Acara 2: Selisih Dua Rerata dan Analisis CRD

Tujuan: Memahami konsep uji selisih dua rerata menggunakan uji T

Mengerjakan perancangan percobaan teracak lengkap dan melakukan
analisis varians berbasis cuplikan (contoh)

Menganalisis data dari rancangan tsb. dan menafsirkan hasilnya

A. Selisih Dua Rerata

Seringkali percobaan dilakukan untuk membandingkan rerata dari dua perlakuan

yang diberikan. Sebagai contoh percobaan untuk mengetahui pengaruh pemberian

pupuk organik dan pupuk kimia, pengaruh penggunaan dua metode pembelajaran yang
berbeda, pengaruh sekolah lapang budidaya tanaman terhadap pendapatan petani, dan

lain sebagainya. Hal yang ingin dijawab dari contoh percobaan-percobaan tersebut

adalah ‘apakah selisih dari dua rerata kelompok atau perlakuan yang diujikan

berbeda secara signifikan ?’. Kesimpulan untuk menjawab pertanyaan tersebut dapat
diketahui dengan menggunakan Uji T (T test). Uji T merupakan salah satu metode

analisis data yang cukup populer di berbagai bidang ilmu.

Uji T memiliki beberapa kategori berdasarkan objek penelitian dan asumsi ragam
dari dua populasi yang akan diuji, yaitu Uji T untuk data berpasangan (1) dan Uji T untuk

data tidak berpasangan (2). Uji T untuk data tidak berpasangan dapat diklasifikasikan

berdasarkan asumsi homogenitas variannya yaitu Uji T untuk varian homogen (2a) dan

uji T untuk varian tidak homogen (2b). Secara umum untuk melakukan uji T terdapat
tiga nilai yang wajib untuk diketahui yaitu rerata, varian, dan banyak objek dari setiap

kelompok atau perlakuan yang diujikan.

Data berpasangan dihasilkan dari percobaan yang membandingkan dua kelompok

atau perlakuan berbeda yang diterapkan pada unit percobaan yang sama. Sebagai

contoh adalah percobaan untuk mengetahui perbedaan hasil panen padi di 17

kecamatan di Kabupaten Sleman sebelum dan sesudah pembangunan saluran irigasi

teknis. Perhatikan bahwa objek percobaan tersebut adalah sama untuk kedua perlakuan

(sebelum vs. sesudah), yaitu 17 kecamatan di Kabupaten Sleman. Contoh lain adalah

pengaruh pemberian nutrisi tambahan terhadap pertumbuhan 20 ekor ikan di suatu

kolam. Objek dari percobaan tersebut adalah 20 ekor ikan di suatu kolam yang
mendapat perlakuan tidak mendapat nutrisi dan diberi nutrisi tambahan. Perhatikan

bahwa kedua kelompok atau perlakuan yang diujikan memiliki obyek yang menempati

unit percobaan dengan batasan dan jumlah yang sama (17 kecamatan dan 20 ekor ikan).

Data tidak berpasangan dihasilkan dari percobaan yang setiap perlakuannya memiliki

unit percobaan masing-masing. Sebagai contoh penelitian untuk membandingkan nilai

mata kuliah perancangan percobaan dari dua kelas (kelas A dan B) yang berbeda.
Perhatikan bahwa kelompok dalam penelitian tersebut adalah kelas A dan B. Setiap

kelompok memiliki unit percobaannya masing-masing. Unit percobaan adalah

mahasiswa dari kelas A dan kelas B. Contoh lain adalah penelitian untuk

membandingkan pengaruh dua jenis pupuk (pupuk X dan Y) terhadap pertumbuhan

bibit tanaman Rasamala. Penelitian diulang sebanyak 10 kali di masing-masing

perlakuan. Perhatikan bahwa penelitian tersebut memiliki 20 unit percobaan yang terdiri

dari masing-masing 10 unit percobaan milik perlakuan X dan perlakuan Y.

Uji T untuk data berpasangan memiliki dua klaisifikasi berdasaran asumsi

homogenitas variannya, yaitu uji T dengan asumsi varian homogen dan varian tidak

homogen. Asumsi varian dalam uji T tidak dapat dilihat secara langsung dari rerata

maupun varian kedua kelompok atau perlakuan. Uji homogenitas varian atau uji F perlu
dilakukan untuk menentukan uji T yang tepat. Kesalahan dalam memilih jenis uji T

berdasarkan asumsi homogenitas variannya dapat berdampak pada penarikan

kesimpulan yang tidak tepat dari suatu percobaan.

B. Rancangan Teracak Lengkap

Rancangan Teracak Lengkap (Completely Randomized Design, CRD) dapat

dipandang sebagai pengambilan t (t > 1) cuplikan yang saling bebas (independent) (atau
pengukuran terhadap sejumlah cuplikan dari t grup perlakuan) dengan ukuran masing-

masing ri (i = 1, 2, ..., t). Jika ri besarnya sama, dapat disimbol ulang r (r1= r2= rt= r).

