ANALISIS PERAGAM

1. SITI NURLITA HALISYAH (165090501111004)

2. WINDRI ISTYARINI (165090501111011)
Pengertian Analisis Peragam
◦ A. Pengertian Analisis Peragam
◦ Dalam dunia statistik, perhitungan data merupakan hal yang utama. Dalam statistik,
untuk mengetahui apakah ada pengaruh atau tidak antara variabel dependen
terhadap variabel independen serta seberapa besar pengaruh tersebut dapat
dilakukan dengan menggunakan rancangan percobaan. Sering kali terjadi ketidak
akuratan pada beberapa perhitungan karena peubah Y dapat berubah-berubah, hal
tersebut disebabkan oleh faktor-faktor lain yang berhubungan dengan peubah Y
sehingga dapat mempengaruhi Y untuk berubah. Maka untuk kasus seperti ini
diperlukan penyelesaian untuk faktor-faktor lain pada peubah Y dengan
menggunakan analisis peragam atau Analysis of Covariance (ANCOVA).
◦ Analisis peragam digunakan berdasarkan pertimbangan bahwa dalam kenyataannya
ada variabel tertentu yang tidak dapat dikendalikan tetapi sangat berkorelasi dengan
variabel respon yang diamati, variabel tersebut adalah variabel pengiring
(contaminant variable). Analisis peragam memerlukan pengukuran sifat utama yang
diminati dan pengukuran satu atau lebih peubah yang dikenal sebagai peragam.
◦ Juga memerlukan hubungan fungsi antara peragam dengan sifat utama yang
diketahui sebelumnya. Analisis peragam dapat digunakan pada berbagai jumlah
peragam dan berbagai jenis hubungan fungsi antar peubah, namun yang umum
digunakan dalam penelitian pertanian adalah peragam (X) yang berhubungan
contoh linear dengan peubah utamanya (Y).
◦ Selain digunakan untuk mengendalikan galat percobaan dan mengoreksi rataan
perlakuan, analisis peragam juga dapat digunakan untuk menduga data yang hilang
dan membantu menafsirkan hasil percobaan. Apabila analisis peragam digunakan
untuk pengendalian galat dan mengoreksi rataan, peragam harus tidak dipengaruhi
perlakuan yang sedang diujikan. Sedangkan untuk menafsirkan hasil percobaan,
peragam harus berhubungan dengan perlakuan, akan tetapi memerlukan lebih
banyak keterampilan dan pengalaman dan dengan bantuan pakar statistik.
◦ Analisis peragam merupakan perluasan dari analisis ragam, sehingga semua
anggapan untuk analisis ragam juga berlaku untuk analisis peragam. Sebagai
tambahan, analisis peragam memerlukan :
1. Hubungan antar sifat utama yang diamati Y dan peubah X adalah linier.
2. Hubungan linier ini, atau lebih khusus koefisien regresi, tetap antar sumber
keragaman lain yang diketahui seperti perlakuan dan kelompok.

◦ Analisis Peragam memiliki beberapa keunggulan jika digunakan yaitu:

