Biometri

RANCANGAN ACAK KELOMPOK LENGKAP (RAK)

Randomized Completely Block Design (RCBD)

Penggunaan RAL dalam beberapa kondisi tidak dapat digunakan. Kondisi lingkungan
suatu percobaan sering tidak dapat dikontrol dan berpengaruh terhadap respon variable.
Akibatnya pengaruh perlakuan sulit diditeksi. Pengaruh perlakuan tersamar atau tidak
jelas karena berasosiasi dengan pengaruh lingkungan. Apabila saudara menggunakan
desain eksperimen RAL untuk pengujian hipotesis, pengaruh variasi yang disebabkan
oleh lingkungan menyebabkan “confounding error”. RAL menjadi tidak efektif.
Alternatif desain eksperimen lain harus mampu memilahkan pengaruh lingkungan dari
pengaruh perlakuan. Usaha ini dapat dilakukan dengan Rancangan Acak Kelompok
(RAK) Lengkap.

Dalam desain ekaperimen RAK, variasi yang berkaitan dengan lingkungan

dikelompokkan dalam blok terpisah. Contohnya 30 unit experiment dengan 5 varitas
cabe ditanaman disebuah lahan garapan. Ada 6 tanaman untuk setiap varitasnya. Ketika
petani menanamnya secara acak, hasil produksi dari cabe ini tidak berbeda padahal jelas-
jelas fakta dari berat buah itu berbeda beratnya. Setelah diamati lebih jauh, lahan tanah
yang ditanami petani ini ternyata tidak uniform. Sebagian dari lahan area itu mempunyai
struktur tanah yang berbeda. Perbedaan struktur tanah ini berpengaruh terhadap
pertumbuhan tanaman. Hal ini menyebabkan variasi yang ditimbulkan lahan area
berpengaruh terhadap variasi dari perlakuan.

Keuntungan dan kerugian RAK

1. Analisanya tidak berbelit-belit.
2. Hasilnya lebih akurat.
3. Meningkatkan sensitifitas. Variasi dari group dipisahkan dari variasi yang
menyebabkan error eksperimen.
4. Fleksibel dengan jumlah perlakuan dan blok.
5. Jika jumlah dan variasi unit eksperimen banyak, kemungkinan untuk uniform
dalam sebuah blok sulit dilakukan.

Linear Model (Model linier) RAK

Yij = µ + τi + βj + εij i = 1, 2, … t
j = 1, 2, … r

Yij = observasi dari unit eksperimen j dan perlakuan i

µ = overall mean
τi = µi. - µ = efek perlakuan i
βj = µ.j - µ = efek blok j
εij = komponen error secara acak menjelaskan perbedaan yang terjadi disebabkan oleh
variasi.

1
 Biometri

Asumsi estimasi dan inferensi untuk RAL;

µ adalah constanta fix untuk semua observasi
εij merupakan distribusi normal dan independent dengan mean 0 dan variansi = σ2ε
untuk setiap populasi (grup perlakuan) N(0, σεij )

Analisi untuk RAK (RCBD)

Tabel untuk format pengambilan data RAK

Blok 1 2 … j … ri Treatment
Total Mean
Perlakuan 1 Y11 Y12 … Y1j … Y1ri Y1. Y1.

(treatment) 2 Y21 Y22 … Y2j … Y2ri Y2. Y2.

. . . . . . .

. . . . . . .

. . . . . . .

i Yi1 Yi2 … Yij … Yiri Yi. Yi.

. . . . . . .

. . . . . . .

. . . . . . .

t Yt1 Yt2 … Ytj … Ytrt Yt. Yt.

Total Blok Y.1 Y.2 … Y.j …

Mean Blok Y.1 Y.2 … Y.j …

Overall total and mean Y.. Y..

Mean dari perlakuan ke i = Yi. = Yi./r

Mean dari blok ke j = Y.j = Y.j/t

2
 Biometri

Over all mean = Y.. = Y../rt

Correction Factor (faktor koreksi) = C = Y2../rt

Total Sum Square (SSY) = ΣΣYij (Yij-Yi..)2 = ΣΣY2ij – C

Block Sum Square (SSB) = ΣΣYij (Y.j-Y..)2 = Σ(Y2.j /t)– C

Treatment Sum Square (SST) = ΣΣYij (Yi.-Y…)2 = Σ(Y2i. /t)– C

Experimental Error SS (SSE) = ΣΣ(Yij - Yi. – Y.j + Y..)2 = SSY – SST – SSB

Tabel ANOVA (Analysis of Variance) untuk RAK

Source df SS MS Ftest

Bloks r-1 SSB MSB = SSB/(r-1) MSB/MSE

Treatment t-1 SST MST = SST/( t-1 ) MST/MSE
(diantara
treatment)
Experimental (r-1)(t-1) SSE MSE = SSE/(r-1)(t-1)
Error
Total rt-1 SSY

Contoh

Pada step awal proses katun diperlukan step pembersihan. Seorang analis tekstil
menginvestigasi 4 cara pembersihan ini. Karena bahan dasar katun ini diproses dengan
batch yang berbeda maka diperlukan pemisahan dalam pengujiannya.Hasil kehilangan
berat setelah proses cuci sebagai berikut.

