RANCANGAN PERCOBAAN

FAKTOR TUNGGAL –RKLT

(RANCANGAN KELOMPOK LENGKAP TERACAK)

 DEFINISI

RKLT merupakan suatu model rancangan lingkungan

yang disusun di dalam kelompok-kelompok sebagai
ulangan, ditujukan untuk mengendalikan galat pada
lingkungan yang heterogen.

AKRONIM

RAK : Rancangan Acak Lingkungan

RAKL : Rancangan Acak Kelompok Lengkap
RKLT : Rancangan Kelompok Lengkap teracak
RBD : Randomized Block Design
PERBEDAAN RANCANGAN LINGKUNGAN

RAL RKLT RBSL

RAL RBSL
RAK
• Kondisi lingkungan • Kondisi • Kondisi
Homogen Lingkungan Lingkungan
Heterogen heterogen
• Keragaman
lingkungan • Satu sumber • Dua sumber
terkendali keragaman keragaman yang
saling tegak lurus

• Keragaman • Keragaman
respons respons • Keragaman
disebabkan disebabkan respons
pengaruh pengaruh disebabkan
perlakuan perlakuan dan pengaruh
kelompok perlakuan, baris
dan lajur
 LAY OUT

RANCANGAN LINGKUNGAN
SATU FAKTOR
 Keragaman Respons
Satuan disebabkan oleh
Percobaan/media/ Perlakuan,
bahan percobaan Kelompok, dan
Heterogen Galat

Analisis data
Rancangan bersyarat
Ortogonal: setiap
Kelompok
perlakuan harus
Lengkap terjadi disetiap block
Teracak

Asumsi εij~N (0,2)

Galat menyebar normal
Nilai tengah µ
Ragam homogen
 Tingkat kesuburan

A C B C
B T

Saluran D D D
A S
irigasi I II III IV

B A C B

C B D A
MODEL LINIER ADITIF
Yij     i   j   ij
Dimana:
i = 1, 2, …, 6 dan j=1, 2,…,r
Yij = Pengamatan pada perlakuan ke-i dan kelompok ke-j
 = Rataan umum
i = Pengaruh perlakuan ke-i
j = Pengaruh kelompok ke-j
ij = Pengaruh acak pada perlakuan ke-i dan kelompok ke-j
HIPOTESIS
Pengaruh perlakuan:
H0: 1 = …= t=0 (perlakuan tidak berpengaruh
terhadap respon yang diamati)
H1: paling sedikit ada satu i dimana i  0
Pengaruh pengelompokan:
H0: 1 = …= r=0 (kelompok tidak berpengaruh
terhadap respon yang diamati)
H1: paling sedikit ada satu j dimana j  0
PENGURAIAN KERAGAMAN TOTAL
Penguraian Keragaman Total

Yij  Y..  Yij  Yi.  Yi.  Y. j  Y. j  Y..

(Yij  Y.. )  (Yi.  Y.. )  (Y. j  Y.. )  (Yij  Yi.  Y. j  Y.. )
Jika kedua ruas dikuadratkan:

(Yij  Y.. ) 2  (Yi.  Y.. ) 2  (Y. j  Y.. ) 2  (Yij  Yi.  Y. j  Y.. ) 2  A

Uraikan A?
 ij ..  i. ..  . j ..  ij i. . j ..
i
(Y 
j
Y ) 2
 (Y  Y ) 2

i
(Y 
j
Y ) 2
 (Y  Y  Y 
i
Y )
j
2

i j

JKT  JKP  JKB  JKG

TABEL SIDIK RAGAM
Sumber Derajat Jumlah Kuadrat F-hitung
keragaman bebas Kuadrat Tengah
(Db) (JK) (KT)

Perlakuan t-1 JKP KTP KTP/KTG

Blok r-1 JKB KTB KTB/KTG

Galat (t-1)(r-1) JKG KTG

Total Tr-1 JKT

Pengambilan keputusan, tolak H0 jika :

1. F-hitung lebih besar dari F-tabel pada taraf nyata , atau
2. P-Value lebih kecil dari 
RUMUS HITUNG

Untuk mempermudah perhitungan jumlah

kuadrat dapat dilakukan langkah-langkah
perhitungan sebagai berikut:
Y..2
FK  , N  tb
• Hitung Faktor Koreksi (FK) N
t b
• Hitung Jumlah Kuadrat Total
(JKT)
JKT  Y
i 1 j 1
2
ij  FK