1. Dapat meningkatkan ketepatan rancangan penelitian terutama apabila
peneliti masih ragu pada pengelompokan-pengelompokan subyek perlakuan
yang diterapkan dalam penelititan, yaitu apakah sudah benar-benar dapat
mengendalikan pengaruh faktor lain atau belum.
2. Dapat digunakan untuk mengendalikan kondisi-kondisi awal dari variabel
dependen.
3. Dapat digunakan untuk mereduksi faktor-faktor lain yang tidak diinginkan
dalam penelitian.
◦ Dalam analisis ini digunakan peubah pengiring untuk mengurangi galat
percobaan.Hal ini dikarenakan bahwa percobaan yang baik adalah percobaan yang
memiliki galat yang kecil. Dalam penelitian RAL dan RAK hanya dilakukan perhitungan
terhadap peubah yang diberi perlakuan saja sehingga nilai galat yang didapat besar
sekali sehingga perlu ada pengendalian pada galat tersebut sehingga terbentuk kecil.
Pengendalian tersebut dinamakan peubah pengiring (contaminant variable).
Sehingga dengan menggunakan peubah pengiring dapat mengendalikan galat
untuk mengurangin nilai galat tersebut.
Kegunaan
Berikut ini merupakan kegunaan Analisis Peragam:
a. Mengendalikan galat dan meningkatkan ketepatan
b. Mengoreksi rata-rata perlakuan dari peubah tak bebas
c. Penafsiran data
d. Penguraian peragam total
Asumsi Analisis Peragam
Asumsi bagi analisis peragam agar bisa menjadi sah antara lain :
1. Peubah pengiring (X) bersifat tetap, diukur tanpa kesalahan
dan tidak berkorelasi dengan perlakuan. Koefisien regresi
homogen antara berbagai perlakuan merupakan suatu
keharusan yang perlu dipenuhi agar data percobaan yang
di analisis dengan analisis peragam menjadi valid.
2. Hubungan pengaruh antara peubah pengiring (X) dan
peubah respon (Y) harus bersifat linier dan bebas dari
perlakuan atau kelompok percobaan.
3. Galat percobaan harus diambil secara acak, menyebar
secara bebas dan normal disekitar nilai tengah nol dan
ragam(𝜎 2 )atau homogeneity.
Model Linier Peragam
Untuk bentuk model analisis peragam bagi Rancangan Acak Lengkap (RAL)
adalah:
𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝛽 𝑋𝑖𝑗 − 𝑋. . + 𝜀𝑖𝑗 𝑖 = 1, 2, … , 𝑝; 𝑗 = 1, 2, … , 𝑛
dimana:
𝑌𝑖𝑗 = nilai pengamatan perlakuan ke-I pada ulangan ke-j
𝜇 = nilai rata-rata pengamatan yang sebenarnya
𝜏𝑖 = pengaruh perlakuan ke – i
𝛽 = koefisien regresi
𝑋𝑖𝑗 = pengaruh pengukuran peubah bebas yang dihasilkan dari
perlakuan ke-I dan ulangan ke-j
𝑋. . = nilai rata-rata peubah bebas yang diukur
𝜀𝑖𝑗 = komponen galat pada ulangan ke-j dari perlakuan ke-i
Untuk bentuk model linier bagi Rancangan Acak Kelompok (RAK)
adalah:
𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝜌𝑗 + 𝛽 𝑋𝑖𝑗 − 𝑋. . + 𝜀𝑖𝑗 𝑖 = 1, 2, … , 𝑝; 𝑗 = 1, 2, … , 𝑛
dimana:
𝑌𝑖𝑗 = nilai pengamatan perlakuan ke-I pada ulangan ke-j
𝜇 = nilai rata-rata pengamatan yang sebenarnya
𝜏𝑖 = pengaruh perlakuan ke – i
𝛽 = koefisien regresi
𝑋𝑖𝑗 = pengaruh pengukuran peubah bebas yang dihasilkan
dari perlakuan ke-I dan ulangan ke-j
𝑋. . = nilai rata-rata peubah bebas yang diukur
𝜀𝑖𝑗 = komponen galat pada ulangan ke-j dari perlakuan ke-I
𝜌𝑗 = pengaruh kelompok ke-j
Pengujian Pada Analisis Peragam
1. Pengujian Nilai Tengah Terkoreksi
Pertama, dilakukan dengan cara memilih rancangan percobaan
yang tepat. Apabila satuan percobaan dan lingkungan bersifat
homogen maka digunakan Rancangan Acak Lengkap (RAL), jika
bersifat heterogen maka dapat digunakan Rancangan Acak Kelompok
(RAK). Hipotesisnya sebagai berikut:
𝐻0 : 𝜏1 = 𝜏2 = ⋯ = 𝜏𝑖 = 𝜏
(tidak terdapat pengaruh perlakuan yang berbeda)
𝐻1 : 𝜏𝑗 ≠ 𝜏, dimana j = 1, 2, …, i
(minimal terdapat satu pengaruh perlakuan yang berbeda)
𝐾𝑇𝑃𝐷
Fhitung = yang dibandingkan dengan Ftabel
𝐾𝑇𝐺𝐷
Ftabel RAL = 𝐹𝛼 𝑝−1 ,(𝑝 𝑛−1 −1)
Ftabel RAK = 𝐹𝛼 𝑝−1 ( 𝑛−1 𝑝−1 −1)
2. Pemeriksaan Ketepatan Model
Kedua, model yang telah didapatkan harus diperiksa
terlebih dahulu apakah model tersebut sudah memenuhi asumsi
atau tidak. Hipotesisnya adalah sebagai berikut :
𝐻0 ∶ 𝛽 = 0
𝐻1 : 𝛽 ≠ 0
𝐽𝑃𝐺(𝑋𝑌) 2
൘𝐽𝐾
𝐺(𝑋)
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 =
𝐾𝑇𝐺𝐷

Titik kritis untuk RAK adalah 𝐹𝛼(𝑣1 ,𝑣2) dengan v1=1 dan v2=(n-1)(p-1)
Titik kritis untuk RAL adalah 𝐹𝛼(𝑣1 ,𝑣2) dengan v1=1 dan v2=p(n-1) – 1
3. Pengujian Keefektifan Peragam
Ketiga. Untuk menguji keefektifan peragam, dilakukan
dengan menentukan efisiensi relative KTG sebelum dikoreksi
dengan KTG setelah dikoreksi.
𝐾𝑇𝐺𝑠𝑒𝑏𝑒𝑙𝑢𝑚 𝑑𝑖𝑘𝑜𝑟𝑒𝑘𝑠𝑖
𝐸𝑅 =
𝐾𝑇𝐺𝑒𝑓𝑒𝑘𝑡𝑖𝑓 𝑠𝑒𝑡𝑒𝑙𝑎ℎ 𝑑𝑖𝑘𝑜𝑟𝑒𝑘𝑠𝑖

𝐾𝑇𝐺𝑠𝑒𝑏𝑒𝑙𝑢𝑚 𝑑𝑖𝑘𝑜𝑟𝑒𝑘𝑠𝑖 = 𝐾𝑇𝐺𝑝𝑎𝑑𝑎 𝑎𝑛𝑎𝑙𝑖𝑠𝑖𝑠 𝑟𝑎𝑔𝑎𝑚

𝐽𝐾𝑃(𝑋)
𝐾𝑇𝐺𝑒𝑓𝑒𝑘𝑡𝑖𝑓 𝑠𝑒𝑡𝑒𝑙𝑎ℎ 𝑑𝑖𝑘𝑜𝑟𝑒𝑘𝑠𝑖 = 𝐾𝑇𝐺𝐷 + 1 +
(𝑝 − 1)𝐽𝐾𝐺(𝑋)
Perhitungan Dalam Analisis Peragam
1. Tabel Analisi Peragam Untuk RAL dan RAK
Jumlah kuadrat dan hasil kali X dan Y untuk RAL

