TEMA : RANCANGAN PERCOBAAN SATU FAKTOR

Oleh :
Ir. Putranto BAN MSc
Jur. Kehutanan UNIB
 POKOK BAHASAN

1. Deskripsi rancangan acak lengkap (RAL)

2. Syarat dan latar belakang penggunaan RAL
3. Keuntungan dan kelemahan penggunaan RAL
4. Pengacakan dan penataan perlakuan pada
RAL
5. Model aditif linier RAL
6. Dekomposisi jumlah kuadrat dan analisis
keragaman pada RAL
7. Teladan (kasus penelitian) penggunaan RAL
PERCOBAAN SATU FAKTOR
Syarat RAL :
• Satuan percobaan homogen ( σ u ∞ 0)
2

• Varibilitas Lingkungan mudah dikendalikan

(σε2 ∞ 0)

• Teknik percobaan seragam

• Unit percobaan tidak terlalu besar
Rancangan Acak Lengkap
(RAL)

Completely Randomized Design

Atau
Fully Randomized Design
CIRI - CIRI R.A.L. :

1. Media atau bahan percobaan

“seragam” (dapat dianggap se-
ragam )

2. Hanya ada satu sumber kera-

gaman, yaitu perlakuan (disam-
ping pengaruh acak)
Model Matematika RAL:

. Yij = μ + Τi + εij i = 1, 2, …… , t

j = 1, 2,………., n

Yij = nilai pengamatan pada perlakuan ke i, ulangan

ke j
μ = nilai tengah umum
Τi = pengaruh perlakuan ke i
εij = pengaruh acak (kesalahan percobaan) pada
perlakuan ke i dan ulangan ke j

t = banyaknya perlakuan
n = banyaknya ulangan
ULANGAN pada RAL :

Diperoleh dari: Derajat bebas galat RAL ≥ 15

t ( n – 1 ) ≥ 15 t = banyaknya perlakuan
n = banyaknya ulangan

Contoh: Diketahui jumlah perlakuan yang diberikan = t = 3

Maka ulangan minimal yang diperlukan:
t ( n – 1 ) ≥ 15
3 ( n – 1 ) ≥ 15
3n – 3 ≥ 15
3n ≥ 18 → n = 18/3 = 6
• Cara Pengacakan RAL secara acak lengkap
Misalnya: Perlakuan A, B, C, D, E dan F
Ulangan 4 kali A1, A2, A3, A4
B1, B2, B3, B4
dst
C3 B1 D2 A4 E2 A1

D1 F3 A2 C1 F1 B3 diperoleh:
6x4=
24 satuan
B2 F4 E3 D3 B4 C2
percobaan

A3 D4 F2 E1 C4 E4
PENGOLAHAN DATA dan SIDIK RAGAM
Percobaan dengan t perlakuan dan n ulangan

Perlakuan
Ulangan 1 2 .............. t
Total

1 Y11 Y21 . . . . . . . . . . . . . Y t1

2 Y12 Y22 .
. . . .
. . . .
. . . .
n Y1n Y2n Y tn
 n

t Hasil pengamatan yang mendapat

Y 12 = perlakuan 1 dan ulangan ke 2

2
i=1 Y. .
j=1 Faktor Koreksi = FK = ——
t xn
t n 2

JKT = ∑ ∑ Yi j - FK
i=1 J=1
JKG = JKT - JKP
t 2
JKP = ∑ ─── Y .
- iFK
n
i=1
 Sidik Ragam = Analisis Ragam
(Analysis of variance = ANOVA)

Sumber Derajat Jumlah Kuadrat F tabel

Bebas Kuadrat Tengah 0,05 0.01
(d.b.) (J.K.) (K.T.) Fhit
Keragaman
( S.K.)

