Nama : Suci Utami Putri

NPM : 061540421952
Kelas : 5.KIB
Dosen : Ir.Jaksen,M.Amin,M.Si.

1. Ringkaslah mengenai rancangan percobaan khususnya rancangan acak lengkap (RAL) dan
berikan contohnya !
A. Rancangan Acak Lengkap (RAL)

1. Rancangan Acak Lengkap (Completely Randomized Design) termasuk rancangan faktor

tunggal (hanya terdiri dari satu faktor) merupakan rancangan yang paling sederhana jika
dibandingkan rancangan-rancangan lainnya. Dalam rancangan ini tidak terdapat lokal kontrol,
sehingga sumber keragaman yang diamati hanya perlakuan dan galat. RAL hanya cocok
digunakan pada kondisi lingkungan, alat, bahan dan media yang homogen. Kondisi ini
biasanya hanya dapat dicapai di ruang-ruang terkontrol seperti di laboratorium dan rumah kaca
(green house). Namun pada kondisi-kondisi tertentu di lapangan dapat saja dilakukan
percobaan ini, misalnya untuk penelitian tentang erosi.

Model umum : Y = µ + α + Є
Dimana :Y = hasil pengamatan atau variabel yang akan dianalisa
µ = rata-rata umum
α = efek dari perlakuan
Є = Kesalahan percobaan / galat / eksperimental error

2. Randomisasi dan Tata Letak Percobaan

Unit-unit percobaan dalam RAL dapat berupa pot-pot atau polibag yang menempati suatu
lokasi atau ruangan tertentu, antar unit-unit perlakuan dibatasi oleh ruang-ruang pengamatan
(pot-pot) sehingga tidak terjadi interaksi antara satu dengan yang lain. Karena kondisi
lingkungan yang homogen ini, maka setiap unit percobaan secara keseluruhan merupakan
satuan random, yang berarti setiap unit perlakuan pada setiap ulangan mempunyai
kesempatan/peluang yang sama untuk menempati pot-pot percobaan, sehingga perandoman di
dalam RAL dilakukan secara lengkap.

Jika diteliti pengaruh hormon tumbuh terhadap tanaman tertentu, dimana perlakuan ada empat
taraf dosis hormone, yang diberi kode simbol Ao, A1, A2, dan A3 yang diulang sebanyakl tiga
kali (3 kali ulangan), maka contoh tata letak dan randomisasinya adalah :
Contoh Bagan tata letak dan randomisasi dalam RAL
Ao 1 A1 3 A1 2 A3 1

A1 1 Ao 2 Ao 3 A3 2

A3 3 A2 2 A2 1 A2 3

Jumlah unit percobaan : t x r = 4 x 3 = 12

Bagan Analisis Ragam

Sumber Derajat Jumlah Kuadrat

F hitung
Variasi (SV) Bebas (Db) Kuadrat (JK) Tengah (KT)

Perlakuan t–1 JK P JK P/t-1 KT P/KT G

Galat t (r-1) JK G JK G/t(r-1)

Jumlah (t x r) - 1

√ KT G
Koefisien Keragaman : ---------------- x 100%
Rataan

Kriteria Penilaian Hasil Uji F :

Bila F hitung F tabel (0.05) berbeda tidak signifikan

Bila F tabel (0.01) F hitung F tabel (0.05) berbeda signifikan

Bila F hitung F tabel (0.01) berbeda sangat signifikan

Contoh 1. Kasus RAL dengan Ulangan Sama

Dari percobaan pengaruh hormon tumbuh terhadap produksi kedelai di tanah PMK, untuk
menguji hipotesis bahwa pemberian hormon akan meningkatkan produksi kedelai secara
signifikan (H1), diperoleh data sebagai berikut :

Tabel Data Pengaruh Hormon Tumbuh Terhadap Produksi Kedelai (kuintal/ha)