SK Db 𝐽𝐾𝑌 𝐽𝑃𝑋𝑌 𝐽𝐾𝑋

Perlakuan p-1 𝐽𝐾𝑃(𝑌) 𝐽𝑃𝑃(𝑋𝑌) 𝐽𝐾𝑃(𝑋)

Galat p(n-1) 𝐽𝐾𝐺(𝑌) 𝐽𝑃𝐺(𝑋𝑌) 𝐽𝐾𝐺(𝑋)

Total np-1 𝐽𝐾𝑇(𝑌) 𝐽𝑃𝑇(𝑋𝑌) 𝐽𝐾𝑇(𝑋)

◦ Tabel Analisis Peragam untuk RAL

SK Db JK KT 𝐹ℎ𝑖𝑡𝑢𝑛𝑔

Perlakuan p-1 𝐽𝐾𝑃𝐷 𝐽𝐾𝑃𝐷 𝐾𝑇𝑃𝐷

𝐾𝑇𝑃𝐷 =
𝑝−1 𝐾𝑇𝐺𝐷
Galat p(n-1)-1 𝐽𝐾𝐺𝐷 𝐾𝑇𝐺𝐷
𝐽𝐾𝐺𝐷
=
𝑝 𝑛−1 −1
Total (np-1)-1 𝐽𝐾𝑇𝐷 =
JKPG
Jumlah kuadrat dan hasil kali X dan Y untuk RAK

SK Db 𝐽𝐾𝑌 𝐽𝑃𝑋𝑌 𝐽𝐾𝑋

Perlakuan p-1 𝐽𝐾𝑃(𝑌) 𝐽𝑃𝑃(𝑋𝑌) 𝐽𝐾𝑃(𝑋)

Kelompok n-1 𝐽𝐾𝐾(𝑌) 𝐽𝑃𝐾(𝑋𝑌) 𝐽𝐾𝐾(𝑋)

Galat (p-1)(n-1) 𝐽𝐾𝐺(𝑌) 𝐽𝑃𝐺(𝑋𝑌) 𝐽𝐾𝐺(𝑋)

Total np-1 𝐽𝐾𝑇(𝑌) 𝐽𝑃𝑇(𝑋𝑌) 𝐽𝐾𝑇(𝑋)

◦ Tabel Analisis Peragam Untuk RAK

SK Db JK KT 𝐹ℎ𝑖𝑡𝑢𝑛𝑔
Perlakuan p-1 𝐽𝐾𝑃𝐷 𝐽𝐾𝑃𝐷 𝐾𝑇𝑃𝐷
𝐾𝑇𝑃𝐷 =
𝑝−1 𝐾𝑇𝐺𝐷
Kelompok n-1 𝐽𝐾𝐾𝐷 𝐽𝐾𝐾𝐷 𝐾𝑇𝐾𝐷
𝐾𝑇𝐾𝐷 =
𝑛−1 𝐾𝑇𝐺𝐷

Galat (p-1)(n-1)-1 𝐽𝐾𝐺𝐷 𝐽𝐾𝐺𝐷

𝐾𝑇𝐺𝐷 =
(𝑝 − 1) 𝑛 − 1 − 1
Total (np-1)-1 𝐽𝐾𝑇𝐷
2. Rumus – rumus dalam Analisi Peragam
a. Perhitungan Jumlah Hasil Kali Total
2
2 2
σ σ 𝑋𝑖𝑗
𝐽𝐾𝑇(𝑋) = ෍(𝑥 − 𝑥) = ෍ ෍ 𝑋𝑖𝑗 −
𝑛𝑝
2
2 2
σ σ 𝑌𝑖𝑗
𝐽𝐾𝑇(𝑌) = ෍(𝑌 − 𝑌) = ෍ ෍ 𝑌𝑖𝑗 −
𝑛𝑝
(σ σ 𝑋𝑖𝑗 ) (σ σ 𝑌𝑖𝑗 )
𝐽𝑃𝑇(𝑋𝑌) ത ത
= ෍ 𝑋 − 𝑋 𝑌 − 𝑌 = ෍ ෍ 𝑋𝑖𝑗 𝑌𝑖𝑗 −
𝑛𝑝
b. Perhitungan Jumlah Hasil Kali Perlakuan
σ𝑖 𝑋𝑖.2 (σ𝑖 σ𝑗 𝑋𝑖𝑗 )2
JKP(X) = −
𝑛 𝑛𝑝
σ𝑖 𝑌𝑖.2 (σ𝑖 σ𝑗 𝑌𝑖𝑗 )2
JKP(Y) = −
𝑛 𝑛𝑝
σ𝑖 𝑋𝑖. 𝑌𝑖 . (σ𝑖 σ𝑗 𝑋𝑖𝑗 )(σ𝑖 σ𝑗 𝑌𝑖𝑗 )
JPP(XY) = −
𝑛 𝑛𝑝
c. Perhitungan Jumlah Hail Kali Kelompok
σ𝑗 𝑋.𝑗2 (σ𝑖 σ𝑗 𝑋𝑖𝑗 )2
JKK(X) = −
𝑝 𝑛𝑝
σ𝑗 𝑌.2𝑗 (σ𝑖 σ𝑗 𝑌𝑖𝑗 )2
JKK(Y) = −
𝑝 𝑛𝑝
σ𝐽 𝑋.𝑗 𝑌.𝑗 (σ σ 𝑋𝑖𝑗 )( σ σ 𝑌𝑖𝑗 )
JPK(XY) = −
𝑝 𝑛𝑝
d. Perhitungan Jumlah Hasil Kali Galat
Untuk RAL

