Anda di halaman 1dari 174

SILABUS

PENGANTAR RANCANGAN PERCOBAAN (MAS 4122)


Prasyarat : MAS 4221 (Metode Statistika II)

Deskripsi:
Merancang suatu percobaan yang meliputi rancangan perlakuan, lingkungan dan analisis
hasil pengamatan,
Tujuan Umum :
Setelah menempuh mata kuliah ini mahasiswa dapat merancang suatu penelitian
berdasarkan tujuan dan karakteristik materi percobaan yang tersedia, Di samping itu
mahasiswa dapat melakukan analisis ragam sesuai dengan rancangan percobaan yang
digunakan, uji lanjutan dan interpretasi hasil,
Strategi pembelajaran:
Kuliah, tugas, diskusi, peninjauan di lapang dan responsi,
SILABUS
PENGANTAR RANCANGAN PERCOBAAN (MAS 4122)
Materi kuliah:
Pengertian rancangan percobaan, prinsip-prinsip dasar rancangan percobaan,
rancangan acak lengkap (deskriptif, denah percobaan, analisis ragam), analisis
lanjutan bila H1 diterima, rancangan acak kelompok (deskriptif, denah percobaan,
analisis ragam, efisiensi relative, data hilang), pengurain jumlah kuadrat, rancangan
bujur sangkar latin (deskriptif, denah percobaan, analisis ragam efisiensi relative,
data hilang), percobaan factorial (penguarain JK-perlakuan ke dalam komponen
factor utama dan interaksi)
Pustaka:
Steel, R,G,D and Torrie, J,H, 1980, Principles and Procedures of Statistics, Second
Ed, McGraw-Hill Kogakushuka Ltd,, Tokyo
Gomez, K,A and Gomez, A,A, 1976, Statistical Proedires for Agricultural Reasearch
with Emphasis on Rice, IRRI, Los Banos, Laguna, Philippines,
Kempthorne, O, 1980, Design and Analysis of Experiment, John Wiley, New York
Yitnosumarto, S, 1993, Percobaan Perancangan, analisis dan interpretasinya,
Gramedia Pusaka Utama, Jakarta
BAB I
PENDAHULUAN
KONSEP
Mahasiswa mengerti tentang :
1. Dasar-dasar perancangan percobaan
2. Perlakuan + unit percobaan
3. Peranan ulangan
4. Peranan pengacakan
5. Kesalahan percobaan/ experimental error
6. Cara memperkecil kesalahan percobaan
PERANCANGAN PERCOBAAN
PERCOBAAN
SERANGKAIAN TINDAKAN ATAU PENGAMATAN KHUSUS YANG BERTUJUAN
1. MEMPERKUAT (MEMBUAT KONFIRMASI) TENTANG HAL-HAL YANG
SUDAH DIKETAHUI
2. MENUNJUKKAN KETIDAKBENARAN SESUATU YANG MERAGUKAN
3. MENEMUKAN BEBERAPA PRINSIP ATAU PENGARUH YANG BELUM
DIKETAHUI

PERANCANGAN PERCOBAAN
1. PROSEDUR YANG DIGUNAKAN UNTUK MENGUMPULKAN ATAU
MEMPEROLEH DATA DALAM PENELITIAN
2. PROSEDUR UNTUK MENEMPATKAN PERLAKUAN KE DALAM SATUAN-
SATUAN PERCOBAAN DENGAN TUJUAN UTAMA MENDAPATKAN DATA
YANG MEMENUHI PERSAYARATAN ILMIAH
DIAGRAM ALIR LANGKAH-LANGKAH PENELITIAN
PRINSIP-PRINSIP PERANCANGAN PERCOBAAN

TUJUAN PERCOBAAN YANG JELAS

PERLAKUAN
PROSEDUR YANG PENGARUHNYA INGIN DIUKUR DAN DIBANDINGKAN
DENGAN PERLAKUAN YANG LAIN
CONTOH:
- KOMBINASI VARIETAS DAN PUPUK
-KOMBINASI JARAK TANAM DAN VARIETAS
- KOMBINASI JENIS DAN DOSIS RANSUM UNTUK PAKAN TERNAK
-BEBERAPA OBAT UNTUK MENURUNKAN KOLESTEROL

EXPERIMENTAL UNIT/PLOT
UNIT TERKECIL DARI BAHAN PERCOBAAN YANG DIKENAI PERLAKUAN
CONTOH:
-SATU PETAK JAGUNG (4MX6M)
-SATU TABUNG BERISI 10 SERANGGA
- 1 KG CABAI
-10 EKOR TIKUS
-DLL
PRINSIP-PRINSIP PERANCANGAN PERCOBAAN
ULANGAN
SATU PERLAKUAN DILAKUKAN LEBIH DARI SATU KALI, DIKATAKAN PERCOBAAN TERSEBUT
MEMPUNYAI ULANGAN

PERANAN ULANGAN
1. MELENGKAPI PERCOBAAN DENGAN NILAI DUGA RAGAM ACAK (EXPERIMENTAL
ERROR)
2. MENINGKATKAN KETELITIAN DENGAN MEMPERKECIL STANDARD ERROR
3. MENAMBAH RUANG LINGKUP HASIL PENELITIAN (ULANGAN WAKTU DAN TEMPAT)

BANYAKNYA ULANGAN DITENTUKAN OLEH:


1. TINGKAT KETELITIAN YANG DIINGINKAN
2. BANYAKNYA WAKTU, TENAGA DAN BIAYA YANG TERSEDIA
3. BANYKNYA BAHAN PERCOBAAN YANG TERSEDIA

ULANGAN EFEKTIF
DB ACAK =20
p(n-1)=DB ACAK RAL
(n-1) (p-1) = DB ACAK RAK
n: BANYAKNYA ULANGAN p: BANYAKNYA PERLAKUAN
MENENTUKAN BANYAKNYA ULANGAN
DB ACAK : 20
PERLAKUAN : 6
PERCOBAAN : RAL

SUMBER U=1 U=2 U=3 U=4 U=5 U=6


KERAGAMAN DB DB DB DB DB DB
PERLAKUAN 5 5 5 5 5 5
ACAK 0 6 12 18 24 30
TOTAL 5 11 17 23 29 35
t 5%,6 =2,447
t 5%,12 =2,179
t 5%,18 =2,101
t 5%,24 =2,061
t 5%,30 =2,042

SETELAH 5 ULANGAN, TAMBAHAN BIAYA , WAKTU DAN TENAGA UNTUK 1


ULANGAN TIDAK SEIMBANG DENGAN TAMBAHA KETELITIAN YANG
DIPEROLEH,
PRINSIP-PRINSIP PERANCANGAN PERCOBAAN
RANDOMIZATION
-SETIAP PERLAKUAN HARUS MEMPUNYAI PELUANG YANG SAMA
UNTUK DITEMPATKAN EXP, UNIT
- LETAK PERLAKUAN HARUS DIACAK MENURUT RANCANGAN YANG
DIPAKAI
- PENGACAKAN YANG BETUL MENGURANGI EXP,ERROR

EXPERIMENTAL ERROR (KESALAHAN PERCOBAAN) DISEBABKAN


OLEH
1, VARIABILTAS BAHAN & TEMPAT PERCOBAAN
2, VARIABILITAS PENGERJAAN FISIK

CARA MEMPERKECIL EXP, ERROR


-MEMILIH RANCANGAN YANG TEPAT
-MEMAKAI VARIABEL IKUTAN (ANCOVAR)
- LOCAL CONTROL
MEMBAGI PETAK PERCOBAAN DALAM BLOK-BLOK YANG HOMOGEN
JANGAN MENEMPATKAN PERCOBAAN PADA TEMPAT ISTIMEWA
(DEKAT AIR, NAUNGAN , DSB)
MEMPERBAIKI TEKNIK PERCOBAAN
DLL
PEMBAGIAN RANCANGAN PERCOBAAN
MENURUT LINGKUNGAN
1. RANCANGAN ACAK LENGKAP (ONE WAY ANOVA, ONE WAY
CLASSIFICATION, COMPLETELY RANDOMIZED DESIGN)
2. RANCANGAN ACAK KELOMPOK (TWO WAY ANOVA, TWO WAY
CLASSIFICATION, RANDOMIZED BLOCK DESIGN)
3. RANCANGAN BUJUR SANGKAR LATIN (LATIN SQUARE DESIGN)
4. RANCANGAN PETAK TERBAGI ( SPLIT PLOT DESIGN)
5. RANCANGAN BLOK TERBAGI ( SPLIT BLOCK DESIGN)
6. DLL

MENURUT PERLAKUAN
1. PERCOBAAN FAKTOR TUNGGAL (SINGLE FACTOR EXPERIMENT)
2. FAKTORIAL (FACTORIAL EXPERIMENT)
3. PERCOBAAN FAKTORIAL DALAM KETERBAURAN (CONFOUNDING )
4. PERCOBAAN DENGAN FAKTOR TERSARANG (NESTED)
- RANCANGAN LINGKUNGAN -
RANCANGAN ACAK LENGKAP
- SELAIN PERLAKUAN SEMUA HAL DIBUAT HOMOGEN
- PENGACAKAN SECARA KESELURUHAN PADA UNIT PERCOBAAN
- ULANGAN BOLEH SAMA BOLEH TIDAK SAMA UNTUK SETIAP
PERLAKUAN
- BIASA DIGUNAKAN UNTUK PERCOBAAN LABORATORIUM
- ANALISIS DATA PARAMETRIK ONE WAY ANOVA UNTUK NON-
PARAMETRIK KRUSKAL WALLIS
- MEMBERIKAN DB ACAK MAKSIMUM

RANCANGAN ACAK KELOMPOK


- DIPAKAI JIKA TEMPAT, BAHAN PERCOBAAN DLL HETEROGEN
MENURUT GRADIEN (ARAH)
- PENGACAKAN PADA MASING-MASING KELOMPOK
- ULANGAN HARUS SAMA DENGAN KELOMPOK
- BISA DIPAKAI UTK PERCOBAAN LABORATORIUM ATAU LAPANG
- ANALISIS DATA PARAMETRIK TWO WAY ANOVA, NON PARAMETRIK
FRIEDMAN
- RANCANGAN LINGKUNGAN -
RANCANGAN BUJUR SANGKAR LATIN
- DIPAKAI JIKA BAHAN PERCOBAAN HETEROGEN DUA GRADIEN (ARAH)
- PENGACAKAN MENURUT BARIS DAN KOLOM, SETIAP PERLAKUAN
MUNCUL SATU KALI DALAM BARIS DAN SATU KALI DALAM KOLOM
- BANYAKNYA ULANGAN= BANYAKNYA PERLAKUAN, BARIS DAN KOLOM
- BISA DIGUNAKAN UNTUK PERCOBAAN LABORATORIUM ATAU LAPANG
ASALKAN PERLAKUAN TIDAK TERLALU BANYAK
- ANALISIS DATA PARAMETRIK THREE WAY ANOVA
PERBANDINGAN ANTAR PERLAKUAN
UJI PERBANDINGAN YANG SERING DIGUNAKAN ADALAH:
1. BEDA NYATA TERKECIL
2. BEDA NYATA JUJUR
3. UJI DUNCAN
4. PERBANDINGAN ORTOGONAL-KONTRAS

PENGGUNAAN UJI PERBANDINGAN TERSEBUT BERDASARKAN


TUJUAN PERBANDINGAN
BAB II
RANCANGAN ACAK LENGKAP
COMPLETELY RANDOMIZED DESIGN (CRD)
FULLY RANDOMIZED DESIGN (FRD)
ONE WAY ANOVA
ONE WAY CLASSIFICATION
KONSEP
Mahasiswa mengerti tentang :
1. Kelebihan dan kekurangan RAL
2. Cara mengacak perlakuan
3. Model matematika
4. Menentukan ulangan yang effektif
5. RAL dengan ulangan tidak sama
6. Bisa melakuan perhitungn ANOVA dan
menyimpulkan / membaca hasil ANOVA
Rancangan Acak Lengkap
UNTUK MEDIA YANG RELATIF HOMOGEN (BAIK SEKALI UNTUK PERCOBAAN
LABORATORIUM)
BANYAKNYA ULANGAN BOLEH TIDAK SAMA, TAPI DISARANKAN SAMA
PENEMPATAN PERLAKUAN SECARA ACAK LENGKAP SEHINGGA :

Keragaman Perlakuan
Keragaman Total
Keragaman Lain-lain (Uncontrolled)
Ragam Acak

KEUNTUNGAN
MEMBUAT LAY OUT MUDAH
ANALISISNYA MUDAH
ULANGAN MASING-MASING PERLAKUAN TIDAK PERLU SAMA
MISSING DATA TIDAK PERLU DIDUGA SEKALIPUN TERDAPATKERAGAMAN
BERBEDA ANTAR MASING-MASING PERLAKUAN
DB GALAT YANG TERSEDIA MAKSIMUM
KERUGIAN
KALAU PERLAKUAN BANYAK SULIT MENDAPATKAN MEDIA YANG HOMOGEN
Model dari Rancangan Acak Lengkap
Model yang digunakan untuk Rancangan Acak Lengkap adalah:

Yij i ij i 1,2,..., p
j 1,2,..., n
Di mana
Yij : Nilai pengamatan pada perlakuan ke - i ulangan ke - j
: Nilai tengah umum
i : Pengaruh perlakuan ke - i
ij : Kesalahan (galat) percobaan pada perlakuan ke - i ulangan ke - j
Sedangkan analisis ragam yang digunakan adalah:

Sumber Keragaman db Jumlah Kuadrat Kuadrat Tengah F Hitung


p n JK P
Perlakuan p-1 ( Yij ) / n FK KTP
2

i 1 j 1
( p 1) KTG
Galat p(n-1) JKT JK P
JK G
p(n 1)
p n

Y FK
2
Total (pn-1) i 1 j 1
ij

p n
FK ( Yij ) 2 /( pn)
i 1 j 1
CONTOH
PERCOBAAN UNTUK MENENTUKAN PENGARUH LIMA STRAIN R,TRIFOLI
DAN CAMPURAN 5 MACAM R, MELIOTI TERHADAP KANDUNGAN N
TANAMAN REDCLOVER
(DIAMBIL DARI STEEL &TORIE, 1960, PRINCIPLES AND PROCEDURES OF
STATISTICS, HAL 101)

