PENGARUH DATA HILANG PADA RANCANGAN BUJUR SANGKAR

LATIN (RBSL) TERHADAP PENDUGAAN PARAMETER MENGGUNAKAN

METODE YATES

A. Latar Belakang
Data hilang merupakan salah satu masalah yang sering ditemui dalam suatu
penelitian yang memerluhkan keseimbangan dan keortogonalan yang tidak akan
tercapai syaratnya apabila terjadi data hilang. Pendekatan yang sering dilakukan
untuk mengatasi masalah tersebut adalah dengan melakukan pendugaan. (Little,
R. J. A & Donald B. Rubin., 1987) menyebutkan keuntungan pendugaan data
hilang yakni, lebih mudah menentukan struktur data dengan menggunakan
terminologi rancangan percobaan, lebih mudah dalam perhitungan statistik
ringkasan yang di perluhkan, lebih mudah menginterpretasikan hasil analisis dari
ringkasan yang telah dibuat. Meskipun pengumpulan data percobaan dilapangan
biasanya dilakukan dengan sangat hati-hati, namun sejumlah faktor diluar
kemampuan peneliti dapat menyebabkan timbulnya data bermasalah. Salah satu
bentuk dari data bermasalah itu adalah data yang hilang (Gomez, 1995).

Rancangan Bujur Sangkar Latin (RBSL) merupakan suatu rancangan percobaan

dengan dua arah pengelompokkan, yaitu baris dan kolom. Banyaknya perlakuan
sama dengan jumlah ulangan sehingga setiap baris dan kolom akan mengandung
semua perlakuan. Pada rancangan ini, pengacakan dibatasi dengan
mengelompokannya ke dalam baris dan juga kolom, sehingga setiap baris dan
kolom hanya akan mendapatkan satu perlakuan. Jadi pada percobaan dengan
Rancangan Bujur Sangkar Latin, maka yang harus diperhatikan adalah selain
perlakuan, pengelompokan menurut baris, dan pengelompokan menurut kolom,
dengan jumlah yang sama dengan jumlah perlakuan Sehingga yang
mempengaruhi hasil percobaan selain perlakuan, baris, dan kolom serta
kekeliruan atau pengaruh galat yang disebut oleh kesalahan percobaan yang
tidak diketahui penyebabnya, merupakan unsur kebetulan atau kesalahan teknis
dan pengukuran percobaan, walaupun percobaan sudah terawasi atau terkontrol.

1
 Pada pendugaan penelitian ini peneliti menggunakan metode yates sebagai
penduganya. Metode Yates adalah penduga terhadap data penelitian hilang pada
rancangan blok lengkap acak (RBLA) sehingga kuadrat tengah error minimal.
Dalam penelitian ini peneliti mengambil contoh data pipilan tiga hibrida jagung
harapan dimana data tersebut terdiri dari 4 ulangan (kelompok) dan 4 perlakuan
dimana terdapat 3 data hilang yang nantinya akan meminimumkan jumlah
kuadrat error.

Penelitian sebelumnya mengenai data hilang dilakukan oleh Idhia Sriliana

dengan menggunakan Penduga Data Hilang Pada Rancangan Bujur Sangkar
Latin Dasar dimana data tersebut terdiri dari 5 ulangan (kelompok) dan 5
perlakuan serta terdapat 2 data hilang dimana hasil analisis signifikan pada taraf
uji 5% artinya perlakuan yang diberikan berpengaruh nyata terhadap percobaan.
Berdasarakan uraian diatas dalam penelitian ini diterapkan Metode Yates untuk
pengaruh data hilang pada Rancangan Bujur Sangkar Latin (RBSL) terhadap
pendugaan parameter.

B. Rumusan Masalah
Berdasarkan latar belakang diatas, perumusan masalah dalam penulisan ini
adalah menentukan data hilang dengan menggunakan Metode Yates?

C. Tujuan Penelitian
Berdasarkan rumusan masalah diatas, maka tujuan yang ingin dicapai dalam
penulisan ini adalah, menentukan data hilang dengan menggunakan Metode
Yates.

