Escolar Documentos
Profissional Documentos
Cultura Documentos
1.1. Pendahuluan
Dalam suatu penelitian, pertanyaan kunci untuk dijawab umumnya
ditunjukkan dalam suatu pertanyaan hipotesis yang harus dijelaskan dan
jawabannya diperoleh dari suatu pengujian melalui suatu percobaan. Hipotesis ini
biasanya muncul berdasarkan pengalaman-pengalaman sebelumnya, pengamatan
maupun berdasarikan pertimbangan teoritis.
Setelah hipotesis disusun langkah selanjutnya adalah membuat suatu
rancangan prosedur untuk pengujian atau biasanya dikatakan sebagai prosedur
percobaan. Prosedur percobaan ini biasanya meliputi : penentuan bahan yang
tepat untuk diuji, sifat yang akan diukur, bagaimana prosedur untuk mengukur
sifat tersebut serta prosedur untuk memperoleh jawaban dari apa yang
dihipotesiskan.
Dua hal yang pertama cukup mudah bagi peneliti untuk menentukannya.
Misalnya jika ingin diketahui apakah produksi yang dihasilkan oleh varietas
jagung A dan varietas jangung B berbeda atau tidak, maka dapat ditentukan
bahwa bahan yang digunakan untuk percobaan ini adalah varietas jagung dan sifat
yang akan diukur hasil jagung dalam satuan kilogram misalnya. Sedangkan
prosedur pengukuran sifat serta bagaimana hasil pengukuran tersebut dapat
digunakan dalam pengujian hipotesis sangat tergantung pada teknik yang
dikembangkan oleh ahli statistik. Kedua hal ini umumnya disebut sebagai
rancangan percobaan.
1
Faktor-faktor ini diharapkan pengaruhnya sekecil mungkin. Faktor-faktor
ini terdiri dari :
a. Faktor yang dapat diidentifikasi dan diperkirakan pengaruhnya
sebelum percobaan. Misal dalam kasus ingin diketahuinya
perbedaan kedua varietas jagung di atas, jika ternyata kedua
varietas tersebut memberikan hasil yang berbeda, maka berbedaan
hasil tersebut selain disebabkan oleh perbedaan varietas mungkin
juga disebabkan oleh perbedaan kesuburan tanah. Untuk
mengatasi hal ini biasanya dilakukan pengelompokan, sehingga
keragaman di antara kelompok dapat diukur dan dikeluarkan dari
galat percobaan.
b. Faktor yang dapat diidentifikasi tetapi pengaruhnya tidak dapat
diduga.
Misalnya dalam kasus point a, Apabila lahan mempunyai arah
kesuburan secara bertahap dari kiri ke kanan sehingga hasil akan
berkurang dari kiri ke kanan, jika varietas A selalu ditanam di
sebelah kanan varietas B, maka dalam hal ini varietas B akan
diuntungkan karena secara relatif dia berada pada lahan yang lebih
subur daripada varietas A. Jadi dalam hal ini penampilan hasil
varietas A dan B akan berbias dan lebih menguntungkan B dan jika
kita ingin membandingkan varietas A dan B, berbedaan yang
terjadi bukan semata-mata disebabkan oleh perbedaan varietas
akan tetapi juga disebabkan oleh perbedaan kesuburan tanah.
Untuk mengatasi hal ini dilakukan pengacakan.
c. Faktor yang tidak dapat diidentifikasi. Untuk mengatasi hal ini
dilakukan pengulangan.
1.3. Peminimuman Galat Percobaan
Berdasarkan uraian di atas untuk meminimumkan galat percobaan
(experimental error) guna meningkatkan ketelitian percobaan haruslah terdapat :
1. Pengendalian terahadap lingkungan. Hal ini dapat dilakukan dengan
perancangan percobaan, penggunaan peubah pengiring dan memperbesar
ukuran satuan percobaan.
2
Perancangan percobaan. Hal ini biasanya dilakukan dengan cara
mengelompokkan satuan-satuan percoban dan pada setiap kelompok berisi semua
perlakuan sehingga keragaman di dalam kelompok dibuat minimum dan
keragaman antar kelompok dibuat maksimum.
Penurunan kesuburan
……
..
1 1 n
percobaan berbanding terbalik dengan galat percobaan, atau I = = = 2
σ 2
Y σ /n σ
2
. Dengan kata lain semakin kecil galat percobaan ( σ 2Y ) maka informasi yang
diperoleh (I) akan semakin besar atau semakin besar ukuran satuan percobaan (n)
maka galat percobaan semakin kecil dan informasi semakin besar.
3
Arah penurunan kesuburan tanah
B A B A B A B A
4
II. RANCANGAN ACAK LENGKAP (RAL)
5
a. satuan percobaan yang digunakan homogen atau tidak ada faktor lain yang
mempengaruhi respon di luar faktor yang dicoba atau diteliti.
b. Faktor luar yang dapat mempengaruhi percobaan dapat dikontrol.
Misalnya percobaan yang dilakukan di laboratorium.
Oleh karena hal-hal tersebut di atas, rancangan acak lengkap ini biasanya
banyak ditemukan di laboratorium atau rumah kaca.