PERLAKUAN : 6 (S1, S2, S3, S4, S5, CAMPURAN)


ULANGAN :5
RANCANGAN : RAL
DENAH & HASIL PENGAMATAN
DENAH

S2 S1 S2 S4 S3 S5
S5 S5 S3 S1 S4 S2
S3 S1 C S3 S4 C
S5 S4 S2 C S1 C
S2 C S4 S3 S3 S5

HASIL PENGAMATAN (KADAR N-Mg)

PERLAKUAN U1 U2 U3 U4 U5 TOTAL RATA-RATA


S1 19,4 32,6 27,0 32,1 33,0 144,1 28,82
S2 17,7 24,8 27,9 25,2 24,3 119,9 23,98
S3 17,0 19,4 9,1 11,9 15,8 73,2 24,64
S4 20,7 21,0 20,5 18,8 18,6 99,8 19,92
S5 14,3 14,4 11,8 11,6 14,2 66,3 13,28
C 17,3 19,4 19,1 16,9 20,8 93,5 18,70
TOTAL 106,4 131,6 115,4 116,5 126,7 596,6
ANALISIS RAGAM
ANALISA SIDIK RAGAM

SUMBER DERAJAT
JK KT FHIT F5% F1%
KERAGAMAN BEBAS
PERLAKUAN p-1=5 847,05 169,41 14,37** 2,62 3,9
ACAK 29-5=24 282,93 11,79
TOTAL np-1=29 1129,98

CARA MENCARI JUMLAH KUADRAT


p n
596.62
FK ( Yij ) /( pn) 2
11864.39
i 1 j 1 5 x6
p n
19.42 .... 20.82
JK Total Yij FK 11864.39 1129.98
2

i 1 j 1 1
p n
144.12 ... 93.52
JK Perlakuan ( Yij ) / n FK 11864.39 847.05
2

i 1 j 1 5
JK Galat JK Total JK Perlakuan 282.93
PENGURAIAN JUMLAH KUADRAT
LATIHAN SOAL 1
Sebuah pabrik kertas yang digunakan untuk membuat tas belanja melakukan
percobaan dalam meningkatkan kekuatan tarik tas, Kekuatan tarik tas
belanja berasal dari konsentrasi kayu dalam pulp dan berkisar antara 5
sampai 20%, Sebuah tim insinyur yang bertanggung jawab untuk penelitian
memutuskan untuk menyelidiki empat tingkat konsentrasi kayu: 5%, 10%,
15%, dan 20% dan memutuskan untuk membuat enam kali pengulangan
pada setiap tingkat konsentrasi, Data dari percobaan ditunjukkan:

Apakah ke-empat konsentrasi memberikan pengaruh yang berbeda


terhadap kekuatan tas? Gambarkan denah percobaan!
LATIHAN SOAL 2
Suatu percobaan dilakukan untuk mengetahui pengaruh karbon tetraklorida sebagai
pembunuh cacing, Penelitian menggunakan 20 tikus yang terinfeksi larva, Delapan
hari kemudian, 5 tikus digunakan tetap sebagi kontrol tanpa dilakukan injeksi,
sedangkan 15 tikus lainnya diobati dengan carbon tetrachloride 1, carbon
tetrachloride 2, carbon tetrachloride 3, Setelah hari ke 10 diketahui bahwa tikus
tewas, dan dihitung jumlah cacing dewasa yang masih tersisa, Apakah penggunaan
obat karbon tetraklorida effektif sebagai pembunuh cacing?

Experiment Perlakuan
1 2 3 4 1: Kontrol
172 381 2: Carbon Tetrachloride 1
279 378
3: Carbon Tetrachloride 2
338 275 335 346 4: Carbon Tetrachloride 3
334 412 335 340
198 265 282 471
303 286 250 318
BAB III
UJI PERBANDINGAN BERGANDA
KONSEP
Mahasiswa mengerti tentang :
1. Konsep perbandingan berganda
2. Beberapa metode perbandingan berganda
BNT, BNJ, DUNCAN, Dll
3. Bisa menghitung BNT, BNJ, dan Duncan
4. Bisa memberi notasi
MEMBANDINGKAN RATA-RATA PERLAKUAN

1, UJI BNT (BEDA NYATA TERKECIL)


LSD (LEAST SIGNIFICANT DIFFERENCE)

HANYA DILAKUKAN JIKA UJI F NYATA/SANGAT NYATA


BAIK UNTUK PERLAKUAN YANG TIDAK BANYAK
HANYA ADA SATU PEMBANDING
RUMUS

= =
= SALAH BAKU BEDA 2 NILAI RATA-RATA
BEDA NYATA TERKECIL
BEDA NYATA TERKECIL

MEMBERI NOTASI
SUSUNLAH RATA-RATA PERLAKUAN DARI KECIL KE BESAR
BANDINGKANLAH SELISIH 2 RATA-RATA DENGAN NILAI BNT
JIKA SELISIH < BNT5% TIDAK NYATA
JIKA SELISIH BNT5% NYATA
JIKA SELISIH < BNT1% SANGAT NYATA
BERILAH NOTASI

Perlakuan Rata-rata
S5 13,26 a BNT5%= 4,5 mg

S3 14,64 a b
C 18,70 b c
S4 19,92 c d
S2 23,98 d
S1 28,82 e

ANGKA RATA-RATA YANG DODAMPINGI HURUF SAMA BERARTI TIDAK BERBEDA


NYATA 5%
UJI BEDA NYATA JUJUR

2, UJI BNJ (BEDA NYATA JUJUR) / TUKEYS PROCEDURE


HSD (HONESTLY SIGNIFICANT DIFFERENCE)

MENGGUNAKAN SATU PEMBANDING


MEMPERTIMBANGKAN BANYAKNYA PERLAKUAN
RUMUS

DI MANA q = dari tabel tukeys

q0,05 (6, 24) = 4,37


= (4,37) * (1,54) = 6,7 mg
UJI BEDA NYATA JUJUR

HASIL PERBANDINGAN DENGAN BNJ

Perlakuan Rata-rata
S5 13,26 a BNJ5%= 6,7 mg

S3 14,64 a
C 18,70 a b
S4 19,92 a b
S2 23,98 b c
S1 28,82 c
UJI DUNCAN

3, UJI DUNCAN
(DUNCANS NEW MULTIPLE RANGE TEST)

UNTUK PERLAKUAN YANG BANYAK


BISA DILAKUKAN SEKALIPUN UJI F UNTUK PERLAKUAN TIDAK NYATA
MENGGUNAKAN BANYAK PEMBANDING
RUMUS

KTG
D d p , v x
n
di mana
p jarak peringkat dua perlakuan p
v derajat bebas galat
taraf nyata
UJI DUNCAN

HASIL PERBANDINGAN DENGAN BNJ

Perlakuan Rata-rata
S5 13,26 a
S3 14,64 a b
C 18,70 b c
S4 19,92 c d
S2 23,98 d
S1 28,82 e

KESIMPULAN APA YANG DAPAT DIPEROLEH DARI KE 3 MACAM


UJI DI ATAS?
LATIHAN SOAL

Lakukan uji perbandingan berganda pada contoh soal bab


Completely randomize design (Rancangan Acak Lengkap)!
BAB IV
RANCANGAN ACAK LENGKAP
(Ulangan Tidak Sama)
RANCANGAN ACAK LENGKAP
(ulangan tidak sama)

Contoh diambil dari Rancangan Acak Lengkap Ulangan Sama


Percobaan untuk menentukan pengaruh lima strain R,Trifoli dan campuran
R, Melioti terhadap kandungan N tanaman redclover, Perlakuan dan
ulangan yang digunakan pada kasus ini sebagai berikut :
Strain 1 (S1) diulang 4 kali
Strain 2 (S2) diulang 5 kali
Strain 3 (S3) diulang 5 kali
Strain 4 (S4) diulang 4 kali
Strain 5 (S5) diulang 5 kali
Campuran (C) diulang 4 kali
DENAH & HASIL PENGAMATAN
DENAH

S2 S1 S2 S4 S3
S5 S5 S3 S1 S4
S3 S2 C S3 S5
S5 S4 S2 C S1 C
S2 C S4 S3 S3 S5

HASIL PENGAMATAN (KADAR N-Mg)

PERLAKUAN U1 U2 U3 U4 U5 TOTAL RATA-RATA


S1 32,6 27,0 32,1 33,0 124,7 31,175
S2 17,7 24,8 27,9 25,2 24,3 119,9 23,98
S3 17,0 19,4 9,1 11,9 15,8 73,2 14,64
S4 20,7 20,5 18,8 18,6 78,6 19,65
S5 14,3 14,4 11,8 11,6 14,2 66,3 13,26
C 17,3 19,4 19,1 16,9 72,7 18,175
Model Ulangan Tidak sama
Yij i ij
Di mana
Yij : Nilai pengamatan pada perlakuan ke - i ulangan ke - j
: Nilai tengah umum
i : Pengaruh perlakuan ke - i
ij : Kesalahan (galat) percobaan pada perlakuan ke - i ulangan ke - j

CARA MENCARI JUMLAH KUADRAT


p n
535.4 2
FK ( Y ) /(
i 1 j 1
ij
2
ni )
27
10616.78

p n
32.6 2 .... 16.9 2
JK Total Y
i 1 j 1
ij
2
FK
1
10616.78 1127.58

p n
124.7 2 119.9 2 72.7 2
JK Perlakuan ( Yij ) / n FK ... 10616.78 962.539
2

i 1 j 1 4 5 4
JK Galat JK Total JK Perlakuan 165.04
ANALISA SIDIK RAGAM

SUMBER DERAJAT
JK KT FHIT F5% F1%
KERAGAMAN BEBAS
PERLAKUAN t-1=5 962,54 192,51 24,46** 2,68 4,04
ACAK 26-5=21 165,04 7,86
TOTAL 26 1127,58

Keputusan:
Statistik Uji F > Titik Kritis F maka H0 ditolak
Kesimpulan:
Dengan tingkat kesalahan 5% maka dapat disimpulkan bahwa strain
berpengaruh secara nyata terhadap kandungan N
LATIHAN SOAL
Lama mengunyah makanan (cudding time, dalam
menit) dari 3 kelompok ternak sapi perah adalah:
Kelompok Waktu Mengunyah
Ulangan
1 260 273 165 213 260 260 268 238
2 165 253 228 143 195 240
3 208 205 228 248 268 240 203 268 195 225

Lakukan analisis ragam untuk mengetahui apakah


terdapat perbedaan antar kelompok ternak sapi perah
atau tidak! Lakukan uji lanjutan dengan BNT! Gunakan
= 0,05,
BAB V
RANCANGAN ACAK KELOMPOK (RAK)
Randomized Complete Block Design (RCBD)
Randomized Block Design (RBD)
TWO WAY ANOVA
TWO WAY CLASSIFICATION
KONSEP
Mahasiswa memahami :
1. Alasan pemakain RAK baik di lapang dan
Laboratorium
2. Melakukan Pengacakan dengan RAK
3. Model Matematika
4. Bisa melakukan perhitungan RAK dan
menginterpretasikan hasil
5. Effisiensi Relatif RAK terhadap RAL
RANCANGAN ACAK KELOMPOK
DIPAKAI JIKA MEDIA TIDAK SELURUHNYA HOMOGEN
PETAK PERCOBAAN DIBAGI DALAM BLOK/KELOMPOK , ANTAR
KELOMPOK TIDAK HOMOGEN; DALAM SATU KELOMPOK RELATIF
HOMOGEN
BANYAKNYA ULANGAN=BANYAKNYA KELOMPOK
ULANGAN UNTUK SEMUA PERLAKUAN SAMA
PENEMPATAN PERLAKUAN DENGAN CARA MENGACAK DALAM
MASING-MASING KELOMPOK
MISSING DATA PERLU DIDUGA BESARNYA

KEUNTUNGAN:
MEMPERTELITI PERC, JIKA MEDIA HOMOGEN TIDAK TERSEDIA
ANALISA CUKUP MUDAH
KERUGIAN:
KALAU DALAM SATU BLOK TIDAK HOMOGEN RAK TIDAK BISA
DIPAKAI
Model dari Rancangan Acak Kelompok
Model yang digunakan untuk Rancangan Acak Kelompok adalah:
Yij i j ij i 1,2,..., p
Di mana j 1,2,..., r

Yij : Nilai pengamatan pada perlakuan ke - i ulangan ke - j


: Nilai tengah umum
i : Pengaruh perlakuan ke - i
j : Pengaruh kelompok ke - j
ij : Kesalahan (galat) percobaan pada perlakuan ke - i ulangan ke - j
Sedangkan analisis ragam yang digunakan adalah:

Sumber Keragaman db Jumlah Kuadrat Kuadrat Tengah F Hitung


p r JK P KTP
Perlakuan p-1 ( Yij ) / n FK
2

i 1 j 1
( p 1) KTG

Kelompok r-1 r p JK K KTK


( Y ) / p FK
2

j 1 i 1
ij
(r 1) KTG

Galat (p-1)(r-1) JK G
JKT JK P JK K p(n 1)
p r
Total (pr-1) Y FK
2
ij
i 1 j 1
p r
FK ( Yij ) 2 /( pr )
i 1 j 1
CONTOH RANCANGAN ACAK KELOMPOK

CONTOH: SAMA DENGAN CONTOH RAL


PERLAKUAN : 6
ULANGAN : 5
DENAH
Bagilah petak percobaan dalam blok-blok di mana keadaan satu blok
relatif homogen
Banyakanya blok= banyanya ulangan
Bagilah blok dalam petak / unit percobaan
Banyanya plot=banyaknya perlakuan
Pengacakan perlakuan dalam masing-masing blok

S4 C S1 S3 S2 S5 U1= Blok 1
S2 S1 C S3 S5 S4 U2= Blok 2
S4 C S2 S3 S1 S5 U3= Blok 3
S1 S3 S2 C S5 S4 U4= Blok 4
S5 S3 S4 S1 C S2 U5= Blok 5
ANALISIS RAGAM

SUMBER DERAJAT
JK KT FHIT F5% F1%
KERAGAMAN BEBAS
PERLAKUAN t-1=5 847,05 169,41 15,69** 2,62 3,9
ULANGAN/KEL n-1 =4 66,92 16,73 1,55 NS
ACAK 29-9=20 216,01 10,80
TOTAL nt-1=29 1129,98

r p
106.42 ... 126.7 2
JK Kelompok ( Yij ) / p FK FK 66.92
2

j 1 i 1 6

BANDINGKAN DENGAN HASIL ANALISA SIDIK RAGAM PADA RAL


PENGURAIAN ANALISIS RAGAM

DB Acak (RAL) = DB Acak + DB Ulangan (RAK)


JK Acak (RAL) = JK Acak + JK Ulangan (RAK)
KT Acak RAK < KT Acak RAL

RAK memperteliti

KESIMPULAN
Antar Perlakuan Berbeda Nyata
Antar Kelompok/Blok/Ulangan Tidak Berbeda Nyata

Silahkan mencoba Uji BNT, BNJ Duncan pada RAK !!!


