Rancangan Percobaan Percobaan & Rancangan Pengacakan & Penataan Pola & Model Rancangan Nilai Beda Rataan Telaah Data H. Muhammad Ruslan H Muhammad Aqla Sulaiman Bakri Abdul Aziz Karim Meratusia ‐ agustus 2010
PENGANTAR KATA Sajian materi Rancangan Percobaan ini dalam salahsatu Materi Perkuliahan berjudul Statistika II. Sajian awal berupa transfaransi yang ditayangkan melalui OHP (1994), kemudian berupa ” power point ” yang disajikan melalui LCD (2005), kemudian melalui internet (2009) dapat diunduh secara gratis dalam bentuk pdf. Kini kami sajian ke dalam bentuk “word ” dengan harapan uraian sebelumnya menjadi lebih jelas dan diupayakan mengarah ke bidang kehutanan. Perubahan ini dilakukan sekaligus juga sebagai “Catatan Kenangan” bahan kuliah yang pernah kami (Abdul Aziz Karim) tayangkan selama aktif di Fakultas Kehutanan Universitas Lambung Mangkurat, Kota Banjarbaru Kalimantan Selatan yang berakhir Juni 2011. Penyusunan ke dalam eBook ini dilakukan bersama bp. Prof.DR.Ir.H. Muhammad Ruslan, MSc, Ir. H.Muhammad Aqla, MP. Ir. Sulaiman Bakri, MP. dan sekaligus sebagai penyaji. Tak lupa kami ucapkan terimakasih atas partisipasi Perpustakaan Fakultas Kehutanan Unlam Banjarbaru, PT. Aya Yayang Indonesia di Tabalong (Kalimantan Selatan), sdr-sdr Ardiansyah (1997), Sugiaktor (2001), Ulfah,F.(2002), Madelina S.,N. (2003), Ishariadi (2002), Sumarsono, A.(2003), Frendesima (2003) atas tambahan informasinya. Banjarbaru, Agustus 2010 H. Muhammad Ruslan H. Muammad Aqla Sulaiman Bakri Abdul Aziz Karim
Rancangan Percobaan
ii
Sajian Materi No.
T e ks
Hal.
Pengantar Kata ……………………………………………………………………………………………………. Sajian Materi ………………………………………………………………………………………………………. Percobaan dan Rancangan ………………………………………………………………………………… 11. Pengertian Percobaan dan Rancangan ..……………………………………………………… 12. Tujuan suatu Percobaan …………………………………………………… ………………………………………………………………………………… …………………………… 13. Dasar-Dasar Suatu Percobaan ……….…………………………………………… ……….………………………………………………………….. …………….. 14. Beberapa Istilah dalam suatu Rancangan Percobaan ……………………………… ……………………………… 15. Pola dan Model suatu Percobaan ……………………………………………………………….. 16. Telaah Data ………………………………………………………… …………………………………………………………………………………… …………………………………………… ………………… 17. Analisis Regresi dan Korelasi ……………………………………………………………………… ………………………………………………………………………..
ii iii 10-1 10-1 10-1 10-2 10-4 10-9 10-10 10-11
20
Pengacakan dan Penataan ………………………………………………………………………………… 21. Percobaan Sederhana Lengkap ………………………………………………………………… ………………………………………………………………….... 22. Percobaan Kelompok …………………………………………………… ………………………………………………………………………………… ………………………………. …. 23. Percobaan Faktorial dan Tersarang …………………………………………………………… ……………………………………………………………
20-1 20-1 20-4 20-12
30
Pola Percobaan Sederhana ………………………………………………………………………………. 31. Rancangan Acak Lengkap ……………………………………………………… ……………………………………………………………………………… ……………………….. 32. Rancangan Acak Kelompok …………………………………………………… …………………………………………………………………………. ……………………. 33. Rancangan Bujursangkar Latin …………………………………………………………… …………………………………………………………………… ………
30-1 30-1 30-12 30-23
40
Pola Percobaan Faktorial ………………………………………………………………………………… 41. Pengertian Faktorial ………………………….…………….……………… ………………………….…………….………………………………………… …………………………… … 42. Rancangan Acak Lengkap Faktorial ………………………….…………….………………… ………………………….…………….………………… 43. Rancangan Acak Kelompok Faktorial ………….……………………………………………… ………….……………………………………………… 44. Rancangan Berpetak …………………………………………………… ……………………………………………………………………………… ………………………………… ………
40-1 40-1 40-2 40-14 40-22
50
Pola Percobaan Tersarang ……………………………………………………………………………. 51. Pengertian Anak-Contoh Anak -Contoh & Tersarang ………………………………………………………. ………………………………………………………. 52. Rancangan Acak Tersarang Sederhana …………………………………………………… …………………………………………………… 53. Rancangan Acak Tersarang Faktorial ……………………………………………………… ………………………………………………………
50-1 50-1 50-2 50-7
60
Uji Beda Rataan 61. Uji Beda Rataan Berdasarkan Kriteria Uji ………………………………………………. ………………………………………………. 61. Uji Beda Rataan Berdasarkan Nilai KK ……………………………………………………… ………………………………………………………
60-1 60-2 60-14
70
Telaah Data 71. Kerangka Pikir ……………………………………………………… …………………………………………………………………………………… …………………………………………. ……………. 72. Uji Keaditifan …………………………………………………………… ………………………………………………………………………………………… ……………………………………. ………. 73. Uji Kehomogenitasan …………………………………………………………… …………………………………………………………………………………….. ……………………….. 74. Uji Normalitas ………………………………………………………… ……………………………………………………………………………………… ……………………………………. ………. 75. Transformasi Data …………………………………………………………… ………………………………………………………………………………………… ……………………………
70-1 70-1 70-2 70-4 70-6 70-11
10
Bahan Bacaan
Rancangan Percobaan
iii
No.
T a b e l
Hal.
3-1 3-2 3-3 3-4 3-5 3-6 3-7 3-8 3-9 3-10 3-11 3-12 3-13 3-14 3-15 3-16 4-1 4-2 4-3 4-4 4-5 4-6 4-7 4-8 4-9 4-10 4-11 4-12 4-13 4-14 4-15 4-16 5-1 5-2 5-3 5-4 5-5 5-6 5-7 5-8 7-1 7-2 7-3 7-4 7-5 7-6
Bagan pengamatan RALengkap (5 x 3) dengan 5 contoh uji …………………………. Bagan pengamatan RALengkap (5 x 3) ……………………………………...……………………… Bagan pengamatan umum RALengkap ………………….………………………………………….. Bagan Analisis Keragaman RALengkap ……………………………………………………………… Bagan Analisis Keragaman RAL Model Tetap …………………………………………………. Bagan Analisis Keragaman RAL Model Acak …………………………………………………… Bagan pengamatan umum RAL dengan ulangan taksama ……………………………….. Bagan Analisis Keragaman RALengkap untuk ulangan taksama …………………… Bagan pengamatan RAKelompok (3 x 4) dengan 4 contoh uji ………………………. Bagan pengamatan RAKelompok (3 x 4) ……………………………………………………………. Bagan Pengamatan umum RAKelompok ……………………………………………………………. Bagan Analisis Keragaman RAKelompok ………………………………………………………… Bagan Analisis Keragaman RALengkap (2) …………………………………………………….. Bagan Analisis Ragam RAK Model Tetap dan Model Acak ………………………….. Bagan Pengamatan RBSLatin untuk (5 x 5) ……………………………………………………. Analisis Keragaman RBSLatin ……………………………………………………………………………. Pengkombinasian yang Keliru ……………………………………………………………………………. Pengkombinasian yang tidak berkombinasi ……………………………………………………. Pengkombinasian yang mustahil ………………………………………………………………………… Pengaruh sederhana, pengaruh utama dan interaksi ………………………………….. Bagan pengamatan umum percobaan 2F pada RALengkap ………………………….. Bagan analisis keragaman Percobaan 2F RALengkap ……………………………………. Bagan pengamatan umum percobaan 3F RALengkap …………………………………… Bagan analisis keragaman Percobaan 3F RALengkap …………………………………… Bagan pengamatan umum percobaan 2F RAKelompok ………………………………….. Bagan analisis keragaman percobaan 2F RAKelompok ………………………………… Bagan pengamatan umum percobaan 3F RAKelompok ………………………………… Bagan analisis keragaman percobaan 3F RAKelompok ……………………………….. Derajat bebas pada RPTerbagi untuk berbagai susunan petak …………………. Analisis keragaman percobaan 2F RPTerbagi dalam Acak Lengkap ………… Analisis keragaman percobaan 2F RPTerbagi dalam Acak Kelompok ………. Analisis Keragaman percobaan 2F RPTerbagi dalam BsLatin ……………………… Bagan Pengamatan RALengkap Tersarang ………………………………………………………. Bagan Analisis Keragaman RALengkap Tersarang …………………………………………. Bagan Pengamatan RAKelompok Tersarang ……………………………………………………. Bagan Analisis Keragaman RAKelompok Tersarang ......................................... Bagan Pengamatan RALengkap Tersarang Faktorial …………………………………. Bagan Analisis Keragaman RALengkap Tersarang Faktorial …………………… Bagan Pengamatan RAKelompok Tersarang Faktorial Bagan Analisis Keragaman RAKelompok Tersarang Faktorial Bagan pengujian Uji Keaditifan ……………………………………………………………………….. Bagan Analisis Uji Keaditifan …………………………………………………………………………….. Bagan penduga ragam untuk ulangan sama ………………………………………………………. Bagan penduga ragam untuk ulangan berbeda ………………………………………………… Bagan pengujian Lilliefors …………………………………………………………………………………. Bagan pengujian Kolmogorov & Smirnov …………………………………………………………..
30-2 30-3 30-3 30-4 30-6 30-7 30-11 30-11 30-13 30-14 30-14 30-15 30-16 30-18 30-25 30-25 40-2 40-2 40-3 40-4 40-8 40-8 40-11 40-11 40-16 40-16 40-19 40-19 40-25 40-25 40-25 40-26 50-2 50-3 50-5 50-5 50-8 50-8 50-11 50-11 70-2 70-3 70-4 70-5 70-7 70-8
Rancangan Percobaan
iv
No.
Gambar
Hal.
2-1 2-2 3-1 3-2 4-1 4-2 4-3 4-4 4-5 4-6 5-1 5-2 6-1 7-1 7-2
Ilustrasi hasil acak lengkap ………………………………………………………………………………. Ilustrasi hasil acak kelompok …………………………………………………………………………… Pola percobaan acak lengkap (5 x 3) ………………………………………………………………… Pola percobaan acak kelompok (3 x 4) ……………………………………………………………. Ilustrasi Interaksi dan Respon ………………………………………………………………………… Pola percobaan RALengkap (2 x 3) Faktorial ……………………………………………….. Pola percobaan Faktorial (2 x 3 x 2) RALengkap …………………………………………. Pola percobaan Faktorial (2 x 3) RAKelompok …………………………………………….. Pola Percobaan Faktorial (2 x 3 x 2) RAKelompok ………………………………………. Pola dasar percobaan petak terbagi ……………………………………………………………….. Pola dasar percobaan tersarang …………………………………………………………………..... Pola dasar percobaan faktorial ………………………………………………………………….……. Ilustrasi kehomogenan dan atau keheterogenan …………………………………………. Ilustrasi keabsahan analisis ………………………………………………………………………………. Ilustrasi pengujian data ………………………………………………………………………………………
20-2 20-5 30-2 30-13 40-5 40-8 40-11 40-15 40-19 40-24 50-1 50-2 60-15 70-1 70-1
Rancangan Percobaan
v
No.
Lampiran - Lampiran
01 Bilangan Teracak 1-1. Tabel Bilangan Teracak 1-2. 10.000 Bilangan Teracak 02 Penentuan Nilai Kritis Sebaran Fisher 03 Penentuan Nilai Kritis Sebaran t-Student 04 Penentuan Nilai Sebaran Chi-Kuadrat 05 Nilai Baku t-Dunnett 5-1. Pengujian Pengujian satu arah [tDunnett = d ( ,p,dbG)] 5-2. Pengujian Pengujian dua dua arah tDunnett = d ( /2,p,dbG) α
α
06 Nilai Uji Prosedur Tukey 07 Nilai Uji Jarak Duncan 08 Nilai Kritis Uji Lilliefors 09 Nilai Kritis Uji K&S 10 Bentuk & Penentuan Kombinasi 10-1. Bentuk–bentuk standard square yang dapat digunakan langsung dalam suatu percobaan 10-2. Cara menentukan kombinasi A, B dan C dalam RALengkap 3F 10-3. Cara menentukan kombinasi A, B dan C dalam RAKelompok 3F 11 Data dan Data 11-1. Data pengamatan ketebalan kayu lapis (mm) inti lamina pada tiga variasi tekanan kempa panas. Kasus 3-11. 11-2. Riap tinggi Acacia mangium pada umur 4, 6 dan 11 tahun dengan 3 kelerengan (Kasus 3-21 ). 11-3. Percobaan model (M) dan pengikat (P) sambungan pada balok batang kelapa. Hasil percobaan berupa MoR (kg f/cm3). Kasus 4-11 . 11-4. Data pertambahan diameter (cm) [Kasus 4-12 ]. 11-5. Rekapitulasi Data emisi gas formaldehida. Kasus 4-13. 11-6. Keteguhan Rekat (kg/cm2) kayu lapis menurut Standar Jepang Kasus 4-14 . 11-7. Pertambahan tumbuh anakan. Kasus 4-21 . 11-8. Hasil pengamatan nilai pertambahan anakan. Kasus 4-22 . 11-9. Rekapitulasi data pertambahan diameter batang anakan (mm). Kasus 4-31 11-10. Rekapitulasi data pertambahan tinggi anakan meranti (cm). Kasus 4-32. 11-11. Nilai rataan kadar air kayu normal (%) dalam batang Kahoi (Shorea balangeran ) dengan dengan berbagai berbagai ketinggian ketinggian (Kasus 7-41). 11-12. Keteguhan rekat kayu lapis (Kasus 7-42 ).
Rancangan Percobaan
vi
10
Percobaan dan Rancangan
11. Pola dan Model suatu Percobaan A. Pola Percobaan Pola suatu percobaan merupakan ilustrasi bentuk atau pola pelaksanaan percobaan di lapangan setelah melalui proses pengacakan. Dari pola-pola percobaan di lapangan dibentuk model-model rancangan yang mengilustrasikan percobaan di lapangan. Jadi bentuk model suatu rancangan diperoleh dari bentuk pola percoaan di lapangan. Modelmodel yang mengilustrasikan pola percobaan inilah yang dikenal dengan Rancangan Percobaan. Adapun pola-pola suatu percobaan adalah Pola Percobaan Sederhana, Pola Percobaan Faktorial dan Pola Percobaan Tersarang.
B. Model Rancangan Model suatu rancangan ada yang bersifat tetap dan bersifat taktetap (acak). Kesimpulan yang diperoleh suatu rancangan dengan model tetap hanya terbatas pada perlakuan yang dicobakan saja. Jadi tidak ada kaitannya dengan suatu populasi. Jika demikian maka kesimpulan tersebut tidak dapat digunakan untuk menduga populasi. Sedangkan untuk percobaan bersifat acak berhadapan dengan suatu populasi. Kesimpulan yang diperoleh dari populasi perlakuan didasarkan pada p ada sejumlah p buah perlakuan yang dicobakan (contoh atau sample ), ), dimana setiap perlakuan dipilih secara acak dari populasi perlakuan yang ada. Sehingga uraian Model I (Model Tetap) hanya dijelaskan pada Pola Rancangan Sederhana saja dengan maksud sebagai pengetahuan dasar saja. Sedangkan untuk pola rancangan lainnnya mengarah pada Model II (Model Acak) yaitu percobaan acak. Berdasarkan pola-pola percobaan tersebut diperoleh model-model suatu rancangan percobaan adalah a. Pola Percobaan Sederhana 1) Rancangan Acak Lengkap (RAL) 2) Rancangan Acak Kelompok (RAK) 3) Rancangan Bujursangkar Latin (RBL) b. Pola Percobaan Faktorial 1) Rancangan Acak Lengkap Faktorial (RALF) 2) Rancangan Acak Kelompok Faktorial (RAKF) 3) Rancangan Petak Terbagi (RPT) c. Pola Percobaan Tersarang 1) Rancangan Acak Lengkap Tersarang (RALT) 2) Rancangan Acak Kelompok Tersarang (RAKT) 3) Rancangan Acak Lengkap Faktorial Tersarang (RALFT) 4) Rancangan Acak Kelompok Faktorial Tersarang (RAKFT)
12. Pengertian Percobaan dan Rancangan Berbagai definisi/pengertian tentang percobaan . Secara sederhana diartikan sebagai suatu pengamatan berencana untuk memperoleh data baru guna menerima, Percobaan & Rancangan
10-1
menolak atau memperkuat hasil-hasil percobaan terdahulu. Berdasarkan kesimpulan yang diperoleh akan membantu peneliti dalam menentukan suatu keputusan. Dari uraian di atas berarti setiap percobaan akan menjawab satu atau lebih pertanyaan. Setiap percobaan tidak selalu memberikan hasil yang memuaskan. Bahkan tidak jarang bertentangan dengan kewajaran. Bila demikian apa bedanya dengan istilah penelitian ”. “ penelitian ”. Pada dasarnya adalah sama. Penelitian adalah juga percobaan, namun lebih menekankan pada tata cara ilmiah untuk memperoleh data dengan tujuan dan kegunaan tertentu Dari pengertian tsb perlu dipahami tentang tata cara ilmiah, data, tujuan dan kegunaan. Secara ringkas ringkas diuraikan sbb : 1) Tata cara ilmiah dimaksud bahwa kegiatan yang dilakukan didasarkan pada ciri-ciri keilmuan yaitu rasional, emperis dan sistematis. √ rasional diartikan sebagai kegiatan2 percobaan yang dilakukan dengan cara-cara yang logis, sehingga mampu dijang-kau dengan dengan daya nalar (kerangka pikir) √ emperis diartikan cara yang digunakan selama percobaan dapat diamati/ dipantau oleh indera manusia, sehingga orang lainpun dapat pula mengamati dengan cara-cara yang telah dilakukan. √ sistematis diartikan tata cara pelaksanaan yang dilakukan dengan langkah2/tahapan2 tertentu dan bersifat logis (wajar). 2) Data merupakan suatu nilai yang mempunyai kriteria tertentu yaitu valid , rellable dan obyektif . √ valid menunjukkan derajat ketepatan yaitu ketepatan antara data yang sesungguhnya dengan data yang dapat dikumpulkan oleh si peneliti. √ rellable menunjukkan derajat konsisten yaitu konsisten data dalam selang waktu tertentu. √ obyektif menunjukkan derajat persamaan persepsi antara seseorang dengan orang lain.
13. Tujuan suatu Percobaan Tujuan suatu percobaan secara umum meliputi sifat-sifat si fat-sifat penemuan, pembuktian dan pengembangan. Pengertian tentang : 1) Penemuan berarti data yang diperoleh sebenarnya merupakan data baru yang belum diketahui sebelumnya. 2) Pembuktian berarti data yang diperoleh sebagai bahan untuk membuktikan, menjawab atau memecahkan adanya keraguan terhadap suatu informasi. 3) Pengembangan berarti data yang diperoleh berguna untuk memperdalam dan memperluas suatu pengetahuan. Agar suatu tujuan dapat terpenuhi, maka diperlukan suatu rencana (rancangan). Rancangan yang dibuat (rancangan percobaan) diharapkan dapat memperoleh, mengumpulkan informasi sebanyak-banyaknya agar dapat berguna dalam melakukan percobaan dan memecahkan masalah yang akan dibahas. Percobaan & Rancangan
10-2
Rancangan Percobaan adalah salah satu alat bantu ilmiah (statistik) yang berguna untuk menjawab dugaan-dugaan, pertanyaan-pertanyaan atau persoalan-persoalan yang timbul pada pengamatan suatu percobaan. Tujuan akhir dari suatu percobaan untuk mengetahui apakah sesuatu yang diperlakukan (perawatan atau perlakuan) terhadap obyek menghasilkan perbedaan yang nyata atau tidak secara statistik. Mengingat suatu percobaan memerlukan bahan, biaya dan waktu maka hendaknya rancangan yang dibuat sesederhana mungkin. Ini berarti perlu meminimalkan bahan, biaya dengan waktu yang tidak terlalu lama, namun tujuan yang diinginkan dapat terpenuhi. Hal tsb berkaitan dengan banyaknya data yang diperlukan ( contoh ) dari sejumlah data yang ada ( populasi ).
14. Dasar-Dasar Suatu Percobaan Saat menentukan suatu rancangan perlu memperhatikan tiga hal dasar yaitu pengacakan (randomize ), lokal kontrol (local control ) dan pengulangan (replication ).
A.Pengacakan Pengacakan merupakan suatu proses untuk mengambil (menarik, menetapkan) sebagian kecil dari seluruh individu populasi untuk dijadikan individu contoh atau pewakil. Maksudnya agar terpilih tidaknya satuan percobaan tanpa pengaruh subyek dengan harapan nilai duga yang diperoleh adalah sah (tak bias bagi galat percobaan). Perlakuan yang diberikan terhadap satuan percobaan pada rancangan yang sistematis dan dilakukan secara tidak acak dengan pola tertentu yang telah dipilih sebelumnya. Biasanya akan menghasilkan galat percobaan terlalu besar atau terlalu k ecil. Pengacakan juga merupakan proses untuk penataan satuan-satuan percobaan atau unit percobaan dalam suatu pola percobaan. Dalam menataan satuan-satuan percobaan, baik berupa perlakuan atau ulangan/kelompok diupayakan tidak ada yang dirugikan dan setiap perlakuan maupun ulangan/kelompok mendapatkan kesempatan yang sama untuk diberikan pada sembarang satuan percobaan. Untuk memenuhi proses acak ini (pengacakan) berbagai cara yang dapat dilakukan. Nnamun demikian untuk menghindari kemungkinan terjadi bias digunakan Tabel Bilangan Teracak. Beberapa tabel acak dapat digunakan disajikan pada Lampiran 01 (TaLam 1-1). Kenyataannya proses jarang dilakukan dengan beberapa alasan antara lain : ¾ asalkan saat menata satuan percobaan tanpa pengaruh subyektif; ini biasanya dilakukan oleh peneliti yang berpengalaman, ¾ proses acak dianggap pekerjaan cukup rumit dan hasilnya tidak jauh berbeda jika dilakukan tanpa pengacakan. Disisi yang berbeda, proses acak bagaikan uji kejujuran seseorang. Karena telah dikemukakan bahwa pengacakan menginginkan yang terpilih mempunyai kesempatan yang sama dan terpilihnya obyek tanpa pilih kasih (tanpa pengaruh subyek/pengacak). Tanpa pilih kasih ini yang menguji kejujuran seseorang sebagai pelaksana.
B. Lokal Kontrol Lokal kontrol dimaksud adalah upaya pengelompokan, menyeimbangkan satuansatuan percobaan ke kondisi yang lebih homogen. Pengulangan dan pengacakan pada dasarnya memungkinkan berlakunya (sah) uji nyata (test significant ), sedangkan lokal kontrol menyebabkan agar prosedur pengujian dengan kuasa yang lebih tinggi. Percobaan & Rancangan
10-3
C. Pengulangan Pengulangan yang dimaksud adalah mengulang satuan percobaan pada perlakuan yang sama. Adanya pengulangan diharapkan dapat : 1) meningkatkan ketepatan percobaan dengan memperkecil galat baku ( standard deviation ) satuan percobaan. Sehingga makin banyak pengulangan diharapkan nilai rataan data yang diperoleh (mean ) makin teliti. 2) menghasilkan nilai duga dari galat percobaan. Guna nilai duga tsb untuk menentukan lebar selang kepercayaan (interval confidence ) atau sebagai satuan dasar ukuran untuk menetapkan taraf nyata (level significant ) dari perbedaan-perbedaan yang diamati. 3) memperluas daya cakup kesimpulan pada satuan-satuan percobaan ya ng lebih beragam. Banyaknya ulangan tergantung dari : 1) derajat ketelitian yang diinginkan 2) peralatan dan bahan percobaan yang tersedia 3) bentuk dan luas dari satuan percobaan (experimental unit ) 4) variabilitas individu Paterson (1939) mengemukakan bahwa banyaknya ulangan (n) pada suatu percobaan didasarkan pada derajat bebas (degree of freedom error ) dari analisis keragaman (analysis of variance ) suatu rancangan (design ), yaitu berkisar dari 10 (paling sedikit) sampai 20 (sebaiknya). Untuk memudahkan perhitungannya dianjurkan diambil nilai tengahnya yaitu 15 (banyaknya ulangan minimal). Rumusan pengulangan ini diperoleh dari db Galat (dbG) yang sesuai dengan masing-masing model percobaan (rancangan).
Contoh 1-1. dbe RAL ; p (n –1) = 15 bila p = 3; 3 (n – 1) = 15 n=6 Banyaknya satuan percobaan = p x n = 18 dbe RAK ; (p – 1)(n –1) = 15 bila p = 3; (3 – 1)(n – 1) = 15 n≈9 Banyaknya satuan percobaan = p x n = 27 Dalam suatu percobaan terkadang ditemui pengulangan satuan percobaan dengan perlakuan yang sama, tapi kondisi pengulangan itu sendiri yang tidak sama (heteroden). Untuk kasus seperti perlu dilakukan pengelompokan ulangan yang lebih homogen. Pengelompokan ini yang biasanya disebut kelompok atau blok”. Jadi ulangan yang ada diidentikan sebagai kelompok. Kemudian biasanya dibuat lagi ulangan tiap perlakuan. Disini pengertiannya menambah satu satuan percobannya sebanyak n dengan maksud untuk memperkecil galat prcobaan. Tidak berarti ada ulangan di dalam ulangan atau kelompok.
Percobaan & Rancangan
10-4
Contoh 1-2. Katakan ingin mengetahui keteguhan rekat kayu lapis terhadap tekanan Tekanan (kg/cm2)
Ulangan 1 2 3 4
8
10
12
R11 R12 R13 R14
R21 R22 R23 R24
R31 R32 R33 R34
dingin pada perusahaan kayu Borneo Playwood. Tekanan dingin yang dicobakan 8 kg/cm2, 10 kg/cm2 dan 12 kg/cm2 sebagai perlakuan. Bentuk susunan ulangannya (diulang 4 kali tiap tekanan) seperti ilustrasi (1) disamping ini. Jika percobaan tersebut akan dilakukan dua atau lebih (Misal Borneo Playwood dan Meratus
Playwood) dengan perlakuan ulangan yang sama, maka bentuk susunnya menjadi seperti ilustrasi (2) berikut. Kelompok
Tekanan (kg/cm2)
Contoh uji perlakuan 1
2
3
4
Borneo Playwood
8 10 12
R111 R121 R131
R112 R122 R132
R113 R123 R133
R114 R124 R134
R11./4 R12./4 R13./4
Meratus Playwood
8 10 12
R211 R221 R231
R212 R222 R232
R213 R223 R233
R214 R224 R234
R21./4 R22./4 R23./4
Rataan
Jadi penambahan perusahaan tidak berarti berupa ulangan yang sebenarnya, tetapi pengulangan yang kondisinya berbeda (heterogen) sehingga dijadikan kelompok. Sedangkan pengulangan yang terdahulu (4 kali) merupakan contoh uji masing-masing perlakuan. Atau dengn kata lain “satu-satuan percobaan terdiri dari 4 contoh uji”. Nilai yang akan dhitung adalah R/4.
15.Beberapa Istilah dalam suatu Rancangan Percobaan A. Perlakuan Perlakuan (treatment ) adalah suatu cara yang digunakan untuk menyatakan sesuatu yang diamati atau diselidiki. Perlakuan yang diberikan pada suatu percobaan bisa bersifat tunggal atau bersifat kombinasi (perlakuan kombinasi).
Contoh 1-3 ( perlakuan tunggal ). 1) Pemberian tiga jenis pupuk dengan tujuan untuk melihat pupuk mana yang terbaik agar menunjang pertumbuhan anakan kelampayan. Ketiga jenis pupuk tersebut adalah pupuk Mutiara (M), pupuk kandang (K) dan pupuk hijau (H). Perlakuan disini merupakan perlakuan tunggal yang dinyatakan p (perlakuan) = 3. 2) Ketebalan kayu lapis terhadap variasi 3 tekanan panas. Ketiga tekanan panas tersebut adalah 10 kg/cm2, 12 kg/cm2 dan 14 kg/cm2. Sejalan seperti contoh 1) berarti terdiri 3 perlakuan tunggal. Jika ketiga perlakuan tersebut kita nyatakan sebagai taraf/tingkat (level ) dari tekanan panas, maka ketiga perlakuan tadi dapat dinyatakan sebagai perlakuan tunggal dengan 3 taraf.
Percobaan & Rancangan
10-5
Contoh 1-4 ( perlakuan kombinasi ). Perlakuan kombinasi berarti perlakuan yang jumlahnya (banyaknya) minimal 2 atau lebih. Tiap perlakuan biasanya terdiri minimal 2 taraf atau lebih. Katakan saja ada 2 perlakuan dengan masing-masing taraf. Penggabungan kedua perlakuan ini dinyatakan sebagai perlakuan kombinasi. Pengertian kombinasi disini tidak hanya bercampur tapi juga bersifat interaksi (menyatu padu). Hasil perlakuan kombinasi yang berinteraksi akan memunculkan nilai baru (respon). Dalam pola rancangan disebut sebagai “rancangan faktorial” yang maksudnya ada sekian taraf tiap perlakuan yang akan berinteraksi dengan perlakuan lain. Jika tidak, maka kedua perlakuan tersebut berarti berdiri sendiri (tidak berkombinasi) sebagai 2 perlakuan saja (Contoh 1-2) atau terjadi penyisipan perlakuan yang satu ke perlakuan yang lain yang diistilahkan dengan tersarang . 1) Misal ingin mengetahui nilai penyusutan yang lebih besar apakah jenis meranti merah atau meranti putih. Pengamatan dilakukan pada arah radial dan arah tangensial batang kayu (pohon). Sedangkan contoh uji diambil adalah bagian yang akan diamati pada batang yaitu bagian pangkal, tengah dan ujung dijadikan perlakuan kedua. Perlakuan kombinasinya dinyatakan sebagai perlakuan jenis dan perlakuan bagian batang, maka kombinasinya tentu berupa Pertama : jenis meranti M (+) bagian pangkal meranti P = M.pP jenis meranti M (+) bagian tengah meranti P = M.tP jenis meranti M (+) bagian ujung meranti P = M.uP Kedua : jenis meranti P (+) bagian pangkal meranti M = P.pM jenis meranti P (+) bagian tengah meranti M = P.tM jenis meranti P (+) bagian ujung meranti M = P.uM
(+) dibaca “berkombinasi dengan” Selanjutnya perhatikan ilustrasi kombinasi seperti ga mbar berikut Jenis
Bagian Batang
M.merah
pangkal Tengah ujung
M.Merah
M.putih
pangkal Tengah ujung
M.putih
Contoh uji Ilustrasi interaksi mustahil
Pengkombinasian ( pertama ataupun kedua ) adalah mustahil terjadi. Garis warna merah mengilustrasikan kemustahilan tersebut. Bagian pangkal, tengah dan ujung dimiliki masing-masing jenis (meranti merah dan meranti putih) dan tidak bisa digabungkan (kombinasikan). Bagian pangkal, tengah dan ujung akan menyisip ke masing-masing jenis.
Percobaan & Rancangan
10-6
Cara pengkombinasian seperti contoh ini dapat ditelaah pada kasus-kasus percobaan kelompok atau tersarang. 2) Katakan ingin menganalisa sifat fisik kayu lapis yang dipasarkan oleh perusahaan perkayuan. Untuk itu yang dijadikan pewakil dari beberapa perusahaan terpilih 2 perusahaan yang memproduk kayu lapis dengan jumlah masing-masing lapisan sebanyak 3 lapisan finir (tripleks), 5 lapisan finir (multipleks), 7 lapisan finir (multipleks). Contoh uji yang diambil sebanyak 4 lembar yang dijadikan sebagai ulangan. Perlakuan pertama berupa jumlah lapisan finir (3, 5, 7 lapisan finir) dengan notasi masing-masing f1, f2 dan f3; dan perlakuan kedua adalah asal produk kayu lapis dalam ini perusahaan A dan B dinotasikan sebagai p1 dan p2. Kombinasi yang terjadi adalah f1p1 , f1p2 , f2p1 , f2p2 , f3p1 , f3p2 Telah dijelaskan bahwa interaksi merupakan kombinasi (penggabungan) 2 faktor atau beberapa subfaktor (taraf) dari 2 faktor yang saling berkaitan. Selanjutnya perhatikan ilustrasi kombinasinya.
p1
Jumlah
p2
Jumlah
f1 f1 p1u1 f1 p1u2 f1 p1u3 f1 p1u4 f1 p1u.
f2 f2 p1u1 f2 p1u2 f2 p1u3 f2 p1u4 f2 p1u.
f3 f3p1u1 f3p1u2 f3p1u3 f3p1u4 f3p1u.
f1 p2u1 f1 p2u2 f1 p2u3 f1 p2u4 f1 p2u.
f2p2u1 f2p2u2 f2p2u3 f2p2u4 f2p2u.
f3p2u1 f3p2u2 f3p2u3 f3p2u4 f3p2u.
Ilustrasi perlakuan tidak berkombinasi Disini ketiga produk kayu lapis tersisip ke masing-masing perusahaan. Antara masing-masing perusahaan tidak terjadi kombinasi interaksi kayu lapis. Jadi merupakan 3 perlakuan tunggal atau perlakuan tunggal dengan 3 taraf untuk tiap perusahaan. Penganalisaan sifat fisik seperti contoh ini dilakukan pada masing-masing perusahaan atau kedua perusahaan tersebut dijadikan kelompok. Cara pengkombinasian seperti contoh ini dapat ditelaah pada kasus-kasus percobaan kelompok atau tersarang. 3) Penggunaan 3 jenis media sapih (tanah berpasir, tanah gambut dan tanah bakaran sampah) dan pemberian unsur hara berupa pupuk kandang dan bekas bakaran sampah. Perhatikan ilustrasi disamping ini. Misal ketiga jenis media sapih m1 h1 dilambangkan dengan M yang terdiri tiga taraf yaitu m1, m2 dan M m2 H m3. Selanjutnya unsur hara misal m3 h2 dilambangkan dengan H yang terdiri dari dua taraf yaitu h1 dan Ilustrasi perlakuan berinteraksi h2. Percobaan & Rancangan
10-7
Selanjutnya perhatikan kombinasi dalam bagan pengamatan (u = ulangan). h1 h2
m1h1u1 m1h2u1
m1 m2 m3 m1h1u2 m1h1u3 m2h1u1 m2h1u2 m2h1u3 m3h1u1 m3h1u2 m3h1u3 m1h2u2 m1h2u3 m2h2u1 m2h2u2 m2h2u3 m3h2u1 m3h2u2 m3h2u3 Ilustrasi interaksi dalam bagan pengamatan
Kombinasi kedua perlakuan adalah m1h1, m1h2, m2h1, m2h2, m3h1 dan m3h2. Kombinasi disini antara media sapih dan unsur saling berinteraksi; hasil insteraksi yang akan dilihat atau diamati adalah pertumbuhan misalnya. Logikanya media sapih dapat dicampur atau disatu-padukan dengan unsur hara dan sebaliknya. Jadi disini nampak bahwa hasil interaksi M dan H yaitu “mhu” adalah juga data perkembangan respon pertumbuhan (misal : tinggi, diameter, jumlah daun).
B. Satuan Percobaan Satuan percobaan (experimental unit ) adalah media pengamatan yang diperlakukan pada suatu percobaan. Ujud satuan percobaan tergantung dari keadaan suatu percobaan; misal berupa bidang tanah, tanaman/hutan, hewan/ternak atau kumpulan suatu jenis tertentu. Tekanan utama terhadap satuan percobaan adalah diupayakan keadaannya (kondisi) seseragam mungkin. Misal penggunaan tanah sebagai media tumbuh suatu persemaian diupayakan berat dan kesuburannya seragam (homogen).
C. Pengamatan Pengamatan (observation ) merupakan upaya menyelidiki perkembangan suatu pertumbuhan atau pengambilan data suatu percobaan. Hasil pengamatan ( respon ) berupa angka-angka dengan satuan ukuran tertentu. Misal tinggi tanaman dalam cm atau meter, diameter batang dalam cm, luas daun dalam cm 2, banyaknya daun dalam helai, produksi biji/buah dalam butir, gram atau kg. Hasil pengamatan selanjutnya akan direkam ke dalam tabel yang disebut tabel pengamatan. Bagaimana bentuk tabel pengamatan untuk merekam data tidak ada acuan khusus. Namun upayakan tabel pengamatan dibuat sesederhanakan mungkin dan yang paling penting adalah tabel dibuat mengarah untuk pengolahan data (perhitungan jumlah kuadrat). Paling tidak dapat menghemat waktu dan mengurangi kelelahan. Sebagai alat bantu “program Excel” dapat dimanfaatkan untuk merancang bagan tersebut sekaligus untuk memudahkan perhitungan.
D. Populasi Populasi ( population ) merupakan sekumpulan (kumpulan) dari seluruh individu.
E. Contoh Kata CONTOH (sample ) dibenak kita tentu mengandung arti sebagian kecil atau besar dari seluruh individu yang diambil atau diperoleh dengan harapan contoh tersebut dapat mencerminkan karakteristik seluruh individu yang bersangkutan. Pengambilan sebagian kecil atau sebagian besar dari seluruh individu tsb dikenal dengan Penarikan Contoh . Seluruh individu yang dimaksud dinyatakan sebagai populasi. Percobaan & Rancangan
10-8
Bagaimana agar contoh yang diambil dapat mencerminkan karakteristik suatu populasi ?. Sehingga ia (contoh) benar-benar dapat dijadikan pewakil dari populasi yang berssangkutan. Cara yang sangat sederhana adalah cara arisan atau undian / lotre. Tetapi apakah dapat memenuhi harapan ? Agar harapan terpenuhi hendaknya individu-individu yang diambil sebagai pewakil (contoh) menyebar bebas secara menyeluruh dlm seluruh individu populasi. Upaya apa agar terpenuhi harapan tersebut ? Cara yang terbaik (tanpa bias) adalah mengambil secara bebas tanpa pengaruh (keinginan) subyek sedikitpun. Ini berarti setiap individu populasi mempunyai kesempatan yang sama untuk diambil (dipilih) dan tanpa pilih kasih. Atau dengan kata lain “setiap individu populasi mempunyai peluang yang sama untuk dipilih ”. Tanpa pilih kasih maksudnya bahwa subyek (pengacak) hanya sebagai pelaksana dan meniadakan keinginan pengacak (enak, bagus, mudah). Disini mengandung uji jati diri, dimana si pengacak (pelaksana; yang melakukan) tidak diperkenankan untuk mempengaruhi saat dilakukan proses pengacakan (menentukan tanpa pilih kasih). Kelemahannya adalah bagaimanapun kondisi individu yang terpilih, tidak ada alasan untuk menolaknya. Misal yang terpilih adalah yang tidak diinginkan (jelek, kurang baik, atau sejenisnya); tidak ada pilihan dan tetap diterima sebagai hasil acakan. Upaya (proses) pengambilan setiap individu populasi secara bebas tanpa pilih kasih disebut sebagai proses acak atau pengacakan (randomized ).
F. Peubah Peubah (variable ) merupakan sifat mutu (kaulitas) yang dapat menunjukkan perbedaan antara satu individu dengan lainnya dalam suatu populasi. Peubah terputus (descrete variable ) adalah hasil-hasil pengamatan berupa angkaangka bulat. Peubah sinambung (continous variable ) adalah hasil-hasil pengamatan berupa angkaangka pecahan. G. Keragaman
Keragaman (variation ) atau variasi adalah perubahan nilai yang berbeda-beda dari sekumpulan hasil pengamatan. Misal hasil pengamatan akan menunjukkan angka-angka (nilai data) yang tidak selalu sama. H. Galat Percobaan
Setiap hasil pengamatan selalu mengandung kesalahan–kesalahan yang dinyatakan sebagai galat percobaan (experimental error ). Galat percobaan (experimental error ) merupakan ukuran keragaman diantara semua pengamatan yang berasal dari satuan percobaan dan mendapat perlakuan sama. Pada dasarnya keragaman tersebut bersumber dari setiap bahan percobaan dan saat pelaksanaan percobaan. Keragaman (kesalahan) tersebut dapat disebabkan/dipengaruhi oleh faktor dalam dan atau faktor luar.
Percobaan & Rancangan
10-9
Faktor dalam berasal dari perlakuan itu sendiri, yaitu pada saat menentukan ukuran satuan perlakuan dan atau saat pemberian perlakuan terhadap obyek pengamatan. Sehingga dalam pelaksanaanya diupayakan secermat mungkin. Misalnya dua anakan meranti yang dianggap sama (seragam), ternyata mempunyai susunan genetik yang berbeda. Ini merupakan keragaman yang bersumber dari dalam bahan percobaan itu sendiri (intern ). Bila kedua anakan meranti tsb diberi pupuk dengan dosis yang berbeda (perlakuan) maka akan menimbulkan keragaman (ketidak seragaman) yang disebabkan tidak seragamnya pelaksanaan percobaan. Faktor luar yang mempengaruhi tergantung dari keadaan percobaan, yaitu apakah pelaksanaan percobaan di laboratorium atau di lapangan. Faktor luar tsb ada yang dapat diatur dan ada pula yang tidak. Temperatur (bukan sebagai perlakuan) misalnya; dapat diatur dalam laboratorium dan tidak bila di lapangan. Umumnya faktor luar ini yang lebih banyak menyebabkan kesalahan percobaan. Sehingga faktor-faktor yang memungkinkan dapat mempengaruhi ketelitian hasil pengamatan (kecuali perlakuan) harus diupayakan seseragam (sehomogen) mungkin. Memperhatikan sumber keragaman dalam suatu percobaan maka tidak mungkin kiranya berupaya untuk meniadakan keragaman dalam percobaan. Lebih bijak bila memperkecil keragaman tsb sehingga galat percobaan yang timbul dapat dikendalikan. Dengan terkendalinya galat percobaan diharapkan kuasa uji bertambah tinggi, lebar selang kepercayaan menjadi sempit. Upaya pengendalian galat tsb dapat dilakukan pada rancangan percobaan, penggunaan analisis bantu atau penyeragaman ukuran dan bentuk satuan percobaan.
I. Asumsi Analisis (Model) Asumsi yang biasa digunakan agar upaya pengujian statistik menjadi sah; berupa sifat aditif, ragam yang seragam (homogen), normalitas dan linieritas model. Agar pengujian statistik menjadi sah, maka data hasil pengamatan lapangan sebelum dianalisis lebih dahulu diuji tentang keaditifannya, keragamannya dan kenormalannya. Sedangkan linieritas model dilakukan pada persamaan regresi linier. J. Koefisien Keragaman
Koefisien keragaman (KK) merupakan indeks keterandalan yang baik suatu percobaan. Nilai koefisien keragaman menunjukkan derajat ketepatan dalam suatu percobaan tertentu. KK menunjuk galat percobaan sebagai persentase dari nilai tengah umum, sehingga nilai KK semakin besar menunjukkan keterandalan suatu percobaan semakin rendah. Nilai koefisien keragaman diperoleh dengan rumus : galat percobaan KK = /rataan umum Galat percobaan (σpercobaan) diperoleh ragam percobaan (σ2percobaan) yang biasanya disebut sebagai kuadrat tengah galat (KTG), sehingga rumusan koefisien keragaman menjadi KK =
(KTG)1/2
_
_
Y..
x 100%
KTG = kuadrat tengah galat ; Y.. = rataan umum Percobaan & Rancangan
10-10
Batas terbesar nilai KK belum ada patokan yang jelas. Pengalaman menunjukkan bahwa percobaan yang cukup terandal mempunyai nilai KK tidak lebih dari 20%. Nilai KK yang relatif kecil sangat diharapkan, tetapi nilai yang sangat kecil perlu “curigai”. Karena keragaman di alam sangat bervariasi, sehingga nilai KK yang sangat kecil cenderung terjadi pengaturan data percobaannya. Nilai KK yang menunjukkan keterandalan cukup baik sekitar 10%. K. Uji Beda Rataan
Jika uji Fisher hanya dapat menunjukkan perlakuan mana saja yang berbeda nyata secara umum, maka uji ini dapat menunjukkan pasangan perlakuan mana saja yang menunjukkan perbedaan yang nyata. Berdasarkan hasil uji inilah si peneliti dapat menyimpulkan hasil percobaan. Selanjutnya si peneliti dapat mengemukakan saran dan merekomendasikan hasil penelitiannya.
16. Telaah Data Peubah atau data yang disajikan dalam pustaka Statistika pada dasarnya telah memenuhi kriteria kesalahan percobaan menyebar rata, data yang diperoleh memenuhi model yang bersifat penjumlahan dan sebarannya bersifat homogen. Pertanyaan yang timbul, apakah data yang kita peroleh telah memenuhi tiga kriteria tersebut. Paling tidak satu kriteria terpenuhi. Bila kita yakin bahwa data telah diperoleh memenuhi ketiga kriteria dimaksud tanpa melakukan telaahan tidak menjadi masalah. Namun keyakinan tersebut memerlukan pengalaman yang panjang. Dari seluruh uraian di atas bahwa rangkaian suatu percobaan secara umum adalah Mencari/menelaah/menentukan informasi apa yang diinginkan dan selanjutnya akan dijadikan saran/ direkomendasikan Menentukan Pola Percobaan (termasuk Pola Rancangannya) Proses acak dan dan Penataan Pengamatan (pengambilan data) Penelaahan data Analisis Keragaman (pengolahan data) Uji Lanjutan Kebiasaan yang sering terjadi adalah sangat jarang seorang peneliti melakukan pengacakan perlakuan dan atau kelompok. Sebenarnya proses acak telah dilakukan tanpa disadari oleh si peneliti (tersembunyi), namun dengan intensitas yang rendah. Untuk mengatasi kemungkinan terjadinya bias atau keheterogenan sebaran galat percobaan, maka upaya yang ditempuh adalah perlunya menelaah data sebelum diolah (analisis keragaman). Jika ditemukan data tidak menyebar normal, sebaiknya dilakukan transformasi data dan selanjutnya diuji ulang. Jika tidak maka absahan kesimpulan atau informasi yang direkomendasi paling tidak meragukan untuk menduga populasi. Sehingga tidak jarang ditemukan hasil-hasil penelitian yang didasarkan pada pengambilan contoh (sample ) dan selanjutnya dikembangkan pada skala besar (diaplikasikan) terjadi penyimpangan-penyimpangan yang tak pernah diduga sebelumnya.
Percobaan & Rancangan
10-11
20
PENGACAKAN
dan PENATAAN Pengacakan atau penarikan contoh secara acak untuk memperoleh pewakil dari suatu populasi yang umumnya bersifat heterogen. Pengacakan merupakan juga pengambilan sebagian individu populasi (biasanya lebih kecil) untuk dijadikan contoh. Telah dikemukakan sebelumnya (Book STATISTIKA) bahwa contoh yang diperoleh mempunyai peluang yang sama untuk terpilih dan pemilihannya tanpa pilih kasih. Proses acak dapat dilaksanakan dengan metode Kelipatan n atau Metode Perikat . Untuk memenuhi upaya pengacakan ini akan menggunakan 10.000 Bilangan Teracak (Lampiran 01; TaLam 1-2) Pengacakan yang dimaksud disini lebih menekankan pada pengaturan tata letak satuan percobaan dengan pola percobaan tertentu. Proses acak disini dapat dikatakan sebagai pengacakan kedua. Adapun pengacakan pertama adalah penngambilan sebagian individu dari sejumlah individu populasi atau sejumlah individu yang dianggap sebagai suatu populasi. Pengacakan ini sebenarnya dilaksanakan sebelum pengambilan data atau sebelum penelitian dilaksanakan, yaitu saat dibentuknya pola percobaan. Setelah tatanan satuan percobaan dilaksanakan (diacak) kemudian dilanjutkan pengamatan sesuai dengan respon yang dirancang.
21. Percobaan Sederhana Lengkap Terkaitan dengan Rancangan Acak Lengkap (RALengkap) tentu bahan yang dicobakan maupun kondisi lokasi percobaan bersifat seragam (homogen). Jika hal tersebut diyakini, maka proses acak dapat diawali dari ulangan lebih dahulu kemudian dilanjutkan dengan perlakuan. Atau dapat pula dilakukan sebaliknya yaitu perlakuan lebih dulu kemudian ulangan. Bahkan pengacakannya dapat dilakukan sekaligus, sehingga jika ditinjau/dilihat dari arah baris atau lajur tidak tampak mana yang perlakuan atau ulangan. Jika tidak (ada keraguan bahwa diantara ulangan mungkin terdapat perbedaan atau bersifat heterogen), maka proses acak sebaiknya dilakukan mengikuti tata-cara acak kelompok. Namun demikian kerangka pikir awal percobaan misalkan : ingin mengetahui seberapa besar pengaruh suatu perlakuan terhadap respon, atau ingin mengetahui bagaimana respon yang akan dihasilkan jika diberi perlakuan tertentu Atau pemikiran lainnya yang pada dasarnya terpikir adalah perlakuan dan hasil (respon). Setelah pemikiran bentuk perlakuan diperkirakan akan menghasilkan respon yang diharapkan, pemikiran berikutnya adalah pengulangan. Berapa jumlah ulangan yang diperlukan atau dianggap cukup untuk melakukan pengulangan tiap perlakuan. Berikut ilustrasi sederhana kemungkinan hasil acak lengkap. Katakan percobaan dengan 4 perlakuan (p) dan tiap perlakuan diulang (r) sebanyak 3 kali.
Pengacakan dan Penataan
20-1
p2r1
p2r3
p2r2
p3r1
p3r3
p3r2
p3r1
p2r3
p4r1
p3r1
p3r3
p3r2
p4r2
p4r1
p4r3
p3r2
p1r1
p2r2
p4r1
p4r3
p4r2
p1r2
p1r3
p1r1
p4r3
p4r2
p2r1
p1r1
p1r3
p1r2
p2r1
p2r2
p2r3
p1r2
p3r3
p1r3
(a)
(b)
(c)
Gambar 2-1. Ilustrasi hasil acak lengkap (4 x 3) Gambar 2-1 mengilustrasikan hasil pengacakan jika : (a) ; proses acak dilakukan terhadap tiap perlakuan dan selanjutnya pengacakan ulangan dilakukan sekaligus terhadap seluruh perlakuan (b) ; proses acak dilakukan terhadap tiap perlakuan dan pengacakan ulangan dilakukan tiap perlakuan (c) ; proses acak dilakukan sekaligus terhadap tiap perlakuan dan tiap ulangan Contoh 2-11. Suatu percobaan terdiri 5 perlakuan pupuk (A, B, C, D, E) pada media tumbuh (tanah) dalam kantong plastik. Kemudian dinyatakan pengulangan dilakukan sebanyak 3 kali. Berarti satuan percobaan seluruhnya berjumlah 15. Proses acak untuk contoh disini dilakukan sekaligus dengan dasar pemikiran bahwa kondisi lingkungan maupun pengulangan pada tiap perlakuan juga homogen.
Tahap pengacakannya yaitu 1
Lakukan penomoran satuan percobaan secara terurut (1, 2, 3, ,,,,,,, 15) dari kiri ke kanan secara zigzag.
Pola dasar bagan percobaan Acak Lengkap
d
Penggunaan bilangan acak ¾
Karena satuan percobaan sebanyak 15 terdiri dari 2 angka [angka 1 dan 5], berarti pengacakan didasarkan pada 2 digit (tiap 2 angka). Angka acak terbesar untuk 2 digit adalah 00 yang berarti bernilai 100. Angka acak (AC) terbesar yang akan digunakan adalah 90 diperoleh dari kelipatan 6. Caranya : (100/15) = 6,66…... ≈ 6; berarti AC terbesar = (15 x 6) = 90 Kelipatan 7 tidak digunakan karena (15 x 7) = 105. Nilai ini terdiri dari 3 digit dengan angka terbesar 000 yang berarti bernilai 1000.
Angka acak > 90 dilampaui atau diabaikan dan selanjutnya ke angka acak berikutnya. ¾ Angka acak 00 diabaikan, karena mengandung arti bernilai “100”. Jadi melebihi (lebih besar) angka acak 90. ¾ Angka acak yang terulang diabaikan. ¾
Pengacakan dan Penataan
20-2
¾
3
Urut satuan percobaan didasarkan pada peringkat nilai (bisa juga kelipatan n) angka acak.
Tentukan lembar terpilih dan angka teracak awal (ATA) ¾
Dipilih lembar 1 dan tunjuk. Angka yang tertunjuk dan setelah diperluas 4 angka adalah .0173 71... (baris 31 dan lajur 31). Berarti lembar yang terpilih adalah lembar 1 (angka 0 dilampaui) dengan ATA pada baris ke 73 dan lajur ke 71.
¾
Periksa lembar 1, baris ke 73 dan lajur ke 71. Ternyata baris ke 73 dan lajur ke 71; masing-masing berada pada lembar 3 dan lembar 2. Penyesuaian : B = 73 ≈ (73 – 50) = 23 ; L = 71 ≈ (71 – 50) = 21 ATA dan angka acak (AC) lainnya adalah .6387 55537 23255 63117 31310 23001 33797 dan seterusnya
Dipilih “lembar 1” Terpilih lembar 1 Perluasan 4 angka diperoleh Baris 73 & La ur 71
Periksa lembar 1 Ternyata Baris 73 & Lajur 71 tidak ditemukan Baris 73 berada di lembar 3 Lajur 71 berada di lembar 2 Penyesuaian : B ≈ (73 – 50) = 23 L ≈ (71 – 50) = 21
f
Peringkat kedudukan tiap satuan percobaan Angka acak : .6783 55537 23255 63117 31310 23001 33797 7488. Satuan perc.
No. urut
Angka acak
Peringkat
A1 B1 C1 D1 E1 A2 B2 C2 D2 E2 A3 B3
1 2 3 4 5 6 7 8 9 10 11 12
67 83 55 53 72 32 63 11 73 13 10 23
{10} {14} {08} {07} {11} {05} {09} {02} {12} {03} {01} {04}
Pengacakan dan Penataan
20-3
g
Satuan perc.
No. urut
Angka acak
Peringkat
C3 D3 E3
13 14 15
37 74 88
{06} {13} {15}
Bagan percobaan hasil pengacakan
Bagan teracak kedudukan satuan percobaan pada acak lengkap (RALengkap)
Contoh 2-12. Katakan saja ulangan yang dibuat tiap perlakuan pada Contoh 2-11 terkait dengan miring tanah (kelerengan). Namun si peneliti yakin tidak akan berpengaruh terhadap pertumbuhan, mengingat kemiringan yang ada tidak begitu jelas. Untuk contoh disini ada keraguan bahwa kemiringan lapangan walau tidak begitu jelas ada kemungkinan berpengaruh terhadap pertumbuhan tanaman. Untuk kasus seperti ini dianjurkan supaya pola pengacakan dilakukan seperti pada kelompok (Contoh 2-21 atau Contoh 2-22). Catatan :
Karena bila ternyata setelah melalui kajian Koefisien Nisbi (KN) RAK terhadap RAL adalah lebih besar 100%, berarti RAK lebih efisien dairpada RAL. Jika ini terjadi walau pola rancangan dapat diubah namun pola percobaan di lapangan tak dapat diubah. Dengan kata lain pola rancangan tidak sesuai dengan pola percobaannya. Karena sebenarnya pola rancangan dibuat menjadi suatu model berdasarkan dari bentuk pola percabaan. Kesimpulannya, jika demikian maka percobaan dilakukan ulang.
