GAMBARAN PENELITIAN

Telah dilakukan suatu penelitian tentang penambahan probiotik dan lama fermentasi dalam
pengolahan pakan untuk mengidentikasi pengaruhnya terhadap pertambahaan bobot badan
napu. Penelitian dilakukan dengan menggunakan Rancangan Acak Lengkap (RAL) pola
Faktorial: Faktor A adalah level penambahan probiotik (1%; 1,5%; dan 2%); dan Faktor B adalah
lama waktu fermentasi (4 hr; 5 hr; dan 6 hr).

Hipotesis

1. peningkatan level probiotik mempengaruhi pertambahaan bobot badan

2. semakin lama fermentasi dapat meningkatkan pertambahan bobot badan
3. Terdapat interaksi antara peningkatan probiotik (Faktor A) dengan lama penyimpanan
(Faktor B) terhadap pertambahan bobot badan. 

Adapun hasil pertambahan bobot badan) penelitian yang diperoleh disajikan pada Tabel 1
berikut:
 Tabel 1

Dari hasil penelitian tersebut, ingin diketahui:

Untuk menjawab kebutuhan penelitian di atas, maka analisis dilakukan melalui Analisis Variansi
(ANOVA) berdasarkan Uji-F.

ANALISIS VARIANSI
Faktor A terdiri atas 3 faktor, demikian pula pada Faktor B, sehingga analisis varians Faktorial
dengan rancangan dasar RAL Pola Faktorial (3 x 3). Persamaan matematis sebagai berikut:

Keterangan:

Derajat Bebas (db)

Derajat bebas total (dbt) = (a x b x r) – 1 = (3*3*5) –
1 = 45 – 1 = 44
Derajat bebas perlakuan (dbp) = (ab-1) = (3*3-1) = 8
Derajat bebas faktor A (dba) = a – 1 = 3 – 1 = 2
Derajat bebas faktor B (dbb) = b – 1 = 3 – 1 = 2
Derajat bebas interaksi faktor AB (dba*b) = (a-1)(b-1) = (3-1)*(3-1) = 4
Derajat bebas galat (dbg) = dbt – dbp = 44 – 8 = 36

Faktor Koreksi (FK)

Jumlah Kuadrat (JK)

Jumlah Kuadrat Total (JKT)

Jumlah Kuadrat Perlakuan (JKP)

Jumlah Kuadrat Faktor A (JKA)

Jumlah Kuadrat Faktor B (JKB)

Jumlah Kuadrat Interaksi A*B (JKA*B)

Jumlah Kuadrat Galat (JKG)

Kuadrat Tengah (KT)

Kuadrat Tengah Perlakuan (KTP)

Kuadrat Tengah Faktor A (KTA)

Kuadrat Tengah Faktor B (KTB)

Kuadrat Tengah Interaksi Faktor AB (KTA*B)

Kuadrat Tengah Galat (KTG)

Frekuensi Hitung (F-hit)

Tabel ANOVA
Interpretasi

1. Secara umum, perlakuan (dalam hal ini) penambahan probiotik atau lamanya fermentasi
menunjukkan pengaruh yang nyata dilihat dari nilai F-hit P > dari nilai F-tabel 1%
(p<0,01); 
2. Faktor A (level probiotik) mempengaruhi pbb (p<0,01) 
3. Faktor B (lama fermentasii) mempengaruhi pbb (p<0,01) 
4. Terdapat interaksi antara level probiotik (Faktor A) dengan lama fermentasi (Faktor B)
terhadap pbb (p<0,01). 

F tabel
Sk db JK KT Fhit
5% 1%
P (ab-1) JKP JKP/dbP KTP/KTG
A (a-1) JKA JKA/dbA KTA/KTG
B (b-1) JKB JKB/dbB KTB/KTG
A*B (a-1)(b-1) JKAB JKAB/dbAB KTAB/KTG
Galat (dbt-dbp) JKG JKG/dbg
Total (axbxr)-1 JKT

Data ;
Input prb $ fm $ pbb;
Cards;
A k
A k
A k
A l
A l
A l
A m
A m
A m
A n
A n
A n
B k
B k
B k
B l
B l
B l
B m
B m
B m
B n
B n
B n
C k
C k
C k
C l
C l
C l
C m
C m
C m
C n
C n
C n
;
Proc anova;
class prb fm;
model pbb =prb fm *pbb;
means prb fm prb*fm/Duncan;
run;

proc sort;
by vit;
proc anova;
class suhu;
model Tiroksin Kortisol Adrenal Bfabrisius =suhu;
means suhu/Duncan;
by vit;
run;

proc sort;
by suhu;
proc anova;
class vit;
model Tiroksin Kortisol Adrenal Bfabrisius =vit;
means vit/duncan;
by suhu;
run;
 FREE
LEARNING
 TENTANG
UJI ANOVA UNTUK PERCOBAAN
FAKTORIAL DALAM DESAIN
RANCANGAN ACAK LENGKAP
2

