NIM : 141000702
Langkah ke-1
Memilih kelompok satuan percobaan secara acak, dimana jumlah kelompok sama
dengan jumlah ulangan.Dalam kasus ini dibagi menjadi 3 kelompok (block).Pembagian
kelompok ini berdasarkan pertimbangan bahwa setiap kelompok keragamannya adalah
homogen.
Kelompok I kelompok II kelompok III
Langkah ke-2
Setiap kelompok dibagi menjadi a petak dalam arah vertikal sesuai dengan taraf faktor
A.pada contoh kasus ini, setiap kelompok dibagi menjadi 4 petak.Lakukan pengacakan ke-4
taraf NPK pada jalur vertikal (tegak) dlam setiap kelompok secara terpisah dan bebas.
a1 a2 a3 a4 a3 a2 a4 a1 a2 a4 a1 a3
Lakukan pengacakan faktor A (NPK) untuk masing masing kelompok secara acak
Langkah ke-3
b1 b2 b3
b2 b3 b1
b3 b1 b2
a4b3
a3b2a1ba2b2a2b1 a1b3
a4b2 a3b1 a3b3
a1b2 a4b1
a3b31 a2b3 a4b3 a1b3
a3b1a1ba2b1a2b2
a4b1a3b2
a1b1a4b2
2
a1b a2b3 a3b3 a4b3
3
a2b3
a2b1 a4b1 a1b1 a3b1
a2b2 a4b2 a1b2 a3b2
D.Model Linier
Model linier dari rancangan strip plot secara umum dapat dituliskan sebagai berikut:
Keterangan :
Y ijk = nilai pengamatan pada faktor pertama taraf ke-i faktor kedua taraf ke-j dan blok ke-k
µ = nilai tengah keseluruhan
K k = pengaruh pengelompokan ke-k
α i= pengaruh faktor pertama taraf ke-i
(αβ )ij= interaksi antara faktor pertama taraf ke-i dan faktor kedua taraf ke-j
δ ik = pengaruh faktor pertama taraf ke –i dan kelompok ke-k
ε ijk= pengaruh acak pada faktor pertama taraf ke-i dan faktor kedua taraf ke-j dan kelompok
ke-k
JKT
∑ijk (Y ijk −Ȳ )2 ∑ijk Y ijk2−FK
JK(R)
ab
∑k (Ȳ .. . k −Ȳ . .. )2 ∑k
Y
. .. . . k2
ab
−FK =
∑k ( r k )2
ab
−FK
JK(A) Y
i .. . 2 ∑i ( ai )2
∑i −FK = −FK
rb ∑i i
( Ȳ −Ȳ . . .. )2 br rb
JK
(Galat a)
b∑i , k
( Ȳ i, k −Ȳ i. . .−Ȳ . . . k + Ȳ . . . )2
Y
j2 ∑ j (b j )2
JK (B) ∑j −FK= −FK
ra∑ j
( Ȳ j−Ȳ . . . )2 ar ra
JK
a∑i , k
( Ȳ jk −Ȳ j −Ȳ k + Ȳ . .. )2
(Galat b)
JK(AB)
r∑i , j
( Ȳ ij −Ȳ i−Ȳ j + Ȳ . .. .)2
JK
∑i , j ,k (Y ijk−Ȳ ij−Ȳ ik −Ȳ jk + Selisihnya= JKT-JK lainnya
(Galat c)
Ȳ i + Ȳ j + Ȳ k −Ȳ .. .)2
H 0 : β 1 =β 2=. . .=β b =0
H 1 :∃ β j ≠0 , j=1 , 2 ,. . .b (faktor B tidak berpengaruh terhadap respons yang diamati)
(interaksi faktor A dengan faktor B tidak berpengaruh terhadap respons yang diamati)
E.Asumsi Split Blok
Dalam rancangan petak teralur terdapat asumsi-asumsi yang harus dipenuhi antara
lain sebagai berikut:
Pengaruh dari faktor perlakuan bersifat aditif
Galat percobaab dan data pengamatan dalam setiap perlakuan atau kelompok
berdistribusi normal
Ragam yang homogen
Kebebasan galat
Selain asumsi kenormalan dari komponen acak dan model aditif masih terdapat
asumsi-asumsi lain yang juga harus diperhatikan yaitu:
∑ αi =0 ;∑ β j =0 ; ∑ (αβ)ij =∑ ( βα )ij =0
F.Analisis Ragam
Analisis ragam dalam Split Blok dibagi dalam tiga bagian:
Analisis faktor vertikal (A)
Analisis faktor horisontal (B)
Analisis interaksi (AB)
G.Sifat Penduga
Dimisalkan parameter populasi dinyatakan sebagai θ dan penduga parameter
^ ^
dinyatakan sebagai θ , maka seyogyanya variabel random θ akan bervariasi tidak terlalu jauh
μ
sekitar θ yang konstan. Misalnya, jika x merupakan parameter populasi θ dan X̄
^ X̄ sebagai penduga kita berharap
merupakan penduga θ , maka dalam menggunakan
μ
variabel random X̄ tidak akan bervariasi terlalu jauh sekitar x .Statistik penduga yang
demikian itu umumnya dinilai sebagai penduga “yang baik” jika memiliki ketentuan berikut :
Takbias
Takbias berarti nilai harapan penduga sama dengan nilai harapan parameter yang diduga
θ^ merupakan penduga yang tak bias bagi θ jika:
θ^ )=θ
E(
μ
Pada hakekatnya, X̄ merupakan penduga yang tak bias bagi x karena E ( X̄ ) =
μ x̄=μ x .Sebaliknyapenduga dianggap bias jika E (θ̄ )≠θ .Umumnya, jika kita hanya
menilai penduga yang baik dari sudut kebiasannya maka rata-rata sampel dan median
Varians Minimum
Apabila untuk suatu parameter terdapat lebih dari satu macam penduga tak bias, maka
penduga yang dipilih sebagai yang terbaik ialah yang memiliki ragam sekecil-kecilnya. Hal
ini disebabkan karena ragam penduga tersebut adalah ukuran penyebaran penduga di sekitar
nilai tengah populasi.