22. Percobaan Kelompok Adanya lokal kontrol suatu percobaan, maka perlu dilakukan penyesuaian berupa pengelompokan terhadap bahan-bahan percobaan maupun pengulangan untuk tiap perlakuan. Jika demikian maka kerangka pikir proses acak tidak seperti dilakukan pada acak lengkap. Karena adaya lokal kontrol, maka awal proses acak mendahulukan lokal-lokal yang telah dihomogenkan. Lokal kontrol yang menjadi perhatian adalah adanya pengulangan yang bersifat heterogen. Penghomogenan pengulangan inilah yang dinyatakan sebagai kelompok. Jadi dalam proses acak percobaan kelompok mendahulukan kelompok kemudian lainnya (perlakuan, penambahan satuan percobaan). Perlu ditambahkan bahwa pengacakan kelompok tidak selalu harus dilakukan. Tetapi bahan percobaan yang dijadikan kelompok apakah mempunyai pengaruh terhadap tataletak atau penataan sekumpulan satuan percobaan. Misal pengelompokan terjadi pada beberapa bentuk kelerengan. Disini proses acak kelompok tidak perlu dilakukan, karena bagaimanapun proses acak tidak akan mengubah kedudukan/posisi kelerengan yang ada. Berikut ilustrasi sederhana kemungkinan hasil acak kelompok. Katakan percobaan dengan 3 kelompok (r) dan tiap kelompok terdiri 4 perlakuan (p). Pengacakan dan Penataan
20-4
Kelompok r1p2
r2p1
r3p4
r1p3
r3p2
r2p1
rip1
r jp1
rkp1
r1p1
r2p4
r3p1
r1p2
r3p1
r2p2
rip2
r jp2
rkp2
r1p3
r2p3
r3p2
r1p4
r3p4
r2p4
rip3
r jp3
rkp3
r1p4
r2p2
r3p3
r1p1
r3p3
r2p3
rip4
r jp4
rkp4
(a)
(b)
(c)
Gambar 2-2. Ilustrasi hasil acak kelompok (3 x 4) Gambar 2-2 mengilustrasikan hasil pengacakan jika : (a) ; pengacakan hanya dilakukan pada tiap perlakuan, sedangkan kedudukan/posisi kelompok tidak diacak (b) ; proses acak dilakukan terhadap tiap kelompok dan selanjutnya pengacakan ulangan dilakukan tiap kelompok (c) ; kelompok ri, r j atau rk tidak di acak atau dilakukan pengacakan seperti pada (a) atau (b). Untuk perlakuan tidak dilakukan pengacakan; jadi perlakuan yang diberikan diurut ke masing-masing kelompok. Contoh 2-21. Suatu percobaan dengan 8 perlakuan (A, B, C, D, E, F, G & H) akan dilakukan pada hamparan lahan yang miring. Katakan saja hamparan lahan tersebut ditemukan empat kemiringan (kelerengan) yang berbeda, sehingga setiap perlakuan diulang kembali pada keempat kelerangan tersebut. Untuk proses acaknya apakah kedelapan perlakuan yang didahulukan kemudian keempat kelerengan atau sebaliknya, atau sekaligus ke-32 satuan percobaan. Kerangka pikirnya keempat kelerengan bersifat heterogen, sehingga perlu didahulukan agar memperoleh hamparan kelerengan yang lebih homogen. Selanjutnya pengacakan kedelapan perlakuan (A, B, C, D, E, F, G & H) dalam tiap kelerangan. Pada kasus ini meskipun dilakukan pengelompokan lokasi tidak berarti kedudukannya perlu dilakukan pengacakan. Karena bagaimanapun bentuk urutan kedudukannya (penomoran) tidak akan berpengaruh respon pengamatan. Penomoran kemiringan lapangan diawali pada lokasi rendah hingga ke lokasi yang lebih tinggi. Sehingga bagaimanapun cara mengacaknya tidak akan mempengaruhi kedudukan/posisi kemiringan lapangan tersebut. Sebaliknya pengacakan yang perlu dilakukan pada perlakuan, mengingat masih memungkinkan adanya perbedaan. Jadi pada kasus ini seperti ini kedudukan kelompok tidak perlu dilakukan pengacakan. Pengacakan hanya dilakukan pada tiap perlakuan.
Tahapan pengacakan : Katakan kedudukan/posisi petak yang dikelompokkan diilustrasi secara sederhana seperti gambar (a) Lakukan penomoran tiap perlakuan secara terurut tiap kelompok (gambar b). Nomornomor ini akan digunakan sebagai nomor (peringkat) kedudukan tiap perlakuan dalam tiap kelompok.
Pengacakan dan Penataan
20-5
(a)
(b) Pola dasar bagan percobaan acak kelompok
Proses acaknya bisa disesuaikan dengan urutan kedudukan kelompok (seperti gambar a) atau dilakukan sembarang. Mengacak perlakuan untuk kelompok I a. Menentukan angka acak ¾ Jumlah perlakuan sebanyak 8 berarti terdiri dari 1 angka, maka pengacakan didasarkan pada 2 angka. AC terbesar adalah 96 diperoleh dari kelipatan 12 yaitu 8 x 12 = 96 100/8 = 12,5 ≈ 12;
berarti AC terbesar = (8 x 12) = 96
¾
Angka acak > 96 (nilai terbesar) diabaikan
¾
Angka acak sebesar 00 diabaikan, karena didasarkan penger-tian pengacakan berarti 100 > 96.
¾
Angka acak yang terulang diabaikan
¾
Urutan kedudukan tiap kelompok didasarkan pada peringkat nilai angka acak
b. Tentukan lembar terpilih dan angka teracak awal ¾ Dipilih lembar 3 dan tunjuk. Angka yang tertunjuk dan setelah diperluas 4 angka adalah …87 280.. ¾ Periksa lembar 8 ≈ 4, baris ke 72 dan lajur ke 80. ATA dan AC lainnya adalah 03089 43338 72569 9598.
Pengacakan dan Penataan
20-6
Dipilih “lembar 3” Terpilih lembar 8 4 ≈
Perluasan 4 angka diperoleh baris 72 & lajur 80
Periksa lembar 4 Terpilih lembar 4 Baris 72 & Lajur 80
c. Peringkat tiap perlakuan pada kelompok I Angka acak : 03089 43338 72569 959.. Satuan perc.
No. urut
Angka acak
Peringkat
A B C D E F G H
1 2 3 4 5 6 7 8
03 08 94 33 38 72 56 59
{1} {2} {8} {3} {4} {7} {5} {6}
d. Kedudukan tiap perlakuan pada kelompok I Perhatikan tatanan tiap perlakuan dalam kelompok ini
kelompok II
a. Menentukan angka acak (caranya serupa pada Kelompok I) b. Tentukan lembar terpilih dan angka teracak awal ¾ Dipilih lembar 1 dan angka yang tertunjuk kemudian setelah diperluas 4 angka adalah 18135 (baris ke 19 dan lajur ke 20). ¾
Periksa lembar 1, baris ke 81 & lajur ke 35. Ternyata baris 81 pada lembar 3. Penyesuaian : B ≈ (81 – 50) = 31 ATA dan AC lainnya adalah 71336 23937 84588 403..
Pengacakan dan Penataan
20-7
Dipilih “lembar 1” Terpilih lembar 1 Perluasan 4 angka diperoleh Baris 81 & Lajur 35
Periksa “lembar 1” Baris 81 tidak ditemukan Penyesuaian : B ≈ 81 – 50 = 31 Lajur = 35
c. Peringkat tiap perlakuan pada kelompok II Angka acak : 71336 23937 84588 403.. Satuan perc.
No. urut
Angka acak
Peringkat
A B C D E F G H
1 2 3 4 5 6 7 8
71 33 62 39 37 84 58 03
{7} {2} {6} {4} {3} {8} {5} {1}
d. Kedudukan tiap perlakuan pada kelompok II Perhatikan tatanan perlakuan dalam kelompok II ini dan dengan kelompok sebelumnya
kelompok III
a. Menentukan angka acak (caranya serupa pada Kelompok I) b. Tentukan lembar terpilih dan angka teracak awal ¾ Dipilih lembar 1 dan angka yang tertunjuk kemudian setelah diperluas 4 angka adalah .6779 3…. (baris ke 12 dan lajur ke 16). ¾
Periksa lembar 6 ≈ 2, ternyata baris ke 77 pada lembar 4. Penyesuaian : B ≈ (77 – 50) = 27 ATA dan AC lainnya adalah …08 49174 16625 35998 07 …
Pengacakan dan Penataan
20-8
Dipilih “lembar 1” Terpilih lembar 6 2 ≈
Perluasan 4 angka diperoleh Baris 77 & Lajur 93
Periksa “lembar 2” Baris 77 tidak ditemukan Penyesuaian : B ≈ (77 – 50) = 27 Lajur = 93
c. Peringkat tiap perlakuan pada kelompok III Angka acak : …08 49174 16625 35998 0.… Satuan perc.
No. urut
Angka acak
Peringkat
A B C D E F G H
1 2 3 4 5 6 7 8
08 49 17 41 66 25 35 80
{1} {6} {2} {5} {7} {3} {4} {8}
d. Kedudukan tiap perlakuan pada kelompok III Perhatikan tatanan tiap perlakuan dalam kelompok III ini dan dengan kelompok sebelumnya
kelompok IV
a. Menentukan angka acak (caranya serupa pada Kelompok I) b. Tentukan lembar terpilih dan angka teracak awal ¾ Dipilih lembar 2 dan angka yang tertunjuk kemudian setelah diperluas 4 angka adalah .0087 275.. (baris ke 26 dan lajur ke 81).
Pengacakan dan Penataan
20-9
¾
Periksa lembar 8 ≈ 4, baris ke 72 dan lajur ke 75. ATA dan AC lainnya adalah 96669 03089 43338 725.. Dipilih “lembar 2” Angka 00 diabaikan Terpilih lembar 8 4 ≈
Perluasan 4 angka diperoleh Baris 72 & Lajur 75
Periksa “lembar 4” Baris 72 & Lajur 75
c. Peringkat tiap perlakuan pada kelompok IV Angka acak : 96669 03089 43338 7…. Satuan perc.
No. urut
Angka acak
Peringkat
A B C D E F G H
1 2 3 4 5 6 7 8
96 66 90 30 89 43 33 87
{8} {4} {7} {1} {6} {3} {2} {5}
d. Kedudukan tiap perlakuan pada kelompok IV Perhatikan tatanan tiap perlakuan dalam kelompok IV ini dan dengan kelompok sebelumnya
Pengacakan dan Penataan
20-10
Kedudukan perlakuan teracak tiap kelompok
Kelompok IV
Kelompok III
Kelompok II
Kelompok I
Ilustrasi pola percobaan acak kelompok (RAKelompok ) Contoh 2-22. Suatu percobaan pertumbuhan berasumsi akan ada perbedaan dengan peletakkan satuan percobaan di bawah naungan suatu tegakan menggunakan 4 jenis tanah yang berbeda dan dijadikan sebagai kelompok (I, II, III & IV). Perlakuan berupa pemberian 5 jenis pupuk yang berbeda (A, B, C, D, E) tiap kelompok. Pengelompokan pada kasus ini terkait dengan kedudukan/posisinya dari penyinaran matahahri. Tahap pengacakan kelompok
Lakukan penomoran kelompok secara terurut (1, 2, 3, 4) sebagai pengganti notasi kelompok (I , II , III , IV)
Pola dasar bagan percobaan Acak Kelompok
Tentukan lembar terpilih dan angka teracak awal (ATA) ¾ Dipilih lembar 4 dan tunjuk. Angka yang tertunjuk dan setelah diperluas 4 angka adalah …3 7241. (baris ke 69 dan lajur ke 64). Berarti lembar yang terpilih adalah lembar 3 dan ATA pada baris ke 72 dan lajur ke 41. Pengacakan dan Penataan
20-11
¾
Periksa lembar 3, baris ke 72 dan lajur ke 41 ATA dan AC lainnya adalah .7726 60640 dst
Dipilih “lembar 4” Terpilih lembar 7 3 ≈
Perluasan 4 angka diperoleh Baris 66 & Lajur 90
Periksa “lembar 3” Lajur 90 tidak ditemukan
Penyesuaian : L = 90 - 50 = 40
Ketentuan angka acak ¾ Jumlah kelompok sebanyak 4 berarti terdiri dari 1 angka, maka pengacakan didasarkan pada (n+1) = 2 angka. Angka acak (AC) terbesar yang digunakan adalah kelipatan 24 yaitu sebesar 96; diperoleh dari (4 x 24) ¾ Angka acak > 96 (nilai terbesar) diabaikan ¾ Angka acak sebesar 00 diabaikan, karena berarti 100 ¾ Angka acak yang terulang diabaikan ¾ Urutan kedudukan tiap kelompok didasarkan pada peringkat nilai angka acak Peringkat kedudukan kelompok Angka acak : 49745 424.. Kelompok I II III IV
Pengacakan dan Penataan
No. urut
Angka acak
Peringkat
1 2 3 4
49 74 54 24
{2} {4} {3} {1}
20-12
Hasil pengacakan kelompok selanjutnya akan dilakukan pengacakan perlakuan
Tahap pengacakan perlakuan
Pengacakan perlakuan tiap kelompok sejalan dengan cara sebelumnya. Satuan percobaan perlakuan diacak tiap kelompok sesuai dengan nomor peringkat tiap kelompok (IV, I, III dan II) atau secara terurut menurut kelompok.Tentu angka-angka acak yang terpilih tidak akan sama.
23. Percobaan Faktorial dan Tersarang Pengacakan suatu rancangan pada percobaan faktorial maupun tersarang pada dasarnya pengembangan dari kedua uraian di atas. Untuk percobaan faktorial hanya terjadi pada kombinasi perlakuan. Sehingga pengacakan kelompok atau tidak tergantung pola percobaan. Adapun untuk percobaan tersarang juga tergantung dari pola percobaan yang ditentukan sebelumnya.
Pengacakan dan Penataan
20-13
30
POLA
PERCOBAAN SEDERHANA Percobaan yang dimaksud adalah pola percobaan yang hanya menggunakan satu faktor atau yang lebih kenal dengan sebutan faktor tunggal. Faktor tunggal disini memang hanya terdiri satu faktor saja dengan beberapa taraf. Atau dapat juga terdiri beberapa faktor (perlakuan) yang masing-masing berdiri sendiri-sendiri (tidak berkombinasi/interaksi) sehingga secara keseluruhan dinyatakan sebagai faktor tunggal.
31. Rancangan Acak Lengkap (Completely Randomized Design ) Pola percobaan ini secara garis besar jika bahan-bahan percobaan (experiment material ) yang digunakan dan keadaan/kondisi lingkungan (enviroment ) bersifat seragam atau homogen (uniform ). Kondisi lingkungan homogen ini tidak terdapat lokal kontrol sehingga yang diamati hanya perlakuan dan galat percobaan saja. Umumnya pada kondisi lingkungan yang terkontrol, misalnya ruang-ruang laboraratorium, rumah-kaca atau hamparan lahan yang relatif tidak begitu luas. Sehubungan dengan banyaknya pengamatan yang dinyatakan sebagai ulangan, terkadang tidak dapat dipenuhi. Sehingga pengulangan dalam percobaan menjadi tidak sama. Untuk itu dalam uraian ini akan dijelaskan pula RALengkap dengan ulangan sama dan taksama. Penggunaan RALengkap ulangan taksama dapat pula dimanfaatkan jika terjadi kendala terhadap bahan yang dicobakan. Misal terjadi kerusakan pada tanaman, sehingga menyebabkan ulangan menjadi taksama.
A. RALengkap Ulangan Sama Pola Percobaan Pola lapangan atau yang dapat diserupakan seperti lapangan dengan tata letaknya menggunakan acak bebas atau acak kelompok. Perlakuan terdiri 5 faktor dan tiap faktor diulang sebanyak 3 kali. Katakan saja tiap perlakuan dan tiap ulangan terdiri 6 satuan percobaan. Sehingga total seluruhnya adalah (5 x 3 x 6) = 90 satuan percobaan. Untuk mudahnya dinotasikan sebagai Yprs (p = 1, 2, …. , 5; r = 1, 2, 3; dan s = 1, 2, … , 6). n
Setelah melalui proses acak diperoleh pola percobaannya seperti sajian berikut. Ulangan 1 p2r1s1
Ulangan 3
p2r1s3 p2r1s6
p2r3s6
p2r3s1
Ulangan 2 p2r3s2
p2r2s1
p2r2s3 p2r2s4
Perlakuan 2 p2r1s4 p2r1s2 p2r1s5
p2r3s3 p2r3s4 p2r3s5
p2r2s6 p2r2s2 p2r2s5
p3r1s6 p3r1s2 p3r1s3
p3r3s1
p3r2s1
p3r1s4
p3r3s2 p3r3s3 p3r3s5
p3r3s6 p3r3s4
p3r2s2 p3r2s6
Perlakuan 3
Pola Percobaan Sederhana
p3r1s1
p3r1s5
p3r2s3 p3r2s5 p3r2s4
30-1
p5r1s2
p5r1s1
p5r1s6
p5r1s3
p5r1s1
p5r1s3 p5r1s4
p5r1s4
p5r1s1
p5r1s2
p5r1s5 p5r1s4
p5r1s2 p5r1s6 p5r1s5
p5r1s6
p5r1s5 p5r1s3
p1r1s1
p1r1s6
p1r1s4
p1r1s5
p1r1s1
p1r1s4
p1r1s6
p1r1s2
p1r1s1
p1r1s2
p1r1s3
p1r1s5
p1r1s6
p1r1s3
p1r1s2
p1r1s5
p1rs3
p1r1s4
p4r1s4
p4r1s6 p4r1s2
p4r1s6
p4r1s2
p4r1s4
p4r1s3
p4r1s1
p4r1s6
p4r1s1
p4r1s3 p4r1s5
p4r1s1
p4r1s5
p4r1s3
p4r1s5
p4r1s2
p4r1s4
Perlakuan 5
Perlakuan 1
Perlakuan 4
Gambar 3-1. Pola percobaan acak lengkap ( 5 x 3) Hasil acak di atas mengikuti acak kelompok yaitu saat mengacak ulangannya. Dasar pemikirannya jika berupa percobaan lapangan ; walau pengelompokan di lapangan tidak selalu harus diacak. Jadi pengacakan tiap ulangannya dilakukan sekaligus terhadap semua perlakuan. Bedanya dengan pengacakan kelompok, acak lengkap ini bisa saja dilakukan secara bebas dalam artian mengacak sekaligus perlakuan dan ulangannya. Meskipun pola dasar pemikirannya mendahulukan perlakuan dan selanjutnya ulangan. Hasil proses acak ini di tampilkan (Gambar 3-1) dengan maksud agar jika dikaji ulang ternyata pengulangannya perlu dikelompokan, maka pola percobaan lapangannya tidak menimbulkan masalah baru. o
Bagan Pengamatan
Data hasil pengamatan (di atas) selanjutnya direkam ke dalam daftar berikut (bagan pengamatan). Tabel 3-1. Bagan pengamatan RALengkap (5 x 3) dengan 5 contoh uji Ulangan 1
Rataan
2
Rataan 3
Rataan Jumlah
P1 Y111 …. Y115 Y11. Y121 Y122 …. Y112 Y116 Y11. Y131 …. Y136 Y13. Y1..
Pola Percobaan Sederhana
P2 Y211 …. Y215 Y21. Y221 Y222 …. Y225 Y226 Y21. Y231 …. Y236 Y23. Y2..
Perlakuan P3 Y311 …. Y315 Y31. Y321 Y312 …. Y325 Y316 Y31. Y331 …. Y331 Y33. Y3..
P4 Y411 …. Y415 Y41. Y421 Y422 …. Y425 Y426 Y41. Y431 …. Y431 Y43. Y4..
P5 Y511 …. Y515 Y51. Y521 Y522 …. Y525 Y526 Y51. Y531 …. Y531 Y53. Y5..
Jumlah
Y.1.
Y.2.
Y.3. Y... 30-2
Sebelum data diolah lebih dulu dirata-ratakan yaitu dibagi 6. Upaya perbanyakan untuk per perlakuan per ulangan tersebut untuk mengatasi jika terjadi data rusak/hilang, disamping itu pula berfungsi untuk memperkecil galat percoban. Jadi data yang akan dihitung untuk analisis keragaman adalah “yang diberi warna kuning” (setelah dirata-ratakan). Untuk jelasnya seperti bagan berikut. Tabel 3-2. Bagan pengamatan RALengkap ( 5 x 3) Ulangan
P1
P2
P3
P4
P5
Jumlah
1
Y11. Y12. Y13. Y1..
Y21. Y22. Y23. Y2..
Y31. Y32. Y33. Y3..
Y41. Y42. Y43. Y4..
Y51. Y52. Y53. Y5..
Y.1. Y.2. Y.3. Y...
2 3
Jumlah
Bagan pengamatan secara umum untuk pola percobaan acak lengkap (RALengkap) adalah Tabel 3-3. Bagan pengamatan umum untuk RALengkap Pengamatan 1 2 .. r Jumlah
P1 Y11 Y12 …. Y1r Y1.
P2 Y21 Y22 …. Y2r Y2.
P3 Y31 Y32 …. Y3r Y3.
Pp Yp1 Yp2 …. Ypr Yp.
Jumlah Y.1 Y.2 …. Y.r Y..
Rataan
Y1.
Y2.
Y3.
Yp.
Y..
Y j. p
p = ∑ Yij j=1
Y..
p r = ∑ ∑ Yij j=1 i=1
Y j. = Y j./p
Y.. = Y../pr
Analisis Keragaman
Tabel 3-4. Bagan Analisis Keragaman RALengkap
Sumber Keragaman
Derajat Bebas ( db )
Jumlah Kuadrat ( JK )
Kuadrat Tengah ( KT )
Perlakuan Galat percobaan Total
dbP dbG dbT
JKP JKG JKT
KTP KTG
Uji Fisher Fp
Fα(db1;db2)
KTP
/KTG -
-
Perhitungan sumber keragaman p r ( ∑ ∑ Yij)2 j=1 i=1
db1 = dbP = p-1 db2 = dbG = p(r-1) dbT = p.r-1
JKP =
FK =
p r ∑ ( ∑ Yij)2 j=1 i=1
r
Pola Percobaan Sederhana
- FK
JKT
p.r p r = ∑ ∑ Yij2 j=1 i=1
- FK
JKG = JKT - JK 30-3
KTP =
JKP
/dbP
KTG =
JKG
/dbG
Fp =
KTP
/KTG
Fα(dbP;dbG)
Hasil perhitungan di atas dimasukkan ke dalam bagan analisis. Selanjutnya lakukan uji statistik F yaitu Fhitung (Fp) dan bandingkan dengan Ftabel = F α(db1;db2) [dibaca : nilai uji Fisher dengan salahduga sebesar α pada db1 = derajat bebas perlakuan dan db2 = derajat bebas galat percobaan] Cara lain untuk menentukan nilai pembanding Ftabel yaitu nilai Fα(db1;db2) : (1) menggunakan rumusan FINV dengan bantuan layar ME (Microsoft Excel) Buka layar ME dan posisikan kruser (sembarang cell) pada ¾ kotak hijau untuk F0,05(db1;db2); ketik “=FINV(0.05,db1,db2)” Enter db2 db1 Nilai F Nilai F ¾ kotak jingga untuk F0,01(db1;db2); 5% 1% ketik “=FINV(0.01,db1,db2)” Enter Catatan : db1, db2, 5% dan 1% tidak ditulis juga tak masalah, hanya sebagai pengingat.
(2) atau langsung menggunakan Microsoft Excel (lihat Lampiran 02)
Hipotesis H0 :
2
= 0 ; pengaruh rataan perlakuan dinyatakan seragam
H1 :
2
> 0 ; minimal ada satu pasang rataan perlakuan yang berbeda
Keputusan uji KTP
Fp = /KTG Fp ≤ Fα (dbP;dbG) ; terima Ho atau tolak H1 Fp > Fα (dbP;dbG) ; tolak Ho atau terima H1 Bila mengunakan salah duga α = 5% dan atau 1%, maka ≤ F0,05(dbP;dbG) Î tidak berbeda nyata (maksudnya : pengaruh pelakuan tidak berbeda nyata pada salahduga 5%, terima Ho)
F0,05(dbP;dbG) < Fp < F0,01(dbP;dbG) Î berbeda nyata (maksudnya : pengaruh perlakuan berbeda nyata pada salah duga 5%, terima H1; tapi tidak berbeda nyata pada salahduga 1%, terima Ho )
Fp > F0,01(dbP;dbG) Î berbeda sangat nyata (maksudnya : pengaruh perlakuan berbeda nyata pada salahduga 1%, terima H1) atau dapat dinotasikan sebagai ≤ F0,05(dbP;dbG)
Fp
Î
tidak berbeda nyata
> F0,05(dbP;dbG) tapi < F0,01(dbP;dbG) > F0,01(dbP;dbG)
Pola Percobaan Sederhana
Î
Î
berbeda nyata
berbeda sangat nyata
30-4
q
Model Rancangan
Data percobaan dalam RAL diasumsikan dengan model linier : Yij = µ j + εij = nilai tengah perlakuan + pengaruh acak = µ + (µ j - µ) + εij
Yij = µ +
j
+
εij
i = 1, 2, …………, r ; j = 1, 2, ……..…., p Yij = peubah yang akan dianalisis (respon) µ = rataan umum τ j = pengaruh perlakuan ke-j εij = galat percobaan dari pengaruh acak yang berasal dari perlakuan ke-j pada pengamatan ke-i
Model di atas sebenarnya : 1) µ berupa harga tetap 2) τ j ditentukan dengan dua pilihan yaitu Στ j = 0
; disini hanya membicarakan tentang p buah perlakuan dalam suatu percobaan. Pilihan ini dinyatakan sebagai Analisis Ragam Model Pengaruh Tetap (Model Tetap) atau Model I. τ j ~ NI(0,σ τ2) ; disini berurusan dengan sebuah populasi dengan p buah perlakuan. Makna : ∼ = menyebar secara ; NI = Normal Independent dibaca : τ j menyebar secara normal dan bebas dgn nilai tengah = 0 dan ragam = στ2 Analisisnya merupakan Analisis Ragam Model Pengaruh Acak (Model Acak) atau Model Komponen Ragam atau Model II. Model yang mana akan digunakan perlu ditentukan lebih dulu. Ini penting karena pada akhirnya akan menentukan “Uji Keberartian” berdasarkan Kuadrat Tengah (KT) yang diharapkan atau dugaan KT dengan notasi E (KT). Kuadrat tengah perlakuan (KTP) dalam RAL mencerminkan besarnya keragaman yang timbulkan oleh perlakuan. Sedangkan kuadrat tengah galat (KTG) mencerminkan besarnya keragaman yang ditimbulkan oleh pengaruh galat percobaan. Memperhatikan model tsb berarti dalam percobaan dengan RAL ini tidak terdapat lokal kontrol. Sehingga dalam “Sumber Keragaman”nya hanya terdiri dari perlakuan dan galat percobaan. Tidak terdapatnya lokal kontrol karena adanya keseragaman kondisi antara lain : * peralatan, bahan dan media * lingkungan lokasi/tempat percobaan (1) Model I atau Model Tetap (Fixed Model )
Model ini mengilustrasikan bahwa peneliti hanya dapat mengambil kesimpulan dari perlakuan yang dicobakannya. Bila perlakuan yang dicobakan sebanyak p buah, maka kesimpulan yang dapat ditarik hanya pada p buah perlakuan tsb saja; tidak menyangkut atau tidak ada kaitan dengan suatu populasi.
Asumsi yang mendasari model tetap ini meliputi : (1) pengaruh perlakuan j ini bersifat tetap (2) galat percobaan ij bebas dan menyebar normal dengan nilai tengah nol dan ragam
Pola Percobaan Sederhana
2
.
30-5
Asumsi model tetap dalam statistik dinotasikan sebagai : E ( j) = j ; E ( ij) = 0 ; E ( ij2) = 2 εij tidak berkorelasi dan ∑τ j = 0
Hipotesis yang akan diuji dengan model tetap ini adalah : H0 : µ1 = µ2 = …….. = µP ; nilai tengah dari semua perlakuan adalah sama H1 : minimal ada satu nilai tengah yang tidak sama dengan lainnya
Jika H0 benar berarti semua perlakuan mempunyai nilai tengah yang sama sebesar µ. Dalam bentuk perlakuan hipotesis ini dapat pula dinyatakan : H0 : 1 = 2 = …….. = P = 0 H1 : minimal ada j ≠ 0 ; j = 1, 2, ……, p
Analisis Keragaman RAL Model Tetap Tabel 3-5. Bagan Analisis Keragaman RAL Model Tetap Sumber Perlakuan (antar perlakuan) Galat percobaan (dalam perlakuan) Total Catatan :
db
JK
KT
dbP
JKP
KTP
dbG
JKG
KTG
dbT
JKT
E (KT) 2
σ
+ [r/(p-1)] ∑
2 i
σ 2
= pengaruh perlakuan yang bersifat tetap dihitung ; j = (Yi./r) – Y../p.r = µi - µ = nilai tengah perlakuan ke-i – nilai tengah populasi
j
(2) Model II atau Model Acak (Random Model )
Model ini mengilustrasikan bahwa si peneliti berhadapan dengan populasi perlakuan. Kesimpulan yang diperoleh dari populasi perlakuan didasarkan pada sejumlah p buah perlakuan yang dicobakan, dimana setiap perlakuan dipilih secara acak dari populasi perlakuan yang ada.
Asumsi yang mendasari model acak ini meliputi : (1) Komponen µ, j dan ij bersifat aditif (2) j (j = 1, 2, …., p) terpolih secara acak dari populasi perlakuan τ yang ada (3) ij timbul secara acak dan menyebar normal dengan nilai tengah = nol dan ragam
2
.
Asumsi model acak dalam statistik dinotasikan sebagai : E ( j) = 0 ; E ( j2) = 2. E ( ij2) = 0 dan j serta
; E ( ij2) = 2 ij adalah peubah acak bebas
Hipotesis yang akan diuji dengan model acak ini adalah : H0 : 1 = 2 = …….. = m = 0 ; rataan sesungguhnya dari salah satu grup perlakuan yang sama atau tidak ada keragaman dalam populasi perlakuan ( 2 = 0) H1 : rata-rata sesungguhnya dari salah satu grup perlakuan berbeda dengan yang lain atau paling sedikit ada satu j ≠ 0 ; berarti ada keragaman dalam populasi perlakuan ( 2 > 0)
Pola Percobaan Sederhana
30-6
Notasi statistik hipotesis ini adalah : H0 :
2
=0
lawan
2
H1 :
>0
Analisis keragaman RAL Model Acak
Bagan pengamatan, perhitungan sumber keragaman, pengujian statistik F dan keputusan uji sama seperti pada analisis keragaman model tetap. Untuk nilai harapan kuadrat tengah perlakuan dalam analisis ragamnya diadakan penyesuaian. Tabel 3-6. Bagan Analisis Keragaman RAL Model Acak Sumber Perlakuan (antar perlakuan) Galat percobaan (dalam perlakuan) Total
db
JK
KT
dbP
JKP
KTP
dbG
JKG
KTG
dbT
JKT
E (KT) σ 2
+ r.σ 2 σ 2
Untuk kedua model di atas (model tetap dan model acak) dalam perhitungan nilai harapan kuadrat tengah perlakuan E (KTP) didasarkan pada ulangan yang sama banyak. Apabila ulangan diantara perlakuan tidak sama, maka nilai harapan kuadrat tengah perlakuan untuk model acak menjadi : 2
E (KTP) = σ +
ro.στ2
untuk ro = Σ r j -
Σr j2
1
Σr j
p-1
Untuk model tetap dengan τ j = 0, akan mempunyai nilai harapan kuadrat tengah perlakuan seperti : Σr j.τ j
E (KTP) = σ2 +
2
-
(Σr j.τ j)2 Σr j
(p – 1)
Kasus 3-11 . Suatu percobaan ketebalan dari Kayu Lapis dengan tiga variasi tekanan panas. Masing-masing tekanan adalah 10 kg/cm2, 12 kg/cm2 dan 14 kg/cm2. Pengulangan dilakukan masing-masing 5 kali dan pengamatan tiap tekanan untuk tiap ulangan dilakukan kali pengamatan.
Rekap data ketebalan Kayu Lapis (mm) dengan tiga variasi tekanan panas Tekanan (kg/cm2 10 12 14
Ulangan 1 15,487 15,228 14,933
2 15,460 15,325 14,942
3 15,535 15,210 14,922
4 15,467 15,312 14,940
5 15,477 15,190 14,950
Jumlah
Rataan
77,425 76,265 74,687
15,4850 15,2530 14,9373
Sumber : Sihombing.,N.M. 2003. Fahutan (selengkapnya pada Talam 4-1).
dbP = 3-1 = 2
; dbG = 3(4-1) = 12
; dbT = (3)(5) – 1 = 14
FK = (77,425 + 76,265 + 74,687)2/(3)(5) = 3477,0601 JKP = [{(77,425)2 + (76,265)2 + (74,687)2}/(5)] - FK = 0,7557 JKT = {(15,487)2 + (15,460)2 + …. + (14,940)2 + (14,950)2} – FK = 0,7747 JKG = JKT – JKP = 0,0190 ; KTP = JKP/dbP = 0,7557/2 = 0,3778 Pola Percobaan Sederhana
30-7
KTG = JKG/dbG = 0,0190/12 = 0,0016 ; Fp = KTP/KTG = 238,2180 Analisis Keragaman Ketebalan dari Kayu Lapis dengan Tiga Variasi Tekanan Panas Sumber Tekanan Galat Total
db
JK
KT
Ftekanan
F0,05(2;12) F0,01(2;12)
2 12
0,7557 0,0190
0,3778 0,0016
238,2180**
3,8853
-
-
14
0,7747
-
6,9266
Untuk menentukan F pembanding (Fα(db1;db2)) buka layar ME Posisikan kruser pada ¾ kotak hijau untuk F0,05(db1;db2); ketik “=FINV(0.05,2,12)” Enter ¾
db2 12
db1 2
kotak jingga untuk F0,01(db1;db2); ketik “=FINV(0.01,2,12)” Enter
3.8853
6.9266
5%
1%
Hasil uji menunjukkan perbedaan tekanan akan menghasilkan ketebalan kayu kayu lapis yang berbeda. Kasus 3-12 . Bagaimana kondisi porositas tanah akibat kebakaran hutan, maka dilakukan penelitian di desa Benua Riam (Kabupaten Banjar). Percobaan dilakukan pada areal hutan yang telah terbakar 1 tahun dan 4 tahun. Sebagai kontrol digunakan areal hutan yang tidak terbakar. Pengamatan ulang dilaksanakan sebanyak 5 (lokasi) kali.
Nilai porositas tanah (%) akibat kebakaran hutan Ulangan
Terbakar 1 thn
Terbakar 4 thn
Kontrol
1 2 3 4 5
36,74 35,64 36,70 44,12 52,98
52,10 45,79 49,29 55,45 48,54
54,94 47,92 56,18 48,27 31,96
Sumber : Ulfah, F. 2002. Fahutan UnLam (Lab. Balitra 2001).
Setelah melalui perhitungan seperti pada Kasus 3-11 diperoleh analisis keragamannya seperti berikut. Analisis Keragaman Kondisi Porositas Tanah Akibat Kebakaran Hutan Sumber Kebakaran hutan Galat Total
db
JK
KT
FKebakaran
F0,05(2;12)
2 12
217,3772 644,8724
108,6886 53,7394
2,0255
3,8853
-
-
14
862,2496
Ternyata akibat kebakaran pada areal hutan di desa Benua Riam belum menunjukkan pengaruh terhadap kondisi porositas tanah. Kasus 3-13 . Suatu percobaan kualitas tempat tumbuh terhadap riap volume Acacia mangium dengan model logistik dan bantuan program CurveExpert versi 1,34. Indikator yang digunakan untuk melihat kualitas tempat tumbuh adalah peninggi pada umur 5 tahun pada setiap hektar. Data peninggi yang diambil sebanyak 10 pohon tertinggi tiap PUP (0,1 Pola Percobaan Sederhana
30-8
ha). Data hasil pengelompokan parameter tingkat berdasarkan kualitas tempat tumbuh seperti sajian berikut. Rekapitulasi Nilai c pada kualitas tempat tumbuh Ulangan
Kualitas I
Kualitas II
Kualitas III
1 2 3 4
0,66003303 0,28094905 0,38002772 0,55555417
0,732814 0,526637 0,568783 0,386934
0,397591 0,684847 0,413824 0,491214
Sumber : Sumarsono, A. 2003. Fahutan UnLam
Setelah melalui perhitungan sumber keragaman dan uji statistik F diperoleh analisis keragamannya seperti berikut. Analisis Keragaman Kualitas Tempat Tumbuh terhadap Riap Volume Acacia mangium Sumber Kualitas TT Galat Total
db
JK
KT
Fkualitas
F0,05(2;9)
2 9
0,014900 0,200237
0,007450 0,022249
0,3348
4,2565
-
-
11
0,215137
Untuk kasus seperti ini tidak benar langsung menyatakan bahwa kualitas tempat tumbuh tidak menunjukkan perbedaan yang nyata pada salahduga %. Jika demikian perlu ditelaah uji kebalikan F atau uji 1/F. Caranya (uji 1/F) adalah ¾ Fhitung perlakuan = 0,3348 ¾ Hitung 1/Fp = 1/0,3348 = 2,9864 ¾ Bandingkan nilai 1/Fp dengan salah duga 5%, ternyata 1/Fp = 2,9864 > 0,05 ¾ Jadi bahwa benar nilai c pada kualitas tempat tumbuh tidak memberikan pengaruh berbeda nyata pada pertumbuhan dan riap volume Acacia mangium pada salahduga 5%. Kasus 3-14 . Percobaan anakan ulin (masih ada kotiledon) dengan perlakuan 5 jenis pupuk dan masing jenis dilakukan pengulangan 3 kali. Pupuk C1 E1 D2 A1 D1 tersebut merupakan campuran 3 jenis pupuk tunggal yaitu urea, Pospat dan Kalium. Dengan dosis dan ukuran E2 A3 B3 C3 A2 tertentu diperoleh 5 jenis pupuk campuran yaitu NPK (A), PK (B), NK (C), NP (D) dan tanpa pupuk sebagai B1 C2 D3 E3 B2 kontrol (E). Semua anakan diletakan di sekitar pinggir hutan dengan anggapan pencahayaaan yang diperoleh merata. Hasil pengacakan peletakkan anakan (satuan percobaan) diperoleh bagan percobaan seperti sajian di atas. Pewarnaan sebagai ilustrasi %cahaya yang diperoleh satuan percobaan anakan.
Pola Percobaan Sederhana
30-9
Rekapitulasi data pertambahan luas daun (cm2) anakan ulin tiap bulan Ulangan 1 2 3 Jumlah
NPK 229,53 222,19 209,37 661,09
PK 189,94 256,04 193,52 639,50
NK 225,28 236,61 202,08 663,97
NP 231,45 274,75 200,80 707,00
Kontrol 208,50 256,73 168,88 652,11
Jumlah 1084,71 1246,32 992,65 3323,67
Sumber : Karim, A.A. 1983. Fahutan UnLam (disederhanakan).
Setelah melalui perhitungan sumber keragaman dan uji statistik F diperoleh analisis keragamannya seperti berikut. Analisis keragaman pertambahan luas daun (cm2) anakan ulin tiap bulan Sumber Pemupukan Galat Total
db
JK
KT
Fpemupukan
F0,05(4;10)
4 10
685,6340 8910,4063
216,4085 891,0406
0,2429
3,4780
-
-
14
9776,0404
Kasusnya seperti Kasus 3-13, dimana Fhitung perlakuan pemupukan (0,2429) menunjukkan lebih kecil dari Ftabel yaitu F0,05(4;10) = 3,4780. Hasil uji 1/F diperoleh 4,1174; berarti lebih besar dari α = 0,05. Jadi pemupukan belum menunjukkan perbedaan yang nyata.
B. RALengkap Ulangan Taksama Uraian di atas jika setiap perlakuan diberi ulangan yang sama. Jika ulangan taksama minimal satu perlakuan, maka pengolahan data dan analisisnya perlu dilakukan penyesuaian. Terkadang bahan percobaan yang akan dijadikan ulangan tidak dapat dipenuhi karena sesuatu hal atau memang terbatas keberadaannya. Namun sering pula terjadi suatu percobaan yang tadinya mempunyai ulangan sama, kemudian akibat sesuatu hal misalnya percobaan tentang pertumbuhan anakan yang bagian pucuknya di makan ayam atau kambing atau lainnya sehingga anakan yang dicobakan tidak bisa digunakan lagi. Atau juga suatu percobaan tanaman yang diharapkan hidup 100%, ternyata pada waktu tertentu ditemukan untuk ulangan-ulangan tertentu mati. Upaya untuk mengatasi kemungkinan-kemungkinan tersebut biasanya satu-satuan percobaan diperbanyak seperti telah dikemukakan sebelumnya Katakan suatu percobaan dengan 5 perlakuan, selanjutnya : ¾ tiap perlakuan diulang sebanyak 5 kali. Pada saat proses pengamatan atau saat berakhir pengamatan ternyata ada data yang rusak atau hilang; atau ¾ tiap perlakuan ingin diulang sebanyak 5 kali, tetapi karena keterbatasan bahan percobaan, maka tiap perlakuan dibuat taksama.
Pola Percobaan Sederhana
30-10
Jika ini terjadi maka bentuk bagan dan analisisnya seperti berikut. (1) Bagan pengamatan Tabel 3-7. Bagan pengamatan umum RALengkap dengan ulangan taksama Ulangan
p1 Y11 Y12 Y13 Y14 Y15 Y1.
1 2 3 4 5
Yi.
Perlakuan p3 Y31 Y32 Y33 Y34 Y35 Y3.
p2 Y21 Y23 Y2.
p4 Y41 Y42 Y43 Y44 Y4.
p5 Y51 Y52 Y53 Y5.
(2) Uji statistik F ¾
Perhitungan sumber keragaman rj
db1 = dbP = p-1
dbT = Σr j – 1 rj
p rj
2
FK = (∑ ∑ Yij) /Σr j j=1
i=1 j=1
JKG = JKT – JK ¾
db2 = dbG = dbT – dbP
j=1
p
rj
p rj
2
JKT = ∑ ∑ Yij2 - FK
JKP = ∑ [( ∑ Yij) /r j] - FK i=1
KTP =
i=1 j=1
j=1
JKP
/dbP
KTG =
JKG
/dbG
Analisis keragaman Tabel 3-8. Bagan Analisis Keragaman RALengkap untuk ulangan taksama Sumber Keragaman Perlakuan Galat percobaan Total
¾
Derajat Bebas ( db )
Jumlah Kuadrat ( JK )
Kuadrat Tengah ( KT )
dbP dbG dbT
JKP JKG JKT
KTP KTG
Uji Fisher Fp
Fα(db1;db2)
KTP
/KTG -
-
Hipotesis dan Keputusan uji ; serupa dengan RALengkap untuk ulangan sama.
Kasus 3-15 . Percobaan terhadap pertumbuhan cabutan anakan meranti (Shorea spp ) dengan perlakuan berupa media sapih campuran gambut (G) dan abu sekam padi (A) dengan perbandingan yaitu p1 (100% G), p2 (70% G + 30% A), p3 (50% G + 50% A) , p4 (30% G + 70% A).
Rekapitulasi data pertumbuhan cabutan anakan meranti Ulangan 1 2 3 4 5
Jumlah Pola Percobaan Sederhana
p1 2,67 2,51 2,78 2,32 2,89 13,17
Media sapih p2 p3 3,17 2,78 3,40
9,35
2,48 2,35 2,56 2,25 2,98 12,62
p4 2,31 2,18 2,23 2,19
8,91 30-11
dbP = 4 – 1 = 3 ; r1 = 5 ; r2 = 3 ; r3 = 5 ; r4 = 4 dbT = (5 + 3 + 5 + 4) – 1 = 16 ; dbG = dbT – dbP = 13 FK = (13,17 + 9,35 + 12,68 + 8,91)2/(5 + 3 + 5 + 4) = (44,05)2/17 = 114,141324 JKP = [ (13,17)2/5 + (9,35)2/3 + (12,62)2/5 + (8,91)2/4 ] – FK = 1,389195 JKT = [ (2,67)2 + (3,17)2 + …… + (2,89)2 + (2,98)2 ] – FK = 2,114776 JKG = JKT – JKP = 0,725582 ; KTP = JKP/dbP = 1,389195/3 = 0,463065 KTG = JKG/dbG = 0,725582/13 = 0,055814 Analisis keragaman pertumbuhan cabutan anakan meranti Sumber Media sapih Galat Total
db
JK
KT
Fmedia
F0,05(3;13)
F0,01(3;13)
3 13
1,389195 0,725582
0,463065 0,055814
8,2966**
3,4105
5.7394
-
-
16
2,114776
-
Ternyata media sapih berupa campuran gambut dan abu sekam padi menunjukkan pengaruh sangat nyata terhadap pertumbuhan cabutan anakan meranti.
32. Rancangan Acak Kelompok (Randomized Completely Block Design ) Berbeda dengan percobaan acak lengkap, disini ditemukannya lokal kontrol. Terutama untuk percobaan lapangan umumnya cukup sulit untuk menemukan kondisi lingkungan yang benar-benar homogen. Untuk kondisi luasan yang relatif sempit (tidak begitu luas) masih memungkinkan. Pengupayaan lokal-lokal kontrol berupa pengelompokan bahan-bahan percobaan maupun adanya pengulangan perlakuan yang tidak seragam (heterogen). Atau dengan kata lain mengendalaikan homogenitas pada lokal-lokal tertentu agar menjadi lebih seragam. Jika percobaan acak lengkap (RALengkap) dipaksakan, maka memungkinkan adanya pengaruh perlakuan yang seharusnya berbeda nyata menjadi berbeda tidak nyata. Ini disebabkan karena galat percobaan seharusnya kecil, tapi diperoleh galat yang besar. Keheterogenan yang sering terjadi adalah saat melakukan pengulangan tiap perlakukan yang dicobakan. Jika ini terjadi maka pengulangan dijadikan kelompokkelompok yang lebih seragam, sehingga dinyatakan kelompok samadengan ulangan.
A. Pola Percobaan Pola lapangan atau yang dapat diserupakan seperti lapangan dengan tata letaknya menggunakan acak kelompok. Percobaan terdiri dari 3 kelompok dan tiap kelompok terdiri 4 perlakuan. Untuk per kelompok per perlakuan terdiri dari 4 satuan percobaan. Sehingga seluruh satuan percobaan yang digunakan sebanyak (3 x 4 x 4) = 48. Untuk mudahnya dinotasikan sebagai Yrps (r = 1, 2,3; p = 1, 2, 3, 4; dan s = 1, 2, 3, 4). Setelah melalui proses acak diperoleh pola percobaannya seperti sajian berikut. Kelompok II
Kelompok I
Kelompok III
r2p3s1
r2p2s3
r1p3s2
r1p3s1
r3p3s1
r3p3s3
r2p3s4
r2p2s2
r1p3s3
r1p3s4
r3p3s4
r3p3s2
Perlakuan 3
Pola Percobaan Sederhana
30-12
r2p1s4
r2p1s1
r1p1s2
r1p1s3
r3p1s3
r3p1s2
r2p1s2
r2p1s3
r1p1s1
r1p1s4
r3p1s1
r3p1s4
r2p4s2
r2p4s1
r1p4s3
r1p4s4
r3p4s1
r3p4s2
r2p4s3
r2p4s4
r1p4s2
r1p4s1
r3p4s3
r3p4s4
r2p2s2
r2p2s3
r1p2s1
r1p3s4
r3p2s2
r3p2s3
r2p2s4
r2p2s1
r1p2s3
r1p3s2
r3p2s1
r3p2s4
Perlakuan 1
Perlakuan 4
Perlakuan 2
Gambar 3-2. Pola percobaan acak kelompok (3 x 4)
B. Bagan Pengamatan Data hasil pengamatan (di atas) selanjutnya direkam ke dalam daftar berikut (bagan pengamatan). Tabel 3-9. Bagan pengamatan RAKelompok (3 x 4) dengan 4 contoh uji Perlakuan 1
Rataan 2
Rataan 3
Rataan 4
Rataan Jumlah
Kelompok I
II
III
Y111 ….. Y114 Y11. Y121 ….. Y124 Y11. Y131 ….. Y134 Y11. Y141 ….. Y144 Y14. Y1..
Y211 ….. Y214 Y21. Y221 ….. Y224 Y21. Y231 ….. Y234 Y21. Y241 ….. Y244 Y24. Y2..
Y311 ….. Y314 Y31. Y321 ….. Y324 Y31. Y331 ….. Y334 Y31. Y341 ….. Y344 Y34. Y3..
Jumlah
Y.1.
Y.2.
Y.3.
Y.4. Y...
Sebelum data diolah lebih dulu dirata-ratakan yaitu dibagi 4. Karena adanya perbanyakan untuk per perlakuan per ulangan tersebut untuk mengatasi jika terjadi data rusak/hilang, disamping itu pula berfungsi untuk memperkecil galat percoban. Jadi data yang akan dihitung untuk analisis keragaman adalah “yang diberi warna kuning” (setelah dirata-ratakan). Untuk jelasnya seperti bagan berikut.
Pola Percobaan Sederhana
30-13
Tabel 3-10. Bagan pengamatan RAKelompok (3 x 4) Perlakuan
Kelompok II Y21. Y22. Y23. Y23. Y2..
I Y11. Y12. Y13. Y13. Y1..
1 2 3 4
Jumlah
Jumlah
III Y31. Y32. Y33. Y33. Y3..
Y.1. Y.2. Y.3. Y.3. Y...
Bagan pengamatan secara umum untuk pola percobaan acak kelompok seperti sajian tabel berikut. Tabel 3-11. Bagan pengamatan umum RAKelompok Kelompok
Perlakuan 1 2
…. p Jumlah
I
II
III
Y11. Y12. …… Y1p Y1
Y21. Y22. …… Y2p Y2
Y31. Y32. …… Y3p Y3
r
p
Yi. = ∑ Yij
r
Y. j = ∑ Yij
i=1
……. ……. …... …… …… ……
Y.1. Y.2. …… Y.p Y.
p
Y.. = ∑ ∑ Yij
Y. j = Y. j/p
i=1 j=1
j=1
Jumlah
r Yr1. Yr2. …… Yrp Yr
Y.. = Y../rp
C. Analisis Keragaman
Perhitungan sumber keragaman db1 = dbR atau dbP dbK = k-1 r p
FK = ( ∑ ∑ yij)2/r.p i=1 j=1 r
i=1 j=1
r
p
JKK = [∑ (∑ yij)2/p] - FK i=1 j=1
p
r
JKP = [∑ (∑ yij)2/r] - FK j=1 i=1
p
JKT = ∑ ∑ yij2 - FK KTR =
db2 = dbG = (r-1)(p-1) dbP = p-1 dbT = rp-1
JKR
/dbR
JKG = JKT – JKR – JKP KTP =
JKP
/dbP
KTG =
JKG
/dbG
Uji statistik F
Hasil perhitungan di atas dimasukkan ke dalam bagan analisis. Selanjutnya hitung untuk Fhitung (Fp) dan bandingkan dengan Ftabel = Fα(db1;db2) [dibaca : nilai uji Fisher dengan salahduga sebesar α pada db1 = derajat bebas perlakuan dan db2 = derajat bebas galat percobaan].