Konsentrasi Ulangan
Jumlah Rataan
hormone (ppm) 1 2 3 4
0 (Ho) 8,0 8,1 7,5 7,7 31,3 7,825
0,25 (H1) 8,3 8,2 8,3 7,9 32,7 8,175
0,50 (H2) 8,9 8,9 8,3 8,0 33,3 8,325
0,75 (H3) 9,3 9,0 8,2 8,7 35,2 8,800
1,00 (H4) 9,7 9,0 8,8 9,0 36,5 9,125
1,25 (H5) 9,5 8,9 8,5 8,9 35,8 8,950

Jumlah - - - - - 8,530

Analisis Jumlah Kuadrat :

204,82
FK = ------------------ = 1747,627
4 x 6

JK Total = (8,02 + 8,32 + . . . + 8,92 ) - FK = 7,533

31,32 + 32,72 + . . . + 35,82

JK Hormon = -------------------------------------- - FK = 5,073
4
JK
JK Galat = JK Total - Hormon = 7,533 - 5,073 = 2,460

Analisis Ragam (Uji F).

Tabel. Hasil analisis ragam pengaruh hormon tumbuh terhadap produksi kedelai

SK DB JK KT F Hitung F Tabel
5% 1%
Hormon 5 5,073 1,0146 7,42** 2,77 4,25

Galat 18 2,460 0,1370 -

Total 23 7,533 -
Keterangan : ** = sangat signifikan
KK = KTG x 100 % = 2,460 / 8,530 = 4,34% y

Hasil uji F ini menunjukkan :

(1) Pemberian hormone berpengaruh sangat signifikan (nyata) dalam meningkatkan produksi
kedelai di tanah PMK (terima H1), sehingga dapat disimpulkan bahwa pemberian hormone
sangat berhasil dalam meningkatkan produksi kedelai, dan berarti pula ada salah satu
perlakuan (konsentrasi hormon) yang pengaruhnya sangat menonjol jika dibandingkan
dengan pengaruh kontrol dan mungkin dengan perlakuan lainnya.

(2) Percobaan mempunyai derajat kejituan dan keandalan yang tinggi (KK = 4,34 %), oleh
karena itu pengujian lanjutan cukup dilakukan dengan uji BNJ.

Contoh 2. Kasus RAL dengan Ulangan Tidak Sama

Dengan kasus sama dengan Contoh soal no 1. di atas, beberapa perlakuan dibuat dengan
ulangan tidak sama sehingga diperoleh data sebagai berikut :

Tabel Data Pengaruh Hormon Tumbuh Terhadap Produksi Kedelai (kuintal/ha)

Konsentrasi Ulangan
Jumlah Rataan
hormone (ppm) 1 2 3 4
0 (Ho) 8,0 8,1 7,5 7,7 31,3 7,825
0,25 (H1) 8,3 8,2 8,3 - 24,8 8,267
0,50 (H2) 8,9 8,9 8,3 8,0 33,3 8,325
0,75 (H3) 9,3 9,0 8,2 - 26,5 8,833
1,00 (H4) 9,7 9,0 8,8 9,0 36,5 9,125
1,25 (H5) 9,5 8,9 - - 18,4 9,200

Jumlah - - - - 170,8 8,596

Analisis Jumlah Kuadrat :

 170,82
FK = ------------------ = 1458,632
20

JK Total = (8,02 + 8,32 + . . . + 8,92 ) - FK = 20,568

 31,32 + 24,82 + 33,32 + 26,52 + 36,52 +18,42
JK Hormon = ------- ------- ------- -------- ------ ------ - FK = 4,950
4 3 4 3 4 2

JK Galat = JK Total - JK Hormon = 20,568 - 4,950 = 15,618

Analisis Ragam (Uji F).

