MODUL

RESPONSI RANCANGAN PERCOBAAN

DAN SURVEI

Disusun Oleh :

Dr. Ir. Zulheri Noer, M.P

Saipul Sihotang, S.Si., M.Biotek

PROGRAM STUDI AGROTEKNOLOGI

FAKULTAS PERTANIAN
UNIVERSITAS MEDAN AREA
2022
 KATA PENGANTAR

Modul dengan judul “Responsi Perancangan Percobaan dan Survei”, dirasakan

penyusun sangat memberikan manfaat untuk menambah khasanah pengetahuan
pembaca khususnya mahasiswa maupun peneliti mengenai langkah-langkah
melakukan percobaan dengan merancang perlakuan dan lingkungannya.
Perancangan yang tepat dalam percobaan akan dapat memberikan kesimpulan
dengan tingkat kepercayaan yang tinggi.
Ada beberapa macam perancangan percobaan berdasarkan rancangan
perlakuan dan rancangan lingkungannya. Rancangan Satu Faktor dan Factorial
adalah contoh dari rancangan perlakuan. Sedangkan, Rancangan Acak Lengkap,
Rancangan Acak Kelompok Lengkap, dan Rancangan Bujur Sangkar Latin adalah
contoh dari rancangan lingkungan. Kesemuanya itu akan dibahas dalam bahan ajar
ini beserta contoh soal dan penyelesaiannya.
Pengetahuan, pengalaman, dan kepustakaan yang terbatas merupakan
kendala dalam penyusunan bahan ajar ini, sehingga jauh dari sempurna. Kritik
dan masukan dari berbagai pihak, akan diterima dengan senang hati untuk
menyempurnakan bahan ajar ini.

Medan, April 2022

Penyusun
 ACARA I
PENGANTAR RANCANGAN PERCOBAAN, DAN RANDOMISASI

TUJUAN PRAKTIKUM
1. Mampu memahami pengertian dan macam-macam rancangan perlakuan dan rancangan
lingkungan dalam rancangan percobaan.
2. Mampu melakukan pengacakan unit-unit penelitian percobaan dengan rancangan
perlakuan satu faktor dan dua faktor secara tepat dengan menggunakan berbagai macam
teknik pengacakan.
3. Mampu melakukan pengacakan unit-unit penelitian percobaan dengan rancangan
lingkungan CRD, CRD Ulangan tidak sama, dan RCBD secara tepat dengan menggunakan
berbagai macam teknik pengacakan.

DASAR TEORI
Perencanaan penelitian eksperimental yang baik, membutuhkan Perancangan
Percobaan yang benar. Rancangan Percobaan dalam penelitian eksperimental dibedakan
menjadi 2 yaitu: Rancangan Lingkungan dan Rancangan Perlakuan. Rancangan lingkungan
adalah rancangan yang digunakan dalam penelitian eksperimental dengan mengatur unit-
unit percobaan, bertujuan untuk mengeleminasi faktor lingkungan, sehingga hanya
pengaruh perlakuan yang mempengaruhi variabel penelitian sesuai dengan tujuan
penelitian. Contoh Rancangan Lingkungan adalah: Rancangan Acak Lengkap/RAL
(Completely Randomized Design/CRD), Rancangan Acak Kelompok Lengkap/RAKL atau
Rancangan Acak Blok Lengkap /RABL (Randomized Completely Block Design/RCBD), dan
Rancangan Bujur sangkar Latin /RBL (Latin Square Design/LSD). Rancangan perlakuan adalah
rancangan yang digunakan dalam penelitian eksperimental dengan mengatur unit-unit
percobaan, dan mengatur perlakuan, sehingga sesuai dengan tujuan penelitian. Contoh
Rancangan Perlakuan adalah: Rancangan Perlakuan Faktor Tunggal, Rancangan Perlakuan
Faktor Ganda 2 Faktor (Faktorial), Rancangan Perlakuan Faktor Ganda 3 Faktor (Faktorial),
dan Rancangan Petak Terbagi (Split Plot Design). Pengaturan unit-unit percobaan dengan
perlakuan-perlakuan tertentu dilakukan dengan cara acak, sehingga dikenal istilah
Pengacakan atau Randomsasi (Randomization) Randomisasi merupakan bagian dari langkah
penelitian eksperimental yang tidak dapat dipisahkan atau dapat dikatakan sebagai syarat
utama penelitian eksperimental yang tepat. Tujuan utama dilakukan randomisasi adalah
untuk mendapatkan data yang dapat mecerminkan keadaan yang sebenarnya dari
permasalahan yang diteliti. Untuk mendapatkan kondisi yang sebenarnya maka randomsasi
harus mampu menghilangkan/mengeliminasi pengaruh dari faktor-faktor yang tidak diteliti
pada suatu penelitian eksperimen, memberikan kesempatan yang sama pada semua unit
percobaan untuk mendapatkan suatu perlakuan dan mendapatkan hasil pengamatan yang
tidak dipengaruhi faktor lain selain faktor yang diteliti. Randomisasi dapat dilakukan dengan
beberapa cara yaitu: Cara Undian atau Lotre , menggunakan angka-angka bilangan acak,
menggunakan MS-Ecxel, dan menggunakan kartu.
Pemilihan cara randomisasi yang akan digunakan pada penelitian eksperimen, tergantung
pada kemudahan bahan dan alat yang tersedia, sesuai tujuan penelitian.

ALAT DAN BAHAN

Alat yang digunakan dalam praktikum ini adalah : Komputer (PC atau Note Book) dan
alat tulis. Sedangkan bahan yang digunakan adalah : data hasil penelitian.

PROSEDUR KERJA
A. Pengantar Rancangan Percobaan
1. Jelaskan (dari berbagai literature, minimal 3) pengertian dari : a. Perancangan Percobaan
b. Galat Percobaan
2. Apa beda dari Rancangan Perlakuan (Treatment Design) dengan Rancangan Lingkungan
(Enviromental Design)
3. Jelaskan istilah dibawah ini :
a. Keragaman
b. Taraf/selang Kepercayaan
c. Populasi
d. Contoh/sample
4. Jelaskan istilah-istilah dibawah ini dan tuliskan rumusnya (berdasarkan Rancangan Acak
Kelompok)
a. Nilai Tengah (Mean)
b. Derajat Bebas (dB) dan Jumlah Kuadrat (Sum Square) • Ulangan • Perlakuan • Galat • Total
c. Kuadrat Tengah (Mean Square) • Ulangan • Perlakuan
d. Simpangan Baku (Standard Deviation)
e. Galat Baku (Standard Error)
f. Faktor Koreksi (Correction Factor)
g. Koefisien Keragaman (Coefficient of Variation) h. F Hitung serta F Tabel 5% dan 1%
5. Apakah fungsi dari pengulangan, pengacakan dan lokal control dari suatu rancangan
percobaan.
 ACARA II
RANCANGAN ACAK LENGKAP (COMPLETELY RANDOMIZED DESIGN) NON
FAKTORIAL DAN UJI LANJUT

TUJUAN PRAKTIKUM
Setelah mengikuti praktikum Rancangan Percobaan, mahasiswa diharapkan
dapat memahami prinsip-prinsip Rancangan Acak Lengkap (RAL) Non Faktorial serta
menganalisa data secara RAL dengan menggunakan Ms. Excel sehingga mampu
memilih dan menggunakan RAL sebagai alat/sarana untuk melaksanakan
percobaannya secara efektif, efisien dan benar, sehingga menghasilkan kesimpulan
yang benar dan tepat sebagai dasar penyusunan rekomendasi hasil penelitiannya
untuk diaplikasikan.

DASAR TEORI
Rancangan Acak Lengkap (RAL) merupakan suatu rancangan dimana seluruh
unit percobaan yang tersedia mempunyai kesempatan yang sama untuk dikenai
perlakuan tertentu. RAL merupakan rancangan yang paling sederhana dan merupakan
dasar dari rancangan yang lain. RAL hanya boleh digunakan jika media percobaan
relatif homogen. Untuk percobaan lapang, RAL hanya boleh digunakan jika telah
diketahui bahwa keadaan lapang tempat percobaan relatif homogen. banyaknya
ulangan dari setiap perlakuan boleh tidak sama, tetapi disarankan sama, dan data yang
hilang (missing data) tidak perlu diduga. Penempatan perlakuan ke dalam satuan-
satuan percobaan dilakukan secara acak lengkap.
Karena setiap perlakuan tidak ada faktor lain yang dapat dianggap berpengaruh
terhadap hasil pengamatan, oleh karena itu bias diajukan suatu model analisis :
𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝜀𝑖𝑗
dimana ;
𝑌𝑖𝑗 = nilai pengamatan pada perlakuan ke-i ulangan ke-j
𝑌𝑖𝑗 = nilai tengah umum
𝑌𝑖𝑗 = pengaruh perlakuan ke-i
𝑌𝑖𝑗 = kesalahan (galat) percobaan pada perlakuan ke-i ulangan ke-j

ALAT DAN BAHAN PRAKTIKUM

Alat yang digunakan dalam praktikum ini adalah : Komputer (PC atau Note Book) dan
alat tulis. Sedangkan bahan yang digunakan adalah : data hasil penelitian.

PROSEDUR KERJA
Analisa Data Dengan Ms EXEL
1. Penataan/Analisis Data Data hasil percobaan menurut RAL ini ditata dalam suatu
tabel analisis data berikut :
 Rumus-rumus dasar pada Ms. Excel yang digunakan dalam analisis sidik ragam
(Ansira) adalah : Jumlah = SUM, Rerata = AVERAGE , Jumlah Kuadrat = SUMSQ ,
Penjumlahan = + , Pengurangan = - , Perkalian = * , Pembagian = / , Kuadrat 2 = ^2
, Akar Kuadrat 2 = ^0.5 .

