Anda di halaman 1dari 52

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. Kalau kita menerima
premis bahwa pengetahuan baru paling sering diperoleh melalui analisis dan interpretasi
data dengan cara yang seksama, maka sangat penting bahwa usaha yang cukup dan
pikiran yang memadai diberikan pada perencanaan pengumpulan datanya, agar informasi
yang maksimum dapat diperoleh pengeluaran atau sumber daya yang seminimum
mungkin. 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.

Bahwa statsitika atau ahli statistika dapat menyumbang secara nyata pada tahap
perencanaan suatu percobaan bukanlah hal yang dibesar-besarkan. Sering statistikawan
disodori yang hanya mmberikan nilai dugaan berbias bagi nilai tengah perlakuan dan
galat percobaan; yang tidak menjawab pertanyaan yang dilontarkan pada awalnya; yang
beberapa perlakuan tertentu tidak memberi informasi yang relevan; yang hasil
kesimpulannya tidak berlaku pada populasi yang dimaksudkan peneliti; dan yang
ketetapan percobaannya tidak cukup untuk mendeteksi perbedaaan-perbedaan yang
penting. Tidak jarang dengan perubahan kecil pada rancangannya dan bahkan dengan
usaha yang lebih sedikit, percobaan tersebut akan dapat memberikan informasi yang
dikehendaki. 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.
Percobaan pendahuluan; peneliti mencoba sejumlah besar perlakuan untuk
mendapakan petunjuk bagi percobaan mendatang. Kebanyakan percobaan hanya
dicobakan sekali.

Percobaan kritis; peneliti membandingkan respons terhadap beberapa dengan


menggunakan pengamatan yang cukup jumlahnya untuk lebih memaskan dapat
mendeteksi beda-bda yang bermakna.

Percobaan demostrasi sering dilakukan oleh petugas penyuluhan, misalnya ia


membandingkan respons terhadap suatu perlakuan baru dengan yang sudah baku.

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/σ2 =
n/ σ2. Jika σ2 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.

Sangatlah penting mendefinisikan populasinya, karena dari situlah contoh acak


diambil dan penarikan kesimpulan atau inferensia ditarik. Misalkan tujuan utama
percobaan membandingan beberapa ransum makanan babi disuatu daerah. Misalkan juga
peternakan didaerah itu memelihara beberapa jenis yang berbeda, ada yang menggunkan
alat pemberi makanan, ada yang memberi makanan dengan tangan biasa. Jika peneliti
hanya menggunakan satu jenis babi saja dalalm percobaannya atau memberi makan
melalui mesin saja, maka contoh itu sukar dianggap mewakili populasi daerah itu,
kecuali bila ada informasi sebelumnya bahwa jenis dan cara memberi makan hanya
mempunyai pengaruh kecil atau bahkan sama sekali tidak terhadap beda yang disebabkan
oleh ransum tersebut. Bila tidak ada informasi tentang pengaruh dan jenis metode
memberi makanan, maka sangatlah berbahaya membuat kesimpulan dari suatu percobaan
yang didasarkan pada satu jenis dan satu cara memberi makanan di daerah itu sebagai
faktor dalam percobaan. Dengan cara demikian, luas cakup percobaan telah ditingkatkan.

Sebuah teladan berikut adalah tentang percobaan yang dimaksudkan untuk


membandingkan keaktifkan beberapa fungsida dalam mengendalikan suatu tertentu
terhadap tanaman jenis gandum. Misalkan didaerah tempat rekomendasi itu hendak
diterapkan, orang menanam beberapa jenis (varitas) dan kualitas benihnya pun bervariasi.
Untuk dapat menghasilkan rekomendasi yang memadai, peneliti harus membandingkan
fungisidafungisida tertentu dapat direkomendasikan untuk semua jenis dan varitas benih
yang digunakan didaerah itu. Secara umum, kesimpulan yang berguna bagi sebbuah
populasi yang luas biasanya tidak dapat diperoleh hanya dari satu percobaan yng sempit
dan terbatas.

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. Terlihatlah bahwa kedua istilah itu sangat general.
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 beberapa hal, satuan percobaannya begitu besar sehingga tidak
praktis menggunakannya sekaligus sebagai satuan penarikan contoh, tetapi sebaliknya
satu satuan penarikan contoh yang kecil tidak mencukupi atau memadai. Dalam kasus
demikian, dua atau lebih bagian dari satuan percobaan diambil secara acak dan diukur.
Misalnya dalam penyelidikan cara bercocok tanam pada beberapa spesies tanaman
makanan ternak, semaian dalam satu atau lebih petak kecil pada setiap satuan percobaan
dihitung secara terpisah. Begitu pula, bila satuan penarikan contohnya harus dirusakkan,
seperti bila mengukur kualitas buah, sayur-sayuran, atau suatu produk makanan. Satuan
penarikan contoh biasanya diambil didalam satuan percobaan.

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. Pernyataan lebih pelik daripada
kedengarannya dan terikat erat dengan definisi pasal sebelumnya. Misalnya, bila 50 ayam
dipelihara dalam sebuah kandang dan diberi ransum yang sama, maka satuan
percobaanya terdiri atas 50 ayam tersebut. Sebuah kandang dengan 50 yang lain
diperlakuan sebelum kita dapat mengukur keragaman diantara satuan percobaan yang
mendapat perlakuan sama. Ini memang demikian bahkan walaupun pengukurannya
dibuat per individu ayam, misalnya bobot ayam. Pemikiranniya adalah bahwa bila dua
perlakuan hendak dibandingkan pengaruhnya. Maka setiap beda yang teramati sebagian
disebabkan oleh beda antar kandang dan beda ini kemungkinan lebih besar dari pada
antarayam dalam kandang yang sama dapat diterapkan. Tetapi, bila separuh tikus itu
jantan dan lainnya betina, dan kita ingin mengetahui kemungkinan beda respons antara
kedua jenis kelamin itu, maka kita memperoleh satuan percobaan yang berpasangan
untuk percobaan didalm percobaan. Disini kita mempunyai galat percobaan yang kedua
untuk menjawab pertanyaan yang kedua pula. Untuk menjawab setiap pertanyaan
kemungkinan adanya beda pengaruh perlakuan, kita harus berhubugan dengan satuan
percobaan tempat dikenakannya perlakuan itu secara acak. Pertanyaan-pertanyaan
demikian laiinya mengenai pemilihan galat percobaan yang sesuai, akan diilustrasikan
dan dibicarakan dalam bab-bab berikut:
Keragaman muncul dari dua sumber utama pertama keragaman yang
inheran ada dalam setiap bahan percobaan. Kedua keragama, yang disebabkan
oleh kurangnya atau tidak adanya kesamaan dalam pelaksanaan percobaan.
Dalam setiap percobaan gizi dengan tikus sebagai bahan percobaan, individu
tikus itu akan mempunyai susunan genetik yang berbeda; inilah keragaman yang
inheren ada dalam percoban. Besarnya keragaman relatif dari kedua sumber itu
berbeda-beda untuk berbagai bidang penelitian.
Panjang selang kepercayaan dan kuasa suatu uji pada akhirnya bergantung pada
V(Ȳ) = σ2/n. Jadi untuk mendapatkan selang yang pendek atau kuasa yang tinggi
hanya ada dua cara untuk mencapainya. Akibatnya, setiap usaha yang mungkin
haruslah dilakukan unuk memperkecil galat percobaan agar kuasa uji bertambah
tinggi, selang kepercayaan bertambah pendek, atau untuk mencapai tujuan-tujuan
lainnya. 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.

Nilai dugaan percobaan perlakuan bagi pengujian hipotesisi dengan penduga


selang kepercayaan. Suatu percobaan yang seiap perlakuannya hanya muncul sekali
dikatakan terdiri atas ulangan tunggal. Dari percobaan demikian ini, tidak dapat diperoleh
nilai dugaan bagi galat percobaan. Dalam hal ini masih mungkin menjelaskan beda yang
teramati sebagai beda antara dua perlakuan atau antara satuan percobaan; tetapi tidak
mungkin diperoleh ukuran keyakinan yang sama benar. Dengan kata lain, bila tidak ada
cara menduga galat percobaan, maka tidak ada cara untuk menentukan apakah beda yang
teramati merupakan beda yang sebenarnya ataukah disebabkan oleh keragaman inheren
tadi. Suatu percobaan tidak pernah lengkap dalam dirinya sendri., setiap inferensia tentu
didasarkan pada pengalaman sebelumnya. (Kekecualian. Ulangan tungal atau bahkan
bagian dari suatu ulangan dari sebuah percobaan yang melibatkan banyak sekali faktor
dapat memberikan nilai-dugaan bagi galat bila beberapa anggapan tertentu dipenuhi).

Bila banyaknya ulangan semakin besar, maka nilai dugaan bagi nilai tengah
perlakuan menjadi semakin tepat. Bila beda sebesar lima satuan dapat dideteksi dengan
menggunakan empat ulangan, maka satuan percobaan dengan kira-kira ulangan akan
mendeteksi setengah beda tadi atau 2,5 satuan; karena simpangan bakunya berada dalam
rasio 2: 1 yaitu σ/ dan σ/ kata ‘kira-kira’ digunakan karena ktepaa (precesio)),
yang khususnya dalam percobaa kecil. Sebagian bergantung pada derajat bebas yang
tersedia bagi pendugaan gala percobaan. Juga peningkatan ulangan mungkin diakibatkan
digunakannya bahan percobaan yang kurang homogen atau pelaksananaan percobaan
yang kurang hati-hati, sehingga memberikan populasi induknya galat percobaan yang
cukup besar. Tetapi peningkatan ulangan yang biasanya mengingatkan ketepatan,
memperpendek selang kepercayaan dan memperbesar kuasa ujinya.

