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

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

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

85 4. 4 dan 8 jam dengan ulangan masingmasing sebanyak 5 kali.05).) Rata-rata SD Perhitungan : Lama Desinfeksi (i) dalam jam 0 2 4 6. DB Galat)) maka H0 ditolak (P<0. Jika F Hitung (P/G) ≥ F Tabel ( 0.0488 Total 6 4.58 5. DB Perlakuan.9368 = 10. coli) Ulangan (j) 1 2 3 4 5 Total (yi.0602 (y.) Jumlah Kuadrat Perlakuan = 1/u∑ yi.05).882 . DB Galat)) maka H0 ditolak (P<0.86 4. Untuk tujuan tersebut dilakukan penelitian dengan lama desinfeksi 0.01 22.10 6.102 + 29.05).78 5.78 34.58)2/(4x5) = 578.4188 2 (y.9368 = 10.83 5. DB Perlakuan.. Jika F Hitung (P/G) ≥ F Tabel ( 0.752 +…………………+ 4.13 115. hal ini berarti Perlakuan tidak berpengaruh nyata (P>0.01.80 4. Seorang peneliti ingin mengetahui pengaruh lama desinfeksi H2O2 terhadap log jumlah bakteri E coli pada limbah RPH dengan dosis 30% . hal ini berarti Perlakuan berpengaruh nyata (P<0.2228 – 667. Tabel Data Jumlah E.832 + 24.51 5.58 5.122 ) – (115.75 6.12 4.88 24.82 6.82 0. coli (Log E.82 0.(115.07 6.2660 .) Jumlah Kuadrat Total = ∑∑ yij2 − __ pu i =1 j =1 4 5 2 JK Total = 6.0911 (y.73 4.882 + 6.532 + 27.01).62 5.05.1550 5.872 + 6. 2. Teladan 1..52 27.02 5.29 23.0561 5. − __ pu i =1 4 2 JK Perlakuan =1/5(34.j) 23.26 23.05.71 6.91 0.3556 – 667.89 23. DB Perlakuan.53 5.05).60 5. DB Galat)) maka H 0 diterima (P>0.87 6.95 29.57 0. hal ini berarti Perlakuan berpengaruh sangat nyata (P<0.78 0.88 6.58)2/(4x5) = 678.01).• • • Jika F Hitung (P/G) < F Tabel ( 0.

maka H0 ditolak pada taraf 1%.01 Keterangan : ** Lama Desinfeksi Berpengaruh Sangat Nytata (P<0.30226{[(5-1)+(5-1)+5-1)+(5-1)Log 0.22** F Tabel 0.22> F Tabel 0.JK Galat = JK Total – JK Perlakuan = 10. Sebagai contoh kita gunakan data diatas.24 5.04882+(5-1)Log 0.93499236 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. X = 2.05 0.29512 + 36. Uji Bartlett Syarat Sidik Ragam (Uji F) ragam (S2) antar perlakuan harus homogen.01 3.4188 Kuadrat Tengah 3. Hipotesis : H0 : μ1 = μ2 = μ3 = μ4 H1 : μi ≠ μi’ Kesimpulan : FH = 413. Jadi Lama desinfeksi berpengaruh sangat nyata (P<0.30226(-33.05. Hi-tung 413.01= 5.5502+(5-1)Log 0. X = 2.1327 10.2860 0.1327 Daftar Sidik Ragam Sumber Keragaman Lama D Galat Total DB 3 16 19 Jumlah Kuadrat 10.01) terhadap log jumlah E coli air limbah RPH.00830 F.DBG=p-1) maka disimpulkan ragam homogen. untuk menguji homogennitas ragam digunakan Uji Bartlett. sebaliknya jika B> X2 (0.05612+(5-1)Log 0.06022}.2660 = 0.42867 0. denagn rumus : X = 2.DBG=p1) ∀i maka disimpulkan ragam tidak homogen.1041667 .4188 – 10.30226{[∑(ui – 1)] Log S2 .05.09112[(5-1)Log 0.∑(ui – 1) logSi2} Y = 1 + 1/[3(p-1)]{∑1/(ui -1) – 1/[∑(ui – 1)]} X B = __ Y Jika B< X2 (0.741513) = 7.29.01).29 P <0.

