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

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

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

58 5.832 + 24.82 0.05). DB Galat)) maka H0 ditolak (P<0.51 5.) Rata-rata SD Perhitungan : Lama Desinfeksi (i) dalam jam 0 2 4 6. coli) Ulangan (j) 1 2 3 4 5 Total (yi.9368 = 10.532 + 27.01 22. coli (Log E. 4 dan 8 jam dengan ulangan masingmasing sebanyak 5 kali.91 0.85 4.78 34.82 0.05).26 23.29 23.57 0. DB Perlakuan.0602 (y. Teladan 1. DB Galat)) maka H 0 diterima (P>0.53 5.88 6. Jika F Hitung (P/G) ≥ F Tabel ( 0.) Jumlah Kuadrat Perlakuan = 1/u∑ yi.71 6. hal ini berarti Perlakuan berpengaruh sangat nyata (P<0.9368 = 10.2660 .73 4.60 5.05.3556 – 667.07 6. Seorang peneliti ingin mengetahui pengaruh lama desinfeksi H2O2 terhadap log jumlah bakteri E coli pada limbah RPH dengan dosis 30% .75 6. 2.83 5.05.) Jumlah Kuadrat Total = ∑∑ yij2 − __ pu i =1 j =1 4 5 2 JK Total = 6. − __ pu i =1 4 2 JK Perlakuan =1/5(34.95 29.122 ) – (115.88 24.102 + 29. DB Perlakuan.872 + 6.62 5.87 6.82 6.0561 5.882 + 6. hal ini berarti Perlakuan tidak berpengaruh nyata (P>0.0911 (y.58)2/(4x5) = 678.12 4.01).05).882 .01.02 5.• • • Jika F Hitung (P/G) < F Tabel ( 0..86 4..52 27.78 5.78 0. DB Galat)) maka H0 ditolak (P<0.80 4. Untuk tujuan tersebut dilakukan penelitian dengan lama desinfeksi 0. Tabel Data Jumlah E.58)2/(4x5) = 578.13 115.j) 23.0488 Total 6 4.752 +…………………+ 4.(115.10 6.1550 5. Jika F Hitung (P/G) ≥ F Tabel ( 0.05). hal ini berarti Perlakuan berpengaruh nyata (P<0.4188 2 (y.89 23.01). DB Perlakuan.2228 – 667.58 5.

29512 + 36.4188 Kuadrat Tengah 3.29.JK Galat = JK Total – JK Perlakuan = 10. maka H0 ditolak pada taraf 1%.741513) = 7. X = 2. Sebagai contoh kita gunakan data diatas.05.5502+(5-1)Log 0. Hi-tung 413. Uji Bartlett Syarat Sidik Ragam (Uji F) ragam (S2) antar perlakuan harus homogen.01).24 5.1327 Daftar Sidik Ragam Sumber Keragaman Lama D Galat Total DB 3 16 19 Jumlah Kuadrat 10. denagn rumus : X = 2.01= 5.01 3. X = 2. untuk menguji homogennitas ragam digunakan Uji Bartlett.DBG=p1) ∀i maka disimpulkan ragam tidak homogen.1327 10.09112[(5-1)Log 0.2660 = 0.30226(-33.22** F Tabel 0.42867 0.∑(ui – 1) logSi2} Y = 1 + 1/[3(p-1)]{∑1/(ui -1) – 1/[∑(ui – 1)]} X B = __ Y Jika B< X2 (0.22> F Tabel 0. sebaliknya jika B> X2 (0.00830 F.2860 0.05.DBG=p-1) maka disimpulkan ragam homogen.01) terhadap log jumlah E coli air limbah RPH.04882+(5-1)Log 0.05 0.30226{[∑(ui – 1)] Log S2 . Hipotesis : H0 : μ1 = μ2 = μ3 = μ4 H1 : μi ≠ μi’ Kesimpulan : FH = 413.1041667 .05612+(5-1)Log 0. Jadi Lama desinfeksi berpengaruh sangat nyata (P<0.06022}.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 = 1.29 P <0.4188 – 10.01 Keterangan : ** Lama Desinfeksi Berpengaruh Sangat Nytata (P<0.30226{[(5-1)+(5-1)+5-1)+(5-1)Log 0.