JKG(X) = JKT(X) – JKP(X)

JKG(Y) = JKT(Y) – JKP(Y)
JPG(XY) = JPT(XY) – JPP(XY)
 Untuk RAK
JKG(X)=JKT(X) – JKP(X) – JKK(X)
JKG(Y) = JKT(Y) – JKP(Y) – JKK(Y)
JPG(XY )= JPT(XY) – JPP(XY) – JPK(XY)

e. Rumus JKG Analisis Peragam

(𝐽𝑃𝐺 𝑋𝑌 )2
Jumlah Kuadrat Regresi dari Y karena X: JKR(Y) =
𝐽𝐾𝐺(𝑋)

Jumlah Kuadrat Galat (Y terkoreksi): JKGD = JKG(Y) – JKR(Y)

STUDI KASUS 1
Data percobaan tentang penggunaan tepung maggot sebagai bahan pakan
pengganti tepung ikan (perlakuan A,B,C,D,E,F,G,H, dan I) terhadap jumlah telur yang
dihasilkan burung puyuh dalam satuan gram/hari (Y) dan banyaknya anakan per
kandang (X). Percobaan dilakukan dengan Rancangan Acak Lengkap (RAL) dengan
ulangan 3 kali. Data hasil pengamatan adalah sebagai berikut:
Ulangan

I II III
Perlakuan Total
X Y X Y X Y X Y
A 5 2,34 6 2,35 7 2,38 18 7,07
B 7 7,54 9 9,57 7 8,78 23 25,89
C 9 9,23 5 5,97 8 13,77 22 28,97
D 7 6,77 5 7,37 6 8,45 18 22,59
E 8 8,34 5 5,85 7 11,54 20 25,73
F 5 2,34 5 2,22 9 2,62 19 7,18
G 7 7,86 4 4,11 11 11,76 22 23,73
H 7 8,23 9 11,23 6 7,44 22 26,9
I 10 4,44 6 7,98 5 11,79 21 24,21
Penyelesaian:
𝑝
◦ σ𝑖=1 σ𝑛𝑗=1 𝑋𝑖𝑗 = 5 + 7 + ⋯ + 5 = 185
𝑝
◦ σ𝑖=1 σ𝑛𝑗=1 𝑌𝑖𝑗 = 2.34 + 7.54 + ⋯ + 11.79 = 192.27
𝑝
◦ σ𝑖=1 σ𝑛𝑗=1 𝑋𝑖𝑗 𝑌𝑖𝑗 = 5 ∗ 2.34 + 7 ∗ 7.54 + ⋯ + 5 ∗ 11.79 = 1379.35
𝑝
◦ 𝑖=1 σ𝑛𝑗=1 𝑋𝑖𝑗
σ 2
= 52 + 72 + ⋯ + 52 = 1351
𝑝
◦ σ𝑖=1 σ𝑛𝑗=1 𝑌𝑖𝑗2 = 2.342 + 7.542 + ⋯ + 11.792 = 1666.971
𝑝
◦ σ𝑖=1 𝑋𝑖. 𝑌𝑖. = 18 ∗ 7.07 + 23 ∗ 25.89 + ⋯ + 21 ∗ 24.21 = 4039.98
◦ σ𝑛𝑗=1 𝑋.𝑗 𝑌.𝑗 = 65 ∗ 57.09 + 54 ∗ 56.65 + 66 ∗ 78.53 = 11952.93
𝑝
◦ 𝑖=1 𝑋𝑖.2 = 182 + 232 + ⋯ + 212 = 3831
σ
𝑝
◦ σ𝑖=1 𝑌𝑖.2 = 7.072 + 25.892 + ⋯ + 24.212 = 4656.278
◦ σ𝑛𝑗=1 𝑋.𝑗2 = 652 + 542 + 662 = 11497
◦ σ𝑛𝑗=1 𝑌.𝑗2 = 57.09 + 56.652 + 78.532 = 12635.45
1. Perhitungan jumlah hasil kali total
2
2 σ σ 𝑋𝑖𝑗 185 2
◦ 𝐽𝐾 𝑇 𝑋 = σ σ 𝑋𝑖𝑗 − = 1351 − = 83.40741
𝑛𝑝 3∗9
2
2 σ σ 𝑌𝑖𝑗 192.27 2
◦ 𝐽𝐾𝑇(𝑌) = σ σ 𝑌𝑖𝑗 − = 1666.971 − = 297.7953
𝑛𝑝 3∗9
(σ σ 𝑋𝑖𝑗 )(σ σ 𝑌𝑖𝑗 ) 185 192.27
◦ 𝐽𝑃 𝑇 𝑋𝑌 = σ σ 𝑋𝑖𝑗 𝑌𝑖𝑗 − = 1379.35 − =
𝑛𝑝 3∗9
61.94444
2. Perhitungan jumlah hasil kali perlakuan
2
σ𝑖 𝑋𝑖.2 σ𝑖 σ𝑗 𝑋𝑖𝑗 3831 185 2
◦ 𝐽𝐾𝑃 𝑋 = − = − = 9.40741
𝑛 𝑛𝑝 3 3∗9
2
σ𝑖 𝑌𝑖.2 σ𝑖 σ𝑗 𝑌𝑖𝑗 4656.278 192.27 2
◦ 𝐽𝐾𝑃 𝑌 = − = − = 182.9167
𝑛 𝑛𝑝 3 3∗9
σ𝑖 𝑋𝑖. 𝑌𝑖. σ𝑖 σ𝑗 𝑋𝑖𝑗 (σ𝑖 σ𝑗 𝑌𝑖𝑗 ) 4039.98 185 192.27
◦ 𝐽𝑃𝑃 𝑋𝑌 = − = − =
𝑛 𝑛𝑝 3 3∗9
29.25444
3. Perhitungan jumlah hasil kali galat
◦ 𝐽𝐾𝐺(𝑋) = 𝐽𝐾𝑇(𝑋) – 𝐽𝐾𝑃(𝑋) = 83.40741 – 9.40741 = 74
◦ 𝐽𝐾𝐺(𝑌) = 𝐽𝐾𝑇(𝑌) – 𝐽𝐾𝑃(𝑌) = 297.7953 – 182.9167 = 114.8785
◦ 𝐽𝑃𝐺(𝑋𝑌) = 𝐽𝑃𝑇(𝑋𝑌) – 𝐽𝑃𝑃(𝑋𝑌) = 61.94444 – 29.25444 = 32.69

