MAKALAH

PERANCANGAN PERCOBAAN

“Rancangan Faktorial”

KELOMPOK IV
MUHAMMAD REYNALDI (17037036)
RHABLI M.S (17037048)
RESTU DINDA REGINA (17037052)
RISKY AGREVINA (17037058)
SOFHIA PUTRI (17037066)

PROGRAM STUDI STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI PADANG

2019
 KATA PENGANTAR

Alhamdulillah kami ucapkan puji syukur kehadirat Allah Swt ataslimpahan

rahmat,taufik,dan hidayah-Nyasehingga kami dapatmenyelesaikan penyusunan makalah dengan

judul “Subsampling dalam Rancangan Acak Lengkap (RAL)” guna untuk melengkapi tugas

“Perancangan Percobaan”. Sholawat dan salam kami curahkan kepada Nabi Muhammad SAW

karena beliau telah mengubah dunia ini dari zaman kegelapan menjadi zaman terang benderang.

Makalah ini kami susun secara efektif dengan landasan pengetahuan yang kami ambil

dari berbagai sumber, kemudian kami diskusikan untuk menjadi satu kedalam bentuk

makalah.Kiranya makalah ini masih sangat jauh dari kata kesempurnaan. Oleh karena itu kami

menerima kritik dan saran yang sifatnya membangun demi memperbaiki isi dari makalah

ini.Kami berharap semoga makalah ini dapat menambahilmu pengetahuan dan wawasan kepada

pembaca serta ridho dari Allah SWT.

Padang, 15 Februari 2019

Penyusun
 BAB I
PENDAHULUAN
A. Latar Belakang

Percobaan merupakan salah satu cara untuk menemukan sesuatu. Percobaan sering
dirancang untuk meneliti satu atau lebih populasi. Suatu kondisi yang mencirikan sebuah
populasi disebut perlakuan (Sriliana, 2007).

Rancangan percobaan merupakan bagian dari rancangan penelitian ilmiah. Rancangan

percobaan dikenal juga sebagai rancangan lapangan. Jenis-jenis rancangan lapangan yang
biasanya digunakan adalah Rancangan Acak Lengkap, Rancangan Kelompok Acak Lengkap,
Rancangan Persegi Latin, dan Rancangan Persegi Latin Graeco (Lentner & Bishop, 1986).

Rancangan Acak Lengkap adalah rancangan lapangan pada suatu lokasi yang homogen.
Rancangan ini dikatakan acak karena setiap satuan percobaan mempunyai peluang yang sama
untuk mendapatkan perlakuan sedangkan dikatakan lengkap karena seluruh perlakuan yang
dirancang dalam percobaan tersebut digunakan. (Lentner & Bishop, 1986). Analisis dalam
Rancangan Acak Lengkap ini dapat dilakukan dengan mudah dan langsung.

Dalam Rancangan Acak Lengkap, banyaknya satuan percobaan tidak dibatasi. Namun
dalam beberapa situasi, dimungkinkan ketidakpraktisan untuk mengukur atau mengamati
keseluruhan satuan percobaan. Oleh karena itu, upaya yang dapat dilakukan untuk
menanggulangi hal tersebut menggunakan Rancangan Acak Lengkap dengan subsampel.

Ketidaksamaan jumlah data tiap perlakuan dan unit sampel dapat terjadi dalam Rancangan
Acak Lengkap dengan subsampel. Ketidaksamaan ini dimungkinkan terjadi karena adanya data
yang hilang atau jumlah ulangan yang berbeda.

Menurut Lentner dan Bishop (1986) kemungkinan ketidaksamaan kasus data pengamatan
yang akan ditemui antara lain : (1) ketidaksamaan jumlah ulangan tetapi jumlah unit sampel
sama, (2) ketidaksamaan jumlah unit sampel tetapi jumlah ulangan sama, dan (3) ketidaksamaan
jumlah unit sampel dan ulangan. Dari tiga kasus tersebut dimungkinkan mempunyai tabel
ANAVA yang berbeda satu dengan lainnya.
 Berdasarkan hal tersebut, penulis tertarik untuk mempelajari dan membahas prosedur
ANAVA dalam Rancangan Acak Lengkap dengan subsampel pada 3 kasus yang berlainan,
seperti tersebut di atas.