Dalam beberapa percobaan, ulangan digunakan sebagai alat untuk memperluas


daya cakup percobaan; populasi yang ditarik contohnya menjadi kurang terbatasi dalam
definisi dan penarikan kesimpulannya diperluas. Misalnya kita ingin menentukan apakah
ada beda hasil yang sesungguhnya antara dua vaeritas tanaman disuatu daera, sedangkan
didaera itu terdapat dua jenis tanah. Bila tujuan percobaan mencangkup penarikan
kesimpulan untuk kedua jenis tanah itu dicakup dalam setiap ulangan artinya dalam
setiap pasangan petak yang ditanami kedua varitas itu yang satu menggunakan jenis
tanah pertama dan yang satu lagi menggunkan jenis tanah lainnya, ini sedapat mungkin
seragam. Sebenarnya yang sangat seragam antara ulangan satu degan yang ainnya
bukanlah keharusan dan mungkin malah tidak diinginkan khususnya bila populasi yang
dicakup luas sekali.

Dalam banyak percobaan lapangan, percobaan diulnag berkali-kali selama


beberapa tahun. Alasannya jelas, yaitu kondisi bervariasi dari tanah ke tanah sehingga
penting untuk mengetahui pengaruh tahun terhadap beda antara pengaruh perlakauan,
karena rekokmendasi biasanya dibuat untuk tahun-tahun mendatang. Begitu juga lokasi
yang berbeda yang digunakan untuk mengevaluasi perlakuan dibawah kondisi
lingkungan yang berbeda, yaitu didaerah yang rekomendasinya dihrapakan berlaku. Baik
repetisi dalam wakru (tahun) dan ruang (lokasi) keduanya dapat dipandang sebagai
bentuk ulangan yang lebih luas. Tujuannya adalah meningkatkan luas cakup kesimpulan.
Prinsip yang sama juga sering digunakan dalam percobaan laboratorium. Yaitu bahwa
seluruh percobaan diulang beberapa kali, bahkan mungkin oleh orang yang berbeda,
untuk menetukan keterulangan perlakuan di nawah kondisi yang mungkin berbeda yang
terjadi dari waktu ke waktu di dalam laborayorium.

Terakhir, ulangan memungkinkan kita mengelompokkan satuan percobaan


menurut proses harapan dalam hal tidak adanya perlakuan tertentu. Maksudnya adalah
menentukan keragaman total itu dimaksimumkan dianntara grup, dan sekaligus
diminimumkan didalam grup. Sekarang bila semua perlakuan dicobakan didadalam grup
yang demikian ini, beda yang teramati akan mengukr beda pengaruh perlakuan lebih baik
daripada seandainya tidak dilakukan peng-grup an. Jelas bahwa galat percobaan, alat
untuk mendetekasi beda sesungguhnya tidak boleh menjadi lebih besar karena adanya
beda antara grup. Untuk mebcegah ini ada cara yang dapat digunakan.

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.

Dalam setiap percobaan sangatlah penting menyatakan besarnya ketepatan yang


diperlukan. Tidak ada gunanya menggunakan 10 ulangan untuk mendetekasi beda yag
dilakukan 4 ulangan. Demikian pula sedikit manfaatnya melakukan percobaan yang
banyaknya ulangan tidak cukup untuk mendetekasi beda yang penting kecuali secara
kebetulan.

Untuk mengukur penyimpangan dari hipotesis nol, galat percobaan, yaitu


keragaman anatara pengamatan pada satuan percobaan yang mendapatkan perlakuan
sama, harus memberi satuan pengukuran. Kadang-kadang sangat tdak praktis untuk
melakukan pengamatan pada seluruh satuan percobaan, misalnya penentuan kandungan
protein dalam makanan ternak, sehingga dari satuan percobaan itu diambil lag contoh.
Biasanya keragaman antara satuan percobaan relatif besar dibandingkan dengan
keragaman antara contoh dari satuan percobaa yang sama. Biasanya tidak ada gunanya
mengerjakan determinasi yang banyak untuk setip percobaan, dan bukan keragaman
antara contoh dari dalam satuan percobaan yang sama.

Beberapa bahan percobaan lebih bervariasi dari lainnya, perhatikan masalah


keheterogenanan tanah. Beberaaapa jenis tanah lebih seragam (unifrom) dari yang
lainnya; untuk ketepatan yang sama diperlukan ulangan lebih sedikit pada tanah yang
seragam dibandingkan pada tanah yang kurang seragam. Juga, tanaman yang berbeda
yang ditanam pada lokasi yang saa menunjukkan ketidakseragaman yang berbeda.

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 σ . Kita tetap mempunyai s  , tetapi dengan
2
Y n
nilai dugaan bagi σ2 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 σ2 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.

Rancangan percobaan juga mempengaruhi ketepatan percobaan dan banyaknya


ulangan yang diperluakan. Bila banyaknya perlakuan besar dan memerlukan satuan
percobaan yang lebi heterogen, maka galat percobaan persatuan meningkat. Rancangan
yang sesuai dapat mengendalikan sebagia dari kragaman ini.
Sayangnya banyaknya ulangan sangat sering ditentukan sebagian besar oleh biaya
dan waktu yang tersedia bagi percobaan it. Tidak ada gunanya melakukan percobaa bila
ketepatan yang diperlukan tidak dapat dicapai oleh biaya yang mencakupi tersedia atau
mengurangi banyaknya perlakuan sehingga ulangan yang cukup dan ketepatan yang
diperlukan dapat dicapai. Banyaknya ulangan yang secara praktis telah dicapai bila biaya
percobaan dalam bahan percobaan, waktu, dan lain sebagainya, tidak lagi diimbangi oleh
meningkatnya informasi yang diperoleh.

Perlu diingatkan bahwa ulangan tidak mengurangi galat karena kessalahan teknis.
Juga perbedaan nyata secara statistika mungkin tidak memberikan keteranga tentang
pentingnya penyimpangan dari hipotesis nol secara praktis. Besarnya beda yang
mempunyai nilai praktis yang hanya dapat diketahui oleh orang yang memiliki
pengetahuan teknis dalam bidang iu. Besaran ini bersma-sama dengan ukuran betapa
pentingnya untuk dapat mendeteksi hal yang merupakan pegangan untuk menentukan
ketepatan yang diperlukan dan akhirnya banyaknya ulangan yang harus dilakukan.

Karena begitu banyak yang dibicarakan tentang banyaknya ulangan yang diperlukan,
muncul pertanyaan bagaiman mengetahui hal ini. Masalah penentuan ukuran telah
dibicarakan dalam pasal-pasal 5.13 dan 5.14 pembicaraan lebih jauh akan dilakkan pada
psal 9.15. dengan informasi yang tepat, peneliti biasanya dapat menemukan metode
untuk menentukan ulangan yang diperlukan.

6.8.Ketepatan Relatif antara Dua Rancangan

Ketepatan atau banyaknya informasi adalam suatu rancangan diukur melalui I =


n/σ2. Dengan demikuian nilai-dugaan informasi itu bergantung pada seberapa baik s2
menduga σ2 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   (6.1)
(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

Misalkan kita hendak membandingkan suatu rancangan yang memberikan 5


derajat bebas yang menduga σ2 dengan rancangan lain yang memberika 10 derajat bebas;
hal ini misalnya saja pembandingan suatu percobaan (dengan pengamatan) berpasangan
dengan percobaan bukan berpasangan yang melibatkan dua perlakuan dan 6 ulangan
untuk setiap perlakuan. Rancangan berpasangan lebih tepa daripada yang bukan
berpasangan hanya jika efisiensi yang pertama relatif terhadap yang kedua lebih besar
dari 1, jadi bila efisiensi relatifnya

(n1 1) /( n1 3) S 21 (n1 1)( n 2 3) S 22 (6)(13) s 22 .886 s 22


RE    
(n 2 1) /( n 2 3) S 22 (n 2 1)( n1 3) S 21 (11)(8) s 21 s 21
Lebih besar dari 1. Dengan kata lain, memasang-masangkan itu bermanfaat bila
0.8866 s 22 lebih besar dari pada s 21

6.9. Pengendalian Galat


Pengendalia galat dapat dilakukan melalui
1. Rancangan percobaan
2. Penggunaan pengamatan konkomitan
3. Pemilihan ukuran dan bangun satuan percobaan
1. Rancangan percobaan Penggunaan perancanagan percobaan untuk mengendalikan
galat percobaan telah diteliti sangat luas dan hanya sejak kira-kira akhir kuartal
pertama abad ini. Subjek ini sangat luas dan hanya prinsip-prinsip dasarnya saja
yang dibicarakan disini. Untuk pembahasan yang lebih mendalam, pembaca
dipersilahkan mengac pada Cox (6.3), Cochar dan Cox (6.2), Federer (6.4), Jhon
(6.7). Kempthorne (^.8), Youden (6.9) dan lainnya.
Pengendalian galat dapat dillakuakn dengan merancang percobaan sehingga
sebagian keragaman antara satuan-satuan percobaan dapat diatasi sehingga tidak
menyumbang pada beda antara nilai-tengah perlakuan. Misalnya, perhatikan sebuah
percobaan dengan dua perlakuan dengan menggunakan sepasang babi dari setiap
kandang dengan 10 kandang yang ada. Bila perlakuan itu kita kenakan satu pada
setiap anggota pasangan, maka model matematikanya adalah Y ij   i ij dengan ɛij

sekarang mencangkup sumbangan daari kandang dan merupakan unsur populaasi


dengan ragam yang lebih besar., lebih besar dari ragam populasi ɛ pada model
sebelumnya. Jadi pemilihan rancangan dengan menggunakan pengamatan
berpasangan telah mengendalikan galat percobaan σ2, asalkan pasangan itu merupakan
tambahan sumber keragaman; dngan kata lain, asalkan keragaman pengamatan dari
satu pengamatan lebih kecil adripada keragaman antara pengamatan dari pasangan
berbeda. Akal sehat dan ketajaman dalam mengenali sumber-sumber keragaman
sangatlah mendasar bagi pemilihan satu rancangan.

