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

... 4 y41 Y42 y43 y44 y45 y4.∑∑ (yij i =1 j =1 p u p u _ 2 p u _ _ _ y.yi. Tabel Daftar Sidik Ragam. ỹ3. ỹ2.) Rataan(ỹi.1 y...y.05 0.1 y..y. ỹ4.. ) = ∑∑ (yi.1 y. )2 + ∑∑ (yij .1 ỹ. ỹ1.) Jumlah Kuadrat Perlakuan = ∑∑ (yi.01 PeluAng(P ) . Total 3 y31 Y32 y33 y34 y35 y3. )] 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.y.. .)2 __ Jumlah Kuadrat Total = ∑∑ (yij ...j) y..) Perlakuan (i) 1 2 y11 y12 y13 y14 y15 y1.. ) + (yi.y.y. ) = ∑∑ yij2 − __ pu i =1 j =1 i =1 j =1 2 p u p _ 2 _ 2 (y. y21 y22 y23 y24 y25 y2. Sumber Keragaman Perlakuan Galat Total Hipotesis : H0 : μ1 = μ2 = μ3 =. ) = 1/u∑ yi.1 y.. )2 i =1 j =1 i =1 j =1 p u _ 2 p u (y.. ) = ∑∑ [(yij .. − __ pu i =1 j =1 i =1 p u _ _ _ 2 p u _ 2 Jumlah Kuadrat Galat = ∑∑ (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 0.1 y. (y..yi. .... .

DB Perlakuan.(115.86 4.. coli (Log E. hal ini berarti Perlakuan berpengaruh nyata (P<0.102 + 29. DB Galat)) maka H0 ditolak (P<0.10 6.73 4.12 4. Tabel Data Jumlah E.02 5.01).122 ) – (115.07 6.71 6. Jika F Hitung (P/G) ≥ F Tabel ( 0.89 23.51 5.62 5.832 + 24.01.53 5. Seorang peneliti ingin mengetahui pengaruh lama desinfeksi H2O2 terhadap log jumlah bakteri E coli pada limbah RPH dengan dosis 30% .j) 23.• • • Jika F Hitung (P/G) < F Tabel ( 0.57 0.05). Untuk tujuan tersebut dilakukan penelitian dengan lama desinfeksi 0.13 115.87 6.80 4.01 22.0602 (y.88 24. DB Perlakuan.78 34.0561 5.58 5.75 6.) Jumlah Kuadrat Perlakuan = 1/u∑ yi.0911 (y.58)2/(4x5) = 578.82 6.88 6. 4 dan 8 jam dengan ulangan masingmasing sebanyak 5 kali.532 + 27.752 +…………………+ 4.85 4.58)2/(4x5) = 678.882 + 6.05.2660 .58 5.05).3556 – 667.82 0. hal ini berarti Perlakuan tidak berpengaruh nyata (P>0.1550 5..872 + 6.83 5.) Jumlah Kuadrat Total = ∑∑ yij2 − __ pu i =1 j =1 4 5 2 JK Total = 6.) Rata-rata SD Perhitungan : Lama Desinfeksi (i) dalam jam 0 2 4 6.882 .60 5.0488 Total 6 4.05. coli) Ulangan (j) 1 2 3 4 5 Total (yi.82 0.29 23.78 5. − __ pu i =1 4 2 JK Perlakuan =1/5(34. Teladan 1.9368 = 10. DB Galat)) maka H0 ditolak (P<0. Jika F Hitung (P/G) ≥ F Tabel ( 0.52 27.01).26 23. hal ini berarti Perlakuan berpengaruh sangat nyata (P<0. DB Galat)) maka H 0 diterima (P>0.91 0.9368 = 10.2228 – 667.05).95 29.78 0.05). 2.4188 2 (y. DB Perlakuan.

