Rancangan Acak Lengkap

Pengantar
Pada Rancangan Acak Lengkap (Completely Randomized Design -CRD) perlakuan
diletakkan secara acak (random) pada unit eksperimen (plot) yang sebelumnya telah
dipersiapkan, sehingga setiap unit eksperimen memiliki kesempatan yang sama untuk
menerima suatu perlakuan. Jumlah unit eksperimen (plot) sama dengan jumlah perlakuan
dikalikan dengan jumlah ulangan. CRD hanya cocok untuk eksperimen dengan unit-unit
eksperimen yang homogen (seragam). CRD jarang dipergunakan di eksperimen lapangan
karena biasanya terdapat variasi yang besar di antara plot-plot eksperimen karena adanya
perbedaan dalam hal: kesuburan tanah, kemiringan, arah lereng, iklim mikro dsb. Tetapi
bila kondisi lapangannya homogen, CRD merupakan rancangan yang tepat untuk
dipergunakan. Pemilihan CRD semata-mata didasarkan pada apakah unit-unit eksperimen
homogen, dan tidak ada kaitannya dengan lokasi di mana eksperimen dilakukan.
Meskipun penelitian dilakukan di laboratorium bila unit-unit eksperimen tidak homogen
(misalny percobaan menggunakan beberapa oven dengan merk yang berbeda untuk
pengeringan), rancangan CRD tidak cocok untuk dipergunakan.

Keuntungan
 tidak ada pembatasan dalam pengacakan
 sangat fleksibel dalam hal peletakkan unit eksperimen
 analisisnya gampang
 plot hilang (missing plot) tidak begitu masalah (misal ambil saja dari rerata
perlakuan)
 derajad bebas maksimum untuk menaksir eror eksperimen dan meminimumkan nilai
F yang diperlukan untuk mendeteksi adanya perbedaan di antara perlakuan.

Kelemahan
 harus memiliki kondisi unit-unit eksperimen dan meterial uji yang seragam
(homogen).

Tata Letak Plot (lay out)

Misalkan percobaan pemupukan di persemaian dengan 4 dosis pupuk Slow Release
Fertilzer: 0, 3, 6 dan 9 kg/m3 media. Setiap perlakuan diulang sebanyak 4 kali. Jadi,
jumlah unit eksperimen (plot) adalah 16 (4 level pupuk dikalikan 4 ulangan).

1 2 3 4
Unit eksperimen
(plot) no. 4
5 6 7 8

9 10 11 12

13 14 15 16

1
Prosedur pengacakan
Misalkan terdapat 4 perlakuan jenis pupuk di atas yang diulang sebanyak 3 kali, jadi
secara keseluruhan akan terdapat 12 unit eksperimen (plot).

1. Buat kode perlakuan dan urutkan pada 3 ulangan, misalnya sbb:

Unit Eksperimen Perlakuan

1 SR0-1
2 SR0-2
3 SR0-3
4 SR0-4
5 SR3-1
6 SR3-2
7 SR3-3
8 SR3-4
9 SR6-1
10 SR6-2
11 SR6-3
12 SR6-4
13 SR9-1
14 SR9-2
15 SR9-3
16 SR9-4

Pengacakan menggunakan perangkat lunak Microsoft Excel

Misalkan pengacakan untuk CRD dengan perlakuan pemupukan sbb: N, P, K and

Kontrol. Setiap perlakuan diulang 3 kali.

1. Buat tabel seperti berikut dalam Excel

Plot Bilangan Random Perlakuan

1 SR0-1
2 SR0-2
3 SR0-3
4 SR0-4
5 SR3-1
6 SR3-2
7 SR3-3
8 SR3-4
9 SR6-1
10 SR6-2
11 SR6-3
12 SR6-4
13 SR9-1
14 SR9-2
15 SR9-3
16 SR9-4

2
2. Buat bilangan random awal dengan perintah =Rand( ) dan tempatkan perintah itu
pada kolom random di suatu baris (misal baris 4)

3. Selanjutnya bilangan random awal ini (random seed) dibuat dengan menarik kursor ke
bawah, maka bilangan random selanjutnya akan terbentuk. Oleh karena bilangan
random ini akan selalu berubah, maka kita harus mengucinya dengan jalan melakukan
copy dan paste special dengan pilihan value pada posisi yang sama