Tabel. Hasil analisis ragam pengaruh hormon tumbuh terhadap produksi kedelai

SK DB JK KT F Hitung F Tabel
5% 1%
Hormon 5 4,950 0,99 0,95ns 2,77 4,25
Galat 15 15,618 1,041 -
Total 20 20,568 -

Keterangan : ns = non significant (tidak signifikan)

KK = KTG x 100 % = 1,041/8,596 x 100% = 11,87%

y

Hasil uji F ini menunjukkan :

(1) Pemberian hormone berpengaruh tidak signifikan dalam meningkatkan produksi kedelai di
tanah PMK (tolak H1), sehingga dapat disimpulkan bahwa pemberian hormone tidak
berhasil dalam meningkatkan produksi kedelai.

(2) Derajat kejituan dan keandalan dari percobaan kurang bagus (KK = 11,87 %), oleh karena
itu pengujian dengan BNT tidak perlu dilanjutkan
 2. Ringkaslah ANOVA (analysis of Variant) atau analisa ragam dan berikan contohnya !

Analisis Varians Satu-Arah (One-Way Analysis of Variance—ANOVA)

Prosedur analisis varians (Analysis of Variance—ANOVA) menggunakan variabel numerik

tunggal (single numerical variable) yang diukur dari sejumlah sampel untuk menguji
hipotesis nol dari populasi yang (diperkirakan) memiliki rata-rata hitung (mean) sama.
Variabel dimaksud harus berupa variabel kuantitatif. Variabel ini terkadang dinamakan
sebagai variabel terikat (dependent variable).

Hipotesis nol (H0) dalam uji ANOVA adalah bahwa semua (minimal 3) populasi yang sedang
dikaji memiliki rata-rata hitung (mean) sama. Ringkasnya, hipotesis nol (H0) dan hipotesis
alternatif (H1) dalam ANOVA adalah:

Analisis varians (Analysis of Variance—ANOVA) adalah prosedur statistika untuk

mengkaji (mendeterminasi) apakah rata-rata hitung (mean) dari 3 (tiga) populasi atau
lebih, sama atau tidak.
Dalam uji ANOVA, bukti sampel diambil dari setiap populasi yang sedang dikaji. Data-data
yang diperoleh dari sampel tersebut digunakan untuk menghitung statistik sampel. Distribusi
sampling yang digunakan untuk mengambil keputusan statistik, yakni menolak atau
menerima hipotesis nol (H0), adalah DISTRIBUSI F (F Distribution).

Dalam uji ini diasumsikan bahwa semua populasi yang sedang dikaji memiliki keragaman
atau varians (variance) sama tanpa mempertimbangkan apakah populasi-populasi tersebut
memiliki rata-rata hitung (mean) sama atau berbeda. Ada 2 (dua) cara atau metode dalam
mengestimasi nilai varians ini, yakni metode dalam kelompok (within method) dan metode
antar-kelompok (between method). Metode dalam kelompok menghasilkan estimasi tentang
varians yang sahih (valid) apakah hipotesis nol salah atau benar. Sementara metode antar-
kelompok menghasilkan estimasi tentang varians yang sahih (valid) hanya jika hipotesis nol
benar.
Metode dalam kelompok (within method) menghasilkan estimasi yang sahih (valid)
apakah hipotesis nol benar atau tidak. Metode antar-kelompok (between method)
menghasilkan estimate yang sahih (valid) jika hipotesis nol benar.
Langkah akhir dari uji ANOVA adalah menghitung rasio antara metode antar-kelompok
(between method) sebagai numerator (faktor yang dibagi) dan metode dalam kelompok
(within method) sebagai denominator (faktor pembagi). Jika hipotesis nol benar (diterima),
rasio di atas berisikan dua hasil estimasi yang terpisah dari populasi yang memiliki varians
sama dan, karenanya, berasal dari distribusi F. Namun demikian, jika rata-rata hitung (mean)
populasi yang dikaji tidak sama, hasil estimasi dalam numerator akan mengembung sehingga
rasionya akan menjadi sangat besar. Jelas bahwa rasio demikian, dengan membandingkannya
dengan distribusi F, tidak berasal dari distribusi F, dan hipotesis nol akan ditolak. Uji
hipotesis dalam ANOVA adalah uji hipotesis bersisi-satu (one-tailed) di mana nilai statistik F
yang besar akan mengarah ke ditolaknya hipotesis nol, sementara nilai statistik F yang kecil
akan mengarah ke penerimaan hipotesis nol.
Contoh :
Seorang analis dari toko perkulakan BKM ingin mengetahui apakah ketiga cabang tokonya
yang tersebar di wilayah Kota Madya Depok memiliki rata-rata pendapatan per transaksi
penjualan yang sama. Enam (6) transaksi penjualan dari masing-masing cabang dipilih secara
acak sebagai sampel. Data tersebut disajikan dalam tabel berikut.

