Anda di halaman 1dari 27

ANALISIS STATISTIKA

Febrya Ch. Handayani Buan


16609050011104

S2 STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BRAWIJAYA
MALANG
BAB 6
Prinsip-Prinsip Perancangan Percobaan

6.1 Pendahuluan

Bab ini merupakan perkenalan pada perencanaan dan pelaksanaan percobaan


dalam hubungannya dengan sasaran, analisis, dan keefisienan. Mungkin fungsi paling
utama konsultan statistika adalah dalam memberikan bantuan dalam merancang
percobaan yang efisien sehingga memungkinkan peneliti memperoleh nilai-dugaan tak
bias bagi nilai-tengah perlakuan, beda antara nai-tengah, dan galat percobaan. Peneliti
yang menghubungi statistikawan pada tahap perencanaan percobaannya, dan bukan
setelah selesainya percobaan, meningkatkan peluang tercapainya sasarannya

6.2 Apakah Percobaan itu

Percobaan adalah penyelidikan terencana untuk mendapatkan fakta baru, untuk


memperkuat atau menolak hasil-hasil percobaan terdahulu. Penyelidikan ini akan
membantu pengembalian keputusan, misalkan merekomendasikan sutau varitas,
pengambilan keputusan, ataupun pestisida. Percobaan digolongkan dalam tiga kategori
yaitu pendahuluan, kritis, dan demonstrasi.

Bagi statistikawan percobaan adalah segugus aturan yang digunakan untuk


memperoleh contoh dari populsi. Gugus aturan itu adalah prosedur percobaannya atau
perancangan percobaan.

6.3 Tujuan Suatu Percobaan

Dalam merancang percobaan, tujuan dari percobaan harus disiapkan secara jelas
dalam bentk pertanyaan yang harus diperoleh jawabannya, berupa hipotesis yang hendak
diuji dan pegaruh yang hendak diduga. Dalam pengelompokan tujuan disarankan dalam
bentuk mayor dan minor, karena beberapa rancangan percobaan menghasilkan ketepatan
yang lebih tinggi pada pembanding perlakuan yang satu daripada yang lain.
Ketepatan (precision), keepekaan (sensitivity), atau banyaknya informasi diukur
sebagai kebalikan dari ragam nilai-tengah. Bila I menyatakan informasi, maka I = 1/2 =
n/ 2. Jika 2 meningkat, maka banyak informasi menrun; juga bila n beratambah besar,
banyaknya informasi meningkat. Dengan demikian, pembanding dua nila tengah menjadi
lebih peka dalam mendeteksi beda yang kecil antara dua nilai tengah populasi, bila
ukuran contohnya bertambah besar.

6.4 Satuan Percobaan dan Perlakuan

Satuan percobaan atau petak percobaan adalah suatu bahan tempat diterapkan satu
perlakuan; perlakuan adalah prosedur yang pengaruhnya hendak diukur dan dibandingkan
dengan perlakuan lain. Satuan percobaan dapat berupa binatang. 10 burung dalam sebuah
kandang, sehelai daun yang dibelah dua dan lain sebagainya. Perlakuan mungkin berupa
ransum baku, jadwal penyemprotan kombinasi kelembapan-suhu, dan lain sebagainya.
Jika pengaruh suatu perlakuan diukur, maka perlakuan itu diukur pada satuan penarikan
contoh (sampling unit), suatu bagian dari suatu percobaan, misalnya saja seekor binatang
yang mendapat perlakuan ransum, suatu contoh acak berupa beberapa daun dari pohon
yang telah disemprot, atau panenan dari baris ditengah dari satuan percobaan yang terdiri
atas tiga baris tanaman.

Dalam memilih perlakuan, sangatlah penting mendefinisikan setiap perlakuan


secara hati-hati dan mempertimbangkannya dalam hubungannya dengan perlakuan
lainnya, untuk memastikan sejauh mungkin agar perlakuan-perlakuan itu menghasilkan
jawab yang efisien sehubungan dengan tujuan prcobaan.

6.5 Galat percobaan

Ciri semua bahan percobaan adalah keragaman. Galat percobaan (experimental


errorr) adalah ukuran keragaman di antara semua pengamatan yang berasal dari satuan
percobaan yang mendapat pelakuan sama.

. Hal ini dapat dicapai dengan menyerang kedua sumber utama galat percobaan:
1. Periksa bahan percobaan sehingga pengaruh keragaman inheren berkurang
2. Sempurnakan teknik percobaannya.
Kedua cara itu akan dibicarakan setelah mendiskusikan ulangan dan faktor-
faktor yang lain yang mempengaruhi banyaknya ulangan.

6.6 Ulangan dan Fungsinya

Bila suatu perlakuan diberikan lebih sari sekali dalam percobaan, maka perlakuan
itu dikatakan diulang. Fungsi ulangan adalah

1. Untuk menhasilkan nilai dugaan bagi galat percobaan.


2. Meningkatkan ketepatan percobaan dengan memperkecil simpangan baku nilai-
tengan perlakuan.
3. Memperluas daya cakup kesimpulan percobaan melalui pemilihan dan penggunaa
yang tepat satuan-satuan percoban yang lebih bervariasi
4. Mengendalikan ragam galat percobaan.

6.7 Faktor yang Mempengaruhi Banyaknya Ulangan

Banyaknya ulangan suatu perc0baan benrgantung pada beberapa faktor, mungkin


yang paling penting adalah derajat ketepatan yang dikehendaki. Semakin kecil
penyimpangan dari hipotesis nol yang ingin didetekasi semakin besar banyaknya ulangan
yang diperlukan.

Banyaknya perlakuan mempengaruhi ketepatan percobaan, sehingga


memperngaruhi banyaknya ulangan yang diperluakan untuk derajat ketepatan tertentu.
Misalnya, bila banyak perlakuan ditambah sedangakan banyaknya ulangan untuk setiap
perlakuan tetap, maka kita telah memperbesar percobaan dan meningkatkan banyaknya
2 s2
derajat bebas bagi nilai-dugaan bagi 2. Kita tetap mempunyai s , tetapi dengan
Y n
nilai dugaan bagi 2 bertambah baik, begitu pula ketepatannya. Banyaknya ulangan dapat
dikurangi bila ketepatannya tidak perlu ditingkatkan. Dipihak lain, bila ukuran percobaan
dibuat tetapi, maka semkin banya perlakuan berimplikasi ulangan lebih kecil. Sekarang
2 s2
s , mempunyai n lebik kecil dan nilai-nilai dugaan bagi 2 yang lebih buruk.
Y n
Akibatnya ketepatannya berkurang. Untuk suatu tingkat ketepatannya berkurang. Untuk
suat tingkat ketepatan tertentu dengan demikian banyaknya ulangan harus ditingkatkan.
Seluruh argumentasi ini berlaku untuk percobaan yang kecil, yang mempunyai kurang
dari 20 derajat bebas bagi galatnya.

