Kuliah 9

RANCANGAN BUJUR SANGKAR LATIN (RBSL)

 Rancangan Bujur Sangkar Latin (RBSL) adalah suatu rancangan percobaan

yang mampu mengendalikan komponen keragaman unit- unit percobaan
lebih dari satu sisi komponen keragaman.
 Hal ini berarti pengendalian komponen keragaman unit percobaan dilakukan
dari dua arah yaitu arah baris dan kolom, sementara unit percobaan dikenai
perlakuan.
 RBSL ini terdiri dari dua variabel penggangu dan sebuah variabel bebas.
Variabel pengganggu adalah variabel baris dan kolom sedangkan variabel
bebas adalah perlakuan.
 Ketiga variabel tersebut tidak saling berinteraksi dan ketiga variabel
tersebut jumlahnya sama sehingga membentuk bujur sangkar (jumlah
perlakuan = jumlah baris = jumlah kolom).
 RBSL mempunyai beberapa persyaratan yang harus dipenuhi yaitu
banyaknya perlakukan yang diberikan harus sama dengan banyaknya
ulangan, pengacakan dibatasi dengan pengelompokan dan perlakuan
hanya boleh muncul sekali pada setiap baris dan setiap kolom.
 Kerugian dalam menggunakan RBSL adalah banyaknya baris dan kolom
harus sama sehingga semakin banyak perlakuan maka unit percobaan yang
dibutuhkan juga semakin banyak, akibatnya kurang efektif untuk percobaan
dengan jumlah perlakuan yang besar.
 Keuntungan dalam menggunakan RBSL adalah berkurangnya keragaman
galat karena menggunakan dua buah pengelompokan, pengaruh perlakuan
dapat dilakukan untuk percobaan berskala kecil, analisis dan interpretasinya
relatif mudah serta baris dan kolom dapat digunakan sebagai cakupan
dalam pengambilan kesimpulan. Selanjutnya, jika andaian heterogenitas pada
arah baris dan kolomnya terpenuhi maka presisinya akan lebih tinggi
dibanding RAL dan RAK.

Contoh percobaan yang memerlukan penanganan menggunakan RBSL seperti

berikut ini.

a) Percobaan yang dilakukan di perbukitan dengan kondisi ada beda

kemiringan dan arah mata angin.

1 RANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN EXCELRANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN
EXCEL 109
b) Percobaan rumah kaca dengan kondisi pot percobaan disusun secara
garis tegak lurus terhadap dinding kaca/tirai,

Pengacakan

Rencana RBSL 5 x 5 seperti Tabel 1 berikut ini.

TABEL HASIL PENGACAKAN BUJUR SANGKAR LATIN

Nomor Baris Nomor Kolom

1 2 3 4 5
1 E C B A D
2 A D C B E
3 C B D E A
4 B E A D C
5 D A E C B

TABEL 2. PENATAAN DATA BUJUR SANGKAR LATIN

Kolom (j) Jlh ba r Is

Baris Yi.(.)
(i)
1 2 3 4 5
1 Y11(A) Y12(B) Y13(C) Y14(D) Y15(E) Y1.(.)
2 Y21(E) Y22(A) Y23(B) Y24(C) Y25(D) Y2.(.)
3 Y31(D) Y32(E) Y33(A) Y34(B) Y35(C) Y3.(.)
4 Y41(C) Y42(D) Y43(E) Y44(A) Y45(B) Y4.(.)
5 Y51(B) Y52(C) Y53(D) Y54(E) Y55(A) Y5.(.)
Jumlah kolom
Y.1(.) Y.2(.) Y. 3(.) Y. 4 (.) Y. 5 (.) Y..(.)
(Y . j (.))
Jumlah Y..(A) Y..(B) Y..(C) Y..(D) Y..(E)
perlakuan
(Y .. (k))

Model Linier RBSL

Model matematik Rancangan Bujur Sangkar Latin (RBSL) adalah :

Yij k = µ + βi + ɣi + Շk + …+ ɛijk
Dimana: μ = rerata umum
βi = pengaruh baris ke-i
ɣj = pengaruh kolom ke-j

2 RANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN EXCELRANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN
EXCEL 109
 Շk = pengaruh perlakuan ke-k
ɛijk = pengaruh acak baris ke-i, kolom ke-j dan perlakukan ke-k
i = 1,2,3,...r ; j = 1,2,3,...r; k = 1,2,3,...r
Hipotesis

Ada 3 hipotesis akibat pengaruh perlakuan, baris dan kolom, seperti berikut ini.

