Professional Documents
Culture Documents
Rancangan acak lengkap merupakan jenis rancangan percobaan yang paling sederhana. Adapun
yang melatarbelakangi digunakannya rancangan acak lengkap adalah sebagai berikut :
1. Satuan percobaan yang digunakan homogen atau tidak ada faktor lain yang mempengaruhi
respon di luar faktor yang dicoba atau diteliti.
2. Faktor luar yang dapat mempengaruhi percobaan dapat dikontrol. Misalnya percobaan yang
dilakukan di laboratorium.
Oleh karena hal-hal tersebut di atas, rancangan acak lengkap ini biasanya banyak ditemukan di
laboratorium atau rumah kaca.
1. Tingkat ketepatan (presisi) percobaan mungkin tidak terlalu memuaskan kecuali unit percobaan
benar-benar homogen
2. Hanya sesuai untuk percobaan dengan jumlah perlakuan yang tidak terlalu banyak
3. Pengulangan percobaan yang sama mungkin tidak konsisten (lemah) apabila satuan percobaan
tidak benar-benar homogen terutama apabila jumlah ulangannya sedikit.
Pengacakan dilakukan agar analisis data yang dilakukan menjadi sahih. Pengacakan dapat dilakukan
dengan menggunakan undian, daftar angka acak, atau menggunakan bantuan software. Misalkan
kita merancang 4 perlakuan (t, misal A, B, C, D) yang masing-masing diulang 3 kali (r) sehingga
terdapat 4x3=12 unit percobaan (tr). Ke-12 unit percobaan tersebut kita tempatkan secara acak ke
dalam 12 unit percobaan.
Pengacakan dan Penempatan Satuan Percobaan:
Untuk menempatkan perlakuan ke dalam Unit percobaan bisa dilakukan dengan menggunakan
daftar angka acak, undian atau bantuan komputer.
1. Buat 12 gulungan kertas dimana pada setiap gulungan kertas tersebut ditulis kode perlakuan
(A1, A2, A3, …, D3, D4)
2. Lakukan pengundian (tanpa pemulihan). Kode perlakuan yang jatuh pertama kali ditempatkan di
kotak no 1, ke-2 ditempatkan di kotak no 2, dst. Misalkan kode C3 yang jatuh pertama kali, maka
kotak no 1 diganti jadi C3, kode A2 jatuh pada urutan ke-2, maka kotak no 2 diganti dengan A2.
Lakukan terus pengundian sampai kode perlakuan terakhir yang akan ditempatkan di kotak no
12.
1 2 3 4 C3 A2 3 4
5 6 7 8 5 6 7 8
9 10 11 12 9 10 11 12
1. Buat tabel dengan jumlah baris sesuai dengan kombinasi perlakuan, untuk contoh kasus di atas
List Tabelnya seperti di bawah ini, di kolom ke-3 ditulis Formula “=RAND()”:
1 2
2. Sorot/blok Kolom B dan C dan lakukan pengurutan (sortasi) berdasarkan kolom ke-3 (Angka
Acak)
3. Pengacakan telah selesai. Tempatkan kode perlakuan A1 pada kotak No 1, A3 pada kotak No 2,
dst sampe kode yang terakhir, B1 pada kotak No-12. Hasilnya sebagai berikut:
1=A1 2 3 4
5 6 7 8
9 10 11 12
A1 A3 C2 C3
B2 D2 D3 C1
D1 A2 B3 B1
A1 A3 C2 C3
B2 D2 D3 C1
D1 A2 B3 B1
Gambar 4. Denah percobaan rancangan acak lengkap dengan empat perlakuan (A, B, C, D) dan masing-
masing diulang tiga kali
Dari hasil percobaan yang dilakukan berdasarkan pengacakan dan denah percobaan di atas akan
dihasilkan data sebagai berikut :
Tabel 1. Tabulasi Data Rancangan Acak Lengkap Dengan 4 Perlakuan Dan 3 Ulangan
Perlakuan
Ulangan Total
A B C D
1 Y11 Y21 Y31 Y41
2 Y12 Y22 Y32 Y42
3 Y13 Y23 Y33 Y43
Total Y1. Y2. Y3. Y4. Y..
