Rangkuman rancangan percobaan

1. Rancangan Acak Kelompok

 Perbedaan RAK,RAL, dan RBSL dan contohnya
 Rancangan acak  lengkap (RAL)
Diterapkan pada percobaan yang dilakukan pada lingkungan homogen (atau dapat
dianggap homogen), Perlu dijelaskan disini bahwa yang disebut “lingkungan” adalah
faktor-faktor lain diluar faktor yang sedang diteliti. Dalam percobaan RAL setiap
unit percobaan di acak secara sempurna, tanpa dibatasi oleh blok dsb. RAL biasanya
digunakan pada percobaan yang tempat,suhu,kondisi lingkungan, atau keadaannya
relatif sama, contohnya adalah percobaan yang dilakasanakan di laboratorium.

 Rancangan Acak Kelompok (RAK)

Diterapkan pada percobaan yang dilakukan pada lingkungan tidak homogen
(heterogen), misalnyapercobaan-percobaan yang dilaksanakan di lapangan, dimana
terdapat 1 sumber keragaman diluar faktor penelitian. Dalam percobaan RAK setiap
unit percobaan ditempatkan secara acak pada setiap kelompok. RAK digunakan pada
percobaan yang tempat kondisi lingkungannya atau keadaannya berbeda contohnya
adalah percobaan yang dilakukan di ladang yang keadaan tanahnya berbeda-beda.

 Rancangan Bujur Sangkar Latin (RBSL)

diterapkan pada percobaan yang dilakukan pada lingkungan tidak homogen, dimana
terdapat 2 sumber keragaman diluar faktor penelitian. Dalam percobaan RBSL setiap
unit percobaan ditempatkan sedemikian rupa sehingga tidak ada perlakuan yang
sama dalam satu baris atau kolom. Ciri khas RBSL adalah jumlah ulangan yang sama
dengan jumlah perlakuan. Disarankan RBSL diterapkan pada percobaan yang
memiliki 4 sampai 8 perlakuan.
 Kelebihan dan kekurangan RAK
1.      Lebih efisien dan akurat dibandigkan dengan RAL (Pengelompokan yang efektif dapat
meunurukan jumlah kuadrat galat, sehingga akan meningkatkan tingkat ketepatan atau
bisa mengurangi julah ulangan)
2.      Lebih fleksibel (Banyaknya perlakuan, Banyaknya ulangan/kelompok, dan Tidak semua
kelompok memerlukan ulangan yang sama)
 3.      Penarikan kesimpulan lebih luas karena kita bisa juga melihat perbedaan diantara
kelompok 
4.      Memerlukan asumsi tambahan untuk beberapa uji hipotesis dan lain-lain.
 Kekurangan RAK
1.      Memerlukan asumsi tambahan untuk beberapa uji hipotesis.
2.      Interaksi antar kelompok perlakuan sangat sulit.
3.       Peningkatan ketepatan pengelompokan akan menurun dengan semakin meningkatnya
jumlah satuan percobaan dalam kelompok.
4.      Derajat bebas kelompok akan menurunkan derajat bebas galat, sehingga sensitifitasnya
akan menurun terutama apabila jumlah perlakuannya sedikit atau keragaman dalam satuan
percobaan kecil (homogen).
5.      Memerlukan pemahaman tambahan tentang keragaman satuan percobaan untuk
suksesnya pengelompokan.
6.      Jika ada data yang hilangmemerlukan perhitungan yang rumit.
 Cara pengacakan RAK
1. Ambil bilangan acak di susun 2/3
2. Menyusun perlakuan misal A-D kemudian, bilangan yang disusun diberi pangkat
3. Kemudian perlakuan disusun berdasarkan hasil pangkat, dan ulang cara tersebut sampai
dengan jumlah kelompok yang ditentukan.
 Cara Perhitungan
1. Hipotesis
- Hipotesis Perlakuan
H0 :τ i=0
H1: Setidaknya ada satu i dimanaτ i≠0
- Hipotesis Kelompok
H0 : βi=0
H1: Setidaknya ada satu j dimana βi ≠ 0
2. Statistik Uji
- α =0.05
- F tabel Perlakuan
- F tabel kelompok
3. Analisis Statistik
❑ ❑ 2
- FK =
( ∑ ∑ Yij
❑
i
❑
j
) /rp
2
- JKT= ∑ ∑ Yij −FK
i j
❑ ❑
2
- JKP= ∑ ∑ Yij /r -FK
i j
❑ ❑
2
- JKK= ∑ ∑ Yij / p-FK
j i
- JKG= JKT-JKP-JKK
4.Tabel Analisis Ragam