Perlakuan t–1 JKP KTP

Galat t (n –1) JKG KTG

percobaan
 JKP JKG JKT
KTP = —— KTG = —— KTT = ——
t-1 t (n-1) tn–1

KTP
Fhit.= —— KTT ≠ KTP + KTG
KTG

Kemungkinan akan diperoleh:

(1). Fhitung < Ftabel → tidak berbeda nyata

(non significant)
↓
Berarti: - terima H0 ( tolak H1 )
- tidak terdapat perbedaan

di antara perlakuan
(2). Fhitung ≥ Ftabel 0,05 → berbeda nyata (significant),
Fhitung ≥ Ftabel 0,01 → berbeda sangat nyata
(highly significant)
↓
Berarti: - terima H1 (tolak H0)
- salah satu atau lebih dari perla-
kuan yang diberikan, berbeda
dengan perlakuan yang lain

Perlu uji lebih lanjut

untuk menentukan perlakuan-perlakuan mana
yang berbeda nyata satu sama lain
Contoh: Penelitian menggunakan RAL dan
Cara pengolahan hasilnya
Penelitian ingin mengetahui pengaruh 3 macam ransum:
A = ransum setempat
B = ransum + 0,1% Pfizer Penicilin Feed Supplement
C = ransum + 0,1% Pfizer Teramycin Animal Mix
terhadap berat badan ternak babi.
Tersedia anak-anak babi umur 4½ bulan, sebanyak 21
ekor dilahirkan pada waktu yang sama, dengan keadaan
yang “seragam” ( jantan semua, dan dengan berat
badan yang relatif sama)

[Dalam hal ini semua “sama” kecuali perlakuan → RAL ]

- Rancangan acak lengkap dgn: perlakuan = t = 3
ulangan = n = 21/3 =
7

-Hasil pengacakan yang dilakukan:

A2 B3 C7 B6 A4 C5 B2

C6 B4 A5 C4 B1 A3 C1

C3 A1 B7 A6 C2 B5 A7
Model umum matematika penelitian:

Y i j = μ + ‫ז‬i + ε i j dengan: i = 1, 2, 3.
j = 1, 2, . . . .. 7

Yi j = bobot babi yang menerima perlakuan ransum ke i

pada ulangan ke j
μ = nilai tengah umum
‫ז‬i = pengaruh perlakuan ransum ke I
εi j = pengaruh acak (kesalahan percobaan) pada

perlakuan ransum ke I dan ulangan ke j

Hasil penelitian → Bobot babi pada akhir penelitian:

(A): 70,2; 61,0; 87,6; 77,0; 68,6; 73,2 dan 57,4 kg

(B): 64,0; 84,6; 73,0; 79,0; 81,0; 78,6 dan 71,0 kg

(C): 88,4; 82,6; 90,2; 83,4; 80,8; 84,6 dan 93,6 kg

Penyelesaian: susun hasil tsb dalam tabel
berikut :

Bobot babi pada akhir percobaan

Ulangan Perlakuan
Total
A B C
Menghitung Jumlah Kuadrat:
2
F.K. = ───y =.. 2 (1629,8)
= 126488,0012

nxt 7x3

JKT = ∑ t∑ Yi nj - FK 2

i=1 j=1
= (70,2) + (61,0)
2 + . . . . .2. + (93,6) - FK 2

= 1840,9981

t 2
Yi .
JKP = ∑ ─── - FK
i=1
n
2 2 2
(495,0) + (531,2) + (603,6) - FK
=
7
= 873,6267
 JKG = JKT - JKP
= 1840,9981 - 873,6267 = 967,3714

Menghitung Kuadrat Tengah:

JKP 873,6267
KTP = = = 436,8134
t–1 3-1
JKG 967,3714
KTG = = = 53,7429

t (n – 1) 3 (7- 1)

436,8134
Menghitung Fhitung :
53,7429
Fhitung = = 8,13
 Sidik Ragam pengaruh Perlakuan terhadap bobot babi

S.K. d.b. J. K K.T. Fhitung F tabel

0,05 0,01

Perla-
kuan 2 873,6267 436,8134 8,13** 3,35 6,01

Galat 18 967,3714 53,7429

Fhitung
Total> F20 terdapat perbedaan sangat nyata
1840,9981
tabel 0,01
↓
Tiga macam ransum pakan (A, B dan C)
memberikan perbedaan yang sangat

nyata terhadap bobot babi

 Ransum pakan mana yang paling baik pengaruhnya
terhadap bobot babi? → Perlu uji lebih lanjut dengan
Uji Pembandingan Berganda:
- Uji BNT
- Uji BNJ
KOEFISIEN KERAGAMAN: - Uji Jarak Duncan
s √ KTG
y. . y. .
K.K.= x 100% = √53,7429 x 100%
1629,8 7 x 3
= x 100% = 9,45%
(Kemungkinan terdapat kesalahan da-
lam pengamatan atau pencatatan data) < (15 – 20%)
Percobaan memakai R.A.L. → memungkinkan perlakuan
perlakuan yang diberikan mempunyai jumlah ulangan
tidak sama.