P4 P3 P1 P2
Gambar 2.1. Denah percobaan rancangan acak
P3 P4 P1 P3 lengkap dengan empat perlakuan (P1, P2, P3, P4) dan
masing-masing diulang tiga kali
6
Dari hasil percobaan yang dilakukan berdasarkan pengacakan dan denah
percobaan di atas akan dihasilkan data sebagai berikut :
Tabel 2.1. Tabulasi Data Rancangan Acak Lengkap Dengan
4 Perlakuan Dan 3 Ulangan
Ulangan Perlakuan Total
P1 P2 P3 P4
1 Y11 Y21 Y31 Y41
2 Y12 Y22 Y32 Y42
3 Y13 Y23 Y33 Y43
Total Y1. Y2. Y3. Y4. Y..
populasi sampel
Faktor tetap :
ABCD ABCD
2. Tujuan penelitian :
Faktor acak : a. Untuk menduga komponen ragam populasi
7
b. Menguji hipotesis terhadap ragam
Berdasarkan dua jenis faktor tersebut, secara umum model linier dari
rancangan acak lengkap satu faktor dapat dibedakan menjadi dua, yaitu model
tetap jika faktor yang digunakan bersifat tetap dan model acak jika faktor yang
digunakan acak.
Bentuk umum model linier satu faktor dapat ditulis sebagai berikut :
Yij = µi + ε ij
= µ + ( µi − µ ) + ε ij
= µ + τ i + ε ij ;
t adalah jumlah perlakuan dan ri adalah banyaknya ulangan dari perlakuan ke-i,
untuk percobaan yang mempunyai ulangan sama, ri = r.
t bsi
Asumsi untuk model Tetap : E (τ i ) = τ ; ∑τ
i =1
i = 0 ; ε ij ~ N (0, σ 2 )
bsi
2 2
E (τ i ) = 0 ; E (τ i ) = σ τ ; ε ij ~ N (0,σ 2 )
8
Dengan demikian untuk percobaan yang menggunakan t perlakuan dan r
ulangan keragaman totalnya dapat diuraikan sebagai berikut :
Yij −Y .. = (Yij −Yi . ) +(Yi . −Y ..)
∑∑(Yij − Y ..) 2 = ∑∑(Yij − Yi. ) 2 + 2∑∑(Yij − Yi. )(Yi. − Y ..) + ∑∑(Yi. − Y ..) 2
i =1 j =1 i =1 j =1 i =1 j =1 i =1 j =1
t r
Karena ∑∑(Y
i =1 j =1
ij − Yi. )(Yi . − Y ..) = 0 maka bentuk di atas menjadi
t r t r t r
t r t r
Y ..2
∑∑(Yij −Y ..) 2 = ∑∑Yij −
2
JKT =
i =1 j =1 i =1 j =1 rt
2
t r
Yi. Y ..2 t
JKP = ∑∑
i =1 j =1
(Yi. − Y ..) = ∑ 2
i =1 r
−
rt
t r t r
Jumlah kuadrat total (JKT) = Jumlah kuadrat perlakuan (JKP) + Jumlah kuadrat
galat (JKG)
Sedangkan penguraian jumlah kuadrat total untuk percobaan dengan
ulangan setiap perlakuan tidak sama dapat dirumuskan sebagai berikut :
ri ri
t t
Y ..2
∑∑(Y − Y ..) = ∑∑Yij −
2 2
ij t
JKT = i =1 j =1 i =1 j =1
∑r
i =1
i
ri 2
t t
Yi. Y ..2
JKP = ∑∑(Yi. − Y ..) 2 = ∑ i =1 ri
− t
i =1 j =1
∑ri i =1
t ri t ri
9
Tabel analisis ragam untuk model tetap dan model acak diberikan sebagai berikut:
Tabel 2.2.Tabel Analisis Ragam Rancangan Acak Lengkap dengan Model Tetap
dan Model Acak
Sumber Derajat Jumlah Kuadrat Fhitung E(KT)
Model tetap Model
keragaman bebas (db) kuadrat tengah
acak
(SK) (JK) (KT)
Ulangan sama
Perlakuan t-1 JKP KTP KTP r t 2
σ 2 +[ ]∑τ i
2 σ 2 + rσ τ
KTG (t −1) i =1
Galat t(r-1) JKG KTG σ2 σ2
Total tr-1 JKT
Ulangan tidak sama
Perlakuan t-1 JKP KTP KTP σ2 + σ 2 + raσ τ
2
KTG t t t
∑r τi =1
i i
2
− (∑riτ i ) 2 / ∑ri
i =1 i =1
(t −1)
Galat t JKG KTG σ 2
σ2
∑(ri −1)
i =1
Total t JKT
∑r −1
i =1
i
t
∑r
2
t i
ra = σ + ∑ ri −
2 i =1 1
i =1 t t −1
∑i=1 i
r
1
σ
KK = x100 %
Y ..
Semakin besar KK menunjukkan keterandalan percobaan semakin rendah. Tidak
ada patokan berapa sebaiknya nilai KK, hal ini tergantung juga pada bidang yang
digeluti, tetapi percobaan yang cukup terandal diusahakan nilai KK tidak melebihi
20%.
1
2. Asumsi : lihat asumsi untuk model tetap
Hipotesis yang akan diuji :
H0 : Semua τ j = 0
atau tidak ada pengaruh perlakuan terhadap berat uterin tikus.
H1 : Tidak semua τ j = 0
atau minimal ada satu perlakuan yang mempengaruhi berat uterin
tikus.