6.8 Ketepatan Relatif antara Dua Rancangan

Ketepatan atau banyaknya informasi adalam suatu rancangan diukur melalui I =


n/2. Dengan demikuian nilai-dugaan informasi itu bergantung pada seberapa baik s2
menduga 2 dan ini dipengaruhi oleh banyaknya derajat bebas yang tersedia untuk
pendugaan. Derajat bebas bergantung pada banyaknya ulangan, banyaknya perlakuan dan
rancangan percobaan. Meningkatkan ketepatan akan sangat bermanfaat bila derajat
bebasnya kurang dari 20. Perhatiakn bahwa untu 5 derajat bebas t0.025 = 2.57, untuk 10
derajat bebas 2.23. nilai t pada taraf peluang berapappun menurun cukup cepat untuk
setiap tambahan derajat bebas samapai 20; diluar ini penurunanya sangat lambat.

Untuk membandingkan dua rancangan percobaan, orang membandingkan banyaknya


informasi. Hal ini menghasilkan apa yang disebut effisiensi relatif (relative efficiency).
Prosedur Fisher (6.5). seperti diberikan oleh Cochran dan Cox (6.2), menduga efisiensi
rancangan 1 relatif terhadap rancangan 2

(n1 1) /( n1 3) S 21 (n1 1)( n 2 3) S 22


RE
(n 2 1) /( n 2 3) S 22 (n 2 1)( n1 3) S 21

yang dalam hal ini S 21 dan S 22 masing-masing adalah kuadrat tengah galat dari rancangan
pertama dan kedua, n1 dan n2 adalah derajat bebasnya. Bila banyaknya pengamatan
dalam suatu nilai-tengah perlakuan berbeda untuk kedua percobaan yang dibandingkan
itu, gantilah S 21 dan S 22 dengan sY 21 dan s Y 22

6.9 Pengendalia Galat


Pengendalia galat dapat dilakukan melalui
1. Rancangan percobaan
2. Penggunaan pengamatan konkomitan
3. Pemilihan ukuran dan bangun satuan percobaan
6.10 Pemilihan Perlakuan

Dalam beberapa jenis percobaan, banyak atau laju suatu faktor sangat penting.
Misalkan peneliti ingin mengukur pengaruh berbagai taraf pemupukan pada respon suatu
tanaman. Sangat penting untuk mencangkup beberapa taraf pemupukan sehingga dapat
menetukan apakah responnya liner atau kurvilinier. Disini, pemilihan berapa yang harus
dicobakan dan berapa jaraknya sangat penting untuk menjawab pertanyaan yang diajukan
itu.

6.11 Penyempurnaan Teknik Percobaan

Keragaman yang ditimbulkan acak dan oleh karena itu tidak memenuhi hukum
peluang yang menjadi dasar inferensia statistik. Keragaman ini dapat diberi nama
ketidaktelitian (inaccurancy), berbeda dengan ketidaktepatan. Sayangnya, ketelitian
pelaksanaan pelaksanaan percobaan tidak selalu menghasilkan ketepatan yang tinggi,
karena ketepatan berhubungan dengan keragaman acak yang mungkin saja sangat besar,
di antara satu-satuan percobaan.

6.12 Pengacakan

Fungsi pengacakan adalah untuk mmastikan bahwa kita memeroleh nilai dugaan
yang sah atau tidak bias bagi galat pecobaan, nilai tengah perlakuan dan beda antarnilai
tengah iu. Pengacakan merupakan salah satu ciri yang tidak banyak dari rancangan
percobaan yang moderen ddan benar-benar baru; ide ini dianggap berasal dari R.A
Fisher. Pengacakan biasanya dilakukan dengan pelemparan uang logam atau tabel
bilangan acak pengacakan dan pengsembarangan itu tidak sama; pengacakan tidak dapat
memperbaiki teknik percobaan yang buruk.

6.13 Inferensia Statistika


Seperti yang telah kita lihat, tujuan percobaan adalah menentukan apakah ada
perbedaan yang nyata antara nilai tengah perlakuan dan menduga besarnya beda itu
bila ada. Inferensia statistik tentang beda-beda demikian ini berupa pemberian ukuran
peluang pada inferensia tersebut. Untuk hal ini, maka pengacakan dan ulangan
hendaknya dimasukan kedalam percobaan dengan cara yang benar.
BAB 7
Analisis Ragam 1 : Klasifikasi satu Arah
7.1. Pendahuluan

Analisis ragam diperkenalkan oleh Sir Ronald A. Fisher dan pada dasarnya
merupakan proses aritmatika untuk membagi jumlah kuadrat total menjadi komponen-
komponennya yang berhubungan dengan sumber keragaman yang diketahui. Analisis ini
telah dimanfaatkan dalam semua bidang penelitian yang menggunakan data kuantitati.

Dalam bab 7, kita mempelajari analisis ragam dengan perlakuan sebagai kriteria
tunggal untuk pengklasifikasian data. Kita membicarakan model aditif linier dan
komponenen ragam, asumsi yang mendaasar analisis ragam dan uji nyata, kuadrat tengah
sisa atau galat percobaan dan galat penarikan contoh.

7.2. Rancangan Acak Lengkap

Rancangan ini digunakan bila satuan percobaannya bersifat homogen, artinya


keragaman antar satuan percobaan tersebut kecil, dan mengelompokkannya kedalam
kelompok tidak memberi manfaat. Inilah yang terjadi dalam banyk percobaan laboratoriu,
misalnya bahan percobaan diaduk merata dan kemudian dibagi bagi menjadi bagian kecil
sebagai satuan percobaan dan perlakuan kenekan secara acak; atau dalam percobaan
tanaman dan ternak yang pengaruh lingkunagnnya sama.