Dari Tabel Teladan 1.05). dengan ў’i. Jika │ўi. maka disimpulkan ragam homogen (P>. Jika │ўi. Ў3.│≥ nilai BNT 5% maka antara ўi. maka selanjutnya ingin diketahui antar perlakuan (rata-rata) mana yang berbeda nyata.7.05). – ўi.1221 BNT 1% = 2.05. Uji ini menggunakan tabel t.05.0576.0576 = 0.│< nilai BNT 5% maka antara ўi. disimpulkan tidak berbeda nyata (P>0. dengan ў’i. BNT 5% = 2. – ў’i.0576 = 0. dengan ў’i. Uji nilai tenngah setelah sidik ragam hanya diperkenalkan 2 uji yaitu :: a.│≥ nilai BNT 1% maka antara ўi.01DBG)Sx Kesimpulan dari uji BNT adalah sebagai berikut : Jika │ўi. disimpulkan berbeda sangat nyata (P<0. – ўi. diatas maka dapat dicarai sebagai berikut : Sx = 2(0.120 x 0.05).93499235 _ B = __________ = 7.DBG=4-1) = 7.921 x 0.1041667 X2 (0. – ўi.DBG=4-1) . Ў2.1683 Tabel Uji BNT Lama Rataan Ў1. yaitu dengan mencari Sx dengan rumus : Sx = 2 _____ KT G r BNT 5% = t (0. disimpulkan berbeda nyata (P<0. Uji Beda Nyata Terkecil (BNT).18 1. UJI NILAI TENGAH SETELAH SIDIK RAGAM Setelah H0 ditolak. maka untuk mengetahui hal tersebut dilakukan uji nilai tengan (rata-rata) antar perlakuan.01).DBG)Sx BNT 1% = t (0.81 Oleh karena B< X2 (0. Signifikansi .000830 ) = 0.05. – ў’i. – ў’i.

05 0. Bila perlakuan lebih dari 5 (p>5). Jika │ўi. Ў3. Tabel Rentangan Bergabda Duncan P 2 3 SSR 0.05). maka antara ўi.45 0.132 0.996** 0 0.│< nilai LSR 5% pada Rentangan P tertentu.13 4.742** 0.254** 1.01). maka Uji BNT kurang baik digunakan untuk membandingkan rataan antar perlauan.23 4.122 0.906 5. disimpulkan tidak berbeda nyata (P>0.00 3.168 0.01).814** 1. 4 3.│≥ nilai LSR 1% pada Rentangan P tertentu. – ўi.05 3. disimpulkan berbeda sangat nyata (P<0.01 A B C D Nilai dengan huruf yang berbeda kearah kolom menunjukkan berbeda nyata (P<0.340** 1. Jika │ўi.01 4.128 LSR 0. Ў2. maka antara ўi. – ў’i.181 = 0.05).566 4. dengan ў’i.15 SSR 0.01 0.│≥ nilai LSR 5% pada Rentangan P tertentu.05 A B C D 0. maka antara ўi.040743 Jika │ўi.082** 0 0. S x = K T G /r LSR = Sx x SSR SSR diambil dari Tabel Duncan.34 LSR 0. dengan ў’i. – ў’i. disimpulkan berbeda nyata (P<0.824 0 0. – ўi. b. Uji Rentangan Berganda Duncan.0083/5 =0.177 Kesimpulan dari Uji Duncan adalah sebagai berikut : dengan ў’i. Signifikansi .Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : 6. – ў’i.05) atau sangat nyata (P<0. Tabel Uji Rentangan Berganda Duncan Lama Rataan Ў1. – ўi.820 5. maka uji yang lebih baik digunakan adalah Uji Renntangan Berganda Duncan.