D. Manfaat Penelitian
Adapun manfaat dalam penelitian ini adalah :

1. Bagi penulis, dapat memberikan penjelasan dan pemahaman terkait dengan

Metode Yates.

2
 2. Bagi jurusan dan fakultas, sebagai tambahan referensi bagi para pembaca
atau akademisi dari fakultas MIPA Program Studi Statistika atau Fakultas
lainya yang ingin mendalami dan mengembangkan Metode Yates.

E. Tinjauan Pustaka
E.1 Rancangan Percobaan
Rancangan Percobaan adalah suatu uji atau deretan uji baik menggunakan
statistika deskripsi ataupun statistika inferensia, yang bertujuan untuk
mengubah peubah input menjadi suatu output yang merupakan respons dari
percobaan tersebut (Mattjik, A.A. & Sumertajaya, I.M., 1999) dalam suatu
rancangan percobaan, data yang dianalisis statistika dikatakan sah dan valid
apabila data tersebut diperoleh dari suatu percobaan yang memenuhi tiga
prinsip dasar. Menurut (Mattjik, A.A. & Sumertajaya, I.M., 1999) tiga
prinsip dasar tersebut antara lain :
1. Ulangan, yaitu pengalokasian suatu perlakuan tertentu terhadap
beberapa unit percobaan pada kondisi yang seragam.
2. Pengacakan, yaitu setiap unit percobaan harus memiliki peluang yang
sama untuk diberi suatu perlakuan tertentu. Pengacakan perlakuan
pada unit-unit percobaan dapat menggunakan tabel bilangan acak,
sistem lotre secara manual atau dapat juga menggunakan komputer.
3. Pengendalian lingkungan (local control), yaitu usaha untuk
mengendalikan keragaman yang muncul akibat keheterogenan kondisi
lingkungan. Usaha-usaha pengendalian lingkungan yang dapat
dilakukan, antara lain dengan melakukan pengelompokan (blocking)
satu arah, dua arah maupun multi arah. Pengelompokan dikatakan
baik jika keragaman di dalam kelompok lebih kecil dibandingkan
dengan keragaman antar kelompok.
Adapun beberapa istilah dalam rancangan percobaan yang harus dikenal
menurut (Mattjik, A.A. & Sumertajaya, I.M., 1999) adalah :
a. Perlakuan (Treatment), adalah suatu prosedur atau metode yang
diterapkan pada unit percobaan. Prosedur atau metode yang
3
 diterapkan dapat berupa pemberian pupuk yang berbeda, dosis
pemupukan yang berbeda, jenis varietas yang berbeda, pemberian
jenis pakan yang berbeda, dan lain-lain.
b. Unit percobaan, adalah unit terkecil dalam suatu percobaan yang
diberi suatu perlakuan. Unit terkecil ini bisa berupa petak lahan,
individu, sekandang ternak, dan lain-lain tergantung dari bidang
penelitian yang sedang dipelajari.
c. Satuan amatan adalah anak gugus dari unit percobaan tempat dimana
respons perlakuan diukur.
E.2 Rancangan Bujur Sangkar Latin (RBSL)
E.2.1 Pengertian Rancangan Bujur Sangkar Latin (RBSL)
Rancangan Bujur Sangkar Latin (RBSL) merupakan suatu rancangan
percobaan dengan dua arah pengelompokkan, yaitu baris dan kolom.
Banyaknya perlakuan sama dengan jumlah ulangan sehingga setiap
baris dan kolom akan mengandung semua perlakuan. Pada rancangan
ini, pengacakan dibatasi dengan mengelompokannya ke dalam baris
dan juga kolom, sehingga setiap baris dan kolom hanya akan
mendapatkan satu perlakuan.
E.2.2 Keuntungan dan kelemahan Rancangan Bujur Sangkar Latin
(RBSL)
Keuntungan rancangan bujur sangkar latin :
1. Mengurangi keragaman galat melalui penggunaan dua buah
pengelompokan
2. Pengaruh perlakuan dapat dilakukan untuk percobaan berskala
kecil
3. Analisis relatif mudah
4. Baris atau kolom bisa juga digunakan untuk meningkatkan
cakupan dalam pengambilan kesimpulan
Kelemahan rancangan bujur sangkar latin :