LATIHAN SOAL
Suatu percobaan dilakukan untuk menentukan penggunaan benih padi
IR8 yang optimal per hektar, Rancangan yang digunakan adalah RAK
dengan 4 kelompok, Hasil percobaan (kg/ha, gabah kering panen)
adalah:
Perlakuan Kelompok
Benih
1 2 3 4
kg/ha
25 5113 5398 5307 4678
50 5346 5952 4719 4364
75 5272 5713 5438 4749
100 5164 4831 4986 4410
125 4804 4848 4432 4748
150 5254 4542 4919 4098
Lakukan analisis ragam dengan menggunakan = 0,05! Kesimpulan apa
yang Saudara peroleh? Tentukan perlakuan mana yang saudara
rekomendasikan!
BAB VI
EFISIENSI RELATIF RAK TERHADAP
RAL
EFISIENSI PENGGUNAAN RAK TERHADAP RAL
Penggunaan Rancangan Acak Kelompok (RAK) akan meningkatkan presisi,
karena keragaman yang tidak terkontrol dapat dikurangi, Namun kadang-
kadang perlu diketahui sampai sejauh mana efektivitas perngelompokkan
dalam meningkatkan presisi,

Berdasarkan analisis ragam untuk RAK, maka dapat diduga besarnya ragam
galat yang seharusnya diperoleh jika RAL digunakan dengan banyak satuan
percobaan yang sama, Masing-masing ragam galat diberi nama yang sama,
maka:

Atas dasar tsb, nisbah E(RAL)/E(RAK) digunakan untuk mengukur efisiensi


relatif pengelompokan,
EFISIENSI PENGGUNAAN RAK TERHADAP RAL
Dengan menggunakan koresi menurut Fisher, maka besarnya informasi
relatif dapat dituliskan sebagai berikut:

dbRAK : derajat bebas galat percobaan untuk RAK


dbRAL : derajat bebas galat percobaan untuk RAL, yaitu sama dengan
dbRAK +dbKELOMPOK

Jika KTB dan KTG masing-masing Kuadrat Tengah untuk Kelompok dan
Galat berturut-turut, maka diperolehefisiensi relatif RAK terhadap RAL

Apabila Efisiensi Relatif (ER) dari metode 1 terhadap metode 2 lebih dari 1,
maka dapat dikatakan bahwa metode 1 lebih efisien daripada metode 2,
CONTOH EFISIENSI PENGGUNAAN RAK TERHADAP RAL

Contoh yang digunakan merupakan contoh dari RAK pada kasus Pengaruh 5
Strain R, Trifoli dan campuran terhadap Kandungan N Tanaman Red Clover
SUMBER DERAJAT
JK KT FHIT F5% F1%
KERAGAMAN BEBAS
PERLAKUAN t-1=5 847,05 169,41 15,69** 2,62 3,9
ULANGAN/KEL n-1 =4 66,92 16,73 1,55 NS
ACAK 29-9=20 216,01 10,80
TOTAL nt-1=29 1129,98

Pada kasus tersebut diperoleh KTB= 16,73 ; KTG=10,80 ; dbRAK=20; r=5 ;p=6
CONTOH EFISIENSI PENGGUNAAN RAK TERHADAP RAL

Pada kasus ini, diperoleh nilai ER 1,076, yang berarti penggunaan metode RAK
dengan 5 kelompok lebih efisien daripada penggunaan metode RAL dengan
menggunakan 5 ulangan,
CONTOH EFISIENSI PENGGUNAAN RAK TERHADAP RAL
Selain digunakan untuk pendugaan ragam galat yang seharusnya diperoleh jika
RAL digunakan dengan banyak satuan percobaan yang sama, efisiensi relatif
juga mampu melihat perbandingan metode yang digunakan, Pada kasus ini
dibandingkan 2 metode, yaitu RAL dan RAK pada kasus Pengaruh 5 Strain R,
Trifoli dan campuran terhadap Kandungan N Tanaman Red Clover

Metode RAK KTB= 16,73 ; KTG(RAK)=10,80 ; dbRAK=20; r=5 ;p=6


Metode RAL KTG(RAL)=11,79; dbRAL=24; p=6

Pada kasus ini, diperoleh nilai ER 1,076, yang berarti penggunaan metode RAK
dengan 5 kelompok lebih efisien daripada penggunaan metode RAL dengan
menggunakan 5 ulangan,
BAB VII
PENDUGAAN DATA HILANG
KONSEP
Mahasiswa Mengerti :
1. Sebab-sebab hilangnya data
2. Menduga data hilang dengan menggunakan
metode MKT
3. 1, 2, dan 3 data hilang
4. Menghitung ANOVA dengan data hilang
5. Perbandingan berganda dengan data hilang
PENDUGAAN DATA HILANG
Salah satu keuntngan penggunaan Rancangan Acak Kelompok adalah jika
terdapat satu atau lebih amatan yang hilang atau sengaja dihilangkan karena
sebab yang dapat diterima, analisis ragam masih bisa dilakukan, Data yang hilang
tersebut harus dilengkapi terlebih dahulu dengan penduganya, Jika hal ini tidak
dilakukan maka analisis ragam akan menghasilkan perlakuan dan kelompok yang
tidak saling ortogonal (bebas) sesamanya (Yitnosumarto,1993),

Terdapat beberapa metode untuk pendugaan data hilang, Diantaranya adalah


sebagai berikut:
1. Metode Yates atau Metode Kuadrat Terkecil
2. Metode Regresi
3. Analisis Peragam

Pada materi ini, metode yang kita pelajari adalah metode Yates, Menurut Yates
(1970:42), keortogonalan tersebut dapat dikembalikan dengan menambahkan
nilai penduga untuk nilai-nilai yang hilang tersebut, Pendugaan data yang hilang
ini hanya dimaksudkan untuk membantu dalam menganalisis data lainnya,
PENDUGAAN DATA HILANG
Pada rancangan acak kelompok, apabila data yang hilang hanya satu
pengamatan maka dugaan nilai yang hilang tersebut dapat dihitung dengan
rumus:
( p.T r.B G)
Yij
(( p 1)(r 1))
di mana:
p = banyaknya perlakuan
r = banyaknya kelompok
T = total pengamatan dalam perlakuan yang mengandung data hilang
B = total pengamatan dalam kelompok yang mengandung data hilang
G = total semua pengamatan
Jumlah kuadrat perlakuan (JKP) berbias positif, yang artinya jumlah
kuadrat perlakuan yang diberikan lebih tinggi dari seharusnya, Besar bias
ini yaitu:

( B ( p 1) * Yij ) 2
Bias
( p( p 1))
CONTOH PENDUGAAN DATA HILANG

Kasus yang digunakan Percobaan untuk menentukan pengaruh lima strain


R,Trifoli dan campuran 5 macam R, Melioti terhadap kandungan N tanaman
Redclover,

Hasil Pengamatan Kadar N(Mg)

PERLAKUAN K1 K2 K3 K4 K5 TOTAL RATA-RATA


S1 19,4 32,6 27,0 32,1 33,0 144,1 28,82
S2 17,7 24,8 27,9 25,2 24,3 119,9 23,98
S3 17,0 19,4 9,1 11,9 15,8 73,2 24,64
S4 20,7 21,0 20,5 18,8 18,6 99,8 19,92
S5 14,3 14,4 11,8 11,6 14,2 66,3 13,28
C 17,3 19,4 19,1 16,9 20,8 93,5 18,70
TOTAL 106,4 131,6 115,4 116,5 126,7 596,6
CONTOH PENDUGAAN DATA HILANG
Hasil Pengamatan Kadar N(Mg) dengan amatan yang dihilangkan dan di duga
PERLAKUAN K1 K2 K3 K4 K5 TOTAL
S1 30,3 32,6 27,0 32,1 33,0 124,7
S2 17,7 24,8 27,9 25,2 24,3 119,9
S3 17,0 19,4 9,1 11,9 15,8 73,2
S4 20,7 21,0 20,5 18,8 18,6 99,8
S5 14,3 14,4 11,8 11,6 14,2 66,3
C 17,3 19,4 19,1 16,9 20,8 93,5
TOTAL 87 131,6 115,4 116,5 126,7 577,2

Data yang diduga

( p.T r.B G) (6 *124.7 5 * 87 577.2)


Yij 30.3
(( p 1)(r 1)) (6 1)(5 1)
Maka diperoleh dugaan nilai 30,3,
CONTOH PENDUGAAN DATA HILANG

Hasil Analisis Ragam Sebelum diduga

Analysis of variance
Variate: Kadar_N
Source of variation d,f, s,s, m,s, v,r, F pr,
Perlakuan 5 847,05 169,41 15,61 <,001
Ulangan 4 65,92 16,48 1,52 0,235
Residual 20 217,01 10,85
Total 29 1129,97

Hasil Analisis Ragam Setelah diduga

Analysis of variance
Variate: Kadar_N
Source of variation d,f, s,s, m,s, v,r, F pr,
Perlakuan 5 1061,595 212,319 29,29 <,001
Ulangan 4 34,817 8,704 1,20
Residual 19 137,803 7,25
Total 28 1234,215
CONTOH PENDUGAAN DATA HILANG

Jumlah kuadrat perlakuan (JKP) berbias positif, yang artinya jumlah


kuadrat perlakuan yang diberikan lebih tinggi dari seharusnya, Besar bias
ini yaitu:

( B ( p 1) * Yij ) 2 (87 (6 1) * 30.3) 2


Bias 138.675
( p( p 1)) (6(6 1)

Dengan demikian

1061.595 - 138.675
KTperlakuan( koreksi) 184.66
5
184.66
Fhitung 25.47
7.25
Kesmpulan tersebut tidak berubah, terdapat perbedaan yang sangat
nyata antara pengruh strain terhadap kandungan N
CONTOH PENDUGAAN DATA HILANG
Kasus yang digunakan dari buku Percobaan Perancangan, Analisis, Dan
Interpretasinya(Yitnosumarto,1993) hal 79 data buatan untuk RAK
PERLAKUAN K1 K2 K3 K4 TOTAL
1 9 6 22 4 41
2 8 7 14 5 34
3 11 9 15 6 41
4 14 11 16 8 49
TOTAL 42 33 6 23 165

Hasil Pengamatan dengan data yang dihilangkan kemudian di duga


PERLAKUAN K1 K2 K3 K4
1 9 6 13 4
2 8 7 14 5
3 11 9 15 6
4 14 11 16 8

( p.T r . B G ) ( 4 * 19 4 * 45 143)
Yij 13
(( p 1)(r 1)) ( 4 1)(4 1)

Maka diperoleh nilai dugaan 13,


CONTOH PENDUGAAN DATA HILANG
Hasil Analisis Ragam Sebelum diduga
Analysis of variance
Variate: Data
Source of variation d,f, s,s, m,s, v,r, F pr,
Per 3 28,188 9,396 1,54 0,271
Kel 3 266,188 88,729 14,50 <,001
Residual 9 55,062 6,118
Total 15 349,438

Hasil Analisis Ragam Setelah diduga

Analysis of variance
Variate: Data
Source of variation d,f, s,s, m,s, v,r, F pr,
Per 3 44,500 14,8333 23,733 <,001
Kel 3 165,50 55,1667 88,267 <,001
Residual 8 5,00 0,625
Total 14 215,00

Pendugaan data hilang menyebabkan kesimpulan yang berbeda


CONTOH PENDUGAAN DATA HILANG

Jumlah kuadrat perlakuan (JKP) berbias positif, yang artinya jumlah


kuadrat perlakuan yang diberikan lebih tinggi dari seharusnya, Besar bias
ini yaitu:

( B ( p 1) * Yij ) 2 (45 (4 1) *13) 2


Bias 3.00
( p( p 1)) (4(4 1))