4. Rumus JKG Analisis Peragam

◦ Jumlah Kuadrat Regresi dari Y karena X:
(𝐽𝑃𝐺 𝑋𝑌 )2 (32.69)2
𝐽𝐾𝑅 𝑌 = = = 14.44103
𝐽𝐾𝐺(𝑋) 74
◦ Jumlah Kuadrat Galat (Y terkoreksi):
𝐽𝐾𝐺𝐷 = 𝐽𝐾𝐺(𝑌) – 𝐽𝐾𝑅(𝑌) = 114.8785 – 14.44103 = 100.4375
5. Rumus JKP Analisis Peragam
◦ Jumlah kuadrat regresi (perlakuan+galat):
(𝐽𝑃𝑃(𝑋𝑌) +𝐽𝑃𝐺(𝑋𝑌) )2 (29.25444 + 32.69)2
𝐽𝐾𝑅𝑃𝐺 = = = 46.00448
𝐽𝐾𝑃(𝑋) + 𝐽𝐾𝐺(𝑋) 9.40741 + 74
◦ Jumlah Kuadrat (Perlakuan+Galat):
𝐽𝐾𝑇𝐷 = 𝐽𝐾𝑃𝐺 = 𝐽𝐾𝑃 𝑌 + 𝐽𝐾𝐺 𝑌 − 𝐽𝐾𝑅𝑃𝐺
= 182.9167 + 114.8785 – 46.00448 = 251.7908
◦ Jumlah Kuadrat (Perlakuan+Galat) terkoreksi:
𝐽𝐾𝑃𝐷 = 𝐽𝐾𝑃𝐺 − 𝐽𝐾𝐺𝐷 = 251.7908 – 100.4375 = 151.3533
Jumlah Kuadrat dan Hasil Kali X dan Y untuk RAL
SK Db JK(Y) JP(XY) JK(X)

Perlakuan 8 182.9167 29.25444 9.40741

Galat 18 114.8785 32.69 74

Total 26 297.7953 61.94444 83.40741

Tabel Analisis Peragam untuk RAL

SK Db JK KT Fhit

Perlakuan 8 151.3533 18.9191 3.2022

Galat 17 100.4375 5.9080

Total 25 251.7908
Pengujian terhadap nilai tengah perlakuan pada analisis
peragam
1. Pengujian Nilai Tengah Terkoreksi
𝐻0 : 𝜏1 = 𝜏2 = ⋯ = 𝜏𝑖 = 𝜏
𝐻1 : 𝜏𝑗 ≠ 𝜏, dimana j = 1, 2, …, i
𝐾𝑇𝑃𝐷
𝐹ℎ𝑖𝑡 = = 3.2022
𝐾𝑇𝐺𝐷

Ftabel: 𝐹𝛼 𝑝−1 ,(𝑝 𝑛−1 −1) : F0.05(8,17) : 2.56

Keputusan: Tolak Ho, karena Fhit > Ftabel
Kesimpulan: Perbedaan penggunaan tepung maggot
sebagai bahan pakan pengganti tepung ikan
menghasilkan kesimpulan berpengaruh nyata terhadap
jumlah telur yang dihasilkan burung puyuh.
2. Pemeriksaan ketepatan model
𝐻0 ∶ 𝛽 = 0
𝐻1 : 𝛽 ≠ 0
𝐽𝑃𝐺(𝑋𝑌) 2
൘𝐽𝐾
𝐺(𝑋) 32.69 2 /74
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = = = 2.4442
𝐾𝑇𝐺𝐷 5.9080

