RANCANGAN ACAK LENGKAP (RAL) A.

DEFINISI RANCANGAN ACAK LENGKAP (RAL) Rancangan acak lengkap merupakan jenis rancangan percobaan yang paling sederhana. Syaratnya adalah hanya ada satu peubah bebas (independent variable) yang disebut perlakuan, jadi tidak ada peubah lain selain perlakuan yang mempengaruhi respons hasil penelitian (dependent variable). Adapun yang melatar belakangi digunakannya rancangan acak lengkap adalah sebagai berikut : 1. Satuan percobaan yang digunakan homogen atau tidak ada faktor lain yang mempengaruhirespon di luar faktor yang dicoba atau diteliti 2. Faktor luar yang dapat mempengaruhi percobaan dapat dikontrol. Misalnya percobaan yangdilakukan di laboratorium. Oleh karena hal-hal tersebut di atas, rancangan acak lengkap ini biasanya banyak ditemukan dilaboratorium atau rumah kaca. B. KEUNTUNGAN RANCANGAN ACAK LENGKAP (RAL) 1. Perancangan dan pelaksanaannya mudah 2. Analis datanya sederhana 3. Fleksibel dalam hal jumlah perlakuan, jumlah ulangandan dapat dilakukan dengan ulangan yang tidak sama 4. Terdapat alternatif analisis nonparametrik yang sesuai 5. Permasalahan data hilang lebih mudah ditangani dan tidak menimbulkan permasalahan analisis data yang serius 6. Tidak memerlukan tingkat pemahaman yang tinggi mengenai bahan percobaan. C. KERUGIAN RANCANGAN ACAK LENGKAP (RAL) 1. Tingkat ketepatan percobaan mungkin tidak terlalu memuaskan kecuali unit percobaan benar-benar homogeny 2. Hanya sesuai untuk percobaan dengan jumlah perlakuan yang tidak terlalu banyak

)]2 ∑∑ p u i =1 j =1 i =1 j =1 _ 2 p u _ _ _ _ _ _ (yij y.ỹi.... . 2. + (ỹi. )(yij .…………..yi..u Disini : Yij : Pengamatan perlakuan ke-i dan ulagan ke-j µ : Rataan Umum Pi : Pengaruh perlakukan ke-i Єij : Galat perlakuan ke-I dan ulangan ke-j Mdel diatas diduga berdasarkan sampelnya : yij = ỹ. 3. 2.yi.ỹ. )2 + (yij . ) = ∑∑ [(yi.y.. ) = ∑∑ [(yi..) + yij .…………. ) + (yij .) Derajat Bebas (DB): (pu -1) = (p -1) + (pu – p) (pu -1) = (p -1) + p(u – 1) DB Total = DB Perlakuan + DB Galat Kalau kita jumlahkan dan kuadratkan maka : _ 2 p u _ _ _ (yij y. )2 + 2(yi. Model Matematis : Yij = µ + Pi + єij i = 1..y.p dan j = 1. Pengulangan percobaan yang sama mungkin tidak konsisten (lemah) apabila satuan percobaantidak benar-benar homogen terutama apabila jumlah ulangannya sedikit. .3. ) = ∑∑ [(yi.yi. .. 3.ỹi. . . ) + (yij . )= (ỹi.y.) + yij .ỹ. .ỹ. )2 ] ∑∑ p u i =1 j =1 i =1 j =1 =0 _ 2 p u _ _ _ (yij y.y...) (yij . )2 ] ∑∑ p u i =1 j =1 i =1 j =1 .yi.

