Anda di halaman 1dari 21

N BAB I

PENDAHULUAN

1.1 Latar Belakang


Rancangan acak lengkap merupakan rancangan dengan satu faktor
yang diteliti pengaruhnya. Pada RAL yang diteliti hanya satu faktor, maka
pada Rancangan Acak Kelopok (RAK) dapat dikembangkan untuk dua
faktor yaitu perlakuan dan blok. Rancangan acak kelompok adalah suatu
rancangan acak yang dilakukan dengan mengelompokkan satuan
percobaan ke dalam grup-grup yang homogen yang dinamakan kelompok
dan kemudian menentukan perlakuan secara acak di dalam masing-masing
kelompok. Tujuan pengelompokan satuan-satuan percobaan tersebut
adalah untuk membuat keragaman satuan-satuan percobaan di dalam
masing-masing kelompok sekecil mungkin sedangkan perbedaan antar
kelompok sebesar mungkin. Tingkat ketepatan biasanya menurun dengan
bertambahnya satuan percobaan (ukuran satuan percobaan) per kelompok,
sehingga sebisa mungkin buatlah ukuran kelompok sekecil mungkin.
Pengelompokan yang tepat akan memberikan hasil dengan tingkat
ketepatan yang lebih tinggi dibandingkan rancangan acak lengkap yang
sebanding besarnya.
Rancangan acak kelompok atau randomized block design
merupakan salah satu model rancangan dalam rancangan percobaan.
Rancangan acak kelompok digunakan bila unit percobaan tidak homogen,
dimana ketidak homogen ini diduga menuju satu tujuan. Rancangan ini
disebut rancangan acak kelompok dikarenakan terjadi pengacakan
perlakuan di setiap kelompoknya. Rancangan acak kelompok dibagi
menjadi dua model yaitu model tetap dan model acak. Kedua model
rancangan acak kelompok memiliki langkah-langkah yang cukup rumit
dimulai dari menentukan model, asumsi, pengujian hipotesis, perhitungan,
membuat table analisis variansi, dan menarik kesimpulan. Oleh karena itu
perlunya mempelajari dan memahami rancangan acak lengkap, rancangan
acak lengkap factorial, dan rancangan acak kelompok sehingga mampu
diaplikasikan di bidang Teknik Bioproses.
1.2 Tujuan
1. Mahasiswa dapat mempelajari dan memahami metode penelitian
Rancangan Acak Kelompok.
2. Mahasiswa mampu melakukan pengujian metode Racangan Acak
Kelompok dengan software SPSS.
3. Mahasiswa mampu menginterpretasikan hasil uji metode
Rancangan Acak Kelompok dengan SPSS.
BAB II