4
 1. Banyaknya baris, kolom dan perlakuan harus sama, sehingga
semakin banyak perlakuan, satuan percobaan yang diperlukan
juga semakin banyak.
2. Apabila banyaknya kelompok bertambah besar, galat percobaan
per satuan percobaan juga cenderung meningkat.
3. Asumsi modelnya sangat mengikat, yaitu bahwa tidak ada
interaksi antara sembarang dua atau semua kriteria, yaitu baris,
kolom dan perlakuan.
4. Pengacakan yang diperlukan sedikit lebih rumit daripada
pengacakan rancangan-rancangan sebelumnya.
5. Derajat bebas galatnya yang lebih kecil dibanding dengan
rancangan lain yang berukuran sama, akan menurunkan tingkat
ketelitian, terutama apabila jumlah perlakuannya berukuran kecil.
6. Memerlukan pengetahuan/pemahaman dasar dalam menyusun
satuan percobaan yang efektif.
7. Apabila ada data hilang, meskipun jumlahnya tidak terlalu
banyak, maka hasil analisisnya diragukan karena perlakuan
menjadi tidak seimbang.
F.2.3 Pengacakan Rancangan Bujur Sangkar Latin (RBSL)
Pengacakan Rancangan Bujur Sangkar Latin Setiap perlakuan muncul
sekali di setiap baris dan sekali pada setiap kolom. Pertama, pilih
rancangan dasar yang sesuai dengan ukurannya, kemudian lakukan
pengacakan pada arah baris, dan selanjutnya pengacakan pada arah
kolom.
Misal terdapat 4 perlakuan A, B, C, D.

