Professional Documents
Culture Documents
Diktat Kuliah
PERANCANGAN PERCOBAAN
Oleh:
Drs. Riyanto, Msc
Medan
2016
2
I.Pendahuluan
1. Ranc percob sbg bagian dari statistika
2. Ranc Percob dan penelitian
3. Replikasi
4. Randomosasi
5. ANOVA
Perancangan percobaan adalah aturan yang digunakan untuk mendapatkan data di dalam suatu percobaan. Metode
ini digunakan sebagai suatu aturan untuk menempatkan perlakuan ke dalam satuan-satuan percobaan. Tujuannya
adalah mengukur pengaruh perlakuan, misal: pemberian pupuk dengan kadar berbeda2 terhadap suatu jenis varietas
tertentu, … dll. Bidang ini merupakan salah satu cabang penting dalam statistika inferensial dan diajarkan di banyak
cabang ilmu pengetahuan di perguruan tinggi karena berkaitan erat dengan pelaksanaan percobaan (eksperimen).
Perancangan percobaan dapat dikatakan sebagai "jembatan" bagi peneliti untuk bergerak dari hipotesis menuju pada
eksperimen agar memberikan hasil yang valid secara ilmiah. Dengan demikian, perancangan percobaan dapat
dikatakan sebagai salah satu instrumen dalam metode ilmiah.
Rancangan Acak Lengkap (RAL) disebut juga (Completely Randomized Design = CRD) merupakan ranncangan
dasar. Semua rancangan random berpangkal pada RAL dengan menempatkan pembatasan-pembatasan dalam
alokasi perlakuan dalam lapangan percobaan. Apabila unit percobaan terlalu heterogen, salah satu cara untuk
mengontrol variabilitasnya adalah dengan mengadakan stratifikasi kedalam kelompok -kelompok yang lebih
homogen (Ini cocoknya dengan RAK). RAL dapat didefinisikan sebagai rancangan dengan beberapa perlakuan yang
disusun secara random untuk seluruh unit percobaan.
Kelebihan RAL :
Adapun kelemahan RAL hanya cocok digunakan pada beberapa perlakuan (tidak banyak) serta untuk unit
percobaan yang relative homogen.
Menyusun Rancangan
yang dimaksud dengan menyusun rancangan adalah menempatkan perlakuan pada unit percobaan. Suatu contoh
susunan Acak lengkap dengan lima perlakuan A, B, C, D, E masing-masing dengan empat replikasi (berarti ada 20
data) misalnya sbb:
E E C B E
(1) (8) (9) (16) (17)
A D D B A
(2) (7) (10) (15) (15)
B C A C B
(3) (6) (11) (14) (19)
E D A D C
(4) (5) (12) (13) (20)
HC48 = A
HC33 = B
HCG1 = C
HCG4 = D
Masing-masing dengan 3 ulangan dimana tiap perlakuan menggunakan luas yang sama yaitu 1 hektar dengan
kerapatan tanaman yang juga sama pada areal yang relatip homogen. Hasil percobaan tersebut adalah sebagai
berikut:
4
Pertanyaan :
1. Apakah ada beda nyata pada hasil dari keempat varietas tersebut.
2. Jika ada beda nyata, perlakuan yang mana yang memberikan hasil terbaik? Ujilah dengan LSD (List
Significant Deferences = BNT : “Beda Nyata Terkecil) dengan tingkat keyakinan 95% atau ά = 0.05
Ulangan
Perlakuan Total Rata2
I II III IV V
A 3.54 3.25 3.15 3.50 3.43 16.87 3.37
B 3.44 3.30 3.21 3.25 3.05 16.25 3.25
C 3.00 3.10 2.85 2.95 3.12 15.02 3.00
D 2.97 2.89 2.91` 3.15 3.08 15.00 3.00
(tujuannya agar diketahui nilai rata-ratanya dan nilai totalnya : yang akan dipakai pada perhitungan selanjutnya.
Rumus Keterangan
FK FK = Faktor koreksi
( grandtotal ) 2 (Correction factor = CF)
=
Jumlahdata
JK Total JK = Jumlah Kwadrat
(Sum of square = SS)
JK Perlakuan Perlakuan = treatments
( grandtotal ) 2 (63.14) 2
FK = = = 199.33
Jumlahdata 20
n
JK Total = ∑Y
i =1
i
2
− FK = (3.54)2 + (3.44)2+………….+ (3.08)2 - FK = 200.14 – 199.33 = 0.81
n 2
JK Perlakuan =
∑T i =1
i − FK
=
(17.87)2 + (16.25)2 + (15.00)2 + (15.00)2
– FK = 199.85-199.33 = 0.52
5
Ulangan
ANOVA
Sumber Derajat Jumlah Kuadrat Fhitung F tabel
Keragaman Bebas Kuadrat (JK) Tengah (KT) F0.05 F0.01
(SK) (db)
4 Perlakuan 3 0.52 0.17
9.49 ** 3.24 5.29
Galat 16 0.29 0.018
20 Total 19 1797,750
F hitung> F tabel pada taraf signifikansi 0,01 ( artinya sangat beda nyata)
Kesimpulannya : Ada beda sangat nyata pada ke4 varietas rami yang ditanam pada percobaan tsb.
Note.
Sumber Derajat Bebas Jumlah Kuadrat Fhitung F tabel
Keragaman (db) Kuadrat Tengah (KT) 0,05 0,01
(SK) (JK)
Perlakuan db perlakuan = JKP JKP/db P
(t-1)
KT P / KT G 3.24 5.29
Total n-1
Note.
Db = drajat bebas = df = degree of freedom
‘t = jumlah perlakuan
‘n = jumlah data (= r x t dimana r adalag jumlah ulangan dan t adalah jumlah perlakuan)
KT = Kwadrat tengah = JK/db (KT = MS = Mean of Square)
• Jadi Pertanyaan 1. Apakah ada beda nyata pada hasil dari keempat varietas tersebut sudah terjawab : ada
• Untuk menjawab pertanyaan 2. Jika ada beda nyata, perlakuan yang mana yang memberikan hasil terbaik?
Maka perlu diuji dengan LSD (List Significant Deferences atau bahasa Indonesianya adalah BNT : “Beda
Nyata Terkecil) dengan tingkat keyakinan 95% atau ά = 0.05. caranya sbb.