Pengacakan dilakukan dengan menggunakan tabel bilangan acak. Misalkan 15 satuan


percobaan hendak menerima 3 perlakuan masing masing dengan lima ulangan. Beri
nomor 1 sampai 15 pada satuan percobaan dalam cara yang memudahkan, misalnya
secara berurutan. Tentukan titik awal pada tabel bilanga acak, misalnya bari 10 dan
kolom 20 dari tabel A.1, dan kemudian ambil 15 buah bilangan yang terdiri atas 3 angka.
Dengan membaca dari atas kebawah kita peroleh

118 701 789 965 688 638 901 841 396 802 687 938 377 392 848
1 8 9 15 7 5 13 11 4 10 6 14 2 3 12

Kemudian dari semua bilangan itu ditentukan pangkatnya (rank); jadi 118 adalah
yang terkecil, mendapat pangkat 1, dan 965 yang terbesar mendapat pangkat 15. Pangkat-
pangkat tersebut diangap sebagai permutasi acak dari bilangan 1 sampai 15 dan lima yang
pertama menyatakan nomor satuan percobaan yang mendapatkan perlakuan 1. Jadi
satuan-satuan 1,8,9,15, dan 7 mendapat perlakuan 1; demikian seterusya

Tabel bilangan acak juga dapat digunakann dengan cara lain. Misalnya, bilangan
yang terdiri atas dua angka yang lebih kecil dari 90 dibagi dengann 15 dan yang dicatat
hanya sisanya. Cara ini akan menghasilkan 15 bilangan 00, 01, ..., 14 dengan frekuensi
sama. Bila diperoleh sisa yang sama, maka bilangan itu harus diganti dengan bilangan
lainnya. Bilangan bilangan 90, 91, ..., 99 tidak digunakan, karena itu akan
menyebabkan 00, 01, ..., 09 mempunyai frekuensi lebih besar dari pada 10, 11, ..., 14.

Keuntangan Rancangan acak lengkap sangat luwes dalam arti bahwa banyaknya
perlakuan dan ulangan hanya dibatasi oleh banyaknya satuan percobaan yang tersedia.
Besarnya ulangan boleh berbeda-beda dari perlakuan satu kelainnya, meskipun demikian
lebih dikehendaki ulangan sama untuk setiap perlakuan.

Kekurangan Keberatan utama terhadap rancanga acak lengkap adalah bahwa


rancangan itu sering kali tidak efisien. Karena pengacakkannya tidak dibatasi, galat
percobaan mencangkup seluruh keragaman antarsatuan percobaan kecuali yang
disebabkan oleh perlakuan.

7.3.Data dengan Kriteria Klasifikasi Tunggal: Analisis Ragam bagi Sejumlah


Sembarang Grup dengan Ulangan Sama

Perhitungan susun datanya seperti dalam Tabel 7.1. Misalkan mengatakan


penagamatan ke-j pada perlakuan ke-i, i = 1,2,..., t dan j= 1,2,... r

Tabel 7.1 Kadar nitrogen pada red clover yang diinokulasi dengan kombinasi kultur
strain Rhizobium trifolli dan Rhizobium meliloti, dalam mg strain R. Trifolli

Perhitungan 3Dok1 3Dok5 3DOk4 3DOk7 3DOk1 Kom Total


3 posit
19.4 17.7 17.0 20.7 14.3 17.3
32.6 24.8 19.4 21.0 14.4 19.4
27.0 27.9 9.1 20.5 11.8 19.1
32.1 25.2 11.9 18.8 11.6 16.9
33.0 24.3 15.8 18.6 14.2 20.8

Y
j
ij Y i 144.1 119.9 73.2 99.6 66.3 93.5 596.6 = Y

4,287.53 2,932.27 1,139.42 1,989.14 887.29 1,758. 12,994.36


71
4,152.96 2,875.20 1,071.65 1,984.03 879.14 1,784. 12,711.43
(Y i) 2 / r
45

(Y
j
ij Y i) 2 134.57 57.07 67.77 5.11 8.15 10.26 282.93

28.8 24.0 14.6 19.9 13.3 18.7

Total perlakuan hnya memerlukan satu subskrip, sehingga total bagi perlakuan ke-i
dilambangkan dengan titik (dot) itu menunjukan bahwa semua pengamatan pada
perlakuan ke-i telah dijumlahkan untuk mendapatkan total itu. Huruf t dan r
digunakan untuk banyaknya perlakuan dan banyaknya ulangan dalam setiap
perlakuan; dalam hal ini t = 6 dan r = 5.
Untuk setiap perlakuan, hitunglah dan secara sekilas pada
kakulator seperti pada baris 1 dan 2 dari perhitungan dalam tabel 7.1 nilai-nilai itu
kemudian ditotalkan sehingga diperoleh

Y Y ..
i dan Y 2
ij
Y ij2

i i j i. j
Dalam baris 3, setiap total pelakuan dikuadratkan dan dibagi dengan r=5,
banyaknya ulangan per perlakuan.
Hitunglah faktor koreksi C menurut Pers. (7.1) dan jumlah kuadrat total
(yang dikoreksi untuk nilai-tengah) menurut persamaan (7.2). faktor koreksi ini
adalah jumlah semua pengamatan dikuadratkan dan dibagi dengan banyaknya
pengamatan. Untuk data tersebut

Y ij
Y 2 i. j

C
rt rt

596.62 11,864.34
56
JK total = Y
i. j
2
ij C

12,994.36 11,864.38 1,129.98


Jumlah kuadrat yang berasal dari peubuh klasifikasi, yaitu perlakuan,
biasanya disebut jumlah kuadrat antargrup (between groups sum of squares) atau
jumlah kuadrat perlakuan (treatment sum of squares), dan diperoleh menurut
rumus
Y 21... Y 21
JK perlakuan C
r
(144.1) 2 ... (93.5) 2
11,864.38 847.05
5
Jumlah kuadrat antarindvidu yang diperlakukan sama juga disebut jumlah
kuadrat dalam grup (within groups sum of squares), jumlah kuadrat sisa (residul
sum of squares), jumlah kuadrat galat (error sum of squares) dan biasanya
diperoleh melalui pengangguran jumlah kuadrat perlakuan dari jumlah kuadrat
perlakuan dari jumlah kuadrat total, seperti dalalm persamaan (7.4). Hal ini
dimungkinkan oleh sifat aditif dari jumlah kuadrat.
JK galat = JK total JK perlakuan
= 1129.98 847.05 = 282.93
Jumlah kuadrat galat juga dapat diperoleh melalui penggabungan jumlah
kuadrat dalam perlakuan seperti ditunjukkan persamaan (7.5). Jumlah-jumlah
kuadrat itu diperlihatkan dalam baris kedua dari bawah dalam tabel 7.1. setiap
komponen memiliki r-1 = 4 derajat bebas. Jumlah semua komponen itu adalah
282.93. Sifat aditif dari jumlah kuadrat juga diperhitungan yang sangat baik. Selain
itu cara ini juga memberikan informasi relatif mengenai kehomgena ragam galat.
2
2 Y i