• Hitung Jumlah Kuadrat Perlakuan t

Yi 2.
(JKP) JKP  
i 1
b
 FK

• Hitung Jumlah Kuadrat Blok b

Y. 2j
(JKB) JKB  
j 1
t
 FK
• Hitung Jumlah Kuadrat Galat
JKG  JKT  JKP  JKB
(JKG)
t = treatment (perlakuan)
b = blok atau ulangan
EFISIENSI RELATIF (ER) RAK TERHADAP RAL
(dbb  1)(dbr  3) ˆ r
ER  x dbb=derajat bebas galat RAK
(dbb  3)(dbr  1) ˆ b dbr=derajat bebas galat RAL
ˆ b  KTG t=banyaknya perlakuan
r=banyaknya ulangan
(r  1) KTB  r (t  1) KTG
ˆ r 
tr  1
ER=3  banyaknya ulangan pada RAL = 3X pada RAK

Koefisien Keragaman (KK)  mencerminkan

keheterogenan unit
percobaan
ˆ KTG
KK  x100%  x100%
Y.. Y..
ILUSTRASI

Berikut disajikan data rata-rata panjang buah cabai dari

6 genotipe galur murni.

Panjang buah (cm)

Genotipe
U1 U2 U3
IPBC2 14.89 12.69 13.40
IPBC9 9.62 9.15 9.35
IPBC10 2.79 3.94 3.90
IPBC14 8.56 8.44 9.30
IPBC15 11.79 11.01 10.29
IPBC20 3.16 2.80 3.00
HIPOTESIS
Pengaruh perlakuan:
H0 : 1= 2= 3= 4 =0 (genotipe tidak berpengaruh
terhadap panjang buah yang diamati)
H1 : paling sedikit ada satu genotipe dimana i  0
Atau
H0: tidak ada perbedaan rata-rata panjang buah
diantara genotipe yang diuji (µ1 = µ2 =…..= µ6)
H1: terdapat perbedaan rata-rata panjang buah
diantara genotipe yang diuji (µ1 ≠ µ2 ≠ ….. ≠ µ6)

Pengaruh pengelompokan:
H0 : 1= 2= 3 =0 (kelompok tidak berpengaruh
terhadap respon panjang buah yang diamati)
H1 : paling sedikit ada satu kelompok dimana j  0
 FAKTOR KOREKSI (FK)
Berikut disajikan data rata-rata panjang buah cabai dari
6 genotipe galur murni

Panjang buah (cm) Total

Genotipe perlakuan
U1 U2 U3 (Yi.)
IPBC2 14.89 12.69 13.40 40.98
IPBC9 9.62 9.15 9.35 28.12
IPBC10 2.79 3.94 3.90 10.63
IPBC14 8.56 8.44 9.30 26.30
IPBC15 11.79 11.01 10.29 33.09
IPBC20 3.16 2.80 3.00 8.96

Total kel (Y.j) 50.81 48.03 49.24 148.08

 JUMLAH KUADRAT UMUM (JK UMUM)
Berikut disajikan data rata-rata panjang buah cabai dari
6 genotipe galur murni

Panjang buah (cm) Total

Genotipe perlakuan
U1 U2 U3 (Yi.)
IPBC2 14.89 12.69 13.40 40.98
IPBC9 9.62 9.15 9.35 28.12
IPBC10 2.79 3.94 3.90 10.63
IPBC14 8.56 8.44 9.30 26.30
IPBC15 11.79 11.01 10.29 33.09
IPBC20 3.16 2.80 3.00 8.96

Total kel (Y.j) 50.81 48.03 49.24 148.08

FK
 JUMLAH KUADRAT ULANGAN (JK UL)

Berikut disajikan data rata-rata panjang buah cabai dari

6 genotipe galur murni

Panjang buah (cm) Total

Genotipe perlakuan
U1 U2 U3 (Yi.)
IPBC2 14.89 12.69 13.40 40.98
IPBC9 9.62 9.15 9.35 28.12
IPBC10 2.79 3.94 3.90 10.63
IPBC14 8.56 8.44 9.30 26.30
IPBC15 11.79 11.01 10.29 33.09
IPBC20 3.16 2.80 3.00 8.96

Total kel (Y.j) 50.81 48.03 49.24 148.08

FK
 JUMLAH KUADRAT PERLAKUAN (JK PERLK)
Berikut disajikan data rata-rata panjang buah cabai dari
6 genotipe galur murni

Panjang buah (cm) Total

Genotipe perlakuan
U1 U2 U3 (Yi.)
IPBC2 14.89 12.69 13.40 40.98
IPBC9 9.62 9.15 9.35 28.12
IPBC10 2.79 3.94 3.90 10.63
IPBC14 8.56 8.44 9.30 26.30
IPBC15 11.79 11.01 10.29 33.09
IPBC20 3.16 2.80 3.00 8.96

Total kel (Y.j) 50.81 48.03 49.24 148.08

 TABEL ANALISIS VARIAN (ANOVA)

SK db JK KT F-hit F-tabel (α=5%)