2 KTGalat
BNT α = t α (db galat) x
Ulangan
2x0.018
Untuk α=0.05 maka BNT 0.05 = t 0.05 (16) x
5
= 2.12 x 0.085 = 0.18
Note. t α (db galat) = t 0.05 (16) = 2.12 adalah dicari dari tabel t (pada kolom 0.05 pada baris 16)
Langkah kedua,
• nilai rata-ratanya diurutkan mulai yang terkecil
• Buat Tabel Matriks selisih antara rata-rata perlakuan
• Bandingkan selisih rata-rata dengan nilai HSD
Bisa ditulis
HCG1 a
HCG4 a
HC33 b
HC48 b
HCG1
HCG4
HC33
HC48
Jadi cultivar yang terbaik adalah tanaman rami varietas HC48 atapun HC33
7
Percobaan dalam RAL sebagaimana yang telah kita bicarakan pada topic sebelumnya kita berasumsi bahwa kondisi
lingkungannya adalah homogin (seragam). Pada kenyataannya hal ini sangat sulit ditemukan, yang ada biasanya
antara tempat yang satu dengan yang lain berbeda, misal pada lahan akan ditemui berbeda topografinya, jenis
tanahnya,..dll. Untuk itu , diperlukan metode lain yang bisa menguraikan keragaman tersebut.
Apabila kita melakukan percobaan pada sebidang tanah yang mempunyai tingkat kesuburan berbeda, maka
pengaruh perlakuan yang kita anggap berasal dari perlakuan yang kita cobakan bisa saja tidak benar, sehingga
membuat Kesalahan Tipe I. Untuk itu kita perlu melakukan bloking berdasarkan tingkat kesuburannya. Rancangan
dengan bloking inilah yang disebut Rancangan Acak Kelompok (RAK) atau dalam buku bahasa Inggris disebut
Completely Randomized Block Design (RCBD).
Jadi RAK pada prinsipnya adalah suatu rancangan acak yang dilakukan dengan mengelompokkan satuan percobaan
ke dalam grup-grup yang homogen yang dinamakan kelompok (blok) dan kemudian menentukan perlakuan secara
acak di dalam masing-masing blok tersebut. Jadi replikat atau ulangan disini disebut juga blok.
a. Lebih akurat dibanding dengan RAL. Pengelompokan yang efektif akan menurunkan JK Galat, sehingga
akan meningkatkan nilai F hitung yang pada gilirannya akan meningkatkan signifikasi.
b. Lebih Fleksibel dalam nenentukan banyaknya perlakuan dan banyaknya ulangan / kelompok (karena tidak
semua kelompok memerlukan satuan percobaan yang sama)
c. Penarikan kesimpulan akan menjadi lebih luas, karena kita bisa juga melihat perbedaan antar kelompok
Kerugiannya adalah:
Keberhasilan pengelompokan dalam RAK memerlukan pemahaman tambahan tentang keragaman satuan percobaan.
Kita harus bisa mengidentifikasi arah keragaman tersebut, sehingga Variabel Pengganggu (Nuisance factor
/disturbing factor) bisa diminimalisir. Nuisance factor adalah setiap faktor/variabel diluar perlakuan yang akan
berpengaruh terhadap respons.
Percobaan dengan 3 blok, design percobaannya menggunakan Rancangan Acak Kelompok (RAK = RCBD ”
Randomized Complete Block Design”). Tiap perlakuan menggunakan luas yang sama yaitu 1 hektar dengan
kerapatan tanaman yang juga sama yaitu dua belas ribu batang per hektar. Hasil percobaan tersebut adalah sebagai
berikut:
Data produksi ubi kayu (Singkong) hasil percobaan 4 varietas berbeda dalam ton/ha/panen
Blok
I II III
Perlakuan
(Tanah datar) (Tanah miring tidak (Tanah miring
diteras) diteras)
A 22 16 19
B 30 24 28
C 38 30 37
D 21 15 20
Pertanyaan :
Langkah pertama dicari rata-rata blok, rata-rata perlakuan dan grand totalnya
( grandtotal ) 2 (300) 2
FK = = = 7500
Jumlahdata 12
n
JK Total = ∑Y
i =1
i
2
− FK = (22)2 + (16)2+………….+ (20)2 - FK = 640
n 2
JK Blok = ∑ Yj
i =1
− FK
=
(111) 2 + (85) 2 + (104) 2
– FK = 90.5
4
Perlakuan
n 2
JK Perlakuan =
∑ Ti − FK
i =1 =
(57) 2 + (82) 2 + (105) 2 + (56) 2
– FK = 544.7
3
Ulangan
ANOVA
Sumber Derajat Jumlah Kuadrat Fhitung F tabel
Keragaman Bebas Kuadrat Tengah
(SK) (db) (JK) KT) F0.05 F0.01
Kesimpulan
F hitung blok (= 56.17) lebih besar dari F table 0.05 bahkan mesih lebih besar disbanding F table 0.01 jadi bloking
sangat beda nyata atau dengan kata lain pengelompokannya sangat efektip.
F hitung perlakuan (= 225.38) jauh lebih besar dari F table 0.05 maupun F table 0.01 jadi perlakuannya sangat beda
nyata. Artinya diantara 4 varietas ubi yang dicoba terdapat perbedaan yang sangat nyata antara satu sama lain.
Untuk selanjutnya kita akan menjawab pertanyaan point 3, varietas mana yang terbaik. Maka kita akan gunakan uji
BNT 0.05.
2 KTGalat
BNT α = t α (db galat) x
Ulangan
2x0.81
Untuk α = 0.05 maka BNT 0.05 = t 0.05 (6) x
3
= 2.447 x 0.73 = 1.79
D = 18.7 a
A = 19.0 a
B = 27.3 b
C = 35.0 c
Jadi cultivar yang terbaik adalah C yaitu tanaman ubi kayu Varietas UJ 5
9
Percobaan dengan 3 blok, design percobaannya menggunakan Rancangan Acak Kelompok (RAK).