566 4..082** 0 0. 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......05) atau sangat nyata (P<0...906 5.. β1.340** 1.742** 0. disini a = p – 1 (a = jumlah perlakuan dikurangi satu).....820 5.01 A B C D Nilai dengan huruf yang berbeda kearah kolom menunjukkan berbeda nyata (P<0.....996** 0 0..05 A B C D 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.. 2.Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : 6. jadi a = 4 -1 = 3.... Jika perlakuan atau faktor bersifat kualitatif..+ 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 +. 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 . β2 dan β3.01).824 0 0.814** 1..254** 1.a. dengan menyelesaikan persamaan normalnya yaitu matriks X’Y = X’Xβ..

82000 .10 1431.70 7227.∑ 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. maka kita peroleh : β0 β1 β2 β3 = 240 1440 20 60 260 1440 7840 60 280 1440 7840 44160 1440 7840 44160 254100 115.30 β0 β1 = 6.76317 .0.58 315.

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 . Jumlah E.02033L3 8 Log.01 P Jumlah Kuadrat JK R JK G .02033 Jadi persamaan garis Regresinya adalah : Y = 6. 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 + 0.19375L2 – 0.19375 .0.1/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 0.82000 – 0.05 0.β2 β3 0.

p. p. [(0..05.05. untuk menentukan derajat polinom yang terbaik yaitu yang menggambarkan datanya maka diperlukan pengujian terhadap koefesien garis regresinya (βi). nilainya (0 ≤ R2 ≤ 1) JKTotal [(0. nialainya (-1 ≤ R ≤ 1) Sebagai contoh kita gunakan Teladan 1. 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. berarti garis regresinya maka H0 ditolak. p. Koefisien determinan adalah besarnya peubah tak bebas (Y) yang dapat diterangkan oleh peubah (x) dengan menggunakan persamaan garis regresi yang diperoleh. sedangkan koefisien korelasi menyatakan keeratan hubungan antara peubah bebas(X) dengan peubah tak bebas(Y). Koefisien diterminan (R2) = JKRegresi __________ . maka H0 diterima. tetapi dalam program SPSS telah dipilihkan lansung garis regresi yang terbaik dengan seluruh koefisen garis regrei yang nyata(P<0. koefisien garis regresi yang nyata (P<0.82000 – 0. tetapi mungkin saja dua (kuadratik) atau bahkan 1(linier). Derajat polinom yang tertinggi adalah 3(kubik).02033L3.01.Total n-1 JK T Kesimpuylannya adalah : • • • Jika FH(R/G) < F Tabel tidak nyata (P>0.05) yaitu dengan program Regresi Stepwis. kita dapat mengitung : . (n-p-1)]. karena harus mencoba beberapa kali bentuk persamaan yang mungkin dan dilakukan pengujian terhadap koefisien garis regresinya (βi) . berarti garis regresinya Koefisien Korelasi (R) = R2 .05).05).19375L2 – 0. berarti garis regresinya maka H0 ditolak. dari persamaan garis Regresi yang diperoleh yaitu Y = 6.01). dan sejauh mana keeratan hubungannya dapat diuji dengan menggunakn Tabel R atau r. (n-p-1)]. [(0. (n-p-1)]. Jika FH(R/G) ≥ F Tabel sangat nyata (P<0. Pengujian ini memang cukup merepotkan.05).76317L + 0.

