Modul Praktikum Rancob

KACUNG HARIYONO
VEGA KARTIKA SARI

RIZA YULI RUSDIANA
PANDUAN PRAKTIKUM
PERANCANGAN PERCOBAAN
Oleh:
KACUNG HARIYONO
VEGA KARTIKA SARI
RIZA YULI RUSDIANA
PROGRAM STUDI AGRONOMI

FAKULTAS PERTANIAN
UNIVERSITAS JEMBER
2021
PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 2

KATA PENGANTAR
Puji syukur ke hadirat Allah SWT, yang telah memberikan rahmat-Nya

sehingga Pedoman Praktikum Perancangan Percobaan untuk mahasiswa/i Program
Studi Agronomi Fakultas Pertanian Universitas Jember ini dapat diselesaikan
dengan baik.
Pedoman Praktikum ini dibuat sebagai pedoman dalam melakukan kegiatan
praktikum yang merupakan kegiatan penunjang mata kuliah Rancangan Percobaan
pada Program Studi Agronomi Fakultas Pertanian Universitas Jember. Pedoman
Praktikum ini diharapkan dapat membantu mahasiswa/i dalam mempersiapkan dan
melaksanakan praktikum dengan lebih baik, terarah, dan terencana.
Pedoman Praktikum ini dilengkapi perhitungan secara manual menggunakan
excel dan menggunakan software SPSS. Penyusun berharap pedoman praktikum ini
dapat memberikan manfaat. Oleh karena itu, penyusun mengharapkan kritik dan
saran yang membangun guna penyempurnaan modul praktikum ini dimasa yang
akan datang. Akhir kata, penyusun mengucapkan banyak terima kasih kepada
semua pihak yang telah membantu baik secara langsung maupun tidak langsung.
Jember, Maret 2021
Tim Penyusun

PETUNJUK UMUM PRAKTIKUM
A. Ketentuan Umum
1. Praktikan yang berhak mengikuti praktikum Perancangan Percobaan
merupakan mahasiswa yang telah terdaftar pada matakuliah Perancangan
Percobaan.
2. Mahasiswa yang mengulang harus mengikuti praktikum lagi
3. Praktikan mengikuti seluruh kegiatan praktikum dan tata tertib selama
pelaksanaan praktikum
B. Pelaksanaan Praktikum
1. Setelah selesai praktikum harus menyerahkan hasil pekerjaan praktikum
kepada asisten yang bersangkutan.
2. Praktikan yang tidak menyerahkan hasil pekerjaan praktikum, tidak akan
memperoleh nilai untuk acara praktikum tersebut.
C. Tata Tertib Praktikum

1. Praktikan harus berpakaian rapi dan sopan.
2. Praktikan harus hadir 10 menit sebelum kegiatan praktikum.
3. Praktikan yang ijin tidak mengikuti praktikum wajib memberikan keterangan
tertulis.
4. Setiap praktikan diwajibkan mempunyai Buku Panduan Praktikum
Perancangan Percobaan, membawa kalkulator dan laptop yang terinstall
software SPSS.

DAFTAR ISI
Halaman
HALAMAN JUDUL .............................................................................................. 2

PETUNJUK PRAKTIKUM .................................................................................... 3
DAFTAR ISI ......................................................................................................... 4
PENGANTAR RANCANGAN PERCOBAAN ......................................................... 7
1.1 Pengantar Rancangan Percobaan .......................................................... 7
1.2 Latihan ..................................................................................................... 8
RANCANGAN ACAK LENGKAP ........................................................................... 9
2.1 Rancangan Acak Lengkap ...................................................................... 9
2.2 Analisis RAL Menggunakan Excel .......................................................... 9
2.3 Analisis RAL Menggunakan SPSS........................................................... 10
2.4 Latihan .................................................................................................... 13
PEMBANDINGAN BERGANDA ........................................................................... 14
3.1 Pembandingan Berganda ....................................................................... 14
3.2 Pembandingan Berganda Menggunakan Excel .................................... 14
3.3 Pembandingan Berganda Menggunakan SPSS .................................... 14
3.4 Latihan .................................................................................................... 18
RANCANGAN ACAK KELOMPOK ....................................................................... 19
4.1 Rancangan Acak Kelompok ................................................................... 19
4.2 Analisis RAK Menggunakan Excel ......................................................... 19
4.3 Analisis RAK Menggunakan SPSS .......................................................... 19
4.4 Latihan .................................................................................................... 25
PERCOBAAN FAKTORIAL................................................................................... 26
5.1 Percobaan Faktorial ................................................................................ 26
5.2 Analisis RAL Faktorial Menggunakan Excel........................................... 27
5.3 Analisis RAL Faktorial Menggunakan SPSS ........................................... 27
5.4 Analisis RAK Faktorial Menggunakan Excel .......................................... 32
5.5 Analisis RAK Faktorial Menggunakan SPSS........................................... 32
5.6 Latihan .................................................................................................... 41
RANCANGAN BUJUR SANGKAR LATIN............................................................. 43
6.1 Rancangan Bujur Sangkar Latin ............................................................. 43
6.2 Analisis RBSL Menggunakan Excel ........................................................ 44
6.3 Analisis RBSL Menggunakan SPSS ........................................................ 44
6.4 Latihan .................................................................................................... 49
PERCOBAAN SPLIT PLOT ................................................................................... 50
7.1 Percobaan Split Plot ............................................................................... 50

7.2 Analisis Split Plot Menggunakan Excel .................................................. 51
7.3 Analisis Split Plot Menggunakan SPSS .................................................. 51
KORELASI DAN REGRESI ................................................................................... 59
8.1 Korelasi.................................................................................................... 59
8.2 Korelasi Menggunakan SPSS ................................................................. 59
8.3 Regresi .................................................................................................... 63
8.4 Regresi Menggunakan SPSS.................................................................. 63
8.5 Latihan .................................................................................................... 68
DAFTAR PUSTAKA ............................................................................................. 69

MATERI - 1
PENGANTAR RANCANGAN PERCOBAAN
Kompetensi:
• Memahami konsep dasar rancangan percobaan
1.1 Pengantar Rancangan Percobaan

Perancangan percobaan merupakan suatu prosedur menggunakan statistik
yang digunakan untuk mengumpulkan (memperoleh) data yang memenuhi syarat
ilmiah dalam penelitian. Prosedur yang dimaksud yaitu menempatkan perlakuan-
perlakuan ke dalam satuan-satuan percobaan. Terdapat tiga unsur utama dalam
perancangan percobaan, yaitu:
a. Ulangan
b. Pengacakan
c. Pengendalian Lingkungan
Ulangan. Apabila suatu perlakuan terdapat lebih dari satu kali dalam suatu
percobaan, maka dikatakan terdapat ualnagan pada percobaan tersebut. Ulangan
adalah perlakuan yang sama muncul lebih dari satu kali. Ulangan adalah frekwensi
suatu perlakuan yang diteliti dalam percobaan. Ulangan diperlakukan untuk
meningkatkan ketelitian percobaan. Jumlah ulangan dalam suatu percobaan
tergantung dalam beberapa hal, diantaranya adalah tingkat ketelitian yang
dikehendaki, keragaman bahan dan lahan, serta kemampuan peneliti dalam
melaksanakan percobaan.
Pengacakan. Pengacakan adalah suatu proses yang membuat hukum-hukum
peluang dapat diterapkan sehingga analisa data menjadi sahih. Melalui pengacakan
setiap satuan percobaan mempunyai peluang yang sama unutk menerima suatu
perlakuan. Pengacakan dapat dikerjakan dengan cara undian (lotere) menggunakan
tabel angka acak. Pengacakan pada rancangan acak kelompok berbeda dengan
rancangan acak lengkap. Pada RAL pengacakan dilakukan secara lengkap pada
seluruh unit percobaan, sedangkan pada RAK harus dilakukan bertahap pada
masing-masing kelompok/ulangan.
Pengendalian lingkungan. Pengendalian lingkungan (local control) yaitu
usaha untuk mengendalikan keragaman yang muncul akibat keheterogenan kondisi
lingkungan. Usaha yang dilakukan adalah membuat pengelompokan satu arah, dua
arah, atau multi arah. Pengelompokan dikatakan berhasil jika keragaman dalam
kelompok lebih kecil dibandingkan keragaman antar kelompok. Pengelompokan
tegak lurus dengan arah keragaman unit percobaan.

Semua komponen dalam perencanaan dan pelaksanaan percobaan dipandang
sebagai satu kesatuan yang menentukan kualitas data yang diperoleh.
1.2 Latihan
1. Jelaskan perbedaan Rancangan Perlakuan (Treatment Design) dengan
Rancangan Lingkungan (Enviromental Design) beserta contohnya!
2. Seorang petani menanam tiga varietas kacang hijau yaitu siwalik, artoijo dan
bhakti yang ditempatkan pada tanaman kering. Ketiga varietas tersebut
diberikan pupuk phonska dengan tiga dosis yg berbeda: 150 kg/ha, 300 kg/ha,
dan 450 kg/ha. Masing-masing dosis diterapkan pada r unit eksperimen.
Kemudian di amati (unit amatan) tinggi dan jumlah polong tanaman kacang
hijau per 7 hari. Identifikasi istilah perancangan percobaan dalam studi kasus di
atas!
a. Perlakuan e. Variabel respon
b. Taraf f. Variabel kontrol
c. Level g. Variabel tak terkendali
d. Satuan percobaan

MATERI - 2
RANCANGAN ACAK LENGKAP
Kompetensi:
• Memahami konsep dasar rancangan percobaan menggunakan RAL
• Menganalisis RAL menggunakan Excel
• Menganalisis RAL menggunakan SPSS
• Menginterpretasi hasil analisis
2.1 Rancangan Acak Lengkap

