Kumpulan Makalah Seminar Semirata 2013 Fakultas MIPA Universitas Lampung

Penduga Data Hilang Pada Rancangan Bujur Sangkar Latin

Dasar
Idhia Sriliana
Jurusan Matematika FMIPA UNIB
E-mail: atha_muflih@yahoo.co.id

Abstrak. Penelitian ini bertujuan untuk mempelajari prosedur pendugaan data hilang
pada Rancangan Bujur Sangkar Latin Dasar. Pada Rancangan Bujur Sangkar Latin Dasar,
tiap data yang hilang dapat merusak keseimbangan rancangan, sehingga perlu dilakukan
pendugaan data hilang untuk mengatasi masalah inferensia mengenai perlakuan. Metode
pendugaan data hilang yang digunakan yaitu Metode Yates. Metode yang dikemukakan
oleh Yates (1933) digunakan untuk analisis percobaan pada beberapa data hilang dengan
menyisipkan nilai dugaan yang meminimumkan jumlah kuadrat galat percobaan. Analisis
percobaan pada berbagai kondisi data hilang dengan menerapkan suatu contoh kasus
menunjukkan hasil yang sama dengan analisis jika data pengamatannya tidak hilang. Dari
hasil kajian disimpulkan bahwa prosedur pendugaan data hilang dengan meminimumkan
jumlah kuadrat galat percobaan dapat digunakan untuk analisis percobaan data hilang
pada Rancangan Bujur Sangkar Latin Dasar.

Kata Kunci. Data Hilang, Metode Yates, Rancangan Bujur Sangkar Latin Dasar.

PENDAHULUAN berdasarkan dua kriteria pengelompokan,

Terkadang dalam pelaksanaan
percobaan di lapangan satu atau lebih
pengamatan hilang dari gugus data. Hal
ini mungkin dapat terjadi, misalnya bila
seekor binatang yang digunakan dalam
percobaan mati sebelum percobaan
selesai, satu plot hanyut karena kebanjiran
atau rusak karena terserang hama, satu
perlakuan yang salah diterapkan dalam
satuan percobaan yang bukan semestinya,
sebuah tabung percobaan pecah jatuh ke
lantai, dan berbagai alasan lainnya [1].
Pada Rancangan Bujur Sangkar Latin
Dasar tiap nilai yang hilang merusak
keseimbangan rancangan, karena beberapa
misalnya baris dan lajur. Pada rancangan
ini, semua perlakuan ditempatkan secara
acak ke dalam satuan percobaan dimana
tiap perlakuan harus muncul dalam jumlah
yang sama pada tiap baris dan lajur [2].
Analisis data pada rancangan ini
mensyaratkan rancangan yang ortogonal
dimana tiap perlakuan harus ada dalam
setiap baris dan lajur. Jika terjadi data
hilang maka analisis data tidak dapat
dilakukan sehingga informasi yang
diperlukan tidak diperoleh.
Model linier pada Rancangan Bujur
Sangkar Latin Dasar didefinisikan sebagai
[3]:
t

kontras perlakuan akan terkontaminasi

Yij    i   j  
k 1
(k )   ij i, j , k  1, ,t (1)

dengan pengaruh blok. Sehingga perlu dimana

diambil langkah-langkah untuk
meminimumkan pengaruh data hilang,
khususnya dalam inferensia mengenai
perlakuan.
Rancangan Bujur Sangkar Latin Dasar
merupakan suatu rancangan lapangan
yang mengelompokan satuan percobaan
Yij = pengamatan pada baris ke-i dan lajur ke-j
 = rataan umum
i = pengaruh baris ke-i
 j = pengaruh lajur ke-j
 , perlakuan ke-k pada posisi (i, j)
 (k)   k
0 , perlakuan ke-k tidak pada posisi (i, j)
 ij  galat percobaan