JK galat = i j ij r
Y

144 .12 93.5 2

= 4,287 .53 ... 1,758 .71 282 .93
5 5

Tabel 7.2 Analisis ragam: klasifikasi satu-arah dengan ulangan sama

(Simbolik)
Sumber db Jumlah kuadrat
keragaman
Definisi Rumus Kuadrat F
hitung tengah
Perlakuan t-1 r (Y i Y ) 2 Y 2i Y ..2
i. i r rt
Galat t(r-1) r (Y ij Y ) 2 dengan pengurangan
i. j

Total rt-1 r (Y ij Y ) 2 Y ..2


i. j Y
i. j
2
i. j
rt

Kuadrat tengah diperoleh dari membagi jumlah kuadrat dengan derajat bebasnya

Tabel 7.3 Analisis ragam bagi data Tabel 7.1


Sumber Kuadrat
Db Jumlah Kuadrat F
keragaman Tengah
Antar Kultur 5 847.05 169.41 14.37
Dalam kultur 24 282.93 11.79

Total 29 1,129.98

Tabel F, untuk analisis ragam, dibaca dengan derajat bebas pembilnag, yaitu derajat
perlakuan pada baris paling atas dan derajat bebas penyebut sepanjang sisanya. Hal
ini dikarena kan hipotesis alternatifnya hanya menyatakan bahwa ada perbedaan antar
pengaruh perlakuan, sehingga akibatnya emmeperbesar nilai-dugaan ragam yang
didasarkan pada nilai-tengah atau total perlakuan. Ini mengakibatkan hanya nilai
kriteria uji yang besar saja yang dinyatakan nyata (signifikan).
Galat baku nilai tengah perlakuan dan galat baku beda dua nilai tengah perlakuan
diberikan persamaan (7.6) dan (7.7). niali perhitungan berasal dari tabel 7.1

s2 11.79
sY 1.54 mg (7.6)
r 5

2s 2 2(11.79)
s Y iY 1 2.17 mg (7.7)
r 5

Kedua statistik itu digunakan untuk membandingkan beda antara nilai-tengah


perlakuan seperti dibicarakan dalam BAB 8 dan untuk menghitung selang kepercayaan
bagi nilai-tengah perlakuan dan beda antara dua nilai-tengah perlakuan. Penerapan lebih
jauh dibicarakan dalam pasal 3.11 dan Bab 5. Koefisien keragamannya diberikan menurut
rumus

s2 11.79
KK 100 % 100 % 17.3% (7.8)
Y 19.89

Telah dikatakan dalam pasal 5.5 bahwa analisis ragam dapat dipakai
menggantikan unit t untuk membandingkan pengaruh dua perlakuan bila rancangan
bersifat acak lengkap.

7.4. Data dengan Kriteria Klasifikas Tunggal: Analisis Ragam Bagi Sejumlah
Sembarang Grup dengan Ulangan Tidak Sama

Y ijY i dan Y ij
2
Perhitungan Hitunglah
j j

yaitu jumlah dan jumlah kuadrat pengamatan untuk setiap perlakuan; yang
diperlihatkan dalam Tabel 7.4. Persamaan (7.9) adalah satu-satunya cara menghitung
yang baru. Persamaan (7.3) dapat dipandang berasal dari Persamaan (7.9) bila semua ri =
sama.

C
Y2

1,4432 148,732.07
ri 14

JK total = Y
i. j
2
ij C 158,731.00 148,732.07 9,998.93
Y 2i Y 21 Y 21
JK perlakuan = i r C
r1
...
rt
C
i

153,713.00 148,732.07 4,980.93


JK Galat = JK total JK Perlakuan = 5018.00

Tabel 7.4 Panjang daun tanaman Sedum oxypetalum pada saat berbunga
(jumlah untuk tiga daun) dari enam lokasi di daerah penggunaan
transMeksiko, dalam mm

Lokasi ri Yj
ij Y i Yj
2
ij Y 2i/ r i Y
j
Y
ij
2

H 1 147 147.00 21,609 21,609.00


LA 1 70 70.00 4,900 4,900.00
R 6 634 105.67 71,740 66,992.67 4,747.33
SN 1 75 75.00 5,625 5,625.00
Tep 3 347 115.67 40,357 40,136.33 220.67
Tis 2 170 85.00 14,500 1,450.00 50.00
Total 14 1,443 (Y 103 .07) 158,731 153,713.00 5,018.00
Sumber: Data tidak dipublikasikan, digunakan seizin R.T. Clausen, Cornell
University, Ithaca, New York.

Tabel 7.5 Analisis Ragam data dalam tabel 7.4


Sumber keragaman df JK KT F
Antar lokasi 5 4,980.95 996.19 1.59
Dalam Lokasi 8 5,018.00 627.25
Total 13 9,998.93

1 1
S Y i Y i 627 .25 dengan ri rj menyatakan banyaknya pengamatan yang menyusun
r r dan

i j

rata-rata yang hendak dibandingkan


Perhatikan bahwa Y
Y

r Y.
i
adalah rata-rata terboboti dari nilai-tengah
r i r i

perlakuan
Juga persamaan (7.9) mempunyai rumus definisinya, yaitu
Y 2i
r C r i (Y Y ..)2 (7.10)
i

Persamaan ini menunjukan bahwa sesungguhnya kita menghitung jumlah


kuadrat terboboti dari simpangan nilai-tengah perlakuan terhadap nilai-tengah
umum. Pembobotannya sebanding dengan informasi yang dikandung masing-
masing nilai-tengah, seperti yang kebalikan ragam 2/ri.
Terakhir, jumlah kuadrat galat juga dapat diperoleh melalui penggabungan
jumlah kuadrat dalam-perlakuan yang diberikan dalam kolom terakhir 7.4.
Menarik untuk diperhatiakan bahwa tiga lokasi tidak menyumbang apapun pada
ragam galat, karena masing-masing dari ketiganya hanya mempunyai satu
pengamatan.
Analisis ragamnya diberikan dalam tabel 7.5. nilai F hitungnya tidak
nyata; nilai tabel F(0,05) = 3.69 untuk 5 dan 8 derajat bebas. Bukti yang ada tidak
menunjabg beda antarlokasi.