Rancangan acak lengkap (RAL) merupakan rancangan lingkungan untuk
percobaan yang media atau lingkungannya homogen (laboratorium, net house dan
lingkungan percobaan terkendali lainnya). Seorang peneliti yang menginginkan
menggunakan RAL harus menguji terlebih dahulu semua faktor atau sumber
keragaman yang mungkin menyebabkan satuan percobaan tidak seragam, dan
harus mengambil langkah-langkah yang tepat guna mempertahankan
kehomogenan satuan percobaan. Bila hal ini tidak dimungkinkan, peneliti harus
mempertimbangkan untuk menggunakan rancangan percobaan lainnya.
Penempatan perlakuan pada satuan percobaan dilakukan secara acak
lengkap, yaitu semua satuan percobaan sebagai satu kesatuan dimana perlakuan-
perlakuan (sama maupun tidak) ditempatkan secara acak. RAL merupakan
rancangan percobaan paling sederhana dan beberapa keuntungan penggunaan
RAL, antara lain: keluwesan, tidak ada pembatasan dalam hal banyaknya perlakuan
ataupun ulangan dalam perlakuan; kemudahan dalam analisis, bahkan dengan
ulangan yang tidak sama. Kerugian penggunaan RAL adalah galat percobaan
mencakup seluruh keragaman antar unit percobaan kecuali yang disebabkan
perlakuan.
Model persamaan linier RAL:
𝑌!" = 𝜇 + 𝜏! + 𝑒!" dengan 𝑖 = 1,2, … , 𝑝 𝑗 = 1,2, … , 𝑛
dimana :
Yij = nilai pengamatan untuk perlakuan ke-i , ulangan ke-j
𝜇 = nilai rataan umum
𝜏! = pengaruh perlakuan ke-i
𝑒!" = galat percobaan untuk perlakuan ke-i , ulangan ke-j
2.2 Analisis RAL menggunakan Excel

Link contoh soal dan langkah penyelesaian menggunakan excel:
https://kawanda.unej.ac.id/s/C497wDHrrqmrKmc

2.3 Analisis RAL menggunakan SPSS
Suatu penelitian mempelajari kemampuan berproduksi varietas kacang hijau,
varietas yang dicobakan adalah V1, V2, V3, V4, V5, V6 dan V7 yang setiap perlakuan
diulang sebanyak 4 kali. Tempat percobaan merupakan tanah kering yang dianggap
homogen sehingga percobaan RAL sesuai digunakan. Sifat yang diamati adalah hasil
biji per hektar, tersusun pada tabel berikut:
Tabel 2.1 Hasil biji (ku/ha) varietas kacang hijau

Ulangan
Varietas
1 2 3 4
V1 6.7 6.5 6.9 7.1
V2 6.8 7.4 6.8 6.1
V3 9.3 10.7 10 9.2
V4 7.9 8.5 6.4 7.1
V5 7.5 7.1 6.8 5.9
V6 8.7 7.8 7.8 7.5
V7 7.1 6.8 5.8 7.1
Ingin diketahui apakah ada perbedaan pengaruh varietas kacang hijau terhadap
hasil biji per hektar?
Hipotesis :
H0: Perbedaan varietas kacang hijau tidak berpengaruh terhadap hasil biji per hektar
H1: Minimal terdapat satu varietas kacang hijau berpengaruh terhadap hasil biji per
hektar
Cara pengolahan data menggunakan SPSS:
1. Masukkan data pada Data View

2. Definisikan variabel data pada Variable View
3. Pada menu utama klik Analyze > Compare Means > One-Way ANOVA
4. Maka akan muncul tampilan One-Way ANOVA
5. Masukkan variabel respon yaitu Hasil_biji ke box Dependent List dan variabel
prediktor yaitu Varietas ke box Factor

6. Klik OK, maka hasil output akan muncul pada viewer output
Berikut output pengujian RAL faktor tunggal menggunakan SPSS

Tabel 2.2 Hasil pengujian RAL menggunakan SPSS
ANOVA
Hasil_biji
Sum of Squares df Mean Square F Sig.
Between Groups 30.400 6 5.067 12.708 .000
Within Groups 8.372 21 .399
Total 38.773 27
Ftabel = F0.05, 6, 21 = 2.57 Fhitung = 12.708
Sig.=p-value= 0.000
Kesimpulan:
a. Nilai F varietas (between group) sebesar 12.71 dibandingkan dengan F tabel
dengan 𝛼 = 0.05, derajat bebas df1= 6 dan df2= 21 yaitu sebesar F0.05, 6, 21 =
2.57, F > F0.05, 6, 21 maka tolak H0
b. Nilai Sig. dari varietas (between group) sebesar 0.000 dibandingkan dengan
𝛼 = 0.05 dimana Sig. < 𝛼 maka tolak H0

Interpretasi:
Tabel ANOVA menunjukkan terdapat pengaruh perlakuan yang signifikan secara
statistik terhadap hasil biji per hektar. Dibuktikan dengan nilai signifikansi < 𝛼 dan
begitu pula Fhitung > Ftabel sehingga dapat disimpulkan terdapat perbedaan
signifikan rata-rata hasil biji per hektar dari tujuh varietas kacang hijau atau minimal
terdapat satu varietas kacang hijau memiliki pengaruh signifikan terhadap hasil biji
per hektar.
2.4 Latihan
Percobaan untuk mencari lokasi yang sesuai memberikan hasil produksi gabah
tinggi digunakan 3 varietas padi penanaman yaitu A, B dan C dengan masing-masing
diulang lima kali. Uji metode tersebut diterapkan pada tipe lokasi yang relatif sama.
Selanjutnya diukur setelah panen, data yang terkumpul sebagai berikut:
Tabel 2.3 Hasil produksi gabah
Pengamatan
Varietas
1 2 3 4 5
A 18 20 15 18 21
B 10 16 12 13 15
C 21 25 18 23 20
a. Buatlah model linier dan hipotesisnya!

b. Buatlah tabel analisis ragamnya menggunakan SPSS!
c. Dengan 𝛼 = 0.05 apa kesimpulannya?

MATERI - 3
PEMBANDINGAN BERGANDA
Kompetensi:
• Memahami konsep dasar pembandingan berganda
• Melakukan uji pembandingan berganda menggunakan Excel
• Melakukan uji pembandingan berganda menggunakan SPSS
3.1 Pembandingan Berganda

Jika pada pengujian didapatkan hasil kesimpulan tolak H0 atau minimal
terdapat satu perlakuan berbeda nyata, maka selanjutnya perlu dilakukan uji lanjut
atau pembandingan berganda. Uji lanjut dilakukan guna menenetukan perlakuan
mana yang memberikan pengaruh berbeda nyata diantara perlakuan yang lain.
Perbandingan berganda adalah perbandingan nilai tengah perlakuan (rataan).
Metode yang digunakan dalam membandingan nilai tengah perlakuan adalah:
• Beda Nyata Terkecil (Least Significance Difference: LSD)
• Beda Nyata Jujur (Honest Significance Difference: HSD) atau Uji Tukey
• Duncan (Duncan’s Multiple Range Test: DMRT)
Pemilihan uji berganda yang sesuai digunakan sangat tergantung pada peneliti.
3.2 Pembandingan Berganda Menggunakan Excel

https://kawanda.unej.ac.id/s/BKpXntmyxH3XwYS
3.3 Pembandingan Berganda Menggunakan SPSS

Menggunakan data pada tabel 2.1 didapatkan kesimpulan terdapat perbedaan yang
signifikan secara statistik antara varietas sehingga perlu diketahui varietas mana
yang berbeda satu sama lain dengan melakukan uji berganda. Tahapan pengolahan
pembandingan berganda menggunakan SPSS sebagai berikut:

1. Pada tampilan One-Way ANOVA, pilih menu Post Hoc.
2. Maka akan muncul tampilan seperti di bawah ini, selanjutnya pilih

Duncan jika ingin melakukan uji berganda Duncan.
Klik
Contin
ue
3. Klik Continue dan selanjutnya klik OK maka hasil output akan

muncul pada viewer output.

Berikut output hasil pengujian berganda menggunakan Uji Duncan
Tabel 3.1 Hasil pengujian uji DMRT menggunakan SPSS
Hasil_biji
Duncana
Subset for alpha = 0.05
Varietas N 1 2 3
7.00 4 6.7000
2.00 4 6.7750
1.00 4 6.8000
5.00 4 6.8250
4.00 4 7.4750 7.4750
6.00 4 7.9500
3.00 4 9.8000
Sig. .133 .299 1.000
Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = 4.000.
Catatan: Angka yang tertera pada kolom 1, 2 dan 3 adalah rata-rata setiap perlakuan
(varietas). Rata-rata perlakuan yang berada di dalam satu kolom bermakna tidak
memiliki perbedaan signifikan, sedangkan berbeda kolom bermakna terdapat
perbedaan signifikan.
Interpretasi:
Rata-rata hasil biji kacang hijau dengan masing-masing empat ulangan paling banyak
dihasilkan oleh varietas 3 sebesar 9.8 ku/ha dan paling rendah diproduksi oleh
varietas 7 sebesar 6.7 ku/ha. Varietas kacang hijau no 1, 2, 4, 5 dan 7 tidak
memberikan pengaruh yang berbeda signifikan terhadap hasil biji per hektar. Begitu
juga dengan varietas kacang hijau no 4 dan 6 tidak berbeda signifikan terhadap hasil
biji. Varietas kacang hijau no 3 memberikan pengaruh yang berbeda terhadap hasil
biji per hektar dibandingkan ke-6 varietas lain yang menjadi perlakuan.
Berikut output hasil pengujian berganda menggunakan Uji Tukey
Tabel 3.2 Hasil pengujian uji Tukey menggunakan SPSS

Multiple Comparisons
Dependent Variable: Hasil_biji
Tukey HSD
Mean 95% Confidence Interval
Difference (I-
(I) Varietas (J) Varietas J) Std. Error Sig. Lower Bound Upper Bound
1.00 2.00 .02500 .44648 1.000 -1.4264 1.4764
3.00 -3.00000* .44648 .000 -4.4514 -1.5486
4.00 -.67500 .44648 .735 -2.1264 .7764
5.00 -.02500 .44648 1.000 -1.4764 1.4264
6.00 -1.15000 .44648 .184 -2.6014 .3014
7.00 .10000 .44648 1.000 -1.3514 1.5514