5.Keputusan
- Perlakuan : Karena F hitung> F tabel maka H0 ditolak
- Kelompok :Karena F hitung < F tabel maka Ho diterima
6. Kesimpulan
 - Perlakuan :Dengan taraf nyata 5% sudah cukup bukti untuk menyatakan bahwa
terdapat perbedaan pengaruh perlakuan terhadap yang diteliti.
-Kelompok : Dengan taraf nyata 5% sudah cukup bukti untuk menyatakan apabila tidak
terdapat perbedaan pengaruh perlakuan terhadap yang diteliti.
 Model Acak, Tetap, dan Campuran.

 Rancangan Acak Kelompok dengan Anak Contoh

Contoh dengan 4 kelompok 5 anak contoh untuk setiap percobaan perlakuannya 8 jenis
penyiangan gulma pada tanaman tebu
1. Hipotesis
- Hipotesis Perlakuan
H0 :τ i=0
H1: Setidaknya ada satu i dimanaτ i≠0
- Hipotesis Kelompok
H0 : βi=0
H1: Setidaknya ada satu j dimana βi ≠ 0
2. Statistik Uji
- α =0.05
- F tabel Perlakuan
- F tabel kelompok
3. Analisis Statistik
❑ ❑ ❑ 2
- FK =
(∑ ∑ ∑ Yijk ) /rp
❑
i
❑
j
❑
k
2
- JKT= ∑ ∑ ∑ Yijk −FK
i j k
❑ ❑ ❑ 2
- JKP=
i
❑
(
∑ ∑ ∑ Yijk
j
❑
) /rn
k
❑ 2
-FK

- JKK= ∑ (∑ ∑ Yijk ) / pn -FK

k i j
❑ ❑ ❑
- JKGPercobaan= ∑ ∑ (∑ Yijk 2 ¿)/n¿-FK-JKP-JKK
i j k
- JKG= JKT-JKP-JKK-JKGPercobaan
4.Tabel Analisis Ragam
SK db JK KT
Kelompok (r-1) JKK JKK/dbk
Perlakuan (p-1) JKP JKP/dbP
Galat Percobaan (r-1)(p-1) JKGpercobaan JKGpercob/dbgpercob
Galat Contoh Rp(n-1) JKG contoh JKGcontoh/dbgcontoh
Total Rpn-1 JKT

5.Keputusan
 - Perlakuan : Karena F hitung> F tabel maka H0 ditolak
- Kelompok :Karena F hitung < F tabel maka Ho diterima
6. Kesimpulan
- Perlakuan :Dengan taraf nyata 5% sudah cukup bukti untuk menyatakan bahwa
terdapat perbedaan pengaruh perlakuan terhadap yang diteliti.
-Kelompok : Dengan taraf nyata 5% sudah cukup bukti untuk menyatakan apabila tidak
terdapat perbedaan pengaruh perlakuan terhadap yang diteliti.
 RAK anak contoh dengan interaksi
KT
Bahwa galat percobaan tersebut tidak lagi berfungsi sebagai galat percobaan tetapi
sebagai interaksi antara kelompok dengan perlakuan.
Untuk mengetahui apakah perlakuan tersebut berperilaku sama dari kelompok yang
satu ke kelompok yang lain atau tidak.
Jika kita sengaja menentukan kelompok’’ berbeda satu dengan yang lain, maka galat
percobaan tersebut sebenarnya merupakan interaksi antara kelompok dengan
perlakuan.
Contoh : di dalam pengujian beberapa varietas tebu di atas apabila kelompok 1 pada
pasir kel 2 pada tanah berlempung kel 3 pada tanah peralihan berpasir kel 4 pada
tanah peralihan berlempung, maka jelas bahwa galat percobaan merupakan interaksi
antara struktur tanah dan varietas.
Demikian pula dalam suatu industri pengalengan ikan misalnya jika mesin mesin
yang digunakan bukan dari tipe yang sama maka ini juga merupakan interaksi antara
mesin dan perlakuan.
 RAK data hilang
1. 1 data hilang