B. RUMUSAN MASALAH
1. Bagaimana pemakaian model rancangan acak faktorial dalam permasalahan sehari-
hari ?
2. Bagaimana model rancangan acak faktorial dalam perancangan percobaan?
C. TUJUAN
1. Untuk mengetahui permasalahan seperti apa yang memakai rancangan faktorial
2. Untuk mengetahui model rancangan faktorial
 BAB II

PEMBAHASAN

A. Pengertian rancangan faktorial

Rancangan faktorial merupakan percobaan yang perlakuannya terdiri atas semua

kemungkinan kombinasi taraf dari beberapa. Percobaan dengan menggunakan f faktor
dengan t taraf untuk setiap faktornya disimbolkan dengan percobaan faktorial ft . Misalnya,
percobaan faktorial 22 artinya kita menggunakan 2 faktor dan taraf masing-masing faktornya
terdiri dari 2 taraf. Percobaan faktorial juga sering ditulis dalam bentuk percobaan faktorial
2x2.
Misalnya suatu percobaan terdiri dari 4 faktor dan masing-masing faktor terdiri dari 2
tingkat, maka banyaknya kombinasi perlakuan adalah 24 =16. Penyimbolan yang terakhir
sering digunakan untuk percobaan faktorial dimana taraf dari masing-masing faktornya
berbeda,misalnya 2 taraf untuk faktor A dan 3 taraf untuk faktor B, maka percobaannya
disebut percobaan 2x3. Dengan demikian dalam percobaan faktorial ada dua tahap yang
perlu diakukan, pertama yaitu rancangan perlakuannya seperti yang sudah diuraikan
sebelumnya dan selanjutnya tahap pemilihan rancangan lingkungannya yaitu yang
menyangkut bentuk desain percobaan seperti RAL, RAKL,RBSL,Split-plot.

Percobaan faktorial mempunyai beberapa keuntungan diantaranya sebagai berikut :