a) Hipotesis pengaruh perlakuan

H0 : Շ1 = ...= Շi = 0 (perlakuan tidak berpengaruh terhadap respon yang

diamati)

H1 : paling sedikit ada satu perlakukan dimana Շk ≠ 0

b) Hipotesis pengaruh baris

H0 : β1 = ...= βi =0 (baris tidak berpengaruh terhadap respon yang diamati)

H1 : paling sedikit ada satu i dimana βi ≠ 0

c) Hipotesis pengaruh kolom

H0 : ɣ1 = ...= ɣj =0 (kolom tidak berpengaruh terhadap respon yang diamati)

H1 : paling sedikit ada satu j dimana ɣj ≠ 0

3 RANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN EXCELRANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN
EXCEL 109
Analisis Data

1. Menghitung Faktor Koreksi (FK)

2
( Σ i Σ j Y ij (k ))
FK = 2
r
2. Menghitung Jumlah Kuadrat Total (JKT)

JKT=∑i ∑ j (. Y .)2 −FK

3. Menghitung Jumlah Kuadrat Baris (JKB) = JKB = (∑i(∑jYij(k))2/r) – FK

∑i(∑ jY ij ( k ))2
JKB= −FK
r
4. Menghitung Jumlah Kuadrat Kolom (JKK)
2
∑ j (∑ iY ij ( k ))
J KK = −FK
r
5. Menghitung Jumlah Kuadrat Perlakuan (JKP) = JKP = (∑k(∑ijYij(k))2/r) – FK
∑k (∑ i jY ij ( k ))2
J K P= −FK
r
6. Menghitung Jumlah Kuadrat Galat (JKG)

JKG=JKT – JKB – JKK – JK P

7. Menghitung derajat bebas (db)

db baris =r-1
db kolom =r-1
db perlakuan = r – 1
db galat = (r-1)(r-2)
db total = r2 - 1
8. Menghitung Kuadrat Tengah Baris (KTB)

JKB
KTB=
r−1

9. Menghitung Kuadrat Tengah Kolom (KTK)

JKK
KTK =
r−1

10. Menghitung Kuadrat Tengah Perlakuan (KTP)

JK P
KT P=
r−1

4 RANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN EXCELRANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN
EXCEL 109
11. Menghitung Kuadrat Tengah Galat (KTG)
JK G
KT G=
(r−1)(r−2)

Selanjutnya rumus-rumus perhitungan tersebut ditabulasi ke dalam tabel sidik

ragam seperti Tabel 3 berikut ini.

TABEL 3. ANALISIS RAGAM RANCANGAN BUJUR SANGKAR LATIN

Sumber F-tabel
db JK KT F-hitung
Keragama α = 5% α = 1%
n
Baris r-1 JKB KTB KTB/KTG
Kolom r-1 JKK KTK KTK/KTG
Perlakuan r-1 JKP KTP KTP/KTG

Galat (r-1 )(r-2) JKG KTG

Total r2 – 1 JKT

Lakukan uji F yaitu dengan membandingkan nilai F-hitung dengan F-tabel

pada level nyata (α) tertentu. Uji F ini membandingkan hipotesis nol (H0) dengan
hipotesis alternative (H1)

Jika F-hitung perlakuan < F-tabel (α=5 %) berarti perlakuan tidak memberikan
pengaruh yang nyata terhadap respon yang diamati, artinya H0 diterima pada
level nyata (α) 5 %.

Jika F-hitung perlakuan > F-tabel (α=5 %) berarti perlakuan memberikan

pengaruh yang nyata terhadap respon yang diamati, artinya H1 diterima pada
level nyata (α) 5 %.

Jika F-hitung perlakuan > F-tabel (α =1 %) berarti perlakuan memberikan

pengaruh yang sangat nyata terhadap respon yang diamati, artinya H 1 diterima
pada level nyata (α) 1 %. Kaedah ini juga berlaku untuk F-hitung baris dam
kolom yang dibandingkan dengan F-tabel pada level nyata 5 dan 1%.

Koefisien Keragaman (KK)

Koefisien keragaman (KK) adalah persen rerata dari rerata umum percobaan.
Fungsi KK dalam RBSL mempunyai fungsi yang sama dengan RAL maupun RAK

5 RANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN EXCELRANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN
EXCEL 109
yaitu untuk menunjukkan derajat kejituan (accuracy atau precision) serta
keandalan kesimpulan. KK dirumuskan seperti berikut ini.