TIJAUAN PUSTAKA

2.1 Jelaskan pengertian dari Rancangan Acak Kelompok (RAK) 1 Faktor !


Rancangan Acak Kelompok merupakan perluasan dari Rancangan
Acak Lengkap, Rancangan Acak Kelompok digunakan apabila dalam
penelitian media percobaan heterogen dan dikelompokkan dalam
kelompok-kelompok yang homogeny. Pada Rancangan Acak Kelompok
media yang digunakan dalam percobaan dibagi dalam kelompok-
kelompok yang sesuai dengan media yang digunakan misalnya
pengelompokan berdasarkan bobot badan ternak, kesuburan tanah, umur,
periode laktasi, periode waktu, dan sebagainya. Pengacakan dam RAK
dilakukan di dalam kelompok masing-masing, maka akan diperoleh suber
keragaman lain yaitu kelompok atau blok, fungsi dari kelompok atau blok
sama dengan ulangan. pengelompokan dilakukan dalam usaha untuk
memperkecil galat atau kesalahan percobaan atau umumnya disebut
pengendalian galat (Sudarwati et al., 2019).
Rancangan Acak Kelompok digunakan apabila unit percobaan
tidak homogeny, dimana ketidak homogenan ini diduga mengarah pada
satu arah. Rancangan ini disebut rancangan acak kelompok, karena
pengacakan perlakuan dilakukan pada setiap kelompok. Rancangan acak
kelompok digunakan bila faktor yang diteliti satu faktor atau lebih dari
satu faktor. Pada percobaan dengan menggunakan rancangan factorial
(lebih dari satu faktor) rancangan acak kelompok menjadi rancangan
lingkungan (Nasrudin, 2019).
2.2 Sebutkan Keuntungan dan Kerugian dari Penggunaan Rancangan Acak
Kelompok (RAK) !
Rancangan Acak Kelompok memiliki banyak keuntungan
dibandingkan dengan Rancangan Acak Lengkap karena pengelompokkan
data percobaan data percobaan ke dalam kelompok-kelompok menurut
kriteria tertentu dapat menghasilkan ketepatan yang lebih tinggi
dibandingkan dengan RAL. Pada umumnya, RAK digunakan untuk
eksperimen-eksperimen yang menghasilkan data heterogen. Pada data
heterogen usaha pengelompokan sangat berguna. Sedangkan pada data
yang homogeny, antara dilakukan pengelompokan maupun tidak
dilakukan pengelompokan maka sama saja. Sehingga pada data
homogeny, pengelompokan dapat dikatakan tidak berguna. Tujuan
pengelompokan untuk memperoleh satuan percobaan yang seragam
mungkin dalam setiap kelompok, sehingga beda yang teramati sebagian
besaroleh perlakuan (Agus, 2016).
Keuntungan dari Rancangan Acak Kelompok adalah analisis
statistik dari data yang diperoleh masih sederhana, menggolongkan unit
percobaan dalam kelompok mengakibatkan Rancangan Acak Kelompok
memberikan presisi dan efisiensi lebih tinggi dari RAL. Jika ada data yang
hilang, maka analisis masih dapat dilakukan dengan teknik data yang
hilang. Kerugian dari Rancangan Acak Kelompok yaitu jika ragam antar
unit percobaan dalam kelompok besar maka menyebabkan galat percobaan
menjadi besar (Sudarwati et al., 2019).
2.3 Jelaskan pengertian dari variable independent dan variable dependent !
Variabel Independen sering disebut variable stimulus, prediktor,
antecedent. Dalam bahasa indonesia disebut sebagai variable bebas.
Variabel bebas merupakan variable yang mempengaruhi atau yang
menjadi sebab perubahannya atau timbulnya variable dependen (terikat).
Variabel ini biasa disebut juga variabel eksogen. Variabel dependen
disebut juga variabel output, kriteria, konsekuen. Dalam bahasa indonesia
disebut variabel terikat. Variabel terikat merupakan variabel yang
dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas.
Variabel terikat disebut juga varabel indogen (Ridha, 2017).
Variable dikelompokkan dalam hal hubungannya dengan variable
lain yang terdiri atas variable dependen dan variable independen. Variable
dependen merupakan variable yang diteliti yang memiliki nilai yang
diduga berasal dari pengaruh variable independen yang ditentukan sendiri
oleh peneliti secara sistematis. Dengan kata lain, “the dependent variable
is what the researcher wishes to explain” (variable dependen adalah apa
yang ingin dijelaskan peneliti) (Morissan, 2016).
2.4 Jelaskan pengertian dari uji lanjut Least Significant Differences (LSD)/
Beda Nyata Terkecil (BNT) beserta kelebihan dan kekurangannya!
Uji BNT (Beda Nyata terkecil) atau yang lebih dikenal sebagai uji
LSD (Least Significance Different) adalah metode yang diperkenalkan
oleh Ronald Fisher. Metode ini menjadikan nilai BNT atau nilai LSD
sebagai acuan dalam menentukan apakah rata-rata dua perlakuan berbeda
secara statistik atau tidak. Uji lanjut LSD digunakan untuk mengetahui
kelompok mana yang menunjukkan perbedaan paling signifikan. Untuk
analisis LSD, P value dibandingkan dengan α 5% untuk melihat perbedaan
antar perlakuan. t. Jika H0 pada ANOVA ditolak, maka uji lanjut dapat
dilakukan (Sulastri et al., 2015).
Kesamaan nilai tengah dua populasi atau perlakuan umumnya
dapat diuji dengan statistic t, sedangkan untuk pembandingan lebih dari
dua perlakukan dilakukan dengan statistic F melalui Analisis ragam. Jika
hasil uji F menolak H0 bahwa semua nilai tengah perlakuan sama, maka
berarti paling tidak ada sepasang perlakuan yang berbeda pengaruhnya dan
sangat logis bila peneliti ingin mengetahui perlakukan mana yang berbeda
nyata secara statistik. Hasil percobaan biasanya diringkas menjadi deretan
rataan masing-masing perlakuan yang disajikan bersama penduga ukuran
ketidakpastiannya. Ukuran ini bisa berupa simpangan baku atau berupa
selang kepercayaan. Untuk tujuan pembandingan, salah satu metode
sederhana yang digunakan adalah Uji Banding Tukey yang disebut juga
Beda Nyata Jujur (BNJ). Uji ini didasarkan pada perbedaan terbesar
diantara pasangan nilai tengah perlakukan [maks (yi) - min(yi)],
seandainya peubah yang diamati adalah peubah normal dan saling bebas
sesamanya. Uji beda nyata jujur mensyaratkan bahwa semua perlakuan
memiliki ulangan yang sama, uji ini juga didasarkan pada asumsi bahwa
ragam masing-masing perlakuan relatif seragam. Bila semua perlakuan
memiliki ulangan yang sama uji ini dapat digunakan untuk
membandingkan pengaruh perlakuan secara serentak. Bentuknya yang
berupa satu nilai patokan pembanding menjadikan uji ini cukup popular
(Nainggolan, 2009).
2.5 Jelaskan pengertian dari uji lanjut Duncan beserta kelebihan dan
kekurangannya !
Uji Duncan adalah uji lanjutan untuk mengetahui nilai tengah
mana saja yang sama dan nilai tengah mana saja yang tidak sama ketika
pengujian kehomogenan beberapa nilai tengah memberikan hasil menolak
hipotesis nol dan menerima hipotesis alternatif. Uji Duncan atau juga
dikenal dengan istilah Duncan Multiple Range Test (DMRT) memiliki
nilai kritis yang tidak tunggal tetapi mengikuti urutan rata-rata yang
dibandingkan. Nilai kritis uji Duncan dinyatakan dalam nilai least
significant range (wilayah nyata terkecil) (Sudarwati et al., 2019).
Keuntungan Uji Duncan, dibandingkan dengan Uji BNT dan BNJ
yaitu Uji DMRT lebih teliti dan bisa digunakan untuk membandingkan
pengaruh perlakuan dengan jumlah perlakuan yang besar. Kekurangan Uji
Duncan ini dalam penggunaannya agak rumit. Uji Duncan digunakan
untuk melihat perlakuan mana yang memiliki efek yang sama atau berbeda
dan efek yang terkecil sampai efek yang terbesar antara satu dengan
lainnya (Mpila et al., 2012).
DAFTAR PUSTAKA

