BAB I

PENDAHULUAN

Latin square design merupakan salah satu rancangan yang umum digunakan
dalam dunia industri, laboratorium, rumah kaca, Pendidikan dan percobaan-
percobaan social. Dalam rancangan ini area percobaan dibagi dalam dua bagian yaitu
baris dan kolom dengan setiap perlakuan hanya muncul sekali dalam setiap baris dan
kolom. Dengan kata lain, dalam situasi dimana diketahui bahwa lebih dari satu
sumber keragaman luar tidak dapat dikontrol, misalnya tidak memungkinkan untuk
mendapatkan satuan percobaan yang homogen atau keadaan lapangan yang tidak
seragam, rancangan ini merupakan pilihan yang tepat, karena kemampuannya dalam
mengendalikan galat percobaan dengan mengeluarkan sumber keragaman yang
diketahui tersebut. Untuk memaksimalkan kegunaan data dalam suatu analisis,
dibutuhkan perencanaan ilmmiah, yang lebih dikenal dengan rancangan percobaan.
Dalam rancangan percobaan memuat semua langkah lengkap yang perlu diambil
sebelum melakukan percobaan supaya data yang diperlukan dapat diperoleh dan
digunakan secara optimal. Hal ini nantinya akan membawa kepada suatu analisis
objektif serat dapat ditarik kesimpulan untuk persoalan yang sedang dibahas.
Dalam sebuah percobaan bila unit-unit percobaan relative heterogen, maka
dibutuhkan suatu rancangan percobaan yang dapat mengendalikan variasi yang terjadi
pada percobaan tersebut . Untuk menghilangkan dua jenis variasi digunakan Latin
square design yaitu percobaan dengan cara melaksanakan pemblokan dua arah.
 BAB II
TINJAUAN PUSTAKA