Hal 275
 Idhia Sriliana: Penduga Data Hilang Pada Rancangan Bujur Sangkar Latin Dasar
dengan asumsi untuk model tetap yang
digunakan dalam rancangan yaitu:
t
   
i
t
j 
t
 (k ) 0
i 1 j 1 k 1
Suatu metode yang bisa digunakan
untuk analisis percobaan pada data hilang
adalah Metode Yates. Metode ini
dilakukan dengan menyisipkan nilai
dugaan yang meminimumkan jumlah
kuadrat galat percobaan. Nilai dugaan
yang didapat tidak memberikan informasi
tambahan untuk percobaan, tetapi hanya
sebagai fasilitas untuk analisis data
sisanya. Metode Yates dapat
digeneralisasikan untuk menduga dua data
hilang. Data hilang yang pertama ditaksir
dengan menghitung rata-rata dari nilai
yang diketahui pada baris, lajur dan
perlakuan yang memuat salah satu dari
data yang hilang. Selanjutnya, data hilang
yang lain ditaksir dengan menggunakan
Metode Yates. Penaksiran dengan Metode
Yates terus dilakukan berulang-ulang
untuk kedua data hilang secara bergantian
hingga konvergensi tercapai. [4].
Berdasarkan latar belakang yang telah
diuraikan, dalam penelitian ini akan
dilakukan pengkajian Metode Yates
sebagai prosedur pendugaan data hilang
pada Rancangan Bujur Sangkar Latin
Dasar.
METODE PENELITIAN
Metode yang digunakan dalam
penelitian ini adalah metode Yates yang
merupakan suatu metode untuk analisis
data hilang pada rancangan percobaan
dengan cara menyisipkan nilai dugaan
yang meminimumkan jumlah kuadrat
galat percobaan.
Untuk satu nilai tunggal yang hilang
dalamRancangan Bujur Sangkar Latin
Dasar, maka nilai dugaan data hilang
tersebut dapat diperoleh sebagai berikut:
Jika data yang hilang adalah Ygh(u)yaitu
nilai pengamatan pada baris ke-g, lajur ke-
Hal 276
h, dan perlakuan ke-u, maka nilai dugaan
M adalah [3]
dan  ij ~ N (0,   2 ) M 

t Rg  Ch  Tu  2G (2)
(t  1)(t  2)
dimana:
t  banyaknya baris, lajur, dan perlakuan yang
digunakan
Rg  total semua pengamatan yang tak hilang
pada baris ke  g
Ch  total semua pengamatan yang tak hilang
pada lajur ke  h
Tu  total semua pengamatan yang tak hilang
pada perlakuan ke  u
G  total semua pengamatan yang tak hilang
Prosedur pendugaan satu data hilang
dengan metode Yates adalah
1. Sisipkan sembarang nilai, misalnya M,
untuk data yang hilang
2. Tentukan nilai M yang meminimumkan
Jumlah Kuadrat Galat Percobaan, yaitu
dengan menggunakan persamaan (2) .
3. Sisipkan nilai dugaan tersebut, dan
hitung semua jumlah kuadrat yang
digunakan dalam analisis varian.
4. Hitung analisis varian gugus data
dengan masing-masing derajat bebas
total dan galat percobaan dikurangi satu
dan jumlah kuadrat perlakuan dikurangi
faktor koreksi bias.
Apabila terdapat dua data hilang dalam
Rancangan Bujur Sangkar Latin Dasar,
yaitu Ykl(m) (nilai pengamatan pada baris
ke-k, lajur ke-l, dan perlakuan ke-m) dan
Ygh(u) (nilai pengamatan pada baris ke-g,
lajur ke-h,dan perlakuan ke-u), dengan
penduga berturut-turut adalah A dan B.
Maka salah satu data hilang (misalkan
Ykl(m)) diaproksimasi dengan
menggunakan rumus [4]:
(Yk .  Y.l  Y( m) )
A0  (3)
3
dimana:
A0  nilai dugaan awal
Yk .  rata  rata pengamatan yang tak hilang pada
baris ke  k
Y.l  rata  rata pengamatan yang tak hilang pada
lajur ke  l
Y( m)  rata  rata pengamatan yang tak hilang pada
perlakuan ke  m
 Kumpulan Makalah Seminar Semirata 2013 Fakultas MIPA Universitas Lampung