1. Karena percoban faktorial seolah-olah merangkum beberapa percobaan faktor tunggal
sekaligus, maka percobaan faktorial akan lebih menepatgunakan (efektif) dan
mendayagunakan (efisien) waktu, bahan, alat, tenaga kerja, dan modal yang tersedia dalam
mencapai semua sasaran percobaan-percobaan faktor tunggal sekaligus.
2. Setiap tingkat faktor A diterapkan terhadap setiap tingkat faktor B dan sebaliknya, maka
setiap tingkat faktor A atau B akan terulang pada semua tingkat faktor lainnya (B atau A).
Hal ini disebut ulangan tersembunyi, sehingga dalam percobaan faktorial ini, semua tingkat
faktorial A atau B akan diulang sebanyak r ulangan riel dan n ulangan tersebunyi. Hal ini
jelas akan meningkatkan derajat ketelitian pengamatan terhadap pengaruh-pengaruh faktor
perlakuan dalam percobaan.
 3. Jika pada percobaan faktor tunggal tidak diketahui bagaimana pengaruh faktor-faktor
utama yang dikombinasikan, maka dalam percobaan faktorial akan diketahui pengaruh
bersama (interaksi) terhadap data hasil percobaan.
1. Model linear aditif dari rancangan ini secara umum (misal komposisi perlakuan disususn oleh
taraf-taraf faktor A dan B ) adalah sebagai berikut :
Yij = µ + α1 + β1 + (αβ)ij + ikj
Dimana: Yij nilai pengamatan pada faktor A taraf ke-i faktor B taraf ke-j dan ulangan ke-K (µ,α1,
β1 ) merupakan komponen aditif dari rataan, pengaruh utama faktor A dan pengaruh utama faktor
B, (αβij) merupakan komponen interaktif dari faktor A dan faktor B sedangkan ikj merupakan
pengaruh acak yang menyebar normal (0, σ2 )
Selain asumsi kenormalan dari komponen acak dan model aditif masih terdapat asumsi-asumsi
lain yang juga harus di perhatikan yaitu :
(i) Untuk model tetap : ∑𝑖=1 𝛼i =0 ; ∑𝑗=1 𝛽 j =0; ∑𝑖=1(𝛼𝛽)ij = ∑𝑗=1(𝛼𝛽)ij =0
(ii) Untuk model acak :α1 ̴N (0,𝜎𝛼2 ); βj ̴ N(0, 𝜎𝛽2 ); (αβ)ij ̴ N(0;𝜎𝛼𝛽
2
)
2. Struktur Tabel Sidik Ragam nya dapat disajikan sebagai berikut:
Sumber Jumlah Kuadrat
Derajat bebas
Keraga Kuadrat Tengah Nilai Harapan Kuadrat Tengah E(KT)
(db)
man (JK) (KT)
Model Tetap (faktor A dan faktor B tetap )
A 𝑎−1 JKA KTA 𝜎𝑐 2 + 𝑏𝑟(∑ 𝛼𝑖 2 ) ∕ (𝑎 − 1)
B 𝑏−1 JKB KTB 𝜎𝑐 2 + 𝑏𝑟(∑ 𝛽𝑖 2 ) ∕ (𝑏 − 1)
AB (𝑎 − 1)(𝑏 − 1) JKAB KTAB 𝜎𝑐 2 + 𝑏𝑟(∑ 𝛼𝛽𝑖𝑖 2 ) ∕ (𝑎 − 1)(𝑏 − 1)
Galat 𝑎𝑏(𝑟 − 1) JKG KTG 𝜎𝑐 2
Model acak (faktor A dan faktor B acak )
A 𝑎−1 JKA KTA 𝜎𝑐 2 + 𝑟𝜎𝛼𝛽 2 + 𝑏𝑟𝜎𝛼 2
B 𝑏−1 JKB KTB 𝜎𝑐 2 + 𝑟𝜎𝛼𝛽 2 + 𝑎𝑟𝜎𝛽 2
AB (𝑎 − 1)(𝑏 − 1) JKAB KTAB 𝜎𝑐 2 + 𝑟𝜎𝛼𝛽 2
Galat 𝑎𝑏(𝑟 − 1) JKG KTG 𝜎𝑐 2
Model campuran (faktor A dan faktor B tetap atau sebaliknya )
A 𝑎−1 JKA KTA 𝜎𝑐 2 + 𝑏𝑟𝜎𝛼 2
𝜎𝑐 2 + 𝑟(𝑏 ∕ (𝑏 − 1)))𝜎𝛼𝛽 2 +
B 𝑏−1 JKB KTB 𝑎𝑟(∑ 𝛽𝑖 2 ) ∕ (𝑏 − 1)
AB (𝑎 − 1)(𝑏 − 1) JKAB KTAB 𝜎𝑐 2 + 𝑟(𝑏 ∕ (𝑏 − 1)))𝜎𝛼𝛽 2
Galat 𝑎𝑏(𝑟 − 1) JKG KTG 𝜎𝑐 2
Total 𝑎𝑏𝑟 − 1 JKT
Keterangan :arah panah menunjukkan arah pengujian untuk masing-masing sumber keragaman
Bentuk hipotesis yang diuji dalam rancangan dua faktor dalam rancangan acak lengkap adalah
sebagai berikut :
Pengaruh utama faktor A
H0 :α1 =...=α2=0 (faktor A tidak berpengaruh )
H1 : Paling sedikit ada satu i dimana αi ≠ 0
Pengaruh utama faktor B
H0 :β1 =...=β2=0 (faktor B tidak berpengaruh )
H1 : Paling sedikit ada satu j dimana βj ≠ 0
Pengaruh sederhana (interaksi) faktor A dengan faktor B
H0: (αβ)11= (αβ)12= ...=(βα)ab= 0 (interaksi faktor A dengan faktor B tidak berpengaruh )
H1 : paling sedikt ada sepasang (i,j) dimana (αβ)ij ≠ 0
Hipotesis di atas berlaku hanya untuk model tetap, sedangkan untuk model acak hipotesis yang
diuji adalah keragaman pengaruh faktor A (𝜎𝛼2 ), keragaman pengaruh faktor B (𝜎𝛽2 ),keragaman
pengaruh interaksi faktor A dengan faktor B (σαβ2).sedangkan untuk model campuran
disesuaikan dengan sifat dari masing-masing faktor (faktor A acak dan faktor B tetap atau
sebaliknya ).
Langkah-langkah perhitungannya adalah sebagai berikut :
o FK = faktor koreksi
𝑌…2
FK = 𝑎𝑏𝑟

o JKT = Jumlah kuadrat total

2
JKT= ∑𝑎𝑖=1 ∑𝑏𝑗=1 ∑𝑟𝑘=1(𝑌𝑖𝑗𝑘 − 𝑌̅… ) = ∑ ∑ ∑ 𝑌𝑖𝑗𝑘 2 − 𝐹𝐾
o JKA = Jumlah kuadrat faktor A
2
𝑌𝑖...
JKA = ∑𝑎𝑖=1 ∑𝑏𝑗=1 ∑𝑟𝑘=1(𝑌̅𝑖… − 𝑌̅… )2 = ∑ 𝑏𝑟 − 𝐹𝐾

