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

) + (yij . ) + (yij .) + yij ...p dan j = 1. )2 + (yij ...ỹi. )2 + 2(yi.. .yi. 3.…………. )2 ] ∑∑ p u i =1 j =1 i =1 j =1 . ) = ∑∑ [(yi. . .y.. 2. Pengulangan percobaan yang sama mungkin tidak konsisten (lemah) apabila satuan percobaantidak benar-benar homogen terutama apabila jumlah ulangannya sedikit.ỹ..ỹ. )(yij .. Model Matematis : Yij = µ + Pi + єij i = 1.3. )]2 ∑∑ p u i =1 j =1 i =1 j =1 _ 2 p u _ _ _ _ _ _ (yij y.y.. )2 ] ∑∑ p u i =1 j =1 i =1 j =1 =0 _ 2 p u _ _ _ (yij y.ỹ. ) = ∑∑ [(yi. . .………….yi. 2.y.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... + (ỹi. )= (ỹi.yi.yi. .) 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. 3.ỹi.) + yij .y. ) = ∑∑ [(yi.) (yij .

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

58 5.53 5.) Rata-rata SD Perhitungan : Lama Desinfeksi (i) dalam jam 0 2 4 6.3556 – 667. DB Galat)) maka H0 ditolak (P<0.62 5.95 29.01).75 6.82 0.752 +…………………+ 4.9368 = 10.05).0911 (y.05).• • • Jika F Hitung (P/G) < F Tabel ( 0.58)2/(4x5) = 578. Jika F Hitung (P/G) ≥ F Tabel ( 0.88 6. 2.1550 5.87 6.07 6. − __ pu i =1 4 2 JK Perlakuan =1/5(34.0602 (y.0561 5.29 23.73 4.9368 = 10.0488 Total 6 4. DB Perlakuan.) Jumlah Kuadrat Total = ∑∑ yij2 − __ pu i =1 j =1 4 5 2 JK Total = 6. DB Galat)) maka H0 ditolak (P<0. coli (Log E.532 + 27.83 5.80 4.91 0. hal ini berarti Perlakuan berpengaruh sangat nyata (P<0.71 6.52 27. hal ini berarti Perlakuan berpengaruh nyata (P<0.13 115. hal ini berarti Perlakuan tidak berpengaruh nyata (P>0.. Teladan 1.89 23.01).78 5. DB Galat)) maka H 0 diterima (P>0. DB Perlakuan. DB Perlakuan.01..882 + 6.57 0.12 4.10 6. Seorang peneliti ingin mengetahui pengaruh lama desinfeksi H2O2 terhadap log jumlah bakteri E coli pada limbah RPH dengan dosis 30% .58)2/(4x5) = 678. coli) Ulangan (j) 1 2 3 4 5 Total (yi.78 0. Tabel Data Jumlah E.2660 .) Jumlah Kuadrat Perlakuan = 1/u∑ yi.01 22.82 0.58 5.05.02 5.85 4.26 23.05.51 5.88 24.4188 2 (y.05).832 + 24.872 + 6.j) 23.82 6. Untuk tujuan tersebut dilakukan penelitian dengan lama desinfeksi 0.122 ) – (115.882 . Jika F Hitung (P/G) ≥ F Tabel ( 0.60 5.(115.86 4.102 + 29.05).2228 – 667.78 34. 4 dan 8 jam dengan ulangan masingmasing sebanyak 5 kali.

