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

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

0488 Total 6 4.05.4188 2 (y.882 + 6.0602 (y.82 6.(115. DB Perlakuan. Tabel Data Jumlah E.05).85 4.10 6.) Rata-rata SD Perhitungan : Lama Desinfeksi (i) dalam jam 0 2 4 6.26 23.58)2/(4x5) = 678.88 24.. Untuk tujuan tersebut dilakukan penelitian dengan lama desinfeksi 0. − __ pu i =1 4 2 JK Perlakuan =1/5(34.62 5.86 4.9368 = 10.j) 23.2660 .0911 (y. 4 dan 8 jam dengan ulangan masingmasing sebanyak 5 kali.01.) Jumlah Kuadrat Total = ∑∑ yij2 − __ pu i =1 j =1 4 5 2 JK Total = 6.82 0.51 5.872 + 6.60 5. Jika F Hitung (P/G) ≥ F Tabel ( 0. coli) Ulangan (j) 1 2 3 4 5 Total (yi.80 4.12 4.58 5.58 5.05.73 4.87 6.05).532 + 27. DB Galat)) maka H 0 diterima (P>0.91 0.57 0.71 6.13 115.83 5.01).07 6. hal ini berarti Perlakuan berpengaruh nyata (P<0.) Jumlah Kuadrat Perlakuan = 1/u∑ yi.78 0.78 34.78 5.89 23.05). 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 sangat nyata (P<0.752 +…………………+ 4. Teladan 1.122 ) – (115. DB Perlakuan.01).53 5..05).52 27.82 0.58)2/(4x5) = 578.• • • Jika F Hitung (P/G) < F Tabel ( 0. DB Galat)) maka H0 ditolak (P<0.832 + 24. DB Perlakuan. 2.1550 5.29 23.95 29.02 5. DB Galat)) maka H0 ditolak (P<0. hal ini berarti Perlakuan tidak berpengaruh nyata (P>0.882 .01 22.75 6.3556 – 667.9368 = 10. coli (Log E.88 6.102 + 29.0561 5.2228 – 667. Jika F Hitung (P/G) ≥ F Tabel ( 0.

22> F Tabel 0. Hi-tung 413.24 5.1327 Daftar Sidik Ragam Sumber Keragaman Lama D Galat Total DB 3 16 19 Jumlah Kuadrat 10.1327 10. X = 2.4188 – 10.05.22** F Tabel 0.01).29512 + 36. denagn rumus : X = 2.4188 Kuadrat Tengah 3. X = 2. untuk menguji homogennitas ragam digunakan Uji Bartlett.05.01 3.42867 0.JK Galat = JK Total – JK Perlakuan = 10.2660 = 0.00830 F. Uji Bartlett Syarat Sidik Ragam (Uji F) ragam (S2) antar perlakuan harus homogen.01= 5.30226{[(5-1)+(5-1)+5-1)+(5-1)Log 0. Sebagai contoh kita gunakan data diatas.01 Keterangan : ** Lama Desinfeksi Berpengaruh Sangat Nytata (P<0.30226(-33. Jadi Lama desinfeksi berpengaruh sangat nyata (P<0. sebaliknya jika B> X2 (0.1041667 .05 0.09112[(5-1)Log 0. Hipotesis : H0 : μ1 = μ2 = μ3 = μ4 H1 : μi ≠ μi’ Kesimpulan : FH = 413.5502+(5-1)Log 0.29.01) terhadap log jumlah E coli air limbah RPH.DBG=p1) ∀i maka disimpulkan ragam tidak 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.∑(ui – 1) logSi2} Y = 1 + 1/[3(p-1)]{∑1/(ui -1) – 1/[∑(ui – 1)]} X B = __ Y Jika B< X2 (0. maka H0 ditolak pada taraf 1%.29 P <0.04882+(5-1)Log 0.05612+(5-1)Log 0.741513) = 7.DBG=p-1) maka disimpulkan ragam homogen.30226{[∑(ui – 1)] Log S2 .2860 0.06022}.