Pola Percobaan Sederhana
30-14
Tabel 3-12. Bagan Analisis Keragaman RAKelompok Derajat Bebas ( db )
Jumlah Kuadrat ( JK )
Kuadrat Tengah ( KT )
Kelompok
dbR
JKR
KTR
KTR
Perlakuan Galat percobaan Total
dbP dbG dbT
JKP JKG JKT
KTP KTG
KTP
Sumber Keragaman
¾
Uji Fisher Fhitung
Fα(db1;db2)
/KTG
/KTG -
-
Hipotesis H0 : στ2 = 0 ; berarti tidak ada keragaman dalam populasi perlakuan H1 : στ2 > 0 ; berarti ada keragaman dalam populasi perlakuan
¾
Keputusan uji Untuk Fhitung perlakuan (Fp) =
KTP
/KTG Fp ≤ Fα(dbP;dbG) ; terima H0 atau tolak H1 Fp > Fα(dbP;dbG) ; tolak H0 atau terima H1 Bila menggunakan salah duga α = 5% dan atau 1%, maka ≤ F0,05(dbP;dbG) Î tidak berbeda nyata (maksudnya : pengaruh pelakuan tidak berbeda nyata pada salahduga 5%, terima Ho) F0,05(dbP;dbG) < Fp < F0,01(dbP;dbG) Î berbeda nyata (maksudnya : pengaruh perlakuan berbeda nyata pada salah duga 5%, terima H1; tapi tidak berbeda nyata pada salahduga 1%, terima Ho )
Fp > F0,01(dbP;dbG) Î berbeda sangat nyata (maksudnya : pengaruh perlakuan berbeda nyata pada salahduga 1%, terima H1) atau dapat dinotasikan sebagai ≤ F0,05(dbP;dbG)
Fp
Î
tidak berbeda nyata
> F0,05(dbP;dbG) tapi < F0,01(dbP;dbG) > F0,01(dbP;dbG)
Î
Î
berbeda nyata
berbeda sangat nyata
D. Efisiensi Pengelompokan Untuk mengetahui apakah pengelompokan yang dilakukan cukup efisien dalam upaya memperkecil perbedaan galat percobaan, dapat ditelaah dengan cara sbb : (1) Uji F (Fisher) Pada keputusan uji di atas telah dikemukakan bahwa jika Fhitung kelompok (Fk) lebih kecil dari Ftabel, berarti pengelompokan tidak menunjukkan perbedaan (berbeda tidak nyata) dengan salahduga sebesar α untuk db1 = dbR dan db2 = dbG. Fk ≤ F0,05(dbR;dbG) Î berbeda tidak nyata ¾
jika pendugaan pengelompokan pada satuan percobaan cukup kuat, maka seharusnya paling tidak Fr berbeda nyata pada salahduga 5%
Pola Percobaan Sederhana
30-15
¾ jika
tidak, berarti pendugaan adanya kelompok pada satuan percobaan adalah keliru. Untuk itu model RAKelompok harus diubah menjadi RALengkap
(2) Keefisienan RAK terhadap RAL Pengujian hipotesis tentang tidak adanya pengaruh kolompok (βi = 0) dengan uji F tidak dibenarkan (Gaspersz, 1994). Karena mencerminkan pembentukan kelompok tidak dilakukan secara acak seperti pada penentuan perlakuan. Padahal makna pembentukan kelompok dimaksudkan untuk mengurangi keragaman satuan percobaan dalam setiap kelompok. Tabel 3-13. Bagan Analisis Keragaman RALengkap (2) Sumber Keragaman Perlakuan Galat percobaan
derajat bebas (p - 1) p (r -1)
Jumlah Kuadrat JKP JKG
Total
r.p – 1)
JKT
Kuadrat Tengah KTP KTG
Terlihat saat perhitungan dengan RAL, nilai KTK dan KTG disatukan; Atau saat perhitungan dengan RAK diadakan pemisahan galat percobaan ke dalam pengaruh kelompok dan pengaruh murni dari galat percobaan itu sendiri. Jadi jelas mengurangi pengaruh galat percobaan. Untuk mengetahui apakah pengelompokan lebih sesuai (efisien), maka dilakukan perkiraan seandainya percobaan tsb menggunakan RAL. Langkah-langkah penelaahannya dapat dilakukan dua cara adalah Cara Pertama :
(a) Menentukan nilai koefisien nisbi KN (RAK terhadap RAL) KN
=
[dbR.KTR(RAK)] + [r.dbP.KTG(RAK)] dbT.KTG(RAK)
(b) Jika dbG(RAK) kurang dari 20, maka nilai KN dilakukan penyesuaian sebesar ϕ yaitu
ϕ =
[dbR.dbP + 1] [p.dbR + 3] [dbR.dbP + 3] [p.dbR + 1]
Sehingga diperoleh KN yang disesuaikan adalah KNϕ = KN. ϕ (c) Keputusan uji : jika KNϕ > 1; berarti penggunaan RAKelompok dapat meningkatkan ketepatan percobaan sebesar KNϕ% dibanding jika menggunakan RALengkap. Atau dengan kata lain bahwa jika menggunakan RALengkap diperlukan ulangan sebanyak KNϕ lebih banyak agar diperoleh besaran perbedaan perlakuan yang sama dengan RAKelompok. Ringkasnya apakah RAK lebih efisien dari RAL, maka dapat digunakan acuan berikut : > 100% ; RAK lebih efisien darpada RAL Jika KN (RAK thd RAL) < 100% ; RAL lebih efisien darpada RAK
Pola Percobaan Sederhana
30-16
Cara Kedua :
(a) Menentukan pendugaan terhadap KTG(RALengkap) KTG(RALengkap) =
dbR.KTR + (dbP + dbG).KTG dbR + dbP + dbG
untuk db dan KT adalah derajat bebas dan kuadrat tengah pada RAKelompok
(b) Menentukan nilai koefisien nisbi KN (RAK terhadap RAL) KN =
KTG(RAL) KTG(RAK)
Jika dbG(RAK) kurang dari 20, maka nilai KN dilakukan penyesuaian sebesar ϕ yaitu
ϕ =
[dbG(RAK) + 1] [dbG(RAL) + 3] [dbG(RAL) + 3] [dbG(RAK) + 1]
untuk dbG(RAL) diperoleh dari [dbG(RAK) + dbR(RAK)]
Sehingga KN (RAK terhadap RAL) yang disesuaikan diperoleh KNϕ =
[dbG(RAK) + 1] [dbG(RAL) +3] . KTG(RAL) [dbG(RAL) +1] [dbG(RAK) + 3] . KTG(RAK)
(c) Keputusan uji : jika KNϕ > 1; berarti penggunaan RAKelompok dapat meningkatkan ketepatan percobaan sebesar KNϕ% dibanding jika menggunakan RALengkap. Atau dengan kata lain bahwa jika menggunakan RALengkap diperlukan ulangan sebanyak KNϕ lebih banyak agar diperoleh besaran perbedaan perlakuan yang sama dengan RAKelompok. Ringkasnya apakah RAK lebih efisien dari RAL, maka dapat digunakan acuan berikut : > 100% ; RAK lebih efisien darpada RAL Jika KN (RAK thd RAL) < 100% ; RAL lebih efisien darpada RAK
E. Model Rancangan Model linier Rancangan Acak Kelompok (RAK) diasumsikan sebagai
Yij =
µ
+
i
+
j
+
εij
Yij = peubah yang akan dianalisis (respon) µ = rataan umum ρi = pengaruh kelompok ke i τ j = pengaruh perlakuan ke j εij = galat percobaan dari pengaruh acak yang berasal dari perlakuan ke-j dan disebabkan kelompok ke-i
Seperti halnya pada RAL, pada RAK pun dihadapkan dua pilihan terhadap perlakuan τ j yang dicobakan apakah menggunakan Model Tetap atau Model Acak. d
Pola Percobaan Sederhana
τ j ~ NI(0,στ2)
30-17
Memperhatikan model tsb berarti dalam percobaan RAK terdapat lokal kontrol yang maksudnya menghomogenkan bahan-bahan percobaan yang bersifat heterogen menjadi beberapa bagian yang lebih kecil dan bersifat homogen. Bagian-bagian tersebut dinyatakan sebagai kelompok. Pengelompokkan ini biasanya terjadi pada kondisi lingkungan percobaan. n
Model I atau Model Tetap (Fixed Model )
Asumsi yang digunakan : E (τ j) = τ j ; E (ρi) = βi ; ∑τ j = 0 E (τ j2) = τ j2 ; E (ρi2) = βi2 ; ∑ ρi = 0 ; εij ∼ NI(0,σ2)
Hipotesisnya dirumuskan sebagai : H0 : τ1 = τ2 = ……. = τP = 0 atau τ j = 0 H1 : minimal ada τ j ≠ 0 ; j = 1, 2, ……, p
o
Model II atau Model Acak (Random Model ) Asumsi yang diperlukan adalah : E (τ j2) = στ2 ; E (ρi2) = σρ2 E (εij) = 0 ; E (εij2) = σ2 ; τ j , ρi dan εij tidak berkorelasi
Secara ringkas dinotasikan sebagai : τ j ∼ NI(0,στ2) ; βi ∼ NI(0,σρ2)
;
εij ∼ NI(0,σ2)
Rumusan hipotesisnya adalah : H0 : στ2 = 0 ; berarti tidak ada keragaman dalam populasi perlakuan H1 : στ2 > 0 ; berarti ada keragaman dalam populasi perlakuan
Kedua rumusan hipotesis yang telah dikemukakan di atas merupakan rumusan hipotesis untuk perlakuan. Rumusan hipotesis kelompok perlu dikemukakan guna menelaah apakah pengelompokan yang dibuat sesuai dengan data yang diperoleh. H0 : σρi2 ; = 0 ; i = 1, 2, …., r dengan asumsi ρi ∼ NI(0,σε2) Hipotesisnya nol menyatakan tidak terjadi perbedaan yang berarti (tidak nyata) diantara pengaruh semua kelompok dalam suatu populasi
H1 : σρi2 > 0 ; Hipotesisnya tidak samadengan nol menyatakan terjadi perbedaan yang berarti (berbeda nyata) minimal sepasang kelompok dalam suatu populasi Z
Analisis Ragam RAK Model Tetap dan Model Acak
Tabel 3-14. Bagan Analisis Ragam RAK Model Tetap dan Model Acak Sumber Keragaman Kelompok Perlakuan Galat percobaan Total
Pola Percobaan Sederhana
db
JK
KT
dbP dbP dbG dbT
JKK JKP JKG JKT
KTK KTP KTG
E (KT) Model Tetap Model Acak 2 2 σ + p.∑ ρi /(r-1) σ 2 + p.σ ρ2 σ 2 + r.∑ i2/(p-1) σ 2 + r.σ 2 σ 2
σ 2
30-18
Kasus 3-21 . Percobaan dengan tiga kelerengan berbeda (A, B dan C) ingin mengetahui MAI tinggi pada tegakan Acacia mangium dengan masing-masing berumur 4 tahun, 6 tahun dan 11 tahun dinyatakan sebagai kelompok. Rekapitulasi MAI tinggi (m) berikut diperoleh dari TaLam 11-2.
Rekapitulasi MAI tinggi (m) tegakan Acacia mangium dengan tiga kelerengan berbeda Kelompok I II III Jumlah
A
B
C
Jumlah
2,2366 1,3125 1,0096 4,5587
2,2098 1,3295 0,9182 4,4575
2,0556 1,0764 0,8850 4,0170
6,5020 3,7184 2,8128 13,0332
Perhitungan komponen sumber : dbR = (3 – 1) = 2 ; dbP = (3 – 1) = 2 ; dbT = (3)(3) – 1 = 8 ; dbG = 8 - 2 - 2 = 4 FK = (13,0332)2/(3)(3) = 18,8738 JKR = [{(6,5020)2 + (3,7184) 2 + (2,8128) 2}/3] - 18,8738 = 2,4643 JKP = [{(4,5587)2 + (4,4575) 2 + (4,0170) 2}/3] - 18,8738 = 0,0553 JKT = {(2,2366)2 + (2,2098) 2 + …. + (0,9182) 2 + (0,8850) 2} - 18,8738 = 2,5317 JKG = JKT – JKR – JKP = 0,0121 KTR = 2,4643/2 = 1,2322 ; KTP = 0, 0553/2 = 0,0277 ; KTG = 0,0121/4 = 0,0030 Fkelompok = 405,9452 ; Fkelerengan = 9,1100 Analisis keragaman MAI tinggi Acacia mangium Sumber Umur tegakan Kelerengan Galat Total
db
JK
KT
Fp
Fα(2;4)
2 2 4
2,4643 0,0553 0,0121
1,2322 0,0277 0,0030
405,9452** 9,1100*
…. …. -
8
2,5317
-
Fkelompok = 405,9452 ; Fkelerengan = 9,1100 untuk α = 0,05 dengan (db1;db2) = (dbR atau dbP;dbG) = (2;4) diperoleh 6,9443 untuk α = 0,01 dengan (db1;db2) = (2;4) diperoleh 18,0000 Hasil uji Fisher menunjukkan bahwa (1) pendugaan pengelompokan umur adalah tepat (berbeda nyata ) (2) perbedaan kelerengan menunjukkan pengaruh terhadap MAI tinggi tegakan Acacia mangium (berbeda sangat nyata ) Kasus 3-22 . Terkait dengan Kasus 3-21, ingin mengetahui keefisienan pengelompokan RAKelompok terhadap RALengkap (cara pertama).
KN
=
KN
=
[dbR.KTR(RAK)] + [r.dbP.KTG(RAK)] dbT.KTG(RAK) 2(1,2322) + 3(2).( 0,0030) 8(0,0030)
Pola Percobaan Sederhana
30-19
=
(2,4643 + 0,0182)
/0,0243 = 102,2363
Karena dbG(RAK) kurang dari 20, maka nilai KN dilakukan penyesuaian sebesar ϕ yaitu
ϕ =
ϕ = =
[dbR.dbP + 1] [p.dbR + 3] [dbR.dbP + 3] [p.dbR + 1] [(2)(2) + 1] [3(2) + 3] [(2)(2) + 3] [3(2) + 1] (5)(9)
/(7)(7) = 0,9184
Sehingga diperoleh KN yang disesuaikan adalah KNϕ = KN.ϕ KNϕ = (102,2363)( 0,9184) = 93,8905 Hasilnya menunjukkan bahwa penggunaan RAKelompok meningkatkan ketepatan percobaan sebesar 9389% dibanding penggunaan RALengkap. Jadi percobaan dengan RAKelompok lebih sesuai dibanding jika menggunakan RALengkap. Kasus 3-23. Percobaan jarak tanam dilakukan pada kondisi lapangan yang agak miring. Jarak tanam (perlakuan) yang digunakan adalah (1 x 3) m, (3 x 3) m, (3 x 5) m dan (5 x 5) m. Adanya kemiringan permukaan lahan di lokasi percobaan, maka disamping jarak tanam juga diperkirakan kemiringan lahan (kelerengan) akan memberikan pengaruh terhadap pertumbuhan diameter anakan meranti. Respon pertumbuhan yang diperoleh adalah
Rekapitulasi data pertambahan diameter (mm) anakan meranti Kelerengan
A 0,58 0,62 0,67 1,87
I II III Jumlah
Jarak tanam B C 0,55 0,48 0,64 1,67
0,48 0,37 0,38 1,23
Jumlah
D 0,21 0,42 0,38 1,01
1,82 1,89 2,07 5,78
Cara perhitungan sumber keragaman seperti pada Kasus 3-21 dan hasilnya dimasukkan ke dalam tabel analisis keragaman seperti sajian berikut. Analisis keragaman pertambahan diameter (cm) anakan meranti (1) Sumber Kelerengan Jarak tanam Galat Total
db
JK
KT
Fhitung
2 3 6
0,0083 0,1556 0,0409
0,0042 0,0519 0,0068
0,6103 7,6103*
11
0,2048
-
-
Fα(db1;db2) …. …. -
Ftabel untuk Kelompok (kelerengan) : F0,05(2;6) = 5,1433 ; F0,01(2;6) = 10,9248 Perlakuan (jarak tanam) : F0,05(3;6) = 4,7571 ; F0,01(3;6) = 9,7795 Hasil uji Fisher menunjukkan bahwa (1) perbedaan jarak tanam akan menyebakan perbedaan yang nyata pada pertumbuhan diameter anakan meranti. (2) sedangkan untuk Fhitung kelerengan yang dijadikan kelompok perlu ditelaah lebih dulu dengan melakukan uji 1/F. Hasil uji 1/F sebesar 1,6386. Ini berarti 1,6386 lebih Pola Percobaan Sederhana
30-20
besar dari α = 0,05. Jadi benar bahwa kelerengan berupa kelompok belum memberikan pengaruh terhadap pertumbuhan diameter anakan meranti. Namun mengingat dugaan awal bahwa pengelompokan lereng akan mempunyai pengaruh sehingga diadakan pengelompokan lereng dengan maksud agar lebih homogen. Ternyata pendugaan awal adalah keliru. Untuk itu data perlu diolah ulang dengan menggabungkan galat kelerengan ke dalam galat percobaan. Ringkasnya percobaan dengan RAKelompok diubah ke percobaan RALengkap. Setelah data diolah ulang dengan RALengkap diperoleh analisis keragamannya seperti sajian berikut. Analisis keragaman pertambahan diameter (cm) anakan meranti (2) Sumber Jarak tanam Galat Total
db
JK
KT
Fp
F0,05(3;8)
3 8
0,0409 0,1639
0,0136 0,0205
0,6652
4,0662
-
-
11
0,2048
Hasil uji 1/F sebesar 1,5032; berarti lebih besar dari α = 0,05. Jadi berarti keempat jarak tanam belum menunjukkan perbedaan pertumbuhan tanaman anakan meranti berupa pertambahan diameter. Kesimpulan : (a) jika demikian timbulnya perbedaan (berbeda nyata) perlakuan “jarak tanam” pada pengolahan acak kelompok (RAKelompok) akibat kekeliruan pengelompokan lereng yang diduga bersifat heterogen dan ternyata sebenarnya masih bersifat homogen. (b) analisis keragaman yang diajukan (ditampilkan) bukan RAKelompok (analisis keragaman 1) tapi yang benar adalah RAlengkap (analisis keragaman 2). Sehingga secara otomatis bahasannya disesuaikan dengan RAlengkap (analisis keragaman 2). Kasus 3-24 . Aren yang bunganya berwarna putih lebih sukai karena memiliki produk nira lebih banyak daripada aren yang warna bunganya bukan putih. Untuk itu dilakukan pengamatan produk nira dari aren dengan 3 jenis warna di desa Ampah urup, kec. Dusun Tengah, kab. Barito Timur, Kalimantan Tengah.
Produksi nira berdasarkan warna bunga aren (liter) Kelompok I II III Jumlah
Produk nira (liter) Putih Kuning Merah 30,0 29,6 29,8 89,4
27,4 28,6 28,3 84,3
29,0 28,1 28,4 85,5
Jumlah 86,4 86,3 86,5 259,2
Sumber : Sutrisna,E. 2004. Fahutan UnLam.
Cara perhitungan sumber keragaman seperti pada Kasus 3-21 dan hasilnya dimasukkan ke dalam tabel analisis keragaman seperti sajian berikut.
Pola Percobaan Sederhana
30-21
Analisis keragaman produk nira dari aren (1) Sumber Kelompok Warna bunga Galat Total
Db
JK
KT
2 2 4
0,0067 4,7400 1,2733
0,0033 2,3700 0,3183
8
6,0200
-
Fhitung
F0,05(2;4)
F0,01(2;4)
0,0105 7,4450*
6,9443
18,0000
-
-
Hasil uji Fisher menunjukkan bahwa (1) pengelompokan pohon aren yang diduga tidak menunjukkan beda nyata (1/F = 95,5). (2) warna bunga ternyata menunjukkan perbedaan produk nira. Namun memperhatikan pengelompokan pohon-pohon aren tidak ada perbedaan, maka pola rancangannya diubah menjadi RALengkap. Analisis keragaman produk nira dari aren (2) Sumber Warna bunga Galat Total
db
JK
KT
F warna
F0,05(2;6)
F0,01(2;6)
2 6
4,7400 1,2800
2,3700 0,2133
11,1094**
5,1433
10,9248
-
-
8
6,0200
-
Ternyata benar warna bunga aren yang berbeda akan mengasilkan produk nira yang berbeda pula. Ini berbeda dengan Kasus 3-23 sebelumnya yang justru menjadi tidak berbeda nyata. Kasus 3-25 . Memperhatikan percobaan anakan ulin (masih memiliki kotiledon) dijelaskan pada Kasus 3-14, apa benar bahwa lokasi peletakkan anakan di hutan tersebut memiliki pencahayaan yang merata. Disini ada keraguan bahwa memperhatikan lokasi percobaan sebenarnya perlu dilakukan pengelompokan sesuai dengan pencahayaan. Untuk lebih meyakinkan keraguan tersebut, maka data dihitung ulang, dimana ulangan dijadikan kelompok. Hasil analisis keragaman dan uji Fishernya adalah
Sumber Pencahayaan Pemupukan Galat Total
db
JK
2 4 8
6596,2715 865,6340 2314,1348
14
9776,0404
KT
Fp
F0,05(db1;8)
F0,01(db1;8)
3298,1358 216,4085 289,2668
11,4017** 0,7481
4,4590 3,8379
8,6491 7,0061
-
-
Disini ternyata timbul “kasus baru” dimana penggunaan RAKelompok lebih sesuai dibanding jika menggunakan RALengkap. Perhatikan Fhitung pencahayaan menunjukkan berbeda sangat nyata (Fpencahyaaan > 1%). ¾ Perhatikan posisi pencahayaan pada pola percobaan (Kasus 3-14) tidak merata. ¾ Untuk perlakuan pemupukan dihitung dengan 1/F = 1,3367. Berarti pemupukan tidak berpengaruh terhadap pertumbuhan luas daun. ¾
Kasus seperti ini (kasus baru) tidak berarti kita dengan begitu saja merubah pola rancangan dari RALengkap menjadi RAKelompok. Ini suatu kekeliruan yang besar. Bisa saja pola rancangan diubah, tetapi bagaimana dengan pola percobaannya (penataan satuan percobaan di lapangan). Perlu diingat bahwa bentuk model linier pola rancangan diperoleh dari bentuk pola percobaan lapangan dan tidak bersifat terbalik. Jadi sangatlah keliru,
Pola Percobaan Sederhana
30-22
bila ada anggapan bahwa pola rancangan bisa diubah begitu saja tanpa menghiraukan pola percobaannya. Jalan keluar yang terbaik adalah dengan cara mengadakan percobaan ulang. Tidak ada pilihan lain. Kasus 3-26 . Sehubungan dengan kasus 3-25, maka dilakukan percobaan ulang. Katakan saja hasil penataan satuan percobaan dari pengacakan diperoleh bagan percobaan sebagai berikut.
untuk itu, data yang diolah masih data sebelumnya (Kasus 3-14). Data yang sebenarnya tidaklah demikian, pasti ada perubahan. ¾ ini dilakukan dengan maksud untuk memperlihatkan kesesuaian pola rancangan (model) terhadap pola percobaan di lapangan. ¾
I
E1
A1
C1
D1
B1
II
D2
B2
E2
C2
A2
III
C3
A3
B3
E3
D3
Setelah data dihitung ulang diperoleh analisis keragamannya seperti disajikan pada Kasus 3-25 dengan pola percobaan seperti di atas dan tidak seperti pola percobaan yang diilustrasikan pada Kasus 314.
33. Rancangan Bujursangkar Latin (Latin Square Design ) Penggunaan rancangan ini jika menginginkan suatu percobaan yang lebih teliti. Rancangan ini lebih teliti dibandingkan denga RAlengkap dan RAKelompok, karena memperkecil galat percobaan dengan mengadakan lokal kontrol dalam dua arah yang disebut lajur atau kolom (colum ) dan baris (row ). Disamping itu pula bahan percobaan diupayakan homogen. Syarat untuk mengadakan percobaan ini adalah a. setiap arah untuk lajur dan baris tiap perlakuan hanya terdapat satu kali. Jadi kolom dan baris merupakan ulangan. b. banyaknya perlakuan terbatas yaitu antara 5 sampaidengan 12. Jika lebih banyak, maka kemungkinan besar penyediaan bahan-bahan percobaan yang bersifat homogen sukar dilaksanakan. c. banyaknya ulangan (r) = perlakuan (p) = lajur = baris.
A. Model Rancangan Data percobaan dalam RBSLatin diasumsikan melalui model linier :
Yij(t) =
µ
+
i
+
К j
+
(t)
+
εij
Yij(t) = peubah yang akan dianalisis (respon) µ = rataan umum τ(t) = pengaruh perlakuan ke t βi = pengaruh kelompok ke i εij = galat percobaan dari pengaruh acak yang berasal dari baris ke-i, lajur ke-j dan perlakuan ke-t К j = pengaruh kelompok ke j t=i=j
Pola Percobaan Sederhana
30-23
B. Analisis Keragaman RBSLatin (1) Bagan percobaan Beberapa kerangka susun bagan pengamatan ini antara lain (a) Standard square ; jika kolom pertama dan baris pertama disusun secara alfabet atau angka terurut. 1 2 3 4 5 lajur
1 A B C D E
2 B .. .. .. ..
3 C .. .. .. ..
4 D .. .. .. ..
5 E .. .. .. ..
baris Susunan baris I dan lajur I adalah ABCDE = ABCDE
(b) Conjugate square ; jika susunan baris pada square pertama (Standard square ) dibuat menjadi samadengan lajur dari square kedua. 1 2 3 4 5 lajur
1 A B C D E
2 B A E C D
3 C D A E B
4 D E B A C
baris
5 E C D B A
Susunan baris I dan lajur I adalah ABCDE = ABCDE BADEC = BAECD CEABD = CDAEB DCEAB = DEBAC EDBCA = ECDBA
(c) Self conjugate square ; jika susunan square baris dan kolom adalah sama. 1 2 3 4 lajur
1 A B C D
2 B A D C
3 C D A B
4 D C B A
baris Susunan baris I dan lajur I adalah ABCD = ABCD CDAB = CDAB BADC = BADC DCBA = DCBA
(d) Adjugate set ; jika dilakukan pergeseran dari baris ke lajur bersama huruf nya sehingga membentuk square yang baru. 1 2 3 4
1 A B C D
Lajur
2 B A D C
3 C D B A
4 D C A B
baris 1 2 3 4
1 A B C D
2 C D B A
3 B A D C
4 D C A B
baris dst
lajur
(e) Self adjugate set ; jika dilakukan pergeseran dari baris dan lajur huruf nya akan menghasilkan square yang sama. Dalam praktenya kita dapat membuat suatu standard square. Selanjutnya dari standard square disusun square baru yang non-standard dan banyaknya adalah n : (n-1). Dari sekian banyak square yang diperoleh dapat dipilih secara acak mana yang akan Pola Percobaan Sederhana
30-24
digunakan sebagai bagan percobaan. Beberapa standard square yang dapat digunakan langsung dalam suatu percobaan seperti sajian Talam 10-1. (2) Bagan pengamatan Tabel 3-15. Bagan Pengamatan RBSLatin untuk (5 x 5) Baris
1
2
3
4
5
Σbaris
1 2 3 4 5
A B C D E
B A D E C
C E A B D
D C E A B
E D B C A
B1 B2 B3 B4 B5
Σlajur
L1
L2
L3
L4
L5
LB
Lajur
(3) Hitung jumlah tiap perlakuan dan rataanya Perlakuan A. B. C. D. E.
Penjumlahan tiap perlakuan A1 + A2 + A3 + A4 + A5 B1 + B2 + B3 + B4 + B5 C1 + C2 + C3 + C4 + C5 D1 + D2 + D3 + D4 + D5 E1 + E2 + E3 + E4 + E5
Rataan A./5 = R1 B./5 = R2 C./5 = R3 D./5 = R4 E./5 = R5
(4) Analisis keragaman Tabel 3-16. Analisis Keragaman RBSLatin Sumber Keragaman Baris Lajur Perlakuan Galat percobaan Total
Derajat Bebas ( db ) dbB dbL dbP dbG dbT
Jumlah Kuadrat ( JK ) JKB JKL JKP JKG JKT
Kuadrat Tengah ( KT ) KTB KTL KTP KTG
Uji Fisher Fhitung
Fα(db1;db2)
Fbaris Flajur Fperlakuan -
-
Perhitungan jumlah kuadrat, kuadrat tengah dan uji statistik F dbBaris = b-1 dbLajur = l-1 catatan : p = b = l
dbPerlakuan = p-1 dbG = (p-1)(p-2)
dbT = p2-1
FK (LB)2/p2 JKBaris = ΣBi/p – FK = (B12 + B22 + B32 + B42 + B52)/p - FK JKLajur = ΣLi/p – FK = (L12 + L22 + L32 + L42 + L52)/p - FK JKPerlakuan = ΣPi/p – FK = (A2 + B2 + C2 + D2 + E2)/p - FK
Pola Percobaan Sederhana
30-25
JKT = (A12 + …. + A52 + B12 + …. + B52 + C12 + …. + C52 + D12 + …. + D52 + E12 + …. + E52) - FK JKG = JKT – JKB – JKL - JKP
KTB = JKB/dbB
KTP = JKP/dbP KTG = JKG/dbG KTBaris KTLajur Fbaris = /KTG Flajur = /KTG
KTL = JKL/dbL Fperlakuan =
KTP
/KTG
(5) Hipotesis H0 : στ2 = 0 ; berarti tidak ada keragaman dalam populasi H1 : στ2 > 0 ; berarti ada keragaman dalam populasi (6) Keputusan uji ≤ F0,05(db1;dbG)
Fp
Î
tidak berbeda nyata
> F0,05(db1;dbG) tapi < F0,01(db1;dbG) > F0,01(db1;dbG)
Î
Î
berbeda nyata
berbeda sangat nyata
db1 = dbL atau dbB atau dbP ; db 2 = dbG Fperlakuan = Fbaris = Flajur
C. Efisiensi Pengelompokan Disini ingin mengetahui apakah pengelompokan baris dan lajur cukup efisien. Untuk itu perlu ditelaah dengan langkah-langkah sebagai berikut :
(1). Pengelompokan baris dan lajur (a) Hitung nilai Fbaris (Fb) dan Flajur (Fl) Fb = KTB/KTG
dan
Fl = KTL/KTG
(b) Bandingkan setiap Fhitung (Fbaris dan Flajur) dengan nilai Ftabel pada salah duga sebesar α, db1 = (p – 1), db2 = (p – 1)(p – 2). (2). Keefisienan RABLatin terhadap RALengkap dan RAKelompok
(a) Tentukan keefisienan nisbi (KN) RBSLatin terhadap RALengkap KN (RALengkap) =
KTB + KTL + (p – 1)KTG (p – 1)KTG
Ini untuk melihat ketepatan penggunaan RBSLatin dibanding RALengkap. Juga untuk mengetahui berapa banyak ulangan diperlukan RALengkap agar besaran perbedaan perlakuan yang ditimbulkan samadengan yang ditunjukkan oleh RBSLatin (b) Tentukan keefisienan nisbi (KN) RBSLatin terhadap RAKelompok. Koefisien ini di hitung dengan dua cara yaitu jika baris dianggap sebagai kelompok dan jika lajur dianggap sebagai kelompok. KN (RAK, baris) =
KN (RAK, lajur) =
Pola Percobaan Sederhana
KTB + (p – 1)KTG p.KTG KTL + (p – 1)KTG p.KTG 30-26
Keduanya untuk menelaah apakah penambahan pengelompokan baris atau lajur akan meningkatkan ketepatan dibanding lajur atau baris sebagai kelompok. KN ini menunjukkan apakah RAKelompok dengan baris atau lajur sebagai kelompok akan sama efisiennya dengan RBSLatin Sebelumnya jika dbGalat dalam analisis keragaman RBSLatin kurang dari 20, maka nilai KN dikalikan dengan faktor penyeseusian sebesar k yang rumusannya k =
[(p – 1)(p – 2) + 1] [(p – 1)2 + 3 ] [(p – 1)(p – 2) + 3] [(p – 1)2 + 1 ]
sehingga kedua rumusan di atas menjadi KN (RAK, baris; k) =
KTB + (p – 1)KTG
KN (RAK, lajur; k) =
p.KTG KTL + (p – 1)KTG
(k)
(k)
p.KTG (c) Pengujian :
untuk Pengelompokan baris dan lajur Jika Fhitung (Fbaris dan atau Flajur) lebih besar dibanding nilai Ftabel (salah duga = α, db1 = (p – 1), db2 = (p – 1)(p – 2).) berarti pengelompokan baris dan atau lajur berbeda nyata.
untuk KN (RALengkap) Jika KN (RAL) > 1; berarti ada peningkatan ketepatan percobaan. Atau dengan kata lain bahwa jika menggunakan RALengkap diperlukan ulangan sebanyak nilai KN(RAL) lebih banyak agar diperoleh perbedaan besaran perlakuan yang sama dengan RBSLatin.
untuk KN (RAK, baris) dan KN (RAK, lajur) Jika KN (RAK baris atau lajur) > 1; maka dinyatakan ¾ untuk Baris : penambahan pengelompokan baris akan memungkinkan dilaksanakan dengan RBSLatin dengan dugaan akan menaikkan ketepatan percobaan dibanding dengan RAKelompok dengan lajur sebagai kelompok . ¾ untuk Lajur : penambahan pengelompokan lajur akan memungkinkan dilaksanakan dengan RBSLatin dengan dugaan akan menaikkan ketepatan percobaan dibanding dengan RAKelompok dengan baris sebagai kelompok .
Kasus 3-31. Percobaan ingin mengetahui perbedaan pertumbuhan anakan Shorea spp hasil dari cabutan terdiri dari S. lamellata , S. johorensis , S. ovalis , S. laevifolia merupakan perlakuan. Masing-masing perlakuan terdiri 4 anakan sebagai lajur . Media sapih yang digunakan berupa campuran tanah gambut (G) dan abu sekam padi (P) dengan komposisi (100% G + 0% P), (70% G + 30% P), (50% G + 50% P), (30% G + 70% P) sebagai baris . Bagan percobaan dan hasil pengamatannya adalah
Pola Percobaan Sederhana
30-27
Nomor Baris 1 2 3 4
Nomor Lajur 2 3 C A D B B D A C
1 B C A D
4 D A C B
(1) Susun data hasil pengamatan seperti daftar di atas beserta penempatan tiap perlakuannya (2) Hitung jumlah baris dan lajurnya Nomor Baris 1 2 3 4 Jlh Lajur (L)
Pertambahan tinggi (cm) Lajur 1 Lajur 2 Lajur 3 Lajur 4 0,924(B) 0,954(C) 0,845(A) 0,879(D) 1,128(C) 0,972(D) 1,015(B) 1,105(A) 1,040(A) 1,089(B) 0,963(D) 0,973(C) 0,945(D) 0,996(A) 1,007(C) 0,984(B) 4,037
4,011
3,830
3,941
Jumlah Baris (B) 3,602 4,220 4,065 3,932 15,819
Sumber : Sari, H. 1998. Fahutan UnLam.
(2) Hitung jumlah tiap perlakuan dan rataannya A = A1 + A2 + A3 + A4 = 0,845 + 1,105 + 1,040 + 0,996 = 3,986 ; dan seterusnya Perlakuan A B C D
Jumlah
Rataan
3,986 4,012 4,062 3,759
0,9965 1,0030 1,0155 0,9398
(4) Perhitungan sumber keragaman dan uji statistik F dbT dbB dbG dbG
= p2 – 1 = 16 -1 = 15 = dbL = dbP = p – 1 = 4 – 1 = 3 = (p – 1)(p – 2) = (4 - 1)(4 - 2) = 6 atau = dbT – dbB – dbL - dbP = 15 – 3 - 3 – 3 = 6
FK = (LB)2/p2 = (15,819)2/(4)2 = 15,640049 JKB = (B12 + B22 + B32 + B42)/p – FK = [ {(3,602)2 + (4,220)2 + (4,065)2 + (3,932)2 }/4] - 15,640049 = 0,051866 JKL = (L12 + L22 + L32 + L42)/p – FK = [ {(4,037)2 + (4,011)2 + (3,830)2 + (3,941)2 }/4] - 15,640049 = 0,006420 JKP = (A2 + B2 + C2 + D2)/p – FK = [ {(3,986)2 + (4,012)2 + (4,062)2 + (3,759)2 }/4] - 15,640049 = 0,013519 JKT = (A12 + …. + A42 + B12 + …. + B42 + C12 + …. + C42 + D12 + …. + D42) – FK = [ (0,845)2 + (0,996)2 + …. + (0,963)2 + (0,945)2] - 15,640049 = 0,087893 JKG = JKT – JKB – JKL – JKP = 0,087893 - 0,051866 - 0,006420 - 0,013519 = 0,016089 Pola Percobaan Sederhana
30-28
KTB = JKB/dbB = 0,051866/(4-1) = 0,017289 KTL = JKL/dbL = 0,006420/(4-1) = 0,002140 KTP = JKP/dbP = 0,013519/(4-1) = 0,004506 KTG = JKG/dbG = 0,016089/(3)(2) = 0,002681 KTB Fb = /KTG = 0,017289/0,002681 = 6,4474 KTL Fl = /KTG = 0,002140/0,002681 = 0,7981 KTP Fp = /KTG = 0,004506/0,002681 = 1,6805 Fα(db1;db2) = Fα(dbP;dbG) = F0,05(3;6) = 4,7571 = F0,01(3;6) = 9,7795 (5) Analisis keragaman Analisis Keragaman Pertambahan tinggi Sumber Baris Lajur Perlakuan Galat Total
db
JK
KT
Fhitung
F0.05(3;6)
F0.01(3;6)
3 3 3 6
0,051866 0,006420 0,013519 0,016089
0,017289 0,002140 0,004506 0,002681
6,4474* 0,7981 1,6805
4,7571
9,7795
15
0,087893
-
Keempat jenis Shorea tidak menunjukkan perbedaan. Sedangkan pengelompokan campuran media sapih berupa baris menunjukkan perbedaan pada salah duga 5%. (6) Efisiensi Pengelompokan (a) Pengelompokan Lajur dan Baris Pengelompokan baris menunjukkan keberhasilan (Fb > F0.05(3;6)) dibandingkan pengelompokan lajur (Fl < F0.05(3;6)). Ini juga berarti keberhasilan pengelompokan lajur dapat memperkecil galat percobaan dibanding pengelompokan baris. (b) Keefisienan RABLatin terhadap RALengkap dan RAKelompok b1. keefisienan nisbi (KN) RBSLatin terhadap RALengkap KN (RAL) =
KTB + KTL + (p – 1)KTG (p + 1)KTG
= [0,017289 + 0,002140 + (4 – 1)(0,002681)]/(4 + 1)(0,002681) = 2,0491 Jadi KN (RAL) > 1; berarti menunjukkan peningkatan ketepatan percobaan sebesar 205%. Atau dengan kata lain jika menggunakan RALengkap diperlukan ulangan sebanyak 2,05 lebih banyak agar diperoleh perbedaan besaran perlakuan yang sama dengan RBSLatin. b2. keefisienan nisbi (KN) RBSLatin terhadap RAKelompok. Memperhatikan nilai k, ternyata dbGalat RBSLatin sebesar 6 lebih kecil dari 20. Sehingga diperlukan penyesuaian sebesar k sebagai k =
[(p – 1)(p – 2) + 1] [(p – 1) 2 + 3 ] [(p – 1)(p – 2) + 3] [(p – 1) 2 + 1 ]
Pola Percobaan Sederhana
30-29
= [(4 – 1)(4 – 2) + 1] [(4 – 1)2 + 3 ]/ [(4 – 1)(4 – 2) + 3] [(4 – 1) 2 + 1 ] = 0,933333 Jadi KN yang telah disesuaikan dengan k adalah KN (RAK, baris; k) =
KTB + (p – 1)KTG p.KTG
(k)
= [{0,017289 + (4-1). 0,002681}/4.( 0,002681)]. 0,933333 = (2,361849)(0,933333) = 1,428516 KN (RAK, lajur; k) =
KTL + (p – 1)KTG
(k)
p.KTG = [{0,002140 + (4-1) 0,002681}/4.( 0,002681)]. 0,933333 = (0,949523)(0,933333) = 0,016189 Hasilnya menunjukkan bahwa penambahan pengelompokan lajur dalam RBSLatin tidak akan menaikkan ketepatan dibanding dengan baris sebagai kelompok . Penambahan pengelompokan baris memungkinkan untuk dilaksanakan RBSLatin dengan dugaan akan menaikkan ketepatan percobaan sebesar 143% dibanding RAKelompok dengan lajur sebagai kelompok (1,62%). Jadi pengujian ini menunjukkan bahwa untuk RAKelompok dengan baris sebagai kelompok akan sama efisiennya dengan RBSLatin.
Pola Percobaan Sederhana
30-30
40
POLA
PERCOBAAN FAKTORIAL 41. Pengertian Faktorial Percobaan faktorial (Factorial Experiment ) merupakan suatu percobaan yang terdiri dari minimal 2 faktor atau lebih, tiap faktor terdiri dari minimal 2 taraf atau lebih dan setiap ulangan terdapat semua susunan kombinasi perlakuan. Percobaan faktorial berarti pula penggambungan 2 faktor atau lebih yang pelaksanaannya berjalan serentak dengan susunan perlakuan yang berkombinasi ke masing-masing taraf perlakuan. Banyaknya ulangan yang dianggap minimal untuk percobaan faktorial serupa dengan percobaan sederhana yaitu tergantung dari dbGalat percobaannya. Demikian pula untuk bentuk model linier pola rancangannya tergantung dari pola percobaannya dan tidak bersifat terbalik. Permasalahan yang sering terjadi (peneliti muda atau pemula) pada percobaan 2 faktor atau lebih (faktorial) adalah (1) mengkombinasikan 2 faktor atau lebih yang sebenarnya tidak benar. (a) Misalkan ada 2 perusahaan (atau lebih) menghasilkan produk tertentu yang sama dan juga memiliki kesamaan ukuran. Katakan saja perusahaan A dan B dengan masingmasing produk yang sama dihasilkan berupa papan, kayu lapis, balokan. Notasi ketiga sortimen ini adalah a1, a 2 dan a3 untuk perusahaan A dan untuk perusahaan B sebagai b1, b2 dan b3. Selanjutnya ingin diketahui apakah benar produk tertentu itu adalah sama atau berbeda dari kedua perusahaan tersebut. Kedua perusahaan dinyatakan sebagai perlakuan A dan perlakuan B, berarti terjadi kombinasi A dan B (notasinya A x B). Jika demikian berarti hasil kombinasinya adalah (A x B) = a1b1, a1b2, a 1b3, a2b1, a 2b2, a 2b3, a 3b1, a3b2 dan a3b3. Pertanyaan yang timbulkan apakah dibenarkan perusahaan A dapat dikombinasikan dengan perusahaan B, sehingga menghasilkan 9 kombinasi taraf perlakuan. Kombinasi seperti ini merupakan kejadian yang mustahil. (b) Permisalan yang lain, ingin mengetahui sesuatu sifat kayu dengan melakukan pengujian pada bagian pangkal, tengah dan ujung batang. Batang kayu yang akan diuji dari jenis M dan jenis K. kedua jenis dikombinasikan sehingga diperoleh kombinasi bagian batang (berupa sample ) adalah m1k1, m1k2, m1k3, m2k1, m2k2, m2k3, m3k1, m3k2 dan m3k3. Pertanyaannya mungkinkah kombinasi tersebut jadi demikian. Juga merupakan kejadian yang mustahil. (2 ) Permasalahan yang sering terjadi adalah perlu tidaknya uji lanjutan (uji beda rataan) dilakukan untuk setiap perlakuan yang berbeda nyata. Katakan percobaan terdiri dari faktor A dan B sehingga dalam sumber keragamannya ditulis faktor tunggal A dan B, interaksinya AB. Jika hasil Fhitung menyatakan suatu perlakuan berbeda nyata pada salah duga sebesar α adalah : (a)faktor A dan atau faktor B, maka yang akan ditelaah lebih lanjut adalah faktor A dan atau faktor B, Pola Percobaan Faktorial
40-1
(b)faktor A dan atau faktor B, juga faktor AB (interaksinya), maka yang perlu ditelaah lebih lanjut adalah interaksi AB. Adapun faktor A dan faktor B tidak perlu di telaah. Tidak keliru jika faktor A dan atau faktor B ditelaah lebih lanjut dengan maksud ingin mengetahui taraf yang mana pada faktor A dan atau faktor B tersebut menunjukkan pengaruh nyata (berbeda nyata). Namun kembali pada makna percobaan faktorial. Mengapa percobaan dilakukan dengan pola percobaan faktorial ?. Tentu ingin mengetahui lebih jauh pengaruh yang diberikan bila kedua faktor tersebut dikombinasikan. Atau dengan bahasa sederhana, menginginkan kombinasi pelakuan yang mana akan memberikan hasil (respon) lebih baik dibanding kalau hanya faktor A saja atau faktor B saja, meskipun keinginan yang dimaksud belum tentu terpenuhi. Jadi tidak keliru untuk menelaah faktor A dan atau faktor B, namun berarti kurang memahami makna dan maksud penggunaan percobaan faktorial.
42. Rancangan Acak Lengkap Faktorial A. Interaksi antara Dua Faktor Percobaan ini biasa juga disebut sebagai percobaan faktorial 22. Selebihnya adalah (2 x 3), (3 x 3) dan seterusnya. Katakan kedua faktor tersebut A dan B yang masing-masing terdiri dua taraf yaitu a1 & a2 dan b1 & b2. Kombinasinya adalah a1b1, a1b2, a2b1 dan a2b2. Disamping itu ditambahkan pula adanya pengaruh sederhana dan pengaruh utama setiap faktor A dan faktor B karena kedua pengaruh itu cukup berperan (erat hubungannya) dan juga merupakan langkah langsung dalam perhitungan pengaruh interaksi. Interaksi kedua faktor ini secara umum didapat dilustrasikan sebagai Tabel 4-1. Pengaruh sederhana, pengaruh utama dan interaksi a1
a2
A Jumlah
b1 b2 Jumlah
a1b1 a1b2 a1b.
a2b1 a2b2 a2b.
a.b1 a.b1 a.b.
Rataan
a1b.
b2 - b1
(b2 – b1)1
Faktor
Taraf
B
Rataan
a2 – a1
a.b1 a.b2
(a2 – a1)1 (a2 – a1)2
a2b.
a.b.
(a2 – a1).
(b2 – b1)2
(b2 – b1).
-
Makna dari tabel di atas adalah (1) pengaruh sederhana (single effects ) ¾ pengaruh sederhana A pada b1 = (a2 – a1)1 A pada b2 = (a2 – a1)2 ¾ pengaruh sederhana B pada a1 = (b2 – b1)1 B pada a2 = (b2 – b1)2
= a2b1 - a1b1 = a2b2 - a1b2 = a1b2 - a1b1 = a2b2 - a2b1
(2) pengaruh utama (main effects ) pengaruh faktor utama A A = (a2 – a1). = [(pengaruh sederhana A pada b1) + (pengaruh sederhana A pada b2)]/2 = [(a2 – a1)1 + (a2 – a1)2]/2 Pola Percobaan Faktorial
40-2
= ½ [(a2b1 - a1b1) + (a2b2 - a1b2)] atau = ½ [(a2b1 + a2b2) - (a1b1 + a1b2)]
pengaruh faktor utama B B = (b2 – b1). = [(pengaruh sederhana B pada a1) + (pengaruh sederhana B pada a2)]/2 = [(b2 – b1)1 + (b2 – b1)2]/2 = ½ [(a1b2 - a1b1) + (a2b2 – a2b1)] atau = ½ [(a1b2 + a2b2) - (a1b1 + a2b1)]
(3) pengaruh interaksi faktor A dan faktor B dapat diperoleh dari (dua cara) ¾ perbedaan antara pengaruh sederhana faktor A pada kedua taraf B A x B = [(pengaruh sederhana A pd b2) - (pengaruh sederhana A pd b1)]/2 = ½ [(a2b2 - a1b2) - (a2b1 – a1b1)] atau = ½ [(a2b2 + a1b1) - (a1b2 + a2b1)] ¾
perbedaan antara pengaruh sederhana faktor B pada kedua taraf A A x B = [(pengaruh sederhana B pd a2) - (pengaruh sederhana B pd a1)]/2 = ½ [(a2b2 - a2b1) - (a1b2 - a1b1)] atau = ½ [(a2b2 + a1b1) - (a2b1 + a1b2)]
Penyajian dalam grafik akan memperlihatkan interaksi yang terjadi dan respon terhadap hasil pengamatan. Katakan saja yang ingin diketahui respon B terhadap A. Secara umum akan diperlihatkan dalam grafik kemungkinan interaksi dan respon yang terjadi seperti sajian berikut.
(a)
(b)
(c)
Gambar 4-1. Ilustrasi Interaksi dan Respon Ketiga gambar di atas memperlihatkan untuk gambar (a) tidak menunjukkan adanya interaksi. Gambar (b) dan (c) terlihat adanya interaksi kedua faktor. Untuk gambar (b) menunjukkan respon B positif terhadap A (a1 dan a2), namun respon terhadap a2 lebih besar dibanding a1. Untuk gambar (c) menunjukkan respon B positip terhadap a 1 yang sama besarnya terhadap a2 namun responnya bersifat negatif. Untuk memperjelas gambaran perhitungan pengaruh-pengaruh dimaksud dapat ditelaah pada kasus berikut.
Pola Percobaan Faktorial
40-3
Kasus 4-11. Percobaan model (M) dan pengikat (P) sambungan pada balok batang kelapa.
Hasil percobaan berupa MoR (kg f/cm 3) [TaLam 11-3] Perhitungannya jumlah kuadrat : dbM = (m – 1) = (2 – 1) = 1 dbP = (p - 1) = (2 - 1) =1 dbMP = (m - 1)(p - 1) = 1 dbG = mp(r – 1) = 2.2(3-1) = 8 dbT = mpr – 1 = 11 FK = (m.p.)2/(mpr) = (547,960)2/(2.2.3) = 25021,6801 JKPerlakuan = [(m1p1.)2 + (m1p2.)2 + (m2p1.)2 + (m2p2.)2]/r - FK = [(86,273 )2 + (118,825)2 + (146,125)2 + (196,737)2]/3 - FK = 2185,1112 JKT = [(m1p1r1)2 + (m1p1r2)2 + (m1p1r3)2 + …. + (m2 j2r1)2 + (m2 j2r2)2 + (m2 j2r3)2] - FK = [(29.956)2 + (31.533)2 + (24.784 )2 + …. + (44.444)2 + (86.114)2 + (66.179)2] – FK = 3578,0521 JKG = JKT – JKPerlakuan = 3578,0521 - 2185,1112 = 1392,9409 JKM = [{(m1..)2 + (m2..)2}/(pr)] – FK = [{(205,098)2 + (342,862)2}/(2.3)] – FK = 1581,5766 JKP = [{(.p1.)2 + (.p2.)2}/(mr)] – FK = [{(232,398)2 + (315,562)2}/(2.3)] – FK = 576,3542 JKMP = JKPerlakuan - JKM – JKP atau = [(m1p1.)2 + (m1p2.)2 + (m2p1.)2 + (m2p2.)2]/r – FK –JKM - JKP = 2185,1112 - 1581,5766 – 576,3542 = 27,1803 Analsis keragaman percobaan Model dan Pengikat sambungan balok batang kelapa Sumber Perlakuan Model (M) Pengikat (P) MxP Galat Total
db
JK
3 1 1 1 8 11
2185,1112 1581,5766 576,3542 27,1803 1392,9409 3578,0521
KT 728,3704 1581,5766 576,3542 27,1803 174,1176 -
Fh 4,1832* 9,0834* 3,3101 0,1561 -
F0,05(1;16) F0,01(1;16) 4,0662 5,3177
7,5910 11,2586
Hasil analisis keragaman menunjukkan bahwa hanya antara model sambungan yang menunjukkan perbedaan nyata dengan salahduga 5%. Sedangkan kedua pengikat tidak menunjukkan perbedaan yang nyata. Hasil uji interaksi juga menunjukkan tidak berbeda nyata pada salahduga 5% (1/F = 6,4061 > 0,05). Untuk menentulan nilai Fα(db1;db2) telah diisajikan pada Kasus 3-11. buka layar program excel posisikan kruser pada sembarang cell untuk F0,05(3;8); ketik “=FINV(0.05,3,8)” Enter, akan tampil 4.0662 untuk F0,01(3;8); ketik “=FINV(0.01,3,8)” Enter, akan tampil 7.5910 Demikian pula untuk untuk F0,05(1;8); ketik “=FINV(0.05,1,8)” Enter, akan tampil 5,3177 untuk F0,01(1;8); ketik “=FINV(0.01,1,8)” Enter, akan tampil 11,2586
Pola Percobaan Faktorial
40-4
Untuk pengaruh utama model sambungan adalah sebesar M = ½ (pengaruh sederhana M pd p1) + (pengaruh sederhana M pd p2)] = ½ (m2p1 - m1p1) + (m2p2 - m1p2)] = ½ [(146,125 - 86,273) + (196,737 - 118,825)] = 68,882 kg l/cm 3 Selanjutnya akan ditelaah apakah pengikat sambungan (p1 = pasak ; p2 = pasak + perekat) menunjukkan respon terhadap model sambungan (m1 = sambungan perpanjangan lurus bibir miring berkait dada miring berkait/bertakik ; m2 = sambungan perpanjangan siku dada datar bibir miring berkait/bertakik). Dari grafik ini menunjukkan adanya interaksi dalam model itu sendiri dan menunjukkan respon positip terhadap model sambungan yang dibuat. Respon positip yang ditunjukkan pengingat sambungan lebih besar terhadap model m 2 (146,125 kg l/cm 3) dibanding model m1 (86,273 kg l/cm 3). Kasus 4-12 . Brosur Perusahaan pupuk Hijau Lestari menyatakan bahwa pupuk Mutiara-
plus (Mp) yang baru diproduk sangat berguna dalam menunjang pertumbuhan anakan tanaman hutan. Percobaan dilakukan terhadap 2 jenis anakan yaitu meranti dan keruing. Pupuk diberikan sesuai dengan dosis yang dianjurkan. Respon yang diinginkan pertumbuhan diameter. Dari hasil pengamatan diperoleh data pertambahan diameter (cm) pada sajian TaLam 11-4. Perhitungannya jumlah kuadrat : dbPerlakuan = mj – 1 = 2.2 - 1 = 3 dbM = (m – 1) = (2 – 1) = 1 dbJ = (j - 1) = (2 - 1) =1 dbMJ = (m - 1)(j - 1) = 1 dbG = mj(r – 1) = 2.2(5-1) = 16 dbT = mjr – 1 = 19 FK = (m.j.)2/(mjr) = (9,76)2/(2.2.5) = 4,76288 JKPerlakuan = [(m j 1j1)2 + (m j 1j2)2 + (m2 j1)2 + (m2 j2)2]/r - FK = [(2,25)2 + (2,30)2 + (2,75)2 + (2,46)2]/5 - FK = 0,03044 JKT = [(m j 1j1r1)2 + (m j 1j1r2)2 + .… + (m j 1j2r5)2 + (m2 j2r1)2 + …. + (m2 j2r4)2 + (m2 j2r5)2] - FK = [(0,48)2 + (0,45)2 + .… + ( 0,44)2 + (0,57)2 + …. + (0,48)2 + (0,52)2] – FK = 0,04252 JKG = JKT – JKPerlakuan = 0,04252 - 0,03044 = 0,01208 JKM = [{(m j.) 1j.)2 + (m2 j.)2}/(j.r)] – FK = [{(4,55)2 + (5,21)2}/(2.5)] – FK = 0,02178 JKJ = [{(m.j1)2 + (m.j2)2}/(j.r)] – FK = [{(5,00)2 + (4,76)2}/(2.5)] – FK = 0,00288 JKMJ = JKPerlakuan - JKM – JKJ atau = [(m j 1j1)2 + (m j 1j2)2 + (m2 j1)2 + (m2 j2)2]/r – FK –JKM - JKJ = 0,03044 - 0,02178 – 0,00288 = 0,00578
Pola Percobaan Faktorial
40-5
Analsis keragaman Percobaan pupuk Mutiara-plus terhadap petumbuhan anakan Sumber Perlakuan Pupuk (M) Jenis (J) MxJ Galat Total
db
JK
KT
Fh
3 1 1 1 16 19
0,03044 0,02178 0,00288 0,00578 0,01208 0,04252
0,010147 0,021780 0,002880 0,005780 0,000755 -
13,4393** 28,8477** 3,8146 7,6556* -
F0,05(1;16) F0,01(1;16) 3,2389 4,4940
5,2922 8,5310
Cara menentulan nilai Fα(db1;db2) dapat ditelah pada sajian pada Kasus 4-11. Hasil analisis keragaman menunjukkan bahwa pupuk Mutiara-plus ternyata benar berpengaruh terhadap pertumbuhan diameter anakan, tidak menunjukkan perbedaan pertumbuhan diameter antar kedua jenis anakan, interaksi antara pupuk Mutiara-plus dan jenis anakan juga menunjukkan adanya perbedaan terhadap salah satu pertumbuhan diameter jenis anakan. ana kan. Memperhatikan interaksi M x J menunjukkan perbedann, maka ingin memeriksa M dan interaksinya ke dalam J (j1 dan j2) M x J = ½ [(m 2 j2 + m j 1j1) - (m j 1j2 + m2 j1)] = ½ [(2,46 + 2,25) - (2,30 + 2,75)] = -0,17 Jumlah kuadrat pengaruh sederhana JK(M dalam j1) = (m2 j1 - m j 1j1)2/jr = (0,50)2/2.5 = 0,025 2 JK(M dalam j2) = (m2 j2 - m j 1 j2) /jr = (0,16)2/2.5 = 0,00256
B. RALengkap 2 Faktorial n
Pola Percobaan
Pola lapangan atau yang dapat diserupakan seperti lapangan dengan tata letaknya menggunakan acak bebas. Perlakuan terdiri 2 faktor yang masing-masing taraf minimal ada sepasang yang menunjukkan interaksi. Katakan saja pola percobaan acak bebasnya dengan 2 perlakuan dengan masing-masing taraf 2 dan 3. Pengulangan dilakukan sebanyak 3 kali. a1b1r1
a2b2r1
a2b1r2
a1b2r1
a2b3r2
a1b3r2
a1b3r3
a1b1r2
a2b3r3
a2b2r2
a1b3r1
a2b2r3
a1b2r1
a2b1r3
a1b1r3
a2b3r1
a1b2r3
a2b1r1
Gambar 4-2. Pola percobaan RALengkap (2 x 3) Faktorial
Pola Percobaan Percobaan Faktorial
40-6
o
Bagan Pengamatan
Tabel 4-2. Bagan pengamatan umum percobaan 2F pada RALengkap Pengamatan
B1 Y111 Y112 …. Y11r Y11.