Model Linier
Terdapat dua jenis model dalam rancangan percobaan, tergantung dari faktor yang diamati, yaitu
model acak apabila perlakuannya diambil secara acak dari populasi perlakuan yang ada, dan model
tetap apabila peneliti hanya berhadapan dengan perlakuan tersebut, yang mana perlakuan tersebut
ditetapkan oleh peneliti. Perbedaan antara Model Tetap dan Model Acak bisa dilihat pada Gambar
berikut. Misalnya kita ingin mengetahui hasil beberapa varietas padi. Pada Model Acak, sampel
diambil secara acak dari 10 varietas yang selanjutnya digunakan untuk menyimpulkan 100 varietas
padi tersebut, sedangkan pada Model Tetap jumlah taraf yang diamati ditentukan oleh peneliti
sehingga peneliti hanya bisa menyimpulkan pada varietas padi yang dia amati saja, tidak terhadap
keseluruhan populasi padi.
Model Acak Model Tetap
10 Varietas ABCDE
Sampel
Secara umum model linier dari rancangan acak lengkap satu faktor dapat dibedakan menjadi dua,
yaitu model tetap jika faktor yang digunakan bersifat tetap dan model acak jika faktor yang
digunakan acak.
Bentuk umum model linier satu faktor dapat ditulis sebagai berikut :
Yij i ij
( i ) ij
i ij ;
Dengan:
μ = mean populasi
τi = (μi- μ) = Pengaruh aditif dari perlakuan ke-i
εij = galat percobaan/pengaruh acak dari perlakuan ke-i ulangan ke-j dengan εij ~ N(0, σ2)
t = jumlah perlakuan dan ri adalah banyaknya ulangan dari perlakuan ke-i, untuk percobaan yang
mempunyai ulangan sama, ri = r.
Asumsi:
Analisis Ragam
Analisis ragam merupakan suatu analisis untuk memecah keragaman total menjadi beberapa
komponen pembentuknya. Penduga kuadrat terkecil bagi parameter-parameter di dalam model
rancangan acak lengkap diperoleh sebagai berikut :
Parameter Penduga
μ ˆ Y..
τi ˆi Yi. Y..
εij ˆij Yij Yi .
Ulangan kontrol P1 P2 P3 P4 P5 P6
1 89.8 84.4 64.4 75.2 88.4 56.4 65.6
ˆ =
2 93.8 116.0 79.8 62.4 90.2 83.2 79.4 Rata-rata
3 88.4 84.0 88.0 62.4 73.2 90.4 65.6 keseluruhan
4 112.6 68.6 69.4 73.8 87.8 85.6 70.2
Rataan ( Yi . ) 96.15 88.25 75.40 68.45 84.90 78.90 70.20 Y .. = 80.32
Pengaruh Perlakuan 15.83 7.93 -4.92 -11.87 4.58 -1.42 -10.12 0.00
( i Yi . Y .. )
i Yi . Y .. Jumlah Total
= Pengaruh Perlakuan: Pengaruh
= selisih antara rata-rata Perlakuan
perlakuan dan rata-
rata keseluruhan
Dari data di atas, selanjutnya kita uraikan data tersebut ke dalam Komponen-komponen Jumlah
Kuadratnya sesuai dengan model liniernya:
Yij i ij
t r t r t r t r
2 2 2
(Yij ) (Y ..) (Yi . Y ..) (Yij Yi . )2
i 1 j 1 i 1 j 1 i 1 j 1 i 1 j 1
Pengaruh Aditif dari
Perlakuan Data Uterin Rataan keseluruhan Galat (Sisaan)
Perlakuan
Yij μ τi εij=Yij-μ-τi
kontrol 89.8 80.32 15.83 -6.35
kontrol 93.8 80.32 15.83 -2.35
kontrol 88.4 80.32 15.83 -7.75
kontrol 112.6 80.32 15.83 16.45
P1 84.4 80.32 7.93 -3.85
P1 116.0 80.32 7.93 27.75
P1 84.0 80.32 7.93 -4.25
P1 68.6 80.32 7.93 -19.65
P2 64.4 80.32 -4.92 -11.00
P2 79.8 80.32 -4.92 4.40
P2 88.0 80.32 -4.92 12.60