2.00 1.00 -.02500 .44648 1.000 -1.4764 1.4264
*
3.00 -3.02500 .44648 .000 -4.4764 -1.5736
4.00 -.70000 .44648 .703 -2.1514 .7514
5.00 -.05000 .44648 1.000 -1.5014 1.4014
6.00 -1.17500 .44648 .166 -2.6264 .2764
7.00 .07500 .44648 1.000 -1.3764 1.5264
3.00 1.00 3.00000* .44648 .000 1.5486 4.4514
2.00 3.02500* .44648 .000 1.5736 4.4764
4.00 2.32500* .44648 .001 .8736 3.7764
5.00 2.97500* .44648 .000 1.5236 4.4264
*
6.00 1.85000 .44648 .007 .3986 3.3014
7.00 3.10000* .44648 .000 1.6486 4.5514
4.00 1.00 .67500 .44648 .735 -.7764 2.1264
2.00 .70000 .44648 .703 -.7514 2.1514
3.00 -2.32500* .44648 .001 -3.7764 -.8736
5.00 .65000 .44648 .766 -.8014 2.1014
6.00 -.47500 .44648 .932 -1.9264 .9764
7.00 .77500 .44648 .601 -.6764 2.2264
5.00 1.00 .02500 .44648 1.000 -1.4264 1.4764
2.00 .05000 .44648 1.000 -1.4014 1.5014
3.00 -2.97500* .44648 .000 -4.4264 -1.5236
4.00 -.65000 .44648 .766 -2.1014 .8014
6.00 -1.12500 .44648 .202 -2.5764 .3264
7.00 .12500 .44648 1.000 -1.3264 1.5764
6.00 1.00 1.15000 .44648 .184 -.3014 2.6014
2.00 1.17500 .44648 .166 -.2764 2.6264
*
3.00 -1.85000 .44648 .007 -3.3014 -.3986
4.00 .47500 .44648 .932 -.9764 1.9264
5.00 1.12500 .44648 .202 -.3264 2.5764
7.00 1.25000 .44648 .122 -.2014 2.7014
7.00 1.00 -.10000 .44648 1.000 -1.5514 1.3514
2.00 -.07500 .44648 1.000 -1.5264 1.3764
3.00 -3.10000* .44648 .000 -4.5514 -1.6486
4.00 -.77500 .44648 .601 -2.2264 .6764
5.00 -.12500 .44648 1.000 -1.5764 1.3264
6.00 -1.25000 .44648 .122 -2.7014 .2014
*. The mean difference is significant at the 0.05 level.
Catatan:
Sig. : merupakan nilai signifikansi/ p-value perbandingan rata-rata antara varietas (I)
dan varietas (J). Jika Sig. kurang dari 𝛼 = 0.05 bermakna terdapat perbedaan antara
varietas (I) dan varietas (J).

Tabel 3.3 Ringkasan hasil pengujian uji Tukey menggunakan SPSS
Hasil_biji
a
Tukey HSD
Subset for alpha = 0.05
Varietas N 1 2
7.00 4 6.7000
2.00 4 6.7750
1.00 4 6.8000
5.00 4 6.8250
4.00 4 7.4750
6.00 4 7.9500
3.00 4 9.8000
Sig. .122 1.000
Catatan: Angka yang tertera pada kolom 1, 2 dan 3 adalah rata-rata setiap perlakuan
(varietas). Rata-rata perlakuan yang berada di dalam satu kolom bermakna tidak
memiliki perbedaan signifikan, sedangkan berbeda kolom bermakna terdapat
perbedaan signifikan.
Interpretasi:
Berdasarkan hasil uji Tukey menggunakan SPSS pada Tabel 3.2 dan Tabel 3.3
diketahui varietas kacang hijau no 1, 2, 4, 5, 6 dan 7 tidak memberikan pengaruh
yang berbeda signifikan terhadap hasil biji per hektar dan varietas kacang hijau no 3
memberikan pengaruh yang berbeda terhadap hasil biji per hektar dibandingkan
varietas lainnya.
3.4 Latihan
Lakukan uji pembandingan berganda pada Latihan 2.4

MATERI - 4
RANCANGAN ACAK KELOMPOK
Kompetensi:
• Memahami konsep dasar rancangan percobaan menggunakan RAK
• Menganalisis RAK menggunakan Excel
• Menganalisis RAK menggunakan SPSS
4.1 Rancangan Acak Kelompok

Rancangan Acak Kelompok (RAK) merupakan rancangan lingkungan untuk
percobaan yang media atau lingkungannya tidak memenuhi asumsi homogenitas.
Pengaruh akibat dari keragaman lain di luar dari faktor perlakuan dikendalikan
dengan cara penggelompokkan satu arah. Kelompok yang dibentuk sebaiknya
menghindari terjadi interaksi dengan perlakuan yang diberikan terhadap unit-unit
percobaan. Faktor-faktor acuan dalam pembuatan kelompok yaitu: kesuburan,
kelembaban, kemiringan tanah, arah penyebaran sinar matahari, aliran air, umur
dsb. Penempatan perlakuan ke dalam satuan percobaan dilakukan secara acak
lengkap per kelompok. Hal ini berarti media percobaan dibagi ke dalam kelompok-
kelompok dimana di dalam kelompok media percobaan bersifat homogen dan antar
kelompok media percobaan bersifat heterogen. Selanjutnya seluruh perlakuan
ditempatkan pada kelompok secara acak. Model persamaan linier RAK:
𝑌!" = 𝜇 + 𝜏! + 𝛽" + 𝑒!" dengan 𝑖 = 1,2, … , 𝑝 𝑗 = 1,2, … , 𝑟
dimana :
Yij = nilai pengamatan untuk perlakuan ke-i , kelompok ke-j
𝜏! = pengaruh perlakuan ke-i
𝛽" = pengaruh kelompok ke-j
𝑒!" = galat percobaan untuk perlakuan ke-i , kelompok ke-j
4.2 Analisis RAK Menggunakan Excel

https://kawanda.unej.ac.id/s/9jHNWCE5HjYE7t6
4.3 Analisis RAK Menggunakan SPSS

Suatu percobaan dilakukan untuk menentukan pengaruh delapan varietas jagung
(perlakuan) terhadap hasil bobot tongkol kering menggunakan rancangan
percobaan RAK dengan 5 kelompok disusun pada tabel 4.1! Berikan kesimpulan hasil
pengujian menggunakan 𝛼 = 0.05 !

Tabel 4.1 Hasil pengujian varietas jagung (ku/ha, tongkol kering)
Kelompok
Varietas
1 2 3 4 5
PS 42 44 42 36 44 35
BC 36 45 34 36 31
Metro 25 29 27 29 26
Kretek 34 38 37 32 36
DK 37 H 70 76 68 60 66
AD 13 18 15 20 25
TKCI 31 44 25 38 45
KD 26 27 18 27 21
• Hipotesis perlakuan:
H0: Perbedaan varietas jagung tidak berpengaruh terhadap hasil produksi
H1: Minimal terdapat satu varietas jagung berpengaruh terhadap hasil produksi
• Hipotesis kelompok:
H0: Perbedaan kelompok tidak berpengaruh terhadap hasil produksi
H1: Minimal terdapat satu kelompok berpengaruh terhadap hasil produksi

1. Masukkan data pada Data View.

2. Definisikan variabel data pada Variable View.
3. Pada menu utama klik Analyze > General Linier Model > Univariate.
4. Maka akan muncul tampilan Univariate

5. Masukkan variabel respon yaitu Hasil_biji ke box Dependent Variable serta
Kelompok dan Perlakuan ke box Fixed Factor. Pemilihan Fixed Factor dan
Random Factor bergantung pada penentuan variabel prediktor. Jika level/
taraf dari variabel prediktor sudah ditetapkan oleh peneliti (tidak dapat
digeneralisasi untuk penelitian lain) maka pilih Fixed Factor. Namun, jika Jika
level/ taraf dari variabel prediktor dipilih secara acak oleh peneliti (dapat
digeneralisasi untuk penelitian lain) maka pilih Random Factor. Kemudian
klik Model untuk memilih Factor yang menjadi sumber keragaman di tabel
ANOVA.
6. Setelah klik Model, akan muncul tampilan Univariate: Model seperti di

bawah ini

7. Pilih Build terms, kemudian Build Term(s) type yaitu Main effects selanjutnya
masukkan Kelompok dan Perlakuan dari box Factors & Covariates ke box
Model. Klik Continue
a
c
b
8. Klik OK, maka hasil output akan muncul pada viewer output.

Berikut output pengujian RAK faktor tunggal menggunakan SPSS:
Tabel 4.2 Hasil pengujian RAK menggunakan SPSS
Tests of Between-Subjects Effects
Dependent Variable: Hasil
Type III Sum of
Source Squares df Mean Square F Sig.
a
Corrected Model 8152.025 11 741.093 35.904 .000
Intercept 51051.025 1 51051.025 2473.274 .000
Kelompok 226.850 4 56.713 2.748 .048
Perlakuan 7925.175 7 1132.168 54.850 .000
Error 577.950 28 20.641
Total 59781.000 40
Corrected Total 8729.975 39
a. R Squared = .934 (Adjusted R Squared = .908)
Ftabel = F0.05, 7, 28 = 2.36
Kesimpulan:
a. Nilai F untuk kelompok sebesar 2.748 dibandingkan dengan F tabel dengan
𝛼 = 0.05, derajat bebas df1= 4 dan df2= 28 yaitu sebesar F0.05, 4, 28 = 2.71, F >
F0.05, 4, 28 maka tolak H0
b. Sig. untuk kelompok sebesar 0.048 dibandingkan dengan = 0.05 dimana Sig.
< 𝛼 maka tolak H0
c. Nilai F untuk perlakuan sebesar 54.850 dibandingkan dengan F tabel dengan
F0.05, 7, 28 maka tolak H0
d. Sig. untuk perlakuan sebesar 0.000 dibandingkan dengan 𝛼 = 0.05 dimana
Sig. < 𝛼 maka tolak H0
Interpretasi:
Berdasarkan nilai F dan Sig. dari tabel ANOVA diketahui terdapat pengaruh
perbedaan varietas jagung yang signifikan secara statistik terhadap hasil tongkol
kering (ku/ha). Atau dapat disimpulkan minimal ada satu varietas jagung dari
ketujuh varietas yang berpengaruh nyata terhadap hasil panen jagung.