1 2 …. r Jumlah
p
A1 B2 Y121 Y122 …. Y12r Y12.
B3 Y131 Y132 …. Y13r Y13.
A2 B2 Y221 Y222 …. Y22r Y22.
B1 Y211 Y212 …. Y21r Y21.
B3 Y231 Y232 …. Y23r Y23.
Jumlah Y..1 Y..2 …. Y..r Y...
Analisis Keragaman Percobaan 2F RALengkap
Tabel 4-3. Bagan analisis keragaman Percobaan 2F RALengkap Sumber Keragaman Perlakuan A B AxB Galat Total
db dbP dbA dbB dbAB dbG dbT
Uji Fisher Fhitung F(db1;db2)
JK
KT
JKP JKA JKB JKAB JKG JKT
KTP KTA KTB KTAB KTG -
Fa Fb Fab -
F(dbA;dbG) F(dbB;dbG) F(dbAB;dbG) -
Perhitungan jumlah kuadrat :
dbA = (a - 1) dbG = ab(r – 1) b
a
FK = [(Σ
dbB = (b – 1) dbT = abr - 1
dbAB = (a – 1)(b – 1)
r
Yijk)2]/abr = (Y...) 2/(abr)
Σ Σ
j=1 k=1 i=1 a b r
JKA = [{Σ ( Σ
Yijk)2}/br] – FK = [{(A1)2 + (A2)2}/br] - FK
Σ
j=1 k=1 i=1
= [{(Y11. + Y12. + Y13.)2 + (Y21. + Y22. + Y23.)2}/br] - FK a
r
JKB = [{Σ ( Σ
Σ
b
k=1 j=1 r=1
Yijk)2}/ar] – FK = [{(B1)2 + (B2)2 + (B3)2}/ar] - FK
= [{(Y11. + Y21.)2 + (Y12. + Y22.)2 + (Y13. + Y23.)2}/ar] - FK a
b
JKAB = [{Σ
Σ
r
( Σ Yijk)2}/r] - FK – JKA – JKB
j=1 k=1 i=1
= [{(A1B1)2 + (A1B2)2 + (A1B3)2 + (A2B1)2 + (A2B2)2 + (A2B3)2}/r] - FK – JKA – JKB = [{(Y11.)2 + (Y12.)2 + (Y13.)2 + (Y21.)2 + (Y22.)2 + (Y23.)2}/r] - FK – JKA – JKB a
JKT =
b
r
Σ Σ Σ
j=1 k=1 i=1
(Yijk)2 – FK = [(Y111)2 + (Y121)2 + …….. + (Y22r)2 + (Y23r)2] – FK
JKG = JKT – JKA – JKB – JKAB
Pola Percobaan Percobaan Faktorial
40-7
Hipotesis yang perlu diuji :
1) H0 H1 2) H0 H1 3) H0 H1
: : : : : :
σαβ2 ≤ 2
σαβ
σα2 σα2 σβ2 σβ2
0 ; tidak ada keragaman dalam populasi kombinasi perlakuan > 0 ; ada keragaman dalam populasi kombinasi perlakuan ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor A > 0 ; ada keragaman dalam populasi taraf faktor A ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor B > 0 ; ada keragaman dalam populasi taraf faktor B
Keputusan uji :
Hipotesis-1 : FAB ≤ Fα(dAB,dG) FAB > Fα(dAB,dG) Hipotesis-2 : FA ≤ Fα(dA,dG) ; FA > Fα(dA,dG) ; Hipotesis-3 : FB ≤ Fα(dB,dG) ; FB > Fα(dB,dG) ; q
; terima H0 atau tolak H1 ; terima H1 atau tolak H0 terima H0 atau tolak H1 terima H1 atau tolak H0 terima H0 atau tolak H1 terima H1 atau tolak H0
Model Rancangan
Data percobaan dalam RAL dengan 2 Perlakuan yang saling berkombinasi (interaksi) diilustrasikan dengan model llinier
Yijk = µ +
i
+
j
+ (
)ij +
εijk
i = 1, 2, ………, p j = 1, 2, …….…., q k = 1, 2, ………, r Yijk = peubah yang akan dianalisis (respon) µ = rataan umum αi = pengaruh aditif taraf ke-i dari faktor A β j = pengaruh aditif taraf ke-j dari faktor B (αβ)ij = pengaruh interaksi taraf ke-i faktor A & taraf ke-j faktor B εijk = galat percobaan dari satuan percobaan ke-k yang memperoleh kombinasi perlakuan ij
Asumsi yang diperlukan model ini : a. Pengaruh taraf faktor A dan faktor B timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan masing-masing ragam σα2 dan σβ2. αi ∼ NI(0,σα2) β j ∼ NI(0,σβ2) b. Pengaruh interaksi (αβ)ij timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam σαβ2 (αβ)ij ∼ NI(0,σαβ2) Kasus 4-13 . Percobaan penggunaan catcher terhadap jenis kayu untuk mengetahui emisi
gas formaldehida. Komposisi catcher (% berat total formula perekat) terdiri dari 0% (c0), 6% (c1), 7% (c2) dan 8% (c3). Jenis kayu yang digunakan adalah meranti kuning, meranti merah, meranti putih dan keruing masing-masing dinotasikan sebagai j1, j2, j3 dan j4. Rekapitulasi Data emisi gas formaldehida disajikan pada TaLam 11-5. Pola percobaannya serupa dengan Gambar 4-2.
Pola Percobaan Faktorial
40-8
Perhitungan jumlah kuadrat : dbC = (4-1) = 3 dbJ = (4-1) = 3 dbCJ = (4-1)(4-1) = 9 dbG = cj(r-1) = 4.4(5-1) = 64 dbT = cjr – 1 = 79 FK = (160,76)2/(4.4.5) = 323,0472 JKPerlakuan = [{(16,53)2 + (11,58)2 + …… + (6,30)2 + (4,68)2}/5] – FK = 62,5385 JKC = [{(63,27)2 + (42,99)2 + (30,76)2 + (23,74)2}/(4.5)] - FK = 45,0027 JKJ = [{(46,54)2 + (30,59)2 + (51,02)2 + (32,61)2}/(4.5)] – FK = 15,3614 JKCJ = JKPerlakuan – JKA – JKB = 2,1744 JKT = [(3,23)2 + (2,29)2 + (1.84)2 + …… + (1,72)2 + (1,37)2 + (0,97)2] – FK = 63,9706 JKG = JKT – JKPerlakuan atau = JKT – JKC – JKJ - JKCJ = 1,4321 Analisis keragaman emisi gas formaldehida Sumber Catcher (C) Jenis (J) CxJ Galat Total
db
JK
KT
Fh
3 3 9 64 79
45,0027 15,3614 2,1744 1,4321 63,9706
15,0009 5,1205 0,2416 0,0224 -
670,3937** 228,8347** 10,7973** -
F0,05(db1;64) F0,01(db1;64) 2,7482
4,1033
2,0298
2,6980
Cara menentulan nilai Fα(db1;db2) dapat ditelah pada sajian pada Kasus 4-11. Hasil analisis keragaman menunjukkan bahwa ¾ variasi komposisi catcher dan variasi antar jenis kayu yang digunakan masing-masing menunjukkan pengaruh sangat nyata. ¾ interaksi variasi catcher dan variasi jenis kayu juga menunjukkan pengaruh sangat nyata.
C. RALengkap 3 Faktorial Percobaan dengan 3 faktor atau lebih pada dasarnya sama seperti percobaan dengan 2 faktor. Bedanya hanya pada jumlah faktor yang akan dikombinasikan. Untuk 4 faktor atau lebih merupakan pengembangan dari 3 faktor ini. Sehingga disini hanya menekankan pada 3 faktor saja. n
Pola Percobaan
Pola percobaan lapangan serupa dengan percobaan 2F RALengkap. Bedanya hanya pada jumlah faktor yang dikombinasikan. Katakan percobaan dengan 3 faktor yang masing-masing terdiri 2, 3 dan 2 taraf. Pengulangan tiap satuan percobaan sebanyak 3 kali. a1b1c1r1
a2b2c2r1
a1b3c1r2
a1b2c1r1
a2b1c1r2
a1b1c2r1
a1b3c2r1
a2b3c1r3
a2b1c2r1
a2b3c2r1
a1b3c2r2
a1b2c2r2
a1b2c2r1
a1b1c1r2
a2b3c1r1
a1b1c2r3
a2b3c2r3
a2b1c2r3
a2b2c1r2
a2b2c2r2
a2b1c1r1
a1b3c2r3
a1b3c1r3
a2b2c1r3
Pola Percobaan Faktorial
40-9
a1b1c2r2
a2b3c1r2
a1b2c1r3
a2b3c2r2
a1b2c1r2
a2b1c1r3
a2b2c2r3
a1b3c1r1
a2b1c2r2
a1b1c1r3
a2b2c1r1
a1b2c2r3
Gambar 4-3. Pola percobaan (2 x 3 x 2) Faktorial RALengkap o
Bagan Pengamatan
Tabel 4-4. Bagan pengamatan umum percobaan 3F pada RALengkap C.
r
B1 Y1111 Y1112 Y1113 Y1121 Y1122 Y1123 Y11..
1 C1 2 3 1 C2 2 3 Jumlah
p
A1 B2 Y1211 Y1212 Y1213 Y1221 Y1222 Y1223 Y12..
B3 Y1311 Y1312 Y1313 Y1321 Y1322 Y1323 Y13..
B1 Y2111 Y2112 Y2113 Y2121 Y2122 Y2123 Y21..
A2 B2 Y2211 Y2212 Y2213 Y2221 Y2222 Y2223 Y22..
B3 Y2311 Y2312 Y2313 Y2321 Y2322 Y2323 Y23..
Jumlah Y..11 Y..12 Y..13 Y..21 Y..22 Y..23 Y….
Analisis Keragaman Percobaan 3F RALengkap
Tabel 4-5. Bagan analisis keragaman Percobaan 3F RALengkap Sumber Perlakuan A B C AxB AxC BxC AxBxC Galat Total
db dbP dbA dbB dbC dbAB dbAC dbBC dbABC dbG dbT
JK JKP JKA JKB JKC JKAB JKAC JKBC JKABC JKG JKT
KT KTP KTA KTB KTC KTAB KTAC KTBC KTABC KTG -
Fhitung
F(db1;db2)
Fa Fb Fc Fab Fac Fbc Fabc -
F(dbA;dbG) F(dbB;dbG) F(dbC;dbG) F(dbAB;dbG) F(dbAC;dbG) F(dbBC;dbG) F(dbABC;dbG) -
Perhitungan jumlah kuadrat :
dbA = (a - 1) dbAB = (a – 1)(b – 1) dbABC = (a – 1)(b – 1)(c - 1) a
b
FK = [(Σ
r
c
Σ Σ Σ
j=1 k=1 l=1 i=1 a
b c
JKA = [{Σ (Σ
dbB = (b – 1) dbAC = (a – 1)(c – 1) dbG = abc(r – 1)
dbC = (c – 1) dbBC = (b – 1)(c – 1) dbT = abcr – 1
Yijkl)2]/abcr = (Y....)2/(abcr) r
Σ Σ
j=1 k=1 l=1 i=1
Yijkl)2}/bcr] – FK = [{(A1)2 + (A2)2}/bcr] - FK
= [{(Y11.. + Y12.. + Y13..)2 + (Y21.. + Y21.. + Y23..)2}/bcr] - FK b
a
JKB = [{Σ ( Σ
c
r
ΣΣ
k=1 j=1 l=1 i=1
Yijkl)2}/acr] – FK = [{(B1)2 + (B2)2 + (B3)2}/acr] – FK
Pola Percobaan Faktorial
40-10
= [{(Y11.. + Y21..)2 + (Y12.. + Y22..)2 + (Y13.. + Y23..)2}/acr] - FK c
a
b
JKC = [{Σ ( Σ
r
Yijkl)2}/abr] – FK = [{(C1)2 + (C2)2}/abr] – FK
Σ Σ
l=1 j=1 k=1 i=1
= [{(Y..11 + Y..12 + …. + Y..1r)2 + (Y..21 + Y..22 + …. +Y.. 2r)2}/abr] – FK a
b
c
r
JKAB = [{Σ
Σ
(Σ
Σ
Yijkl)2}/cr] - FK – JKA – JKB
j=1 k=1 l=1 i=1
= [{(A1B1)2 + (A1B2)2 + (A1B3)2 + (A2B1)2 + (A2B2)2 + (A2B3)2}/cr] - FK – JKA – JKB = [{(Y11..) 2 + (Y12..)2 + …. + (Y22..)2 + (Y23..)2}/cr] - FK – JKA – JKB a c
JKAC = [{Σ
Σ
j=1 l=1
b
r
(Σ
Σ
Yijkl)2}/br] - FK – JKA – JKC
k=1 i=1
= [{(A1C1)2 + (A1C2)2 + (A2C1)2 + (A2C2)2}/br] - FK – JKA – JKC = [{(Y1.1.)2 + (Y1.2.)2 + (Y2.1.)2 + (Y2.2.)2}/br] - FK – JKA – JKC b
c
a
r
JKBC = [{Σ
Σ
(Σ
Σ
k=1 l=1 j=1 i=1
Yijkl)2}/ar] - FK – JKB – JKC
= [{(B1C1)2 + (B1C2)2 + (B2C1)2 + (B2C2)2 + (B3C1)2 + (B3C2)2}/ar] - FK – JKB – JKC = [{(Y.11.)2 + (Y.12.)2 + (Y.21.)2 + (Y.22.)2 + (Y.31.)2 + (Y.32.)2}/ar] - FK – JKB – JKC a
b
JKABC = [{Σ
c
Σ Σ
j=1 k=1 l=1
r
( Σ Yijkl)2}/r] - FK – JKA – JKB - JKC – JKAB – JKAC – JKBC i=1
= [{(A1B1C1) + (A1B1C2)2 + (A1B2C1)2 + (A1B2C2)2 + (A1B3C1)2 + A1B3C2)2 + (A2B1C1)2 + (A2B1C2)2 + (A2B2C1)2 + (A2B2C2)2 + (A2B3C1)2 + (A2B3C2)2 }/r] - FK – JKA – JKB – JKC – JKAB – JKAC – JKBC = [{(Y111.)2 + (Y112.)2 + (Y121.)2 + (Y122.)2 + (Y131.)2 + (Y132.)2 + (Y211.)2 + (Y212.)2 + (Y221.)2 + (Y222.)2 + (Y231.)2 + (Y232.)2 }/r] - FK – JKA – JKB – JKC – JKAB – JKAC – JKBC a
JKT =
b
c
r
Σ Σ Σ Σ j=1 k=1 l=1 i=1
2
Y2ijkl – FK
= [{(Y1111)2 + (Y1121)2 + (Y1112)2 + (Y1122)2 + …… + (Y231r)2 + (Y232r)2 – FK JKG = JKT – JKA – JKB - JKC – JKAB – JKAC – JKBC - JKABC Agar perhitungan jumlah kuadrat ini lebih jelas, simak TaLam 10-2. * Hipotesis yang perlu diuji 1) H0 : σαβγ2 ≤ 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : σαβγ2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan A, B dan C 2) H0 : σαβ2 ≤ 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : σαβ2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan A dan B 3) H0 : σαγ2 ≤ 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : σαγ2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan A dan C 4) H0 : σβγ2 ≤ 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : σβγ2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan B dan C 5) H0 : σα2 ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor A H1 : σα2 > 0 ; ada keragaman dalam populasi taraf faktor A 6) H0 : σβ2 ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor B H1 : σβ2 > 0 ; ada keragaman dalam populasi taraf faktor B Pola Percobaan Faktorial
40-11
7) H0 : σγ2 ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor C H1 : σγ2 > 0 ; ada keragaman dalam populasi taraf faktor C * Keputusan uji :
Hipotesis-1 : FABC ≤ Fα(dABC,dG) ; terima H0 atau tolak H1 FABC > Fα(dABC,dG) ; terima H1 atau tolak H0 Hipotesis-2 : FAB ≤ Fα(dAB,dG) ; terima H0 atau tolak H1 FAB > Fα(dAB,dG) ; terima H1 atau tolak H0 Hipotesis-3 : FAC ≤ Fα(dAC,dG) ; terima H0 atau tolak H1 FAC > Fα(dAC,dG) ; terima H1 atau tolak H0 Hipotesis-4 : FBC ≤ Fα(dBC,dG) ; terima H0 atau tolak H1 FBC > Fα(dBC,dG) ; terima H1 atau tolak H0 Hipotesis-5 : FA ≤ Fα(dA,dG) ; terima H0 atau tolak H1 FA > Fα(dA,dG) ; terima H1 atau tolak H0 Hipotesis-6 : FB ≤ Fα(dB,dG) ; terima H0 atau tolak H1 FB > Fα(dB,dG) ; terima H1 atau tolak H0 Hipotesis-7 : FC ≤ Fα(dC,dG) ; terima H0 atau tolak H1 FC > Fα(dC,dG) ; terima H1 atau tolak H0 q
Model Rancangan
Percobaan dalam RAL Faktorial dengan 3 faktor yang diilustrasikan melalui model linier
Yijkl =
µ
+
i
+
j
+
k
+ (
)ij + ( )ik + ( ) jk + (
)ijk +
εijkl
i = 1, 2, ………, a j = 1, 2, …….…., b k = 1, 2, ………, c l = 1, 2, ………, r Yijk = peubah yang akan dianalisis (respon) µ = rataan umum αi = pengaruh aditif taraf ke-i dari faktor A β j = pengaruh aditif taraf ke-j dari faktor B γk = pengaruh aditif taraf ke-k dari faktor C (αβ)ij = pengaruh interaksi taraf ke-i faktor A & taraf ke-j faktor B (αγ)ik = pengaruh interaksi taraf ke-i faktor A & taraf ke-k faktor C (βγ) jk = pengaruh interaksi taraf ke-j faktor B & taraf ke-k faktor C (αβγ)ijk = pengaruh interaksi taraf ke-i faktor A, taraf ke-j faktor B & taraf ke-k faktor C εijkl = galat percobaan dari satuan percobaan ke-l yang memperoleh kombinasi perlakuan ijk
Asumsi yang diperlukan model ini : a. Pengaruh interaksi (αβγ)ijk timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam σαβγ2 (αβγ)ijk ∼ NI(0,σαβγ2)
Pola Percobaan Faktorial
40-12
b. Pengaruh masing-masing interaksi (αβ)ij , (αγ)ik dan (βγ) jk dan timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan masing-masing ragam σαβ2 , σαγ2 dan σβγ2 (αβ)ij ∼ NI(0,σαβ2) (αγ)ik ∼ NI(0,σαγ2) (βγ) jk ∼ NI(0,σβγ2) c. Pengaruh taraf untuk faktor A, B dan C timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam masing-masing adalah σα2, σβ2 dan σγ2 αi ∼ NI(0,σα2) β j ∼ NI(0,σβ2) γk ∼ NI(0,σγ2) Kasus 4-14 . Percobaan terhadap bahan baku kayu lapis ingin menentukan keteguhan
rekat yang terbaik. Untuk memenuhi keinginan tersebut direncanakan pemberian 3 variasi viskositas perekat (1400, 1600 dan 1800 centipoise) dan pelaksanaannya dengan 3 variasi tekanan kempa dingin (8, 10 dan 12 kg/cm2). Bahan baku yang digunakan dari jenis jelutung, kapur, meranti batu, meranti kuning, merijang, dan mersawa. Data pengamatan terlampir pada TaLam 11-6. Pola percobaannya serupa dengan Gambar 4-3. Perhitungannya : dbA = (6-1) = 5 dbB = (3-1) = 2 dbC = (3-1) = 2 dbAB = (6-1)( 3-1) = 10 dbAC = (6-1)( 3-1) = 10 dbBC = (3-1)( 3-1) = 4 dbABC = (6-1)(3-1)( 3-1) = 20 dbG = abc(r-1) = 6.3.3(3-1) = 108 dbT = abcr – 1 = 161 FK = (2671,35)2/(6.3.3.3) = 44050,0668 JKA = [{(221,70)2 + (548,18)2 + …… + (511,20)2 + (433,18)2}/(3.3.3)] – FK = 2819,4280 JKB = [{(834,07)2 + (897,03)2 + (940,25)2}/(6.3.3)] – FK = 105,5933 JKC = [{(871,87)2 + (891.93)2 + (907.55)2}/(6.3.3)] – FK = 11,8485 JKAB = [{(68,64)2 + (179,27)2 + …… + (176,64)2 + (159,41)2}/(3.3)] – FK – JKA - JKB = 60,2228 JKAC = [{(71.26)2 + (181.77)2 + …… + (172.16)2 + (150.70)2}/(3.3)] – FK – JKA - JKC = 8,7448 JKBC = [{(268.71)2 + (278.75 )2 + …… + (313.38)2 + (317.33)2}/(6.3)] – FK – JKB - JKC = 1,6058 JKABC = [{(21.86)2 + (59.41)2 + (59.67)2 + …… + (52.43)2 + (59.54)2 + (54.54)2}/(3)] – FK – JKA - JKB – JKC - JKAB - JKAC – JKBC = 2,5099 JKT = [(7.11)2 + (19.76)2 + (20.02)2 + …… + ( 17.65)2 + (19.89)2 + (18.58)2] – FK = 3018,1981 JKG = JKT – JKA – JKB – JKC – JKAB - JKAC – JKBC - JKABC = 8,2450
Pola Percobaan Faktorial
40-13
Analisis Keragaman Keteguhan Rekat Sumber
db
Jenis (A) Visko. (B) Tekanan (C) AxB AxC BxC AxBxC Galat Total
5 2 2 10 10 4 20 108 161
JK
KT
2819,4280 563,8856 105,5933 52,7967 11,8485 5,9242 60,2228 6,0223 8,7448 0,8745 1,6058 0,4015 2,5099 0,1255 8,2450 0,0763 3018,1981 -
Fh 7386,2516** 691,5756** 77,6006** 78,8849** 11,4547** 5,2587** 1,6438 -
F0,05(db1;108) F0,01(db1;108) 2,2984 3,0804
3,1915 4,8072
1,9195
2,4894
2,4558 1,6685 -
3,4979 2.0524 -
Cara menentulan nilai Fα(db1;db2) dapat ditelah pada sajian pada Kasus 4-11. Hasil analisis keragaman menunjukkan bahwa ¾ semua perlakuan yang dicobakan berpengaruh sangat nyata (berbeda nyata pada salah duga 1%) terhadap keteguhan rekat. ¾ kecuali variasi untuk jenis, viskositas dan tekanan sekaligus tidak menunjukkan perbedaan yang nyata pada salahduga 5%
43. Rancangan Acak Kelompok Faktorial Serupa dengan RAKelompok pada percobaan sederhana bahwa ada dugaan/perkiraan pengulangan yang akan dilakukan bersifat heterogen. Sehingga untuk mengatasi bias (galat percobaan menjadi besar) maka dilakukan pengelompokan ulangan ke arah yang lebih seragam (homogen). Perlu digarisbawahi bahwa pengelompokan yang dilakukan hendaknya menunjukkan beda nyata Fhitungnya paling tidak pada salah duga pendugaan 5% atau sesuai dengan rencana; seperti pada RAKelompok percobaan sederhana (tunggal).
A. RAKelompok 2 Faktorial n
Pola Percobaan
Pola lapangan serupa dengan pola percobaan 2 faktor RALengkap. Bedanya terdapat pengelompokan ulangan karena adanya ulangan bersifat tidak seragam (heterogen). Karena adanya pengelompokkan berarti dalam penataan lapangan sesuai dengan pengacakan mengutamakan kelompok dan selanjutnya kedua faktor perlakuan. Katakan saja pola percobaan dengan 3 kelompok dan masing-masing kelompok terdapat 2 perlakuan dengan masing-masing taraf 2 dan 3. Kelompok I
r1a2b3
r1a2b2
r1a1b3
r1a1b2
r1a1b1
r1a2b1
Kelompok II
r2a2b3
r2a1b1
r2a2b1
r2a2b2
r2a1b3
r2a1b2
Kelompok III
r3a2b3
r3a1b1
r3a1b3
r3a1b2
r3a2b2
r3a2b1
Gambar 4-4. Pola percobaan Faktorial (2 x 3) RAKelompok
Pola Percobaan Faktorial
40-14
o
Bagan Pengamatan
Tabel 4-6. Bagan pengamatan umum percobaan 2F RAKelompok Kelompok
B1 Y111 Y112 …. Yr11 Y11.
1 2 …. r Jumlah p
A1 B2 Y112 Y122 …. Yr12 Y12.
B3 Y113 Y132 …. Yr13 Y13.
A2 B2 Y122 Y222 …. Yr22 Y22.
B1 Y121 Y212 …. Yr21 Y21.
B3 Y123 Y232 …. Yr23 Y23.
Jumlah Y1.. Y2.. …. Yr.. Y…
Analisis Keragaman percobaan 2F RAKelompok
Tabel 4-7. Bagan analisis keragaman percobaan 2F RAKelompok Sumber Keragaman Kelompok A B AxB Galat Total
Db dbR dbA dbB dbAB dbG dbT
JK JKR JKA JKB JKAB JKG JKT
KT KTR KTA KTB KTAB KTG -
Uji Fisher Fhitung F(db1;db2) Fr F(dbR;dbG) Fa F(dbA;dbG) Fb F(dbB;dbG) Fab F(dbAB;dbG) -
* Perhitungan jumlah kuadrat :
dbK = (r – 1) dbAB = (a – 1)(b – 1) a
r
FK = [(Σ
b
Σ Σ
dbB = (b – 1) dbT = rab - 1
Yijk)2]/rab = (Y…) 2/(rab)
i=1 j=1 k=1 r a b
JKK = [{ Σ ( Σ
dbA = (a - 1) dbG = (r – 1)(ab – 1)
Yijk)2}/ab] – FK = [{(K1)2 + (K2)2 + …… + (Kr)2}/(ab)] - FK
Σ
i=1 j=1 k=1
= [{(Y1..)2 + (Y2..)2 + …… + (Yr..)2}/(ab)] – FK a
b
r
JKA = [{Σ ( Σ
Σ
j=1 k=1 i=1
Yijk)2}/rb] – FK = [{(A1)2 + (A2)2}/(rb)] - FK
= [{(Y11. + Y12. + Y13.)2 + (Y21. + Y22. + Y23.)2}/(rb)] - FK b
a
r
JKB = [{Σ ( Σ
Σ
k=1 i=1 j=1
Yijk)2}/ra] – FK = [{(B1)2 + (B2)2 + (B3)2}/ra] – FK
= [{(Y11. + Y21.)2 + (Y12. + Y22.)2 + (Y13. + Y23.)2}/(ra)] - FK a
b
JKAB = [{Σ
Σ
r
( Σ Yijk)2}/r] - FK – JKA – JKB
j=1 k=1 i=1
= [{(A1B1)2 + (A1B2)2 + (A1B3)2 + (A2B1)2 + (A2B2)2 + (A2B3)2}/r] – FK – JKA – JKB = [{(Y11.)2 + (Y12.)2 + (Y13.)2 + (Y21.)2 + (Y22.)2 + (Y23.)2}/r] – FK – JKA – JKB r
JKT =
a
b
Σ Σ Σ
i=1 j=1 k=1
Y2ijk – FK
= [(Y111)2 + (Y112)2 + (Y113)2 + …… + (Yr21)2 + (Yr22)2 + (Yr23)2] – FK Pola Percobaan Faktorial
40-15
JKG = JKT – JKA – JKB – JKAB * Hipotesis yang perlu diuji : 1) H0 : σρ2 ≤ 0 ; tidak ada keragaman dalam pengelompokan H1 : σρ2 > 0 ; ada keragaman dalam pengelompokan 2) H0 : σαβ2 ≤ 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : σαβ2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan 3) H0 : σα2 ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor A H1 : σα2 > 0 ; ada keragaman dalam populasi taraf faktor A 4) H0 : σβ2 ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor B H1 : σβ2 > 0 ; ada keragaman dalam populasi taraf faktor B * Keputusan uji :
Hipotesis-1 : FK ≤ Fα(dR,dG) ; terima H0 atau tolak H1 FK > Fα(dR,dG) ; terima H1 atau tolak H0 Hipotesis-2 : FAB ≤ Fα(dAB,dG) ; terima H0 atau tolak H1 FAB > Fα(dAB,dG) ; terima H1 atau tolak H0 Hipotesis-3 : FA ≤ Fα(dA,dG) ; terima H0 atau tolak H1 FA > Fα(dA,dG) ; terima H1 atau tolak H0 Hipotesis-4 : FB ≤ Fα(dB,dG) ; terima H0 atau tolak H1 FB > Fα(dB,dG) ; terima H1 atau tolak H0 q
Model Rancangan
Percobaan faktorial dalam RAK dengan 2 perlakuan yang saling berkombinasi (interaksi) diilustrasikan melalui model
Yijk =
+ j + k + ( ) jk + εijk i = 1, 2, ………, r j = 1, 2, …….…., a k = 1, 2, ………, b Yijk = peubah yang akan dianalisis (respon) µ = rataan umum ρi = pengaruh aditif dari kelompok ke i α j = pengaruh aditif taraf ke-j dari faktor A βk = pengaruh aditif taraf ke-k dari faktor B (αβ) jk = pengaruh interaksi taraf ke-j faktor A & taraf ke-k faktor B εijk = galat percobaan dari satuan percobaan ke-i yang memperoleh kombinasi perlakuan jk µ
+
i
Asumsi yang diperlukan model ini : a. Pengaruh pengelompokan timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam σρ2 ρi ∼ NI(0,σρ2)
Pola Percobaan Faktorial
40-16
b. Pengaruh interaksi (αβ)ij timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam σαβ2. (αβ) jk ∼ NI(0,σαβ2) c. Pengaruh taraf faktor A dan faktor B timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan masing-masing ragam σα2 dan σβ2. α j ∼ NI(0,σα2) βk ∼ NI(0,σβ2) Kasus 4-21 . Percobaan ingin mengamati pertumbuhan tanaman yang sebelumnya sudah
ada pada lokasi terbuka yang bervariasi kelerengannya. Untuk mengamati pertumbuhan tersebut diberi 2 perlakuan. Perlakuan pertama berupa pengolahan tanah yaitu tanpa diolah (p0) dan dilakukan pengolahan tanah (p1). Perlakuan kedua berupa pemberian pupuk Mutiara yaitu tanpa dipupuk (m0), 100 gr/anakan (m1) dan 200 gr/anakan (m2). Kelerengan dipilih agak datar, lereng dan agak lereng yang dijadikan kelompok. Data pertambahan tumbuh anakan disajikan pada Talam 11-7. Pola percobaannya serupa dengan sajian Gambar 4-4. Perhitungannya : dbR = (3 – 1) = 2 dbP = (2 - 1) = 1 dbM = (3 – 1) = 2 dbPM = (2 – 1)(3 – 1) = 2 dbG = (3 – 1)(2.3 – 1) = 10 dbT = (3.2.3 – 1) = 17 FK = (38,12) 2/( 3.2.3) = 80,7297 JKR = [{(14,80)2 + (12,65)2 + (10,67)2}/( 2.3)] – FK = 1,4222 JKP = [{(18,28)2 + (19,64)2}/( 3.3)] – FK = 0,0748 JKM = [{(11,70)2 + (12,69)2 + (13,73) 2}/( 3.2)] – FK = 0,3435 JKPM = [{(5,61)2 + (6,21)2 + …… + (7,07)2}/( 3)] – FK – JKP – JKM = 0,0038 JKT = [(2,21)2 + (1,97)2 + (1,43)2 + …… + (2,54)2 + (2,34)2 + (2,19)2] – FK = 2,0953 JKG = JKT – JKPM – JKM – JKP – JKR = 0,2511 Analisis keragaman nilai pertambahan tumbuh anakan Sumber Kelompok Pengolahan Mutiara PxM Galat Total
db
JK
KT
Fh
2 1 2 2 10 17
1,4222 0,0748 0,3435 0,0038 0,2511 2,0953
0,7111 0,0748 0,1717 0,0019 0,0251 -
28,3246** 2,9776 6,8407* 0,0759 -
F0,05(db1;10) F0,01(db1;10) 4,1028 4,9646 4,1028
7,5594 10,0043 7,5594
Cara menentulan nilai Fα(db1;db2) dapat ditelah pada sajian pada Kasus 4-11. Hasil analisis keragaman menunjukkan bahwa ¾ ternyata pengelompokan lokasi tanam cukup beralasan (berbeda sangat nyata). ¾ dari kedua perlakuan ternyata pemberian pupuk Mutiara menunjukkan perbedaan pertumbuhan anakan (berbeda nyata). ¾ ternyata interaksinya belum menunjukkan perbedaan yang nyata.
Pola Percobaan Faktorial
40-17
B. RAKelompok 3 Faktorial n
Pola Percobaan
Pola lapangan serupa dengan pola percobaan 3 faktor RALengkap. Bedanya terdapat pengelompokan ulangan karena adanya ulangan bersifat tidak seragam (heterogen). Karena adanya pengelompokkan berarti dalam penataan lapangan sesuai dengan pengacakan mengutamakan kelompok dan selanjutnya kedua faktor perlakuan. Katakan saja pola percobaan dengan 3 kelompok dan masing-masing kelompok terdapat 3 faktor sebagai perlakuan dengan masing-masing taraf 2, 3 dan 2. r1a1b2c2
r1a1b2c2
r1a1b1c2
r1a2b3c2
r1a2b2c1
r1a2b1c1
r1a1b3c1
r1a1b3c2
r1a1b1c1
r1a2b2c2
r1a2b1c2
r1a1b2c1
r2a2b3c2
r2a1b1c1
r2a2b1c2
r2a1b3c1
r2a1b3c2
r2a1b2c2
r2a2b2c1
r2a2b2c2
r2a2b3c1
r2a1b2c1
r2a2b1c1
r2a1b1c2
r3a1b2c1
r3a1b3c2
r3a2b2c1
r3a2b3c1
r3a1b1c2
r3a2b1c2
r3a1b2c2
r3a1b3c1
r3a2b3c2
r3a2b1c1
r3a2b2c2
r3a1b1c1
Gambar 4-5. Pola Percobaan Faktorial (2 x 3 x 2) RAKelompok o
Bagan Pengamatan
Sesuai dengan pola percobaan, maka bagan pengamatannya seperti sajian berikut. Tabel 4-8. Bagan pengamatan umum percobaan 3F RAKelompok Bk
Cl
C1 C2 C1 B2 C2 C1 B2 C2 Jumlah B1
K1
K2
K3
A1
A2
A1
A2
A1
A2
Y1111 Y1112 Y1121 Y1122 Y1121 Y1122 Y11..
Y1211 Y1212 Y1221 Y1222 Y1221 Y1222 Y12..
Y2111 Y2112 Y2121 Y2122 Y2121 Y2122 Y21..
Y2211 Y2212 Y2221 Y2222 Y2221 Y2222 Y22..
Y3111 Y3112 Y3121 Y3122 Y3121 Y3122 Y31..
Y3211 Y3212 Y3221 Y3222 Y3221 Y3222 Y32..
Pola Percobaan Faktorial
Jumlah Y..11 Y..12 Y..21 Y..22 Y..31 Y..32 Y....
Y..1. Y..2. Y..3.
40-18
p
Analisis Keragaman percobaan 3F RAKelompok
Tabel 4-9. Bagan analisis keragaman percobaan 3F RAKelompok Sumber Keragaman Kelompok A B C AxB AxC BxC AxBxC Galat Total
Db
JK
KT
dbR dbA dbB dbC dbAB dbAC dbBC dbABC dbG dbT
JKR JKA JKB JKC JKAB JKAC JKBC JKABC JKG JKT
KTR KTA KTB KTC KTAB KTAC KTBC KTABC KTG -
Uji Fisher Fhitung F(db1;db2) Fr F(dbR;dbG) Fa F(dbA;dbG) Fb F(dbB;dbG) Fc F(dbC;dbG) Fab F(dbAB;dbG) Fac F(dbAC;dbG) Fbc F(dbBC;dbG) Fabc F(dbABC;dbG) -
* Perhitungan jumlah kuadrat : dbK = (r - 1) dbA = (a - 1) dbB = (b – 1) dbC = (c - 1) dbAB = (a – 1)(b – 1) dbAC = (a – 1)(c – 1) dbBC = (b – 1)(c – 1) dbABC = (a – 1)(b – 1)(c – 1) dbG = (r – 1)(abc – 1) dbT = rabc - 1 r
a
FK = [(Σ
c
b
Σ Σ Σ
Yijkl)2]/rabc = (Y....)2/rabc
i=1 j=1 k=1 l=1 r a b c
JKK = [{ Σ ( Σ
Yijkl)2}/abc] – FK = [{(K1)2 + (K2)2 + (K3)2}/abc] – FK
Σ Σ
i=1 j=1 k=1 l=1
= [{(Y1...)2 + (Y2…)2 + (Y3…)2}/abc] – FK a
r
b
JKA = [{Σ ( Σ
c
Yijkl)2}/rbc] – FK = [{(A1)2 + (A2)2 + (A3)2}/rbc] – FK
Σ Σ
j=1 i=1 k=1 l=1
= [{(Y11.. + Y21.. + Y31..)2 + (Y12.. + Y22.. + Y32..)2 + (Y13.. + Y23.. + Y33..)2}/rbc] – FK r
b
JKB = [{Σ ( Σ
a
c
Yijkl)2}/rac] – FK = [{(B1)2 + (B2)2 }/rac] – FK
Σ Σ
k=1 i=1 j=1 l=1
= [{(Y..11 + Y..12 + Y..13)2 + (Y..21 + Y..22 + Y..23)2 }/rac] – FK c
a
r
JKC = [{Σ ( Σ
b
Σ Σ
l=1 i=1 j=1 k=1
Yijkl)2}/rab] – FK = [{(C1)2 + (C2)2 + (C3)2 }/}/rab] – FK
= [{(Y..11 + Y..21)2 + (Y..12 + Y..22)2 + (Y..13 + Y..23)2}/rab] – FK a
b
JKAB = [{Σ
Σ
r
(Σ
c
Σ
j=1 k=1 i=1 l=1
Yijkl)2}/rc] - FK – JKA – JKB
= [{(A1B1)2 + (A1B2)2 + (A2B1)2 + (A2B2)2 + (A3B1)2 + (A3B2)2}/rc] - FK – JKA – JKB = [{(Y.11.)2 + (Y.12.)2 + (Y.21.)2 + (Y.22.)2 + (Y.31.)2 + (Y.32.)2}/rc] - FK – JKA – JKB a
c
JKAC = [{Σ
Σ
j=1 l=1
r b
(Σ
Σ
i=1 k=1
Yijkl)2}/rb] - FK – JKA – JKC
2
= [{(A1C1) + A1C2)2 + A1C3)2 + (A2C1)2 + (A2C2)2 + (A2C3)2 + (A3C1)2 + (A3C2)2 + (A3C3)2}/rb] - FK – JKA – JKC = [{(Y.1.1)2 + (Y.1.2)2 + (Y.1.3)2 + (Y.2.1)2 + (Y.2.2)2 + (Y.2.3)2 + (Y.3.1)2 + (Y.3.2)2 + (Y.3.3)2}/rb] - FK – JKA – JKC Pola Percobaan Faktorial
40-19
b
JKBC = [{Σ
c
r
Σ
(Σ
a
Σ
k=1 l=1 i=1 j=1
Yijkl)2}/ra] - FK – JKB – JKC
= [{ (B1C1)2 + (B1C2)2 + (B1C3)2 + (B2C1)2 + (B2C2)2 + (B2C3)2}/ra] - FK – JKB – JKC = [{ (Y..11)2 + (Y..12)2 + (Y..13)2 + (Y..21)2 + (Y..22)2 + (Y..23)2}/ra] - FK – JKB – JKC a
JKABC = [{Σ
b
c
Σ Σ
j=1 k=1 l=1
r
( Σ Yijkl)2}/r] - FK – JKA – JKB – JKC – JKAB – JKAC – JKBC i=1
2
= [{ (A1B1C1) + …… + (A1B2C3)2 + (A2B1C1)2 + …… + (A2B2C3)2 + (A3B1C1)2 + …… + (A3B2C3)2}/r] - FK – JKA – JKB – JKC – JKAB – JKAC – JKBC = [{ (Y.111)2 + …… + (Y.123)2 + (Y.211)2 + …… + (Y.223)2 + (Y.311)2 + …… + (Y.323)2}/r] - FK – JKA – JKB – JKC – JKAB – JKAC – JKBC r
JKT =
a
b
c
Σ Σ Σ Σ(Yijkl )2
i=1 j=1 k=1 l=1
– FK
= [(Y1111)2 + …. + (Y3311)2 + …. + (Y3312)2 + …. + (Y3313)2 + …. + (Y3321)2 + …. + ( Y3322)2 + …. + (Y3323)2] – FK JKG = JKT – JKA – JKB – JKC – JKAB – JKAC – JKBC – JKABC Agar perhitungan jumlah kuadrat ini lebih jelas, simak TaLam 10-3. * Hipotesis yang perlu diuji : 1) H0 : σR2 ≤ 0 ; tidak ada keragaman dalam pengelompokan H1 : σR2 > 0 ; ada keragaman dalam pengelompokan 2) H0 : σαβγ2 ≤ 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : σαβγ2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan A, B dan C 3) H0 : σαβ2 ≤ 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : σαβ2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan A dan B 4) H0 : σαγ2 ≤ 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : σαγ2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan A dan C 5) H0 : σβγ2 ≤ 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan H1 : σβγ2 > 0 ; ada keragaman dalam populasi kombinasi perlakuan B dan C 6) H0 : σα2 ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor A H1 : σα2 > 0 ; ada keragaman dalam populasi taraf faktor A 7) H0 : σβ2 ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor B H1 : σβ2 > 0 ; ada keragaman dalam populasi taraf faktor B 8) H0 : σγ2 ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor C H1 : σγ2 > 0 ; ada keragaman dalam populasi taraf faktor C * Keputusan uji :
Hipotesis-1 : FK ≤ Fα(dR,dG) ; terima H0 atau tolak H1 FK > Fα(dR,dG) ; terima H1 atau tolak H0 Hipotesis-2 : FABC ≤ Fα(dABC,dG) ; terima H0 atau tolak H1 FABC > Fα(dABC,dG) ; terima H1 atau tolak H0 Pola Percobaan Faktorial
40-20
Hipotesis-3 : FAB ≤ Fα(dAB,dG) ; terima H0 atau tolak H1 FAB > Fα(dAB,dG) ; terima H1 atau tolak H0 Hipotesis-4 : FAC ≤ Fα(dAC,dG) ; terima H0 atau tolak H1 FAC > Fα(dAC,dG) ; terima H1 atau tolak H0 Hipotesis-5 : FBC ≤ Fα(dBC,dG) ; terima H0 atau tolak H1 FBC > Fα(dBC,dG) ; terima H1 atau tolak H0 Hipotesis-6 : FA ≤ Fα(dA,dG) ; terima H0 atau tolak H1 FA > Fα(dA,dG) ; terima H1 atau tolak H0 Hipotesis-7 : FB ≤ Fα(dB,dG) ; terima H0 atau tolak H1 FB > Fα(dB,dG) ; terima H1 atau tolak H0 Hipotesis-8 : FC ≤ Fα(dC,dG) ; terima H0 atau tolak H1 FC > Fα(dC,dG) ; terima H1 atau tolak H0 q
Model Rancangan
Percobaan faktorial dalam RAK dengan 3 perlakuan yang saling berkombinasi diilustrasikan melalui model
Yijkl =
+ j + k + l + ( ) jk + ( ) jl + ( )kl + ( ) jkl + εijkl i = 1, 2, ………, r j = 1, 2, …….…., a k = 1, 2, ………, b l = 1, 2, ………, c Yijkl = peubah yang akan dianalisis (respon) µ = rataan umum ρi = pengaruh aditif dari kelompok ke i α j = pengaruh aditif taraf ke-j dari faktor A βk = pengaruh aditif taraf ke-k dari faktor B l = pengaruh aditif taraf ke-l dari faktor C (αβ) jk = pengaruh interaksi taraf ke-j faktor A & taraf ke-k faktor B (α ) jl = pengaruh interaksi taraf ke-j faktor A & taraf ke-l faktor C (β )kl = pengaruh interaksi taraf ke-k faktor B & taraf ke-l faktor C (αβ ) jkl = pengaruh interaksi taraf ke-j faktor A, taraf ke-k faktor B & taraf ke-l faktor C εijkl = galat percobaan dari satuan percobaan ke-i yang memperoleh kombinasi perlakuan jkl µ
+
i
Asumsi yang diperlukan model ini : a. Pengaruh pengelompokan timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam σρ2 ρi ∼ NI(0,σρ2) b. Pengaruh interaksi (αβγ) jkl timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam σαβγ2 (αβγ) jkl ∼ NI(0,σαβγ2)
Pola Percobaan Faktorial
40-21
c. Pengaruh masing-masing interaksi (αβ) jk , (αγ) jl dan (βγ)kl dan timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan masing-masing ragam σαβ2 , σαγ2 dan σβγ2 (αβ) jk ∼ NI(0,σαβ2) (αγ) jl ∼ NI(0,σαγ2) (βγ) jl ∼ NI(0,σβγ2) d. Pengaruh taraf untuk faktor A, B dan C timbul secara acak, menyebar bebas normal dengan nilaitengah samadengan nol dan ragam masing-masing adalah σα2, σβ2 dan σγ2 α j ∼ NI(0,σα2) βk ∼ NI(0,σβ2) γl ∼ NI(0,σγ2) Kasus 4-22 . Percobaan pemupukan 3 jenis pupuk tunggal (N, P dan K) terhadap 3 jenis
anakan (J) yang telah tumbuh di lapangan. Ketiga jenis anakan tersebut berada petakpetak tanam sesuai jenisnya. Petak yang sesuai dengan jenis anakan dijadikan kelompok. Sesuai dengan analisa tanah, maka ketiga jenis pupuk tunggal tersebut diberikan dengan dosis masing-masing terdiri 3 taraf. Pola percobaannya serupa dengan Gambar 4-5. Hasil pengamatan nilai pertambahan anakan disajikan pada TaLam 11-8. Perhitungannya : dbJ = (3 - 1) = 2 dbN = (3 - 1) = 2 dbP = (3 - 1) = 2 dbK = (3 - 1) = 2 dbNP = (3 - 1)( 3 - 1) = 4 dbNK = (3 - 1)( 3 - 1) = 4 dbPK = (3 - 1)( 3 - 1) = 4 dbNPK = (3 - 1)( 3 - 1)( 3 - 1) = 8 dbG = (3 - 1)(27 – 1) = 52 dbT = 81 – 1 = 80 FK = (372,12)2/81 = 1709,5468 JKJ = [{(37,39 + 42,52 + 43,34)2 + (41,95+ 43,31 + 42,98)2 + (37,81 + 40,30 + 42,52)2} /(3.3.3)] – FK = 1,1071 JKN = [{(117,15)2 + (126,13)2 + (128,84)2} /(3.3.3)] – FK = 2,7733 JKP = [{(36,20 + 39,15 + 40,69)2 + (38,98 + 40,64 + 43,82)2 + (42,30+ 44,15 + 46,19)2} /(3.3.3)] – FK = 5,1230 JKK = [{(36,20 + 38,98 + 42,30)2 + (39,15 + 40,64 + 44,15)2 + (40,69 + 43,82 + 46,19)2} /(3.3.3)] – FK = 5,1230 JKNP = [{(10,98 + 12,49 + 12,76)2 + …… + (14,28 + 15,76 + 16,28 )2}/3.3] - FK – JKN – JKP = 0,2709
JKNK = [{(10,98 + 12,52 + 13,49)2 + …… + (13,74 + 15,12 + 16,28)2}/3.3] - FK – JKN – JKK = 0,1792
JKPK = [{ (36,20)2 + (39,15)2 + (40,69)2 + (38,98) 2 + (40,64)2 + (43,82)2 + (42,30)2 + (44,15)2 + (46,19)2}/3.3] - FK – JKP – JKK = 0,1054 JKNPK = [{ (10,98)2 + (12,19)2 + (13,03)2 + …… + (13,91)2 + (16,00)2 + (16,28)2}/3] - FK – JKN – JKP – JKK – JKNP – JKNK – JKPK = 0,4537 JKT = [(3,11)2 + (3,89)2 + (4,14)2 + ….…. + (4,21)2 + (5,41)2 + (5,48)2] – FK = 18,5242 JKG = JKT – JKN – JKP – JKK – JKNP – JKNK – JKPK – JKNPK = 6,3817
Pola Percobaan Faktorial
40-22
Analisis keragaman nilai pertambahan tumbuh anakan Sumber Kelompok (J) N P K NxP NxK PxK NxPxK Galat Total
db
JK
KT
Fhitung
2 2 2 2 4 4 4 8 52 80
1,1071 2,7733 5,1230 3,2370 0,2709 0,1792 0,1054 0,4537 6,3817 18,5242
0,5536 1,3867 2,5615 1,6185 0,0677 0,0448 0,0263 0,0567 0,1227
4,5105* 11,2989** 20,8716** 13,1880** 0,5518 0,3650 0,2146 0,4621
F0,05(db1;52) F0,01(db1;52) 3,1751
5,0382
2,5498
3,7031
2,1223
2,8745
-
-
-
Cara menentulan nilai Fα(db1;db2) dapat ditelah pada sajian pada Kasus 4-11. Hasil analisis keragaman bahwa : ¾ pengelompokan jenis sesuai dengan dugaan dan ternyata berbeda nyata ¾ hanya pupuk tunggal N, P dan K yang menunjukkan pertumbuhan anakan (berbeda sangat nyata). Sedangkan interaksinya belum menunjukkan perbedaan pertumbuhan.
44. Rancangan Berpetak A. Pola Percobaan
Pola percobaan rancangan ini (Split Plot Design ) menggunakan 2 faktor (perlakuan) atau lebih yang saling berkombinasi. Adanya kombinasi 2 faktor atau lebih, maka percobaan ini sering pula disebut sebagai percobaan faktorial.. Pola dasar percobaannya serupa dengan pola percobaan faktorial pada umumnya . Hanya saja percobaan ini lebih banyak dilaksanakan di lapangan, sehingga dikenal pula istilah “petak”. Petak ini akan dibagi-bagi lagi ke dalam petak-petak yang lebih kecil. Misal percobaan dengan faktor A (petak utama) terdiri dari 4 taraf dalam 3 kelompok. Selanjutnya faktor B (anak-petak) dengan 3 taraf dikombinasikan ke masing-masing taraf dari faktor A, sehingga membagi setiap petak faktor A menjadi 3 anak-petak. Untuk lebih jelas dilustrasikan secara bertahap pada sajian gambar berikut. Tahap 1 (faktor A terdiri 4 tahaf) Kelompok I Kelompok II a2
a3
a1
a4
a1
a2
a3
Kelompok III a4
a4
a2
a3
a1
Tahap 2 (faktor B terdiri 3 tahaf, dikombinasikan masing-masing taraf A) Kelompok I Kelompok II Kelompok III a2b2 a3b3 a1b1 a4b3 a2b1 a3b1 a1b2 a4b1 a2b3 a3b2 a1b3 a4b2
a1b2 a2b1 a3b2 a4b3 a1b3 a2b2 a3b1 a4b1 a1b1 a2b3 a3b3 a4b2
a4b1 a2b2 a3b1 a1b3 a4b3 a2b3 a3b2 a1b1 a4b2 a2b1 a3b3 a1b2
Gambar 4-6. Pola dasar percobaan petak terbagi
Pola Percobaan Faktorial
40-23
Ilustrasi proses acak di atas memperlihatkan pertama faktor A kemudian faktor B. Perhatikan kombinasinya mirip sekali, bahkan terlihat samadengan acak kelompok faktorial. B. Bagan Pengamatan
Bagan pengamatan bervariasi tergantung dari pola percobaan faktorial yang digunakan, apakah pola acak lengkap, acak kelompok atau bujursangkar latin. Disamping itu pula banyaknya faktor yang digunakan akan menentukan analisis keragamannya. C. Analisis Keragaman
Derajat bebas Rancangan Petak Terbagi tergantung dari pola susunan petak berupa acak lengkap, acak kelompok atau bujursangkar latin. Hipotesis dan keputusan uji serupa dengan hipotesis dan keputusan uji percobaan faktorial sebelumnya. Sajian berikut untuk db percobaan 2 faktor. Untuk 3 faktor atau lebih merupakan pengembangannya. Tabel 4-10. Derajat bebas pada RPTerbagi untuk berbagai susunan petak Acak Lengkap r ulangan Sumber db
A Galat(1) Total PU B AB Galat(2) Total AP Total
Acak Kelompok r ulangan = kelompok Sumber db Petak Utama
Kelompok r-1 a-1 A a-1 a(r – 1) Galat(1) (a – 1)(r – 1) ar – 1 Total PU ar – 1 Anak Petak b-1 B b-1 (a – 1)(b – 1) AB (a – 1)(b – 1) a(r – 1) (b – 1) Galat(2) a(r – 1) (b – 1) ar(b – 1) Total AP ar(b – 1) abr – 1 Total abr – 1
Bujursangkar Latin r ulangan = sisi b.sangkar Sumber db Baris Kolom A Galat(1) Total PU
a–1 a–1 a–1 (a – 1)(a – 2) a2 – 1
B AB Galat(2) Total AP Total
b–1 (a – 1)(b – 1) a(a – 1) (b – 1) a2(b – 1) a2b – 1
Sumber : Steel & Torrie, 1980
Adapun bentuk ketiga analisis keragamannya adalah n
Percobaan dalam Acak Lengkap
Tabel 4-11. Analisis keragaman percobaan 2F RPTerbagi dalam Acak Lengkap Sumber Keragaman A Galat(1) B AxB Galat(2) Total
db
JK
dbA dbG1 dbB dbAB dbG2 dbT
JKA JKG1 JKB JKAB JKG2 JKT
Pola Percobaan Faktorial
KT KTA KTG1 KTB KTAB KTG2 -
Uji Fisher Fhitung F(db1;db2) Fa F(dbA;dbG1) Fb F(dbB;dbG2) Fab F(dbAB;dbG2) -
40-24
o
Percobaan dalam Acak Kelompok
Tabel 4-12. Analisis keragaman percobaan 2F RPTerbagi dalam Acak Kelompok Sumber Keragaman Kelompok A Galat(1) B AxB Galat(2) Total p
db dbR dbA dbG1 dbB dbAB dbG2 dbT
JK JKR JKA JKG1 JKB JKAB JKG2 JKT
KT KTR KTA KTG1 KTB KTAB KTG2 -
Uji Fisher Fhitung F(db1;db2) Fr F(dbR;dbG1) Fa F(dbA;dbG1) Fb F(dbB;dbG2) Fab F(dbAB;dbG2) -
Percobaan dalam Bujursangkar Latin
Tabel 4-13. Analisis Keragaman percobaan 2F RPTerbagi dalam BsLatin Sumber Keragaman Baris Lajur A Galat(1) B AxB Galat(2) Total
db
JK
KT
dbBrs dbLjr dbA dbG1 dbB dbAB dbG2 dbT
JKBrs JKLjr JKA JKG1 JKB JKAB JKG2 JKT
KTBrs KTLjr KTA KTG1 KTB KTAB KTG2 -
Uji Fisher Fhitung F(db1;db2) Fbaris F(dbBrs;dbG1) Flajur F(dbLjr;dbG1) Fa F(dbA;dbG1) Fb F(dbB;dbG2) Fab F(dbAB;dbG2) -
Kasus 4-31.