2.1 Latin Square Design

Latin Square Design adalah jenis desain eksperimental yang memungkinkan
dua faktor pemblokiran, yang berarti dapat digunakan untuk mengontrol atau
menghilangkan dua sumber gangguan atau salah satu bentuk rancangan yang mampu
mengendalikan komponen keragaman unit-unit percobaan lebih dari satu sisi
komponen keragaman dalam artian rancangan ini mengendalikan komponen
keragaman unit-unit percobaan dari dua arah yakni arah baris dan arah lajur. Berikut
adalah beberapa poin penting tentang Latin Square Design :
 Latin Square Design digunakan untuk mengurangi varian error menggunakan
dua clustering.
 Disebut Latin Square Design karena didasarkan pada grid persegi dimana
setiap baris dan kolom memuat setiap perlakuan tepat satu kali jumlah baris,
kolom, dan perlakuan harus sama, sehingga semakin banyak perlakuan maka
semakin banyak satuan percobaan yang diperlukan.
 Rumus jumlah kuadrat dalam Latin Square Design dapat ditemukan di
referensi.
 Latin Square Design dapat diterapkan di berbagai bidang, seperti pertanian,
teknik, dan ilmu sosial. Salah satu contoh penerapannya adalah dalam
menguji pengaruh jarak tanam terhadap produksi kubis di suatu lahan.
Syarat lain yang harus di penuhi agar Latin Square Design dapat digunakan
yaitu percobaan yang dilakukan memiliki banyak perlakuan tidak kurang dari empat
dan tidak lebih dari delapan sehingga rancangan ini sangat tidak efektif apabila
percobaan tersebut melibatkan perlakuan dalam jumlah yang besar.
 Latin Square Design digunakan pada saat peneliti ingin menyelidiki pegaruh
perlakuan terhadap hasil percobaan dan hasil percobaan tersebut juga dipengaruhi
oleh dua sumber variasi lain, dimana jumlah antara perlakuan dan kedua sumber
variasi yang lain sama. Dengan demikian Latin Square Design bertujuan untuk
menghilangkan dua jenis variasi dengan melakukan pemblokan dua arah. Alasan
disebut Latin Square Design adalah :
1. Bentuk rancangannya bujur sangkar dengan kata lain jumlah taraf antara baris
dan kolom sama dengan jumlah taraf perlakuan
2. Perlakuan diberi nama sesuai dengan huruf latin seperti : A,B,C,…….Z.
Dalam Latin Square Design setiap perlakuan yang diwakili dengan huruf latin
hanya muncul tepat satu kali dalam tiap baris dan kolom.
2.1.1 Keunggulan dan Kelemahan
Keunggulan yang dimiliki oleh Latin Square Design yaitu :
1. Mengurangi keragaman galat melalui penggunaan dua buah
pengelompokan.
2. Pengaruh perlakuan dapat dilakukan untuk percobaan berskala
kecil.
3. Analisis relatif mudah.
4. Baris atau kolom juga dapat digunakan untuk meningkatkan
cakupan dalam mengambil keputusan.
Kelemahan yang dimiliki oleh Latin Square Design yaitu :
1. Banyaknya baris, kolom dan perlakuan harus sama. Sehingga
semakin banyak perlakuan, satuan percobaan yang digunakan juga
semakin banyak.
2. Apabila banyaknya kelompok bertambah besar, galat percobaan
persatuan percobaan cenderung akan meningkat.
3. Pengacakan yang dilakukan sedikit lebih rumit dan pengacakan
rancangan-rancangan yang sebelumnya (RAL dan RAK).
2.1.2 Pengacakan Perlakuan
Pengacakan terhadap perlakuan dibayangkan dilakukan pada sebuah bujur
sangkar, dimana didalam bujur sangkar tersebut didalam satu baris dan satu
kolom tidak ada perlakuan yang saa, baik kearah baris maupun kearah kolom.
Salah satu cara untuk mendapatkan penempatan perlakuan yang tepat maka
dapat diambil tiga langkah sebagai berikut :
1. Tempatkan perlakuan pada arah diagonal secara acak.
2. Acaklah penempatan baris dan,
3. Acaklah penempatan lajur.
Sebagai contoh :
Suatu penelitian melibatkan 3 perlakuan A, B dan C dimana
penempatan perlakuan diacak berdasarkan posisi baris dan jalur. Dengan
demikian diperlukan tiga posisi baris dan tiga posisi lajur. Oleh karena itu,
posisi perlakuan tersarang pada posisi baris dan lajur maka banyak unit
percobaan yang diperlukan adalah 3x3 unit percobaan. Penempatan perlakuan
harus memperhatikan kendala bahwasannya setiap perlakuan hanya muncul
sekali pada arah baris dan hanya muncul sekali pada arah lajur. Pengacaknya
dapat dilakukan sebagai berikut :
Tabel 2.1 Penempatan Perlakuan Searah Diagonal
No. Baris

1 A D C B

2 B C A D

3 C B D A

4 D A B C

No. Lajur 1 2 3 4

Tabel 2.2 Pengacakan Penempatan Baris

 No. Baris

3 C D A B

2 A C B D

4 D B C A

1 B A D C

No. Lajur 1 2 3 4

Tabel 2.3 Pengacakan Penempatan Lajur

No. Baris

3 A B D C

2 C A B D

4 D C A B

1 B D C A

No. Lajur 2 4 1 3

Maka bentuk tabulasi datanya dapat disajikan sebagai berikut :

Table 2.4 Tabulasi Data
Lajur Bujur L1 L2 L3 L4 Total Baris
B1 B Y11(2) C Y12(3) D Y13(4) A Y14(1) Y.1(.)
B2 A Y21(1) D Y22(4) B Y23(2) C Y24(2) Y.2(.)
B3 D Y31(4) A Y32(1) C Y33(3) B Y34(3) Y.3(.)
B4 C Y41(3) B Y42(2) A Y43(1) D Y44(4) Y4(.)
Total Lajur Y.1(.) Y.2(.) Y.3(.) Y.4(.) Y..(.)