Tiap perlakuan menggunakan luas yang sama yaitu 1 hektar dengan kerapatan tanaman yang juga sama. Hasil
percobaan tersebut adalah sebagai berikut:
Pertanyaan :
Langkah-langkah pengacakan dalam RAKL sama seperti pada RAL dengan kelompok sebagai ulangan. Perhatikan
Gambar di bawah ini. Pengelompokan dilakukan tergak lurus terhadap arah keragaman sehingga keragaman pada
masing-masing kelompok yang sama relatif lebih kecil. Daerah percobaan di dalam setiap kelompok dibagi ke
dalam jumlah yang sesuai dengan jumlah perlakuan yang akan dicobakan.
10
1. Uji LSD (= List Significan Defferensis) atau BNT (= Beda Nyata Terkecil)
• LSD adalah salah satu cara membedakan (uji) rata-rata perlakuan diantara cara-cara yang
lain misal HSD, Tokey, SNK dan DMRT
• Namun jika treatmen >2 maka kurang cocok (meskipun hal ini masih tetap sering
dipakai)
• Rumus
2. Uji HSD (= Honestly Significan Defferensis) atau BNJ (= Beda Nyata Jujur)
• Uji HSD dikembangkan oleh Tokey sehingga sering disebut juga Uji Tokey
• HSD cukup simpel dan bagus untuk membandingkan treatmen yang jumlahnya > 2 misal
t = 3, 4, 5, ..dst.
• HSD ini yang pertama memperkenalkan garis non significant yang menghubungkan nilai
- nilai yang tidak beda nyata
• Rumus
HSD α = Ɠ α ( tα , dfE) *
• Duncant membuat teory bahwa " Jika pakai α = 5% maka diproses statistiknya α yang
terjadi adalah 1-(1-α) t-1
Contoh untuk t = 5 maka dengan α = 0.05 yang terjadi α = 1-(1-α) t-1 = 1-α = 0.05
……… Jadi LSD dan HSD itu benar untul t = 2
Duncant kemudian membuat tabel sendiri------ ini yang membuat jadi populer
• Rumus
Rp = rp x S Ȳ dan S Ȳ =
11
2) Tidak ada interaksi antara baris dan lajur dengan perlakuan yang diteliti. Jika ada interaksi, maka RBSL tidak
dapat dipergunakan. Jika tetap digunakan, maka kesimpulan/hasil percobaan akan menjadi samar.
1)Pengujian lapangan di mana areal percobaan mempunyai dua arah penurunan kesuburan yang tegak lurus satu
sama lain, atau mempunyai kesuburan satu arah penurunan tetapi juga mempunyai pengaruh sisa dari percobaan
terdahulu.
2)Dua arah silang waktu/cara/tenaga/alat kerja, misalnya meneliti hasil 4 Varietas Jagung terhadap berbagai dosis
pemupukan Nitrogen di mana menggunakan pengelompokan 4cara pemupukan pupuk Nitrogen dan 4 orang tenaga
kerja (pengamat).
Proses pengacakan dan penataan untuk RBSL untuk percobaan dengan empat perlakuan A, B, C, dan D. Prosedur
pengacakan dan tata letak adalah sebagai berikut :
a) Pilih salah satu contoh rencana RBSL dengan empat perlakuan dari bagan kuadrat latin terpilih Untuk contoh soal
ini rencana RBSL 4x4, yaitu :
Total luas percobaan adalah 36 ha dengan areal yang relatip homogen. Percobaan menggunakan Latin Square
Design dengan luas tiap perlakuan yang sama yaitu 1 hektar. Kerapatan tanaman juga sama. Hasil percobaan
tersebut adalah sebagai berikut:
12
Colom
Row Total
I II III IV V VI
Kukubalam Rojolele Cisadane Ramos Solok Cianjur
I
2.8 2.9 3.5 3.8 3.1 3.2 19.3
Solok Ramos Cianjur Kukubalam Rojolele Cisadane
II
3.1 3.7 2.9 2.5 3.3 3.6 19.1
Rojolele Solok Kukubalam Cianjur Cisadane Ramos
III
3.0 2.8 2.2 3.1 3.5 4.4 19.0
Cianjur Cisadane Ramos Rojolele Kukubalam Solok
IV
3.3 3.6 3.6 3.1 2.7 3.2 19.5
Ramos Kukubalam Solok Cisadane Cianjur Rojolele
V
3.9 2.6 3.3 3.7 3.4 3.2 20.1
Cisadane Cianjur Rojolele Solok Ramos Kukubalam
VI
3.5 2.9 2.7 2.9 3.9 2.1 18.0
Pertanyaan :
1. Apakah ada beda nyata pada produksi keenam varietas padi tersebut?
2. Jika ada beda nyata, Varietas mana yang memberikan hasil tertinggi? Ujilah dengan BNT 0.05
Jawab.
Menghitung nilai rata-rata dan total dari perlakuannya (menggunakan table bantuan) sbb.
A B C D E F
Perlakuan Cisadane Ramos Cianjur Rojolele Solok Kukubalam
( grandtotal ) 2 (115) 2
FK = = = 367.36
Jumlahdata 36
n
JK Total = ∑Y
i =1
i
2
− FK = (2.8)2 + (2.9)2+………….+ (2.1)2 - FK = 8.42
n 2
JK Kolom = ∑
Yj − FK (19.6) 2 + (18.5) 2 + ......... + (19.7) 2
i =1
= – FK = 0.40
6
baris
n 2
JK Baris = ∑ Ti − FK
i =1
=
(19.3) 2 + (19.1) 2 + ......... + (18.0) 2
– FK = 0.40
6
kolom
n 2
JK Perlakuan =
∑T i =1
i − FK
=
(21.4) 2 + (23.3) 2 + ......... + (14.9) 2
– FK = 6.99
6
perlakuan
.JK Galat = JK total- JK kolom - JK baris – JK perlakuan = 8.42 – 0.40 – 0.40 – 6.99 = 0.63
13
ANOVA
Suber Variasi db JK KT F hitung F 0.05 F 0.01
36 Total 35 8.42
Kesimpulan
F hitung baris (= 2.52) lebih kecil dari F table 0.05 bahkan (=2.71), jadi tidak ada beda nyata.
F hitung kolom (= 2.52) lebih kecil dari F table 0.05 bahkan (=2.71), jadi tidak ada beda nyata.
F hitung perlakuan (= 44.22) jauh lebih besar dari F table 0.05 (=2,71) maupun F table 0.01 (4.10) jadi
perlakuannya sangat beda nyata. Artinya diantara 6 varietas padi yang dicoba terdapat perbedaan yang sangat nyata
antara satu sama lain.
