You are on page 1of 6

Tugas:

PERANCANGAN PERCOBAAN
PERCOBAAN DUA FAKTOR
(PERCOBAAN FAKTORIAL)

Oleh:

Kelompok II

AFRIZAL (F3A2 06 006)


WAHYUDIN LADASA (F3A2 06 007)
PUJI LESTARI (F3A2 06 008)
MAJIDDIN (F3A2 06 009)
RUSTAN (F3A2 06 010)

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM


UNIVERSITAS HALUOLEO
KENDARI
2008
RANCANGAN BUJUR SANGKAR LATIN (RBSL)
(Latin Square Design)

Pendahuluan
Rancangan Bujur Sangkar Latin (Latin Square Design) merupakan salah satu bentuk
rancangan yang mampu mengendalikan komponen keragaman unit-unit percobaan lebih
dari satu sisi komponen keragaman dalam artian rancangan ini mengendalikan komponen
keragaman unit-unit percobaan dari dua arah yakni arah baris dan arah lajur.
Syarat-syarat:
1. Terdapat satu peubah bebas yang disebut perlakukan pada setiap baris dan setiap
lajur.
2. Terdapat dua peubah sampingan yang disebut baris dan kolm.
3. Ketiga peubah ini tidak saling berinteraksi.
4. Banyaknya perlakuan yang dicobakan harus sama banyak dengan ulangannya
(perlakuan = ulangan).
Syarat lain yang harus dipenuhi agar RBSL dapat digunakan yaitu percobaan yang
dilakukan memiliki banyak perlakuan tidak kurang dari empat dan tidak lebih dari
delapan sehingga rancangan ini sangat tidak efektif apabila percobaan tersebut
melibatkan perlakuan dalam jumlah yang besar.

Pengacakan Perlakuan
Pengacakan terhadap perlakuan dibayangkan dilakukan pada sebuah bujur
sangkar, dimana di dalam bujur sangkar tersebut di dalam satu baris dan satu kolom tidak
ada perlakuan yang sama, baik kearah baris maupun kearah kolom. Salah satu cara untuk
mendapatkan penempatan perlakuan yang tepat maka dapat diambil tiga langkah sebagai
berikut :
1. Tempatkan perlakuan pada arah diagonal secara acak.
2. Acaklah penempatan baris dan,
3. Acaklah penempatan lajur.
Sebagai contoh: Suatu penelitian melibatkan 3 perlakuan A. B dan C dimana penempatan
perlakuan diacak berdasarkan posisi baris dan jalur. Dengan demikian diperlukan tiga
posisi lajur dan tiga posisi lajur. Oleh karena itu, posisi perlakuan tersarang pada posisi
baris dan lajur maka banyak unit percobaan yang diperlukan adalah 3×3 unit percobaan.
Penempatan perlakuan harus memperhatikan kendala bahwasanya setiap perlakuan hanya
muncul sekali pada arah baris dan hanya muncul sekali pada arah lajur. Pengacakannya
dapat dilakukan sebagai berikut :
• Penempatan perlakuan searah diagonal
No. Baris
1 A C D B
2 B A C D
3 D B A C
4 C D B A
No. Lajur 1 2 3 4

• Pengacakan penempatan baris


No. Baris
3 D B A C
2 B A C D
4 C D B A
1 A C D B
No. Lajur 1 2 3 4

• Penagacakan penempatan jalur


No. Baris
3 B C D A
2 A D B C
4 D A C B
1 C B A D
No. Lajur 2 4 1 3

Bagan percobaan terakhir


Maka bentuk tabulasi datanya dapat disajikan sebagai berikut:
Lajur Total baris
baris
L1 L2 L3 L4 (Yi.(.))
B C D A
B1 Y1.(.)
Y11(2) Y12(3) Y13(4) Y14(1)
A D B C
B2 Y2.(.)
Y21(1) Y22(4) Y23(2) Y24(3)
D A C B
B3 Y3.(.)
Y31(4) Y32(1) Y33(3) Y34(2)
C B A D
B4 Y4.(.)
Y41(3) Y42(2) Y43(1) Y44(4)
Total lajur
(Y.j(.)) Y.1(.) Y.2(.) Y.3(.) Y.4(.) Y..(.)
Model linier aditif secara umum dari Rancangan Bujur Sangkar Latin (RBLS) yaitu:
Yij ( k ) = µ + α i + β i + τ ( k ) + ε ij ( k )