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. maka H0 ditolak pada taraf 1%. Hi-tung 413. X = 2.2860 0.1041667 .DBG=p-1) maka disimpulkan ragam homogen. Uji Bartlett Syarat Sidik Ragam (Uji F) ragam (S2) antar perlakuan harus homogen. 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 10.01). Jadi Lama desinfeksi berpengaruh sangat nyata (P<0.29.741513) = 7.∑(ui – 1) logSi2} Y = 1 + 1/[3(p-1)]{∑1/(ui -1) – 1/[∑(ui – 1)]} X B = __ Y Jika B< X2 (0.42867 0.05.JK Galat = JK Total – JK Perlakuan = 10.09112[(5-1)Log 0. untuk menguji homogennitas ragam digunakan Uji Bartlett.06022}. Sebagai contoh kita gunakan data diatas.4188 – 10.00830 F.04882+(5-1)Log 0.05.01 Keterangan : ** Lama Desinfeksi Berpengaruh Sangat Nytata (P<0.24 5.29512 + 36.30226(-33.01 3.30226{[∑(ui – 1)] Log S2 .30226{[(5-1)+(5-1)+5-1)+(5-1)Log 0. X = 2.29 P <0.01) terhadap log jumlah E coli air limbah RPH. denagn rumus : X = 2.01= 5.05 0.2660 = 0.DBG=p1) ∀i maka disimpulkan ragam tidak homogen.5502+(5-1)Log 0.22** F Tabel 0.05612+(5-1)Log 0.22> F Tabel 0. sebaliknya jika B> X2 (0.4188 Kuadrat Tengah 3.1327 10.

│< nilai BNT 5% maka antara ўi.DBG=4-1) .1221 BNT 1% = 2. Ў2. dengan ў’i.05. maka disimpulkan ragam homogen (P>.01DBG)Sx Kesimpulan dari uji BNT adalah sebagai berikut : Jika │ўi.1683 Tabel Uji BNT Lama Rataan Ў1.05).05.DBG)Sx BNT 1% = t (0. BNT 5% = 2.7. – ў’i.│≥ nilai BNT 1% maka antara ўi. diatas maka dapat dicarai sebagai berikut : Sx = 2(0.05. yaitu dengan mencari Sx dengan rumus : Sx = 2 _____ KT G r BNT 5% = t (0. Dari Tabel Teladan 1.0576 = 0.│≥ nilai BNT 5% maka antara ўi. Uji Beda Nyata Terkecil (BNT).01).0576 = 0. Jika │ўi. disimpulkan berbeda nyata (P<0. – ў’i. – ўi. disimpulkan berbeda sangat nyata (P<0. Jika │ўi.1041667 X2 (0.05).921 x 0. Uji ini menggunakan tabel t.120 x 0.0576. – ў’i.05). dengan ў’i.81 Oleh karena B< X2 (0. maka untuk mengetahui hal tersebut dilakukan uji nilai tengan (rata-rata) antar perlakuan. – ўi. Ў3.000830 ) = 0. disimpulkan tidak berbeda nyata (P>0. – ўi. dengan ў’i. Uji nilai tenngah setelah sidik ragam hanya diperkenalkan 2 uji yaitu :: a. maka selanjutnya ingin diketahui antar perlakuan (rata-rata) mana yang berbeda nyata. Signifikansi .18 1. UJI NILAI TENGAH SETELAH SIDIK RAGAM Setelah H0 ditolak.DBG=4-1) = 7.93499235 _ B = __________ = 7.

Tabel Rentangan Bergabda Duncan P 2 3 SSR 0.814** 1.177 Kesimpulan dari Uji Duncan adalah sebagai berikut : dengan ў’i. Uji Rentangan Berganda Duncan.05 0. – ўi. maka antara ўi. – ў’i. Bila perlakuan lebih dari 5 (p>5).040743 Jika │ўi.0083/5 =0.566 4.13 4.│< nilai LSR 5% pada Rentangan P tertentu. 4 3.082** 0 0. – ў’i. Jika │ўi. – ў’i.181 = 0.05).│≥ nilai LSR 1% pada Rentangan P tertentu. Tabel Uji Rentangan Berganda Duncan Lama Rataan Ў1. Jika │ўi.742** 0.15 SSR 0.340** 1.01).132 0. maka antara ўi.00 3. – ўi.Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : 6.01 4. maka antara ўi.05).168 0. S x = K T G /r LSR = Sx x SSR SSR diambil dari Tabel Duncan. Ў3.05) atau sangat nyata (P<0.906 5.23 4. Ў2.01 A B C D Nilai dengan huruf yang berbeda kearah kolom menunjukkan berbeda nyata (P<0.05 3. dengan ў’i.01). maka uji yang lebih baik digunakan adalah Uji Renntangan Berganda Duncan.254** 1. disimpulkan berbeda nyata (P<0.│≥ nilai LSR 5% pada Rentangan P tertentu.824 0 0.996** 0 0. disimpulkan berbeda sangat nyata (P<0. b.122 0.128 LSR 0.45 0. disimpulkan tidak berbeda nyata (P>0. Signifikansi .01 0. maka Uji BNT kurang baik digunakan untuk membandingkan rataan antar perlauan.820 5. – ўi.05 A B C D 0.34 LSR 0. dengan ў’i.