Dengan demikian

44.5 - 3
KTperlakuan( koreksi) 13.833
3
13.833
Fhitung 22.13
0.625
Kesmpulan tersebut tidak berubah, terdapat perbedaan yang sangat
nyata antar perlakuan
LATIHAN SOAL
Untuk menentukan saat pemakain pupuk N yang tepat diadakan percobaan dengan 6
perlakuan ( termasuk control) yaitu saat pemakain pupuk N ( dengan dosis N 80 kg
N/ha) yang berbeda, Pengamatan yang dilakuakan adalah mengamati berbat kering
tanaman, Sayangnya untuk contoh dalam kelompok 1 perlakuan 4 dan kelompok 2
perlakuan 5 tanamannya rusak sehingga tidak diperoleh data, hasil pengamatannya
dalah sebagai berikut (ton/ha) :

kelompok
perlakuan
1 2 3 4
1 3,87 5,42 4,64 4,06
2 9,23 9,18 10,98 9,52
3 8,86 9,48 7,5 7,89
4 9,88 8,49 6,99
5 6,7 8,88 7,68
6 7,93 9,65 8,45 7,06
Sebelum data di analisis, perlu menduga terlebih dahulu data yang hilang, Karena
data yang hilang lebih dari satu maka lakukan proses berulang!
BAB VIII
RANCANGAN BUJUR SANGKAR LATIN
LATIN SQUARE DESIGN
KONSEP
Mahasiswa mengerti :
1. Kapan RBSL digunakan
2. Model Matematika RBSL
3. Cara mengacak RBSL
4. Anova RBSL
5. Interpretasi hasil
6. Perbandingan berganda RBSL
REVIEW RAL dan RAK
RAL
Kondisi percobaan homogen
Keragaman dan satu satunya yang tidak homogen disebabkan oleh
perlakuan
RAK
Kondisi percobaan heterogen
Keragaman respon selain karena perlakuan juga karena kelompok
RBSL
Apabila kita mengelompokkan dalam dua arah (baris dan kolom)
dari dua sumber keragaman
RANCANGAN BUJUR SANGKAR LATIN
Desainnya berbentuk bujur sangkar dan perlakuannya di simbol huruf
latin kapital (misal: A,B,C,D)

A B C D
B C D A
C D A B
D A B C

Penempatan perlakuan ke dalam satuan-satuan percobaan sedemikian


rupa sehingga perlakuan tertentu harus hanya terjadi satu kali dalam
baris dan lajur ynag sama dengan tanpa pengorbanan prinsip acak,

BANYAK KOLOM=BANYAK BARIS=BANYAK ULANGAN


CARA PENCATATAN SECARA UMUM RBL rxr YANG ARTINYA RBL
DENGAN r BUAH BARIS DAN r BUAH LAJUR
BAGAIMANA CARA PENEMPATAN PERLAKUAN
Misalnya terdapat 5 buah perlakuan, 1,2,3,4, dan 5, Langkah yang
dilakukan :
i. Pilih latin secara acak dan yang tersedia, misal yang terpilih :
A B C D E
B C D E A
C D E A B
D E A B C
E A B C D

ii. Pengacak menurut baris, Dengan bantuan bilangan acak maka


diperoleh susunan
2 4 1 5 3
Maka diperoleh
B C D E A 2
D E A B C 4
A B C D E 1
E A B C D 5
C D E A B 3
BAGAIMANA CARA PENEMPATAN PERLAKUAN
iii. Pengacakan menurut lajur (seperti pada pilihan ke dua), Maka
diperoleh susunan :
5 3 4 2 1
5 3 4 2 1
A D E C B
C A B E D
E C D B A
D B C A E
B E A D C
iv. Penempatan perlakuan ke dalam bujur sangkar, Dengan bantuan
bilangan acak diperoleh susunan:
2 5 1 3 I II III IV V
Angka 2 menempati A 2 3 4 1 5 I
Angka 5 menempati B 1 2 5 4 3 II
dst 4 1 3 5 2 III
3 5 1 2 4 IV
5 4 2 3 1 V
KEUNTUNGAN dan KEKURANGAN RBSL
KEUNTUNGAN
1. Mengurangi keragaman galat melalui dua arah, jika heterogenitas
kedua arah terpenuhi
2. Analisis mudah
3. Memperbanyak kesimpulan (perlakuan, baris, dan kolom)
4. Jika ada data hilang masih dapat diduga

KEKURANGAN
1. Jika ternyata pengelompokan menurut baris dan lajur tidak efektif,
maka presisinya akan lebih rendah daripada RAL dan RAK
2. Pemakaian terbatas
MODEL UNTUK RANCANGAN BUJUR SANGKAR LATIN

Yij( k ) i j ( k ) ij( k )
i , j,k 1,2,..., r di mana
Yij( k ) Hasil pengamatan pada baris ke i lajur ke juntuk perlakuan ke k
Nilai tengah umum
i Pengaruh baris (row) ke i
j pengaruh lajur (kolom) ke k
( k ) pengaruh perlakuan ke k
ij( k ) Galat pengamatan pada baris ke i lajur ke juntuk perlakuan ke k
ANALISIS RAGAM RBSL
JK T Yi j
2
ij ( k ) FK

JK B ( Y
i j
ij ( k ) ) 2 / r FK

JK L ( Y
j i
ij ( k ) ) 2 / r FK

JK P ( Y
k i. j
ij ( k ) ) 2 / r FK

JK G JK T JK B JK L JK P
FK ( Yij ( k ) ) 2 / r 2
i j

SK db JK KT Fhit
Baris (r-1) JKB KTB=JKB/dbB KTB/KTG
Lajur (r-1) JKL KTL=JKL/dbL KTL/KTG
Perlakuan (r-1) JKP KTP=JKP/dbP KTP/KTG
Galat (r-1)(r-2) JKG KTG=JKG/dbG
Total (r2-1) JKT
CONTOH SOAL
Data berikut merupakan hasil percobaan jarak tanam pada tanaman
Millet (Snedecor dan Cochran, 1980), Rancangan yang digunakan adalah
RBL sedangkan perlakuan jarak tanam yang dicobakan sebanyak 5 buah,

Tabel 1, Hasil (gr/petak) tanaman Millet dengan RBL (Jarak tanam 1:5cm;
2:10cm; 3:15cm;4:20cm; dan 5:25cm
Lajur
Baris Total
1 2 3 4 5
1 2:257 5:230 1:279 3:287 4:202 1255
2 4:245 1:283 1:245 2:280 3:260 1313
3 5:182 2:252 3:280 4:246 1:250 1210
4 1:203 3:204 4:227 5:193 2:259 1086
5 3:231 4:271 2:266 1:334 5:338 1440
Total 1118 1240 1297 1340 1307 6304
Keragaman yang perlu diperhitungkan
Total: Lajur+Baris+Perlakuan+Galat
CONTOH SOAL
Tabel 1, Hasil (gr/petak) tanaman Millet dengan RBL (Dari Tabel 1)

Lajur
Baris Y ij ( k ) Yi
1 2 3 4 5 j

1 Y11(2)=257 Y12(5)=230 Y13(1)=279 Y14(3)=287 Y15(4)=202 Y1,=1255


2 Y21(4)=245 Y22(1)=283 Y23(1)=245 Y24(2)=280 Y25(3)=260 Y2,=1313
3 Y31(5)=182 Y32(2)=252 Y33(3)=280 Y34(4)=246 Y35(1)=250 Y3,=1210
4 Y41(1)=203 Y42(3)=204 Y43(4)=227 Y44(5)=193 Y45(2)=259 Y4,=1086
5 Y51(3)=231 Y52(4)=271 Y53(2)=266 Y54(1)=334 Y55(5)=338 Y5,=1440
Y
i
ij ( k ) Y. j
Y,1=1118 Y,2=1240 Y,3=1297 Y,4=1340 Y,5=1307 Y,,=6304
Perlakuan 1 2 3 4 5

Y,(k) Y,(1)=1349 Y,(2)=1314 Y,(3)=1262 Y,(4)=1191 Y,(5)=1188


CONTOH SOAL
6304 2
FK 1589617
25
JK T 257 2 230 2 ... 3382 1589617 36517,36
12552 ... 1440 2
JK B 1589617 13601,36
5
11182 ... 1309 2
JK L 1589617 6146,16
5
1349 2 ... 11882
JK P 1589617 4156,56
5
JK G 36571,36 13601,36 6146,16 4156,56 12667,28

SK db JK KT Fhit F Tabel
Baris 4 13601,36 3400,34 3,221219 3,259167
Lajur 4 6146,16 1536,54 1,455599 3,259167
Perlakuan 4 4156,56 1039,14 0,984401 3,259167
Galat 12 12667,28 1055,607
Total 24 36571,36
CONTOH SOAL
Perlakuan
Keputusan : Fhit> Ftabel maka H0 ditolak
Dapat disimpulkan dengan tingkat kesalahan 5%, tidak terdapat perbedaan yang
nyata antar perlakuan,

Baris
Keputusan : Fhit> Ftabel maka H0 ditolak
Dapat disimpulkan dengan tingkat kesalahan 5%, tidak terdapat perbedaan yang
nyata antar baris (gradien 1),

Lajur
Keputusan : Fhit> Ftabel maka H0 ditolak
Dapat disimpulkan dengan tingkat kesalahan 5%, tidak terdapat perbedaan yang
nyata antar Lajur (gradien2),

Penggunaan RBSL sudah benar karena ternyata ada pengaruh baris dan kolom nyata;
berarti memang benar ada 2 gradien
CONTOH SOAL
Suatu penelitian pertanian menguji 4 jenis pupuk pada
tanaman tunggal yang ditanam pada sebidang tanah
berbentuk persegi dibagi menjadi 16 bagian dengan 4 baris
dan 4 kolom untuk mengatasi perbedaan tingkat kesuburan
tanah akibat pola drainase, Setiap jenis pupuk diberi label
A, B, C dan D, Berikut ini merupkan design yang digunakan
pada rancangan bujur sangkar latin, Apakah ada perbedaan
pengaruh jenis pupuk terhadap hasil panen ton/ha?

LATIN SQUARED DESIGN HASIL PANEN TON/HA

A B C D 20 15 30 29
D A B C 30 21 18 31
C D A B 28 31 20 16
B C D A 27 32 29 20
BAB IX
PERCOBAAN FAKTORIAL
FACTORIAL EXPERIMENT
KONSEP
Mahasiswa mengerti :
1. Pengertian pendekatan faktorial AXB (faktor dan level)
2. Rancangan yang bisa dipakai
3. Model matematika perc faktorial
- RAL
- RAK
4. Menentukan SK untuk anova Faktorial
5. Menghitung JK-JK Anova Faktorial RAL
6. Menginterpretasikan hasil Anova
7. Perbandingan berganda
8. Macam-macam sumber keragaman yang mengikuti :
- Anova 1
- Anova 2
- Anova 3
Percobaan Faktorial
Faktorial : Bukan rancangan, tetapi cara menyusun perlakuan di mana perlakuan
terdiri dari kombinasi antara 2 faktor atau lebih dan masing-masing faktor
terdiri dari 2 level atau lebih,

Misalnya :
- Kombinasi perlakuan antara jenis pengawet dan dosisnya
- Kombinasi perlakuan antara suhu oven dan campurkan bahan dalam pembuatan
roti,
Dalam percobaan faktorial bisa diketahui pengaruh 2 hal atau lebih secara sekaligus,

Secara umum pemberian notasi sbb :


A : Faktor ke-1 ; a1, a2, (level-level dari A)
B : Faktor ke-2 ; b1, b2, , (level-level dari B)
C : Faktor ke-3 ; c1, c2, (level-level dari C)

Oleh karena bukan rancangan, maka cara melaksanakannya bisa menggunakan


rancangan percobaan berikut tergantung keadaan lingkungan :

RAL = Rancangan Acak Lengkap


RAK = Rancangan Acak Kelompok
RPT = Rancangan Petak Terbagi, dll
Model Untuk Rancangan Percobaan dengan RAL
Yijk i j ( )ij ijk
i 1,2,..., a
j 1,2,..., b
k 1,2,..., n
Yijk hasil/nila i pengamatan untuk faktor A level ke - i
faktor B level ke - j dan pada ulangan ke k
Nilai tengah umum
i Pengaruh faktor A pada level ke - i
j Pengaruh faktor B level j
( ) ij Interaksi AB pada level A ke - i, level B ke j
ijk Galat pengamatan untuk faktor A level ke - i
faktor B level ke - j dan pada ulangan ke k
Contoh :
untuk 2 faktor yang dipelajari (A & B) maka bisa
diketahui
Main effect (pengaruh faktor tunggal)
?A
?B
Interaksi (keadaan sating mempengaruhi)
?A* B
? A pada masing 2 level B
? B pada masing 2 level A
Ada 3 keadaan yang bisa terjadi
a, A & B bebas pengaruhnya
tidak ada interaksi
b, A & B saling berpengaruh
Interaksi positif Rata-rata perlakuan
Interaksi negatif A1B1 = 10
A2B1 = 20
Pengaruh A pada B2=10
Rata-rata perlakuan
A1B2 = 20
A1B2 = 30
Pengaruh A pada B1=10
Pengaruh A pada B1 = Pengaruh A pada B2 = 10
Tidak ada interaksi/keterkaitan A & B
Rata-rata perlakuan
A1B1= 10
A2B1= 20
Pengaruh A pada B1= 10

Rata-rata perlakuan
A1B2 = 25
A2B2 = 50
Pengaruh A pada B1= 25
Pengaruh A pada B2 (25) > pengaruh A pada B1 (10)
terdapat interaksi positif (searah)
Rata-rata perlakuan
A1B2= 10
A2B1= 40
Pengaruh A pada B1= 30

Rata-rata perlakuan
A1B2 = 30
A1B2 = 20
Pengaruh A pada B1= -10

Pengaruh A pada B2 (-10) < pengaruh A pada B1 (30)


terdapat interaksi negatif (berlawanan arah)
Teladan :
Pengaruh dosis bahan pengawet dan lama perendaman terhadap kualitas
suatu produk
Faktor A : Dosis pengawet (3 level) = 3 aras
A1 : 3% larutan
A2 : 6% larutan
A3 : 9% larutan
Faktor B : lama perendaman (2 level) = 2 aras
B1 : 2 jam perendaman
B2 : 4 jam perendaman
Dengan demikian ada 6 kombinasi pertakuan yang diberi nomor/kode sbb :
Perik, 1 : A1 B1 = direndam 2 jam, 3% larutan
2 : A2 B1 = direndam 2 jam, 6% larutan
3 : A3 B1 = direndam 2 jam, 9% larutan
4 : A1 B2 = direndam 4 jam, 3% larutan
5 : A2 B2 = direndam 4 jam, 6% larutan
6 : A3 B1 = direndam 4 jam, 9% larutan