7.5.Model Aditif Linier

Pengamatan dapat diuraikan menjadi jumlah dua komponen, yaitu nilai-tengah dan
komponen acak; dan selanjutnya nila- tengah itu mungkin merupakan jumlah beberapa
komponnen. Asumsi dsar dalam analisis ragam adalah komponen acak bersifat bebas satu
dengan lainnya dan menyebar normal disekitar nilai-tengah nol dan ragam yang sama, ini
bila kita hendak melakukan uji nyata. Untuk klasifikasi satu-arah, model linernya adalah

Y ij i ij i = 1,.....t dan j= 1,....ri (7.11)

Sedangkan ij komponen acaknya


Untuk lebih memperjelas model ini, harus pula diadakan asumsi mengenal
. Dalam hal ini kita akan mempunyai
Model tetap (fixed model) atau model I parameter adalah tetap dan

0
i
i

Dan parameter itu menyusun suatu populasi etrhingga dan merupakan titik perhatian
disamping 2

Model acak (random model), atau model II didalam model itu merupakan suatu
contoh acak dari populasi yang mempunyai nilai tengah nol dan regam 2 para meter
lain yang menarik perhatian kira selain 2.

Tabel 7.6 Nilai harapan kuadrat tengah bagi Model I dan II, ulangan sama
Kuadrat tengah adalah dugaan bagi
Sumber keragaman db Model I Model II
Perlakuan t-1 2 r 2i /(t-1) 2r 2
Individu dalam perlakuan t(r - 1)=tr - t 2 2
Total tr-1

2 diduga sebesar 11.79

2
i /(t 1) diduga sebesar (169.41 11.79)/5 = 31.52

Tabel 7.7 Nilai harapan kuadrat tengah bagi model I, ulangan tidak sama

Syarat atau kendala Kuadrat tengah perlakuan adalah dugaan bagi

0 r i 2i r i i 2 / r i
i
2
t 1
r 0
i i 2 r i 2i / t 1

r
Perhatikan bahwa r r r ( )
2 i i 2
dengan r / r

i i i i i i i
i
Bila ulangan yang tidak sama, total-total itu berbentu r i r i i i dan nilai-

tengahnya berbentuk r i i i perhitungan jumlah kuadrat perlakaun langsung dari

tootal-total itu jelas tidak salah karena r i berubah-ubah sehingga akan menyumbangkan

sesuatu yang akan berasal dari ataupun dari . Perhitungan dengan nilai-tengah tidak
akan menimbulkan kesulitan demikian. Dapat diperlihatkan bahwa

Y 2i Y2
i r r i (Y iY ..)2
i i i
i
r

7.6. Analisis Ragam Untuk Data dengan Anak contoh: banyaknya Anak-contoh
sama

Dua sumber keragaman yag menyumang pada ragam untuk pembandingan nilai-tengah
perlakuan adalah:

1. Keragaman antartanaamn yang diperlakuakan sama, dengan kata lain kkeragaman


antartanaman dalam pot. Karean perlakuan yang berbeda dikenakan pada pot yang
berbeda pula, maka keragaman antartanaman akan ada dalam pembandingan nilai-
tengah perlakuan
2. Keragaman antartanaman dalam pot yang berbeda tetapi yang mendapat perlakuan
sama, dengan kata lain keragaman antarpot dalam perlakuan.

Lambangkan total pot dalam Yij, yaitu total dari kombinasi perlakuan-pot
tertentu. Jadi total pertumbuhan tanaman dalam pot 2 yang menerima perlakuan 3
(suhu malam yang rendah setelah setelah lama siang 16 jam) adalah 21.5 cm Y 32 =
21.5 cm. Lambangkan total perlakuan dengan Yi. Total pertumbuhan batang dari
semua tanaman yang menerima perlakuan 4 adalah 38.0 cm, jadi Y4 = 88.0 cm.
Lambangkan total umum dengan Y... jadi Y... = 416.5 cm

Notasi dot (Y...;Yi...;Yij) sudah sangat biasa dan banyak digunakan, dan
dapat digeneralisasikan untuk berbagai keadaan percobaan. Titik (dot) itu
menggantikan subskrip dan menunjukkan bahwa semua nilai yang dicakup oleh
subskrip itu telah dijumlahkan. Informasi khusus yang ada pada individu
pengamatan, seperti yang ditunjukkan oleh subskrip, telah dibuang dan diganti
oleh ringkasannya dalam bentuk sebuah total; subskrip itu tidak diperlakuan lagi
dan digantikan dengan sebuah dot. Jadi

Y 11 3.5 4.0 3.0 4.5 15.0cm

Y 1 3.5 4.0 ....3.0 15.0 17.5 11.5 44.0cm

dan seterusnya

kemudian tentukan total dan jumlah kuadrat 18 pot, yaitu

Y
k
ijk Y ij dan Y
k
2
ijk

Untuk kedelapan belas kombinasi i dan j. Dari subtotal-subtotal itu hitunglah


faktor koreksi C, jumlah kuadrat total, dan jumlah kuadrat untuk pot, yaitu

Y ...2 416.5 2
C 2,409.34
srt 4(3)6

JK Total Y ijk2C
i , j ,k

(3.5) 2 (4.0) 2 ... (8.0) 2 C 255.91 dengan 71 db

Y 2
ij

C
i. j
JK pot =
s

(15.0) 2 ... (35.0) 2


= C 205.47 dengan 17 db
4

Dan dalam hal ini s adalh banyaknya anak contoh per petak, yang dalam kasus ini
banyaknya tanaman per pot; r adalah banyak ulangan per perlakaun, yang dalam kasus ini
adalah banyaknya pot perlakuan; dan t adalah banyaknya perlakuan.