.05) atau sangat nyata (P<0. disini a = p – 1 (a = jumlah perlakuan dikurangi satu)..Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : 6.. Jika perlakuan atau faktor bersifat kualitatif. β2 dan β3..01 A B C D Nilai dengan huruf yang berbeda kearah kolom menunjukkan berbeda nyata (P<0....05 A B C D 0. jadi a = 4 -1 = 3. 2. dengan menyelesaikan persamaan normalnya yaitu matriks X’Y = X’Xβ.340** 1..824 0 0.. 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..566 4.....a... β1.742** 0..01)...814** 1.082** 0 0....254** 1.. 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 . 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....906 5.820 5...996** 0 0.+ βaXa Persamaan polinom ini disebut Persamaan Garis Regresi antar peubah X dengan peubah Y Kita perhatikan teladan diatas p = 4.. jadi persamaan polinomnya adalah sebagai berikut : Y = β0 + β1 X + β2 X2 +.

70 7227.30 β0 β1 = 6.76317 .0. 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 1.10 1431.58 315.82000 .

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 .76317L + 0.β2 β3 0.82000 – 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 .05 0.19375 .01 P Jumlah Kuadrat JK R JK G .0.19375L2 – 0. Jumlah E.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 0.02033L3 8 Log.02033 Jadi persamaan garis Regresinya adalah : Y = 6.

(n-p-1)]. Jika FH(R/G) ≥ F Tabel sangat nyata (P<0. karena harus mencoba beberapa kali bentuk persamaan yang mungkin dan dilakukan pengujian terhadap koefisien garis regresinya (βi) .05.76317L + 0. [(0. tetapi mungkin saja dua (kuadratik) atau bahkan 1(linier).05).. (n-p-1)]. kita dapat mengitung : .05).05) yaitu dengan program Regresi Stepwis.05). p. Pengujian ini memang cukup merepotkan.82000 – 0.Total n-1 JK T Kesimpuylannya adalah : • • • Jika FH(R/G) < F Tabel tidak nyata (P>0. nilainya (0 ≤ R2 ≤ 1) JKTotal [(0. berarti garis regresinya Koefisien Korelasi (R) = R2 . [(0.01. Koefisien determinan adalah besarnya peubah tak bebas (Y) yang dapat diterangkan oleh peubah (x) dengan menggunakan persamaan garis regresi yang diperoleh. maka H0 diterima.02033L3. koefisien garis regresi yang nyata (P<0.01). berarti garis regresinya maka H0 ditolak. Derajat polinom yang tertinggi adalah 3(kubik).19375L2 – 0. Ketelitian dan ketepatan garis regresi dapat juga dilihat dari besarnya koefisien determin (R2) dan/atau koefisien korelasinya (R atau r). sedangkan koefisien korelasi menyatakan keeratan hubungan antara peubah bebas(X) dengan peubah tak bebas(Y). p. berarti garis regresinya maka H0 ditolak. dari persamaan garis Regresi yang diperoleh yaitu Y = 6. untuk menentukan derajat polinom yang terbaik yaitu yang menggambarkan datanya maka diperlukan pengujian terhadap koefesien garis regresinya (βi). Jika FH(R/G) ≥ F Tabel nyata (P<0. tetapi dalam program SPSS telah dipilihkan lansung garis regresi yang terbaik dengan seluruh koefisen garis regrei yang nyata(P<0. nialainya (-1 ≤ R ≤ 1) Sebagai contoh kita gunakan Teladan 1. (n-p-1)]. dan sejauh mana keeratan hubungannya dapat diuji dengan menggunakn Tabel R atau r. p.05. Koefisien diterminan (R2) = JKRegresi __________ .