Tabel 5.1 Rancangan dasar, pengacakan baris dan pengacakan kolom

B/K 1 2 3 4 B/K 1 2 3 4 B/K 1 2 3 4

1 A B C D 1 D C A B 1 C D B A
2 B A D C 2 C D B A 2 D C A B
3 C D B A 3 A B C D 3 B A D C
D C A B 4 B A D C 4 A B C D

5
 Pada tabel di atas dapat kita lihat rancangan dasar ukuran 4x4,
pengacakan baris dan pengacakan kolom. Pengacakan pada posisi
baris. Misal pengacakan dengan menggunakan fungsi Rand() pada MS
Excel (cara pengacakan secara detail dengan bantuan MS Excel dapat
dilihat pada pengacakan RAL). Dari proses pengacakan tersebut kita
mendapatkan urutan baru 4, 3, 1, 2. Artinya, baris yang asalnya ada
diposisi ke-1(urutan semula) berubah menjadi posisi 4 (Urutan
pengacakan), beris ke-2 menjadi baris ke-3, dst. Dari hasil pengacakan
pada posisi baris tersebut kita mendapatkan hasil dengan cara yang
sama, kita lakukan pengacakan untuk posisi kolom. Misalkan kita
mendapatkan urutan pengacakan: 2, 1, 4, 3. Artinya, kolom ke-1
menjadi kolom ke-2, kolom ke-2 menjadi kolom ke-1, dst. Dari hasil
pengacakan pada posisi kolom tersebut kita mendapatkan hasil
sebagai berikut:
Jika jumlah data yang hilang lebih dari satu maka dilakukan
proses iterasi. nilai awal untuk proses iterasi tersebut di tentukan
dengan (Steel, R.G.D. & Torrie, J.H, 1991):
𝑌̅𝑖 + 𝑌̅𝑗
𝑌𝑎𝑤𝑎𝑙(𝑖𝑗) =
2
dengan:
𝑌𝑎𝑤𝑎𝑙(𝑖𝑗) = Nilai awal amatan perlakuan ke-i dan kelompok ke-j
𝑌̅𝑖 = Rataan untuk seluruh perlakuan ke-i
𝑌̅𝑗 = Rataan untuk seluruh perlakuan ke-j
F.2.4 Model Linear dan Analisis Ragam
Model linear aditif faktorial RBSL Runtuk bias dan ragam pendugaan
adalah :
𝑌𝑖𝑗𝑘 = 𝜇 + 𝐴𝑖 + 𝐵𝑗 + (𝐴𝐵)𝑖𝑗 + 𝜌𝑘 + 𝜀𝑖𝑗𝑘
dengan
𝑌𝑖𝑗𝑘 = Pengamatan faktor A ke taraf ke-i, faktor B ke taraf ke-j dan
pada kelompok ke-k.
𝐴𝑖 = Pengaruh faktor A taraf ke-i
6
𝐵𝑗 = Pengaruh faktor B taraf ke-j
(𝐴𝐵)𝑖𝑗 = Pengaruh interaksi Antara faktor A taraf ke-i dan faktor B taraf
ke-j.
𝜌𝑘 = Pengaruh kelompok ke-k
𝜀𝑖𝑗𝑘 = Pengaruh acak faktor A taraf ke-i, faktor B taraf ke-j dan
kelompok ke-k.
Analisis keragaman merupakan suatu cara untuk menguraikan ragam
total menjadi komponen ragam (Sastrosupadi, 2000). Analisis keragaman
pada satu data hilang dalam Rancangan Kisi Seimbang dihitung seperti pada
data lengkap, hanya saja derajat bebas total dan derajat bebas galat dikurangi
satu dari nilai aslinya (Chocran dan Cox, 1957). Sedangkan untuk lebih dari
satu data hilang menurut Gomez dan Gomez (1995), analisis keragaman
dihitung seperti pada data biasanya, hanya saja derajat bebas total dan
derajat bebas galat dikurangi m, dimana m adalah banyaknya nilai yang
hilang. Asumsi-asumsi yang mendasari analisis ragam yang perlu
diperhatikan agar pengujian menjadi sahih menurut (Gaspersz, 1991)
adalah :
1. Perhitungan Analisis Keragaman (ANOVA)
Menurut Gomez dan Gomez (1995), perhitungan-perhitungan
sederhana untuk menyusun tabel ANOVA adalah sebagai berikut:
a. Menyusun data mentah menurut baris dan lajurnya beserta
penjelasan penempatan perlakuan untuk setiap pengamatan.
b. Menghitung jumlah baris, jumlah lajur dan jumlah umum.
c. Menentukan derajat bebas masing-masing sumber keragaman
dengan menggunakan t untuk menunjukkan perlakuan.
𝑑. 𝑏. 𝑢𝑚𝑢𝑚 = 𝑡 2 − 1 = 𝑡 − 1
𝑑. 𝑏. 𝑏𝑎𝑟𝑖𝑠 = 𝑑. 𝑏. 𝑙𝑎𝑗𝑢𝑟 = 𝑑. 𝑏. 𝑝𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛 = 𝑡 − 1 = 𝑡 − 1
𝑑. 𝑏. 𝑔𝑎𝑙𝑎𝑡 = (𝑡 − 1)(𝑡 − 2) = (𝑡 − 1)(𝑡 − 2)
d. Menghitung Faktor koreksi dan berbagai jumlah kuadrat :
𝐺2
𝐹. 𝐾 =
𝑡2
7
 𝐽𝐾 𝑈𝑚𝑢𝑚 = ∑ 𝑋 2 − 𝐹. 𝐾.
∑ 𝑅2
𝐽𝐾 𝐵𝑎𝑟𝑖𝑠 = − 𝐹. 𝐾.
𝑡
∑ 𝐶2
𝐽𝐾 𝐿𝑎𝑗𝑢𝑟 = − 𝐹. 𝐾.
𝑡
∑ 𝑇2
𝐽𝐾 𝑃𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛 = − 𝐹. 𝐾.
𝑡
𝐽𝐾 𝐺𝑎𝑙𝑎𝑡 = 𝐽𝐾 𝑢𝑚𝑢𝑚 − 𝐽𝐾 𝐵𝑎𝑟𝑖𝑠 − 𝐽𝐾 𝐿𝑎𝑗𝑢𝑟 − 𝐽𝐾 𝑃𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛

e. Menghitung Kuadrat tengah setiap keragaman

𝐽𝐾 𝑏𝑎𝑟𝑖𝑠
𝐾𝑇 𝐵𝑎𝑟𝑖𝑠 =
𝑡−1
𝐽𝐾 𝐿𝑎𝑗𝑢𝑟
𝐾𝑇 𝐿𝑎𝑗𝑢𝑟 =
𝑡−1
𝐽𝐾 𝑃𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛
𝐾𝑇 𝑃𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛 =
𝑡−1
𝐽𝐾 𝐺𝑎𝑙𝑎𝑡
𝐾𝑇 𝐺𝑎𝑙𝑎𝑡 =
(𝑡 − 1)(𝑡 − 1)

f. Menghitung Nilai F

𝐾𝑇 𝑃𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛
𝐾𝑇 𝑃𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛 =
𝐾𝑇 𝐺𝑎𝑙𝑎𝑡

g. Membandingkan nilai F hitung dengan nilai F tabel dengan fi= d.b

perlakuan, f.2 = d.b galat = (𝑡 − 1)(𝑡 − 2) dan membuat
kesimpulan.

h. Menghitung Koefisien Ragam

√𝐾𝑇 𝐺𝑎𝑙𝑎𝑡
𝑘𝑘 = 𝑥 100
𝑅𝑎𝑡𝑎𝑎𝑛 𝑈𝑚𝑢𝑚

8
 Tabel 5.2 Tabel Annova
Sumber
db JK KT Fhitung Ftabel
Keragaman
Baris t-1 JK[B]
Lajur t-1 JK[L]
𝐾𝑇 𝑃𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛
Perlakuan t-1 JK[P.Terkoreksi] KT[P] 𝐾𝑇 𝐺𝑎𝑙𝑎𝑡 𝐹𝛼(𝑣1,𝑣2)
(t-1)(t-2)-
Galat 2 JK[G] KT[G]
𝑡2 − 1
Umum =𝑡−1 JK[T]

F.2.5 Uji Asumsi IIDN (Identik, Independen, Berdistribusi Normal)

Pemeriksaan Asumsi Residual IIDN (Identik, Independen, Distribusi
Normal) merupakan uji yang harus dilakukan apakah data yang digunakan
memenuhi ketiga asumsi tersebut dalam melakukan pengujian
(Sudjana,1996).
1. Pemeriksaan Asumsi Residual Identik
Pemeriksaan Asumsi Residual identik dilakukan untuk melihat apakah
residual memenuhi asumsi identik. Suatu data dikatakan identik
apabila plot residualnya menyebar secara acak dan tidak membentuk
suatu pola tertentu. Nilai varians rata-ratanya sama antara varians satu
dengan yang lainnya (Sudjana,1996).
2. Pemeriksaan Asumsi Residual Independen
Pemeriksaan Asumsi Residual independen dilakukan untuk melihat
apakah residual memenuhi asumsi independen. Suatu data dikatakan
independen apabila plot residualnya menyebar secara acak dan tidak
membentuk suatu pola tertentu (Sudjana,1996).
3. Pengujian Asumsi Residual Berdistribusi Normal
Pengujian Asumsi Residual berdistribusi normal dilakukan untuk
melihat apakah residual memenuhi asumsi berdistribusi normal atau
tidak. Kenormalan suatu data dapat dilihat dari plotnya. Apabila plot
sudah mendekati garis linier, dapat dikatakan bahwa data tersebut
memenuhi asumsi yaitu berdistribusi normal.
9
 Uji kenormalan data juga dapat dilihat dari nilai Dhitung yang
diperoleh dari hasil uji Kolmogorov Smirnov. Nilai Dhitung
dibandingkan dengan nilai α. Hipotesisnya adalah sebagai berikut.
H0 : Residual berdistribusi normal
H1 : Residual tidak berdistribusi normal
α : 0.05 Statistik
Daerah kritis : Tolak H0, jika nilai Dhitung< Dα dan residual tidak
berdistribusi normal. Jadi suatu data dapat dikatakan baik apabila data
tersebut memenuhi semua asumsi IIDN (Identik, Independen,
Distribusi Normal).(Sudjana,1996)