4. Urutkan perlakuan berdasarkan bilangan random dan hasilnya adalah perlakuan dengan
urutan yang teracak

5. Alokasikan hasil pengacakan ke dalam plot

1 2 3 4

SR3-3 SR9-1 SR6-3 SR9-3

5 6 7 8

SR6-4 SR0-3 SR0-2 SR0-1

9 10 11 12

SR-04 SR9-2 SR3-1 SR3-3

13 14 15 16

SR9-4 SR6-2 SR3-4 SR6-1

3
Analisis data
Misalkan pengamatan dilakukan pada pertumbuhan tinggi bibit (cm) yang kemudian
datanya diringkas sebagai berikut:

Perlakuan Ulangan
1 2 3 4
SR0 27,9 27,2 24,9 24,4
SR3 23,1 32,6 23,5 22,9
SR6 43,9 39,5 32,6 29,8
SR9 44,3 36,1 32,5 36,7

Tabel ANOVA untuk CRD

Sumber variasi df Jumlah Kuadrat F-hitung Pr > F
kuadrat rerata
Dosis SR 3 523,21 174,404 8,49 0,0027
Eror 12 246,56 20,546

 F-hitung dosis pupuk = mean square dosis SR dibagi kuadrat rerata eror =
174,404/20,546 = 8,49
 F- tabel (3, 12) 0.05 = 3,49 F tabel (3,12) 0.01 = 5,95.

Catatan: 3 dan 12 pada angka di dalam kurung adalah berturut-turut derajat bebas
perlakuan (dosis pupuk) dan derajad bebas eror (lihat pada Tabel F).
F-hitung ternyata lebih besar dibandingkan dengan nilai F-tabel pada taraf keperccayaan
0,01, maka perlakuan jenis pupuk berbeda sangat nyata (highly significant) dan diberi
notasi **. Bila hanya berbeda nyata pada taraf kepercayaan 0,05 diberi notasi *.

Hasil analisis varians menggunakan perangkat lunak disajikan berikut:

The GLM Procedure

Class Level Information

Class Levels Values
dosisSR 4 sr0 sr3 sr6 sr9
Number of observations 16

Dependent Variable: tinggi

Sum of
Source DF Squares Mean Square F Value Pr > F

Model 3 523.2135417 174.4045139 8.49 0.0027

Error 12 246.5608333 20.5467361
Corrected Total 15 769.7743750

R-Square Coeff Var Root MSE tinggi Mean

0.679697 14.45021 4.532851 31.36875
Source DF Type III SS Mean Square F Value Pr > F
dosisSR 3 523.2135417 174.4045139 8.49 0.0027

4
Level signifikans dari dosis SR juga dapat diketahui dengan memanfaatkan fungsi FDIST di
perangkat lunak Excel seperti contoh berikut:

CV (coefficient of variation) pada ANOVA sebesar 11,9%. Ini menunjukkan bahwa

tingkat ketelitian/presisi eksperimen cukup baik, yaitu < 20 %. Bila CV lebih besar
daripada 20%, maka kemampuan untuk mendeteksi perbedaan yang signifikan di antara
perlakuan akan lebih kecil. CV dapat dihitung secara manual sbb:

CV = (√Rerata kuadrat eror/ X ) (100)

= (√20,54/31,36) (100) = (4,53/31,36)(100)
= 14,45%

5
6
7
 Rancangan Acak Lengkap Kelompok
Bila terdapat variabilitas di antara unit eksperimen (plot), yakni kondisi antar unit
eksperimen tidak homogen, misalnya perbedaan dalam kesuburan tanah, arah lereng,
ukuran bibit tanaman dsb., maka kemungkinan besar variabilitas ini akan menutupi atau
bercampur (confounding) dengan efek perlakuan. Bila kondisinya seperti ini, maka
kemampuan mendeteksi terhadap perbedaan di antara perlakuan akan rendah. Dalam
kondisi seperti ini Rancangan Acak Lengkap (CRD) tidak tepat untuk dipergunakan dan
akan lebih baik menggunakan Rancangan Acak Lengkap Kelompok (Randomized
Complete Block Design- RCBD). Dalam hal ini pengendalian lokal dilakukan dengan
pengeblokan (blocking). Analisis varians memungkinkan untuk memindahkan variasi
yang tidak dikehendaki seperti ini dari eror eksperimen melalui pengeblokan.
Pengeblokan merupakan pembatasan (restriksi) atau sebagai pengendalian lokal dalam
rancangan ini.
Pada Rancangan Acak Lengkap Kelompok, perlakuan diberikan secara acak pada setiap
blok atau ulangan. Blok merupakan istilah yang lebih baik untuk ulangan, dalam hal ini
untuk menghindarkan kerancuan terhadap Rancangan Acak Lengkap (CRD). Tujuan
pengeblokan adalah untuk menjaga variabilitas di antara unit eksperimen di dalam blok
sekecil mungkin atau membuat unit eksperimen sehomogen mungkin, serta
memaksimalkan perbedaan di antara blok. Bila perbedaan di antara blok tidak ada, maka
pengeblokan tidak akan meningkatkan presisi (ketelitian) untuk mendeteksi adanya
perbedaan di antara perlakuan.
Pengendalian lokal berupa blok tidak hanya terbatas berlaku di lapangan, tetapi juga pada
kondisi eksperimen yang lain. Misalnya di labaratorium, blok mungkin juga berupa
peralatan yang berbeda, alat penyimpan yang berbeda dsb. Blok mungkin juga berupa
material eksperimen yang berbeda sebelum perlakuan diberikan, misalnya ukuran bibit
awal yang berbeda sebelum perlakuan (misal pemupukan) diberikan; dalam hal ini ukuran
bibit yang relatif sama dikelompokkan ke dalam satu blok yang sama, sedangkan ukuran
yang lain menyusun blok yang lain.