Perhatikan, CRD tidak mensyaratkan banyaknya ulangan sama untuk setiap perlakuan.

Perlu diperhatikan bahwa dalam CRD, tiap objek cuplikan harus sedapat mungkin

dalam kondisi yang seragam (homogen), baik cara mendapatkannya maupun

keadaannya. Setiap kegagalan menjaga keseragaman akan memperbesar varians dan

mengurangi daya uji analisis.

Karakteristik lain CRD yang penting adalah pengacakannya dilakukan satu tahap (lihat

acara 1): setiap satuan percobaan dikenakan secara acak ke salah satu perlakuan yang

telah ditentukan sebelumnya. Hal ini sama persis dengan pengacakan pada uji-t untuk

cuplikan-cuplikan yang diambil secara independen (bukan berpasangan).

Analisis varians untuk CRD

Dalam menganalisis varians untuk percobaan dengan Rancangan Teracak Lengkap,

banyak cara dapat dilakukan. Analisisnya dalam literatur statistika dikenal sebagai

analisis varians satu arah (one-way analysis of variance). Untuk latihan, akan digunakan

set data berikut.

Analisis dilakukan lewat model linear dan cara ini lebih berguna untuk rancangan

yang lebih rumit kelak. Data dapat disimbolkan dengan Yij , maka suatu data yang

muncul dari suatu satuan percobaan ke-j dari perlakuan ke-i adalah

Yij = μ + τi + εij,

dengan ij = (Yij – μ + τi) ~ NID (0, σ2). NID artinya Normally and Independently
Distributed, residualnya independen dan mengikuti distribusi normal. Besaran τi = (μi –

μ), disebut pengaruh perlakuan. Bentuk ini disebut sebagai model linear matematis.
Hipotesis nol yang digunakan adalah H0: μ1 = μ2 = ... = μt = μ dapat ditulis H0: τ1 =

τ 2 = ... = τ t = 0. Melalui metode kuadrat terkecil (least squares), kita mendapatkan

penduga-penduga (diberi simbol “topi“) bagi, berturut-turut¸ μ, τi , dan εij :

=𝑌 𝑖.

=𝑌 𝑖. −𝑌 ...

𝑖𝑗 = 𝑌𝑖𝑗 − − 𝑖
 Selanjutnya, menghitung Jumlah Kuadrat (JK) dan derajat bebas (db). JK Antargrup

perlakuan (= JK Perlakuan) =ΣΣ dengan derajat bebas (db) sebesar t - 1 dan JK Dalam

Grup (= JK Sesatan) = ΣΣ dengan derajat bebas sebesar Σ (ri – 1) atau t(r - 1) jika

semua perlakuan memiliki ulangan yang sama, sebesar r. Untuk contoh data kita di atas,

i = 1, 2, 3, 4 (banyaknya perlakuan (t) ada 4, atau ditulis t = 4); dan banyaknya ulangan

untuk tiap perlalkuan sama, sebesar r (ditulis r = 5), untuk contoh kita j = 1, 2, ... , 5.

Dalam latihan satu (Latihan 1), data disusun dalam format kategoris, yaitu nama

grup perlakuan dan nomor ulangan masing-masing disusun dalam kolom tunggal dan

data hasil pengamatan disusun pada kolom berikutnya, pada tempat yang bersesuaian

dengan perlakuan dan nomor ulangan yang menjadi labelnya. Bukalah buku kerja

Praktikum Perancangan Percobaan Acara 2 untuk memahami petunjuk dalam

melakukan analisis anova CRD melalui model linear menggunakan MS. Excel!

Selanjutnya dalam latihan dua (Latihan 2), lakukan analisis data yang sama (Anova

CRD) dengan menggunakan R Studio dan file syntax Acara CRD.R yang telah tersedia!

Hitunglah juga nilai CV (Coefficient of Variation)!

Koefisien keragaman (Coefficient of Variation, CV)

Koefisien keragaman (CV) adalah ukuran keragaman sesatan terhadap satuan

pengukuran. Koefisien tersebut dihitung dengan membagi akar kuadrat tengah sesatan

dan rerata umum. Nilai CV dalam % dapat dipakai untuk membandingkan

antarpercobaan yang serupa. Apabila nilai CV lebih dari 100%, maka banyaknya ulangan

perlu ditambahkan jika percobaan tersebut ingin diulang dengan tujuan melihat

perbedaan perlakuan yang nyata. Jika nilai CV% yang didapat dari percobaan di luar

dari kisaran ekspektasinya, maka dapat diduga bahwa percobaan dilakukan dengan
tidak semestinya atau kaidah-kaidah percobaan tidak ditaati. Nilai CV (%) yang wajar

pada umumnya berkisar antara 5% sampai 20%.

