RANCANGAN ACAK

KELOMPOK
By :
Viarti Eminita
G151110031
Dewi Sinta G151110061
 Latar Belakang
 Satuan percobaan tidak homogen
 Lingkungan tidak homogen
 Ciri-ciri
 Umumnya dilakukan di lapangan
 Unit percobaan cukup besar
 Pembatasan pada proses pengacakan dimana
tidak terdapat kebebasan dalam pengalokasian
perlakuan.
KELEBIHAN VS KEKURANGAN
Kelebihan

1. Hasil lebih akurat, bila pemblokan benar.

2. Keragaman antar satuan percobaan dapat di
kendalikan sehingga keragaman antar kelompok
dimaksimumkan dan keragaman di dalam kelompok
diminimumkan (Steel dan Torrie, 1989).
3. Fleksibel atau luwes. Tidak ada batasan jumlah
perlakuan dan atau blok.
Kekurangan

1. Bila jumlah perlakuan sangat banyak, blok-blok

yang homogen mungkin sukar didapatkan.
Semakin banyak satuan percobaan tiap blok,
semakin besar kemungkinan satuan percobaan-
satuan percobaan yang heterogen.
2. Jika blok dan perlakuan berinteraksi, RAK tidak
tepat bila digunakan.
3. Jika ada data yang hilang memerlukan
perhitungan yang lebih rumit.
TAHAPAN UNTUK MEMBANGUN
LAYOUT PENGACAKAN
 Pengacakan dilakukan pada masing-masing
blok.
 Untuk setiap blok, tentukan 4 bilangan acak.
 Pengacakan dilakukan langsung terhadap
seluruh unit percobaan. Pengacakan salah
satunya dapat menggunakan bilangan acak.
 LAYOUT PENGACAKAN

suatu percobaan dengan empat buah perlakuan

(P1, P2, P3, P4) dan setiap perlakuan diulang
dalam 3 kelompok atau blok. Dengan demikian
unit percobaan yang dilibatkan sebanyak 4 unit
pada setiap blok sehingga secara keseluruhan
dibutuhkan 3x4 = 12 unit percobaan.
Blok I Blok II

Perlakuan Bilangan Acak Perlakuan Bilangan Acak

P3 0.036477 P2 0.269759

P2 0.10989 P3 0.833478

P4 0.115854 P1 0.905734

P1 0.948738 P4 0.90654

Blok III
P3 0.045468

P4 0.186669

P1 0.771262

P2 0.939703
 Pengalokasianperlakuan pada plot
percobaan dilakukan berdasarkan hasil
pengacakan pada tahap 2.

Blok I Blok II Blok III

P3 P2 P3

P2 P3 P4

P4 P1 P1

P1 P4 P2
HIPOTESIS
MODEL LINIER
 TABULASI DATA
Blok Perlakuan Total

P1 P2 P3 P4 Blok

1 Y11 Y21 Y31 Y41 Y.1

2 Y12 Y22 Y31\2 Y42 Y.2

3 Y13 Y23 Y33 Y43 Y.3

Total Y1. Y2. Y3. Y4. Y..

Perlakuan
ANOVA
 ANOVA
Sumber db JK KT F-Hitung
Keragaman

Perlakuan t-1 JKP KTP KTP/KTG

Kelompok r-1 JKK KTK KTK/KTG

Galat (t-1)(r-1) JKG KTG

Total tr-1 JKT

PENARIKAN KESIMPULAN

atau
 CONTOH KASUS
Suatu penelitian dilakukan untuk mengkaji tingkat produksi 5 jenis bangsa
sapi (A, B, C, D dan E). Setiap bangsa sapi ditempatkan pada kandang
terpisah dan diberikan pakan yang sama (jenis, frekuensi, dan takarannya)
serta bobot umur sapi yang digunakan dalam percobaan ini disamakan.
Ukuran produksi yang diamati adalah bobot badan setelah 3 bulan
percobaan. Pengacakan dilakuakn sebagai berikut:
Utara
C (65) B (68) D (68) E (80) A (55)
1 2 3 4 5
A (50) 1 1 B (60)
C (60) 2 2 D (60)
B (65) 3 Padang Rumput 3 E (78)
D (65) 4 4 A (50)
E (80) 5 5 C (58)
1 2 3 4 5
D (70) E (75) A (60) C (60) B (78)
Selatan

Penelitian tersebut merupakan penelitian faktor tunggal, yaitu bangsa sapi.