Langkah-langkah perhitungan :
t r
Y .. 2
∑∑Yij −
2
JKT = = (89.82 + 93.82 +…+65.62 +70.22) -
i =1 j =1 rt
22492/28 = 5479
2
Yi.
t
Y .. 2
JKP = ∑
i =1 r
−
rt
= (384.62 + 3532 + 301.62 + 273.82 + 339.62 +
Sehingga apabila Fhitung semakin lebih besar dari 1 maka kesimpulan akan semakin
cenderung untuk menolak hipotesis nol dan sebaliknya.
t
r
]∑τ i diduga melalui
2
Penduga keragaman pengaruh perlakuan [
(t −1) i =1
1
Dalam sebuah percobaan biologi 4 konsentrasi bahan kimia digunakan
untuk merangsang pertumbuhan sejenis tanaman tertentu selama periode waktu
tertentu. Data pertumbuhan berikut, dalam sentimeter, dicatat dari tanaman yang
hidup.
Tabel 2.5. Data pertumbuhan tanaman (cm)
Konsentrasi
1 2 3 4
8.2 7.8 6.8 6.8
8.8 8.3 5.8 7.2
9.3 8.4 6.7 6.4
9.1 8.6 7.2 6.8
9.4 8.1 6.8 7.0
8.0 7.4 6.5
6.2
Total 44.8 49.2 46.9 40.7 181.6
Y1. Y2. Y3. Y4. Y..
Perlakuan
1
atau minimal ada satu perlakuan yang mempengaruhi berat uterin
tikus.
Langkah-langkah perhitungan :
ri
t
Y .. 2
∑∑Y
2
ij − t
JKT = = 8.22+8.82+…+7.02+6.52 - 181.62/24 = 24.673
i =1 j =1
∑ ri
i =1
2
Yi.
t
Y .. 2
JKP = ∑
i =1 ri
− t
=
44 .8 2 49 .2 2 46 .9 2 40 .7 2 181 .6 2
+ + + − =
∑ ri i =1
5 6 7 6 24
21.053
JKG = JKT – JKP = 3.620
Output dari sofware minitab untuk analisis ragam di atas adalah sebagai berikut :
Contoh kasus 1 :
One-way ANOVA: KONTROL, P2, P3, P4, P5, P6, P7
Analysis of Variance
Source DF SS MS F P
Factor 6 2416 403 2.76 0.039
Error 21 3063 146
Total 27 5479
Individual 95% CIs For Mean
Based on Pooled StDev
Level N Mean StDev ---+---------+---------+---------+---
KONTROL 4 96.15 11.20 (-------*-------)
P2 4 88.25 19.91 (--------*-------)
P3 4 75.40 10.57 (-------*--------)
P4 4 68.45 7.01 (--------*-------)
P5 4 84.90 7.87 (--------*-------)
P6 4 78.90 15.30 (--------*-------)
P7 4 70.20 6.51 (--------*-------)
---+---------+---------+---------+---
Pooled StDev = 12.08 60 75 90 105
Contoh kasus 2 :
Analysis of Variance
Source DF SS MS F P
Factor 3 21.053 7.018 38.77 0.000
Error 20 3.620 0.181
Total 23 24.673
Individual 95% CIs For Mean
Based on Pooled StDev
Level N Mean StDev -------+---------+---------+---------
P1 5 8.9600 0.4827 (---*---)
P2 6 8.2000 0.2898 (---*---)
P3 7 6.7000 0.5508 (--*--)
P4 6 6.7833 0.2994 (---*--)
-------+---------+---------+---------
Pooled StDev = 0.4255 7.0 8.0 9.0
1
III. RANCANGAN ACAK KELOMPOK LENGKAP (RAKL)
3.1. Pendahuluan
Rancangan acak kelompok adalah suatu rancangan acak yang dilakukan
dengan mengelompokkan satuan percobaan ke dalam grup-grup yang homogen
yang dinamakan kelompok dan kemudian menentukan perlakuan secara acak di
dalam masing-masing kelompok. Tujuan pengelompokan satuan-satuan
percobaan tersebut adalah untuk membuat satuan-satuan percobaan di dalam
masing-masing kelompok sehomogen mungkin relatif terhadap peubah tak bebas
yang sedang diteliti dan perbedaan antar kelompok sebesar mungkin.
Keuntungan rancangan acak kelompok adalah lebih efisien, dengan
pengelompokan yang efektif memberi hasil berketepatan lebih tinggi
dibandingkan rancangan acak lengkap yang sebanding besarnya. Sedangkan
kerugiannya adalah jika ada data yang hilang memerlukan perhitungan yang lebih
rumit.
Rancangan Acak Kelompok Lengkap merupakan rancangan acak
kelompok dengan semua perlakuan dicobakan pada setiap kelompok yang ada.
1
Kelompok 1
P4
P3
P5
P2
P6 Gambar 3.1. Denah percobaan kelompok terpilih
P1
Cara yang sama dilakukan untuk kelompok 2 sampai 4, sehingga setelah
dilakukan pengacakan, misal terbentuk denah percobaan sebagai berikut :
Kelompok 1 Kelompok 2 Kelompok 3 Kelompok 4
P4 P1 P5 P4
P3 P6 P2 P5
P5 P3 P3 P2
P2 P3 P2 P1
P6 P5 P1 P4
P1 P4 P6 P3
Gambar 3.2. Denah Percobaan Rancangan Acak Kelompok Lengkap
1
dengan Yij = pengamatan pada kelompok ke-i dan perlakuan ke-j
µ = mean populasi
ρ i = pengaruh aditif dari kelompok ke-i
τ j = pengaruh aditif dari perlakuan ke-j
ε ij = pengaruh acak dari kelompok ke-i dan perlakuan
ke-j
bsi
∑ρ i =0; ∑τ j =0; ε ij ~ N (0,σ 2 )
Asumsi apabila pengaruh kelompok bersifat tetap dan perlakuan bersifat acak :
bsi bsi
∑ ρ i = 0 ; τ i ~ N(0,σ τ ) ; ε ij ~ N(0,σ 2 ) 2
Jadi
Yˆij =Y .. +(Yi . −Y ..) +(Y. j −Y ..) eij = Yij − Yˆij
dan
=Yi . −Y. j −Y.. = Yij − Yi . − Y. j + Y ..
