RANCANGAN ACAK LENGKAP (FULLY RANDOMIZED DESIGN, COMPLETELY RANDOMIZED DESIGN) Untuk percobaan yang mempunyai media atau tempat percobaan yang seragam.

Slides:



Advertisements
Presentasi serupa
Uji beda rata-rata Kalau dalam ANOVA menunjukkan bahwa F hitung > F tabel yang berarti bahwa menolak hipotesis yang menyatakan rata-rata antar perlakuan.
Advertisements

RAKL (Rancangan Acak Kelompok Lengkap)
Rancangan Acak Lengkap
VIII. RANCANGAN PETAK TERBAGI (RPT)
Rancangan Acak Kelompok Lengkap (RAK)
Rancangan Acak Kelompok Faktorial
Percobaan 2 faktor dalam RAK
Percobaan satu faktor (single factor exp.)
Percobaan Berfaktor Perlakuan : kombinasi antara taraf faktor satu dengan taraf faktor yang lain Penempatan perlakuan dalam : RAL, RAK, SPLIT PLOT atau.
Contoh Penerapan ANCOVA Pada RAL
PERCOBAAN FAKTORIAL DAN TERSARANG NUR LAILATUL RAHMAH, S.Si., M.Si.
NUR LAILATUL RAHMAH, S.Si., M.Si.
STATISTIK INDUSTRI 1 MATERI KE-13 PEMBANDINGAN BERGANDA
MULTIPLE COMPARISON TEST (UJI LANJUT, POSTHOC TEST ) MULTIPLE COMPARISON TEST (UJI LANJUT, POSTHOC TEST ) Dr. Nugraha E. Suyatma, STP, DEA Dr. Ir. Budi.
VII. RAK FAKTORIAL Percobaan RAK pola faktorial adalah penelitian dengan rancangan dasar RAK dan faktor perlakuan labih dari atau sama dengan 2. Contoh.
Rancangan Acak Kelompok
Rancangan Acak Lengkap (RAL) (Completely Randomized Design)
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOcK Design)
RANCANGAN ACAK LENGKAP (RAL) COMPLETTED RANDOMIZED DESIGN (CRD)
PERBANDINGAN ANTAR NILAI RERATA PERLAKUAN
Rancangan Acak Lengkap
ANALISI SVARIANS (ANALISIS RAGAM)
STATISTIKA INDUSTRI I RANCANGAN PERCOBAAN:
UJI LANJUT PEMBANDINGAN BERGANDA
PERCOBAAN FAKTORIAL.
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOcK Design)
Perancangan Percobaan (Rancob)
RAL (Rancangan Acak Lengkap)
Rancangan Acak Lengkap (RAL) (Completely Randomized Design)
Forcep Rio Indaryanto, S.Pi., M.Si
RANCANGAN ACAK KELOMPOK LENGKAP
RANCANGAN KELOMPOK TAK LENGKAP SEIMBANG (Incomplete Block Design)
STATISTIKA Pertemuan 10-11: Pengantar Rancob dan Rancangan Acak Lengkap, Uji Lanjutan Dosen Pengampu MK:
Uji Lanjut: Uji Berganda Duncan (DMRT) (Duncan's Multiple Range Test)
Rancangan Bujur Sangkar Latin
RANCANGAN ACAK KELOMPOK
RANCANGAN BUJUR SANGKAR LATIN (RBL)
Rancangan Cross-Over Dalam kondisi-kondisi tertentu pemberian perlakuan dilakukan secara serial dimana setiap objek diterapkan seluruh perlakuan pada periode.
Rancangan Bujur Sangkar Latin (RBSL)
Rancangan Bujur Sangkar Latin (Latin Square Design)
Percobaan 2 faktor dalam RAK
PENGUJIAN RATAAN PERLAKUAN
UJI PERBANDINGAN BERGANDA
Pertemuan 21 Penerapan model not full rank
Pertemuan 23 Penerapan model not full rank
3 b. Rancangan Acak Lengkap (Ulangan Tidak Sama)
RANCANGAN ACAK LENGKAP (RAL)
NUR LAILATUL RAHMAH, S.Si., M.Si.
Rancangan Acak Lengkap
Rancangan Satu Faktor Rancangan Acak Lengkap
Materi Pokok 21 RANCANGAN KELOMPOK
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
PENGUJIAN RATAAN PERLAKUAN
PEMBANDINGAN GANDA PADA RANCANG KELOMPOK
Pertemuan 24 Penerapan model not full rank
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOCK DESIGN) atau RANCANGAN KELOMPOK LENGKAP TERACAK (RANDOMIZED COMPLITE BLOCK DESIGN) Prof.Dr. Kusriningrum.
Rancangan Acak Kelompok Lengkap (RAK)
RANCANGAN ACAK LENGKAP (FULLY RANDOMIZED DESIGN, COMPLETELY RANDOMIZED DESIGN) Untuk percobaan yang mempunyai media atau tempat percobaan yang seragam.
Percobaan satu faktor (single factor exp.)
RANCANGAN ACAK KELOMPOK
UJI BEDA RATAAN.
UJI BEDA RATAAN.
RANCANGAN ACAK LENGKAP
Perbandingan Berganda
RANCANGAN ACAK KELOMPOK (RAK)
Rancangan Acak Lengkap
UJI LANJUTAN & RANCANGAN ACAK KELOMPOK
Uji Perbandingan Berganda Kuswanto, Uji perbandingan berganda Untuk membandingkan rerata antar perlakuan Untuk membandingkan rerata antar perlakuan.
UJI LANJUTAN DAN RANCANGAN ACAK KELOMPOK
Rancangan acak lengkap faktorial
Transcript presentasi:

