Rancangan Acak Lengkap

(Completely Randomized Design)

Langkah dalam Penelitian
 Tipe Penelitian :
1. Eksperimen (true
experiment, controlled
experiment)
2. Survey
3. Eksperimen semu

Berdasarkan jumlah
faktornya:
• Faktor tunggal
• Faktorial

Desain penelitian:
• CRD
• RCBD
• SPLIT PLOT
• LSD
 Ciri-ciri eksperimen yang baik

• Kesederhanaan: pemilihan perlakuan dan

penyusunan eksperimen sesederhana mungkin
sesuai dengan tujuan - Do not solve the world
problem in one day - KISS (keep it simple
stupid)
• Presisi yang tinggi, eror eksperimen kecil (CV
<20 %)
• Tak ada eror sistematik (bias)
• Validitas kesimpulan berlaku luas
Prinsip-prinsip eksperimen (terkendali)
• Replikasi: untuk meningkatkan presisi dan estimasi eror
eksperimen guna uji signifikansi → berapa jumlah
replikasi yang optimal? → sebagai pedoman: derajada
bebas (db) eror pada Anova: 10-15 (untuk jumlah
perlakuan yang tidak besar)
• Randomisasi: penempatan perlakuan pada unit
eksperimen sehingga semua unit memiliki kesempatan
yang sama untuk suatu perlakuan
• Pengendalian lokal (blocking): pembatasan dalam
randomisasi untuk mengurangi eror eksperimen
Ukuran pemusatan (central tendency)
Metode pengukuran yang
digunakan:
• Rerata
• Median
• Mode
 Ukuran penyebaran data
• Kisaran(range)
• Varians (σ2)
• Standar deviasi (σ)

• SE: untuk mengukur akurasi

 Ukuran penyebaran data
• SE tergantung pada jumlah sampel (n)
Koefisien Variasi (Coeffcient of Variation)

• CV =
• Dapat digunakan untuk mebandingkan
eksperimen yang berbeda
• Mengevaluasi presisi dari suatu eksperimen
• Eksperimen hutan hendaknya memiliki CV <
20%
 Ukuran Letak Data
Kuartil
• Lokasi data yang berurutan
• Membagi data menjadi 4:
25% 50%
75%
Q1 Q2 Q3

• Lokasi kuartil:
Q1 =(n+1)/4
Q2= 2(n+1)/4
Q3=3(n+1)/4
n= jumlah sampel
 Ukuran Letak Data
Kuartil

Inter quartile range (IQR) = Q3 – Q1 → digunakan

untuk mencari pencilan data (outliers) → data yang
abnormal
 Ukuran Sebaran Data
Histogram

Catatan: analisis data kuantitatif dengan analisis varians berasumsi data

terdistribusi normal atau mendekati normal
 Kemencengan (skewness)
• Kecenderungan sebaran data digambarkan dengan nilai
kemencengan
• Kemencengan positif : sebaran condong ke kiri, rerata >
median dan mode
• Kemencengan negatif: sebaran condong ke kanan,
rerata < median dan mode
 Kurtosis
• Berkaitan dengan keruncingan sebaran
• Liptokurtik: sebaran runcing, berpusat pada nilai rerata
• Platikurtik: sebaran tumpul, nilai tersebar merata
• Mesokurtik: sebaran tak runcing atau tumpul

Liptokurtik Platikurtik Mesokurtik

Data yang terdistribusi normal memiliki nilai kurtosis mendekati

3
 Box Plot
• Memberi informasi mengenai lokasi kuartil, median dan
nilai ekstrem
• Mengetahui sifat distribusi dan potensi pencilan (outliers)

Pencilan = Q1-1,5*IQR dan Q3+1,5*IQR

Pencilan serius = Q1-3*IQR dan Q3+1,5*IQR
 Uji Statistik
• Interval kepercayaan: 95% dari rerata sampel akan
berada dalam kisaran µ±1,96 x SE
• Membandingkan rerata sampel dengan nilai harapan

Contoh: kadar air di kayu: 44, 42, 43, 49, 43, 47, 45, 46,
43% dengan nilai harapan 50%

• Nilai kritis pada tabel t adalah ±2,36 pada level

kepercayaan 0,05 ,dengan derajad bebas (db)= n-1= 8
→ jadi kadar air kayu sampel berbeda signifikan dari
nilai harapan ( kadar air 50%)
 Uji di antara 2 rerata
• Sampel independen:

t tabel= 2,10 (0,05, db=18)

Nilai t hitung > t tabel →

tinggi bibit berbeda di
antara Grup 1 dan Grup 2
 Uji di antara 2 rerata
• Sampel berpasangan
(tidak independen) :

t = 1,284 < t tabel (2,262 pada level 0,05 dan db 9) → bahan organik di dua
lapisan tanah tidak berbeda signifikan
 Analisis Varians
• Teknik pemisahan varians respons ke dalam
sumber variasi yang diketahui dan tak diketahui
(residual)
• Uji signifikan: varians respons yang diketahui
dibandingkan dengan residual (error term)
Analisis Varians
 Analisis Varians

Sumber Derajad Jumlah Kuadrat F-hitung F-tabel 0,05(4,10)=3,48

variasi bebas kuadrat rerata
Spesies 4 0,0287 0,0072 1,58 F-hitung < F-
Eror 10 0,0484 0,0045
tabel → spesies
Total 14
tak berbeda
Kapan CRD sebaiknya dipergunakan?

