I.

UNSUR –UNSUR PERCOBAAN

1.1.

Pendahuluan Dalam suatu penelitian, pertanyaan kunci untuk dijawab umumnya

ditunjukkan dalam suatu pertanyaan hipotesis yang harus dijelaskan dan jawabannya diperoleh dari suatu pengujian melalui suatu percobaan. Hipotesis ini biasanya muncul berdasarkan pengalaman-pengalaman sebelumnya, pengamatan maupun berdasarikan pertimbangan teoritis. Setelah hipotesis disusun langkah selanjutnya adalah membuat suatu rancangan prosedur untuk pengujian atau biasanya dikatakan sebagai prosedur percobaan. Prosedur percobaan ini biasanya meliputi : penentuan bahan yang tepat untuk diuji, sifat yang akan diukur, bagaimana prosedur untuk mengukur sifat tersebut serta prosedur untuk memperoleh jawaban dari apa yang dihipotesiskan. Dua hal yang pertama cukup mudah bagi peneliti untuk menentukannya. Misalnya jika ingin diketahui apakah produksi yang dihasilkan oleh varietas jagung A dan varietas jangung B berbeda atau tidak, maka dapat ditentukan bahwa bahan yang digunakan untuk percobaan ini adalah varietas jagung dan sifat yang akan diukur hasil jagung dalam satuan kilogram misalnya. Sedangkan prosedur pengukuran sifat serta bagaimana hasil pengukuran tersebut dapat digunakan dalam pengujian hipotesis sangat tergantung pada teknik yang dikembangkan oleh ahli statistik. rancangan percobaan. 1.2. 1. 2. Sumber Keragaman dalam Percobaan Terdapat dua macam sumber keragaman dalam rancangan percobaan : Faktor utama yaitu faktor-faktor yang akan diteliti dan sengaja diberikan Di luar faktor-faktor yang akan diteliti (faktor eksternal). Kedua hal ini umumnya disebut sebagai

1

Faktor-faktor ini diharapkan pengaruhnya sekecil mungkin. Faktor-faktor ini terdiri dari : a. Faktor yang dapat diidentifikasi dan diperkirakan pengaruhnya sebelum percobaan. Misal dalam kasus ingin diketahuinya perbedaan kedua varietas jagung di atas, jika ternyata kedua varietas tersebut memberikan hasil yang berbeda, maka berbedaan hasil tersebut selain disebabkan oleh perbedaan varietas mungkin juga disebabkan oleh perbedaan kesuburan tanah. Untuk mengatasi hal ini biasanya dilakukan pengelompokan, sehingga keragaman di antara kelompok dapat diukur dan dikeluarkan dari galat percobaan. b. Faktor yang dapat diidentifikasi tetapi pengaruhnya tidak dapat diduga. Misalnya dalam kasus point a, Apabila lahan mempunyai arah kesuburan secara bertahap dari kiri ke kanan sehingga hasil akan berkurang dari kiri ke kanan, jika varietas A selalu ditanam di sebelah kanan varietas B, maka dalam hal ini varietas B akan diuntungkan karena secara relatif dia berada pada lahan yang lebih subur daripada varietas A. Jadi dalam hal ini penampilan hasil varietas A dan B akan berbias dan lebih menguntungkan B dan jika kita ingin membandingkan varietas A dan B, berbedaan yang terjadi bukan semata-mata disebabkan oleh perbedaan varietas akan tetapi juga disebabkan oleh perbedaan kesuburan tanah. Untuk mengatasi hal ini dilakukan pengacakan. c. Faktor yang tidak dapat diidentifikasi. Untuk mengatasi hal ini dilakukan pengulangan. 1.3. Peminimuman Galat Percobaan Berdasarkan uraian di atas untuk meminimumkan galat percobaan (experimental error) guna meningkatkan ketelitian percobaan haruslah terdapat : 1. Pengendalian terahadap lingkungan. ukuran satuan percobaan. Hal ini dapat dilakukan dengan perancangan percobaan, penggunaan peubah pengiring dan memperbesar

2

Perancangan percobaan.

Hal ini biasanya dilakukan dengan cara

mengelompokkan satuan-satuan percoban dan pada setiap kelompok berisi semua perlakuan sehingga keragaman di dalam kelompok dibuat minimum dan keragaman antar kelompok dibuat maksimum.
Penurunan kesuburan …… .. Kelompok 1 Kelompok 2 Kelompok k

Gambar 1.1 Contoh pengelompokan petak percobaan Penggunaan peubah pengiring. Hal ini dilakukan apabila terdapat keragaman diantara satuan-satuan percobaan. Misalnya ingin diketahui perbedaan pengaruh jenis pakan tertentu terhadap pertambahan bobot ayam. Dalam hal ini sifat yang diukur adalah bobot ayam setelah diberi pakan. Sebelum diberi pakan, ayam –ayam tersebut sudah memiliki bobot yang berbeda, sehingga untuk meningkatkan tingkat ketelitian digunakan peubah pengiring dalam hal ini adalah bobot ayam sebelum diberi pakan .Analisis dengan menggunakan peubah ini dalam statistika dikenal dengan analisis peragam (analysis of covariance). Memperbesar satuan percobaan. Informasi yang diperoleh dari suatu

percobaan berbanding terbalik dengan galat percobaan, atau I =

1

σ

2

=

Y

1 n = 2 σ /n σ
2

. Dengan kata lain semakin kecil galat percobaan ( σ 2Y ) maka informasi yang diperoleh (I) akan semakin besar atau semakin besar ukuran satuan percobaan (n) maka galat percobaan semakin kecil dan informasi semakin besar. 2. Pengacakan Hal ini dilakukan dengan memberikan kesempatan yang

sama pada tiap satuan percobaan untuk dikenakan perlakuan Terkadang konsep pengacakan ini dilakukan untuk menghilangkan bias. Pada contoh kasus percobaan dua varietas jagung seperti yang dikemukakan di depan dengan penempatan satuan percoban sebagai berikut :

3

Arah penurunan kesuburan tanah

B

A

B

A

B

A

B

A

Gambar 1.2 Contoh penempatan petak secara sistematik /tidak acak Penempatan petak yang tidak acak tersebut tidak memberikan penduga galat percobaan yang sah dan akan memberikan hasil yang berbias. Untuk menghindari hal tersebut petakan harus ditempatkan sedemikian rupa sehingga tidak ada varietas yang diuntungkan atau dirugikan. Hal ini dapat dilakukan dengan menempatkan varietas-varietas secara acak pada petak percobaan. 3. Pengulangan. Ulangan dilakukan dengan memberikan perlakuan yang

sama pada satuan percobaan lebih dari satu kali. Fungsi dari ulangan : a. Pendugaan galat. Jika suatu percobaan tidak mengandung ulangan, maka galat percobaan tidak dapat diduga. Kita tidak dapat menjelaskan secara tepat apakah perbedaan yang timbul disebabkan oleh perbedaan diantara perlakuan atau perbedaan di antara satuan-satuan percobaan b. Meningkatkan ketelitian percobaan Pengguaan teknik-teknik yang kurang teliti atau pegnggunaan satuan percobaan yang kurang homogen dapat diatasi dengan menambah jumlah ulangan. Dengan bertambahnya ulangan, dugaan mean populasi akan semakin teliti. c. Memperluas cakupan kesimpulan. Hal ini dilakukan melalui pemilihan satuan percobaan yang lebih bervariasi, misalnya ulangan yang dilakukan dalam waktu yang berbeda. d. Mengendalikan ragam galat. Dengan membuat kelompok sebagai ulangan, maka satuan percobaan di dalam kelompok mempunyai keragaman minimum dan satuan percobaan antar kelompok mempunyai keragaman maksimum, sehingga usaha untuk melihat perbedaan perlakuan di dalam kelompok akan lebih teliti. Dengan cara ini keragaman galat dapat dikendalikan.