karena
1
∑∑(Y
i j
i. −Y ..) (Y. j −Y ..) = 0
∑∑(Y
i j
i. −Y ..) (Yij −Yi . −Y. j +Y ..) = 0
∑∑(Y
i j
.j −Y ..) (Yij −Yi . −Y. j +Y ..) = 0
Y .. 2
= ∑∑(Yij −Y ..) = ∑∑Yij −
2 2
JKT
i =1 j =1 i =1 j =1 tk
2
Yi . Y ..2
JKK = ∑∑
i =1 j =1
(Yi. − Y ..) =2
∑
i =1 t
−
tk
2
Y. j Y ..2
JKP = ∑∑(Y. j −Y ..) = ∑
i =1 j =1
2
j =1 k
−
tk
Jadi,
Jumlah kuadrat total (JKT) = Jumlah kuadrat kelompok (JKK) + Jumlah kuadrat
perlakuan (JKP) + Jumlah kuadrat galat (JKG)
Tabel analisis ragam bagi rancangan acak kelompok lengkap dengan pengaruh
kelompok tetap adalah sebagai berikut :
Tabel 3.2. Analisis Ragam Rancangan Acak Kelompok Lengkap Dengan
Pengaruh Kelompok Tetap
Sumber Jumlah Derajat Kuadrat E(KT)
Keragama Kuadrat Bebas Tengah
n (SK) (JK) (db) (KT)
Perlakuan Perlakuan acak
tetap
Kelompok JKK k-1 KTK σ 2 +[
t
]∑σρ2i 2+[
t
]∑ρi
2
( k −1) ( k −1)
Perlakuan JKP r-1 KTP σ2 +[
k
]∑τσ j + kσ 2τ
22
(t −1)
Galat JKG (k-1)(r-1) KTG σ2 σ2
Total JKT nr-1
Hipotesis yang akan Diuji :
Pengaruh perlakuan tetap Pengaruh perlakuan acak
H0 : Semua τ j = 0 H0 : σ τ
2
=0
H1 : Tidak semua τ j = 0 H1 : σ τ
2
>0
1
KTP
Statistik uji yang digunakan untuk pengujian di atas adalah Fhitung =
KTG
KTK
Fhitung = dengan keputusan tolak H0 apabila
KTG
Fhitung > Fα(db1, db2) = Fα(k −1, (k −1)(t −1)) dan sebaliknya.
2
(db 2 + 1)( db1 + 3) S a
dinyatakan sebagai berikut : E =
(db 2 + 3)( db1 + 1) KTG
1
3.6. Contoh Penerapan
Dari hasil penelitian mengenai pengaruh pencucian dan pembuangan
kelebihan kelembapan dengan cara melap atau menyemprotkan udara terhadap
kandungan asam askorbat pada tanaman turnip green diperoleh data dalam
miligram per 100 gr bobot kering sebagai berikut :
Tabel 3.3. Data Turnip Green (mg/100gr Bobot Kering)
Perlakuan Kelompok Total
Perlakuan
1 2 3 4 5
kontrol 950 887 897 850 975 4559
Dicuci dan dilap 857 1189 918 968 909 4841
Dicuci dan disemprot dengan 917 1072 975 930 954 4848
udara
Total kelompok 2724 3148 2790 2748 2838 14248
2 2
Y .. 14248
= = 13533700
tk (3)( 5)
Y .. 2
JKT = ∑∑Yij −
i =1 j =1
2
tk
= 950 2 + 857 2 + ... + 954 2 −13533700 =
103216
2
Yi. Y ..2 2724 2 + 3148 2 + ... + 28382
JKK = ∑
i =1 t
−
tk
=
3
− 13533700 = 25148
2
Y. j Y .. 2 4559 2 + 4841 2 + 4848 2
JKP = ∑
j =1 k
−
tk
=
5
− 13533700 = 10873
Sehingga tabel analisis ragam untuk masalah di atas dapat disajikan sebagai
berikut :
2
Kelompok 25148 4 6287 0.75
Perlakuan 10873 2 5436 0.65
Galat 67194 8 8399
Total 103216 14
Misalnya pada pengujian hipotesis untuk masalah di atas menggunakan
α =0.05. Nilai Ftabel (α =0.05, db1=2, db2=8) = 6.944. Karena nilai Fhitung < Ftabel, maka dapat
diambil keputusan terima Ho, artinya tidak ada perbedaan pengaruh perlakuan
terhadap respon yang diamati.
2
IV. RANCANGAN BUJUR SANGKAR LATIN
4.1. Pendahuluan
Rancangan bujur sangkar latin merupakan suatu rancangan percobaan
dengan dua buah pengelompokan, yaitu baris dan kolom. Banyaknya perlakuan,
baris dan kolom adalah sama dan setiap baris dan kolom mengandung semua
perlakuan.