1221 BNT 1% = 2. disimpulkan berbeda sangat nyata (P<0.0576 = 0. dengan ў’i. yaitu dengan mencari Sx dengan rumus : Sx = 2 _____ KT G r BNT 5% = t (0.05). maka selanjutnya ingin diketahui antar perlakuan (rata-rata) mana yang berbeda nyata.05).05). maka untuk mengetahui hal tersebut dilakukan uji nilai tengan (rata-rata) antar perlakuan. – ўi.81 Oleh karena B< X2 (0.18 1. diatas maka dapat dicarai sebagai berikut : Sx = 2(0.921 x 0.│≥ nilai BNT 1% maka antara ўi. – ў’i. dengan ў’i. Uji ini menggunakan tabel t. Ў2.1683 Tabel Uji BNT Lama Rataan Ў1.01).7.0576 = 0. dengan ў’i.05. Jika │ўi. BNT 5% = 2. maka disimpulkan ragam homogen (P>.0576.05. disimpulkan berbeda nyata (P<0.1041667 X2 (0.DBG=4-1) = 7. – ўi.│≥ nilai BNT 5% maka antara ўi.│< nilai BNT 5% maka antara ўi.120 x 0. – ў’i. Jika │ўi. – ў’i. UJI NILAI TENGAH SETELAH SIDIK RAGAM Setelah H0 ditolak.000830 ) = 0. Signifikansi . Uji nilai tenngah setelah sidik ragam hanya diperkenalkan 2 uji yaitu :: a. – ўi. disimpulkan tidak berbeda nyata (P>0. Dari Tabel Teladan 1.93499235 _ B = __________ = 7.DBG)Sx BNT 1% = t (0. Uji Beda Nyata Terkecil (BNT).05.01DBG)Sx Kesimpulan dari uji BNT adalah sebagai berikut : Jika │ўi.DBG=4-1) . Ў3.

0083/5 =0. – ў’i.996** 0 0.05 0. disimpulkan tidak berbeda nyata (P>0.13 4. – ў’i. Jika │ўi.181 = 0.742** 0.│≥ nilai LSR 1% pada Rentangan P tertentu.082** 0 0. S x = K T G /r LSR = Sx x SSR SSR diambil dari Tabel Duncan.132 0.168 0. Tabel Uji Rentangan Berganda Duncan Lama Rataan Ў1. maka antara ўi.906 5.05 A B C D 0.128 LSR 0. maka antara ўi.340** 1.00 3.122 0.45 0.23 4. 4 3.824 0 0. disimpulkan berbeda sangat nyata (P<0.05). dengan ў’i.566 4.177 Kesimpulan dari Uji Duncan adalah sebagai berikut : dengan ў’i. b. Signifikansi .01).01 A B C D Nilai dengan huruf yang berbeda kearah kolom menunjukkan berbeda nyata (P<0. maka uji yang lebih baik digunakan adalah Uji Renntangan Berganda Duncan.01 0. Uji Rentangan Berganda Duncan.814** 1.34 LSR 0.05 3. Bila perlakuan lebih dari 5 (p>5).15 SSR 0.05). – ў’i. disimpulkan berbeda nyata (P<0. – ўi. maka antara ўi. – ўi. Tabel Rentangan Bergabda Duncan P 2 3 SSR 0.Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : 6. Jika │ўi.01). – ўi. dengan ў’i.254** 1.│< nilai LSR 5% pada Rentangan P tertentu.│≥ nilai LSR 5% pada Rentangan P tertentu.820 5. Ў3.040743 Jika │ўi.05) atau sangat nyata (P<0.01 4. maka Uji BNT kurang baik digunakan untuk membandingkan rataan antar perlauan. Ў2.

2...824 0 0.01 A B C D Nilai dengan huruf yang berbeda kearah kolom menunjukkan berbeda nyata (P<0.820 5.... β1. 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. β2 dan β3.... 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 1.814** 1... dengan menyelesaikan persamaan normalnya yaitu matriks X’Y = X’Xβ..a..082** 0 0.340** 1....906 5...05 A B C D 0.996** 0 0..Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : 6. disini a = p – 1 (a = jumlah perlakuan dikurangi satu).05) atau sangat nyata (P<0..742** 0..... Jika perlakuan atau faktor bersifat kualitatif. jadi persamaan polinomnya adalah sebagai berikut : Y = β0 + β1 X + β2 X2 +.566 4..+ βaXa Persamaan polinom ini disebut Persamaan Garis Regresi antar peubah X dengan peubah Y Kita perhatikan teladan diatas p = 4.. jadi a = 4 -1 = 3.01)..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 ...