Suatu percobaan dilaksanakan dengan Rancangan Acak

Lengkap, dengan t perlakuan dan ulangan untuk:
perlakuan 1 mendapat sebanyak n1 ulangan,
perlakuan 2 mendapat sebanyak n2 ulangan,
perlakuan 3 mendapat sebanyak n3 ulangan,
. .
. .
perlakuan t mendapat sebanyak nt ulangan.
Hasil tersebut sbb.:
Ulangan Perlakuan Total

1 2 . . . . . . . . t
1 Y11 Y21 . . . . . . Yt1
2 Y12 Y22 . . . . . . Yt2
. . . .
. . . .
. . Y2n2 .
. Y1n1 .
. Ytnt

Total Y1. Y2. . . . . . . Y t. Y..

Menghitung Derajat Bebas:
d.b. perlakuan = t – 1
t
d.b. galat = ∑ ( ni – 1) = n1 + n2 + . . . + nt – t
i=1

t
d.b. total = ∑ n i - 1 = n 1 + n2 + . . . + nt – 1
i=1

Menghitung Jumlah Kuadrat;

2
JKT = ∑
t
∑ni Yi j -2 Y. .
t

i=1 j =1
∑ ni
i=1

2
t 2 Y. .
Yi . t JKG = JKT - JKP
i=1 ni ∑ ni
i=1
JKP = ∑ -
 Sidik Ragam untuk RAL dengan ulangan tak sama

Ftabel
S.K. d.b. J.K. K.T. Fhitung 0,05 0,01

Perla-
kuan t t - 1 JKP KTP

i=1
Galat ∑ ( ni – 1) JKG KTG
t

i=1
Total ∑ ni - 1 JKT
 Menghitung Kuadrat Tengah & Fhitung:
JKP JKG
KTP = KTG = t
t–1
∑ ( ni – 1)
i=1

KTP
Fhitung =
KTG

Contoh soal :
Percobaan pada tikus, dengan 4 macam perlakuan ransum
yang berbeda. Percobaan dilaksanakan dengan RAL. Pa-
da akhir percobaan pertambahan berat badan tikus (dalam
gram) sebagai berikut:
 Pertambahan Berat Badan Tikus (gram)
Ulangan Perlakuan Total
A B C D
1 3,42 3,17 3,34 3,64
2 3,96 3,63 3,72 3,93
3 3,87 3,38 3,81 3,77
4 4,19 3,47 3,66 4,18
5 3,58 3,39 3,55 4,21
6 3,76 3,41 3,51 3,88
7 3,84 3,55 3,96
8 3,44 3,91

Total 26,62 27,44 21,59 31,48 107,13

Rerata 3,80 3,43 3,60 3,94 14,77
Apakah terdapat perbedaan nyata dari pengaruh pembe-
rian ke-4 macam ransum terhadap pertambahan berat
badan tikus tersebut?

2
Penyelesaian: y. . 2
(107,13)
Faktor Koreksi = FK = t = 7+8+6+8
∑ ni
i=1 2
(107,13)
=
29
2 2 2
JKT = (3,42) + (3,96) + . . . . + (3,91) - FK = 2,061
2 2
(26,62) (27,44) (21,59)2 (31,48) 2
JKP = + + + FK = 1,160
7 8 6 8

JKG = 2,061 - 1,160 = 0,901

 d.b. perlakuan = 4 – 1 = 3
d.b. galat = (7 + 8 + 6 + 8) – 4 = 25
d.b. total = ( 7 + 8 + 6 + 8) – 1 = 28