Keuntungan rancangan bujur sangkar latin :
1. Mengurangi keragaman galat melalui penggunaan dua buah
pengelompokan
2. Pengaruh perlakuan dapat dilakukan untuk percobaan berskala kecil
2
b. Pengacakan dilakukan pada posisi kolom:
Baris\Kolom 3 1 4 2
1 A3 A1 A4 A2
2 A2 A4 A3 A1
3 A1 A3 A2 A4
4 A4 A2 A1 A3
µ = rataan umum
β i = pengaruh baris ke-i
κ j = pengaruh kolom ke-j
τ k = pengaruh perlakuan ke-k
ε ijk = pengaruh acak dari baris ke-i, kolom ke-k dan perlakuan ke-k
i = 1,2, …,r ; j = 1,2, …,r ; k = 1,2, …,r
Asumsi apabila pengaruh semua faktor tetap :
bsi
∑ β i = ∑ κ j =∑ τ k = 0 ; ε ijk ~ N(0, σ 2 )
Asumsi apabila pengaruh semua faktor acak :
bsi bsi bsi bsi
β i ~ N(0, σ β ); κ j ~ N(0, σ j ); τ k ~ N(0, σ τ ); ε ijk ~ N(0, σ 2 )
2 2 2
2
Dengan demikian
Yˆijk =Yi .. +Y. j . +Y.. k −2Y ...
Rumus jumlah kuadrat dalam rancangan bujur sangkar latin adalah sebagai
berikut :
JKKolom – JKP.
Tabel 4.1. Analisis Ragam Rancangan Bujur Sangkar Latin
Sumber Jumlah Derajat Kuadrat Tengah E(KT)
Keragaman Kuadrat Bebas (KT)
(SK) (KT) (db)
Semua Semua
faktor tetap faktor acak
Baris JKBaris r-1 KTBaris = ∑β σ 2 + rσ 2α
2
i
JKBaris/(r-1) σ 2
+r
r −1
Kolom JKKolom r-1 KTKolom =
∑ κ j σ 2 + rσ 2 β
2
JKKolom/(t-1) σ 2 +r
r −1
Perlakuan JKP r-1 KTP = JKP/(r-1)
σ 2
+r
∑ τ σ 2 + σ 2τ
k
2
r −1
Galat JKG (r-1)(r-2) KTG = JKG/ σ 2
σ2
(r-1)(r-2)
Total r2 –1
Uji Hipotesis :
2
Uji hipotesis pengaruh perlakuan dalam model bujur sangkar latin apabila
semua faktor tetap :
H0 : Semua τ k =0
H1 : Tidak semua τ k =0
Hipotesis apabila semua faktor acak :
H0 : σ τ
2
=0
H1 : σ τ
2
>0
KTP
Statistik uji yang sesuai untuk menguji hipotesis di atas : F =
KTG
Kaidah keputusan apabila galat jenis I sebesar α ,apabila F≤ Ftabel [α ; r-1,
(r-1)(r-2)] maka keputusannya adalah terima H0 dan sebaliknya. Ftabel [α ; r-1, (r-1)(r-2)] adalah
nilai F tabel yang luas di sebelah kanannya sebesar α dengan derajat bebas
pembilang r-1 dan derajat bebas penyebut (r-1)(r-2).
Adakalanya kita ingin menguji ada atau tidaknya pengaruh peubah
pengelompokan . Apabila peubah pengelompokan bersifat tetap, maka uji
hipotesisnya adalah sebagai berikut :
Uji hipotesis untuk peubah pengelompokan baris :
H0 : Semua β i = 0
H1 : Tidak semua β i =0
KTBaris
dengan statistik uji F =
KTG
Uji Hipotesis untuk peubah pengelompokan kolom :
H0 : Semua κ j = 0
H1 : Tidak semua κ j =0
KTKolom
Statistik uji : F =
KTG
Kaidah keputusan untuk pengaruh baris dan kolom : apabila F≤ Ftabel [α ; r-1, (r-1)(r-2)]
terima H0 dan sebaliknya.
2
Dari suatu percobaan yang dilakukan dengan menggunakan Rancangan
Bujur Sangkar Latin dihasilkan data berikut :
Tanaman Ukuran daun
A B C D E
1 6.67(V) 7.15(IV) 8.29(I) 8.95(III) 9.62(II)
2 5.40(II) 4.77(V) 5.40(IV) 7.54(I) 6.93(III)
3 7.32(III) 8.53(II) 8.50(V) 9.99(IV) 9.68(I)
4 4.92(I) 5.00(III) 7.29(II) 7.85(V) 7.08(IV)
5 4.88(IV) 6.16(I) 7.83(III) 5.83(II) 8.51(V)
Pengolahan data dengan menggunakan sofware Minitab 13 :
Command line pada session window minitab :
MTB > GLM 'respon' = baris kolom perlak.
2
V. RANCANGAN FAKTORIAL
5.1. Pendahuluan
Percobaan faktorial adalah suatu percobaan yang perlakuannya terdiri atas
semua kemungkinan kombinasi taraf dari beberapa faktor. Untuk percobaan
berfaktor dua yang perlakuannya berupa semua kombinasi varietas (misal 2
varietas, V1 dan V2) dan pemupukan (misal dua macam dosis pemupukan, P1
dan P2), maka percobaannya disebut percobaan faktorial 2x2, dengan faktor
varietas mempunyai 2 taraf dan faktor pemupukan mempunyai 2 taraf . Dengan
demikian, perlakuan yang dicobakan adalah
Perlakuan 1 V1 dengan P1
Perlakuan 2 V1 dengan P2
Perlakuan 3 V2 dengan P1
Perlakuan 4 V2 dengan P2
Dalam percobaan faktorial adakalanya peneliti tertarik pada interaksi
antara beberapa faktor , apakah respon terhadap dua taraf suatu faktor bergantung
atau tidak pada taraf-taraf faktor lainnya.