Dimana :
i = 1, 2, ..., r; j = 1, 2, ..., r dan k = 1, 2, 3, ... r
Yij ( k ) = Pengamatan pada perlakuan ke-k dalam baris ke-i,lajur ke-j
µ = Rataan Umum
τ (k ) = Pengaruh perlakuan ke-k dalam baris ke-i dan lajur ke-j
αi = Pengaruh baris ke-i
βi = Pengaruh lajur ke-j
ε ij ( k ) = Pengaruh acak pada perlakuan ke-k dalam baris ke-i, dan lajur ke-j
bsi
Asumsi untuk model tetap: ∑α i =0, ∑β i =0, ∑τ k = 0 , dan ε ij ( k ) N(0,σ 2 ) ,
bsi bsi bsi
sedangkan untuk model acak adalah α i N(0,σ α2 ) , β i N(0,σ β2 ) , τ ( k ) N(0,σ τ2 ) , dan
bsi
ε ij ( k ) N(0,σ 2 ) .

Hipotesis-hipotesis
Hipotesis- hipotesis yang diuji dari rancangan ini yaitu pengaruh perlakuan, pengaruh
baris dan lajur. Bentuk hipotesisnya yakni sebagai berikut:
Ø Pengaruh perlakuan
H0: τ (1) = τ (2) = L = τ ( k ) = τ (perlakuan tidak berpengaruh terhadap respon yang diamati)
H1: Paling sedikit ada satu k dimana τ ( k ) ≠ 0

Ø Pengaruh baris
H0: α1 = α 2 = L = α i = 0 (baris tidak berpengaruh terhadap respon yang diamati)
H1: Paling sedikit ada satu i dimana αi ≠ 0
Ø Pengaruh lajur
H0: β1 = β 2 = L = β j = 0 (lajur tidak berpengaruh terhadap respon yang diamati)
H1: Paling sedikit ada satu j dimana β j ≠ 0

Langkah-langkah perhitungan untuk membuat tabel ANAVA

Langkah-langkah perhitungannya adalah sebagai berikut:


FK = Faktor koreksi
Y..(.)
FK =
r2
JKT = Jumlah kuadrat total
r r r
JKT = ∑∑∑ (Yij ( k ) − Y..(.) )2 = ∑∑∑ Yij2( k ) − FK
i =1 j =1 k −1

JKP = Jumlah kuadrat perlakuan


r r r Y..(2k )
JKP = ∑∑∑ (Y..( k ) − Y..(.) ) = ∑
2
− FK
i =1 j =1 k =1 r
JKB = Jumlah kuadrat baris
2
r r r Yi.(.)
JKB = ∑∑∑ (Yi.(.) − Y..(.) )2 = ∑ − FK
i =1 j =1 k =1 r
JKL = Jumlah kuadrat lajur
r r r Y. 2j (.)
JKL = ∑∑∑ (Y. j (.) − Y..(.) ) 2 = ∑ − FK
i =1 j =1 k =1 r
JKG = Jumlah kuadrat galat

JKG = ∑∑∑ ( Yij ( k ) − Yi .(.) − Y. j (.) − Y..( k ) + 2Y..(.) ) = JKT − JKP − JKB − JKL
r r r

i =1 j =1 k =1

Maka tabel ANAVA dapat disajikan sebagai berikut:


Derajat Jumlah
Sumber Kuadrat Tengah
bebas Kuadrat F-hitung
keragaman (KT)
(db) (JK)
Perlakuan r −1 JKP KTP = JKP /(r − 1) KTP/KTG
Baris r −1 JKB KTB = JKB /(r − 1) KTB/KTG
Lajur r −1 JKL KTL = JKL /(r − 1) KTL/KTG
Galat (r − 1)(r − 2) JKG KTG = JKG /(r − 1)(r − 2)
Total r2 −1 JKT

Pengujian hipotesis
Fhitung = KTP/KTG mengikuti sebaran F dengan derajat bebas pembilang sebesar r − 1 dan
derajat bebas penyebut sebesar (r − 1)(r − 2) . Jika nilai Fhitung lebih besar dari F ,db1,db2

maka hipotesis nol ditolak dan sebaliknya bukti tidak cukup data untuk menolak hipotesis
nol.
Fhitung = KTB/KTG mengikuti sebaran F dengan derajat bebas pembilang sebesar r − 1 dan
derajat bebas penyebut sebesar (r − 1)(r − 2) . Jika nilai Fhitung lebih besar dari F ,db1,db2

maka hipotesis nol ditolak dan sebaliknya bukti tidak cukup data untuk menolak hipotesis
nol.

Fhitung = KTL/KTG mengikuti sebaran F dengan derajat bebas pembilang sebesar r − 1 dan
derajat bebas penyebut sebesar (r − 1)(r − 2) . Jika nilai Fhitung lebih besar dari F ,db1,db2

maka hipotesis nol ditolak dan sebaliknya bukti tidak cukup data untuk menolak hipotesis
nol.

You might also like