Karena faktorial = cara menyusun perlakuan maka bisa dilaksanakan dengan


RAL, RAK, SPLIt PLOT, NESTED, dll, Menurut keadaan dan jenis faktornya,
Cara mengacak perlakuan menurut rancangan yang dipilih,
Berikut ini merupakan berbagai denah percobaan seandainya 6 perlakuan
tersebut di atas diulang 4x,
A, Denah jika dilaksanakan dengan RAL (Rancangan Acak Lengkap)

2 1 6 4 Tabel Anova
4 3 5 2
3 6 1 4 SK db
1 2 6 1 Perlakuan 5
5 6 3 3 Acak/Galat 18
4 5 2 5
Total 23
B, Denah jika dilaksanakan dengan RAK (Rancangan Acak Kelompok)

I 3 1 5 2 6 4 Tabel Anova
2 4 6 5 1 3
II SK db
6 4 3 1 5 2
III 1 5 2 3 6 4 Perlakuan 5
IV Ulangan 3
Acak 15
Total 23
Hasil pengamatan (data buatan) disusun sebagai berikut:
Ulangan
Perlakuan Total Rata2
I II III IV
1 : A1 B1 30,5 29,4 31,7 29,1 120,7 30,18
2 : A2B1 35,3 36,5 36,1 35,7 143,6 35,90
3 : A3B1 45,2 40,2 46,0 43,1 174,5 43,62
4 : A1B2 30,1 30,2 32,8 31,6 124,7 31,18
5 : A2B2 40,4 36,2 40,6 39,2 156,4 39,10
6 : A3B2 50,1 47,1 49,2 48,3 194,7 49,68
Total 231,6 219,6 236,4 227,0 914,6 38,11

Cara menghitung JK (dasarnya seperti RAK)

30.5 2 ... 48.3 2 914.6 2


JK To ta l 1083.15
1 24
120.7 2 ... 194.7 2 914.6 2
JK Perla kua n 1035.82
4 24
231.6 2 ... 227.0 2 914.6 2
JK Ula ng a n 25.56
6 24
JK Aca k JK To ta l JK Perla kua n JK Ula ng a n 21.76
Untuk menghitung JK A, B, AB dan seterusnya harus disusun tabel dua arah
untuk mempermudah perhitungan

Tabel dua arah A dan B


A1 A2 A3 Total Rata2
B1 120,7 143,6 174,5 438,8 (12) 36,57
(4) (4) (4)
B2 124,7 156, 4 (4) 194,7 (4) 475,7 (12) 39,65
(4)
Total 245,4 300,0 (8) 369,2 (8) 914,6 (24)
(8)
Rata2 31,80 37,50 46,15

245.4 2 300.0 2 369.2 2 914.6 2


JK A 962.34
8 24
438.8 2 475.8 2 914.6 2
JK B 57.04
12 24
JK AB JK Perla ku a n JK A JK B 16.44
120.7 2 143.6 2 174.5 2 438.8 2
JK A d lm B1 364.47
4 12
124.7 2 156.4 2 194.7 2 475 2
JK A d lm B2 614.31
4 12
Apabila disusun dalam tabel Anova
Tabel Anova 1
SK db JK KT Fhit
Ulangan 3 25,6 8,522 5,87**
Perlakuan 5 1035,82 207,166 142,70**
A 2 962,34 481,172 331,61**
B 1 57,04 57,040 39,31**
A*B 2 16,44 8,220 5,66*
Acak 15 21,76 1,451
Total 23 1083,15
Kesimpulan Anova I
-Ulangan berpengaruh sangat nyata
-Pengaruh perlakuan sangat nyata
- Faktor A (Dosis pengawet) sangat nyata
- Faktor B (Jenis pengawet) sangat nyat
- Interaksi A * B nyata
Untuk melihat bagaimana bentuk interaksinya, dapat dilihat pada tabel Anova II
berikut SK db JK KT Fhit
Tabel Anova II
Ulangan 3 25,6 8,522 5,87*
Perlakuan 5 1035,82 207,166 142,70**
B 1 57,04 57,04 39,31**
A dlm B1 2 364,47 182,24 125,60**
A dlm B2 2 614,31 307,16 211,69**
Acak 15 21,76 1,451
Total 23 1083,15
Kesimpulan tabel Anova II
- Ulangan sangat nyata
- Perlakuan sangat nyata
- B sangat nyata
- A dalam B1 (dosis pengawet jika pakai B1) sangat nyata
- A dalam B2 (dosis pengawet jika pakai B1) sangat nyata
Dalam hal tertentu bisa dibuat Anova III
SK dB JK KT F
Ulangan 3
perlakuan 5
1-2
B dl A1-1
B dl A2-1
B dl A3-1
Galat 15
Total 23
Kemungkinan hasil ASR
AB * * * * - - - -
A - * - * - * - *
B - - * * - - * *

Kalau AB* nyata dibahas interaksi saja sedang pengaruh main effect A & B
tidak perlu dibahas; karena A & B pengaruhnya saling berkaitan,
Kalau A* dan B* saja yang nyata dibahas main effect mana yang nyata
pengaruhnya
Uji BNT
Nilai BNT untuk membandingkan effect A
BNT A t a %,d b a ca kxSED( A )
2 KTAca k
SED( A ) S d ( A )
n x levelB

Nilai BNT untuk membandingkan pengaruh B


BNTB t a %,d b a ca kxSED( B )
2 KTAca k
SED( B ) S d ( B )
n x levelA

Nilai BNT untuk membandingkan pengaruh interaksi AB


BNT AB t a %,d b a ca kxSED( AB )
2 KTAca k
SED( AB ) S d ( AB )
n
Misal : A1 B1 VS A1 B2
A1 B1 VS A2 B2 SED ( A B )

Karena dalam contoh di atas AB*, maka yang dibahas interaksinya

2KTG
BNTAB t 5%,1 5x 1.753x0.852
Ulangan
Perlakuan Rata2
A1B1 30,18a
B2 31,18a
A2B1 35,90b
B2 39,10c
A3B1 43,62d
B2 48,68e

Apabila dikelompokkan
A1B1 30,18a
A2B1 35,90b pengaruh A dl B1
A3B1 43,62c
A1B2 31,18a
A2B2 39,10b pengaruh A dl B2
A3B3 45,68c

Cara menghitung JK seandainya percobaan dilaksanakan dengan RAL


JK Total = 1083,15 (lihat hubungan pada RAK)
JK Perlakuan = 1035,82
JK Acak / Galat = JK Total JK Perlakuan
= 1083,15-1035,82=47,33

Cacatan:
JK Acak (RAL) = JK Ulangan + JK Acak (RAK)
Hasil lengkap analisis ragam sebagai berikut:
SK dB JK
Perlakuan 5 1035,82
I A -2
B -1
A*B -2
II A -1
A dalam B1 -2
A dalam B2 -2
Acak 18 47,33
Total 23 1083,15

Pembahasan selanjutnya sama dengan pada RAK


Variasi lainnya dengan Nested Design / Rancangan Tersarang

Percobaan dilakukan untuk mengetahui pengaruh dosis dan jenis pengawet


terhadap suatu produk
Penentuan dosis secara tersarang sebagai berikut:
B1 (Pengawet -1) A1 (2 g/l) -Rendah
A2 (4 g/l) -Sedang
A3 (6 g/l) -Tinggi
B2 (Pengawet-2) A1 (10 cc/l) -Rendah
A2 (20 cc/l) -Sedang
A3 (30 cc/l) -Tinggi
Dalam analisis ragam dibuat label 2 arah
A1 A2 A3 Total
B1 V v v V
B2 V v v v
Total ? ? ? ?
JK A tidak bisa dihitung karena
A1 pada B1 A1 pada B2
A2 pada B1 A2 pada B2
A3 pada B1 A3 pada B2
Oleh karena itu dalam Anova, SK dan db-nya adalah sebagai berikut (RAK dengan
4x ulangan):
SK dB JK KT Fhit

Ulangan 3

perlakuan 5

1-2

B -1

A dlm B1 -2 = db perlakuan

A dlm B2 -2
Dalam hal ini tidak bisa dibalik
A (2)
B dalam A1 (1)
Perlakuan (5)
B dalam A2 (1)
B dalam A3 (1)

Variasi lain : dengan menggunakan beberapa percobaan faktor tunggal

Hal ini bisa dilaksanakan jika secarat eknis faktorial seperti di depan tidak bisa
dilakukan

Teladan:
Pengaruh suhu oven dan campuran bahan terhadap kualitas roti

Faktor I : suhu (S) S : 700 C


S : 800 C
S : 900 C
Faktor II : Campuran (C) C1 1 : 1 (terigu : kasava)
C2 1 : 2 (terigu : kasava)
C3 1 : 3 (terigu : kasava)
Misalnya dengan RAL, 6 ulangan
Oven 1 (700) Oven 2 (800) Oven 3 (900)
6 loyang C1 6 loyang C1 6 loyang C1
6 loyang C2 6 loyang C2 6 loyang C2
6 loyang C3 6 loyang C3 6 loyang C3
Diacak penuh Diacak penuh Diacak penuh

Karena didalam oven suhunya sama bisa dianggap kondisinya homogen, maka dalam
masing-masing oven dihitung Anova 3 perlakuan 6 ulangan RAL,

Untuk membandingkan antar suhu dilakukan dapat Analisis Perlakuan Perlakuan


Berseri
Begitu juga untuk mengetahui pengaruh campuran pada masing-masing suhu

S1 (700 C) S1 (900 C)
S2 (800 C)
Campuran 2 Campuran 2
Acak 15 Campuran 2
Acak 15 Acak 15
Total 17 Total 17
Total 17

Kemudian hasil analisis dari masing-masing suhu digabung dengan cara analisis
perlakuan berulang (series of experiment)
Jika faktor yang dicoba bersifat kuantitatif, maka bisa dilakukan analisis
kurva/permukaan respons dan perbandingan orthogonal,
CONTOH SOAL
Seorang ahli hama tumbuhan mengadakan penelitian
terhadap 4 jenis insektisida, Rancangan yang digunakan
adalah RAK dengan 4 ulangan/kelompok, Hasil
pengukuran yang merupakan persentase serangan
wereng kedelai adalah :
CONTOH SOAL LANJUTAN
Keterangan :
I = Insektisida dengan 4 jenis I1, I2, I3, I4
D = Dosis masing-masing insektisida, Rendah
(D1), Sedang (D2) dan Tinggi (D3)
Lakukan analisis ragam yang bisa menjawab
Insektisida mana yang lebih baik dan untuk
masing-masing Insektisida sebaiknya digunakan
dosis yang mana, Pergunakan taraf uji 5%,
BAB X
PERBANDINGAN RATA-RATA PERLAKUAN
DENGAN KONTROL
Perbandingan Rata-rata dengan Kontrol
Terkadang tujuan dari percobaan adalah membandingakan masing-masing
perlakuan dengan kontrolnya, Uji lanjutan tersebut dinamakan Prosedur
Dunnet, Prosedur tersebut bertujuan untuk membandingkan apakah ada
perbedaan masing-masing perlakuan dengan kontrolnya,
Rumus yang digunakan adalah sebagai berikut:

d ' t dunnet * ( SY i . Y i .' )


t dunnet * ( S d )
1 1
Sd s 2 ( ) untuk ulangan ta k sama
n1 n2
2
Sd s 2 ( )
n
Untuk selang kepercayaan diperoleh dengan
2
CI (Y i. Y 0 ) ts
n
Contoh Perbandingan Rata-Rata Dengan Kontrol
RAL
Contoh soal ya ng digunakan berdasarkan contoh kasus untuk RAL dengan
sedikit perubahan, Percobaan untuk menentukan pengaruh lima strain R,Trifoli
dan campuran 5 macam R, Melioti terhadap kandungan N tanaman redclover
(Diambil dari steel &torie, 1960, principles and procedures of statistics, hal 101)

Perlakuan : 6 (s1, s2, s3, s4, s5, Kontrol)


Ulangan :5
Rancangan : RAL
Nb: Campuran pada Strain ini digunakan sebagai kontrol

PERLAKUAN U1 U2 U3 U4 U5 TOTAL RATA-RATA


S1 19,4 32,6 27,0 32,1 33,0 144,1 28,82
S2 17,7 24,8 27,9 25,2 24,3 119,9 23,98
S3 17,0 19,4 9,1 11,9 15,8 73,2 24,64
S4 20,7 21,0 20,5 18,8 18,6 99,8 19,92
S5 14,3 14,4 11,8 11,6 14,2 66,3 13,28
Kontrol 17,3 19,4 19,1 16,9 20,8 93,5 18,70
TOTAL 106,4 131,6 115,4 116,5 126,7 596,6
Contoh Perbandingan Rata-Rata Dengan Kontrol
SUMBER DERAJAT
JK KT FHIT F5% F1%
KERAGAMAN BEBAS
PERLAKUAN p-1=5 847,05 169,41 14,37** 2,62 3,9
ACAK 29-5=24 282,93 11,79
TOTAL np-1=29 1129,98

d ' t dunnet * ( SY i . Y i .' )


t dunnet * ( S d )
2
2.70 * 11.79( ) 5.85mg
5
i Yi Y0 Yi-Y0 Keterangan
1 28,82 18,70 10,12 Signifikan
2 23,98 18,70 5,28 Tidak Signifikan
3 24,64 18,70 -4,06 Tidak Signifikan
4 19,92 18,70 1,22 Tidak Signifikan
5 13,28 18,70 -5,44 Tidak Signifikan
Contoh Perbandingan Rata-Rata Dengan Kontrol
Berdasarkan hasil tersebut maka dapat disimpulkan dengan penggunaan strain
1 memberikan pengaruh yang berbeda terhadap kandungan N pada tanaman
Red Clover,
Sedangkan keempat strain lain tidak memberikan pengaruh yang nyata
terhadap kandungan N pada tanaman Red Clover
Contoh Perbandingan Rata-Rata Dengan Kontrol
Rancangan Acak Lengkap Faktorial