Kemudian hitung nilai dugaan A dan t

Bhingga konvergensi tercapai, dengan Y. j   Yij (6)

i 1
menggunakan persamaan (3)dimana total t t
pengamatan yang tak hilang ditambahkan Y( k )   Yij k (7)
nilai dugaan awal. i 1 j 1
Prosedur pendugaan dua data hilang dimana
dalam rancangan Bujur Sangkar Latin Y..  total nilai dari seluruh satuan percobaan
Dasar adalah Yi.  total nilai dari satuan percobaan pada baris ke  i
Y. j  total nilai dari satuan percobaan pada lajur ke  j
1. Hitung nilai dugaan awal dari salah
Y( k )  total nilai pengamatan perlakuan ke  k 
satu data hilang dengan menggunakan yang berada pada posisi  i, j 
persamaan (3).
Andaikan M adalah sebuah data yang
2. Masukkan nilai dugaan awal yang
hilang pada baris ke-g, lajur ke-h, dan
diperoleh pada langkah 1 ke dalam
perlakuan ke-u maka dapat dimisalkan
tabel nilai pengamatan dan hitung nilai
dugaan satu data hilang yang tersisa Yg .  Y
j h
gj  Ygh  Rg  M (8)
dengan menggunakan persamaan (2).
3. Lakukan perhitungan seperti pada
langkah 2 untuk menduga dua data
Y.h  Y
i g
ih  Ygh  Th  M (9)
hilang tersebut secara bergantian,
hingga konvergensi tercapai. Y(u )  Y 
i g j h
ij (u )  Ygh  Tu  M (10)
4. Sisipkan nilai dugaan dua data hilang
yang konvergen (didapat pada langkah
3) dan hitung semua jumlah kuadrat
Y..  Y
i g j h
ij  Ygh  G  M (11)
yang digunakan dalam analisis varian
M adalah penduga data yang hilang,
5. Hitung analisis varian gugus data
dipilih sedemikian rupa sehingga
dengan masing-masing derajat bebas
meminimumkan Jumlah Kuadrat Galat
total dan galat percobaan dikurangi 2
Percobaan, selanjutnya
(banyaknya data yang hilang) dan t t t t t

   Y  
1 1 2
jumlah kuadrat perlakuan dikurangi JKG  Yij2  Yi.2  ij ( k )
i 1 j 1
t i 1
t i 1 j 1
faktor koreksi bias. 2
2 
t t t

  Y
1
 Y. 2j  2  
t  
ij
HASIL DAN PEMBAHASAN t j 1 i 1 j 1 
 t t  1 t 
Satu Data Hilang  
 i g j h
Yij2  M 2   
 t  i g
Yi.2  ( Rg  M ) 2 
 
   
Jika terdapat satu data hilang dalam  
1 
t t
Rancangan Bujur Sangkar Latin Dasar,
  
2
  Yij ( k )  (Tu  M ) 2 
t  i g jh
maka pendugaan data hilang dilakukan  
 k u 
langsung dengan Metode Yates. Metode
1  2
t
Yates yang dirumuskan pada persamaan  
t  jh 
Y. j  (Ch  M )   2  G  M 
2 2
 t
2

(2)diturunkan melalui cara berikut:  

Berdasarkan model linier Rancangan
Bujur Sangkar Latin Dasar pada (JKG) 2
 2
 2 4
 2M  Rg  M  (Tu  M )  Ch  M   2 G  M  (12)
M t t t
persamaan (1) dapat dituliskan t

t t
Y..  Y
i 1 j 1
ij (4)

t dengan menyamakan hasil turunan

Yi.   Yij (5) pertama JK(Galat) terhadap Mpada
j 1

Hal 277
 Idhia Sriliana: Penduga Data Hilang Pada Rancangan Bujur Sangkar Latin Dasar

persamaan (12)sama dengan nol, maka M  nilai dugaan data hilang

diperoleh: t = banyaknya perlakuan yang digunakan
Rg = total semua pengamatan yang tak hilang
2M 
2
t
 
2 2 4
Rg  M  Tu  M    Ch  M   2  G  M   0
t t t
pada baris ke  g
Ch = total semua pengamatan yang tak hilang
 M
1
 1
 1
Rg  M  Tu  M    Ch  M  pada lajur ke  h
2
t t t Tu  total semua pengamatan yang tak hilang
 2 G  M   0 pada perlakuan ke  u
t