2. Analisis Sidik Ragam (Ansira) Analisis sidik ragam (Ansira) merupakan suatu uji yang
dilakukan menurut distribusi F, sehingga ansira ini disebut juga sebagai uji F.

a. Faktor koreksi (FK) = nilai untuk mengoreksi nilai rerata (µ) dari ragam data sehingga
dalam analisis sidik ragam nilai µ = 0
𝐹𝐾 =𝑇𝑖𝑗2: 𝑟 𝑋 𝑡
 Rumus dengan menggunakan Ms. Excel adalah : =(G13^2)/(r * t)
b. Jumlah Kuadrat (JK) 𝐽𝐾𝑇𝑜𝑡𝑎𝑙 = 𝑇(𝑌𝑖𝑗2) − 𝐹𝐾
= (𝑌102 + 𝑌112+ ..+𝑌𝑖𝑗2+ ..+𝑌𝑟𝑡2) − 𝐹𝐾

Rumus dengan menggunakan Ms. Excel adalah :

=SUMSQ(B5:F12)-H15
𝐽𝐾𝐻𝑜𝑟𝑚𝑜𝑛 = 𝑇𝐴2 𝑟− 𝐹𝐾
= (𝑇𝐴02+ ..+𝑇𝐴𝑡2) 𝑟− 𝐹𝐾 Rumus dengan menggunakan Ms. Excel adalah :
=(SUMSQ(G5:G12)/r)-H15

Hasil uji F ini menunjukkan derajat pengaruh perlakuan (dalam hal ini adalah hormon)
terhadap data hasil percobaan sebagai berikut :
(1) Perlakuan berpengaruh nyata (*) jika F Tabel 5% ≤F Hitung ≤ F Tabel 1%
(2) Perlakuan berpengaruh sangat nyata (**) jika F Hitung ≥ F Tabel 1%
(3) Perlakuan berpengaruh tidak nyata (ns) jika F Hitung ≥ F Tabel 5% Rumus dengan
menggunakan Ms. Excel adalah : ==IF(N5>=Q5;"**";IF(N5>=P5;"*";"ns"))
3. Koefisien Keragaman (KK)
Koefisien keragaman merupakan suatu koefisien yang menunjukkan derajat kejituan
(precision atau accuracy) dan keandalan kesimpulan/hasil yang diperoleh dari suatu
percobaan, yang merupakan deviasi baku per unit percobaan. Koefisien keragaman ini
dinyatakan sebagai persen rerata dari rerata umum percobaan sebagai berikut :
 Rumus dengan menggunakan Ms. Excel adalah : =(M6^0.5)/(G13/(r*t)) Di mana : 𝑦 ̅ =
rerata seluruh data percobaan (grand-mean).

TUGAS MAHASISWA
Dari percobaan pengaruh hormon tumbuh terhadap produksi kedelai di tanah PMK, untuk
menguji hipotesis bahwa pemberian hormon akan meningkatkan produksi kedelai secara
nyata (H1) diperoleh data sebagai berikut :
TABEL 1.1. Data pengaruh hormon tumbuh terhadap produksi kedelai (kuintal/ha)
 ACARA III
RANCANGAN ACAK LENGKAP (COMPLETELY RANDOMIZED DESIGN) NON FAKTORIAL
MENGGUNAKAN SPSS
TUJUAN PRAKTIKUM
Setelah mengikuti praktikum Rancangan Percobaan, mahasiswa diharapkan dapat
memahami prinsip-prinsip menganalisa data secara RAL dengan menggunakan SPSS,
sehingga mampu memilih dan menggunakan RAL sebagai alat/sarana untuk melaksanakan
percobaannyasecara efektif, efisien dan benar, sehingga menghasilkan kesimpulan yang
benar dan tepat sebagai dasar penyusunan rekomendasi hasil penelitiannya untuk
diaplikasikan.

ALAT DAN BAHAN PRAKTIKUM

Alat yang digunakan dalam praktikum ini adalah : Komputer (PC atau Note Book) dan
alat tulis. Sedangkan bahan yang digunakan adalah : data hasil penelitian.

PROSEDUR KERJA
TABEL 1.2. Data produktivitas tiga (3) Varietas Padi
Ulangan Varietas
A B C
1 25,40 23,40 20,00
2 26,31 21,80 22,20
3 24,10 23,50 19,75
4 23,14 22,75 20,60
5 25,10 21,60 20,40

Analisa Data Dengan SPSS

1. Pemasukan Data - Membuka lembar kerja baru : klik menu utama FILE, klik submenu NEW, klik
DATA. - Mendifinisikan variable : klik tab sheet VARIABLE VIEW di bagian kiri bawah.

2. Variabel PRODUKSI - Name. Letakkan pointer pada baris 1 di bawah kolom Name, klik ganda,
ketik Produksi. - Type. Variabel PRODUKSI merupakan data yang berupa angka. Penentuan
tipe data dilakukan dengan membuka Variable Type pada kotak di kanan sel.
Klik Numeric -> Klik OK
- Width. Ketik 8. Ini berarti variabel PRODUKSI hanya dapat ditulis maksimal 8 digit.
- Decimal. Ketik 0. Ini berarti variabel PRODUKSI tidak dapat ditulis angka di belakang koma.
- Label. Kosongkan label.
- Abaikan bagian yang lain.
Variabel VARIETAS
- Name. Letakkan pointer pada baris 2 di bawah kolom Name, klik ganda, ketik Varietas.
- Type. Variabel Varietas merupakan data yang berupa huruf, klik String. Karena pemasukan
data untuk ‘A’, ‘B’, dan ‘C’ dilakukan secara bergantian dan berulang-ulang, sehingga untuk
mempermudah dalam pemasukan data dilakukan pengkodean data. Dengan pengkodean
data, maka variabel Varietas merupakan data yang berupa angka. Penentuan tipe data
dilakukan dengan membuka Variable Type pada kotak di kanan sel.

Klik Numeric
- Width. Ketik 1. Artinya variabel VARIETAS hanya dapat ditulis maksimal 1 digit. - Decimal.
Ketik 0. Artinya variabel VARIETAS tidak dapat ditulis angka di belakang koma. Klik OK.
- Label. Kosongkan label.
- Values. Pengkodean data untuk ‘A’, ‘B’, dan ‘C’ dilakukan dengan membuka Value Data.
Klik pada kotak di kanan sel.
Varietas A Value.
Nilai berupa angka, ketik angka ‘1’.
Label. Keterangan untuk nilai, ketik ‘A’.
Klik Add, maka tertulis ‘1.00 = Varietas A’.
Varietas B Value.
Nilai berupa angka, ketik angka ‘2’.
Label. Keterangan untuk nilai, ketik ‘B’.
Klik Add, maka tertulis ‘2.00 = Varietas B’.
Varietas C Value.
Nilai berupa angka, ketik angka ‘3’.
Label. Keterangan untuk nilai, ketik ‘C’.
Klik Add, maka tertulis ‘3.00 = Varietas C’.
Klik OK
- Missing. Oleh karena tidak ada data yang tidak lengkap, maka abaikan bagian ini.
- Column.
Ketik 8. Artinya lebar kolom yang diperlukan dalam pemasukan data adalah 8 digit. - Align.
Oleh karena data berupa huruf, maka posisi data adalah rata kiri.
Klik Left pada kotak di kanan sel.
- Measure. Dengan adanya pengkodean data, maka variabel VARIETAS merupakan data
nominal. Klik Nominal pada kotak di kanan sel.

2. Pengisian Data - Klik tab sheet DATA VIEW di bagian kiri bawah. - Letakkan pointer pada
baris 1 kolom produksi, ketik ke bawah sesuai dengan data produksi tersebut.
Sebelum pengisian data variabel VARIETAS klik menu utama VIEW, klik submenu VALUE
LABEL, maka terlihat tanda ‘ ’ di sebelah kiri submenu tersebut. Kegunaaan pengaktifan
VALUE LABEL adalah sebagai berikut :
a. Pemasukan data ‘varietas A’ dilakukan dengan memasukkan angka ‘1’ yang secara
otomatis diubah menjadi ‘varietas A’.
b. Pemasukan data ‘varietas B’ dilakukan dengan memasukkan angka ‘2’ yang secara
otomatis diubah menjadi ‘varietas B’.
c. Pemasukan data ‘varietas C’ dilakukan dengan memasukkan angka ‘3’ yang secara
otomatis diubah menjadi ‘varietas C’. Perhatian ! Dengan adanya pengkodean data, maka
pemasukan data yang berupa huruf akan ditolak
Kemudian letakkan pointer pada baris 1 kolom varietas, ketik ke bawah sesuai dengan
data varietas tersebut.
3. Meyimpan Data Klik menu utama FILE, pilih submenu SAVE AS…, beri nama file dengan
RAL_NRP.
4. Pengolahan Data
- Membuka file RAL_NRP.
- Klik menu utama ANALYZE, klik submenu COMPARE MEANS, klik ONE WAY ANOVA
Dependent List. Klik variabel PRODUKSI yang akan diuji, klik tanda ‘ > ‘, maka variabel
PRODUKSI akan berpindah ke Dependent List.
Factor. Pengelompokan berdasarkan variabel VARIETAS. Klik variabel VARIETAS, klik tanda ‘
 > ‘, maka variabel VARIETAS akan berpindah ke Factor.
Options. Pengisian pilihan yang lain.