4

Sedangkan yang dimaksud dengan perlakuan adalah taraf dari faktor atau kombinasi taraf dari faktor. dan rancangan berfaktor lebih dari satu. Rancangan lingkungan merupakan suatu rancangan mengenai bagaimana perlakuan perlakuan yang dicobakan ditempatkan pada satuan-satuan percobaan. 2. Yang termasuk dalam rancangan ini adalah rancangan acak lengkap (RAL).2. Rancangan split plot Rancangan split-split plot Rancangan Strip plot Latar Belakang Penggunaan RAL Rancangan acak lengkap merupakan jenis rancangan percobaan yang paling sederhana. rancangan acak kelompok (RAK) dan rancangan bujur sangkar latin (RBSL) 3. RAL (satu faktor atau lebih dari satu faktor) RAK (satu faktor atau lebih satu faktor) Di samping itu ada beberapa rancangan-rancangan lain yang berkembang karena pertimbangan kemudahan teknis di lapangan. Adapun yang melatarbelakangi digunakannya rancangan acak lengkap adalah sebagai berikut : Dari kombinasi rancangan lingkungan dan rancangan perlakuan kemudian dikenal 5 .II. Rancangan perlakuan ini terdiri dari faktor tunggal (rancangan berfaktor tunggal). b. misalkan : a.1. rancangan perlakuan serta rancangan lingkungan. Rancangan pengukuran adalah suatu rancangan mengenai prosedur pengukuran sifat dari satuan percobaan yang diteliti yang kemudian dari pengukuran ini dihasilkan apa yang disebut sebagai respon percobaan. b. Rancangan perlakuan merupakan suatu rancangan mengenai bagaimana perlakuan-perlakuan dibentuk. berbagai nama-nama rancangan. 2. 2. Misalkan : a. c. 1. RANCANGAN ACAK LENGKAP (RAL) Klasifikasi Rancangan Percobaan Rancangan percobaan terdiri dari : rancangan pengukuran.

c. b. Misalnya percobaan yang dilakukan di laboratorium.3. Keuntungan-keuntungan rancangan acak lengkap : a. P4) dan masing-masing diulang tiga kali 6 . Jadi dalam hal ini terdapat tr satuan percobaan. penempatan perlakuanperlakuan pada satuan-satuan percobaan. satuan percobaan yang digunakan homogen atau tidak ada faktor lain yang mempengaruhi respon di luar faktor yang dicoba atau diteliti. Oleh karena hal-hal tersebut di atas. Faktor luar yang dapat mempengaruhi percobaan dapat dikontrol. setelah diundi. Misal t = 4 dan r = 3 . Dari hasil undian atau angka acak yang diperoleh perlakuan-perlakuan tersebut ditempatkan pada satuan percobaan. Misalkan terdapat t perlakuan yang akan dicobakan dan masing-masing perlakuan diulang r kali. b. Pelaksanaannya mudah Analis data mudah Dapat dilakukan pada ulangan yang tidak sama Adapun kerugiannya adalah kadangkala rancangan ini tidak efisien. Pengacakan dapat dilakukan dengan menggunakan undian atau angka acak. 2. P3. denah percobaannya dapat dilihat sebagai berikut : P2 P4 P3 P1 P3 P4 P4 P1 P1 P2 P2 P3 Gambar 2.a. rancangan acak lengkap ini biasanya banyak ditemukan di laboratorium atau rumah kaca. P2. Pengacakan Dan Denah Percobaan Pengacakan dilakukan agar analisis data yang dilakukan menjadi sahih. Denah percobaan rancangan acak lengkap dengan empat perlakuan (P1.1.

Perlakuan P1 P2 Y11 Y21 Y12 Y22 Y13 Y23 Y1. Terdapat dua jenis faktor dalam rancangan percobaan.1. Perbedaan Faktor Acak dan Faktor Tetap 2. Untuk menduga komponen ragam populasi 7 . Tabulasi Data Rancangan Acak Lengkap Dengan 4 Perlakuan Dan 3 Ulangan Ulangan 1 2 3 Total 2. b. Sedangkan pada faktor tetap level dari faktor yang diamati sama dengan level dari populasi. 1. faktor acak (random factor) faktor tetap (fixed factor) Perbedaan antara faktor acak dan faktor tetap : Asal populasi : Untuk faktor acak. Misalnya kita ingin mengetahui pengaruh dari seratus jenis obat diambil sampel sepuluh jenis obat untuk menyimpulkan seratus jenis obat tersebut. Total P3 Y31 Y32 Y33 Y3.. populasi Faktor acak : 100 jenis obat Sampel 10 jenis obat Faktor tetap : populasi ABCD sampel ABCD Gambar 2. Model Linier Dalam Rancangan Acak Lengkap Setiap jenis rancangan percobaan memiliki model linier yang berbeda- beda. yaitu : a. level dari faktor yang diamati merupakan sampel dari level populasi.2. Y2. hal ini tergantung pada faktor yang digunakan dalam rancangan tersebut. Tujuan penelitian : Faktor acak : a. P4 Y41 Y42 Y43 Y4.4.Dari hasil percobaan yang dilakukan berdasarkan pengacakan dan denah percobaan di atas akan dihasilkan data sebagai berikut : Tabel 2. Y.

2.µ ) = Pengaruh aditif dari perlakuan ke-i galat percobaa/pengaruh acak dari perlakuan ke-i ulangan ke-j dengan εij ~ N (0.….σ 2 ) bsi Analisis Ragam dan Uji Hipotesis Analisis ragam merupakan suatu analisis untuk memecah keragaman total menjadi beberapa komponen pembentuknya. Bentuk umum model linier satu faktor dapat ditulis sebagai berikut : Yij = µi + ε ij = µ + ( µi − µ ) + ε ij = µ + τ i + ε ij . yaitu model tetap jika faktor yang digunakan bersifat tetap dan model acak jika faktor yang digunakan acak. − . µ i = mean perlakuan ke-i Dengan µ τ ε i ij = = = mean populasi (µ i .σ 2 ) bsi t adalah jumlah perlakuan dan ri adalah banyaknya ulangan dari perlakuan ke-i. E (τ i ) = σ τ 2.5. Asumsi untuk model Tetap Asumsi untuk model acak : : 2 t E (τ i ) = τ . ˆi τ =Yi.. ε ij ~ N (0. 8 . j= 1.. ∑τ i =1 i = 0 . Penduga kuadrat terkecil bagi parameter-parameter di dalam model rancangan acak lengkap diperoleh sebagai berikut : Parameter µ τi Penduga ˆ µ=Y.2.b.t . secara umum model linier dari rancangan acak lengkap satu faktor dapat dibedakan menjadi dua. 2 . ri = r. ε ij ~ N (0. σ 2 ) bsi E (τ i ) = 0 . Menguji hipotesis terhadap ragam Berdasarkan dua jenis faktor tersebut. i = 1. untuk percobaan yang mempunyai ulangan sama.…ri . Y ˆ ˆ Sehingga sisaannya adalah εij = eij = Yij −Yij = Yij −Yi.

. − Y . ) 2 + 2∑∑(Yij − Yi.. = (Yij −Yi ....)) 2 = (Yij − Yi . Y .) = ∑ i. ) 2 i =1 j =1 i =1 j =1 i =1 j =1 2 JKT JKP JKG = = = ∑∑(Yij −Y .2 (Yi .. − Y ......) Apabila kedua ruas dikuadratkan maka akan diperoleh : (Yij − Y . − Y . )(Yi .) 2 = ((Yij − Yi . − Y ..2 rt Y Y .) = ∑∑Yij − 2 2 i =1 j =1 t Y .) 2 = ∑∑(Yi.) + ∑∑(Yi.) 2 = ∑∑Yij − i =1 j =1 i =1 j =1 t r t r Y .) 2 = ∑ i =1 j =1 t ri t Yi. ) 2 = ∑∑eij = 2 i =1 j =1 i =1 j =1 t r t r JKT – JKP atau Jumlah kuadrat total (JKT) = Jumlah kuadrat perlakuan (JKP) + Jumlah kuadrat galat (JKG) Sedangkan penguraian jumlah kuadrat total untuk percobaan dengan ulangan setiap perlakuan tidak sama dapat dirumuskan sebagai berikut : JKT = ri ri ∑∑(Y i =1 j =1 t ri t ij − Y .) 2 = ∑∑(Yij − Yi.Dengan demikian untuk percobaan yang menggunakan t perlakuan dan r ulangan keragaman totalnya dapat diuraikan sebagai berikut : Yij −Y . −Y .) 2 i =1 j =1 i =1 j =1 i =1 j =1 i =1 j =1 Karena t r ∑∑(Y i =1 j =1 t r ij − Yi.. − ∑∑ rt i =1 j =1 i =1 r t r 2 t 2 ∑∑(Yij − Yi. − Y .) 2 Apabila untuk semua pengamatan bentuk kuadrat tersebut dijumlahkan maka bentuk jumlah kuadratnya akan menjadi : t r t r t r t r ∑∑(Yij − Y .) = 0 maka t r t r bentuk di atas menjadi ∑∑(Yij − Y . )2 = ∑∑eij = i =1 j =1 i =1 j =1 JKT – JKP 9 . )(Yi . ) +(Yi ..2 − t i =1 r i ∑ri t i =1 ri 2 2 JKG = ∑∑(Yij − Yi.. − Y .) + (Yi . )(Yi. − Y . − Y .. ) + (Yi ..) 2 + ∑∑(Yij − Yi.. ) 2 + 2(Yij − Yi ... − Y .2 ∑r i =1 t i JKP = ∑∑(Yi.