Bila satuan percobaan digrupkan kedalam kelompok-kelompok secara lengkap,


artinya setiap kelompo mengandung semua perlakuan, sedemikian sehingga
keragaman antara satuan percobaan didalam kelompok lebih kecil daripada keragaman
antara satuan percobaan di dalam kelompok lebih kecil daripada keragaman antara
satuan percobaan daari kelompok yang berbeda, maka ketepatan percobaan
ditingkatkan akibat dikendalikannya galat. Kelompok-kelompok demikian ini juga
sering disebut ulangan (replikasi). Rancangan ini sering dikenal sebagai rancangan
kelompok lengkap teracak (randomized complete block design). Galat percobaan
didalam ulangan atau kelompok setelah disesuaikan oleh pengaruh perlakuan. Jadi,
keragaman antarakelompok dan keragaman antarperlakuan tidak menyusup kedalam
galat percobaan.

Bila banyaknya perlakuan dalam suatu pecobaan meningkat, maka banyaknya


satuan percobaan yang diperlukan untuk ulangan juga meningkat. Dalam banyak hal,
ini mengakibatkan bertambah besarnya galat percobaan, uang berarti pula ragam
dalam populasi induknya. Tersedia pula rancangan yang membagi kelompok lengkap
itu menjadi sejumlah kelompok yang tak lengkap sedemikian sehingga setiap
kelompok tak lengkap mangandung hanya sebagian perlakuan dengan aturan tertentu.
Sehingga galat percobaan dapat diduga dari satuan percobaan didalam kelompok tak
lengkap itu. Dalam hal ini ketepatan yang meningkat sejauh satuan percobaan didalam
kelompok tak lengkap lebih seragam daripada kelomo tak lengkap didalam ulangan.
Rancangan demikian dinamakan rancangan kelompok tak lengkap (incomplate block
design). Pembaca dipersilahkan mengacu pada Cochran dan Cox (6.2) dan federer
(6.4).

Rancangan Petak Terabagi (split-plot design) termaksud rancangan kelompok tak


lengkap yang ketepatan pembandingin tertentu lebih ditingkatkan tetapi dengan ketepatan
pembandingan yang lain menurun sebagai imbangan yang harus dibayar. Secara
keseluruhan ketepatanna tidak berubah, sama dengan rancangan dasar yang digunakan.
Beberapa rancangan petak terbagi dibicarakan dalam bab 16.

Dalam percobaan pembandingan antarsemua perlakuan bersifat sama pentingnya,


satu jenis rancangan kelompok tak lengkap lainnya sering digunakan. Perlakuan
diberikan pada satuan percobaan sedemikian sehingga setisap perlakuan terdapat
bersama setiap perlakuan lain sama banyaknya didalam kelompok tak lengkap itu.
Rancangan demikian dikenal sebagai rancangan kelompok tak lengkap berimbang.
Rancangan yang lain yaitu kisi berimbang sebagian mempunyai sifat bahwa setiap
perlakuan terdpat hanya dengan beberapa perlakuan tertentu lain tidak semunya. Didalam
kelompok tak lengkap.

Rancangan terbaik bagi situasi tertentu adalah rancagan yang paling sederhan
menghasilkan ketepatan yang dikehendaki. Tidak ada gunanya menggunakan rancangan
yang rumit bila ketepatan yang lebih tinggi tidak dapat diperleh.

2. Penggunaan pengamatan kokomitan. Dalam banyak peercoaabaan, ketepatan


dapat tingkatkan melalui penggunaan pengamatan bantu dan teknik yang disebut
analisis peragam (analisis of covariance). Analisis ini digunakan bila keragaman
antar satuan percobaan sebagian disebabkan keragaman dalam peubah atau ciri
yang lain yang tidak cukup dapat dikontrol sehingga bermanfaat dalam
menentukan satuan percobaan kedalam kelompok lengkap ataupun tak lengkap.
Analisis peragaman dapat dibaca dalam Bab 17.

3. Ukuran dan bangun satuan percobaan biasanya satuan percobaan yang besar
memperlihatkan keragaman yang lebih kecil dibandingkan dengan satuan
percobaan yang kecil. Kaidah ini berlaku khususnya bila galat acak benar-benar
menyebar normal dengan ragam sama, dan merupakan konsekuensi dari hubungan
 Y2 2/ n . Sayangnya semakin besarnya ukuran satuan percobaan sering
mengakibatkan menurunnya bahan percobaan yan tersedia sangat terbatas.
Ulangan yang mencukupi tetapi dengan petak-petak kecil biasanya lebih mudah
diperoleh daripada ulangan yang mencangkupi tetapi dengan petak-petak yang
besar.

Dalam percobaan lapang, ukuran dan bangun satuan percobaan atau petak,
maupun kelompok lengkap atau tak lengkapnya, sangat penting dalam hubungannya
dengan ketepatan. Penelitian percobaan keseragaman (unifrom trail), yaitu meneliti data
dari percobaan yang tidak melibatkan satu perlakuan pun, yang dilakukan dengan banyak
tanaman dibanyak negara telah menunjukan bahwa bentuk petak hendaknya relatif
panjang da sempit untuk memperoleh ketepatan tertinggi; kelompok, baik lengkap
maupun tak lengkap, kira-kira berbentk bujursangkar. Untuk sejumlah tertentu
keragaman antar kelompok dan meminimumkan keragaman antarpetak didala, kelompok.
Keragaman besar antarkelompok menunjukan bahwa penggunaan penggunaan kelompok
ini sangat membantu karena keragaman ini telah dihilangakn dari galat percobaan, dan
tidak menyumbang pada beda antar nilai-tengah perlakuan. Bila kelompoknya
bujursangkar oleh keragaman kecil antar petak didalam kelompok. Dalam bidang tanah
yang luas, dengan kontur kesuburan yang jelas, ketepatan tertinggi diperoleh bila sisi
memmanjang petak tegak lurus pada kontur atau sejajar dengan arah gradiennya.

Untuk beberapa jenis percobaan, satuan percobaan dipilih hati-hati agar seragaman
mungkin; misalnya, tikus-tikus dari satu jalur saling dalam digunakan dalam digunakan
sebagai satuan-satuan percobaan dalam suatu percobaan gizi. Akibatnya, galat percobaan
diperkecil, tetapi sekaligus luas cakup penarikan kesimpulannya dipersempit. Respons
dari satuan percobaan yang tidak dipilih, dan dalam mengambil kesimpulan hendaknya
mengingat hal ini.
6.10. Pemilihan Perlakuan

Dalam beberapa jenis percobaan, perlakuan berpengaruh mendasar pada


ketepatan; miaslnya saja pada percobaan berfaktor, yang dibicarakan dalam Bab 15.

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.

Secara umum, semakin banyak peneliti mengetahui tentang perilakuannya yang


hendak dicobakan, semakin baik prosedur uji statssitika yang dapat diterapkan.
Pengetahuan ini sering menentukan jenis dan banyaknya suatu perlakuan tertentu. Dan
selanjutnya ini mungkin mempengaruhi ketepatan percobaan tersebut. Beberapa aspek
masalah ini akan dijumpai dalam Bab 15.

6.11. Penyempurnaan Teknik Percobaan

Perlunya percobaan dilaksanakan secara berhati-hai sangat jelas, menjadi tanggung


jawab peneliti untuk melihat bahwa segala sesuatu telah dilakukan untuk memastikan
bahwa percobaan teah dilaksanakan secara berhati-hati, karena tidak ada analisis, baik
statistik maupun lainnya, yang dapat memperbaiki data yang diperoleh dari percobaan
yang dilaksanakan secara buruk. 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.

Beberapa hal mengenai teknik pelaksanakan percobaan adalah sebagai berikut.


Sangat penting bahwa perlakuan dikenakan seragam mungkin, misalnya menyebarkan
pupuk menyemprot tanaman buah, mmotong tanaman makanan ternak sehingga tinggal
ketinggian tertentu untuk semua petak, pengisian tabung uji sampai taraf tertentu dan lain
sebagainya. Pengendalian harus dilakukan terhadap semua pengaruh luar, sehingga
semua perlakuan memberikan pengaruhnya dibawah kondisi yang diharapkan dan
terbandingkan. Misalnya, untuk membandingkan pengaruh beberapa perlakuan perlu
diadakan epidemi melalu inokulim buatan. Harus diusahakan bahwa epidemi itu
berlangsung seragam mungkin didalam setiap kelompok. Teladan lain, dalam percobaan
tanaman di lapang, bila percobaan selengkapnya tidak menyelesaikan satu hari, aka lebih
baik menyelesaikan satu atau beberapa kelompo dalam setiap harinya; dalam percobaan
laboratorium yang melibatkan tenaga beberapa laboran, maka setap labora itu hendaknya
menyelesaikan satu atau beberapa perlakua secara lengkap.

