P. 1
rancangan-acak-lengkap-ral.doc

rancangan-acak-lengkap-ral.doc

|Views: 142|Likes:
Published by Mawanda Almuhayar

More info:

Published by: Mawanda Almuhayar on Mar 27, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

10/29/2013

pdf

text

original

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

………….ỹi.…………. Pengulangan percobaan yang sama mungkin tidak konsisten (lemah) apabila satuan percobaantidak benar-benar homogen terutama apabila jumlah ulangannya sedikit.ỹ.y.. )= (ỹi.ỹ. ) + (yij . 3.) (yij .. ..yi.3.yi..) + yij . .. ) + (yij . )2 ] ∑∑ p u i =1 j =1 i =1 j =1 . ) = ∑∑ [(yi.yi. ..ỹ.y.ỹi. + (ỹi.) 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. ) = ∑∑ [(yi. )]2 ∑∑ p u i =1 j =1 i =1 j =1 _ 2 p u _ _ _ _ _ _ (yij y.y. 2. . )2 + (yij .. . )2 + 2(yi. 2.y. )2 ] ∑∑ p u i =1 j =1 i =1 j =1 =0 _ 2 p u _ _ _ (yij y.. ) = ∑∑ [(yi. 3...) + yij .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. Model Matematis : Yij = µ + Pi + єij i = 1. )(yij .. .p dan j = 1.yi.

)2 i =1 j =1 i =1 j =1 p u _ 2 p u (y. ) = 1/u∑ yi. 4 y41 Y42 y43 y44 y45 y4.01 PeluAng(P ) .) Rataan(ỹi..1 y..y.∑∑ (yij i =1 j =1 p u p u _ 2 p u _ _ _ y. Sumber Keragaman Perlakuan Galat Total Hipotesis : H0 : μ1 = μ2 = μ3 =.) Perlakuan (i) 1 2 y11 y12 y13 y14 y15 y1.. ỹ1.y..)2 __ Jumlah Kuadrat Total = ∑∑ (yij ..j) y..y.y. ) + (yi.yi.. ỹ4..05 0.. Tabel Daftar Sidik Ragam. . . − __ pu i =1 j =1 i =1 p u _ _ _ 2 p u _ 2 Jumlah Kuadrat Galat = ∑∑ (yij .1 y. ) = ∑∑ (yi.1 y. y21 y22 y23 y24 y25 y2.1 y.1 y. ỹ2.y. ỹ3..) Jumlah Kuadrat Perlakuan = ∑∑ (yi. (y..yi..1 ỹ... )] 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. ) = ∑∑ yij2 − __ pu i =1 j =1 i =1 j =1 2 p u p _ 2 _ 2 (y. ) = ∑∑ [(yij .... Total 3 y31 Y32 y33 y34 y35 y3... .= 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. )2 + ∑∑ (yij .

58)2/(4x5) = 578.01 22. Seorang peneliti ingin mengetahui pengaruh lama desinfeksi H2O2 terhadap log jumlah bakteri E coli pada limbah RPH dengan dosis 30% .83 5. Jika F Hitung (P/G) ≥ F Tabel ( 0.05).78 5.0602 (y.532 + 27.02 5.05. Jika F Hitung (P/G) ≥ F Tabel ( 0. coli) Ulangan (j) 1 2 3 4 5 Total (yi.29 23.4188 2 (y.60 5.872 + 6.2228 – 667.05.58 5.12 4.82 0.j) 23.2660 .53 5.82 0.(115.1550 5.75 6. 4 dan 8 jam dengan ulangan masingmasing sebanyak 5 kali.78 0.86 4.58 5.102 + 29. DB Galat)) maka H 0 diterima (P>0.05).88 6.0561 5. 2.• • • Jika F Hitung (P/G) < F Tabel ( 0.95 29.) Rata-rata SD Perhitungan : Lama Desinfeksi (i) dalam jam 0 2 4 6.0488 Total 6 4.882 . hal ini berarti Perlakuan tidak berpengaruh nyata (P>0.71 6.57 0. DB Galat)) maka H0 ditolak (P<0.89 23.78 34. DB Galat)) maka H0 ditolak (P<0.73 4.05).10 6.62 5. − __ pu i =1 4 2 JK Perlakuan =1/5(34..752 +…………………+ 4.01).87 6.01).13 115.882 + 6.80 4.122 ) – (115.05). hal ini berarti Perlakuan berpengaruh nyata (P<0.26 23. Tabel Data Jumlah E.) Jumlah Kuadrat Perlakuan = 1/u∑ yi. coli (Log E. Untuk tujuan tersebut dilakukan penelitian dengan lama desinfeksi 0.52 27.51 5.91 0. Teladan 1. DB Perlakuan.0911 (y.9368 = 10.58)2/(4x5) = 678.3556 – 667..9368 = 10.832 + 24.82 6.85 4.07 6.01. hal ini berarti Perlakuan berpengaruh sangat nyata (P<0.88 24. DB Perlakuan.) Jumlah Kuadrat Total = ∑∑ yij2 − __ pu i =1 j =1 4 5 2 JK Total = 6. DB Perlakuan.