RANCANGAN ACAK LENGKAP (FULLY RANDOMIZED DESIGN, COMPLETELY RANDOMIZED DESIGN) Untuk percobaan yang mempunyai media atau tempat percobaan yang seragam atau homogen. RAL banyak digunakan untuk percobaan laboratorium, rumah kaca, atau peternakan Media yang homogen menyebabkan tempat percobaan/ media tidak memberikan pengaruh atas respon yang diamati

Model RAL Yij = µ + Ti + ε ij ; i = 1, 2, 3 ... t j = 1, 2, 3 ... r Yij = respon atau nilai pengamatan dari perlakuan ke i dan ulangan ke j µ = nilai tengah umum Ti = pengaruh perlakuan ke-i ε ij = pengaruh galat percobaan dari perlakuan ke-i dan ulangan ke-j

Model Anova RAL SK db JK KT F hit F 5% 1% Perlakn Galat t-1 (rt-1)- JK P JK G JK P/(db P) JKG/(db G) KTP /KTG Total rt-1 JKP + JKG  

Keuntungan RAL Analisis statistik mudah, komponennya hanya Perlakuan, Galat dan Total Derajat bebas Galat maksimum memungkinkan memperoleh KT galat yang kecil, sehingga memperbesar peluang memperoleh F hitung yang bernilai tinggi. Tempat percobaan tidak mempengaruhi nilai pengam,atan, bisa dimungkinkan membuat ulangan yang tidak sama. Sebaiknya menggunakan ulangan yang sama untuk mempermudah penghitungan.

Kerugian RAL Makin banyak perlakuan yang dicoba, makin sulit menyediakan tempat yang homogen

Contoh Hasil pemanenan gabah kering (ton/ha) dari 4 macam varietas padi (A, B, C, D) dengan ulangan 5 kali sebagai berikut. Apakah tiap varietas ada perbedaan dalam menghasilkan gabah kering? Hipotesis: H0 : T1 = T2 = T3 =T4 = 0 H1 : paling sedikit ada sepasang T1 yang tidak sama

Hasil pengamatan dari denah percobaan 3,44 C 3,00 A 3,53 3,30 D 2,97 2,89 3,21 3,25 3,10 2,91 3,15 2,85 2,95 3,08 3,50 3,05 3,12 3,34

Buat tabel penghitungan Varietas Ulangan Total Rata- rata 1 2 3 4 5 A B C D  

Hasil ton/ha dari 4 varietas Ulangan Total Rata-rata 1 2 3 4 5 A 3.54 3.25 3.15 3.50 3.43 16.87 3.37 B 3.44 3.30 3.21 3.05 16.25 C 3.00 3.10 2.85 2.95 3.12 15.02 D 2.97 2.89 2.91 3.08 15.00 63.14  

Menghitung Jumlah Kuadrat Faktor Koreksi (FK) = ( Σtotal) 2/ n atau ( Σtotal) 2/ r x t JK Total = Jumlah kuadrat masing- masing pengamatan – FK JK Perlakuan = (Jumlah kuadrat total masing-masing perlakuan / jumlah ulangan)-FK JK Galat = JK Total – JK Perlakuan