Statistic. Perhitungan statistik yang akan dilakukan adalah Descriptive dan Homogeneity of
variance.
Missing Values. Data yang hilang atau data yang kosong tidak ada, maka klik Exclude cases
analysis by analysis.
Klik Continue.
Post Hoc. Digunakan untuk melakukan perhitungan statistik lanjutan. Equal Variances
Assumed. Klik Bonferroni dan Tukey. Significance Level. Tingkat signifikansi sebesar 5% atau
tingkat kepercayaan sebesar 95%. Klik Continue.
5. Output

Descriptives
a. Berdasarkan output Descriptives untuk Varietas A, dapat dilihat bahwa : Rata-rata produksi
sebesar 24,81 Simpangan baku produksi sebesar 1,22221 Produksi minimum sebesar 23,14
dan maksimum sebesar 26,31 Rata-rata produksi sebesar 24,81 tersebut mempunyai jarak
antara batas bawah sebesar 23,2924 dan batas atas sebesar 26,3276
b. Berdasarkan output Descriptives untuk Varietas B, dapat dilihat bahwa : Rata-rata produksi
sebesar 22,61 Simpangan baku produksi sebesar 0,88204 Produksi minimum sebesar 21,6
dan maksimum sebesar 23,5 Rata-rata produksi sebesar 22,61 tersebut mempunyai jarak
antara batas bawah sebesar 21,5148 dan batas atas sebesar 23,7052
c. Berdasarkan output Descriptives untuk Varietas C, dapat dilihat bahwa : Rata-rata produksi
sebesar 20,59 Simpangan baku produksi sebesar 0,95943 Produksi minimum sebesar 19,75
dan maksimum sebesar 22,2 Rata-rata produksi sebesar 20,59 tersebut mempunyai jarak
antara batas bawah sebesar 19,3987 dan batas atas sebesar 21,7813 6
 ACARA IV
RANCANGAN ACAK KELOMPOK (COMPLETELY RANDOMIZED BLOCK DESIGN) NON
FAKTORIAL DAN UJI LANJUT

TUJUAN PRAKTIKUM
Setelah mengikuti praktikum Rancangan Percobaan, mahasiswa diharapkan dapat
memahami prinsip-prinsip Rancangan Acak Kelompok (RAK) serta menganalisa data secara
RAK dengan menggunakan Ms. Excel, sehingga mampu memilih dan menggunakan
RAKsebagai alat/sarana untuk melaksanakan percobaannyasecara efektif, efisien dan benar,
sehingga menghasilkan kesimpulan yang benar dan tepat sebagai dasar penyusunan
rekomendasi hasil penelitiannya untuk diaplikasikan.

DASAR TEORI
Rancangan Acak Kelompok (RAK) merupakan suatu rancangan dimana suatu
lingkungan percobaan dikelompokkan sedemikian rupa sehingga terdapat homogenitas
maksimum dalam setiap kelompok dan minimum antar kelompok. Dalam setiap kelompok
ditempatkan satu set perlakuan secara acak sehingga banyaknya kelompok sama dengan
banyaknya ulangan.
RAK dipakai jika media tidak seluruhnya homogen, dimana petak percobaan dibagi
dalam blok/kelompok, antar kelompok tidak homogen, dalam satu kelompok relatif
homogen. Banyaknya ulangan dalam RAK sama dengan banyaknya kelompok dan banyaknya
ulangan dari seluruh perlakuan sama. Penempatan perlakuan dengan cara mengacak dalam
masing-masing kelompok.
Model matematiknya adalah :
Yij = + I + j+ ij

ALAT DAN BAHAN PRAKTIKUM

Alat yang digunakan dalam praktikum ini adalah : Komputer (PC atau Note Book) dan
alat tulis. Sedangkan bahan yang digunakan adalah : data hasil penelitian.

PROSEDUR KERJA

1. Penataan dan Analisis Data

Data (Yij) hasil percobaan ditata menurut table berikut :
2. Analisis Sidik Ragam (Ansira)
Analisis sidik ragam pengaruh perlakuan untuk RAK dilakukan menurut uji F berikut :

a. Faktor Koreksi (FK)

𝑇𝑖𝑗2
𝐹𝐾 =
𝑘𝑋𝑡
Rumus dengan menggunakan Ms. Excel adalah : =(F10^2)/(k X t)
b. Jumlah Kuadrat (JK)
𝐽𝐾 𝑇𝑜𝑡𝑎𝑙 = 𝑇(𝑌𝑖𝑗2) − 𝐹𝐾
= (𝑌112 + 𝑌122+ . . + 𝑌442 + 𝑌452) − 𝐹𝐾
Rumus dengan menggunakan Ms. Excel adalah : =SUMSQ(B5:E9)-F13
𝑇𝐾𝑖2
𝐽𝐾 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 − 𝐹𝐾
= 𝑡

𝑇𝐾12+ . . + 𝑇𝐾42
= − 𝐹𝐾
𝑡
 Rumus dengan menggunakan Ms.
Excel adalah :
=(SUMSQ(B10:E10)/t)-F13 − 𝐹𝐾

Rumus dengan menggunakan Ms. Excel adalah : =(SUMSQ(F5:F9)/k)-F13

JK Galat = JK Total – JK Kelompok – JK Perlakuan
Rumus dengan menggunakan Ms. Excel adalah : =K8-K5-K6
Perhatikan bahwa analisis jumlah kuadrat menurut metode RAK jika dibandingkan
dengan metode RAL perbedaannya hanya terletak pada ada tidaknya JK Kelompok
dan pada JK Galat.
5% F Tabel 1%
SK Db JK KT F Hitung
Kelom k-1 =(SUMSQ(B10: JK/ KTKelompok/KT =FINV(0.05,dBKelomp =FINV(0.01,dBKelompok
pok E10)/t)-H15 dB Galat ok,dBGalat) ,dBGalat)
Perlak t-1 =(SUMSQ(G5:G JK/ KTPerlakuan/KT =FINV(0.05,dBPerlakua =FINV(0.01,dBPerlakuan
uan 12)/r)-H15 dB Galat n,dBGalat) ,dBGalat)
Galat (kt- JK Total-JK JK/
1)- Kelompok-JK dB
(k-
Perlakuan
1)-
(n-
1)
Total kt-1 =SUMSQ(B5:F1
2)-H15
Hasil uji F ini menunjukkan derajat pengaruh perlakuan (dalam hal ini adalah hormon)
terhadap data hasil percobaan sebagai berikut :
(1) Perlakuan berpengaruh nyata (*) jika F Tabel 5% ≤ F Hitung ≤ F Tabel 1%
(2) Perlakuan berpengaruh sangat nyata (**) jika F Hitung ≥ F Tabel 1%
(3) Perlakuan berpengaruh tidak nyata (ns) jika F Hitung ≥ F Tabel 5%
Rumus dengan menggunakan Ms. Excel adalah : ==IF(M5>=P5;"**";IF(M5>=O5;"*";"ns"))

Koefisien Keragaman (KK)

Koefisien keragaman ini dinyatakan sebagai persen rerata dari rerata umum percobaan
sebagai berikut :

Rumus dengan menggunakan Ms. Excel adalah : =(L7^0.5)/(F10/(r*t))

TUGAS MAHASISWA
Jika percobaan pengaruh hormon pada Tugas Mahasiswa Praktikum I “Rancangan Acak Lengkap”
sebelumnya dilakukan menurut RAK.
 ACARA V
RANCANGAN ACAK KELOMPOK (COMPLETELY RANDOMIZED BLOCK DESIGN) NON
FAKTORIAL MENGGUNAKAN SPSS
TUJUAN PRAKTIKUM
Setelah mengikuti praktikum Rancangan Percobaan, mahasiswa diharapkan dapat
memahamiprinsip-prinsip menganalisa data secara RAK dengan menggunakan SPSS, sehingga
mampu memilih dan menggunakan RAK sebagai alat/sarana untuk melaksanakan
percobaannyasecara efektif, efisien dan benar, sehingga menghasilkan kesimpulan yang
benar dan tepat sebagai dasar penyusunan rekomendasi hasil penelitiannya untuk
diaplikasikan.

ALAT DAN BAHAN PRAKTIKUM

Alat yang digunakan dalam praktikum ini adalah : Komputer (PC atau Note Book) dan
alat tulis. Sedangkan bahan yang digunakan adalah : data hasil penelitian.

PROSEDUR KERJA
Contoh Kasus
Tabel 1.3. Data produktivitas Padi pada berbagai Dosis Pupuk N
Dosis Pupuk N
Kelompok
N1 (10 g/tan) N2 (15 g/tan) N3 (20 g/tan)
1 25,40 23,40 20,00
2 26,31 21,80 22,20
3 24,10 23,50 19,75
4 23,14 22,75 20,60
5 25,10 21,60 20,40

Pengolahan Data
1. Pemasukan Data
- Membuka lembar kerja baru : klik menu utama FILE, klik submenu NEW, klik DATA.
- Mendefinisikan variabel : klik tab sheet VARIABLE VIEW di bagian kiri bawah.

Variabel Produktivitas
o Name. Letakkan pointer pada baris 1 di bawah kolom Name, klik ganda, ketik
Produktivitas.
o Type. Variabel Produktivitas merupakan data angka. Penentuan tipe data dilakukan
dengan membuka Variable Type pada kolom di kanan sel.
Klik Numeric
▪ Width. Ketik 8, hal ini artinya
variabel Produktivitas dapat ditulis
maksimum 8 digit.
▪ Decimal. Ketik 0, hal ini artinya
variabel Produktivitas tidak dapat
ditulis angka di bekalang koma.
 o Koosongkan tabel. ok
o Abaikan bagian yang lainnya.
Variabel Dosis Pupuk N
o Name. Letakkan pointer pada baris 2 di bawah kolom Name, klik ganda, ketik
Dosis_Pupuk_N.
o Type. Variabel Dosis Pupuk N merupakan data yang berupa huruf, maka klik String.
Namun demikian, oleh karena pemasukan data untuk N1, N2, dan N3 dilakukan secara
bergantian dan berulang-ulang, maka untuk mempermudah dalam pemasukan data
dilakukan pengkodean, sehingga variabel Dosis Pupuk N merupakan data angka.
Penentuan tipe data dilakukan dengan membuka Variable Type pada kotak di kanan
sel.