Pengukur bagi pengaruh beberapa perlakuan atau beda antar perlakuan, yang
sesuai dan tak bias, harus tersedia. Kadang-kadan ukuran ini sagat jelas dan mudah
dilakukan; dalam hal ini, peneliti serius diperlukan. Misalnya saja data rekayasa
penyehatan dalam tabel 2.3 baru diperoleh setelah percobaan dan perbaika teknik yang
berulang-ulang, karena telah diputuskan baru menerima suatu cara bila koefisiennya
keragamannya sekitar 5 persen. Kehati hatian harus dilakukan untuk mencegah kesalahan
besar dalam percobaan; supervisi yang memadai dan pemeriksaan data yang ‘jelimet’
akan mencegah kesalahan demikian itu.

Kesalahan teknis dapat memperbesar galat percobaan dala mdua cara. Ia dapat
menimbulkan fluktasi tambahan ynag sedikit banyak bersifat acak dan mungkin
mengikuti hukum peluang. Fluktuasi demikian, bila cukup besar, akan muncul dalam
nilai-nilai dugaan bagi galat percobaan. Bila peneliti menemukan bahwa galat
percobaannya konsisten lebih tinggi daripada yang diperoleh rekannya dalam bidnag
yang sama, maka ia harus memeriksa secara secara cermat pelaksanaan percobaannya
untuk menentukan sumber galat tersebut. Kemungkinan lain adalah kesalahan teknis
memperbesar galat percobaan melalui kesalahan yang bukan acak. Kesalahan demikian
ini tidak mengikuti hukum peluang sehingga belum tentu terdeteksi melalui pengukuran
individu. Uji statistika untuk mendeteksi sebenarnya ada, tetapi tidak dibicarakan dalam
buku ini. Kesalahan teknis, juga dapat mengakibatkan pengukuran yang berbias. Ini tidak
mempengaruhi galat percobaan atau beda antara nilai tengah perlakuan. Tetappi memang
mempengaruhi besarnya nilai tengah perlakuan itu sendiri. Galat percobaan tidak dapat
mendeteksi adana bias. Galat percobaan menduga ketepatan atau sifat keterulangan
pengukuran, bukan ketelitiannya.
Suatu hal yang terlampaui adalah bahwa pengukuran mungkin saja mempunyai dua
sumber keragaman utama, yang satu jauh lebih besar daripada yang lainnya. Sebagai
ilustrasi, perhatikan banyaknya protein per acre yang diproduksi oleh suatu makanan
ternak. Jumlah ini merupakan fungsi dari hasil per acre dan kandungan proteinnya.
Keragaman antar-determinasi presentase protein. Akibatnya usaha harus lebih banyak
diarahkan dalam mengurangi bagian galat percobaan yang berasal dari pengukuran
produksi tanaman itu daripada yang berhubungan dengan presentase protein. Secara
umum, bila ada beberapa sumber keragaman, paling baik adalah mencoba
mengendalikan yang paling besar.

6.12.Penggacakan

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.

Untuk menghindari bias dalam pembandingan nilai-tengah perlakuan, maka perlu


diperoleh cara untuk menyangkinkan bahwa satu perlakuan tertentu sevara konsisten
tidak diuntungkan atau dirugikan dalam ulangannya atau sumber kragaman dari luar,
baik diketahui ataupun tidak. Dengan kata lain, setiap perlakuan harus mempunyai
kesempatan yang sama untuk diberikan pada sembarang satuan percobaan, apakah itu
menguntungkan atau tidak. Keacakan menjamin peluang yang sama ini. Cochran dan cox
(6.2) mengatakan “pengacakan itu mirip asuransi, dalam hal menjaga terhadap ganguan
itu mungkin serius tetapi mungkin pula tidak.”

Rancangan sistematik, yang diperlakuannya diberika pada satuan percobaan secara


tidak acak tetapi dengan pola tertentu yang dipilih sering menghasilkan galat percobaan
yang besar atau terlalu kecil (undrestimateq atau overstimate). Juga, sering
mengakibatkan ketepatan yang tidak sama pada berbagai pembandingan nilai-tengah
perllakuan. Hal ini sangat jelas pada banyak percobaan lapang. Berbagai studi telah
mengungkapkan bahwa petak-petak yang berdekatan cenderung memberikan hasil yang
lebih sama daripada petak-petak berjauhan. Petak-petak demikian ini dikatakan
menghasilkan komponen galat atau sisaan yang berkolerasi. Akibatnya bila perlakuan
disusun dalam rutan sistematik yang sama dalam setiap ulangan, maka akan terjadi beda
ketepatan yang cukup besar dalam pembandingan nilai tenga perlakuan. Ketepatan
pembandingan antara perlakuan yang diberikan pada satuan percobaan yang berdekatan
akan lebih besar daripada perlakuan yang diberikan pada satuan percobaan yang
berjauhan. Pengacakan cenderung menghancurkan korelasi antargalat dan menjadikan uji
nyata sah dilakukan.

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.

Ulangan memungkinkan kita menghitung galat percobaan. Pengacakan menjamin


diperolehna ukuran galat percobaan yang sah.

Pemelihan antara percobaan dengan pengacakan yang sesuaia dan sistematik adalah
seperti pilihan antara jalan yang telah diketahui panjang dan kondisi belum diketahui,
ketahui bahwa jalan yang baik dan panjang ataupun kondisinya yang belum diketahui,
kecuali bahwa jalan yang baik panjang ataupun kondisinya belum diketahui, kecuali
bahwa jalan itu lebih pendek. Lebih memuaskan untuk mengetahui berapa jauh yang
harus ditempah dan bagaiamana rasanya perjalanan itu daripada mengambil jalan yang
kondisinya belum diketahui kecuali hanya lebih pendek. Sampai diperoleh hasil studi
lebih lanjut tentang rancangan sistematik ini, lebih baik disarankan untuk menghindari
penggunannya.
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.

Dalam Bab-bab 9, 15, 16, dan 18 rancangan dan sapek lain dlam analisis ragam akan
dibicarakan.

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, proses yang menjadikan hukm peluang dapat diterapkan, dilakuakan


dengan membagikan perlakuan pada suatu percobaan seluruhnya secara acak. Didalam
pengacakan sama sekali tidak dilakuakn pembatasan, seperti halnya didalam kelompok
harus mencangkup semua perlakuan. Banyaknya pengamatan pada berbagagai perlakuan
tidak dipandang sebagai pembatasan pada pengacakan. Satiap satuan percobaan
mempunyai peluang sama unrk menerima perlakuan mana pun. Jadi bila n satuan
percobaan, maka setiap perlakuan mempunyai peluang yang sama jatuh pada sembarang
satuan percobaan manapun.

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

Prosedur ini juga dapat diterapkan bila perlakuannya diulang tidak sama, misalnya
6, 6, dan 3. Bilangan dengan tiga angka digunakan karena demikian kemungkinan
diperolehnya bilangan dengan dua angka. Dalam setiap hal, teis dapat diatasi dengan
mengambil bilangan yang angkanya lebih bayak.

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.

Bila dalam proses semua satuan percobaan hendak diberi perlakuan sama, misalnya
memacul petak, maka inni harus dilakuakan dalam urutan yang acak seandainya urutan
dapat dipengaruhi hasil, seperti bila teknik bertambah baik akibat semakin biasanya
menerapkan teknik tersebut.
Analisis bagi rancangan acak lengkap juga dapat diterapkan pada data ang
‘perlakuannya’ yang hanya peubah klasifikasi dan bahkan bila dianggap perlu
mengasumsikan keacakan. Misalnya, orang ingin mengukur bobot ikan dewaa spesies
tertentu yang ditangkap dari beberapa danau (perlakuannya), dan ingin mengetahui
apakah berat ikan dewasa bervariasi dari danau ke danau.

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. Analisis statistiknya sederhana
bahkan meskipun banyakna ulangan berbeda dari perlakuan satu kelainnya dan
perlakuan-perlakuan itu mempunyai ragam yang tak sama, yang biasanya disebut sebagai
ketakhomogenan galat percobaan. Tetapi bilal terjadi keheterogenan ragam, cara
pengujian dan pembuatan selang kepercayaan memerlukan perhatian khusus.
Kesederhanaan analisis tidak hilang bila sebagian satuan percobaan atau perlakuan
tertentu hilang.

Kerugian informasi karena data yang hilang relatif kecil dibanding kerugian bila
digunakan rancangan lainnya. Banyaknya derajat bebas untuk menduga galat percobaan
adalah masimum, ini meningkatkan ketepatan percobaan dan merupakan hal penting bagi
percobaan yang kecil, yaitu derajat bebasnya bagi galat percobaan yang kecil, yaitu yang
derajat bebasnya bagi galat percobaan kurang dari 20 (lihat Pasal 6,9).