C. Analisis varians berbasis cuplikan (pengamatan berganda)

Dalam praktik sering terjadi, lebih dari satu data dapat diperoleh dari satu peubah

dalam satu unit percobaan. Sebagai contoh, jika unit percobaan berupa petak dengan

sejumlah tanaman jagung dan data tinggi tongkol diukur dari sejumlah tanaman.

Contoh lain, unit percobaan berupa seekor ayam dan datanya berupa kadar hemoglobin

darah yang tentu saja dapat diukur lebih dari sekali. Dalam hal demikian, yaitu

pengukuran dilakukan di sebagian unit percobaan. Percobaan dikatakan berbasis data

cuplikan. Namun demikian, rancangan lingkungan pada dasarnya tentu saja dapat sama

seperti sebelumnya. Kita akan pelajari RAL dengan subsampel, tetapi cara analisisnya

dapat diterapkan pula untuk rancangan lain.

Perhatikan data percobaan yang dirancang untuk mengetahui hubungan dosis N (1

pot tanpa N, 2 pot N sedang, dan 3 pot N tinggi) dengan kandungan protein padi yang

diukur dari dua contoh masing-masing 1 g dari setiap pot berikut ini. Model yang

dipakai tentu saja serupa dengan model untuk RAL hanya ada tambahan faktor

kebetulan untuk contoh pengukuran protein:

Yijk = + τi + 𝑖𝑗 + δijk,
i = 1,2, …, t, j = 1,2, …, ri, dan k = 1,2, …, mij

dengan mij = banyaknya cuplikan yang diambil dari unit percobaan ke-j yang mendapat

perlakuan i. Indeks k dibutuhkan untuk menunjukkan banyaknya cuplikan. Pada ilustrasi

ini t = 3, r1 = 1, r2 = 2, r3 = 3. dan mij= 2 untuk setiap i dan j. Penduga setiap komponen

model serupa dengan pendugaan komponen model rancangan dasarnya dengan satu
data dari tiap unit percobaan: 𝜇 = 𝑌 (rerata seluruh data), Y i = 𝑌𝑖. − 𝑌 (rerata perlakuan

dikurangi rerata seluruh data), 𝜀𝑗 = i𝑗 − 𝑌 𝑖 dan δijk = Yijk - + + . Di bawah hipotesis

nol seperti biasa, H0: μ1 = μ2 = ... = μt = μ, analisis varians dilakukan.

 Y
Gunakan MSExcel! Untuk mendapatkan 𝑖𝑗 kita perlu menghitung ij. (rerata tiap
satuan percobaan) terlebih dulu dalam tabel ini:

i J μˆ ˆτ i ˆε ij
Yij .

1 1
2 1
2 2
3 1
3 2
3 3

dan δijk sekarang dapat dihitung dengan mengisi tabel ini:

i J k Yijk μˆ ˆτ i εˆ ij δijk
1 1 1
1 1 2
... ... ...
… … …
t Ri mij
() ……… ……… ……… ……… ………
2
() ……… ……… ……… ……… ………
JKData FK JKP JKS JKC

JKS merupakan JK antarulangan dalam perlakuan, sedangkan JKC merupakan JK

antarcuplikan dalam ulangan. JKT adalah JKData – FK. Tabel ANOVA-nya sbb. Pengujian

untuk “Ulangan dalam perlakuan” menguji H 0 : (σ2 + cσ2w) = σ2w. Selanjutnya buatlah
tabel di bawah ini dan lakukan pengujian!

Sumber Keragaman db JK RK Fhit

Perlakuan t–1 JKP RKP RKP/ RKC
Ulangan dalam perlakuan (S) Σ(ri–1) JKS RKS RKS/RKC
Cuplikan dalam ulangan (C) ΣΣ(mij–1) JKC RKC

Total ΣΣmij–1 JKT

Menggunakan perangkat lunak R, kita perlu menyadari terlebih dahulu bahwa

“Ulangan dalam perlakuan” (S) adalah “Sesatan karena satuan percobaan (experimental
error)” dan “Cuplikan dalam ulangan” (C) adalah “Sesatan karena satuan pencuplikan

(sampling error). Janganlah lupa untuk membuat komponen perlakuan, Ulangan dalam

perlakuan, dan Cuplikan dalam ulangan sebagai data kategori (dengan as.factor() atau

factor(dataframe$kolom) terlebih dahulu. Bukalah file syntax Acara Subsample.R.

Latihan: Lakukanlah analisis Anova CRD Subsample menggunakan R Studio dan

menggunakan MS. Excel (model linear)! Untuk lebih memahami analisis data

menggunakan R Studio maka bukalah Buku Kerja Acara 2! Untuk analisis anova

menggunakan model linear di MS. Excel, lakukanlah secara mandiri ketika proses

praktikum berlangsung (diawasi oleh asisten) dengan petunjuk yang ada di buku

panduan Praktikum Perancangan Percobaan Acara 2 (buku ini)!