Sidik ragam:

S.K. d.b. J.K. K.T. Fhitung F tabel

0,05 0,01
Perlakuan 3 1,160 0,387 10,75 ** 2,99 4,68
Galat 25 0,901 0,036

Total 28 2,061

Kesimpulan: Ke-4 ransum tersebut berpengaruh sangat nya-

ta terhadap pertambahan berat badan tikus.
Mencari Nilai Ftabel 0.05 dengan Interpolasi:
Untuk: d.b.perlakuan = 12 dalam daftar tabel F

d.b. sisa (galat) = 35 tidak tercantum

↓
d.b. d.b. perlakuan perlu dilakukan
galat 10 12 interpolasi
0,05 0,01
1 .
2 . selisih dari 34 ke 35 =

. . ¼ x 0,03 = 0,0075
. . = 0,01
34 selisih 1 2,05
4 35 ? Selisih 0,03 Jadi nilai dari 35 =

38 selisih 3 2,02 2,05 – 0,01 = 2,04

 A. RANCANGAN ACAK LENGKAP
Rancangan ini digunakan apabila satuan
percobaanya homogen, artinya keragaman antar
satuan kecil.

Misalnya : Percobaan di dalam laboratorium

Pembagian perlakuan dilakukan secara acak

terhadap semua satuan percobaan sehingga setiap
satuan percobaan memiliki peluang yang sama
untuk menerima perlakuan manapun
 KEUNTUNGAN
 Banyaknya perlakuan dan ulangan hanya dibatasi
oleh banyaknya satuan percobaan
 Ulangan boleh berbeda-beda
 Analisis statistik sederhana
 Kerugian informasi karena data yang hilang relatif
sedikit
KERUGIAN
 Sering kali tidak efisien
 Galat percobaan mencakup seluruh keragaman
antar satuan percobaan kecuali yang disebabkan
oleh perlakuan
 DESAIN ACAK LENGKAP

Y ij =  + i + ij

i = 1,2, …., k
j = 1,2, …, nk

dengan
Yij = variabel yang dianalisis, dimisalkan berdistribusi normal

 = rata-rata umum atau rata-rata sebenarnya

i = efek perlakuan ke-i

ij = kekeliruan, berupa efek acak yang berasal dari unit

eksperimen ke-j karena dikenai perlakuan ke-i
 DESAIN ACAK LENGKAP
 Analisis Varians Untuk Desain Acak Lengkap
Data pengamatan untuk Desain Acak Lengkap
Perlakuan Jumlah
1 2 …... k

Data Pengamatan Y11 Y21 …… Yk1

Y12 Y22 …… Yk2
…… …… …… ……
…… …… …… ……
…… …… …… ……
Y1n1 Y1n2 …… Yknk
k

Jumlah J1 J2 …… Jk J  J i
i 1

k
Banyak Pengamatan n1 n2 …… nk  n
i
i  1
……
k

Rata-rata Y1 Y2 Yk Y= J /  ni
i 1

Dimana :
k = jumlah eksperimen
ni = unit eksperimen untuk perlakuan ke-i (i = 1, 2, …, k)
Yij (i = 1, 2, …, k) dan (j = 1, 2, …, ni) = nilai pengamatan dari unit eksperimen ke j karena
perlakuan ke-i
 ni
Ji  Y
j 1
ij Jumlah nilai pengamatan untuk tiap perlakuan

k
J J
i1
i Jumlah seluruh nilai pengamatan

Yi  Ji / ni Rata-rata pengamatan untuk tiap perlakuan

k
Y  Ji / n
i1
i Rata-rata seluruh nilai pengamatan

 Y 2 = jumlah
k
kuadrat-kuadrat
n
(JK) semua nilai pengamatan
i

  
i1 j1
Yij2

R y = jumlah kuadrat-kuadrat (JK) untuk rata-rata

k
 J 2
/ n
i1
i

Py = jumlah kuadrat-kuadrat (JK) antar perlakuan

k
 n
i1
i (Yi - Y )2

k
  (J
i1
2
i /ni ) - R y
E y = jumlah kuadrat-kuadrat (JK) kekeliruan eksperimen
k ni
  (Yij - Yi ) 2
i 1 j 1
k
  Y 2 - R y - Py
i1