o JKB = Jumlah kuadrat faktor B

2 2
𝑌.𝑗.
JKB = ∑𝑎𝑖=1 ∑𝑏𝑗=1 ∑𝑟𝑘=1(𝑌̅.𝑗. − 𝑌̅… ) = ∑ 𝑎𝑟 − 𝐹𝐾

o JKAB = Jumlah kuadrat interaksi faktor A dan B

2
JKAB = ∑𝑎𝑖=1 ∑𝑏𝑗=1 ∑𝑟𝑘=1(𝑌̅𝑖𝑗 − 𝑌̅𝑖.. − 𝑌̅.𝑗. + 𝑌̅)
 𝑎 𝑏 𝑟
2
= ∑ ∑ ∑(𝑌̅𝑖𝑗 − 𝑌̅… ) − 𝐽𝐾𝐴 − 𝐽𝐾𝐵
𝑖=1 𝑗=1 𝑘=1

Atau JKAB= 𝐽𝐾𝑃 − 𝐽𝐾𝐴 − 𝐽𝐾𝐵

2 𝑌𝑖𝑗 2
Dimana JKP= ∑ ∑ ∑(𝑌̅𝑖𝑗 − 𝑌̅… ) = ∑ ∑ 𝐹𝐾
𝑟

o JKG = Jumlah kuadrat galat

𝐽𝐾𝐺 = 𝐽𝐾𝑇 − 𝐽𝐾𝑃
Pengujian hipotesis:
Dari ketiga model rancangan diatas menunjukkan bahwa untuk model yang berbeda akan
menyebabkan struktur yang berbeda pengujian masing-masing sumber keragaman berbeda atau
dengan kata lain tidak selalu sumber keragaman diuji dengan keragaman galat.
Untuk model tetap pengujian faktor A, faktor B maupun interaksinya diuji dengan
sebaran F yaitu dengan menghitung rasio kuadrat tengah masing-masing sumber keragaman
dengan Kuadrat Tengah Galat (KTG). Secara matematik dapat dirumuskan sebagai berikut:
𝐾𝑇𝐴
o Fhitung (𝐴) = 𝐾𝑇𝐺
𝐾𝑇𝐵
o Fhitung (𝐵) = 𝐾𝑇𝐺
𝐾𝑇(𝐴𝐵)
o Fhitung (𝐴𝐵) = 𝐾𝑇𝐺

Contoh Soal :
Balai karantina ingin mengetahui pengaruh lama fumigasi yang berbeda (2 dan 4 jam) dengan
pemberian fumigasi dengan dengan berbagi dosis (0, 16, 32, 48, 62; gr/m3) terhadap daya
kecambah benih Tomat. Metode pengecambahan yang digunakan adalah Growing on Test. Unit
percobaan yang digunakan diasumsikan. Datanya diperoleh sebagai berikut:
Tabel Daya Kecambah (%) benih Tomat pada berbagi dosis Fumigasi Methyl Bromide
(CH3Br) selama 2 jam dan 4 jam.

Lama Dosis Fumigasi (g/m3)

Ulangan
Fumigasi
0 16 32 48 64
1 96 92 92 74 50
2 98 88 94 74 50
2
3 94 90 84 68 54
Total 288 270 270 216 154
 1 90 88 78 0 0
2 94 92 82 0 0
4
3 92 94 74 0 0
Total 276 274 234 0 0

Jawab :
A. Hipotesis
B. Model Aditif yang digunakan
𝑌𝑖𝑗𝑘 = 𝜇 + 𝛼𝑖 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + 𝜀𝑖𝑗𝑘
dimana
𝑌𝑖𝑗𝑘 = nilai pengamatan pada faktor a taraf ke-i faktor B taraf ke-j dan ulangan ke k.
(𝜇, 𝛼𝑖 , 𝛽𝑗 ) = merupakan komponen aditif dari rataan, pengaruh utama faktor A dan pengaruh
utama faktor B.
(𝛼𝛽)𝑖𝑗 = komponen interaksi dari faktor A dan faktor B.
𝜀𝑖𝑗𝑘 = pengaruh acak yang menyebar normal (0, 𝜎 2 ).