2. 2 data hilang
3. 3 data hilang
 - Bias
nilai dugaan data hilang yang disisipkan berpengaruh terhadap analisis varian. Pengaruh
pertama adalah derajat bebas dari Total dan Galat percobaaan masing -masing berkurang
satu. Pengaruh kedua JK[P] perlu dikoreksi dengan bias
Melalui prosedur pendugaan, maka hasil analisis yang didapat adalah sebagai berikut:
Dari proses iterasi diperoleh nilai dugaan 75 .16A dan 75 .14B Dengan
menyisipkan nilai dugaan, diperoleh: 27 .44an]JK[Perlaku  Faktor koreksi untuk Bias
sebesar: 00 .45Bias Ternyata dari hasil perhitungan terlihat bahwa Faktor Koreksi B
ias lebih besar dari Jumlah Kuadrat Perlakuan, sehingga Jumlah Kuadrat Perlakuan
Terkoreksi bernilai negatif. Jika Jumlah Kuadrat Perlakuan Terkoreksi bernilai negatif,
maka pengujian dengan Analisis Varian tidak dapat dilakukan. Agar Analisis Varian
tetap bisa digunakan, formula untuk JK[Perlakuan Terkoreksi] adalah sebagai berikut: 

Jkp tak berbias=jkp-bias
Ktp terkoreksi =jkp tak berbias/dbp
F hitung=ktp terkoreksi/ktg
Dan jika f hitung terkoreksi sama dengan hasil f hitung tidak terkoreksi maka uji masih
bisa dilanjutkan apabila berbeda maka tidak bisa dilanjutkan.
2. Rancangan Bujur Sangkar Latin
apabila kita mengelompokkan dalam dua arah (barisdan kolom) dari dua sumber keragaman
Keheterogenan unit percobaan tidak bisa dikendalikan hanya dengan pengelompokkan satu sisi
keragaman hanya dengan pengelompokkan satu sisi keragaman. SyaratRBSL Jumlah perlakuan =
jumlah baris = jumlah kolom y Pengacakan, setiap perlakuan harus muncul sekali di setiap baris dan
sekali di setiap kolom.
Mengapa disebut Mengapa disebut Mengapa disebut Mengapa disebut Bujur Sangkar Bujur Sangkar
Bujur Sangkar Bujur Sangkar? ?? ? Desainnyaberbentukbujursangkardan perlakuannyadisimbol huruf
latin kapital(misal: A,B,C,D)
 Keuntungan dan kerugian RBSL
 Keuntungan :
Jika andaian heterogenitas ke dua arah terpenuhi maka jelas presisinya akan lebih tinggi
dibandingkan dengan ral dan rak keragaman galat percobaan dapat dikendalikan dengan
adanya pengelompokan ke dua arah tersebut sehingga peluang untuk dapat melacak adanya
perbedaan antar perlakuan jika memang ada makin meningkat.
Meskipun analisis ragam gak lebih kompleks dari ral dan rak tetapi masih termasuk
sederhana.interpretasi hasil penelitian dengan menggunakan rbsl ini cukp mudah. Jika ada
data yang hilang masih mudah untuk diperhitungkan.
Kerugian:

 Rumus rancangan bujur sangkar latin

1. Hipotesis
- Hipotesis Perlakuan
H0 :τ i=0
H1: Setidaknya ada satu i dimanaτ i≠0
- Hipotesis Lajur
H0 : βi=0
H1: Setidaknya ada satu j dimana βi ≠ 0
- Hipotesis Baris
H0 :αi=0
H1: Setidaknya ada satu j dimana αi ≠ 0

2. Statistik Uji
- α =0.05
- F tabel Perlakuan
- F tabel Baris
- F tabel Lajur
3. Analisis Statistik
❑ ❑ 2
- FK =
( ∑ ∑ Yij ( k )
❑
i j
) /r 2