06022}.5502+(5-1)Log 0. Uji Bartlett Syarat Sidik Ragam (Uji F) ragam (S2) antar perlakuan harus homogen.1041667 .∑(ui – 1) logSi2} Y = 1 + 1/[3(p-1)]{∑1/(ui -1) – 1/[∑(ui – 1)]} X B = __ Y Jika B< X2 (0.05.2860 0.09112[(5-1)Log 0.JK Galat = JK Total – JK Perlakuan = 10.29 P <0.22> F Tabel 0. sebaliknya jika B> X2 (0. Jadi Lama desinfeksi berpengaruh sangat nyata (P<0.30226{[(5-1)+(5-1)+5-1)+(5-1)Log 0.04882+(5-1)Log 0.1327 10.30226(-33. denagn rumus : X = 2.29512 + 36.93499236 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 = 1.05 0.01).01 Keterangan : ** Lama Desinfeksi Berpengaruh Sangat Nytata (P<0.DBG=p1) ∀i maka disimpulkan ragam tidak homogen.22** F Tabel 0.05612+(5-1)Log 0.1327 Daftar Sidik Ragam Sumber Keragaman Lama D Galat Total DB 3 16 19 Jumlah Kuadrat 10. untuk menguji homogennitas ragam digunakan Uji Bartlett.00830 F. maka H0 ditolak pada taraf 1%.01= 5. Sebagai contoh kita gunakan data diatas. X = 2.05.DBG=p-1) maka disimpulkan ragam homogen.2660 = 0. Hi-tung 413.42867 0.4188 Kuadrat Tengah 3.24 5.01 3.741513) = 7.01) terhadap log jumlah E coli air limbah RPH. X = 2.4188 – 10. Hipotesis : H0 : μ1 = μ2 = μ3 = μ4 H1 : μi ≠ μi’ Kesimpulan : FH = 413.30226{[∑(ui – 1)] Log S2 .29.

disimpulkan berbeda nyata (P<0. – ў’i.05. Jika │ўi.0576 = 0. yaitu dengan mencari Sx dengan rumus : Sx = 2 _____ KT G r BNT 5% = t (0. – ў’i.120 x 0.7. Uji Beda Nyata Terkecil (BNT).DBG=4-1) = 7.01). Dari Tabel Teladan 1.81 Oleh karena B< X2 (0. dengan ў’i.05). Jika │ўi. UJI NILAI TENGAH SETELAH SIDIK RAGAM Setelah H0 ditolak.│≥ nilai BNT 5% maka antara ўi.DBG=4-1) . dengan ў’i.921 x 0.│≥ nilai BNT 1% maka antara ўi.│< nilai BNT 5% maka antara ўi. BNT 5% = 2.05). maka disimpulkan ragam homogen (P>.0576. – ўi.18 1. – ў’i. diatas maka dapat dicarai sebagai berikut : Sx = 2(0.05).DBG)Sx BNT 1% = t (0.01DBG)Sx Kesimpulan dari uji BNT adalah sebagai berikut : Jika │ўi. maka selanjutnya ingin diketahui antar perlakuan (rata-rata) mana yang berbeda nyata. Signifikansi . disimpulkan berbeda sangat nyata (P<0. Uji ini menggunakan tabel t.93499235 _ B = __________ = 7. – ўi. disimpulkan tidak berbeda nyata (P>0. – ўi.000830 ) = 0. maka untuk mengetahui hal tersebut dilakukan uji nilai tengan (rata-rata) antar perlakuan. dengan ў’i. Uji nilai tenngah setelah sidik ragam hanya diperkenalkan 2 uji yaitu :: a.1221 BNT 1% = 2. Ў2.1683 Tabel Uji BNT Lama Rataan Ў1.05.05.0576 = 0.1041667 X2 (0. Ў3.

disimpulkan berbeda sangat nyata (P<0.05) atau sangat nyata (P<0.01 0. – ўi.128 LSR 0.05 3. dengan ў’i.996** 0 0. – ўi.│≥ nilai LSR 5% pada Rentangan P tertentu. disimpulkan berbeda nyata (P<0. S x = K T G /r LSR = Sx x SSR SSR diambil dari Tabel Duncan.01).168 0. maka Uji BNT kurang baik digunakan untuk membandingkan rataan antar perlauan. maka antara ўi.181 = 0.13 4.05 A B C D 0. Tabel Rentangan Bergabda Duncan P 2 3 SSR 0. Uji Rentangan Berganda Duncan. dengan ў’i.01). Bila perlakuan lebih dari 5 (p>5). – ўi.│≥ nilai LSR 1% pada Rentangan P tertentu.23 4. maka antara ўi.824 0 0.Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : 6. Tabel Uji Rentangan Berganda Duncan Lama Rataan Ў1.│< nilai LSR 5% pada Rentangan P tertentu.45 0. Ў3.05 0.340** 1. – ў’i. 4 3. – ў’i.15 SSR 0.742** 0.01 A B C D Nilai dengan huruf yang berbeda kearah kolom menunjukkan berbeda nyata (P<0. Ў2.906 5. disimpulkan tidak berbeda nyata (P>0. Jika │ўi. b.34 LSR 0.05).00 3. Jika │ўi.05). Signifikansi . maka uji yang lebih baik digunakan adalah Uji Renntangan Berganda Duncan.820 5.122 0.132 0.177 Kesimpulan dari Uji Duncan adalah sebagai berikut : dengan ў’i.01 4. maka antara ўi.082** 0 0.254** 1.0083/5 =0. – ў’i.040743 Jika │ўi.566 4.814** 1.