April 29, 2013 by ilhamzen09

Bila seorang peneliti ingin mengetahui pengaruh sebuah variabel independen (variabel yang

mempengaruhi) terhadap variabel dependen (variabel yang dipengaruhi), maka penelitian tersebut
merupakan percobaan satu faktor (faktor tunggal), karena hanya terdapat satu faktor peubah. Disisi
lain, ada kalanya sebuah variabel dependen tidak hanya dipengaruhi oleh satu faktor saja, namun
merupakan kombinasi dari beberapa faktor, pada kondisi seperti ini dipergunakan
percobaanfaktorial.
Dengan kata lain, faktorial adalah sebuah percobaan yang terdiri atas dua atau lebih variabel
independen. Dalam hal ini bila terdapat dua variabel independen maka bentuk perlakuannya disebut
faktorial 2 faktor, bila terdapat tiga variabel independen maka bentuk perlakuannya disebut faktorial
3 faktor, dan seterusnya.

Percobaan faktorial juga sering ditulis dalam bentuk: t1 x t2 … x tn, dimana tn adalah taraf dari
sebuah perlakuan n. Jadi misalnya ada sebuah penelitian yang bertujuan ingin membandingkan
pengaruh pendidikan (S1, D3 dan SMU), dan gender (pria, wanita) terhadap prestasi penjualan
seorang sales. Maka kita dapat menyimpulkan bahwa penelitian terebut terdiri atas 2 faktor:

(a) faktor I adalah pendidikan (P), terdiri atas 3 taraf yaitu Strata satu (P1), Diploma tiga (P2), dan
SMU (P3);

(b) faktor II adalah gender (G), terdiri atas 2 taraf yaitu pria (G1), dan wanita (G2).

Percobaan ini bisa diistilahkan dengan faktorial 3×2, yang artinya: bentuk percobaan tersebut adalah
faktorial 2 faktor, yang terdiri atas: 3 taraf untuk faktor I; dan 2 taraf untuk faktor II. Jumlah
perlakuannya sebanyak 6 perlakuan, yang merupakan hasil perkalian dari taraf pada masing-masing
faktor (3 x 2 = 6 perlakuan).
Dalam percobaan faktorial, dikenal istilah pengaruh utama (main effect) dan pengaruh interaksi
(interaction effect). Pengaruh utama adalah pengaruh yang ditimbulkan secara langsung oleh dua
atau lebih variabel independen terhadap variabel dependen.

Pengaruh Interaksi adalah kerja sama dua variabel independen atau lebih dalam mempengaruhi satu
variabel dependen. Atau dengan kata lain, Interaksi berarti bahwa kerja atau pengaruh dari suatu
variabel dependen terhadap suatu variabel independen, bergantung pada taraf atau tingkat variabel
bebas lainnya.

Perbedaan antara pengaruh utama dan pengaruh interaksi dapat digambarkan lewat contoh
sederhana berikut. Bila diketahui kemampuan akademik seorang siswa dipengaruhi oleh dua hal
yaitu: metode belajar dan materi pembelajaran yang diberikan, maka dalam contoh kasus ini:
pengaruh utama (main effect) adalah metode belajar atau materi pembelajaran; sedang pengaruh
interaksi (interaction effect) adalah perpaduan antara metode belajar dan materi pembelajaran,
yang mengakibatkan adanya variasi nilai akademik siswa.

Keuntungan percobaan faktorial adalah memungkinkan kita meneliti pengaruh utama (main effect)
dan juga pengaruh interaksi (interaction effect) antar perlakuan secara bersamaan, yang mana
pengaruh interaksi ini tidak dapat dideteksi bila seorang peneliti hanya menggunakan percobaan
faktor tunggal.

Oke langsung pada contoh kasus.

Sebuah percobaan eksperimental dilaksanakan untuk mengetahui apakah ada pengaruh perbedaan
level dosis pupuk organik (O), serta level dosis pupuk urea (N) terhadap produktivitas tanaman padi.
Penelitian tersebut menggunakan Desain RAL faktorial 3×4 yaitu: 3 taraf dosis pupuk organik; dan 4
taraf dosis pupuk urea, sehingga secara keseluruhan terdapat 12 perlakuan, maing-masing perlakuan
diulang sebanyak 3 kali. Hasil pengukuran produktivitas tanaman padi dapat dilihat pada tabel
berikut:
Secara manual, perhitungan anova faktorial dalam desain Rancangan Acak Lengkap dapat dilakukan
dengan beberapa tahapan:

(a) Hitung faktor koreksi:

(b) Hitung nilai Sum Square (jumlah kuadrat) yang dibutuhkan, yaitu SSt, SSN, SSo, SSi, dan SSetotal:
(c). Buat tabel ringkasan uji ANOVA

(d) hitung nilai F tabel dengan menggunakan tabel distribusi Fisher, nilai F dicari berdasarkan nilai
alpha (α) atau tingkat probabilitas 5% (0.05):