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. Dalam banyak hal kita dapat mengelompokan satuan
percobaan sehingga keraagaman antarsatuan percobaan didalam grup itu lebih kecil
daripada keragaman antarsatuan percobaa dalam grup yang berbeda. Beberapa rancangan
memnfaatkan kruntungan dari pengelompokan ini, memisahkan keragaman antar grup
dari galat percobaan, sehingga meningkatkan etepatan percobaan. Beberapa rancangan
demikian ini dibicarakan dalam Bab-bab 9, 15, dan 16.
7.3. Data dengan Kriteria Klasifikasi Tunggal: Analisis Ragam bagi Sejumlah
Sembarang Grup dengan Ulangan Sama

Tabel 7.1 mencantumkan kandungan nitrogen, dalam miligram, dalam tanaman red
clover, yang diinokulasi dengan kultur Rhizobium trifolii plus gabungan lima strain
Rhizobium meliloti seperyi yang dilaporkan olwh Erdman (7.9) masing-masing dari
ketiga kultur red clover, R. Trifolli diuji secara sendiri-sendiri dengan gabungan kelima
strain alfalfa, R. Meliloti dan satu gabungan strain red clover juga diuji dengan gabungan
starin alfalfa, sehingga semuanya ada enam perlakuan. Percobaan dilaksanakan dalam
rumah kaca dengan menggunakan rancangan acak lengkap dengan lima pot perlakuan.

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

Yj
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


596.62  11,864.34
56
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 

Analisis ragam biasanya disajikan dalam sebuah tabel analisis ragam


seperti Tabel 7.2, dalam bentuk simbolik, atau tabel 7.3, untuk teladan data yang
dibicarakan.
Kuadrat tengah galat dilambangkan dengan s2 dan sering disebut sebagai suku
galat umum (generalized error term) karena merupakan rata-rata komponen yang
disumbangkan oleh beberapa populasi atau perlakuan. Besaran ini merupakan
nilai-dugaan bagi σ2 yang sama, yaitu keragaman antarpengamatan yang mendapat
perlakuan sama, yaitu keragaman antarpengamatan yang mendapat perlakuan
sama. Bahwa σ2 yang sama ini merupakan asumsi dengan s2 merupakan nilai nilai
dugaan yang hanya jika asumsi itu benar. Masing-masing komponen yang
menyususn s2 itu hanya didasarkan pada derajat bebas yang keil, sehingga dapat
bervariasi cukup besar disekitar σ2 sehingga tidak sebaik nilai dugaan gabungan.
Prinsip ini sama seperti untuk nilai-tengah: nilai tengah dari 24 pengamatan
merupakan nilai-dugaan yang lebih baik bagi µ daripada nilai tengah yang berasal
dari empat pengamatan, karena yang pertama memiliki ragam lebih kecil. Begitu
pula, ragam contoh yang didasarkan pada 24 pengamatan merupakan nilai-dugaan
lebih baik bagi σ2 daripada yang didasarkan pada empat pengamatan, karena yang
pertama memiliki ragam lebih kecil. Kesahan anggapan bahwa masing-masing
komponen galat merupakan nilai-dugaan bagi σ2 yang sama dapat diuji dengan uji
kehomogenan  2 yang dibicarakan dalam pasal 17.3

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.2j 
i. j rt

Kuadrat tengah diperoleh dari membagi jumlah kuadrat dengan derajat bebasnya

Kuadrat tengah perlakuan merupakan nilai-dugaan yang bebaas bagi σ2 bila


hipotesis nol benar. Ragam antar nilai-tengah perlakuan menduga σ2/r. jadi r dalam
mrumus definis untuk jumlah kuadrat perlakuan meyakinkan kita bahwa kuadrat tengah
perlakuan menduga σ2 dan bukan σ2/r. Argumen serupa berlaku untuk rumus hitug yang
menggunakan total perlakuan. Dengan menerapkan pasal 5.10 diperoleh bahwa ragam
antartotal-total (lihat latihan 5.10.3) menduga r σ2, sekarang diperlakuan pembagi r bila
diperhitungkan ini diharapkan memberikan nilai-dugaan bagi σ2. Oleh karean F
didefinisikan sebagai rasio dua nilai-dugaan yang bebeasa bagi σ2 yang sama, maka
mendapat kuadrat tengah perlakuan sebagai nilai-dugaan bagi σ2 merupakan keharusan.
Kita katakan bahwa kedua kuadrat tengah didasarkan pada per-pengamatan.

Nilai F diperoleh dari membagi kuadrat tengah perlakuan dengan kuadrat tengah
galat; jadi dalam hal ini F = 169.4?11.79 = 14.37** jadi nilai F menjdikan kuadrta tengah
perlakuan sebagai satu kelipatan dari kuadrta tengah galat. Kedua kuadrta tengah itu
dapat dibandingkan, karenan masing-masingnya menduga keragaman antar pengamatan.
Nilai F hitung ini dibandingkan degan nilai F tabel untuk 5 dan 24 derajat bebas untuk
menentukan apakah akan menerima hipotesisi nol bahwa idak ada perbedaan antara nilai-
tengah-nilai-tengah populasi ataukah menerima alternatifnya. Nilai F tabel untuk 5 dan 4
derajat bebas adalah 2.62 dan 3.90 masing-masing pada tingkat peluang 0.05 dan 0.01.
karena G hitung melampaui F tabel 1 persen, kita menyimpulkan bahwa percobaan
menghasilkan bukti adanya beda yang nyata antara nilai tengah perlakuan.

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). Bila nilai kuadrat tengah
perlakuan lebih kecil dari nilai kuadrat galat dinyatakan tidak nyat, berapun nilai rasio
itu. F yang nyata berimplikasi bahwa bukti yang diperoleh cukup kuat untuk mengatakan
bahwa semua perlakuan tidak berasal dari populasli dengan µ yang sam. Tetapi, nilai F
itu tidak menuunjukan beda mana yang dianggap nyata dari segi statistik.

Perhatikan bahwa derajat bebas dan jumlah kuadrat dalam badan tabel itu
jumlahnya sama dengan nilai-nilali pada baris total. Kuadrat tenga aditif. Sifat keaditifan
jumlah kuadrat merupakan ciri percobaan yang dirancang dan dlaksanakan secara baik.
Sifat ini membawa dalam jalan pintas tertentu dalam perhitungan analisis ragam.
Misalnya, mendapatkan mendapatkan jumlah kuadrat perlakuan dari jumlah kuadrat total
seperti dalam tabel 7.3. Percobaan yang tidak direncanakan dan lakasanakan sehingga
memiliki sifat ini secara umum akan mengakibatkan perhitungan yang jauh lebih rumit
dan memiliki ketepatan per pengamatan yang lebih rendah.

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 iY 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.

Uji F satu arah dengan derajat bebas 1 dan n setara dengan uji t dua-rah dengan n
derajat bebas. Uji t ini tidak menunjukkan arah beda antara kedua nilai-tengah perlaakuan
bagu hipotesis tandingannya; jadi mirip uji F satu-arah yang menyatakan kuadrat tengah
mana yang harus lebih besar akibat beda yang tidak disebutkan arahnya antara perlakuan.
Kedua uji ini dapat diperlihatkan ekivallen, jadi t2 = F. Hubungan ini secara grafik
diperlihatkan dalam Gambar 7.1. Nilai t yang kecil, baik positif maupun negatif, bila
dikuadratkan menjadi nilai F positif yang kecil pula. Nilai t yang besar, postif maupun
negatif, bila dikuadratkan menjadi nilai F positif yang besar pula.
7.4.Data dengan Kriteria Klasifikasi Tunggal: Analisis Ragam bagi Sejumlah
Sembarang Grup dengan Ulangan Tidak Sama

Bila banyaknya pengamatan untuk setiap perlakuan berbeda, kita berhadapan dengan
kasus yang lebih umum, dan Pasal 7.3 merupakan kasus khususnya.

Sekarang akan diberi ilustrasi analisis ragamnya bagi data Tabel 7.4. Pengamatan
asalanya dilakukan disebuah dirumah kaca Itcha, New York, dan dimaksudkan untuk
menentukan ada tidaknya perbedaan genetik diantara tanaman, apakah antar atau didalam
lokasi. Adalah tempat asal tanaman itu. Data Tabel 7.4 hanya dapat dipakai untuk
pembandingan antarlokasi (lebih umum lagi, perlakuan) dan hanya mencantumkan satu
dari banyak karakter yang diperiksa.

 Y ijY 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

1,4432  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 Yˆ i Yj
2
ij Y 2i/ r i  Y
j
Yˆ
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 σ2/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 σ2

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 σ2.
Perbedaan antara keduanya adalah bahwa pada model tetap, bila percobaan itu
diulang akan melibatkan  yang sama; kita mengkonsentrasikan perhatian pada kumpulan
 itu. Percobaan pemupukan biasanya menggunakan model tetap. Pada model acak,
ulangan percobaan itu akan melibatkan tau-tau yang baru yang mungkin berbeda dari
sebulumnya namun berasal dari populasi  akan muncul pada posisi ke-i. Dalam hal ini
kita menaruh perhatian pada keragaman  karena kita tidak memusatkan perhatian pada
sekumpulan  tertentu. Percobaan yang mempelajari pengaruh genetik sapi perah pada
produksi susu sapi mengilustrasikan metode acak ini. Pada model tetap, kita menarik
kesimpulan mengenai populasi perlakuan terntentu.
Persamaan bagi model linier ini dapat pula dituliskan sebagai Y ij   i ij .