Percobaan intensitas cahaya (matahari) dan penggunaan 5 kombinasi pupuk tunggal terhadap pertumbuhan diameter anakan ulin. Data hasil pengamatan disajikan pada TaLam 11-9. Perhitungannya : dbC = (c – 1) = (3 - 1) = 2 db(1) = (r – 1)(c - 1) = (3 – 1)(3 - 1) = 4 dbF = (f – 1) dbCF = (c – 1)(f – 1) db(2) = c(r - 1)(f – 1) T = abr -1 = 44 FK = (∑∑∑Yijk)2/cfr = (10,4216)2/(3.3.5) = 2,4135 Petak Utama (PU)
JK(PU) = ∑∑(∑Yijk2)/b – FK = [(1,0083)2 + (1,4733)2 + …… + (1,3634)2 + (1,0200)2]/(5) – FK = 0,0788 JKA = ∑(∑∑Yijk)2/(rb) – FK = [(3,0766)2 + (4,3433)2 + (3,0017)2]/(3.5) – FK = 0,0758 JKG(1) = JK(PU) – JKA = 0,0030
Pola Percobaan Faktorial
40-25
Anak Petak (AP)
JKB = ∑(∑∑Yijk)2/(ra) – FK = [(1,8482)2 + (2,0217)2 + (2,0735)2 + (2,2600)2 + (2,2182)2]/(3.3) – FK = 0,0121 JKAB = ∑∑(∑Yijk)2/(r) – FK - JKA -JKB = [(0,4900)2 + (0,7549 )2 + …… + (0,9116)2 + (0,6283 )2]/(3) – FK - JKA - JKB = 0,0113 JKT = ∑∑∑(Yijk)2 – FK = [(0,1283)2 + (0,2433)2 + …… + (0,3050)2 + (0,2067)2] – FK = 0,1366 JKG(2) = JKT - JK(PU) – JKB – JKAB = 0,0344 Analisis keragaman pertumbuhan diameter anakan ulin Sumber Cahaya (C) Galat(1) Pemupukan (F) CxF Galat(2) Total
db 2 6 4 8 24 44
JK 0,0758 0,0300 0,0121 0,0113 0,0344 0,1366
KT 0,0379 0,0005 0,0030 0,0014 0,0014
Fhitung
F0,05(db1;db2)
F0,01(db1;db2)
74,6318**
5,1433
10,9248
-
-
-
2,7763 2,3351
4,2184 3,3629
-
-
2,1027 0,9861
-
-
Cara menentulan nilai Fα(db1;db2) dapat ditelah pada sajian pada Kasus 4-11. Hasil analisis menunjukkan bahwa ¾ hanya perlakuan cahaya yang menunjang pertumbuhan diameter batang anakan ulin, ¾ sedangkan pupuk yang diberikan dan juga interaksinya belum menunjang pertumbuhan diameter batang anakan ulin. Mengingat anakan meranti bersifat semi-toleran, maka dilakukan percobaan di bawah naungan berupa belukar (b 0 = muda dan b1 = tua). Percobaan di 3 lokasi yang dinyatakan sebagai kelompok. Penanaman di bawah belukar dengan 3 jarak tanam yaitu j1 = (1 x 3) m, j2 = (2 x 3) m dan j3 = (3 x 3) m. Data rekapitulasi tambahan tinggi disajikan pada Talam 11-10. Kasus 4-32.
Perhitungannya : dbR = (4 – 1) = 3 dbB = (2 - 1) = 1 dbG1 = (4 – 1)(2 - 1) = 3 dbJ = (3 – 1) = 2 dbBJ = (2 – 1)(3 – 1) = 2 dbG2 = 2(4 – 1) (3 – 1) = 12 dbT = (4.2.3 – 1) = 23 2 FK = (45,10) /( 4.2.3) = 84,7504 Petak Utama (PU)
JKR = [((11,79)2 + (13,64)2 + (10,27)2 + (9,40)2)/( 2.3)] – FK = 1,7307 JKB = [{(17,93)2 + (27,17)2}/( 4.3)] – FK = 3,5574 JK(PU) = [(4,77)2 + (6,02)2 + …….. + (6,64)2 + (5,89)2]/3 – FK = 5,4552 JKG1 = JK(PU) – JKR –JKB = 0,1671 Anak Petak (AP)
JKJ = [{(13,74)2 + (14,95)2 + (16,41) 2}/( 4.2)] – FK = 0,4469 JKBJ = [{(5,39)2 + (5,70)2 + (6,84)2 + (8,35)2 + (9,25)2 + (9,57)2}/(4)] – FK – JKB – JKJ = 0,0447 Pola Percobaan Faktorial
40-26
JKT = [(1.32)2 + (1.28)2 + (2.17)2 + …… + (1.58)2 + (2.12)2 + (2.19)2] – FK = 6,3638 JKG2 = JKT – JKBJ – JKJ – JK(PU) = 0,5065 Analisis keragaman pertambahan tinggi anakan meranti (cm) Sumber Kelompok Belukar Galat(1) Jarak tanam BxJ Galat(2) Total
db
JK
KT
Fhitung
3 1 3 2 2 12 23
1,7303 3,5574 0,1671 0,4469 0,0447 0,5065 6,3638
0,5769 3,5574 0,0557 0,2234 0,0224 0,0422
10,3572* 63,8671**
5,2938* 0,5298
-
F(db1;db2) 9,2766 10,1280
F(db1;db2) 29,4567 34,1162
-
-
3,8853
6,9266
-
-
-
Cara menentulan nilai Fα(db1;db2) dapat ditelah pada sajian pada Kasus 4-11. Hasil analisis keragaman menunjukkan bahwa ¾ belukar dan jarak tanam berpengaruh terhadap tumbuhan tinggi anakan meranti, masing-masing berbeda sangat nyata dan berbeda nyata. ¾ sedangkan interaksinya belum menunjukkan perbedaan yang nyata (berbeda tidak nyata).
Pola Percobaan Faktorial
40-27
50
POLA
PERCOBAAN TERSARANG 51. Pengertian Anak-Contoh & Tersarang Kata “tersarang” lebih banyak dikenal dengan istilah “anak-contoh” (subsample ). Beberapa kumpulan contoh diperoleh secara acak (?) dari suatu populasi atau beberapa kumpulan petak yang dijadikan contoh dari sekian banyak kumpulan peta-petak yang telah ada dianggap sebagai populasi dinyatakan sebagai contoh (sample ). Dari tiap kumpulan contoh atau tiap petak-contoh dipilih lagi secara acak sejumlah individu yang dinyatakan sebagai anak-contoh. Sejumlah individu anak-contoh ini akan bersifat sarang atau menyarang ke (termasuk ke dalam ) tiap contoh masing-masing. Secara otomatis peubah (data) yang akan diamati bersifat menyarang ke peubah (data) contoh. Sekilas memang percobaan tersarang serupa dengan percobaan faktorial, namun jika ditelaah lebih jauh ternyata jelas berbeda. Katakan saja suatu percobaan ingin mengetahui perbedaan ketahanan patah terhadap tiga jenis kayu yaitu Jabon, Meranti dan Keruing. Untuk nilai ketahanan patah masing-masing jenis, maka pengujiannya dilakukan pada bagian batang yaitu pangkal (1), tengah (2) dan ujung (3). Jelas ketiga bagian batang termasuk ke dalam (tersarang) masing-masing jenis (Gambar 5-1a) dan tidak berarti faktor jenis dapat faktorialkan dengan ketiga bagian batang. Untuk tidak terjadi kesalahan pengertian, maka penotasian pada Gambar 5-1a sebaiknya disesuaikan seperti sajian Gambar 5-1b. Atau perhatikan notasi pangkal, tengah dan ujung masing-masing jenis (1, 2, …….., 8, 9) yaitu 1 adalah Jabon bagian pangkal (Jp), 2 adalah Jabon bagian tengah (Jt), 3 adalah Jabon bagian ujung (Ju), 4 adalah Mp, dan seterusnya hingga 9 adalah Ku (Gambar 5-1c).
(a)
(b)
(c)
Gambar 5-1. Pola dasar percobaan tersarang
Pola Percobaan Tersarang
50-1
Uraian di atas mengilustrasikan percobaan dengan anak-contoh atau percobaan dengan pola tersarang. Atau Pola Percobaan Tersarang (Nested Experimental ). Sekarang sebagai pembanding, perhatikan suatu percobaan faktorial dengan 2 faktor yaitu pengolahan tanah dan pemupukan. Pengolahan tanah terdiri dari tanah tidak diolah dan tanah yang telah diolah. Pemupukan dengan jenis pupuk tertentu terdiri dari 4 taraf.
(a)
(b)
Gambar 5-2. Pola dasar percobaan faktorial Gambar di atas (Gambar 5-2a) mengilustrasikan pengkombinasian antara olahan tanah dan taraf jenis pupuk. Untuk penyederhanaannya seperti sajian Gambar 5-2b. Perhatikan dengan Gambar 5-1a di atas mirip/serupa tapi tak sama.
52. Rancangan Acak Tersarang Sederhana A. Rancangan Acak Lengkap Tersarang Model Rancangan Model linier rancangannya diilustrasikan sebagai berikut.
Yijk = µ + i = 1, 2, ………, a
i
+
j = 1, 2, …….…., b
j(i) +
ε j(i)k
k = 1, 2, ………, r
Yijk = peubah yang akan dianalisis (respon) µ = rataan umum αi = pengaruh aditif taraf ke-i dari faktor A β j(i) = pengaruh aditif taraf ke-j dari faktor B yang menyarang ke faktor A pada taraf ke-i ε j(i)t = galat percobaan
Bagan Pengamatan Katakan saja suatu percobaan dengan 2 faktor, yaitu faktor A terdiri dari 3 taraf dan B terdiri dari 3 taraf. Faktor B menyarang ke Faktor A. Pengulangan pengamatan dilakukan sebanyak 3 kali. Bagan pengamatannya disusun sebagai berikut.
Pola Percobaan Tersarang
50-2
Tabel 5-1. Bagan Pengamatan RALengkap Tersarang Faktor A Faktor B 1 Ulangan 2 3 Total B (Yij.) Total A (Yi..)
A1 B2 Y121 Y122 Y123 Y12. Y1..
B1 Y111 Y112 Y113 Y11.
B3 Y131 Y132 Y133 Y13.
B4 Y241 Y242 Y243 Y24.
A2 B5 Y251 Y252 Y253 Y25. Y2..
B6 Y261 Y262 Y263 Y26.
B7 Y371 Y372 Y373 Y37.
A3 B8 Y381 Y382 Y383 Y38. Y3..
B9 Y391 Y392 Y393 Y39.
Jumlah Y..1 Y..2 Y..3 Y... Y...
Analisis Keragaman Bentuk bagan analisisnya Tabel 5-2. Bagan Analisis Keragaman RALengkap Tersarang Sumber Keragaman Faktor A Faktor B dalam Faktor A Galat percobaan Total
derajat bebas (a – 1) a(b-1)
Jumlah Kuadrat JKA JK B(A)
Kuadrat Tengah KTA KT B(A)
ab (r -1)
JKG
KTG
abr – 1
JKT
---
Perhitungan FK = Y2.../abr JKT = ΣΣΣY2ijk – FK JKA = (ΣY2i..)/br – FK JKG = JKT – JKA – JK B(A) 2 2 2 = (Y 1.. + Y 2.. + Y 3..)/br – FK JK B(A) = Σ(Y2ij.)/r – Σ(Y2i../br) = (Y211.) + Y212. + Y213. + Y224. + Y225. + Y226. + Y237. + Y238. + Y239.)/r – (Y21.. + Y22.. + Y23..)/br ¾
Hipotesis H0 : σα2 ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor A H0 : σβ(α)2 ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor B(A)
¾
Keputusan uji FA =
KTA
/KTG
;
FA ≤ F(α,dbA,dbG) ; terima Ho atau tolak H1 FA > F(α,dbA,dbG) ; tolak Ho atau terima H1
FB(A) =
KT B(A)
/KTG
;
FB(A) ≤ F(α,dbB(A),dbG) ; terima Ho atau tolak H1 FB(A) > F(α,dbB(A),dbG) ; tolak Ho atau terima H1
Kasus 5-11 . Suatu percobaan ingin mengetahui kerapatan kayu lapis yang diproduksi oleh ketiga perusahaan plywood yaitu PT Meranti Raya, PT Keruing Jaya dan PT Ulin Plywood. Kayu lapis yang dihasilkan masing-masing perusahaan adalah 3 lapis (4 mm), 5 Pola Percobaan Tersarang
50-3
lapis (9 mm) dan 7 lapis (15 mm). Pengulangan pengamatan dilakukan sebanyak 4 kali. Rekaman data pengukuran kerapatan kayu lapis untuk ketiga jenis lapisan dan ketiga perusahaan seperti sajian berikut.
Jlh lapisan 1 Ulangan 2 3 4 Total B Total A
PT Meranti Raya 3 lps 5 lps 7 lps
Perusahaan Plywood PT Keruing Jaya 3 lps 5 lps 7 lps
PT Ulin Plywood 3 lps 5 lps 7 lps
0,5601
0,5610
0,5745
0,5111
0,5709
0,5774
0,5251
0,5379
0,5775
4,9955
0,5528
0,5657
0,5692
0,4528
0,5675
0,5588
0,5083
0,5553
0,5767
4.9071
0,4872
0,5574
0,5648
0,5472
0,5409
0,5779
0,5177
0,5661
0,5579
5.9171
0,5834
0,5776
0,5773
0,5452
0,5765
0,5673
0,4974
0,5445
0,5674
5.0366
2,1835
2,2617
2,2858
2,0563
2,2558
2,2814
2,0485
2,2038
2,2795
19.8563
6,7310
6,5935
6,5318
Jumlah
19.8563
dbA = 3-1 = 2 ; db B(A) = 3(3-1) = 6 ; dbG = 3.3(4-1) = 27 ; dbT = 3.3.4 – 1 = 35 FK = 19,85632/(3.3.4) = 10,95202 JK A = (6,73102 + 6,60352 + 6,53182)/(3.4) - 10,95202 = 0,001733 JK B(A) = {(2,18352 + 2,26172 + .......... + 2,20382 + 2,27952)/4} – (6,73102 + 6,59352 + 6,53182)/3.4 = 0,015958 JK T = (0,56012 + 0,56102 + 0,57452 + .......... + 0,49742 + 0,54452 + 0,56742) - 10,96305 = 0,031092 JK G = 0,031092 - 0,016393 - 0,001733 = 0,013400 Analisis Keragaman Kerapatan dari Kayu Lapis dengan Tiga Jenis Lapisan SK
db
JK
KT
Fh
F0,05(db1;db2)
F0,01(db1;db2)
Faktor A Faktor B(A) Galat
2
0,001733
0,000867
1,7460
3.3541
5.4881
6 27
0,015958 0,013400
0,002660 0,000496
5,3589** ---
2,4591
3,5580
Total
35
0,031092
---
Cara menentulan nilai F(α,db1,db2) telah diisajikan pada Kasus 3-11. buka layar program excel posisikan kruser pada sembarang cell
untuk F(0,05,2,27); ketik “=FINV(0.05,2,27)” Enter, akan tampil 3.3541 untuk F(0,01,2,27); ketik “=FINV(0.01, 2,27)” Enter, akan tampil 5.4881
untuk F(0,05,6,27); ketik “=FINV(0.05,6,27)” Enter, akan tampil 2.4591 untuk F(0,01,6,27); ketik “=FINV(0.01, 6,27)” Enter, akan tampil 3.5580
Hasil uji Fisher menunjukkan bahwa secara umum kerapatan kayu lapis ketiga jenis lapisan antar perusahaan belum menunjukkan perbedaan. Sedangkan ketiga jenis lapisan pada tiap perusahaan menunjukkan perbedaan yang sangat nyata.
Pola Percobaan Tersarang
50-4
B. Rancangan Acak Kelompok Tersarang Model Rancangan Model linier rancangannya diilustrasikan sebagai berikut.
Ykij = µ + k = 1, 2, ………, r
k
+
i
+
i = 1, 2, ………, a
j(i) +
εkij(i)
j = 1, 2, …….…., b
Ykij = peubah yang akan dianalisis (respon) µ = rataan umum
τk = pengaruh aditif dari kelompok ke r αi = pengaruh aditif taraf ke-i dari faktor A β j(i) = pengaruh aditif taraf ke-j dari faktor B yang menyarang ke faktor A pada
εki(j)i
taraf ke-i = galat percobaan
Bagan Pengamatan Suatu percobaan dengan 2 faktor, yaitu faktor A terdiri dari 3 taraf dan B terdiri dari 3 taraf yang menyarang ke tiap faktor A. Karena adanya sumber atau kondisi yang berbeda maka pengulangan berupa kelompok sebanyak 3 kali. Bagan pengamatannya dapat disusun sebagai berikut. Tabel 5-3. Bagan Pengamatan RAKelompok Tersarang Faktor A Faktor B 1 Kelompok 2 3 Total B (Y.ij) Total A (Y.i.)
B1 Y111 Y211 Y311 Y.11
A1 B2 Y112 Y212 Y312 Y.12 Y.1.
B3 Y113 Y213 Y313 Y.13
B4 Y124 Y224 Y324 Y.24
A2 B5 Y125 Y225 Y325 Y.25 Y.2.
B6 Y126 Y226 Y326 Y.26
B7 Y137 Y237 Y337 Y.37
A3 B8 Y138 Y238 Y338 Y.38 Y.3.
B9 Y139 Y239 Y339 Y.39
Jumlah Y1.. Y2.. Y3.. Y... Y...
Analisis Keragaman Bentuk bagan analisisnya Tabel 5-4. Bagan Analisis Keragaman RAKelompok Tersarang Sumber Keragaman Kelompok Faktor A Faktor B(A) Galat percobaan Total
Pola Percobaan Tersarang
derajat bebas (r – 1) (a – 1) a(b-1) ab (r -1)
Jumlah Kuadrat JKK JKA JK B(A) JKG
Kuadrat Tengah KTK KTA KT B(A) KTG
abr – 1
JKT
---
50-5
Perhitungan FK = Y2.../abr
JKT = ΣΣΣY2kij – FK
JKK = (ΣY2r..)/ab – FK = (Y21.. + Y22.. + Y23..)/ab – FK
JKG = JKT – JKA – JK B(A) - JKK
JKA = (ΣY2.i.)/br – FK = (Y2.1. + Y2.2. + Y2.3.)/br – FK JK B(A) = Σ(Y2.ij)/r – Σ(Y2.i./br) = (Y2.11 + Y2.12 + Y2.13 + Y2.24 + Y2.25 + Y2.26 + Y2.37 + Y2.38 + Y2.39)/r – (Y2.1. + Y2. 2. + Y2. 3.)/br ¾
Hipotesis H0 : σρ2 ≤ 0 ; tidak ada keragaman dalam pengelompokan H0 : σα2 ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor A H0 : σβ(α)2 ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor B(A)
¾
Keputusan uji FK =
KTK
FA =
KTA
;
/KTG
FK ≤ F(α,dbK,dbG) ; terima Ho atau tolak H1 FK > F(α,dbK,dbG) ; tolak Ho atau terima H1
;
/KTG
FA ≤ F(α,dbA,dbG) ; terima Ho atau tolak H1 FA > F(α,dbA,dbG) ; tolak Ho atau terima H1
FB(A) =
KT B(A)
/KTG
;
FB(A) ≤ F(α,dbB(A),dbG) ; terima Ho atau tolak H1 FB(A) > F(α,dbB(A),dbG) ; tolak Ho atau terima H1
Kasus 5-12 . Percobaan pertumbuhan jumlah tunas dilakukan pada stek sungkai yang diperoleh dari 3 bagian cabang yaitu pangkal. tengah dan ujung (faktor B). Bibit sungkai diperoleh dari desa Sungkai, desa Makmur Jaya dan desa Sumber Sari (faktor A). Pengelompokan dilakukan pada cara penanaman stek yaitu dengan 3 sudut tanam (00, 45 0 dan 900 dari permukaan tanah/bidang datar).
Rekaman data pengukuran jumlah tunas stek Sungkai seperti sajian berikut. Sumber bibit Bagian batang 00 450 900 Total B Total A
Sungkai pkl tgh ujg
Makmur Jaya pkl Tgh ujg
Sumber Sari pkl tgh ujg
Jlh
6 7 7
7 7 5
7 6 5
6 5 5
5 5 6
6 6 5
7 5 4
7 5 4
6 4 3
57 50 44
20
19 57
18
16
16 49
17
16
16 45
13
151 151
dbK = 3-1 = 2 ; dbA = 3-1 = 2 ; db B(A) = 3(3-1) = 6 dbG = 3.3(3-1) = 18 ; dbT = 3.3.3 – 1 = 26 FK = 1512/(3.3.3) = 844,4815 JK K = (572 + 502 + 442)/(3.3) - 844,4815 = 9.407407 JK A = (572 + 492 + 452)/(3.3 - 844,4815 = 8.296296 Pola Percobaan Tersarang
50-6
JK B(A) = {(202 + 192 + .......... + 162 + 132)/3} – (572 + 492 + 452)/3.3 = 2.888889 JK T = (62 + 72 + 72 + .......... + 42 + 42 + 32) - 844,4815 = 32.51852 JK G = 32.51852 – 2.888889 – 8.296296 - 9.407407 = 11,92593 Analisis Keragaman Jumlah Tunas Stek Sungkai SK
db
JK
KT
Fh
F0,05(db1;db2)
F0,01(db1;db2)
2
9.407407
4,703704
6,310559**
3.6337
6,2262
2,7413
4,2016
Kelompok Faktor A Faktor B(A) Galat
2
8.296296
4.148148
5.565217**
6 16
2.888889 11,92593
0.481481 0.745370
0.645963 ---
Total
26
32.51852
---
Cara menentulan nilai F(α,db1,db2) dapat ditelah pada sajian pada Kasus 5-11. Hasil uji Fisher menunjukkan bahwa : a. Pengelompokkan berdasarkan sudut tanam menunjukkan perbedaan yang sangat nyata; Ini berarti pula bahwa menanam stek dengan cara rebahkan, miring ataupun berdiri tegak akan menghasilkan perbedaan jumlah tunas. b. Perbedaan sumber bibit juga menunjukkan perbedaan yang sangat nyata; Jadi as al bibit juga menuntukan banyaknya tunas pada stek sungkai. c. Sedangkan perbedaan bagian batang yang ditanam tidak menunjukkan perbedaan;; Ini berarti bagian manapun dari cabang yang digunakan sebagai stek akan memberikan pertumbuhan jumlah tunas yang relatif sama.
53. Rancangan Acak Tersarang Faktorial A. Rancangan Acak Lengkap Tersarang Faktorial Model Rancangan Model linier rancangannya diilustrasikan sebagai berikut.
Yijkl = µ + i = 1, 2, ………, a
i
+
j
+ Çk(j) + (
j = 1, 2, …….…., b
)ij +
k = 1, 2, ………, c
εik(j)l
l = 1, 2, ………, r
Yijkl = peubah yang akan dianalisis (respon) µ = rataan umum αi = pengaruh aditif taraf ke-i dari faktor A β j = pengaruh aditif taraf ke-j dari faktor B Çk(j) = pengaruh aditif taraf ke-k dari faktor C yang menyarang ke faktor B pada taraf ke-j (αβ)ij = pengaruh interaksi taraf ke-i faktor A & taraf ke-j faktor B εik(j)l = galat percobaan
Bagan Pengamatan Katakan saja suatu percobaan dengan 3 faktor, yaitu faktor A terdiri dari 3 taraf, B terdiri dari 2 taraf dan C terdiri dari 2 taraf menyarang ke faktor B. Pola Percobaan Tersarang
50-7
Pengulangan pengamatan dilakukan sebanyak 3 kali. Bagan pengamatannya dapat disusun sebagai berikut. Tabel 5-5. Bagan Pengamatan RALengkap Tersarang Faktorial
U-1 U-2 U-3 ΣC ΣB ΣA
A1
A2
A3
B1 B2 C1 C2 C3 C4 Y1111 Y1121 Y1231 Y1241 Y1112 Y1122 Y1232 Y1242 Y1113 Y1123 Y1233 Y1243 Y111. Y112. Y123. Y124. Y11.. Y12.. Y1...
B1 B2 C5 C6 C7 C8 Y2151 Y2161 Y2271 Y2281 Y2152 Y2162 Y2272 Y2282 Y2153 Y2163 Y2273 Y2283 Y215. Y216. Y227. Y228. Y21.. Y22.. Y2...
B1 B2 C9 C10 C11 C12 Y3191 Y3101 Y3111 Y3221 Y3192 Y3102 Y3112 Y3222 Y3193 Y3103 Y3113 Y3223 Y319. Y310. Y311. Y322. Y31.. Y32.. Y3..
Y…1 Y…1 Y…1
Analisis Keragaman Bentuk bagan analisisnya Tabel 5-6. Bagan Analisis Keragaman RALengkap Tersarang Faktorial Sumber Keragaman Faktor A Faktor B Faktor C (B) Faktor A x B Galat percobaan Total
derajat bebas (a – 1) (b – 1) b(c-1) (a – 1)(b – 1) abc (r -1)
Jumlah Kuadrat JK A JK B JK C(B) JK AB JK G
Kuadrat Tengah KT A KT B KT C(B) KT AB KT G
abcr – 1
JK T
---
Perhitungan FK = Y2..../abcr JKA = (ΣY2i...)/bcr – FK = (Y21... + Y22... + Y23...)/bcr – FK JKB = (ΣY2i...)/acr – FK = (Y2. 1.. + Y2. 2..)/acr – FK JK C(B) = Σ(Y2..k.)/ar – Σ(Y2 . j../acr) = (Y2111.) + Y2112. + Y2123. + Y2124. + Y2215. + Y2216. + Y2227. + Y2228. + Y2319. + Y2310. + Y2211. + Y2322.)/ar – (Y211.. + Y212.. + Y221.. + Y222.. + Y231.. + Y232..)/acr JKAB = (ΣY2ij..)/cr – FK – JKA - JKB = (Y211.. + Y212.. + Y221.. + Y222.. + Y231.. + Y232..)/cr – FK – JKA - JKB JKT = ΣΣΣY2ijk – FK JKG = JKT – JKA – JK B - JKC(B) – JK AB
Pola Percobaan Tersarang
50-8
¾
¾
Hipotesis H0 : σα2 ≤ 0 ; H0 : σβ2 ≤ 0 ; H0 : σÇ(β)2 ≤ 0 ; H0 : σαβ2 ≤ 0 ;
tidak ada keragaman dalam populasi taraf faktor A tidak ada keragaman dalam populasi taraf faktor B tidak ada keragaman dalam populasi taraf faktor C(B) tidak ada keragaman dalam populasi kombinasi perlakuan
Keputusan uji FA =
KTA
/KTG
;
FA ≤ F(α,dbA,dbG) ; terima Ho atau tolak H1 FA > F(α,dbA,dbG) ; tolak Ho atau terima H1
FB =
KTB
/KTG
;
FB ≤ F(α,dbB,dbG) ; terima Ho atau tolak H1 FB > F(α,dbB,dbG) ; tolak Ho atau terima H1
FC(B) =
KT C(B)
/KTG
;
FC(B) ≤ F(α,dbC(B),dbG) ; terima Ho atau tolak H1 FC(B) > F(α,dbC(B),dbG) ; tolak Ho atau terima H1
FAB =
KTAB
/KTG
;
FAB ≤ F(α,dbAB,dbG) ; terima Ho atau tolak H1 FAB > F(α,dbAB,dbG) ; tolak Ho atau terima H1
Kasus 5-21. Percobaan pertumbuhan dari cabutan anakan alam meranti dengan media sapih gambut dan abu sekam padi. Cabutan anakan alam meranti terdiri 3 jenis (Mm, Mp dan Mk) yang diperoleh dari dua lokasi berbeda (L1 dan L2). Media sapih berupa gambut 100% (kontrol), media campuran terdiri dari 75% gambut & 25% abu sekam, 50% gambut & 50% abu sekam, 25% gambut & 75% abu sekam, pengulangan dilakukan sebanyak 3 kali. 75% gambut dan 25% abu sekam, 75% gambut dan 25% abu sekam,
Rekaman data pertambahan tinggi cabutan anakan alam meranti seperti sajian berikut. Ulangan 1
2
3
Gambut + Abu SP 100% G 75% G + 25% A 50% G + 50% A 25% G + 75% A 100% G 75% G + 25% A 50% G + 50% A 25% G + 75% A 100% G 75% G + 25% A 50% G + 50% A 25% G + 75% A Σ M(L) = ΣL =
Pola Percobaan Tersarang
Mm 0,85 0,87 0,79 0,76 0,75 0,87 0,84 0,78 0,73 0,96 0,84 0,77 9,81
L1 Mp 0,94 1,13 0,94 0,85 0,93 1,08 0,98 0,86 0,97 0,98 0,79 0,73 11,18 30,73
Mk 0,97 0,85 0,79 0,75 0,69 0,96 0,89 0,68 0,79 0,84 0,75 0,78 9,74
L2 Mm Mp 0,78 0,87 0,84 0,87 0,79 0,77 0,88 0,89 0,69 0,78 0,97 0,86 0,83 0,82 0,78 0,78 0,87 0,78 0,97 0,87 0,88 0,88 0,82 0,87 10,10 10,04 29,64
Mk 0,77 0,78 0,89 0,77 0,76 0,77 0,86 0,74 0,78 0,85 0,81 0,72 9,50
Jumlah 5,18 5,34 4,97 4,90 4,60 5,51 5,22 4,62 4,92 5,47 4,95 4,69 60,37
50-9
Analisis Keragaman Pertambahan Tinggi Cabutan Anakan Alam Meranti SK
db
JK
KT
Fh
F0,05(db1;db2)
F0,01(db1;db2)
Faktor Media Faktor Lokasi Faktor M(L) Lokasi x Media Galat
3
0,135660
0,045220
11,502270**
2,7581
4,1259
2
0,016501
0.016501
4.197343*
4.0012
7,0771
4
0,128072
0.032018
8.144210**
2,5252
3,6490
3 60
0,036815 0,235883
0,012272 0.003931
3,121482* ---
2,7581
4,1259
Total
71
0,552932
---
Cara menentulan nilai F(α,db1,db2) dapat ditelah pada sajian pada Kasus 5-11. Hasil uji Fisher menunjukkan bahwa : a. Semua faktor memperlihatkan perbedaan yang nyata. b. Media sapih berupa campuran gambut dan abu sekam padi menunjukkan perbedaan terhadap pertumbuhan tinggi jens meranti. c. Perbedaan lokasi menunjukkan perbedaan pertumbuhan tinggi tiap jenis meranti. d. Pertumbuhan cabutan anakan meranti tiap lokasi juga menunjukkan perbedaan pertumbuhan tinggi yang cukup berarti. e. Kombinasi yang diharapkan (faktorial) menunjukkan perbedaan yang cukup berarti pada pertumbuhan tinggi jabutan anakan meranti.
B. Rancangan Acak Kelompok Tersarang Faktorial Model Rancangan Model linier rancangannya diilustrasikan sebagai berikut.
Ylijk = µ + i = 1, 2, ………, a
l
+
i
+
j
j = 1, 2, …….…., b
+ Çk(j) +
(
)ij
k = 1, 2, ………, c
+
εlik(j)
l = 1, 2, ………, r
Yijkl = peubah yang akan dianalisis (respon) µ = rataan umum
τl = pengaruh aditif dari kelompok ke r αi = pengaruh aditif taraf ke-i dari faktor A β j = pengaruh aditif taraf ke-j dari faktor B
Çk(j) = pengaruh aditif taraf ke-k dari faktor C yang menyarang ke faktor B pada taraf ke-j (αβ)ij = pengaruh interaksi taraf ke-i faktor A & taraf ke-j faktor B εlik(j) = galat percobaan
Bagan Pengamatan Katakan saja suatu percobaan dengan 3 faktor, yaitu faktor A terdiri dari 3 taraf, B terdiri dari 2 taraf dan C terdiri dari 2 taraf menyarang ke faktor B. Pengulangan pengamatan dilakukan sebanyak 3 kali. Bagan pengamatannya dapat disusun sebagai berikut.
Pola Percobaan Tersarang
50-10
Tabel 5-7. Bagan Pengamatan RAKelompok Tersarang Faktorial Ke Lom pok I II III ΣC ΣB ΣA
A1 B1
B2 C1 C2 C3 C4 Y1111 Y1112 Y1123 Y1124 Y2111 Y2112 Y2123 Y2124 Y3111 Y3112 Y3123 Y3124 Y. 111 Y.112 Y.123 Y.124 Y.11. Y.12. Y.1..
A2
A3
B1
B2 C5 C6 C7 C8 Y1215 Y1216 Y1227 Y1228 Y2215 Y2216 Y2227 Y2228 Y3215 Y3216 Y3227 Y3228 Y.215 Y.216 Y.227 Y.228 Y.21. Y.22. Y.2..
B1
B2 C9 C10 C11 C12 Y1319 Y1310 Y1311 Y1312 Y2319 Y2310 Y2311 Y2312 Y3319 Y3310 Y3311 Y3312 Y.319 Y.310 Y.321 Y.322 Y.31. Y.32. Y.3..
Jlh Y1… Y2… Y3…
Analisis Keragaman Bentuk bagan analisisnya Tabel 5-8. Bagan Analisis Keragaman RAKelompok Tersarang Faktorial Sumber Keragaman Kelompok Faktor A Faktor B Faktor C (B) Faktor A x B Galat percobaan Total
derajat bebas (r – 1) (a – 1) (b – 1) b(c-1) (a – 1)(b – 1) abc (r -1)
Jumlah Kuadrat JK K JK A JK B JK C(B) JK AB JK G
Kuadrat Tengah KT K KT A KT B KT C(B) KT AB KT G
abcr – 1
JK T
---
Perhitungan FK = Y2..../abcr JKK = (ΣY2l...)/abc - FK = (Y21... + Y22... + Y23...)/abc - FK JKA = (ΣY2.i..)/bcr – FK = (Y2.1.. + Y2.2.. + Y2.3..)/bcr – FK JKB = (ΣY2.. j.)/acr – FK = (Y2..1. + Y2..2.)/acr – FK = (( Y.11. + Y.21.+ Y.31.)2 + (Y.12. + Y.22. + Y.32.) 2)/acr – FK JK C(B) = Σ(Y2.. jk)/ar – Σ(Y2.ij./acr) = (Y2.111 + Y2.112 + Y2.123 + ....... + Y2.310 + Y2.321 + Y2.322)/ar - (Y2.11. + Y2.12. + Y2.21. + Y2.22. + Y2.31. + Y2.32.)/acr JKAB = (ΣY2.11.)/cr – FK – JKA - JKB = (Y2.11. + Y2.12. + Y2.21. + Y2.22. + Y2. 31. + Y2. 32.)/cr – FK – JKA - JKB JKT = ΣΣΣY2ijk – FK JKG = JKT – JKA – JK B - JKC(B) – JK AB
Pola Percobaan Tersarang
50-11
¾
Hipotesis H0 : στ2 ≤ 0 ; tidak ada keragaman dalam pengelompokan H0 : σα2 ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor A H0 : σβ2 ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor B H0 : σÇ(β)2 ≤ 0 ; tidak ada keragaman dalam populasi taraf faktor B(A) H0 : σαβ2 ≤ 0 ; tidak ada keragaman dalam populasi kombinasi perlakuan
¾
Keputusan uji FK =
KTK
/KTG
;
FK ≤ F(α,dbK,dbG) ; terima Ho atau tolak H1 FK > F(α,dbK,dbG) ; tolak Ho atau terima H1
FA =
KTA
FB =
KTB
/KTG
;
FA ≤ F(α,dbA,dbG) ; terima Ho atau tolak H1 FA > F(α,dbA,dbG) ; tolak Ho atau terima H1
/KTG
;
FB ≤ F(α,dbB,dbG) ; terima Ho atau tolak H1 FB > F(α,dbB,dbG) ; tolak Ho atau terima H1
FC(B) =
KT C(B)
/KTG
;
FC(B) ≤ F(α,dbC(B),dbG) ; terima Ho atau tolak H1 FC(B) > F(α,dbC(B),dbG) ; tolak Ho atau terima H1
FAB =
KTAB
/KTG
;
FAB ≤ F(α,dbAB,dbG) ; terima Ho atau tolak H1 FAB > F(α,dbAB,dbG) ; tolak Ho atau terima H1
Kasus 5-22. Katakan saja suatu percobaan dengan 3 faktor yaitu A, B dan C. dengan masing taraf adalah 2, 3 dan 2. Faktor C menyarang ke faktor B. Disamping itu pada percobaan ini dilakukan kombinasi antara faktor A dan faktor B. Pengelompokan dilakukan karena diduga kuat terjadi perbedaan kondisi dalam ulangan.
Rangkuman data respon sebagai berikut. Ke Lom pok I II III ΣC ΣB ΣA
A1 B2
B1 C1
C2
C1
B3 C2
C1
A2 B2
B1 C2
C1
C2
C1
B3 C2
C1
Jlh C2
0,89 0,87 0,89 0,85 0,69 0,81 0,89 0,89 0,81 0,78 0,83 0,83 10,03 0,85 0,86 0,88 0,81 0,67 0,78 0,83 0,78 0,77 0,76 0,79 0,78 9,56 0,79 0,84 0,80 0,76 0,65 0,75 0,73 0,70 0,73 0,74 0,72 0,75 8,96 2,53 2,57 2,57 2,42 2,01 2,34 2,45 2,37 2,31 2,28 2,34 2,36 28,55 5,10 4,99 4,35 4,82 4,59 4,70 14,44 14,11
Pola Percobaan Tersarang
50-12
Analisis Keragaman suatu Percobaan Kelompok Tersarang Faktorial SK Kelompok Faktor A Faktor B Faktor C(B) AxB Galat Total
db
JK
KT
Fh
F0,05(db1;db2)
F0,01(db1;db2)
2 1 2 3 2 25 35
0,0479 0,0300 0,0320 0,0117 0,0271 0,0735 0,1474
0,0240 0,0300 0.0160 0.0039 0,0135 0.0029
8,1501** 1,0286 0.4469* 1,3289 4,5988* ---
3,3852 4.2417 3,3852 2.9912 3,3852
5,5680 7,7698 5,5680 4.6755 5,5680
---
Cara menentulan nilai F(α,db1,db2) dapat ditelah pada sajian pada Kasus 5-11. Hasil uji Fisher menunjukkan bahwa : a. dugaan pengulangan berupa kelompok adalah benar b. adanya faktor A maupun faktor C dalam faktor B belum menunjukkan perbedaan c. faktor B dan interaksi A x B menunjukkan yang berarti
Pola Percobaan Tersarang
50-13
60 Uji Beda Rataan Uji beda rataan (nilai tengah) pada dasarnya merupakan uji lanjutan dari uji F (Fisher) pada Analisis Keragaman. Pada uji F hanya mampu menunjukkan faktor perlakuan mana saja yang telah dicobakan dan memberikan pengaruh atau tidak terhadap hasil percobaan (respon). Jika pengaruh suatu perlakuan dinyatakan berbeda nyata, maka untuk menunjukan lebih lanjut taraf atau tingkat faktor perlakuan mana saja yang menunjukkan beda tersebut, uji beda rataan sebagai tahap lanjutannya. Uji beda rataan inilah yang merupakan sasaran seorang peneliti dalam suatu percobaan. Dengan dasar uji beda rataan ini si peneliti dapat memberikan saran suatu rekomendasi dari suatu percobaan. Misal rekomendasi tentang dosis penggunaan pupuk, persentasi kekentalan suatu perekat, ukuran tertentu suatu anakan untuk dapat dijadikan bibit cabutan. Uji beda rataan pada dasarnya membandingkan dua nilai rataan perlakuan atau lebih dengan nilai pembanding yang didasarkan pada nilai rataan perlakuan itu sendiri. Namun uji beda rataan mana yang akan digunakan sesuai dengan perlakuan ?. Karena setiap uji beda rataan akan berpengaruh terhadap hasil percobaan. Umumnya setiap peneliti belum dapat memastikan uji mana yang akan digunakan sesuai hipotesis yang diajukan, maka peneliti dapat menggunakan metode uji beda rataan tak terencana . Uji kontras orthogonal atau uji kontras polynomial (metode uji beda rataan terencana ) dapat digunakan jika peneliti telah menentukan sebelumnya (sebelum melaksanakan percobaan) perlakuan mana saja akan diuji sesuai dengan hipotesis yang diajukan. Hipotesis umum yang diajukan dalam pengujian adalah H0 : µ0 = µ1 = µ2 = ……. = µi = ……… µn H1 : paling tidak ada sepasang µi ≠ µ yang lain tidak seragam Nilai uji beda dua rataan perlakuan secara umum dapat ditentukan dengan bhitung = d(α;d).s untuk d = nilai baku pada salah duga sebesar α dengan derajat bebas sebesar d sesuai sebaran peubah s = galat baku Keputusan uji yang digunakan adalah ≤ b, terima H0 Jika bhitung > b, terima H1 Hasil pengujian : (a) jika H0 diterima pada salah duga 5%; berarti 2 perlakuan yang dibandingkan berbeda tidak nyata (non significant difference ) (b) jika H1 diterima pada salah duga 5%; berarti 2 perlakuan yang dibandingkan berbeda nyata (significant difference ) (c) jika H1 diterima pada salah duga 1%; berarti 2 perlakuan yang dibandingkan berbeda sangat nyata (highly significant difference )penyajian hasil uji
Uji Beda Rataan
60-1
Penyajian hasil uji yang disajikan, diupayakan sederhana, mudah dipahami dan informatif. Yang penting dalam penyajiannya adalah daya nalar seseorang (pendengar) mudah mencernanya. Tiga bentuk lambang sajian hasil uji beda rataan yang biasa dilakukan adalah (1) Lambang bintang Sajian lambang berupa bintang ini serupa seperti sajian pada F hitung pada Uji Fisher (F). Jika berbeda nyata (nilai uji > 5%) dinyatakan dengan 1 bintang (*). Sajian 2 bintang (**) jika perbedaan/pengaruh yang ditimbulkan sangat nyata (nilai uji > 1%). Sedangkan jika hasil ujinya tidak nyata (nilai uji < 5%) dinyatakan “tanpa bintang” atau dinotasikan dengan tn (berarti tidak nyata ). (2) Lambang garis Sajian lambang berupa garis dibuat antara dua nilai rataan perlakuan yang dibandingkan. Jika selisih kedua nilai rataan perlakuan lebih kecil dari nilai pembanding, maka di bawah kedua nilai rataan tersebut digaris yang bermakna tidak ada perbedaan yang nyata. Sedangkan dua nilai rataan perlakuan yang lain dan seragam juga diberi garis tetapi tidak seletak dengan dua nilai rataan perlakuan sebelumnya. (3) Lambang huruf Sajian lambang berupa huruf latin serupa dengan cara lambang garis. Bedanya pada dua nilai rataan perlakuan yang dibandingkan seragam diberi huruf yang sama (tidak berbeda nyata). Untuk dua nilai rataan perlakuan yang lain dan seragam diberi huruf yang berbeda dengan sebelumnya.
61. Uji Beda Rataan Berdasarkan Kriteria Uji A. Uji Beda Nyata Terkecil (BNT) Prosedur uji ini ( Least Significant Difference LSD) cukup sederhana dengan nilai BNT tunggal dalam membandingkan pasangan-pasangan rataan perlakuan. Uji ini cukup baik digunakan untuk jumlah perlakuan kurang dari enam. Rumusan uji ini adalah BNT α = t(a/2,dbG).sd Nilai batas t(a/2), merupakan nilai kritis sebaran t-Student. Nilai kritis dari t(a/2), dapat dilihat pada tabel sebaran t (STATISTIKA, Lampiran 32). Atau cara lain untuk memperolehnya dengan rumusan TINV. Untuk jelasnya silahkan telaah nilai Sebaran t pada STATISTIKA, Bab 30 Peluang, Hal.40. 2 ¾ sd = √(2.s /r) = galat baku beda rataan deviasi ¾
Sehingga notasi keduanya dapat menjadi BNT α = t(α/2,dbG).√(2.s2/r)
[6-1]
Galat baku beda rataan merupakan akar dari ragam galat gabungan. Ragam galat gabungan ini dalam suatu rancangan adalah ragam galat percobaan atau lebih dikenal dengan Kuadrat Tengah Galat Percobaan (KTG). Rumusan BNT α dalam analisis keragaman biasanya dinotasikan sebagai BNT α = t(a/2,dbG).√(2.KTG/r) [6-2]
Uji Beda Rataan
60-2
Rumusan ini merupakan rumusan dasar dan juga digunakan untuk ulangan yang sama. Untuk ulangan tidak sama atau penggunaannya dalam suatu rancangan perlu dilakukan penyesuaian nilai pembaginya Katakan saja suatu percobaan faktorial pada RAL dengan perlakuan A (3 taraf), B (4 taraf) dan AB (12 taraf), masing-masing diulang 5 kali. Hasil percobaan menunjukkan perlakuan B yang berbeda nyata. Jika demikian maka pembagi r menjadi a.r. Jika pengulangan tiap perlakuan minimal satu perlakuan yang berbeda ulangannya terhadap yang lain (terdapat pengulangan paling tidak 1 perlakuan yang berbeda) maka rumusan [6-1] (juga 6-2) dilakukan penyesuaian yaitu : BNT α = t(a/2,dbG).√s2.(1/ri + 1/r j)
[6-3]
Langkah-langkah pengujian uji BNT α sebagai berikut : (1) Nilai t(α/2,dbG) dapat diperoleh dengan bantuan tabel “Nilai Sebaran t” (Lampiran 3-2 dalam STATISTIKA); atau menggunakan rumusan “TINV(a,db)”. Cara menentukan salahduga sebesar α dengan db = db 2 = dbGalat dapat disimak pada Lampiran 03. (3) hitung nilai BNT α (4) urut kedudukan/posisi tiap rataan peubah dari yang terkecil hingga terbesar (kiri ke kanan) atau sebaliknya ; dan atau urutkan posisinya dari terkecil hingga terbesar (atas ke bawah) atau sebalikmya (5) Hitung perbedaan (nilai beda) tiap pasangan rataan peubah (d ij) (6) Bandingkan dij dengan BNT α. Pengujiannya : ≤ BNT α ; tidak berbeda nyata pada salahduga α atau α/2 dij = |Yi – Y j| > BNT α ; berbeda nyata pada salahduga α atau α/2 Kasus 6-11. Percobaan pemupukan terhadap pertumbuhan anakan ulin dengan dosis/takaran tertentu. Pupuk yang diberikan berupa NPK, NP, NK, PK, pupuk kandang, pupuk hijau dan tanpa pupuk sebagai kontrol. Tiap perlakuan diulang sebanyak 5 kali.
Rekapitulasi hasil pertambahan tingginya (respon) Ulangan 1 2 3 4 5
Jumlah Rataan
NPK
Pertambahan tinggi per bulan (cm) NP NK PK p.kdng p.hijau
4.56 4.17 5.39 3.32 4.49 21.93 4.386
3.51 2.71 4.37 3.81 3.77 18.17 3.634
3.54 4.12 3.80 4.71 5.01 21.18 4.236
2.69 3.29 5.50 3.89 5.43 20.8 4.160
3.18 3.41 2.77 4.71 3.83 17.90 3.580
2.01 2.11 3.26 2.97 2.13 12.48 2.496
kontrol 1.90 2.44 1.76 2.95 2.93 11.98 2.396
Jumlah 21.39 22.25 26.85 26.36 27.59 124.44 3,5554
Uji Fisher menunjukkan bahwa Sumber Perlakuan Galat Total Uji Beda Rataan
db 6 28 34
JK 19.9599 16.3598 36.3197
KT
F hitung
3.3266 5.6936** 0.5843 -
F0,05
F0,01
2.4453
3.5276
60-3
Pengujian statistik BNT
Hitung nilai pembanding BNT α BNT 0,05 = t(0,025,28).√(2)(0.5843)/5 = t(0,025,28).√(2)(0.5843) /5 = (2,0484)(0,2162) = 0,4428 BNT 0,01 = t(0,005,28).√(2)(0.5843) /5 = t(0,005,28).√(2)(0.5843) /5 = (2,7633)(0,2162) = 0,5974
Cara perolehan nilai t 0,025;(28) = 2,0484 dan t0,005;(28) = 2,7633 dengan rumusan TINV adalah (1) ikuti langkah yang disajikan pada Lampiran 03; atau (2) ¾ buka layar program excel α α ¾ posisikan kruser pada sembarang cell 0.05 0.01 ¾ untuk t (0,025,28); ketik “=TINV(0.05,28) Enter” db 28 2.0484 2.7633 ¾ untuk t (0,005,28); ketik “=TINV(0.01,28) Enter”
Tentukan nilai beda; sebelunya susun rataan data (perlakuan) dari pringkat terkecil hingga terbesar. Sebaiknya diberi nomor peringkat Kontrol (1) 2.396
p.hijau (2) 2.496
p.kdng (3) 3.580
Cara menghitung nilai beda (2) – (1) = 2.496 - 2.396 = 0,100 (3) – (1) = 3.580 - 2.396 = 1,184 (4) – (1) = 3.634 - 2.396 = 1,238 (5) – (1) = 4.160 - 2.396 = 1,764 (6) – (1) = 4.236 - 2.396 = 1,840 (7) – (1) = 4.386 - 2.396 = 1,990 (3) – (2) = 3.580 - 2.496 = 1,084 (4) – (2) = 3.634 - 2.496 = 1,138 (5) – (2) = 4.160 - 2.496 = 1,664 (6) – (2) = 4.236 - 2.496 = 1,740 (7) – (2) = 4.386 - 2.496 = 1,890
NP (4) 3.634
PK (5) 4.160
NK (6) 4.236
NPK (7) 4.386
(4) – (3) = 3.634 - 3.580 = 0,054 (5) – (3) = 4.160 - 3.580 = 0,580 (6) – (3) = 4.236 - 3.580 = 0,656 (7) – (3) = 4.386 - 3.580 = 0,806 (5) – (4) = 4.160 - 3.634 = 0,526 (6) – (4) = 4.236 - 3.634 = 0,602 (7) – (4) = 4.386 - 3.634 = 0,752 (6) – (5) = 4.236 - 4.160 = 0,076 (7) – (5) = 4.386 - 4.160 = 0,226 (7) – (6) = 4.386 - 4.236 = 0,150
Susun ke dalam daftar berikut dan bandingkan dengan BNT α (jika penyajian berlambang bintang) (2) (1) (2) (3) (4) (5) (6)
0,100
(3) 1,184** 1,084**
BNT 0,05 = 0,4428
Uji Beda Rataan
(4)
(5)
(6)
(7)
1,238** 1,764** 1,138** 1,664** 0,054 0,580* 0,526*
1,840** 1,990** 1,740** 1,890** 0,656** 0,806** 0,602** 0,752** 0,760 0,226 0,150 BNT 0,01 =0,5974
60-4
Sajian uji statistik BNT selengkapnya Perlakuan Rataan kontrol p.hijau p.kdng NP PK NK NPK
2.396 2.496 3.580 3.634 4.160 4.236 4.386
Nilai beda NP PK
p.hijau
p.kdng
0,100 -
1,184** 1,238** 1,084** 1,138** 0,054 -
NK
NPK
1,764** 1,664** 0,580* 0,526* -
1,840** 1,990** 1,740** 1,890** 0,656** 0,806** 0,602** 0,752** 0,760 0,226 0,150 BNT 0,05 = 0,4428 BNT 0,01 =0,5974 Keterangan : * = berbeda nyata; ** = berbeda sangat nyata
Bentuk sajian seperti ini telah memberikan gambarkan jika akan membuat sajian berupa lambang garis atau huruf.
Sajian berupa garis Kontrol (1) 2.396
p.hijau (2) 2.496
p.kdng (3) 3.580
NP (4) 3.634
PK (5) 4.160
NK (6) 4.236
NPK (7) 4.386
Tampilan garis sementara (buat garis untuk yang berbeda tidak nyata) (1)
(3)
(5)
5%
(6)
(1) (3) (4)
1%
(5) (6)
Beberapa tampilan garis ditemukan ada yang seletak sehingga dapat digabung (direkap) menjadi satu garis dan tampilan akhirnya adalah Kontrol (1) 2.396
p.hijau (2) 2.496
p.kdng (3) 3.580
NP (4) 3.634
PK (5) 4.160
NK (6) 4.236
NPK (7) 4.386
p.kdng (3) 3.580
NP (4) 3.634
PK (5) 4.160
NK (6) 4.236
NPK (7) 4.386
b
b
c
c
c
5% 1%
Sajian berupa huruf Kontrol (1) 2.396
p.hijau (2) 2.496
a
a
5% Uji Beda Rataan
60-5
A
A B
1%
B
B C
C
C
B. Uji Dunnett Prosedur uji ini hanya membandingkan nilai rataan perlakuan terhadap kontrol. Uji ini sangat sesuai dengan percobaan yang terkait dengan mutu/kualitas. Misalnya mutu suatu produk (pupuk, insektisida, bibit/benih), mutu suatu pengolahan hasil (pengolahan tanah). Kesesuaian pengujian ini terhadap mutu/kualitas adalah hanya menguji sekelompok perlakuan terhadap kontrol sekaligus. Jadi pasangan perlakuan yang dibandingkan selalu terhadap perlakuan kontrol. Sehingga perlakuan mana yang paling menonjol itulah yang terbaik. Rumusan uji yang digunakan adalah Dα = tDunnett.sd [6-4] untuk tDunnett = d(α,p,dbG) = nilai baku sebaran Dunnett pada salahduga α, p = banyaknya perlakuan = dbP erlakuan dan dbGalat. sd = √(2.s2/r) adalah galat baku rataan deviasi Langkah-langkah pengujian uji Dunnett sebagai berikut : (1) tentukan Dα (2) urut kedudukan/posisi tiap rataan peubah dari yang terkecil hingga terbesar (kiri ke kanan) atau sebaliknya ; dan atau urutkan posisinya dari terkecil hingga terbesar (atas ke bawah) atau sebalikmya (3) Hitung nilai beda tiap rataan peubah (d io) terhadap rataan peubah kontrol (4) Bandingkan dk dengan dα Pengujiannya : ≤ Dα ; tidak berbeda nyata pada salahduga α dio = |Yi – Yo| > Dα ; berbeda nyata pada salahduga α Kasus 6-12. Menelaah ulang kasus 6-11, bagaimana pengaruh pertumbuhan dengan adanya pemberian pupuk terhadap kontrol. Pengujian statistik Dunnett
Hitung nilai pembanding Dα D0,05 = d(0,05,6;28). √{(2)(0,5843)}/5 Untuk nilai d(0,05,6;28) tidak terdapat dalam tabel (lihat Lampiran 05, TaLam 5-2); nilai yang ada untuk d (0,05,6;24) = 2,76 dan d(0,05,6;30) = 2,72. Sehingga perlu dilakukan interpolasi sebagai berikut interpolasinya : 2,76 + [{(2,72 – 2,76) /(30 - 24)} x (28 – 24)] = 2,7333 notasi lengkapnya d(0,05,6;28) = 2,76 + [{(2,72 – 2,76) /(30 - 24)} x (28 – 24)] = 2,7333 D0,05 = (2,7333).√{(2)(0,584279)}/5 = (2,7333)(0,483437) = 1,3214 D0,01 = d(0,01,6;28). √{(2)(0,584279)}/5 Demkian pula untuk nilai d (0,01,6;28) berada antara d (0,01,6;24) = 3,47 dan d(0,01,6;30) = 3,39
Uji Beda Rataan
60-6
d(0,01,6;28) = 3,47 + [{(3,39 – 3,47)/(30 - 24)} x (28 – 24)] = 3,4167 D0,01 = (3,4167).√{(2)(0,584279)}/5 = (3,4167)(0,483437) = 1,6517
Tentukan nilai beda; sebelunya susun rataan data (perlakuan) dari peringkat terkecil hingga terbesar. Sebaiknya diberi nomor peringkat Kontrol (1) 2.396
p.hijau (2) 2.496
p.kdng (3) 3.580
NP (4) 3.634
PK (5) 4.160
NK (6) 4.236
NPK (7) 4.386
Cara menghitung nilai beda (d io) (2) – (1) = 2.496 - 2.396 = 0,100 < D0,05 ; tidak nyata (tn) (3) – (1) = 3.580 - 2.396 = 1,184 < D0,05 ; tidak nyata (tn) (4) – (1) = 3.634 - 2.396 = 1,238 < D0,05 ; tidak nyata (tn) (5) – (1) = 4.160 - 2.396 = 1,764 > D0,01 ; sangat nyata (6) – (1) = 4.236 - 2.396 = 1,840 > D0,01 ; sangat nyata (7) – (1) = 4.386 - 2.396 = 1,990 > D0,01 ; sangat nyata
Sajian uji statistik Dunnett selengkapnya Perlakuan
Rataan
NPK NK PK NP pupukkandang pupuk hijau kontrol D0,05 = 1,3214
Salahduga 5% 1%
4.386 4.236 4.160 A A 3.634 A A 3.580 A A 2.496 A A 2.396 ; D0,01 = 1,6517
Beda dengan kontrol 4.386 - 2.396 4.236 - 2.396 4.160 - 2.396 3.634 - 2.396 3.580 - 2.396 2.496 - 2.396
= 1,990 = 1,840 = 1,764 = 1,238 = 1,184 = 0,100
-
Lambang huruf hanya dipasang untuk dua pasangan yang tidak berbeda nyata. Disini tiap perlakuan terhadap kontrol saja. Perhitungan “beda dengan kontrol” (kotak diarsir merah) biasanya tidak ditampilkan dalan sajian “Pengujian nilai beda rataan perlakuan”. Karena tanpa ditampilkan, beda rataan perlakuan yang mana berbeda nyata atau sangat nyata bisa dibaca. Pengujian nilai beda rataan perlakuan menunjukkan bahwa (a) untuk salahduga 5%, belum menunjukkan perbedaan baik NP, pupuk kandang dan pupuk hijau terhadap kontrol. (b) untuk salahduga 1%, belum menunjukkan perbedaan baik NP, pupuk kandang dan pupuk hijau terhadap kontrol. (c) beda rataan perlakuan lainnya menunjukkan perbedaan sangat nyata terhadap kontrol.