Untuk selanjutnya kita akan menjawab pertanyaan point 2, varietas mana yang terbaik. Maka kita akan gunakan uji
BNT 0.05.
2 KTGalat
BNT α = t α (db galat) x
Ulangan
2x0.03
Untuk α=0.05 maka BNT 0.05 = t 0.05 (20) x
6
Note. t α (db galat) = t 0.05 (20) = 2.086 adalah dicari dari tabel t
1 Kukubalam 2.5 a
2 Rojolele 3.0 b
3 Cianjur 3.1 b
4 Solok 3.1 b
5 Cisadane 3.6 c
6 Ramos 3.9 d
Rancangan Faktorial
Pada pembahasan sebelumnya kita hanya mendiskusikan mengenai pengaruh perlakuan tunggal terhadap
respons tertentu. Perlakuan tunggal tersebut dinamakan faktor, dan taraf atau level dari faktor tersebut
dinamakan taraf. Faktor disimbolkan dengan huruf kapital sedangkan taraf dari faktor tersebut
disimbolkan dengan huruf kecil. Apabila secara serempak kita mengamati pengaruh beberapa faktor
dalam suatu penelitian yang sama, maka percobaan tersebut dinamakan dengan percobaan faktorial.
Percobaan faktorial adalah suatu percobaan yang perlakuannya terdiri atas semua kemungkinan
kombinasi taraf dari beberapa faktor. Percobaan dengan menggunakan f faktor dengan t taraf untuk setiap
faktornya disimbolkan dengan percobaan faktorial ft. Misalnya, percobaan faktorial 22 artinya kita
menggunakan 2 faktor dan taraf masing-masing faktornya terdiri dari 2 taraf.
Percobaan faktorial 22 juga sering ditulis dalam bentuk percobaan faktorial 2×2. Penyimbolan yang
terakhir sering digunakan untuk percobaan faktorial dimana taraf dari masing-masing faktornya berbeda,
misalnya 2 taraf untuk faktor A dan 3 taraf untuk faktor B, maka percobaannya disebut percobaan
faktorial 2×3. Percobaan faktorial 2x2x3 maksudnya percobaan faktorial yang terdiri dari 3 faktor dengan
taraf untuk masing-masing faktornya berturut-turut 2, 2, dan 3.
Tujuan dari percobaan faktorial adalah untuk melihat interaksi antara faktor yang kita cobakan.
Adakalanya kedua faktor saling sinergi terhadap respons (positif), namun adakalanya juga keberadaan
salah satu faktor justru menghambat kinerja dari faktor lain (negatif). Adanya kedua mekanisme tersebut
cenderung meningkatkan pengaruh interaksi antar ke dua faktor.
Pertama, pengacakan pada petak utama yang akan menghasilkan galat petak utama.
Kedua, pengacakan pada anak petak yang akan menghasilkan gala anak-petak.
RAL FAKTORIAL
Percobaan pengaruh inokulasi mikoriza dan pemupukan terhadap produksi rumput gajah.
Latar belakang penelitian ini adalah adanya data awal bahwa di NTT yang tanahnya berjenis podsolik dapat
memproduksi rumput gajah yang optimum bila diberikan 50 kg N/ ha dan 100 kg Zeolit/ ha (note. Zeolit =
Endomikoriza Glomus sp). NTT adalah salah satu daerah peternakan yang berhasil di Indonesia.
Pemerintah Daerah Sumatra Selatan juga sedang giat untuk memajukan sector peternakan sapi. Lalu muncul
pertanyaan apakah data dari NTT tersebut juga cocok untuk Sumatra Selatan berhubung kondisi tanahnya agak
berbeda.
Untuk menjawab pertanyaan tersebut maka dilakukan percobaan dengan 3 replikate, 3 takaran N dan 4 takaran
Zeolit dengan local control adalah perbedaan vegetasi sebelum percobaan. Jadi ada 3x4 perlakuan = 12 perlakuan
dengan kombinasi sbb :
N0 Z0 N1 Z0 N2 Z0
N0 Z1 N1 Z1 N2 Z1
N0 Z2 N1 Z2 N2 Z2
N0 Z3 N1 Z3 N2 Z3
N0 = Tanpa pupuk N
N1 = 50 kg pupuk N / ha
N2 = 100 kg pupuk N / ha
Z0 = Tanpa Zeolit
Z1 = Diberi Zeolit 50 kg / ha
Z2= Diberi Zeolit 100 kg / ha
Z3= Diberi Zeolit 150 kg/ ha
15
Denah Percobaan dan data produksi kwintal per petak adalah sbb:
N0 Z01 1.2 N0 Z12 1.8 N1 Z012 3.4 N0 Z23 2.8 N1 Z03 2.9 N1 Z23 6.8
N1 Z01 2.4 N1 Z02 2.6 N0 Z02 1.5 N1 Z32 5.4 N1 Z22 6.7 N0 Z03 1.1
N0 Z11 1.5 N1 Z11 3.2 N1 Z21 6.5 N2 Z02 3.0 N1 Z13 3.6 N0 Z33 4.3
N2 Z31 4.1 N2 Z11 4.8 N0 Z22 2.8 N2 Z12 4.9 N2 Z13 4.8 N2 Z33 4.3
N0 Z21 2.6 N0 Z31 4.2 N2 Z22 3.5 N0 Z32 4.4 N1 Z33 5.5 N2 Z23 3.7
N2 Z21 3.2 N2 Z01 2.8 N1 Z31 5.4 N2 Z32 4.1 N2 Z03 3.2 N0 Z13 2.5
Denah dan hasil diatas kemudian datanya dipindah dalam table berikut (Untuk memudahkan dalam menganalisa)
Treatment Ulangan
Total Rata-rata
N Z NZ 1 2 3