Agus, M. 2016. Estimasi Parameter Model Rancangan Acak Kelompok (RAK)


pada Data yang Mengandung Outlier dangan Metode Robust M.
Skripsi. UIN Maulana Malik Ibrahim. Malang.

Morissan. 2016. Statistik Sosial. Kencana, Jakarta.

Mpila, D. A., Fatimawali, dan Wiyono, W. L. 2012. Uji Aktivitas Antibakteri


Ekstrak Etanol Daun Mayana (Coleus atropurpureus [L] Benth)
Terhadap Staphylococcus aureus, Escherichia coli dan Pseudomonas
aeruginosa Secara In-Vitro. Pharmacon. 2(2): 13-21.

Nainggolan, B. M. 2009. Perbandingan Uji Tukey (Uji Beda Nyata Jujur (BNJ))
dengan Uji Fisher (Uji Beda Nyata Terkecil (BNT)) dalam Uji Lanjut
Data Rancangan Percobaab. Majalah Ilmiah Panorama Nusantara.
VII(2): 11-17.

Nasrudin, J. 2019. Metodologi Penelitian Pendidikan (buku ajar praktis cara


membuat penelitian). PT. Panca Terra Firma, Bandung.

Ridha, Nikmatur. 2017. Proses Penelitian, Masalah, Variabel, dan Paradigma


Penelitian. Jurnal Hikmah. 14(1): 62-70.

Sudarwati, H., Natsir, M. H., dan Nurgiartiningsih, V. M. A. 2019. Statistika dan


Rancangan Percobaan (Penerapan dalam Bidang Peternakan). UB
Press, Malang.