C. Uji Beda Nyata Jujur (BNJ) Uji ini (Honestly Significant Difference ≈ HSD) dikenal pula sebagai uji Prosedur Tukey hanya memerlukan satu nilai uji tunggal untuk menentukan nyata tidaknya perbedaan tiap pasangan nilai rataan. Sehingga dalam prakteknya mudah dan cepat. Rumusan uji yang digunakan adalah ωα = q(α, p ,dbG).sY [6-5] Uji Beda Rataan
60-7
untuk nilai q α diperoleh dari Tabel Tukey p = banyaknya nilai tengah perlakuan (= dbPerlakuan) dbG = dbG alat percobaan. sY = √(s2/r) adalah galat baku rataan umum Langkah-langkah pengujian uji BNJ sebagai berikut : (1) tentukan ωα = q(α, p ,dbG).sY (2) Urut kedudukan/posisi tiap rataan peubah dari yang terbesar ke terkecil atau sebaliknya ; atau posisi urutan dari bawah ke atas atau sebalikmya ; atau posisi urutan dari kiri ke kanan atau sebalikmya (3) Hitung perbedaan (nilai beda) tiap pasangan rataan peubah (d ij) (4) Bandingkan dij dengan ωα. Pengujiannya : ≤ ωα ; tidak berbeda nyata pada salahduga α dij = |Yi – Y j| > ωα ; berbeda nyata pada salahduga α Kasus 6-13. Katakan saja Kasus 6-11 diuji dengan prosedur Tukey (uji BNJ) Telah diketahui bahwa p = 7, dbG = 28 dan KTG = 0.5843 Pengujian statistik BNJ Hitung nilai pembanding ωα (lihat Lampiran 06) untuk q(0,05,7;28) = berada antara q (0,05,7;24) = 4,54 dan q(,05,7;30) = 4,46 untuk q(0,01,7;28) = berada antara q (0,01,7;24) = 5,54 dan q(0,01,7;30) = 5,40
Besaran nilai masing-masing ditentukan dengan cara interpolasi untuk q0,05(7;28) = 4,54 + [{(4,46 – 4,54) /(30 - 24)} x (28 – 24)] = 4,4867 untuk q0,01(7;28) = 5,54 + [{(5,40 – 5,54) /(30 - 24)} x (28 – 24)] = 5,4467 galat baku rataan (s Y) = √(KTG/r) = √(0.5843/5) = 0,3418 Sehingga diperoleh ω0,05 = q(0,05,7;28). sY = (4,4867)(0,3418) = 1,5338 ω0,01 = q(0,01,7;28). sY = (5,4467)(0,3418) = 1,8619
Tentukan nilai beda; sebelunya susun rataan data (perlakuan) dari peringkat terkecil hingga terbesar. Sebaiknya diberi nomor peringkat. Kontrol (1) 2.396
p.hijau (2) 2.496
p.kdng (3) 3.580
NP (4) 3.634
PK (5) 4.160
NK (6) 4.236
NPK (7) 4.386
Cara menghitung nilai beda (lihat pada uji BNT) Selanjutnya susun ke dalam daftar (jika penyajian berlambang bintang) kemudian bandingkan dengan ωα
Uji Beda Rataan
60-8
Sajian uji statistik BNJ selengkapnya Perlakuan Rataan kontrol p.hijau p.kdng NP PK NK NPK
2.396 2.496 3.580 3.634 4.160 4.236 4.386
p.hijau
p.kdng
0,100 -
1,184 1,084 -
Nilai beda NP PK 1,238 1,138 0,054 -
1,764* 1,664* 0,580 0,526 -
ω0,05 = 1,5338
NK 1,840* 1,740* 0,656 0,602 0,760 -
NPK 1,990** 1,890** 0,806 0,752 0,226 0,150 -
ω0,01 = 1,8619
Keterangan : * = berbeda nyata; ** = berbeda sangat nyata
Sajian dalam bentuk lambang garis adalah Kontrol (1) 2.396
p.hijau (2) 2.496
p.kdng (3) 3.580
NP (4) 3.634
PK (5) 4.160
NK (6) 4.236
NPK (7) 4.386
Sajian sementara (buat garis untuk yang tidak berbeda) (1) (2) (3)
5% (4) (5) (6) (1) (2) (3)
1%
(4) (5) (6)
Setelah dilakukan penggabungan terhadap garis-garis yang seletak diperoleh Kontrol (1) 2.396
p.hijau (2) 2.496
p.kdng (3) 3.580
NP (4) 3.634
PK (5) 4.160
NK (6) 4.236
NPK (7) 4.386
5%
Uji Beda Rataan
60-9
1%
D. Uji Jarak Duncan Uji ini disebut juga sebagai uji Wilayah-Berganda Duncan atau uji Jarak Duncan. Prosedur uji ini dengan membandingkan seluruh pasangan rataan perlakuan yang mungkin. Pengujian ini dilaksanakan karena penggunaan uji BNT biasanya tidak sesuai. Uji ini diutamakan untuk banyaknya perlakuan yang cukup besar. Rumusan uji yang digunakan adalah R p = qα’.sY [6-6] untuk nilai qα’ dengan salahduga sebesar α’ sebesar 1 - (1-α)p-1 dan dbGalat pada masingmasing perikat p sY = √(s2/r) = √(KTG/r) Langkah-langkah pengujian uji Jarak Duncan sebagai berikut : (1) Hitung R p tiap peringkat p pada salahduga α. (2) Urut seluruh nilai rataan perlakuan dengan peringkat (urutan) menaik (nilai terkecil hingga terbesar). Atau dapat pula dilakukan dengan peringkat menurun. Penomoran peringkat dimulai dari p = 2, 3, 4, …., t (3) Hitung perbedaan (nilai beda) tiap pasangan rataan peubah (d ij) (4) Bandingkan dij dengan R p Kasus 6-15. Percobaan pemupukan pada Kasus 6-12 ingin ditelaah ulang tiap pasangan rataan perlakuan. Telah diketahui jumlah perlakuan sebanyak p = 7, dbGalat = 28, KTGalat = 0.5843. Pengujian statistik Jarak Duncan
Hitung R p p = 7, berarti susunan p = 2, 3, 4, 5, 6 dan 7 nilai qα(p;dbG) untuk α = 0,05 dengan masing-masing p diperoleh ( lihat Lampiran 07) q(0,05,2,28) = 2,90 q(0,05,4,28) = 3,13 q(0,05,6,28) = 3,26 q(0,05,3,28) = 3,04 q(0,05,5,28) = 3,20 q(0,05,7,28) = 3,30 α = 0,01 dengan masing-masing p diperoleh q(0,01,2,28) = 3,91 q(0,01,4,28) = 4,18 q(0,01,3,28) = 4,08 q(0,01,5,28) = 4,28
q(0,01,6,28) = 4,34 q(0,01,7,28) = 4,39
nilai sY = √(KTG/r) = √(0.5843/5) = 0,3418 Hitung R p α (untuk masing-masing peringkat p pada saladuga α) R2 (0,05) = (2,90)(0,3418) = 0,9912 R2 (0,01) = (3,91)(0,3418) = 1,3436 R3 (0,05) = (3,04)(0,3418) = 1,0391 R3 (0,01) = (4,08)(0,3418) = 1,3945 R4 (0,05) = (3,13)(0,3418) = 1,0698 R4 (0,01) = (4,18)(0,3418) = 1,4287 R5 (0,05) = (3,20)(0,3418) = 1,0938 R5 (0,01) = (4,28)(0,3418) = 1,4629 Uji Beda Rataan
60-10
R6 (0,05) = (3,26)(0,3418) = 1,1143 R7 (0,05) = (3,30)(0,3418) = 1,1279 Susunan lengkapnya adalah 2 3 p 2,90 3,04 q0,05(p;28) 0,99 1,04 R p (0,05) q0,01(p;28) R p (0,01)
3,91 1,34
4,08 1,39
R6 (0,01) = (4,34)(0,3418) = 1,4834 R7 (0,01) = (4,39)(0,3418) = 1,5005
4 3,13 1,07
5 3,20 1,09
6 3,26 1,11
7 3,30 1,13
4,18 1,43
4,28 1,46
4,34 1,48
4,39 1,50
Tentukan nilai beda; sebelunya susun rataan data (perlakuan) dari pringkat terkecil hingga terbesar. Sebaiknya diberi nomor peringkat Kontrol (1) 2.396
p.hijau (2) 2.496
p.kdng (3) 3.580
NP (4) 3.634
PK (5) 4.160
NK (6) 4.236
NPK (7) 4.386
Cara menghitung nilai beda (lihat pada uji BNT) Selanjutnya susun ke dalam daftar (jika penyajian berlambang bintang) kemudian bandingkan dengan R p .
Sajian uji statistik Jarak Duncan selengkapnya Perlakuan kontrol p.hijau p.kdng NP PK NK NPK
Rataan 2.396 2.496 3.580 3.634 4.160 4.236 4.386
p.hijau
p.kdng
0,100 -
1,184* 1,084* -
Nilai beda NP PK 1,238* 1,138* 0,054 -
D0,05 D0,01
0,99 1,04 1,07 1,34 1,39 1,43 Ket. * = berbeda nyata; ** = berbeda sangat nyata
NK
NPK
1,764** 1,664** 0,580 0,526 -
1,840** 1,740** 0,656 0,602 0,760 -
1,09 1,46
1,11 1,48
1,990** 1,890** 0,806 0,752 0,226 0,150 1,13 1,50
Sajiannya berlambang garis adalah Kontrol (1) 2.396
p.hijau (2) 2.496
p.kdng (3) 3.580
NP (4) 3.634
PK (5) 4.160
NK (6) 4.236
NPK (7) 4.386
5% 1%
Uji Beda Rataan
60-11
E. Uji S-N-K Uji SNK ini (Student-Newman-Keul) mengikuti Prosedur Tukey dengan menggunakan wilayah berganda Duncan. Uji ini dikenal pula dengan metode Keul. Uji ini sulit untuk menerangkan laju kesalahan, sehingga tidak dapat menghasilkan selang kepercayaan. Rumusan uji yang digunakan adalah W p = q(α, p ,dbG)s y
[6-7]
untuk p = t, t-1, ….., 2 nilai qα diperoleh dari tabel Jarak Duncan dengan perlakuan sebanyak p dan dbG = nilai dbGalat sY = √(s2/r) adalah galat baku rataan umum Langkah-langkah pengujian uji SNK sebagai berikut : (1) tentukan W p q(α, p ,dbG)s y (2) Urut kedudukan/posisi tiap rataan peubah dari yang terbesar ke terkecil atau sebaliknya ; atau posisi urutan dari bawah ke atas atau sebalikmya ; atau posisi urutan dari kiri ke kanan atau sebalikmya (3) Hitung perbedaan (nilai beda) tiap pasangan rataan peubah (d ij) (4) Bandingkan dij dengan W p . Pengujiannya : ≤ W p ; tidak berbeda nyata pada salahduga α dij = |Yi - Y j| > W p ; berbeda nyata pada salahduga α Kasus 6-14. Percobaan pemupukan pada Kasus 6-12 ingin ditelaah ulang tiap pasangan rataan perlakuan. Telah diketahui jumlah perlakuan sebanyak p = 7, dbGalat = 28, KTGalat = 0.5843. Pengujian statistik SNK
Hitung W p p = 7, berarti susunan p = 2, 3, 4, 5, 6 dan 7 nilai q (α,p,dbG) untuk α = 0,05 dengan masing-masing p diperoleh (lihat Lampiran 07) q0,05(2;28) = 2,900 ; inter. = 2,92 + [{(2.89 – 2,92)/(30 – 24)}.(28 – 24)] q0,05(3;28) = 3,503 ; inter. = 3,53 + [{(3.49 – 3,53)/(30 – 24)}.(28 – 24)] q0,05(4;28) = 3,860 ; inter. = 3,90 + [{(3.84 – 3,90)/(30 – 24)}.(28 – 24)] q0,05(5;28) = 4,123 ; inter. = 4,17 + [{(4,10 – 4,17)/(30 – 24)}.(28 – 24)] q0,05(6;28) = 4,323 ; inter. = 4,37 + [{(4,30 – 4,37)/(30 – 24)}.(28 – 24)] q0,05(7;28) = 4,487 ; inter. = 4,54 + [{(4,46 – 4,54)/(30 – 24)}.(28 – 24)] α = 0,01 dengan masing-masing p diperoleh q0,01(2;28) = 3,913 ; inter. = 3,96 + [{(3.89 – 3,96)/(30 – 24)}.(28 – 24)] q0,01(3;28) = 4,480 ; inter. = 4,54 + [{(4.45 – 4,54)/(30 – 24)}.(28 – 24)] q0,01(4;28) = 4,837 ; inter. = 4,91 + [{(4.80 – 4,91)/(30 – 24)}.(28 – 24)] q0,01(5;28) = 5,090 ; inter. = 5,17 + [{(5.05 – 5,17)/(30 – 24)}.(28 – 24)] q0,01(6;28) = 5,283 ; inter. = 5,37 + [{(5.24 – 5,37)/(30 – 24)}.(28 – 24)] q0,01(7;28) = 5,447 ; inter. = 5,54 + [{(5.40 – 5,54)/(30 – 24)}.(28 – 24)]
Uji Beda Rataan
60-12
nilai sY = √(KTG/r) = √(0.5843/5) = 0,3418 Hitung W p (untuk masing-masing peringkat p pada saladuga α) W2 (0,01) = (3,913)( 0,3418) = 1,337 W2 (0,05) = (2,900)( 0,3418) = 0,991 W3 (0,05) = (3,503)( 0,3418) = 1,197 W3 (0,01) = (4,480)( 0,3418) = 1,531 W4 (0,05) = (3,860)( 0,3418) = 1,319 W4 (0,01) = (4,837)( 0,3418) = 1,653 W5 (0,05) = (4,123)( 0,3418) = 1,409 W5 (0,01) = (5,090)( 0,3418) = 1,740 W6 (0,01) = (5,283)( 0,3418) = 1,506 W6 (0,05) = (4,323)( 0,3418) = 1,478 W7 (0,05) = (4,487)( 0,3418) = 1,534 W7 (0,01) = (5,447)( 0,3418) = 1,862 Susunan lengkapnya adalah 2 3 p 2,900 3,503 q(0,05,p,28) 0,991 1,197 W p (0,05) q (0,01,p,28) W p (0,01)
3,913 1,337
4,480 1,531
4 3,860 1,319
5 4,123 1,409
6 4,323 1,478
7 4,487 1,534
4,837 1,653
5,090 1,740
5,283 1,806
5,447 1,862
Tentukan nilai beda; sebelunya susun rataan data (perlakuan) dari pringkat terkecil hingga terbesar. Sebaiknya diberi nomor peringkat Kontrol (1) 2.396
p.hijau (2) 2.496
p.kdng (3) 3.580
NP (4) 3.634
PK (5) 4.160
NK (6) 4.236
NPK (7) 4.386
Cara menghitung nilai beda (lihat pada uji BNT) Selanjutnya susun ke dalam daftar (jika penyajian berlambang bintang) kemudian bandingkan dengan W p
Sajian uji statistik SNK selengkapnya Perlakuan
Rataan
p.hijau
p.kdng
Nilai beda NP PK
kontrol p.hijau p.kdng NP PK NK NPK
2.396 0,100 1,184 1,238 2.496 1,084 1,138 3.580 0,054 3.634 4.160 4.236 4.386 1,197 1,319 W p (0,05) 0,991 1,531 1,653 W (0,01) 1,337 Ket. * = berbeda nyata; ** = berbeda sangat nyata
NK
NPK
1,764** 1,664* 0,580 0,526 -
1,840** 1,740* 0,656 0,602 0,760 -
1,409 1,740
1,478 1,806
1,990** 1,890** 0,806 0,752 0,226 0,150 1,534 1,862
Sajiannya berlambang garis adalah Kontrol (1) 2.396
p.hijau (2) 2.496
p.kdng (3) 3.580
NP (4) 3.634
PK (5) 4.160
NK (6) 4.236
NPK (7) 4.386
5% 1% Uji Beda Rataan
60-13
F. Uji Ulangan Taksama
Uji-uji bedaan rataan perlakuan yang telah diuraikan diatas hanya dapat digunakan untuk ulangan yang sama. Untuk ulangan yang taksama maka diadakan penyesuaian. Rumusan dasarnya adalah galat baku beda dua rataan untuk ulangan taksama adalah sYi. – Yj. =
√
s2
1
ri
+
1
r
=
√
s2
ri + r j ri.r j
Sehingga untuk galat baku beda dua rataan pada uji beda rataan adalah
BNT α = t(α,dbG).√(2.s2/r) = t(α,dbG).√s2.(ri + r j)/ri.r j
untuk uji beda rataan lainnya tidak disajikan karena keabsahan rumusan belum pernah dibuktikan (simak Steell, R.G.D. & J.H. Torrie. 1980).
62. Uji Beda Rataan Berdasarkan Nilai KK Nilai KK (koefisien keragaman) diperoleh dari perbandingan galat percobaan dengan nilai rata-rata. √KTG KK = y. untuk KTG = kuadrat tengah (ragam) galat percobaan y. = rataan umum (hitung) Nilai KK tergantung faktor-faktor antara lain adalah (a) Ketidakseragaman atau keseragaman penggunaan alat, bahan, media maupun lingkungan lokasi percobaan itu sendiri. Semakin besar nilai KK, maka semakin besar pula ketidakseragamannya (cenderung bersifat heterogen). Demikian pula sebaliknya. (b) Lokal kontrol; adanya lokal kontrol akan cenderung memperkecil nilai KK. Semakin kecil nilai KK, maka akan diperoleh lokal kontrol semakin efektif. Misal pada percobaan acak kelompok, maka dalam satu kelompok diupayakan sehomogen mungkin, tetapi antar kelompok diupayakan seheterogen mungkin. Ini juga berarti bahwa Fkelompok (uji Fhitung-kelompok) dalam percobaan acak kelompok harus menunjukkan perbedaan nyata pada salah duga sebesar α. (c) Selang antar perlakuan; akan menentukan kisaran nilai data pengamatan (percobaan). Semakin lebar selang antar perlakuan, maka akan diikuti pula selang nilai pengamatan yang semakin lebar. Akibatnya akan diperoleh nilai KK semakin besar. Upaya untuk memperkecil pengaruh selang tersebut, maka kisaran antar perlakuan diupayakan sesempit (sekecil) mungkin. (d) Ulangan dalam tiap perlakuan; semakin banyak dilakukan pengulangan berarti berupaya untuk memperkecil nilai KK.
Uji Beda Rataan
60-14
Upaya memperkecil nilai KK dengan maksud untuk meningkatkan keterandalan atau kejituan hasil pengamatan suatu percobaan. Semakin besar nilai KK, maka keterandalan hasil pengamatan (nilai data) semakin rendah. Berapa nilai KK yang dikatakan “handal” belum ada patokan yang baku. Dari hasil percobaan-percobaan terdahulu yamg dapat dijadikan acuan umum adalah nilai KK untuk lokasi atau ruang-ruang yang terkendali berkisar 5 – 10%, sedangkan nilai KK untuk percobaan lapangan sekitar 10 – 20%. Keterkaitan dengan nilai koefisien keragaman, maka uji beda rataan mana yang lebih sesuai untuk analisis lanjutan dari analisis keragaman ada baiknya mengacu pada koefisien keragaman (Hanafiah, 1993). Penentuan uji beda rataan berdasarkan nilai koefisien keragaman sebagai berikut : 1. Jika KK besar (minimal 10% pada kondisi homogen atau minimal 20% pada kondisi heterogen), maka dianjurkan menggunakan uji lanjutan Duncan ( Uji Wilayah-Berganda Duncan ). 2. Jika KK sedang (antara 5% - 10% pada kondisi homogen atau antara 10% - 20% pada kondisi heterogen), maka maka dianjurkan menggunakan uji lanjutan BNT ( Uji Beda Nyata Terkecil ). 3. Jika KK kecil (maksimal 5% pada kondisi homogen atau maksimal 10% pada kondisi heterogen), maka maka dianjurkan menggunakan uji lanjutan BNJ ( Uji Beda Nyata Jujur ). BNJ adalah juga uji Prosedur Tukey. Makna jika KK “besar” atau “sedang” atau “kecil” dapat diilustasikan ke dalam bentuk garis bilangan seperti sajian Gambar 6-1. 10% ≤ KK
homogen
“ KK Besar “ (Duncan )
(B1)
kisaran Nilai KK 20% ≤ KK heterogen (B 2)
5% ≤
“ KK sedang “ (BNT )
homogen KK
≤ 10%
kisaran Nilai KK 10% ≤
homogen “ KK kecil “ (BNJ )
(S1)
KK ≤ 5%
KK ≤ 20% heterogen
(S2) (K1)
kisaran Nilai KK heterogen KK ≤ 10%
(K2)
Gambar 6-1. Ilustrasi kehomogenan dan atau keheterogenan (1) KK besar B1 kondisi homogen jika nilai KK minimal 10% (KK ≥ 10%); jika demikian apakah juga berarti jika nilai KK lebih-kecil dari 10% (KK < 10%) adalah heterogen ?. Jika itu terjadi maka ada dua kemungkinan pengkatagorian KK : ¾ KK dikatagorikan SEDANG dengan kondisi tetap homogen (S 1). ¾ KK dikatagorikan KECIL dengan kondisi heterogen (K 2). Uji Beda Rataan
60-15
B2 kondisi heterogen jika nilai KK minimal 20% (KK ≥ 20%); jika demikian apakah juga berarti jika nilai KK lebih-kecil dari 20% (KK < 20%) adalah homogen ?. Jika itu terjadi berarti KK dikatagorikan SEDANG dengan kondisi tetap heterogen (S2).
(2) KK sedang S1 kondisi homogen jika nilai KK antara 5% hingga 10% (5% ≤ KK ≤ 10%; jika demikian apakah juga berarti jika nilai KK lebih-kecil dari 5% (KK < 5%) atau lebihbesar dari 10% (KK > 10%) adalah heterogen ?. Jika itu terjadi maka ada tiga kemungkinan pengkatagorian KK : ¾ KK < 5% dikatagorikan KECIL dengan kondisi tetap homogen (K 1). ¾ KK > 10% dikatagorikan SEDANG dengan kondisi heterogen (S 2). ¾ KK > 10% dikatagorikan BESAR dengan kondisi tetap homogen (B 1). S2 kondisi heterogen jika nilai KK antara 10% hingga 20% (10% ≤ KK ≤ 20%;; jika demikian apakah juga berarti jika nilai KK lebih-kecil dari 10% (KK < 10%) atau lebih-besar dari 20% (KK > 20%) adalah homogen ?. Jika itu terjadi maka ada tiga kemungkinan pengkatagorian KK : ¾ KK < 10% dikatagorikan SEDANG dengan kondisi homogen (S 1). ¾ KK < 10% dikatagorikan KECIL dengan kondisi tetap heterogen (K 2). ¾ KK > 20% dikatagorikan BESAR dengan kondisi tetap heterogen (B 2). (3) KK kecil K1 kondisi homogen jika nilai KK maksimal 5% (KK ≤ 5%); jika demikian apakah juga berarti jika nilai KK lebih-besar dari 5% (KK > 5%) adalah heterogen ?. Jika itu terjadi berarti KK dikatagorikan SEDANG dengan kondisi tetap homogen (S 1). K2 kondisi heterogen jika nilai KK lebih kecil dari 10% (KK ≤ 10%). Jika demikian apakah juga berarti jika nilai KK lebih besar dari 10% (KK > 10%) adalah homogen ?. Jika itu terjadi maka ada dua kemungkinan pengkatagorian KK : ¾ KK dikatagorikan SEDANG dengan kondisi tetap heterogen (S 2). ¾ KK dikatagorikan BESAR dengan kondisi homogen (B 1). Untuk menentukan apakah homogen atau tidak tergantung dari kondisi sekitar lokasi percobaan (lingkungan) atau dengan memperhatikan pola percobaan atau pola rancangan yang digunakan. Kondisi homogen lebih cenderung pada ruang/lapangan yang relatif sempit (tidak begitu luas) yaitu ruang laboratorium dalam gedung, erbaretum (laboratorium lapangan) atau lapangan yang tidak begitu luas seperti seluas lapangan volly, lapangan footsal. Untuk percobaan di lapangan (ruang yang relatif luas) lebih cenderung bersifat heterogen, apalagi dengan permukaan lahan yang bergelombang atau berbukit. Karena pada lapangan yang cukup luas memungkinkan adanya perbedaan yang cukup menyolok antara lain perbedaan cahaya matahari (intensitas, warna, periode) yang sampai ke permukaan tajuk tumbuhan/tanaman atau bumi/tanah, perbedaan permukaan lahan (bergelombang/berbukit, tinggi dari permukaan laut), perbedaan kandungan unsur hara atau sifat fisik tanah, ada tidaknya hembusan angin (termasuk kekuatan/kecepatan) karena berkaitan dengan energi panas matahari, perbedaan keberadaan tanaman/tumbuhan (pohon) di.sekitar lokasi percobaan.
Uji Beda Rataan
60-16
Langkah untuk menjaring uji beda rataannya (uji lanjutan) dengan cara : a. telaah KK% yang diperoleh apakah termasuk dikatagorikan (ukuran) besar, sedang atau kecil; misal KK yang diperoleh 13% maka berada pada 2 kemungkinan katagori yaitu pada katagori besar (B 1) atau katagori sedang (S 2). b. telaah kondisi sekitar lokasi percobaan (lingkungan) apakah homogen atau heterogen yang terkait dengan cahaya matahari, lokasi lahan percobaan, angin atau tumbuhan lain di sekitar lokasi percobaan. Semua ini dapat juga mengacu pada pola percobaan yang digunakan. Misalkan saja kita menggunakan pola percobaan kelompok. c. dari kedua informasi di atas (a) dan (b), maka uji beda rataan yang dipilih adalah uji Beda Nyata Terkecil (BNT). Kasus 6-17 . Menelaah beberapa kasus pada Percobaan Sederhana diperoleh koefisien keragaman dan uji lanjutannya.
Kasus 3-11. Percobaan Acak Lengkap (RALengkap). KTG = 0,0016 dengan rataan data diperoleh dari Rataan data = (77,425 + 76,265 + 74,687)/(3)(5) = 15,2251 KK =
√0,0016
15,2251 = 0,26%
x 100%
Kondisi percobaan homogen, KK = 0,26% lebih kecil dari 5% (ketentuan ke lima; K 1), berarti uji lanjutan yang sesuai adalah uji Beda Nyata Jujur (Prosedur Tuckey). Kasus 6-18. Menelaah beberapa kasus pada Percobaan Faktorial diperoleh koefisien keragaman dan uji lanjutannya.
Kasus 4-13. Percobaan Acak Lengkap Faktorial dengan KTG = 0,0224 dengan rataan data diperoleh dari Rataan data = (3.23 + 3.33 + 3.31 + …… + 0.98 + 0.87 + 0.97)/(4.4.5) = 10,0475 KK =
√0,0224
10,0475 = 1,49%
x 100%
Percobaan dengan kondisi homogen. KK = 1,49% lebih kecil dari 5% (ketentuan ke lima; K1). Uji lanjutan yang sesuai adalah uji Beda Nyata Jujur (BNJ).
Kasus 4-22. Percobaan yang digunakan adalah Acak Kelompok Faktorial. KTG = 0,1227 dengan rataan data diperoleh dari Rataan data = (372,12)/(3.3.3) = 13,7822 KK =
√0,1227
13,7822 2,54 = %
x 100%
Percobaan dengan kondisi tidak homogen. KK = 2,54% lebih kecil dari 10% (ketentuan ke enam; K 2). Uji lanjutan yang sesuai adalah uji BNJ.
Kasus 4-31. Percobaan petak terbagi dalam acak lengkap ini dengan galat percobaan ¾ KTG(1) ; KTG1 = 0,0005 dengan rataan data diperoleh dari Rataan data = (10,4216)/(45) = 0,231591
Uji Beda Rataan
60-17
KK =
√0,0005
0,231591 = 9,75%
x 100%
Percobaan dengan kondisi homogen. KK = 9,75% lebih kecil dari 10% (ketentuan ke tiga; S1). Uji lanjutan yang sesuai adalah uji Beda Nyata Terkecil (BNT).
Kasus 4-32. Percobaan petak terbagi dalam acak kelompok dengan galat percobaan ¾ KTG(1) ; KTG1 = 0,0557 dengan rataan data diperoleh dari Rataan data = (45,10)/(24) = 1,8792 KK =
√0,0557
1,8792 = 12,56%
x 100%
Percobaan dengan kondisi heterogen. KK = 12,56% lebih besar dari 10% (ketentuan ke empat; S2). Uji lanjutan yang sesuai adalah uji BNT. ¾
KTG(2) ; KTG1 = 0,0422 dengan rataan data diperoleh dari Rataan data = (45,10)/(24) = 1,8792 KK =
√0,0422
1,8792 = 10,93%
x 100%
Percobaan dengan kondisi tidak homogen. KK = 10,93% lebih besar dari 10% (ketentuan ke empat; S 2). Uji lanjutan yang sesuai adalah uji BNT.
Uji Beda Rataan
60-18
70 TELAAH
DATA
71. Kerangka Pikir Tentu setiap data yang diperoleh perlu diolah agar kesimpulan yang diinginkan terpenuhi. Pada bab terdahulu telah diuraikan panjang lebar bagaimana pengolahan data (analisis keragaman) agar diperoleh kesimpulan yang sah. Untuk memenuhi kesimpulan yang sah diperlukan anggapan-anggapan yang menentukan keabsahan suatu analisis. Anggapan-anggapan dimaksud diilustrasikan seperti sajian berikut.
Gambar 7-1. Ilustrasi keabsahan analisis Dari ilustrasi di atas bahwa selain pengolahan data yang telah dikemukakan terdahulu, perlu juga menelaah data yang diperoleh apakah telah memenuhi kriteria keabsahan suatu analisis seperti : (1) Galat percobaan tidak berkorelasi antara sesamanya, (2) Galat percobaan harus menyebar normal, (3) Pengaruh perlakuan dan lingkungan (lokal) harus bersifat penjumlahan, (4) Ragam galatpercobaan harus seragam. Keempat kriteria di atas dalam suatu rancangan percobaan dilakukan melalui empat uji yaitu uji bebas galat percobaan, uji keaditifan model, uji kehomogenitasan ragam dan uji normaliitas. Namun yang umum dilakukan hanya tiga uji terakhir. Karena ketiga uji ini akan menelaah bentuk model yang diasumsikan, galat perlakuan dan galat percobaan. Namun demikian karena model yang digunakan dianggap aditif, sehingga dua uji terakhir yang biasa digunakan (salah satu atau keduanya). Ilustrasinya seperti sajian berikut. Fh = Ft
X h = Xt
N h = Nt
DATA
Uji
Uji
Uji
A
H
N
Analisis
Fh > Ft X h > Xt Nh > N t
Gambar 7-2. Ilustrasi pengujian data Telaah Data
70-1
72. Uji Keaditifan Model Setiap model matematika yang hasilnya merupakan penjumlahan komponenkomponen penyusun suatu model disebut sebagai “Model Aditif”. Karena sifat penjumlahan tersebut berjalan lurus, maka disebut MODEL ADITIF LINEAR. Bila sifat keaditifan ini tidak dapat terpenuhi, maka : ¾ kesalahan percobaan (galat) menjadi beragam, ¾ kesalahan ragam menyebabkan pendugaan selang kepercayaan dari pengaruh perlakuan menjadi tidak efisien, ¾ akibatnya ujibeda rataan tertentu akan menunjukkan taraf nyata yang keliru. Sifat keaditifan tidak dipenuhi umumnya disebabkan oleh : ¤ model berubah sifat menjadi penggandaan Y ij = µ ρi β j εij ¤ adanya interaksi yang belum dimasukkan ke dalam model ¤ saat pengamatan / pengambilan data yang keliru Tata cara (tahapan atau langkah) uji keaditifan ini serupa dengan saat menganalisis suatu percobaan (analisis keragaman). Komponen-komponen yang termasuk dalam sumber keragaman dihitung hingga sampai uji Fisher. Bedanya hanya pada penguraian lebih lanjut dari galat percobaan untuk menentukan keaditifan. Jadi semua cara perhitungan yang berkaitan pola rancangan akan sama dengan cara perhitungan pada uji keaditifan. Tata cara uji keaditifan ini sebagai berikut : 1. Tahap Pengujian Katakan saja percobaan telah dilaksanakan dengan pola percobaan acak kelompok, misalnya model rancangan Rancangan Acak Kelompok ( Rendomize Block Design ).
Yij = µ + ρi + β j + εij Tabel 7-1. Bagan pengujian keaditifan Perlakuan (j)
Kelompok (i)
P1
P2
………
Pp
1
Y11
Y12
………
2
Y21
Y22
..
….
..
Yi.
Yi.
di
Y1p
Y1.
Y1.
d1.
Y2p
Y2.
Y2.
d2.
….
……… ………
….
….
….
….
….
….
………
….
….
….
k
Yk1
Yk2
………
Ykp
Yk.
Yk.
…. dk.
Y.
Y.1
Y.2
………
Y.p
Y..
Y. j d. Q d. jQ
Y.1 d.1 Q1 d.1Q1
Y.2 d.2 Q2 d.1Q2
………
Y.p d.p Qp d.1Qp
Y..
☺
Perhitungan :
di = Yi. – Y.. ; berarti untuk d 1 = Y1.. – Y.. s/d d k = Yk. – Y.. d j = Y. j – Y.. ; berarti untuk d 1 = Y,1 – Y.. s/d dk = Y.p – Y.. Telaah Data
70-2
p
k
sebagai koreksi seharusnya ∑di = 0
∑dj = 0
j=1
i=1
Q j = ∑Yij.di ; j = 1, 2, …. , p Q1 = (Y11.d1) + (Y21.d2) + ………….. + (Yk1.dk) ………………….. s/d ………………………………. Qp = (Y1p.d1) + (Y2p.d2) + ………….. + (Ykp.dk) 2. Buat daftar analisis keragaman uji keaditifan
Tabel 7-2. Bagan Analisis Uji Keaditifan RAKelompok Sumber Keragaman Kelompok Perlakuan Galat Keaditifan (A) Pengujian (U) Total
db
JK
KT
(r-1) (p- 1) (r-1)(p-1) (a- 1) (r-1)(p-1)-1 rp- 1
JKR JKP JKG JKA JKU JKT
KTR
KTA KTU
Uji F F. F (db1;db2) Fr
Fa
Syarat yang harus dipenuhi adalah Fr > F[α,(r-1),(r-1)(p-1)] ♦ Bila Fr ≤ Fα, maka model percobaan perlu ditinjau ulang ♦ Bila Fr > Fα, pengujian dilanjutkan Perhitungan sumber keragaman : r
p
2
FK = (∑ ∑Yij) /kp i=1 j=1 r p
JKT = ∑ ∑ (Yij)2 - FK i=1 j=1
r
p
2
JKR = ∑ (∑Yij) /p] - FK i=1 j=1
JKG = JKT – JKR – JKP
p
r
JKP = ∑ (∑Yij)2/r - FK j=1 i=1 p
r
p
i=1
j=1
JKA = ( ∑d j Q j)2/ (∑di2) (∑d j2) j=1
JKU = JKG – JKA
dbA = (a- 1)
dbU = (r-1)(p-1) – 1
KTA = JKA/dbA
KTU = JKU/dbU
Fa = KTA/KTU
Untuk menentukan nilai pembanding F (α,db1,db2) bagi masing-masing Fr (Fkelompok), Fa (Fkeaditifan) ; lihatKasus 3-11 atau Kasus 4-11; atau Lampiran 02 (Penentuan Nilai Kritis Sebaran Fisher). 3. Pengujian (hipotesis dan keputusan uji)
Hipotesis H0 : бA = 0 (model persamaan bersifat penjumlahan berdasarkan data pengamatan) H1 : бA ≠ 0 (model persamaan tidak bersifat penjumlahan berdasarkan data pengamatan)
Telaah Data
70-3
Keputusan uji ≤ Fα(1;dbU) ; terima H0 ; model bersifat aditif Fa > Fα(1;dbU) ; tolak H 0 ; model bersifat tidak aditif
Kasus 7-21. Percobaan tentang MAI tinggi pada tegakan Acacia mangium dengan masing-masing berumur 4 tahun, 6 tahun dan 11 tahun ( Talam 4-11).
Kelompok A 2,2366 I 1,3125 II 1,0096 III 4,5587 Jumlah 1.519567 Rataan 0.071433 d.j 0.819253 Q j 0.058522 d.j Q j
B
C
Jumlah
Rataan
2,2098 2,0556 6,5020 2.167333 1,3295 1,0764 3,7184 1.239467 0,9182 0,8850 2,8128 0.937600 4,4575 4,0170 13,0332 1.485833 1.339000 1.448133 0.037700 -0.109133 0.843094 0.801957 0.031785 -0.08752 0.002786
d i. 0.719200 -0.208667 -0.510533 0
d.1 = 1.519567 – 1.448133 = 0,2605 d1. = 2.167333 – 1.448133 = 0,0253 d.2 = 1.485833 – 1.448133 = -0,1098 d2. = 1.239467 – 1.448133 = -0,0149 d.3 = 1.339000 – 1.448133 = -0,1507 d3. = 0.937600 – 1.448133 = -0,0104 Q1 = (2,2366)(0.719200) + (1,3125)(-0.208667) + (1,0096)(-0.510533) = 0.819253 Q2 = (2,2098)(0.719200) + (1,3295)(-0.208667) + (0,9182)(-0.510533) = 0.843094 Q3 = (2,0556)(0.719200) + (1,0764)(-0.208667) + (0,8850)(-0.510533) = 0.801957 Analisis Uji Keaditifan RAKelompok untuk MAI tinggi Acacia mangium Sumber Umur tegakan Kelerengan Galat Keaditifan (A) Pengujian (U) Total
db 2 2 4 (1) (3) 8
JK 2,464304 0,055302 0,012141 0,000513 0,011628 2,531747
KT 1,2322 0,0277 0,0030 0,000513 0,003876
Fp
Fα(2;4)
-
-
0,132283
10,127964
-
-
Perhitungan komponen sumber : dbR = (3 – 1) = 2 ; dbP = (3 – 1) = 2 ; dbT = ( 3)(3) – 1 = 8 ; dbG = 8 - 2 - 2 = 4 JKR = 2,4643 JKP = 0,0553 JKT = 2,5317 JKG = 0,0121 KTR = 1,2322 KTP = 0,0264 KTG = 0,0030 JKA = ( ∑d j Q j)2/(∑di2)(∑d j2) 2 2 ¾ (∑d j Q j) = (0.002786) 2 = (0.719200)2 + (-0.208667)2 + (-0.510533)2 = 0.821435 ¾ (∑di ) 2 = (0.071433)2 + (0.037700 )2 + (-0.109133)2 = 0.018434 ¾ (∑d j ) JKA = (0.002786) 2/(0.821435)( 0.018434) = 0.000513 JKU = JKG – JKA = 0,011628 F(0.05,1,3) = 10,127964 (cara lihat pada Kasus 3-11 atau kasus 4-11) 1/F = 7,559523 > 0,05 Telaah Data
70-4
FKeaditifan = 0,132283 < 10,127964 = F(0.05,1,3) ; model rancangan bersifat aditif. Kasus 7-22. Percobaan kadar air normal (%) dalam batang Kahoi ( Shorea balangeran ) dengan berbagai ketinggian (TaLam 4-12).
Ulangan 1 2 3
Jumlah Rataan d. j Q j d j Q j
b1
Bagian batang b2
Jumlah
b3
11.2323 10.6820 10.7213 32.6356 10.9290 10.8307 10.7550 32.5147 11.1797 10.7173 10.6313 32.5283 33.3410 32.2300 32.1076 97.6786 11,1137 10,7433 10,7025 0,2605 -0,1098 -0,1507 0,005066 -0,002583 0,000434 0.001319691 0.0002837 -6.536E-05 0.00153803
Rataan
di.
10,8785 10,8382 10,8428 10,8532 -
0,0253 -0,0149 -0,0104 0
d.1 = 11,1137 – 10,8532 = 0,2605 d1. = 10,8785 – 10,8532 = 0,0253 d.2 = 10,7433 – 10,8532 = -0,1098 d2. = 10,8382 – 10,8532 = -0,0149 d.3 = 10,7025 – 10,8532 = -0,1507 d3. = 10,8428 – 10,8532 = -0,0104 Q1 = (11.2323)( 0,0253 ) + (10.9290)(-0,0149) + (11.1797)(-0,0104) = 0,005066 Q2 = (10.6820)( 0,0253) + (10.8307)(-0,0149) + (10.7173)(-0,0104) = -0,002583 Q3 = (10.7213)( 0,0253 ) + (10.7550)(-0,0149) + (10.6313)(-0,0104) = 0,000434 Analisis Uji Keaditifan RALengkap Kadar Air Normal dalam batang Kahoi Sumber Perlakuan Galat Keaditifan (A) Pengujian (U) Total dbP = (p – 1) = 2 dbT = (rp – 1) = 8
db
JK
2 6 (1) (5) 8
0,307842 0,072788 0.023766 0,049022 0,380630
KT
F hitung
0.023766 2.423992 0.009804 -
Fα(db1;db2)
6.6079
-
dbG = p(r- 1) = 6 dbA = (a – 1) = 1 dbU = r(p – 1) - 1 = 5
FK = (97,6786)2/(3.3) = 1060,123211 JKP = [{(33.3410)2 + (33.3410)2 + (33.3410)2}/3] - FK = 0,307842 JKT = [( 11.2323)2 + (10.9290)2 + …… + ( 10.7550)2 + (10.6313)2] – FK = 0,380630 JKG = JKT – JKP = 0,072788 JKA = ( ∑d j Q j)2/(∑di2) (∑d j2) 2 2 ¾ (∑d j Q j) = (0.00153803) 2 = (0,0253)2 + (-0,0149)2 + (-0,0104)2 = 0.000970 ¾ (∑di ) 2 = (0,2605)2 + (-0,1098)2 + (-0,1507)2 = 0.102614 ¾ (∑d j ) JKA = (0.00153803)2/(0.000970)(0.102614) = 0.023765736 JKU = JKG – JKA = 0,049022 FKeaditifan = 2.423992 < 6.6079 = F(0,05,1,5) ; model rancangan bersifat aditif.
Telaah Data
70-5
73. Uji Kehomogenitasan Uji ini merupakan uji X 2 (khi-kuadrat) yang lebih dikenal dengan sebutan Uji Homogenitas Ragam atau Uji Bartlett. Uji ini menelaah kesamaan (kehomogenan) antara beberapa ragam galat perlakuan pada : ☻analisis ragam ☻data gabungan dari serangkaian percobaan ☻penarikan contoh pada contoh yang diperoleh dari 2 populasi atau lebih Pengalaman yang dapat dijadikan acuan adalah “lebar rentangan antara data terbesar dan data terkecil adalah terlalu besar perlu dicurigai keseragaman galatnya”.
A. Uji Kehomogenitasan untuk Ulangan Sama Ulangan sama yang dimaksud bila np1 = np2 = np3 = ………………….. = npr Tahapan pengujian ini adalah 1. Menentukan penduga ragam tiap perlakuan Tabel 7-3. Bagan penduga ragam untuk ulangan sama Perlakuan
Pengamatan
p1 Y11 Y21 …. Yr1 Y.1 KT 1
1 2
.. r Y.j KT
p2 Y12 Y22 …. Yr2 Y.2 KT 2
p3 Y13 Y23 …. Yr3 Y.3 KT 3
………………………. ………………………. ………………………. ………………………. ………………………. ………………………. ……………………….
pp Y1p Y2p …. Yrp Y.p KT p
KT j = JK j/db j ≈ S j 2 r
(∑Yij)2
r
untuk JK j = ∑Yij2 i=1
Tentukan dulu untuk KT 1 ;
¾
i=1
r
;
db j = (r - 1)
∑Yi12 = Y112 + Y212 + …… + Y r12
(∑Yi1)2/r = (Y11 + Y21 + …… + Yr1)2/r = Y .12/r 2 2 ¾ JK1 = [∑Yi1 - (∑Yi1) /r] ¾ KT 1 = JK1/(r-1) 2 2 2 2 untuk KT 2 ; ¾ ∑Yi2 = Y12 + Y22 + …… + Y r2 2 2 2 ¾ (∑Yi2) /r = (Y 12 + Y22 + …… + Y r2) /r = Y .2 /r ¾ KT 2 = JK2/(r-1) ……………………………….dan seterusnya………………………………… 2 2 2 2 untuk KT p ; ¾ ∑Yip = Y1p + Y2p + …… + Y rp 2 2 2 ¾ (∑Yip) /r = (Y1p + Y2p + …… + Y rp) /r = Y .p /r ¾ KT p = JKp/(r-1) ¾
Telaah Data
70-6
2. Menghitung rataan ragam gabungan dan logaritmanya p
KT. = (∑KT j )/p j=1
= (KT 1 + KT 2 + ……….. + KT p)/p p
∑(log KT j) = (logKT 1 + logKT 2 + ……….. + logKT p)
j=1
3. Menentukan nilai khi-kuadrat dan koreksinya p
2
X = log 10e (r – 1) [(p.log KT. – ∑(log KT j )] j=1 log 10e = 2,3026 FK = 1 +
(p – 1)
/3p (r + 1)
X2hitung = X2/FK (terkoreksi )
4. Pengujian
♣ Hipotesis H0 : σ 12 = σ 22 = ……….. = σ p2 (ragam antara perlakuan bersifat homogen) H1 : minimal sepasang σ i2 bersifat heterogen
♣ Keputusan uji : ≤ Xα(p – 1) ; terima H0
Xh > Xα(p – 1) ; tolak H 0 Kasus 7-31. Percobaan kadar air normal (%) seperti disajikan pada Kasus 7-22 akan dilakukan pengujian Homogenitas.
b1
Bagian batang b2
b3
11.2323 10.9290 11.1797 33.3410 0,026268 -1,580573
10.6820 10.8307 10.7173 32.2300 0,006036 -2,219235
10.7213 10.7550 10.6313 32.1076 0,004090 -2,388323
Ulangan 1 2 3
Jumlah KT j log KT j
Jumlah
Rataan
32.6356 32.5147 32.5283 97.6786 -
0,012131
-6,188130
Hitung ragam (KT) tiap perlakuan (bagian batang) 2 2 2 2 ¾ untuk KT 1 ; ¾ ∑Yi1 = (11.2323) + (10.9290) + (11.1797) = 370.593296 2 2 ¾ (∑Yi1) /r = ( 33.3410) /3 = 370.540760 ¾ JK1 = (370.593296 - 370.540760 ) = 0,052536 ¾ KT 1 = (0,052536)/(3 - 1) = 0,026268 ¾
untuk KT 2 ;
¾
∑Yi22 = (10.6820)2 + (10.8307)2 + (10.7173)2 = 346,269706
(∑Yi2)2/r = (32.2300)2/3 = 346,257633 ¾ JK2 = (346,269706 - 346,257633 ) = 0,012072 ¾
Telaah Data
70-7
¾
untuk KT 3 ;
¾
KT 2 = (0,012072)/(3 - 1) = 0,006036
¾
∑Yi32 = (10.7213)2 + (10.7550)2 + (10.6313)2 = 343,640838
(∑Yi3)2/r = ( 32.1076)2/3 = 343,632659 ¾ JK3 = (343,640838 - 343,632659 ) = 0,008179 ¾ KT 3 = (0,008179)/(3 - 1) = 0,004090 ¾
KT. = (0,026268 + 0,006036 + 0,004090)/3 = 0,012131 ∑(log KT j) = log(0,026268) + log( 0,006036 ) + log(0,004090 ) = -6,188130 X2 = 2,3026 (3 – 1) [(3.log(0,012131) – (-6,188130)] = 2,025593 (3 – 1) FK = 1 + /3.3 (3 + 1) = 1,055556 X2terkoreksi = 2,025593/1,055556 = 1,9190 X(0.05,3-1) = 5,9915 > 1,9190 = X2terkoreksi; ragam perlakuan bersifat homogen.
Nilai X2(0.05,3-1) = 5,9915; diperoleh dari ¾ Lampiran 3-3, Talam 3-3B (STATISTIKA) atau ¾ menggunakan rumusan CHIINV dari MO Excel (Lampiran 04) atau ¾ rumusan CHIINV langsung digunakan dengan bantuan layar dari MO Excel buka layar program excel α α posisikan kruser pada sembarang cell 0.05 0.01 ketik “=CHIINV( 0.05,2)” Enter db (3 – (3 – 1) 5.9915 9.2103 akan tampil 5.9915 (kotak hijau) merah. jika menginginkan salahduga 1% gunakan kotak merah.
B. Uji Kehomogenitasan untuk Ulangan Berbeda Ulangan berbeda dimaksud adalah minimal sepasang perlakuan dengan ulangan tidak sama. Tahapan pengujian ini adalah
jumlah
1. Menentukan penduga ragam tiap perlakuan
KT j = JK j/db j ri
(∑Yij)2
ri
Untuk JK j = ∑Yij2 i=1
i=1
ri
;
db j = (ri – 1)
2. Menghitung rataan ragam gabungan dan logaritmanya
KT. = (∑KT j )/p p
= (KT 1 + KT 2 + ……….. + KT p)/p p
j=1
∑(r j -1).log KT j = (c-1)logKT 1 + (a-1)logKT 2 + (r-1)logKT 3 + …… + (b-1)logKT p)
j=1
Telaah Data
70-8
Tabel 7-4. Bagan penduga ragam untuk ulangan berbeda Perlakuan
Pengamatan
p1 Y11 Y21 …. Ya1 …. Yb1 …. Yc1
1 2
.. a .. b .. c .. r
p2 Y12 Y22 …. Ya2
c
ri
a
………………………. ………………………. ………………………. ………………………. ……………………….
pp Y1p Y2p …. Yap
……………………….
Ybp
………………………. ………………………. b
r
Y.j = ∑Yij
∑Yij i=1
i=1
i=1
∑Yij
……………………….
JK j
JK1
JK2
JK3
……………………….
JKp
db j = r j-1
(c-1)
(a-1)
(r-1)
……………………….
(b-1)
KT j
KT 1
KT 2
KT 3
……………………….
KT p
i=1
∑Yij
p3 Y13 Y23 …. Ya3 …. Yb3 …. Yc3 …. Yr3
∑Yij
i=1
3. Menentukan nilai khi-kuadrat dan koreksinya p
2
X = log 10e
FK = 1 +
p
log KT. ∑ (r j – 1) – ∑ (r j – 1) log KT j j=1
p
1 3 (p+1)
∑(
j=1
j=1
1
r j - 1
)–( p
1
)
∑(r j-1)
j=1
Xhitung = X2/FK (terkoreksi) 4. Pengujian
♣ Hipotesis H0 : σ 1 = σ 2 = ……….. = σ p (ragam antara perlakuan bersifat homogen) H1 : minimal sepasang σ i bersifat heterogen
♣ Keputusan uji : ≤ X2α(p – 1) ; terima H0
Xh2 > X2α(p – 1) ; tolak H0
Telaah Data
70-9
Kasus 7-32. Keterbatasan untuk memperoleh cabutan anakan meranti ( Shorea spp ) menyebabkan pengulangan tiap perlakuan (media sapih) menjadi tidak sama (Kasus 3-15). Rekapitulasi data pertumbuhannya seperti sajian berikut.