4.4 Latihan
Suatu percobaan dilakukan untuk menentukan penggunaan benih padi IR8 yang
optimal per hektar. Rancangan yang digunakan RAK dengan empat kelompok. Hasil
percobaan (kg/ ha, gabah kering panen) sebagai berikut:
Tabel 4.3 Hasil pengujian benih padi (kg/ha, gabah kering)

Perlakuan Kelompok
Benih kg/ha I II III IV
25 5.1 5.3 5.3 4.6
50 5.3 5.9 4.7 4.2
75 5.2 5.7 5.4 4.7
100 5.1 4.8 4.9 4.4
125 4.8 4.8 4.4 4.7
150 5.2 4.5 4.9 4.0
a. Lakukan pengacakan RAK dan gambarkan denah layout pengacakannya

b. Buatlah model linier dan hipotesisnya!
c. Buatlah tabel analisis ragamnya menggunakan SPSS! Dengan 𝛼 = 0.05 apa
kesimpulannya?
d. Tentukan respon hasil terhadap tingkat pemakaian benih! Apa
kesimpulannya?

MATERI - 5
PERCOBAAN FAKTORIAL
Kompetensi:
• Memahami konsep dasar rancangan perlakuan
• Menganalisis rancangan faktorial menggunakan Excel
• Menganalisis rancangan faktorial menggunakan SPSS
5.1 Percobaan Faktorial

Percobaan faktorial adalah percobaan yang menggunakan lebih dari satu
faktor dengan perlakuan yang merupakan kombinasi dari level-level satu faktor
dengan level-level faktor lain. Faktor-faktor yang dilibatkan bersifat saling bersilang
(bukan tersarang) sehingga tanpa ada kepentingan antara faktor lain.
Pada percobaan faktorial dikenal adanya interaksi antar faktor utama. Yang
perlu diketahui tentang interaksi ialah, ada atau tidak adanya pengaruh-pengaruh
utama tidak menyatakan tentang ada atau tidaknya interaksi. Ada atau tidak adanya
interaksi tidak menyatakan ada atau tidak adanya pengaruh- pengaruh utama.
Dengan adanya interaksi yang nyata, faktor-faktor menjadi tidak bebas satu dengan
lainnya; pengaruh-pengaruh sederhana dari suatu faktor berbeda dan besarnya
sembarang pengaruh sederhana tergantung pada taraf faktor yang lain dari faktor
yang berinteraksi. Jika interaksi tidak nyata, dapat disimpulkan bahwa faktor-faktor
bersifat saling bebas; pengaruh sederhana suatu faktor sama besarnya pada faktor
yang lainnya.
Terdapat tiga kemungkinan dimana interaksi nyata dalam percobaan
faktorial 2x2, sebagai berikut:
1. Interaksi nyata, kedua pengaruh utama tidak nyata
2. Interaksi dan salah satu pengaruh utama nyata
3. Interaksi dan kedua pengaruh utama nyata.
Beberapa keuntungan penting dalam percobaan faktorial adalah:
1. Fleksibilitas
2. Dapat digunakan di hampir semua rancangan percobaan
3. Interaksi berbagai faktor dapat diteliti lebih lanjut
4. Bila tidak ada interaksi (interaksi tidak nyata), suatu percobaan faktorial setara
dengan percobaan faktor tunggal yang dilakukan secara simultan.
Kerugian percobaan faktorial mencakup:
1. Analisis akan lebih sulit bila terdapat data hilang
2. Apabila faktor yang digunakan semakin banyak, hasil percobaan mungkin
lebih sulit untuk diinterpretasikan, lebih-lebih apabila interaksi tidak nyata

3. Karena sedikitnya harus ada 2 ulangan diperlukan untuk menduga
keragaman galat percobaan, ukuran percobaan dapat menjadi besar apabila
jumlah faktor ataupun taraf juga besar.
Teladan:
Percobaan yang terdiri atas 2 faktor, yaitu:
• Faktor A (varietas), terdiri atas 2 level: Varietas a0 dan a1
• Faktor B (dosis pemupukan nitrogen), terdiri atas: b0, b1 dan b2
Persamaan model linier percobaan faktorial dua faktor dalam RAL:
𝑌!"# = 𝜇 + 𝛼! + 𝛽" + (𝛼𝛽)!" + 𝑒!"#
dengan 𝑖 = 1,2, … , 𝑎 𝑗 = 1,2, … , 𝑏 𝑘 = 1,2, … , 𝑛
Persamaan model linier percobaan faktorial dua faktor dalam RAK:
𝑌!"# = 𝜇 + 𝜌# + 𝛼! + 𝛽" + (𝛼𝛽)!" + 𝑒!"#
dengan 𝑖 = 1,2, … , 𝑎 𝑗 = 1,2, … , 𝑏 𝑘 = 1,2, … , 𝑟
dimana :
Yijk = nilai pengamatan untuk faktor A level ke-i, faktor B level ke-j dan ulangan
ke-k
𝜌# = pengaruh kelompok ke-k
𝛼! = pengaruh faktor A pada level ke-i
𝛽" = pengaruh faktor B pada level ke-j
(𝛼𝛽)!" = interaksi AB pada faktor A level ke-i dan faktor B level ke-j
𝑒!"# = galat percobaan untuk level ke-i (A) , level ke-j (B) dan kelompok ke-k
Perlakuan-perlakuan tersebut selanjutkan ditempatkan pada media yang
disesuaikan dengan kondisi keragaman satuan percobaan. Jika satuan percobaan
homogen, maka rancangan lingkungan RAL lebih sesuai. Namun, jika satuan
percobaan heterogen, maka rancangan lingkungan RAK lebih sesuai.
5.2 Analisis RAL Faktorial menggunakan Excel

https://kawanda.unej.ac.id/s/QDEAei4P8drHs7A
5.3 Analisis RAL Faktorial menggunakan SPSS

Suatu percobaan dilakukan di pot untuk mempelajari pengaruh pemberian kapur
(CaCO3) dan Phospat (P) terhadap hasil tanaman kacang tanah. Pemberian kapur
terdiri dari 2 level yaitu: 0 gr/pot (Ca0) dan 4 gr/pot (Ca1). Pemberian pupuk P terdiri
dari 3 level yaitu: 0.00 gr P205/ (p0), 1.75 gr P205/ (p1) dan 3.50gr P205/ (p2)

Tabel 5.1 Hasil biji kering (gr/pot)
Ulangan
Perlakuan
1 2 3 4
Ca0 p0 22 28 27 28
Ca0 p1 19 23 27 19
Ca0 p2 26 29 28 32
Ca1p0 27 21 24 21
Ca1 p1 38 25 29 37
Ca1 p2 40 34 27 22
Dari data di atas tentukan apakah ada interaksi antara Ca dan P disamping pengaruh
utama Ca dan P!
Hipotesis pemberian kapur (CaCO3):

H0: Tidak terdapat perbedaan antara pemberian kapur 4 gr/pot dan tanpa
pemberian kapur terhadap hasil berat biji kering kacang tanah
H1: Terdapat perbedaan antara pemberian kapur 4 gr/pot dan tanpa pemberian
kapur terhadap hasil berat biji kering kacang tanah
Hipotesis pemberian phospat (P):
H0: Perbedaan level phospat tidak berpengaruh terhadap hasil biji kering kacang
tanah
H1: Minimal terdapat satu level phospat berpengaruh terhadap hasil biji kering
kacang tanah
Hipotesis interaksi kapur (CaCO3) dan phospat (P):
H0: Tidak terdapat interaksi antara pemberian kapur dan phospat terhadap hasil
berat biji kering kacang tanah
H1: Terdapat interaksi antara pemberian kapur dan phospat terhadap hasil berat biji
kering kacang tanah

3. Maka akan muncul tampilan Univariate

4. Masukkan variabel respon yaitu Hasil_biji_kering ke box Dependent Variable
serta Ca dan P ke box Fixed Factor. Kemudian klik Model untuk memilih Factor
yang menjadi sumber keragaman di tabel ANOVA.
5. Setelah klik Model, akan muncul tampilan Univariate: Model seperti di bawah ini.
Pilih Full Factorial pada menu Specify Model, selanjutnya klik Continue.

Untuk pilihan Model di atas yaitu Full Factorial, maka sumber keragaman pada
tabel ANOVA adalah Ca, P dan Interaksi Ca dan P.
Berikut output pengujian RAL faktorial menggunakan SPSS:
Tabel 5.2 Hasil pengujian RAL faktorial menggunakan SPSS

Dependent Variable: Hasil_biji_kering
Type III Sum
Source of Squares df Mean Square F Sig.
a
Corrected Model 336.208 5 67.242 2.897 .043
Intercept 17767.042 1 17767.042 765.546 .000
Ca 57.042 1 57.042 2.458 .134
p 100.083 2 50.042 2.156 .145
Ca * p 179.083 2 89.542 3.858 .040
Error 417.750 18 23.208
Total 18521.000 24
Ftabel = F0.05, 1, 18 = 4.41

Kesimpulan:
a. Nilai F untuk Ca sebesar 2.458 dibandingkan dengan F tabel dengan 𝛼 =
0.05, derajat bebas df1= 1 dan df2= 18 yaitu sebesar F0.05, 1, 18 = 4.41, F < F0.05, 1, 18

maka terima H0. Begitu juga nilai Sig. untuk Ca sebesar 0.134 dibandingkan
dengan = 0.05 dimana Sig. > 𝛼 maka terima H0.
b. Nilai F untuk P sebesar 2.156 dibandingkan dengan F tabel dengan 𝛼 = 0.05,
derajat bebas df1= 2 dan df2= 18 yaitu sebesar F0.05, 2, 18 = 3.55, F < F0.05, 2, 18
maka terima H0. Begitu juga nilai Sig. untuk P sebesar 0.145 dibandingkan
dengan 𝛼 = 0.05 dimana Sig. > 𝛼 maka terima H0.
c. Nilai F untuk interaksi Ca dan P sebesar 3.858 dibandingkan dengan F tabel
dengan 𝛼 = 0.05, derajat bebas df1= 2 dan df2= 18 yaitu sebesar F0.05, 2, 18 =
3.55, F > F0.05, 2, 18 maka tolak H0. Begitu juga nilai Sig. untuk interaksi sebesar
0.040 dibandingkan dengan 𝛼 = 0.05 dimana Sig. < 𝛼 maka tolak H0
Interpretasi:
Hasil berat biji kering dari tanaman kacang tanah tidak dipengaruhi oleh perbedaan
level pemberian kapur (CaCO3) begitu juga dengan perbedaan level-level pemberian
Phospat (P). Namun, interaksi pemberian kapur (CaCO3) dan Phospat (P) memiliki
pengaruh yang signifikan terhadap hasil berat biji kering kacang tanah.
5.4 Analisis RAK Faktorial menggunakan Excel

https://kawanda.unej.ac.id/s/EWk2JbHkKwxbjfB
5.5 Analisis RAK Faktorial menggunakan SPSS

