SUB SAMPLING DALAM DAS

Jika pengamatan dilakukan hanya terhadap sebagian tertentu saja dari unit eksperimen
untuk variabel atau karakteristik yang sama, maka disainnya disebut Subsampling, dan
yang diperoleh adalah sampel dalam unit eksperimen.
1. Model linearnya :
Yijh     i   ij   ijh

dengan i = 1,2, ... ,k

j = 1,2, ... , n
h = 1,2, ... , m
Yijh = variabel yang sedang diukur (data dari obsevasi ke h yang diambil dari
sampel ke-j yang dikenakan perlakuan ke-i).
µ = efek rata-rata atau efek umum.
i = efek perlakuan ke-i
 ij = efek unit eksperimen ke-j karena perlakuan ke-i.
 ijh = efek sampel/obsevasi ke-h, yang diambil dari sampel ke-j yang dikenai
perlakuan ke-i.

2. Skema Umum Data sampel

 Tabel 8
Skema Umum Data sampel

Subsamplin Perlakuan Jumlah

1 2 ..... k
1 Y111 Y211 Yk11
2 Y112 Y212 Yk12
   
m Y11m Y21m Yk1m
E i1 E11 E21 .... Ek1
1 Y121 Y221 Yk21
2 Y122 Y222 Yk22
   
m Y12m Y22m Yk2m
Ei 2 E12 E22 .... Ek2
    
1 Y1n1 Y2n1 Ykn1
2 Y1n2 Y2n2 Ykn2
   
m Y1nm Y2nm Yknm
Ein E1n E2n .... Ekn
Ji J1 J2 .... Jk J
Yi Y1 Y2 Yk Y

3. Analisis Variansi (ANAVA)

Untuk keperluan analisis disain subsampling dalam disain acak sempurna, maka harus
dihitung jumlah kuadrat-kuadrat (JK) berikut :
k n m

 Y 2   Yijh2 , dengan dk = knm

i 1 j 1 h 1

j2
Ry  , dengan dk = 1
knm
2
k
Ji
Py    R y , dengan dk = (k-1)
i 1 nm
2
k n Eij
E y    R y  Py , dengan dk = k(n-1)
i 1 j 1 m
S y   Y 2  R y  Py  E y , dengan dk = kn(m-1)

m n k
Dengan : E ij   Yijh ; ji   Eij ; J   J i
h 1 j 1 i 1

Harga-harga yang telah dihitung disusun dalam tabel ANAVA sebagaimana pada tabel 9.
 Tabel 9
Daftar Analisis Variansi (ANAVA)
Sumber Variansi dk JK RJK (KT) F
Rata-rata 1 Ry R
Efek perlakuan k-1 Py P
Efek eksperimen k(n-1) Ey E P
Efek sampling kn(m-1) Sy S E
Jumlah knm ΣY2 -

Hipotesis :
Ho :  1   2     k (tidak ada perbedaan efek perlakuan terhadap ...)
H1 : tanda ”=” tidak berlaku untuk semua i (ada perbedaan efek)
Dengan Kriteria uji :
Jika Fhitung > Ftabel, maka Ho ditolak, dan H1 diterima,
Jika Fhitung ≤ Ftabel, maka Ho diterima, dan H1 ditolak.
Catatan : Ftabel =
(lihat tabel F)
Dengan :  = taraf signifikansi
v1 = derajat kebebasan pembilang
v2 = derajat kebebasan penyebut

