N


 ix    2

2  i 1

3 SKS (2-1)
N
 Asumsi Dasar Analisis Ragam

PENGARUH ADITIF . Pengaruh perlakuan dan

lingkungan adalah aditif
 
KEBEBASAN GALAT. Galat percobaan bebas

KEHOMOGENAN RAGAM. Galat percobaan mem-

punyai keragaman yang sama

MENYEBAR NORMAL. Galat percobaan menyebar

normal
PENGARUH ADITIF .

Dua faktor bersifat aditif jika pengaruh suatu faktor

selalu tetap antara semua faktor lainnya

Pengaruh perlakuan dan ulangan dikatakan aditif

jika pengaruh perlakuan selalu tetap untuk semua
ulangan dan pengaruh ulangan selalu tetap untuk
semua perlakuan’.
 
Perlakuan Ulangan Pengaruh Ulangan
A 180 120 60
B 160 100 60
Pengaruh Perlakuan 20 20
KEBEBASAN GALAT .

Galat dari suatu pengamatan, tidak berkaitan dengan

galat yang lain.

Pengacakan yang tepat dalam penempatan perla-

kuan, menjamin asumsi ini
 
KEHOMOGENAN RAGAM

Ketidakhomogenan ragam (keheterogenan ragam) :

1.ada hubungan fungsi dari rataan
2.tidak ada hubungan fungsi dengan rataan

Ketidakhomogenan (1) terjadi terutama karena ber-

hubungan dengan data yang MENYEBAR TIDAK
NORMAL
Ketidakhomogenan ini yang akan dibahas lebih
lanjut
Ketidakhomogenan (2) terjadi dalam percobaan yang
terjadi alamiah karena beberapa perlakuan yang
diujikan mempunyai galat yang berbeda dibanding
galat yang lain.

 Pengujian varietas, maka ragam antar petakan

dari varietas akan tergantung pada kehomogenan
genetik dari bahan yang sedang diuji

Pengujian respon hasil terhadap perlakuan kimia

(pemupukan, insektisida, perlakuan bahan kimia)
yang tidak merata menyebabkan keragaman yang
tinggi dalam petakan dibanding petakan tanpa
perlakuan
Uji Kehomogenan Ragam (Uji
Bartlett)
Hipotesis :
H0 : s12 = s22 = s32.......... = sk2
H1 : Ragam-ragam tersebut tidak semuanya
sama
 Statistik uji : uji Bartlett
 Perhitungan :
(1) menghitung k buah ragam contoh s12,
s22,……….. sk2 dari contoh-contoh yang
berukuran n1, n2,… nk (n1 + n2+ … nk= N)
(2) menghitung ragam gabungan contoh :
k

sp2 = Ʃ (ni-1)si2 / N-k

i=1

(3) menghitung nilai b :

 
[(s12)n1-1 (s22)n2-1… (sk2)nk-1] 1/(N-k)
b =______________________________
sp2
Jika n1=n2 …….. nk = n, maka tolak H0, pada taraf
α, jika : b < bk(α; n) (Tabel A.13)

Jika ukuran contoh yang tidak sama, maka tolak

H0, pada taraf α, jika : b < bk (α; n1, n2, …..nk)
Untuk :

n1 bk(α; n1) + n2 bk(α; n2) + … +nk bk(α; nk)

bk(α; n1,n2,..nk) = ___________________________________
N
 Diagnosis Keheterogenan

Untuk tiap perlakuan dihitung ragam dan rataan

 antar ulangan

Dibuat diagram pencar antara rataan (x) dan ragam

(y). Jumlah titik dalam diagram pencar sama dengan
jumlah perlakuan.

