Kuliah06 An Stat Ganjil 2021 22 Rancangan Acak Lengkap

Department of Statistics
Study Program in Statistics and Data Science
Rancangan Acak Lengkap

twitter: @kh_notodiputro
Prof. Dr. Ir. Khairil Anwar Notodiputro, MS

email: khairil@apps.ipb.ac.id
Ketua Program Studi

Statistika dan Sains Data
Kuliah STA511 untuk Mahasiswa Program Magister Statistika dan Sains Data
Study Program in Statistics and Data Science
Outline
1. Rancangan Acak Lengkap
2. Model dan Struktur Data
3. Nilaiharapan Kuadrat Tengah
4. Pengujian Nilaitengah k-populasi

Kajian Statistika
Statistics and Data Science Study Program
Kajian Statistika
Eksperimental Observasiona
l
• satu atau lebih • peneliti tidak dapat

faktor dikendalikan mengendalikan
shg data dapat faktor yang
digunakan untuk dipelajari.
menilai pengaruh • Hubungan sebab-
faktor thd respon akibat lebih sulit
• Hubungan sebab- dipelajari
akibat lebih mudah
dipelajari
Analisis ragam (ANOVA) dapat digunakan

Rancangan Percobaan
• Awalnya, abad ke 19, percobaan banyak dilakukan di

bidang pertanian  revolusi pertanian
• Berkembang di dunia industri, kesehatan, bahkan di dunia
pemasaran (marketing).
• Berkembang quasi experiment.
B3 A2 A3 C1
A1 C3 B2 D1
C2 D3 D2 B1
Disiapkan 12 petak percobaan,
ada 4 perlakuan (A, B, C, D),
setiap perluan diulang 3 kali.
Rancangan Percobaan
 Tiga jenis perancangan percobaan yang akan dijelaskan:
• Rancangan acak lengkap (completely randomized design)

• Rancangan kelompok teracak (randomized block design)
• Percobaan faktorial (factorial experiment)
 Definisi:
• Faktor adalah kondisi yang sengaja dipilih oleh peneliti untuk dipelajari
pengaruhnya terhadap respons.
• Perlakuan merupakan taraf dari faktor
• Satuan percobaan adalah satuan terkecil yang dikenai perlakuan.
• Rancangan acak lengkap adalah rancangan percobaan dimana
perlakuan dikenakan secara acak tanpa pembatasan
Faktor, Perlakuan, dan Satuan Percobaan
Satu Faktor (i) t1 t2 • • • tk Perlakuan
k=perlakuan,
Satuan 1 2 • • • kr r=ulangan
percobaan (j)
Respons Yij (i=1,2, …,k; j=1,2, …, r)
Perhatikan bhw t1, t2, …, tk dikenakan secara

ACAK terhadap semua satuan percobaan.
MODEL:
Yij = μ + τi + εij (i = 1, 2, …, k; j = 1, 2, …, n)
Nilaitengah umum Pengaruh Pengaruh

perlakuan ke i galat ke i,j
Ilustrasi: Nematoda
Do nematodes affect plant growth? A botanist prepares 16 identical

planting pots and adds different numbers of nematodes into the pots.
Seedling growth (in mm) is recorded two weeks later.
Hypotheses: All 𝜇𝑖 are the same (H0)
versus not All 𝜇𝑖 are the same (Ha)
Nematodes Seedling growth 𝒚𝒊 overall mean
0 10.8 9.1 13.5 9.2 10.65

1,000 11.1 11.1 8.2 11.3 10.43
5,000 5.4 4.6 7.4 5 5.6
10,000 5.8 5.3 3.2 7.5 5.45
overall mean 8.03
Model: Yij = μ + τi + εij (i = 1, 2, …, 4; j = 1, 2, …, 4)
𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4
versus 𝐻1 : sedikitnya ada sepasang 𝜇𝑖 ≠ 𝜇𝑗
Model Rancangan Acak Lengkap
• Asumsi Model: Statistics and Data Science Study Program
Yij = μ + τi + εij (i = 1, 2, …, k; j = 1, 2, …, n) ӯi = rata-rata perl. ke-i

𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 diterima
Untuk setiap populasi, peubah respon Yij
menyebar normal.
Ragam peubah respon Yij, dilambangkan 𝜎 2 , sama σӯ2
untuk semua populasi. ӯ
Antar-pengamatan bebas  berasal dari contoh acak atau
ada proses pengacakan pada saat mengenakan perlakuan
terhadap unit percobaan.
ӯ3 ӯ1 µ ӯ2
ӯ3 𝜇3 ӯ1 𝜇2 𝜇1 ӯ2
𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 ditolak
Analisis Ragam RAL
Analisis Ragam (Analysis of variance)
Yij = μ + τi + εij (i = 1, 2, …, k; j = 1, 2, …, n)
Sum of Mean k
Source DF Squares Square F Value Pr > F n
j 1
j ((𝑦x𝑗 −𝑦x.. )2)
j
2
Treatment k-1
MSTR 
Error n(k-1) k1
Total
nk-1
(Corrected)
• Dugaan Keragaman antar-perlakuan (between)

• Dugaan Keragaman dalam Perlakuan (within)
• Pembandingan Perlakuan : Uji F

Ilustrasi: Nutrisi dan Anak Sekolah
Pengaruh Nutrisi terhadap Pelajaran Anak Sekolah
Analysis of Variance
Source DF Adj SS Adj MS F-Value P-Value

Treatment 2 58.53 29.267 4.93 0.027
Error 12 71.20 5.933
Total 14 129.73
Treatment N Mean StDev 95% CI

FB 5 13.00 2.45 (10.63, 15.37)
Selang kepercayaan 95%
LB 5 14.00 2.55 (11.63, 16.37)
NB 5 9.40 2.30 ( 7.03, 11.77)
Ilustrasi: Tenderness of Cooked Beans
What effects tenderness of cooked beans?
10 batches of beans allocated to each of 4 treatments:
Cooking at (oC): 100, 110, 120 for 45 min, and 100 for 35 min
Tendernes score
Mean: X Apakah ada bukti bahwa
Analysis Variable : Tenderness
110
kelembutan kacang yang
Treatment N Obs Mean 100
90
direbus tergantung pada
80
100 oC, 45min 10 75.1 70 suhu dan atau lama

60
50
40
perebusan ?
110 oC, 45min 10 64.0 30
20
F=
10
120 oC, 45min 10 47.3 10.64, p < .0001
100 oC, 35min 10 85.4
100C, 45min 110C, 45min 120C, 45min
Treatment
100C, 35min
Yes!
Source DF Sum of Squares Mean Square F Value Pr > F
Treatment 3 7976.5 2658.8 10.64 <.0001
Error 36 8997.4 249.9
Corrected Total 39 16973.9

Rehat dulu … (1)
Stuktur Data RAL
Model dan Struktur Data RAL
k-1
𝑦𝑘. 𝑦𝑘. nk - k
k 𝑦𝑘1 𝑦𝑘2 𝑦𝑘2
nk - 1
k
τ1 = ••• = τk = 0
Pengamatan ke i dan j
Galat ke i dan
j
Pengaruh perlakuan ke i
Dekomposisi Jumlah Kuadrat
Dekomposisi Jumlah Kuadrat
(yij - 𝒚..) = (yij - 𝒚..)
JK Total JK Perlakuan JK Sisa

Teknis Perhitungan RAL
Pengaruh katun terhadap kekuatan tekstil
Rumus baku:
Teknik dekomposisi
SST = (7-15.04)2+ … + (11-15.04)2 𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4