Z0
N0 Z0 1.2 1.5 1.1 3.8 1.27
Z1
N0 Z1 1.5 1.8 2.5 5.8 1.93
N0
Z2
N0 Z2 2.6 2.8 2.8 8.2 2.73
Z3
N0 Z3 4.2 4.4 4.3 12.9 4.30
Z0
N1 Z0 2.4 2.6 2.9 7.9 2.63
Z1
N1 Z1 3.2 3.4 3.6 10.2 3.40
N1
Z2
N1 Z2 6.5 6.7 6.8 20.0 6.67
Z3
N1 Z3 5.4 5.4 5.5 16.3 5.43
Z0
N2 Z0 2.8 3.0 3.2 9.0 3.00
Z1
N2 Z1 4.8 4.9 4.8 14.5 4.83
N2
Z2
N2 Z2 3.2 3.3 3.7 10.2 3.47
Z3
N2 Z3 4.1 4.1 4.3 12.5 4.17
( grandtotal ) 2 (131.5) 2
FK = = = 480.34
Jumlahdata 3 x3 x 4
n
JK Total = ∑Yi =1
i
2
− FK = (1.2)2 + (1.5)2+………….+ (4.3)2 - FK = 77.33
n 2
JK Kombinasi NZ =
∑T
i =1
i − FK
=
(3.8) 2 + (5.8) 2 + ........... + (12.5) 2
– FK = 76.17
3
Ulangan
n 2
JK Zeolit =
∑T
i =1
i − FK
=
(20.7) 2 + (30.5) 2 + (38.6) 2 + (41.7) 2
– FK = 29.39
3 x3
Ulangan.x.N
n 2
JK N =
∑T
i =1
i − FK
=
(30.7) 2 + (54.4) 2 + (46.4) 2
– FK = 24.23
3x4
Ulangan.x.Z
.JK Interaksi N*Z = JK Kombinasi - JK Zeolit - JKN = 76.17 – 29.39 - 24.23 = 22.55
ANOVA
Sumber Variasi db JK KT F hit F 0.05 F 0.01
6.92 131.3
3x4 Kombinasi 11 76.17 ** 2.26 3.18
9.80 185.8
4Z 3 29.39 ** 3.44 5.72
12.12 229.8
3N 2 24.23 ** 3.05 4.82
3.76 71.3
2x3 Interaksi N*Z 6 22.55 ** 2.55 3.76
0.05
Error 24 1.16
3x3x4 Total 35 61.68
Dari ANOVA table terlihat bahwa perlakuan N dan Z sangat beda nyata.
Begitu juga interaksi antara N dan Z juga terdapat beda nyata. Untuk itu maka kita akan mencari kombinasi
perlakuan NZ yang punya produksi tertinggi dengan uji BNT 0.05 sbb:
2 KTGalat
BNT α = t α (db galat) x
Ulangan
2x0.05
BNT 0.05 = t 0.05 (24) x
3
= 2.064 x 0.316
= 0.65
1 N0 Z0 1.27 ‘a
2 N0 Z1 1.93 ‘a
3 N1 Z0 2.63 ‘b c
4 N0 Z2 2.73 ‘b c d
5 N2 Z0 3.00 ‘c d e
6 N1 Z1 3.40 ‘d e f g
7 N2 Z2 3.47 ‘e f g
8 N2 Z3 4.17 ‘f g h
9 N0 Z3 4.30 ‘g h
10 N2 Z1 4.83 ‘h i
11 N1 Z3 5.43 ‘i
12 N1 Z2 6.67 ‘j
Kombinasi perlakuan tertinggi adalah pada N1 Z2 yaitu penambahan pupuk N 50 kg/ ha dikombinasi
dengan pemberian Zeolit 100 kg/ha.
17
Disebut juga Rancangan Petak Terbagi (RPT) atau Rancangan petak terpisah bentuk khusus dari
rancangan faktorial, dimana kombinasi perlakuan diacak secara bertahap.
(1) adanya tingkat kepentingan yang berbeda dalam meneliti faktor yang digunakan;
(2) pengembangan dari percobaan yang telah berjalan;
(3) kendala pengacakan dilapangan.
Rancangan Petak Terbagi-Terbagi dapat juga diterapkan pada percobaan yang menggunakan tiga faktor
atau lebih. Rancangan Petak Terbagi-Teralur lebih ditekankan pada interaksi dari kedua faktor.
Percobaan 4 macam varietas kedelai : Willis-1 (V1), Willis-2 (V2), Lokon (V3) dan Orba (V4). Keempat
varietas tersebut dicoba pada 4 jenis pengolahan tanah (Tillage) yaitu tanpa olah tanah (T0), Tanah
dibajak dengan sapi (T1) dan tanah dibajak dengan traktor (T2).
Percobaan tersebut menggunakan rancangan petak terbagi atau Split-Plot Design dimana faktor olah tanah
sebagau main plot dan varietas sebagai sub-plot. Ukuran setiap petak sama, yitu satu rante (400m2).
Kerapatan tanam kedelai juga sama yaitu 25X25 m2 dengan sistem tanam 2 benih per lobang.
Denah dan data produksi ton/ha biji kedelai hasil percobaan tersebut adalah sbb:
T2 T0 T1
V2 V1 V4 V3 V4 V2 V3 V1 V3 V4 V2 V1
Blok I
1.52 1.49 1.70 1.59 1.24 1.25 1.16 1.10 1.60 1.65 1.48 1.50
T2 T1 T0
V4 V3 V2 V1 V2 V4 V3 V1 V4 V1 V2 V3
Blok II
1.75 1.60 1.57 1.51 1.59 1.70 1.61 1.60 1.24 1.15 1.27 1.17
T1 T0 T2
V2 V1 V4 V3 V2 V1 V4 V3 V2 V1 V4 V3
Blok III
1.62 1.79 1.53 1.58 1.18 1.17 1.25 1.28 1.75 1.63 1.65 1.62
Pertanyaan :
Untuk latihan kali ini kita akan coba memakai istilah-istilah dalam bahasa Inggris yang biasa terdapat
pada buku-buku referensi asing misalnya
Istilah CF untuk Correction Factor yang maksudnya sama dengan FK (Faktor Koreksi)
Istilah SS untuk Sum of Square yang maksudnya sama dengan JK (Jumlah Kwadrad)
Istilah MS untuk Mean of Square yang maksudnya sama dengan KT (Kwadrad Tengah)
Istilah Error maksudnya sama dengan Galad
Istilah LSD (Least Significant Deferences) maksudnya sama dengan BNT (Beda Nyata Terkecil)
Istilah Treatment yang maksudnya sama dengan Perlakuan
Dan istilah-istilah lainnya.
