Acara 8.

Rancangan-rancangan Blok Tak-Lengkap

Tujuan :  menggunakan beberapa rancangan kompleks dan cara analisisnya serta menafsirkan

dengan benar

Rancangan Blok Tak-Lengkap Terimbang

Kini akan dibahas dua keluarga rancangan-rancangan blok tak-lengkap yang dipakai
apabila perlakuan atau kombinasi perlakuan (dalam percobaan faktorial) cukup banyak,

sehingga jika menggunakan blok lengkap, ukuran blok menjadi terlalu besar untuk

mengendalikan sesatan percobaan. Keluarga rancangan yang pertama adalah rancangan blok

tak-lengkap terimbang (Balanced Incomplete Block Designs).

Perhatikan sketsa susunan plot berikut:

I II III IV V VI

A A A A B C

B B B C D D

C C D E E E

D E F F F F

Huruf A sampai F sebagai simbol enam grup perlakuan, dan angka romawi merupakan

nomor blok (ada enam pula). Perhatikan bahwa sekarang masing-masing blok berukuran
empat plot, BUKAN enam plot sebagaimana yang seharusnya pada rancangan RCBD.

Akibatnya, bloknya tidak lengkap dan di sini, banyaknya blok tidak sama dengan banyaknya

ulangan. Setiap grup perlakuan diulang empat kali. Ada sejumlah kombinasi banyaknya grup

perlakuan (t), ukuran blok (k), serta banyaknya ulangan per grup (r), yang teratur sehingga
meskipun bloknya tidak lengkap tetapi data tetap seimbang (balanced). Syarat yang harus

dipenuhi adalah λ(t – 1) = r(k – 1) dengan λ adalah banyaknya pasangan dua grup perlakuan

yang dapat muncul. Perhatikan susunan di atas, semua pasangan perlakuan muncul 4 kali.
Semua kombinasi empat hal tersebut yang memenuhi syarat tadi menyusun keluarga
rancangan yang dikenal sebagai Rancangan Blok Tak-Lengkap Terimbang (Balanced

Incomplete Block Designs).

Analisis varians

Analisis varians menggunakan model yang sama seperti rancangan berblok lengkap,

sehingga analisis data pun serupa dengan rancangan berblok lengkap. Persoalannya adalah

dalam setiap blok tidak semua perlakuan diujikan, sehingga ini mengakibatkan pengaruh grup
perlakuan dan blok terbaur sebagian (confounded). Dalam cara hitung manual, hal ini diatasi

melalui model linear, suatu bentuk generalisasi dari analisis regresi. Dengan perangkat lunak,

rancangan blok tidak lengkap dapat dianalisis dengan lebih mudah.

Untuk berlatih, pindahkanlah data berikut ke dalam format yang dapat dianalisis seperti
biasa.

Blok 1 T2 (33) T4 (26) T5 (33) T6 (23)

Blok 2 T1 (30) T2 (32) T5 (33) T7 (30)

Blok 3 T1 (36) T4 (25) T6 (22) T7 (27)

Blok 4 T3 (26) T5 (37) T6 (24) T7 (29)

Blok 5 T1 (31) T3 (27) T4 (25) T5 (36)

Blok 6 T2 (34) T3 (28) T4 (25) T7 (30)

Blok 7 T1 (29) T2 (34) T3 (27) T6 (26)

Struktur tabel analisis varians serupa dengan rancangan berblok lengkap, tetapi efek blok

adalah unadjusted, artinya mengabaikan kenyataan bahwa bloknya tidak lengkap. Efek grup

perlakuan adalah adjusted, yaitu dikoreksi menyesuaikan ukuran blok yang tak lengkap.

Sumber Keragaman d.b. JK RK F hitung

Blok (unadjusted) b-1 JK Block

Perlakuan (adj.) t-1 JK Perl RK Perl RK Perl / RK Ses

Sesatan tr - (b - 1) - JK Ses RK Ses

(t - 1) - 1

Total tr - 1 JK Total
 Dalam penulisan model di R atau perangkat lunak lain, untuk menangani hal ini cukup
meletakkan efek blok di depan efek perlakuan dalam urutan penulisan model. Jadi,

aov(hasil~blok + perlakuan). Pembalikan urutan akan menghasilkan analisis yang

berbeda. Analisislah data di atas dengan R melalui package ibd.