Karakteristik dari RCBD

 presisi lebih tinggi bila kondisi dan material percobaan tidak homogen
 tidak gampang menangani adanya plot hilang (missing plot), tetapi dapat diatasi
dengan efektif
 analisis varians dapat dilakukan dengan mudah
 bila perbedaan antara blok terlalu besar akan mengurangi presisi

8
Teknik pengeblokan
Tujuan pengeblokan adalah untuk mengurangi eror eksperimen melalui penghilangan
kontribusi sumber variasi di antara unit-unit eksperimen yang telah diketahui. Ini
dilakukan dengan mengelompokkan unit-unit ekperimen ke dalam blok-blok sedemikian
rupa sehingga variasi di dalam suatu blok diminimalkan dan variasi di antara blok
dimaksimalkan. Oleh karena hanya variasi di dalam blok yang menjadi eror eksperimen,
pengeblokan akan sangat efektif bila blok-blok menghilangkan sebagian besar variabilitas
kondisi lingkungan (misal arah lereng, kesuburan tanah dsb). Semakin besar variabilitas
di antara blok (tetapi tidak ekstrem), maka rancangan akan semakin efesien dalam
kemampuannya mendeteksi perbedaan di antara perlakuan.

Beberapa hal perlu dikemukakan dalam pengeblokan (blocking) di lapangan:

 Bila terdapat gradien (misal kesuburan) pada lahan yang searah, maka bentuk blok
sebaiknya berbentuk segi panjang (rectangular), sisi panjang searah dengan garis
kontur atau tegak lurus dengan gradien;
 Bila terdapat gradien dua arah, maka arah blok sebaiknya tegak lurus dengan arah
gradien yang lebih besar;
 Bila terdapat gradien dua arah yang sama besar, gunakan rancangan lain (misal latin
square, lattice dsb);
 Bila gradien tidak jelas, sebaiknya bentuk blok berbentuk segi empat sama sisi
(square);
 Letak blok tidak harus bersambungan satu sama lain, boleh terpisah;
 Perlakuan diletakkan secara acak (random) pada masing-masing blok. Pengacakan
harus dilakukan blok per blok. Hasil pengacakan di suatu blok tidak diperbolehkan
digunakan untuk blok yang lain.

Tata Letak Plot (lay out)

Misalkan percobaan pemupukan dosis pupuk Nitogen (N) dengan 5 perlakuan sbb:
 N0 = tidak dipupuk (kontrol)
 N25= dipupuk dengan dosis 50 g N per pohon
 N50= dipupuk dengan dosis 50 g N per pohon
 N75= dipupuk dengan dosis 50 g N per pohon
 N100= dipupuk dengan dosis 50 g N per pohon

Percobaan dirancang dengan RCBD pada lahan yang memiliki gradien (perbedaan)
kesuburan. Percobaan memiliki ulangan (blok) sebanyak 4. Tata letak plot sebelum
pengacakan adalah sebagai berikut:

9
 1 2 4 5
Blok 1 3
1 2 4 5
Blok 2 3
1 2 4 5
Blok 3 3 Arah gradien
kesuburan
1 2 4 5
Blok 4 3

Catatan: angka dalam plot adalah nomoer plot (unit eksperimen)

