Mata Kuliah

Rancangan Percobaan
 2

PUTRI PAMBAJENG ESTU MUHAMMAD AL-AQSA

MAHANANI 20305141069 20305144039 BAHARUDDIN
MODEL LINIER DAN PENGURAIAN KERAGAMAN
TOTAL

Percobaan Satu Faktor dengan Model Pengaruh Acak

 4

Model linier aditif secara umum dari percobaan satu faktor dengan rancangan
acak lengkap dapat dibedakan menjadi dua yaitu model tetap dan model acak.

Model acak merupakan model dimana perlakuan-perlakuan yang dicobakan

merupakan contoh acak dari populasi perlakuan. Kesimpulan yang diperoleh
dari model acak berlaku secara umum untuk seluruh populasi perlakuan.
 5

Pada contoh berikut kita akan

mengetahui hasil dari beberapa
varietas padi.
 6

Bentuk umum model linier aditif satu faktor dapat ditulis sebagai berikut :

BENTUK UMUM KETERANGAN

𝑌𝑖𝑗 = Pengamatan pada perlakuan ke-i dan
𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝜀𝑖𝑗
ulangan ke-j.

= 𝜇 + 𝜇𝑖 − 𝜇 + 𝜀𝑖𝑗 𝜇 = Rataan umum.

𝜏𝑖 = Pengaruh perlakuan ke-i. (𝜇𝑖 − 𝜇)
atau
𝜀𝑖𝑗 = Pengaruh acak pada perlakuan ke-i
𝑌𝑖𝑗 = 𝜇𝑖 + 𝜀𝑖𝑗 ulangan ke-j.
𝑖 = 1, 2, .., t dan 𝑗 = 1, 2, .., r
 7

Asumsi pada Percobaan Satu Faktor Rancangan Acak Lengkap yaitu :

MODEL ACAK MODEL TETAP

𝐸 𝜏𝑖 = 0,
𝑣𝑎𝑟 𝜏𝑖 = 2
𝜎𝜏 , 𝜏𝑖 = 0.

𝑣𝑎𝑟 𝜀𝑖𝑗 = 𝜎 2 ∀𝑖𝑗., 𝑣𝑎𝑟 𝜀𝑖𝑗 = 𝜎 2 ∀𝑖𝑗,

dan dan
𝜀𝑖𝑗 ~𝑁 0, 𝜎 2 𝜀𝑖𝑗 ~𝑁 0, 𝜎 2
 8

Hipotesis pada Percobaan Satu Faktor Rancangan Acak Lengkap yaitu :

MODEL ACAK MODEL TETAP

𝐻0 : 𝜎𝜏2 = 0 (tidak ada pengaruh
keragaman perlakuan terhadap
respon)
𝐻1 : 𝜎𝜏2 > 0 (ada pengaruh keragaman
perlakuan terhadap respon)
𝐻0 : semua 𝜏𝑖 = 0 (perlakuan tidak
berpengaruh terhadap respon yang
diamati)
𝐻1 : ∃𝜏𝑖 ≠ 0 (perlakuan berpengaruh
terhadap respon yang diamati)
 9
Dengan metode kuadrat terkecil, penduga dari parameter-parameter di dalam model percobaan satu
faktor rancangan acak lengkap yaitu :

MODEL ACAK MODEL TETAP

𝜇 = 𝑌. . 𝜇 = 𝑌. .
𝜇𝐼 = 𝑌𝑖. 𝜇𝐼 = 𝑌𝑖.
𝜀𝑖𝑗 = 𝑒𝑖𝑗 = 𝑌𝑖𝑗 − 𝑌𝑖𝑗 = 𝑌𝑖𝑗 − 𝑌𝑖. 𝜀𝑖𝑗 = 𝑒𝑖𝑗 = 𝑌𝑖𝑗 − 𝑌𝑖𝑗 = 𝑌𝑖𝑗 − 𝑌𝑖.
𝜏𝑖 = 𝑌𝑖. − 𝑌. . 𝜏𝑖 = 𝑌𝑖. − 𝑌. .
2
𝐽𝐾𝐺
𝜎 = 𝐾𝑇𝐺 =
𝑡(𝑟 − 1)
𝐾𝑇𝑃 − 𝐾𝑇𝐺
𝜎𝜏2 =
𝑟
 10