Suatu percobaan bertujuan untuk mengetahui pengaruh varietas dan pupuk
nitrogen terhadap hasil panen padi (ton/ ha). Perlakuan yang digunakan yaitu tiga
jenis varietas padi (6966, P1215936 dan Milfor (6(2)) dan lima dosis pupuk nitrogen
(0 kg/ ha, 40 kg/ha, 70 kg/ha, 100 kg/ha dan 130 kg/ha). Lahan percobaan merupakan
lahan petak miring (barat-timur) sehingga pengelompokkan diupayakan tegak lurus
utara-selatan dengan membagi empat kelompok. Tentukan pengaruh interaksi
antara varietas dan pupuk!
Tabel 5.3 Hasil produksi padi (ton/ha)

Kelompok
Varietas Nitrogen
1 2 3 4
N0 3.852 2.606 3.144 2.894
N1 4.788 4.936 4.562 4.608
V1 N2 4.576 4.454 4.884 3.924
N3 6.034 5.276 5.906 5.652
N4 5.874 5.916 5.984 5.518
N0 2.846 3.794 4.108 3.444
V2
N1 4.956 5.128 4.150 4.990

Kelompok
Varietas Nitrogen
1 2 3 4
N2 5.928 5.698 5.810 4.308
N3 5.664 5.362 6.458 5.474
N4 5.458 5.546 5.786 5.932
N0 4.192 3.754 3.738 3.428
N1 5.250 4.582 4.896 4.286
V3 N2 5.822 4.848 5.678 4.932
N3 5.888 5.524 6.042 4.756
N4 5.864 6.264 6.056 5.362
Hipotesis varietas:
H0: Perbedaan jenis varietas tidak berpengaruh terhadap hasil produksi padi
H1: Minimal terdapat satu jenis varietas berpengaruh terhadap hasil produksi padi
Hipotesis nitrogen:
H0: Perbedaan level nitrogen tidak berpengaruh terhadap hasil produksi padi
H1: Minimal terdapat satu level nitrogen berpengaruh terhadap hasil produksi padi
Hipotesis interaksi varietas dan nitrogen:
H0: Tidak terdapat interaksi antara varietas dan nitrogen terhadap hasil produksi
padi
H1: Terdapat interaksi antara varietas dan nitrogen terhadap hasil produksi padi


4. Maka akan muncul tampilan Univariate.

5. Masukkan variabel respon yaitu Hasil ke box Dependent Variable serta
Varietas, Nitrogen dan Kelompok ke box Fixed Factor. Kemudian klik Model
untuk memilih Factor yang menjadi sumber keragaman di tabel ANOVA.

bawah ini. Pilih Build terms pada menu Specify Model. Kemudian pilih Main
effects dan masukkan Kelompok, Varietas dan Nitrogen ke box Model.
Selanjutnya pilih Interaction dan masukkan Varietas dan Nitrogen (blok
keduanya) ke box Model, lanjutkan klik Continue.

a
7. Setelah klik Continue akan muncul tampilan Univariate. Jika akan melakukan
uji berganda, klik Post Hoc

8. Maka akan muncul tampilan Univariate: Post Hoc Multiple Comparisons for
Observed Means
9. Masukkan variabel prediktor yaitu Varietas dan Nitrogen ke dalam box Post
Hoc Tests for: untuk mengetahui perlakuan yang memberikan pengaruh
berbeda terhadap variabel respon. Selanjutnya pilih uji pembandingan
berganda yang akan digunakan, misal uji Duncan. Kemudian klik Continue.

10. Maka akan muncul tampilan Univariate selanjutnya klik OK
11. Maka hasil output akan muncul pada viewer output.

Berikut output pengujian RAK faktorial menggunakan SPSS:
Tabel 5.4 Hasil pengujian RAK faktorial menggunakan SPSS

Dependent Variable: Hasil
Type III Sum
Source of Squares df Mean Square F Sig.
a
Corrected Model 47.178 17 2.775 18.347 .000
Intercept 1474.014 1 1474.014 9745.090 .000
Kelompok 2.600 3 .867 5.729 .002
Varietas 1.053 2 .526 3.480 .040
Nitrogen 41.235 4 10.309 68.153 .000
Varietas * Nitrogen 2.291 8 .286 1.893 .087
Error 6.353 42 .151
Total 1527.544 60
Ftabel = F0.05, 2, 42 = 3.22
Kesimpulan:
a. Nilai F untuk Kelompok sebesar 5.729 dibandingkan dengan F tabel dengan
F0.05, 3, 42 maka tolak H0. Begitu juga nilai Sig. untuk Kelompok sebesar 0.002
dibandingkan dengan = 0.05 dimana Sig. < 𝛼 maka tolak H0.
b. Nilai F untuk Varietas sebesar 3.480 dibandingkan dengan F tabel dengan
F0.05,2,42 maka tolak H0. Begitu juga nilai Sig. untuk Varietas sebesar 0.040
dibandingkan dengan 𝛼 = 0.05 dimana Sig. < 𝛼 maka tolak H0.
c. Nilai F untuk Nitrogen sebesar 68.153 dibandingkan dengan F tabel dengan
F0.05,4,42 maka tolak H0. Begitu juga nilai Sig. untuk Nitrogen sebesar 0.000
dibandingkan dengan 𝛼 = 0.05 dimana Sig. < 𝛼 maka tolak H0.
d. Nilai F untuk interaksi Varietas dan Nitrogen sebesar 1.893 dibandingkan
dengan F tabel dengan 𝛼 = 0.05, derajat bebas df1= 8 dan df2= 42 yaitu
sebesar F0.05, 8, 42 = 2.17, F > F0.05, 8, 42 maka gagal tolak H0. Begitu juga nilai Sig.
untuk interaksi sebesar 0.087 dibandingkan dengan 𝛼 = 0.05 dimana Sig. > 𝛼
maka gagal tolak H0
Interpretasi:
Berdasarkan hasil pengujian diketahui pengaruh kelompok signifikan yang berarti
keputusan tepat untuk melakukan penggelompokkan terhadap lingkungan.

Pengaruh utama memiliki pengaruh nyata terhadap hasil panen padi. Perbedaan
varietas padi berpengaruh nyata terhadap hasil panen padi begitu juga perbedaan
level pupuk nitrogen memiliki pengaruh yang signifikan terhadap hasil panen.
Interaksi diantara varietas dan pupuk nitrogen tidak memiliki pengaruh yang
signifikan terhadap hasil panen.
Tabel 5.5 Hasil pengujian DMRT perlakuan varietas menggunakan SPSS

Hasil
Duncana,b
Subset
Varietas N 1 2
6966 20 4.76940
P1215936 20 5.04200
Milfor (6(2) 20 5.05810
Sig. 1.000 .896
Based on observed means.
The error term is Mean Square(Error) = .151.
b. Alpha = 0.05.
Interpretasi:
Rata-rata hasil panen padi (ton/ha) paling banyak dihasilkan pada varietas milfor
(6(2) sebesar 5.06 ton/ha dan hasil paling rendah pada varietas 6966 sebesar 4.77
ton/ha. Varietas P1215936 dan Milfor (6(2) tidak memberikan pengaruh yang
berbeda signifikan terhadap hasil panen padi. Namun kedua varietas tersebut
memberikan pengaruh berbeda signifikan dibandingan varietas 6966 terhadap hasil
panen padi.
Tabel 5.6 Hasil pengujian uji DMRT perlakuan nitrogen menggunakan SPSS
Hasil
Duncana,b
Subset
Nitrogen N 1 2 3
0 kg/ha 12 3.48333
40 kg/ha 12 4.76100
70 kg/ha 12 5.07183
100 kg/ha 12 5.66967
130 kg/ha 12 5.79667
Sig. 1.000 .057 .428
Based on observed means.
The error term is Mean Square(Error) = .151.
b. Alpha = 0.05.

Interpretasi:
Terdapat perbedaan pengaruh perlakuan tanpa pemberian pupuk nitrogen dengan
pemberian nitrogen terhadap hasil panen padi. Pemberian nitrogen sebanyak 40
kg/ha dan 70 kg/ha tidak memberikan pengaruh berbeda terhadap hasil panen,
begitu juga dengan pemberian nitrogen sebanyak 100 kg/ha dan 130 kg/ha. Rata-
rata hasil panen padi (ton/ha) paling banyak dihasilkan pada perlakukan pemberian
130 kg/ha pupuk nitrogen sebesar 5.8 ton/ha dan hasil paling rendah pada perlakuan
tanpa pemberian pupuk nitrogen sebesar 3.48 ton/ha.
5.6 Latihan
1. Data di bawah ini juga untuk mengetahui pengaruh jenis insektida dan dosis
insektida terhadap serangan wereng kedelai
Tabel 5.7 Persentase serangan wereng kedelai

Ulangan
Insektisida Dosis
1 2 3 4
d1 21 19 20 16
I1 d2 12 14 10 11
d3 6 4 8 10
d1 18 15 16 19
I2 d2 14 17 18 16
d3 10 8 9 12
d1 15 16 18 14
I3 d2 10 9 12 9
d3 6 5 4 6
d1 16 18 19 14
I4 d2 14 16 18 15
d3 16 12 14 17
Keterangan: I = insektida dengan 4 jenis
D = dosis, rendah (d1) sedang (d2), tinggi (d3)
a. Rancangan apakah yang digunakan dalam percobaan di atas? Jelaskan!

b. Gambar respons masing-masing jenis insektida terhadap level dosis! Apakah
kesimpulannya?
c. Lakukan analisis dan susun tabel analisisnya! Dengan 𝛼 =0.05, berikan
kesimpulannya!
d. Lakukan pengujian berganda!