– F tabel untuk taraf dosis pupuk organik: F(α,df1,df2) = F(0.05,2,24) = 3,40

– F tabel untuk taraf dosis pupuk urea: F (α,df1,df2) = F(0.05,3,24) = 3,01

– F tabel untuk interaksi: F(α,df1,df2) = F(0.05,6,24) = 2,51

(e) Menarik kesimpulan. Sama dengan perhitungan anova pada percobaan faktor tunggal, proses
penarikan kesimpulan dalam percobaan faktorial juga dilakukan dengan membandingkan nilai F
hitung dan nilai F tabel. Bila nilai F hitung lebih besar atau sama dengan nilai F tabel, maka perlakuan
dinyatakan berbeda signifikan pada taraf α 0,05, dan perlu dilakukan uji lanjut ( post hoc) pada
masing-masing perlakuan . Sebaliknya bila nilai F hitung lebih kecil dari nilai F tabel, maka perlakuan
dinyatakan tidak berbeda signifikan pada taraf α 0,05.

Dalam contoh kasus diatas, seluruh perlakuan (taraf dosis pupuk organik, taraf dosis pupuk urea, dan
interaksi antar keduanya) dinyatakan berpengaruh cecara signifikan pada taraf uji 0,05 karena nilai F
tabel > F hitung.

Selain secara manual, perhitungan diatas juga dapat diselesaikan dengan memanfaatkan fasilitas
“Analysis Toolpack” pada program Microsoft Excel 2007. Fasilitas ini memungkinkan pengguna
melakukan berbagai jenis uji analisis statistika dengan cara yang sangat mudah. Untuk mengetahui
lebih lanjut tentang bagaimana cara memanfaatkan fasilitas “analysis toolpack” dalam
menyelesaikan kasus ANOVA faktorial dalam desain RAL, silahkan tonton video dibawah ini. Teman-
teman juga dapat mengunduh file latihan yang digunakan dalam video tersebut.

Happy watching, dan semoga bermanfaat …:)

Rancangan Acak Kelompok Faktorial
(RAKF)
April 18, 2017

A. DEFINISI DAN SYARAT PENGGUNAAN

Rancangan Acak Kelompok Pola Faktorial Adalah terdiri dari dua peubah bebas atau
faktor (A dan B) dan kedua faktor tersebut saling diduga berinteraksi dan kedua faktor
tersebut termasuk dalam lasifikasi silang. Terdapat satu peubah pengganggu atau
sampingan yang disebut kelompok dan tidak berinteraksi dengan peubah lainnya.

Percobaan Faktorial dengan rancangan dasar Rancangan Acak Kelompok (RAK) adalah

percobaan dimana faktor yang dicobakan lebih dari satu faktor dan menggunakan RAK
sebagai rancangan percobaannya. 

Rancangan ini dipilih apabila satuan percobaan yang digunakan tidak seragam,
sehingga perlu pengelompokan, sedangkan pada RAL Faktorial, satuan percobaan
relatif seragam sehingga tidak perlu adanya pengelompokkan. Pada prinsipnya
percobaan RAK Faktorial sama dengan percobaan RAK tunggal yang telah dibahas
sebelumnya namun dalam percobaan ini terdiri dari dua faktor atau lebih.

B. KELEBIHAN DAN KEKURANGAN

Adapun kelebihan dari RAKF antara lain :

 dapat menghemat waktu dan biaya

 dapat diketahui interaksi 2 faktor dan besar pengaruh utama

Adapun kekuranngan dari RAKF abtara lain:

 makin banyak faktor yang di teliti, perlakuan kombinasi meningkat

 analisis perhitungan lebih sukar

C. MODEL MATEMATIS RAKF

Hijk = π + Ki + Pj + Pk + (Pj x Pk) + eijk

Keterangan :
Hijk          = Hasil akibat perlakuan ke-j dan perlakuan ke-k pada kelompok ke-i
π               = Nilai tengah umum
Ki             = Pengaruh kelompok ke-i
Pj             = Pengaruh faktor perlakuan ke-j
Pk             = Pengaruh faktor perlakuan ke-k
Pj x Pk      = Interaksi perlakuan ke-j dan perlakuan ke-k
Eijk          = Eror akibat perlakuan ke-j dan perlakuan ke-k pada kelompok ke-i
i               = 1, 2, …., k (k = kelompok)
j               = 1, 2, …., p ke-1 (p = perlakuan ke-1)
k              = 1, 2,…... p ke-2 (p = perlakuan ke-2)

D. MENGANALISIS MENGGUNAKAN SPSS

Ini merupakan hasil penelitian dengan judul : “Pengaruh Luas Kandang Dan
Pemberian Beberapa Level Protein Terhadap Jumlah Eritrosit, Kadar Hemoglobin
Dan Nilai Hematokrit Itik Kamang Betina Fase Starter"

Menganalisis mengunakan Cara Manual

Menganalisis mengunakan Program Excel