 1 1 1 2
M 1     2
 1 1 1 2 Untuk pengujian dengan taraf uji  ,
  Rg  Tu  Ch  2 .G
 t t t t  t t t t H0 : 1  2  ...  t lawan H1: sedikitnya
 t 2  3t  2  t.Rg  t.Ch  t.Tu  2G ada i   j untuk i  j (1, 2,..., t ) atau
 M   
 t2  t2
H 0 : 2  0 lawan H0 : 2  0 digunakan
 M ((t  1)(t  2))  t ( Rg  Ch  Tu )  2G
statistik uji:
t ( Rg  Ch  Tu )  2G
 M  Fhit 
KT [ Perlakuan Terkoreksi]
~ F ;(t 1),(t 1)(t 2) 1
(t  1)(t  2) KT [Galat Percobaan]
terbukti bahwa M merupakan rumus Teladan Analisis untuk Satu Data
Metode Yates seperti pada persamaan (2). Hilang
Pengaruh Terhadap Analisis Varian Diberikan teladan penerapan untuk
Tabel 8Analisis Varian Untuk Satu Data analisis satu data hilang dalam Rancangan
Hilang Bujur Sangkar Latin Dasar menggunakan
Sumber db JK KT
Baris t-1 JK[B] permasalahan berikut [5]
Lajur t-1 JK[L] KT[P] Suatu percobaan telah dilakukan untuk
Perlakuan t-1 JK[P.Terkoreksi] KT[G]
Galat (t-1)(t-2)-1 JK[G] mengetahui pengaruh pencampuran
Total (t2-1)-1 JK[T] bensin terhadap penghematan bahan bakar
Nilai dugaan data hilang yang yang diukur melalui jarak tempuh
disisipkan ke dalam gugus data akan (km/liter).
berpengaruh terhadap analisis varian. Karena keterbatasan mobil yang ada,
Derajat bebas dari Total dan Galat maka diputuskan menggunakan
percobaaan masing-masing berkurang Rancangan Bujur Sangkar Latin Dasar
satu. Selain itu, Jumlah Kuadrat Perlakuan dengan memperpanjang waktu percobaan.
berbias ke atas, artinya memberikan Terdapat lima jenis mobil yang berbeda
Jumlah Kuadrat Perlakuan yang lebih yaitu: I, II, III, IV dan V. Perlakuannya
tinggi dari seharusnya. Tapi, melalui sebanyak 5 macam, yaitu:
perhitungan sederhana diperoleh Jumlah A: kontrol (bensin tanpa pencampuran)
Kuadrat Perlakuan Terkoreksi. Sehingga B: kontrol + bahan X produksi perusahaan I
analisis varian untuk satu data hilang C: kontrol + bahan Y produksi perusahaan II
D: kontrol + bahan U produksi perusahaan I
dalam Rancangan Bujur Sangkar Latin E: kontrol + bahan V produksi perusahaan II
Dasar dapat dilihat pada Tabel 1. Misalkan bahwa setelah melakukan
Faktor Koreksi Bias dapat dihitung pengacakan baris dan lajur sesuai dengan
dengan menggunakan rumus [4]: prosedurnya dan setelah dilakukan
2
G  Rg  Ch  (t  1)Tu  percobaan diperoleh hasil berikut
Bias   (13)
[(t  1)(t  2)]2
dimana
Tabel 9Data Penggunaan Bahan Bakar (km/liter)
Hari Merk Mobil
Total Baris
(Waktu) I II III IV V
1 B = 14 A = 10 E = 11 C =12 D = 10 57
2 C = 10 D = 10 B = 11 A= 8 E = 12 51
3 E = 14 B = 12 C = 13 D = 11 A= 9 59

Hal 278
 Kumpulan Makalah Seminar Semirata 2013 Fakultas MIPA Universitas Lampung

4 A = 11 C = 11 D = 10 E = 10 B = 13 55
5 D = 13 E = 12 A= 9 B = 10 C = 13 57
Total Lajur 62 55 54 51 57 279

Tabel 10 Analisis data pada Tabel 2 Berdasarkan analisis varian, maka

Sumber db JK KT Fhitung dapat disimpulkan bahwa terdapat cukup
bukti pada taraf kepercayaan 5% untuk
Baris [Hari] 4 7.36 menyatakan bahwa perlakuan
Lajur [Mobil] 4 13.36
Perlakuan 4 23.76 5.9 4.22* pencampuran bensin mempengaruhi
[Bensin] respon penggunaan bahan bakar.Misalkan
Galat 12 16.88 1.41 dari TABEL 4, data perlakuanA dalam
Total 24 61.36 baris ke-2 dan lajur IV dianggap hilang,
F0.05;4,12  3.26 sehingga tabel pengamatan menjadi:

Tabel 11Data Penggunaan Bahan Bakar, dengan Satu Data Hilan

Lajur Jumlah Jumlah
Baris
I II III IV V Baris Perlakuan
1 14 10 11 12 10 57 39
2 10 10 11 M 12 43 60
3 14 12 13 11 9 59 59
4 11 11 10 10 13 55 54
5 13 12 9 10 13 57 59
Jumlah Lajur 62 55 54 43 57
Jumlah Pengamatan 271