05.JK Galat = JK Total – JK Perlakuan = 10.4188 – 10. Hi-tung 413.29.01= 5.2660 = 0.22> F Tabel 0.01).30226(-33.22** F Tabel 0.24 5.01) terhadap log jumlah E coli air limbah RPH.5502+(5-1)Log 0. untuk menguji homogennitas ragam digunakan Uji Bartlett.01 3.04882+(5-1)Log 0.01 Keterangan : ** Lama Desinfeksi Berpengaruh Sangat Nytata (P<0. Hipotesis : H0 : μ1 = μ2 = μ3 = μ4 H1 : μi ≠ μi’ Kesimpulan : FH = 413.1327 Daftar Sidik Ragam Sumber Keragaman Lama D Galat Total DB 3 16 19 Jumlah Kuadrat 10.29512 + 36. maka H0 ditolak pada taraf 1%. Sebagai contoh kita gunakan data diatas.42867 0. Jadi Lama desinfeksi berpengaruh sangat nyata (P<0.05 0.30226{[(5-1)+(5-1)+5-1)+(5-1)Log 0.DBG=p-1) maka disimpulkan ragam homogen.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. Uji Bartlett Syarat Sidik Ragam (Uji F) ragam (S2) antar perlakuan harus homogen.DBG=p1) ∀i maka disimpulkan ragam tidak homogen.4188 Kuadrat Tengah 3.05.∑(ui – 1) logSi2} Y = 1 + 1/[3(p-1)]{∑1/(ui -1) – 1/[∑(ui – 1)]} X B = __ Y Jika B< X2 (0.2860 0. X = 2.06022}.30226{[∑(ui – 1)] Log S2 . X = 2. denagn rumus : X = 2.741513) = 7.29 P <0.09112[(5-1)Log 0.00830 F.1041667 .05612+(5-1)Log 0.1327 10. sebaliknya jika B> X2 (0.

1683 Tabel Uji BNT Lama Rataan Ў1. UJI NILAI TENGAH SETELAH SIDIK RAGAM Setelah H0 ditolak.1221 BNT 1% = 2. – ўi.0576. – ў’i.18 1. maka disimpulkan ragam homogen (P>.921 x 0. disimpulkan berbeda sangat nyata (P<0. Ў2.│≥ nilai BNT 5% maka antara ўi.DBG=4-1) . dengan ў’i.05. Uji nilai tenngah setelah sidik ragam hanya diperkenalkan 2 uji yaitu :: a. Jika │ўi. BNT 5% = 2.05). – ўi.000830 ) = 0.93499235 _ B = __________ = 7. diatas maka dapat dicarai sebagai berikut : Sx = 2(0. – ўi.01DBG)Sx Kesimpulan dari uji BNT adalah sebagai berikut : Jika │ўi. yaitu dengan mencari Sx dengan rumus : Sx = 2 _____ KT G r BNT 5% = t (0.05).05.0576 = 0.DBG)Sx BNT 1% = t (0. dengan ў’i. maka selanjutnya ingin diketahui antar perlakuan (rata-rata) mana yang berbeda nyata. Ў3. disimpulkan tidak berbeda nyata (P>0.│≥ nilai BNT 1% maka antara ўi. Dari Tabel Teladan 1. disimpulkan berbeda nyata (P<0. maka untuk mengetahui hal tersebut dilakukan uji nilai tengan (rata-rata) antar perlakuan.0576 = 0. Uji Beda Nyata Terkecil (BNT). Uji ini menggunakan tabel t.01). – ў’i. dengan ў’i.│< nilai BNT 5% maka antara ўi.DBG=4-1) = 7.7.1041667 X2 (0.05). Signifikansi . – ў’i. Jika │ўi.120 x 0.05.81 Oleh karena B< X2 (0.