Klik Numeric
▪ Width. Ketik 1, hal ini artinya
variabel Dosis Pupuk N dapat
ditulis maksimum 1 digit.
▪ Decimal. Ketik 0, hal ini artinya
variabel Produktivitas tidak dapat
ditulis angka di bekalang koma.
Klik OK.
o Label. Kosongkan label.
o Values. Pengkodean data untuk ‘N1’, ‘N2’, dan ‘N3’ dilakukan dengan membuka
Values Labels. Klik pada kotak di kanan sel.
DOSIS PUPUK N1
Value. Nilai berupa angka, ketik angka
‘1’.
▪ Label. Keterangan untuk
nilai, ketik ‘N1’.
▪ Klik Add, maka akan tertulis
‘1 = N1’.
DOSIS PUPUK N2
Value. Nilai berupa angka, ketik angka
‘2’.
▪ Label. Keterangan untuk
nilai, ketik ‘N2’.
▪ Klik Add, maka akan tertulis
‘2 = N2’.Dan seterusnya
o Missing. Oleh karena tidak ada data yang tidak lengkap, maka abaikan bagian ini.
o Column. Ketik 8. Hal ini berarti lebar kolom yang diperlukan dalam pemasukan data
adalah 8 digit.
o Align. Oleh karena data berupa huruf, maka posisi data adalah rata kiri. Klik Left pada
kotak di kanan sel.
o Measure. Dengan adanya pengkodeaan data maka variabel dosis pupuk N merupakan
data nominal. Klik Nominal pada kotak di kanan sel.

Variabel Kelompok
o Name. Letakkan pointer pada baris 3 di bawah kolom Name, klik ganda, ketik
Kelompok.
o Type. Variabel Kelompok merupakan data yang berupa huruf, maka klik String.
Namun demikian, oleh karena pemasukan data untuk Kelompok 1, Kelompok 2,
 Kelompok 3, Kelompok 4 dan Kelompok 5 dilakukan secara bergantian dan
berulang-ulang, maka untuk mempermudah dalam pemasukan data dilakukan
pengkodean, sehingga variabel Kelompok merupakan data angka. Penentuan
tipe data dilakukan dengan membuka Variable Type pada kotak di kanan sel.
Klik Numeric
▪ Width. Ketik 1, hal ini artinya
variabel Kelompok dapat ditulis
maksimum 1 digit.
▪ Decimal. Ketik 0, hal ini artinya
variabel Produktivitas tidak dapat
ditulis angka di bekalang koma.
Klik OK.
o Label. Kosongkan label.
o Values. Pengkodean data untuk ‘Kelompok 1’, ‘Kelompok 2’, ‘Kelompok 3’, ‘Kelompok
4’ dan ‘Kelompok 5’ dilakukan dengan membuka Values Labels. Klik pada kotak di
kanan sel.
KELOMPOK 1
Value. Nilai berupa angka, ketik angka
‘1’.
▪ Label. Keterangan untuk
nilai, ketik ‘Kelompok’.
▪ Klik Add, maka akan tertulis
‘1 = Kelompok 1’.
KELOMPOK 2
Value. Nilai berupa angka, ketik angka
‘2’.
▪ Label. Keterangan untuk
nilai, ketik ‘Kelompok 2’.
▪ Klik Add, maka akan tertulis
‘2 = Kelompok 2’.
Dan seterusnya
o Missing. Oleh karena tidak ada data yang tidak lengkap, maka abaikan bagian ini.
o Column. Ketik 8. Hal ini berarti lebar kolom yang diperlukan dalam pemasukan data
adalah 8 digit.
o Align. Oleh karena data berupa huruf, maka posisi data adalah rata kiri. Klik Left pada
kotak di kanan sel.
o Measure. Dengan adanya pengkodeaan data maka variabel dosis pupuk N merupakan
data nominal. Klik Nominal pada kotak di kanan sel.
2. Pengisian Data
- Klik tab sheet DATA VIEW di bagian kiri bawah.
- Letakkan pointer pada baris 1 kolom Produktivitas, ketik ke bawah sesuai data produksi
tersebut.
- Letakkan pointer pada baris 1 kolom Dosis_Pupuk_N, ketik ke bawah sesuai data Dosis Pupuk
N tersebut.
- Letakkan pointer pada baris 1 kolom Kelompok, ketik ke bawah sesuai dengan data Kelompok
tersebut.
3. Menyimpan Data
Klik menu utama FILE, pilih submenu SAVE ASS… , beri nama file dengan RAK_NRP.
4. Pengolahan Data
- Membuka file RAK_NRP.
- Klik menu utama ANALYZE, klik submenu GENERAL LINEAR MODEL, klik UNIVARIATE… .
o Dependent Variable : klik variabel
Produktivitas yang akan diuji, klik
tanda ‘>’, maka variabel
PRODUKTIVITAS akan berpindah ke
Dependent Variable.
o Fixed Factor. Pengelompokan
berdasarkan variabel DOSIS PUPUK
N dan KELOMPOK. Klik variabel
Dosis_Pupuk_N dan Kelompok, klik
tanda ‘>’, maka variabel DOSIS
PUPUK N dan KELOMPOK akan
berpindah ke Fixed Factor.
o Options. Pengisian pilihan lainnya.

- Model
▪ Specity Model. Klik Custom.
▪ Build Terms. Pilih Main
Effects.
▪ Factor & Covariates. Klik
Dosis_Pupuk_N masukkan
ke kolom Model dengan
mengklik tanda ‘>’, demikian
juga dengan variabel
Kelompok masukkan ke
kolom Model.
▪ Hilangkan tanda centang ( )
pada Include Intercept in
Model.
 ▪ Klik Continue.

- Post Hoc…. Digunakan untuk melakukan

perhitungan statistik lanjutan.
o Masukkan variabel Dosis Pupuk N
dan Kelompok ke kolom Post Hoc
Test for : , klik Dosis_Pupuk_N, klik
tanda ‘>’, demikian juga dengan
variabel kelompok.
o Equal Variances Assumed. Klik
Bonferroni dan Tukey.
o Klik Continue.

- Options. Digunakan untuk melakukan

perhitungan uji asumsi homogenitasan
ragam dan untuk menghitung deskriptif
dari setiap sampel berdasarkan
perlakuan.
o Centang ( ) Descriptive
statistics.
o Centang ( ) Homogeneity tests.
o Significance level. Tingkat
singnifikansi sebesar 5% atau
tingkat kepercayaan sebesar
95%.
o Klik Continue.

5. Hasil RAK

6. Output ANOVA
Hipotesis untuk uji Dosis Pupuk N
- H0 : Tidak terdapat perbedaan rata-rata signifikan antara produktivitas di N1, N2, dan N3.
- H1 : Terdapat perbedaan rata-rata signifikan antara produktivitas di N1, N2, dan N3.
Hipotesis untuk uji Kelompok
- H0 : Tidak terdapat perbedaan rata-rata signifikan antara produktivitas Kelompok 1, Kelompok
2, Kelompok 3, Kelompok 4, dan Kelompok 5.
- H1 : Terdapat perbedaan rata-rata signifikan antara produktivitas Kelompok 1, Kelompok 2,
Kelompok 3, Kelompok 4, dan Kelompok 5.

Uji Dosis Pupuk N

Level of Significant ( ) dan Degree of Freedom (df)
• Tingkat signifikansi ( ) : 0.05
• Tingkat Kebebasan (df) :
o Numerator : 3–1
o Denumerator : 7
• Ftabel : 4.46
Kriteria Pengujian
• Jika Fhitung> Ftabel atau probabilitas kesalahan < 0.05, maka H0 ditolak.
• Jika Fhitung ≤ Ftabel atau probabilitas kesalahan ≥ 0.05, maka H0 diterima.

Kesimpulan
Oleh karena Fhitung (18.549) > Ftabel (4.46) atau probabilitas kesalahan (0.001) < 0.05, maka
H0 ditolak. Dengan demikian terdapat perbedaan rata-rata produktivitas yang signifikan
antara N1, N2, dan N3.

Kelompok
Level of Significant ( ) dan Degree of Freedom (df)
• Tingkat signifikansi ( ) : 0.05
• Tingkat Kebebasan (df) :
o Numerator : 5–1
o Denumerator : 7
• F tabel : 3.64
Kriteria Pengujian
• Jika Fhitung> Ftabel atau probabilitas kesalahan < 0.05, maka H0 ditolak.
• Jika Fhitung ≤ Ftabel atau probabilitas kesalahan ≥ 0.05, maka H0 diterima.
Kesimpulan
Oleh karena Fhitung (0.658) < Ftabel (3.64) atau probabilitas kesalahan (0.638) > 0.05, maka H0
diterima. Dengan demikian tidak terdapat perbedaan rata-rata produktivitas yang
signifikan antara Kelompok 1, Kelompok 2, Kelompok 3, Kelompok 4, dan Kelompok 5.
 ACARA VI
RANCANGAN ACAK LENGKAP (COMPLETELY RANDOMIZED DESIGN)
FAKTORIAL DAN UJI LANJUT

TUJUAN PRAKTIKUM
Setelah mengikuti praktikum Rancangan Percobaan, mahasiswa diharapkan
dapat memahami prinsip-prinsip Rancangan Acak Lengkap (RAL) Faktorial serta
menganalisa data secara RAL dengan menggunakan Ms. Excel sehingga mampu
memilih dan menggunakan RAL sebagai alat/sarana untuk melaksanakan
percobaannya secara efektif, efisien dan benar, sehingga menghasilkan kesimpulan
yang benar dan tepat sebagai dasar penyusunan rekomendasi hasil penelitiannya
untuk diaplikasikan.