Batch 1 2 3 4 5 Yi. Yi.

Proses cuci 1 21 36 25 18 22 122 122/5 =
24.4
2 26 38 27 17 26 134 134/5 =
26.8
3 16 25 22 18 21 102 102/5 =
20.4
4 28 35 27 20 24 134 134/5 =
26.8
Y.j 91 134 101 73 93 492=Y..
Yij 91/4 134/4= 101/4= 73/4= 93/4=
=22.74 33.5 25.55 18.25 23.25

3
 Biometri

Overall mean = 492/(5x4)= 492/20 = 24.6

C = (492)2/20 = 12103.2

SSY = (21)2 + (36)2 + … + (24)2– C

= 724.8

SSB = [(91)2 + (134)2 + (101)2+ (73)2 + (93)2]/4 – C = 500.8

SST = [(122)2 + (134)2 + (101)2+ (134)2]/5 – C = 136.8

SSE = SSY – SSB - SST = 724.8 – 500.8 – 136.8 =87.2

Dengan demikian table ANOVA untuk RAK menjadi:

Source df SS MS Ftest

Block 5-1 = 4 500.8 125.2

Treatment 4-1 = 3 136.8 45.6 45.6/7.3 =
(diantara 6.24
treatment)
Experimental (5-1)(4-1) = 12 87.2 7.3
Error
Total (5 x 4) – 1 = 19 724.8

Ftabel pada α = 5% (0,05) pada df treatment = 3 dan df error = 12 adalah 3.49

Maka F kalkulasi > F table
Kesimpulan bahwa ada perbedaan pengaruh cara pembersihan kapas diawal proses katun.

4
 Biometri

Biometry Home work: RAL dan RAK

1. Sebuah “department store” memutuskan untuk merekrut sebuah grup baru salesman
dengan empat program training. Dari sebuah grup yang berjumlah 24 orang pelamar baru
diacak untuk empat program training. Program training ini dilakukan selama tiga minggu
dan salesman bekerja selama dua minggu percobaan. Komisi yang merekrut
menginginkan:
a. apakah program ini menghasilkan salesman dengan kualitas yang berbeda
b. bagaimana cara memutuskan program mana yang baik?
c. siapa sebenarnya populasinya? Sample? Apa perlakuannya? Variable Respon ?
d. bagaiman supaya valid bahwa testing ini adil dan representative?
e. apa model liniernya dan apa arti dari terminology
f. bagaimana menarik kesimpulannya?

2. Saudara sebagai ahli pengujian dan penjamin kontrol kualitas di departemen ini
membantu komisi ini melakukan proses yang benar dalam pengujian yang valid.
Jelaskan pada komisi ini dengan menjawab keinginan komisi diatas.

Seorang ahli hortikultura melakukan eksperimen lapangan untuk meneliti pengaruh

pestisida yang diaplikasikan pada lahan dan akan ditanami dengan azalea. Fungisida
diaplikasikan ke plot eksperimen sebelum tanaman azalea diinokulasi dan ditransfer ke
lapangan. Pestisida ini diaplikasikan ke dalam desain RAK dengan 4 blok. Tanaman
azalea yang homogen kemudian ditanam di lapangan. Setelah beberapa minggu, tanaman
digali dan dibersihkan serta ditimbang berat akarnya. Data berat akar (gr) tersebut
sebagai berikut:

Block Treatment
1 2 3 4 5
1 14 21 19 22 24
2 13 18 14 21 18
3 11 23 18 22 17
4 10 21 15 18 17

a. Apa populasinya? Sample? Apa perlakuannya? Variable Respon ?

b. Bagaimana hipotesis penelitian ini?
c. Buat model linier dan jelaskan setiap terminologinya.
d. Buatlah perhitungan untuk membuktikan pengaruh pestisida terhadap berat akar
azalea.
e. Apa kesimpulannya?

3. Empat orang sopir mau mengendarai mobilnya dalam sebuah studi tentang jarak yang
ditempuh oleh 4 merek bensin. Setiap sopir mengendarai mobilnya dalam 100 km
kecepatan yang sama, lurus dan hal-hal lainnya dengan seragam. Jarak per km dari
kendaraan yang dicapai oleh setiap sopir sebagai berikut:

5
 Biometri

Sopir Brand atau merek bensin

A B C D
1 12.6 10.9 11.3 13.2
2 16.4 16.1 17.6 17.9
3 13.0 10.6 11.8 12.6
4 19.2 18.0 18.9 19.9

a. Apa populasinya? Sample? Apa perlakuannya? Variable Respon ?

b. Bagaimana hipotesis penelitian ini?
c. Buat model linier dan jelaskan setiap terminologinya.
d. Buatlah perhitungan untuk membuktikan pengaruh brand/merek bensin terhadap jarak
tempuh.
e. Apa kesimpulannya?

4. Lengkapi tabel ANOVA di bawah ini

a.
Sources df SS MS Ftest
Blocks 200
Treatments 4
Exp. Error 10
Total 29 550

b.
Sources df SS MS Ftest
Blocks 5
Treatments 308
Exp. Error 16
Total 23 978