Dari diagram pencar dapat diperiksa secara visual

untuk melihat hubungan yang terjadi
 (A) (B) (C)
x
x x x
x x x x x
ragam

ragam
x x

ragam
x x x x x x
x x x x x x
x x
  x x x x x
x x
rataan rataan rataan

(A) Ragam homogen

(B) Ragam heterogen dengan ragam fungsi rataan

(C) Ragam heterogen dengan ragam tanpa ada hubungan terhadap rataan
 Diagnosis kehomogenan ragam dapat dilakukan
dengan menggunakan uji kehomogenan dengan
  menggunakan Uji Bartlett

Diagnosis kenormalan data dapat dilakukan

dengan menggunakan uji Kolmogorov-Smirnov
(tidak dibahas)
 Transformasi Data

Transformasi data adalah paling sesuai untuk

 
perbaikan pengukuran keheterogenan ragam
dimana ragam dan rataan mempunyai hubungan
fungsi (data tidak menyebar normal)

Data asli dikonversikan ke dalam skala baru se-

hingga gugus data baru diharapkan memenuhi
asumsi kehomogenan ragam
Terdapat tiga macam transformasi yang paling
umum digunakan :

(1) Transformasi Logaritma :

 
-Paling sesuai untuk dengan simbangan baku
berbanding lurus dengan rataannya.
-Data bilangan bulat dengan cakupan seba-ran
nilai yang besar
-Jika gugus data merupakan nilai-nilai kecil (<10)
sebaiknya menggunakan log (x+1) untuk x = data
asli
 (2) Transformasi Akar Kuadrat :
-Paling sesuai untuk data bilangan bulat yang
kecil
 
-Juga cocok untuk data persentase jika kisa-
rannya antara 0%-30% atau antara 70%-100%,
tetapi tidak keduanya.

- Jika banyak data yang kecil terutama nilai nol,

maka sebaiknya menggunakan trans-formasi
(x+0.5)0.5 untuk x = data asli.
 (3) Transformasi Akar Arc Sin :
-Paling sesuai untuk data penghitungan yang
dinyatakan sebagai desimal atau persentase.
 
-Cocok untuk data persentase yang tidak cocok
untuk transformasi akar kuadrat

- Jika data persentase dengan kisaran 30%-70%,

maka tidak diperlukan transformasi
 Data Hilang

Penyebab data hilang :

(1)Perlakuan yang tidak tepat, seperti perlakuan
  yang tidak diberikan, pemberian perlakuan yang
salah kadarnya, waktu pemberian perla-kuan
yang salah.
(2)Kerusakan unit percobaan, seperti ada tana-
man yang rusak sehingga gak bisa diukur peu-
bah tinggi tanaman
(3)Data tidak logik, karena nilai ekstrem dan
disebabkan karena suatu kesalahan
 Suatu percobaan yang mempunyai satu atau lebih
pengamatan yang hilang, maka penghitungan
baku analisis ragam, tidak bisa digunakan.
 
Analisis bisa dilakukan dengan menggunakan :
(1)analisis ragam (anova) dengan teknik rumus
data hilang, atau
(2)teknik analisis peragam (anacova)
 Rumus Data Hilang

Rancangan Kelompok Lengkap Teracak :

 
(1) Satu nilai pengamatan hilang , maka nilai yang hilang
dapat diduga berdasarkan rumus :
rB  tT  G
y 
( r  1)(t  1)
Untuk r banyaknya ulangan (kelompok), t banyaknya
perlakuan, B total pengamatan dalam kelompok yang
mengandung data hilang, T total pengamatan dalam
perlakuan yang mengandung data hilang, dan G total
semua pengamatan.
 (2) Jika ada beberapa nilai yang hilang, maka semua nilai
diduga dengan nilai aproksimasi kecuali satu nilai
pengamatan . Nilai aproksimasi dapat diperoleh dengan
menghitung :
  (Y i.  Y . j ) / 2

Untuk (Y i.) rata-rata perlakuan dan (Y . j ) rata-rata

kelompok (ulangan) dari data yang ada yang
mengandung nilai yang hilang. Kemudian gunakan
rumus pendugaan satu data untuk hilang, dan gunakan
juga untuk nilai aproksimasi yang lain satu persatu
hingga satu siklus penuh kemudian diulang untuk
siklus kedua hingga nilai pendugaan relatif sama.
 2
1  x 
1   
f ( x,  ,  2 )  e 2  

2 