DASAR TEORI
Rancangan Acak Lengkap (RAL) merupakan suatu rancangan dimana seluruh
unit percobaan yang tersedia mempunyai kesempatan yang sama untuk dikenai
perlakuan tertentu. RAL merupakan rancangan yang paling sederhana dan merupakan
dasar dari rancangan yang lain. RAL hanya boleh digunakan jika media percobaan
relatif homogen. Untuk percobaan lapang, RAL hanya boleh digunakan jika telah
diketahui bahwa keadaan lapang tempat percobaan relatif homogen. banyaknya
ulangan dari setiap perlakuan boleh tidak sama, tetapi disarankan sama, dan data yang
hilang (missing data) tidak perlu diduga. Penempatan perlakuan ke dalam satuan-
satuan percobaan dilakukan secara acak lengkap.
Karena setiap perlakuan tidak ada faktor lain yang dapat dianggap berpengaruh
terhadap hasil pengamatan, oleh karena itu bias diajukan suatu model analisis :
𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝜀𝑖𝑗
dimana ;
𝑌𝑖𝑗 = nilai pengamatan pada perlakuan ke-i ulangan ke-j
𝑌𝑖𝑗 = nilai tengah umum
𝑌𝑖𝑗 = pengaruh perlakuan ke-i
𝑌𝑖𝑗 = kesalahan (galat) percobaan pada perlakuan ke-i ulangan ke-j

ALAT DAN BAHAN PRAKTIKUM

Alat yang digunakan dalam praktikum ini adalah : Komputer (PC atau Note Book) dan
alat tulis. Sedangkan bahan yang digunakan adalah : data hasil penelitian.

PROSEDUR KERJA
Analisa Data Dengan Ms EXEL
3. Penataan/Analisis Data Data hasil percobaan menurut RAL ini ditata dalam suatu
tabel analisis data berikut :
 Rumus-rumus dasar pada Ms. Excel yang digunakan dalam analisis sidik ragam
(Ansira) adalah : Jumlah = SUM, Rerata = AVERAGE , Jumlah Kuadrat = SUMSQ ,
Penjumlahan = + , Pengurangan = - , Perkalian = * , Pembagian = / , Kuadrat 2 = ^2
, Akar Kuadrat 2 = ^0.5 .

4. Analisis Sidik Ragam (Ansira) Analisis sidik ragam (Ansira) merupakan suatu uji yang
dilakukan menurut distribusi F, sehingga ansira ini disebut juga sebagai uji F.

a. Faktor koreksi (FK) = nilai untuk mengoreksi nilai rerata (µ) dari ragam data sehingga
dalam analisis sidik ragam nilai µ = 0
𝐹𝐾 =𝑇𝑖𝑗2: 𝑟 𝑋 𝑡
 Rumus dengan menggunakan Ms. Excel adalah : =(G13^2)/(r * t)
b. Jumlah Kuadrat (JK) 𝐽𝐾𝑇𝑜𝑡𝑎𝑙 = 𝑇(𝑌𝑖𝑗2) − 𝐹𝐾
= (𝑌102 + 𝑌112+ ..+𝑌𝑖𝑗2+ ..+𝑌𝑟𝑡2) − 𝐹𝐾

Rumus dengan menggunakan Ms. Excel adalah :

=SUMSQ(B5:F12)-H15
𝐽𝐾𝐻𝑜𝑟𝑚𝑜𝑛 = 𝑇𝐴2 𝑟− 𝐹𝐾
= (𝑇𝐴02+ ..+𝑇𝐴𝑡2) 𝑟− 𝐹𝐾 Rumus dengan menggunakan Ms. Excel adalah :
=(SUMSQ(G5:G12)/r)-H15

Hasil uji F ini menunjukkan derajat pengaruh perlakuan (dalam hal ini adalah hormon)
terhadap data hasil percobaan sebagai berikut :
(1) Perlakuan berpengaruh nyata (*) jika F Tabel 5% ≤F Hitung ≤ F Tabel 1%
(2) Perlakuan berpengaruh sangat nyata (**) jika F Hitung ≥ F Tabel 1%
(3) Perlakuan berpengaruh tidak nyata (ns) jika F Hitung ≥ F Tabel 5% Rumus dengan
menggunakan Ms. Excel adalah : ==IF(N5>=Q5;"**";IF(N5>=P5;"*";"ns"))
3. Koefisien Keragaman (KK)
Koefisien keragaman merupakan suatu koefisien yang menunjukkan derajat kejituan
(precision atau accuracy) dan keandalan kesimpulan/hasil yang diperoleh dari suatu
percobaan, yang merupakan deviasi baku per unit percobaan. Koefisien keragaman ini
dinyatakan sebagai persen rerata dari rerata umum percobaan sebagai berikut :
 Rumus dengan menggunakan Ms. Excel adalah : =(M6^0.5)/(G13/(r*t)) Di mana : 𝑦 ̅ =
rerata seluruh data percobaan (grand-mean).

TUGAS MAHASISWA
Dari percobaan pengaruh hormon tumbuh terhadap produksi kedelai di tanah PMK, untuk
menguji hipotesis bahwa pemberian hormone dan nitrogen akan meningkatkan produksi
kedelai secara nyata (H1) diperoleh data sebagai berikut :
 ACARA VII
RANCANGAN ACAK LENGKAP (COMPLETELY RANDOMIZED DESIGN) FAKTORIAL
MENGGUNAKAN SPSS
TUJUAN PRAKTIKUM
Setelah mengikuti praktikum Rancangan Percobaan, mahasiswa diharapkan dapat
memahami prinsip-prinsip menganalisa data secara RAL dengan menggunakan SPSS,
sehingga mampu memilih dan menggunakan RAL sebagai alat/sarana untuk melaksanakan
percobaannyasecara efektif, efisien dan benar, sehingga menghasilkan kesimpulan yang
benar dan tepat sebagai dasar penyusunan rekomendasi hasil penelitiannya untuk
diaplikasikan.

ALAT DAN BAHAN PRAKTIKUM

Alat yang digunakan dalam praktikum ini adalah : Komputer (PC atau Note Book) dan
alat tulis. Sedangkan bahan yang digunakan adalah : data hasil penelitian.

PROSEDUR KERJA
TABEL 1.2. Data produktivitas tiga (3) Varietas Padi
Ulangan Varietas
A B C
1 25,40 23,40 20,00
2 26,31 21,80 22,20
3 24,10 23,50 19,75
4 23,14 22,75 20,60
5 25,10 21,60 20,40

Analisa Data Dengan SPSS

3. Pemasukan Data - Membuka lembar kerja baru : klik menu utama FILE, klik submenu NEW, klik
DATA. - Mendifinisikan variable : klik tab sheet VARIABLE VIEW di bagian kiri bawah.

4. Variabel PRODUKSI - Name. Letakkan pointer pada baris 1 di bawah kolom Name, klik ganda,
ketik Produksi. - Type. Variabel PRODUKSI merupakan data yang berupa angka. Penentuan
tipe data dilakukan dengan membuka Variable Type pada kotak di kanan sel.
Klik Numeric -> Klik OK
- Width. Ketik 8. Ini berarti variabel PRODUKSI hanya dapat ditulis maksimal 8 digit.
- Decimal. Ketik 0. Ini berarti variabel PRODUKSI tidak dapat ditulis angka di belakang koma.
- Label. Kosongkan label.
- Abaikan bagian yang lain.
Variabel VARIETAS
- Name. Letakkan pointer pada baris 2 di bawah kolom Name, klik ganda, ketik Varietas.
- Type. Variabel Varietas merupakan data yang berupa huruf, klik String. Karena pemasukan
data untuk ‘A’, ‘B’, dan ‘C’ dilakukan secara bergantian dan berulang-ulang, sehingga untuk
mempermudah dalam pemasukan data dilakukan pengkodean data. Dengan pengkodean
data, maka variabel Varietas merupakan data yang berupa angka. Penentuan tipe data
dilakukan dengan membuka Variable Type pada kotak di kanan sel.

Klik Numeric
- Width. Ketik 1. Artinya variabel VARIETAS hanya dapat ditulis maksimal 1 digit. - Decimal.
Ketik 0. Artinya variabel VARIETAS tidak dapat ditulis angka di belakang koma. Klik OK.
- Label. Kosongkan label.
- Values. Pengkodean data untuk ‘A’, ‘B’, dan ‘C’ dilakukan dengan membuka Value Data.
Klik pada kotak di kanan sel.
Varietas A Value.
Nilai berupa angka, ketik angka ‘1’.
Label. Keterangan untuk nilai, ketik ‘A’.
Klik Add, maka tertulis ‘1.00 = Varietas A’.
Varietas B Value.
Nilai berupa angka, ketik angka ‘2’.
Label. Keterangan untuk nilai, ketik ‘B’.
Klik Add, maka tertulis ‘2.00 = Varietas B’.
Varietas C Value.
Nilai berupa angka, ketik angka ‘3’.
Label. Keterangan untuk nilai, ketik ‘C’.
Klik Add, maka tertulis ‘3.00 = Varietas C’.
Klik OK
- Missing. Oleh karena tidak ada data yang tidak lengkap, maka abaikan bagian ini.
- Column.
Ketik 8. Artinya lebar kolom yang diperlukan dalam pemasukan data adalah 8 digit. - Align.
Oleh karena data berupa huruf, maka posisi data adalah rata kiri.
Klik Left pada kotak di kanan sel.
- Measure. Dengan adanya pengkodean data, maka variabel VARIETAS merupakan data
nominal. Klik Nominal pada kotak di kanan sel.