Contoh Soal.
Suatu eksperimen dilakukan untuk mengetahui efek 5 macam pupuk terhadap hasil
panen padi. Tersedia 30 petak tanah ( unit eksperimen ) yang homogen dan secara
acak 6 petak dipupuk dengan salah satu dari macam pupuk itu. Pada waktu penaksiran
hasil panen, ternyata tidak cukup waktu tersedia untuk memotong hasilnya secara
menyeluruh, melainkan hanyalah dilakukan terhadap beberapa bagian kecil ( sub petak )
dari tiap unit eksperimen. Dengan demikian, secara acak perlu diambil tiga sub dari unit
eksperimen petak dan pengamatan dilakukan terhadap subpetak tersebut. Maka subpetak-
subpetak merupakan sampel dalam unit eksperimen, dengan demikian diperoleh 30x3 =
90 subpetak. Hasil tiap subpetak dicatat dalam tabel 10.
Dari data hasil panen tersebut ujilah ke lima macam pupuk tersebut, baik pada taraf
signifikansi α = 1%, maupun α = 5%
Tabel 10
 HASIL PANEN DARI 90 SUBPETAK
(dalam kg)
Subpetak Perlakuan (macam pupuk)
1 2 3 4 5
1 57 67 95 102 123
2 46 72 90 88 101
3 28 66 89 109 113
E ij 131 205 274 299 337
1 26 44 92 96 93
2 38 68 89 89 110
3 20 64 106 106 115
E ij 84 176 287 291 318
1 39 57 91 102 112
2 39 61 82 93 104
3 43 61 98 98 112
E ij 121 179 271 293 328
1 23 74 105 103 120
2 36 47 85 90 101
3 18 69 85 105 111
E ij 77 190 275 298 332
1 48 61 78 99 113
2 35 60 89 87 109
3 48 75 95 113 111
E ij 131 196 262 299 333
1 50 68 85 117 124
2 37 65 74 93 102
3 19 61 80 107 118
E ij 106 194 239 317 344
650 1.140 1.608 1.797 1.992

Penyelesaian:
Hipotesis :
Ho :  1   2     5
H1 : tanda ”=” tidak berlaku untuk semua i
Selanjutnya dihitung terlebih dahulu JK untuk masing-masing Sumber Variansi :
k n m

 Y 2   Yijh2 = 572 + 462 + 282+ ... + 1242 + 1022 + 1182 = 646.285
i 1 j 1 h 1

j2
(650  1.140  1.608  1.797  1.992) 2 (7.187) 2
Ry  =   573.921,88
knm 5 63 90
 2
k
Ji
Py    Ry =
i 1 nm
(650 2  1.140 2  1.6082  1.797 2  1.992 2 )
 573.921,88  65.246,84
63
2
k n E ij
E y    R y  Py =
i 1 j 1 m
(1312  2052    3172  3442 )
 573.921,88  65.246,84  1.832,95
3
S y   Y 2  R y  Py  E y =
646.285  573.921,88  65.246,84  1.832,95  5.283,33

Dari hasil perhitungan untuk JK dituangkan dalam daftar anava berikut :

Tabel 11
DAFTAR ANAVA UNTUK DATA DALAM DAFTAR II (10)

Sumber Variansi dk JK RJK (KT) F

Rata-rata 1 573.921,88 -

Efek perlakuan 4 65.246,84 16.311,71 222,47

Efek eksperimen 25 1.832,95 73,32

Efek sampling 60 5.283,33 88,06

Jumlah 90 646.285,00 -

Dari tabel F untuk α = 5%  1  4 dan  2  25 maka diperoleh F 0,05(4, 25) = 2,76. untuk
α = 1% diperoleh F 0,01(4, 25) = 4,18; terlihat bahwa F hitung > F tabel , dan
Sehingga Ho ditolak, dan H1 diterima. Yang berarti bahwa terdapat perbedaan hasil
panen dari kelima macam pupuk tersebut.
Karena ada perbedaan maka perlu melakukan uji rata-rata sesudah ANAVA,
sebagaimana dalam contoh didepan.

M. Asumsi Tentang Model

Beberapa asumsi yang perlu dipenuhi agar pengujian terhadap ANAVA dapat dilakukan
adalah :
 1. Sifat aditif dari model,
2. Normalitas,
3. Homogenitas dari variansi, dan
4. Sifat independen dari kekeliruan.
Penyimpangan yang moderat dari beberapa syarat yang telah digariskan dalam asumsi
tidak terlalu berbahaya terhadap hasil analisis