– ў’i.01DBG)Sx Kesimpulan dari uji BNT adalah sebagai berikut : Jika │ўi. dengan ў’i. Jika │ўi. Uji ini menggunakan tabel t. disimpulkan berbeda nyata (P<0. dengan ў’i. Ў2. dengan ў’i.1683 Tabel Uji BNT Lama Rataan Ў1. Signifikansi . Uji nilai tenngah setelah sidik ragam hanya diperkenalkan 2 uji yaitu :: a. Jika │ўi. yaitu dengan mencari Sx dengan rumus : Sx = 2 _____ KT G r BNT 5% = t (0.000830 ) = 0. BNT 5% = 2. Uji Beda Nyata Terkecil (BNT). Ў3.0576 = 0.18 1.05.05). – ўi.DBG=4-1) . maka selanjutnya ingin diketahui antar perlakuan (rata-rata) mana yang berbeda nyata. diatas maka dapat dicarai sebagai berikut : Sx = 2(0.│< nilai BNT 5% maka antara ўi. maka untuk mengetahui hal tersebut dilakukan uji nilai tengan (rata-rata) antar perlakuan.05). UJI NILAI TENGAH SETELAH SIDIK RAGAM Setelah H0 ditolak.120 x 0. – ў’i.7.05). – ў’i. Dari Tabel Teladan 1.1041667 X2 (0.05.93499235 _ B = __________ = 7.921 x 0. maka disimpulkan ragam homogen (P>.1221 BNT 1% = 2. disimpulkan tidak berbeda nyata (P>0.01).DBG)Sx BNT 1% = t (0.05. – ўi. – ўi.81 Oleh karena B< X2 (0.│≥ nilai BNT 1% maka antara ўi.DBG=4-1) = 7. disimpulkan berbeda sangat nyata (P<0.│≥ nilai BNT 5% maka antara ўi.0576.0576 = 0.

│< nilai LSR 5% pada Rentangan P tertentu. – ўi.34 LSR 0.177 Kesimpulan dari Uji Duncan adalah sebagai berikut : dengan ў’i.Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : 6.01 0. disimpulkan tidak berbeda nyata (P>0. Ў2.820 5. maka Uji BNT kurang baik digunakan untuk membandingkan rataan antar perlauan.122 0.23 4. disimpulkan berbeda nyata (P<0. – ўi. S x = K T G /r LSR = Sx x SSR SSR diambil dari Tabel Duncan.│≥ nilai LSR 5% pada Rentangan P tertentu.05 A B C D 0. b. dengan ў’i. – ў’i.181 = 0.01 4. Ў3.15 SSR 0.05 0.566 4. Jika │ўi.340** 1.05) atau sangat nyata (P<0.906 5. maka antara ўi.05 3. 4 3. Signifikansi . – ўi.01). Tabel Rentangan Bergabda Duncan P 2 3 SSR 0. maka uji yang lebih baik digunakan adalah Uji Renntangan Berganda Duncan.040743 Jika │ўi.254** 1. maka antara ўi. Tabel Uji Rentangan Berganda Duncan Lama Rataan Ў1.168 0.01 A B C D Nilai dengan huruf yang berbeda kearah kolom menunjukkan berbeda nyata (P<0.996** 0 0.742** 0. Uji Rentangan Berganda Duncan.01). – ў’i.814** 1.45 0. dengan ў’i.824 0 0. Jika │ўi. maka antara ўi.05).128 LSR 0.0083/5 =0.05). Bila perlakuan lebih dari 5 (p>5).132 0.00 3.082** 0 0. disimpulkan berbeda sangat nyata (P<0.│≥ nilai LSR 1% pada Rentangan P tertentu. – ў’i.13 4.

. β1.814** 1.. Jika perlakuan atau faktor bersifat kualitatif.....996** 0 0.05 A B C D 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 ......566 4.254** 1.+ βaXa Persamaan polinom ini disebut Persamaan Garis Regresi antar peubah X dengan peubah Y Kita perhatikan teladan diatas p = 4.a. disini a = p – 1 (a = jumlah perlakuan dikurangi satu).824 0 0. 2... 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 β0.906 5.... β2 dan β3.. jadi a = 4 -1 = 3..820 5. 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...742** 0..01).. dengan menyelesaikan persamaan normalnya yaitu matriks X’Y = X’Xβ.082** 0 0..340** 1.Desinfeksi 0 jam 2 jam 4 jam 6 jam Keterangan : 6...01 A B C D Nilai dengan huruf yang berbeda kearah kolom menunjukkan berbeda nyata (P<0.05) atau sangat nyata (P<0....

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.∑ 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 1.0.30 β0 β1 = 6.76317 .82000 .70 7227.58 315.

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 0.19375L2 – 0.19375 .02033L3 8 Log.0.76317L + 0.82000 – 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 . 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 .β2 β3 0.05 0. Jumlah E.