• Bila kondisi lingkungan (kesuburan, arah

lereng, intensitas sinar, peralatan dsb.)
seragam
• Bila kondisi material uji sebelum aplikasi
perlakuan seragam
Percobaan pemupukan

• Perlakuan: 4 dosis Slow Release Fertilizer

(SR1, SR2, SR2 dan SR4)
• Setiap perlakuan diulang 4 kali (jumlah
ulangan 4)
• Jadi jumlah unit eksperimen (plot)= 16
 Tata Letak (lay out)
1 2 3 4

5 6 7 8

9 10 11 12

13 14 15 16

1,2 …12 = nomor plot

Pengacakan
 Tata Letak (lay out): hasil pengacakan

1,2 …16 = nomor plot

Data tinggi bibit
 Analisis varians menurut CRD, Perlakuan: 4
dosis pupuk, diulang 4 kali

F-tabel (3, 12) 0,05 = 3,49 F-tabel (3, 12) 0,01= 5,95
Karena F-hitung (8,49) > F-tabel pada level 0,01 maka dikatakan
perlakuan berbeda sangat nyata dan diberi tangda **
Level signifikan dapat dihitung dengan tepat
melalui fungsi FDIST di Excel
Rancangan Acak Lengkap Berblok
(RCBD)
 Kapan RCBD sebaiknya
dipergunakan?
• Bila kondisi lingkungan tidak seragam
• Bila materi uji tidak seragam
Apa itu pengeblokan?

• Mengelompokan kondisi lingkungan

sedemikian rupa sehingga kondisinya di
dalam setiap blok kurang lebih seragam
(homogen)
•
 Percobaan dosis pupuk N

• N0 = tidak dipupuk (kontrol)

• N25= dipupuk dengan dosis 25 g N per pohon
• N50= dipupuk dengan dosis 50 g N per pohon
• N75= dipupuk dengan dosis 75 g N per pohon
• N100= dipupuk dengan dosis 100 g N per pohon
Tata letak RCBD
5 perlakuan , 4 ulangan

1,2,3,4,5 = unit eksperimen atau plot

 Tata letak RCBD setelah pengacakan
perlakuan

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 tinggi pohon untuk RCBD
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

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
 Analisis Varians 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
Dependent Variable: tinggi

Sum of RCBD vs CRD

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

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

 Kondisi lapangan yang heterogen

Blok 1

Blok 2

Blok 3

Blok 4

Ada variabilitas kesuburan dan arah

lereng Ada gradien kesuburan
 Kondisi lapangan yang homogen?

Bila kondisi tapak dipandang homogen (tidak ditemukan variabilitas

dalam kualitas tapak), eksperimen dapat dirancang menggunakan CRD
Pemilihan rancangan tidak berkaitan dengan tempat (di lapangan atau
di laboratorium), tetapi berkaitan homogenitas kondisi lingkungan dan
materi uji (bila materi uji bukan perlakuan)
Kondisi di persemaian: homogen?

• Pemilihan rancangan
eksperimen (CRD atau RCBD)
tergantung pada homogenitas
(misal penyinaran) kondisi
lingkungan di mana
eksperimen dilakukan
 Kondisi di laboratorium: homogen?

Oven berbeda dalam merk dan ukuran 2 growth chambers: homogen?

• Bila peralatan tersebut tidak

homogen, peralatan dapat
diperlakukan sebagai blok,
eksperimen dirancang dengan
RCBD akan lebih tepat

Beberapa desicator: homogen?

 Kondisi material uji: homogen?

• Kondisi material uji sebelum diberi perlakuan juga

menentukan desain yang akan dipergunakan, dengan catatan
material uji itu sendiri bukan merupakan perlakuan
• Material uji yang tidak homogen (berbagai ukuran) akan
meningkatkan eror eksperimen
• Pengelompokkan (blocking) material uji ke dalam kelas ukuran
tertentu (sebagai blok) menjadikan ukurannya lebih homogen
pada setiap bloknya, eror eksperimen akan berkurang,
variabilitas antara blok dikeluarkan dari eror eksperimen →
eksperimen dirancang dengan RCBD, ukuran bibit sebagai
blok