2. Pengisian Data - Klik tab sheet DATA VIEW di bagian kiri bawah. - Letakkan pointer pada
baris 1 kolom produksi, ketik ke bawah sesuai dengan data produksi tersebut.
Sebelum pengisian data variabel VARIETAS klik menu utama VIEW, klik submenu VALUE
LABEL, maka terlihat tanda ‘ ’ di sebelah kiri submenu tersebut. Kegunaaan pengaktifan
VALUE LABEL adalah sebagai berikut :
a. Pemasukan data ‘varietas A’ dilakukan dengan memasukkan angka ‘1’ yang secara
otomatis diubah menjadi ‘varietas A’.
b. Pemasukan data ‘varietas B’ dilakukan dengan memasukkan angka ‘2’ yang secara
otomatis diubah menjadi ‘varietas B’.
c. Pemasukan data ‘varietas C’ dilakukan dengan memasukkan angka ‘3’ yang secara
otomatis diubah menjadi ‘varietas C’. Perhatian ! Dengan adanya pengkodean data, maka
pemasukan data yang berupa huruf akan ditolak
Kemudian letakkan pointer pada baris 1 kolom varietas, ketik ke bawah sesuai dengan
data varietas tersebut.
3. Meyimpan Data Klik menu utama FILE, pilih submenu SAVE AS…, beri nama file dengan
RAL_NRP.
4. Pengolahan Data
- Membuka file RAL_NRP.
- Klik menu utama ANALYZE, klik submenu COMPARE MEANS, klik ONE WAY ANOVA
Dependent List. Klik variabel PRODUKSI yang akan diuji, klik tanda ‘ > ‘, maka variabel
PRODUKSI akan berpindah ke Dependent List.
Factor. Pengelompokan berdasarkan variabel VARIETAS. Klik variabel VARIETAS, klik tanda ‘
 > ‘, maka variabel VARIETAS akan berpindah ke Factor.
Options. Pengisian pilihan yang lain.

Statistic. Perhitungan statistik yang akan dilakukan adalah Descriptive dan Homogeneity of
variance.
Missing Values. Data yang hilang atau data yang kosong tidak ada, maka klik Exclude cases
analysis by analysis.
Klik Continue.
Post Hoc. Digunakan untuk melakukan perhitungan statistik lanjutan. Equal Variances
Assumed. Klik Bonferroni dan Tukey. Significance Level. Tingkat signifikansi sebesar 5% atau
tingkat kepercayaan sebesar 95%. Klik Continue.
5. Output

Descriptives
a. Berdasarkan output Descriptives untuk Varietas A, dapat dilihat bahwa : Rata-rata produksi
sebesar 24,81 Simpangan baku produksi sebesar 1,22221 Produksi minimum sebesar 23,14
dan maksimum sebesar 26,31 Rata-rata produksi sebesar 24,81 tersebut mempunyai jarak
antara batas bawah sebesar 23,2924 dan batas atas sebesar 26,3276
b. Berdasarkan output Descriptives untuk Varietas B, dapat dilihat bahwa : Rata-rata produksi
sebesar 22,61 Simpangan baku produksi sebesar 0,88204 Produksi minimum sebesar 21,6
dan maksimum sebesar 23,5 Rata-rata produksi sebesar 22,61 tersebut mempunyai jarak
antara batas bawah sebesar 21,5148 dan batas atas sebesar 23,7052
c. Berdasarkan output Descriptives untuk Varietas C, dapat dilihat bahwa : Rata-rata produksi
sebesar 20,59 Simpangan baku produksi sebesar 0,95943 Produksi minimum sebesar 19,75
dan maksimum sebesar 22,2 Rata-rata produksi sebesar 20,59 tersebut mempunyai jarak
antara batas bawah sebesar 19,3987 dan batas atas sebesar 21,7813 6
 ACARA VIII
RANCANGAN ACAK KELOMPOK (COMPLETELY RANDOMIZED BLOCK DESIGN) FAKTORIAL
MENGGUNAKAN EXEL DAN SPSS

TUJUAN PRAKTIKUM
Setelah mengikuti praktikum Rancangan Percobaan, mahasiswa diharapkan dapat
memahami prinsip-prinsip Rancangan Acak Kelompok (RAK) serta menganalisa data secara
RAK dengan menggunakan Ms. Excel, sehingga mampu memilih dan menggunakan
RAKsebagai alat/sarana untuk melaksanakan percobaannyasecara efektif, efisien dan benar,
sehingga menghasilkan kesimpulan yang benar dan tepat sebagai dasar penyusunan
rekomendasi hasil penelitiannya untuk diaplikasikan.

DASAR TEORI
Rancangan Acak Kelompok (RAK) merupakan suatu rancangan dimana suatu
lingkungan percobaan dikelompokkan sedemikian rupa sehingga terdapat homogenitas
maksimum dalam setiap kelompok dan minimum antar kelompok. Dalam setiap kelompok
ditempatkan satu set perlakuan secara acak sehingga banyaknya kelompok sama dengan
banyaknya ulangan.
RAK dipakai jika media tidak seluruhnya homogen, dimana petak percobaan dibagi
dalam blok/kelompok, antar kelompok tidak homogen, dalam satu kelompok relatif
homogen. Banyaknya ulangan dalam RAK sama dengan banyaknya kelompok dan banyaknya
ulangan dari seluruh perlakuan sama. Penempatan perlakuan dengan cara mengacak dalam
masing-masing kelompok.
Model matematiknya adalah :
Yij = + I + j+ ij

ALAT DAN BAHAN PRAKTIKUM

Alat yang digunakan dalam praktikum ini adalah : Komputer (PC atau Note Book) dan
alat tulis. Sedangkan bahan yang digunakan adalah : data hasil penelitian.

PROSEDUR KERJA MENGGUNAKAN EXEL

3. Penataan dan Analisis Data

Data (Yij) hasil percobaan ditata menurut table berikut :
4. Analisis Sidik Ragam (Ansira)
Analisis sidik ragam pengaruh perlakuan untuk RAK dilakukan menurut uji F berikut :

a. Faktor Koreksi (FK)

𝑇𝑖𝑗2
𝐹𝐾 =
𝑘𝑋𝑡
Rumus dengan menggunakan Ms. Excel adalah : =(F10^2)/(k X t)
b. Jumlah Kuadrat (JK)
𝐽𝐾 𝑇𝑜𝑡𝑎𝑙 = 𝑇(𝑌𝑖𝑗2) − 𝐹𝐾
= (𝑌112 + 𝑌122+ . . + 𝑌442 + 𝑌452) − 𝐹𝐾
Rumus dengan menggunakan Ms. Excel adalah : =SUMSQ(B5:E9)-F13
𝑇𝐾𝑖2
𝐽𝐾 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 − 𝐹𝐾
= 𝑡

𝑇𝐾12+ . . + 𝑇𝐾42
= − 𝐹𝐾
𝑡
 Rumus dengan menggunakan Ms.
Excel adalah :
=(SUMSQ(B10:E10)/t)-F13 − 𝐹𝐾

Rumus dengan menggunakan Ms. Excel adalah : =(SUMSQ(F5:F9)/k)-F13

JK Galat = JK Total – JK Kelompok – JK Perlakuan
Rumus dengan menggunakan Ms. Excel adalah : =K8-K5-K6
Perhatikan bahwa analisis jumlah kuadrat menurut metode RAK jika dibandingkan
dengan metode RAL perbedaannya hanya terletak pada ada tidaknya JK Kelompok
dan pada JK Galat.
5% F Tabel 1%
SK Db JK KT F Hitung
Kelom k-1 =(SUMSQ(B10: JK/ KTKelompok/KT =FINV(0.05,dBKelomp =FINV(0.01,dBKelompok
pok E10)/t)-H15 dB Galat ok,dBGalat) ,dBGalat)
Perlak t-1 =(SUMSQ(G5:G JK/ KTPerlakuan/KT =FINV(0.05,dBPerlakua =FINV(0.01,dBPerlakuan
uan 12)/r)-H15 dB Galat n,dBGalat) ,dBGalat)
Galat (kt- JK Total-JK JK/
1)- Kelompok-JK dB
(k-
Perlakuan
1)-
(n-
1)
Total kt-1 =SUMSQ(B5:F1
2)-H15
Hasil uji F ini menunjukkan derajat pengaruh perlakuan (dalam hal ini adalah hormon)
terhadap data hasil percobaan sebagai berikut :
(4) Perlakuan berpengaruh nyata (*) jika F Tabel 5% ≤ F Hitung ≤ F Tabel 1%
(5) Perlakuan berpengaruh sangat nyata (**) jika F Hitung ≥ F Tabel 1%
(6) Perlakuan berpengaruh tidak nyata (ns) jika F Hitung ≥ F Tabel 5%
Rumus dengan menggunakan Ms. Excel adalah : ==IF(M5>=P5;"**";IF(M5>=O5;"*";"ns"))

Koefisien Keragaman (KK)

Koefisien keragaman ini dinyatakan sebagai persen rerata dari rerata umum percobaan
sebagai berikut :
Rumus dengan menggunakan Ms. Excel adalah : =(L7^0.5)/(F10/(r*t))
TUGAS MAHASISWA
Jika percobaan pengaruh hormon pada Tugas Mahasiswa Praktikum I “Rancangan Acak Lengkap”
sebelumnya dilakukan menurut RAK.

PROSEDUR KERJA MENGGUNAKAN SPSS

Contoh Kasus
Tabel 1.3. Data produktivitas Padi pada berbagai Dosis Pupuk N
Dosis Pupuk N
Kelompok
N1 (10 g/tan) N2 (15 g/tan) N3 (20 g/tan)
1 25,40 23,40 20,00
2 26,31 21,80 22,20
3 24,10 23,50 19,75
4 23,14 22,75 20,60
5 25,10 21,60 20,40

Pengolahan Data
7. Pemasukan Data
- Membuka lembar kerja baru : klik menu utama FILE, klik submenu NEW, klik DATA.
- Mendefinisikan variabel : klik tab sheet VARIABLE VIEW di bagian kiri bawah.