1 .Tabel analisis ragam untuk model tetap dan model acak diberikan sebagai berikut: Tabel 2.2. Indeks keterandalan suatu percobaan dapat dilihat dari nilai koefisien keragaman (KK) yang menunjukkan derajat ketepatan dari suatu percobaan. Nilai F tabel dapat dilihat pada tabel nilai F. Apabila nilai Fhitung > nilai F tabel pada db1 dan db2 serta taraf nyata (α ) tertentu maka hipotesis nol ditolak dan sebaliknya.Tabel Analisis Ragam Rancangan Acak Lengkap dengan Model Tetap dan Model Acak Sumber keragaman (SK) Perlakuan Galat Total Perlakuan t-1 t(r-1) tr-1 t-1 Derajat bebas (db) Jumlah kuadrat (JK) JKP JKG JKT JKP Ulangan tidak sama KTP KTP Kuadrat tengah (KT) Ulangan sama KTP KTP Fhitung E(KT) Model tetap Model acak KTG KTG σ 2 +[ σ2 σ2 + t r 2 ]∑τ i (t −1) i =1 σ 2 + rσ τ σ2 2 KTG ∑r τ i =1 i t 2 i − (∑riτ i ) 2 / ∑ri i =1 i =1 t σ 2 + raσ τ t 2 (t −1) Galat Total ∑(ri −1) i =1 t t JKG JKT KTG σ 2 σ2 ∑r −1 i =1 i   t 2 ra = σ +  ∑ ri −  i =1   ∑r   i =1  1 t  t −1 ri  ∑1  i= t 2 i Hipotesis yang Akan Diuji : Pengaruh perlakuan tetap H0 H1 : : KTP KTG Pengaruh perlakuan acak H0 H1 : : σ σ τ τ 2 2 Semua τ j = 0 Tidak semua τ j = 0 =0 >0 Fhitung = menyebar menurut sebatan F dengan derajat bebas pembilang (db1) sama dengan derajat bebas perlakuan dan derajat bebas penyebut (db2) sama dengan derajat bebas galat.

8 88. Y5.4 301. Y7. Langkah-langkah Pengujian Hipotesis: 1.2 90.7 dan j = 1.8 339.4 90.4 112. Berat uterin dalam miligram dari empat tikus untuk setiap kontrol dan enam larutan yang berbeda dicantumkan dalam tabel berikut : Tabel 2.4 62..6.6 P5 56.6 79.6 P3 75. Karena hanya terdapat 7 perlakuan yang tersedia. Y2.0 84.8 P4 88. hal ini tergantung juga pada bidang yang digeluti.6 315.3.6 P6 65. Y3.8 2249 Y1.8 93.2 62.6 Contoh kasus 1 : P1 84. maka model yang cocok adalah model tetap.3. Y4.2 87. Semakin besar KK menunjukkan keterandalan percobaan semakin rendah.…. Berat uterin tikus dipakai sebagai ukuran keaktifan estrogen.4 65..8 273.2 280.6 353 P2 64.4 83.4 85. Contoh-contoh Penerapan Rancangan Acak Lengkap : Berikut ini adalah hasil pengujian estrogen beberapa larutan yang telah mengalami penanganan tertentu. Y6.2. 2. Model tersebut adalah Yij = µ + τ i + ε ij i =1. tetapi percobaan yang cukup terandal diusahakan nilai KK tidak melebihi 20%.4 116.0 69. Tidak ada patokan berapa sebaiknya nilai KK.4 73.4 dengan Yij = berat uterin dari tikus ke-j yang memperoleh perlakuan ke-i µ = mean populasi berat uterin τ i = pengaruh perlakuan ke-i ε ij = pengaruh acak pada tikus ke-j yang memperoleh perlakuan ke-i .6 70.KK = σ x100 % Y .4 79.8 88. Data Berat Uterin (mg) dari 7 Perlakuan Terhadap Empat Tikus kontrol 89.2 73. Y.2. 1 .0 68.6 Total perlakuan 384.

22492/28 = 2416 JKG Sumber = JKT – JKP Derajat bebas (db) 6 21 27 = Jumlah kuadrat (JK) 2416 3063 5479 3063 Kuadrat tengah (KT) 403 146 2.573 Tabel 2.812 Dari tabel di atas kita dapat menduga beberapa parameter percobaan: E(KTG) = E(KTP) σ 2 diduga dengan KTG = 146 2 = σ +[ t r 2 ]∑τ i diduga dengan KTP = 403 (t −1) i =1 Sehingga apabila Fhitung semakin lebih besar dari 1 maka kesimpulan akan semakin cenderung untuk menolak hipotesis nol dan sebaliknya..62 + 280. Asumsi : lihat asumsi untuk model tetap Hipotesis yang akan diuji : H0 : H1 : Semua τ j = 0 atau tidak ada pengaruh perlakuan terhadap berat uterin tikus..62 + 315.25 r 4 t r 2 ]∑τ i diduga melalui (t −1) i =1 Contoh kasus 2 : Rancangan Acak Lengkap dengan Ulangan Tidak Sama 1 .62 + 273.62 +70.2.76 Fhitung Ftabel 5% 2.82 + 339.82 + 93.4. Langkah-langkah perhitungan : JKT = ∑∑Yij − 2 i= j = 1 1 t r Y . 2 − ∑ r rt i =1 t 2 = (384. keragaman (SK) Perlakuan Galat Total Analisis Ragam dari Berat Uterin Tikus 1% 3. Y .82 +…+65. Tidak semua τ j = 0 atau minimal ada satu perlakuan yang mempengaruhi berat uterin tikus.62 + 3532 + 301. Penduga keragaman pengaruh perlakuan [ E(KTP) − σ 2 403 − 146 = = 64 . 2 rt = (89.22) = 5479 - 22492/28 JKP = Yi.82) .

1 8. dengan ri adalah banyaknya ulangan untuk perlakuan ke-i dengan Yij = pertumbuhan tanaman perlakuan ke-i (cm) ke-j yang memperoleh µ = mean populasi τ i = pengaruh perlakuan ke-i ε ij = pengaruh acak pada tanaman ke-j yang memperoleh perlakuan ke-i . 2.….0 3 6.4 8.0 6.Dalam sebuah percobaan biologi 4 konsentrasi bahan kimia digunakan untuk merangsang pertumbuhan sejenis tanaman tertentu selama periode waktu tertentu..4 dan j = 1.3 9.4 6. dalam sentimeter. Tidak semua τ j = 0 1 .3 8.8 6.1 9.4 8. ri.8 9. Data pertumbuhan berikut.6 8.7 Y4.3.8 7. 4 6.2 6. 40. Data pertumbuhan tanaman (cm) Konsentrasi 1 2 8.8 7.2 7. 181.2 6. dicatat dari tanaman yang hidup.5. Tabel 2.5 Langkah-langkah pengujian hipotesis untuk kasus di atas adalah sebagai berikut : 1. 49.6 Y.8 5.2 Total Perlakuan 44.2. Model untuk kasus di atas adalah Yij = µ + τ i + ε ij i =1.7 7.8 8.8 Y1.2 Y2.8 7. 46.9 Y3. Asumsi : lihat asumsi untuk model tetap Hipotesis yang akan diuji : H0 : H1 : Semua τ j = 0 atau tidak ada pengaruh perlakuan terhadap berat uterin tikus.4 6.2.

673 JKP 21.9600 8.6 2 + + + − 5 6 7 6 24 = = JKT – JKP = 3.4827 0.0 8.52 . Y . 2 ∑ ri i =1 t = 8.30 6.673 Level P1 P2 P3 P4 N 5 6 7 6 Mean 8.82+…+7. Langkah-langkah perhitungan : JKT = ri ∑∑Y i =1 j =1 t 2 ij − Y .039 StDev 11.08 MS 403 146 F 2.87 15. P4.8 2 49 . P3.2898 0.7833 0.90 78. P3.5508 0.181.0 9.2000 6.181 F 38.9 2 40 . P7 Analysis of Variance Source DF SS Factor 6 2416 Error 21 3063 Total 27 5479 Level KONTROL P2 P3 P4 P5 P6 P7 N 4 4 4 4 4 4 4 Mean 96. 2 − t ∑r i =1 i ∑ ri t i =1 2 = 44 . P5.22+8.91 10.40 68. P4 Analysis of Variance Source DF SS Factor 3 21..053 JKG = Yi.57 7. P2.90 70. P6.77 P 0.000 StDev 0.2994 Pooled StDev = Individual 95% CIs For Mean Based on Pooled StDev -------+---------+---------+--------(---*---) (---*---) (--*--) (---*--) -------+---------+---------+--------7.20 19.45 84.0 1 .atau minimal ada satu perlakuan yang mempengaruhi berat uterin tikus.4255 MS 7.62/24 = 24.01 7. P2.620 Output dari sofware minitab untuk analisis ragam di atas adalah sebagai berikut : Contoh kasus 1 : One-way ANOVA: KONTROL.25 75.15 88.02+6..620 Total 23 24.20 12.51 Pooled StDev = Individual 95% CIs For Mean Based on Pooled StDev ---+---------+---------+---------+--(-------*-------) (--------*-------) (-------*--------) (--------*-------) (--------*-------) (--------*-------) (--------*-------) ---+---------+---------+---------+--60 75 90 105 Contoh kasus 2 : One-way ANOVA: P1.7000 6.018 0.7 2 181 .76 P 0.2 2 46 .053 Error 20 3.