Apabila pengujian terhadap interaksi nyata, pengaruh dari faktor 1 dan
faktor 2 terhadap respon tidak bebas. Antar level di faktor 1 memberikan
pengaruh yang berbeda di setiap level dari faktor 2 . Hal ini dapat dilihat melalui
pembandingan antar level suatu faktor di setiap level faktor lain. Hal tersebut
dapat diilustrasikan dalam gambar berikut ini
V2
V1
2
faktor 1 di setiap level faktor sama/paralel. Jadi dapat ditarik kesimpulan
terhadap pengujian pada rata-rata level faktor. Hal ini dapat diilustrasikan melalui
gambar berikut :
V1
V1
2
Model linier untuk rancangan faktorial dua faktor dengan rancangan
lingkungannya rancangan acak lengkap adalah sebagai berikut :
Yijk = µ +αi + β j + (αβ)ij + εijk
bsi
α i ~ N(0,σ α ) ; β j ~ N(0,σ β ) ; (α β)ij ~ N(0,σ α β ) ; ε ijk ~ N(0,σ 2 )
2 2 2
i =1 j =1 k =1 br
−
abr
2
Y. j . Y ... 2
JKB = ∑∑∑(Y. j ... −Y ...)
i =1 j =1 k =1
2
= ∑∑∑
i =1 j =1 k =1 ar
−
abr
2
JKAB =
∑∑∑(Y
i =1 j =1 k =1
ij . −Yi ... −Y.. j . +Y ...) 2 = ∑∑∑(Yij . −Y ...) 2 − JKA − JKB
i =1 j =1 k =1
Tabel 5.1. Analisis Ragam Rancangan Factorial Dua Factor Dalam Rancangan
Acak Lengkap
Sumber Jumlah Derajat Kuadrat E(KT)
keragaman Kuadrat Bebas Tengah
Faktor A dan B tetap
Perlakuan
A JK(A) a-1 KT(A) σ 2 + rb ∑αi 2 /( a −1)
i
ij
3
AB JK(AB) (a-1) (b-1) KT(AB) 2
σ 2 + rσ α β
Galat JK(G) ab(r-1) KTG σ2
Total JKT abr-1
Hipotesis yang diuji dalam rancangan faktorial yang terdiri dari dua faktor
dengan rancangan lingkungan rancangan acak lengkap adalah
1. Pengaruh interaksi faktor A dan B
Ho : (α β )ij =0 (tidak ada pengaruh interaksi terhadap respon yang diamati)
H1 : minimal ada sepasang (i,j) sehingga (α β )ij ≠ 0 (ada pengaruh
interaksi terhadap respon yang diamati)
2. Pengaruh utama faktor A
Ho: α 1 =α 2 =…=α a=0 (tidak ada perbedaan respon di antara taraf faktor
A yang dicobakan)
H1 : minimal ada satu i sehingga α i ≠ 0 (ada perbedaan respon di antara
taraf faktor A yang dicobakan)
3. Pengaruh utama faktor B
Ho: β 1 =β 2 =…=β b=0 (tidak ada perbedaan respon di antara taraf faktor
B yang dicobakan)
H1 : minimal ada satu j sehingga β j ≠ 0 (ada perbedaan respon diantara
taraf faktor B yang dicobakan)
Apabila terdapat pengaruh interaksi, maka pengujian hipotesis terhadap
pengaruh utama tidak perlu dilakukan. Pengujian terhadap pengaruh utama akan
bermanfaat apabila pengaruh interaksi tidak nyata.
Pengujian terhadap pengaruh interaksi (hipotesis 1) :
KT ( AB )
Statistik uji F =
KTG
Apabila nilai F > Fα (db1, db2), dengan db1=(a-1)(b-1) dan db2=ab(r-1), maka tolak
Ho dan sebaliknya terima Ho.
Pengujian terhadap pengaruh utama faktor A (hipotesis 2) :
KT ( A)
Statistik uji F =
KTG
Apabila nilai F > Fα (db1, db2), dengan db1=(a-1) dan db2=ab(r-1), maka tolak Ho
dan sebaliknya terima Ho.
3
Pengujian terhadap pengaruh utama faktor B (hipotesis 3) :
KT ( B )
Statistik uji F =
KTG
Apabila nilai F > Fα (db1, db2), dengan db1=(b-1) dan db2=ab(r-1), maka tolak Ho
dan sebaliknya terima Ho.
Hipotesis yang diuji apabila faktor A dan B bersifat acak :
1. Ho: σ 2
αβ =0 (tidak ada keragaman dalam populasi kombinasi perlakuan)
H1 : σ 2
αβ >0 (terdapat keragaman dalam populasi kombinasi perlakuan)
2. Ho: σ 2
α =0 (tidak ada keragaman dalam populasi taraf faktor A)
H1 : σ 2
α >0 (terdapat keragaman dalam populasi taraf faktor A)
3. Ho: σ 2
β =0 (tidak ada keragaman dalam populasi taraf faktor B)
H1 : σ 2
β >0 (terdapat keragaman dalam populasi taraf faktor B)
KT ( AB )
Statistik uji untuk hipotesis 1: F =
KTG
Dengan kaidah keputusan tolak Ho apabila nilai F > Fα (db1, db2), dengan db1 = (a-
1)(b-1) dan db2=ab(r-1) dan sebaliknya terima Ho.