C. Menentukan taraf signifikansi : 5% (α = 0,05%)

D. Kriteria Penolakan H0 : H0 ditolak jika sig < 0,05 atau Fhitung > Ftabel
E. Perhitungan ANAVA secara Manual

Lama Dosis Fumigasi (g/m3) (Faktor B) Total

Fumigasi Ulangan
Yi
(Faktor A) 0 16 32 48 64
1 96 92 92 74 50
2 98 88 94 74 50
2 3 94 90 84 68 54 1198
Total
288 270 270 216 154
Y1j
1 90 88 78 0 0
2 94 92 82 0 0
4 3 92 94 74 0 0 784
Total
276 274 234 0 0
Y2j
Total Yj 564 544 504 216 154 1982

o Perhitungan Faktor Koreksi

a = 2 (jumlah faktor A)
b = 5 (jumlah faktor B)
r=3
𝑌…2 (1982)2
sehingga FK = = = 130944,13
𝑎𝑏𝑟 2(5)(3)

o Jumlah Kuadrat Total (JKT)

JKT= ∑ ∑ ∑ 𝑌𝑖𝑗𝑘 2 − 𝐹𝐾
= (962 + 982 +. . . +02 ) − 130944,13
= 16850 − 130944,13
JKT = 37595,87
o Jumlah Kuadrat Perlakuan (JKP, JKA, JKB, JK(AB)
𝑌𝑖𝑗 2 (2882 +2702 +⋯+02 )
JKP = ∑ ∑ 𝐹𝐾 = − 130944,13
𝑟 3

= 168374,66 − 130944,13
= 37430,5367
𝑌𝑖... 2 (11982 +7842 )
JKA = ∑ − 𝐹𝐾 = − 130944,13 = 136657,33 − 130944,13 = 5713,20
𝑏𝑟 5(3)

𝑌.𝑗. 2 (5642 +5442 +5042 +2162 +1542 )

JKB = ∑ − 𝐹𝐾 = − 130944,13
𝑎𝑟 2(3)

= 156403,33 − 130944,13
= 25459,20
JK(AB) = 𝐽𝐾𝑃 − 𝐽𝐾𝐴 − 𝐽𝐾𝐵 = 37430,5367 − 5713,20 − 25459,20
= 6258,13
o Jumlah Kuadrat Galat (JKG)
JKG = 𝐽𝐾𝑇 − 𝐽𝐾𝑃 = 37595,87 − 37430,5367 = 165,3
o Kuadrat Tengah (KTP, KTA, KTB, KT(AB), KTG)
a. db perlakuan = 𝑎𝑏 − 1 = 2(5) − 1 = 9
𝐽𝐾𝑃 37430,5367
KTP =𝑑𝑏 𝑝𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛 = = 4158,94
9

b. db faktor A = 𝑎 − 1 = 2 − 1 = 1
𝐽𝐾𝐴 5713,20
KTA = = = 5713,20
𝑑𝑏 𝑓𝑎𝑘𝑡𝑜𝑟 𝐴 1

c. db faktor b = 𝑏 − 1 = 5 − 1 = 5
𝐽𝐾𝐵 25459,20
KTB = 𝑑𝑏 𝑓𝑎𝑘𝑡𝑜𝑟 𝐵 = 4
= 6364,8
 d. db faktor (AB) = (𝑎 − 1)(𝑏 − 1) = 1(4) = 4
𝐽𝐾(𝐴𝐵) 6258,13
KT(AB) =𝑑𝑏 𝑓𝑎𝑘𝑡𝑜𝑟(𝐴𝐵) = = 1564,53
4

e. db galat =𝑎𝑏(𝑟 − 1) = 2(5)(2) = 20

𝐽𝐾𝐺 165,33
KTG = 𝑑𝑏 𝑔𝑎𝑙𝑎𝑡 = = 8,2665
20

Tabel Analisis Ragam Pengaruh lama fumigasi dengan pemberian fumigasi terhadap
daya kecambah benih Tomat

Sumber Keragaman db JK KT Fhitung 5%

Perlakuan 9 37430.537 4158.95 503.11

Lama (Faktor A) 1 5713.2 5713.20 691.13
Dosis (Faktor B) 4 25459.2 6364.80 769.95
Interkasi (Faktor AB) 4 6258.13 1564.53 189.26
Galat Total 20 165.33 8.2665
Total 29 37595.87

ANOVA: Hasil versus Dosis, Lama

Factor Type Levels Values

Dosis fixed 5 1, 2, 3, 4, 5
Lama fixed 2 1, 2

Analysis of Variance for Hasil

Source DF SS MS F P
Dosis 4 25459.2 6364.8 769.94 0.000
Lama 1 5713.2 5713.2 691.11 0.000
Dosis*Lama 4 6258.1 1564.5 189.26 0.000
Error 20 165.3 8.3
Total 29 37595.9

S = 2.87518 R-Sq = 99.56% R-Sq(adj) = 99.36%

Expected Mean
Square for Each
Term (using
Variance Error restricted
Source component term model)
1 Dosis 4 (4) + 6 Q[1]
2 Lama 4 (4) + 15 Q[2]
3 Dosis*Lama 4 (4) + 3 Q[3]
4 Error 8.267 (4)