- JKT= ∑ ¿¿ ¿
i
 ❑ ❑ 2
- JKP= ∑
k
❑
( )∑ Yijk /r -FK
i. j
❑ 2
- JKB= ∑ (∑ Yijk ) /r -FK
i j
❑ ❑ 2
- JKL= ∑ (∑ Yijk ) /r -FK
j i
- JKG= JKT-JKB-JKL-JKGP
4.Tabel Analisis Ragam
SK Db JK KT
Baris (r-1) JKB JKK/dbB
Lajur (r-1) JKL JKP/dbL
Perlakuan (r-1) JKP JKP/dbp
Galat Percobaan (r-1)(r-2) JKG Percobaan JKGpercobaan/dbg
Total (r^2-1) JKT

5.Keputusan
- Perlakuan : Karena F hitung> F tabel maka H0 ditolak
- Baris :Karena F hitung < F tabel maka Ho diterima
- Lajur :Karena F hitung < F tabel maka Ho diterima
6. Kesimpulan
- Perlakuan :Dengan taraf nyata 5% sudah cukup bukti untuk menyatakan bahwa
terdapat perbedaan pengaruh perlakuan terhadap yang diteliti.
-Baris : Dengan taraf nyata 5% sudah cukup bukti untuk menyatakan apabila tidak
terdapat perbedaan pengaruh perlakuan baris terhadap yang diteliti.
-Lajur : Dengan taraf nyata 5% sudah cukup bukti untuk menyatakan apabila tidak
terdapat perbedaan pengaruh perlakuan lajur terhadap yang diteliti.
 Rumus Rancangan Bujur Sangkar Satu Data Hilang

Bias

Keterangan db galat dikurangi 1

 Rumus Rancangan Bujur Sangkar Dua Data Hilang
Rumus
 Bias

Keterangan db-1
 Rancangan Bujur Sangkar Latin yang diulang
Datanya di acak seperti rancangan bujur sangkar latin
Atau juga boleh sama
4. Hipotesis
- Hipotesis Perlakuan
H0 :τ i=0
H1: Setidaknya ada satu i dimanaτ i≠0
- Hipotesis Lajur
H0 : βi=0
H1: Setidaknya ada satu j dimana βi ≠ 0
- Hipotesis Baris
H0 :αi=0
H1: Setidaknya ada satu j dimana αi ≠ 0

5. Statistik Uji
- α =0.05
- F tabel Perlakuan
- F tabel Baris
- F tabel Lajur
6. Analisis Statistik
❑ ❑ 2
- FK =
( ∑ ∑ Yij ( k )
❑
i j
) /r 2 s

- JKT= ∑ ¿¿ ¿
i
❑ ❑ 2
- JKP=
k
(
∑ ∑ Yijk
❑
) /rs
i. j
❑ 2
-FK
❑ ❑ 2
- JKB/L= ∑ (∑ Yijk ) /rs -FK atau ∑ ( )
∑ Yijk /r -FK
i j j i
❑ ❑ 2 ❑ ❑ 2
- JKL/B= ∑ (∑ Yijk ) /r -FK atau ∑ ∑ Yijk ( ) /rs -FK
j i i j
- JKG= JKT-JKB-JKL-JKGP
4.Tabel Analisis Ragam
SK Db JK KT
Baris (r-1) atau (rs-1) JKB JKK/dbB
Lajur (rs-1) atau (r-1) JKL JKP/dbL
Perlakuan (r-1) JKP JKP/dbp
Galat Percobaan (r-1)(sr-2) JKG Percobaan JKGpercobaan/dbg
Total (r^2s-1) JKT

5.Keputusan
- Perlakuan : Karena F hitung> F tabel maka H0 ditolak
- Baris :Karena F hitung < F tabel maka Ho diterima
- Lajur :Karena F hitung < F tabel maka Ho diterima
6. Kesimpulan
- Perlakuan :Dengan taraf nyata 5% sudah cukup bukti untuk menyatakan bahwa
terdapat perbedaan pengaruh perlakuan terhadap yang diteliti.
-Baris : Dengan taraf nyata 5% sudah cukup bukti untuk menyatakan apabila tidak
terdapat perbedaan pengaruh perlakuan baris terhadap yang diteliti.
-Lajur : Dengan taraf nyata 5% sudah cukup bukti untuk menyatakan apabila tidak
terdapat perbedaan pengaruh perlakuan lajur terhadap yang diteliti.
 Transformasi dta