KT ( A)
Statistik uji untuk hipotesis 2: F = KT ( AB )
Apabila nilai F > Fα (db1, db2), dengan db1=(a-1) dan db2=(a-1)(b-1), maka tolak Ho
dan sebaliknya terima Ho.
KT ( B )
Statistik uji untuk hipotesis 3: F = KT ( AB )
Apabila nilai F > Fα (db1, db2), dengan db1=(b-1) dan db2=(a-1)(b-1), maka tolak Ho
dan sebaliknya terima Ho.
3
H1 : minimal ada satu i sehingga α i ≠ 0 (ada perbedaan respon di antara
taraf faktor A yang dicobakan)
3. Ho: σ 2
β =0 (tidak ada keragaman dalam populasi taraf faktor B)
H1 : σ 2
β >0 (terdapat keragaman dalam populasi taraf faktor B)
KT ( AB )
Statistik uji untuk hipotesis 1 : F =
KTG
Dengan kaidah keputusan tolak Ho apabila nilai F > Fα (db1, db2), dengan db1 = (a-
1)(b-1) dan db2=ab(r-1) dan sebaliknya terima Ho.
KT ( A)
Statistik uji terhadap hipotesis 2 : F = KT ( AB )
Apabila nilai F > Fα (db1, db2) dengan db1=(a-1) dan db2=(a-1)(b-1), maka tolak Ho
dan sebaliknya terima Ho.
KT ( B )
Statistik uji terhadap hipotesis 3 : F =
KTG
Apabila nilai F > Fα (db1, db2) dengan db1=(b-1) dan db2=ab(r-1), maka tolak Ho dan
sebaliknya terima Ho.
Tabel 5.2. Data Daya Tahan Baterai Dari 3 Jenis Material Pada Tiga Macam
Temperatur
Material Suhu
15 70 125
130 34 20
A 74 80 82
155 40 70
180 75 58
150 136 25
B 159 106 70
3
188 122 58
126 115 45
138 174 96
C 168 150 82
110 120 104
160 139 60
Source DF SS MS F P
material 2 10683.7 5341.9 7.91 0.002
suhu 2 39118.7 19559.4 28.97 0.000
material*suhu 4 9613.8 2403.4 3.56 0.019
Error 27 18230.7 675.2
Total 35 77647.0
Nilai F0.05(db1=4, db2=27) = 2.728. Nilai (Finteraksi = 3.56) > F0.05(db1=4, db2=27), oleh
karena itu pada taraf nyata α = 5 % kita dapat menyimpulkan bahwa pengaruh
interaksi antara material dan suhu nyata. Pengaruh material dan suhu tidak bebas
terhadap rata-rata daya tahan baterai . Artinya pengaruh material tertentu spesifik
pada berbagai level suhu. Karena pengaruh interaksi nyata, kita tidak perlu
menguji pengaruh utama.
5.3. Percobaan Faktorial Dalam Rancangan Acak Kelompok Lengkap
Apabila satuan percobaan yang digunakan tidak seragam, maka percobaan
faktorial dapat dilakuan secara berkelompok. Pada prinsipnya percobaan ini sama
dengan percobaan RAKL yang telah dibahas sebelumnya namun dalam percobaan
ini terdiri dari dua faktor atau lebih.
3
5.3.1. Pengacakan dan Denah Percobaan
Misal terdapat suatu percobaan yang mempelajari pengaruh tiga faktor
terhadap respon yang berupa tinggi tanaman. Ketiga faktor yang dicobakan
tersebut adalah
1. Varietas, yang terdiri atas varietas V1 dan V2
2. Dosis pemupukan, yaitu P1 dan P2
3. Jenis tanah yang terdiri atas tanah lempung (T1), pasir (T2) dan tanah
liat (T3).
Percobaan di atas dilakukan secara kelompok (3 kelompok) dalam RAKL dengan
faktor kelompoknya adalah kedalaman penanaman. Karena terdiri dari tiga faktor
dengan masing-masing bertaraf 2, 2 dan 3, maka percobaan di atas merupakan
percobaan fakorial 2 x 2 x 3, dengan kombinasi perlakuan sebagai berikut :
V1P1T1 V1P2T1 V1P1T2 V1P2T2 V1P1T3 V1P2T3
V2P1T1 V2P2T1 V2P2T2 V2P1T2 V2P2T3 V2P1T3
Karena masing-masing kelompok mengandung semua perlakuan, dalam hal ini
satuan percobaan yang diperlukan adalah 12 x 3 = 36 buah.
Langkah-langkah pengacakan :
1. Pilihlah kelompok 1, 2 dan 3 secara acak.
2. Berikan nomor pada setiap kombinasi perlakuan
3. Berilah nomor pada satuan percobaan setiap kelompok.
4. Lakukan pengacakan penempatan perlakuan pada satuan percobaan,
misal dengan membangkitkan bilangan acak.
5. Tempatkanlah perlakuan-perlakuan pada satuan percobaan sesuai
dengan hasil pengacakan pada langkah 4.