Jadi perbedaan kandungan katun
SSTreat = 5(9.8-15.04)2+ … + 5(10.8-15.04)2 menghasilkan tekstil dengan
SSE = (7-9.8)2+ (7-9.8)2 + … + (11-10.8)2 kekuatan yang berbeda.
Ulangan Taksama (Unequal Replication
 Department of Statistics
 Statistics and Data Science Study Program
 Percobaan dpt dilakukan dg ulangan tidak sama: untuk setiap perlakuan, banyaknya
satuan percobaan berbeda.
 Percobaan dg ulangan tidak sama pada dasarnya dapat dianalisis spt percobaan dg
ulangan sama.
 Jika ni adalah banyaknya pengamatan pada perlakuan ke i, dan N=∑ ni, maka JK Total
dan JK Perlakuan sbb:
 Selanjutnya tabel analisis ragam dpt disusun spt biasa tanpa perlu perubahan lagi.
Nilaiharapan Kuadrat Tengah
• INGAT: dekomposisi Jumlah Kuadrat dari pengamatan telah menghasilkan dua
penduga s2, yaitu keragaman antar-perlakuan (between) dan keragaman dalam
perlakuan (within).
t t t
Asumsi
ulangan sama
JK Total JK Perlakuan JK Sisa
 Jika tidak ada pengaruh perlakuan maka kedua keragaman itu mirip besarnya
 kalau keduanya berbeda maka perbedaan itu karena pengaruh perlakuan.
 Ini secara FORMAL dievaluasi via Nilai Harapan Kuadrat Tengah
t Department of Statistics
 Kuadrat Tengah Perlakuan 
t
 Kuadrat Tengah Galat  t
 Nilai Harapan Kuadrat Tengah Galat sbb:
t t
t
• Nilai Harapan Kuadrat Tengah Galat menjadi :
t t
t t
 Dengan cara yang sama Nilai Harapan Kuadrat Perlakuan:
t
Rasio (MSTreatment/MSE)
berguna utk mengevaluasi
t pengaruh perlakuan
E(MSE) = 𝜎 2 Uji F
 Nilai Harapan Kuadrat Tengah Perlakuan: Statistics and Data Science Study Program
t
 Nilai Harapan Kuadrat Tengah Galat: E(MSE) = 𝜎 2
𝑬(𝑴𝑺𝑻 )
 Uji F didasarkan pada perbandingan ~ F(db perl, db galat)
𝑬(𝑴𝑺𝑬 )
𝑛 𝜏𝑖2
𝑡−1 Pengaruh perlakuan
Rehat dulu … (2)
Pengujian Kesamaan Nilaitengah k populasi:
 Ilustrasi: AutoShine, Inc.
• Pengembangan cairan pengkilap mobil. Tiga jenis pengkilap dikembangkan

(Jenis 1, Jenis 2, dan Jenis 3)
• Untuk menguji ketiga cairan pengkilap mobil ini, 4 mobil baru digosok dg
Jenis 1, 5 digosok dg Jenis 2, dan 3 lagi dg Jenis 3. Selanjutnya setiap
mobil dicuci seperti biasa sampai pudar kecemerlangan catnya.
• Yang diamati adalah berapa kali mobil dicuci sampai kecemerlangannya
pudar.
Faktor ... Cairan pengkilap mobil

Perlakuan ... Jenis I, Jenis 2, Jenis 3
Ringkasan
Satuan percob ... Mobil baru
Peubah respon ... Frekuensi pencucian
Pengamatan Jenis 1 Jenis 2 Jenis 3
1 27 32 30
2 30 28 28
3 30 31 27
4 28 30
5 30
Rataan contoh 28.75 30.20 28.33
Ragam contoh 2.25 2.20 2.33
JK(Total) = Σ (𝑦𝑖𝑗 −𝑦.. )2

= (27-29.25)2+(30-29.25)2+…+(27-29.25)2
JK(Perl) = 𝑛𝑖 (𝑦𝑖. −𝑦.. )2

= 4(28.75-29.25)2+5(30.20-29.25)2+3(28.33-29.25)2
 Hipotesis H0: 1 = 2 = 3 Statistics and Data Science Study Program
Ha: Ada pasangan i ≠ j
dengan:
1 = nilai tengah frekuensi pencucian untuk Jenis 1
Analysis of Variance
Source DF Adj SS Adj MS F-Value P-Value
Pengkilap 2 8.033 4.017 1.79 0.222
Error 9 20.217 2.246
Total 11 28.250
Nilai-p = 0.222, pengaruh perlakuan tidak nyata.

Karena Ho diterima maka hasilnya INKONKLUSIF
Tidak cukup bukti bhw berbeda pengkilap maka
berbeda pula durasi sampai cat memudar.
 Ilustrasi: Perbedaan jam kerja di tiga pabrik

Direktur ingin mengetahui apakah ada perbedaan yang nyata (significant
difference) dalam jam kerja per minggu dari para manajer di tiga pabrik, yaitu di
Buffalo, Pittsburgh, dan Detroit.
Uji F akan dilakukan pada taraf nyata a = .05.
Diambil contoh acak sederhana sebanyak 5 manajer pada setiap pabrik tersebut,
kemudian dicatat berapa lama jam kerja tiap manajer dalam seminggu yang lalu.
Hasilnya disajikan dalam tayangan berikut ini
Faktor ... Pabrik

Perlakuan ... Buffalo, Pittsburgh, Detroit
Satuan percobaan ... Manajer
Peubah respon ... Jam kerja per minggu
Pabrik 1 Pabrik 2 Pabrik 3