Sulastri, E., Mariani, S., dan S. Mashuri. 2015. Studi Perbedaan Keefektifan
Pembelajaran LC-5E dan CIRC Terhadap Kemampuan Pemecahan
Masalah Matematika. Kreano. 6(1): 26-32.
BAB III

PRINT OUT

3.1 Cara Kerja


 Lakukan data entry pada lingkungan kerja Data View seperti gambar
berikut :

 Pendefinisian variabel data, dilakukan pada lingkungan kerja variabel view


dengan melakukan langkah-langkah berikut :
a. Baris ke-1 :
 Name : isi dengan Blok
 Type : Pilih Numeric
 Decimals : Pilih 0 (karena data bilangan bulat)
 Value, isi dengan cara :
o Value : 1, Value label : Jenis Antibiotik A
o Value : 2, Value label : Jenis Antibiotik B
o Value : 3, Value label : Jenis Antibiotik C
o Value : 4, Value label : Jenis Antibiotik D
 Abaikan kolom yang lainnya
b. Baris ke-2 :
 Name : isi dengan Metode
 Type : Pilih Numeric
 Decimals : Pilih 0 (karena data bilangan bulat)
 Value, isi dengan cara :
o Value : 1, Value label : Metode 1
o Value : 2, Value label : Metode 2
o Value : 3, Value label : Metode 3
 Abaikan kolom lainnya
c. Baris ke-3 :
 Name : isi dengan Data
 Type : Pilih Numeric
 Decimal : Pilih 0 (karena data bilangan bulat)
 Abaikan kolom lainnya

 Analisis data dengan cara memilih menu Analize – General linear model –
Univariate

a. Pada kotak dialog Univariate :


 Dependent List : Data
 Fixed Factor(s) : Blok dan Metode
 Kotak dialog akan seperti gambar berikut :

b. Klik Model
 Pilih Build custom terms
 Pilih Blok dan Metode
 Sum of squares pilih Type II
 Hilangkan centang pada Include intercept in model
 Klik Continue, kotak dialog akan tampil seperti gambar di
bawah ini :

c. Klik Plots :
 Isi Horizontal Axis dengan Blok
 Isi Separate Lines dengan Metode
 Klik Add
 Klik Continue, kotak dialoh akan muncul seperti gambar di
bawah ini :

d. Klik Post Hoc


 Centang LSD dan Duncan
 Significance Level : 0.05
 Klik Continue, kotak dialog akan tampi seperti gambar di
bawah ini :

e. Klik Option
 Centang Descriptive statistics dan Homogeneity Test
 Klik Continue, kotak dialog akan tampil seperti gambar di
bawah ini :

 Sehingga akan muncul hasil perhitungan data SPSS


3.2 Data Awal

Metode Total
Jenis Antibiotik
1 2 3
A 8 7 8 23
B 10 12 13 35
C 5 7 7 19
D 8 9 11 28
Total 21 35 39 105
Rata-Rata 5,25 8,75 9,75 8,75

3.3 Hasil Uji ANOVA, Uji Lanjut Duncan dan LSD


a. Ringkasan Jumlah Data
b. Statistik Deskriptif Data

c. Levene’s Test of Equality of Error Variances

d. Tabel ANOVA
e. Tabel LSD

f. Tabel Duncan

g. Grafik Rata-rata
BAB IV

PEMBAHASAN

4.1 Analisa Soal


Soal menyajikan data penelitian yang disusun dalam bentuk tabel.
Penelitian mengenai pengaruh metode terhadap jenis antibiotik dilakukan
dengan tiga metode yaitu metode 1, metode 2, dan metode 3. Blok terdiri
dari Antibiotik Jenis A, Jenis B, Jenis C, dan Jenis D sehingga terdapat 12
unit percobaan seperti yang tersaji dalam tabel. Data penelitian tersebut
berupa data hasil uji jenis antibiotic terhadap setiap metode yang
digunakan. Berdasarkan data dan keterangan yang diberikan dalam tabel,
rancangan ini menggunakan rancangan acak kelompok karena terdapat
pengelompokkan dalam setiap metodenya sehingga dapat diketahui bahwa
percobaan dilakukan di media yang heterogen.
4.2 Analisa Hasil
4.2.1 Perhitungan Std Deviasi pada tabel Descriptive Statatistic
Perhitungan Standar Deviasi dapat dihitung menggunakan
rumus seperti di bawah ini :
n
Std Deviasi=
√1