Model linier aditif secara umum dari Latin Square Design yaitu :
 Y ij(k) = m + a I + b I + t (k) + e ij(k)
Dimana :
i = 1,2,…, r; j = 1,2,…, r dan k = 1,2,3,…,r
ij(k) Y = Pengamatan pada perlakuan ke-k dalam baris ke-I, lajur ke-j
m = Rataan umum
(k) t = Pengaruh perlakuan ke-k dalam baris ke-I dan lajur ke-j
ia = Pengaruh baris ke-i
ib = Pengaruh lajur ke-j
ij(k) e = Pengaruh acak pada perlakuan ke-k dalam baris ke-I, dan lajur ke-j
2.1.3 Contoh Aplikasi Penggunaan Latin Square Design
Seorang peneliti ingin mengetahui komposisi substitusi yang tepa tantara
tepung ubi jalar dengan terigu pada pembuatan kue donat. Pada pembuatan itu
digunakan 5 perbandingan antara tepung ubi jalar dengan terigu. Dengan
menggunakan 5 kelompok varietas ubi jalar dan Teknik pengeringan.
Tabel 2.5 Contoh Soal
Tepung ubi
Kelompok Varietas Ubi jalar dan
jalar : terigu Jumlah pada Baris
Teknik Pengeringan
(gram)
1 2 3 4 5
A B D C E
0 : 100 27.9
5 6.6 4.6 5.8 5.9
C D B E A
10 : 90 41.2
7 7.3 10.2 7.9 8.8
B A E D C
20 : 80 34.2
6 5.6 6.8 8.9 6.9
D E C A B
30 : 70 38.4
6.5 6.1 7.9 10 7.9
 E C A B D
40 : 60 37.9
7.5 6.6 8.9 7.0 7.9
Jumlah Pada
32 32.5 38.4 39.6 37.4 179.6
Kolom
Jumlah Pada 38.3 37.7 34.2 35.2 34.2
Perlakuan A B C D E

1. Menghitung Faktor Koreksi (FK)

FK = (Ʃi Ʃj Yij(k)) / r2
= (179.6)2 / 52
= 1290.246
2. Menghitung Jumlah Kuadrat Total (JKT)
JKT = Ʃi Ʃj Yij(k) – FK

= {(5)2 + (6.6)2 + (4.6)2 + (5.8)2 + (5.9)2 + (7)2 + (7.3)2 + (10.2)2 +

(7.9)2 + (8.8)2 + (6)2 + (5.6)2 + (6.8)2 + (8.9)2 + (6.9)2 + (6.5)2 +
(6.1)2 + (7.9)2 + (10)2 + (7.9)2 + (7.5)2 + (6.6)2 + (8.9)2 + (7.0)2 +
(7.9)2} – 1290.246
= 16100.234

3. Menghitung Jumlah Kuadrat Baris (JKB)

JKB = (Ʃi Ʃj Yij(k))2 / r) – FK
= (27.9)2 + (41.2)2 + (34.2)2 + (38.4)2 + (37.9)2} – 1290.246
= 6556.46 – 1290.246
= 5266.214
4. Menghitung Jumlah Kuadrat Kolom (JKK)
JKK = (Ʃi Ʃj Yij(k))2 / r) – FK
= (32)2 + (32.5)2 + (38.4)2 + (39.6)2 + (37.4)2} – 1290.246
= 6502.32 – 1290.246
= 5212.074
5. Menghitung Jumlah Kuadrat Perlakuan (JKP)
JKG = (Ʃi Ʃj Yij(k))2 / r) – FK
= (38.3)2 + (37.7)2 + (34.2)2 + (35.2)2 + (34.2)2} – 1290.246
= 6466.5 – 1290.246
= 5176.254
6. Menghitung Jumlah Kuadrat Galat (JKG)
JKG = JKT – JKB – JKK – JKP
= 16100.234 – 5266.214 – 5212.074 – 5176.254
= 445.69
7. Menghitung Kuadrat Tengah Baris (KTB)
KTB = JKB / r–1
= 5266.214 / 5-1
= 1316.55
8. Menghitung Kuadrat Tengah Kolom (KTK)
KTK = JKK / r-1
= 5212.074 / 5-1
= 1303.02
9. Menghitung Kuadrat Tengah Perlakuan (KTP)
KTP = JKP / r-1
= 5176.254 / 5-1
= 11294.06
10. Menghitung Kuadrat Tengah Galat (KTG)
KTG = JKG / (r-1)(r-2)
= 445.69 / (5-1)(5-2)
= 445.69 / 12
= 37.141
11. Menghitung F Hitung
Fhitung baris = KTB/KTG
= 1316.55 / 37.141
 = 35.447
Fhitung kolom = KTK/KTG
= 1303.02 / 37.141
= 35.08
Fhitung perlakuan = KTP/KTG
= 1294.06 / 37.141
= 34.84
Tabel 2.6 Sidik Ragam