18
Untuk menjawab pertanyaan diatas, maka berikut adalah langkah-langkah yang harus dilakukan :
ANOVA
F observation F Table
Source of Variance df SS MS
(F Hitung) 0.05 0.01
3 Blok 2
3 Main plot (Tillage) 2
Error (a) 4
4 Sub-Plot (Varietas) 3
Interaksi T * V 6
Error (b) 18
Total 35
Keterangan:
Jumlah blok (b) ada 3 : I. II dan III, maka df blok = (b-1)= 3-1 = 2
Jumlah main plot (Tillage) ada 3 yaitu T0, T1 dan T2 maka df tellage = (t-1) = 3-1 = 2
Error (a) adalah error main plot. Df error(a) = (b-1)(t-1) = (3-1)(3-1) = 2x2 = 4
Jumlah Sub-plot (Varietas) ada 4 : V1, V2, V3 dan V4 maka df Var =( v-1) = 4-1 = 3
Interkasi Tillage dan Varietas simbol T*V. Df T*V = (t-1)(v-1) = (3-1)(4-1)= 2x3= 6.
Error (b) = Error sub-plot = (df sup plot)(df interaksi) = (3)(6) = 18
df Total = n-1 = Jumlah seluruh data-1= bxtxv-1 = 3x3x4-1 = 36-1 = 35
Untuk mencari SS main plot (=SS tillage) dan SS error (a), maka data main plot tersebut (Tillage vs blok)
dibuat table sbb :
SS Error(a) = SS main plot total – SS Blok – SS Tillage = 134113 – 0.02521 – 131021 = 0.00571
Untuk menghitung SS sub-plot (= SS Varietas), maka perlu dibuat daftar Varietas vs Tillage sbb :
SS error (b)=SStotal Percob–SS blok –SSmain plot (Tillage) –SSerror(a)–SSsub-plot (=Var)–SS Interaksi T*V=
1.5081 - 0.02521 – 1.31021 – 0.00571 – 0.10992 – 0.0483 = 0.00875
Setelah semua SS dihitung, dimasukkan ke dalam ANOVA table kemudian dihitung MS, F Hit dan dicari
nilai F Tabel sbb:
ANOVA
F observation F Table
Source of Variance df SS MS
(F Hitung) 0.05 0.01
Total 35 1.50810
20
Keterangan :
• MS = SS / df contoh MS blok = SS blok/df blok = 0.02521 /2 = 1.01261
• Semua F Hitung = MS../ MS error(b)
• F table = t 0.05 (df error (b))
• Atau : F table = t 0.01 (df error (b))
Hasi ANOVA
IV. Selanjutnya kita hitung T dan V terbaik dengan LSD 0.05 jika tidak ada interaksi
Dengan assumsi tidak ada interaksi antara T dan V, maka kita dapat mencari masing-masing T dan V
yang memberikan respon hasil tertinggi sbb :
2MSE ( a)
LSD α = t α (df Eb) x
BlokxLevelT
2 x0.00143
LSD 0.05 = t 0.05 (18) x
3 x3
= 2.101 x 0.0178
= 0.04
Kesimpulan T1 (dibajak dengan sapi) dan T2 (dibajak dengan traktor) sama baiknya meningkatkan
produksi.
2MSE (b)
LSD α var = t α (df Eb) x
BlokxLevelV
2 x0.00049
LSD 0.05 = t 0.05 (18) x
3x4
= 2.101 x 0.009
= 0.02
V. Selanjutnya kita hitung kombinasi T dan V terbaik dengan LSD 0.05 karena
ada interaksi antara T dan V
Karena dari ANOVA ternyata ada interaksi antara T&V, maka kedua perlakuan tesebut dianalisa secara
terpisah, sehingga ada 2 perbandingan sbb :
LSD untuk membandingkan Varietas pada tiap jenis pengolahan tanah (=Tillage) :
21
2MSE ( b)
LSD α Interaksi T*V = t α (df Eb) x
Blok
2x0.00049
LSD 0.05 = t 0.05 (18) x
3
= 2.101 x 0.018
= 0.04
Treatment V T0 T1 T2
Jenis Varietas
V1 3.42/3= 1.14 a 4.75/3 = 1.58 ab 4.53/3 = 1.51 a
V2 3.80/3 = 1.27 b 4.70/3 = 1.57 a 4.67/3 = 1.56 b
V3 3.51/3 = 1.17 a 4.83/3 = 1.61 ab 4.81/3 = 1.60 b
V4 3.73/3 = 1.24 b 5.10/3 = 1.70 b 5.24/3 = 1.75 c
Kesimpulan :
• V4 dan V2 lebih baik dibanding dua varietas yang lain pada T0
• V4 dan V3 lebih baik dari V1 dan V2 pada pengolahan tanah T1
• Pada pengolahan tanah dengan traktor (T2) varietas V4 adalah yang tertinggi
Untuk mencari kombinasi pengolahan tanah dan varietas yang tertinggi, maka kita harus menggunakan
LSD gabungan dari error (a) dan error (b).
= 2.43
Kesimpulan : Kombinasi varietas 4 (Var Orba) pada tanah yang dibajak baik dengan sapi maupun dengan
traktor memberikan hasil yang terbaik.
22
Contoh Soal.
Hasil pengukuran berat badan dan tinggi badan terhadap 5 orang pemuda didapat data sebagai berikut.
X Y
No Berat badan Tinggi badan
(kg) (cm)
1 62 167
2 68 173
3 71 176
4 72 177
5 75 180
Pertanyaan :
1. Hitunglah nilai korelasi antara kedua set data ( X dan Y ) tersebut.
2. Jika nilai korelasinya > 0.6 maka buatlah persamaan regresinya.
2
(∑ XY )
Rumus I r = dimana “χ “ dan “ y” adalah deviasi dar X dan Y
2 2
∑ X *∑Y
Rumus II r =
[( x − x)( y − y)]2
∑ X * ∑ Y
2
∑ XY −
n
Rumus III r =
(∑ X ) 2 (∑ Y ) 2
∑ ∑
2 2
X − Y −
n n
Rumus yang paling umum dipakai adalah rumus yang ke III ini, dan untuk bisa memasukkan angka-angka
dalm rumus itu maka dibuat daftar bantuan sbb:
Berat Tinggi
Badan kg badan cm
2 2
No. (x) (Y) X Y XY
1 62 167 3,844 27,889 10,354
2 68 173 4,624 29,929 11,764
3 71 176 5,041 30,976 12,496
4 72 177 5,184 31,329 12,744
5 75 180 5,625 32,400 13,500
Σ 348 873 24,318 152,523 60,858
Average 70 175
23
∑ X * ∑ Y
2
∑ XY −
n
Masuk ke rumus III r =
(∑ X ) 2 (∑ Y ) 2
∑ ∑
2 2
X − Y −
n n
2
348 * 873
60858 − 5
rumus III r = = 0.9
(348) 2 (873) 2
24318 − 152533 −
5 5
Nilai korelasi r = 0.9 artinya hubungan antara data berat badan dengan tinggi badan sabgat kuat.
