Banyaknya perlakuan dan ulangan hanya dibatasi Rancangan ini digunakan apabila satuan percobaanya dapat
oleh banyaknya satuan percobaan dikelompokkan secara berarti.
Ulangan boleh berbeda-beda Biasanya banyaknya satuan dalam setiap kelompok yang
Analisis statistik sederhana sama dengan banyaknya perlakuan.
Kerugian informasi karena data yang hilang relatif Tujuan pengelompokkan adalah untuk memperoleh satuan
sedikit percobaan yang seseragam mungkin dalam setiap kelompok,
sehingga beda yang teramati sebagian besar disebabkan oleh
KERUGIAN perlakuan.
Sering kali tidak efisien Pembagian perlakuan dilakukan secara acak terhadap setiap
satuan percobaan di dalam kelompok.
Galat percobaan mencakup seluruh keragaman
antar satuan percobaan kecuali yang disebabkan Misalnya : Percobaan pengamatan pertumbuhan pohon
oleh perlakuan pada areal dengan tingkat kesuburan berbeda
Pengelompokan untuk RAK 5 perlakuan (A,B,C,D,E) dengan 4
ulangan
memperkecil galat
B A D E C
Pembuatan denah RAK
Tempat pecobaan dibagi dalam blok,
A E C D B
banyaknya blok= banyaknya ulangan,
Arah panjang blok tegak lurus dengan
D C B A E
arah peralihan kesuburan
Blok(ulangan) dibagi dalam petak (plot).
D E A B C
Banyaknya petak = banyaknya perlakuan
Penempatan perlakuan dalam petak
dalam blok dilakukan secara acak.
Keuntungan RAK:
Model Anova RAK
Sama seperti RAL, analisis data statistik
bersifat sederhana SK db JK KT Fhit F F1
5% %
Apabila ada satu-dua data hilang bisa
Ulangan b-1 JK U JK U/(db U) KTU/KTG
mengggunakan teknik data yang hilang Perlakuan t-1 JK P JK P/(db P) KTP/KTG
Galat (t-1)(b-1) JK G JKG/(db G)
Andaian gradien satu arah terpenuhi,
Total bt-1 JKP+JK
RAK lebih efisien dibanding RAL U+JKG
Kekurangan RAK
Apabila andaian gradien satu arah tak
terpenuhi, presisi dan efisensi lebih
rendah dibanding RAL (karena
berkurangnya derajat bebas galat)