.566 4.820 5. dengan menyelesaikan persamaan normalnya yaitu matriks X’Y = X’Xβ... disini a = p – 1 (a = jumlah perlakuan dikurangi satu). β2 dan β3..05) atau sangat nyata (P<0...340** 1....a... jadi a = 4 -1 = 3.. jadi persamaan polinomnya adalah sebagai berikut : Y = β0 + β1 X + β2 X2 +. 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... 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. β1..01 A B C D Nilai dengan huruf yang berbeda kearah kolom menunjukkan berbeda nyata (P<0. Jika perlakuan atau faktor bersifat kualitatif....01).824 0 0..082** 0 0...814** 1.996** 0 0...+ βaXa Persamaan polinom ini disebut Persamaan Garis Regresi antar peubah X dengan peubah Y Kita perhatikan teladan diatas p = 4.....05 A B C D 0.742** 0.254** 1...Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : 6.906 5. 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 kita peroleh : β0 β1 β2 β3 = 240 1440 20 60 260 1440 7840 60 280 1440 7840 44160 1440 7840 44160 254100 115.58 315.30 β0 β1 = 6.70 7227.76317 .82000 .0.10 1431.∑ 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.

01 P Jumlah Kuadrat JK R JK G .76317L + 0.05 0.19375 . 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 .19375L2 – 0.02033 Jadi persamaan garis Regresinya adalah : Y = 6.1/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.β2 β3 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 .82000 – 0. Jumlah E.0.02033L3 8 Log.

p. dari persamaan garis Regresi yang diperoleh yaitu Y = 6. Derajat polinom yang tertinggi adalah 3(kubik). nilainya (0 ≤ R2 ≤ 1) JKTotal [(0. maka H0 diterima. berarti garis regresinya maka H0 ditolak. berarti garis regresinya Koefisien Korelasi (R) = R2 .05. kita dapat mengitung : . nialainya (-1 ≤ R ≤ 1) Sebagai contoh kita gunakan Teladan 1. Pengujian ini memang cukup merepotkan. karena harus mencoba beberapa kali bentuk persamaan yang mungkin dan dilakukan pengujian terhadap koefisien garis regresinya (βi) . Koefisien diterminan (R2) = JKRegresi __________ . Jika FH(R/G) ≥ F Tabel nyata (P<0. [(0. p.02033L3.05).19375L2 – 0. tetapi mungkin saja dua (kuadratik) atau bahkan 1(linier). (n-p-1)]. sedangkan koefisien korelasi menyatakan keeratan hubungan antara peubah bebas(X) dengan peubah tak bebas(Y). untuk menentukan derajat polinom yang terbaik yaitu yang menggambarkan datanya maka diperlukan pengujian terhadap koefesien garis regresinya (βi).82000 – 0. 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 sangat nyata (P<0. berarti garis regresinya maka H0 ditolak.05.05) yaitu dengan program Regresi Stepwis. [(0. Koefisien determinan adalah besarnya peubah tak bebas (Y) yang dapat diterangkan oleh peubah (x) dengan menggunakan persamaan garis regresi yang diperoleh. dan sejauh mana keeratan hubungannya dapat diuji dengan menggunakn Tabel R atau r..05).76317L + 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>0.01). p.05).01. koefisien garis regresi yang nyata (P<0. (n-p-1)]. (n-p-1)].