76317)+(1431)(0.01).18) = 0.29 P <0.1328 Tabel Sidik Ragam Regresi SK Derajat Jumlah Kuadrat FH 413.05.58)(6.01 .582) = 10.24 5. 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 20 = (∑ Yi) β0+ (∑ YiLi) β1 + (∑ Yi Li2) β2 + (∑ YiLi3) β3 .05 0. Pengujian dapat dilakukan dengan cara mencari matriks variencovarian yaitu : XA’XA = JK X1 JHK X1X2 JHK X1X2 JK X2 JHK X1X3………………….8200)+(315.4188 – 10.4188 i =1 i =1 20 20 JK Galat = JK Total – JK Regresi = 10.00830 Total 20-1= 19 10.2860 JK Total = ∑ Yi2 . juga perlu dilakukan pengujian terhadap koefisien garis regresinya (βi). Koefisien diterminan (R2) = 10.2860 0.19375)+ (7227.(1/20)(∑ Yi)2 i =1 i =1 i =1 i =1 i =1 20 20 20 20 20 = (115.JHKX2Xp F Tabel 0.4188 Kesimpulan : Garis regresi sangat nyata (P<0. 3.JHKX1Xp JHK X2X3………………….8973 Koefisien Korelasi (R) = 0.30)(-0. Jika semua koefisien garis regresinya nyata (P<0.8973 = ± 0.582) = 10.615 dan Tabel R (R 0.02033) .01.(1/20)(115.01 3.05).2860/10. Disamping pengujian terhadap bentuk persamaan garis regresi dan koefisien korelasinya.01).2860 = 0.22 Bebas Kuadrat Tengah Regresi 3 10.1)(-0. maka bentuk persamaan garis regresi tersebut secara utuh cukup baik.(1/20)( ∑ Yi)2 = 678.05). Maka koefisien garis regresinya sangat nyata (P<0.JK Regresi = (X’Y)’β .1328 0. sebaliknya bila ada salah satu koefisien ppersamaan garis regresinya yang tidak nyata (P>0.9936 Jika kita bandingkan dengan Tabel R (R 0.05).706. 3.36 .18) = 0.04074 Galat 20-3-1=16 0.(1/20)(115.4188 = 0.

76317 0.05.42 2..………….…….01 <0.Sbp2 Nilai pada diagonal utama matriks (XA’XA)-1 S i2 setelah diakarkan merupakan standar Error dari koefisien garis regresi yang diperoleh..921 2.02033 Standar Error t Hitung t Tabel 0.19375 -0.120 0.05 (Sbi) 0.JHKX2Xp Setelah matriks XA’XA dicari kebalikannya (Inversnya) dan digandakan dengan Si2 (KT galat)..77 2.05.………….921 P <0. hingga pengujian terhadap koefisien garis regresi dapat dilakukan dengan uji t.01 <0.36 2.01 <0.921 2. DB Galat Regresi) maka koefisien garis regresinya tidak nyata maka koefisien garis regresinya nyata maka koefisien garis regresinya sangat nyata . diatas diperoleh hasil pengujian koefisien garis regresi seperti tabel berikut : Peubah β0 Β1 Β2 Β3 Koefisien Garis Regresi 6.05).05). maka akan diperoleh matriks : (XA’XA)-1 Si2 = Sb02 A B C A Sb12 D E B………………..JHK X1X3 JHK X1X2 JK X3.04074 164. DB Galat Regresi) (0..E Sb22…………….C D……….921 2.………. DB Galat Regresi) (0.82000 -0.…………..01 2. Dari Teladan 1.F F………………. Jika │tH│> t Tabel (P>0.01 (0.61 2.120 0.120 0.JHKX2Xp JHK X1Xp JHK X2Xp JK X3Xp.01. Jika │tH│> t Tabel (P<0.05).03454 5.120 0.00380 5.07815 9. dengan rumus : │tH│= βi/ Sbi2 = βi/Sbi Kesimpulan : • • • Jika │tH│< t Tabel (P>0.

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

Sign up to vote on this title
UsefulNot useful