Ftabel: 𝐹𝛼(𝑣1 ,𝑣2) : 𝐹1,17

0.05
= 4.46
Keputusan: terima Ho, karena Fhit < Ftabel
Kesimpulan: penggunaan banyaknya anakan per
kandang sebagai peubah pengiring belum tepat
3. Efisiensi relative
𝐽𝐾𝐺(𝑌) 114.8785
𝐾𝑇𝐺𝑠𝑒𝑏𝑒𝑙𝑢𝑚 𝑑𝑖𝑘𝑜𝑟𝑒𝑘𝑠𝑖 = 𝐾𝑇𝐺𝑎𝑛𝑎𝑙𝑖𝑠𝑖𝑠 𝑟𝑎𝑔𝑎𝑚 = = =
𝑑𝑏 𝑔𝑎𝑙𝑎𝑡 18
6.3821
𝐽𝐾𝑃 𝑋
𝐾𝑇𝐺𝑒𝑓𝑒𝑘𝑡𝑖𝑓 𝑠𝑡𝑙ℎ 𝑑𝑖𝑘𝑜𝑟𝑒𝑘𝑠𝑖 = 𝐾𝑇𝐺𝐷 + 1 +
𝑝−1 𝐽𝐾𝐺 𝑋
9.40741
= 5.9080 + 1 + = 6.9239
9−1 74

𝐾𝑇𝐺𝐸𝑓𝑒𝑘𝑡𝑖𝑓 𝑠𝑏𝑙𝑚 𝑑𝑖𝑘𝑜𝑡𝑒𝑘𝑠𝑖 6.3821

𝐸𝑅 = = = 0.921
𝐾𝑇𝐺𝑒𝑓𝑒𝑘𝑡𝑖𝑓 𝑠𝑡𝑙ℎ 𝑑𝑖 𝑘𝑜𝑟𝑒𝑘𝑠𝑖 6.9239
Kesimpulan: Karena ER kurang dari satu maka analisis peragam
tidak efisien atau derajat ketelitiannya menurun.
Analisis peragam secara relative tidak lebih teliti
dari pada analisis ragam.
STUDI KASUS 2
Data percobaan untuk mengetahui pengaruh pemberian air perasan bawang
lanang (Allium sativum) terhadap kadar glukosa darah dan histologi pankreas mencit
diabetes yang diinduksi menggunakan streptozotocin. Penelitian ini dilakukan dengan
menggunakan Rancangan Acak Kelompok (RAK) dengan 5 perlakuan dan 5 ulangan.
Data hasil pengamatan kadar glukosa sebagai berikut
Perlaku Kelompok Total
an 1 2 3 4 5
X Y X Y X Y X Y X Y X Y
K- 97 89 91 84 81 91 76 80 86 100 431 444
K+ 191 180 200 198 177 176 175 200 164 186 907 940
C 189 90 165 126 170 90 164 88 162 96 850 490
B 155 90 152 93 191 110 166 93 180 90 844 476
A 211 87 172 87 182 98 172 96 195 113 932 481
Total 839 536 780 588 801 565 753 557 787 585 396 283
4 1
 𝑝
◦ σ𝑖=1 σ𝑛𝑗=1 𝑋𝑖𝑗 = 97 + 191 + ⋯ + 195 = 3964
𝑝
◦ σ𝑖=1 σ𝑛𝑗=1 𝑌𝑖𝑗 = 89 + 180 + ⋯ + 113 = 2831
𝑝
◦ 𝑖=1 σ𝑛𝑗=1 𝑋𝑖𝑗 𝑌𝑖𝑗 = 97 ∗ 89 + 191 ∗ 180 + ⋯ + 195 ∗ 113 =
σ
462486
𝑝
◦ σ𝑖=1 𝑋𝑖. 𝑌𝑖. = 431 ∗ 444 + 907 ∗ 940 + ⋯ + 932 ∗ 481 = 2310480
◦ σ𝑛𝑗=1 𝑋.𝑗 𝑌.𝑗 = 839 ∗ 536 + 780 ∗ 588 + ⋯ + 787 ∗ 585 =
2240725
𝑝
◦ σ𝑖=1 𝑋𝑖.2 = 4312 + 9072 + ⋯ + 9322 = 3311870
𝑝
◦ σ𝑖=1 𝑌𝑖.2 = 4442 + 9402 + ⋯ + 4812 = 1778773
𝑝
◦ σ𝑖=1 σ𝑛𝑗=1 𝑋𝑖𝑗2
= 972 + 1912 + ⋯ + 1952 = 666144
𝑝
◦ σ𝑖=1 σ𝑛𝑗=1 𝑌𝑖𝑗2 = 892 + 1802 + ⋯ + 1132 = 358195
◦ σ𝑛𝑗=1 𝑋.𝑗2 = 8392 + 7802 + ⋯ + 7872 = 3140300
◦ σ𝑛𝑗=1 𝑌.𝑗2 = 5362 + 5882 + ⋯ + 5852 = 1604739
1. Perhitungan jumlah hasil kali total
2
2 σ σ 𝑋𝑖𝑗 3964 2
◦ 𝐽𝐾𝑇(𝑋) = σ σ 𝑋𝑖𝑗 − = 666144 − = 37612.16
𝑛𝑝 5∗5
2
2 σ σ 𝑌𝑖𝑗 2831 2
◦ 𝐽𝐾 𝑇 𝑌 = σ σ 𝑌𝑖𝑗 − = 358195 − = 37612.56
𝑛𝑝 5∗5
(σ σ 𝑋𝑖𝑗 )(σ σ 𝑌𝑖𝑗 ) 3964 (2831)
◦ 𝐽𝑃𝑇(𝑋𝑌) = σ σ 𝑋𝑖𝑗 𝑌𝑖𝑗 − = 462486 − =
𝑛𝑝 5∗5
13602.64
2. Perhitungan jumlah hasil kali perlakuan
2
σ𝑖 𝑋𝑖.2 σ𝑖 σ𝑗 𝑋𝑖𝑗 3311870 3964 2
◦ 𝐽𝐾𝑃 𝑋 = − = − = 33842.16
𝑛 𝑛𝑝 5 5∗5
2
σ𝑖 𝑌𝑖.2 σ𝑖 σ𝑗 𝑌𝑖𝑗 1778773 2831 2
◦ 𝐽𝐾𝑃 𝑌 = − = − = 35172.16
𝑛 𝑛𝑝 5 5∗5