∑ XY −
∑ X * ∑ Y
b=
∑ XY = n
=
97.2
=1
∑X 2
(∑ X ) 2 97.2
∑ X
2
−
n
a=Ȳ-bẌ
a = 175 – (b) 70 = 175 – (1)70 = 105
Hasil pengamatan kadar Nitrogen (% N) dari berat kering daun kelapa sawit terhadap produksi Tandan Buah Segar
(TBS) ton/ha/tahun tertera pada data sebagai berikut.
X Y
% N Daun TBS ton/ha/th
2.61 20
2.63 23
2.69 24
2.70 26
2.74 31
2.75 33
2.79 35
2.83 36
Pertanyaan :
1. Hitunglah nilai korelasi antara kedua set data tersebut.
2. Jika nilai korelasinya > 0.5, buatlah persamaan regresinya.
24
Contoh : Pengaruh pemberian pupuk NPK (X) pada produksi TBS tanaman kelapa sawit Y.
Data sbb
Keterangan :
X Y
No NPK kg/ha TBS ton/Ha Tanaman Sawit umur 8 tahun setelah tanam.
Kerapatan tanaman 136 pokok/ ha
1 1.5 6 Pupuk yang digunakan adalah NPK 15.15.6.4 dengan cara ditabur
2 2.0 8 merata di piringan dan gawangan.
3 2.5 9 Aplikasi dilakukan 2 kali yaitu bulan september (awal musim hujan)
dan bulan Februari
4 3.0 15 Pengamatan mulai dilakukan 2 tahun setelah aplikasi pupuk tsb.
5 3.5 12
6 4.0 13 Pertanyaan :
Perhitungan :
Korelasi
Persamaan Regresi :
4
No X Y X² X³ X XY X²Y
1 1.5 6 2 3 5 9 14 ' Y = - 4 + 6 X - 0.3 X²
2 2.0 8 4 8 16 16 32
3 2.5 9 6 16 39 23 56
4 3.0 15 9 27 81 45 135
5 3.5 12 12 43 150 42 147
6 4.0 13 16 64 256 52 208
7 4.5 13 20 91 410 59 263
8 5.0 23 25 125 625 115 575
9 5.5 23 30 166 915 127 696
10 6.0 20 36 216 1,296 120 720
11 6.5 25 42 275 1,785 163 1,056
12 7.0 25 49 343 2,401 175 1,225
13 7.5 24 56 422 3,164 180 1,350
14 8.0 27 64 512 4,096 216 1,728
15 8.5 28 72 614 5,220 238 2,023
16 9.0 26 81 729 6,561 234 2,106
17 9.5 25 90 857 8,145 238 2,256
18 10.0 26 100 1,000 10,000 260 2,600
19 10.5 27 110 1,158 12,155 284 2,977
20 11.0 28 121 1,331 14,641 308 3,388
21 11.5 27 132 1,521 17,490 311 3,571
22 12.0 26 144 1,728 20,736 312 3,744
23 12.5 24 156 1,953 24,414 300 3,750
24 13.0 23 169 2,197 28,561 299 3,887
25 13.5 22 182 2,460 33,215 297 4,010
Σ 188 525 1,731 17,859 196,378 4,420 42,516
4
ΣX ΣY ΣX² ΣX³ ΣX ΣXY ΣX²Y
26
1 Nominal Warna bunga, • Hanya dpt membedakan, tapi tak tahu mana yg lebih
jenis kelamin ..dll tinggi dan mana yg lebih rendah (tidak ada jarak)
(Variable Diskret) • Kita tak bisa menyatakan merah lebih besar drpd putih.
• Analisanya hrus dg Statistik Non Parametrik
• Uji yg dipakai adalah X² test ex Uji Mendel.
2 Ordinal Nilai Mhs A, B, C, • Sudah ada tingkatan (order) ex nilai A lebih baik dari
D, E B
(Var. Kontinew) • Letnan, Kapten, Mayor, Kolonel,..dst.
• Uji yg bisa dg non parametrik
• Biasa dg Korelasi Spearman ( Kor. Rangking).
3 Interval T , pH, • Bisa dibedakan, sudah ada order, ada jarak tapi aturan2
(Var. Kontinue) matematik belum bisa dimainkan ex 5 ᵒC + 10 ᵒC ǂ
15ᵒC
• Uji yg dipakai : ANOVA, LSD, HSD, DMRT, Kontras
4 Ratio Panjang, Tinggi, • Kaidah-kaidah matematik sudah lengkap.
Kecepatan, Dosis, • Bisa uji Anova, LSD, DMRT, korelasi, regresi
…dll Pearson,..dll
(Var. Kontinue)
27
KORELASI SPEARMAN
1. Contah analisa Korelasi spearman untuk data tunggal (tidak ada data yang sama)
Hepotesa:
6 ሺ ∑݀݅ ²ሻ
ݎᇍ = 1 −
݊ ሺ݊² − 1ሻ
Hasil analisa ternyata rs < t tabel jadi Ho diterima dan H1 ditolak.
2. Contah analisa Korelasi spearman untuk data ada yang ganda (ada data yang sama)
Hepotesa:
Ho : r s ≤ r tabel : Tidak ada pengaruh antara Juri A dan Juri B
H1 : r s > r tabel : Ada saling pengaruh antara Juri A dan Juri B
6 ሺ ∑݀݅ ²ሻ
ݎᇍ = 1 −
݊ ሺ݊² − 1ሻ
Rumus :
Hasil analisa ternyata rs > t tabel jadi Ho ditolak dan H1 diterima.