Tabel 4: Pendapatan (ribu rupiah) per Transaksi Penjualan di Tiga

Cabang Toko BKM
Transaksi Toko 1 Toko 2 Toko 3

1 12,05 15,17 9,48

2 23,94 18,52 6,92

3 14,63 19,57 10,47

4 25,78 21,40 7,63

5 17,52 13,59 11,90

6 18,45 20,57 5,92

Jumlah 112,37 108,82 52,32

Rata-rata (Mean) 18,73 18,14 8,72

Rata-rata Keseluruhan (Grand Mean) 15,20

Jumlah sampel untuk masing-masing cabang (n) adalah 6, sedangkan jumlah cabang
yang diteliti (c = columns) adalah 3.
Hipotesis nol untuk penelitian ini adalah bahwa semua cabang toko BKM memiliki rata-
rata pendapatan per transaksi penjualan sama. Hipotesis alternatifnya adalah

kebalikan dari hipotesis nol, yakni tidak semua cabang toko BKM memiliki rata-rata
pendapatan per transaksi penjualan sama.

Penghitungan jumlah kuadrat—JKw (Sum of squares--SSw) dengan menggunakan metode

dalam-kelompok (within method) adalah:

Toko 1: (12,05 – 18,73)2 + (23,94 – 18,73)2 + 14,63 – 18,73)2 + (25,78 –

18,73)2 + (17,52 – 18,73)2 + (18,45 – 18,73)2 = 139,82
Toko 2: (15,17 – 18,14)2 + (18,52 – 18,14)2 + (19,57 – 18,14)2 + (21,40 –
18,14)2 + (13,59 – 18,14)2 + (20,57 – 18,14)2 = 48,25
Toko 3: (9,48 – 8,72)2 + (6,92 – 8,72)2 + (10,47 – 8,72)2 + (7,63 – 8,72)2 +
(11,90 – 8,72)2 + (5,92 – 8,72)2 = 26,02

Jumlah Kuadrat—JKw (Sum of squares—SSw) = 139,82 + 48,25 + 26,02

= 214,09

Penghitungan jumlah kuadrat—JKb (Sum of squares—SSb) dengan metode antar-kelompok

(between method) adalah sebagai berikut:

(18,73 –15,2)2 + (18,14 –15,2)2 + (8,72 – 15,2)2 = 63,09

Jumlah kuadrat—JKw (Sum of squares—SSw) = 6 x 63,09 = 378,54
Hasil penghitungan di atas kemudian disajikan dalam tabel anova pada halaman berikut.

F tabel pada derajat bebas numerator 2 dan derajat bebas denominator 15 (LIHAT TABEL
DISTRIBUSI F) dengan tingkat signifikansi ( ) 0,01 (1%) adalah 6,36. Karena F-hitung
(13,26) lebih besar daripada F-tabel (6,36), maka keputusan statistiknya adalah terdapat
cukup bukti sampel untuk menolak H0 dan menerima H1. Artinya, tidak semua cabang Toko
BKM memiliki rata-rata pendapatan per transaksi penjualan yang sama.