P2 69.4 80.32 -4.92 -6.00
P3 75.2 80.32 -11.87 6.75
P3 62.4 80.32 -11.87 -6.05
P3 62.4 80.32 -11.87 -6.05
P3 73.8 80.32 -11.87 5.35
P4 88.4 80.32 4.58 3.50
P4 90.2 80.32 4.58 5.30
P4 73.2 80.32 4.58 -11.70
P4 87.8 80.32 4.58 2.90
P5 56.4 80.32 -1.42 -22.50
P5 83.2 80.32 -1.42 4.30
P5 90.4 80.32 -1.42 11.50
P5 85.6 80.32 -1.42 6.70
P6 65.6 80.32 -10.12 -4.60
P6 79.4 80.32 -10.12 9.20
P6 65.6 80.32 -10.12 -4.60
P6 70.2 80.32 -10.12 0.00
Jumlah Kuadrat 186121.4 180642.89 2415.937 3062.57
Model Linier Yij μ τi εij
Penguraian Jumlah t r t r t r t r
Kuadrat (Yij )2 (Y ..)2 (Yi . Y ..)2 (Yij Yi . )2
i 1 j 1 i 1 j 1 i 1 j 1 i 1 j 1
JK Faktor Perlakuan Galat
koreksi/Intercept
FK JKP JKG
(Between) (Within)
Yij i ij
Yij i ij
Model JK :
t r t r t r t r
(Yij )2 (Y ..)2 (Yi . Y ..)2 (Yij Yi . )2
i 1 j 1 i 1 j 1 i 1 j 1 i 1 j 1
t r t r t r
(Yij Y ..)2 (Yi . Y ..)2 (Yij Yi . )2
i 1 j 1 i 1 j 1 i 1 j 1
JKT JKP
Atau :
JKT JKP JKG
Tabel analisis ragam untuk model tetap dan model acak diberikan sebagai berikut:
Tabel 2. Tabel Analisis Ragam Rancangan Acak Lengkap dengan Model Tetap dan Model Acak Untuk
Jumlah Ulangan yang sama
Sumber Jumlah Kuadrat E(KT)
Derajat
keragaman kuadrat tengah Fhitung
bebas (db) Model tetap Model acak
(SK) (JK) (KT)
Perlakuan t-1 JKP KTP KTP r t 2 2
2 2 r
[ ] i
KTG (t 1) i 1
Galat t(r-1) JKG KTG 2 2
Tabel 3. Tabel Analisis Ragam Rancangan Acak Lengkap dengan Model Tetap dan Model Acak Untuk
Jumlah Ulangan yang berbeda
Sumber Derajat bebas Jumlah Kuadrat E(KT)
Fhitung
keragaman (SK) (db) kuadrat (JK) tengah (KT) Model tetap Model acak
Perlakuan t-1 JKP KTP KTP 2 2 2
ra
KTG t
2
t t
ri i ( ri i ) 2 / ri
i 1 i 1 i 1
(t 1)
2 2
Galat t JKG KTG σ σ
(ri 1)
i 1
Sumber Derajat bebas Jumlah Kuadrat E(KT)
Fhitung
keragaman (SK) (db) kuadrat (JK) tengah (KT) Model tetap Model acak
Total t JKT
ri 1
i 1
dengan:
t
t
ri 2
2 i 1 1
ra ri t
i 1 t 1
ri
i 1
KTP
Fhitung = menyebar menurut sebaran F dengan derajat bebas pembilang (db 1) sama dengan
KTG
derajat bebas perlakuan dan derajat bebas penyebut (db2) sama dengan derajat bebas galat. Nilai F
tabel dapat dilihat pada tabel nilai F. Apabila nilai Fhitung > nilai F tabel pada db1 dan db2 serta taraf
nyata (α) tertentu maka hipotesis nol ditolak dan sebaliknya.
Indeks keterandalan suatu percobaan dapat dilihat dari nilai koefisien keragaman (KK) yang
menunjukkan derajat ketepatan dari suatu percobaan.
KTG
KK 100%
Y ..
Semakin besar KK menunjukkan keterandalan percobaan semakin rendah. Tidak ada patokan
berapa sebaiknya nilai KK, hal ini tergantung juga pada bidang yang digeluti, tetapi percobaan yang
cukup terandal diusahakan nilai KK tidak melebihi 20%, namun nilai yang sangat kecil ada
kecenderungan bahwa ada manipulasi terhadap data percobaan.
Galat Baku
Untuk membandingkan nilai tengah perlakuan, perlu ditentukan terlebih dahulu galat baku dari RAL.
Galat baku dihitung dengan formula berikut:.
2KT (Galat)
SY
r