1. RANCANGAN ACAK KELOMPOK LENGKAP (RAKL) 3. P3.2. Daerah percobaan di dalam setiap kelompok dibagi ke dalam jumlah yang sesuai dengan jumlah perlakuan yang akan dicobakan. 3. Pengacakan dilakukan secara terpisah untuk setiap kelompok. Misal percobaan dengan 6 perlakuan (P1. P5. rumit. Maka cara pengacakan percobaan tersebut berikut : misal untuk kelompok 1 dengan menggunakan undian atau angka acak menghasilkan denah percobaan sebagai Sedangkan kerugiannya adalah jika ada data yang hilang memerlukan perhitungan yang lebih 1 . Tujuan pengelompokan satuan-satuan percobaan tersebut adalah untuk membuat satuan-satuan percobaan di dalam masing-masing kelompok sehomogen mungkin relatif terhadap peubah tak bebas yang sedang diteliti dan perbedaan antar kelompok sebesar mungkin. Keuntungan rancangan acak kelompok adalah lebih efisien. Pendahuluan Rancangan acak kelompok adalah suatu rancangan acak yang dilakukan dengan mengelompokkan satuan percobaan ke dalam grup-grup yang homogen yang dinamakan kelompok dan kemudian menentukan perlakuan secara acak di dalam masing-masing kelompok. P4. P2. Rancangan Acak Kelompok Lengkap merupakan rancangan acak kelompok dengan semua perlakuan dicobakan pada setiap kelompok yang ada. P6) dan 4 kelompok. Cara Pengacakan dan Denah Percobaan Rancangan Acak Kelompok Lengkap Cara pengacakan dalam RAKL sama seperti pada rancangan acak lengkap dengan kelompok sebagai ulangan. dengan pengelompokan yang efektif memberi hasil berketepatan lebih tinggi dibandingkan rancangan acak lengkap yang sebanding besarnya.III.

2.2. Y. sehingga setelah dilakukan pengacakan.4 5 Y15 Y25 Y35 Y45 Y. Y3.2 3 Y13 Y23 Y33 Y43 Y.….4 1 . Denah percobaan kelompok terpilih P4 P1 P5 P4 P3 P6 P2 P5 P5 P3 P3 P2 P2 P3 P2 P1 P6 P5 P1 P4 P1 P4 P6 P3 Gambar 3. Tabulasi Data Dari Hasil Percobaan Dengan Menggunakan Rancangan Acak Kelompok Lengkap Kelompok Perlakuan 1 Y11 Y21 Y31 Y41 Y.5 6 Y16 Y26 Y36 Y46 Y. misal terbentuk denah percobaan sebagai berikut : Kelompok 1 Kelompok 2 Kelompok 3 Kelompok 4 Gambar 3.2..3. Model Linier Rancangan Acak Kelompok Lengkap Model linier RAK dengan banyaknya kelompok (ulangan ) k dan banyaknya perlakuan t adalah Yij = µ + ρi + τ j + ε ij Y1.1. Y2.1 2 Y12 Y22 Y32 Y42 Y.3. Denah Percobaan Rancangan Acak Kelompok Lengkap Tabulasi data untuk rancangan acak kelompok dari hasil pengacakan di atas disajikan sebagai berikut : Tabel 3. Y 4.1.Kelompok 1 P4 P3 P5 P2 P6 P1 Cara yang sama dilakukan untuk kelompok 2 sampai 4.7 dan j = 1. i =1.3 4 Y14 Y24 Y34 Y44 Y.6 Total Kelompok 1 2 3 4 Total Perlakuan 3.

.σ τ ) . ∑τ bsi ε ij ~ N (0....j −Y. ˆ τj =Y. +Yi . −Y .) +(Y.... j −Y. j +Y . j − Y ... =Yij −Yi .. j −Y . τ i ~ N(0.) 2 = ∑∑(Yi. +(Yi . ˆ ρ=Yi.) +(Y. −Y.) + ∑∑(Yij − Yi. Yij −Y . Parameter Jadi ˆ Yij =Y .4... dan ˆ eij = Yij − Yij = Yij − Yi . Keragaman total dapat diuraikan sebagai berikut : Yij −Y .dengan Yij = pengamatan pada kelompok ke-i dan perlakuan ke-j µ = mean populasi ρ i = pengaruh aditif dari kelompok ke-i τ j = pengaruh aditif dari perlakuan ke-j ε ij = ke-j pengaruh acak dari kelompok ke-i dan perlakuan Asumsi apabila pengaruh j =0. − Y . j +Y..) 2 + ∑∑(Y. −Y.. µ ρ τ Analisis Ragam dan Uji Hipotesis : Penduga ˆ µ=Y. − Y. −Y.σ 2 ) bsi Asumsi apabila pengaruh kelompok bersifat tetap dan perlakuan bersifat acak : ∑ ρ i = 0 . ε ij ~ N(0..) ∑∑(Y i j ij − Y .) =Yi .. j + Y .σ 2 ) 2 3.) 2 i j i j i j 2 karena 1 . j + Y .. j −Y . j −Y .) +(Yij −Yi . − Y.. kelompok bsi dan perlakuan bersifat tetap : ∑ρ i =0. −Y. = (Yi . −Y .

) = 0 −Y .2 tk ∑∑(Y i j ij − Yi . j +Y .) = 0 2 ∑ (Y ∑ i j i.∑ (Y ∑ i j i... j +Y .2.) = ∑∑ ij − i =1 j =1 i =1 j =1 Y .) (Yij −Yi . j k 2 2 − Y . −Y. j −Y .) = ∑∑eij = JKT − JKK − JKP i j Jumlah kuadrat total (JKT) = Jumlah kuadrat kelompok (JKK) + Jumlah kuadrat perlakuan (JKP) + Jumlah kuadrat galat (JKG) Tabel analisis ragam bagi rancangan acak kelompok lengkap dengan pengaruh kelompok tetap adalah sebagai berikut : Tabel 3.. −Y...) = 0 −Y .2 (Yi .) (Yij −Yi . − ∑∑ tk i =1 j =1 i =1 t 2 2 JKP JKG Jadi. j + Y .) = ∑ i .) = ∑ 2 i =1 j =1 j =1 Y. j −Y . − Y.. Analisis Ragam Rancangan Acak Kelompok Lengkap Dengan Pengaruh Kelompok Tetap Sumber Keragama n (SK) Jumlah Kuadrat (JK) Derajat Bebas (db) Kuadrat Tengah (KT) Perlakuan tetap Kelompok Perlakuan JKK JKP k-1 r-1 KTK KTP KTG σ 2 +[ t t 2 ]∑ρi +[ σ 22 ]∑ρi ( k −1) ( k −1) 22 2 k σ σ2 +[ ]∑ j + kσ τ τ (t −1) E(KT) Perlakuan acak Galat JKG (k-1)(r-1) Total JKT nr-1 Hipotesis yang akan Diuji : Pengaruh perlakuan tetap H0 H1 : : Semua τ j = 0 Tidak semua τ j = 0 σ2 σ2 Pengaruh perlakuan acak H0 H1 : : σ σ τ τ 2 2 =0 >0 1 .... = = ∑∑(Y.j JKT JKK 2 Y = ∑∑(Yij −Y . −Y .) (Y. − Y .... ∑ (Y ∑ i j . 2 tk = Y Y ..

5. (k − )(t − )) 1 1 1 dan sebaliknya. 1 . Efisiensi Pengelompokan Dibandingkan Rancangan Acak Lengkap Efisiensi relatif pengelompokan dibandingkan rancanngan acak lengkap dinyatakan sebagai berikut : E = (db 2 + 1)( db1 + 3) S a (db 2 + 3)( db1 + 1) KTG 2 dengan E menunjukkan seberapa lebih besar ulangan diperlukan pada rancangan acak lengkap dibandingkan dengan dengan rancangan kelompok untuk memperoleh sensitifitas rancangan acak lengkap sama dengan ranacangan acak kelompok. pengelompokan dilakukan sebagai alat untuk mereduksi keragaman galat percobaan. 3. − . Hipotesis untuk menguji pengaruh kelompok : H0 H1 : : Semua ρ j = 0 Tidak semua ρ j = 0 Statistik uji untuk pengujian pengaruh kelompok tersebut adalah Fhitung = Fhitung KTK KTG d2 b) dengan = Fα(k keputusan tolak H0 apabila > Fα(db1.Statistik uji yang digunakan untuk pengujian di atas adalah Fhitung = dengan kaidah keputusan pada taraf nyata α sebagai berikut : Apabila Fhitung ≤ Fα(db1. Sa2 menyatakan penduga ragam galat percobaan untuk rancangan acak kelompok dan KTG menyatakan penduga ragam galat untuk rancangan acak kelompok. d 2) b KTP KTG = Fα(t − (k − )(t − )) 1. tetapi biasanya perlakuanlah yang menjadi perhatian utama . Sedangkan db1 menyatakan derajat bebas galat percobaan untuk rancangan acak lengkap dan db2 menyatakan derajat bebas galat percobaan untuk rancangan kelompok . Adakalanya kita ingin menguji pengaruh kelompok. 1 1 terima H0 dan sebaliknya tolak H0. Fα adalah nilai F yang luas di sebelah kanannya sebesar α .