E.3 Data Hilang

Data hilang merupakan bagian dari “Data Bermasalah”. Pada dasarnya data
hilang atau data yang hilang akan menyebabkan hilangnya keterangan yang
diperlukan dan akibatmya tidak dapat dilakukan penganalisaan lebih lanjut.
Menurut (Gomez, 1995), Penyebab adanya data hilang adalah perlakuan
yang tidak tepat, kerusakan tanaman percobaan, data panenan yang hilang
dan data yang tidak logis. dengan adanya data yang hilang ini syarat
keortogonalan rancangan tidak terpenuhi. Sebagai contoh, data hilang
akibat pemberian perlakuan yang tidak tepat, rusaknya amatan percobaan,
hilangnya data hasil pengamatan dan sebagainya (Sudjana, 1989). Asumsi
yang diperlukan dalam pendugaan data hilang adalah merupakan parameter
utama yang bebas dari proses hilangnya data dan data hilang secara acak
(Little, R. J. A & Donald B. Rubin., 1987)

E.4 Metode Yates

Metode yates merupakan metode untuk analisis data hilang pada rancangan
percobaan dengan cara menyisipkan nilai dugaan yang meminimumkan
JKG. Menutut (Little, R. J. A & Donald B. Rubin., 1987) Metode Yates
pada dasarnya terdiri atas 3 tahap yaitu :
a. Menduga data hilang

10
b. Mengisi data hilang dengan nilai dugaan
c. Menganalisis data yang lengkap
Pendugaan satu data hilang pada rancangan bujur sangkar latin (RBSL),
yakni digunakan rumus :
𝑡(𝑅 + 𝐶 + 𝑇) − 2𝐺
𝑌=
(𝑡 − 1)(𝑡 − 2)
dengan:
𝑌 = Nilai dugaan data yang hilang
t = Banyaknya perlakuan
R = Jumlah baris amatan yang teramati pada baris yang mengandung
data yang hilang
C = Jumlah baris amatan yang teramati pada lajur yang mengandung
data yang hilang
T = Jumlah baris amatan yang teramati pada perlakuan yang
mengandung data yang hilang
G = Jumlah keseluruhan dari amatan yang teramati
Prosedur pendugaan satu data hilang dengan metode yates yakni :
1. Jika banyaknya data hilang sama dengan 1, dugalah data hilang dengan
rumus yang sudah ditentukan
2. Jika banyaknya data hilang lebih dari satu, lakukan langkah-langkah di
bawah ini :
a. Tentukan nilai awal
b. Dugalah data hilang dengan rumus yang sudah di tentukan
c. Masukkan nilai dugaaan kedalam data yang hilang
d. ulangi langkah 1-3 sampai nilai dugaan data hilang kovergen ke satu
nilai tertentu.
Apabila terdapat lebih dari satu data hilang dalam Rancangan Bujur Sangkar
Latin (RBSL), yaitu 𝑌𝑘𝑙(𝑚) (nilai pengamatan pada baris ke- k, lajur ke-l,
dan perlakuan ke-m) dan 𝑌𝑔ℎ(𝑢) (nilai pengamatan pada baris ke- g, lajur ke-
h, dan perlakuan ke-u), dengan penduga berturut-turut adalah A dan B.

