Sutoro
BB BIOGEN
PRINSIP PERANCANGAN PERCOBAAN
• Ulangan (replication)
• Pengacakan (randomization)
• Pengendalian tempat percobaan (local control)
B A E
A E D
A B C
D C B
E C D
Model linier
• Model linier RAL : Y = µ + Vi + ε
ε
V1
V1 Vt
u =rata-rata umum, Vi= pengaruh varietas , ε = error
ANOVA- RAL
A B D
C A C
B D E
E C A
D E B
RAK
Rancangan Bujursangkar Latin (RBSL)
• Keragaman dlm 2 arah
-Teras
-lahan petani
Model Y = µ + Bj+ Kk + Vi + ε
Lay out- RBSL
A B C D E
B C D E A
C D E A B
D E A B C
E A B C D
Rancangan Augmented
dalam RAK
• Digunakan perlakuan banyak
• Umumnya untuk keperluan seleksi (awal)
• Sejumlah perlakuan dikelompokkan
• Tiap kelompok terdapat perlakuan kontrol
1 2 A 3 4 B 5 6 C 7 8 9 10 D 11 E 12 13 14 F 15
BLOK I
16 B 17 C 18 D 19 20 A 21 22 F 23 24 25 26 E 27 28 29 30
BLOK II
31 32 F 33 34 E 35 36 B 37 38A 39 40 C 41 42 43 44 D 45
BLOK III
46 47 D 48 A 49 50 B 51 52 53 C 54 55 56 F 57 58 E59 60
BLOK IV
Banyaknya kelompok b minimum
• b > [12/(c-1)] + 1
c = jumlah perlakuan kontrol
b= jumlah kelompok
Pengaruh kelompok/blok
• Rj = Bj – M
• Bj = rata-rata semua perlakuan kontrol pada kelompok ke-j
• M = rata-rata keseluruhan perlakuan kontrol
1 5 4 4 5 3
6 2 3 1 4 2
2 6 6 3 1 5
Percobaan 2 faktor dalam RAK
Model Y = µ + Bk+ Vi + Sj + VSij + ε
1 4 2 6 5 3 Blok I
6 2 3 1 4 5 Blok II
2 6 4 3 1 5 Blok
III
Rancangan SPLIT PLOT
• Percobaan dengan menggunakan rancangan split plot,
bila
- ada salah satu faktor yang lebih penting daripada faktor yang lain
(faktor yang lebih penting ditempatkan sebagai sub-plot, yg kurang
penting sebagai main plot)
• Percobaan multilokasi untuk uji daya hasil varietas (RAK tiap lokasi)
Lay out-percobaan nested (blok tersarang dalam S)
Blok I
Blok II
Blok III
Blok IV
Percobaan multilokasi
• Rancangan percobaan pada setiap
lokasi/musim menggunakan RAK
• Anova data gabungan dari setiap lokasi
percobaan:
-lingkungan,
-ulangan dalam lingkungan,
-genotipe,
-interaksi genotipe x lingkungan
-galat.
STATISTIK NON PARAMETRIK - Uji Kruskal
Wallis
• Analisis statistik non parametrik digunakan bila asumsi yang
mendasari analisis parametrik tidak dipenuhi, seperti asumsi dasar
data yang diambil dari populasi yang memiliki sebaran/distribusi
normal atau data peringkat (skala ordinal).
• Uji kesamaan dua atau lebih populasi lebih ditekankan pada apakah
populasi-populasi tersebut merupakan populasi yang identik.
Pembeda = z 1- α/k(k-1) x √ k (N+1)/6, z = nilai tabel distribusi normal
baku dan k=banyaknya populasi/perlakuan
Analisis Peubah Ganda
• Analisis komponen utama
• Analisis kluster
• Analisis regresi berganda
Analisis komponen utama
• Variabel baru komponen utama (PC) : kombinasi dari variable
pengamatan
• PC1 Y1= a1 X1 + a2 X2 + a3 X3 + a4 X4 + a5 X5 + a6 X6
• PC2Y2= b1 X1 + b2 X2 + b3 X3 + b4 X4 + b5 X5 + b6 X6 ….. dan
seterusnya
Dendrogram
Varietas
30,84
53,89
Similarity
76,95
100,00
17614 6 65572 05 5 5 50 9123 6 8788 2 247678113716 2 4613 9 915 8 27579 6748 019 06 4 63 873702 5 8 5772 0973 13914 9 9 89 3 4106 10189 041279 4 0513 3214 48 7717217815 3 2 73 4 6
48 4 910 2 5 8 5 4 5 5 2 3 9 44 2 49 4 8 9 8 9 4 6 2 32 6 5 6 23 6 3 3 3 5 83 3 5 5 8 2 6 6 6 2 6 8 9 8 99
Observations
• Y=a+bX
• Y = a + b1 X1 + b2 X2 + ….. + bk Xk