PERANCANGAN PERCOBAAN
Oleh:
KACUNG HARIYONO
VEGA KARTIKA SARI
RIZA YULI RUSDIANA
Tim Penyusun
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.
Halaman
Kompetensi:
• Memahami konsep dasar rancangan percobaan
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
Kompetensi:
• Memahami konsep dasar rancangan percobaan menggunakan RAL
• Menganalisis RAL menggunakan Excel
• Menganalisis RAL menggunakan SPSS
• Menginterpretasi hasil analisis
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
3. Pada menu utama klik Analyze > Compare Means > One-Way ANOVA
5. Masukkan variabel respon yaitu Hasil_biji ke box Dependent List dan variabel
prediktor yaitu Varietas ke box Factor
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
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
Kompetensi:
• Memahami konsep dasar pembandingan berganda
• Melakukan uji pembandingan berganda menggunakan Excel
• Melakukan uji pembandingan berganda menggunakan SPSS
• Menginterpretasi hasil analisis
Klik
Contin
ue
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.
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).
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
Kompetensi:
• Memahami konsep dasar rancangan percobaan menggunakan RAK
• Menganalisis RAK menggunakan Excel
• Menganalisis RAK menggunakan SPSS
• Menginterpretasi hasil analisis
• 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
3. Pada menu utama klik Analyze > General Linier Model > Univariate.
a
c
b
8. Klik OK, maka hasil output akan muncul pada viewer output.
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.
Kompetensi:
• Memahami konsep dasar rancangan perlakuan
• Menganalisis rancangan faktorial menggunakan Excel
• Menganalisis rancangan faktorial menggunakan SPSS
• Menginterpretasi hasil analisis
2. Pada menu utama klik Analyze > General Linier Model > Univariate.
5. Setelah klik Model, akan muncul tampilan Univariate: Model seperti di bawah ini.
Pilih Full Factorial pada menu Specify Model, selanjutnya klik Continue.
6. Klik OK, maka hasil output akan muncul pada viewer output.
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.
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
3. Pada menu utama klik Analyze > General Linier Model > Univariate.
7. Setelah klik Continue akan muncul tampilan Univariate. Jika akan melakukan
uji berganda, klik Post Hoc
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.
Kesimpulan:
a. Nilai F untuk Kelompok sebesar 5.729 dibandingkan dengan F tabel dengan
𝛼 = 0.05, derajat bebas df1= 3 dan df2= 42 yaitu sebesar F0.05, 3, 42 = 2.83, F >
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
𝛼 = 0.05, derajat bebas df1= 2 dan df2= 42 yaitu sebesar F0.05, 2, 42 = 3.22, F >
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
𝛼 = 0.05, derajat bebas df1= 4 dan df2= 42 yaitu sebesar F0.05, 4, 42 = 2.59, F >
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.
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
Means for groups in homogeneous subsets are displayed.
Based on observed means.
The error term is Mean Square(Error) = .151.
a. Uses Harmonic Mean Sample Size = 12.000.
b. Alpha = 0.05.
5.6 Latihan
1. Data di bawah ini juga untuk mengetahui pengaruh jenis insektida dan dosis
insektida terhadap serangan wereng kedelai
Kompetensi:
• Memahami konsep dasar rancangan percobaan menggunakan RBSL
• Menganalisis RBSL menggunakan Excel dan SPSS serta menginterpretasi
hasil analisis
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:
4. Pada menu utama klik Analyze > General Linier Model > Univariate.
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
Kompetensi:
• Memahami konsep dasar percobaan split plot
• Menganalisis percobaan split plot menggunakan Excel
• Menganalisis percobaan split plot menggunakan SPSS
• menginterpretasi hasil analisis
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
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
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:
9. Klik OK, maka hasil output akan muncul pada viewer output.
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
Kompetensi:
• Memahami konsep dasar korelasi dan regresi
• Menganalisis korelasi dan regresi menggunakan SPSS
• Menginterpretasi hasil analisis
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)
Hipotesis:
H0 : Tidak terdapat hubungan antara variabel dosis pupuk dengan tinggi tanaman
H1 : Terdapat hubungan antara variabel dosis pupuk dengan tinggi tanaman
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.
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.
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.
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
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