. )2 i =1 j =1 i =1 j =1 p u _ 2 p u (y. ) = ∑∑ yij2 − __ pu i =1 j =1 i =1 j =1 2 p u p _ 2 _ 2 (y.yi. − __ pu i =1 j =1 i =1 p u _ _ _ 2 p u _ 2 Jumlah Kuadrat Galat = ∑∑ (yij . ) = 1/u∑ yi.01 PeluAng(P ) .y.j) y.. (y. Sumber Keragaman Perlakuan Galat Total Hipotesis : H0 : μ1 = μ2 = μ3 =. Total 3 y31 Y32 y33 y34 y35 y3.) Jumlah Kuadrat Perlakuan = ∑∑ (yi.1 y.y. ỹ2..1 y. ) = ∑∑ [(yij .. ỹ3. ỹ4. ) = ∑∑ (yi. ..1 ỹ.1 y....1 y.05 0..y.1 y. y21 y22 y23 y24 y25 y2.y.. ...∑∑ (yij i =1 j =1 p u p u _ 2 p u _ _ _ y.) Rataan(ỹi.) Perlakuan (i) 1 2 y11 y12 y13 y14 y15 y1..)2 __ Jumlah Kuadrat Total = ∑∑ (yij .= μp H1 : μi ≠ μi’ ∀i Derajat Bebas (p-1) p(u-1) (pu – 1) Jumlah Kuadat JK P JK G JK T Kuadrat Tengah JKP/(p-1)=P JKG/p(u-1)=G F Hitung P/G F Tabel 0.. ỹ1.yi... . )2 + ∑∑ (yij .. ) + (yi... 4 y41 Y42 y43 y44 y45 y4.y. Tabel Daftar Sidik Ragam. )] i =1 j =1 i =1 j =1 JK Galat = JK Total – JK Perlakuan Tabel Data (Umpama : p = 4 dan u = 5) Ulangan (j) 1 2 3 4 5 Total (yi.

05).51 5.80 4.58)2/(4x5) = 578.73 4.) Jumlah Kuadrat Perlakuan = 1/u∑ yi. Untuk tujuan tersebut dilakukan penelitian dengan lama desinfeksi 0. DB Galat)) maka H0 ditolak (P<0.01).82 0. DB Galat)) maka H 0 diterima (P>0.71 6. hal ini berarti Perlakuan tidak berpengaruh nyata (P>0.75 6.0602 (y.0911 (y.83 5.j) 23.882 .82 0. 2. coli (Log E.102 + 29.01 22.78 34.3556 – 667.05.10 6.85 4. − __ pu i =1 4 2 JK Perlakuan =1/5(34.05).78 5.52 27.2228 – 667.58 5.62 5..78 0.9368 = 10.05). coli) Ulangan (j) 1 2 3 4 5 Total (yi.) Rata-rata SD Perhitungan : Lama Desinfeksi (i) dalam jam 0 2 4 6.95 29.88 6.88 24.26 23. hal ini berarti Perlakuan berpengaruh sangat nyata (P<0.05)..82 6. Tabel Data Jumlah E.882 + 6. DB Perlakuan.0488 Total 6 4.05. Teladan 1.122 ) – (115.2660 .29 23.9368 = 10.60 5. Jika F Hitung (P/G) ≥ F Tabel ( 0. Jika F Hitung (P/G) ≥ F Tabel ( 0. 4 dan 8 jam dengan ulangan masingmasing sebanyak 5 kali.532 + 27.01.58 5.07 6.752 +…………………+ 4.832 + 24.(115.87 6.58)2/(4x5) = 678.57 0.12 4.53 5.02 5. DB Perlakuan. Seorang peneliti ingin mengetahui pengaruh lama desinfeksi H2O2 terhadap log jumlah bakteri E coli pada limbah RPH dengan dosis 30% .4188 2 (y.89 23.872 + 6.0561 5. DB Perlakuan.• • • Jika F Hitung (P/G) < F Tabel ( 0.1550 5.91 0.86 4.01).) Jumlah Kuadrat Total = ∑∑ yij2 − __ pu i =1 j =1 4 5 2 JK Total = 6. hal ini berarti Perlakuan berpengaruh nyata (P<0.13 115. DB Galat)) maka H0 ditolak (P<0.