KK = √
KTG
x 100 %
ŷ

6 RANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN EXCELRANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN
EXCEL 109
 Nilai KK yang semakin kecil menyebabkan derajat kejituan dan keandalan
serta validitas kesimpulan akan semakin tinggi, begitu sebaliknya. Nilai KK ini
sangat dipengaruhi oleh keheterogenitasan, kontrol lokal, selang perlakuan dan
ulangan percobaan.

Studi Kasus

Seorang peneliti ingin mengetahui pengaruh jenis pelarut terhadap rendemen

antioksidan dalam ekstraksi bunga rosella. Pada ekstraksi ini menggunakan lima
(5) jenis pelarut dengan menggunakan lima (5) kelompok tingkat kematangan
bunga dan lima (5) kelompok teknik pengeringan. Adapun pengelompokannya
seperti tersusun pada Tabel 4 di bawah ini.

TABEL MODEL TABULASI DATA PADA RBSL

Kelompok tingkat Kelompok teknik pengeringan (kolom ke-j)

kematangan (baris
ke-i) 1 2 3 4 5
1 A B C D E

2 E A B C D

3 D E A B C

4 C D E A B

5 B C D E A

Keterangan : A,B,C,D dan E adalah jenis pelarut (perlakuan (k))

Sementara itu data rendemen ekstrak antioksidan rosella yang diperoleh seperti
terlihat pada Tabel di bawah ini.

78 RANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN EXCELRANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN
EXCEL 109
TABEL DATA HASIL PERCOBAAN PENGARUH JENIS PELARUT TERHADAP
RENDEMAN ANTIOKSIDAN

Kelompok Kelompok teknik pengeringan (kolom ke-j)

tingkat Jumlah
kematangan pada baris
1 2 3 4 5
(baris ke-i)
A B C D E
1 29,54
5,39 5,63 5,93 6,26 6,33
E A B C D
2 29,57
6,32 5,38 5,64 5,95 6,28
D E A B C
3 29,5
6,24 6,35 5,36 5,61 5,94
C D E A B
4 29,71
5,91 6,27 6,38 5,35 5,80
B C D E A
5 29,6
5,62 5,93 6,28 6,37 5,40
Jumlah pada
29,48 29,56 29,59 29,54 29,75 147,92
kolom
Jumlah pada 26,88 28,30 29,66 31,33 31,75
perlakuan A B C D E
Rata-rata
5,376 5,66 5,932 6,266 6,35
perlakuan

Perhitungan Sidik Ragam

Berdasarkan data yang tertera maka sidik ragam dilakukan melalui tahapan
perhitungan sebagai berikut :

1. Menghitung Faktor Koreksi (FK)

FK = (147,92)2/52 = 875,21

2. Menghitung Jumlah Kuadrat Total (JKT )

JKT= [(5,39)2 + ( 5,63)2 +... + (6,33)2] – 875,21 = 878,79 – 875,21 = 3,373

3. Menghitung Jumlah Kuadrat Baris (JKB)

{( 29,54 )2 + ( 29,57 )2 + ( 29,5 )2 + ( 29,71 )2 + ( 29,60 )2 }
JKB= −875,21
5
¿ 0,005
4. Menghitung Jumlah Kuadrat Kolom (JKK)
{( 29,48 )2 + ( 29,56 )2 + ( 29,59 )2 + ( 29,54 )2 + ( 29,75 )2 }
JKK= −875,21
5

79 RANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN EXCELRANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN
EXCEL 109
 ¿ 0,008

5. Menghitung Jumlah Kuadrat Perlakuan (JKP)

{( 26,88 )2 + ( 28,30 )2+ ( 29,66 )2 + ( 31,33 )2+ ( 31,75 )2 }
JKP= −875,21
5
¿ 3,341

6. Menghitung Jumlah Kuadrat Galat (JKG)

JKG = JKT – JKB – JKK – JKP

= 3,373 – 0,005 – 0,008 – 3,341 = 0,02

7. Menghitung derajat bebas (db)

db baris = r – 1 = 5 – 1 = 4

db kolom = r – 1 = 5 – 1 = 4

db perlakuan = r – 1 = 5 – 1 = 4

db galat = (r-1)(r-2) = (5 – 1) (5 – 2) = 12

db total = r2 – 1 = 52 – 1 = 24

8. Menghitung Kuadrat Tengah Baris (KTB)

KTB = JKB / r-1 = 0,005/4 = 0,0013

9. Menghitung Kuadrat Tengah Kolom (KTK)

KTK = JKK / r-1 = 0,008/4 = 0,002

10. Menghitung Kuadrat Tengah Perlakuan (KTP)

KTP = JKP / r-1 = 3,341/4 = 0,8353

11. Menghitung Kuadrat Tengah Galat (KTG)

KTG = JKG / (r-1)(r-2) = 0,02/12 = 0,0015

80 RANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN EXCELRANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN
EXCEL 109
12. Menghitung F hitung