Variabel Produktivitas
o Name. Letakkan pointer pada baris 1 di bawah kolom Name, klik ganda, ketik
Produktivitas.
o Type. Variabel Produktivitas merupakan data angka. Penentuan tipe data dilakukan
dengan membuka Variable Type pada kolom di kanan sel.
Klik Numeric
▪ Width. Ketik 8, hal ini artinya
variabel Produktivitas dapat ditulis
maksimum 8 digit.
▪ Decimal. Ketik 0, hal ini artinya
variabel Produktivitas tidak dapat
ditulis angka di bekalang koma.
Klik OK. Label. Kosongkan Label.
Abaikan bagian yang lainnya.
Variabel Dosis Pupuk N
o Name. Letakkan pointer pada baris 2 di bawah kolom Name, klik ganda, ketik
Dosis_Pupuk_N.
o Type. Variabel Dosis Pupuk N merupakan data yang berupa huruf, maka klik String.
Namun demikian, oleh karena pemasukan data untuk N1, N2, dan N3 dilakukan secara
bergantian dan berulang-ulang, maka untuk mempermudah dalam pemasukan data
dilakukan pengkodean, sehingga variabel Dosis Pupuk N merupakan data angka.
Penentuan tipe data dilakukan dengan membuka Variable Type pada kotak di kanan
sel.
 Klik Numeric
▪ Width. Ketik 1, hal ini artinya
variabel Dosis Pupuk N dapat
ditulis maksimum 1 digit.
▪ Decimal. Ketik 0, hal ini artinya
variabel Produktivitas tidak dapat
ditulis angka di bekalang koma.
Klik OK.
o Label. Kosongkan label.
o Values. Pengkodean data untuk ‘N1’, ‘N2’, dan ‘N3’ dilakukan dengan membuka
Values Labels. Klik pada kotak di kanan sel.
DOSIS PUPUK N1
Value. Nilai berupa angka, ketik angka
‘1’.
▪ Label. Keterangan untuk
nilai, ketik ‘N1’.
▪ Klik Add, maka akan tertulis
‘1 = N1’.
DOSIS PUPUK N2
Value. Nilai berupa angka, ketik angka
‘2’.
▪ Label. Keterangan untuk
nilai, ketik ‘N2’.
▪ Klik Add, maka akan tertulis
‘2 = N2’.
Dan seterusnya
o Missing. Oleh karena tidak ada data yang tidak lengkap, maka abaikan bagian ini.
o Column. Ketik 8. Hal ini berarti lebar kolom yang diperlukan dalam pemasukan data
adalah 8 digit.
o Align. Oleh karena data berupa huruf, maka posisi data adalah rata kiri. Klik Left pada
kotak di kanan sel.
o Measure. Dengan adanya pengkodeaan data maka variabel dosis pupuk N merupakan
data nominal. Klik Nominal pada kotak di kanan sel.

Variabel Kelompok
o Name. Letakkan pointer pada baris 3 di bawah kolom Name, klik ganda, ketik
Kelompok.
o Type. Variabel Kelompok merupakan data yang berupa huruf, maka klik String.
Namun demikian, oleh karena pemasukan data untuk Kelompok 1, Kelompok 2,
 Kelompok 3, Kelompok 4 dan Kelompok 5 dilakukan secara bergantian dan
berulang-ulang, maka untuk mempermudah dalam pemasukan data dilakukan
pengkodean, sehingga variabel Kelompok merupakan data angka. Penentuan
tipe data dilakukan dengan membuka Variable Type pada kotak di kanan sel.
Klik Numeric
▪ Width. Ketik 1, hal ini artinya
variabel Kelompok dapat ditulis
maksimum 1 digit.
▪ Decimal. Ketik 0, hal ini artinya
variabel Produktivitas tidak dapat
ditulis angka di bekalang koma.
Klik OK.
o Label. Kosongkan label.
o Values. Pengkodean data untuk ‘Kelompok 1’, ‘Kelompok 2’, ‘Kelompok 3’, ‘Kelompok
4’ dan ‘Kelompok 5’ dilakukan dengan membuka Values Labels. Klik pada kotak di
kanan sel.
KELOMPOK 1
Value. Nilai berupa angka, ketik angka
‘1’.
▪ Label. Keterangan untuk
nilai, ketik ‘Kelompok’.
▪ Klik Add, maka akan tertulis
‘1 = Kelompok 1’.
KELOMPOK 2
Value. Nilai berupa angka, ketik angka
‘2’.
▪ Label. Keterangan untuk
nilai, ketik ‘Kelompok 2’.
▪ Klik Add, maka akan tertulis
‘2 = Kelompok 2’.
Dan seterusnya
o Missing. Oleh karena tidak ada data yang tidak lengkap, maka abaikan bagian ini.
o Column. Ketik 8. Hal ini berarti lebar kolom yang diperlukan dalam pemasukan data
adalah 8 digit.
o Align. Oleh karena data berupa huruf, maka posisi data adalah rata kiri. Klik Left pada
kotak di kanan sel.
o Measure. Dengan adanya pengkodeaan data maka variabel dosis pupuk N merupakan
data nominal. Klik Nominal pada kotak di kanan sel.
8. Pengisian Data
- Klik tab sheet DATA VIEW di bagian kiri bawah.
- Letakkan pointer pada baris 1 kolom Produktivitas, ketik ke bawah sesuai data produksi
tersebut.
- Letakkan pointer pada baris 1 kolom Dosis_Pupuk_N, ketik ke bawah sesuai data Dosis Pupuk
N tersebut.
- Letakkan pointer pada baris 1 kolom Kelompok, ketik ke bawah sesuai dengan data Kelompok
tersebut.
9. Menyimpan Data
Klik menu utama FILE, pilih submenu SAVE ASS… , beri nama file dengan RAK_NRP.
10. Pengolahan Data
- Membuka file RAK_NRP.
- Klik menu utama ANALYZE, klik submenu GENERAL LINEAR MODEL, klik UNIVARIATE… .
o Dependent Variable : klik variabel
Produktivitas yang akan diuji, klik
tanda ‘>’, maka variabel
PRODUKTIVITAS akan berpindah ke
Dependent Variable.
o Fixed Factor. Pengelompokan
berdasarkan variabel DOSIS PUPUK
N dan KELOMPOK. Klik variabel
Dosis_Pupuk_N dan Kelompok, klik
tanda ‘>’, maka variabel DOSIS
PUPUK N dan KELOMPOK akan
berpindah ke Fixed Factor.
o Options. Pengisian pilihan lainnya.

- Model
▪ Specity Model. Klik Custom.
▪ Build Terms. Pilih Main
Effects.
▪ Factor & Covariates. Klik
Dosis_Pupuk_N masukkan
ke kolom Model dengan
mengklik tanda ‘>’, demikian
juga dengan variabel
Kelompok masukkan ke
kolom Model.
▪ Hilangkan tanda centang ( )
pada Include Intercept in
Model.
 ▪ Klik Continue.

- Post Hoc…. Digunakan untuk melakukan

perhitungan statistik lanjutan.
o Masukkan variabel Dosis Pupuk N
dan Kelompok ke kolom Post Hoc
Test for : , klik Dosis_Pupuk_N, klik
tanda ‘>’, demikian juga dengan
variabel kelompok.
o Equal Variances Assumed. Klik
Bonferroni dan Tukey.
o Klik Continue.

- Options. Digunakan untuk melakukan

perhitungan uji asumsi homogenitasan
ragam dan untuk menghitung deskriptif
dari setiap sampel berdasarkan
perlakuan.
o Centang ( ) Descriptive
statistics.
o Centang ( ) Homogeneity tests.
o Significance level. Tingkat
singnifikansi sebesar 5% atau
tingkat kepercayaan sebesar
95%.
o Klik Continue.

11. Hasil RAK

12. Output ANOVA

Hipotesis untuk uji Dosis Pupuk N
- H0 : Tidak terdapat perbedaan rata-rata signifikan antara produktivitas di N1, N2, dan N3.
- H1 : Terdapat perbedaan rata-rata signifikan antara produktivitas di N1, N2, dan N3.
Hipotesis untuk uji Kelompok
- H0 : Tidak terdapat perbedaan rata-rata signifikan antara produktivitas Kelompok 1, Kelompok
2, Kelompok 3, Kelompok 4, dan Kelompok 5.
- H1 : Terdapat perbedaan rata-rata signifikan antara produktivitas Kelompok 1, Kelompok 2,
Kelompok 3, Kelompok 4, dan Kelompok 5.

Uji Dosis Pupuk N

Level of Significant ( ) dan Degree of Freedom (df)
• Tingkat signifikansi ( ) : 0.05
• Tingkat Kebebasan (df) :
o Numerator : 3–1
o Denumerator : 7
• Ftabel : 4.46
Kriteria Pengujian
• Jika Fhitung> Ftabel atau probabilitas kesalahan < 0.05, maka H0 ditolak.
• Jika Fhitung ≤ Ftabel atau probabilitas kesalahan ≥ 0.05, maka H0 diterima.

Kesimpulan
Oleh karena Fhitung (18.549) > Ftabel (4.46) atau probabilitas kesalahan (0.001) < 0.05, maka
H0 ditolak. Dengan demikian terdapat perbedaan rata-rata produktivitas yang signifikan
antara N1, N2, dan N3.