Hi-tung 413.01 3.01= 5.24 5.30226(-33.741513) = 7. X = 2.4188 Kuadrat Tengah 3. denagn rumus : X = 2.09112[(5-1)Log 0.5502+(5-1)Log 0.06022}.42867 0.05.30226{[(5-1)+(5-1)+5-1)+(5-1)Log 0.01) terhadap log jumlah E coli air limbah RPH.01). Uji Bartlett Syarat Sidik Ragam (Uji F) ragam (S2) antar perlakuan harus homogen.DBG=p-1) maka disimpulkan ragam homogen.00830 F. Sebagai contoh kita gunakan data diatas.30226{[∑(ui – 1)] Log S2 .05612+(5-1)Log 0.22** F Tabel 0. X = 2. maka H0 ditolak pada taraf 1%.93499236 Y = 1 + 1/9{1/(5-1)+ 1/(5-1)+ 1/(5-1)+ 1/(5-1)} – [1/(5-1)+(5-1)+(5-1)+(5-1)]} Y = 1.29512 + 36.05 0.05.22> F Tabel 0. untuk menguji homogennitas ragam digunakan Uji Bartlett.01 Keterangan : ** Lama Desinfeksi Berpengaruh Sangat Nytata (P<0.1327 Daftar Sidik Ragam Sumber Keragaman Lama D Galat Total DB 3 16 19 Jumlah Kuadrat 10.∑(ui – 1) logSi2} Y = 1 + 1/[3(p-1)]{∑1/(ui -1) – 1/[∑(ui – 1)]} X B = __ Y Jika B< X2 (0. sebaliknya jika B> X2 (0.1041667 .2660 = 0.29 P <0. Jadi Lama desinfeksi berpengaruh sangat nyata (P<0.04882+(5-1)Log 0.1327 10.2860 0.DBG=p1) ∀i maka disimpulkan ragam tidak homogen.29. Hipotesis : H0 : μ1 = μ2 = μ3 = μ4 H1 : μi ≠ μi’ Kesimpulan : FH = 413.4188 – 10.JK Galat = JK Total – JK Perlakuan = 10.

93499235 _ B = __________ = 7.05.DBG=4-1) = 7. Uji Beda Nyata Terkecil (BNT). Ў2. maka selanjutnya ingin diketahui antar perlakuan (rata-rata) mana yang berbeda nyata. – ўi.81 Oleh karena B< X2 (0. Uji ini menggunakan tabel t.000830 ) = 0.0576. maka disimpulkan ragam homogen (P>. dengan ў’i.05).│< nilai BNT 5% maka antara ўi. – ў’i. yaitu dengan mencari Sx dengan rumus : Sx = 2 _____ KT G r BNT 5% = t (0. Signifikansi .01). – ў’i.DBG)Sx BNT 1% = t (0.05. – ўi.18 1. Jika │ўi. UJI NILAI TENGAH SETELAH SIDIK RAGAM Setelah H0 ditolak.0576 = 0.921 x 0. Ў3. maka untuk mengetahui hal tersebut dilakukan uji nilai tengan (rata-rata) antar perlakuan.1683 Tabel Uji BNT Lama Rataan Ў1. Jika │ўi.1041667 X2 (0. – ў’i.DBG=4-1) .│≥ nilai BNT 5% maka antara ўi. Dari Tabel Teladan 1. – ўi.05. disimpulkan berbeda sangat nyata (P<0. disimpulkan tidak berbeda nyata (P>0. dengan ў’i.│≥ nilai BNT 1% maka antara ўi.05). diatas maka dapat dicarai sebagai berikut : Sx = 2(0.120 x 0.1221 BNT 1% = 2. BNT 5% = 2.0576 = 0.7. Uji nilai tenngah setelah sidik ragam hanya diperkenalkan 2 uji yaitu :: a. disimpulkan berbeda nyata (P<0.05).01DBG)Sx Kesimpulan dari uji BNT adalah sebagai berikut : Jika │ўi. dengan ў’i.