Sumber
Db Jk KT Fhitung Ftabel
Keragaman
5% 1%
Baris 4 5266.214 1316.55 35.447 3.26 8.41
Kolom 4 5212.074 1303.02 35.08 3.26 8.41
Perlakuan 4 5176.254 1294.06 34.84 3.26 8.41
Galat 12 445.69 37.141
Total 24 16100.234

2.1.4 Replikasi fraksional

Rancangan faktorial adalah kombinasi silang antar taraf dari dua atau
lebih faktor. Pada rancangan faktorial 2k , banyaknya taraf yaitu 2 ditulis
sebagai bilangan pokok, sedangkan banyaknya faktor, yaitu k, ditulis sebagai
pangkat, sehingga menghasilkan kombinasi perlakuan, dengan k=1,2,3….

k
Bentuk umum dari rancangan faktorial 2k terdiri atas ( ) pengaruh utama,
1
k k k
( ) interaksi 2 faktor, ( ) interaksi 3 faktor, … ( )interaksi k factor.
2 3 k
 Rancangan faktorial fraksional digunakan untuk menurunkan jumlah
kombinasi perlakuan yang besar. Tujuan utama dari rancangan factorial
fraksional adalah untuk Screening experiments, yakni pada percobaan ini ada
banyak faktor yang harus dipertimbangkan dan tujuannya untuk
mengidentifikasi faktor-faktor (jika ada) yang mempunyai pengaruh (efek)
besar baru kemudian dilanjutkan ke percobaan berikutnya untuk meneliti lebih
detail terhadap faktorfaktor yang pengaruhnya besar tersebut.

Rancangan faktorial fraksional dua – level dinotasikan dengan 2k− p yang

artinya melibatkan k faktor, dua taraf, dan hanya menggunakan 1/2 p ,2− p
fraksi atau mengerjakan hanya sebagian dari percobaan faktorial lengkap.
Dengan jumlah faktor dan fraksi tertentu maka terbentu struktur racangan
berbed yang ditentukan oleh generator (generating relations), defining
relation, dan alias (aliases). Fraksi yang dapat digunakan pada rancangan FF
1 1 1
dua – level adalah fraksi , dan dari rancangan 2k .
2 4 8

2.1.5 Desain Resolution

Desain faktorial fraksional dilakukan jika peneliti dapat mengasumsikan

bahwa interaksi orde tinggi (interaksi yang memuat lebih dari dua faktor)
tertentu diabaikan, kemudian informasi efek utama dan interaksi orde rendah
(interaksi yang memuat dua atau tiga faktor) dapat diperoleh dengan
mengerjakan hanya sebagian dari eksperimen faktorial lengkap, akibatnya
akan ada faktor-faktor yang mempunyai sifat yang sama dengan faktor
lainnya (Montgomery, 2003).

Desain faktorial fraksional 2k biasanya ditulis dengan desain faktorial

fraksional 2k− p yaitu eksperimen dengan 1/(2p) fraksi dari seluruh kombinasi
percobaan yang harus dilakukan (Montgomery, 2003). Misalkan untuk k =5
dan p=2, berarti dilakukan eksperimen faktorial fraksional setengah dari
eksperimen 25, begitu pun bila diambil p=2, maka eksperimen faktorial yang
dilakukan sebanyak seperempat dari eksperimen 25.

Penyusunan kombinasi perlakukan untuk desain faktorial fraksional

dilakukan dengan memperhatikan alias (dua atau lebih efek yang mempunyai
sifat yang sama), agar diperoleh desain fraksional dimana alias-alias itu tidak
muncul secara bersamaan pada sebuah fraksi.