Jumlah kuadrat yang berasala dari anak-contoh (antartanaman dalam pot yang
sama) dapat diperoleh melalui pengurangan:

JK dalam pot = JK total JK pot


= 255.91 205.47

= 50.44 dengan 71-17 = 54 db

Hasil perhitungan semua ini sekarang dapat dicantumkan dalam sebuah tabel
analisis ragam (lihat tabel 7.9)

Tabel 7.9 Analisis ragam bagi data tanaman mint dari Tabel 7.8

Sumber keragaman db JK KT KT adalah dugaan bagi


Antarpot
17 205.47 4 (12
2 2 2
atau 12
2

)
5
Perlakuan 5 179.64 35.93 2 4 2
Antarpot dalam 2.15 2
perlakuan = Galat 12 179.64
percobaan
Antar tanaman dalam pot .93
54 50.44
= Galat penarikan contoh
Total 71 255.91

S 93,s
2 22.15 93
.30,
t i 35.93 2.15 2.82 (atau = s 2 bagi model II)
2


4 5 12
ti adalah dugaan bagi i

Jumlah kuadrat pot mengukur keragaman yang ditimbulkan oleh perlakuan


maupun keragaman antarpot yang diperlakuakn sama.

Penguraian jumlah kuadrat ini menghasilkan

Y 2
i
JK Peralakuan = i
C
sr

(44.0) 2 ... (95.0) 2


C 179.64 dengan 5 db
4(3)

Perhatikan bahwa dalam setiap total perlakuan Yi.. terdapat sr = 12 pengamatan,


sehingga itulah yang menjadi penyebut dalam memperoleh jumlah kuadrat perlakuan.
Akhirnya
JK pot dalam perlakuan = JK pot Jk perlakuan
= 205.47-179.64 = 25.83 dengan
17-5 = 12 db
Tabel analisis ragam sekarang elah diperoleh lengkap, termaksud kuadrat
tengahnya (Lihat tabel 7.9). analisis ragam semacam ini sering disajikan engan baris
antarpot tidak dicantumkan sama sekali atau dicantumkan sebagai subtotal dibawah garis
galat percobaan. Perhatikan bahwa berbagai pembagi itu menjadikan kuadrat tengah
diucapkan per-pengamatan, yaitu anak-contoh. Bila menghitung nilai-tengah deengan
demiikian juga harus mengucapakan per pengamatan.
Jumlah kuadrat yanag dipeeroleh melalui pengurangan juga dapat dihitung secara
langsung. Cara langsung ini memperlihatkan sangat jelas sumber-sumber keragaman apa
yang terlibat pada setiap tahap dan juga bagaiman derajat bebas itu muncul.
Galat penarikan contoh berkepentingan dengan contoh dari setiap satuan
percobaan, jadi tanaman dalam pot yang sama. Jadi pot pertama menyumbang julah
kuadrat berikut:
JK tanaman untuk pot 1, perlakuan 1 = (3.5)2+...+(4.5)2-(15.0)2/4
= 1.25 dengan 3 db
Lanjutkan perhitungan semacam ini untuk setiap pot sehingga menghasilakn 18
jumlah kuadrat, masing-masing dengan 3 derajat bebas. Dengan totalnya adalah
JK antartanaan dalam pot = 1.25 +...+8.75
= 50.45 dengan 18(3) = 54 db
Jumlah kuadrat dan derajat bebas ini kemudian digabungkan untuk menduga
ragam penarikan-contoh. Kita mengasumsikan bahwa ragam dalam-pot sama, tanpa
bergantung pada perlakuan.
Galat percobaan berhubungan denga n satuan percobaan yang mendapat
perlakuan sama, pot dalam perlakuan. Jadi perlakuan 1 menyumbang jumlah kuadrat
berikut pada galat percobaan:
JK pot untuk perlakuan 1
= (15.0)2 + (17.5)2 + (11.5)2 (15.0 + 17.5 + 11.5)2/3
(15.0)2 + (17.5)2 + (11.5)2 - (15.0 + 17.5 + 11.5)2/3
=
4
= 4.54 dengan 2 db
Perhitungan serupa dilakuakn kelima perlakuan yang lain dengan hasilnya
dijumlahkan sehingga diperoleh
JK (pot yang diperlakukan sama) = 4.54 + ... + 8.67
= 25.83 dengan 6(2) = 12 db

F=

F=

= 2.15/0.93 = 2.3* dengan 12 dan 54 db

2.15
Galat baku nilai-tengah perlakuannya adalah s Y 0,42cm
12
Dan galat baku beda antar nilai-tengah perlakuan adalah
2(2.15) s
s Y iY i 0.60cm . Koefisien keragamannya adalah ( ) 100
2 Y
= (1.47/5.78)100 = 25 persen
Perhitungan bagi klasifikasi terserang dengan kriteria klasifikasi yang lebih
banyak jelas merupakan generalisasi dari perhitungan ini.

7.7.Model Linier bagi Anak-contoh

Pembicaraan data tanaman mint Tabel 7.8 membuat jelas bahwa model
matematika untuk menjelaska data itu adalah.

Y ijk i ij ijk
Dalam hal ini setiap pengamatan dimaksudkan untuk memberi informasi tentang
nilai-tengah populasi, yaitu i . Bila kita menganggap bahwa merupakan pengaruh-
pengaruh tetap, sperti jelas memang demikian dalam hal ini, maka kita akan
mengukurnya sebagai simpangan sehingga 0 . Bila kita memandangnya sebagai
i

acak maka kita dapat menganggapnya berasal dari sebuah populasi dengan nilai-tengah
nol dan ragam 2 . Dari setiap pengamatan diperoleh dua unsur acak. ij merupakan

sumbangan dari satuan percobaan dan dianggap menyebar normal dengan nilai-tenagah
nol dan ragam 2 . dan dianggap tidak berhubungan, artinya terambilnya nilai
tertentu . Sekarang perhatikan total pot yang digunakan dalam perhitungan galat
percobaan. Untuk data kita, total pot di berikan oleh

4 4 i ijk
k

7.8. Anaisis Ragam bagi dengan Anak-contoh; Banyaknya Anak contoh Tidak Sama

Bila anak contohnya tidak sama, analisis dasaranaya adalah seperti Pasal 7.4
dalam perhitungannya, kuadrat stiap total harus dibagi dengan banyaknya pengamatan
yang menyusun total itu. Misalnya perhatikan Tabel 7.10 anggaplah data itu merupakan
produk tiga pabrik dari daerah A, dan B dan dua pabrik dari daerah C

Untuk semua pengamatan itu n=14, Y=95, Y2=9659,

(Y Y ) 2
= 14.36 dan derajat bebasnya 13.