Dalam hal ini jelas bahwa µi = µ + τi, kita dapat dapat menduga µ + τi tetapi belum tentu
µ dan τi. Ini menjadi jelas bila kita memperhatiakan penarikan contoh dari satu populasi
tertentu. Beberapa banyak rata-rata respons yang harus kita berikan pada populasi asal
dan beberapa banyak untuk perlakuan? Kita memerlukan titik awal yang biasanya tidak
ada. Secara umum, kita tidak dapat menduga setiap τi atau atau τi bila kita berhadapan
dengan t buah populasi. Kita katakan model demikian ini terparameterkan-lebih
(overparameterized).
Kesulitan ini akan hilang bila kita mengenakan syarat pada parameter-parameter itu,
misalnya dengan mengambil τi = 0 ahli ekonomi sering menetapkan τi = 0
Syarat yang dikenakan semata-mata hanya untuk memperoleh jawab (solusi)
disebut kendalam terhadap jawab (constrains on the solutions), sedangkan bila kondisi
itu merupakan bagian integral dari model, artinya bila merupakan asumsi, seperti yang
dilakuakan disini, maka syarat itu disebut kendala terhadap (restrictions on the model).

Penetapan τi = 0 sehingga akibatnya tˆ = 0, sebenarnya hanyalah mengukur


pengaruh perlakuan sebagai simpangan dari nilai-tengah umum. Dengan demikian,
hipotesisnya nolnya dapat dinyatakan dengan mudah sebagai Ho: τi = 0, i =1,2...,t dan

hipotesis alternatifnya sebagai H1: ada τi ≠ 0. Bila kendalanya adalah tˆ = 0, maka H0


menyatakan bahwa semua pengaruh perlakuan sama. Jelas, ketika mengembangkan
analsis ragam kita membanyangkan model tetap dalam pikiran kita. Tetapi nanti kita
akan menerapkan analisis ragam ini pada model acak, yang dalam hal demikian H1:
 2 0 .
Sekali modelnya ditetapkan, kita dapat menyatakan parameter mana yang sedang
diduga ketika kita menghitung berbagai kuadrat tengah dengan nilai F. Untuk model I
dan Modl II, bila percobaan itu diulang terus-menerusdan kuadrat tengah yang diperoleh
kemudian dirata-ratakan, kita akan mmperoleh nilai-nilai harapan, seperti dalam Tabel
7.6 dari satu percobaan kita memperoleh nilai-dugaan bagi nilai-nilai harapan itu.
Baiklah kita terapkan model I pada data Rhizobium dalam Tabel 7.1. Dari Tabel

7.3. dan Tabel 7.6. jelaskan bahwa untuk menduga


 2
i
kita harus mengurungkan
(t  1)
kuadrat tengah dalam kultur dari kuadrat tengah antarkultur dan kemudian membaginya
dengar r=5. Dengan demikian,

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)  2r 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

Nilai 31.52 merupakan nilai-dugaan bagi keragaman kumpulan  tertentu tadi dan
setiap keragaman dalam nilai-dugaan ini, dari percobaan satu ke percobaan lainnya,
adalah akibat keragaman dalam nilai dugaan bagi  2 bukan akibat perbedaan τ dari
contoh satu ke lainnya, karena yang demikian itu memang tidak ada.

Untuk percobaan yang menggunakan Model II, keragaman nilai-dugaan bagi  2


merupakan akibat keragaman dalam nilai-dugaan bagi  2 dan perbedaan τ dari contoh
satu ke lainnya, karena yang demikian itu memang tidak ada.

Untuk prcobaan yang menggunakan Model II, keragaman nilai-dugaan bagi  2


merupakan akibat keragaman dalam nilai-dugaan bagi  2 dan perbedaan τ dari contoh
satu ke contoh lainnya.
Bila ulangan perlakuannya tidak sama, maka koefisien r bagi nilai rata-rata
kuadrat tengah perlakuan, bagi model II, menjadi

r 0  r i 
  r 2i  1


  i  t  1
r

Untuk model I, nilai rata-rata kuadrat tengah perlakuan bergantung pada apakah τ-
nya merupakan simpangan dari nilai-tengahnya atau apakah nilai-tengah terbobotinya,
sehingga akibatnya juga jumlah terbobbotinya, sama dengan nol atau tidak. Nilai-nilai itu
dicatumkan dalam tabel 7.7. Nilai rata-rata kuadrat tengah galat adalah  2 tidak
bergantung pada kendala yang dikenakan pada tau-tau itu.
Bahwa bagi ulangan yang sama, kuadrat tengah mempunyai nilai harapan seperti
pada Tabel 7.6 telah diperlihatkan. Kuadrat tengah bagi individu dalam perlakuan
diperoleh melalui penggabungan dugaan-dugaan seperti yang diperoleh dari
Y i1   i i1...., Y ir   i ir yang dalam hal ini hanya ɛ yang bervariasi jelas bahwa

ini akan menghasilakn nilai-dugaan bagi  2 ; hal yang sama juga berlaku bila r adalah
suatu peubah. Kuadrat tengah perlakuan dapt didasarkan pada total
Y 1 r  r 1 1......,Y t r  r t t

Atau nilai-tengah Yˆ    1 1.........., Yˆ    t t

Bila hipotesisi nol benar, maka totalnya sesungguhnya berbentuk r  i dan


ragamnya merupakan nilai-dugaan r, maka kuadrat tengah dalam analisis ragam itu
merupakan nilai-dugaan bagi rσ2. Namun karena dalam analisis ragam itu merupakan
nilai-dugaan bagi  2 . Bila hipotesis nol salah, maka total-total itu berbentuk r  r i i

sehingga τɛ menyumbang pada keragaman total-total itu. Sumbangan yang beraasal dari
ɛ tetap sama dengan σ2 pengkuadratkan total-total itu akan menghasilkan suku-suku
sepert r i . Dengan demikian sumbangan dari τ adalah r  2i (t  1) atau sebuah nilai-

dugaan bagi r 2 karea kita mengasumsikan bahwa τ dan ɛ bebas, maka tidak ada
sumbangan yang bernetuk hasil kali τ dengan ɛ
Tabel 7.7 Nilai harapan kuadrat tengah bagi model I, ulangan tidak sama

Syarat atau kendala Kuadrat tengah perlakuan adalah dugaan bagi

  0 r   r   /  r
 
2 2
i 2 i i i i i

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 ri berubah-ubah sehingga akan

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

Y 2i Y2
i r  r  i r i (Y iY ..)2
i i i

Dan disebelah kiri tanda sama dengan adalah rumus hitung bagi jumlah kuadrat
perlakuan. Sedangkan yang disebelah kanan tanda sama dengan adalah jumlah kuadrat
terboboti dari simpangan nilai-tengah perlakua terhadap nilai-tengah umum, yang
 
  r iY 
 
atau dalam bentuk lain yang eukivalen   pembobot
Y..
didefinisikan sebagai
 ri  r i 
yang diberikan pada simpangan-simpangan kuadrat itu berbnding terbalik dengan ragam
masing-masing ragam nilai-tengahnya. Jadi ragam yang besar akan menghasilkan
pembobot yang kecil dan begitu sebaliknya. Sekarang menjadi jelaslah bahwa tidak ada
penagaruh perlakuan, maka kuadrat tengah perlakuan akan merupakan penduga bagi σ2,
sedangakan bila pengaruh perlakuan itu ada, maka ada pula sumbangan yang berasal dari
tau-tau itu (lihat Tabel 7.7)

Bila kriteria uji untuk menguji nilai-tengah perlakuan dengan F, dalam analisis
ragam, hipotesis nolnya adalah tidak ada beda antara nilai-tengah perlakuan dan hipotesis
alternatifnya adalah beda antara nilai-tengah pelakuan itu ada. Beda sebenarnya mungkin
merupakan akibat pengaruh perlakuan atau pengaruh acak. Dasar kriteria uji ini adalah
pembandingan dua ragam yang bebas, yang bila hipotesis nol benar keduanya menduga
ragam yang sama. Bila beda pengaruh perlakuan sesungguhnya ada, kita peroleh
 2 r  2i / t  1  2r 2
F atau F
s2 s2

Bergantung pada modelnya. Lambang , disebut topi, menunjukan bahwa


tidak mungkin menduga komponen ragam itu hanya dari pembilangan saja. Sehingga
secara rata-rata bila beda antara pengaruh perlakuan itu ada. Sehingga secara rata-rata
bila beda antara pengaruh perlakuan itu ada, pembilangannya akan lebih besar daripada
penyebutnya. Bergantung pada model yang digunakan, kita berusaha mendeteksi besaran
populasi  /t  1 atau
2
i  2 . Biasanya untuk model tetap dengan kendala   0
i

kita mempunyai H0:  i 0 , i=1,2....t sedangkan untuk model acak H0 adalah kesamaan

tau-tau itu sehingga H0 :  2 0 lawan H1:  2 0 . Uji ini disebut uji satu-arah,

pengacuan terhadap arah menyatakan relatif terhadap sebaran F.