 2  Beberapa pengertianTransformasi  proses konversi data ke dalam skala baru agar

memenuhi homogenitas ragam dan sebaran data menjadi normal.Data yang perlu
ditransformasi adalah data yang akan dianalisis varian, namun data tersebut tidak
memenuhi syarat untuk dilakukan analisis.Data hasil hitungan umumnya termasuk
salah satu contoh data yang tidak memenuhi syarat untuk dianalisis.Data hasil
pengukuran adalah data dapat langsung dianalisis varian

 3  Data hasil penelitian dapat dilakukan analisis ragam apabila memenuhi

persyaratan sbb:
1. Pengaruh aditifPerlakuan dua faktor dikatakan aditif apabila perlakuan suatu
faktor akan tetap antara semua taraf faktor lainnya. Apabila faktor tersebut adalah
perlakuan dan ulangan, maka perlakuan dan ulangan dikatakan aditif apabila
:pengaruh perlakuan selalu tetap untuk semua ulanganpengaruh ulangan selalu tetap
untuk semua perlakuan

 4  Contoh : data aditif Apabila pengaruhnya kelipatan, maka diperlukan

PerlakuanUlanganPengaruh Ulangan(1-2)1 2 A18012060 B160100Pengaruh
Perlakuan(A – B)20Apabila pengaruhnya kelipatan, maka diperlukantransformasi
data. Contoh pengaruh kelipatanadalah pengaruh serangan hama atau penyakit.

 5  Kebebasan galatGalat suatu pengamatan dikatakan bebas apabila tidak berkaitan

dengan atau tidak tergantung pada yang lain.Kebebasan galat dapat diperoleh dengan
pengacakan satuan percobaan. Penataan rancangan secara sistematis menyebabkan
galat tidak bebas.

 6  Heterogenitas ragam dan ketidaknormalan sebaran data

- Data yang mempunyai ragam heterogen biasanya menyebabkan sebarannya
menjadi tidak normal. Heterogenitas ragam terbagi menjadi :a. Perubahan ragam
merupakan hubungan fungsi dengan rata-rataPada kondisi ini, heterogenitas
menyebabkan sebaran data menjadi tidak normal.

 7  Contoh  mengikuti sebaran poisson : ragam sama dengan rata-rata (s² = x

bar )
banyaknya tanaman terserang hama per petak, banyaknya luka per daunContoh 
mengikuti sebaran binomial : datanya merupakan proporsi suatu kehadiran, dan
hanya mempunyai 1 atau 2 kemungkinan (s² = x (1-x) )persentase serangga yang
hiduppersentase tanaman yang terserang hama atau penyakit
  8  b. Ragam tidak berhubungan dengan rata-rata
Biasanya untuk data yang diperoleh dari percobaan yang terjadi alamiah karena
perlakuan yang diujikanBeberapa perlakuan mempunyai galat yang lebih tinggi atau
lebih rendah dari yang lainContoh :  Penelitian pemuliaan tanaman dengan bahan
F1 dan F2 : ragamnya akan berbedaRespon hasil terhadap perlakuan pemupukan atau
pestisida

 9  Cara transformasi data

Transformasi Data :  tergantung pada jenis hubungan ragam dengan rata-
rataTerdapat 3 macam yang paling umum digunakan :Transformasi
logaritmaTransformasi akar kuadratTransformasi arc sin

 10  1. Transformasi logaritma

Untuk data yang simpangan bakunya sebanding dengan rata-rata atau data
kelipatanData yang mempunyai sebaran poisson dan binomial umumnya
ditransformasi dengan logaritmaBeberapa Contoh :banyaknya serangga per
petakbanyaknya telur/pupa/ulat per tanaman (atau per satuan luas)Penelitian tentang
banyaknya larva yang hidup pada tanaman padi yang diberi perlakuan berbagai dosis
insektisida menggunakan RAK dengan 4 ulangan

 11  Cara : apabila gugus data hasil pengamatan adalah Xi, maka sebelum di analisis
varian semua data ditransformasi dengan logaritma, atauX = Log XiApabila gugus
data nilainya kecil, misal <10, maka digunakanX = Log (Xi+1)