Dengan mengikuti pasal 7.4 kita memperoleh

JK pabrik (mengabaikan daerah )


= 62+(6+8)2/2 + ... + (7+9)2/2 (6+6+8+....+7+9)2/14
= 5.86 dengan 7 db

JK sisaan = JK total JK pabrik


= 14.36 5.86 = 8.50 dengan 13-7 = 6 db

Tabel 7.10 Nilai pengamatan terhadap butu barang yang diproduksi oleh delapan
pabrik di tiga daerah
Daerah A B C
Pabrik I II II I II III I II
Pengamatan 6 6,8 6,7,8 5,7 6,7 6 7 7,9
Jumlah kuadrat pabrik selanjutnya diuraikan menjadi yang berasal dari daerah dan yang
berasal dari pabrik dalam daerah
JK daerah = (6 + 6+...+8)2/6 + (5 + ... + 6)2/5 + (7 + 7 + 9)2/3 C
= 4.07 dengan 2 db
JK pabrik dalam daerah = JK pabrik JK daerah
= 5.86 4.07 dengan 7-2 = 5 db
Hasil analisis ragam ini diringkaskan dalam Tabel 7.11.
Untuk data itu, tidak adabukti keragaman antarpabrik berbeda besarnya daripada
keragaman antarpengamatan, karena F=0.36/1.42<1. Dalam hal demikian, orang
biasanya menempatkan s2 0 dan bukan suatu nilai tengah negatif; dan khususnya bila
derajat bebas untuk galat percobaan kecil, maka biasanya kedua galat itu digabungkan
untuk memperoleh sebuah nilai-fugaan yang baru bagi pengujian daerah. Untuk data kita,
nilai-dugaan yang baru itu adalah (1.79 + 8.50)/(5+6) = 0.94, dengan 11 derajat bebas.
Bila anak contohnnya tidak sama, perhitungan koefisien bagi komponen
ragamnya lebih sulit daripada bila bnyaknya pengamatan dari pabrik ke-j dalam daerah
ke-i jadi r13 = 3. Sekarang ri adalah total banyaknya pengamatan dari daerah ke-i jadi r1
= 1 + 2 + 3 = 6. Terakhir, r adalah total banyaknya pengamatan; dalam hal ini r=14.
Misalkan k adalah banyaknya daerah, maka k = 3.
Koefisien bagi 2 adalah


r r ij2 / ri

i j

=

14 12 22 32 / 6 22 22 12 / 5 12 22 / 3
1.64

5
Untuk daerah, koefisien bagi 2


r / r i r ij2 / r..
2
ij
i j i. j
db(daerah)

(12 22 32 ) / 6 (22 22 12 ) / 5 (12 22 ) / 3 (12 ... 22) / 14



2
5.8 2
1.90
2

Tabel 7.11 Analisis Ragam bagi data 7.10


Sumber db JK KT KT adalah dugaan bagi
Daerah 2 4.07 2.03 21.90 24.50 2
Pabrik dalam daerah = 5 1.79 0.36 21.64 2
galat percobaan
Pengamatan dlam pabrik 6 8.50 1.42 2
= galat penarikan contoh
Total 13 14.36
0.36 1.42
s 2 1.42 s 2 0
1.64
Koefisien bagi 2 adalah

r r 2i / r
14 (62 52 32 ) / 14
i
= 4.50
db(daerah) 2
Bila galat penarikan contohnya lebih besar dari galat percobaan hal ini tampak hanya
dijelaskan oleh faktor kebetulan. Maka biasanya 2 disuga sebesar nol. Dalam keadaan

yang lebih umum, yaitu bila s2 >0, muncul masalah yang rumit yaitu dalam pengujian

daerah untuk komponen 2


i atau 2 saja. Masalah ini muncul karena banyaknya anak

contoh tidak sama.


Suatu jawab kira-kira dapat diperoleh sebagai berikut. Lambangkan ketiga kuadrat tengah
dalam Tabel 7.11 dari atas kebawah, dengan KT(D), KT(P), dan KT(o) (D untuk daerah,
P untuk pabrik dan O untuk observasi). Maka
KT ( P) ( KT (O) 0.36 1.42
2
1.64 1.64
Sayangnya, besaran ini bernilai negatif, sehingga merupakan alasan yang cukup untuk
tidak melanjutkan perhitungan. Tetapi baiklah kita berpura-pura bahwa 2 positif.

Sekarang kita akan membuat suku galat untuk menguji pengaruh daerah
KT ( P) KT (O)
21.90 2 = KT (O) 1.90
1.64
1.90 1.90
1 KT (O) KT ( P)
1.64 1.64
Untuk menguji hipotesis nol bahwa tidak ada perbedaan pengaruh daerah, kita
menggunkan fungsi linier dari kuadrat tengah yang bebas sebagai penyebut, untuk
mendapatkan F kira-kira dengan 2 db bagi pembilang, sedangkan derajat bebas
penyebutnya belum pasti, tetapi dapat diduga sebagai berikut.
Secara umum, misalkan KT adalah sebuah fungsi linier bebearapa kuadrat
tengah yang bebas KTi dengan db = fi = i = 1....,k
KT c i KT i (7.16)

Besarnya derajat bebas bagi 2 yang menghampiri fungsi linier itu diberikan
oleh Satterhwaite (7.15) sebagai berikut
c KT 2

c KT / f
i i
Db efektif = 2
(7.17)
i i i

Persamaan (5.17) dapat dilihat sebagai hasil penerapan peersamaa ini.


Persamaan sesungguhnya bagi db dapat diperoleh dengan menggantkan setiap KTi
dengan E(KTi), tetapi dalam prakteknya nilai-nilai harapan tidak diketahui berapa
besarnya.