2 2724 2 + 3148 2 + . Analisis Ragam Data Turnip Green Sumber Keragaman (SK) Jumlah Kuadrat (JK) Derajat Bebas (db) Kuadrat Tengah (KT) Fhitung 2 . + 954 2 −13533700 = tk 103216 JKK = Yi... 14248 = = 13533700 tk (3)( 5) 2 2 4559 4841 4848 2724 3148 2790 2748 2838 14248 JKT = ∑∑Yij − 2 i =1 j =1 Y ..6.3. 2 4559 2 + 4841 2 + 4848 2 = − 13533700 = 10873 tk 5 JKG = JKT – JKK – JKP = 67194 Sehingga tabel analisis ragam untuk masalah di atas dapat disajikan sebagai berikut : Tabel 3.4. Perlakuan Data Turnip Green (mg/100gr Bobot Kering) Kelompok 2 887 1189 1072 3 897 918 975 4 850 968 930 5 975 909 954 Total Perlakuan 1 kontrol 950 Dicuci dan dilap 857 Dicuci dan disemprot dengan 917 udara Total kelompok Y .. + 28382 − − 13533700 = 25148 ∑ t tk = 3 i =1 2 JKP = ∑ j =1 Y. Contoh Penerapan Dari hasil penelitian mengenai pengaruh pencucian dan pembuangan kelebihan kelembapan dengan cara melap atau menyemprotkan udara terhadap kandungan asam askorbat pada tanaman turnip green diperoleh data dalam miligram per 100 gr bobot kering sebagai berikut : Tabel 3.3.. 2 = 950 2 + 857 2 + ... j k 2 − Y .. Y .

db2=8) = 6.05. artinya tidak ada perbedaan pengaruh perlakuan terhadap respon yang diamati.944.25148 6287 0. db1=2. maka dapat diambil keputusan terima Ho. Karena nilai Fhitung < Ftabel. 2 . Nilai Ftabel (α =0.05.75 Kelompok 4 10873 5436 0.65 Perlakuan 2 67194 8399 Galat 8 103216 Total 14 Misalnya pada pengujian hipotesis untuk masalah di atas menggunakan α =0.

4. Mengurangi keragaman galat melalui penggunaan dua buah pengelompokan 2. sehingga semakin banyak perlakuan. Baris\Kolom 1 2 3 4 1 A1 A2 A3 A4 2 A4 A1 A2 A3 3 A3 A4 A1 A2 4 A2 A3 A4 A1 2 . Banyaknya baris. A3 dan A4 a. kolom dan perlakuan harus sama. Pengacakan Rancangan Bujur Sangkar Latin Setiap perlakuan muncul sekali di setiap baris dan sekali pada setiap kolom. galat percobaan per satuan percobaan juga cenderung meningkat. yaitu baris. 3. Pengaruh perlakuan dapat dilakukan untuk percobaan berskala kecil Kelemahan rancangan bujur sangkar latin : 1. kolom dan perlakuan.IV. RANCANGAN BUJUR SANGKAR LATIN 4.1. 2. Apabila banyaknya kelompok bertambah besar. baris dan kolom adalah sama dan setiap baris dan kolom mengandung semua perlakuan. yaitu baris dan kolom. Asumsi modelnya sangat mengikat. yaitu bahwa tidak ada interaksi antara sembarang dua atau semua kriteria .2. Banyaknya perlakuan. 4. Perlakuan ditempatkan secara acak menurut diagonal utama. A2. satuan percobaan yang diperlukan juga semakin banyak. Keuntungan rancangan bujur sangkar latin : 1. Pengacakan yang diperlukan sedikit lebih rumit daripada pengacakan rancangan-rancangan sebelumnya. dengan tahap pengacakan sebagai berikut : Misal terdapat 4 perlakuan A1. Pendahuluan Rancangan bujur sangkar latin merupakan suatu rancangan percobaan dengan dua buah pengelompokan.

2.... j = 1.k −Y. kolom ke-k dan perlakuan ke-k Asumsi apabila pengaruh semua faktor tetap : i = 1. ˆ κj =Y.2.r . k = 1. Parameter µ βi κj τk 2 .b. σ 2 ) 2 bsi 2 Asumsi apabila pengaruh semua faktor acak : κ j ~ N(0. Pengacakan dilakukan pada posisi kolom: Baris\Kolom 3 1 4 2 1 A3 A1 A4 A2 2 A2 A4 A3 A1 3 A1 A3 A2 A4 4 A4 A2 A1 A3 Pengacakan dilakukan pada posisi baris : Baris\Kolom 3 1 4 2 2 A2 A4 A3 A1 4 A4 A2 A1 A3 1 A3 A1 A4 A2 3 A1 A3 A2 A4 Model Linier Rancangan Bujur Sangkar Latin Model linier rancangan bujur sangkar latin adalah C.2.r .. τ k ~ N(0.. σ β ). −Y . …. 2 bsi bsi ε ijk ~ N(0. Analisis Ragam dan Uji Hipotesis : Penduga ˆ µ =Y.r bsi ∑ β i = ∑ κ j =∑ τ k = 0 .3. σ j ). …. −Y. ˆ βi =Yi. j .4. ε ijk ~ N(0. 4... σ 2 ) bsi 4... β i ~ N(0. Yijk = µ + βi + κ j + τ k + ε ijk µ = rataan umum β i = pengaruh baris ke-i κ j = pengaruh kolom ke-j τ k = pengaruh perlakuan ke-k ε ijk = pengaruh acak dari baris ke-i.. σ τ ). ˆ τk =Y. ….

. ) = ∑ 2 ∑∑∑(Y i j k k Y. −Y. 2 =∑ − 2 r r i 2 Y. Y . −Y. +Y.. k + 2Y. 2 − 2 r r 2 ijk −Yi . dan sisaannya ˆ eijk = Yijk −Yijk = Yijk −Yi ... ) i 2 JKKolom = JKP JKG = = r ∑(Y.. Analisis Ragam Rancangan Bujur Sangkar Latin Sumber Keragaman (SK) Baris Kolom Perlakuan Galat Total Jumlah Kuadrat (KT) JKBaris Derajat Bebas (db) r-1 Kuadrat Tengah (KT) E(KT) Semua Semua faktor tetap faktor acak KTBaris = JKBaris/(r-1) KTKolom = JKKolom/(t-1) KTP = JKP/(r-1) KTG = JKG/ (r-1)(r-2) σ 2 ∑β +r 2 i σ 2 + rσ 2α JKKolom r-1 JKP JKG r-1 (r-1)(r-2) r2 –1 σ 2 +r r −1 2 ∑ κ j σ 2 + rσ 2 β r −1 k 2 σ σ 2 ∑ τ σ 2 + σ 2τ +r r −1 σ2 2 Uji Hipotesis : 2 . j .k − Y . Tabel 4... j . − Y ... − Y . k Y .. k + 2Y .. −Y.... −Y.. k −2Y . 2 =∑ − 2 r r j k 2 r ∑ (Y..... j ... Y ... 2 r2 r ∑(Yi.. Rumus jumlah kuadrat dalam rancangan bujur sangkar latin adalah sebagai berikut : JKT JKBaris = = ∑∑∑(Y i j k ijk −Y .Dengan demikian ˆ Yijk =Yi ..... ) 2 = JKT – JKBaris – JKKolom – JKP.. j . j .1.. +Y. ) j 2 Yi.. ) = ∑∑∑ ijk Y 2 i j k 2 − Y ..

Adakalanya kita ingin menguji ada atau tidaknya pengaruh peubah pengelompokan . Contoh penerapan : 2 . Ftabel [α .5. (r-1)(r-2)] terima H0 dan sebaliknya. Apabila peubah pengelompokan bersifat tetap. 4.apabila F≤ Ftabel [α . r-1.Uji hipotesis pengaruh perlakuan dalam model bujur sangkar latin apabila semua faktor tetap : H0 H1 H0 H1 : : : : Semua τ k =0 k Tidak semua τ σ σ 2 2 =0 Hipotesis apabila semua faktor acak : τ τ =0 >0 KTP KTG Statistik uji yang sesuai untuk menguji hipotesis di atas : F = Kaidah keputusan apabila galat jenis I sebesar α . r-1. maka uji hipotesisnya adalah sebagai berikut : Uji hipotesis untuk peubah pengelompokan baris : H0 H1 : : Semua β i = 0 Tidak semua β i =0 dengan statistik uji F = KTBaris KTG Uji Hipotesis untuk peubah pengelompokan kolom : H0 H1 : : Semua κ j = 0 Tidak semua κ KTKolom KTG j =0 Statistik uji : F = Kaidah keputusan untuk pengaruh baris dan kolom : apabila F≤ Ftabel [α . (r-1)(r-2)] adalah nilai F tabel yang luas di sebelah kanannya sebesar α dengan derajat bebas pembilang r-1 dan derajat bebas penyebut (r-1)(r-2). r-1. (r-1)(r-2)] maka keputusannya adalah terima H0 dan sebaliknya.

