
BNJ 1,67 2,08 1,65 2,09 1,77 2,29
Keterangan: Angka-angka yang diikuti oleh huruf dan pada kolom yang sama berarti
berbeda tidak nyata.

Dan tabel 9.11 terlihat bahwa semua hasil uji BNJ menunjukkan bahwa jarak tanam
terbaik yang diperoleh adalah jarak tanam E (20 X 25 cm 2) karena pengaruh jarak tanam ini
terhadap produksi tomat berbeda sangat nyata dengan pengaruh jarak tanam lain (A, B, dan
C) kecuali dengan pengaruh jarak-tanam D yang berbeda tidak nyata dan meskipun pengaruh
jarak-tanam E berbeda tidak nyata dengan pengaruh jarak tanam D, tetapi pengaruh jarak-
tanam E bermutu lebih baik daripada pengaruh jarak-tanam D karena frekuensi beda sangat
nyatan pengaruh jarak-tanam E lebih banyak daripada pengaruh pengaruh jarak-tanam D
(Sesuai Dengan Kriteria Terbaik Kedua). Namun demikian untuk direkomendasian, jarak-
tanam terbaik E (20 x 25 cm2) ini masih mempunyai kelemahan yaitu :

(1) diperoleh dari relasi perlakuan dan produksi yang masih linear (terlihat dari produksi
terbaik = produksi maksimum), sehingga
(2) pengaruh jarak-tanam yang lebih lebar dari E tidak diketahui.
Oleh karena itu, untuk hasil percobaan seperti ini sebaiknya direkomendasikan pelaksanaan
percobaan lanjutan dengan perlakuan yang mencakup jarak-tanam yang lebih lebar dan E
tersebut.

9.8 UJI BEDA JARAK NYATA DUNCAN

Prosedur uji beda jarak nyata Duncan (BJND) ini adalah:

Tahap 1 : Menentukan nilai BNT

S
BNT = t(v) . d

Tahap 2 : Menentukan nilai jarak nyata terdekat Duncan (JNTD) atau shortest significant
differences (SSD) :

BNT
(t . S )
JNTD = R(p.v) 2 = R(p.v) y (5.8)

Dimana : R(p.v) : nilai baku faktor R (range) pada taraf uji

Jarak P (=part) dan derajat bebas galat v. Oleh karena

R.t = P (=Duncan), maka

S
JNTD = P(y) . y

nilai t-student, R dan P ini dapat dilihat pada lampiran 3,4, dan 5.

Tahap 3 : Data rerata hasil percobaan diurut menurut mutu nilainya dari terkecil hingga
terbesar jika pengaruh perlakuan-perlakuan bersifat positif atau sebaliknya jika pengaruh
perlakuan-perlakuan bersifat positif atau sebaliknya jika pengaruh perlakuan-perlakuan
negatif.

Tahap 4 : Uji beda rerata ini dilakukan menurut jarak (p) bedanya masaing-masing.

Contoh Kasus (9)

Dari contoh kasus 3 menurut RAK (Tabel 9.10) diperoleh KT Galat = 0,7245 ; v =
16 ; Sy=0,381
Tabel 9.12 Haasil uji NJND pengaruh jarak tanam terhadap produksi tomat menurut RAK
dalam bagan angka dan bagan huruf.

Rerata Beda riel paa jarak P = BJND


Jarak Tanam
produksi
0,05 0,01
(cm2) 2 3 4 5
(ku/ha)

A (15 x 15) 5,52 - a A

B (15 x 20) 6,14 0,62 - ab AB

C (15 x 25) 7,18 1,04 1,66** - b BC

D (20 x 20) 8,50 1,32 2,36** 2,98** - c CD

E (20x 25) 9,56 1,06 2,38** 3,42** 4,04** c D

P0,05(F,16) 3,00 3,05 3,23 3,30

0,05(F,16) 4,13 4,34 4,45 4,54

S
BJND0,05(F) = (P. y ) 1,14 1,20 1,23 1,25

001(F) 1,57 1,6 1,69 1,73

Keterangan : Angka-angka yang diikuti oleh huruf dan pada kolom yang sama berarti tidak
berbeda tidak nyata

Dari tabel 9.12 terlihat bahwa pengaruh jarak-tanam terbaik diperoleh pada jarak-
tanam D (20 x 20 cm2), karena pengaruh jarak-tanam ini berbeda nyata dan atau sangat nyata
dengan pengaruh semua jarak-tanam lebih sempit dan berbeda tidak nyata dengan pengaruh
jarak-tanam lebih lebar (Sesuai Dengan Kriteria Terbaik Utama). Dengan demikian jarak-
tanam D ini dapat direkomendasikan untuk diaplikasikan.

Perhatikan : Hasil uji BJND ini berbeda dari hasil uji BNJ sebelumnya, yang membuktikan
uji BJND lebih teliti dari BNJ. Untuk perbandingan dengan hasil uji BNT, dapat anda
lakukan sendiri.
BAB III

PENUTUP

3.1. Kesimpulan
Uji beda rerata bertujuan untuk mengetahui status hipotesis tentang pengaruh
tingkat faktor atau perlakuan perlakuan terhadap nilai nilai pengamatan (data) hasil
percobaan. Uji beda rerata dibagi menjadi : 1) Jalur Galat Baku Rerat Deviasi yang
terdiri dari Metode uji beda nyata terkecil atau uji t, dan Metode uji Dunnett atau uji d.
2) Jalur Galat Baku Rerata Umum yang terdiri dari tiga metode yaitu : Metode uji beda
nyata jujur (honestly significant different method) atau prosedur Tuckey (uji q), Metode
uji beda jarak nyata Duncan (Duncans multiple range test method) atau uji P-Duncan
(P-d), Metode uji beda jarak nyata Student-Newman-Keuls (Student-Newman-Keuls
multiple range test method) atau uji P-student (P-s).

3.2. Saran

Pada kenyataannya kami sadah bahwa pembuatan makalah ini masih bersifat
sangat sederhana dan simpel, serta memiliki banyak kekurangan dalam penyusunan
makalah baik dari segi tulisan maupun bahasa yang kami sajikan sehingga masih
memerlukan kritik dan saran. Karena itu kami berpesan sekaligus menyarankan pada
pembaca agar mengambil sesuatu yang positif dari makalah yang kami buat dan
semoga makalah ini bisa bermanfaat bagi kami maupun pembaca.
DAFTAR PUSTAKA

Margaretty, Elina dan Siti Chodijah. 2016. Pengendalian Mutu Produksi. Palembang :
Politeknik Negeri Sriwijaya.

Kisworo, Yulius. 2011. Uji Beda Rerata Pengaruh Perlakuan, (online). (http://yulius-
kisworo.blogspot.co.id/2011/03/uji-beda-rerata-pengaruh-perlakuan.html).

Anonim. 2013. RANCANGAN pERCOBAAn Uji Lanjutan, (online),


(http://adzriair.blogspot.co.id/2013/05/rancangan-percobaan-uji-lanjutan.html)