 12  2. Transformasi akar kuadrat

untuk data bilangan bulat kecil, seperti data yang diperoleh dari menghitung kejadian
yang jaranguntuk data persentase yang kisarannya 0-30% atau %data yang mengikuti
distribusi poisson atau binomial juga sering ditransformasi dengan akar
kuadratContoh : data yang berbanding dengan rata-ratanyabanyaknya tanaman
terkena penyakit per petakbanyaknya serangga yang tertangkap dalam
perangkapbanyaknya gulma per petak

 13  Cara transformasi akar kuadrat

Apabila gugus data hasil pengamatan adalah Xi, maka sebelum di analisis varian
semua data ditransformasi dengan diakarkan, atauX = √ XiApabila gugus datanya
banyak yang nilainya kecil (<10) terutama angka 0, digunakanX = √ (Xi + 0,5)

 14  3. Transformasi arc sin Disebut juga transformasi sudut

Untuk data pembandinganUntuk data yang diperoleh dengan penghitunganUntuk
data yang dinyatakan sebagai desimal atau persentase (yang berasal dari
pembandingan), dengan kisaran 0-100%Persentase protein atau karbohidrat bukan
tipe data ini.

 15  Cara transformasi arc sin

Digunakan tabel transformasi arc sin (ada tabelnya), atau gunakan komputerNilai 0%
digantikan (1/4n) dan nilai 100% diganti (100-1/4n), dimana n adalah banyaknya
satuan yang data persentase tersebut dibuat (atau penyebut yang digunakan dalam
menghitung persentase)Tidak semua data persentase harus ditransformasi (kisaran
%), seandainya ditransformasi juga tidak harus menggunakan arc sin
3. Rancangan faktorial
 Pengertian dan ciri ciri rancangan faktorial
Rancangan faktorial digunakan apabila eksperimen terdiri atas dua faktor atau lebih. Desain faktorial
memungkinkan kita melakukan kombinasi antar level faktor. Pada tiap kombinasi faktor, jumlah replikasi yang
dilakukan sebanyak n. Dalam desain faktorial, jumlah level di tiap level faktor dan atau jumlah replikasi yang
dilakukan mungkin tidak sama. Desain faktorial seperti ini sering disebut unbalanced desain faktorial.
Ciri-ciri Desan Rancangan Faktorial
Eksperimen faktorial mempunyai ciri-ciri khusus, diantaranya:
1. Terdiri dari beberapa faktor (perlakuan).
2. Setiap faktor terdiri dari beberapa taraf.
3. Setiap faktor diselidiki secara bersamaan.
4. Penamaan rancangan dengan cara menambahkan perkalian antara banyak taraf faktor yang satu
dengan banyak taraf faktor yang lain.
Jenis-jenis Desain Rancangan Faktorial
1. Rancangan faktorial 2k yaitu analisis rancangan faktorial yang menyangkut k buah faktorial
(perlakuan) dengan tiap faktor hanya terdiri dari 2 buah taraf atau ulangan. Misalnya desain eksperimen
dengan 2 faktor, A dan B, yang masing-masing terdiri atas 2 taraf maka akan ditulis sebagai rancangan
faktorial 22. Jadi jika 3 faktor, maka 23, dan seterusnya.
2. Rancangan faktorial 3k yaitu analisis rancangan faktorial yang menyangkut k buah faktor (perlakuan)
dengan tiap faktor hanya terdiri dari 3 buah taraf atau ulangan.
Rancangan faktorial tersarang yaitu analisis dengan sifat bahwa taraf faktor yang satu tersarang dalam faktor
lain sehingga tidak akan terjadi interaksi antara 2 faktor. Karenanya jika faktor A yang bertaraf a buah dan
faktor B yang bertaraf b buah membentuk suatu eksperimen tersarang, tidak akan diperoleh suku interaksi AB
dalam model matematisnya
 Kelebihihan dan kekurangan faktorial
-Kelebihan eksperimen factorial antara lain:
Lebih efisien karena dapat dilakkan hanya satu kali eksperimen.
Memberi ruang kepada peneliti untuk menyelidiki berbagai bentuk interaksi dalam penelitian
perilaku  Pengujian hipotesis menjadi lebih kuat  Pengendalian variable lebih baik karena
dilakukan dengan beberapa perlakuan sekaligus. 
Hasil eksperimen dapat digenealisasikan terhadap beberapa variable bebas.
Hal ini menunjukkan bahwa hasil eksperimen lebih valid pada beberapa situasi dan
subjek penelitian. 
-Kerugian menggunakan analisis ini adalah :
1.    Analisis statistika menjadi lebih kompleks dan panjang.
2.    Makin banyak faktor yang diteliti. kombinasi perlakuan semakin meningkat pula.
sehingga ukuran percobaan semakin besar dan akan mengakibatkan ketelitiannya
semakin berkurang.
3.    Terdapat kesulitan dalam menyediakan satuan percobaan yang relatif homogen.
4.    Interaksi lebih dari 2 faktor agak sulit untuk menginterpretasikannya.
 Rumus RancanGAN Faktorial kelompok
1. Hipotesis
- Hipotesis faktor AB
H0 :αβ i=0
H1: Setidaknya ada satu ij dimanaαβ ii≠0
- Hipotesis faktor B
H0 : βj=0
H1: Setidaknya ada satu dimana βj ≠ 0
- Hipotesis faktor A
H0 :αi=0
H1: Setidaknya ada satu j dimana αi ≠ 0
- Hipotesis Kelompok
- H0 :γk =0
- H1: Setidaknya ada satu k dimana γk ≠0
 2. Statistik Uji
- α =0.05
- F tabel faktor a
- F tabel faktor b
- F tabel faktor a b
- F tabel kelompok
3. Analisis Statistik
❑ ❑ ❑ 2
- FK =
( ∑ ∑ ∑ Yijk
❑
i
❑
j
❑
k
) /rab
2
- JKT= ∑ ∑ ∑ Yijk −FK
i j k
❑ ❑ ❑ 2
- JKP=
i
❑
(
∑ ∑ ∑ Yijk ) /r
j
❑
k
❑ 2
-FK