Setiap perlakuan (bangsa sapi) terdapat pada setiap posisi kandang (Utara,
Selatan, Timur, dan Barat) dan tidak ada pengulangan perlakuan pada satu
posisi kandang yang sama.
(Sumber: Matjik dan Sumertajaya, 2002)
• Layout Data
Bangsa Posisi Kandang (Kelompok) Total
Sapi Utara Barat Selatan Timur

A 55 50 60 50 215
B 68 65 78 60 271
C 65 60 60 58 243
D 68 65 70 60 263
E 80 80 75 78 313
Total 336 320 343 306
 Hipotesis
 Model Linier
 Perhitungan Analisis Ragam
 Tabel ANOVA

Sumber db JK KT Fhitung F0.05

Keragaman

Posisi Kandang 3 164,95 54,95 3,73 3,49

Bangsa sapi 4 1312,00 328,00 22,27 3,26
Galat 12 176,80 14,73
Total 19 1653,75
 Penarikan Kesimpulan

Karena Fhitung bangsa sapi (22,27) > 3,26

maka tolak pada taraf kepercayaan 95%.
Hal ini berarti pada taraf kepercayaan 95%,
minimal ada satu bangsa sapi yang
berpengaruh pada rata-rata bobot badan
sapi pada taraf nyata 5%. Sedangkan untuk
posisi kandang sapi (kelompok), Fhitung
(3,73) > 3,49, maka H0: β1 = β2 = β3 = β4 = 0
ditolak atau minimal ada satu posisi
kandang sapi berpengaruh terhadap rata-
rata bobot sapi pada taraf nyata 5%.
 Aplikasi SAS (syntaks)
 Output
Source DF Sum of Mean F Value Pr > F
Squares Square
Model 7 1476.95000 210.992857 14.32 <.0001
Error 12 176.800000 14.733333
Corrected 19 1653.75000
Total

R-Square Coeff Var Root MSE BOBOT Mean

0.893091 5.882609 3.838402 65.25000

Source DF Type I SS Mean F Value Pr > F

Square
BANGSA 4 1312.00000 328.000000 22.26 <.0001
SAPI
POSISI 3 164.950000 54.983333 3.73 0.0419
KANDANG
 Kesimpulan berdasarkan Output
 NILAI HILANG DALAM RAKL
 Satu Data Hilang

Prosedur Untuk data hilang tunggal dalam RAKL adalah

sebagai berikut (Nugroho, 2008):
1. Sisipkan sembarang nilai, misalnya M, untuk data yang
hilang
2. Tentukan nilai M yang meminimumkan JK galat
percobaan
3. Sisipkan nilai tersebut, dan hitung semua JK yang
digunakan dalam Anova
4. Kurangi db total dan db galat percobaan dengan satu.
Lanjutan . . .

Nilai M = Ygh yang meminimumkan JK galat percobaan adalah

Th = total semua pengamatan yang tak hilang perlakuan ke-h

Bg = total semua pengamatan yang hilang blok ke-g
G = total semua pengamatan yang hilang.

JK perlakuan, setelah nilai M disisipkan, dihitung seperti biasa,

namun perlu dikoreksi dengan bias, dimana
CONTOH SATU DATA HILANG
 Layout Data

Pembersihan Asal
1 2 3 4 5
1 21 M 25 18 22 T1 = 86
2 26 38 27 17 26 134
3 16 25 22 18 21 102
4 28 35 27 20 24 134
91 B2 = 98 101 73 93 G = 456
 Prosedur Perhitungan
 ANOVA

Sumber keragaman db JK KT Fhit

Asal 4 424,75
Pembersihan terkoreksi 3 140,62 46,87 6,87**
Galat 12-1 = 11 75,05 6,82
Total 19-1 = 18 640,42
 Data Hilang Lebih Dari Satu

Langkah pendugaan nilai-nilai tersebut adalah sebagai berikut :