Pengaruh dosis bahan pengawet dan lama perendaman terhadap kualitas


suatu produk
Faktor A : Dosis pengawet (3 level) = 3 aras
A1 : 3% larutan
A2 : 6% larutan
A3 : 9% larutan
Faktor B : lama perendaman (2 level) = 2 aras
B1 : 2 jam perendaman
B2 : 4 jam perendaman
Dan dibandingkan dengan kontrol (tanpa perendaman, pencucian dengan air
bersih), Dengan demikian ada 7 kombinasi pertakuan yang diberi nomor/kode
sbb :
Perlk, 1 : A1 B1 = direndam 2 jam, 3% larutan
2 : A2 B1 = direndam 2 jam, 6% larutan
3 : A3 B1 = direndam 2 jam, 9% larutan
4 : A1 B2 = direndam 4 jam, 3% larutan
5 : A2 B2 = direndam 4 jam, 6% larutan
6 : A3 B1 = direndam 4 jam, 9% larutan
7: Kontrol
Contoh Perbandingan Rata-Rata Dengan Kontrol
Hasil pengamatannya adalah sebagai berikut:

Ulangan
Perlakuan Total Rata2
I II III IV
1 : A1B 1 30,5 29,4 31,7 29,1 120,7 30,18
2 : A2B 1 35,3 36,5 36,1 35,7 143,6 35,90
3 : A3 B 1 45,2 40,2 46,0 43,1 174,5 43,62
4 : A1B 2 30,1 30,2 32,8 31,6 124,7 31,18
5 : A2B 2 40,4 36,2 40,6 39,2 156,4 39,10
6 : A3B 2 50,1 47,1 49,2 48,3 194,7 49,68
Kontrol 20 22,5 23 24 89,5 22,375
Total 251,6 242,1 259,4 251 1004,1

Untuk percobaan >1 faktor maka disesuaikan dengan rancangan lingkungan


yang digunakan,
Contoh Perbandingan Rata-Rata Dengan Kontrol
SUMBER DERAJAT
JK KT FHIT
KERAGAMAN BEBAS
PERLAKUAN 6 1884,53 314,09 117,75**
ACAK 21 56,02 2,67
TOTAL 27 1940,55
d ' t dunnet * ( SY i . Y i .' )
t dunnet * ( S d )
2
2.79 * 2.67( ) 3.223
4
i Yi Y0 Yi-Y0 Keterangan
1 : A1B 1 30,18 22,375 7,805 Signifikan
2 : A2B 1 35,9 22,375 13,525 Signifikan
3 : A3B 1 43,62 22,375 21,245 Signifikan
4 : A1B 2 31,18 22,375 8,805 Signifikan
5 : A2B 2 39,1 22,375 16,725 Signifikan
6 : A3B 2 49,68 22,375 27,305 Signifikan
Contoh Perbandingan Rata-Rata Dengan Kontrol
Berdasarkan hasil tersebut maka dapat disimpulkan dengan perendaman
dengan larutan dan dalam waktu tertentu memberikan pengaruh terhadap
kualitas produksi,
Contoh Soal

Berikut ini adalah hasil pengujian estrogen beberapa


larutan yang telah mengalamai penanganan tertentu, Berat
uterin tikus dipakai sebagai ukuran keaktifan estrogen,
Berat uterin dalam miligram dari empat tikus untuk setiap
kontrol dan enam larutan yang berbeda dicantumkan dalam
tabel berikut:

Tujuan dari percobaan adalah membandingakan masing-


masing perlakuan dengan kontrolnya!
BAB XI
ASUMSI ANALISIS RAGAM &
TRANSFORMASI DATA
Konsep
Mahasiswa memahami:
1. Pentingnya asumsi analisis ragam
2. Macam-macam asumsi yang melandasi analisis
ragam
3. Perhitungan dan interpretasi asumsi analisis
ragam
4. Metode penanganan data apabila tidak
memenuhi asumsi
PENDAHULUAN
Analisis ragam adalah suatu metode yang menguraikan keragaman total
data menjadi komponen-komponen yang mengukur berbagai sumber
keragaman dengan tujuan menguji kesamaan beberapa nilai tengah secara
sekaligus, Klasifikasi pengamatan berdasarkan satu kriterium disebut
klasifikasi satu arah, Bila klasifikasinya didasarkan pada dua kriteria maka
disebut klasifikasi dua arah,

Setiap metode analisis statistik memerlukan persyaratan persyaratan


tertentu agar hasil analisis ini dapat memberikan suatu kesimpulan yang
akurat dari suatu percobaan,
Persyaratan persyaratan tersebut merupakan asumsi asumsi yang
mendasari suatu analisis ragam, yaitu :
1, Pengaruh perlakuan dan lingkungan bersifat aditif
2, Galat percobaan harus menyebar normal
3, Homogenitas ragam
4, Kebebasan galat
PENGARUH PERLAKUAN BERSIFAT ADITIF

Uji aditifitas yang biasa digunakan adalah uji NAT Tukey, di mana cara
menghitung statistik uji NAT Tukey ini berbeda untuk tiap rancangan
percobaan, Pada kasus ini digunakan RAK
Model RAK : Yij = + i + j+ij

Model ini disebut model aditif karena pengamatan Yij merupakan


penjumlahan dari pengaruh perlakuan (baris), i ,dan pengaruh kelompok
(lajur), j , di samping ,

Salah satu cara untuk menunjukkan adanya pengaruh aditivitas adalah


dengan Metode Kuadrat Terkecil (MKT), Dari hasil MKT didapatkan:

{ ij (i. .. )(. j .. )}2


JK Nonaditivitas
i j

i. .. . j ..
(
i
) 2
(
j
) 2
PENGARUH PERLAKUAN BERSIFAT ADITIF

Hipotesis

Tabel analisis ragam untuk aditivitas

Jika F hit Ftabel antara pengaruh perlakuan dengan lingkungan dapat


dikatakan bersifat aditif,
Efek utama jika tidak terpenuhinya asumsi aditivitas adalah hilangnya
informasi tentang pengaruh perlakuan
PENGARUH PERLAKUAN BERSIFAT ADITIF

CONTOH :
Suatu percobaan ditujukan untuk menentukan saat pemakaian pupuk N
terbaik yang memberikan hasil jagung yang tertinggi, Ada 7 perlakuan yang
dicobakan, Rancangan yang digunakan RAK dengan 5 kelompok, Hasil jagung
pipilan kering (kw/ha) disajikan dalam tabel berikut:

Kelompok
Perlakuan Total Y i. Y ..
1 2 3 4 5
1 14,88 8 9,17 8,31 12,38 52,74 -14,23
2 23,59 29,43 28,3 27,86 23,9 133,08 1,84
3 27,56 33,22 29,58 36,67 22,67 149,7 5,16
4 24,59 27,32 27,77 27,47 23,79 130,94 1,41
5 27,08 29,18 31,47 26,58 26,21 140,52 3,32
6 24,61 25,62 26,58 25,9 24,55 127,26 0,67
7 28,86 29,8 28,32 23,51 22,57 133,06 1,83
Total 171,17 182,57 181,19 176,3 156,07 867,3
Y . j Y .. -0,33 1,30 1,10 0,41 -2,48
PENGARUH PERLAKUAN BERSIFAT ADITIF
FK ( Yij ) 2 / rp 867.20 2 / 35 21491.69
i j

JK Total Yij2 FK
i j

(14.882 8.00 2 ... 22.57 2 ) 21491.69 150.6.28


JK Perl ( Yij ) 2 / r FK
i j

(52.74 2 ... 133.06) 2 / 5 21491.69 1246.93


JK Kel ( Yij ) 2 / p FK
j i

(171.17 2 ... 156.07 2 ) / 5 21491.69


65.50
M aka dapat dihitung
Y (Y ij i. Y ..)(Y . j Y ..)
397.967
0.1712
i j

(Y
i
i. Y ..) 2 (Y . j Y ..) 2
j
(249.359) * (9.323)

{ Yij (Y i. Y ..)(Y . j Y ..)}2


397.967 2
JK NAT 67.87
i j

(Yi
i. Y ..) 2 (Y . j Y ..) 2
j
(249.359) * (9.323)

JK Galat JK Total JK Per JK Kel JK NAT 125.98


PENGARUH PERLAKUAN BERSIFAT ADITIF

SK db JK KT Fhit Ftabel
Perlakuan 6 1246,9 207,82
Kelompok 4 65,495 16,374
NAT 1 67,872 67,872 12,39 4,2793
Sisa 23 125,98 5,4776
Total 34 1506,3

Keputusan: Fhitung > Ftabel maka H0 ditolak


Kesimpulan : Dapat disimpulkan bahwa Data hasil percobaan bersifat aditif
ASUMSI NORMALITAS

Uji ini perlu dilakukan karena semua perhitungan statistik parametrik


memiliki asumsi normalitas sebaran,
Formula/rumus yang digunakan untuk melakukan suatu uji (t-test
misalnya) dibuat dengan mengasumsikan bahwa data yang akan
dianalisis berasal dari populasi yang sebarannya normal,
Data yang normal memiliki kekhasan seperti mean, median dan
modusnya memiliki nilai yang sama,
Dengan mengasumsikan bahwa data dalam bentuk normal ini, analisis
statistik baru bisa dilakukan, Untuk itu asumsi kenormalan sangat
penting pada analisis ragam,
Uji yang sering digunakan adalah:
Uji Kolmogorov Smirnov
Uji Anderson Darling
Uji Ryan Joiner
Metode Saphiro Wilks,

Apabila asumsi normalitas tidak terpenuhi maka hasil ANOVA menjadi


bias karena Anova pada dasarnya menggunakan uji F dimana sebaran F
berasal dari perbandingan 2 sebaran chi-square dan sebaran chi-square
sendiri merupakan turunan dari sebaran normal,
ASUMSI NORMALITAS

Pada materi ini akan dibahas uji asumsi normalitas menggunakan metode
Saphiro Wilks, Data diurut, kemudian dibagi dalam dua kelompok untuk
dikonversi dalam Saphiro Wilks atau dapat pula dilanjutkan dengan
transformasi ke dalam nilai Z untuk dapat dihitung luasan di bawah kurva
normal, Syarat yang harus dipenuhi sebelum melakukan metode ini adalah:
Data berskala interval atau rasio (kuantitatif)
Data bersifat tunggal atau belum dikelompokkan pada tabel distribusi
frekuensi
Data berasal dari contoh acak
Hipotesis untuk uji kenormalan galat adalah:
H0: Galat menyebar normal
H1: Galat tidak menyebar normal
Rumus yang digunakan adalah:

1 n ai: koefisien uji Saphiro Wilks


W T3 [ ai (Yn 11 Yi )]2 Yn-i+1: pengamatan ke n-i+1 pada data
D i 1 Yi: pengamatan ke-I pada data
dim ana : rata-rata data
n
D (Yi Y ) 2
i 1
ASUMSI NORMALITAS

Selain menggunakan rumus tersebut uji Shapiro Wilk juga bisa didekati
menuju sebaran normal dengan menggunakan rumus

di mana
G : identik dengan sebaran normal z
T3 : berdasarkan rumus
bn,cn, dn : konversi statistik Shapiro Wilk pendekatan sebaran normal

Keputusan:
1. Jika nilai T3 lebih besar daripada nilai tabel harga quantil statistik Shapiro
Wilk maka H0 diterima, nilai p >
2. Jika statistik uji G< titik kritis z, maka H0 diterima
CONTOH SOAL ASUMSI NORMALITAS

Contoh yang digunakan berdasarkan contoh pada asumsi aditifitas, Maka


diperoleh nilai galat sebagai berikut:

Kelompok
Perlakuan
1 2 3 4 5
1 4,659143 -3,84943 -2,48229 -2,64371 4,316286
2 -2,69886 1,512571 0,579714 0,838286 -0,23171
3 -2,05286 1,978571 -1,46429 6,324286 -4,78571
4 -1,27086 -0,16943 0,477714 0,876286 0,086286
5 -0,69686 -0,22543 2,261714 -1,92971 0,590286
6 -0,51486 -1,13343 0,023714 0,042286 1,582286
7 2,575143 1,886571 0,603714 -3,50771 -1,55771

Langkah selanjutnya galat tersebut diurutkan dari terkecil dan dilakukan


perhitungan dengan menggunakan rumus D dan T3 maka diperoleh hasil
sebagai berikut
CONTOH ASUMSI NORMALITAS

I Yi(Resi urut) Yn-1+i (Yi-Ybar)^2 a a*(Yi-Yn-1+i)


1 -4,78571 6,32429 22,90302 0,4096 -4,55066
2 -3,84943 4,65914 14,81811 0,2834 -2,41133
3 -3,50771 4,31629 12,30403 0,2427 -1,89888
4 -2,69886 2,57514 7,283845 0,2127 -1,12178
,
,
,
15 -0,23171 0,477714 0,053691 0,0361 -0,02561
16 -0,22543 0,086286 0,050818 0,0239 -0,00745
17 -0,16943 0,042286 0,028706 0,0119 -0,00252
,
35 6,32429 -4,78571 39,99664 0 0
Total 193,8565 -13,7738
CONTOH ASUMSI NORMALITAS

1
W T3 [13.7738]2
193.8565
0.9786
Keputusan:
Untuk (10%) diperoleh nilai tabel harga quantil statistik shapiro wilk 0,944
dan (50%) diperoleh nilai tabel harga quantil statistik shapiro wilk 0,969,
Dengan kata lain statistik uji T3 > nilai tabel harga quantil statistik Shapiro
Wilk maka H0 diterima, nilai p(>0,5) > (0,05) maka H0 diterima
CONTOH ASUMSI NORMALITAS