0879 Adj MS 7.2213 5. using Adjusted SS for Tests Source baris kolom perlak Error Total DF 4 4 4 12 24 Seq SS 28.8853 23.40(IV) 7.15(IV) 8.71 8.00(III) 7.08(IV) 8.7081 0.001 0.85(V) 5 4.6740 F 10.83(III) 5. kolom.001 0.29(II) 7.6273 8.99(IV) 4 4.23 P 0.93(III) 9.7081 0.54(I) 3 7.40(II) 4.62(II) 6.50(V) 9.60080 SE Fit 0.9270 0.79 0. perlak Factor baris kolom perlak Type Levels Values fixed 5 1 2 3 4 5 fixed 5 1 2 3 4 5 fixed 5 1 2 3 4 5 Analysis of Variance for respon.1568 0.0879 61. E 9.77080 St Resid -3.92(I) 5.77(V) 5.53(II) 8.83(II) Pengolahan data dengan menggunakan sofware Minitab 13 : Command line pada session window minitab : MTB > GLM 'respon' = baris kolom perlak.11R R denotes an observation with a large standardized residual.95(III) 2 5.88(IV) 6. 2 .32(III) 8.16(I) 7.6273 8.3086 Adj SS 28.915 Unusual Observations for respon Obs 20 respon 5.29(I) 8.Dari suatu percobaan yang dilakukan dengan menggunakan Rancangan Bujur Sangkar Latin dihasilkan data berikut : Tanaman Ukuran daun A B C D 1 6.68(I) 7.59201 Residual -1.83000 Fit 7.51(V) Output yang dihasilkan : General Linear Model: respon versus baris.8853 23.67(V) 7.

maka percobaannya disebut percobaan faktorial 2x2. pengaruh 2 . perlakuan yang dicobakan adalah Perlakuan 1 Perlakuan 2 Perlakuan 3 Perlakuan 4 V1 dengan P1 V1 dengan P2 V2 dengan P1 V2 dengan P2 Dalam percobaan faktorial adakalanya peneliti tertarik pada interaksi antara beberapa faktor . Dengan demikian. Pendahuluan Percobaan faktorial adalah suatu percobaan yang perlakuannya terdiri atas semua kemungkinan kombinasi taraf dari beberapa faktor. Apabila pengujian terhadap interaksi nyata. Artinya pengaruh varietas tertentu bersifat spesifik pada berbagai level dosis pemupukan. Hal ini dapat dilihat melalui pembandingan antar level suatu faktor di setiap level faktor lain. apakah respon terhadap dua taraf suatu faktor bergantung atau tidak pada taraf-taraf faktor lainnya. RANCANGAN FAKTORIAL 5. Apabila interaksi tidak nyata. Antar level di faktor 1 memberikan pengaruh yang berbeda di setiap level dari faktor 2 . Ada interaksi Apabila terdapat interaksi maka pengaruh varietas dan dosis pemupukan tidak bebas terhadap respon. V1 dan V2) dan pemupukan (misal dua macam dosis pemupukan.1.V. Hal tersebut dapat diilustrasikan dalam gambar berikut ini V2 V1 Faktor A (dosis pemupukan) Gambar 5.1. P1 dan P2). dengan faktor varietas mempunyai 2 taraf dan faktor pemupukan mempunyai 2 taraf . pengaruh dari faktor 1 dan faktor 2 terhadap respon tidak bebas. Untuk percobaan berfaktor dua yang perlakuannya berupa semua kombinasi varietas (misal 2 varietas.

faktor 1 di setiap level faktor sama/paralel. Pada prinsipnya sama dengan rancangan acak lengkap.2. Model Linier Rancangan Faktorial Dalam RAL 2 .1.2. Dan setelah dilakukan pengacakan dengan melakukan undian dihasilkan denah percobaan sebagai berikut : V1P2 V1P1 V1P2 V1P1 V2P1 V2P1 V2P2 V2P2 V1P1 V2P2 V1P2 V2P1 Gambar 5. Denah Percobaan Faktorial 2 x 2 dengan Rancangan Lingkungan RAL 5. 5. gambar berikut : Jadi dapat ditarik kesimpulan terhadap pengujian pada rata-rata level faktor.2. Percobaan Faktorial dalam Rancangan Acak Lengkap Percobaan faktorial dalam rancangan acak lengkap merupakan percobaan faktorial dengan menggunakan rancangan acak lengkap sebagai rancangan lingkungannya. apabila perlakuan-perlakuan tersebut diulang sebanyak tiga kali diperlukan 3 x 4 = 12 satuan percobaan. Untuk kasus di atas. Penempatan perlakuan-perlakuan yang merupakan kombinasi dari taraf faktor yang akan dicobakan dilakukan dengan cara yang sama seperti rancangan acak lengkap.2. Hal ini dapat diilustrasikan melalui V1 V1 Faktor A (dosis pemupukan) Gambar 5. Pengacakan dan Denah Percobaan Faktorial dalam Rancangan Acak Lengkap Cara pengacakan sama seperti rancangan acak lengkap.3. namun dalam hal ini faktor yang dicobakan lebih dari satu. Tidak ada interaksi 5.2.

σ α β ) . σ 2 ) bsi Apabila semua faktor (faktor A dan B bersifat acak) : α i ~ N(0.... 2 abr 2 . 2 (α βij ~ N(0.) 2 = ∑∑∑Yijk − 2 i= j= k = 1 1 1 i= j= k = 1 1 1 Y .2…..….a Yijk j = 1. Apabila semua faktor (faktor A dan B bersifat tetap) : ∑α - i =0.2. j ε ijk ~ N(0. 2 β j ~ N(0..r = pengamatan pada satuan percobaan ke-k yang memperoleh kombinasi perlakuan taraf ke-i dari faktor A dan taraf ke-j dari faktor B µ α β i j = mean populasi = pengaruh taraf ke-i dari faktor A = pengaruh taraf ke-j dari faktor B = pengaruh taraf ke-i dari faktor A dan taraf ke-j dari faktor B (α β )ij ε Asumsi : - ijk = pengaruh acak dari satuan percobaan ke-k yang memperoleh kombinasi perlakuan ij. ar 2 − Y ..) i =1 j =1 k =1 2 = ∑∑∑ i =1 j =1 k =1 Y.. ∑β j =0. Y .σ 2 ) bsi 5. −Y .Model linier untuk rancangan faktorial dua faktor dengan rancangan lingkungannya rancangan acak lengkap adalah sebagai berikut : Yijk = µ +αi + β j + (αβ)ij + εijk dengan i =1.σ β ) ..2. 2 ∑∑∑(Yi.) = ∑∑∑ br − abr i =1 j =1 k =1 i =1 j =1 k =1 2 2 JKB = ∑∑∑(Y.3. j .b c = 1. j ... − Y .. ∑ (α β) i ij = ∑ (α β)ij =0 ..σ α ) .σ 2)..…. ε ij ~ N(0... ) 2 ε ijk ~ N(0. 2 abr Yi.2.. Analisis Ragam dan Uji Hipotesis JKT JKA = = ∑∑∑(Yijk −Y .

.JKAB = ∑∑∑(Y i =1 j =1 k =1 ij . +Y . −Y . j . Analisis Ragam Rancangan Factorial Dua Factor Dalam Rancangan Acak Lengkap Sumber keragaman Perlakuan A B AB Galat Perlakuan A B AB Galat Perlakuan A B AB Galat Perlakuan A B Jumlah Kuadrat JK(A) JK(B) JK(AB) JK(G) Derajat Kuadrat E(KT) Bebas Tengah Faktor A dan B tetap a-1 b-1 (a-1) (b-1) KT(A) KT(B) KT(AB) σ 2 + rb ∑αi 2 /( a −1) i σ + ra ∑β j 2 /( b −1) 2 j σ + r ∑(αβ)ij 2 /( a −1)( b −1) 2 ij ab(r-1) KTG Faktor A dan B acak a-1 b-1 (a-1) (b-1) KT(A) KT(B) KT(AB) σ 2 JK(A) JK(B) JK(AB) JK(G) σ 2 + rσ α β + rbσ α σ 2 + rσ α β + raσ β 2 2 2 2 σ 2 + rσ α β 2 ab(r-1) KTG σ2 Faktor A tetap dan B acak a-1 b-1 (a-1) (b-1) KT(A) KT(B) KT(AB σ 2 + rσα β2 + rb ∑αi 2 /( a −1) i JK(A) JK(B) JK(AB) JK(G) σ + raσ β 2 2 σ 2 + rσ α β 2 ) ab(r-1) KTG σ2 Faktor B tetap dan A acak a-1 b-1 KT(A) KT(B) JK(A) JK(B) σ 2 + rbσ α 2 σ 2 + rσαβ2 + ra ∑β j 2 /( b −1) j 3 .) 2 − JKA − JKB ( i =1 j =1 k =1 JKG = JKT .. −Y.) 2 = ∑∑∑ Yij . −Yi .1....JKP Tabel analisis ragam percobaan faktorial dengan dua faktor dalam rancangan acak lengkap adalah sebagai berikut : Tabel 5...