Penomoran kombinasi perlakuan :
1. V1P1T1 2. V1P2T1 3. V1P1T2 4. V1P2T2 5. V1P1T3 6. V1P2T3
7. V2P1T1 8. V2P2T1 9. V2P2T2 10.V2P1T2 11. V2P2T3 12. V2P1T3
Pembangkitan bilangan acak 3 digit :
Kelompok 1 terpilih
Bilangan 871 963 726 687 611 789 521 145 865 913 345 216
acak
Peringkat 10 12 7 6 5 8 4 1 9 11 3 2
perlakuan 1 2 3 4 5 6 7 8 9 10 11 12
3
Jadi dengan demikian, penempatan perlakuan-perlakuan pada kelompok 1
berdasarkan pengacakan yang telah dilakukan adalah sebagai berikut :
Kelompok 1
1 2 3 4
V2P2T1 V2P1T3 V2P2T3 . V2P1T1
5 6 7 8
V1P1T3 V1P2T2 V1P1T2 V1P2T3
9 10 11 12
V2P2T2 V1P1T1 V2P1T2 V1P2T1
Dengan cara yang sama dapat dilakukan untuk kelompok 2 dan 3. Setelah
dilakukan pengacakan, denah rancangannya adalah sebagai berikut :
Kelompok 1
1 2 3 4
V2P2T1 V2P1T3 V2P2T3 . V2P1T1
5 6 7 8
V1P1T3 V1P2T2 V1P1T2 V1P2T3
9 10 11 12
V2P2T2 V1P1T1 V2P1T2 V1P2T1
Kelompok 2
1 2 3 4
V2P1T3 V2P2T2 V1P2T1 . V1P1T1
5 6 7 8
V2P2T1 V1P2T2 V1P1T3 V1P2T3
9 10 11 12
V2P2T3 V1P1T2 V2P1T2 V2P1T1
Kelompok 3
1
V1P1T2 2 V2P2T3 3 V1P2T1 4. V2P2T1
5
V1P2T2 6 V2P1T1 7 V1P1T3 8 V1P2T3
9
V2P1T2 10 V1P1T1 11 V2P2T2 12 V2P1T3
Gambar 5.3. Denah Percobaan Faktorial 2 x 2 x 3
dengan Rancangan Lingkungan RAKL
3
5.3.2. Model Linier dan Analisis Ragam Percobaan Faktorial Tiga
Faktor Dalam RAKL
Model linier percobaan faktorial 3 faktor dalam rancangan acak kelompok
lengkap adalah sebagai berikut :
Yijkl = µ + κ i + α j + β k + γ l + (α β) jk + (α γ) jl + ( β γ) kl + (αβ γ) jkl + ε ijkl
∑α j = ∑ β k = ∑ γ l = ∑ (α β) jk = ∑ (α β) jk = ∑ (α γ) jl = ∑ (α γ) jl = ∑ ( β γ) kl =
j k l j k j l k
Ju
∑ ( β γ)
l
kl = ∑ (α β )γjkl = ∑ (α β )γjkl = ∑ (α β )γjkl = 0
j k l
3
JKT = ∑Y
i , j , k ,l
2
ijkl - FK
∑Y i ...
JKK = i
− FK
abc
∑Y 2
jkl
JKP = j , k ,l
− FK
r
JKG = JKT – JKK –JKP
JK(AB) = ∑ (α
j ,k
j βk )2
− FK - JK(A) - JK(B)
rc
∑ (α γ ) 2
j l
JK(AC) = j ,k
− FK - JK(A) - JK(C)
rb
JK(BC) = ∑( β γ )
k ,l
k l
2
− FK - JK(B) - JK(C)
ra
JK(ABC) = JKP-JK(A) – JK(B) – JK(C) – JK(AB) – JK(AC) – JK(BC)
Tabel analisis ragam dari perhitungan di atas adalah sebagai berikut :
Tabel 5.4. Analisis Ragam Rancangan Faktorial Tiga Faktor Dalam Rancangan
Acak Kelompok Lengkap
Sumber Derajat bebas Jumlah Kuadrat Fhitung E(KT)
Keragam (db) kuadrat (JK) Tengah
an (SK) (KT)
3
Kelompo r-1 JKK KTK KTK
KTG ∑κ 2
i
k σ + abc
2 i
(r − 1)
Perlakuan abc-1 JKP KTP
A a-1 JK(A) KT(A) KT ( A )
KTG ∑α 2
j
σ + rbc
2 j
(a − 1)
B b-1 JK(B) KT(B) KT ( B)
KTG ∑β 2
k
σ + rac
2 k
(b − 1)
C c-1 JK(C) KT (C) KT ( C )
KTG ∑γ 2
l
σ + rab
2 l
(c − 1)
AB (a-1)(b-1) JK(AB) KT(AB) KT ( AB )
KTG ∑(α j βk ) 2
σ 2 + rc
j ,k
( a −1)( b −1)
AC (a-1)(c-1) JK(AC) KT(AC) KT ( AC )
∑(α γ )
2
j /
KTG
σ 2 + rb
j ,l
( a −1)( c −1)
BC (b-1)(c-1) JK(BC) KT(BC) KT ( BC )
∑( β γ )
2
k /
KTG
σ 2 + ra k ,l
(b −1)( c −1)
ABC (a-1)(b-1)(c-1) JK(ABC) KT(ABC KT ( ABC )
KTG ∑(α j βk γ / ) 2
) σ2 +r
j , k ,l
3
5. Ho :α j=0
H1 : minimal ada satu α j ≠ 0
6. Ho :β k=0
H1 : minimal ada satu β k ≠ 0
7. Ho :γ l=0
H1 : minimal ada satu γ l ≠ 0
4
Zobel, R.W. et all. 1988. Statistical Analysis of a Yield Trial. Agronomy
Journal. 80 : 388 – 393.