p. nilainya (0 ≤ R2 ≤ 1) JKTotal [(0. karena harus mencoba beberapa kali bentuk persamaan yang mungkin dan dilakukan pengujian terhadap koefisien garis regresinya (βi) .76317L + 0.05).19375L2 – 0. berarti garis regresinya Koefisien Korelasi (R) = R2 . berarti garis regresinya maka H0 ditolak. dari persamaan garis Regresi yang diperoleh yaitu Y = 6. Koefisien determinan adalah besarnya peubah tak bebas (Y) yang dapat diterangkan oleh peubah (x) dengan menggunakan persamaan garis regresi yang diperoleh. (n-p-1)].05. p. tetapi mungkin saja dua (kuadratik) atau bahkan 1(linier). p. (n-p-1)].82000 – 0. Pengujian ini memang cukup merepotkan. koefisien garis regresi yang nyata (P<0.Total n-1 JK T Kesimpuylannya adalah : • • • Jika FH(R/G) < F Tabel tidak nyata (P>0. [(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<0.05) yaitu dengan program Regresi Stepwis. Koefisien diterminan (R2) = JKRegresi __________ .02033L3. berarti garis regresinya maka H0 ditolak. [(0. Derajat polinom yang tertinggi adalah 3(kubik). nialainya (-1 ≤ R ≤ 1) Sebagai contoh kita gunakan Teladan 1.05).05). dan sejauh mana keeratan hubungannya dapat diuji dengan menggunakn Tabel R atau r. (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).01. maka H0 diterima. kita dapat mengitung : .05. 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<0.01).

JHKX1Xp JHK X2X3………………….24 5.2860 = 0.4188 Kesimpulan : Garis regresi sangat nyata (P<0.4188 – 10.1328 0.01).01. 3.01 3.01 .582) = 10. 3.22 Bebas Kuadrat Tengah Regresi 3 10.29 P <0. Maka koefisien garis regresinya sangat nyata (P<0.9936 Jika kita bandingkan dengan Tabel R (R 0.18) = 0.8973 = ± 0.05).4188 i =1 i =1 20 20 JK Galat = JK Total – JK Regresi = 10.05).2860 0.1328 Tabel Sidik Ragam Regresi SK Derajat Jumlah Kuadrat FH 413.4188 = 0.05. Koefisien diterminan (R2) = 10.(1/20)(∑ Yi)2 i =1 20 = (∑ Yi) β0+ (∑ YiLi) β1 + (∑ Yi Li2) β2 + (∑ YiLi3) β3 .JHKX2Xp F Tabel 0.2860/10. Jika semua koefisien garis regresinya nyata (P<0.8200)+(315.19375)+ (7227.(1/20)(∑ Yi)2 i =1 i =1 i =1 i =1 i =1 20 20 20 20 20 = (115.(1/20)(115.36 .1)(-0.04074 Galat 20-3-1=16 0.05). Pengujian dapat dilakukan dengan cara mencari matriks variencovarian yaitu : XA’XA = JK X1 JHK X1X2 JHK X1X2 JK X2 JHK X1X3………………….01). maka bentuk persamaan garis regresi tersebut secara utuh cukup baik.706.02033) .582) = 10.18) = 0. maka persamaan garis regresi perlu ditinjau kembali terutama terhadap peubah bebas yang koefisiennya garis regresinya tidak nyata (P>0.30)(-0.8973 Koefisien Korelasi (R) = 0.(1/20)(115.58)(6.615 dan Tabel R (R 0. juga perlu dilakukan pengujian terhadap koefisien garis regresinya (βi).76317)+(1431)(0.(1/20)( ∑ Yi)2 = 678. sebaliknya bila ada salah satu koefisien ppersamaan garis regresinya yang tidak nyata (P>0. Disamping pengujian terhadap bentuk persamaan garis regresi dan koefisien korelasinya.00830 Total 20-1= 19 10.JK Regresi = (X’Y)’β .2860 JK Total = ∑ Yi2 .05 0.

36 2.02033 Standar Error t Hitung t Tabel 0.01 (0.JHKX2Xp JHK X1Xp JHK X2Xp JK X3Xp..05). hingga pengujian terhadap koefisien garis regresi dapat dilakukan dengan uji t.01 <0.………….120 0.120 0..03454 5. dengan rumus : │tH│= βi/ Sbi2 = βi/Sbi Kesimpulan : • • • Jika │tH│< t Tabel (P>0.07815 9. Dari Teladan 1.………….120 0..F F……………….E Sb22…………….01 2. DB Galat Regresi) maka koefisien garis regresinya tidak nyata maka koefisien garis regresinya nyata maka koefisien garis regresinya sangat nyata .……….C D……….…………..JHKX2Xp Setelah matriks XA’XA dicari kebalikannya (Inversnya) dan digandakan dengan Si2 (KT galat).01 <0.921 2.82000 -0.921 2.77 2. 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..05 (Sbi) 0.04074 164. DB Galat Regresi) (0. DB Galat Regresi) (0.42 2.Sbp2 Nilai pada diagonal utama matriks (XA’XA)-1 S i2 setelah diakarkan merupakan standar Error dari koefisien garis regresi yang diperoleh.120 0..…….05).61 2.921 P <0.05.76317 0.JHK X1X3 JHK X1X2 JK X3.01 <0. maka akan diperoleh matriks : (XA’XA)-1 Si2 = Sb02 A B C A Sb12 D E B……………….19375 -0.921 2.05).00380 5.01.05. Jika │tH│> t Tabel (P<0.

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