Pengamatan Buffalo Pittsburgh Detroit
1 48 73 51
2 54 63 63
3 57 66 61
4 54 64 54
5 62 74 56
Rataan contoh 55 68 57
Ragam contoh 26.0 26.5 24.5
 Pendekatan nilai-p dan nilai kritis Statistics and Data Science Study Program
Hipotesis
H0:  1 =  2 =  3
Ha: Tidak semua i sama
dengan:
 1 = nilaitengah jam kerja per minggu
untuk manajer di pabrik 1
 Tabel Analisis Ragam Statistics and Data Science Study Program
Sumber Jumlah Derajat Kuadrat

Keragaman Kuadrat Bebas Tengah F Nilai-p
Perlakuan 490 2 245 9.55 .0033

Galat 308 12 25.667
Total 798 14
Nilai-p < .05, jadi kita menolak H0 (konklusif)
Ada cukup bukti untuk menyimpulkan bahwa nilaitengah

jam kerja per minggu antar manajer di tiga pabrik itu
berbeda.
Diskusikan
Plant Operating Water

Condition Temp.
Glass-fiber-
pipes
Quality of
pipes
Diskusikan
 THANK YOU 
Study Programs in Statistics and Data Science

Kuliah06 An Stat Ganjil 2021 22 Rancangan Acak Lengkap

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Kuliah06 An Stat Ganjil 2021 22 Rancangan Acak Lengkap

Diunggah oleh

Hak Cipta:

Format Tersedia

Department of Statistics

Study Program in Statistics and Data Science

Rancangan Acak Lengkap

Prof. Dr. Ir. Khairil Anwar Notodiputro, MS

Ketua Program Studi

2. Model dan Struktur Data

3. Nilaiharapan Kuadrat Tengah

4. Pengujian Nilaitengah k-populasi

• satu atau lebih • peneliti tidak dapat

Analisis ragam (ANOVA) dapat digunakan

• Awalnya, abad ke 19, percobaan banyak dilakukan di

 Tiga jenis perancangan percobaan yang akan dijelaskan:

• Rancangan acak lengkap (completely randomized design)

Satu Faktor (i) t1 t2 • • • tk Perlakuan

Respons Yij (i=1,2, …,k; j=1,2, …, r)

Perhatikan bhw t1, t2, …, tk dikenakan secara

Nilaitengah umum Pengaruh Pengaruh

Do nematodes affect plant growth? A botanist prepares 16 identical

Nematodes Seedling growth 𝒚𝒊 overall mean

0 10.8 9.1 13.5 9.2 10.65

Model: Yij = μ + τi + εij (i = 1, 2, …, 4; j = 1, 2, …, 4)

Yij = μ + τi + εij (i = 1, 2, …, k; j = 1, 2, …, n) ӯi = rata-rata perl. ke-i

• Dugaan Keragaman antar-perlakuan (between)

• Pembandingan Perlakuan : Uji F

Pengaruh Nutrisi terhadap Pelajaran Anak Sekolah

Source DF Adj SS Adj MS F-Value P-Value

Treatment N Mean StDev 95% CI

100 oC, 45min 10 75.1 70 suhu dan atau lama

Source DF Sum of Squares Mean Square F Value Pr > F

Treatment 3 7976.5 2658.8 10.64 <.0001

Error 36 8997.4 249.9

Corrected Total 39 16973.9

JK Total JK Perlakuan JK Sisa

SST = (7-15.04)2+ … + (11-15.04)2 𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4

 Kuadrat Tengah Galat  t

 Nilai Harapan Kuadrat Tengah Galat sbb:

 Dengan cara yang sama Nilai Harapan Kuadrat Perlakuan:

 Nilai Harapan Kuadrat Tengah Galat: E(MSE) = 𝜎 2

• Pengembangan cairan pengkilap mobil. Tiga jenis pengkilap dikembangkan

Faktor ... Cairan pengkilap mobil

Pengamatan Jenis 1 Jenis 2 Jenis 3

JK(Total) = Σ (𝑦𝑖𝑗 −𝑦.. )2

JK(Perl) = 𝑛𝑖 (𝑦𝑖. −𝑦.. )2

Ha: Ada pasangan i ≠ j

Nilai-p = 0.222, pengaruh perlakuan tidak nyata.

 Ilustrasi: Perbedaan jam kerja di tiga pabrik

Uji F akan dilakukan pada taraf nyata a = .05.

Faktor ... Pabrik

Pabrik 1 Pabrik 2 Pabrik 3

Sumber Jumlah Derajat Kuadrat

Perlakuan 490 2 245 9.55 .0033

Nilai-p < .05, jadi kita menolak H0 (konklusif)

Ada cukup bukti untuk menyimpulkan bahwa nilaitengah

Plant Operating Water

Anda mungkin juga menyukai