7.6. Analisis Ragam untuk Data dan Anak Contoh; Banyaknya Anak-contoh Sama
Dalam beberapa percobaan, beberapa pengamatan diambil dari setiap satuan
percobaan, yaitu satuan yang dikenai perlakuan. Pengamatan itu diambil pada satuan
anak-contoh (Subsample). Beda antara anak contoh daalam satu satuan percobaan lebih
bersifat beda pengamatan bukan beda satuan pecobaan. Untuk teladan, perhatiakan data
Tabel 7.8 sejumlah besar tanaman ditana pada pot-pot empat untuk setiap pot yang
merupakan satuan percobaan. Pemberian perlakuan pada pot dilakuakn secara acak
lengkap, tiga pot per perlakuan. Pemberian perlakuan semua pot diacak secara relatif
terhadap lokasi selama waktu siang hari dan setiap grup pot diacak secara lengkap
didalam rumah kaca bersuhu rendah atau tinggi selama waktu malam hari. Pengamatan
dilakuakn terhadap setiap tanaman.
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.
Keragaman yang kedua ini biasanya lebih besar dari pada yang pertama tetapi
tidak selalu. Peneliti biasanya mengetahui apakah ini merupakan sumber
keragaman yang nyata; misalnya, mungkin saja za t hara, sinar matahari,
kelemabapan dan lainnya lebih bervariasi dari pot satu kepot yang lainnya
daripada dalam pot seniri. Akibatnya ukuran keragamannya yang dihitung dari
total atau nilai-tengah pot untuk perlakuan yang sama akna mengandung kedua
sumber keragaman itu.

Kuadrat tengah bagi kedua jenais keragaman diatas, berturut-turut, disebut


galat penarikan contoh (sampling error) dan galat percobaan (eksperimental
error). Bila keragaman kedua titik tidak ada, galat percobaannya akan lebih besar
karena mengandung tambahan sumber keragaman.

Keadaan serupa banyak dijumpai dalam percobaan lapang. Seorang ahli


agronomi mungin ingin menentukan banyaknya tanaman persatuan luas, atau
seorang ahli entomologi ingin menentukannya banyaknya kutu pada sapi dalam
sebuah percobaan untuk mengevaluasi insektisida pemusnah kutu. Dalam kedua
kasus itu, anak-contoh dapat diambil dari setiap satuan percobaan. Dalam analisis
kimia, penentuan duplo atau triplo sring dilakuakan dalam setiap contoh. Dalam
percobaan lapang dan peternakan keragaman antar ternak –contoh atau satuan
penarikan contoh dalam satuan percobaan merupakan ukuran kehomogenan
satuan prcobaan, sedangkan dalam analisis kimia keragaman itu dihubungkan
dengan keterulangan (repeatability) teknik percobaan. Inilah keragaman yang
menimbulkan galat penarikan contoh (sampling error)

Dalam pengujian hipotesis mengenai nilai tengan perlakuan, yang layak


dijadikan pembagi untuk mendapatkan F adalah kuadrat tengah galat percobaan,
karena itu mencakup keragaman dari semua sumber yang menyumbang pada
keragaman nilai-tengah perlakuan kecuali perlakuan itu sendiri.

Data yang dapat diklasifikasikan oleh sebuah sistem yang berupa urutan
khas dari kriteria klasifikasi, dan setiap kriteria berlaku dalam semua kategori
kriteria sebelumnya, dinamakan dalam klasifikasi hirarki (hirarchical
clasificatio), klasifikasi terserang (nested clasification) atau klasifikasi dalam-
dalam-dalam (within-within-within clasification). Misalnya data alam tabel 7.8
dapat diklasifikasikan menurut perlakuan, kombinasi suhu-waktu kemudian pot
yang sama. Tidak ada lagi urutan yang masuk akal. Perlakuan itu sendiri dapat
diklasifikasikan dalam salah satu dari kedua urutan, jam-dalam-suhu atau suhu-
dalam-jam. Perlakuan yang membentuk klasifikasi dua-arah akan dibicarakan
dalam bab 9.

Perhitungan misalkan Y ijk menyatakan pertumbuhan tanaman k dalam pot

j yang menerima perlakuan i,k=1,....,4, j=1,2,3, i=1,.....,6. Misalnya saja tanaman


2 dalam pot 3 yang menerima perlakuan 6 (termperatur malam yang tinggi setalah
waktu siang hari selama 16 jam) mempunyai pertumbuhan batang 7.0 cm, jadi
Y 632 = 7.0 cm. Nomor tanaman dan pot hanya untuk memudahkan penandan

pengamatan. Jadi tanaman bernomor dua tidak mempunyai sesuatu yang sama
kecuali nomor itu, dan pot-pot bernomor tiga juga tidak mempunyai nomor
perlakuan sama menerima perlakuan yang sama sehingga diharapkan memberi
respons yang serupa, sedangkan tanaman atau pot dengan nomor perlakuan
berbeda mungkin memberi respons yang berberda pula.

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 ijk2C
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

 24 2(12 2 atau 12 


Antarpot 2
17 205.47 )
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 2 93,s2 
2.15  93
 .30,
 t 2i  35.93  2.15  2.82 (atau = s 2 bagi model II)

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
Disini kita mengasumsikan bahwa ragam antarpot sama untuk semua perlakuan.
Jumlah perlakuan dan derajat bebasnya digabungkan untuk memperoleh nilai-dugaan
bagi ragam yang sama ini.
Keragaman antar tanaman, yang digunakan untuk mengukur galat penariakan
contoh, juga hadir dalam keragaman antarpot, karena pot yang berbeda juga berisi
tanaman yang berbeda, sehingga juga ada dalam keragaman antar perlakuan. Jadi, dalam
ragam perlakuan maupun ragam pot-dalam-perlakuan, terdapat ragam antar tanaman.
Dalam keragaman antar perlakuan juga terdapat sumbangan dari keragaman antar pot
yang mendapat perlakuan sama, seandainya keragaman yang terakhir ini ada, karena
pengaruh perlakuan, dan bukan galat penarikan contoh, karena kaudrat tengah hanya
memiliki satu tambahan sumber keragaman yang tidak dmiliki oleh galat percobaan,
yaitu disebabkan oleh perlakuan itu sendiri. Dengan denikian, pengujian hipotesis nol
bahwa tidak ada beda antara pengaruh perlakuan dapat dilakuakn melalui

F=

= 35.93/2.15 = 16.7** dengan 5 dan 12 db


Galat percobaan mungkin mengandung, mungkin pula tidak, karena keragaman
selain yang ada antaranak-contoh. Ini bergantung pada beda lingkungan yang terjadi
antar-satuan percobaan yang satu dengan yang lainnya dan apakah keragaman itu lebih
besar daripada yang di dalam satuan percobaan, dalam hal ini pot. Untuk ini dapat
dilakuakn pengujian sebagai berikut

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 iY 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 Linear 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 τ 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 . ɛ dan  dianggap tidak berhubungan, artinya terambilnya nilai
tertentu ɛ. Sekarang perhatikan total pot yang digunakan dalam perhitungan galat
percobaan. Untuk data kita, total pot di berikan oleh

4   4 i   ijk
k

Untuk ke-18 kombinasi i dan j . Suatu ragam yang dihitung berdasarkan jumlah
itu, dengan menganggap i tetap, akan mengandung 4  2 dan (4)2  2 ; yang pertama

melibatkan ragam jumlah  dan yang kedua melibatkan ragam kelipatan masing-masing
ɛ, yang sesungguhnya merupakan pengolahan yang bersifat pengkodean. Sehingga
koefisien nya berturut-turut 4 dan 42. Prosedur perhitungan yang digunakan
mengharuskan kita membagi setiap jumlah kuadrat dengan banyaknya pengamatan dalam
setiap besaran yang dikuadratkan. Sehingga kuadrat tengah galat percobaan yang
dihasilkan menduga  24 2 . Argumentasi serupa akan menghasilkan koefisien bagi
komponen-komponen kuadrat tengah perlakuan. Hasilnya dicantumkan dalam Tabel 7.9.
sekarang apa yang ingin dideteksi oleh nilai F menjai jelas,. Dari nilai F, terlihat bahwa
 2 dan sumbangan perlakuan ada dalam data kita. Karena komponen perlakuannya ada
kecuali bila kita memperoleh contoh yang sangat ‘tidak biasa’, maka kita simpulakan
bhwa hipotesis nol H0 :  1 2 ...  6 0 salah sehingga sekurang-kurangnya ada satu τ
yang berbeda dari lainya. (tanpa  i = 0 kita menguji kesamaan semua sumbangan

perlakuan).
Perhatikan bahwa satuan pengukuran adalah ½ cm dan galat penarikan-contohnya
adalah 0.93, yang menghasilkan simpangan baku 0.96 cm. Ingat dari pasal 2.15, bahwa
disarankan agar selang kelasnya tidak lebih besar daripada seperempat simpangan bakunya, agar
kehilangan informasinya sekeci mungkin. Kalau sebenarnya kita menginginkan nilai-dugaan
galat penarikan contoh yang kehilanan informasinya sekecil mungkin karena pemilihan ukuran
satuan pengukuran, maka satuan pengukuran yang kita ambil ini ternyata tidak memuaskan.
Dalam hal ini kita masih beruntung bahwa galat penarikan contoh relatif tidak banyak digunakan.
Hal ini yang perlu diakemukakan sehubungan dengan pemilihan satuan pengukuran ini adalah:
suatu perlakuan seperti suhu malam yang tinggi dengan lama siang 8 jam, pot 3 jam, yang semua
pengamatannya sama, tidak menyumbang apa-apa pada jumlah kuadrat galat penarikan, contoh
tetapi menyumbang 3 derajat bebas. Dalam kasus seperti ini, kadang-kadang disarankan untuk
menghilangkan ketiga derajat bebas itu dari totalnya.

7.8. Analisis Ragam 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 s2  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  21.90 24.50 2
Pabrik dalam daerah = 5 1.79 0.36  21.64 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 s2 >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 ˆ 2 positif.