Kelompok
Level of Significant ( ) dan Degree of Freedom (df)
• Tingkat signifikansi ( ) : 0.05
• Tingkat Kebebasan (df) :
o Numerator : 5–1
o Denumerator : 7
• F tabel : 3.64
Kriteria Pengujian
• Jika Fhitung> Ftabel atau probabilitas kesalahan < 0.05, maka H0 ditolak.
• Jika Fhitung ≤ Ftabel atau probabilitas kesalahan ≥ 0.05, maka H0 diterima.
Kesimpulan
Oleh karena Fhitung (0.658) < Ftabel (3.64) atau probabilitas kesalahan (0.638) > 0.05, maka H0
diterima. Dengan demikian tidak terdapat perbedaan rata-rata produktivitas yang
signifikan antara Kelompok 1, Kelompok 2, Kelompok 3, Kelompok 4, dan Kelompok 5.
 ACARA IX
RANCANGAN DASAR BUJUR SANGKAR LATIN

TUJUAN PRAKTIKUM

Setelah mengikuti praktikum Rancangan Percobaan, mahasiswa diharapkan dapat memahami

prinsip- prinsip Rancangan Petak Terbagi (RPB)(Split Plot Design) serta menganalisa data
secara Split Plot Design dengan menggunakan SPSS, sehingga mampu memilih dan
menggunakan Split Plot Designsebagai alat/sarana untuk melaksanakan
percobaannyasecara efektif, efisien dan benar, sehingga menghasilkan kesimpulan yang
benar dan tepat sebagai dasar penyusunan rekomendasi hasil penelitiannya untuk
diaplikasikan.

DASAR TEORI

Diasumsikan bahwa perlakuan merupakan kombinasi dari level-level satu factor

dengan factor yang lain menurut prosedur pengacakan sesuai dengan Rancangan Acak
Lengkap, Rancangan Acak Kelompok, atau Rancangan Bujur Sangkar Latin. Tetapi, masih
terdapat alternative prosedur pengacakan yang lain, diantaranya menghasilkan Rancangan
Petak Terbagi (Split Plot Design) yang sebenarnya merupakan percobaan factorial : factorial
AxB atau AxBxC. Perbedaanya terletak pada penempatan perlakuan ke dalam satuan-satuan
percobaan.
Percobaan Split Plot merupakan superimpose dari dua jenis satuan percobaan di mana
rancangan lingkungan untuk keduanya bisa sama ataupun berbeda. Satuan percobaan untuk
petak utama bisa dirancang dengan rancangan dasar RAL, RAK dan RBSL. Demikian juga
satuan percobaan anak petak bisa dirancang dengan ketiga rancangan dasar tersebut.
Kombinasi rancangan yang sering digunakan di bidang Pertanian adalah RAK baik untuk petak
utama maupun anak petaknya.
Alasan digunakannya rancangan Split Plot adalah sebagai berikut :
• Derajat ketepatan yang terbagi menjadi Petak Utama dan Anak Petak.
• Ukuran nisbi mengenai pengaruh utama.
• Praktek pengelolaan.
• Percobaan yang diulang pada beberapa : (a) Lokasi (Split in Space); (b) Waktu (Split in Time);
(c) atau pengamatan pada satuan percobaan yang sama dilakukan secara periodic
(hari, minggu, bulan, dan seterusnya).
Untuk memudahkan pemahaman proses pengacakan dan tata letak rancangan Split Plot
dengan rancangan dasar RAK pada petak utamanya, untuk lebih jelasnya perhatikan contoh
soal berikut; misalnya factor A (Pemupukan) terdiri dari 3 taraf (a = 3) dan factor B (Varietas)
terdiri dari 2 taraf (b
= 2) dan diulang (Kelompok/R) 3 kali (r = 3).

Model Linier
Aditif Yijk = + k + I + ik + j +( )ij + ijk
 Dengan i = 1,2,….,a ; j = 1,2,….,b ; k = 1,2,….,r
Yijk = pengamatan pada satuan percobaan ke-k yang memperoleh kombinasi perlakuan
taraf ke-i dari factor A dan taraf ke-j dari factor B.
= nilai rata-rata yang sesungguhnya (rata-rata populasi).
k = pengaruh additive dari kelompok ke-k.
I = pengaruh additive taraf ke-i dari factor A.
ik = pengaruh acak dari petak utama, yang muncul pada taraf ke-i dari factor A dalam
ulangan ke-k. Sering disebut Galat Petak Utama.
j = pengaruh additive taraf ke-j dari factor B.
( )ij = pengaruh additive taraf ke-i dari factor A dan taraf ke-j dari factor B.
ijk = pengaruh acak dari satuan percobaan ke-k yang memperoleh kombinasi perlakuan ij.
Sering disebut Galat Anak Petak.

PROSEDUR KERJA

Contoh Kasus
Penelitian dilakukan untuk mengetahui pengaruh system pengairan tanaman jagung dan
Varietas tanaman jagung terhadap berat pipilan kering. System pengairan ada 4 level, yakni
Tanpa Pengairan (A0), 1 kali pengairan (A1), 2 kali pengairan (A2), dan 3 kali pengairan (A3).
Varietas yang digunakan Varietas Bisi-2 (V1) dan Bisma (V2). Percobaan menggunakan
Rancangan Acak Kelompok.

Kelompok
Faktor A Faktor B
1 2 3
A0 V1 90.75 119.54 120.65
V2 77 83.44 97.8
A1 V1 126.67 140.41 145.59
V2 124 105 134.4
A2 V1 159.67 171.64 192.21
V2 111.95 122.45 135.65
A3 V1 179.95 185.67 187.65
V2 120.25 140.33 141.3

Pengolahan Data
1. Pemasukan Data
- Membuka lembar kerja baru : klik menu utama FILE, klik submenu NEW, klik DATA.
- Mendefinisikan variabel : klik tab sheet VARIABLE VIEW di bagian kiri bawah kanan.
 TANPA PENGAIRAN
Value. Nilai berupa angka, ketik angka
‘1’.
▪ Label. Keterangan untuk nilai, ketik
‘A0’.
▪ Klik Add, maka tertulis ‘1.00 = A0’.
PENGAIRAN 1
Value. Nilai berupa angka, ketik angka
‘2’.
▪ Label. Keterangan untuk nilai, ketik
‘A1’.
▪ Klik Add, maka tertulis ‘2.00 = A1’.
Dan
seterusnya.
VARIETAS BISI-
2
Value. Nilai berupa angka, ketik angka ‘1’.
o Label. Keterangan untuk nilai, ketik
‘V1’.
o Klik Add, maka tertulis ‘1.00 = V1’.
VARIETAS BISMA
Value. Nilai berupa angka, ketik angka ‘2’.
o Label. Keterangan untuk nilai, ketik
‘V2’.
o Klik Add, maka tertulis ‘2.00 = V2’.
Dan seterusnya.

KELOMPOK 1
Value. Nilai berupa angka, ketik angka ‘1’.
o Label. Keterangan untuk nilai, ketik ‘kel 1’.
o Klik Add, maka tertulis ‘1.00 = kel 1’.
KELOMPOK 2
Value. Nilai berupa angka, ketik angka ‘2’.
o Label. Keterangan untuk nilai, ketik ‘kel 2’.
o Klik Add, maka tertulis ‘2.00 = kel 2’.
Dan seterusnya.
2. Pengisian Data
3. Isilah data sesuai dengan petunjuk berikut :
4. Penyimpanan Data
Klik menu utama FILE, pilih submenu SAVE ASS..., beri nama file dengan Split Plot_NRP.
5. Pengolahan Data
- Membuka file Split Plot_NRP.
- Klik menu utama ANALYZE, klik submenu GENERAL LINEAR MODEL, klik UNIVARIATE… .
o Dependent Variable. Klik variabel Hasil
Panen yang akan diuji, klik tanda ‘>’,
maka variabel Hasil Panen akan
berpindah ke Dependent Variable.
o Fixed Factor. Pengelompokan
berdasarkan variabel FaktorA dan
Faktor B. Klik variabel Faktor_A dan
Faktor_B, klik tanda ‘>’, maka variabel
Faktor_A dan Faktor_B akan berpindah
ke Fixed Factor.
o Random Factor. Pengelompokan
berdasarkan variabel Kelompok. Klik
variabel Kelompok,klik tanda ‘>’, maka
variabel Kelompok akan berpindah ke
Random Factor.
o Options. Pengisian pilihan yang lain
- Klik Model.
o Specity Model. Klik Custom
o Build Term. Pilih Main Effects.
o Factor & Covariates. Klik Kelompok,
klik tanda ‘>’,sehingga variabek
Kelompok berpindah ke Model. Klik
Faktor_A, klik tanda ‘>’, sehingga
variabel Faktor_A berpindah ke
Model. Klik Faktor_A dan Kelompok,
klik ‘>’. Klik Faktor_B, klik tanda ‘>’. Klik
Faktor_A dan Faktor_B, klik tanda ‘>’.
o Hilangkan tanda centang (√) pada Include Intercept in Model.
o Klik Continue.

- Post Hoc.... . Digunakan untuk melakukan

perhitungan statistik lanjutan.
o Klik Faktor_A dan Faktor_B, klik
tanda ‘>’, sehingga variabel
Faktor_A dan Faktor_B masuk ke
kolom Post Hoc Test for : .
o Equal Variances Assumed. Klik Tukey.
o Significance Level. Signifikansi
sebesar 5% atau tingkat
kepercayaan sebesar 95%.
o Klik Continue.

- Options Digunakan untuk melakukan

perhitungan uji asumsi
homogentisan ragam dan
untuk menghitung deskriptif
dari setiap sampel
berdasarkan dua perlakuan.
o Masukkan semua variabel ke kolom
Display Means for : .
o Centang (√) Descriptive Statistics.
o Centang (√) Homogeneity tests.
o Significance Level. Tingkat
signifikansi 5% atau tingkat
kepercayaan sebesar 95%.
o Klik Continue.