Ul 2 0.647 0.323 0.724 4.10 Ns

Genotipe 5 265.132 53.026 118.892 5.79 *

Galat 10 4.462 0.446

Umum 17 270.241
KK = 8.12 %
Lanjutkan dengan uji antar perlakuan
Kesimpulan: BNT/BNJ/DMRT/kontras dll

 Terdapat perbedaan panjang buah yang nyata diantara genotipe

cabai yang di ujikan pada taraf 5%.
 Pengelompokan tidak berbeda nyata dengan KK yang rendah
(8.12%) menunjukan bahwa percobaan ini cukup menggunakan
rancangan acak lengkap (RAL).
 EFISIENSI PENGELOMPOKAN

dbb = derajat bebas galat RAK

dbr = derajat bebas galat RAL

ER<1 : Efisiensi RAK=RAL

ER>1 : Efisiensi RAK lebih baik dari RAL

Institut Pertanian Bogor

LATIHAN
Penelitian tentang pengaruh pemupukan terhadap produksi
jarak pagar (Jatropha curcas) IP3. Ada 4 dosis pupuk organik
yang diberikan, yaitu PO1, PO2, PO3, dan PO4. Pada area
percobaan, kontur tanah merendah menuju sungai sehingga
dilakukan pengeblokan tegak lurus terhadap arah
penurunan kontur tanah.
Blok 1
Blok 2
Blok 3

Kontur tanah menurun menuju sungai

DATA HASIL PENGAMATAN:
Hasil pengamatan (kg/pohon)
Blok
PO1 PO2 PO3 PO4
1 8 11 25 23
2 9 12 26 22
3 12 16 30 28

a. Gambarkan peta pengacakan dari percobaan tersebut

b. Tuliskan model linier dari rancangan diatas, lengkap dengan
keterangan yang jelas beserta asumsi yang diperlukan
c. Jika perlakuan yang digunakan dalam percobaan dipilih secara
acak, tuliskan hipotesis yang sesuai untuk diuji
d. Susunlah tabel sidik tagamnya unutk menguji hipotesis tersebut.
e. Apa kesimpulan yang dapat ditarik dari tabel sidik ragam yang
terbentuk tesebut?
DATA HILANG
 Data Hilang

Panjang Buah
Perlakuan
U1 U2 U3 Jumlah Perlakuan
IPB C2 14,89 12,69 13,40 40,98
IPB C9 9,62 9,15 9,35 28,12
IPB C10 2,79 3,94 3,90 10,63
IPB C14 8,56 ma 9,30 (17,86 = T0)
IPB C15 11,79 11,01 10,29 33,09
IPB C20 3,16 2,80 3,00 8,96

Jumlah Ulangan 50,81 (39,59 = B0) 49,24 (139,64 = G0)

*Keterangan : ma  data yang hilang

 Pendugaan Data Hilang Metode Yates

Panjang Buah
Perlakuan
U1 U2 U3 Jumlah Perlakuan
IPB C2 14,89 12,69 13,40 40,98
IPB C9 9,62 9,15 9,35 28,12
IPB C10 2,79 3,94 3,90 10,63
IPB C14 8,56 ma 9,30 (17,86 = T0)
IPB C15 11,79 11,01 10,29 33,09
IPB C20 3,16 2,80 3,00 8,96

Jumlah Ulangan 50,81 (39,59 = B0) 49,24 (139,64 = G0)

 Pendugaan Data Hilang Metode Yates

Panjang Buah
Perlakuan
U1 U2 U3 Jumlah Perlakuan
IPB C2 14,89 12,69 13,40 40,98
IPB C9 9,62 9,15 9,35 28,12
IPB C10 2,79 3,94 3,90 10,63
IPB C14 8,56 ma 8.63 9,30 (17,86 = T0)
IPB C15 11,79 11,01 10,29 33,09
IPB C20 3,16 2,80 3,00 8,96

Jumlah Ulangan 50,81 (39,59 = B0) 49,24 (139,64 = G0)

FK Bias
SK df JK KT F-hit F-tabel (α=5%)
Ul 2 0.57 0.28 0.57 4.26 Ns

Genotipe 5 264.90 52.98 107.32 3.48 *

Galat 9 4.44 0.49

ANOVA DATA HILANG
Umum 16 269.91

SK df JK KT F-hit F-tabel (α=5%)

Ul 2 0.647 0.323 0.724 4.10 Ns

Genotipe 5 265.132 53.026 118.892 5.79 *

Galat 10 4.462 0.446

ANOVA DATA LENGKAP
Umum 17 270.241
General Linier Model _Data Hilang

Output
…..End

Institut Pertanian Bogor

LAMPIRAN
PERHITUNGAN DATA HILANG
PERHITUNGAN DATA HILANG
PERHITUNGAN DATA HILANG