Ulangan 1 2 3 4 5
Jumlah KT j log KT j
Media sapih p2 p3
p1 2,67 2,51 2,78 2,32 2,89 13,17 8,064475 0,906576
3,17 2,78 3,40
9,35 13,11032 13,1103 2 1,117613
p4
2,48 2,31 2,35 2,18 2,56 2,23 2,25 2,19 2,98 12,68 8,91 7,41135 5,876667 0,869897 0,769131 0,769131
Jumlah 10,63 9,82 10,97 6,76 5,87 44,05 3,663218
Rataan
8,615702
Hitung ragam (KT) tiap perlakuan (media sapih) 2 2 2 2 2 2 ¾ untuk KT 1 ; ¾ ∑Yi1 = (2,67) + (2,51) + (2,78) + (2,32) + (2,89) = 34.8919 2 2 ¾ (∑Yi1) /ri = (13,17) /5 = 2.63400 ¾ JK1 = (34.8919 - 2.63400) = 32,25790 ¾ KT 1 = (32,25790)/(5 - 1) = 8,064475 ¾
untuk KT 2 ;
¾
∑Yi22 = (3,17)2 + (2,78)2 + (3,40)2 = 29,3373
(∑Yi2)2/ri = (9,35)2/3 = 3,11667 ¾ JK2 = (29,3373 - 3,11667) = 26,22063 ¾ KT 2 = (26,22063)/(3 - 1) = 13,11032 ¾
¾
untuk KT 3 ;
¾
∑Yi32 = (2,48)2 + (2,35)2 + (2,56)2 + (2,25)2 + (2,98)2 = 32,1694
(∑Yi3)2/ri = (12,68)2/5 = 2,52400 ¾ JK3 = (32,1694 - 2,52400) = 29,64540 ¾ KT 3 = (29,64540)/(5 - 1) = 7,41135 ¾
¾
untuk KT 4 ;
¾
∑Yi42 = (2,31)2 + (2,18)2 + (2,23)2 + (2,19)2 = 19,8575
(∑Yi4)2/ri = (8,91)2/4 = 2,22750 ¾ JK4 = (19,8575 - 2,22750 ) = 17,63000 ¾ KT 4 = (17,63000)/(4 - 1) = 5,876667 ¾
KT. = (8,064475 + 13,11032 + 7,41135 + 5,876667)/4 = 8,615702 ∑(log KT j) = (0,906576 + 1,117613 + 0,869897 + 0,769131) = 3,663218 X2 = 2,3026 [ A – B ] p
A = log KT. ∑ (r j – 1) = log(8,615702).{(5-1)+(3-1)+(5-1)+(4-1)} j=1 = 12,15878 p
B = ∑ (r j – 1) log KT j
= (5-1).(0,906576) + (3-1).(1,117613) + (5-1).(0,869897 ) + (4-1).(0,769131) = 11,64851 = 2,3026 [12,15878 – 11,64851] = 1,174937 FK = 1 + (X)(Y) j=1
X2
Telaah Data
70-10
(X) = 1/{3.(p-1)} = 1/{3.(4-1)} = 0,111111 p
p
(Y) = ∑ 1/(r j - 1) – (1/∑(r j - 1) j=1
j=1
= [1/(5-1) + 1/(3-1) + 1/(5-1) + 1/(4-1)] – [1/{(5-1) + (3-1) + (5-1) + (4-1)}] = 1,25641 FK = 1 + (0,111111)(1,25641) = 1,139601 X2terkoreksi = X2/FK = 1,174937/1,139601 = 1,031008 X(0.05,4-1) = 7,8147 > 1,0310 = X2terkoreksi; ragam perlakuan bersifat homogen
74. Uji Normalitas Uji ini menelaah penyebaran galat percoban dalam suatu percobaan adalah : Agar data sah untuk dianalisis, maka diharapkan galat percobaan menyebar normal. Harapan tersebut dapat terpenuhi, bila hasil uji menyatakan data menyebar normal. Perlu menela’ah apakah galat percobaan yang terjadi menyebar secara normal. Memperhatikan jumlah data (peubah) yang akan diuji dibagi menjadi dua pengujian yaitu uji Lilliefors dan Uji Kolmogorov & Smirnov.
A. Uji Lilliefors Uji digunakan bila jumlah data lebih kecil dari 30 ( ∑data < 30) dan pengujian dilaksanakan pada seluruh data. Tahap pengujian 1. Pengurutan data ; urutkan data (Y i) pada tabel uji dari bernilai terkecil hingga terbesar, seperti sajian tabel berikut. Tabel 7-5. Bagan pengujian Lilliefors No
Yi
Zi
F(zi)
S(zi)
Li
1 2
Y1 Y2
.. n-1 n
..
…. …. …. …. ….
…. …. …. …. ….
…. …. …. …. ….
…. …. …. …. ….
Yn-1 Yn
2. Hitung nilai tiap zi
Zi = ﴾Yi - Y.﴿/S ; i = 1, 2, …… , n n
n
;
Y. = ﴾∑ Yi)/n I=1
S2 = JKi/(n-1) = ∑(Yi – Y.)2/(n-1) I=1
n
n
I=1
I=1
JKi = ∑Yi2 ― (∑Yi)2/n
Telaah Data
70-11
3. Tentukan nilai Fungsi Sebaran Normal Baku
F(zi) = P(Z ≤ zi) Jika menggunakan tabel perlu diperhatikan : Berdasarkan nilai P( 0 < Z < zi) = 0,0000 untuk z i = 0,0 ; maka ¾ bila zi = +z ; F(z i) = F(+z) + P(Z ≤ +z) = 0,5000 + P(0 < Z < +z) ¾ bila zi = -z ; F(z i) = F(-z) + P(Z ≤ -z) = 0,5000 - P(-z < Z < 0) F(zi) = P(Z ≤ zi) Berdasarkan nilai P(0 < Z < zi) = 5,0000 untuk zi = 0,0 ; maka ¾ bila zi = +z ; F(z i) = 2F(+z) + P(Z ≤ +zi) = 1 ─ P(+zi < Z < +∞) ¾ bila zi = -z ; F(z i) = P(Z ≤ -z) = P(-∞ < Z < -z)
4. Tentukan nilai Fungsi Sebaran Empirik Baku Banyaknya z1, z2, ……. , zn ≤ zi S(zi) = n
Misal : Diurut : S(zi) :
7 3 1/6
Misal : Diurut : S(zi)
5 2 1/6
0 4 2/6
4 6 3/6
6 7 4/6
8 8 5/6
3 9 6/6
2 6 4 4 4 5 2,5/6 2,5/6 4/6
8 6 5/6
4 8 6/6
5. Hitung nilai beda antara FSNB dan FSEB
Li = │F(zi) - S(zi)│ * Tentukan nilai beda terbesar (L maks) 6. Pengujian
♣ Hipotesis H0 : data pengamatan menyebar normal H1 : data pengamatan menyebar tidak normal
♣ Keputusan uji : ≤ Lα(n) ; terima H 0
Lmak > Lα(n) ; tolak H0 Nilai uji yang digunakan (nilai kritis) L α(n) ; n = banyaknya data yang diuji. (Lampiran 08) Kasus 7-41. Contoh kasus diangkat dari percobaan kadar air normal (%) yang berada dalam batang Kahoi ( Shorea balangeran ) (Lampiran 11; TaLam 11-11). Telaah Data
70-12
No. 1 2 3 4 5 6 7 8 9
Yi
Zi
F(zi)
10,6313 10,6820 10,7173 10,7213 10,7550 10,8307 10,9290 11,1797 11,2323
-1.017203 -0.784768 -0.622934 -0.604596 -0.450098 -0.103050 0.347608 1.496947 1.738093
S(zi)
0.154531 0.216298 0.266666 0.272726 0.326320 0.458962 0.635932 0.932794 0,958902
0,111111 0,222222 0,333333 0,444444 0,555556 0,666667 0,777778 0,888889 1,000000
| Li | 0.043420 0.005924 0.066667 0.171718 0.229236 0.207705 0.141846 0.043905 0.041098
L5 = nilai maksimum Perhitungan : ∑Yi/9 = (10,6313 + 10,6820 + …… + 11,2323)/9 = (97,6786)/9 = 10,853178 ∑Yi2 = (10,6313)2 + (10,6820)2 + …… + ( 11,2323)2 = 1060,503841 (∑Yi)2/9 = (97,6786)2/9 = 1060.123211 JKi = ∑Yi2 - (∑Yi)2/9 = 0.380630 S = √{JKi/(9-1)} = 0.21812544 Z1 = ﴾10,6313 - 10,853178)/S = -1.017203 Z2 = ﴾10,6820 - 10,853178)/S = -0.784768 Z3 = ﴾10,7173 - 10,853178)/S = -0.622934 ………..dan seterusnya…………………… Z9 = ﴾11,2323 - 10,853178)/S = 1.738093 F(z1) = 0,5000 - P(-z < Z < 0) F(z1) = 0,5000 - P(-1.017203 < Z < 0) untuk zi = 1.017203 berada antara 1,01 dan 1,02 Ringkasnya sebagai : 1,01
= 0,3438 1.017203 = ? (nilai ini negatif, dipositifkan dulu ) 1,02 = 0,3461
untuk z 1,01 = 0,3438 diperoleh dari ketik pada layar excel “=NORMSDIST(1.01)-0.5” ENTER untuk z 1,02 = 0,3461 diperoleh dari ketik pada layar excel “=NORMSDIST(1.02)-0.5” ENTER ilustrasi dalam perhitungan excel nilai NEGATIF ≈ ABSOLUTKAN
1.01 0.3438
Baris
1.017203 0.345469
1.02 0.3461
Kolom
Kolom
1.01
0.01
0.02
1.02
1
0.3438
0.3461
1
F(zi) =
Baris
0.5 0.154531
Interpolasinya = 0,3438 + [ {(0,3461 - 0,3438)/(1,02 – 1,01)} (1.017203 - 1,01)] = 0.345469 Telaah Data
70-13
F(z1) = 0,5000 - 0.345469 = 0.154531
F(z2) = 0,5000 - P(-0.784768 < Z < 0) untuk zi = -0.784768 berada antara 0,78 dan 0,79 Ringkasnya sebagai : 0,78
= 0,2823 0,784768 = ? (nilai ini negatif, dipositifkan dulu ) 0,79 = 0,2852
untuk z 0,78 = 0,2823 diperoleh dari ketik pada layar excel “=NORMSDIST(0.78)-0.5” ENTER untuk z 0.79 = 0,2852 diperoleh dari ketik pada layar excel “=NORMSDIST(0.79)-0.5” ENTER Interpolasinya = 0,2823 + [ {(0,2852 - 0,2823)/(0.79 – 0.78)} (0.784768 – 0.78)] = 0.283702 F(z2) = 0,5000 - 0.283702 = 0.216298
……………………….dan seterusnya………………………. F(z9) = 0,5000 + P(0 < Z < +z) F(z9) = 0,5000 + P(0 < Z < +z) untuk zi = 1.738093 berada antara 1,73 dan 1,74 Ringkasnya sebagai : 1,73 = 0,4582 1,738093 = ? 1,74 = 0,4591
untuk z 1,73 = 0,4582 diperoleh dari ketik pada layar excel “=NORMSDIST(1.73)-0.5” ENTER untuk z 1.74 = 0,4591 diperoleh dari ketik pada layar excel “=NORMSDIST(1.74)-0.5” ENTER ilustrasi dalam perhitungan excel POSITIF
Baris
1.73
1.738093
1.74
0.4582
0.458902
0.4591
Kolom
Kolom
1.73
0.03
0.04
1.74
1.7
0.4582
0.4591
1.7
Baris
0.5 F(zi) =
0.958902
Interpolasinya = 0,4582 + [ {(0,4591 - 0,4582)/(1.74 – 1.73)} (1.738093 – 1.73)] = 0.458902 F(z1) = 0,5000 + 0.458902 = 0.958902
: jika cara ini sukar dimengerti, silahkan telaah ulang pada “Sebaran Normal/Gauss, halaman 30-26” atau simak saja Lampiran 3-1 dalam STATISTIKA. CATATAN
Menghitung nilai Fungsi S(z i) 10.6313 10.6820 10.7173 10.7213 10.7550 10.8307 1/9 2/9 3/9 4/9 5/9 6/9 0,111111
0,222222
0,333333
0,444444
0,555556
0,666667
10.929 7/9 0,777778
11.1797 11.2323 8/9 9/9 0,888889
1,000000
disini tidak ada nilai yang terulang Telaah Data
70-14
Menentukan nilai Li = |F(z i) – S(zi)| ; selisih nilai dimutlakkan untuk L1 = 0.154531 - 0.111111 = 0.043420 untuk L2 = 0.216298 - 0.222222 = 0.005924 …………. dan seterusnya…………………….. untuk L5 = 0.32632 - 0.555556 = 0.229236 (nilai maksimum) …………. dan seterusnya…………………….. untuk L9 = 0.958902 - 1.000000 = 0.041098 L0,05(9) = 0,271 > 0.229236 = L5; berarti data pengamatan menyebar normal
B. Uji Kolmogorov & Smirnov Uji digunakan bila jumlah data sebanyak atau lebih besar dari 30 ( ∑data ≥ 30) dan sejumlah data yang akan diuji disusun dulu ke dalam bentuk selang kelas yang lebih seragam. Tahap pengujian 1. Menentukan jumlah kelas K = 1 + 3,3 log n (Kaedah Sturge) K = banyaknya kelas (selang kelas) ; n = jumlah (banyaknya) data pengamatan
2. Menentukan jarak tiap kelas (selang kelas)
j = r/K j = jarak (lebar) antara ujung kelas bawah & ujung kelas atas pada tiap kelas r = rentangan nilai data pengamatan (selisih/beda antara nilai terbesar dan nilai terkecil
3. Buat tabel kelas (selang kelas)
Tabel 7-6. Bagan pengujian Kolmogorov & Smirnov No Kelas
zi
F(zi) FNH F(xi)
FP
FPK
S(xi)
Ki
1
2
3
4
5
6
7
8
9
10
.. .. ..
…. …. ….
…. …. ….
…. …. ….
…. …. ….
…. …. ….
…. …. ….
…. …. ….
…. …. ….
…. …. ….
Cara pengisian tiap kolom :
Kolom 1 & 2 (No. Kelas & Kelas/Selang-Kelas) UBK (Ujung Bawah Kelas) adalah X 1, X3, ….. , X2k-1 untuk X1 = nilai terkecil X3 = X1 + j X5 = X3 + j ; dan seterusnya UAK (Ujung Atas Kelas) adalah X 2, X4, ….. , X2k untuk X 2 = lebih kecil satu peringkat dari X 3 X4 = X2 + j X6 = X4 + j ; dan seterusnya
Telaah Data
70-15
No 0
….
─
X0
X0 di luar kelas; untuk menghitung : nilai BBK No.1 dan X2 = X0 + j
1
X1 X3 X5 …. …. Xk-1
~ ~ ~ ~ ~ ~
X2 X4 …. …. Xk-2 Xk
X1 = nilai data terkecil X3 = X1 + j X5 = X3 + j …………………….. …………………… X k-1 = X k-3 + j
Xk+1
─
….
2 3 k-1
k
Kelas
~ ~ ~ ~ ~ ~
X2 = X0 + j atau = X1+(j-1) X4 = X2 + j ………………… ………………… Xk-2 = X k-4 + j Xk = X k-2 + j
Xk+1 di luar kelas; untuk menghitung nilai BAK No.k
Kolom 3 (zi dalam bentuk selang) Sebenarnya antara kolom 2 dan kolom 3 terdapat kolom tersembunyi. Katakan saja kolom 2H3 untuk perhitungan nilai Batas Bawah Kelas (BBK) nilai Batas Atas Kelas (BAK) tiap kelas. Kolom ini biasanya tidak ditampilkan. Agar jelas cara perhitungannya, kolom (2H3) ditampilkan. Untuk itu perhatikan dulu pengilustrasian nilai BBK dan nilai BAK dalam bentuk garis Ilustrasi kolom 2H3 dalam bentuk garis adalah
No 1 : (X0 + X1)/2 = BBK1 (Batas Bawah Kelas untuk Kelas-1) (X2 + X3)/2 = BAK1 (Batas Atas Kelas untuk Kelas-1) No 2 : (X2 + X3)/2 = BBK2 (Batas Bawah Kelas untuk Kelas-2) = BAK 1 (X4 + X5)/2 = BAK2 (Batas Atas Kelas untuk Kelas-2) ……………….dan seterusnya……………….. No k : (X2k-2 + X2k-2)/2 = BBKk (Batas Bawah Kelas untuk Kelas-k) = BAK k-1 (X2k + X2k+1)/2 = BAKk (Batas Atas Kelas untuk Kelas-k) Kolom 2H3 (untuk menentukan nilai BBK dan BAK) ¾ untuk pengisian tiap kelas perhatikan kolom 2 (Kelas) di atas (warna merah hanya untuk perhitungan) No. 1 2 3 4 …. k-1 K
Telaah Data
2H3 Batas Bawah Kelas BBK1 = (X0 + X1)/2 BBK2 = (X2 + X3)/2 BBK3 = (X4 + X5)/2 BBK4 = (X4 + X5)/2 …… …… BBKk = (Xk-2 + Xk-1)/2
~ ~ ~ ~ ~ ~
Batas Atas Kelas BAK1 = (X0 + X1)/2 BAK2 = (X2 + X3)/2 BAK3 = (X4 + X5)/2 …… …… BAKk-1 = (Xk-2 + Xk-1)/2 BAKk = (Xk+1 + Xk)/2
Perhatikan nilai –nilai : BBK no.1 = BAK no.0 BBK no.2 = BAK no.1 BBK no.3 = BAK no.2 BBK no.4 = BAK no.3 ……dan seterusnya…….. BBK no.k-1 = BAK no.k-2 BBK no.k = BAK no.k-1 BBK no.k+1 = BAK no.k
70-16
¾
selanjutnya hitung nilai masing-masing zi-nya zi = (BK – Y.)/S BK = batas kalas (BBK atau BAK) Y. = (∑Yi)/n S2 = ∑(Yi – Y.)2 / (n-1) = {∑Yi2 - (∑Yi)2/n }/(n-1) S = √S2 Kolom 3 zi
Perhitungan
1
z1
~
z2
z1 = (BBK1 – Y.)/S
~ z2 = (BAK 1 – Y.)/S
2
z3
~
z4
z2 = (BBK2 – Y.)/S
~ z4 = (BBK2 – Y.)/S
3
z5
~
….
z3 = (BBK3 – Y.)/S
~ z2 = (BBK3 – Y.)/S
….
~
….
……………………….
k-1
….
~
zk-2
zk-1 = (BBKk-1 – Y.)/S
~ zk-1 = (BBK k-1 – Y.)/S
k
zk-1
~
zk
zk = (BBKk – Y.)/S
~ zk = (BBKk – Y.)/S
~
…………….…..
Jadi nilai z0 = z1 (z0 tidak dicantumkan dalam kolom ), z2 = z3, z4 = z5 dan seterusnya………………. z2k-2 = z2k-1, z2k = z2k+1 (z2k+1 tidak dicantumkan dalam kolom )
Kolom 4 ; F(zi) dalam bentuk selang F(zi) 1
Fz1
2
Fz2
3
Fz3 ….
k-1
….
k
Fzk-1
─ ─ ─ ─ ─ ─
Fz2
Perhitungan Fz1 = 0,5 ± P(z1 < Z < 0) ─ Fz2
Fz3
Fz2 = 0,5 ± P(z2 < Z < 0)
….
Fz3 = 0,5 ± P(z3 < Z < 0)
….
……………………………….
─ Fz3 ─ Fz4 ─ ………..
Fzk-1
Fzk-2 = 0,5 ± P(z2 < Z < 0) ─ Fzk-1
Fzk
Fzk-1 = 0,5 ± P(z3 < Z < 0) ─ Fzk
Perhitungan ini menggunakan sebaran Z dengan P(Z ≤ zi) = 0,0000 untuk zi = 0; untuk rumusannya adalah “ NORMSDIST-0,5”
Telaah Data
70-17
Kolom 5 ; FNH = selisih antara F(z i) dan F(zi+1); jika nilainya negatif, jadikan bernilai positif = dimutlakkan)
FNH
Perhitungan
1
N1
= | Fz1 ─ Fz2 |
2
N2
= | Fz2 ─ Fz3 |
3
N3
= | Fz3 ─ Fz4 |
..
….
k-1
Nk-1
= | F z k-2 ─ Fz k-1 |
k
Nk
= | Fz k-1 ─ Fk |
…………………………………….
Kolom 6
F(xi)
¾
Perhitungan
1
F(x1)
= N1
2
F(x2)
= N 1 + N2
3
F(x3)
= N 1 + N2 + N3
..
….
k-1
F(xk-1)
= N1 + N2 + …… + N k-1
k
F(xk)
= N1 + N2 + …… + N k-1 + Nk
……………………………………
Kolom 7 FP
¾
Perhitungan
1
d1
= jumlah data yang termasuk rentangan kelas No.1
2
d2
= jumlah data yang termasuk rentangan kelas No.2
..
….
…………………………………………………………….
..
….
…………………………………………………………….
k-1
dk-1
= jumlah data yang termasuk rentangan kelas No.k-1
k
dk
= jumlah data yang termasuk rentangan kelas No.k
Kolom 8 FPK
Telaah Data
Perhitungan
1
D1
= d1
2
D2
= d1 + d2
3
D3
= d1 + d2 + d3
..
….
k-1
Dk-1
= d1 + d2 + d3 + …… + d k-1
k
Dk
= d1 + d2 + d3 + …… + d k
…………………………………………
70-18
¾
Kolom 9 S(xi) 1
S(x1)
= D1/k = d1/k
2
S(x2)
= D2/k = (d1 + d2)/k
3
S(x3)
= D3/k = (d1 + d2 + d3)/k
..
….
k-1
S(xk-1)
= Dk-1/k = (d1 + d2 + d3 + …… + dk-1)/k
S(xk)
= Dk/k = (d1 + d2 + d3 + …… + dk)/k
k
¾
Perhitungan
= ………………………………
Kolom 10 ; Ki = selisih dari F(xi) dan S(xi); nilai dimutlakkan 1
K1
1
K1
= | F(x1) ─ S(x1) |
2
K2
= | F(x2) ─ S(x2) |
3
K3
= | F(x3) ─ S(x3) |
..
….
= ……………………….
k-1
Kk-1
= | F(xk-1) ─ S(x k-1) |
k
Kk
= | F(xk) ─ S(xk) |
Perhitungan
4. Pengujian
Hipotesis : H0 : data pengamatan menyebar normal H1 : data pengamatan menyebar tidak normal
Keputusan uji ≤ Kα(n) ; terima H0
Kmaks > Kα(n) ; tolak H0
Nilai uji yang digunakan (nilai kritis) K α(n) ; n = banyaknya data yang diuji. (Lampiran 09) Kasus 7-42. Contoh kasus diangkat dari percobaan keteguhan erat kayu lapis seperti disajikan pada (Lampiran 11; TaLam 11-12).
Merancang tabel hasil perhitungan ( 14. Selang kelas) K = 1 + 3,3 log(80) = 7.280197; banyak kelas (selang kelas) dirancang sebanyak 7 kelas j = r/K (jarak antara kelas) = (18.2893 - 7.6570)/7 = 1.5189 1.5190 (dibulatkan) ≈
Jadi daftar hasil perhitungan terdiri dari 7 kelas dengan jarak tiap kelas sebasar 1,5190.
Telaah Data
70-19
Menentukan Ujung Bawah Kelas (UBK) dan Ujung Atas Kelas (UAK) tiap selang kelas Kolom 2 ; perhitungan UBK dan UAK (hitung dulu UBK kemudian UAK) Selang Kelas
No. kelas
Ujung Bawah Kelas
1 2 3 4 5 6 7
Ujung Atas Kelas Berarti sebelum 9,1759 adalah 7,6569 9,1759 (9,1759 + 1.5190) = 10,6949 (10,6949 + 1.5190) = 12,2139 (12,2139 + 1.5190) = 13.7329 (13.7329 + 1.5190) = 15.2519 (15.2519 + 1.5190) = 16.7709 (16,7709 + 1.5190) = 18,2899
7,6570 (7,6570 + 1.5190) = 9,1760 (9,1760 + 1.5190) = 10,6950 (10,6950 + 1.5190) = 12,2140 (12,2140 + 1.5190) = 13.7330 (13.7330 + 1.5190) = 15.2520 (15,2520 + 1.5190) = 16,7710 Berarti sesudah 16,7710 adalah 18,2900
Rekapitulasi nilai tiap Ujung Kelas ke dalam daftar adalah
No
Selang Kelas
(1) 1 2 3 4 5 6 7
(2) 7.6570 ~ 9.1759 9.1760 ~ 10.6949 10.6950 ~ 12.2139 12.2140 ~ 13.7329 13.7330 ~ 15.2519 15.2520 ~ 16.7709 16.7710 ~ 18.2899
Sebelum menentukan nilai tiap zi dari tiap nilai UBawahK dan UAtasK, tentukan dulu nilai BBawahK dan BAtasK (kolom ini biasanya tidak disajikan dalam penampilan daftar pengujian secara keseluruhan)
Menentukan Batas Bawah Kelas (BBK) dan Batas Atas Kelas (BAK) tiap selang kelas pada Kolom 2H3 (daftar ini biasanya tidak ditampilkan, tapi jika ditampilkan tidak jadi masalah bahkan memperjelas cara perhitungan pengujian) No 1 2 3 4 5 6 7
zi (3)
2H3
2H3 Batas Bawah Kelas (7.6570 + 7.6569)/2 = 7,65695 (9.1760 + 9.1759)/2 = 9,17595 (10.6950 + 10.6949)/2 = 10,69495 (12.2140 + 12.2139)/2 = 12,21395 (13.7330 + 13.7329)/2 = 13,73295 (15.2520 + 15.2519)/2 = 15,25195 (16.7710 + 16.7709)/2 = 16,77095
~ ~ ~ ~ ~ ~ ~
Batas Bawah Kelas (9.1760 + 9.1759)/2 = 9,17595 (10.6950 + 10.6949)/2 = 10,69495 (12.2140 + 12.2139)/2 = 12,21395 (13.7330 + 13.7329)/2 = 13,73295 (15.2520 + 15.2519)/2 = 15,25195 (16.7710 + 16.7709)/2 = 16,77095 (18.2900 + 18.2899)/2 = 18,28995
Menentukan nilai masing-masing zi tiap kelas Y. = (929.5393)/80 = 11,61924 S = √ {11282,108889 ─ (929.5393 )2/80 }/(80-1) = 2,468966 zi = (BK – Y.)/S ; BK = Batas bawah Kelas(BBK) atau Batas Atas Kelas (BAK)
Telaah Data
70-20
Kolom 3 No
zi
1 2 3 4 5 6 7
Perhitungan = (7,65695 – 11,61924)/2,468966 = (9,17595 – 11,61924)/2,468966 = (9,17595 – 11,61924)/2,468966 = (10,69495 – 11,61924)/2,468966 = (10,69495 – 11,61924)/2,468966 = (12,21395 – 11,61924)/2,468966 = (12,21395 – 11,61924)/2,468966 = (13,73295 – 11,61924)/2,468966 = (13,73295 – 11,61924)/2,468966 = (15,25195 – 11,61924)/2,468966 = (15,25195 – 11,61924)/2,468966 = (16,77095 – 11,61924)/2,468966 = (16,77095 – 11,61924)/2,468966 = (18,28995 – 11,61924)/2,468966
Hasil perhitungan direkam ke kolom 3. Untuk perhitungan F(z i) lihat perhitungan F(z i) pada Kasus 6-41 dan hasilnya No 1 2 3 4 5 6 7
1.604839 -0.989621 -0.374384 0.240853 0.856091 1.471328 2.086566 ‐
zi
F(zi)
FNH
(3)
(4)
(5) 0.106918 0.192883 0.241105 0.208856 0.125371 0.052136 0.015016
~ ~ ~ ~ ~ ~ ~
-0.989621 -0.374384 0.240853 0.856091 1.471328 2.086566 2.701803
0.054267 0.161185 0.354068 0.595173 0.804029 0.929400 0.981536
~ ~ ~ ~ ~ ~ ~
0.161185 0.354068 0.595173 0.804029 0.929400 0.981536 0.996552
Untuk nilai Frekuensi Nisbi Harapan (FNH) diperoleh dari (nilai dimutlakkan) No 1 2 3 4
Perhitungan 0.054267 ─ 0.161185 0.161185 ─ 0.354068 0.354068 ─ 0.595173 0.595173 ─ 0.804029
No 5 6 7
Perhitungan 0.804029 ─ 0.929400 0.929400 ─ 0.981536 0.981536 ─ 0.996552
Perhitungan F(xi), FP, FPK, S(x i) dan Ki adalah No 1 2 3 4 5 6 7
F(xi) (6) 0.106918 0.299801 0.540906 0.749762 0.875133 0.927269 0.942285
Telaah Data
Perhitungan = 0.106918 + 0.192883 = 0.299801 + 0.241105 = 0.540906 + 0.208856 = 0.749762 + 0.125371 = 0.875133 + 0.052136 = 0.927269 + 0.015016
FP
FPK
(7) 8 32 12 11 10 3 4
(8) 8 40 52 63 73 76 80
Perhitungan = 8 + 32 = 32 + 12 = 12 + 11 = 11 + 10 = 10 + 3 =3+4
70-21
No 1 2 3 4 5 6 7
S(xi)
Ki
Perhitungan
(9) 0.1000 0.5000 0.6500 0.7875 0.9125 0.9500 1.0000
( 10 ) 0.006918 0.200199 0.109094 0.037738 0.037367 0.022731 0.057715
= 8/80 = 40/80 = 52/80 = 63/80 = 73/80 = 76/80 = 80/80
Perhitungan = 0.106918 ─ 0.1000 = 0.299801 ─ 0.5000 = 0.540906 ─ 0.6500 = 0.749762 ─ 0.7875 = 0.875133 ─ 0.9125 = 0.927269 ─ 0.9500 = 0.942285 ─ 1.0000
Sajian lengkap pengujian Normalitas Kolmogorov dan Smirnov adalah No
Selang Kelas
2H3
zi
(1) 1 2 3 4 5 6 7
(2) 7.6570 ~ 9.1759 9.1760 ~ 10.6949 10.6950 ~ 12.2139 12.2140 ~ 13.7329 13.7330 ~ 15.2519 15.2520 ~ 16.7709 16.7710 ~ 18.2899
BAK BBK 7.65695 ~ 9.17595 9.17595 ~ 10.69495 10.69495 ~ 1221395 1221395 ~ 13.73295 13.73295 ~ 15.25195 15.25195 ~ 16.77095 16.77095 ~ 18.28995
(3) 1.604839 ~ -0.989621 -0.989621 ~ -0.374384 -0.374384 ~ 0.240853 0.240853 ~ 0.856091 0.856091 ~ 1.471328 1.471328 ~ 2.086566 2.086566 ~ 2.701803 ‐
(kolom 2H3 dapat ditampilkan ataupun tidak) No
F(zi)
FNH
F(xi)
F(xi)
(1) 1 2 3 4 5 6 7
(4) 0.054267 ~ 0.161185 0.161185 ~ 0.354068 0.354068 ~ 0.595173 0.595173 ~ 0.804029 0.804029 ~ 0.929400 0.929400 ~ 0.981536 0.981536 ~ 0.996552
(5) 0.106918 0.192883 0.241105 0.208856 0.125371 0.052136 0.015016
(6) 0.106918 0.299801 0.540906 0.749762 0.875133 0.927269 0.942285
(6) 0.106918 0.299801 0.540906 0.749762 0.875133 0.927269 0.942285
No
FP
FPK
S(xi)
Ki
(1) 1 2 3 4 5 6 7
(7) 8 32 12 11 10 3 4
(8) 8 40 52 63 73 76 80
(9) 0.1000 0.5000 0.6500 0.7875 0.9125 0.9500 1.0000
( 10 ) 0.006918 0.200199 0.109094 0.037738 0.037367 0.022731 0.057715
Lmaskimum = 0.200199 > 01342312 = L0,05(80) ; data menyebar tidak normal
Telaah Data
70-22
75. Transformasi Data ☼ Data (peubah acak Y) tidak selalu harus ditransformasi, tergantung dari
statistik yang digunakan sebagai pengolah data. ☼ Penggunaan statistik parametrik menghendaki galat percobaan tidak saling berkorelasi, berasal dari populasi yang menyebar normal dengan ragam yang homogen. ☼ Bentuk-bentuk transformasi dapat saja dimodifikasi dengan alasan bahwa bentuk transformasi yang terkait belum memenuhi setelah diuji ulang beberapa kali. Biasanya nilainya mendekati (hampir) kriteria ketiga pengujian atau salah satunya. Ini biasanya terjadi (pengalaman) pada transformasi akarkuadrat.
A. Transformasi Akarkuadrat Transformasi ini digunakan bila data menyebar menurut sebaran Poisson, yaitu 2 σ n-1 cenderung sebanding dengan Y.
Beberapa bentuk transformasi yang dapat digunakan adalah ¾ √Y; jika data dalam % dan berada antara 0 ~ 20% atau 80 ~ 100% ¾ √(Y ± 0,5); jika nilai data < 10 ¾ √(Y + 1) atau √Y + √(Y + 1); jika nilai data bernilai nol atau mendekati nol. Misal 0,….
B. Transformasi Kebalikan Bentuk transformasi adalah ¾
1
/y
C. Transformasi Logaritma Bentuk transformasi adalah 2 2 ¾ log y; jika σ n-1 sebanding dengan Y atau σ n-1 sebanding dengan Y ¾ log (Y + 1); jika nilai data bernilai nol atau mendekati nol D. Transformasi Kebalikan Sinus atau Arcsin (sin-1) Transformasi ini digunakan bila : Data menyebar menurut sebaran Binomial ♦ setiap percobaan hanya memiliki 2 kejadian yaitu BERHASIL atau GAGAL ♦ peluang kejadian berhasil pada setiap percobaan harus sama & dinyatakan dengan peluang Data dalam bentuk pecahan, desimal atau persen Data menyebar dengan rentangan 30 ~ 70% Bentuk transformasi adalah -1 arcsin Y yaitu sin Y
Telaah Data
70-23
Bahan Bacaan z
z z
z
z
z
z z
z
z z
Freese, F. 1980. Elementry Statistical Methods for Foresters . AGRICULTURE HANDBOOK 317. U.S. Department of Agriculture. Gaspersz, V. 1994. Metode Perancangan Percobaan . Armico, Bandung. Hanafiah, K.A. 1993. Rancangan Percobaan (Teori & Aplikasi ). Roja Grafinda Persada, Jakarta. Little, T.M. 1978. Agricultural Experimentation (Design & Analysis . John Wiley and Sons, Inc. Canada. Gomez,K.A. & A.A.Gomez, 1995. Prosedur Statistik untuk Penelitian Pertanian . UI-Press, Jakarta. Paterson, D.D. 1939. Statistical Technique in Agricultural Researsch. Mc. Graw-Hill Book Company, Inc. New York, London. Simon, H. 2007. Statistik Hutan . Pustaka Pelajar, Yogyakarta. Soejoeti, Z. 1986. Rancangan Percobaan Terapan . Universitas Terbuka. Karunika, Jakarta. Steell, R.G.D. & J.H. Torrie. 1980. Prinsip dan Prosedur Statistika . Gramedia Pustaka Utama, Jakarta. Sudjana. 1989. Desain dan Analisis Eksperimen . Tarsito, Bandung. Walpole, R.E. 1997. Pengantar Statistika . Edisi ke-3. Gramedia Pustaka Utama, Jakarta.
Lampiran - Lampiran
Lampiran 01. BILANGAN TERACAK TaLam 1-1. Tabel Bilangan Teracak
1. 8000 bilangan teracak (Dajan, 1978) *Pengambilan bilangan acak dari atas ke bawah. *Bilangan acak yang digunakan tergantung dari banyaknya bilangan yang menyatakan nilai topik pembicaraan. *Nilai bilangan acak terbesar sesuai dengan nilai topik pembicaraan. *Bilangan acak terpilih ulang atau lebih besar dari bilangan acak terbesar diabaikan dan dilajutkan ke bilangan acak berikutnya. 2. 5000 bilangan teracak (Nasoetion & Barizi, 1979) (@ hasil pelemparan sebuah dadu bersisi 10 pasang) *Pengambilan bilangan acak dari kiri ke kanan. *Bilangan acak yang digunakan tergantung dari banyaknya bilangan yang menyatakan nilai topik pembicaraan. *Bilangan acak terpilih merupakan hasil pengurangan bilangan kelipatan di bawahnya. *Bilangan acak terbesar diperoleh dari hasil kelipatan terbesar sesuai banyaknya bilangan yang menyatakan nilai topik pembicaraan. *Bilangan acak terpilih ulang atau lebih besar dari bilangan acak terbesar diabaikan dan dilajutkan ke bilangan acak berikutnya. 3. 10000 bilangan teracak (Steill & Torrie, 1980; Gaspersz, 1994) Gruenberger, F. 1952. Numerical Analysis Laboratory. University of Wisconsin, Madison, Wisconsin. (@ diperoleh dari hasil komputer)
Steill & Torrie (1980) : *Bilangan acak yang digunakan tergantung dari banyaknya bilangan yang menyatakan nilai topik pembicaraan. *Pengambilan bilangan acak membentuk huruf Z (zigzag dari kiri ke kanan). Gaspersz (1994) : *Bilangan acak yang digunakan sebanyak 3 digit. *Pengambilan bilangan acak dari atas ke bawah (khusus untuk menentukan tata letak satuan percobaan). Bilangan Teracak
1
4. 6000 bilangan teracak (Sudjana, 1992) (no Baris & no Kolom sebenarnya tidak ada) *Pengambilan bilangan acak dari atas ke bawah *Bilangan acak yang digunakan tergantung dari banyaknya bilangan yang menyatakan nilai topik pembicaraan *Nilai bilangan acak terbesar sesuai dengan nilai topik pembicaraan *Bilangan acak terpilih ulang atau lebih besar dari bilangan acak terbesar diabaikan dan dilajutkan ke bilangan acak berikutnya.
5. 5000 bilangan teracak (Gomez & Gomez, 1995) (no. baris & no. kolom sebenarnya tidak ada) *Pengambilan bilangan acak dari atas ke bawah . *Bilangan acak yang digunakan tiap 3 digit. *Bilangan acak yang terpilih ditentukan peringkatnya (khusus untuk menentukan tata letak satuan percobaan). *Bilangan acak terpilih ulang atau lebih besar dari bilangan acak terbesar diabaikan dan dilajutkan ke bilangan acak berikutnya.
6. 2000 bilangan teracak (Walpole, 1997) (@ hasil pemutaran roda rolet) *Pengambilan bilangan acak dari atas ke bawah *Bilangan acak yang digunakan tergantung dari banyaknya bilangan yang menyatakan nilai topik pembicaraan *Nilai bilangan acak terbesar sesuai dengan nilai topik pembicaraan *Bilangan acak yang terpilih ulang atau lebih besar nilai bilangan acak terbesar diabaikan dan dilajutkan ke bilangan acak berikutnya.
Bilangan Teracak
2
7. 10000 angka teracak (Karim, A.A. 2005) *Bilangan-bilangan teracak ini diperoleh dari bilangan acak (random ) MO Excel 2003. *Saat menentukan tiap satu bilangan teracak tetap pada satu lembar penuh dan dimulai dari baris ke 00 & lajur ke 00 ke arah kanan hingga lajur ke 99. Selanjutnya zigzag dari baris ke 01 & lajur ke 00 ke kanan; demikian seterusnya hingga berakhir pada baris ke 99 & lajur ke 99. *Setiap bilangan satuan (1, 2, …. , 9, 0) diberi kesempatan sama untuk terpilih sebanyak 1000 kali. diolah/ diberikan
Bilangan Teracak
saat mengajar PascaSarjana Jurusan Kehutanan UnLaM, 2005.
3
TaLam 1-2. 10.000 Bilangan Teracak (00
∼
49 & 00
∼
49)
Lembar 1
00 04
05 09
10 14
15 19
20 24
25 29
30 34
35 39
40 44
45 49
00
53496
41935
75567
88625
36060
99710
76772
57248
98331
01292
01
60662
21442
74674
23511
88467
33144
63019
94309
01156
69362
02
49562
49139
59974
14605
65903
82000
85857
65538
98078
73788
03
52708
51968
15620
67543
25474
01980
35526
87342
81748
32253
04
31595
50481
85593
62425
64953
44593
83973
21536
75794
51173
05
21555
41046
75137
52728
87099
72030
71312
82809
04233
12164
06
09152
07258
33352
89923
65410
29402
94548
83650
32290
11585
07
10230
83883
31253
87944
81785
94255
36413
67746
06987
78459
08
66590
73444
65514
12186
08437
96057
60172
38651
20354
21538
09
40808
64532
27548
66702
34812
73057
25261
48406
67571
01458
10
43163
76763
55633
32356
62730
68939
26138
79958
78953
07571
11
77125
54133
93027
52456
30684
96348
30975
38115
21891
13462
12
42011
45583
52468
46779
33877
45735
14425
46969
49033
40321
13
69967
45030
36622
57785
68826
35297
24132
03321
07559
21297
14
52269
70192
95416
40725
61647
77322
94319
11839
59261
17791
15
22256
37838
09534
51384
96727
05353
66561
99247
79564
06770
16
39068
87461
51608
27624
80452
55615
37433
93214
41590
27815
17
42944
72821
31125
43784
20515
77589
63443
00524
85175
30729
18
77368
47662
73768
33262
01571
04650
66049
55702
78332
77297
19
31997
35208
64557
45714
18135
91171
69164
50440
19394
17683
20
79548
20468
16073
33673
04430
17132
55495
97230
15493
67105
21
17270
88264
27714
98552
23430
37609
18059
54913
08698
27899
22
78335
30483
50504
63412
43410
22631
17311
84649
25588
56850
23
75375
84935
47127
04669
46387
55537
23255
63117
31310
23001
24
33797
74074
88806
48405
81021
23472
56718
02428
47929
61201
25
01486
59192
46756
94054
66415
33254
86494
04817
16278
58592
26
17537
50280
69698
33143
44842
40618
43533
31775
73347
46296
27
81682
78243
23434
21542
32646
82069
45566
38315
88583
50780
28
66911
72964
68133
18785
77852
72892
08424
17966
01620
63865
29
75287
14330
48685
62511
26304
44323
81989
29766
04425
50724
30
74584
77869
62280
38417
56660
85564
64952
11859
91327
10469
31
14921
75707
28089
36302
55201
87697
30173
71336
23937
84588
32
40348
05896
22688
18116
13745
41959
81899
72661
80290
94325
33
04681
18297
91329
55428
71597
72381
49369
38572
86208
87107
34
04570
41809
68576
46395
21012
64403
58352
89433
22441
06600
35
53058
26228
26049
58874
69480
11891
61417
07473
15630
57157
36
45880
09531
11590
46907
37424
80520
91134
81315
07393
25927
37
88248
62182
60277
63211
90214
84667
32565
07743
10877
84632
38
46321
66385
75514
72734
26841
87494
78556
81568
08345
57902
39
46791
77601
16461
44079
84434
96906
12120
20473
33440
89673
40
97361
95582
28023
48019
08455
95412
59690
41514
25630
72945
41
38288
55867
36432
83403
94928
84915
24805
05437
57691
37723
42
60075
83043
68738
73824
16952
74346
07878
47261
63143
97653
43
08974
62615
52445
08384
76093
47548
26866
62209
41136
26825
44
72876
35170
45661
69159
80844
38101
22861
02492
53975
77344
45
55396
19763
07997
84281
23383
72930
32271
16932
64730
85111
46
75136
66213
84037
64927
39782
55111
41328
03013
31415
48480
47
41271
18323
27520
40552
92377
35930
93608
23829
84053
48127
48
57158
16186
70337
97258
89815
60416
47677
38671
58639
75656
49
93371
70162
69423
16699
01017
71776
47838
47401
89690
60344
Bilangan Teracak
4
TaLam 1-2. Lanjutan (00
∼
49 & 50
∼
99)
Lembar 2
50-54
55-59
60-64
65-69
70-74
75-79
80-84
85-89
90-94
95-99
00
04887
02473
24240
36940
87539
09424
51126
47135
46663
51696
01
23988
46313
33887
09744
39609
65820
93877
48996
78082
15208
02
52729
21295
93998
05746
56056
62308
87224
69653
47466
17770
03
83780
24285
52327
50984
21498
67210
52367
73164
10685
32395
04
62098
30752
81504
66567
48849
15271
08104
66851
07386
02457
05
34141
17550
22807
15307
47760
60717
15334
28409
28842
26237
06
08725
81420
11731
87598
33804
27119
03684
73467
19495
43432
07
87211
25098
72084
17476
16261
70496
06146
81782
54014
28030
08
76598
82617
02786
24253
11788
20207
26842
12568
54289
63669
09
09070
32152
35545
82368
26002
35731
25060
12138
46413
93586
10
22344
25464
75490
69642
48868
96309
17495
81807
75148
80140
11
36931
06785
39290
18129
11574
81638
70242
06448
15877
55096
12
32614
61500
52016
29212
03806
44013
13039
68050
53309
21192
13
11252
71858
83721
48833
29571
61067
78610
93188
15477
40267
14
73410
19448
80973
02929
01268
56649
40489
36536
84492
69306
15
27934
58235
28989
92838
65171
70839
67740
78182
43550
06861
16
47928
62554
24268
22011
42531
81681
30055
27451
17774
88732
17
68765
13456
09672
93171
63750
31047
13108
94052
43850
12688
18
89740
46324
18665
95821
19259
75162
57153
91888
14934
46257
19
08287
77179
76743
69222
75858
84036
89030
21345
49609
00435
20
78893
25461
42791
21078
02524
29621
47279
55408
73525
86604
21
30943
52778
95309
17429
53413
39330
91318
57890
90019
52606
22
04936
86356
82864
29320
35082
78251
05151
84968
76231
26169
23
18381
36894
98349
56301
34655
10677
32412
99047
82947
65720
24
25525
14068
38095
11635
51280
81740
87068
91797
38229
09115
25
75609
41368
38836
67960
66561
82709
78214
01710
95429
83379
26
67360
12310
90205
94188
83171
89654
90087
27538
11376
08747
27
51772
12746
39420
17336
95392
26171
18469
14608
96208
49174
28
16625
35998
07843
47219
14029
67736
56609
17451
69437
53729
29
26756
22018
09146
61436
24746
88284
81222
78735
91711
88787
30
22643
12408
09053
59826
76713
79322
73954
66143
95526
40468
31
56106
62854
93617
31638
62882
93499
95543
74859
10186
40673
32
20220
35391
71842
83405
76782
91861
65512
32619
25770
45033
33
37335
25347
92795
88922
20704
11262
52452
42389
01065
74305
34
35935
99327
39398
97656
05652
25457
40161
77540
82845
97465
35
66423
49274
84086
23225
99424
35018
06778
72178
58534
40533
36
39073
08450
93777
60211
63701
24880
12069
69948
37259
64017
37
98474
59056
89156
77650
01768
89148
71230
26977
55518
59160
38
06663
51195
27044
04937
80439
09978
33734
11978
26442
86062
39
32345
90289
05881
45244
37795
46815
33992
76219
86060
68371
40
62562
01011
06350
31945
59816
46423
95548
91757
83063
93269
41
16194
32400
64197
13539
62146
06624
51143
85034
47592
32370
42
71367
02302
76373
75114
00140
58761
60776
58383
30896
75983
43
49612
76335
54322
59323
97843
24715
08975
31836
11303
01130
44
01201
99466
39392
89125
64527
32887
51709
03323
13856
14944
45
37335
06849
26649
96295
47858
34158
61847
96845
20203
10085
46
84217
37796
27299
60541
23375
58044
52702
90598
09058
92668
47
89548
68221
22813
70784
83043
17761
48216
96477
92175
84670
48
91342
02680
53319
31592
68422
83975
92568
35072
80141
02444
49
77414
09466
03208
44102
05679
29143
40823
05123
92028
96986
Bilangan Teracak
5
TaLam 1-2. Lanjutan (50
∼
99 & 00
∼
49)
Lembar 3
00-04
05-09
10-14
15-19
20-24
25-29
30-34
35-39
40-44
45-49
50
10081
32497
79609
69792
35687
76166
01035
33414
41647
48394
51
70035
73790
61293
13090
55761
91836
66578
28167
63382
70005
52
52427
69198
47024
03130
80251
48506
75191
25822
40190
26843
53
10114
28936
60727
91736
08535
46921
77961
10437
01842
49621
54
49827
58302
81814
49662
25738
90145
53917
36768
28334
03970
55
27793
24313
63675
50138
78855
56379
52204
70779
22650
37221
56
80364
15248
57170
96158
85379
79644
82287
83159
98394
78469
57
31012
11011
31883
75675
85412
01810
56168
15060
34192
62298
58
34177
00432
56519
66449
19888
84490
74718
23281
57455
65162
59
42496
01276
52682
26756
79360
58616
57587
29257
47928
28118
60
01204
05117
97484
15413
90702
73122
63989
48771
21193
05468
61
70788
77431
51393
76202
61621
34604
87351
09510
87584
53009
62
41178
38339
37507
69723
04233
40139
20285
09381
87263
01994
63
19018
99670
33795
10338
79545
32653
82717
63634
99905
97371
64
35552
51169
26156
15472
55092
70635
06271
75906
07566
81530
65
50849
57914
03358
33186
17154
98546
14105
89508
27649
21680
66
74197
65821
83853
54404
13070
35358
76505
21737
56650
03644
67
58738
52450
31556
14939
54432
64580
05814
14014
25976
71876
68
65025
51798
94940
15069
52802
99974
40933
86017
81465
47230
69
58123
62941
32595
09161
51414
60718
26456
62580
67073
64446
70
05678
50433
44996
53140
60596
27271
15918
01637
39843
86569
71
97039
78226
24962
26698
87387
28023
14410
70772
71261
40919
72
89088
78945
24761
12456
22332
01046
19722
46303
09141
80726
73
08145
08273
22706
12890
86576
83163
90611
59151
42863
08954
74
99047
98585
89861
80713
88666
83117
70090
77983
34663
56982
75
91938
00983
76268
39669
57436
78380
18991
44152
10388
61358
76
99865
82205
19397
17974
36362
50801
74894
01291
97699
74747
77
15040
55843
49666
89381
35229
89053
93782
45704
29994
77823
78
72282
18108
50457
05822
36287
33803
84066
19948
56041
17685
79
71466
44750
15254
87496
11642
28157
87826
63626
90754
33262
80
90270
95955
87615
69950
98702
11785
05909
40711
45569
93298
81
76223
47393
14165
13888
40638
38954
14998
15637
16971
27017
82
02078
55937
81017
70404
72440
66217
19266
49885
82029
32942
83
65472
74803
89635
92995
72794
60181
03756
68891
93341
19784
84
07042
19487
08807
83274
96055
63189
11798
53679
02429
05762
85
10895
76343
27666
36062
79780
25584
30797
23541
32239
13885
86
37682
30936
86059
12562
45538
31554
25296
32138
07732
97754
87
72213
54575
98425
53378
76194
77404
61168
70694
31022
48834
88
41372
75324
81888
67130
15479
48703
00901
55877
42230
47582
89
96846
90211
17823
74513
93112
28853
23598
04020
69010
68943
90
95955
75688
15522
43080
13592
82928
82877
89633
47338
67463
91
40212
90038
67022
30710
80373
59926
15152
04082
86779
04811
92
48844
26512
59365
39206
15175
38472
70415
20345
03664
38825
93
11728
86111
54530
30643
06416
67860
78233
21999
74785
29414
94
39690
91119
86204
42101
26704
63294
12604
15559
58273
21329
95
92420
13082
27074
57589
59946
18339
46078
31129
70840
68455
96
71530
25078
99965
21243
07467
63331
97086
13843
98554
50947
97
98270
67712
90358
39438
69549
70664
84947
74136
80321
65287
98
88499
52926
44330
61311
15900
36764
01693
61788
47773
26905
99
66979
26844
18824
15399
84267
78807
72577
39130
99146
55018
Bilangan Teracak
6
TaLam 1-2. Lanjutan (50
∼
99 & 50
∼
99)
Lembar 4
50-54
55-59
60-64
65-69
70-74
75-79
80-84
85-89
90-94
95-99
50
81992
44701
63693
11815
59190
44347
90978
56886
05294
89804
51
28984
26121
39327
55987
76681
60631
99147
89186
03113
79753
52
30561
14411
23823
59804
16062
97844
58773
81677
30708
69655
53
66339
81064
12738
04506
68588
75932
01541
37027
09564
61803
54
58437
40425
6578
61791
29783
00773
91574
29200
42172
96869
55
82595
43498
52269
04332
23461
84505
34038
96503
27086
18664
56
44016
72095
11605
90594
06189
50150
76638
15515
42518
67241
57
53340
68428
50739
87277
27544
01665
57642
62766
04778
01660
58
91923
29536
39280
80561
43232
92889
77095
00351
71643
04265
59
00556
46754
15890
83504
32575
36381
40748
90015
06832
75197
60
98769
10948
41539
26350
28449
51066
79482
88485
03691
01233
61
23920
75222
68981
45695
61935
56109
40825
57080
15507
64969
62
40152
18567
72488
92055
54071
96995
26112
35445
34750
59814
63
81096
50389
12277
06143
95219
50464
39564
10527
93146
34607
64
14244
94289
82772
31129
26776
62410
48513
39846
73084
75313
65
31954
08283
09530
33497
35979
18596
30277
26719
62743
94554
66
64684
89170
33277
89972
53141
15850
04088
02559
70841
52193
67
11568
60737
28285
70928
81664
91080
83647
79160
49124
40276
68
94177
88586
70357
95512
46348
44844
86955
60310
99517
25494
69
20258
01906
20552
52896
57460
91497
77818
33342
55997
14189
70
90802
96161
28802
59379
73927
58949
70405
32330
19764
33797
71
73263
48841
16204
40790
73948
01850
52989
17831
59319
90656
72
44833
40214
28286
68363
14579
96669
03089
43338
72569
95981
73
96693
53901
42339
96566
84270
84200
43279
08391
98223
80489
74
89156
94192
90842
91720
75205
42399
29294
91345
17349
03540
75
52121
09614
77694
73020
54525
12800
54910
13420
89645
35530
76
09547
50989
56370
41500
05101
85885
82339
28953
76426
02320
77
42084
27304
86698
06233
64379
40481
69633
76964
67100
62995
78
65595
31103
97277
78393
92204
46904
60451
60714
07574
99395
79
01926
90449
80492
78425
49098
29355
98034
15061
55906
50990
80
75269
90231
56789
05791
80328
88236
65332
45625
43840
46366
81
70282
65688
44559
38552
21561
00294
31672
00392
38576
00169
82
99169
46634
10952
42412
79464
11400
85704
99827
03579
97690
83
80242
05401
57473
98910
30722
28979
99096
06552
02331
80582
84
96583
22961
12136
07190
61087
56920
35522
88449
23338
96535
85
79444
46915
26303
68061
55151
96870
05959
70874
43423
72870
86
73270
67923
60177
07083
27381
46005
99838
14154
99010
63941
87
09041
46336
88905
01629
99040
17920
15265
98618
72004
21992
88
99364
88514
00114
00882
80790
36292
60490
14675
72269
07391
89
36833
82123
70827
34104
03706
79177
92382
04495
96902
14851
90
24194
26396
55068
46090
09262
66084
60276
50429
19103
38521
91
26447
29509
77325
22856
07023
36463
79810
99866
34877
01584
92
96093
53737
96148
47549
00913
36809
04991
09616
43701
04098
93
57176
67066
48205
72420
09370
22075
08709
92125
12998
64964
94
56873
89091
01740
38785
66375
88383
07625
85959
01709
92047
95
26913
26763
81281
92857
20592
70599
57855
90507
31164
51750
96
84590
51215
91255
58500
63906
47792
66544
02403
91907
97126
97
77227
26752
60535
33060
98585
38115
80918
30924
02261
28966
98
47698
85579
21072
58834
12233
91917
15996
64212
60067
75089
99
80310
25651
35309
00839
97925
69144
09593
73034
46906
37699
A2Karim. Fakultas Kehutanan Universitas Lambung Mangkurat, Banjarbaru. 2005. Bilangan Teracak
7
Lampiran 02. Penentuan Nilai Kritis Sebaran Fisher
(1) buka Microsoft Excel (2) arahkan kruser ke Formulas dan klik (3) arahkan kruser ke More Functions dan klik, selanjutnya arahkan lagi kruser ke Statistical, maka akan terbuka layar-kotak yang berisikan rumusan-rumusan statistik
Penentuan Nilai Kritis Fisher
1
(4) tarik/turunkan ke bawah kruser dalam layar-kotak hingga ditemukan rumusanrumusan FINV.