906 5.814** 1. b.│≥ nilai LSR 1% pada Rentangan P tertentu.742** 0.45 0.01).│≥ nilai LSR 5% pada Rentangan P tertentu.0083/5 =0. Tabel Rentangan Bergabda Duncan P 2 3 SSR 0. maka uji yang lebih baik digunakan adalah Uji Renntangan Berganda Duncan. Ў2.00 3.01 0.132 0. – ўi. Uji Rentangan Berganda Duncan. 4 3. maka antara ўi.01).177 Kesimpulan dari Uji Duncan adalah sebagai berikut : dengan ў’i. Signifikansi .566 4.168 0. – ў’i. – ўi. S x = K T G /r LSR = Sx x SSR SSR diambil dari Tabel Duncan. disimpulkan berbeda sangat nyata (P<0.05). – ў’i.122 0.082** 0 0. Bila perlakuan lebih dari 5 (p>5).820 5.│< nilai LSR 5% pada Rentangan P tertentu.340** 1.05 3. disimpulkan berbeda nyata (P<0. – ў’i. dengan ў’i.824 0 0. maka antara ўi. disimpulkan tidak berbeda nyata (P>0.040743 Jika │ўi.05).05) atau sangat nyata (P<0. Jika │ўi.13 4. maka antara ўi. dengan ў’i.15 SSR 0.996** 0 0.34 LSR 0. Tabel Uji Rentangan Berganda Duncan Lama Rataan Ў1.Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : 6. Jika │ўi.01 A B C D Nilai dengan huruf yang berbeda kearah kolom menunjukkan berbeda nyata (P<0.181 = 0.23 4. Ў3.01 4.05 A B C D 0.128 LSR 0.05 0. – ўi.254** 1. maka Uji BNT kurang baik digunakan untuk membandingkan rataan antar perlauan.

maka perlu dicari hubungan antara perlakuan (Peubah bebas) diberikan lambang X dengan peubah tak bebas atau peubag respons diberikan lambang Y Hubungan X dengan Y dibuat dalam bentuk persamaan polinom berpangkat 1.01).254** 1. jadi a = 4 -1 = 3.... 2...... maka derajat polinom yang mungkin adalah dengan persamaan sebagai berikut : Y = β0 + β1 X + β2 X2 + β3X3 atau Y = β0 + β1 L + β2 L2 + β3L3 Disini L adalah Lama Desinfeksi dan Y adalah jumlah log E coli Dari persamaan garis regresi tersebut kita bisa mencari β0.... dalam hal ini matriks tersebut adalah : 20 20 20 20 ∑ Yi i =1 n ∑ Li ∑ i =1 i =1 Li 2 ∑ Li3 i =1 β0 .01 A B C D Nilai dengan huruf yang berbeda kearah kolom menunjukkan berbeda nyata (P<0..824 0 0.906 5. β2 dan β3...340** 1....... β1.Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : 6..082** 0 0.996** 0 0..742** 0....566 4.. jadi persamaan polinomnya adalah sebagai berikut : Y = β0 + β1 X + β2 X2 +.814** 1.05 A B C D 0. dengan menyelesaikan persamaan normalnya yaitu matriks X’Y = X’Xβ. Jika perlakuan atau faktor bersifat kualitatif..05) atau sangat nyata (P<0..820 5.+ βaXa Persamaan polinom ini disebut Persamaan Garis Regresi antar peubah X dengan peubah Y Kita perhatikan teladan diatas p = 4. disini a = p – 1 (a = jumlah perlakuan dikurangi satu)..a.

76317 .10 1431.70 7227.30 β0 β1 = 6.0.82000 . maka kita peroleh : β0 β1 β2 β3 = 240 1440 20 60 260 1440 7840 60 280 1440 7840 44160 1440 7840 44160 254100 115.∑ YiLi i =1 20 = ∑ Li ∑ i =1 i =1 20 20 Li 2 ∑ i =1 20 20 Li3 ∑ Li 4 i =1 20 β1 ∑ YiLi2 i =1 20 20 ∑ Li 2 i =1 20 20 ∑ Li3 i =1 20 ∑ Li 4 i =1 20 ∑ Li5 i =1 20 20 β2 β3 ∑ YiLi3 i =1 ∑ Li3 i =1 ∑ Li 4 i =1 20 ∑ Li5 i =1 ∑ Li6 i =1 β0 20 n = ∑ Li i =1 20 ∑ Li 2 i =1 20 ∑ Li3 i =1 20 -1 ∑ Yi i =1 20 β1 ∑ Li i =1 ∑ Li 2 i =1 20 ∑ Li3 i =1 20 ∑ Li 4 i =1 20 ∑ YiLi i =1 20 β2 β3 ∑ Li 2 i =1 20 20 ∑ Li3 i =1 20 20 ∑ Li 4 i =1 20 20 ∑ Li5 i =1 20 20 ∑ YiLi2 i =1 20 ∑ Li3 i =1 ∑ Li 4 i =1 ∑ Li5 i =1 ∑ Li6 i =1 ∑ YiLi3 i =1 20 Berdasarkan Teladan 1.58 315.

