MATERI VII DESAIN BUJUR SANGKAR YOUDEN

Desain bujur sangkar youden digunakan jika banyaknya perlakuan > banyaknya blok pada baris
atau kolom dalam desain bujur sangkar latin

Intinya youden itu desain bujur sangkar latin yang tak lengkap, bisa salah satu baris atau
kolomnya yang gaada

Yang perlu diperhatikan dari youden itu adalah pengacakan perlakuan didalam tabelnya

Contoh bentuk pengacakan youden, sumber : sudjana hal 103

Desain ini digunakan apabila banyaknya perlakuan lebih banyak dibandingkan dengan
banyaknya blok pada baris atau kolom sedangkan syarat-syarat yang lainnya sama seperti
pada desain bujur sangkar latin. Notasi yang digunakan sama seperti pada desain blok
acak tak lengkap.

Model:

Y ij =μ+α i +τ j+ β k + ε ijk i,j,k=1,2,…,m

Dengan asumsi:
ε ijk NID ( 0 ,σ 2)

Jumlah kuadrat perlakuannya adalah:

p

 2 b
danQ j Q j  kJ . j   (nij J i. )
j 1
JK P  i 1
k p
Qi untuk semua perlakuan dihitung berdasarkan pada :
nij = 1 jika perlakuan i berada blok j dan nij = 0 jika perlakuan i tidak ada dalam blok j,
r (k  1)
sedangkan 
p 1
KTP
Statistik uji : F
KTE
Catatan :
b = banyaknya blok dalam eksperimen
p = banyaknya perlakuan dalam eksperimen
k = banyaknya perlakuan dalam tiap blok
r = banyaknya replikasi terhadap sebuah perlakuan selama eksperimen
N = bk = pr = banyaknya eksperimen
Salah satu hasil pengacakannya adalah sebagai berikut :
Desain BS Youden adalah desain BS tak lengkap sehingga analisisnya mirip dengan
desain BTLA hanya bedanya disini dilakukan dua kali pemblokan. Model matematisnya
sama seperti DBSL

CONTOH : dari Contoh IV(5) Sudjana hal 103

Jika kita ingin meneliti kapasitas empat buah mesin (A, B, C dan D) yang dilakukan pada
empat hari yang berbeda, sedangkan setiap harinya tidak mungkin dilakukan percobaan
lebih dari tiga waktu kerja (pagi, siang dan sore) hasil percobaannya adalah sebagai
berikut :

Hari Waktu Kerja

1 2 3
1 A(16) B( 8) C( 8)
2 D(15) A(15) B(10)
3 C(12) D(12) A(13)
4 B(10) C(14) D(16)

Hipotesis :
 H0 : μ1=μ 2=μ3=μ 4=0 , artinya tidak terdapat pengaruh perbedaan efek mesin
terhadap respon.

H1 : salah satu tanda “=” tidak berlaku, artinya terdapat pengaruh perbedaan efek
mesin terhadap respon.

α =0.05

Lakukan analisis varians-nya

hari<-c(1,2,3,4,1,2,3,4,1,2,3,4)
> wk<-c(1,1,1,1,2,2,2,2,3,3,3,3)
> perlakuan<-c(1,4,3,2,2,1,4,3,3,2,1,4)
> respon<-c(16,15,12,10,8,15,12,14,8,10,13,16)
>data<-data.frame(perlakuan=factor(perlakuan),hari=factor(hari),wk=factor(wk),
respon=respon)
> an.var<-aov(respon~perlakuan+hari+wk,data)
> summary(an.var)

Df Sum Sq Mean Sq F value Pr(>F)

perlakuan 3 58.25 19.417 5.178 0.105
hari 3 18.75 6.250 1.667 0.343
wk 2 4.67 2.333 0.622 0.594
Residuals 3 11.25 3.750
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

KESIMPULAN :
Berdasarkan hasil diatas, dengan taraf signifikan 5% dapat disimpulkan bahwa tidak
terdapat perbedaan kapasitas empat buah mesin (A, B, C dan D) yang dilakukan pada
empat hari yang berbeda

PERTANYAAN

1. T : Teh maaf kan ada asumsi ya teh apakah kita harus melakukan uji asumsi terlebih
dahulu?

J : Biasanya didisek itu udah diasumsikan normal datany tapi kalo ketemu real data
dilapangan ya uji asumsi dulu

2. T : Teh mau nanya dua kali pemblokan itu maksudnya gimana teh?
J : Sama seperti dbsl, dua kali pemblokan itu dilakukan pemblokan kolom sama baris
kalo di contoh yg aku kasih dilakukan pemblokan sama hari da waktu