σ𝑖 𝑋𝑖. 𝑌𝑖. σ𝑖 σ𝑗 𝑋𝑖𝑗 (σ𝑖 σ𝑗 𝑌𝑖𝑗 ) 2310480 3964 2831

◦ 𝐽𝑃𝑃 𝑋𝑌 = − = − = 13212.64
𝑛 𝑛𝑝 5 5∗5
3. Perhitungan jumlah hasil kali kelompok
2
σ𝑗 𝑋.𝑗2 σ𝑖 σ𝑗 𝑋𝑖𝑗 3140300 3964 2
◦ 𝐽𝐾𝐾 𝑋 = − = − = −471.84
𝑝 𝑛𝑝 5 5∗5
2
σ𝑗 𝑌.𝑗2 σ𝑖 σ𝑗 𝑌𝑖𝑗 1604739 2831 2
◦ 𝐽𝐾𝐾 𝑌 = − = − = 365.36
𝑝 𝑛𝑝 5 5∗5
σ𝑗 𝑋𝑗. 𝑌𝑗. σ𝑖 σ𝑗 𝑋𝑖𝑗 (σ𝑖 σ𝑗 𝑌𝑖𝑗 ) 2240725 3964 2831
◦ 𝐽𝑃𝐾 𝑋𝑌 = − = − = −738.36
𝑝 𝑛𝑝 5 5∗5
4. Perhitungan jumlah hasil kali galat
◦ 𝐽𝐾𝐺 𝑋 = 𝐽𝐾𝑇 𝑋 − 𝐽𝐾𝑃 𝑋 – 𝐽𝐾𝐾 𝑋
= 37612.16 – 33842.16 – (−471.84) = 4241.84
◦ 𝐽𝐾𝐺 𝑌 = 𝐽𝐾𝑇 𝑌 – 𝐽𝐾𝑃 𝑌 – 𝐽𝐾𝐾 𝑌
= 37612.56 – 35172.16 – 365.36 = 2075.04
◦ 𝐽𝑃𝐺 𝑋𝑌 = 𝐽𝑃𝑇 𝑋𝑌 – 𝐽𝑃𝑃 𝑋𝑌 – 𝐽𝑃𝐾 𝑋𝑌
= 13602.64 – 13212.64 – (−738.36) = 1128.36
5. Rumus JKG analisis peragam
◦ Jumlah kuadrat regresi dari Y karena X
(𝐽𝑃𝐺 𝑋𝑌 )2 (1128.36)2
𝐽𝐾𝑅 𝑌 = = = 300.1519
𝐽𝐾𝐺(𝑋) 4241.84
◦ Jumlah kuadrat (perlakuan+galat)
𝐽𝐾𝐺𝐷 = 𝐽𝐾𝐺(𝑌) – 𝐽𝐾𝑅(𝑌) = 2075.04 − 300.1519 = 1774.88
6. Rumus JKP analisis peragam
◦ Jumlah kuadrat regresi (perlakuan+galat)
(𝐽𝑃𝑃(𝑋𝑌) +𝐽𝑃𝐺(𝑋𝑌) )2 (13212.64+1128.36)2
𝐽𝐾𝑅𝑃𝐺 = = = 5400.28
𝐽𝐾𝑃(𝑋) +𝐽𝐾𝐺(𝑋) 33842.16+ 4241.84

◦ Jumlah kuadrat (perlakuan+galat)