Suatu penduga tak bias yang memiliki ragam terkecil di antara semua penduga tak bias
lainnya, dan sifat ragam tekecil ini berlaku untuk semua kemungkinan nilai-nilai parameter,
dinamakan penduga tak bias dengan ragam minimum seragam.
Konsisten
Konsisten berarti dengan makin besarnya ukuran contoh maka ragam penduga
makin kecil. Secara kasar, penduga yang konsisten merupakan penduga yang berkonsentrasi
secara sempurna pada parameter jika besarnya sampel bertambah secara tidak terhingga.
^
Jika besarnya sampel menjadi tidak terhingga, penduga θ yang konsisten harus dapat
^
memberi pendugaan titik secara sempurna terhadap θ . Secara matematis, θ dapat
^
merupakan penduga yang konsisten bila dan hanya bila E(θ − θ )2 → 0 jika n → ∞.
^
Dengan kata lain, θ merupakan penduga konsisten jika dan hanya jika biasnya maupun
varians keduanya mendekati 0 jika n→∞.
Statistik Cukup
Dimisalkan penduga suatu parameter ialah statistik atau fungsi peubah acak. Pada
pendugaan nilai tengah suatu populasi, misalnya salah satu penduga yang digunakan ialah
hasil rata-rata dari contoh berukuran n. Jika statistik ini dianggap telah cukup memberikan
semua informasi yang diperlukan untuk pendugaan parameter populasi, maka statistik ini
secara wajar dapat disebut statistik cukup.
Jika misalkan
X 1 ,........., X n
I
Contoh acak suatu populasi dengan parameter θ , maka suatu fungsi t( X ) disebut
X ,........., X n
statistik cukup untuk parameter θ , jika fungsi peluang (kepekatan) bersyarat 1
Kelengkapan
Misalkan X peubah acak dengan fungsi peluang atau fungsi kepekatan f ( x ;θ ) ,θεϑ
sedangkan ϑ adalah ruang parameter, yaitu gugus semua nilai yang mungkin diambil oleh
θ .Sebaran peubah acak X disebut sebaran lengkap jika untuk suatu fungsi s (X) dan untuk
Pada umumnya data tidak hilang, namun jika di asumsikan bahwa data yang hilang
adalah pada baris pertama, kolom pertama dan kelompok pertama. Dalam beberapa susunan
dalam sebuah rancangan dapat disusun dengan cara berikut :
Jumlah dari kuadrat sisa dimasukkan dalam nilai yang hilang. Sehingga terbentuk
Y^ 111.
^
Ragam total adalah sususnan dari nilai hasil dalam rancangan. Asumsikan Y 111 = 0
lalu turunkan dari jumlah kuadrat
Lalu hasil turunan dibuat menjadi = 0
Dengan konsep diatas dapat digunakan untuk menduga 2 data yang hilang dalam
baris yang sama atau jumlah kolom yang sama dengan merubah subskrip penandaan.
Prosedur yang sama mungkin digunakan untuk mendapatkan sebuah formula kombinasi
untuk menduga data hilang. Menurut T. Federer, Walter (1967) bahwa sebuah data hilang
untuk sebuah sub unit dalam sebuah rancangan mungkin dapat diduga dengan menggunakan
metode-metode khusus. Sebuah data hilang untuk keseluruhan jumlah plot akan diduga
dengan metode yang cocok untuk fakta-fakta rancangan yang digunakan.
I. Pendekatan Satterthwaite-Cochran
Untuk memperbaiki uji bias dipergunakan pendekatan Satterthwaite-Cochran,
prosedur yang diberikan oleh Bancroft (1968). Didemonstrasikan sebagai berikut :
1. Uji untuk perlakuan, misal KTP dan KTG masing-masing adalah kuadrat tengah
perlakuan dan kuadrat tengah galat.
Perhatikan
KTP adj=qKTP ,dengan KTP adj adalah kuadrat tengah perlakuan yang
disesuaikan.Sehingga diperoleh:
E(
KTP adj )= E(q(KTP))
( denom , KT )2
[ c i ( KT )]2
∑i db
db penyebut = i
Dengan:
¿
(denom,KT) = penyebut dari F statistik
KT = kuadrat tengah dalam analisis
c i = konstanta pengali pada KT i
2. Uji untuk kelompok, misal KTK dan KTG masing-masing adalah kuadrat tengah
KTP adj
F ¿= ¿
Adalah KTG , F disini tidak menghampiri distribusi F, tetapi dapat didekati
dengan menggunakan distribusi F yang derajat bebas pembilang dan penyebutnya
(Bancroft,1968):
(num , KT )2
[ c i ( KT )i ] 2
∑i dbi
db pembilang =
Keterangan
¿
(num,KT) = pembilang dari F statistik
KT = kuadrat tengah dalam analisis
c i = konstanta pengali pada KT i
( denom , KT )2
[ c i ( KT )]2
∑i db
db penyebut = i
Dengan:
¿
(denom,KT) = penyebut dari F statistik
KT = kuadrat tengah dalam analisis
c i = konstanta pengali pada KT i