Berdasarkan Tabel 4diketahui: Ftabel

t  5, Rg  43, Ch  43, Tu  39, G  271 Sumber db JK KT Fhitung   0.05

Dengan menggunakan persamaan (2) Baris 4 9.63

diperoleh nilai dugaan untuk data yang Lajur 4 15.63
hilang, yaitu Perlakuan 4 21.92 5.48 3.69* 3.36
5   43  43  39    2  271 Galat 11 16.32 1.48
M  Total 23 69.33
(5  1)(5  2)
 6.92
Untuk taraf nyata uji sebesar 5%
Selanjutnya dengan mengganti data
hilang terhadap nilai dugaannya, lakukan
  0,05 , Fhitung  Ftabel maka H0 ditolak.
analisis data seperti biasa yaitu dengan Hal ini berarti cukup bukti pada taraf
analisis varian untuk gugus data yang kepercayaan 5% untuk mengatakan bahwa
ditambahkan. Analisis varian yang perlakuan pencampuran bensin
diperoleh disajikan pada Tabel 5, dengan mempengaruhi respons penggunaan bahan
faktor koreksi untuk Bias sebesar: bakar.Melalui prosedur yang sama, maka
 271  43  43  ((5  1)  39)2 untuk contoh lain satu data hilang dalam
Bias   5.84 baris, lajur, dan perlakuan yang tidak
[(5  1)(5  2)]2
sama diperoleh hasil berikut:
JK[Perlakuan Terkoreksi]  27.76-5.84  21.92
Tabel 12Analisis Varian untuk Data Tabel 4
Tabel 13Hasil Analisis untuk Satu Data ke-4 dan lajur ke-II
Perlakuan E pada Baris
Hilang M  13.33 3.72*
ke-3 dan lajur ke-I
Nilai
Data Hilang Fhitung F0.05;4,11  3.36
Dugaan
Perlakuan C pada Baris M  12 4.06*

Hal 279
 Idhia Sriliana: Penduga Data Hilang Pada Rancangan Bujur Sangkar Latin Dasar

Berdasarkan teladan yang diberikan, ke atas dengan faktor koreksi bias dapat
pada prosedur pendugaan satu data hilang dihitung dengan menggunakan rumus [4]
dalam Rancangan Bujur Sangkar Latin G  Rk  Cl  (t  1)Tm 2  G  Rg  Ch  (t  1)Tu 2
Bias  (14)
Dasar diperoleh hasil analisis yang sama [(t  1)(t  2)]2
dengan analisis jika data pengamatannya
Sehingga analisis varian untuk dua data
tidak hilang. Hasil analisis menunjukkan
hilang dapat dilihat pada tabel berikut
kesimpulan yang sama yaitu signifikan
Tabel 14Analisis Varian untuk Dua Data
pada taraf uji 5%, artinya perlakuan yang
Hilang
diberikan berpengaruh nyata terhadap Sumber Db JK KT
percobaan. Baris t-1 JK[B]
Dua Data Hilang Lajur t-1 JK[L]
KT[P]
Jika terdapat dua data hilang dalam Perlakuan t-1 JK[P.Terkoreksi]
KT[G]
Rancangan Bujur Sangkar Latin Dasar, Galat (t-1)(t-2)-2 JK[G]
Total (t2-1)-2 JK[T]
maka pendugaan data hilang masih dapat
dilakukan dengan Metode Yates, tetapi
Untuk pengujian dengan taraf uji  ,
salah satu data yang hilang terlebih dahulu
H0 : 1  2  ...  t lawan H1: sedikitnya
diaproksimasi dengan menggunakan
persamaan (3). Kemudian, dengan ada i   j untuk i  j (1, 2,..., t ) atau
menggunakan nilai dugaan awal, H 0 : 2  0 lawan H0 : 2  0 digunakan
dilakukan pendugaan data dengan metode statistik uji:
Yates secara bergantian atau dilakukan KT [ Perlakuan Terkoreksi]
Fhit  ~ F ;(t 1),(t 1)(t 2) 2
proses iterasi hingga konvergensi tercapai. KT [Galat Percobaan]
Pengaruh Terhadap Analisis Varian Teladan Analisis untuk Dua Data
Sama halnya seperti pada satu Hilang
datahilang, nilai dugaan untuk dua data Misalkan dari Tabel 2data perlakuan A
hilang dalam baris ke-4, lajur ke-I dan data
berpengaruh terhadap analisis varian. perlakuan C dalam baris ke-3 lajur ke-III
Derajat bebas dari Total dan Galat dianggap hilang. Sehingga tabel
percobaaan masing-masing berkurang pengamatan menjadi.
duadan Jumlah Kuadrat Perlakuan berbias