0.05 0.19375 .82000 – 0.19375L2 – 0.02033L3 8 Log.1/n(∑ Yi)2 i =1 n Jumlah Kuadrat Total Jumlah Kuadrat Galat Tabel Sidik Ragam Regresi Sumber Keragaman Regresi Galat Derajat Bebas p n-p-1 = ∑ Yi2 .1/n(∑ Yi)2 i =1 i =1 n n = JK Total – JK Regresi Kuadrat Tengah JK R/p = R JK G/(n-1-p)=G F Hitung R/G F Tabel 0.01 P Jumlah Kuadrat JK R JK G .β2 β3 0. coli 7 6 5 4 3 2 1 0 0 2 4 6 8 10 Lama Desinfeksi (Jam) Untuk menguji ketepatan dan ketelitian bentuk bentuk persamaan garis regresi dilakukan pengujian bentuk persamaan garis regresinya dan dan koefisien korelasinya yaitu dengan cara sebagai berikut : Jumlah Kuadrat Regresi = (x’Y)’ β .76317L + 0. Jumlah E.02033 Jadi persamaan garis Regresinya adalah : Y = 6.

01. (n-p-1)]. [(0. dan sejauh mana keeratan hubungannya dapat diuji dengan menggunakn Tabel R atau r. tetapi mungkin saja dua (kuadratik) atau bahkan 1(linier).05.82000 – 0.05).19375L2 – 0. untuk menentukan derajat polinom yang terbaik yaitu yang menggambarkan datanya maka diperlukan pengujian terhadap koefesien garis regresinya (βi). (n-p-1)]. [(0. karena harus mencoba beberapa kali bentuk persamaan yang mungkin dan dilakukan pengujian terhadap koefisien garis regresinya (βi) .01). Koefisien determinan adalah besarnya peubah tak bebas (Y) yang dapat diterangkan oleh peubah (x) dengan menggunakan persamaan garis regresi yang diperoleh. Koefisien diterminan (R2) = JKRegresi __________ . berarti garis regresinya Koefisien Korelasi (R) = R2 . dari persamaan garis Regresi yang diperoleh yaitu Y = 6. berarti garis regresinya maka H0 ditolak. Jika FH(R/G) ≥ F Tabel sangat nyata (P<0. berarti garis regresinya maka H0 ditolak. p. nialainya (-1 ≤ R ≤ 1) Sebagai contoh kita gunakan Teladan 1. maka H0 diterima. p. Ketelitian dan ketepatan garis regresi dapat juga dilihat dari besarnya koefisien determin (R2) dan/atau koefisien korelasinya (R atau r). (n-p-1)].05. Pengujian ini memang cukup merepotkan. Jika FH(R/G) ≥ F Tabel nyata (P<0. Derajat polinom yang tertinggi adalah 3(kubik). kita dapat mengitung : . koefisien garis regresi yang nyata (P<0. tetapi dalam program SPSS telah dipilihkan lansung garis regresi yang terbaik dengan seluruh koefisen garis regrei yang nyata(P<0.Total n-1 JK T Kesimpuylannya adalah : • • • Jika FH(R/G) < F Tabel tidak nyata (P>0.02033L3..76317L + 0. nilainya (0 ≤ R2 ≤ 1) JKTotal [(0.05) yaitu dengan program Regresi Stepwis.05). p. sedangkan koefisien korelasi menyatakan keeratan hubungan antara peubah bebas(X) dengan peubah tak bebas(Y).05).