Pengaruh utama faktor A Ho: H1 : α 1 =α 2 =…=α a=0 (tidak ada perbedaan respon di antara taraf faktor A yang dicobakan) minimal ada satu i sehingga α i ≠ 0 (ada perbedaan respon di antara taraf faktor A yang dicobakan) 3. Pengaruh utama faktor B Ho: H1 : β 1 (ada pengaruh =β 2 =…=β b=0 (tidak ada perbedaan respon di antara taraf faktor ≠ 0 (ada perbedaan respon diantara B yang dicobakan) minimal ada satu j sehingga β taraf faktor B yang dicobakan) Apabila terdapat pengaruh interaksi. dengan db1=(a-1)(b-1) dan db2=ab(r-1). Pengujian terhadap pengaruh utama faktor A (hipotesis 2) : Statistik uji F = KT ( A) KTG Apabila nilai F > Fα (db1. Pengaruh interaksi faktor A dan B Ho : H1 : (α β )ij =0 (tidak ada pengaruh interaksi terhadap respon yang diamati) minimal ada sepasang (i. Pengujian terhadap pengaruh interaksi (hipotesis 1) : Statistik uji F = KT ( AB ) KTG j Apabila nilai F > Fα (db1. db2). db2).AB Galat Total JK(AB) JK(G) JKT (a-1) (b-1) ab(r-1) abr-1 KT(AB) KTG σ 2 + rσ α β σ2 2 Hipotesis yang diuji dalam rancangan faktorial yang terdiri dari dua faktor dengan rancangan lingkungan rancangan acak lengkap adalah 1. dengan db1=(a-1) dan db2=ab(r-1). 3 . maka tolak Ho dan sebaliknya terima Ho. maka tolak Ho dan sebaliknya terima Ho. Pengujian terhadap pengaruh utama akan bermanfaat apabila pengaruh interaksi tidak nyata.j) sehingga (α β )ij ≠ 0 interaksi terhadap respon yang diamati) 2. maka pengujian hipotesis terhadap pengaruh utama tidak perlu dilakukan.

dengan db1 = 1)(b-1) dan db2=ab(r-1) dan sebaliknya terima Ho. dengan db1=(b-1) dan db2=(a-1)(b-1). dengan db1=(b-1) dan db2=ab(r-1). Ho: σ σ 2 2 αβ αβ =0 (tidak ada keragaman dalam populasi kombinasi perlakuan) >0 (terdapat keragaman dalam populasi kombinasi perlakuan) α 1 =α 2 =…=α a=0 (tidak ada perbedaan respon di antara taraf faktor A yang dicobakan) 3 . Statistik uji untuk hipotesis 3: F = KT ( AB ) Apabila nilai F > Fα (db1.Pengujian terhadap pengaruh utama faktor B (hipotesis 3) : Statistik uji F = KT ( B ) KTG Apabila nilai F > Fα (db1. Ho: H1 : 3. Ho: H1 : 2. Statistik uji untuk hipotesis 2: F = KT ( AB ) KT ( A) (a- Apabila nilai F > Fα (db1. db2). dengan db1=(a-1) dan db2=(a-1)(b-1). db2). Ho: H1 : σ σ σ σ σ σ 2 2 2 2 2 2 αβ αβ α α β β =0 (tidak ada keragaman dalam populasi kombinasi perlakuan) >0 (terdapat keragaman dalam populasi kombinasi perlakuan) =0 (tidak ada keragaman dalam populasi taraf faktor A) >0 (terdapat keragaman dalam populasi taraf faktor A) =0 (tidak ada keragaman dalam populasi taraf faktor B) >0 (terdapat keragaman dalam populasi taraf faktor B) KT ( AB ) KTG Statistik uji untuk hipotesis 1: F = Dengan kaidah keputusan tolak Ho apabila nilai F > Fα (db1. maka tolak Ho dan sebaliknya terima Ho. db2). maka tolak Ho dan sebaliknya terima Ho. KT ( B ) Hipotesis yang diuji apabila faktor A tetap dan B acak : 1. Ho: H1 : 2. Hipotesis yang diuji apabila faktor A dan B bersifat acak : 1. maka tolak Ho dan sebaliknya terima Ho. db2).

Dari percobaan tersebut ingin diketahui apakah jenis material dan suhu mempengaruhi daya tahan baterai ? Apakah jenis material tertentu cocok untuk suhu tertentu ? Dari percobaan tersebut diperoleh data daya tahan baterai sebagai berikut : Tabel 5. Ho: H1 : minimal ada satu i sehingga α i ≠ 0 (ada perbedaan respon di antara taraf faktor A yang dicobakan) σ σ 2 2 β β =0 (tidak ada keragaman dalam populasi taraf faktor B) >0 (terdapat keragaman dalam populasi taraf faktor B) KT ( AB ) KTG Statistik uji untuk hipotesis 1 : F = Dengan kaidah keputusan tolak Ho apabila nilai F > Fα (db1. db2). Contoh Penerapan Percobaan : Ada 3 jenis material untuk pembuatan baterai (A. Statistik uji terhadap hipotesis 3 : F = KT ( B ) KTG Apabila nilai F > Fα (db1. maka tolak Ho dan sebaliknya terima Ho. db2) dengan db1=(a-1) dan db2=(a-1)(b-1). maka tolak Ho dan sebaliknya terima Ho. db2) dengan db1=(b-1) dan db2=ab(r-1). Statistik uji terhadap hipotesis 2 : F = KT ( AB ) KT ( A) (a- Apabila nilai F > Fα (db1. C) dicobakan pada 3 temperatur (15oF.H1 : 3. dengan db1 = 1)(b-1) dan db2=ab(r-1) dan sebaliknya terima Ho. 70oF.2. 5. Data Daya Tahan Baterai Dari 3 Jenis Material Pada Tiga Macam Temperatur Suhu 15 130 74 155 180 150 159 70 34 80 40 75 136 106 125 20 82 70 58 25 70 Material A B 3 .4. B.2. 125oF).

91 28. Nilai (Finteraksi = 3. Output yang dihasilkan : ANOVA: respon versus material.56) > F0.7 39118. Percobaan Faktorial Dalam Rancangan Acak Kelompok Lengkap Apabila satuan percobaan yang digunakan tidak seragam.3.05(db1=4.97 3.2 F 7. SUBC> Fits 'FITS2'. Pada prinsipnya percobaan ini sama dengan percobaan RAKL yang telah dibahas sebelumnya namun dalam percobaan ini terdiri dari dua faktor atau lebih.9 19559.7 77647. suhu Factor material suhu Type Levels Values fixed 3 A fixed 3 15 B 70 C 125 Analysis of Variance for respon Source material suhu material*suhu Error Total DF 2 2 4 27 35 SS 10683.019 Nilai F0.C 188 126 138 168 110 160 122 115 174 150 120 139 58 45 96 82 104 60 Pengolahan data dengan menggunakan sofware Minitab 13 : Command line pada session window minitab : MTB > Name c6 = 'RESI2' c7 = 'FITS2' MTB > ANOVA 'respon' = material suhu material* suhu.7 9613. Karena pengaruh interaksi nyata.05(db1=4. Pengaruh material dan suhu tidak bebas terhadap rata-rata daya tahan baterai . db2=27) = 2. Artinya pengaruh material tertentu spesifik pada berbagai level suhu.0 MS 5341. kita tidak perlu menguji pengaruh utama. SUBC> Residuals 'RESI2'.4 2403. 3 .000 0.002 0. maka percobaan faktorial dapat dilakuan secara berkelompok. 5.56 P 0. db2=27).728.8 18230. oleh karena itu pada taraf nyata α = 5 % kita dapat menyimpulkan bahwa pengaruh interaksi antara material dan suhu nyata.4 675.

2 dan 3. V1P1T1 2. V2P1T3 3 . Langkah-langkah pengacakan : 1. yang terdiri atas varietas V1 dan V2 Dosis pemupukan. V2P2T1 9. 3. misal dengan membangkitkan bilangan acak. Percobaan di atas dilakukan secara kelompok (3 kelompok) dalam RAKL dengan faktor kelompoknya adalah kedalaman penanaman. 4. Penomoran kombinasi perlakuan : 1. 3. Tempatkanlah perlakuan-perlakuan pada satuan percobaan sesuai dengan hasil pengacakan pada langkah 4. 5. yaitu P1 dan P2 Jenis tanah yang terdiri atas tanah lempung (T1). V2P1T1 8. Lakukan pengacakan penempatan perlakuan pada satuan percobaan.3. 2. V2P2T3 12. tersebut adalah 1. 2 dan 3 secara acak. Pengacakan dan Denah Percobaan Misal terdapat suatu percobaan yang mempelajari pengaruh tiga faktor terhadap respon yang berupa tinggi tanaman. V1P1T2 7. maka percobaan di atas merupakan percobaan fakorial 2 x 2 x 3. dengan kombinasi perlakuan sebagai berikut : V1P1T1 V2P1T1 V1P2T1 V2P2T1 V1P1T2 V2P2T2 V1P2T2 V2P1T2 V1P1T3 V2P2T3 V1P2T3 V2P1T3 Ketiga faktor yang dicobakan Karena masing-masing kelompok mengandung semua perlakuan. V1P2T2 5.V2P1T2 11. V1P2T3 10.5. V2P2T2 Pembangkitan bilangan acak 3 digit : Kelompok 1 terpilih Bilangan 871 963 726 687 611 789 521 145 865 913 345 216 12 2 7 3 6 4 5 5 8 6 4 7 1 8 9 9 11 10 3 11 2 12 acak Peringkat 10 perlakuan 1 4. 2. pasir (T2) dan tanah liat (T3).1. Berikan nomor pada setiap kombinasi perlakuan Berilah nomor pada satuan percobaan setiap kelompok. dalam hal ini satuan percobaan yang diperlukan adalah 12 x 3 = 36 buah. V1P2T1 3. Karena terdiri dari tiga faktor dengan masing-masing bertaraf 2. V1P1T3 6. Pilihlah kelompok 1. Varietas.