2. Data di bawah ini juga untuk mengetahui pengaruh pupuk terhadap hasil
beberapa varietas padi.
Tabel 5.8 Hasil panen padi (ton/ha)
Kelompok
Pupuk Varietas
1 2 3
IR-64 6.69 5.52 6.02
N
S-969 11.37 9.03 6.86
IR-64 2.68 3.18 3.59
P
S-969 5.94 5.85 4.86
IR-64 8.36 9.53 7.61
K
S-969 11.71 9.70 11.29
a. Rancangan apakah yang digunakan dalam percobaan di atas? Jelaskan!

b. Gambar respons masing-masing jenis insektida terhadap level dosis! Apakah
kesimpulannya?
c. Lakukan analisis dan susun tabel analisisnya! Dengan 𝛼 =0.05, berikan
kesimpulannya!
d. Lakukan pengujian berganda!

MATERI - 6
RANCANGAN BUJUR SANGKAR LATIN
Kompetensi:
• Memahami konsep dasar rancangan percobaan menggunakan RBSL
• Menganalisis RBSL menggunakan Excel dan SPSS serta menginterpretasi
hasil analisis
6.1 Rancangan Bujur Sangkar Latin

Rancangan Bujur Sangkar Latin (RBSL) digunakan jika keragaman penelitian
tidak dapat dikendalikan hanya dengan penggelompokkan satu arah. Rancangan
lingkungan ini mengendalikan keragaman dengan penggelompokkan gradien dua
arah yaitu, arah menurut baris dan arah menurut lajur. Penulisan secara umum yaitu
RBSL r x r yang artinya RBSL dengan r buah baris dan r buah kolom. RBSL
mempunyai beberapa persyaratan yang harus dipenuhi yaitu banyaknya perlakuan
yang diberikan harus sama dengan banyaknya ulangan, pengacakan dibatasi
dengan pengelompokan dan perlakuan hanya boleh muncul sekali pada setiap abris
dan setiap kolom.
Kelemahan menggunakan RBSL adalah pertama, kurang efektif untuk
percobaan dengan jumlah perlakuan yang besar, karena banyaknya baris dan kolom
yang harus sama, maka unit percobaan yang dibutuhkan semakin banyak; kedua,
semakin banyak kelompok, maka semakin besar galat per unit percobaannya;
ketiga, pengacakan lebih rumit karena memiliki dua arah pengelompokan dengan
syarat perlakuan tidak boleh muncul lebih dari sekali pada kolom dan baris yang
sama.
Keuntungan menggunakan RBSL adalah berkurangnya keragaman galat
karena menggunakan dua buah pengelompokan, pengaruh perlakuan dapat
dilakukan untuk percobaan skala kecil, analisis dan interpreetasinya relative mudah.
Berikut beberapa contoh percobaan yang dapat menggunakan RBSL:
§ Penelitian di daerah perbukitan: arah kemiringan dan arah mata angin
§ Pengujian varietas jagung terhadap dosis pemupukan dimana menggunakan
pengelompokan lima cara pemupukan dan lima orang tenaga kerja
Model persamaan linier RBSL faktor tunggal:
𝑌!"(#) = 𝜇 + 𝜌! + 𝛾" + 𝜏# + 𝑒!"# dengan 𝑖 = 𝑗 = 𝑘 = 1,2, … , 𝑟
dimana :
Yij = nilai pengamatan pada baris ke-i , kolom ke-j untuk perlakuan ke-k
𝜌! = pengaruh baris ke-i

𝛾" = pengaruh kolom ke-j
𝜏# = pengaruh perlakuan ke-k
𝑒!"# = galat percobaan pada baris ke-i , kolom ke-j untuk perlakuan ke-k
6.2 Analisis RBSL Menggunakan Excel

https://kawanda.unej.ac.id/s/yPFBjCAZNMNJmBH
6.3 Analisis RBSL Menggunakan SPSS

Data hasil percobaan jarak tanam pada tanaman Millet dengan menggunakan RBSL
sedangkan perlakuan jarak tanam yang dicobakan sebanyak 5 jenis yaitu 1:5 cm; 2:10
cm; 3:15 cm; 4:20 cm; 5:25 cm.
Tabel 6.1 Hasil (gr/ petak) Tanaman Millet dengan RBSL

Kolom
Baris
1 2 3 4 5
1 257(B) 230(E) 279(A) 287(C) 202(D)
2 245(D) 283(A) 245(E) 280(B) 260(C)
3 182(E) 252(B) 280(C) 246(D) 250(A)
4 203(A) 204(C) 227(D) 193(E) 257(B)
5 231(C) 271(D) 266(B) 334(A) 338(E)
Keterangan: A,B, C, D dan E merupakan perlakuan
Hipotesis baris:
H0: baris tidak berpengaruh terhadap hasil tanaman millet
H1: minimal terdapat satu baris berpengaruh terhadap hasil tanaman millet
Hipotesis kolom:
H0: kolom tidak berpengaruh terhadap hasil tanaman millet
H1: minimal terdapat satu kolom berpengaruh terhadap hasil tanaman millet
Hipotesis perlakuan:
H0: perlakuan tidak berpengaruh terhadap hasil tanaman millet
H1: minimal terdapat satu perlakuan berpengaruh terhadap hasil tanaman millet

3. Klik kolom values pada baris perlakuan dan ketik angka 1 pada value dan A
pada label yang menunjukkan pada variabel perlakuan angka 1 adalah
perlakuan A, dst. Hingga tampilan sebagai berikut:

kemudian klik OK

6. Masukkan variabel respon yaitu hasil_tanaman ke box Dependent Variable
serta baris, kolom dan perlakuan ke box Fixed Factor. Kemudian klik Model
untuk memilih Factor yang menjadi sumber keragaman di tabel ANOVA.

bawah ini. Pilih Build terms pada menu Specify Model. Kemudian pilih Main
effects dan masukkan baris, kolom dan perlakuan ke box Model dan klik
Continue.

Berikut output pengujian RBSL faktor tunggal menggunakan SPSS:

Tabel 6.2 Hasil pengujian RBSL menggunakan SPSS

Dependent Variable: hasil_tanaman
Type III Sum of
a
Corrected Model 23964.720 12 1997.060 1.905 .139
Intercept 1588608.160 1 1588608.160 1514.990 .000
baris 13741.840 4 3435.460 3.276 .049
kolom 6108.240 4 1527.060 1.456 .276
perlakuan 4114.640 4 1028.660 .981 .454
Error 12583.120 12 1048.593
Total 1625156.000 25
Ftabel = F0.05, 4, 12 = 3.26

Kesimpulan:
a. Nilai F untuk baris sebesar 3.276 dibandingkan dengan F tabel dengan 𝛼 =
0.05, derajat bebas df1= 4 dan df2= 12 yaitu sebesar F0.05, 4, 28 = 3.26, F >
F0.05,4,12 maka tolak H0. Begitu juga nilai Sig. untuk baris sebesar 0.049
dibandingkan dengan = 0.05 dimana Sig. < 𝛼 maka tolak H0
b. Nilai F untuk kolom dan perlakuan masing-masing 1.456 dan 0.981
dibandingkan dengan F tabel sebesar 3.26, F < F0.05,4,12 maka terima H0. Nilai
Sig. untuk kolom dan perlakuan sebesar 0.276 dan 0.454 dibandingkan
dengan 𝛼 = 0.05 dimana Sig. > 𝛼 maka terima H0
Interpretasi:
Berdasarkan nilai F dan Sig. dari tabel ANOVA diketahui terdapat pengaruh
perbedaan baris yang signifikan secara statistik terhadap hasil tanaman millet.
Namun, kolom dan perlakuan tidak berpengaruh secara signifikan terhadap hasil
tanaman millet.
6.4 Latihan
Percobaan untuk mengetahui pengaruh insektisida terhadap hasil padi dengan 5
perlakuan yaitu A = Kontrol, B = Insektisida FCe; C= Insektisida EC, D= Insektisida
BHC, dan E = Insektisida DDT. Percobaan dilakukan menggunakan rancangan RBSL
dan diulang sebanyak 5 kali.
Tabel 6.3 Hasil produksi padi (t/ha)
Kolom
Baris
1 2 3 4 5
1 3.51 3.92 3.73 3.91 3.54
2 3.53 3.06 4.02 3.63 4.05
3 4.84 3.87 4.25 3.64 3.21
4 4.55 3.52 3.44 3.05 4.52
5 3.30 4.13 3.60 4.01 3.50
a. Lakukan pengacakan RBSL dan gambarkan denah layout

pengacakannya
b. Buatlah model linier dan hipotesisnya!
c. Buatlah tabel analisis ragamnya menggunakan SPSS! Dengan 𝛼 =
0.05 apa kesimpulannya?

MATERI - 7
PERCOBAAN SPLIT PLOT
Kompetensi:
• Memahami konsep dasar percobaan split plot
• Menganalisis percobaan split plot menggunakan Excel
• Menganalisis percobaan split plot menggunakan SPSS
• menginterpretasi hasil analisis
7.1 Percobaan Split Plot

Percobaan petak terbagi (split plot experiment) merupakan rancangan
perlakuan faktorial, percobaan dua faktor A x B. Perbedaan dengan percobaan
faktorial yaitu penempatan perlakuan ke dalam satuan percobaan. Pada rancangan
ini dikenal adanya petak utama (main plot) dan anak petak (sub plot). Tujuan
penggunaan percobaan split plot:
1. Terdapat tingkat kepentingan dari faktor-faktor dalam percobaan
2. Pengembangan dari percobaan yang sudah berjalan
3. Kendala pengacakan di lapangan
Percobaan split plot dapat diterapkan pada rancangan lingkungan RAL, RAK dan
RBSL. Perlu diperhatikan bahwa pengacakan dilakukan dalam dua tahap, yaitu:
1. Faktor yang ditempatkan pada petak utama diacak lebih dahulu
2. Faktor yang ditempatkan pada anak petak diacak pada setiap petak utama.
Teladan:
Dilakukan penelitian ingin mempelajari pengaruh sistem pengairan dan pemupukan
N terhadap hasil tanaman jagung. Terdapat tiga cara pengairan yaitu a1, a2 dan a3
dan lima level pemupukan yaitu b0, b1, b2, b3 dan b4. Jika menggunakan rancangan
percobaan RAK Faktorial, peluang air masuk dari petak 1 ke petak 2 sangat besar.
Tindakan pencegahan air tidak merembes akan membutuhkan biaya dan tenaga
yang besar. Oleh karena itu, dalam satu sistem pengairan ditempatkan semua level
dosis pemupukan N sehingga percobaan akan lebih mudah dan efisien.
a2 a3 a1
I b2 b0 b1 b4 b3 b1 b4 b3 b2 b0 b4 b1 b3 b2 b0
a3 a1 a2
II b1 b0 b4 b3 b2 b3 b4 b1 b2 b0 b2 b0 b1 b4 b3
a1 a3 a2
III b0 b4 b3 b1 b2 b2 b3 b0 b4 b1 b3 b1 b0 b2 b4
Gambar 7.1 Layout untuk percobaan petak terbagi, perlakuan utama menurut RAK