Prosedur pengacakan
Cara pengacakan pada prinsipnya sama seperti pada rancangan acak lengkap (CRD).
Dalam hal ini pengacakan dilakukan blok per blok; bila pengacakan suatu blok selesai,
maka pengacakan baru harus dilakukan pada blok berikutnya. Hasil pengacakan pada
suatu blok tidak boleh dipergunakan pada blok-blok yang lain.
1. Misalkan kita memiliki 4 perlakuan perlakuan di atas (BL0, BL1, BL2, BL3 dan
BL2+P) dengan jumlah blok sebanyak 4. Pengacakan dilakukan untuk Blok 1 (misal
dengan Excel) dan hasilnya adalah sbb:
Unit Eksperimen Perlakuan
1 N75
2 N0
3 N100
4 N50
5 N25

2. Buat pengacakan baru pada Bok 2. Hasil pengacakan adalah sbb:

Unit Eksperimen Perlakuan

1 N25
2 N50
3 N75
4 N0
5 N100

3. Cara pengacakan untuk Blok 3 adalah sama seperti pada Blok 1 dan 2. Setelah
pengacakan selesai seluruh blok maka tata letak plot (lay out) adalah sbb:

10
 Blok 1 N75 N0 N100 N50 N25
Blok 2 N25 N50 N75 N0 N100
Blok 3 N50 N100 N25 N75 N0
Blok 4 N0 N75 N50 N100 N25

Analisis data
Misalkan pengamatan dilakukan pada pertumbuhan tinggi tanaman (dm) yang kemudian
diringkas sebagai berikut:

Perlakuan Blok
1 2 3 4
N0 12,48 10,87 11,66 13,95
N25 12,11 12,64 12,80 14,20
N50 12,64 12,28 13,28 14,17
N75 12,69 11,82 13,80 14,02
N100 14,03 14,00 14,50 15,52

Tabel ANOVA untuk RCBD

Sumber variasi df Jumlah Kuadrat F-hitung Pr > F
kuadrat rerata
Blok 3 10,256 3,418 14,01 0.0004
Dosis N 4 11,000 2,200 9,01 0.0013
Eror 12 2,684

Hasil analisis varians dengan perangkat lunak untuk RCBD:

Dependent Variable: tinggi

Sum of
Source DF Squares Mean Square F Value Pr > F

Model 8 22.54922042 2.81865255 11.55 0.0002

Error 11 2.68479958 0.24407269

Corrected Total 19 25.23402000

R-Square Coeff Var Root MSE tinggi Mean

0.893604 3.750377 0.494037 13.17300

Source DF Type III SS Mean Square F Value Pr > F

blok 3 10.25629208 3.41876403 14.01 0.0004

dosisN 5 11.00064042 2.20012808 9.01 0.0013

11
Analisis varians untuk CRD untuk data yang sama dengan RCBD

Dependent Variable: tinggi

Sum of
Source DF Squares Mean Square F Value Pr > F

Model 5 12.29292833 2.45858567 2.66 0.0683

Error 14 12.94109167 0.92436369

Corrected Total 19 25.23402000

R-Square Coeff Var Root MSE tinggi Mean

0.487157 7.298553 0.961438 13.17300

Source DF Type III SS Mean Square F Value Pr > F

dosisN 5 12.29292833 2.45858567 2.66 0.0683

Dari tabel di atas dapat dilihat bahwa penghilangan blok (analisis untuk CRD)
menyebabkan kuadrat rerata eror (means square error) meningkat (dari 0,244 menjadi
0,924), dan nilai F-hitung (F-value) menurun dari 9,01 menjadi 2,66. Level signifikan
untuk dosis N menurun dari 0.0013 menjadi 0,0683. Dapat dikatakan bahwa
pengeblokan efektif untuk meningkatkan presisi (CV menurun dari 7,29% menjadi
3,75%).
Secara ringkas dapat dikatakan bahwa dalam RCBD, blok yang mengandung unit-unit
eksperimen harus ditentukan terlebih dahulu sebelum penentuan alokasi perlakuan
dilakukan, sehingga variabilitas lingkungan yang ada diminimalkan di dalam blok dan
dimaksimalkan di antara blok. Penempatan perlakuan dalam plot dilakukan secara acak
dalam suatu blok; pengacakan secara terpisah dilakukan untuk setiap bloknya.
Dibandingkan dengan CRD derajad bebas dari eror eksperimen berkurang sebanyak
derajad bebas blok. Variabilitas di antara blok dihilangkan dari eror eksperimen. Dengan
demikian semakin besar variabilitas di antara blok, maka rancangan RCBD akan semakin
efisien dalam kemampuannya mendeteksi perbedaan di antara perlakuan.

12