30 β0 β1 = 6. maka kita peroleh : β0 β1 β2 β3 = 240 1440 20 60 260 1440 7840 60 280 1440 7840 44160 1440 7840 44160 254100 115.82000 .0.70 7227.58 315.∑ 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 1431.76317 .

02033L3 8 Log.19375 .β2 β3 0.02033 Jadi persamaan garis Regresinya adalah : Y = 6.05 0.0. 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 .01 P Jumlah Kuadrat JK R JK G . Jumlah E.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 .19375L2 – 0.82000 – 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 0.76317L + 0.

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

30)(-0.2860 0.01). 3.8973 Koefisien Korelasi (R) = 0.22 Bebas Kuadrat Tengah Regresi 3 10.2860/10.(1/20)(115.18) = 0.4188 = 0.58)(6. Maka koefisien garis regresinya sangat nyata (P<0. Jika semua koefisien garis regresinya nyata (P<0.1328 Tabel Sidik Ragam Regresi SK Derajat Jumlah Kuadrat FH 413. Koefisien diterminan (R2) = 10.05).(1/20)(∑ Yi)2 i =1 i =1 i =1 i =1 i =1 20 20 20 20 20 = (115. maka bentuk persamaan garis regresi tersebut secara utuh cukup baik.05).9936 Jika kita bandingkan dengan Tabel R (R 0.36 .(1/20)(∑ Yi)2 i =1 20 = (∑ Yi) β0+ (∑ YiLi) β1 + (∑ Yi Li2) β2 + (∑ YiLi3) β3 .706.01).JHKX2Xp F Tabel 0.(1/20)( ∑ Yi)2 = 678. maka persamaan garis regresi perlu ditinjau kembali terutama terhadap peubah bebas yang koefisiennya garis regresinya 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………………….4188 i =1 i =1 20 20 JK Galat = JK Total – JK Regresi = 10.JHKX1Xp JHK X2X3………………….76317)+(1431)(0. juga perlu dilakukan pengujian terhadap koefisien garis regresinya (βi).18) = 0.01 3.04074 Galat 20-3-1=16 0. Disamping pengujian terhadap bentuk persamaan garis regresi dan koefisien korelasinya.01.01 .00830 Total 20-1= 19 10.1328 0.29 P <0.(1/20)(115.24 5.8200)+(315.4188 – 10.05. sebaliknya bila ada salah satu koefisien ppersamaan garis regresinya yang tidak nyata (P>0.05).JK Regresi = (X’Y)’β .02033) .615 dan Tabel R (R 0.1)(-0.8973 = ± 0.582) = 10.2860 JK Total = ∑ Yi2 .2860 = 0.19375)+ (7227.582) = 10. 3.05 0.4188 Kesimpulan : Garis regresi sangat nyata (P<0.

76317 0.921 2.01.E Sb22…………….05 (Sbi) 0.921 2.………….77 2.120 0..01 (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).19375 -0..36 2..JHKX2Xp JHK X1Xp JHK X2Xp JK X3Xp..F F……………….05). DB Galat Regresi) maka koefisien garis regresinya tidak nyata maka koefisien garis regresinya nyata maka koefisien garis regresinya sangat nyata . Jika │tH│> t Tabel (P>0..01 <0..120 0.05.04074 164.02033 Standar Error t Hitung t Tabel 0. DB Galat Regresi) (0. Jika │tH│> t Tabel (P<0.61 2. DB Galat Regresi) (0.120 0. dengan rumus : │tH│= βi/ Sbi2 = βi/Sbi Kesimpulan : • • • Jika │tH│< t Tabel (P>0.120 0. Dari Teladan 1.82000 -0.JHK X1X3 JHK X1X2 JK X3. maka akan diperoleh matriks : (XA’XA)-1 Si2 = Sb02 A B C A Sb12 D E B……………….01 <0.00380 5.Sbp2 Nilai pada diagonal utama matriks (XA’XA)-1 S i2 setelah diakarkan merupakan standar Error dari koefisien garis regresi yang diperoleh.03454 5.921 2. diatas diperoleh hasil pengujian koefisien garis regresi seperti tabel berikut : Peubah β0 Β1 Β2 Β3 Koefisien Garis Regresi 6.05.…….05).05).………….01 2.921 P <0.………….42 2.07815 9.01 <0.……….C D……….

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

Sign up to vote on this title
UsefulNot useful