7.2 Analisis Split Plot Menggunakan Excel
https://kawanda.unej.ac.id/s/b4TgimzDA4LWG5k
7.3 Analisis Split Plot Menggunakan SPSS

Penelitian bertujuan untuk mengetahui pengaruh pupuk terhadap hasil
beberapa varietas padi dengan menggunakan rancangan perlakuan split plot
dan rancangan lingkungan RAK.
Tabel 7.1 Hasil panen padi (ton/ha)
Kelompok
Pupuk Varietas
1 2 3
IR-64 6.69 5.52 6.02
N
S-969 11.37 9.03 6.86
IR-64 2.68 3.18 3.59
P
S-969 5.94 5.85 4.86
IR-64 8.36 9.53 7.61
K
S-969 11.71 9.70 11.29
Pengaruh kelompok
𝐻& : 𝛾' = 𝛾( = ⋯ = 𝛾# = 0 (kelompok tidak berpengaruh terhadap respon)
𝐻' : minimal ada satu 𝛾# ≠ 0 , 𝑘 = 1,2, … , 𝑟
Pengaruh petak utama (pupuk)
𝐻& : 𝜏' = 𝜏( = ⋯ = 𝜏) = 0 (pupuk tidak berpengaruh terhadap respon)
𝐻' : minimal ada satu 𝜏! ≠ 0 , 𝑖 = 1,2, … , 𝑎
Pengaruh anak petak (varietas)
𝐻& : 𝛽' = 𝛽( = ⋯ = 𝛽* = 0 (varietas tidak berpengaruh terhadap respon)
𝐻' : minimal ada satu 𝛽" ≠ 0, 𝑗 = 1,2, … , 𝑏
Pengaruh interaksi pupuk dan varietas
𝐻& : (𝛼𝛽)!" = 0 untuk semua i, j (interaksi pupuk dan varietas tidak berpengaruh
terhadap respon)
𝐻' : minimal ada satu (𝛼𝛽)!" ≠ 0, 𝑖 = 1,2, … , 𝑎 𝑗 = 1,2, … , 𝑏


3. Klik kolom values pada baris pupuk dan ketik angka 1 pada value dan N pada
label yang menunjukkan pada variabel perlakuan angka 1 adalah perlakuan
pupuk N, dst. Hingga tampilan sebagai berikut:
kemudian klik OK.
4. Klik kolom values pada baris varietas dan ketik angka 1 pada value dan IR-64
pada label yang menunjukkan pada variabel perlakuan angka 1 adalah
perlakuan varietas IR-64, dst. Hingga tampilan sebagai berikut:
kemudian klik OK.

7. Masukkan Masukkan variabel respon yaitu hasil_panen_padi ke box

Dependent Variable serta pkelompok, pupuk dan varietas ke box Fixed
Factor. Kemudian klik Model untuk memilih Factor yang menjadi sumber
keragaman di tabel ANOVA.

bawah ini. Pilih Build terms pada menu Specify Model.
• Untuk sumber keragaman petak utama:
pilih Main effects à masukkan kelompok dan pupuk
pilih interaction à masukkan kelompok dan pupuk (blok keduanya)
• Untuk sumber keragaman anak petak:
pilih Main effects à masukkan varietas
pilih interaction à masukkan pupuk dan varietas (blok keduanya)
masing-masing masukkan ke box Model: dengan meng-klik 2x atau meng-klik
tanda panah.

a
Selanjutnya klik Continue.

Berikut output pengujian Split Plot RAK menggunakan SPSS:
Tabel 7.2 Hasil pengujian Split Plot RAK menggunakan SPSS

Dependent Variable: hasil_panen_padi
Type III Sum of
a
Corrected Model 125.420 11 11.402 7.886 .010
Intercept 935.858 1 935.858 647.242 .000
kelompok 3.594 2 1.797 1.243 .354
pupuk 87.107 2 43.554 30.122 .001
kelompok * pupuk 3.849 4 .962 .666 .639
varietas 30.498 1 30.498 21.093 .004
pupuk * varietas .372 2 .186 .129 .882
Error 8.675 6 1.446
Total 1069.954 18
Pada hasil output di atas disusun menjadi tabel ANOVA split plot RAK seperti
dibawah ini:
Tabel 7.3 Anova split plot RAK pupuk dan varietas
Sumber Jumlah Kuadrat
db F Sig.
keragaman kuadrat Tengah
Petak Utama
Kelompok 2 3.594 1.797 1.243 0.354
Pupuk 2 87.107 43.554 30.122 0.001
Galat petak utama 4 3.849 0.962
(kelompok*pupuk)
Anak Petak
Varietas 1 30.498 30.498 21.093 0.004
Pupuk*varietas 2 0.372 0.186 0.129 0.882
Galat anak petak 6 8.675 1.446
Total 18
Ftabel = F0.05, 2, 4 = 6.944

Interpretasi:
Dari percobaan di atas diketahui pupuk berbeda nyata terhadap hasil panen padi
dibuktikan dengan nilai F sebesar 43.554 lebih besar dari F0.05, 2, 4 sebesar 6.944
atau nilai Sig. sebesar 0.001 lebih kecil dari 0.05. Pengaruh anak petak yaitu varietas
berbeda nyata terlihat dari nilai F sebesar 21.092 lebih besar dari F0.05, 1,6 sebesar
5.987 atau nilai Sig. sebesar 0.004 lebih kecil dari 0.05. Namun, interakasi antara
pupuk dan varietas tidak berbeda nyata terhadap hasil panen dibuktikan dengan
nilai Sig. sebesar 0.882 lebih besar dari 0.05.

MATERI - 8
KORELASI DAN REGRESI
Kompetensi:
• Memahami konsep dasar korelasi dan regresi
• Menganalisis korelasi dan regresi menggunakan SPSS
8.1 Korelasi
Penelitian yang bertujuan untuk mengetahui hubungan keeratan variabel
tanpa memperhatikan adanya hubungan sebab akibat adalah analisis korelasi.
Hubungan dua variabel dinyatakan dengan koefisien korelasi (r), yang juga dikenal
dengan koefisien korelasi pearson (Pearson Product-moment correlation coefficient),
dimana –1 ≤ r ≤ +1. Jika koefisien korelasi r sebesar ±1 maka terdapat keeratan
hubungan antar kedua variabel yang kuat sehingga JK [Galat] = 0. Jika koefisien
korelasi r sebesar 0 maka dapat dikatakan bahwa kedua peubah tidak berkorelasi.
Tanda (+) dan (-) pada koefisien korelasi menunjukkan arah hubungan kedua
variabel, tanda negatif (-) menunjukkan hubungan yang berkebalikan (artinya
semakin meningkat nilai suatu variabel maka variabel lainnya semakin menurun)
dan tanda (+) menunjukkan hubungan yang searah (artinya semakin meningkat nilai
suatu variabel maka variabel lainnya ikut meningkat).
Hipotesis pengujian korelasi
H0 : Tidak terdapat hubungan antara variabel X dan variabel Y (ρ = 0)
H1 : Terdapat hubungan antara variabel X dan variabel Y ( ρ ≠ 0)
8.2 Korelasi Menggunakan SPSS

Ingin diketahui hubungan linier antara dosis pupuk dan tinggi tanaman, dan
didapatkan data sebagai berikut:
Tabel 8.1 Dosis pupuk dan tinggi tanaman

dosis pupuk 64 61 84 70 88 92 72 77
tinggi
tanaman 20 16 34 23 27 32 18 22
Hipotesis:
H0 : Tidak terdapat hubungan antara variabel dosis pupuk dengan tinggi tanaman
H1 : Terdapat hubungan antara variabel dosis pupuk dengan tinggi tanaman

3. Pada menu utama klik Analyze > Correlate > Bivariate.

5. Masukkan variabel tinggi_tanaman dan dosis_pupuk ke box Variables:.

Kemudian pilih Pearson pada pilihan Correlation Coefficients dan Two-tailed
pada Test of Significance.

Berikut output analisis korelasi menggunakan SPSS:

Tabel 8.2 Hasil analisis korelasi menggunakan SPSS
Correlations
dosis_pupuk tinggi_tanaman
dosis_pupuk Pearson Correlation 1 .862**
Sig. (2-tailed) .006
N 8 8
**
tinggi_tanaman Pearson Correlation .862 1
Sig. (2-tailed) .006
N 8 8
**. Correlation is significant at the 0.01 level (2-tailed).
Kesimpulan:
a. Nilai Pearson Correlation merupakan koefisien korelasi yaitu sebesar 0.862
b. nilai Sig. sebesar 0.006 dibandingkan dengan = 0.05 dimana Sig. < 𝛼 maka
tolak H0
Interpretasi:
Berdasarkan nilai Sig. 0.006 lebih kecil dari 𝛼 (0.05) sehingga dapat disimpulkan
terdapat keeratan hubungan antara dosis pupuk dan tinggi tanaman. Nilai koefisien
korelasi sebesar 0.862 yang berarti terdapat korelasi kuat diantara kedua variabel
tersebut dan semakin banyak dosis pupuk semakin tinggi tanaman.

