PERTEMUAN 2 - Model Linear

A. Rancangan Acak Lengkap

- Kondisi satuan percobaan di luar perlakuan adalah seragam
- Penerapan perlakuan terhadap unit percobaan dilakukan secara acak terhadap
seluruh unit percobaan
- Biasa digunakan untuk percobaan laboratorium, serta percobaan yang berhubungan
dengan tanaman atau binatang
- Prosedur pengacakan kertas undian :
1. Siapkan 9 lembar kecil kertas kosong
2. Tuliskan “perlakuan 1”, “perlakuan 2”, dan “perlakuan 3” masing-masing pada 3
lembar
3. Kemudian ambil secara acak satu lembar, dan berikan tanda pada S1 perlakuan apa
yang tertulis pada lembar yang terambil.
4. Lakukan terus pengambilan lembaran kertas secara acak satu-persatu sampai seluruh
satuan percobaan mendapatkan perlakuan
- Prosedur pengacakan dengan komputer
1. Beri nomor 1-9 pada unit percobaan
2. List semua perlakuan, beri kolom label “perlakuan
3. Bangkitkan bilangan acak di excel dengan fungsi “rand()” di sebelah list perlakuan,
beri kolom label “bilangan acak” - ANOVA
4. “Copy” hasil bangkitan dan “paste” dalam bentuk “value”
5. Blok kolom “perlakuan” dan “bilangan acak”, urutkan berdasakan “bilangan acak”
dari terbesar ke terkecil.
- Bagan percobaan

- Hipotesis
 UNTUK ANOVA RAK TAMBAHANNYA INI

- Dbp = t-1
- Dbk = r-1
- Dbg =(t-1)(r-1)
- Dbtotal = tr-1

B. Rancangan Acak Kelompok Lengkap - Bagan Percobaan

- Adanya ketidakseragaman satuan percobaan Blok 1
- Diharapkan keragaman antar kelompok besar, sedangkan keragaman di
Kolam Kolam Kolam Kolam Kolam
dalam kelompok relatif kecil
1 2 3 4 5
- Pemberian perlakuan terhadap unit percobaan dilakukan secara acak pada
setiap kelompok, dengan batasan bahwa setiap perlakuan muncul sekali - Model Linear Aditif
dalam setiap kelompok.
- Prosedur pengacakan undian sama dengan RAL pada langkah 1-4 ditambah
langkah 5.ulangi hal yang sama untuk tiap kelompok
- Prosedur pengacakan komputer
1. Bagi satuan percobaan ke dalam 3 kelompok (banyaknyak kelompok)
2. Tuliskan satuan percobaan S1, S2, dan S3 serta perlakuanV1,V2, V3
pada masing-masing kelompok
3. Bangkitkan bilangan“=rand()”pada masing-masing kelompok
4. Copy and paste as values
- Kelebihan RAKL
1. Error (galat) percobaan akan berkurang → ketepatan perbandingan antar
perlakuan akan meningkat
2. Ketika percobaan tidak dapat dilakukan secara lengkap dalam satu hari,
maka dapat dilakukan blok by day
- Kelemahan RAKL - Hipotesis
1. Missing value dapat menyebabkan problem dalam analisis statistika.
2. Jika unit percobaan relatif homogen, maka RAL lebih efisien
dibandingkan dengan RAKL
3. Jika jumlah perlakuannya besar, maka tidak memungkinkan untuk
menempatkan dalam blok yang uniform dimana terdapat segugus
perlakuan yang besar dan lengkap → Incomplete blok design
- Efisiensi relatif
dbb = derajat bebas galat RAK
dbr = derajat bebas galat RAL
t = banyaknya perlakuan
r = banyaknya ulangan
- Pendugaan data hilang - Hipotesis
B = total kelompok pada data yang hilang
T = total perlakuan pada data yang hilang
G = Total pengamatan (Y..)
- Jumlah kelompok
1. Minimal 2 kelompok
2. Minimal db galat 12 (t-1)(r-1)
dimana sigma^2 = perbedaan rataan maksimal yang
diinginkan antara perlakuan dengan kontrol
kk = koefisiensi keragaman dan q= ukuran
perbedaan antara perlakuan yang dicobakan dg
kontrol(%)
C. RANCANGAN BUJUR SANGKAR LATIN
- RBSL digunakan apabila terdapat dua sumber keragamanan yang
mempengaruhi unit percobaan
- Kedua sumber keragaman tersebut dapat dikontrol dengan membuat blocking - ANOVA
atau pengelompokan pada arah baris dan kolom dbperlakuan = r-1, dbbaris= r-1, dblajur = r-1, dbgalat = (r-1)(r-2),
- Jumlah perlakuan = jumlah baris = jumlah kolom = p dtotal = r^2 -1
- Penerapan perlakuan terhadap unit percobaan dilakukan secara acak, dengan - Kriteria keputusan
memperhatikan batasan bahwa setiap perlakuan hanya muncul sekali pada
arah baris dan hanya muncul sekali pada arah lajur.
- Langkah penempatan perlakuan
1. Tempatkan perlakuan pada arah diagonal secara acak,
2. Acaklah penempatan baris dan 3. Acaklah penempatan lajur.
- Kelebihan RBSL - Rumus
• Memungkinan peneliti mengontrol dua sumber keragaman
- Kekurangan RBSL
1. Membutuhkan p2 unit percobaan untuk p perlakuan sehingga dari sisi
aplikasi sangat terbatas. Dari sudut praktisi, maximal bisa diterapkan
untuk 10 perlakuan.
2. Jika jumlah perlakuan (p) meningkat maka galat percobaan per unit juga
akan meningkat, Jika p kecil, maka db galat akan sangat kecil
3. Analisis akan semakin kompleks, jika terjadi data yang hilang atau salah
penempatan perlakuan
- Model Aditif