- JKPa= ∑ (∑ ∑ Yijk ) /r b-FK

i j k
❑ ❑ ❑ 2
- JKpb= ∑ (∑ ∑ Yijk ) /a b-FK
i j k
❑ ❑ ❑ 2
- JKPab= ∑ (∑ ∑ Yijk ) /r -FK-jka-jkb
i j k
❑ ❑ ❑ 2
- JKK= ∑ (∑ ∑ Yijk ) /ab -Fk
k i j
- JKG= JKT-JKP
4.Tabel Analisis Ragam
4.Tabel Analisis Ragam
SK Db JK KT
Kelompok (r-1) JKK JKK/dbK
Perlakuan (ab-1) JKP JKP/dbP
A (a-1) JKA JKA/dbA
B (b-1) JKB JKB/DBB
Ab (a-1)(b-1) JKAB JKAB/DBAB
Galat Percobaan (r-1)(ab-1) JKG Percobaan JKGpercobaan/dbg
Total (rab-1) JKT

5.Keputusan
- Perlakuan : Karena F hitung> F tabel maka H0 ditolak
- faktor a :Karena F hitung < F tabel maka Ho diterima
- faktor b:Karena F hitung < F tabel maka Ho diterima
- faktora b:Karena F hitung < F tabel maka Ho diterima
- kelompok:Karena F hitung < F tabel maka Ho diterima

6. Kesimpulan
- Perlakuan :Dengan taraf nyata 5% sudah cukup bukti untuk menyatakan bahwa
terdapat perbedaan pengaruh perlakuan terhadap yang diteliti.
-faktor a: Dengan taraf nyata 5% sudah cukup bukti untuk menyatakan apabila tidak
terdapat perbedaan pengaruh faktor a baris terhadap yang diteliti.
-Faktor b: Dengan taraf nyata 5% sudah cukup bukti untuk menyatakan apabila tidak
terdapat perbedaan pengaruh faktor blajur terhadap yang diteliti.
- Faktor a b : Dengan taraf nyata 5% sudah cukup bukti untuk menyatakan apabila tidak
terdapat interaksi kedua faktor terhadap yang diteliti.
- kelompok: Dengan taraf nyata 5% sudah cukup bukti untuk menyatakan apabila tidak
terdapat perbedaan pengaruh kelompok terhadap yang diteliti.