8.3 Regresi
Regresi merupakan suatu analisis yang digunakan untuk mengetahui
hubungan dan pengaruh antara variabel respon atau Y (variabel yang nilainya akan
diestimasi/ yang dipengaruhi oleh variabel x) dan variabel prediktor (variabel yang
mempengaruhi variabel y). Pada regresi terdapat hubungan sebab-akibat. Apabila
suatu regresi linier hanya menggunakan satu variabel prediktor, maka Regresi Linier
ini disebut Regresi Linier Sederhana, sedangkan yang menggunakan lebih dari satu
variabel prediktor disebut dengan Regresi Linier Berganda. Model regresi yang
terbentuk harus memenuhi asumsi klasik. Pengujian asumsi klasik meliputi
normalitas, homoskedastisitas, non multikolinieritas dan non autokorelasi.
Model persamaan untuk regresi linier sederhana:
Y = b 0 + b1 X + e
Model persamaan untuk regresi linier berganda:
Y = b0 + b1X1 + b2X2 + …+bkXk +e
Keterangan:
Y = nilai dari variabel dependen
X = nilai dari variabel independen
b0 = intersep/ perpotongan garis regresi dengan sumbu Y
bj = koefisien regresi/ kemiringan dari garis regresi/ untuk mengukur kenaikan atau
penurunan variabel Y untuk setiap perubahan satu satuan variabel X, dimana j = 1, 2,
…, k
e = galat/ error
8.4 Regresi Menggunakan SPSS

Penelitian ingin mengetahui kandungan kimia dalam daun tembakau, di ambil
sampel daun tembakau sebanyak 14 daun. Ingin diketahui apakah Y: kandungan
gula dalam daun (%) dipengaruhi oleh 𝑋' : Kandungan Nitrogen (%) dan 𝑋( :
Kandungan Chlorine (%). Data hasil penelitian disajikan pada Tabel 8.3
Tabel 8.3 Kandungan kimia daun tembakau

No. Y X1 X2 No. Y X1 X2
1 18.56 2.08 2.68 8 17.31 1.72 2.24
2 18.56 2.2 3.17 9 14.32 2.53 1.74
3 14.52 2.87 2.67 10 15.05 1.9 1.46
4 18.52 1.88 2.58 11 14.47 2.18 0.74
5 17.84 1.93 2.26 12 18.55 1.98 2.9
6 13.38 2.57 1.74 13 18.74 1.89 2.82
7 14.66 2.5 2.07 14 16.62 2.07 2.81

Hipotesis:
H0 : kandungan nitrogen dan kandungan chlorine tidak berpengaruh terhadap
kandungan gula dalam daun tembakau
H1 : kandungan nitrogen dan kandungan chlorine berpengaruh terhadap kandungan
gula dalam daun tembakau


3. Pada menu utama klik Analyze > Regression > Linier.
4. Maka akan muncul tampilan Linier Regression.
5. Masukkan variabel kandungan_gula ke box Dependent dan

kandungan_nitrogen dan kandungan chlorine ke box Independent(s).

Berikut output analisis regresi menggunakan SPSS:

Tabel 8.4 Koefisien keragaman regresi
Model Summary
R Std. Error of the
Model R Square Adjusted R Square Estimate
a
1 .942 .887 .866 .73438
a. Predictors: (Constant), kandungan_chlorine, kandungan_nitrogen
Interpretasi:
Variasi/ keragaman variabel respon (kandungan gula) dapat dijelaskan oleh variabel
prediktor (kandungan nitrogen dan kandungan chlorine) sebesar 88.7% sedangkan
11.3% dijelaskan oleh variabel/faktor luar yang tidak diikutsertakan ke dalam model
regresi.
Tabel 8.5 Hasil uji simultan

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 46.337 2 23.168 42.959 .000b
Residual 5.932 11 .539
Total 52.269 13
a. Dependent Variable: kandungan_gula
b. Predictors: (Constant), kandungan_chlorine, kandungan_nitrogen

Kriteria Keputusan :
• F hitung > F tabel (Fα,k,n-k-1), maka tolak H0
k = banyaknya variabel independen; n= banyaknya sampel
• Jika Sig. < α , maka Tolak H0
H0 : β0 = β1 = β2 = 0
H1 : β0 ≠ β1 ≠ β2 ≠ 0
dalam kasus ini, sig. (0.000) ≤ α (0.05) dan Fhitung (42.959) > F0.05,2,11 (3.98), maka
Tolak H0
Interpretasi:
Variabel kandungan nitrogen dan kandungan chlorine secara bersama-sama
berpengaruh terhadap kandungan gula dalam daun tembakau.
Tabel 8.6 Hasil uji parsial

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 20.188 1.604 12.584 .000
kandungan_nitrogen -3.701 .618 -.614 -5.988 .000
kandungan_chlorine 1.901 .307 .635 6.189 .000
a. Dependent Variable: kandungan_gula
Kriteria Keputusan :
• |t hitung| > t tabel (tα/2,n-k-1), maka tolak H0
k = banyaknya variabel independen; n= banyaknya sampel
• Jika Sig. < α , maka Tolak H0
H0 : β1 = 0
H1 : β1 ≠ 0
t hitung (5.988) > t0.025,11 (2.59) dan Nilai sig. (0.000) ≤ α (0.05) maka Tolak H0
Interpretasi: terdapat pengaruh kandungan nitrogen terhadap kandungan gula
dalam daun tembakau.
H0 : β2 = 0
H1 : β2 ≠ 0
t hitung (5.988) > t0.025,11 (2.59) dan Nilai sig. (0.000) ≤ α (0.05) maka Tolak H0

Interpretasi: terdapat pengaruh kandungan chlorine terhadap kandungan gula
dalam daun tembakau.
Model Persamaan Regresi:

Gula = 20.188 – 3.701 nitrogen + 1.901 chlorine
Interpretasi:
Setiap penambahan 1% nitrogen akan menurunkan 3.701% kandungan gula dalam
daun tembakau jika variabel lain bernilai konstan dan setiap penambahan 1%
chlorine akan meningkatkan 1.901% kandungan gula dalam daun tembakau jika
variabel lain bernilai konstan.
8.5 Latihan
Suatu studi yang mempelajari hubungan antara biji buah (buah) dan bobot buah
(gram), dilakukan dengan megobservasi buah pada 30 tanaman tomat; dan hasilnya
disajikan pada tabel berikut:
Tabel 8.7 Hasil pengamatan buah pada tanaman tomat
X Y X Y
Tanaman Tanaman
Biji Bobot Biji Bobot
1 41 140 16 48 130
2 68 210 17 45 135
3 45 138 18 17 114
4 47 145 19 20 116
5 65 162 20 19 124
6 46 142 21 36 136
7 67 170 22 50 142
8 42 124 23 39 120
9 67 158 24 21 120
10 56 154 25 44 160
11 64 162 26 53 158
12 56 150 27 63 145
13 59 140 28 29 130
14 34 120 29 25 125
15 42 128 30 69 175
a. Lakukan pengujian untuk mengetahui keeratan hubungan antara banyaknya

biji buah dan bobot buah. Apa makna hasil koefisien korelasinya?
b. Apakah ada pengaruh antara banyaknya biji buah dengan bobot buah?
c. Berapa besar variasi keragaman bobot buah yang dapat dijelaskan oleh
banyaknya biji buah?

DAFTAR PUSTAKA
IBM SPSS Software. https://www.ibm.com/analytics/spss-statistics-software

Gomez, KA., dan Gomez, AA. 1984. Statistical Procedures for Agricultural Research
Second Edition. Canada: John Wiley & Sons, Inc.
Gupta, VK., Parsad, R., Bhar, LM., Mandal, BN. 2016. Statistical Analysis of
Agricultural Experiments Part – I: Single Factor Experiments. New Delhi: ACAR-
Indian Agricultural Statistics Research Institute.
Harsojuwono, B.A., dan Puspawati, G.A.K.D. 2011. Rancangan Percobaan: Teori,
Aplikasi SPSS dan Excel. Lintas Kata Publishing.
Nugroho, S. 2008. Dasar-Dasar Rancangan Percobaan. Bengkulu: UNIB Press.
Yitnosumarto, S. 1990. Percobaan: Perancangan, Analisis, dan Interpretasinya.
Jakarta: PT Gramedia.

Modul Praktikum Rancob

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul Praktikum Rancob

Diunggah oleh

Hak Cipta:

Format Tersedia

KACUNG HARIYONO

VEGA KARTIKA SARI

PROGRAM STUDI AGRONOMI

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 2

Puji syukur ke hadirat Allah SWT, yang telah memberikan rahmat-Nya

Jember, Maret 2021

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 3

C. Tata Tertib Praktikum

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 4

HALAMAN JUDUL .............................................................................................. 2

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 5

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 6

1.1 Pengantar Rancangan Percobaan

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 7

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 8

2.1 Rancangan Acak Lengkap

2.2 Analisis RAL menggunakan Excel

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 9

Tabel 2.1 Hasil biji (ku/ha) varietas kacang hijau

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 10

4. Maka akan muncul tampilan One-Way ANOVA

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 11

Berikut output pengujian RAL faktor tunggal menggunakan SPSS

Ftabel = F0.05, 6, 21 = 2.57 Fhitung = 12.708

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 12

a. Buatlah model linier dan hipotesisnya!

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 13

3.1 Pembandingan Berganda

3.2 Pembandingan Berganda Menggunakan Excel

3.3 Pembandingan Berganda Menggunakan SPSS

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 14

2. Maka akan muncul tampilan seperti di bawah ini, selanjutnya pilih

3. Klik Continue dan selanjutnya klik OK maka hasil output akan

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 15

Berikut output hasil pengujian berganda menggunakan Uji Tukey

Tabel 3.2 Hasil pengujian uji Tukey menggunakan SPSS

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 16

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 17

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 18

4.1 Rancangan Acak Kelompok

4.2 Analisis RAK Menggunakan Excel

4.3 Analisis RAK Menggunakan SPSS

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 19

Cara pengolahan data menggunakan SPSS:

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 20

4. Maka akan muncul tampilan Univariate

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 21

6. Setelah klik Model, akan muncul tampilan Univariate: Model seperti di

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 22

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 23

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 24

Tabel 4.3 Hasil pengujian benih padi (kg/ha, gabah kering)

a. Lakukan pengacakan RAK dan gambarkan denah layout pengacakannya

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 25

5.1 Percobaan Faktorial

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 26

5.2 Analisis RAL Faktorial menggunakan Excel

5.3 Analisis RAL Faktorial menggunakan SPSS

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 27

Hipotesis pemberian kapur (CaCO3):

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 28

3. Maka akan muncul tampilan Univariate

PANDUAN PRAKTIKUM PERANCANGAN PERCOBAAN 29