Tabel analisis ragam untuk percobaan satu faktor RAL model acak diberikan sebagai berikut:

Sumber Jumlah
Derajat Kuadrat
Keragaman Kuadrat 𝑭𝒉𝒊𝒕𝒖𝒏𝒈 E(KT)
Bebas (db) Tengah (KT)
(SK) (JK)

Perlakuan 𝑡−1 JKP KTP 𝜎 2 + 𝑟𝜎𝜏2

𝐾𝑇𝑃
𝐾𝑇𝐺
Galat 𝑡(𝑟 − 1) JKG KTG 𝜎2

Total 𝑡𝑟 − 1 JKT

Tabel 1. Tabel Analisis Ragam Rancangan Acak Lengkap dengan Model Acak Untuk Jumlah Ulangan yang sama.
 11

Tabel analisis ragam untuk percobaan satu faktor RAL model acak diberikan sebagai berikut:

Sumber Jumlah
Derajat Kuadrat
Keragaman Kuadrat 𝑭𝒉𝒊𝒕𝒖𝒏𝒈 E(KT)
Bebas (db) Tengah (KT)
(SK) (JK)

Perlakuan 𝑡−1 JKP KTP 𝜎 2 + 𝑟𝑎 𝜎𝜏2

𝐾𝑇𝑃
𝑡 𝐾𝑇𝐺
Galat (𝑟𝑖 − 1) JKG KTG 𝜎2
𝑖=1

𝑡
Total 𝑟𝑖 − 1 JKT
𝑖=1
Tabel 1. Tabel Analisis Ragam Rancangan Acak Lengkap dengan Model Acak Untuk Jumlah Ulangan berbeda.
 12

Perhitungan jumlah kuadrat untuk percobaan dengan ulangan setiap perlakuan sama

FK (Faktor Koreksi) JKP (Jumlah Kuadrat Perlakuan)

𝑌. .2 2
𝑌𝑖.
𝐹𝐾 = 𝐽𝐾𝑃 = − 𝐹𝐾
𝑡𝑟 𝑟

JKT (Jumlah Kuadrat Total) JKG (Jumlah Kuadrat Galat)

𝑡 𝑟

𝐽𝐾𝑇 = 𝑌𝑖𝑗2 − 𝐹𝐾
𝐽𝐾𝐺 = 𝐽𝐾𝑇 − 𝐽𝐾𝑃
𝑖=1 𝑖=1
 13

Perhitungan jumlah kuadrat untuk percobaan dengan ulangan setiap perlakuan tidak sama

FK (Faktor Koreksi) JKP (Jumlah Kuadrat Perlakuan)

𝑌. .2 2
𝑌𝑖.
𝐹𝐾 = 𝑡 𝐽𝐾𝑃 = − 𝐹𝐾
𝑖=1 𝑟𝑖 𝑟𝑖

JKT (Jumlah Kuadrat Total) JKG (Jumlah Kuadrat Galat)

𝑡 𝑟𝑖

𝐽𝐾𝑇 = 𝑌𝑖𝑗2 − 𝐹𝐾
𝐽𝐾𝐺 = 𝐽𝐾𝑇 − 𝐽𝐾𝑃
𝑖=1 𝑖=1
 14

Kuadrat Tengah Perlakuan (KTP) Kuadrat Tengah Galat (KTG)

𝐽𝐾𝑃 𝐽𝐾𝐺
𝐾𝑇𝑃 = 𝐾𝑇𝐺 =
𝑑𝑏𝑝 𝑑𝑏𝑔
Keterangan: Keterangan:
JKP = Jumlah Kuadrat Perlakuan JKG = Jumlah Kuadrat Galat
dbp = derajat bebas perlakuan dbg = derajat bebas galat

The Power of PowerPoint - thepopp.com

UJI HIPOTESIS
 16

• Hipotesis: 𝐻0 : 𝜎𝜏2 = 0 (tidak ada pengaruh keragaman perlakuan terhadap respon)

