Karakteristik Rancangan Acak Lengkap (RAL)

Karakteristik yang perlu diketahui jika menggunkan Rancangan Acak

Lengkap (RAL) ya itu keragaman atau variasi hanya disebabkan oleh perlakuan yang
dicobakan dan perlakuan tersebut merupakan level-level dari satu faktor
tertentu.misal faktor yang ingin dikaji pengaruhnya adalah varietas.
Keuntungan dalam menggunakan RAL adalah banyaknya perlakuan dan
ulangan hanya dibatasi oleh banyaknya unit percobaan yang tersedia. Selain itu
banyaknya ulangan bias berbeda antar perlakuan lainnya serta analisis yang
digunakan serta analisis sederhana. Kergian dalam menggunakan RAL adalah
kerugian informasi karena dsta yang hilang relative kecil dibandingkan rancangan
lainnya, selain itu banyaknya derajat bebas (db) untuk menduga galat percobaan
kondisi maksimum. Sementara, kekurangana RAL adalah sering kali tidak efisien
karena pengacakan tidak dibatasi dan galat percobaan mencakup seluruh keragaman
antar unit percobaan kecuali yamg disebapkan perlakuan

Ilustrasi
Suatu penelitian yang ingin mengetahui pengaruh suhu penyimpanan terhadap
konsentrasi vitamin C pada sirup jeruk dalam kemasan. Pada penelitian ini ditentukan
terlebih dahulu suhu penyimpanan sirup jeruk yang akan dicobakan, misalnya suhu
10, 15, 20, 25, 30, dan 34 . Suhu penyimpanan yang dicobakan ini disebut sebagai
percobaan. Sirup jeruk yang dibuat dengan prosesyang sama dan telah dicampur
secara homogen, kemudian dikemas dengan volume dan jenis botol yang sama. Sirup
jeruk dalam setiap botol kemasan dengan kemasan ini disebut unit percobaan.
Berkaitan dengan uraian di atas, ada beberapa hal yang perlu diperhatikan
selain perlakuan suhu penyimpanan yaitu kondisi lingkungan harus serba sama
(homogen), sirup yang dipergunakan berasal dari bahan dan proses yang sama, begitu
juga dengan volume dan kemasan yang dipergunakan serba sama. Dalam hal ini dapat
disimpulkan bahwa keragaman atau variasi dalam rancangan acak lengkap (RAL)
hanya disebutkan oleh faktor perlakuan saja.

Pengacakan
Pengacakan dapat dilakukan dengan pengundian, menggunakan bilangan acak
ataupun menggunakan software statistika. Dan setiap ulangan memiliki peluang yang
sama besar untuk menempati setiap percobaan. Unit-unit percobaan mempunyai
keseragaman karena kondisi lingkungannya yang terkendali sehingga tidak
mempengaruhi keragaman percobaan.
Jika menggunakan RAL dengan perlakuan sebnayak t dan ulangan sebanyak r,
maka diperoleh unit percobaan sebanyak (t x r).
Model Linier Aditif
Secara umum medel aditif linear dari rancangan acak lengkap sebagai berikut:
Yij     i   ij
Dimana:
i  1, 2,..., t dan j  1, 2, ..., r
Yij  Pengama tan pada perlakuan ke  i dan ulangan ke  j
  Re rata umum
i  Pengaruh perlakuan ke  I   i  
ij  Pengaruh acak pada perlakuan ke  i ulangan ke  j
Berdasarkan model di atas dapat diketahui bahwa keragaman atau variasi
hanya disebapkan oleh perlakuan yang dicobakan dan galat.