N −1 i=1
2
( X ¿ ¿ i− X́ ) ¿

a. Pada Jenis Antibiotik A


N=3 karena jumlah data pada Jenis Antibiotik A sebanyak 3
X́ = 7.67
X 1 =8 ; X 2=7 ; X 3=8
3
Std Deviasi=
1

∑ (X ¿ ¿ i− X́ )2 ¿
3−1 i=1

1
Std Deviasi=
√ 2
x [(8−7.67)2 +(7−7.67)2 +(8−7.67)2 ]

= 0.577

b. Pada Jenis Antibiotik B


N=3 karena jumlah data pada Jenis Antibiotik B sebanyak 3
X́ = 11.67
X 1 =10; X 2=12 ; X 3=13
3
Std Deviasi=
1
√ ∑
3−1 i=1
1
2
(X ¿ ¿ i− X́ ) ¿

Std Deviasi=
= 1.528
√ 2
2 2 2
x [ ( 10−11.67 ) + ( 12−11.67 ) + ( 13−7.67 ) ]
c. Pada Jenis Antibiotik C
N=3 karena jumlah data pada Jenis Antibiotik C sebanyak 3
X́ = 6.33
X 1 =5; X 2=7 ; X 3 =7
3
Std Deviasi=
1
√ ∑
3−1 i=1
1
2
(X ¿ ¿ i− X́ ) ¿

Std Deviasi=
√2
x [(5−6.33)2+(7−6.33)2+(7−6.33)2 ]
= 1.155
d. Pada Metode 1
N=4 karena jumlah data pada metode 1 sebanyak 4
X́ = 7.75
X 1 =8 ; X 2=10 ; X 3 =5 ; X 4 =8
4
Std Deviasi=
1
√ ∑
4−1 i=1
1
2
( X ¿ ¿ i− X́ ) ¿

Std Deviasi=
= 2.062
√ 3
x [( 8−7.75)2 +(10−7.75)2+(5−7.75)2 +( 8−7.75)2 ]

e. Pada Metode 2
N=4 karena jumlah data pada metode 2 sebanyak 4
X́ = 8.75
X 1 =7 ; X 2=12 ; X 3=7 ; X 4 =9
4
Std Deviasi=
√ 1
4−1 ∑
1
i=1
2
( X ¿ ¿ i− X́ ) ¿

Std Deviasi=
= 2.363
√ 3
x [( 7−8.75)2 +(12−8.75)2+(7−8.75)2+(9−8.75)2 ]

f. Pada Metode 3
N=4 karena jumlah data pada metode 3 sebanyak 4
X́ = 9.75
X 1 =9 ; X 2=13 ; X 3 =7 ; X 4 =11
4
Std Deviasi=
√ 1

4−1 i=1
1
2
( X ¿ ¿ i− X́ ) ¿

Std Deviasi=
= 2.754
√ 3
x [( 9−9.75)2 +(13−9.75)2 +(7−9.75)2 +(11−9.75)2 ]

g. Pada Total Pelakuan


N=12 karena jumlah data total sebanyak 12
X́ = 8.75
4
Std Deviasi=
√ 1
12−1 ∑
i=1
2
( X ¿ ¿ i− X́ ) ¿

= 2.340
4.2.2 Analisa Hasil ANOVA Berdasarkan Perhitungan F value
(bandingkan denga tabel F α 5% dan tabel F α 1% ) dan P value
serta sebutkan hubungannya
ANOVA (Analysis of Variance) dibagi menjadi dua jenis,
one way dan two way. One way hanya menggunakan satu variable
independen. Two way ANOVA menggunakan dua faktor untuk
eksperimen (Nata dan Puspita, 2016). Pada praktikum ini
menggunakan analisis model persamaan linear umum yang berupa
unvariate. Dodapatkan hasil tabel ANOVA sebagai berikut :