Tabel 15 Pengamatan dengan Dua Data Hilang

Baris Lajur Jumlah Jumlah
I II III IV V Baris Perlakuan
1 14 10 11 12 10 57 36
2 10 10 11 8 12 51 60
3 14 12 C 11 9 46 46
4 A 11 10 10 13 44 54
5 13 12 9 10 13 57 59
Jumlah Lajur 51 55 41 51 57
Jumlah Pengamatan 255

Berdasarkan Tabel 4 diketahui: Misalkan nilai dugaan awal yang

t  5, Rk  44, Cl  51, Tm  36, Rg  46, Ch  41, dihitung untuk data hilang adalah
Tu  46, G  255 perlakuan A, maka dengan menggunakan
Untuk melakukan analisis terhadap dua persamaan (3) diperoleh nilai dugaan awal
data hilang tersebut maka dilakukan yaitu:
prosedur pendugaan sebagai berikut: (11  12.8  9)
A0   10.92
3

Hal 280
 Kumpulan Makalah Seminar Semirata 2013 Fakultas MIPA Universitas Lampung

Kemudian dengan mensubtitusikan Prosedur pendugaan data hilang dengan

nilai dugaan awal pada total pengamatan Metode Yates dapat digunakan untuk
yang tak hilang, hitung nilai dugaanA dan analisis percobaan data hilang dalam
Cmelalui proses iterasi hingga Rancangan Bujur Sangkar Latin Dasar.
konvergensi tercapai, dengan Pendugaan data yang hilang
menggunakan persamaan (4). mengakibatkan Jumlah Kuadrat Perlakuan
Tabel 16Nilai Dugaan Hasil Proses Iterasi berbias ke atas dan derajat bebas dari
Iterasi Nilai Dugaan Total dan Galat Percobaan masing-masing
B A
berkurang sesuai dengan jumlah data yang
Pertama 11.10 10.23
Kedua 11.21 10.21 hilang. Berdasarkan teladan penerapan,
Ketiga 11.21 10.21 hasil analisis sampai pada dua data hilang
dalam Rancangan Bujur Sangkar Latin
Dari proses iterasi, diperoleh nilai Dasar masih memberikan kesimpulan
dugaan A  10.21 dan C  11.21 . yang sama dengan analisis jika data
Selanjutnya dengan mengganti dua data pengamatannya tidak hilang.
yang hilang terhadap nilai dugaannya,
lakukan analisis varian untuk gugus data DAFTAR PUSTAKA
yang diduga. Analisis varian yang
diperoleh disajikan pada Tabel 10. Sudjana. (1989). Desain dan Analisis
Tabel 17Analisis Varian untuk Data Tabel Eksperimen. edisi ketiga. Tarsito.
8 Bandung.
Ftabel R. L. Ott and M. Longnecker. (2001).
Sumber db JK KT Fhitung   0.05
Baris 4 5.82
Statistical Methods and Data Analysis.
Lajur 4 13.19 5th edition. Duxbury. USA.
Perlakuan 4 21.18 5.3 3.57* 3.48
M. Lentner and T. Bishop. (1986).
Galat 10 14.83 1.48
Total 22 58.58 Experimental Design and Analysis.
Valley Book Company. Blacksburg,
dengan faktor koreksi untuk Bias sebesar: VA, USA.
255  44  51  (5  1)362  255  46  41  (5  1)462
Bias   3.56
R. G. D. Stell and J. H. Torrie. (1981).
[(5  1)(5  2)]
2
Principles and Procedures of Statisics.
Hasil analisis menunjukkan kesimpulan 2nd edition. McGraw-Hill International
yang sama yaitu signifikan pada taraf uji Book Company. Singapore.
5%, artinya perlakuan yang diberikan V. Gaspersz. (1991). Metode
berpengaruh nyata terhadap percobaan. Perancangan Percobaan. ARMICO.
Bandung.
KESIMPULAN

Hal 281