1. Dugalah nilai awal salah satu data yang hilang dengan
menghitung

2. Gunakan persamaan berikut untuk menduga nilai lainnya

3. Ulangi langkah 1 dan 2, hingga diperoleh nilai yang konvergen.

4. Kemudian nilai dugaan itu bersama-sama dengan pengamatan

lainnya dianalisis seperti biasa. Untuk satu data hilang, satu
derajat bebas dikurangkan dari derajat bebas total dan galatnya.
CONTOH DUA DATA HILANG

Kelompok Total Perlakuan

Perlakuan Nilai yang Semua
1 2 3 4
teramati nilai
1 4,4 5,9 6,0 4,1 20,4
2 (a=4,5) 1,9 4,9 7,1 13,9 18,4
3 4,4 4,0 4,5 3,1 16,0
4 6,8 6,6 (b=7,2) 6,4 19,8 27,0
5 6,3 4,9 5,9 7,1 24,2
6 6,4 7,3 7,7 6,7 28,1
Kelompok|nila yang teramati 28,3 30,6 29,0 34,5 122,4
Total|Semua nilai 32,8 36,2 134,1
 Langkah-langkah perhitungan pendugaan
data hilang adalah:
cara 1 : nilai awal = b
Lanjutan . . .

Oleh karena a1 dan a2 sama bila dibulatkan ke satu

desimal, begitu juga dengan dan , sehingga siklus
dihentikan. Jadi nilai dugaan data hilang untuk a
adalah 4,5 dan b =7,2.
Cara 2 : nilai awal = a
Oleh karena a1 dan b1 sama bila
dibulatkan ke satu desimal, begitu juga
dengan a2 dan b2, sehingga siklus
dihentikan. Jadi nilai dugaan data hilang
untuk a =4,5 dan b =7,2.

Kesimpulan
Berdasarkan cara 1 dan cara 2 dalam
kasus ini diperoleh nilai yang sama,
sehingga nilai dugaan untuk data hilang
adalah a= 4,5 dan b = 7,2
APLIKASI SAS
 Sintaks Rancangan Acak Kelompok (tidak ada data hilang):
 Output 1 :
Source DF Sum of Mean F Value Pr > F
Squares Square
Model 8 753.1683 94.1460 10.29 <.0001

Error 15 137.2579 9.1505

Corrected 23 890.4263
Total

R-Square Coeff Var Root MSE Y1 Mean

0.845851 7.622007 3.024984 39.68750

Source DF Type I SS Mean F Value Pr > F

Square
PERLAKUAN 5 658.0638 131.6128 14.38 <.0001
BLOK 3 95.1046 31.7015 3.46 0.0432
APLIKASI SAS
 Data Hilang: jika dipaksakan running
sintaks RAK yang terdapat data hilang.
 Output 2 :

Source DF Sum of Mean F Value Pr > F

Squares Square
Model 8 722.3504 90.2938 8.69 0.0004
Error 13 135.1245 10.3941
Corrected 21 857.4750
Total

R-Square Coeff Var Root MSE Y1 Mean

0.842416 8.193146 3.224003 39.35000

Source DF Type I SS Mean Square F Value Pr > F

PERLAKUAN 5 644.1367 128.8273 12.39 0.0001
BLOK 3 78.2138 26.0712 2.51 0.1046
KESIMPULAN
 Berdasarkan output 1 dan output 2,
diperoleh hasil yang berbeda walaupun tidak
terlalu signifikan. JK galat yang diperoleh
lebih kecil, SAS menganggap data tersebut
tidak ada karena db total dikurangi dengan
2. seharusnya db total hanya dikurangi oleh
satu jika terdapat satu data hilang.
 DAFTAR PUSTAKA
Mattjik, A.A. dan Sumertajaya, I.M. 2002. Perancangan
Percobaan: Dengan Aplikasi SAS dan MINITAB. Jilid I,
Edisi kedua. IPB Press. Bogor.

Montgomery, D.C. 2001. Design and Analysis of

Experiments. 3rd ed. John Wiley & Sons. New York.

Nugroho, Sigit. 2008. Dasar-dasar Rancangan Percobaan.

UNIB PRESS. Bengkulu

Steel, Robert G. D. dan James H. Torrie. 1989. Prinsip

dan Prosedur Statistika. PT Gramedia. Jakarta
TE
RI
MA
KA
SIH