Rancangan Terpulihkan: Rancangan Kisi (Lattice design)

Kelemahan dari rancangan blok tak-lengkap terimbang adalah bahwa pilihannya terbatas,

tidak banyak kombinasi yang memenuhi syarat di atas. Selain itu, apabila pengaruh antarblok

tidak signifikan, susunan tidak dapat diubah. Keluarga rancangan blok tak lengkap lainnya

yang memiliki karakteristik lebih baik adalah rancangan-rancangan kisi atau lattice designs.
Rancangan kisi berciri terpulihkan atau resolvable; maksudnya adalah apabila pengaruh

antarblok tidak nyata, kita dapat melakukan analisis seperti rancangan blok lengkap teracak

(RCB). Perhatikan sketsa susunan sbb.

rep 1 rep 2 rep 3

blok I blok II blok III blok IV blok V blok VI

1 3 1 2 1 2
2 4 3 4 4 3

7 5 6 5 6 5

8 6 8 7 7 8

9 10 11 9 9 11
11 12 12 10 10 12

Nomor di setiap kolom adalah nomor grup perlakuan (t = 12). Setiap dua blok terkumpul
dalam satu ulangan (rep), dan setiap rep selalu memuat lengkap seluruh grup perlakuan yang

diuji. Dalam rancangan kisi, nomor perlakuan yang ada dalam setiap blok diatur sedemikian

rupa, dan pengacakan dilakukan setelah semua perlakuan dialokasikan sesuai aturan tadi.

Rancangan kisi bersifat hierarkis: blok berada dalam ulangan, sehingga memiliki komponen
model mirip dengan struktur tersarang; bedanya, di sini yang tersarang adalah bloknya.
Analisis varians
Model analisis rancangan kisi adalah Yijk = μ + ρk + βjk + τi + εijk dengan ρk adalah pengaruh

ulangan (rep) ke-k, βjk adalah pengaruh blok ke-j dalam ulangan ke-k, dan sisanya sama seperti

rancangan berblok lainnya. Perhatikan bahwa blok tersarang dalam ulangan, sehingga untuk
k yang berbeda, nomor blok (j) tidak akan sama. Hal ini harus jelas tertera dalam data yang
diinput.

Berikut adalah data pengamatan banyak anakan (dalam kurung) dari 24 nomor padi yang

diuji pada 12 blok disusun dengan rancangan kisi, masing-masing nomor diulang tiga kali.

blok 1 1 (16) 5 (12) 9 (13) 13 (14) 17 (10) 21 (11)

blok 2 2 (13) 6 (11) 10 (13) 14 (11) 18 (9) 22 (13)

blok 3 3 (12) 7 (4) 11 (13) 15 (10) 19 (10) 23 (10)

blok 4 4 (12) 8 (10) 12 (13) 16 (9) 20 (12) 24 (8)

blok 5 1 (15) 6 (11) 11 (13) 16 (13) 19 (11) 22 (12)

blok 6 2 (10) 7 (3) 12 (12) 13 (13) 20 (8) 23 (9)

blok 7 3 (10) 8 (9) 9 (12) 14 (10) 17 (9) 24 (9)

blok 8 4 (11) 5 (10) 10 (10) 15 (7) 18 (10) 21 (11)

blok 9 1 (13) 7 (3) 12 (11) 15 (8) 18 (8) 24 (9)

blok 10 2 (11) 8 (9) 9 (15) 16 (10) 19 (9) 21 (10)

blok 11 3 (10) 5 (12) 10 (13) 13 (12) 20 (10) 22 (11)

blok 12 4 (11) 6 (8) 11 (11) 14 (10) 17 (9) 23 (9)

Sumber keragaman adalah Ulangan, Blok dalam Ulangan, nomor (atau Grup Perlakuan), dan

Sesatan. Ulangan diuji ke Blok dalam Ulangan, sedangkan Grup Perlakuan diuji ke Sesatan.

Pembandingan antarrerata dilakukan menggunakan lsmeans-nya (tidak diberikan dalam

praktikum ini).
Gunakan R untuk melakukan analisis varians bagi data ini. Perhatikan modelnya, dan

ingatlah bagaimana membuat model untuk rancangan dengan pencuplikan.