Menghitung Jumlah Kuadrat Faktor Koreksi FK = ( Σtotal) 2/ n atau ( Σtotal) 2/ r x t = (63.14)2 /20 = 199.33 JK Total = Jumlah kuadrat masing-masing pengamatan – FK = (3.54)2 + (3.25)2 + ...+( 3.08)2 - FK = 0.81062 JK Perlakuan = (Jumlah kuadrat total masing-masing perlakuan/jumlah ulangan)-FK = ((16.87)2+(16.25)2+...+(15.00)2/5) – FK = 0.51898 JK Galat = JK Total – JK Perlakuan = 0.81062 – 0.51898 = 0. 29164

ANOVA SK db JK KT F hit F 5% 1% Perlakn Galat t-1 (rt-1)- (t-1) JK P JK G JK P/(db P) JKG/(db G) KTP /KTG Total rt-1 JKP + JKG  

ANOVA SK db JK KT Fhit F 5% 1% Perlakn Galat 3 16 0.51898 0.19164 0.17299 0.01823 9.49** 3.24 5.29 Total 19 0.81062   F 5% = F 0.05 (3,16) F 1% = F 0.01 (3,16)

Kesimpulan: F hitung > F tabel, terima H1 Menentukan varietas mana yang paling potensial, bisa menggunakan Uji BNT (Beda Nyata Terkecil) Uji BNJ (Beda Nyata Jujur) Uji Jarak Duncan (UJD)

UJI NYATA TERKECIL Uji Fisher Nilai Tengah Pengamatan Membandingkan Dengan Tabel t BNT0,05 = t 0,05(db galat) x √ (2 KT Galat)/ulangan) Urutkan nilai tengah dari terkecil ke terbesar Bandingkan dengan BNT (0.05) BNT0,05 = t 0,05(16) x √ (2 x 0.01823)/5) = 2.12 x 0.0853 = 0.18

Perlakuan C 3,00 D 3,00 B 3,25 A 3,27 Notasi C 3.00 ----- a D 3.00 0.00 B 3.25 0.25* b A 3.27 0.27* 0.02

BEDA NYATA JUJUR (BNJ) Uji Tukey Apakah selisih 2 perlakuan berbeda atau tidak Menggunakan (daftar) studentized range untuk p buah nilai tengah perlakuan BNJ0,05 = Q0,05 (p,db galat) x √ (KT Galat)/ulangan) BNJ0,05 = Q0,05 (4,16) x √ ( 0.01823)/5) = 4.05 x 0.06038 = 0.24 Urutkan nilai tengah dari terkecil ke terbesar Bandingkan dengan BNJ (0.05)

Perlakuan C 3,00 D 3,00 B 3,25 A 3,27 Notasi C 3.00 ----- a D 3.00 0.00 B 3.25 0.25* b A 3.27 0.27* 0.02

BNT didasarkan atas derajat kesalahan per pembandingan BNJ didasarkan atas derajat kesalahan per percobaan Semakin banyak nilai tengah akan memperbesar resiko  1 nilai tengah dibandingkan sebanyak 6 kali dengan  0,05 =  0,05 x 6 =  0,30 (!!!!) Untuk menguranginya, dilakukan resiko tetap, walaupun banyak nilai tengah yang dibandingkan, resiko  tetap.------  Uji Jarak Berganda Duncan : Duncan Multiple Range Test (DMRT) Menggunakan (p-1) buah titik kritis dengan mempertimbangkan jarak nilai tengah yang dibandingkan ( setelah diurut dari terkecil ke terbesar) menggunakan table Jarak Nyata distudentkan : Significant Studentized Range

UJD (,d,v) = JND (,d.v) x  (KT Galat/ulangan)  = 0,05 v = 16 KT Galat = 0.01823 n= 5 d=p-1 1 2 3 JND Ada di Tabel Duncan 3.00 3.15 3.23 UJD 0.18 0.19 0.20

Perlakuan C 3,00 D 3,00 B 3,25 A 3,27 Notasi C 3.00 ----- a D 3.00 0.00 B 3.25 0.25* b A 3.27 0.27* 0.02

Hasil Analisa Serat Kasar Nata De Seaweed dengan perlakuan perbedaan jumlah gula sebagai berikut Penambahan Gula (%) Ulangan 1 2 3 A = 2,5 (%) 4,55 4.77 4.66 C = 7,5(%) 5.91 5.97 6.71 E = 12,5(%) 4.24 4.18 4.11 F = 17,5(%) 3.03 3.17 2.82 Buatlah analisis Ragam dan Responnya. Dari hasil analisa anda, apa kesimpulan yang dapat diambil.