Sumber Derajar Jumlah Kuadrat F hitung Sig. F tabel


Keberagaman Bebas Kuadrat Tengah 5% 1%
(db)
Model 6 974.333 162.389 208.786 0.000 4.28 8.47
Blok 3 47.583 15.861 20.393 0.002 4.76 9.78
Metode 2 8.000 4.000 5.143 0.050 5.14 10.92
Galat 6 4.667 0.778
Total 12 979.000
Berdasarkan output SPSS, F value pada Model sebesar
208.786. Nilai F α 5% = 4.28 dan F α 1% = 8.47. F value pada
Blok sebesar 20.393. Nilai F α 5% = 4.76 dan F α 1% = 9.78. F
value pada Metode sebesar 5.143. Nilai Nilai F α 5% = 5.14 dan F
α 1% = 10.92. Untuk pengujian hipotesis pada Model, F value
lebih besar dari F α 5% (208.786>4.28). Begitu pula dengan F α
1%, nilai F value lebih besar dari F α 1%. (208.786>8.47) sehingga
baik F α 5% dan F α 1% keduanya tolak H0 (Berbeda sangat nyata).
Untuk pengujian hipotesis pada Blok, F value lebih besar dari F α
5% (20.393>4.76). Begitu pula dengan F α 1%, nilai F value lebih
besar dari F α 1%. (20.393>9.78) sehingga baik F α 5% dan F α
1% keduanya tolak H0 (Berbeda sangat nyata). Untuk pengujian
hipotesis pada Metode, F value lebih besar dari F α 5%
(5.143>5.14). Tapi pada F α 1%, nilai F value lebih kecil dari F α
1% (5.143>10.92). Sehingga F α 5% tolak H 0 (Berbeda nyata).
Criteria statistic uji selanjutnya menggunakan P value yang
dibandingkan dengan nilai α. Berdasarkan output SPSS, P value
pada Model, Blok, dan Model sebesar 0.000, 0.002, dan 0.05
sehingga apabila dibandingkan dengan nilai α.=5% pada Model,
Blok, dan Metode hasilnya juga tolak H0 (Berbeda sangat nyata).
Dengan tingkat kepercayaan 95% dan 99% sudah cukup bukti
bahwa pada Model dan Blok terdapat minimal 1 perlakuan yang
memberikan hasil yang berbeda sangat nyata. Sedangkan dengan
tingkat kepercayaan 95% sudah cukup bukti bahwa pada Metode
terdapat minimal 1 perlakuan yang memberikan hasil yang berbeda
nyata. Berdasarkan literature Fajrin et al. (2016) bahwa apabila
nilai F hitung lebih besar dibandingkan nilai F tabel, maka
Hipotesis nol (H0) harus ditolak. Hal ini berarti, hipotesis
alternatifnya (H1) harus diterima.

4.2.3 Analisa Hasil Post Hoc Test Uji Lanjut LSD (bandingkan tiap
metode dengan dasar perbandingan P value dengan α 5%)

Metode 2 0.160 0.05 TBN


Metode1
Metode 3 0.018 0.05 *
Metode 1 0.160 0.05 TBN
Metode 2
Metode 3 0.160 0.05 TBN
Metode 1 0.018 0.05 *
Metode 3
Metode 2 0.160 0.05 TBN