𝐽𝐾𝑃𝐺 = 𝐽𝐾𝑃 𝑌 + 𝐽𝐾𝐺 𝑌 − 𝐽𝐾𝑅𝑃𝐺
= 35172.16 + 2075.04 − 5400.28 = 31846.92
◦ Jumlah kuadrat (perlakuan+galat) terkoreksi :
𝐽𝐾𝑃𝐷 = 𝐽𝐾𝑃𝐺 − 𝐽𝐾𝐺𝐷 = 31846.92 – 1774.88 = 30072.03
7. Rumus JKK analisis peragam
(𝐽𝑃𝑘(𝑋𝑌) +𝐽𝑃𝐺(𝑋𝑌) )2 (−738.36+1128.36)2
◦ 𝐽𝐾𝑅𝑘𝐺 = = = 40.3448
𝐽𝐾𝑘(𝑋) +𝐽𝐾𝐺(𝑋) −471.84+4241.84

◦ 𝐽𝐾𝐾𝐺 = 𝐽𝐾𝐾 (𝑌) +

𝐽𝐾𝐺 (𝑌) −
𝐽𝐾𝑅𝐾𝐺 = 365.36 + 2075.04 − 40.3448 =
2400.055
◦ 𝐽𝐾𝐾𝐷 = 𝐽𝐾𝐾𝐺 − 𝐽𝐾𝐺𝐷 = 2400.055 – 1774.88 = 625.1671
Jumlah Kuadrat dan Hasil Kali X dan Y untuk RAK

SK Db JK(Y) JP(XY) JK(X)

Perlakuan 4 35172.16 13212.64 33842.16

Kelompok 4 365.36 −738.36 −471.84

Galat 16 2075.04 1128.36 4241.84

Total 24 37612.56 13602.64 37612.16

Tabel Analisis Peragam untuk RAK

SK Db JK KT 𝐹ℎ𝑖𝑡𝑢𝑛𝑔
Perlakuan 4 30072.03 7518.008 63.5364
Kelompok 4 625.1671 156.2918 1.3208
Galat 15 1774.88 118.3259
Total 23 32472.09
Pengujian terhadap nilai tengah perlakuan pada analisis
peragam
1. Pengujian nilai tengah terkoreksi
𝐻0 : 𝜏1 = 𝜏2 = ⋯ = 𝜏𝑖 = 𝜏
𝐻1 : 𝜏𝑗 ≠ 𝜏, dimana j = 1, 2, …, i
𝐾𝑇𝑃𝐷
𝐹ℎ𝑖𝑡 = = 63.5364
𝐾𝑇𝐺𝐷

Ftabel: 𝐹𝛼 𝑝−1 ,( 𝑛−1 𝑝−1 −1) : F0.05(4,15) : 3.06

Keputusan: tolak Ho, karena Fhit > Ftabel
Kesimpulan: Pemberian air perasan bawang lanang
(Allium sativum) berpengaruh terhadap kadar glukosa
darah dan histologi pankreas mencit diabetes yang
diinduksi menggunakan streptozotocin.
2. Pemeriksaan ketepatan model
◦ 𝐻0 ∶ 𝛽 = 0
◦ 𝐻1 : 𝛽 ≠ 0
𝐽𝑃𝐺(𝑋𝑌) 2
൘𝐽𝐾
𝐺(𝑋) 1128.36 2 /4241.84
◦ 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = = = 2.5366
𝐾𝑇𝐺𝐷 118.3259

◦ Ftabel: 𝐹𝛼(𝑣1 ,𝑣2) : 𝐹1,16

0.05
= 4.49
◦ Keputusan: Terima Ho, karena Hhit < Ftabel
◦ Kesimpulan: kadar glukosa darah tanpa pemberian air
perasan bawang lanang (Allium sativum) sebagai peubah
pengiring belum tepat
3. Efisiensi relative
𝐽𝐾𝐺(𝑌) 2075.04
◦ 𝐾𝑇𝐺𝑠𝑒𝑏𝑒𝑙𝑢𝑚 𝑑𝑖𝑘𝑜𝑟𝑒𝑘𝑠𝑖 = 𝐾𝑇𝐺𝑝𝑎𝑑𝑎 𝑎𝑛𝑎𝑙𝑖𝑠𝑖𝑠 𝑟𝑎𝑔𝑎𝑚 = = =
𝑑𝑏 𝑔𝑎𝑙𝑎𝑡 15
138.336
𝐽𝐾𝑃 𝑋
◦ 𝐾𝑇𝐺𝑒𝑓𝑒𝑘𝑡𝑖𝑓 𝑠𝑡𝑙ℎ 𝑑𝑖𝑘𝑜𝑟𝑒𝑘𝑠𝑖 = 𝐾𝑇𝐺𝐷 + 1 +
𝑝−1 𝐽𝐾𝐺 𝑋
33842.16
= 118.3259 + [1 + ] = 121.3204
5−1 4241.84
𝐾𝑇𝐺𝐸𝑓𝑒𝑘𝑡𝑖𝑓 𝑠𝑏𝑙𝑚 𝑑𝑖𝑘𝑜𝑡𝑒𝑘𝑠𝑖 138.336
◦ 𝐸𝑅 = = = 1.140
𝐾𝑇𝐺𝑒𝑓𝑒𝑘𝑡𝑖𝑓 𝑠𝑡𝑙ℎ 𝑑𝑖 𝑘𝑜𝑟𝑒𝑘𝑠𝑖 121.3204

◦ Kesimpulan: karena ER lebih dari 1, yaitu 1.140 maka analisis

peragam efisien atau derajat ketelitiannya meningkat, atau
analisis peragam secara relative lebih teliti dari analisis ragam.