F-hitung baris = KTB/KTG = 0,0013 / 0,0015 = 0,8667

F-hitung kolom = KTK/KTG = 0,002 / 0.0015 = 1,3333

F-hitung perlakuan = KTP/KTG = 0.8353/0.0015 = 554.652

13. Menghitung nilai Koefisien Keragaman (KK)

KK= {{√(KTG)}/ y}x100% = {{√ (0.0015) } / 5.917} x 100% = 0,6%

14. Membuat tabel sidik ragam

TABEL ANALISIS RAGAM RBSL

Sumber F-tabel
db JK KT F-hitung
keragaman 5% 1%
Baris 4 0.005 0.0013 0,8667tn 3.26 8.41
Kolom 4 0.008 0.002 1,3333tn 3.26 8.41
Perlakuan 4 3.341 0.8353 554.652** 3.26 8.41
Galat 12 0.02 0.0015
Total 24 3.373
Keterangan:

tn= tidak berpengaruh nyata

*= berpengaruh nyata pada α = 5%

**=berpengaruh sangat nyata pada α = 1%

Kesimpulan: ada pengaruh jenis pelarut yang sangat nyata terhadap rendemen
antioksida rosella, sementara tingkat kematangan dan teknik pengeringan tidak
menunjukkan pengaruh yang nyata terhadap rendemen antioksidan rosella.

Hipotesis H1 pada perlakukan jenis pelarut diterima pada level nyata (α) = 1% dan
menolak H0,

Hipotesis H0 diterima pada tingkat kematangan baik pada level nyata (α) = 5%
maupun (α) = 1% dan menolak H1

Hipotesis H0 diterima pada teknik pengeringan baik pada level nyata (α) = 5%
maupun (α) = 1% dan menolak H1

81 RANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN EXCELRANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN EXCEL
109
Uji Antar Perlakukan

Uji pantar perlakukan pada variable yang menunjukkan hipotesis H1 yang

diterima, dapat dilakukan dengan uji perbandingan berganda

Beda Nyata Terkecil (BNT) atau Least Significance Difference (LSD),

Beda Nyata Jujur (BNJ) atau Honest Significance Difference (HSD).

Uji Jarak Duncan atau Duncan Multiple Range Test (DMRT)

Pada contoh kasus ini dilakukan uji DMRT atau Uji Jarak Duncan

R p =r(α ; p , dbg) S ŷ

S ŷ=
√ KTG
r

Dimana:
rα;p,dbg = nilai tabel Duncan pada taraf α,
p = jarak peringkat dua perlakukan p, dan
dbg = derjat bebas galat
Pada contoh kasus di atas
Jumlah perlakuan = 5, dbg = 12, r = 5, KTG = 0,0015

Sŷ=
√ KTG
r
=
√
0,0015
5
=0,0173

Hitung nilai Duncan

Nilai Tabel
Nilai Duncan Sy r x Sy Nilai
r(α; p,dbg)
R2 r(0,05; 2,12) = 3,081 0,0173 (3,081)(0,0173) 0,0533

R3 r(0,05; 2,12) = 3,225 0,0173 (3,225)(0,0173) 0,0558

R4 r(0,05; 2,12) = 3,312 0,0173 (3,312)(0,0173) 0,0673

R5 r(0,05; 2,12) = 3,370 0,0173 (3,370)(0,0173) 0,0583

Urutkan nilai rata-rata perlakukan dari tertinggi ke terkecil

No Jenis Nilai rata- E D C B A
Urt Pelarut rata 6,350 6,266 5,932 5,660 5,376

82 RANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN EXCELRANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN EXCEL
109
 1 E 6,350
0,084*
2 D 6,266
(R2)
0,418* 0,334*
3 C 5,932
(R3) (R2)

0,690* 0,606* 0,272*

4 B 5,660
(R4) (R3) (R2)

9,740* 0,890* 0,556* 0,284*

5 A 5,376
(R5) (R4) (R3) (R2)

Kesimpulan: Semua perlakukan memberikan efek yang berbeda atau

tidak ada perlakukan yang memberikan efek yang sama

83 RANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN EXCELRANCANGAN PERCOBAAN : TEORI, APLIKASI SPSS DAN EXCEL
109