76317)+(1431)(0.01 3.582) = 10. maka persamaan garis regresi perlu ditinjau kembali terutama terhadap peubah bebas yang koefisiennya garis regresinya tidak nyata (P>0.04074 Galat 20-3-1=16 0.4188 = 0.4188 Kesimpulan : Garis regresi sangat nyata (P<0. 3.22 Bebas Kuadrat Tengah Regresi 3 10. Jika semua koefisien garis regresinya nyata (P<0.(1/20)(∑ Yi)2 i =1 i =1 i =1 i =1 i =1 20 20 20 20 20 = (115.19375)+ (7227.4188 i =1 i =1 20 20 JK Galat = JK Total – JK Regresi = 10.05).(1/20)(115.(1/20)(∑ Yi)2 i =1 20 = (∑ Yi) β0+ (∑ YiLi) β1 + (∑ Yi Li2) β2 + (∑ YiLi3) β3 .2860 JK Total = ∑ Yi2 .29 P <0.02033) . Disamping pengujian terhadap bentuk persamaan garis regresi dan koefisien korelasinya.4188 – 10.JHKX1Xp JHK X2X3………………….706. 3.2860 0.615 dan Tabel R (R 0.18) = 0.18) = 0. Koefisien diterminan (R2) = 10.2860/10. sebaliknya bila ada salah satu koefisien ppersamaan garis regresinya yang tidak nyata (P>0.01.36 .8973 = ± 0.2860 = 0. maka bentuk persamaan garis regresi tersebut secara utuh cukup baik.8973 Koefisien Korelasi (R) = 0.24 5.30)(-0.00830 Total 20-1= 19 10. Pengujian dapat dilakukan dengan cara mencari matriks variencovarian yaitu : XA’XA = JK X1 JHK X1X2 JHK X1X2 JK X2 JHK X1X3………………….58)(6. Maka koefisien garis regresinya sangat nyata (P<0.05).1328 Tabel Sidik Ragam Regresi SK Derajat Jumlah Kuadrat FH 413.1328 0. juga perlu dilakukan pengujian terhadap koefisien garis regresinya (βi).582) = 10.9936 Jika kita bandingkan dengan Tabel R (R 0.1)(-0.05.05 0.JHKX2Xp F Tabel 0.05).01).(1/20)(115.01 .8200)+(315.JK Regresi = (X’Y)’β .(1/20)( ∑ Yi)2 = 678.01).

07815 9. DB Galat Regresi) (0.921 2.01..03454 5..05).01 <0.……….05).………….05.JHKX2Xp JHK X1Xp JHK X2Xp JK X3Xp.01 2.921 2.02033 Standar Error t Hitung t Tabel 0..C D……….76317 0.…….04074 164.05. Dari Teladan 1.JHK X1X3 JHK X1X2 JK X3.00380 5.…………. DB Galat Regresi) maka koefisien garis regresinya tidak nyata maka koefisien garis regresinya nyata maka koefisien garis regresinya sangat nyata ..61 2.120 0. Jika │tH│> t Tabel (P<0. Jika │tH│> t Tabel (P>0. maka akan diperoleh matriks : (XA’XA)-1 Si2 = Sb02 A B C A Sb12 D E B………………..01 (0.19375 -0..77 2.05 (Sbi) 0.82000 -0.Sbp2 Nilai pada diagonal utama matriks (XA’XA)-1 S i2 setelah diakarkan merupakan standar Error dari koefisien garis regresi yang diperoleh.F F……………….E Sb22…………….921 2.01 <0.………….120 0.120 0.05).JHKX2Xp Setelah matriks XA’XA dicari kebalikannya (Inversnya) dan digandakan dengan Si2 (KT galat). dengan rumus : │tH│= βi/ Sbi2 = βi/Sbi Kesimpulan : • • • Jika │tH│< t Tabel (P>0. diatas diperoleh hasil pengujian koefisien garis regresi seperti tabel berikut : Peubah β0 Β1 Β2 Β3 Koefisien Garis Regresi 6.120 0. hingga pengujian terhadap koefisien garis regresi dapat dilakukan dengan uji t.42 2.921 P <0.01 <0. DB Galat Regresi) (0.36 2.

.Kesimpulan : Koefesien persamaan garis regresinya sangat nyata (P<0.01).

Sign up to vote on this title
UsefulNot useful