11
 Maka salah satu data hilang (misalkan 𝑌𝑘𝑙(𝑚) ) diaproksimasi dengan
menggunakan rumus :
(𝑌̅𝑘. + 𝑌̅𝑙 + 𝑌̅(𝑚) )
𝐴0 =
3
dimana:
𝐴0 = nilai dugaan awal
𝑌̅𝑘. = rata-rata pengamatan yang tak hilang pada baris ke-k
𝑌̅𝑙 = rata-rata pengamatan yang tak hilang pada lajur ke-l
𝑌̅(𝑚) = rata-rata pengamatan yang tak hilang pada perlakuan ke-m
E.3 Jagung Hibrida
Jagung Hibrida adalah jenis jagung yang diperoleh dari persilangan antara
dua atau lebih dari sifat indukan yang heterozygot dan homogen. Dengan
kata lain bahwa jagung hibrida diperoleh dari hasil persilangan dua indukan
berbeda yang telah mengalami tahapan seleksi serta adaptasi pada suatu
lingkungan dan menunjukan adanya keseragaman fenotipe yang dapat
dibedakan dengan varietas lain. Jagung jenis tanaman menyerbuk silang
hasil dari persilang tersebut akan menghasilkan sifat-sifat yang dapat diukur
seperti;tinggi tanaman,bentuk tongkol, tipe biji, warna biji dan lain
sebagainya.
Jagung hibrida di Indonesia mulai diteliti pada tahun 1913, dan dilanjutkan
pada tahun 1950an. Galur diekstrak dari varietas lokal dan introduksi
berumur genjah berdaya hasil masih rendah tetapi hasil hibridanya mencapai
dua kali lebih tinggi dari hasil galur murninya. Pada tahun 1960an,
(Damardjati, D.S, Subandi, K. Kariyasa, Zubachtirodin, S. Saenong, 2005)
mengembangkan galur dari beberapa sumber plasma nutfah dan
mengevaluasi daya gabung galur dengan tetua penguji varietas Harapan,
namun tidak dilanjutkan sampai memperoleh varietas hibrida. Galur-galur
yang daya gabungnya baik dibentuk menjadi varietas sintetik dan
menghasilkan varietas Permadi. Pada awal tahun 1980an, perusahaan swasta
multinasional mulai mengevaluasi jagung hibrida di Indonesia.

12
 F.5 Kerangka Pemikiran

Mulai

Penyajian Data

Menghilangkan Data

Melakukan pendugaan data dengan RBSL

pada setiap penghilangan data

Melakukan Pengacakan pada

posisi baris dan kolom

Analisis Ragam
Iterasi

Tidak Pengujian Asumsi

Ya

Menarik Kesimpulan
Selesai

Selesai

13
F. Metode Penelitian
F.1. Lokasi dan Tempat Penelitian
Lokasi dan tempat penelitian dilakukan di Laboratorium Statistika
Terapan, Program Studi Statistika Jurusan Matematika Fakultas
Matematika dan Ilmu Pengetahuan Alam
F.2 Prosedur Pengambilan Data
Data yang digunakan dalam penelitian ini adalah data Sekunder yang
diperoleh dari hasil pipilan tiga hibrida jagung harapan. Adapun faktor
dari data yang ada yakni ada 4 faktor dimana masing-masing faktor
memiliki 4 taraf, adapun ulangan dan perlakuan dari data yang ada yakni
terdiri dari 4 ulangan (kelompok) dan 4 perlakuan.

F.3 Analisis Data

Berdasarkan teori yang telah disajikan, maka selanjutnya menganalisis
data, yaitu menganalisis pengaruh data hilang yang diselesaikan dengan :
1. Tentukan nilai awal
2. Dugalah data hilang dengan rumus yang sudah di tentukan
3. Masukkan nilai dugaaan kedalam data yang hilang
4. Ulangi langkah 1-3 sampai nilai dugaan data hilang kovergen ke satu
nilai tertentu.

G. Daftar Pustaka
Damardjati, D.S, Subandi, K. Kariyasa, Zubachtirodin, S. Saenong. (2005).
Prospek dan arah pengembangan agribisnis jagung. Jakarta: Balitbang
Pertanian, Departemen Pertanian.

Gaspersz. (1991). Metode Perancangan Percobaan. Bandung: AMRICO..

Gomez. (1995). Prosedur Statistik untuk Penelitian Pertanian Edisi Kedua.

Jakarta: Universitas Indonesia.

Little, R. J. A & Donald B. Rubin. (1987). Statistical Analusis with Missing

Data. New York: Jhon Wiley & Sons.

14
Mattjik, A.A. & Sumertajaya, I.M. (1999). Analisis Perancangan Percobaan
Dengan aplikasi SAS dan Minitab. Bogor: IPB .

Steel, R.G.D. & Torrie, J.H. (1991). Prinsip dan Prosedur Statistika Suatu
Pendekatan Biomerik. Jakarta: PT Gramedia Pustaka Utama.

Sudjana. (1989). Desain dan analisis Eksperimen. Bandung: Tarsito.

Yates, F. (1993). The Analysis of Replicated Experiments When The Field

Result Are Incomplate. The Analysis of Replicated Experiments When The
Field Result Are Incomplate, 129-142.

15