Misalkan dalam desain faktorial 23 , yaitu suatu eksperimen yang akan

melibatkan tiga faktor A, B, C, dimana masing-masing faktor bertaraf dua.
Eksperimen ini, untuk sebuah replikasi penuh memerlukan delapan
eksperimen. Akan tetapi, untuk melakukan eksperimen ini peneliti tidak dapat
melakukan replikasi secara penuh dan hanya bisa melakukan empat
eksperimen saja. Ini berarti eksperimen hanya bisa dilakukan dengan setengah
replikasi dari 8 eksperimen yang seharusnya dilakukan untuk replikasi penuh.
Karena desain berisi 23−1=4 kombinasi perlakuan, sehingga desain yang
digunakan disebut setengah fraksi dari desain 23 atau sering dinotasikan
dengan desain faktorial fraksional 23−1
III .

3−1
Tanda koefisien untuk desain faktorial 2 III . dapat dilihat pada tabel di
bawah ini:

Berdasarkan setengah dari tabel diatas diperoleh taksiran efek utama A,

B dan C adalah sebagai berikut:
 Sedangkan taksiran dari interaksi dua
faktor adalah sebagai berikut:

Struktur alias untuk desain dengan defining relation I = ABC pada

contoh sebelumnya dapat ditentukan dengan cara sebagai berikut :

 Tentukan defining relation (I)

 Kalikan faktor (faktor-faktor beserta interaksinya) dengan defining

relation

 Selesaikan dengan aljabar modulo 2

Sehingga efek-efek yang beralias diperoleh sebagai berikut:

A ∙ I = A ∙ ABC = A 2 BC

karena kuadrat dari setiap kolom selalu = kolom I, maka:

A = BC Dengan cara yang sama, didapat alias dari B dan C adalah

sebagai berikut:

B ∙ I = B ∙ ABC = AB 2C = AC
 Dan

C ∙ I = C ∙ ABC = ABC 2 = AB

Pemilihan p generator sangatlah penting untuk desain faktorial fraksional

k− p
2 , terutama untuk memperolah kemungkinan terbaik dari struktur
aliasnya. Alasan dari penyeleksian ini adalah agar diperoleh generator yang
dapat menghasilkan desain faktorial fraksional 2k− p , dengan memiliki
6−2
kemungkinan resolusi tebesar. Sebagai ilustrasi, untuk desain 2 I V . dimana
yang menjadi generatornya adalah E = ABC dan F = BCD menghasilkan desain
resolusi IV, yang mana merupakan desain resolusi maksimum dari desain
tersebut. Jika dipilih E = ABC dan F = ABCD, defining relation lengkapnya
diperoleh I = ABCE = ABCDF=DEF, dan desain ini akan menjadi desain resolusi
III , sehingga desain ini kurang tepat untuk digunakan karena terdapat
resolusi yang lebih besar.

Terkadang, untuk memilih generator pada sebuah desain faktorial

fraksional 2k− p tidaklah mudah, walaupun dalam desain resolusi yang sama. 6
Sebagai contoh, dalam tabel di bawah ini terdapat tiga desain 27−2
IV dengan

generator berbeda, masing-masing desain adalah resolusi IV, tetapi setiap

desain memiliki struktur alias berbeda dengan asumsi bahwa interaksi
interaksi yang memuat lebih dari dua faktor diabaikan, sehingga lebih
ditekankan pada interaksi dua faktor saja. Dari ketiga desain tersebut, desain
C memiliki jumlah alias yang terkecil, sehingga desain C adalah pilihan terbaik
7−2
untuk desain 2 IV .
 Untuk desain A, setiap defining relation terdiri dari 4 huruf, pola dari
panjangnya huruf pada desain A dapat dinotasikan dengan {4, 4, 4}. Untuk
desain B, polanya adalah {4, 4, 6}, sedangkan untuk desain C polanya adalah
{4, 5, 5}. Perhatikan bahwa defining relation untuk desain C, yang
mempunyai 4 huruf hanya satu buah sedangkan untuk desain yang lainnya
terdiri dari dua atau tiga. Jadi, desain C memiliki jumlah paling sedikit dari
desain lainnya dalam defining relation dengan panjang terkecil. Desain C
dinamakan dengan minimum aberration design (desain dengan penyimpangan
terkecil). Minimum aberration dalam desain resolusi R memastikan bahwa
desain tersebut memiliki jumlah alias antara efek utama dan interaksi order R
– 1 terkecil, jumlah alias antara interaksi dua faktor dan interaksi order R – 2
terkecil, dan demikian seterusnya (Montgomery, 2003).