Hipotesis
Hipotesis yang dikemukan dalam rancangan acak lengkap, dijelaskan seperti beriku
ini.
H 0 :  1  ...   6  0 (semua perlakuan tidak berpengaruh terhadap respon yang
diamati)
H 1 : paling sedikit ada satu i dimana atau
H 0 : 1  ...   6  0 (semua perlakuan berpengaruh terhadap respon yang diamati)
H 1 : paling sedikit ada satu (i,i’) dimana i  ui '

Analisis Data
Data yang di dapat dengan menggunakan rancangan acak lengkap akan dianalisis
keragamannya atau dilakukan sidik ragam. Guna mempermudah pelaksanaan analisis
data maka perlu diketahui dan digunakan rumus-rumus berikut :
a) Faktor koreksi (FK) merupakan nilai untuk mengoreksi    dari ragam data  
sehingga dalam sidik ragam nilai   0
FK  Tij 
2
r t
Y 2 .. t
FK  , N  tr   ri
N i 1

JKT  T Yij2   FK
b) t r1
JKT   Yij2  FK
i 1 j 1
 
JKP   TA 
2

r  FK
c) Yi.2
t
JKP    FK
i 1 ri

d) JKG = JKT – JKP

e) KTP = JKP/db perlakuan = JKP/v1, db perlakuan = t-1
f) KTG = JKG/db galat = JKG/v2, db galat = t(r-1)
Sidik Ragam Pada RAL
Sumber db JK KT Fhitung Ftabel
keragaman   5%   5%
Perlakuan t-1 JKP KTP = 7KP/t-1 KTP/KTG
Galat T(r-1) JKG KTG = 7KG/t(r-1)
Total t.r-1 JKT
Jika Fhitung < Ftabel berarti perlakuan tidak memberikan pengaruh yang nyata terhadap
respon yang diamati, artinya H diterima pada level nyata 

Koefisien Keragaman
Koefisien Keragaman (KK) adalah koefisien yang menunjukkan derajat kejituan
(accuracy atau precision) serta keandalan kesimpulan suatu percoaan.
KK     KTG  / y  100%

Dimana : y  rerataan umum  Tij r  t
  Yij r  t
Nilai KK yang semakin kecil maka derajat kejituan dan keandalan akan semakin
tinggi. Namun demikian tidak ada ketentuan nilai KK yang dianggap baik karena
sangat dipengaruhi berbagai faktor, antara lain :
a) Heterogenitas bahan, jika heterogenitas besar maka dapat memperbesar nilai
KK.
b) Kontrol lokal, jika control local dapat dilakukan maka akan memperkecil nilai
KK.
c) Selang Perlakuan, jika selang perlakuan yang semakin lebar nilai kisarannya
akan memperbesar nilai KK.
d) Ulangan Percobaan, jika ulangan percobaan semakin banyak akan
mengecilkan nilai KK.

Studi Kasus
Percobaan tentang pengaruh konsentrasi hormone tumbuh terhadap produksi kedelai
di tanah, ditujukan untuk menguji hipotesis bahwa konsentrasi hormone berpengaruh
terhadap peningkatan produksi kedelai secara nyata.
 Tabel 3. DATA PERCOBAAN PENGARUH KONSENTRASI HORMON TUMBUH TERHADAP
PRODUKSI KEDELAI
Konsentrasi Ulangan Jumlah Rerata
hormone (ppm) 1 2 3 4
0.00 8,0 8,1 7,5 7,7 31,3 7,825
0.25 8,3 8,2 8,3 7,9 32,7 8,175
0.50 8,9 8,1 8,3 8,0 33,3 8,325
0.75 9,3 9,0 8,2 8,7 35,2 8,800
1.00 9,7 9,0 8,8 9,0 36,5 9,125
1.25 9,5 8,9 8,5 8,9 35,8 8,950
Jumlah 53,7 51,3 49,6 50,2 204,8
Rerata 8,533

Perhitungan Sidik Ragam

Berdasarkan data yang tertera maka sidik ragam dilakukan melalui tahapan
perhitungan sebagai berikut:
1) Menghitung faktor koreksi (FK)
Y .. 952.5 2
FK    1.747,627
tr (6)(4)
2) Menghitung jumlah kuadrat total (JKT)
JKT   Yij 2  FK  8,0 2  8,3 2  ...  9,0 2  8,9 2  1.747,627  7,533
ij