DAFTAR ANALISIS VARIANS

Sumber variasi Derajat Kebebasan Jumlah Kuadrat-Tengah
(dk) Kuadrat- (KT) F
kuadrat (JK)
Rata-rata 1 Ry R=Ry

Antar Perlakuan k –1 Py P = P y / (k – 1) P/E

Kekeliruan
k

 (n i - 1)
Ey E = E y /  (ni – 1)
Eksperimen i1

 (n i )
Jumlah Total i 1 Y2 -
Contoh :

Suatu percobaan dilakukan untuk membuktikan

adanya dugaan bahwa kadar air akhir pengeringan
simplisia dipengaruhi oleh kecepatan aliran udara di
ruang pengeringan. Untuk itu dilakukan percobaan
pengeringan empat taraf kecepatan aliran udara, yaitu
0.7, 0.8, 0.9, dan 1.0 m/s. Percobaan dilakukan
dengan enam kali ulangan (replikasi) dan data
rendemen yang diperoleh disajikan pada Tabel 1.
 Kecepatan aliran udara (m/s)
0.7 0.8 0.9 1.0
Replikasi 7 12 14 19

8 17 18 25

15 13 19 22

11 18 17 23

9 19 16 18

10 15 18 20
Variabel independen : Kecepatan aliran udara. Variabel
independen sering juga disebut sebagai perlakuan
Taraf/level variabel independen : 0.7, 0.8, 0.9, dan 1.0
m/s (jadi ada 4 taraf perlakuan)
Manipulasi variabel independen berupa penetapan empat
taraf perlakuan
Variabel dependen : Kadar air akhir simplisia (%)
Variabel dependen sering juga disebut sebagai variabel
respon
Unit percobaan : sesuatu yang dikenai perlakuan dalam
percobaan. Jadi, unit percobaannya adalah simplisia
Hipotesis :
Ho : Laju aliran udara tidak berpengaruh nyata (secara
signifikan, secara berarti) terhadap kadar air akhir simplisia
Ha : Laju aliran udara berpengaruh nyata terhadap kadar air
akhir simplisia atau laju aliran udara yang berbeda akan
memberikan hasil kadar air akhir simplisia yang berbeda
secara signifikan
Seperti halnya pada pengujian hipotesis, keputusan menerima
atau menolak hipotesis ditentukan oleh statistik uji yang
dihitung dari data sampel. Untuk analisis varian (ragam),
statistik ujinya adalah statistik F
 Kecepatan aliran udara (m/s)
0.7 0.8 0.9 1.0
Ulangan 7 12 14 19
8 17 18 25
15 13 19 22
11 18 17 23
9 19 16 18
10 15 18 20
Ti. 60 94 102 127 T.. = 383
Ni 6 6 6 6 N = 24
Yij2 640 1512 1750 2723  Yij2 = 6625
SS (sum square) total =   Yij2 – (T.. 2 / N)
= 6 625 – (383)2/24
= 512.96

SS perlakuan = ( Ti.2) / 6 – (T.. 2 / N)

= 1/6 (602 + 942 + 1022 + 1272) – (3832 / 24)
= 6 494.83 – 6 112.04
= 382.79

SS error = SS total – SS perlakuan

= 512.96 – 382.79
= 130.17
Tabel analisis varian (ANOVA)

Sumber df SS MS F hitung
keragaman
Perlakuan 3 382.79 127.6 19.6

Error 20 130.17 6.5

Total 23 512.96
Keputusan :

Bandingkan nilai F hitung dengan F tabel (Tabel D, tabel

distribusi F)
F tabel (, df perlakuan, df error)
Bila F hit > F tabel : tolak Ho
F hit < F tabel : terima Ho

Pada :
 = 5%; df perlakuan = 3 dan df error = 20 ……F tabel
= 3.10
Karena F hit > F tabel maka tolak Ho
Ini berarti :
Kecepatan aliran udara berpengaruh nyata terhadap
kadar air akhir simplisia