254** 1.23 4. disimpulkan berbeda nyata (P<0. Signifikansi .168 0. – ў’i.996** 0 0. dengan ў’i.0083/5 =0. maka antara ўi.01 A B C D Nilai dengan huruf yang berbeda kearah kolom menunjukkan berbeda nyata (P<0.00 3. – ўi.340** 1.824 0 0. b. – ў’i. Tabel Uji Rentangan Berganda Duncan Lama Rataan Ў1.05 3. disimpulkan tidak berbeda nyata (P>0. maka antara ўi. dengan ў’i. – ўi.906 5. Tabel Rentangan Bergabda Duncan P 2 3 SSR 0.│< nilai LSR 5% pada Rentangan P tertentu.132 0.│≥ nilai LSR 5% pada Rentangan P tertentu.181 = 0. maka uji yang lebih baik digunakan adalah Uji Renntangan Berganda Duncan.082** 0 0.01).01).742** 0. – ў’i.05).814** 1.05 0.01 4.05) atau sangat nyata (P<0. – ўi.13 4.45 0. Ў2. Uji Rentangan Berganda Duncan.177 Kesimpulan dari Uji Duncan adalah sebagai berikut : dengan ў’i. Jika │ўi. disimpulkan berbeda sangat nyata (P<0.15 SSR 0.040743 Jika │ўi. maka Uji BNT kurang baik digunakan untuk membandingkan rataan antar perlauan. Bila perlakuan lebih dari 5 (p>5).128 LSR 0.Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : 6. S x = K T G /r LSR = Sx x SSR SSR diambil dari Tabel Duncan.122 0.34 LSR 0.05 A B C D 0.│≥ nilai LSR 1% pada Rentangan P tertentu. Ў3. 4 3.01 0.820 5.566 4.05). Jika │ўi. maka antara ўi.

. β1..742** 0.Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : 6..01)..082** 0 0.05) atau sangat nyata (P<0.. jadi persamaan polinomnya adalah sebagai berikut : Y = β0 + β1 X + β2 X2 +.... Jika perlakuan atau faktor bersifat kualitatif.824 0 0. 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 . jadi a = 4 -1 = 3.01 A B C D Nilai dengan huruf yang berbeda kearah kolom menunjukkan berbeda nyata (P<0.906 5.....a.814** 1..05 A B C D 0.996** 0 0.254** 1... β2 dan β3. dengan menyelesaikan persamaan normalnya yaitu matriks X’Y = X’Xβ.. disini a = p – 1 (a = jumlah perlakuan dikurangi satu)......340** 1....+ βaXa Persamaan polinom ini disebut Persamaan Garis Regresi antar peubah X dengan peubah Y Kita perhatikan teladan diatas p = 4.. 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. 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...820 5..566 4..

10 1431. maka kita peroleh : β0 β1 β2 β3 = 240 1440 20 60 260 1440 7840 60 280 1440 7840 44160 1440 7840 44160 254100 115.0.∑ 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 1.70 7227.30 β0 β1 = 6.58 315.76317 .82000 .

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 + 0.82000 – 0.19375L2 – 0.19375 .02033 Jadi persamaan garis Regresinya adalah : Y = 6.0.1/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 .β2 β3 0.01 P Jumlah Kuadrat JK R JK G .02033L3 8 Log.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 0.05 0. Jumlah E.

sedangkan koefisien korelasi menyatakan keeratan hubungan antara peubah bebas(X) dengan peubah tak bebas(Y). Jika FH(R/G) ≥ F Tabel sangat nyata (P<0.. p. nilainya (0 ≤ R2 ≤ 1) JKTotal [(0. tetapi mungkin saja dua (kuadratik) atau bahkan 1(linier).02033L3.76317L + 0. berarti garis regresinya Koefisien Korelasi (R) = R2 .05. Pengujian ini memang cukup merepotkan. p.05. dari persamaan garis Regresi yang diperoleh yaitu Y = 6. [(0. berarti garis regresinya maka H0 ditolak. untuk menentukan derajat polinom yang terbaik yaitu yang menggambarkan datanya maka diperlukan pengujian terhadap koefesien garis regresinya (βi). Koefisien determinan adalah besarnya peubah tak bebas (Y) yang dapat diterangkan oleh peubah (x) dengan menggunakan persamaan garis regresi yang diperoleh. Ketelitian dan ketepatan garis regresi dapat juga dilihat dari besarnya koefisien determin (R2) dan/atau koefisien korelasinya (R atau r). Jika FH(R/G) ≥ F Tabel nyata (P<0.05). koefisien garis regresi yang nyata (P<0. berarti garis regresinya maka H0 ditolak. (n-p-1)]. (n-p-1)].01). Koefisien diterminan (R2) = JKRegresi __________ . tetapi dalam program SPSS telah dipilihkan lansung garis regresi yang terbaik dengan seluruh koefisen garis regrei yang nyata(P<0.05). Derajat polinom yang tertinggi adalah 3(kubik). nialainya (-1 ≤ R ≤ 1) Sebagai contoh kita gunakan Teladan 1.05) yaitu dengan program Regresi Stepwis.01.82000 – 0.Total n-1 JK T Kesimpuylannya adalah : • • • Jika FH(R/G) < F Tabel tidak nyata (P>0. kita dapat mengitung : . [(0.05).19375L2 – 0. p. (n-p-1)]. karena harus mencoba beberapa kali bentuk persamaan yang mungkin dan dilakukan pengujian terhadap koefisien garis regresinya (βi) . maka H0 diterima. dan sejauh mana keeratan hubungannya dapat diuji dengan menggunakn Tabel R atau r.