7.9.Komponen Ragam dalam Prencanaan Percobaan yang Melibatkan Anak-contoh

Dala merencanakan percobaan yang menggunakan anak-contoh muncul pertanyaan


bagaimana membagi waktu dua uang yang tersedia khususnya apakah mengambil
contoh yang banyak dengan anak contoh yang sedikit atau contoh sedikit dengan
anak-contoh yang banyak.

Misalkan sebagai ganti empat tanaman per pot dan tiga pot per perlakuan
diberikan tiga tanaman per pot dan empat pot per perlakuan, sehingga total banyaknya
tanaman per perlakuan tidak berubah. Dengan demikian galat percobaan akan menduga
23s 2 . Percobaan demikian akan menghasilkan ragam galat kira-kira sebesar

s 2 3s2 .93 3(30) 1.83

Dengan derajat bebas 3 x 6 = 18; dibandingkan dengan 2.15 dengan 12 derajat


bebas bagi percobaan yang dilaksanakan. Ragam nilai tengah perlakan merupakan
besaran yang patut mendapat perhatian dan dalam hal ini sY2 = 1.83/12 = 0.1525
dibandingkan dengan hasil percobaan sesungguhnya 0.1792. dalam hal ini kita hanya perlu
memperhatikan ragam, karena banyaknya tanaman per perlakuan tetap. Pada keadaan lain,
mungkin kita ingin melihat ke banyaknya tanaman.

Tabel 7.12 mencantumkan nilai sY2 untuk berbagai alternatif alokasi 12 tanaan per
perlakuan. Teerlihat bahwa ragam nilai-tengah perlakuan semaki kecil bila banyaknya pot
diperbesar, walaupun banyaknya tanaman per pot dikurangi. Ingatlah bahwa bila didalam
pot hanya terdapat satu tanaman, kita dapat menduga galat penarikan contohnya.
Perhatikan pula bertambahnya derajat bebas untuk menduga galat percobaan.

Biaya juga harus diperhatikan. Misalnya biaya membeli satu tanaman untuk
percobaan tidak mahal, yatu setara dengan 0.1 jam.

Tabel 7.12 Ragam dan biaya per perlakuan bila ada 12 pengamatan

Biaya
Tanaman db galat
Pot V(Trt ) Y .1, .5 .5, 1.0,
per pot percobaan
.5 .5
4 3 2t 2.15/12 = .1792 2.7 7.5 13.5
3 4 3t 1.83/12 = .1525 3.2 8.0 14.0
2 6 5t 1.53/12 = .1275 4.2 9.0 15.0
1 12 11t 1.23/12 = .1025 7.2 12.0 18.0

Tetapi biaya menyiapkan satu pot sebesar 0.5 jam-orang. Maka biaya penyiapan
semula aadalh (12 x 0.1) + (3 x 0.3) = 2,7 jam-orang per perlakuan. Jelas bahwa biaya
akan semakin besar bila tanaman per pot berkurang danbanyaknya pot bertambah, karna
pot memakan biaya lebih tinggi. Biaya untuk alternatif percobaan lain dengan 12 tanaman
per perlakuan dapat dilihat pada tabel 7.12. ingat bahwa biaya tambahan itu dibayar
dengan mengecilnya nilai sY2

Dalam banyak kasus, biaya membatasi usaha kita. Dalam hal demikian kita harus
mencoba mengalokasian usaha antar satuan percobaan dan satuan penarikan contoh
sehingga meminimumkan ragam nilai-tengah perlakuan. Alternatif lainnya, tetapkan
besarnya ragam yang diinginkan dalam alokasikan sehingga biaya minimum. (Alokasi
opyimum dibahas Bab 25) kedua pendekatan itu menhasilakan jawab (solusi) yang sama.

c1s 2
n2 2 2
c s

Yang dalam hal ini n2 = banyaknya satuan penarikan contoh atau tanaman per pot

C1 = biaya per pot

C2 = biaya per tanaman

s 2 dan s2 nilai yang didefinisikan dalam tabel 7.11

Perhatikan bahwa rasio biaya dan rasio ragam sudah cukup untuk menyelesaikn atau
mendapatkan nilai n2
Bila c1 = 0.05 dan c2 = 0.1 maka

.5 .93
n2 15.5 4
.1 .30

Banyaknyasatan penarikan contoh yang digunakan dalam percobaan ini


adalah 4

Peneliti harus membandingkan antara biaya, tenaga, dan sasaran, disamping


efidiensi untuk memilih berbagai kemungkinan rancangan

7.10. Asumsi asumsi yang Mendasari Analisis Ragam


Dalam analisis ragam yang melibatkan uji nyata, anggapan dasarnya adalah

1. Pengaruh perlakuan dan lingungan aditif


2. Galat percobaan bersifat, acak menyebar bebas dan normal disekitar nilai tengah
nol dan ragam yang sama

Galat percobaan harus menyebar normal asumsi ini khususnya berlaku untuk
pengujian hipotesis, dan tidak diperlukan bagi pendugaan komponene ragam. Bila
sebaran galat percobaan ternyata menjulur (skewed), komponen galat dari perlakuan
cenderung merupakan fungsi nilai-tengah perlakuan. Ini mengakibatkan sekali lagi
keheterogenan ragam galat. Bila hubungan fungsionalnya diketahui, dapat dicari
transformasi, yang suku galatnya relatif sudah homogen. Trasnformasi yang biasa dan
serin digunakan adala logaritma, akar kuadrat,arcsin; kegunaan dan penggunaannya akan
dibahas dalam pasal 9.16
Galat percobaan harus mempunyai ragam yang sama misalnya, dalam
rancangan acak lengkap, komponen galat yang berasal dari perlakuan harus menduga
ragam populasi yang saa. Disini, keheterogenan ragam galat dapat mengakibatkan
respons yang eratik dari beberapa perlakuan tertentu. Dalam percobaan-percobaan
demikian yang dimaksudakn untuk menentukan keefektifan berbegai insektisida,
fungsida, atau hibersida, suatu kontrol biasanya diadakan untuk mengukur tingkat
infestasi (seragam) dan memberikan basis bagi penentuan keefektifan perlakuan.
Keragaman pengamatan individu pada kontrol mungkin akan lebih besar daripada
perlakuan lainnya, terutama karena kontrol menghasilkan nilai-tengah yang lebih tinggi
sehingga memberikan basis lebih besar daripada keragaman. Akibatnya ragam galat
cenderung tidak homogen..