05 0.24 5.JHKX2Xp F Tabel 0.05).05).04074 Galat 20-3-1=16 0.2860 JK Total = ∑ Yi2 .4188 i =1 i =1 20 20 JK Galat = JK Total – JK Regresi = 10.JHKX1Xp JHK X2X3…………………. Koefisien diterminan (R2) = 10. Pengujian dapat dilakukan dengan cara mencari matriks variencovarian yaitu : XA’XA = JK X1 JHK X1X2 JHK X1X2 JK X2 JHK X1X3………………….30)(-0.2860 0.00830 Total 20-1= 19 10.2860 = 0.19375)+ (7227.1328 Tabel Sidik Ragam Regresi SK Derajat Jumlah Kuadrat FH 413. maka bentuk persamaan garis regresi tersebut secara utuh cukup baik.4188 = 0.36 .01 3.58)(6.01.JK Regresi = (X’Y)’β . 3. Disamping pengujian terhadap bentuk persamaan garis regresi dan koefisien korelasinya.05. 3.01 .01).9936 Jika kita bandingkan dengan Tabel R (R 0.01). juga perlu dilakukan pengujian terhadap koefisien garis regresinya (βi).(1/20)(115.8973 Koefisien Korelasi (R) = 0. maka persamaan garis regresi perlu ditinjau kembali terutama terhadap peubah bebas yang koefisiennya garis regresinya tidak nyata (P>0.4188 – 10.4188 Kesimpulan : Garis regresi sangat nyata (P<0.(1/20)( ∑ Yi)2 = 678.582) = 10.1)(-0. Jika semua koefisien garis regresinya nyata (P<0.2860/10.76317)+(1431)(0.(1/20)(∑ Yi)2 i =1 20 = (∑ Yi) β0+ (∑ YiLi) β1 + (∑ Yi Li2) β2 + (∑ YiLi3) β3 .(1/20)(∑ Yi)2 i =1 i =1 i =1 i =1 i =1 20 20 20 20 20 = (115.(1/20)(115.8200)+(315. Maka koefisien garis regresinya sangat nyata (P<0.1328 0.18) = 0.18) = 0.22 Bebas Kuadrat Tengah Regresi 3 10.02033) .615 dan Tabel R (R 0.706.29 P <0.8973 = ± 0.05). sebaliknya bila ada salah satu koefisien ppersamaan garis regresinya yang tidak nyata (P>0.582) = 10.

19375 -0. hingga pengujian terhadap koefisien garis regresi dapat dilakukan dengan uji t..JHKX2Xp Setelah matriks XA’XA dicari kebalikannya (Inversnya) dan digandakan dengan Si2 (KT galat).JHKX2Xp JHK X1Xp JHK X2Xp JK X3Xp.E Sb22…………….01 <0.………..………….. DB Galat Regresi) (0.921 P <0.03454 5.………….………….77 2.07815 9.05).36 2.C D……….F F……………….42 2.04074 164. Jika │tH│> t Tabel (P<0.921 2.05).01 <0. Jika │tH│> t Tabel (P>0. diatas diperoleh hasil pengujian koefisien garis regresi seperti tabel berikut : Peubah β0 Β1 Β2 Β3 Koefisien Garis Regresi 6.01 <0. DB Galat Regresi) maka koefisien garis regresinya tidak nyata maka koefisien garis regresinya nyata maka koefisien garis regresinya sangat nyata .05.120 0. DB Galat Regresi) (0..120 0.05 (Sbi) 0.01 (0. dengan rumus : │tH│= βi/ Sbi2 = βi/Sbi Kesimpulan : • • • Jika │tH│< t Tabel (P>0.……. Dari Teladan 1.61 2.01 2.00380 5..Sbp2 Nilai pada diagonal utama matriks (XA’XA)-1 S i2 setelah diakarkan merupakan standar Error dari koefisien garis regresi yang diperoleh.02033 Standar Error t Hitung t Tabel 0.JHK X1X3 JHK X1X2 JK X3.01.921 2.05.76317 0.120 0.05)..921 2.120 0.82000 -0. maka akan diperoleh matriks : (XA’XA)-1 Si2 = Sb02 A B C A Sb12 D E B……………….

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