Dengan menggunakan software GenStat 14 maka diperoleh hasil sebagai


berikut

Shapiro-Wilk test for Normality

Data variate: Resi


Test statistic W: 0,9788
Probability: 0,720

Keputusan:
Untuk (10%) diperoleh nilai tabel harga quantil statistik shapiro wilk 0,944
dan (50%) diperoleh nilai tabel harga quantil statistik shapiro wilk 0,969,
Dengan kata lain statistik uji T3 > nilai tabel harga quantil statistik Shapiro
Wilk maka H0 diterima, nilai p(0,720) > (0,05) maka H0 diterima
ASUMSI HOMOGENITAS RAGAM GALAT
Menurut Dixon dan Massey (1983:465), terdapat beberapa metode untuk
menguji asumsi kehomogenan ragam galat, satu diantaranya adalah uji
Bartlett,
ASUMSI HOMOGENITAS RAGAM GALAT
ASUMSI HOMOGENITAS RAGAM GALAT
Contoh yang digunakan berdasarkan contoh pada asumsi aditifitas, Maka
diperoleh nilai galat sebagai berikut:
Kelompok
Perlakuan S2i (n-1)*ln(s2i)
1 2 3 4 5
1 4,659143 -3,84943 -2,48229 -2,64371 4,316286 17,07675 11,35087
2 -2,69886 1,512571 0,579714 0,838286 -0,23171 2,666046 3,922386
3 -2,05286 1,978571 -1,46429 6,324286 -4,78571 18,29319 11,62611
4 -1,27086 -0,16943 0,477714 0,876286 0,086286 0,661829 -1,65099
5 -0,69686 -0,22543 2,261714 -1,92971 0,590286 2,431003 3,553216
6 -0,51486 -1,13343 0,023714 0,042286 1,582286 1,013929 0,055332
7 2,575143 1,886571 0,603714 -3,50771 -1,55771 6,321379 7,37575
Total 36,23268

S2 6,923447
(N-k) ln S2 54,17758
2 17,9449
FK 1,095238
2 Adj 16,38448
ASUMSI HOMOGENITAS RAGAM GALAT

Dengan menggunakan software GenStat 14 maka diperoleh hasil sebagai


berikut

Variances and degrees of freedom


Var_ d_f
Per
1 17,077 4
2 2,666 4
3 18,293 4
4 0,662 4
5 2,431 4
6 1,014 4
7 6,321 4
Bartlett's test for homogeneity of variances
Chi-square 16,38 on 6 degrees of freedom: probability 0,012

Keputusan:
Untuk (0,025%) diperoleh nilai tabel 2 (14,45) < statistik uji 2 (16,38) maka
H0 ditolak
Atau dengan menggunakan nilai p (0,012)< (0,05) maka H0 ditolak
Kesimpulan:
Dengan tingkat kesalahan 5% maka dapat disimpulkan ragam tidak homogen
ASUMSI KEBEBASAN GALAT

Satu dari asumsi penting dari analisis variansi adalah bahwa kesalahan atau
gangguan i yang masuk kedalam fungsi analisis variansi adalah random atau
tak berkorelasi, Jika asumsi ini dilanggar, kita mempunyai problem
autokorelasi,

Jika suatu galat mempengaruhi galat yang lain maka pengaruh dari galat
tersebut akan membesar, sehingga pengaruh dari perlakuan akan berkurang,

Belum ada pengujian yang dapat menjelaskan asumsi kebebasan ini secara
pasti, Apabila data hasil percobaan diperoleh dengan bebas dan secara acak
dari suatu populasi yang homogen, maka asumsi ini mungkin terpenuhi,
Secara grafik asumsi kebebasan galat dapat dilihat berdasarkan plot antara
nilai galat dengan nilai fit dari y
ASUMSI KEBEBASAN GALAT

Dengan menggunakan software GenStat 14 maka diperoleh hasil sebagai


Yi
berikut
Fitted-value plot

2
Residuals

-2

-4

10 15 20 25 30

Fitted values
TRANSFORMASI DATA

Transformasi merupakan perubahan skala pengukuran suatu skala variabel ke


skala lain,
Tujuan: data memenuhi asumsi analisis ragam
Beberapa transformasi yang sering digunakan dalam analisis ragam :
1. Transformasi logaritma, log (x)
Simpangan baku sebanding dengan nilai tengaj
Hasil pengmatan mempunyai kisaran nilai sangat besar, Dan bila ada
nilai <10 transformasinya menjadi log (x)
Pengaruh perlakuan bersifat multiplikatif
1. Transformasi akar x
Data merupakan bilangan cacah kecil, yang pada umumnya mengikuti
sebaran poisson ( di mana nilai tengah dan ragam sama besarnya)
Data dalam % yang diperoleh dari penyebut yang sama, Dengan
kisaran 0-20 atau 80-100, Khusus data antara 80-100, sebelum
ditransformasi dikurangkan dahulu dari 100, sehingga nilainya menjadi
0-20, Bila ada nilai 0, transformasinya menjadi (X+0,5)0,5, Data dengan
nilai antara 30-70 tidak perlu ditransformasi,
1. Transformasi kebalikan/sudut (sinus,arcsin , sin-1)
Data binom yang dinyatakan dalam bentuk prosentase (0-100%), Bila
ada nilai 0 maka ditambah dengan 0,005(0,5%) sebelum transformasi
dilakukan
CONTOH SOAL
Suatu percobaan dilakukan untuk menentukan penggunaan
benih padi IR8 yang optimal per hektar, Rancangan yang
digunakan adalah RAK dengan 4 kelompok, Hasil percobaan
(kg/ha, gabah kering panen) adalah:

Perlakuan Kelompok
Benih
1 2 3 4
kg/ha
25 5113 5398 5307 4678
50 5346 5952 4719 4364
75 5272 5713 5438 4749
100 5164 4831 4986 4410
125 4804 4848 4432 4748
150 5254 4542 4919 4098

Lakukan uji asumsi yang melandasi analisis ragam!


BAB XII
ANALISIS KOVARIAN/PERAGAM
(ANCOVA)
Konsep
Mahasiswa memahami:
1. Kovarian
2. Manfaat Analisis Kovarian
3. Perhitungan dan interpretasi Analisis Kovarian
Pengertian Analisis Peragam
Analisis peragam adalah suatu metode analisis yang menggabungkan
teknik analisis regresi dan analisis ragam, Selain itu suatu teknik yang
berguna untuk meningkatkan ketelitian dari suatu percobaan,
Dalam sebuah percobaan dengan peubah respon Y, terdapat peubah
lain (misalnya X) yang tidak menjadi pusat perhatian peneliti, tetapi
muncul serta serta berpengaruh terhadap peubah respon Y, dan Y
mempunyai hubungan linier dengan X, Peubah X yang demikian
disebut peubah pengiring atau variabel konkomitan, Selanjutnya untuk
melakukan analisis mengenai variabel respon Y sebagai efek faktor
(perlakuan) maka perlulah terlebih dahulu memurnikan variabel Y
dari kovariat, Hal ini dapat dilakukan dengan jalan menyingkirkan
pengaruh X terhadap Y , kemudian melakukan analisis terhadap Y yang
sudah dimurnikan, Menggunakan Y dikoreksi inilah analisis mengenai
ada atau tidaknya efek nyata dari faktor-faktor akan dilakukan
Manfaat Analisis Peragam
Mengendalikan galat dan meningkatkan
ketepatan
Mengoreksi rata-rata perlakuan dari peubah
tak bebas
Untuk membantu menafsirkan data
Penguraian peragam total
Pendugaan pengamatan yang hilang
Asumsi Analisis Peragam
Peubah pengiring (X) bersifat tetap
Hubungan pengaruh anta peubah pengiring (X) dan
peubah respon (Y) harus bersifat linier dan bebas dari
perlakuan atau kelompok percobaan,
Galat percobaan harus diambil secara acak, menyebar
secara bebas dan normal dengan nol dan ragam ,
analisis peragam dari RAL akan mempunyai model :

Yij i ( X ij X ..) ij

i = 1,,t
j = 1,,r

analisis peragam dari RAK akan mempunyai model :

Yij i j ( X ij X ..) ij

i = 1,,t
j = 1,,r

Yij = nilai pengamatan perlauan ke-i pada ulangan ke-j


= nilai rata-rata pengamatan yang sebenarnya
i = pengaruh perlakuan ke-i
= koefisien regresi
X ij = pengaruh pengukuran peubah bebas yang dihasilkan dari perlakuan ke-i
dan ulangan ke-j
X .. = nilai rata-rata peubah bebas yang diukur
ij = komponen galat pada ulangan pada perlakuan ke-i dan ulangan ke-j
j = pengaruh kelompok ke-j
Pengujian Pada Analisis Peragam

Pengujian Nilai Tengah Perlakuan Terkoreksi

Aspek regresi yang menguraikan JK (total terkoreksi) menjadi


komponen-komponen yang berasal dari regresi dan residual,
Hipotesis pada RAL dan RAK,
Ho : 1 2 ..... i
H1 : minimal terdapat dua pengaruh perlakuan yang berbeda
Fhit = KTPD
KTGD
dan dibandingkan dengan Ftabel F( t 1 ),(( r 1 )( t 1 )1 ) untuk RAK dan
untuk RAL
Pengujian Pada Analisis Peragam

Pemeriksaan Ketepatan Model


Hipotesisnya adalah sebagai berikut :
Ho : = 0
H1 : 0
2
Fhit = ( JPG ( XY ) ) / JK G( X )
KTGD

Titik kritis =
dengan v1 = 1 dan v2 = (r-1) (t-1) -1 untuk RAK
v1 = 1 dan v2 = t(r-1)-1 untuk RAL
Pengujian Pada Analisis Peragam

Pengujian Keefektifan Peragam


Pembandingan antara ragam rata-rata perlakuan sebelum dengan
sesudah dikoreksi oleh peubah konkomitan, Pembandingan tersebut
dinamakan efisiensi relatif ( ER ),
KTG sebelumdikoreksi
ER
KTGefektif setelah dikoreksi KTGsebelum dikoreksi= KTGpada analisis ragam

JK P( X )
KTG efektif setelah dikoreksi = KTGD 1
( t 1 )JK G( X )
Dengan ketantuan:
ER = 1 , analisis ragam relatif sama dengan analisis peragam
ER < 1 , analisis ragam lebih efektif atau lebih teliti
ER > 1 , analisis peragam lebih efektif atau lebih teliti
Perhitungan Analisis Peragam
Tabel Analisis Peragam Untuk RAL
Jumlah Kuadrat dan Hasil Kali X & Y untuk RAL
SK db JK(Y) JP(XY) JK(X)
Perlakuan t-1 JKP(Y) JPP(XY) JKP(X)
Galat t(r-1) JKG(Y) JPG(XY) JKG(X)
Total rt-1 JKT(Y) JPT(XY) JKT(X)

Tabel Analisis Peragam untuk RAL


SK db JK KT Fhitung
JK PD KTPD
Perlakuan t-1 JKPD KTPD =
t 1 KTGD
JK GD
Galat t(r-1)-1 JKGD KTGD = t( r 1 ) 1

Total (rt-1)-1 JKTD

Dalam RAL, t = perlakuan dan r = ulangan


JK(Y) = Jumlah kuadrat Y
JKP(Y)= Jumlah kuadrat Y untuk perlakuan
JKG(Y)= Jumlah kuadrat Y untuk galat percobaan
JKT(Y)= Jumlah kuadrat total Y
JP(XY)= Jumlah hasil kali X dan Y
JPP(XY)= Jumlah hasil kali X dan Y untuk perlakuan
JPG(XY)= jumlah hasil kali X dan Y untuk galat percobaan
JPT(XY)= jumlah hasil kali total X dan Y
JK(X)= jumlah kuadrat X
JKP(X)= jumlah kuadrat X untuk perlakuan
JKG(X)= jumlah kuadrat X untuk galat percobaan
JKT(X)= jumlah kuadrat total X
JKPD= jumlah kuadrat (perlakuan + galat) terkoreksi
JKKD= jumlah kuadrat kelompok (Y terkoreksi)
JKGD= jumlah kuadrat galat (Y terkoreksi)
JKTD= jumlah kuadrat total (Y terkoreksi)
KTPD= Kuadrat tengah (perlakuan+galat) terkoreksi
KTKD= Kuadrat tengah kelompok (Y terkoreksi)
KTGD= kuadrat tengah galat (Y terkoreksi)
Perhitungan Analisis Peragam
Tabel Analisis Peragam untuk RAK
Jumlah Kuadrat dan Hasil Kali X & Y untuk RAK
SK db JK(Y) JP(XY) JK(X)

Perlakuan t-1 JKP(Y) JPP(XY) JKP(X)

Kelompok r-1 JKK(Y) JPK(XY) JKK(X)

Galat (t-1)(r-1) JKG(Y) JPG(XY) JKG(X)

Total rt-1 JKT(Y) JPT(XY) JKT(X)


Tabel Analisis Peragam untuk RAK
SK db JK KT Fhitung
Perlakuan t-1 JKPD KTPD = JK PD KTPD
t 1 KTGD
Kelompok r-1 JKKD KTKD = JK KD KTKD
r 1 KTGD
JK GD
Galat (r-1)(t-1)-1 JKGD KTGD =
( r 1 )( t 1 ) 1
Total (rt-1)-1 JKTD