Penentuan Nilai Kritis Fisher
2
(5) klik FINV dan akan terlihat kotak Function Agruments untuk menentukan nilai F(α,db1,db2).
Penentuan Nilai Kritis Fisher
3
(6) selanjutnya dalam kotak (misal ingin mengetahui nilai F(α,db1,db2) = F(0.05,2,12) ¾
number 1, ketik 5% (Probability); pindahkan kruser ke number 2, jangan di Enter
¾
number 2, ketik angka 2 (Deg_freedom 1) ; pindahkan kruser ke number 3, jangan di Enter
¾
number 3, ketik angka 12; akan terlihat seperti
Penentuan Nilai Kritis Fisher
4
(7). Selanjutnya Enter atau OK
Jadi F (α,db1;db2) = nilai F(0.05,2,12) ≈ FINV(0.05,2.12) = 3.8853
M.Aqla & A2Karim 2010
Penentuan Nilai Kritis Fisher
5
Lampiran 03. Penentuan Nilai Kritis Sebaran t-Student
(1) buka Microsoft Excel (2) arahkan kruser ke Formulas dan klik, (3) arahkan kruser ke More Functions dan klik, (4) selanjutnya arahkan lagi kruser ke Statistical, maka akan terbuka layar-kotak yang berisikan rumusan statistik.
(5) tarik turun ke bawah kruser dalam layar agar menemukan rumus TINV.
Penentuan Nilai Kritis Sebaran t-Student
1
(6) akhirnya ditemukan rumusan TINV.
(7) klik TINV dan akan terlihat kotak Function Agruments untuk menentukan nilai kritis t-Student.
Penentuan Nilai Kritis Sebaran t-Student
2
(8) Misal ingin mengetahui nilai kritis t-Student = t(α/2,dbG) = t(0.025,10), maka pada kotak isian diketik : ¾ number 1, ketik 5% (Probability ); pindahkan kruser ke number 2, jangan di Enter ¾ number 2, ketik angka 10 (Deg_freedom ) ; akan terlihat seperti
(9). Nilai sudah terlihat di kanan bawah kotak isian ke dua; selanjutnya OK atau Enter .
Jadi t(α/2,dbG) = nilai t(0.025,10) ≈ TINV(0.05,10) = 2.2281
M.Aqla & A2Karim 2010
Penentuan Nilai Kritis Sebaran t-Student
3
Lampiran 04. Penentuan Nilai Kritis Sebaran X2
(1) buka Microsoft Excel dan arahkan kruser ke Formulas; kemudian klik, (2) arahkan kruser ke More Functions dan klik, (3) selanjutnya arahkan lagi kruser ke Statistical, maka akan terbuka layar-kotak yang berisikan rumusan statistik.
(4) rumusan CHIINV telah terlihat. Selanjutnya klik CHIINV dan akan terlihat kotak Function Agruments untuk menentukan nilai kritis Chi-Kuadrat.
Penentuan Nilai Kritis Sebaran X 2
1
(5) Misal ingin mengetahui nilai kritis Chi-Kuadrat, X2(α,db) = X2(0.05,3-1), maka pada kotak isian diketik : ¾ number 1, ketik 0.05 atau 5% (Probability ); pindahkan kruser ke number 2, jangan di Enter ¾ number 2, ketik angka 2 (Deg_freedom ) ; akan terlihat seperti
(6). Nilai sudah terlihat di kanan bawah kotak isian ke dua; selanjutnya OK atau Enter .
Jadi X2(α,db) = X2(0.05,3-1) ≈ CHIINV(0.05,2) = 5.9915
M.Aqla & A2Karim 2010
Penentuan Nilai Kritis Sebaran X 2
2
Lampiran 05. Nilai t untuk pembanding antara p nilai-tengah perlakuan dan kontrol pada koefisien selang kepercayaan P = 0,95 dan P = 0,99 (untuk 1 – P = α).
TaLam 5-1. Pengujian satu arah [tDunnett = d ( db Galat 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 24 30 40 60 120 ∞
α
0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01
p =
1 2,02 3,37 1,94 3,14 1,89 3,00 1,86 2,90 1,83 2,82 1,81 2,76 1,80 2,72 1,78 2,68 1,77 2,65 1,76 2,62 1,75 2,60 1,75 2,58 1,74 2,57 1,73 2,55 1,73 2,54 1,72 2,53 1,71 2,49 1,70 2,46 1,68 2,42 1,67 2,39 1,66 2,36 1,64 2,33
2 2,44 3,90 2,34 3,61 2,27 3,42 2,22 3,29 2,18 3,19 2,15 3,11 2,13 3,06 2,11 3,01 2,09 2,97 2,08 2,94 2,07 2,91 2,06 2,88 2,05 2,86 2,04 2,84 2,03 2,83 2,03 2,81 2,01 2,77 1,99 2,72 1,97 2,68 1,95 2,64 1,93 2,60 1,92 2,56
,p,dbG)]
α
banyaknya nilai tengah perlakuan di luar kontrol 3 4 5 6 7 8 2,68 2,85 2,98 3,08 3,16 3,24 4,21 4,43 4,60 4,73 4,85 4,94 2,56 2,71 2,83 2,92 3,00 3,07 3,88 4,07 4,21 4,33 4,43 4,51 2,48 2,62 2,73 2,82 2,89 2,95 3,66 3,83 3,96 4,07 4,15 4,23 2,42 2,55 2,66 2,74 2,81 2,87 3,51 3,67 3,79 3,88 3,96 4,03 2,37 2,50 2,60 2,68 2,75 2,81 3,40 3,55 3,66 3,75 3,82 3,89 2,34 2,47 2,56 2,64 2,70 2,76 3,31 3,45 3,56 3,64 3,71 3,78 2,31 2,44 2,53 2,60 2,67 2,72 3,25 3,38 3,48 3,56 3,63 3,69 2,29 2,41 2,50 2,58 2,64 2,69 3,19 3,32 3,42 3,50 3,56 3,62 2,27 2,39 2,48 2,55 2,61 2,66 3,15 3,27 3,37 3,44 3,51 3,56 2,25 2,37 2,46 2,53 2,59 2,64 3,11 3,23 3,32 3,40 3,46 3,51 2,24 2,36 2,44 2,51 2,57 2,62 3,08 3,20 3,29 3,36 3,42 3,47 2,23 2,34 2,43 2,50 2,56 2,61 3,05 3,17 3,26 3,33 3,39 3,44 2,22 2,33 2,42 2,49 2,54 2,69 3,03 3,14 3,23 3,30 3,36 3,41 2,21 2,32 2,41 2,48 2,53 2,58 3,01 3,12 3,21 3,27 3,33 3,38 2,20 2,31 2,40 2,47 2,52 2,57 2,99 3,10 3,18 3,25 3,31 3,36 2,19 2,30 2,39 2,46 2,51 2,56 2,97 3,08 3,17 3,23 3,29 3,34 2,17 2,28 2,36 2,43 2,48 2,53 2,92 3,03 3,11 3,17 3,22 3,27 2,15 2,25 2,33 2,40 2,45 2,50 2,87 2,97 3,05 3,,11 3,16 3,21 2,13 2,23 2,31 2,37 2,42 2,47 2,82 2,92 2,99 3,05 3,10 3,14 2,10 2,21 2,28 2,35 2,39 2,44 2,78 2,87 2,94 3,00 3,04 3,08 2,08 2,18 2,26 2,32 2,37 2,41 2,73 2,82 2,89 2,94 2,99 3,03 2,06 2,16 2,23 2,29 2,34 2,38 2,68 2,77 2,84 2,89 2,93 2,97
9 3,30 5,03 3,12 4,59 3.01 4,30 2,92 4,09 2,86 3,94 2,81 3,83 2,77 3,74 2,74 3,67 2,71 3,61 2,69 3,56 2,67 3,52 2,65 3,48 2,64 3,45 2,62 3,42 2,61 3,40 2,60 3,38 2,57 3,31 2,54 3,24 2,51 3,18 2,48 3,12 2,45 3,06 2,42 3,00
Sumber : Steell and Torrie (1980)
Nilai Uji tDunnett
1
TaLam 5-2. Pengujian dua arah t Dunnett = d ( db Galat 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 24 30 40 60 120 ∞
α
0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01, 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01
p =
1 2,57 4,03 2,45 3,71 2,36 3,50 2,31 3,36 2,26 3,25 2,23 3,17 3,20 3,11 2,18 3,05 2,16 3,01 2,14 2,98 2,13 2,95 2,12 2,92 2,11 2,90 2,10 2,88 2,09 2,86 2,09 2,85 2,06 2,80 2,04 2,75 2,02 2,70 2,00 2,66 1,98 2,62 1,96 2,58
2 3,03 4,63 2,86 4,21 2,75 3,95 2,67 3,77 2,61 3,63 2,57 3,53 2,53 3,45 2,50 3,39 2,48 3,33 2,46 3,29 2,44 3,25 2,42 3,22 2,41 3,19 2,40 3,17 2,39 3,15 2,38 3,13 2,35 3,07 2,32 3,01 2,29 2,95 2,27 2,90 2,24 2,85 2,21 2,79
/2,p,dbG)
α
banyaknya nilai tengah perlakuan di luar kontrol 3 4 5 6 7 8 3,29 3,48 3,62 3,73 3,82 3,90 4,98 5,22 5,41 5,56 5,69 5,80 3,10 3,26 3,39 3,49 3,57 3,64 4,51 4,71 4,87 ,5,00 5,10 5,20 2,97 3,12 3,24 3,33 3,41 3,47 4,21 4,39 4,53 4,64 4,74 4,82 2,88 3,02 3,13 3,22 3,29 3,35 4,00 4,17 4,29 4,40 4,48 4,56 2,81 2,95 3,05 3,14 3,20 3,26 3,85 4,01 4,12 4,22 4,30 4,37 2,76 2,89 2,99 3,07 3,14 3,19 3,74 3,88 3,99 4,08 4,16 4,22 2,72 2,89 2,99 3,07 3,14 3,19 3,65 3,79 3,89 3,98 4,05 4,11 2,68 2,81 2,90 2,98 3.04 3,09 3,58 3,71 3,81 3,89 3,96 4,02 2,65 2,78 2,87 2,94 3,00 3,06 3,52 3,65 3,74 3,82 3,89 3,94 2,63 2,75 2,84 2,91 2,97 3,02 3,47 3,59 3,69 3,76 3,83 3,88 2,61 2,73 2,82 2,89 2,95 3,00 3,43 3,55 3,64 3,71 3,78 3,83 2,59 2,71 2,80 2,87 2,92 3,00 3,39 3,51 3,60 3,67 3,73 3,78 2,58 2,69 2,78 2,85 2,90 2,95 3,36 3,47 3,56 3,63 3,69 3,74 2,56 2,68 2,76 2,83 2,89 2,94 3,33 3,44 3,53 3,60 3,66 3,71 2,55 2,66 2,75 2,81 2,87 2,92 3,31 3,42 3,50 3,57 3,63 3,68 2,54 2,65 2,73 2,80 2,86 2,90 3,29 3,40 3,48 3,55 3,60 3,65 2,51 2,61 2,70 2,76 2,81 2,86 3,22 3,32 3,40 3,47 3,52 3,57 2,47 2,58 2,66 2,72 2,77 2,82 3,15 3,25 3,33 3,39 3,44 3,49 2,44 2,54 2,62 2,68 2,73 2,77 3,09 3,19 3,26 3,32 3,37 3,41 2,41 2,51 2,58 2,64 2,69 2,73 3,03 3,12 3,19 3,25 3,29 3,33 2,38 2,47 2,55 2,60 2,65 2,69 2,97 3,06 3,12 3,18 3,22 3,26 2,35 2,44 2,51 2,57 2,61 2,65 2,92 3,00 3,06 3,11 3,15 3,19
9 3,97 5,89 3,71 5,28 3,53 4,89 3,41 4,62 3,32 4,43 3,24 4,28 3,24 4,16 3,14 4,07 3,10 3,99 3,07 3,93 3,04 3,88 3,04 3,83 3,00 3,79 2,98 3,75 2,96 3,72 2,95 3,69 2,90 3,61 2,86 3,52 2,81 3,44 2,77 3,37 2,73 3,29 2,69 3,22
Sumber : Steell and Torrie (1980)
Nilai Uji tDunnett
2
Lampiran 08. Nilai Kritis untuk Uji Lilliefors [ L(n) ] Lilliefors
Nilai Kritis
Uji 2 Arah ;
α
=
0,20
0,15
0,10
0,05
0,01
Uji 1 Arah ;
α
=
0,10
0,075
0,05
0,025
0,005
n=4
3,00
0,319
0,352
0,381
0,417
5
0,285
0,299
0,315
0,337
0,405
6
0,265
0,277
0,294
0,319
0,364
7
0,247
0,258
0,276
0,300
0,348
8
0,233
0,244
0,261
0,285
0,331
9
0,223
0,233
0,249
0,271
0,311
10
0,215
0,224
0,239
0,258
0,294
11
0,206
0,217
0,230
0,249
0,284
12
0,199
0,212
0,223
0,242
0,275
13
0,190
0,202
0,214
0,234
0,268
14
0,183
0,194
0,207
0,227
0,261
15
0,177
0,187
0,201
0,220
0,257
16
0,173
0,182
0,195
0,213
0,250
17
0,169
0,177
0,189
0,206
0,245
18
0,166
0,173
0,184
0,200
0,239
19
0,163
0,169
0,179
0,195
0,235
20
0,160
0,166
0,174
01,90
0,231
25
0,142
0,147
0,158
0,173
0,200
30
0,131 0,7223 √ n
0,136 0,7511 √ n
0,144 0,7940 √ n
0,161 0,8860 √ n
0,187 1,0310 √ n
n ≥ 31
A2Karim, A2Karim, 2000 (disederhanakan (disederhanakan dari Conover, 1971)
Nilai Uji Lilliefors
1
Lampiran 09. Nilai Kritis Uji Kolmogorov dan Smirnov [K K&S Uji 2 Arah ; α = Uji 1 Arah ; α = n=1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 Rataan untuk untuk n > 40 =
0,20 0.10 0.900 0.684 0.565 0.493 0.447 0.410 0.381 0.358 0.339 0.323 0.308 0,296 0,285 0,275 0,266 0,256 0,250 0,244 0,237 0,232 0,226 0,221 0,216 0,212 0,208 0,204 0,200 0,197 0,193 0,190 0,187 0,184 0,182 0,179 0,177 0,174 0,172 0,170 0,168 0,165 1,0469 √ n
0,10 0.05 0.950 0.776 0.636 0.565 0.509 0.468 0.436 0.410 0.387 0.369 0,352 0,338 0,325 0,314 0,304 0,295 0,286 0,279 0,271 0,265 0,259 0,253 0,247 0,242 0,238 0,233 0,229 0,225 0,221 0,218 0,214 0,211 0,208 0,205 0,202 0,199 0,196 0,194 0,191 0,189 1,2006 √ n
Nilai Kritis 0,05 0.025 0.975 0.842 0.708 0.624 0.563 0.519 0.483 0.454 0.430 0.409 0,391 0,375 0,361 0,349 0,338 0,327 0,318 0,309 0,301 0,294 0,287 0,281 0,275 0,269 0,264 0,259 0,254 0,250 0,246 0,242 0,238 0,234 0,231 0,227 0,224 0,221 0,218 0,215 0,213 0,210 1,3351 √ n
(n)]
α
0,02 0.01 0.990 0.900 0.785 0.689 0.627 0.577 0.538 0.507 0.480 0.457 0,437 0,419 0,404 0,390 0,377 0,366 0,355 0,346 0,337 0,329 0,321 0,314 0,307 0,301 0,295 0,290 0,284 0,279 0,275 0,270 0,266 0,262 0,258 0,254 0,251 0,247 0,244 0,241 0,238 0,235 1,4951 √ n
0,01 0.005 0.995 0.929 0.829 0.734 0.669 0.617 0.576 0.542 0.513 0.489 0,468 0,449 0,432 0,418 0,404 0,392 0,381 0,371 0,361 0,352 0,344 0,337 0,330 0,323 0,317 0,311 0,305 0,300 0,295 0,290 0,285 0,281 0,277 0,273 0,269 0,265 0,262 0,258 0,255 0,252 1,6040 √ n
A2Karim, 2000 (Steell and Torrie. 1980)
Nilai Uji Kolmogorov & Smirnov
1
Lampiran 10. Bentuk Standard Square & Penentuan Kombinasi TaLam 10-1. Bentuk–bentuk standard square yang dapat digunakan langsung dalam suatu percobaan p=2 A B
p=3
B A
A B C
B C C A A B
p=6 A B C D E F
B A F E A D
C F B A D E
D A E B F C
p=4
p=5
A B C D B A D C C D B A D C A B
A B C D E B A E C D C D A E B D E B A C E C D B A
p=7 E D A F C B
F E D C B A
A B C D E F G
B E F G D C A
C A G E B D F
D G B F C A E
p=8
E F D C A G B
F D A B G E C
G C E A F B D
A B C D E F G H
B C A F H D E G
p=9 A B C D E F G H I
B C D H G I F E A
C E F A B H I G D
D G A B I E C F H
E D H F C B A I G
F I G E H D B A C
B A K C J E F I D G H
C J H G B I D K E A F
D I A J G C B F H K E
E D B I K G H A J F C
F C I K H A J D B E G
G F J E D K A B C H I
D E G C F A H B
E F H A G B C D
F D E H C G B A
G H F B A E D C
H G B E D C A F
p = 10 G F I C D A H B E
H A E I F G D C B
I H B G A C E D F
A B C D E F G H I J
B G H A F E I C J D
C A J G H B F I D E
D E G I J C B F A H
E H F J I D A G C B
p = 11 A B C D E F G H I J K
C A D G B H F E
F C B E G I D J H A
G F E C A J H D B I
H I I J A D B F D B G H J C E A F E C G
J D I H C A E B G F
p = 12 H K F B C J I E G D A
I H D F A B E G K C J
J G E A I H K C F B D
K E G H F D C J A I B
Bentuk Standard Square & Penentuan Kombinasi
A B C D E F G H I J K L
B L K F D H I E J C G A
C G A I F K D L B E J H
D C B A G E F J L K H I
E D F L J G K C H A I B
F J L E K C H A G I B D
G K I C A D J B F H L E
H E D G L B A I K F C J
I H G J C A L K D B E F
J A H B I L C D E G F K
K F J H B I E G A L D C
L I E K H J B F C D A G
1
TaLam 10-2. Cara menentukan kombinasi A, B dan C dalam RALengkap 3F Daftar 1
1 2 …. R
C1 C2 C1 C2 …. C1 C2
B1 Y1111 Y1121 Y1112 Y1122 …. Y111r Y112r Y11.. A1B1
A1 B2 Y1211 Y1221 Y1212 Y1222 …. Y121r Y122r Y12.. A1B2 A1
B3 Y1311 Y1321 Y1312 Y1322 …. Y131r Y132r Y13.. A1B3
B1 Y2111 Y2121 Y2112 Y2122 …. Y211r Y212r Y21.. A2B1
A2 B2 Y2211 Y2221 Y2212 Y2222 …. Y221r Y222r Y22.. A2B2 A2
B3 Y2311 Y2321 Y2312 Y2322 …. Y231r Y232r Y23.. A2B3
Y..11 Y..21 Y..12 Y..22 …. Y..1r Y..2r Y....
Notasi nilai data adalah Yabcr Jika pola bagan pengamatannya seperti sajian ini, maka cara menghitung JK-nya sebagai
Untuk 1 faktor : A, B dan C ¾
faktor A diperoleh dari (A 1 + A2) subfak A1 diperoleh dari (A1B1 + A1B2 + A1B3) A1B1 = Y11.. = (Y 1111 + Y1121 + Y1112 + Y1122 + …… + Y111r + Y112r) A1B2 = Y12.. = (Y1211 + Y1221 + Y1212 + Y1222 + …… + Y121r + Y122r) A1B3 = Y13.. = (Y1311 + Y1321 + Y1312 + Y1322 + …… + Y131r + Y132r) subfak A2 diperoleh dari (A 2B1 + A2B2 + A2B3) A2B1 = Y21.. = (Y2111 + Y2121 + Y2112 + Y2122 + …… + Y211r + Y212r) A2B2 = Y22.. = (Y 2211 + Y2221 + Y2212 + Y2222 + …… + Y221r + Y222r) A2B3 = Y23.. = (Y 2311 + Y2321 + Y2312 + Y2322 + …… + Y231r + Y232r)
¾
faktor B diperoleh dari (B 1 + B2 + B3) subfak B1 diperoleh dari (A 1B1 + A2B1) A1B1 = Y11.. = (Y 1111 + Y1121 + Y1112 + Y1122 + …… + Y111r + Y112r) A2B1 = Y21.. = (Y2111 + Y2121 + Y2112 + Y2122 + …… + Y211r + Y212r) subfak B2 diperoleh dari (A1B2 + A2B2) A1B2 = Y12.. = (Y1211 + Y1221 + Y1212 + Y1222 + …… + Y121r + Y122r) A2B2 = Y22.. = (Y 2211 + Y2221 + Y2212 + Y2222 + …… + Y221r + Y222r) subfak B3 diperoleh dari (A1B3 + A2B3) A1B3 = Y13.. = (Y1311 + Y1321 + Y1312 + Y1322 + …… + Y131r + Y132r) A2B3 = Y23.. = (Y 2311 + Y2321 + Y2312 + Y2322 + …… + Y231r + Y232r)
¾
faktor C diperoleh dari (C 1 + C2) subfak C1 diperoleh dari (Y.. 11 + Y..12 + …… + Y.. 1r) subfak C2 diperoleh dari (Y.. 21 + Y..22 + …… + Y..2r)
Untuk 2 faktor kombinasi dari AB, AC, BC ¾
kombinasi AB diperoleh dari (A 1B1 + A1B2 + A1B3 + A2B1 + A2B2 + A2B3) subkom A1B1 = Y11.. = (Y1111 + Y1121 + Y1112 + Y1122 + …… + Y111r + Y112r) subkom A1B2 = Y12.. = (Y1211 + Y1221 + Y1212 + Y1222 + …… + Y121r + Y122r)
Bentuk Standard Square & Penentuan Kombinasi
2
subkom A1B3 = Y13.. = (Y1311 + Y1321 + Y1312 + Y1322 + …… + Y131r + Y132r) subkom A2B1 = Y21.. = (Y2111 + Y2121 + Y2112 + Y2122 + …… + Y211r + Y212r) subkom A2B2 = Y22.. = (Y2211 + Y2221 + Y2212 + Y2222 + …… + Y 221r + Y222r) subkom A2B3 = Y23.. = (Y2311 + Y2321 + Y2312 + Y2322 + …… + Y 231r + Y232r)
¾
kombinasi AC diperoleh dari (A 1C1 + A1C2 + A2C1 + A2C2) subkom A1C1 = Y1.1. = (Y 1111 + Y1211 + Y1311 + Y1112 + Y1212 + Y1312 + …… + Y 111r + Y121r + Y131r) subkom A1C2 = Y1.2. = (Y 1121 + Y1221 + Y1321 + Y1122 + Y1222 + Y1322 + …… + Y112r + Y122r + Y132r) subkomA2C1 = Y2.1. = (Y2111 + Y2211 + Y2311 + Y2112 + Y2212 + Y2312 + …… + Y 211r + Y221r + Y231r) subkom A2C2 = Y2.2. = (Y 2121 + Y2221 + Y2321 + Y2122 + Y2222 + Y2322 + …… + Y212r + Y222r + Y232r)
¾
kombinasi BC diperoleh dari (B 1C1 + B1C2 + B2C1 + B2C2 + B3C1 + B3C2) subkom B1C1 = Y.11. = (Y 1111 + Y2111 + Y1112 + Y2112 + …… + Y111r + Y211r) subkom B1C2 = Y.12. = (Y 1121 + Y2121 + Y1122 + Y2122 + …… + Y 112r + Y212r) subkom B2C1 = Y.21. = (Y 1211 + Y2211 + Y1212 + Y2212 + …… + Y121r + Y221r) subkom B2C2 = Y.22. = (Y 1221 + Y2221 + Y1222 + Y2222 + …… + Y122r + Y222r) subkom B3C1 = Y.31. = (Y 1311 + Y2311 + Y1312 + Y2312 + …… + Y131r + Y231r) subkom B3C2 = Y.32. = (Y 1321 + Y2321 + Y1322 + Y2322 + …… + Y132r + Y232r)
Untuk 3 faktor A, B dan C Kombinasi ABC adalah A1B1C1 dstnya hingga A2B3C2 yang berada dalam kotak kuning. Untuk mudahnya direkap dulu seperti daftar 2 berikut Daftar 2
C1 C2
B1 Y111. Y112. Y11.. A1B1
A1 B2 Y121. Y122. Y12.. A1B2 A1
B3 Y131. Y132. Y13.. A1B3
B1 Y211. Y212. Y21.. A2B1
A2 B2 Y221. Y222. Y22.. A2B2 A2
B3 Y231. Y232. Y23.. A2B3
Y..1. Y..2. Y....
Perhatikan untuk (A x B x C = 2 x3 x 2 = 12 kombinasi) Untuk menghitung kombinasinya perhatikan pula daftar 1 di atas. kombinasi A1B1C1 = Y111. = (Y 1111 + Y1112 + …… + Y 111r) ¾ kombinasi A1B1C2 = Y112. = (Y 1121 + Y1122 + …… + Y 112r) ¾ kombinasi A1B2C1 = Y121. = (Y 1211 + Y1212 + …… + Y 121r) ¾ kombinasi A1B2C2 = Y122. = (Y 1221 + Y1222 + …… + Y 122r) ¾ kombinasi A1B3C1 = Y131. = (Y 1311 + Y1312 + …… + Y 131r) ¾ kombinasi A1B3C2 = Y132. = (Y 1321 + Y1322 + …… + Y 132r) ¾ kombinasi A2B1C1 = Y211. = (Y 2111 + Y2112 + …… + Y211r) ¾ kombinasi A2B1C2 = Y212. = (Y 2121 + Y2122 + …… + Y 212r) ¾ kombinasi A2B2C1 = Y221. = (Y 2211 + Y2212 + …… + Y 221r) ¾ kombinasi A2B2C2 = Y222. = (Y2221 + Y2222 + …… + Y 222r) ¾ kombinasi A2B3C1 = Y231. = (Y 2311 + Y2312 + …… + Y 231r) ¾ kombinasi A2B3C2 = Y232. = (Y2321 + Y2322 + …… + Y 232r) ¾
Bentuk Standard Square & Penentuan Kombinasi
3
TaLam 10-3. Cara menentukan kombinasi A, B dan C dalam RAKelompok 3F Daftar 1 K1 A2
A1 B1
B2
C1 C2 C3 C1 C2 C3
Y1111 Y1112 Y1113 Y1121 Y1122 Y1123 Y11..
Y1211 Y1212 Y1213 Y1221 Y1222 Y1223 Y12.. Y1…
A3
A1
Y1311 Y1312 Y1313 Y1321 Y1322 Y1323 Y13..
Y2111 Y2112 Y2113 Y2121 Y2122 Y2123 Y21..
K2 A2 Y2211 Y2212 Y2213 Y2221 Y2222 Y2223 Y22.. Y2...
A3
A1
Y2311 Y2312 Y2313 Y2321 Y2322 Y2323 Y23..
Y3111 Y3112 Y3113 Y3121 Y3122 Y3123 Y31..
K3 A2 Y3211 Y3212 Y3213 Y3221 Y3222 Y3223 Y32.. Y3...
A3 Y3311 Y3312 Y3313 Y3321 Y3322 Y3323 Y33..
Y..11 Y..12 Y..13 Y..21 Y..22 Y..23 Y....
Y..1.
Y..2.
Notasi nilai data adalah Yrabc Jika pola bagan pengamatannya seperti sajian ini, maka cara menghitung JK-nya sebagai
Untuk kelompok (K) ¾
kelompok (K) diperoleh dari (K 1 + K2+ K3) K1 = Y1... = (Y11.. + Y12.. + Y13..) K2 = Y2... = (Y21.. + Y22.. + Y23..) K3 = Y3... = (Y31.. + Y32.. + Y33..)
Untuk 1 faktor : A, B dan C ¾
faktor A diperoleh dari (A 1 + A2 + A3) subfak A1 diperoleh dari (Y11.. + Y21.. + Y31..) Y11.. = (Y1111 + Y1112 + Y1113 + Y1121 + Y1122 + Y1123) Y21.. = (Y2111 + Y2112 + Y2113 + Y2121 + Y2122 + Y2123) Y31.. = (Y3111 + Y3112 + Y3113 + Y3121 + Y3122 + Y3123) subfak A2 diperoleh dari ( Y12.. + Y22.. + Y32..) Y12.. = (Y1211 + Y1212 + Y1213 + Y1221 + Y1222 + Y1223) Y22.. = (Y2211 + Y2212 + Y2213 + Y2221 + Y2222 + Y2223) Y32.. = (Y3211 + Y3212 + Y3213 + Y3221 + Y3222 + Y3223) subfak A3 diperoleh dari ( Y13.. + Y23.. + Y33..) Y13.. = (Y1311 + Y1312 + Y1313 + Y1321 + Y1322 + Y1323) Y23.. = (Y2311 + Y2312 + Y2313 + Y2321 + Y2322 + Y2323) Y33.. = (Y3311 + Y3312 + Y3313 + Y3321 + Y3322 + Y3323)
¾
faktor B diperoleh dari (B 1 + B2) subfak B1 diperoleh dari ( Y..11 + Y..12 + Y..13) = Y..1. Y..11 = (Y1111 + Y1211 + Y1311 + Y2111 + Y2211 + Y2311 + Y3111 + Y3211 + Y3311) Y..12 = (Y1112 + Y1212 + Y1312 + Y2112 + Y2212 + Y2312 + Y3112 + Y3212 + Y3312) Y..13 = (Y1113 + Y1213 + Y1313 + Y2113 + Y2213 + Y2313 + Y3113 + Y3213 + Y3313) subfak B2 diperoleh dari (Y..21 + Y..22 + Y..23) = Y..2. Y..21 = (Y1121 + Y1221 + Y1321 + Y2121 + Y2221 + Y2321 + Y3121 + Y3221 + Y3321) Y..22 = (Y1122 + Y1222 + Y1322 + Y2122 + Y2222 + Y2322 + Y3122 + Y3222 + Y3322) Y..23 = (Y1123 + Y1223 + Y1323 + Y2123 + Y2223 + Y2323 + Y3123 + Y3223 + Y3323)
Bentuk Standard Square & Penentuan Kombinasi
4
¾
faktor C diperoleh dari (C 1 + C2 + C3) subfak C1 diperoleh dari ( Y..11 + Y..21) Y..11 = (Y1111 + Y1211 + Y1311 + Y2111 + Y2211 + Y2311 + Y3111 + Y3211 + Y3311) Y..21 = (Y1121 + Y1221 + Y1321 + Y2121 + Y2221 + Y2321 + Y3121 + Y3221 + Y3321) subfak C2 diperoleh dari ( Y..12 + Y..22) Y..12 = (Y1112 + Y1212 + Y1312 + Y2112 + Y2212 + Y2312 + Y3112 + Y3212 + Y3312) Y..22 = (Y1122 + Y1222 + Y1322 + Y2122 + Y2222 + Y2322 + Y3122 + Y3222 + Y3322) subfak C3 diperoleh dari ( Y..13 + Y..23) Y..13 = (Y1113 + Y1213 + Y1313 + Y2113 + Y2213 + Y2313 + Y3113 + Y3213 + Y3313) Y..23 = (Y1123 + Y1223 + Y1323 + Y2123 + Y2223 + Y2323 + Y3123 + Y3223 + Y3323)
Untuk 2 faktor kombinasi dari AB, AC, BC ¾
kombinasi AB diperoleh dari (A 1B1 + A1B2 + A2B1 + A2B2 + A3B1 + A3B2) subkom A1B1 = Y.11. = (Y1111 + Y1112 + Y1113 + Y2111 + Y2112 + Y2113 + Y3111 + Y3112 + Y3113) subkom A1B2 = Y.12. = (Y 1121 + Y1122 + Y1123 + Y2121 + Y2122 + Y2123 + Y3121 + Y3122 + Y3123) subkom A2B1 = Y.21. = (Y 1211 + Y1212 + Y1213 + Y2211 + Y2212 + Y2213 + Y3211 + Y3212 + Y3213) subkom A2B2 = Y.22. = (Y1221 + Y1222 + Y1223 + Y2221 + Y2222 + Y2223 + Y3221 + Y3222 + Y3223) subkom A3B1 = Y.31. = (Y 1311 + Y1312 + Y1313 + Y2311 + Y2312 + Y2313 + Y3311 + Y3312 + Y3313) subkom A3B2 = Y.32. = (Y1321 + Y1322 + Y1323 + Y2321 + Y2322 + Y2323 + Y3321 + Y3322 + Y3323)
¾
kombinasi AC diperoleh dari (A 1C1 + A1C2 + A1C3 + A2C1 + A2C2 + A2C3 + A3C1 + A3C2 + A3C3) subkom A1C1 = Y.1.1 = (Y1111 + Y2111 + Y3111 + Y1121 + Y2121 + Y3121 ) subkom A1C2 = Y.1.2 = (Y1112 + Y2112 + Y3112 + Y1122 + Y2122 + Y3122) subkom A1C3 = Y.1.3 = (Y1113 + Y2113 + Y3113 + Y1123 + Y2123 + Y3123) subkom A2C1 = Y.2.1 = (Y1211 + Y2211 + Y3211 + Y1221 + Y2221 + Y3221) subkom A2C2 = Y.2.2 = (Y1212 + Y2212 + Y3212 + Y1222 + Y2222 + Y3222) subkom A3C1 = Y.3.1 = (Y1311 + Y2311 + Y3311 + Y1321 + Y2321 + Y3321) subkom A3C2 = Y.3.2 = (Y1312 + Y2312 + Y3312 + Y1322 + Y2322 + Y3322) subkom A3C3 = Y.3.3 = (Y1313 + Y2313 + Y3313 + Y1323 + Y2323 + Y3323)
¾
kombinasi BC diperoleh dari (B 1C1 + B1C2 + B1C3 + B2C1 + B2C2 + B2C3) subkom B1C1 = Y..11 = (Y1111 + Y1211 + Y1311 + Y2111 + Y2211 + Y2311 + Y3111 + Y3211 + Y3311) subkom B1C2 = Y..12 = (Y1112 + Y1212 + Y1312 + Y2112 + Y2212 + Y2312 + Y3112 + Y3212 + Y3312) subkom B1C3 = Y..13 = (Y1113 + Y1213 + Y1313 + Y2113 + Y2213 + Y2313 + Y3113 + Y3213 + Y3313) subkom B2C1 = Y..21 = (Y1121 + Y1221 + Y1321 + Y2121 + Y2221 + Y2321 + Y3121 + Y3221 + Y3321) subkom B2C2 = Y..22 = (Y1122 + Y1222 + Y1322 + Y2122 + Y2222 + Y2322 + Y3122 + Y3222 + Y3322) subkom B2C3 = Y..23 = (Y1123 + Y1223 + Y1323 + Y2123 + Y2223 + Y2323 + Y3123 + Y3223 + Y3323)
Untuk 3 faktor A, B dan C Kombinasi ABC adalah A1B1C1 dstnya hingga A 3B2C3 , berarti akan diperoleh 18 kombinasi (A x B x C = 3 x 2 x 3) kombinasi A1B1C1 = Y.111 = (Y1111 + Y2111 + Y3111) ¾ kombinasi A1B1C2 = Y.112 = (Y1112 + Y2112 + Y3112) ¾ kombinasi A1B1C3 = Y.113 = (Y1113 + Y2113 + Y3113) ¾ kombinasi A1B2C1 = Y.121 = (Y1121 + Y2121 + Y3121) ¾ kombinasi A1B2C2 = Y.122 = (Y1122 + Y2122 + Y3122) ¾ kombinasi A1B2C3 = Y.123 = (Y1123 + Y2123 + Y3123) ¾
¾
kombinasi A2B1C1 = Y.211 = (Y1211 + Y2211 + Y3211)
Bentuk Standard Square & Penentuan Kombinasi
5
kombinasi A2B1C2 = Y.212 = (Y1212 + Y2212 + Y3212) ¾ kombinasi A2B1C3 = Y.213 = (Y1213 + Y2213 + Y3213) ¾ kombinasi A2B2C1 = Y.221 = (Y1221 + Y2221 + Y3221 ) ¾ kombinasi A2B2C2 = Y.222 = (Y1222 + Y2222 + Y3222) ¾ kombinasi A2B2C3 = Y.223 = (Y1223 + Y2223 + Y3223) ¾
kombinasi A3B1C1 = Y.311 = (Y1311 + Y2311 + Y3311) ¾ kombinasi A3B1C2 = Y.312 = (Y1312 + Y2312 + Y3312) ¾ kombinasi A3B1C3 = Y.313 = (Y1313 + Y2313 + Y3313) ¾ kombinasi A3B2C1 = Y.321 = (Y1321 + Y2321 + Y3321 ) ¾ kombinasi A3B2C2 = Y.322 = (Y1322 + Y2322 + Y3322) ¾ kombinasi A3B2C3 = Y.323 = (Y1323 + Y2323 + Y3323) ¾
Bentuk Standard Square & Penentuan Kombinasi
6
Lampiran 11. DATA dan DATA TaLam 11-1. Data pengamatan ketebalan kayu lapis (mm) inti lamina pada tiga variasi tekanan kempa panas. Kasus 3-11.
Tekanan (kg/cm2)
Ulangan
Titik pengamatan
Rataan
10
1 2 3 4 5
1 15.47 15.43 15.55 15.62 15.45
2 15.30 15.45 15.61 15.46 15.51
3 15.50 15.26 15.48 15.34 15.40
4 15.52 15.48 15.48 15.35 15.48
5 15.58 15.60 15.53 15.48 15.48
6 15.55 15.54 15.56 15.55 15.54
12
1 2 3 4 5
15.36 15.56 15.31 15.02 15.48
15.31 15.27 15.11 15.44 15.10
15.11 15.28 15.34 15.27 15.12
15.17 15.20 15.29 15.40 15.15
15.32 15.14 15.15 15.48 15.14
15.10 15.50 15.06 15.26 15.15
15.228 15.325 15.210 15.312 15.190
14
1 2 3 4 5
14.80 14.92 14.87 14.95 14.90
14.95 14.94 14.92 14.95 14.95
14.86 14.74 14.90 14.85 14.90
14.90 14.96 14.81 14.89 14.92
15.05 15.04 15.02 15.05 15.01
15.04 15.05 15.01 14.95 15.02
14.933 14.942 14.922 14.940 14.950
15.487 15.460 15.535 15.467 15.477
Sumber : Sihombing, Nelly Madelina. 2003. Fahutan UnLam.
Tekanan (kg/cm2)
Ulangan 1 15.487 15.228 14.933
10 12 14
2 15.460 15.325 14.942
3 15.535 15.210 14.922
4 15.467 15.312 14.940
5 15.477 15.190 14.950
Jumlah 77,425 76,265 74,687
Talam 11-2. Riap tinggi Acacia mangium pada umur 4, 6 dan 11 tahun dengan 3 kelerengan (Kasus 3-21).
Kelompok Umur 4 tahun Jumlah tiap ha Riap rata2/thn Umur 6 tahun Jumlah tiap ha Riap rata2/thn Umur 11 tahun Jumlah tiap ha Riap rata2/thn Total Riap Riap rata2/thn
0-8 n MAI
Kelerengan (%) 8 - 15 n MAI
15 - 25 n MAI
1400 -
3131,25 2,2366
1400 -
3093,75 2,2098
1350 2775,00 2,0556
1200 -
1575,00 1,3125
1100 -
1462,50 1,3295
1200 -
1291,65 1,0764
950 959,10 1,0096 3550 5665,35 1,5959
1000 3500
918,20 0,9182 5474,45 1,5641
850 3400
752,25 0,8850 4818,90 1,4173
Sumber : Sugiaktor. 2001. Fahutan UnLam. DATA dan DATA
1
Rekapitulasi MAI tinggi (m) tegakan Acacia mangium dengan tiga kelerengan berbeda Kelompok I II III Jumlah
A
B
C
Jumlah
2,2366 1,3125 1,0096 4,5587
2,2098 1,3295 0,9182 4,4575
2,0556 1,0764 0,8850 4,0170
6,5020 3,7184 2,8128 13,0332
Talam 11-3. Percobaan model (M) dan pengikat (P) sambungan pada balok batang kelapa. Hasil percobaan berupa MoR (kg f/cm3). Kasus 4-11.
Model sambungan m1 m2
Pengikat sambungan
29,956 31,533 24,784 86,273 23,385 54,606 40,834 118,825
50,739 46,377 49,009 146,125 44,444 86,114 66,179 196,737
205,098 32,552
342,862 50,612
p1 Jumlah p2 Jumlah Jumlah-Jumlah (p2 – p1)
Jumlah
(m2 – m1)
232,398
59,852
315,562 547,960 41,582
77,912 68,882 -
Sumber : Martahan, W. 2007. Fahutan UnLam.
TaLam 11-4. Data pertambahan diameter (cm) [ Kasus 4-12].
Ulangan 1 2 3 4 5
Jumlah Jenis (J) Meranti Keruing Jumlah j2 – j1
DATA dan DATA
Kontrol Meranti Keruing 0,48 0,45 0,47 0,41 0,44 2,25
kontrol
0,45 0,48 0,44 0,49 0,44 2,30
Mp Meranti Keruing 0,57 0,58 0,55 0,49 0,56 2,75
Pemberian pupuk (M) Mp Jumlah
0,51 0,48 0,47 0,48 0,52 2,46
m2 – m1
2,25 2,30 4,55
2,75 2,46 5,21
5,00 4,76 9,76
0,50 0,16 0,33
0,05
-0,29
-0,12
-
2
TaLam 11-5. Rekapitulasi Data emisi gas formaldehida. Kasus 4-13.
J.. 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
J1
J2
J3
J4
C0
C1
C2
C3
Jlh
3.23 3.33 3.31 3.50 3.16 2.60 2.89 2.77 2.51 2.66 4.20 3.91 4.30 4.03 3.81 2.49 2.59 2.61 2.76 2.61
2.29 2.31 2.33 2.36 2.29 1.81 1.83 2.08 1.71 1.81 3.07 2.46 2.47 2.87 2.73 1.77 1.38 1.91 1.79 1.72
1.84 1.85 2.10 2.07 2.01 1.08 1.05 0.84 0.72 0.91 1.77 2.19 1.87 2.16 2.00 0.98 1.16 1.42 1.37 1.37
1.67 1.67 1.63 1.83 1.76 0.65 0.66 0.75 0.70 0.56 1.28 1.65 1.31 1.47 1.47 0.98 0.88 0.98 0.87 0.97
9.03 9.16 9.37 9.76 9.22 6.14 6.43 6.44 5.64 5.94 10.32 10.21 9.95 10.53 10.01 6.22 6.01 6.92 6.79 6.67
63.27
42.99
30.76
23.74
160.76
C2
C3
Sumber : Ardiansyah (1997). Fahutan Unlam.
J1 J2 J3 J4
C0
C1
16.53
11.58
9.87
8.56
46.54
13.43 20.25
9.24 13.60
4.6 9.99
3.32 7.18
30.59 51.02
13.06
8.57
6.30
4.68
32.61
63.27
42.99
30.76
23.74
160.76
TaLam 11-6. Keteguhan Rekat (kg/cm2) kayu lapis menurut Standar Jepang Kasus 4-14.
B
C
C1
B1
C2
C3
DATA dan DATA
i
1 2 3 1 2 3 1 2 3 1
A 1
2
3
4
5
6
Jelutung
Kapur
M.batu
M.kuning
Merijang
Mersawa
Jumlah
7.11
19.76
20.02
12.39
17.91
12.39
89.58
7.64
19.89
19.89
12.12
18.04
12.38
89.96
7.11
19.76
19.76
11.72
18.04
12.78
89.17
7.64
19.89
20.02
12.91
18.04
13.97
92.47
8.04
19.63
20.02
13.70
18.31
13.70
93.40
7.39
20.15
19.76
13.04
18.18
14.36
92.88
7.77
19.89
19.89
14.36
18.57
15.02
95.50
7.64
20.28
20.02
14.09
18.31
14.49
94.83
8.30
20.02
20.02
14.62
18.70
14.62
96.28
7.90
20.28
20.02
15.55
18.84
15.55
98.14
3
B
C C1
B2
C2
C3
C1 B3 C2
C3
i
A 1
2
3
4
5
6
Jelutung
Kapur
M.batu
M.kuning
Merijang
Mersawa
Jumlah
2 3 1 2 3 1 2 3
7.64
20.15
20.15
14.76
18.70
15.81
97.21
8.17
20.28
20.15
14.89
18.84
15.94
98.27
7.90
20.28
20.15
15.28
18.97
17.00
99.58
8.43
20.15
20.02
15.15
18.97
16.47
99.19
8.56
20.28
20.02
15.81
19.10
17.26
101.03
8.43
20.28
20.02
15.55
18.97
17.52
100.77
8.96
20.28
20.15
16.07
18.97
17.65
102.08
8.30
20.94
20.15
15.41
19.10
16.86
100.76
1
8.96
20.55
20.55
17.12
19.23
16.73
103.14
2
8.56
20.42
20.81
16.44
19.63
16.86
102.72
3
8.17
20.68
20.42
16.86
19.63
17.92
103.68
1
8.82
20.68
20.28
17.39
19.76
17.92
104.85
2
8.43
20.68
20.42
17.39
19.36
17.79
104.07
3
9.09
20.55
20.68
17.00
19.49
17.65
104.46
1
9.22
20.81
20.68
17.52
19.76
18.31
106.30
2
9.22
20.68
20.55
17.26
19.89
17.65
105.25
3
8.30
20.94
20.42
17.65
19.89
18.58
105.78
433.18
2671.35
Jumlah 221.70 548.18 545.04 412.05 Sumber : Sinaga, L.M. (2002) dan Frendesima (2003). Fahutan Unlam.
511.2
Untuk memudahkan perhitungan jumlah kuadrat perlakuan kombinasinya sebaiknya dibuat dulu rekapitulasi tiap perlakuannya. A1
A2
A3
A4
A5
A6
B1
C1 C2 C3
21.86 23.07 23.71 68,64
59.41 59.67 60.19 179,27
59.67 59.80 59.93 179,40
36.23 39.65 43.07 118,95
53.99 54.53 55.58 164,10
37.55 42.03 44.13 123,71
268.71 278.75 286.61 834,07
B2
C1 C2 C3
23.71 24.89 25.69 74,29
60.71 60.71 61.50 182,92
60.32 60.19 60.32 180,83
45.20 56.38 47.30 46.24 57.04 50.73 47.03 57.04 52.03 138,47 170,46 150,06
293.62 299.80 303.61 897,03
B3
C1 C2 C3
25.69 26.34 26.74 78,77
61.65 61.91 62.43 185,99
61.78 50.42 58.49 61.38 51.78 58.61 61.65 52.43 59.54 184,81 154,63 176,64
A1
A2
C1 C2 C3
DATA dan DATA
71.26 74.30 76.14 221,70
A3
A4
A5
51.51 53.36 54.54 159,41
309.54 313.38 317.33 940,25
= B1C1 = B1C2 = B1C3 = B1 = B2C1 = B2C2 = B2C3 = B2 = B3C1 = B3C2 = B3C3 = B3
A6
181.77 181.77 131.85 168.86 136.36 871.87 182.29 181.37 137.67 170.18 146.12 891.93 184.12 181.90 142.53 172.16 150.70 907.55 548,18 545,04 412,05 511,20 433,18 2671,35
= C1 = C2 = C3 = Total
4
TaLam 11-7. Pertambahan tumbuh anakan. Kasus 4-21.
Perlakuan P M m0 p0 m1 m2 Jumlah m0 p1 m1 m2 Jumlah Total
I
Kelompok (lereng) II III
2,21 2,54 2,83 7,58 2,23 2,45 2,54 7,22 14,80 (r x p x m ) = (3 x 2 x 3) = 18
Perlakuan p0 p1 Jumlah Rataan
Jumlah
1,97 2,03 2,10 6,10 2,04 2,17 2,34 6,55 12,65
1,43 1,64 1,73 4,80 1,82 1,86 2,19 5,87 10,67 Rataan
5,61 6,21 6,66 18,48 6,09 6,48 7,07 19,64 38,12 2,1178
m0
m1
m2
Jumlah
Rataan
5,61 6,09 11,70 5,8500
6,21 6,48 12,69 6,3450
6,66 7,07 13,73 6,8650
18,48 19,64 38,12
6,1600 6,5467
TaLam 11-8. Hasil pengamatan nilai pertambahan anakan. Kasus 4-22.
Pk
Kl
k0 p0 k1 k2 k0 p1 k1 k2 k0 p2 k1 k2 Jumlah
n0
j1 n1
n2
3,11 3,89 4,14 4,15 4,34 4,43 4,21 5,02 4,76 4,27 4,22 4,44 4,27 4,57 4,52 4,39 4,78 5,03 4,25 5,17 5,31 4,27 5,21 5,26 4,47 5,32 5,45 37,39 42,52 43,34
Pk
Kl k0 p0 k1 k2 k0 p1 k1 k2 k0 p2 k1 k2 Jumlah DATA dan DATA
n0 3,98 4,09 4,22 3,88 4,75 5,21 5,37 5,22 5,23 41,95
j2 n1
n2
4,22 4,47 4,45 4,56 4.76 4,55 4,39 4,56 4,69 4,58 5,43 5,46 4,87 4,19 5,23 5,26 5,27 5,35 43,31 42,98
n0
n1
10,98 12,49 12,76 12,52 13,37 13,92 13,49 13,71 13,91 117,15
12,19 13,18 14,19 12,98 13,60 14,78 14,53 14,68 16,00 126,13
n2
n0
j3 n1
n2
3,89 4,25 4,33 4,37 4,35 4,32 3.87 4,22 4,21 37,81
4,08 4,39 4,41 4,37 4,34 4,57 4,49 4,24 5,41 40,30
4,42 4,49 4,43 4,48 4,57 4,63 4,78 5,24 5,48 42,52
Jumlah 36,20 39,15 40,69 38,98 40,64 43,82 42,30 44,15 46,19 372,12
Jlh
13,03 36,20 13,48 39,15 13,74 40,69 13,48 38,98 13,67 40,64 15,12 43,82 14,28 42,30 15,76 44,15 16,28 46,19 128,84 372,12 5
TaLam 11-9. Rekapitulasi data pertambahan diameter batang anakan (mm). Kasus 4-31
Pemupukan (F)
Ulangan
f1 n0p0k0
1 2 3
0,1283 0,1600 0.2017 0,4900 0,1600 0,2150 0,1533 0,5283 0.1700 0.2217 0.255 0,6467 0.2733 0.2567 0.2033 0,7333 0,2767 0.2183 0.1833 0,6783 1,0083 1,0717 0,9966 3,0766
Jumlah 1 2 3
f2 n1p1k0 Jumlah
1 2 3
f3 n1p0k1 Jumlah
1 2 3
f4 n0p1k1 Jumlah
1 2 3
f5 n1p1k1 Jumlah Petak Utama
c1
1 2 3
Total
Intensitas Cahaya (C) c2 0,2433 0,3033 0,2083 0,7549 0.3567 0.3000 0.2667 0,9234 0.2550 0.3017 0.2567 0,8134 0.3550 0.2583 0.3267 0,9400 0,2633 0,3433 0,3050 0,9116 1,4733 1,5066 1,3634 4,3433
Jumlah
c3 0,2133 0,1683 0,2217 0,6033 0.1900 0.1867 0.1933 0,5700 0.1767 0.2317 0.205 0,6134 0.2017 0.1917 0.1933 0,5867 0,2183 0,2033 0,2067 0,6283 1,0000 0,9817 1,0200 3,0017
1,8482
2,0217
2,0735
2,2600
2,2182 3,4816 3,5600 3,3800 10,4216 0,231591
Rataan Sumber : Karim,A.A. (1983). Fahutan Unlam.
TaLam 11-10. Rekapitulasi data pertambahan tinggi anakan meranti (cm). Kasus 4-32.
Belukar Muda b0
Jarak tanam j1 j2 3
Tua b1 Jumlah
DATA dan DATA
j1 j2 j3
Kelompok 1 1.32 1.28 2.17 2.25 2.36 2.41 11.79
2 1.78 2.07 2.17 2.35 2.55 2.72 13.64
3 1.15 1.19 1.29 2.17 2.22 2.25 10.27
4 1.14 1.16 1.21 1.58 2.12 2.19 9.40 Rataan
Jumlah 5.39 5.70 6.84 8.35 9.25 9.57 45,10 1.8792
6
Belukar Muda (b0) Tua (b1) Jumlah Belukar Muda (b0) Tua (b1) Jumlah
Kelompok 1 4,77 7,02 11,79
j1
2 6,02 7,62 13,64
3 3,63 6,64 10,27
Jarak tanam j2 j3
5,39 8,35 13,74
5,70 9,25 14,95
4 3,51 5,89 9,40
Jumlah 17,93 27,17 45,10
Jumlah
6,84 9,57 16,41
17,93 27,17 45,10
TaLam 11-11. Nilai rataan kadar air kayu normal (%) dalam batang Kahoi (Shorea balangeran ) dengan berbagai ketinggian (Kasus 7-41).
Ulangan pohon 1 pohon 2 pohon 3 Jumlah Rataan
Bagian batang pangkal tengah ujung 11.2323 10.9290 11.1797 33.3410 11.1137
10.6820 10.8307 10.7173 32.2300 10.7433
10.7213 10.7550 10.6313 32.1076 10.7025
Jumlah
rataan
32.6356 32.5147 32.5283 97.6786
10.8785 10.8382 10.8428 10.8532
Sumber : Ishariadi, 2002. Fahutan Unlam.
TaLam 11-12. Keteguhan rekat kayu lapis (Kasus 7-42).
a0
Jumlah
a1
Jumlah
a2
Jumlah
b1 9.8063 12.4258 11.4855 11.2168 11.4855 56.4199
b2 16.6573 17.9335 14.4408 17.8663 16.9932 83.8911
b3 15.6498 13.2318 15.2468 14.3065 16.7245 75.1594
b4 14.7095 13.8363 18.2893 13.9707 14.7767 75.5825
Jumlah 56.8229 57.4274 59.4624 57.3603 59.9799 291.0529
8.7317 10.2093 10.2765 11.1497 9.2018 49.5690
10.4780 8.1272 9.5377 8.9332 9.3361 46.4122
13.2318 13.9707 13.5677 13.8363 13.0303 67.6368
10.3437 12.2243 12.3587 12.4930 10.6795 58.0992
42.7852 44.5315 45.7406 46.4122 42.2477 221.7172
9.3362 9.5377 8.9332 7.6570 9.6048 45.0689
8.9332 10.3437 9.4033 9.7392 10.0078 48.4272
11.8885 11.5527 12.8288 11.8885 11.4183 59.5768
13.5005 12.6945 11.4855 11.8213 13.8363 63.3381
43.6584 44.1286 42.6508 41.1060 44.8672 216.4110
DATA dan DATA
7