615 dan Tabel R (R 0.8973 Koefisien Korelasi (R) = 0.24 5.01).4188 = 0.05).8200)+(315.JHKX1Xp JHK X2X3…………………. Disamping pengujian terhadap bentuk persamaan garis regresi dan koefisien korelasinya.1328 Tabel Sidik Ragam Regresi SK Derajat Jumlah Kuadrat FH 413. maka persamaan garis regresi perlu ditinjau kembali terutama terhadap peubah bebas yang koefisiennya garis regresinya tidak nyata (P>0.01 .30)(-0.01).05.2860 0. Koefisien diterminan (R2) = 10. maka bentuk persamaan garis regresi tersebut secara utuh cukup baik. Maka koefisien garis regresinya sangat nyata (P<0.01.18) = 0.2860 = 0.(1/20)(∑ Yi)2 i =1 20 = (∑ Yi) β0+ (∑ YiLi) β1 + (∑ Yi Li2) β2 + (∑ YiLi3) β3 .05).19375)+ (7227.JHKX2Xp F Tabel 0.4188 i =1 i =1 20 20 JK Galat = JK Total – JK Regresi = 10.00830 Total 20-1= 19 10.4188 – 10.2860/10. 3.36 .18) = 0.582) = 10.01 3.(1/20)( ∑ Yi)2 = 678.4188 Kesimpulan : Garis regresi sangat nyata (P<0.(1/20)(115.02033) .706. Jika semua koefisien garis regresinya nyata (P<0.(1/20)(115.22 Bebas Kuadrat Tengah Regresi 3 10.1328 0.58)(6.04074 Galat 20-3-1=16 0.05 0.76317)+(1431)(0. juga perlu dilakukan pengujian terhadap koefisien garis regresinya (βi).JK Regresi = (X’Y)’β .1)(-0.9936 Jika kita bandingkan dengan Tabel R (R 0. sebaliknya bila ada salah satu koefisien ppersamaan garis regresinya yang tidak nyata (P>0.2860 JK Total = ∑ Yi2 .29 P <0.8973 = ± 0.05). 3.(1/20)(∑ Yi)2 i =1 i =1 i =1 i =1 i =1 20 20 20 20 20 = (115. Pengujian dapat dilakukan dengan cara mencari matriks variencovarian yaitu : XA’XA = JK X1 JHK X1X2 JHK X1X2 JK X2 JHK X1X3………………….582) = 10.

DB Galat Regresi) (0.120 0.42 2.………..07815 9.921 2. DB Galat Regresi) (0.19375 -0.00380 5.01 (0.05). diatas diperoleh hasil pengujian koefisien garis regresi seperti tabel berikut : Peubah β0 Β1 Β2 Β3 Koefisien Garis Regresi 6. dengan rumus : │tH│= βi/ Sbi2 = βi/Sbi Kesimpulan : • • • Jika │tH│< t Tabel (P>0.120 0. Dari Teladan 1.………….120 0.01.01 <0.JHKX2Xp JHK X1Xp JHK X2Xp JK X3Xp. hingga pengujian terhadap koefisien garis regresi dapat dilakukan dengan uji t.01 2.……..02033 Standar Error t Hitung t Tabel 0.01 <0..36 2.05)..04074 164. maka akan diperoleh matriks : (XA’XA)-1 Si2 = Sb02 A B C A Sb12 D E B……………….76317 0. DB Galat Regresi) maka koefisien garis regresinya tidak nyata maka koefisien garis regresinya nyata maka koefisien garis regresinya sangat nyata .JHKX2Xp Setelah matriks XA’XA dicari kebalikannya (Inversnya) dan digandakan dengan Si2 (KT galat).05.Sbp2 Nilai pada diagonal utama matriks (XA’XA)-1 S i2 setelah diakarkan merupakan standar Error dari koefisien garis regresi yang diperoleh.01 <0.82000 -0.05.………….921 P <0.05 (Sbi) 0.E Sb22…………….03454 5.05).921 2. Jika │tH│> t Tabel (P>0.F F………………. Jika │tH│> t Tabel (P<0.JHK X1X3 JHK X1X2 JK X3..120 0.C D……….77 2..61 2.………….921 2.

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

Sign up to vote on this title
UsefulNot useful