Dalam RAK, t = perlakuan dan r = kelompok


JK(Y) = Jumlah kuadrat Y
JKP(Y)= Jumlah kuadrat Y untuk perlakuan
JKK(Y)=Jumlah kuadrat Y untuk kelompok
JKG(Y)=Jumlah kuadrat Y untuk galat percobaan
JKT(Y)=Jumlah kuadrat total Y
JP(XY)=Jumlah hasil kali X dan Y
JPP(XY)=Jumlah hasil kali X dan Y untuk perlakuan
JPK(XY)=jumlah hasil kali X dan Y untuk kelompok
JPG(XY)=jumlah hasil kali X dan Y untuk galat percobaan
JPT(XY)=jumlah hasil kali total X dan Y
JK(X)= jumlah kuadrat X
JKP(X)=jumlah kuadrat X untuk perlakuan
JKK(X)=jumlah kuadrat X untuk kelompok
JKG(X)=jumlah kuadrat X untuk galat percobaan
JKT(X)=jumlah kuadrat total X
JKPD=jumlah kuadrat (perlakuan + galat) terkoreksi
JKKD=jumlah kuadrat kelompok (Y terkoreksi)
JKGD=jumlah kuadrat galat (Y terkoreksi)
JKTD=jumlah kuadrat total (Y terkoreksi)
KTPD=Kuadrat tengah (perlakuan+galat) terkoreksi
KTKD=Kuadrat tengah kelompok (Y terkoreksi)
KTGD=kuadrat tengah galat (Y terkoreksi)
Permasalahan (RAL)

Judul :

Pertumbuhan dan Hasil bawang merah (Allium ascalonicum L,) pada Beberapa Dosis Kriyu
(Chromolaena Adorata) Dibandingkan Pupuk organik,

Oleh:

Hayu murti padma wijayanti (0710410002)

Pada penelitian ingin diketahui apakah beberapa dosis Kriyu dan pupuk organik berpengaruh
pada pertumbuhan bawang merah,perulangan dilakukan 5 kali dengan X adalah rata-rata
panjang tanaman dan Y adalah rata-rata jumlah daun,
Data rata-rata tinggi dan jumlah daun tanaman
I II III IV V
PERLAKUAN X Y X Y X Y X Y X Y
P1 29,00 29,83 30,29 31,92 30,13 28,50 32,00 26,25 29,25 20,25

P2 31,00 24,25 31,79 30,73 31,58 23,58 31,21 21,67 28,53 17,92

P3 30,75 24,00 31,92 27,42 32,13 25,42 32,00 22,75 31,42 18,08

P4 31,08 25,67 31,92 28,08 31,92 25,33 31,54 23,42 31,33 18,17

P5 33,58 29,52 33,63 35,33 33,50 30,92 33,21 28,25 32,88 22,42

P6 32,17 30,00 35,21 30,58 32,96 27,75 32,54 25,17 32,08 19,50

P7 32,13 25,83 32,92 28,42 32,67 26,33 32,29 22,58 32,29 18,33

Keterangan:
P1 : Dosis NPK Phonska 0,7 ton/ha = 112,5 kg N/ha

P2: Kriyu 1,7 ton/ha = 46,8 kg N/ha

P3: Kriyu 3,4 ton/ha = 70,8 kg N/ha

P4: Kriyu 5,1 ton/ha = 94,8 kg N/ha

P5: Kriyu 6,8 ton/ha = 118,8 kg N/ha

P6 Kriyu 8,5 ton/ha = 142,8 kg N/ha

P7: Kriyu 10,2 ton/ha = 166,8 kg N/ha


Hasil Analisis
Analysis of variance (adjusted for covariate)

Variate: Y
Covariate: X

Source of variation d.f. s.s. m.s. v.r. cov.ef. F pr.


Perlakuan 6 158.70 26.45 1.80 0.76 0.137
Covariate 1 105.74 105.74 7.19 0.012
Residual 27 396.84 14.70 1.22
Total 34 650.77

Berdasarkan hasil analisis dapat diambii keputusan untuk menerima H0, selain karena
p-value (0.137) > , juga nilai statistik uji F = 1.80 lebih kecil dari titik kritis = 2.46.
Sehingga dapat disimpulkan bahwa perbedaan pengaruh dosis Kriyu dan pupuk
organik tidak berpengaruh nyata terhadap pertumbuhan bawang merah
Untuk peubah pengiring diperoleh p-value = 0.012 dan = 0.05, sehingga dapat
disimpulkan bahwa penggunaan peubah pengiring mempunyai pengaruh pada respon
Y.
BAB XIII
RANCANGAN SPLIT PLOT (PETAK
TERBAGI)
Konsep
Mahasiswa memahami:
1. Rancangan Petak Terbagi (Split Plot)
2. Manfaat Split Plot
3. Perhitungan dan interpretasi Analisis Ragam
dengan rancangan Split Plot
PENGERTIAN

Percobaan Split-Plot merupakan superimpose dari dua jenis satuan


percobaan di mana rancangan lingkungan untuk keduanya bisa
sama ataupun berbeda. Satuan percobaan untuk petak utama bisa
dirancang dengan rancangan dasar RAL, RAK dan RBSL. Demikian
juga satuan percobaan anak petak bisa dirancang dengan ketiga
rancangan dasar tersebut. Kombinasi rancangan yang sering
digunakan di bidang pertanian adalah RAK baik untuk petak utama
maupun anak petaknya.
KONSEP DASAR
Alasan digunakannya rancangan Split-Plot adalah sebagai
berikut :
Derajat Ketepatan yang Terbagi Menjadi Petak Utama dan
Anak Petak
Ukuran Nisbi Mengenai Pengaruh Utama
Praktek Pengelolaan
Percobaan yang diulang pada beberapa:
Lokasi (Split in Space)
Waktu (Split in Time) :
Atau pengamatan pada satuan percobaan yang sama
yang dilakukan secara periodik (hari, minggu, bulan, dst
Keuntungan RANCANGAN SPLIT
PLOT

Manfaat utama dari split plot design adalah ketika satu


factor ekperimen harus dikembangkan ke unit percobaan
yang lebih besar daripada faktor eksperimennya.
Meningkatkan ketepatan pada RAK dalam subplot/anak
perlakuannya dan interaksi antara anak perlakuan dan
perlakuan utamanya.
Ketepatan dapat ditingkatkan dengan menggunakan RBSL
pada petak utamanya
Kerugian RANCANGAN
SPLIT PLOT

Pengaruh utama dari petak utama diduga dengan tingkat


ketelitian yang lebih rendah dibandingkan pengaruh
interaksi dan pengaruh utama dari anak petaknya.
Analisis lebih kompleks dibandingkan rancangan factorial
sehingga membutuhkan waktu yang lama untuk
pengerjaannya serta interpretasi hasil analisisnya tidak
mudah.
CARA PENGACAKAN

Untuk memudahkan pemahaman proses pengacakan dan


tata letak rancangan Split-Plot dengan rancangan dasar
RAK pada petak utamanya, untuk lebih jelasnya
perhatikan contoh soal berikut misalkan faktor A terdiri
dari tiga taraf dan faktor B terdiri dari dua taraf dan
diulang tiga kali. Dengan demikian rancangan
perlakuannya adalah sebagai berikut:
Pemupukan (A) : 3 taraf (a=3)
Varietas (B) : 2 taraf (b=2)
Kelompok (R) : 3 kali (r=3)
Langkah-langkah pengacakan pada petak utama
adalah sebagai berikut:
1. Bagi area percobaan sesuai dengan banyaknya
ulangan. Pada kasus ini dibagi menjadi 3
kelompok (blok). Pembagian kelompok
didasarkan pada pertimbangan bahwa
keragaman pada setiap kelompok yang sama
relative homogen.
2. Setiap kelompok dibagi lagi menjadi a petak,
sesuai dengan taraf factor A. pada kasus ini,
setiap kelompok dibagi menjadi 3 petak, sehingga
keseluruhannya menjadi 9 petak.
3. Lakukan pengacakan petak utama pada setiap
kelompok secara terpisah.
4. Lakukan pengacakan pada kelompok 1 untuk
menempatkan taraf factor A, selanjutnya lakukan
pengacakan kembali untuk kelompok ke-2 dan ke-3.
Dengan demikian terdapat 3 kali proses
pengacakan secara terpisah dan bebas. Misal hasil
pengacakan adalah sebagai berikut:
5. Bagilah setiap petak utama di atas menjadi b petak,
sesuai dengan taraf factor B. pada kasus ini, setiap
petak utama dibagi menjadi 2 petak. Selanjutnya,
lakukan pengacakan anak petak pada setiap petak
utama secara terpisah. Dengan demikian terdapat 9
kali proses pengacakan secara terpisah dan bebas.
Misalnya hasil pengacakannya sebagai berikut:
MODEL LINIER ADITIF

Yijk = + k + i+ ik + j + ()ij + ijk


Dengan i = 1,2,.,a ; j=1,2,,b ; k=1,2,.,r

ijk = pengamatan pada satuan percobaan ke-k yang memperoleh


kombinasi perlakuan taraf ke-I dari faktor a dan taraf ke-j dari faktor B
= nilai rata-rata yang sesungguhnya (rata-rata populasi)
k = pengaruh additif dari kelompok ke-k
i = pengaruh additif taraf ke-i dari faktor A
j = pengaruh additif taraf ke-j dari faktor B
()ij = pengaruh additive taraf ke-i dari factor A dan taraf ke-j dari factor B
ik = pengaruh acak dari petak utma, yang muncul pada taraf ke-i dari factor A
dalam ulangan ke-k. Sering disebut galat petak utama.
ijk = pengaruh acak dari satuan percobaan ke-k yang memperoleh kombinasi
perlakuan ij. Sering disebut galat anak petak.
TABEL ANOVA
SOAL DAN PEMBAHASAN

Data berikut diambil dari skripsi dengan judul pengaruh


takaran pupuk kandang dan jumlah benih per lubang
terhadap pertumbuhan dan hasil tanaman padi yang
disusun oleh encep abdul rahman dari fakultas pertanian.
Penelitian ini dilakukan untuk mengetahui data bobot biji
perpetak(kg) setelah diberi takaran pupuk kandang tertentu
yaitu k1, k2 dan k3.dan jumlah benih padi per lubang yaitu
j1(1benih), j2 (2 benih) dan j3(3 benih).dengan ulangan
sebanyak 3 kali.dengan data sebagai berikut:
Hipotesis :

H0: PU1=PU2=PU2= 0 vs H1 : PU1PU2


H0: AP1=AP2=AP3 = 0 vs H1 : minimal ada satu nilai APk yang 0
H0: (PuxAP)11=(PuxAP)12=...=(PuxAP)24= 0 vs H1 : minimal ada satu nilai
(PuxAP)jk yang 0

Perhitungan Manual
Tabel 2 arah perlakuan utama dan anak perlakuan
TABEL ANOVA
Dengan =0,05 maka dapat disimpulkan sebagai berikut :
Untuk kelompok, karena F-hit lebih besar dari F-tabel maka
keputusannya adalah tolak H0. Pada perhitungan minitab p-value <
sehingga kita tolak H0, sehingga dapat disimpulkan bahwa adanya
pengelompokan berpengaruh nyata terhadap pertumbuhan dan hasil
tanaman padi .
Untuk pengaruh takaran pupuk kandang (Faktor K), karena nilai F-hit
lebih besar dari F-tabel maka keputusannya adalah tolak H0,
sedangkan pada perhitungan minitab p-value < maka kita tolak H0
,sehingga bisa di simpulkan bahwa pengaruh takaran pupuk kandang
berpengaruh nyata terhadap pertumbuhan dan hasil tanaman padi.
Untuk pemberian jumlah benih padi perlubang (Faktor J) , karena
nilai F-hit lebih besar dari F-tabel maka keputusannya adalah tolak
H0. Nilai p-value < maka tolak Ho. Bisa disimpulkan bahwa
pemberian jumlah benih padi perlubang berpengaruh nyata terhadap
pertumbuhan dan hasil tanaman padi.
Karena nilai F-hit untuk interaksi (Faktor K) dengan (Faktor J) lebih
kecil dari F-tabel maka keputusannya adalah terima H0. Nilai p-value
untuk interaksi pada minitab > , maka terima Ho. Bisa disimpulkan
bahwa interaksi antara pemberian kadar pupuk kandang dan
pemberian jumlah benih padi tidak berpengaruh nyata terhadap
kualitas daging sapi
LATIHAN SOAL

1. Suatu percobaan dilakukan untuk mengetahui pengaruh stimulasi


listrik dan pelayuan pada otot Longissimus dorsi sapi Brahman
cross terhadap pH kadar air protein dan glukosa. Dalam hal ini,
stimulasi listrik (S) sebagai petak utamadan terdiri dari 3 aras
yaitu So (kontrol), S1 (stimulasi listrik dengan tegangan listrik 45
Volt) dan S2 (stimulasi listrik dengan tegangan listrik 220 Volt);
lama pelayuan (P) sebagai anak petak dan juga terdiri dari 3 aras
yaitu Po (pelayuan selama 12 jam), P1 (pelayuan selama 24 jam),
dan P2 (pelayuan selama 36 jam). Sebagai anak petak dipilih lama
pelayuan, sedangkan petak utamanya adalah stimulasi listrik.
Rancangan dasar yang digunakan adalah rancangan petak terbagi
dalam RAK dengan 3 kelompok.
Ketiga taraf dari faktor pertama diacak pada petak utama dalam
setiap kelompok, kemudian ketiga taraf dari faktor B diacak pada
anak petak dalam setiap petak utama. Hasil percobaan tersebut
dapat dilihat pada tabel berikut:
2. Percobaan untuk mengetahui respon beberapa varietas kedelai pada
macam pengolahan tanah terhadap pertumbuhan dan hasil biji
kedelai telah dilaksanakan di Desa Palemahan, Pare, kediri.
Rancangan yang digunakan adalah RPT dengan macam pengolahan
tanah sebagai PU dan varietas kedelai sebagai AP.
Macam pengolahan tanah ada 3 macam yaitu :
Tanpa diolah = T0 ,
Diolah dengan sapi = T1 ,
Hand tractor = T2
Macam varietas ada 4 yaitu :
No 29 = V1 , Wilis = V2
Lokon = V3 , Orba = V4
Ukuran petak (sub plot) =5m x 10m, jarak tanam kedelai 25cm x 25cm
dengan dua tanaman per lubang. Ujilah percobaan tersebut dengan
split plot!!