V2P1T1 V1P2T3 12 V1P2T1 Setelah Dengan cara yang sama dapat dilakukan untuk kelompok 2 dan 3. denah rancangannya adalah sebagai berikut : Kelompok 1 V2P2T1 V1P1T3 9 V2P2T2 Kelompok 2 5 1 2 6 V2P1T3 V1P2T2 10 V1P1T1 2 6 3 7 V2P2T3 V1P1T2 11 V2P1T2 3 7 4 8 . V1P1T1 V1P2T3 12 V2P1T1 V1P1T2 2 V2P2T3 3 V1P2T1 4.Jadi dengan demikian. Denah Percobaan Faktorial 2 x 2 x 3 dengan Rancangan Lingkungan RAKL Nilai-nilai pegamatan dari percobaan di atas dapat ditabulasikan sebagai berikut : Tabel 5. V2P2T1 V1P2T2 6 V2P1T1 7 V1P1T3 8 V1P2T3 9 V2P1T2 10 V1P1T1 11 V2P2T2 12 V2P1T3 Gambar 5. V2P1T1 V1P2T3 12 V1P2T1 4 8 V2P1T3 V2P2T1 9 V2P2T3 Kelompok 3 5 1 5 1 V2P2T2 V1P2T2 10 V1P1T2 V1P2T1 V1P1T3 11 V2P1T2 . dilakukan pengacakan. Tabulasi Data Rancangan Faktorial 2 X 2 X 3 Dalam Rancangan Acak Kelompok Lengkap Kelompok Varietas 1 2 3 V1 V2 V1 V2 V1 V2 T1 Y1111 Y1211 Y2111 Y2211 Y3111 Y3211 P1 T2 Y1112 Y1212 Y2112 Y2212 Y3112 Y3212 T3 Y1113 Y1213 Y2113 Y2213 Y3113 Y3213 T1 Y1121 Y1221 Y2121 Y2221 Y3121 Y3221 P2 T2 Y1122 Y1222 Y2122 Y2222 Y3122 Y3222 T3 Y1123 Y1223 Y2123 Y2223 Y3123 Y3223 3 .3.3. penempatan perlakuan-perlakuan pada kelompok 1 berdasarkan pengacakan yang telah dilakukan adalah sebagai berikut : Kelompok 1 1 V2P2T1 5 V1P1T3 9 V2P2T2 2 V2P1T3 6 V1P2T2 10 V1P1T1 3 V2P2T3 7 V1P1T2 11 V2P1T2 4 8 .

.…c = nilai pengamatan dari kelompok ke-i yang memperoleh taraf ke-j dari faktor A. taraf ke-k faktor B dan taraf ke-l faktor C. B dan C) tetap : ∑α j l j = ∑ β k = ∑ γ l = ∑ (α β) jk = ∑ (α β) jk = ∑ (α γ) jl = ∑ (α γ) jl = ∑ ( β γ) kl = k l j k j l k kl ∑ ( β γ) = ∑ (α β )γjkl = ∑ (α β )γjkl = ∑ (α β )γjkl = 0 j k l Ju mlah kuadrat percobaan faktorial 3 faktor dalam rancangan acak kelompok lengkap adalah sebagai berikut : FK = Y 2 . Model Linier dan Analisis Ragam Percobaan Faktorial Tiga Faktor Dalam RAKL Model linier percobaan faktorial 3 faktor dalam rancangan acak kelompok lengkap adalah sebagai berikut : Yijkl = µ + κ i + α j + β k + γ l + (α β) jk + (α γ) jl + ( β γ) kl + (αβ γ jkl + ε ijkl ) i = 1. taraf ke-k faktor B dan taraf ke-l faktor C ε ijkl = pengaruh acak dari kelompok ke-i yang memperoleh taraf ke-j faktor A.2.….2.2.b l = 1.3.5. µ κ α β γ i j k l = mean populasi = pengaruh aditif dari kelompok ke-i = pengaruh aditif dari taraf ke-j faktor A = pengaruh aditif dari taraf ke-k faktor B = pengaruh aditif dari taraf ke-l faktor C (α β )jk = pengaruh interaksi taraf ke-j faktor A dan taraf ke-k faktor B (α γ )jl= pengaruh interaksi taraf ke-j faktor A dan taraf ke-l faktor C (β γ )kl = pengaruh interaksi taraf ke-k faktor B dan taraf ke-l faktor C (α β γ )jkl = pengaruh interaksi taraf ke-j faktor A. ra c b 3 . σ 2) Asumsi apabila semua faktor (faktor A..2.…r dengan Yijkl j = 1. taraf ke-k dari faktor B dan taraf ke –l dari faktor c.…. ε ijkl ~ N(0.2.a k = 1..

2 ijkl .JK(C) 2 JK(BC) = ∑( β γ ) k l k .JK(A) .l Y ∑ i .JK(C) JK(ABC) = JKP-JK(A) – JK(B) – JK(C) – JK(AB) – JK(AC) – JK(BC) Tabel analisis ragam dari perhitungan di atas adalah sebagai berikut : Tabel 5.JKT = i . Analisis Ragam Rancangan Faktorial Tiga Faktor Dalam Rancangan Acak Kelompok Lengkap Sumber Keragam an (SK) Derajat bebas (db) Jumlah kuadrat (JK) Kuadrat Tengah (KT) Fhitung E(KT) 3 .l ra − FK . k .l 2 r − FK = JKT – JKK –JKP = ∑ (α ) j j 2 rbc − FK = 2 ∑( total taraf faktor A ) j 2 rbc .FK JKK = ∑Y i abc − FK jkl JKP JKG JK(A) = ∑Y j .FK 2 JK(B) = ∑( β ) k k rac − FK = ∑ ( total taraf faktor B) k rac . k .JK(B) 2 rc JK(AC) = ∑ (α γ ) j l j .4.k j βk )2 − FK .FK JK(C) = ∑ (γ ) l l 2 rab − FK = ∑ ( total taraf faktor C) l 2 rab .JK(A) ...FK JK(AB) = ∑ (α j .JK(B) . j .k rb − FK .

k .k j βk ) 2 ( a −1)( b −1) AC (a-1)(c-1) JK(AC) KT(AC) σ 2 + rb ∑(α γ ) j / j .Kelompo k Perlakuan A r-1 JKK KTK KTK KTG σ + abc 2 ∑κ i 2 i (r − 1) abc-1 a-1 JKP JK(A) KTP KT(A) KT ( A ) KTG σ + rbc 2 ∑α j 2 j B b-1 JK(B) KT(B) KT ( B) KTG (a − 1) σ + rac 2 ∑β k 2 k C c-1 JK(C) KT (C) KT ( C ) KTG KT ( AB ) KTG KT ( AC ) KTG KT ( BC ) KTG (b − 1) σ + rab 2 ∑γ l 2 l (c − 1) AB (a-1)(b-1) JK(AB) KT(AB) σ 2 + rc ∑(α j . Ho H1 3. Ho H1 : (α β γ )jkl : (α β )jk = 0 : minimal ada satu (α β )jk ≠ 0 : (α γ )jl = 0 : minimal ada satu (α γ )jl ≠ 0 : (β γ )kl = 0 : minimal ada satu (β γ )kl ≠ 0 =0 : minimal ada satu (α β γ )jkl ≠ 0 3 .l 2 ( a −1)( c −1) BC (b-1)(c-1) JK(BC) KT(BC) σ 2 + ra ∑( β γ ) k / k . Ho H1 2.l 2 ABC (a-1)(b-1)(c-1) JK(ABC) KT(ABC ) KT ( ABC ) KTG σ2 +r (b −1)( c −1) ∑(α j .l j βk γ / ) 2 (a −1)( b −1)( c −1) Galat Total (r-1)(abc-1) rabc-1 JKG JKT KTG σ 2 Hipotesis yang perlu diuji apabila semua faktor tetap : 1. Ho H1 4.

A.A. New York. New York. 1956. Inc. 1984. Minitab Inc..J. H.5.A & Made S. Wright. 76 :301 – 306. & J. DAFTAR PUSTAKA Comfield. B. The Analysis and Prediction of Some Two Factor Interactions in Grass Breeding. 1971. Gauch Jr. Ho H1 ≠ 0 VI. Mattjik. A. 1971. Ho H1 :α j=0 : minimal ada satu α j ≠ 0 :β k=0 : minimal ada satu β k ≠ 0 :γ l=0 : minimal ada satu γ l 6. Gomez. 2 nd ed McGrawHill New York. Ho H1 7. John Wiley & Sons.G. Winer. 1990. Perancangan Percobaan dengan Aplikasi SAS dan Minitab. Singapore. 27 : 907 – 949. Steel. Journal of Agricultural Science. 2000.D et all. J. Full and Reduced Models for Yield Trials. 1997. Statistical Principles in Experimental Design. 4 . Principles and Procedures of Statistics a Biometrical Approach. K. dan A. Minitab Inc. 80 : 153 – 160. McGraw-Hill. A.W. Inc. Theoritical and Applied Genetics. 3nd ed. R. The Annals of Mathematical Statistics. Average Value of Mean Squares in Factorials. Gomez.G. 1991. Minitab Reference Manual.J. Statistical Procedures for Agricultural Research. Jurusan Statistika Institut Pertanian Bogor. Tukey.

Zobel. 4 . R. et all.W. Agronomy Journal. 80 : 388 – 393. 1988. Statistical Analysis of a Yield Trial.

Sign up to vote on this title
UsefulNot useful