- Efisiensi RBSL terhadap RAK - Pendugaan data hilang

𝐾𝑇𝐿+𝐾𝑇𝐵+(𝑝−1)𝐾𝑇𝐺 𝑝(𝑦𝑖. + 𝑦.𝑗 +𝑇(𝑘) −2𝑦
ER = (𝑝+1)𝐾𝑇𝐺
𝑦̂
𝑖𝑗(𝑘) = (𝑝−1)(𝑝−2)
𝑦𝑖. + 𝑦.𝑗 + 𝑇(𝑘) merupakan total baris, total kolom, dan total perlakuan
dimana data hilang
D. PERBANDIGAN BERGANDA 4. Berikan j = j+1, jika j<p kembali ke langkah 3
- Perbandingan terencana : LSD, Bonferoni, Kontras, Polinomial orthogonal 5. Garis mulai rataan perlakuan ke-i sampai ke perlakuan ke-j
- Perbandingan tidak terencana : LSD, Tukey, Duncan 6. Berikan i = i+1, jika i<p kembali ke langkah 3
1. Uji LSD (BNT) 7. Stop
- Kapan digunakan - Hipotesis yang diuji sama dengan Uji LSD
1. Digunakan untuk membandingkan berdasarkan data, sebagai misal membandingkan - Keputusan : >BNJ = Tolak H0 , <BNJ = Terima H0, Yang <BNJ diberi garis bawah
dua perlakuan yang mempunyai rataan terbesar dan terkecil 3. Uji Duncan
2. Semakin banyak perlakuan maka semakin besar family error Nilai pembanding yang nilainya meningkat sejalan dengan jarak peringkat dua buah
3. Digunakan untuk perbandingan yang terencana, sebagai misal membandingkan perlakuan yang akan diperbandingkan
perlakuan baru dengan kontrol Hipotesis yang diuji sama dengan uji LSD
4. Terdapat C(p,2) perbandingan perlakuan, dimana p = #perlakuan
5. Digunakan untuk “adjacent ranked means”, suatu prosedur untuk menentukan yang - Keputusan : >Rn = Tolak H0 , <Rn = Terima H0, Yang <Rn diberi garis bawah
terbaik (pick the winner) E. Pembandingan terencana
1. Uji Bonferroni
- Memungkinkan membuat perbandingan antar perlakuan, antara perlakuan dengan
kelompok perlakuan, atau antar kelompok perlakuan
- Keputusan dilihat berdasarkan selang Li+-B, tolak h0 jika batas atas dan batas bawah pada
selang memiliki tanda yang sama

Keputusan : <LSD = terimaH0

>LSD = tolak H0

2. Uji Tukey
1. tidak terlalu sensitif → baik digunakan untuk memisahkan perlakuan-perlakuan
yang benar-benar berbeda
2. Mengatasi family error
3. Nilai BNJ sama untuk semua perbandingan perlakuan
Perbedaan mendasar dgn LSD terletak pada penentuan nilai alpha, dimana jika
misalnya ada 4 perlakuan dan ditetapkan alpha =5%, maka setiap pasangan 2. Kontras ortogonal
perbandingan perlakuan akan menerima kesalahan sebesar: alpha /(2x6)% = - Digunakan dengan melakukan kombinasi linear dari rataan perlakuan yang ingin
0.413%. dibandingkan., ∑cidi = 0
- Hipotesis
dimana ∑ci = 0 (ulangan perlakuan sama)
Jika jumlah ulangan tidak sama ∑ri ci = 0(ulangan perlakuan tidak sama )

- Langkah pembandingan Tukey - Maksimal kontras yang saling ortogonal yang dapat dibentuk sebanyak db perlakuan
1. Urutkan rataan perlakuan dari yang terkecil sampai yang terbesar atau sebaliknya
2. Nilai awal i=1 (dari kiri) dan j =1 (dari kanan) Kriteria keputusan :
3. Hitung beda antara rataan perlakuan terkecil ke-i dengan terbesar ke-j kemudian Tolak H0 jika
bandingkan dengan nilai BNJ, jika beda rataan perlakuan lebih kecil lanjutkan ke Fhit>Ftab =
langkah 5 dan jika tidak lanjutkan ke langkah 4 F(alpha,1,dbg)
3. Polynomial ortognal
- Digunakan untuk menguji trend pengaruh perlakuan terhadap respon (linier, kuadratik,
kubik, dst) → berlaku untuk perlakuan yang kuantitatif
- Bentuk Model

- Bentuk umum polinomial ordo ke-n adalah:

Dimana

dengan: a=banyaknya taraf faktor, d=jarak antar faktor,

n=polinomial ordo ke-n