3) Menghitung jumlah kuadrat perlakuan (JKP)

Yr.2 31,3 2  32,7 2  ...  35,8 2
JKP    FK   1.747,627  5,073
i r 4
4) Menghitung jumlah kuadrat galat (JKG)
JKG  JKT  JKP  7,533  5,053  2,460
5) Menghitung derajat bebas (db)
Db perlakuan  t  1  6  1  5
Db galat  t (r  1)  6(4  1)  18
Db total t.r  1  (4.1)  1  23
6) Menghitung kuadrat tengah (KT)
Kuadrat Tengah Perlakuan (KTP) = JKP/(t-1) = 5,073/5 = 1,015
Kuadrat Tengah Galat (KTG) = JKG/(t(r-1)) = 2,460/18 = 0,137
7) Menghitung F hitung
F hitung = KTP/KTG = 1,015/0,134 = 7,424
8) Menghitung nilai koefisien keragaman (KK)
KK  {( KT galat )} / y  100%  { (0,134)} / 8,533  100%  1,57%
9) Pembuatan tabel sidik ragam
Sumber db JK KT Fhitung F tabel
 keragaman   5%   1%
Perlakuan 5 5,073 1,015 7,424** 2.772853 4.247882
Galat 18 2,460 0,137
Total 23 7,533

Berdasarkan tabel sidik ragam (uji F) di atas diketahui bahwa F hitung > F tabel pada
level nyata (  ) = 1% (dengan tanda **). Hal ini menunjukkan bahwa ada pengaruh
kosentrasi hormon tubuh yang sangat nyata terhadap produksi kedelai yang berarti
bahwa H1 diterima pada level nyata (  )= 1% sementara itu H0 ditolak.

Uji Perbandingan Berganda

Uji F di atas menyimpulkan adanya pengaruh perlakuan yang dicobakan, namun
belum menunjukkan perlakuan-perlakuan yang berbeda antara satu dengan lainnya.
Oleh karena itu diperlukan uji perbandingan antar perlakuan yang dikenal dengan uji
perbandingan berganda.
Ada beberapa uji perbandingan berganda yang dapat digunakan namun dalam hal
ini dibatasi hanya tiga jenis uji perbandingan berganda saja, yaitu:
a. Beda Nyata Terkecil (BNT)
BNT(  )  t tabel ( / 2, dbG ). S d dengan S d  (2 KTG / r )
Nilai t tabel ( / 2, dbG ) adalah titik kritis sebaran t untuk level nyata (  )
dan derajat bebas galat (dbG) tertentu. Sementara itu Sd adalah galat baku
beda, KTG adalah kuadrat tengah galat dan r adalah ulangan atau banyaknya
pengamatan
b. Beda Nyata Jujur (BNJ)
BNJ(  ) q( p, dbG,  / 2). Sy dengan Sy  ( KTG / r )
Nilai q ( p, dbG,  / 2) adalah titik kritis studentized range untuk jumlah
perlakuan (p), derajat bebas galat (dbG) dan level nyata (  ) tertentu.
Sementara itu Sy adalah galat baku beda, KTG adalah kuadrat tengah galat
dan r adalah ulangan atau banyaknya pengamatan.
c. Jarak Berganda Duncan
JNT (  , p, dbG ) = JND (  , p, dbG ) . Sy dengan Sy  ( KTG / r )
JNT (  , p, dbG ) merupakan jarak nyata terkecil (JNT) pada level nyata,
jumlah perlakuan (p) dan derajat bebas galat (dbG) tertentu. Sedangkan JND (
 , p, dbG ) adalah jarak nyata Duncan (JND) pada level nyata, jumlah
perlakuan (p) dan derajat bebas galat (dbG) tertentu. Sementara itu, Sy adalah
galat baku beda, KTG adalah kuadrat tengah galat dan r adalah ulangan atau
banyaknya pengamatan.