Berdasarkan literature Hasil tes kemampuan pemecahan


masalah dihitung menggunakan uji kesamaan tiga rata-rata dengan
ketentuan jika data akhir berdistribusi normal dan homogen, maka
menggunakan uji ANOVA dan apabila data akhir tidak
berdistribusi normal, maka menggunakan uji ANOVA satu jalan
Kruskal Walls. Jika terdapat perbedaan, maka dilanjutkan
perhitungan menggunakan uji lanjut LSD untuk mengetahui
kelompok mana yang menunjukkan perbedaan paling
signifikan.Untuk analisis LSD, P value dibandingkan dengan α 5%
untuk melihat perbedaan antar perlakuan. t. Jika H0 pada ANOVA
ditolak, maka uji lanjut dapat dilakukan (Sulastri et al., 2015).
Hasil tabel LSD pada output SPSS dapat disimpulkan sebagai
berikut :
1. Metode 1 dengan Metode 2 tidak memberikan pengaruh yang
berbeda nyata terhadap diameter zona bakteri. Hal ini
dibuktikan dengan P value yg lebih besar daripada nilai α 5%
yaitu 0.160 pada perlakuan yang diberikan.
2. Metode 1 dengan Metode 3 memberikan pengaruh yang
berbeda nyata terhadap diameter zona bakteri. Hal ini
dibuktikan dengan P value yg lebih kecil daripada nilai α 5%
yaitu 0.018 pada perlakuan yang diberikan.
3. Metode 2 dengan Metode 1 tidak memberikan pengaruh yang
berbeda nyata terhadap diameter zona bakteri. Hal ini
dibuktikan dengan P value yg lebih besar daripada nilai α 5%
yaitu 0.160 pada perlakuan yang diberikan.
4. Metode 2 dengan Metode 3 tidak memberikan pengaruh yang
berbeda nyata terhadap diameter zona bakteri. Hal ini
dibuktikan dengan P value yg lebih besar daripada nilai α 5%
yaitu 0.160 pada perlakuan yang diberikan.
5. Metode 3 dengan Metode 1 memberikan pengaruh yang
berbeda nyata terhadap diameter zona bakteri. Hal ini
dibuktikan dengan P value yg lebih kecil daripada nilai α 5%
yaitu 0.018 pada perlakuan yang diberikan.
6. Metode 3 dengan Metode 2 tidak memberikan pengaruh yang
berbeda nyata terhadap diameter zona bakteri. Hal ini
dibuktikan dengan P value yg lebih besar daripada nilai α 5%
yaitu 0.160 pada perlakuan yang diberikan.

4.2.4 Analisa Hasil Homogenous Subsets Uji Duncan Berdasarkan


Pembagian Subset

Berdasarkan lirerature uji Duncan digunakan untuk melihat


perlakuan mana yang memiliki efek yang sama atau berbeda dan
efek yang terkecil sampai efek yang terbesar antara satu dengan
lainnya (Mpila et al., 2012). Pada praktikum didapatkan tabel
Duncan sebagai berikut :

Metode Notasi Subset


1 7.75a a
2 8.75ab ab
3 9.75b b

Berdasrkan output SPSS mengenai Homogeneous Subsets


dapat dilihat bahwa:
1. Metode 1 dan Metode 1 memiliki pengaruh yang sama atau
tidak signifikan (disimbolkan a).
2. Metode 2 dan Metode 2 memiliki pengaruh yang sama atau
tidak signifikan (disimbolkan a-b).
3. Metode 3 dan Metode 3 memiliki pengaruh yang nyata atau
signifikan (disimbolkan c).
Sehingga dapat disimpulkan bahwa Metode 3 memberi
pengaruh nyata atau signifikan terhadap hasil sedangkan Metode 1
dan Metode 2 tidak memberi pengaruh yang nyata atau signifikan
terhadap hasil.

4.2.5 Analisa Hasil Diagram Profile Plots


Diagram profile plot memberikan gambaran tentang rata-
rata hasil Metode dalam setiap Jenis antibiotik yang digunakan.
Dapat dilihat pada grafik bahwa Jenis antibiotik B memberikan rata-
rata hasil yang paling tinggi diantara perlakuan yang lain. Sedangkan
Jenis antibiotic C yang memberikan hasil terendah. Dapat
disimpulkan bahwa hasil yang paling maksimum dihasilkan oleh
Antibiotik Jenis B.

4.2.6 Aplikasi RAK (Rancangan Acak Kelompok) pada bidang


Keteknikan Pertanian atau Teknik Bioproses

Rancangan Acak Kelompok (RAK) pada bidang


Keteknikan Pertanian atau Teknik Bioproses digunakan dalam
menentukan pengaruh suhu pengeringan menggunakan oven
elektrik dan sinar matahari terhadap mutu organoleptik Pundang
Seluang. Penelitian ini menggunakan Rancangan Acak Kelompok
(RAK) dengan 4 (empat) taraf perlakuan, masing-masing perlakuan
dilakukan 3 (tiga) kali ulangan. Perlakuan pada penelitian ini
berupa penggunaan 4 (empat) variasi suhu yaitu : T0 (Pengeringan
dengan sinar matahari sebagai Kontrol, T1 (Pengeringan
menggunakan oven elektrik suhu 40oC), T2 (Pengeringan
menggunakan oven elektrik suhu 45oC), T3 (Pengeringan
menggunakan oven elektrik suhu 50oC) (Harris dan Agustiawan,
2018).