Sekarang kita akan membuat “suku galat” untuk menguji pengaruh daerah
KT ( P)  KT (O)
ˆ 21.90ˆ 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 Perencanaan 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. Jawabannya berasal dari besar relatig galat percobaan
dan galat penarikan-contoh dan biaya. Mengambil anak-contoh, dimana pengukuran
dilakukan, mungkin memerlukan analisis kimia yang mahal, prosedur yang memakan
waktu, atau uji yang merusakkan barang mahal, sedangkan pengambilan contoh mungkin
sangat mudah dan murah. Pada keadaan lain, mengambil contoh mungkin memerlukan
alat tambahan, petak, binatang percobaan, atau biaya perjalanan yang mahal, sedangkan
penarikan anak-contoh tidak melibatkan semua itu. Mungkin juga keadaan sesungghnya
berada ditngah-tengah.

Bila ata hasil percobaan tersedia, data itu dapat dimanfaatkan untuk perencanaan
percobaan mendatang. Data dari percobaan tanaman mint yang dilaporkan dalam tabel
7.8 dan tabel 7.9 akan digunakan untuk mengilustrasikan prosedurnya. Galat percobaan
kriteria yang digunakan untuk menilai nyata atauu tidaknya pembandingan antar nilai-
tengah perlakan, terdiri atas dua sumber keragaman, yaitu keragaman antar tanaman yang
diberi perlakuan sama, σ2 dan keragaman akibat perbedaan lingkungan pot yang
perlakuan sama,  2 . Kedua sumber keragaman itu menyumbang pada ragam antarnilai-
tengah pot yang diperlakuakn sama, lebih besar daripada ragamp pot yang didasarakan
pada galat penarikan contoh yaitu s2/4 = 0.93/4 = 0.23

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
 23s 2 . Percobaan demikian akan menghasilkan ragam galat kira-kira sebesar

s 2 3s2  .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

Keadaan kemngkinan biaya yang lain juga diperlihatkan. Bila harga tanaman naik
sampai 1 ajam-orang, maka kenaikan biaya akibat penggunaan tanaman naik sampai 1
jam-orang, maka kenaikan biaya akibat penggunaan tanaman yang sedikit tetatapi dengan
pot yang lebih banyak menjadi lebih perlahan.

Terakhir kita perhatikan usaha lainnya. Misalnya, kita pertimbangkan mengambil


dua tanaman per pot dengan tiga pot per perlakuan dan menambah banyaknya perlakuan
menjadi dua belas. Percobaan demikian mempunyai banyaknya pengamatan yang sama
dan derajat beba syang cukup untuk menduga galat percobaan.

Sebagian tambahn pertimbangan lainnya, kita juga dapat memperkenalkan ide


ketepatan percobaan itu, seperti dibahas dalam pasal 6.8.

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 
c 2s2

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

C1 = biaya per pot

C2 = biaya per tanaman

s 2 dan s2 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

Asumsi kenormalan tidak diperlukan dalam pendugaan komponen ragam. Bila


asumsi ini tidak diadakan maka disyaratkan galat-galatnya tidak berkolerasi. Dalam
prakteknya, kitak tidak pernah mengetahui dengan apsti apakah asumsi-asumsi tadi
dipenuhi atau tidak; bahkan sering kali ada lasan untuk percaya bahwa ada anggapan
tertentu yang tidak dipenuhi. Pembahasan yang sangat baik, konsekuensinya bila tidak
dipenuhi. Pembahasan yang sangat baik, konsekuensinya bila tidak dipenuhi, dan
langkah-langkah perbaikannuya dibahas oleh Eisenhart (7.8), Cochran(7.3), dan
Bartlett(7.2) dibawah ini akan dibahas secara singkat
Tidak dipenuhi suatu atau lebih asumsi dapat mempengaruhi baik tingkat
nyatanya (level of significancy) maupun kepekaan F atau t terhadap penyimpangan
sesungguhnya dari hipotesis nol. Dalam kasus ketidaknormalan, tigkat nyata yang
sesungguhnya biasanya lebih besar daripada yang dinyatakan. Ini mengakibatkan
peluang ditolaknya hipotesis alternatif yang benar. Hilangnya kepekaan pada uji nyata
dan pendugaan parameter terjadi karena suatu uji yang lebih kuasa dapat disusun bila
model matematik sesungguhnya diketahui. Dengan kata lain, bila sebaran galat yang
sebenarnya dan sifat pengaruhnya lebih baik dalam hal mendeteksi atau menduga
pengaruh sesungguhnya. Bagi kebanyakan data biologi, pengalaman menunjukan bahwa
gangguan yang terjadi karena tidak dpenuhinya syarat-syarat itu tidak terlalu serius.
Kekecualian tentu saja ada dan prosedur untuk menganalisis data yang demikian in iakan
dibahas nanti. Sesungguhnya kebanyakan data tidak memenuhi selengkapnya persyaratan
yang dinyatakan oleh model matematikanya, sehingga prosedur untuk pengujian
hipotesis dan pendugaan selang kepercayaan harsulah diartikan sebagai suatu hampiran
bukan sesuatu yang pasti.
Sekarang perhatikan asumsi bahwa pengaruh perlakuan dan lingkungan
harus aditif. Sebagai ilustrasi, lihat persamaan (5.14) untuk satuan percobaan yang
berpasangan. Bentuk ketidkaditifan yang sering terjadi aalah bila pengaruh itu bersifat
multiplikatif. Pembandingan antara model yang aditif dengan yang multiplikatif
diberiakn dalam tabel 7.13 dengan mengabaikan galat percobaan.
Untuk model aditif, kenaikan dari blok 1 ke blok 2 merupakan jumlah yang
tetap tidak tergantung perilakunya; begitu pula untuk untuk perlakuan. Untuk model yang
multiplikatif, kenaikan dari blok 1 ke blok 2 merupakan presentase yang tetap, tdak
bergantung pada perlakuannya; begitu pula untu perlakuan. Bila perilaku bersifat
multiplikatif, maka dengan melogaritmakan data pengaruhnya menjadi aditif, sehingga
analisis ragam dapat diterapkan pada data yang telah dialgoritmakan. Data baru ini yaitu
logaritmanya, disebut data yang telah ditransformasika data beimplikasi nagwa galat
percobaannya bersifat bebas dan mnyebar normal dalam skla yang baru itu, bila kita
ingin melakuakn uji nyata. Sebuah uji keaditifan diberikan dalam pasal 15.8
Adanya ketidakaditifan dalam data mengakibatkan keheterogenan galat yang
disebabkan oleh tak dipenuhi asumsi, karena tidak dilakuakn transfomasi sebelumnya.
Komponen ragan galat ang disumbang oleh berbagai pengamatan tidak menduga ragam
yang sama. Ragam galat gabungan yang diperoleh sedikit tidak efisien untuk selang
kepercayaan pengaruh perlakuan, dan dapat memberi tingkat nyata yang palsu untuk
pembandingan nilai-tengah perlakuan tertentu, tetapi tingkat nyata bagi uji F yang
mencangkup semua nilai-tengah perlakuan hanya dipengaruhi sedikit.
Tabel 7.13 Model aditif dan multiplikatif
Model Log (multiplikatif menjadi
Aditif Multiplikatif
aditif)

Pasangan
1 2 1 2 1 2
Perlakuan 1 10 20 10 20 1.00 1.30
Prlakuan 2 30 40 30 60 1.48 1.78

Asumsi kedua tidaklah bebas dari yang pertama, seperti telah dilihat dan
sesungguhnya merupakan kesatuan. Perhatiakan sumsi kebebasan galat, atau lebih umum
lagi asumsi tidak ada korelasi antar galat. Dalam percobaan lapang, respons tanaman dari
petak – petak yang berdekatan cenderung lebih mirip daripada petak yang berjauhan.
Demikian pula dalam percobaan laboratorium pengamatan seseorang pada waktu yang
relatif sama. Akibatnya hasil uji nyata dapat mengoceh kita, kalau kita tidak berusaha
mengatasi kesuliatn ini. Dalam raktek, perlakuan diberikan pada satuan percobaan secara
acak atau urutan pengamatan dilakuakn secara acak; pengaruh proses pengacakan adalah
agar galat-galat itu bebas satu sama lain.
Dalam percobaan lapang, rancangan sistematik akan menempatkan perlakuan
yang sama berdekatan dalam semua kelompok (blok). Karena petak yang berdekatan
cenderung memberi respons yang sama, maka ketepatan pembandingan menjadi lebih
besar bagi perlakuan-perlakuan yang berjauhan. Analisis ragam bagi data yang demikian
ini akan memberikan galat yang terlalu besar untuk pembandingan tertentu, tetapi terlalu
kecil untuk pembandingan lainnya. Ragam galat khusus untuk pembandingan tertentu
tidak tersegi. Cochran dan Cox (7.4) meringkaskan perlunya pengacakan dengan sangat
baiknya dala pernyataan berikut:
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. Untuk mengatasi ini bagilah galat tersebut didalam komponen
yang homogen untuk menguji pembandingan-pe,bandingan tertentu. Kadang-kadang bila
nilai-tengah sat atau dua perlakuan lebih tinggi daripada lainnya dan keragamannya juga
lebih besar, perlakuan itu dapat dikeluarkan dari analisis.
Penyimpangan salah satu dari asumsi-asumsi lainnya dapat mengakibatkan
keheterogenan galat percobaan. Saran untuk mengatasi hal ini telah dilakuakn dan
bergantung pada sifat penyimpangan itu.