'Kesimpulan ada hubungan (saling mempengaruhi) antara Juri A dengan Juri B
28
1. Uji Cochran’s
Judul Penelitian :“ Perbedaan 4 jenis obat A, B, C dan D yang dicobakan pada 10 pasien tsb”
Tujuan Penelitian
Untuk mengetahui ada tidaknya perbedaan dalam hal kesembuhan terhadap 10 pasen pada 4 jenis obat A,
B, C dan D yang dicobakan.
Analisa Data :
Uji statistic non parametric dengan system binomial menggunakan metoda Cochran's Q test
Hepotesa
H0 : Tidak perbedaan (non significant) pada 4 jenis obat yang dicoba
H1 : Ada perbedaan diantara 4 jenis obat yang dicoba.
Kriteria Pengujian :
Ho diterima jika Q ≤ χ² : Non Significant
H1 diterima jika Q > χ² : Significant
k= 4 Σ Gi = X.j = 9
b= 10 Σ Gi ² = 23
Σ Bj = X i.
Q = 6.947 = 9
Σ Bj² = 17
Rumus :
Q = 1.737
Tabel χ² : db = a-1 = 4-1 = 3. Dari table χ² didapat nilai χ² 0.05 (3) = 7.815
Keputusan : Hasil Perhitungan Q < χ² : non significant. Jadi Ho diterima dan H1 ditolak.
Kesimpulan :
Dengan tingkat keyakinan 95% secara statistik dapat disimpulkan bahwa tidak ada perbedaan diantara ke
4 jenis obat yang dicobakan pada 10 pasien tsb
29
2. UJI WILCOXON
Digunakan untuk membandingkan dua Variabel pada sampel yang sama
Misal ada dua kelompok data X dan Y
Langkah-Langkah Pengujian
• Pasangkan Data
• Hitung harga mutlak selisih skor pasangan data │ di │
• Tentukan ranking tiap pasangan data
• Isi kolom positip dan negatip dengan ranking tiap pasangan sesuai dengan tanda selisih
pasangan data: jika selisihnya positip masukkan rankingnya ke kolom positip, jika selisihnya
negatip masukan rankingnya ke kolom negatip
• Jumlahkan ranking pada kolom positip dan negatip
• Ambil jumlah yang paling keci (W hitung)lalu bandingkan dengan tabel nilai kritis Wilcoxon (W
tabel)
Hipotesis:
Ho : Tidak ada perbedaan pengaruh diantara kedua perlakuan
H1 : Ada perbedaan pengaruh diantara kedua perlakuan
Kriteria Pengujian
Terima Ho jika W hitung ≤ W tabel
Tolak Hi jika H hitung > W tabel
30
Berdasarkan contoh Produksi Dua macam Kacang Tanah X dan Y pada di 20 lokasi maka pengisian
kolom-kolom selanjutnya adalah sbb :
W hitung = -71.5
W tabel 0.05(20) = - 52
Harga mutlak W hitung (= 71.5) > W Tabel (=52) jadi Ho ditolak dan Hi diterima
Kesimpulan : Untuk taraf nyata o,o5 ada perbedaan produksi kacang tanah X dan Y
31
n 1, 2, 3, 4 = 5 5 5 5
N = 20
nj= 5 , 5 , 5 , 5
Rj= 51.5 , 52.5 , 53.0 , 53.0
Rumus
N= 20
n= 5
n(n+1)= 420
Σrj² = 11,027
T= 63.01
Hasil analisa ternyata T hitung > χ ²tabel jahi Ho ditolak dan H1 diterima
Kesimpulan : Demotivasi karyawan benar disebabkan oleh sistem penggajian yang kurang baik sehingga
mengecewakan karyawan.
32
4. UJI FRIEDMAN
Friedman test-Uji 2 arah setara pada RAK
Contoh : Pabrikan indistri mobil mengeluarkan 5 design mobil sport. 10 pengendara ahli diminta
mencoba dan memberikan rating dg skala antara 0 sangat tidak nyaman sampai 100 sangat nyaman
Hasilnya adalah
Rumus
χ² r = { Σ Ti² } - 3N(k+1)
Hepotesa :
Dengan taraf signifikansi 0.01 ujilah hipotesa nihil bahwa tidak ada perbedaan berarti dalam overall
rating
Nk(K+1)= 300
Σ Ti² = 4522
33
3N(k+1) = 180
12/Nk(k+1)= 0.04
χ² r = 0.88
Tabel F 0.05
34
Tabel F 0.01
35
Tabel t.
df
α
0.10 0.05 0.02 0.01
1 6.314 12.706 31.821 63.657
2 2.92 4.303 6.965 9.925
3 2.353 3.182 4.541 5.841
4 2.132 2.776 3.747 4.604
5 2.015 2.571 3.365 4.032
6 1.943 2.447 3.143 3.707
7 1.895 2.365 2.998 3.499
8 1.86 2.306 2.896 3.355
9 1.833 2.262 2.821 3.25
10 1.812 2.228 2.764 3.169
11 1.796 2.201 2.718 3.106
12 1.782 2.179 2.681 3.055
13 1.771 2.16 2.65 3.012
14 1.761 2.145 2.624 2.977
15 1.753 2.131 2.602 2.947
16 1.746 2.12 2.583 2.921
17 1.74 2.11 2.567 2.898
18 1.734 2.101 2.552 2.878
19 1.729 2.093 2.539 2.861
20 1.725 2.086 2.528 2.845
21 1.721 2.08 2.518 2.831
22 1.717 2.074 2.508 2.819
23 1.714 2.069 2.5 2.807
24 1.711 2.064 2.492 2.797
25 1.708 2.06 2.485 2.787
26 1.706 2.056 2.479 2.779
27 1.703 2.052 2.473 2.771
28 1.701 2.048 2.467 2.763
29 1.699 2.045 2.462 2.756
30 1.697 2.042 2.457 2.75
31 1.696 2.04 2.453 2.744
32 1.694 2.037 2.449 2.738
33 1.692 2.035 2.445 2.733
34 1.691 2.032 2.441 2.728
35 1.69 2.03 2.438 2.724
36 1.688 2.028 2.434 2.719
37 1.687 2.026 2.431 2.715