Rancangan Acak Kelompok (RAK) pada bidang


Keteknikan Pertanian atau Teknik Bioproses digunakan dalam
mengetahui pengaruh persentase evaporasi susu sapi terhadap
kualitas dali-like product yang dihasilkan dilihat dari segi
karakteristik fisikokimia dan organoleptiknya. Penelitian ini
menggunakan susu kerbau sebanyak 1(satu) liter dan susu sapi
sebanyak 4(empat) liter. Penelitian ini menggunakan Rancangan
Acak Kelompok (RAK) dengan 5 perlakuan dan 4 ulangan.
Perlakuan pada penelitian ini adalah A = susu kerbau tanpa
evaporasi, B = evaporasi susu sapi 20%, C = evaporasi susu sapi
30%, D = evaporasi susu sapi 40%, dan E = evaporasi susu sapi
50%. Parameter yang diuji dalam penelitian ini adalah kadar air,
kadar lemak, rendemen dan organoleptik [ CITATION Muf19 \l 1033 ].
BAB V

PENUTUP

5.1 Kesimpulan
Rancangan acak kelompok adalah suatu rancangan acak yang
dilakukan dengan mengelompokkan satuan percobaan ke dalam grup-grup
yang homogen yang dinamakan kelompok dan kemudian menentukan
perlakuan secara acak di dalam masing-masing kelompok. Tujuan
praktikum RAK yaitu : (1) Mahasiswa dapat mempelajari dan memahami
metode penelitian Rancangan Acak Kelompok; (2) Mahasiswa mampu
melakukan pengujian metode Racangan Acak Kelompok dengan software
SPSS; (3) Mahasiswa mampu menginterpretasikan hasil uji metode
Rancangan Acak Kelompok dengan SPSS. Nilai F value Model dan Blok
lebih besar dari F α 5% dan F α 1%. Sehingga baik F α 5% dan F α 1%
keduanya tolak H0 (Berbeda sangat nyata). Nilai F value Metode lebih
besar dari F α 5% tapi tidak pada F α 1%. Sehingga pada F α 5% tolak H 0
(Berbeda nyata). P value pada Model, Blok, dan Model sebesar 0.000,
0.002, dan 0.05 sehingga apabila dibandingkan dengan nilai α.=5% pada
Model, Blok, dan Metode hasilnya juga tolak H 0 (Berbeda sangat nyata).
Pada Uji LSD didapatkan bahwa Metode 1 dengan Metode 3 memberikan
pengaruh yang sangat berbeda terhadap hasil dibandingkan dengan semua
perlakuan lainnya. Metode 1 dan Metode 3 memiliki pengaruh yang
berbeda atau signifikan (sangat berbeda nyata), namun pada suhu Metode
3 memberikan pengaruh yang sangat berbeda nyata terhadap perlakuan
lainnya. Baik uji F, uji LSD, dan Uji Duncan menunjukkan hasil yang
selaras bahwa pada terdapat perlakuan yang berbeda nyata, yakni pada
Metode 3.
5.2 Saran
Pada pengambilan keputusan sebaiknya diambil perlakuan pada
Metode 3. Perlakuan dengan Metode 3 mengasilkan hasil yang paling
berbeda. Hal ini akan menguntungkan bagi peneliti.

DAFTAR PUSTAKA TAMBAHAN

Alhafidz, M. 2019. Variasi Persentase Evaporasi Susu Sapi Terhadap Kadar Air,
Kadar Lemak, Rendemen dan Organoleptik Dali-like Product. Skripsi.
Universitas Andalas, Padang.

Fajrin, J., Pathurahman, dan Pratama, L. G. 2016. Aplikasi Maetode Analysis of


Variance (ANOVA) Untuk Mengkaji Pengaruh Penambahan Slica
Fume Terhadap Sifat Fisik dan Mekanik Mortar. Jurnal Rekayasa
Sipil. 12(1): 11-23.

Harris, H. dan Agustiawan, A. 2018. Analisis Pengaruh Suhu Pengeringan


Terhadap Mutu Organoleptik Pundang Seluang. Jurnali Ilmu-Ilmu
Perikanan dan Budaya Perairan . 13(2): 67-74.

Nata K., L. T. Wijaya, dan Puspita A., dan Debrina. 2016. Aplikasi Komputer dan
Pengolahan Data Pengantar Statistik Industri.UB Press, Malang.