𝐻1 : 𝜎𝜏2 > 0 (ada pengaruh keragaman perlakuan terhadap respon)
• Taraf signifikansi: 𝛼
𝐾𝑇𝑃
• Statistik Uji: 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 =
𝐾𝑇𝐺

• Kriteria Keputusan: 𝐻0 ditolak jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝛼(𝑑𝑏1,𝑑𝑏2)

• Kesimpulan
PENDEKATAN REGRESI UNTUK ANALISIS
VARIANSI
Sebelumnya, kita ketahui model linier dan asumsi pada model acak yaitu, 18

Model linier: 𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝜀𝑖𝑗 , Asumsi: 𝜀𝑖𝑗 ~𝑁 0, 𝜎 2 dan 𝜏𝑖 ~𝑁 0, 𝜎 2

Dengan 𝜏𝑖 dan 𝜀𝑖𝑗 saling independen.
1. Ditulis dalam bentuk persamaan regresi menjadi,
𝑌 = 𝑋𝛽 + 𝜀
= 𝜇0 𝑥 + 𝑎1 𝑥1 + ⋯ + 𝑎𝑘 𝑥𝑘 + 𝜀
Agar persamaan normal mempunyai jawab yang tunggal maka kendala tambahan
perlu dimasukkan, seperti berikut:
𝑛1 𝑎1 + 𝑛2 𝑎2 + ⋯ + 𝑛𝑘 𝑎𝑘 = 0
Maka persamaan normal menurut metode kuadrat terkecil adalah:
𝑋′𝑋 𝑏 = 𝑋′𝑌
 19

2. Dalam bentuk matriks dapat ditulis menjadi,

𝑛1 𝑛1 𝑛2 … 𝑛𝑘 𝑏0 𝑛𝑦..
𝑛1 𝑛1 0 … 0 𝑏1 𝑛1 𝑦1.
𝑛2 0 𝑛2 … 0 𝑏2 = 𝑛2 𝑦2.
𝑀 𝑀 𝑀 … 𝑀 𝑀 𝑀
𝑛𝑘 0 0 … 𝑛 𝑏𝑘 𝑛𝑘 𝑦𝑘
3. Dalam bentuk persamaan,
𝑛𝑏0 + 𝑛1 𝑏1 + 𝑛2 𝑏2 + ⋯ + 𝑛𝑘 𝑏𝑘 = 𝑛𝑦..
4. Bila 𝑏0 = 𝜇 dan 𝑏𝑖 = 𝜏𝑖 , masing-masing penduga dari 𝜇 dan 𝜏 maka persamaan
normalnya menjadi,
𝑛𝜇 + 𝑛1 𝜏1 + 𝑛2 𝜏2 + ⋯ + 𝑛𝑘 𝜏𝑘 = 𝑛𝑦..
5. Dari hasil tersebut kita peroleh solusi dari persamaan normal yaitu
𝜇 = 𝑦.. dan 𝜏𝑖 = 𝑦𝑖. − 𝑦.. dengan 𝑖 = 1, 2, . . , 𝑘.
CONTOH SOAL
 21

Suatu perusahaan tekstil memiliki sejumlah besar mesin tenun. Masing-masing mesin
tenun seharusnya menghasilkan berat kain yang sama per menit. Untuk menyelidiki asumsi ini,
lima mesin tenun dipilih secara acak dan beratnya dicatat dalam waktu yang berbeda. Berikut
berat kain yang dihasilkan setiap menit pada waktu yang berbeda dari masing-masing alat tenun
berikut:

Mesin Tenun Output (lb/min)

1 14,0 14,1 14,2 14,0 14,1
2 13,9 13,8 13,9 14,0 14,0
3 14,1 14,2 14,1 14,0 13,9
4 13,6 13,8 14,0 13,9 13,7
5 13,8 13,6 13,9 13,8 14,0
 22

Apakah mesin-mesin tenun tersebut menghasilkan berat kain yang sama?

Lakukanlah uji hipotesis dengan taraf signifikansi 0,05!

Tentukan keragaman antar mesin tenun!

Tentukan variansi galat!