Maka koefisien garis regresinya sangat nyata (P<0.8973 Koefisien Korelasi (R) = 0. 3. maka bentuk persamaan garis regresi tersebut secara utuh cukup baik.2860 = 0.22 Bebas Kuadrat Tengah Regresi 3 10.615 dan Tabel R (R 0. juga perlu dilakukan pengujian terhadap koefisien garis regresinya (βi).29 P <0.JHKX2Xp F Tabel 0.04074 Galat 20-3-1=16 0.(1/20)(∑ Yi)2 i =1 20 = (∑ Yi) β0+ (∑ YiLi) β1 + (∑ Yi Li2) β2 + (∑ YiLi3) β3 .1328 Tabel Sidik Ragam Regresi SK Derajat Jumlah Kuadrat FH 413.05).8973 = ± 0.(1/20)(115.01.58)(6.36 .1328 0.05.30)(-0.01). 3.1)(-0.9936 Jika kita bandingkan dengan Tabel R (R 0.76317)+(1431)(0.19375)+ (7227.JK Regresi = (X’Y)’β .JHKX1Xp JHK X2X3………………….582) = 10. Koefisien diterminan (R2) = 10.2860/10.4188 – 10.706.00830 Total 20-1= 19 10.(1/20)( ∑ Yi)2 = 678.05).4188 = 0.2860 JK Total = ∑ Yi2 .05).582) = 10.18) = 0.(1/20)(115. sebaliknya bila ada salah satu koefisien ppersamaan garis regresinya yang tidak nyata (P>0. Pengujian dapat dilakukan dengan cara mencari matriks variencovarian yaitu : XA’XA = JK X1 JHK X1X2 JHK X1X2 JK X2 JHK X1X3………………….05 0.2860 0.01 3. Jika semua koefisien garis regresinya nyata (P<0.01).24 5. Disamping pengujian terhadap bentuk persamaan garis regresi dan koefisien korelasinya.4188 i =1 i =1 20 20 JK Galat = JK Total – JK Regresi = 10.4188 Kesimpulan : Garis regresi sangat nyata (P<0.18) = 0. maka persamaan garis regresi perlu ditinjau kembali terutama terhadap peubah bebas yang koefisiennya garis regresinya tidak nyata (P>0.(1/20)(∑ Yi)2 i =1 i =1 i =1 i =1 i =1 20 20 20 20 20 = (115.02033) .8200)+(315.01 .

E Sb22…………….03454 5. Dari Teladan 1.921 P <0.. Jika │tH│> t Tabel (P>0. DB Galat Regresi) (0. DB Galat Regresi) (0.01 2.05).120 0.05 (Sbi) 0.JHKX2Xp Setelah matriks XA’XA dicari kebalikannya (Inversnya) dan digandakan dengan Si2 (KT galat).JHK X1X3 JHK X1X2 JK X3.42 2. DB Galat Regresi) maka koefisien garis regresinya tidak nyata maka koefisien garis regresinya nyata maka koefisien garis regresinya sangat nyata ..05.. diatas diperoleh hasil pengujian koefisien garis regresi seperti tabel berikut : Peubah β0 Β1 Β2 Β3 Koefisien Garis Regresi 6.921 2.02033 Standar Error t Hitung t Tabel 0.05).120 0.01 <0. dengan rumus : │tH│= βi/ Sbi2 = βi/Sbi Kesimpulan : • • • Jika │tH│< t Tabel (P>0.77 2.05).61 2.921 2..120 0.921 2.00380 5.…………. Jika │tH│> t Tabel (P<0.76317 0..…….Sbp2 Nilai pada diagonal utama matriks (XA’XA)-1 S i2 setelah diakarkan merupakan standar Error dari koefisien garis regresi yang diperoleh.01 (0.01.07815 9.………….82000 -0.19375 -0.01 <0.………….F F………………. hingga pengujian terhadap koefisien garis regresi dapat dilakukan dengan uji t.05.01 <0.……….120 0.04074 164.C D………. maka akan diperoleh matriks : (XA’XA)-1 Si2 = Sb02 A B C A Sb12 D E B……………….JHKX2Xp JHK X1Xp JHK X2Xp JK X3Xp.36 2..

01).Kesimpulan : Koefesien persamaan garis regresinya sangat nyata (P<0. .

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->