 23

I. Uji Hipotesis
1. Hipotesis:
𝐻0 : 𝜎𝜏2 = 0 (tidak ada pengaruh keragaman berat kain per menit antar mesin tenun)
𝐻1 : 𝜎𝜏2 > 0 (ada pengaruh keragaman berat kain per menit antar mesin tenun)
2. Taraf Signifikansi: 𝛼 = 0,05
𝐾𝑇𝑃
3. Statistik Uji: 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 =
𝐾𝑇𝐺

4. Kriteria Keputusan: 𝑑𝑏1 = 4, 𝑑𝑏2 = 20, 𝐹0,05(4,20) = 2,866081

𝐻0 ditolak jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 2,866081
 24

5. Perhitungan
i. Faktor Koreksi (FK)
𝑌..2 348,42
𝐹𝐾 = = = 4855,3024
𝑡𝑟 25

ii. Jumlah Kuadrat Perlakuan (JKP)

𝑌𝑖.2 (70,42 +69,62 +70,32 +692 +69,12 )

𝐽𝐾𝑃 = − 𝐹𝐾 = − 4855,3024 = 0,3416
𝑟 5

iii. Jumlah Kuadrat Total (JKT)

𝑡 𝑟 2
𝐽𝐾𝑇 = 𝑖=1 𝑌
𝑖=1 𝑖𝑗 − 𝐹𝐾 = 14,02 + 14,12 + 14,22 + ⋯ + 14,02 − 4855,3024 = 0,6376
iv. Jumlah Kuadrat Galat (JKG)
𝐽𝐾𝐺 = 𝐽𝐾𝑇 − 𝐽𝐾𝑃 = 0,6376 − 0,3416 = 0,296
 25

5. Lanjutan Perhitungan
v. Kuadrat Tengah Perlakuan (KTP)
𝐽𝐾𝑃 0,3416 0,3416
𝐾𝑇𝑃 = = = = 0,0854
𝑑𝑏𝑝 5−1 4

vi. Kuadrat Tengah Galat (KTG)

𝐽𝐾𝐺 0,296 0,296
𝐾𝑇𝐺 = = = = 0,0148
𝑑𝑏𝑔 5(5−1) 20

vii. 𝐹ℎ𝑖𝑡𝑢𝑛𝑔
𝐾𝑇𝑃 0,0854
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = = = 5,77
𝐾𝑇𝐺 0,0148
 26

5. Perhitungan dengan Program R

6. Kesimpulan
Karena 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙 yaitu 5,77 > 2,866081, maka 𝐻0 ditolak. Jadi, pada taraf
signifikansi 0,05 dapat disimpulkan bahwa ada pengaruh keragaman berat kain per
menit antar mesin tenun. Atau mesin-mesin tersebut tidak menghasilkan berat kain
yang sama.
 27

II. Keragaman antar mesin tenun.

𝐾𝑇𝑃−𝐾𝑇𝐺 0,0854−0,0148
𝜎𝜏2 = = = 0,01412
𝑟 5

Jadi, keragaman antar mesin tenun yaitu 0,01412.

III. Variansi atau ragam Galat.
2 𝐽𝐾𝐺 0,296 0,296
𝜎 = 𝐾𝑇𝐺 = = = = 0,0148
𝑡(𝑟−1) 5(5−1) 20

Jadi, variansi galatnya yaitu 0,0148

LATIHAN SOAL
 29

Peneliti ingin mengetahui pengukuran

Pertanyaan:
konsentrasi kalium yang tepat pada tanaman sawi
putih. Pengukuran kalium tunggal dan daun sawi putih 1. Apakah daun-daun sawi putih tersebut
tunggal dianggap cukup untuk memperkirakan populasi
rata-rata konsentrasi kalium. Maka diperoleh 4 mengandung kalium dengan konsentrasi
pengukuran dari masing-masing 4 daun. Peneliti
tertarik pada populasi semua daun, sehingga 4 daun yang sama? Lakukanlah uji hipotesis
tersebut dianggap sebagai sampel acak. Data yang dengan taraf signifikansi 0,05!
dihasilkan yaitu:
2. Tentukan keragaman antar daun sawi
Daun Konsentrasi Kalium
putih tersebut!
1 3,18 3,07 3,04 3,01
3. Tentukan variansi galatnya!
2 3,60 3,51 3,42 3,37
3 2,91 2,83 2,79 2,77
4 3,31 3,44 3,24 3,28