RANCANGAN ACAK KELOMPOK

Slides:



Advertisements
Presentasi serupa
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOCK DESIGN) atau RANCANGAN KELOMPOK LENGKAP TERACAK (RANDOMIZED COMPLITE BLOCK DESIGN) Prof.Dr. Kusriningrum.
Advertisements

RAKL (Rancangan Acak Kelompok Lengkap)
Rancangan Acak Kelompok
Rancangan Acak Lengkap
VIII. RANCANGAN PETAK TERBAGI (RPT)
Percobaan dengan 3 Faktor dan Split-Plot
Rancangan Acak Kelompok Lengkap (RAK)
Rancangan Acak Kelompok Faktorial
Percobaan 2 faktor dalam RAK
Percobaan satu faktor (single factor exp.)
Rancangan SPLIT PLOT Percobaan dengan menggunakan rancangan split plot bila - ada salah satu faktor yang lebih penting daripada faktor yang lain. - ada.
Percobaan Berfaktor Perlakuan : kombinasi antara taraf faktor satu dengan taraf faktor yang lain Penempatan perlakuan dalam : RAL, RAK, SPLIT PLOT atau.
NUR LAILATUL RAHMAH, S.Si., M.Si.
Rancangan Acak Kelompok
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)
UNSUR DASAR PERANCANGAN PERCOBAAN, KERAGAMAN, MODEL PERCOBAAN
RANCANGAN ACAK LENGKAP FAKTORIAL
RANCANGAN ACAK LENGKAP (RAL) COMPLETTED RANDOMIZED DESIGN (CRD)
Rancangan Acak Lengkap
RANCANGAN ACAK LENGKAP (FULLY RANDOMIZED DESIGN, COMPLETELY RANDOMIZED DESIGN) Untuk percobaan yang mempunyai media atau tempat percobaan yang seragam.
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)
Dalam Rancangan Acak Kelompok Lengkap (RAKL)
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 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 SPLIT PLOT.
Rancangan Bujur Sangkar Latin (Latin Square Design)
PENGUJIAN RATAAN PERLAKUAN
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
Materi Pokok 21 RANCANGAN KELOMPOK
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
PENGUJIAN RATAAN PERLAKUAN
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 SPLIT PLOT Percobaan dengan menggunakan rancangan split plot bila - ada salah satu faktor yang lebih penting daripada faktor yang lain. - ada.
RANCANGAN SPLIT PLOT YAYA HASANAH.
RANCANGAN BUJUR SANGKAR LATIN
RANCANGAN ACAK KELOMPOK
UJI BEDA RATAAN.
RANCANGAN ACAK LENGKAP
Dalam Rancangan Acak Kelompok (RAK)
Perbandingan Berganda
RANCANGAN ACAK KELOMPOK (RAK)
TRANSFORMASI DATA YAYA HASANAH.
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 KELOMPOK Merupakan rancangan percobaan pada kondisi tempat yang tidak homogen Sebagian besar dilakukan di lapangan/lingkungan Memakai prinsip pengawasan setempat, tempat percobaan dikelompokkan menjadi bagian yang relatif homogen

Percb penanaman dekat saluran air dengan panjang searah aliran air dan lebar tegak lurus dengan arah air. Percb satu ransum pakan ayam untuk berbagai periode pertumbuhan ayam. Percb kadar bahan pengawet pada dendeng daging sapi. Percb penambahan selulosa pada 4 mesin pengolah kertas. Percb ransum pakan pada 4 ekor sapi perah Percb penambah angka oktan pada 5 mobil dengan kondisi sama dengan 5 orang sopir

Saluran air Homogenitas tidak bisa dikondisikan Kelompok 1 Kelompok 2 . . Kelompok r

Pengelompokan untuk memperkecil galat Pembuatan denah RAK Tempat pecobaan dibagi dalam blok, banyaknya blok= banyaknya ulangan, Arah panjang blok tegak lurus dengan arah peralihan kesuburan Blok(ulangan) dibagi dalam petak (plot). Banyaknya petak = banyaknya perlakuan Penempatan perlakuan dalam petak dalam blok dilakukan secara acak.

B A D E C A E C D B D C B A E D E A B C RAK 5 perlakuan (A,B,C,D,E) dengan 4 ulangan B A D E C A E C D B D C B A E D E A B C

Dengan pengaturan RAK, terjadi perbedaan kesuburan tanah antar blok yang besar, namun perbedaan kesuburan antar petak dalam satu blok minimum Model RAK Yij = µ + Ti + Bj +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 Bj = pengaruh blok ke-j ε ij = pengaruh galat percobaan dari perlakuan ke-i dan ulangan ke-j

Keuntungan RAK: Sama sEperti RAL, analisis data statistik bersifat sederhana Apabila ada satu-dua data hilang bisa mengggunakan teknik data yang hilang Andaian gradien satu arah terpenuhi, RAK lebih efisien dibanding RAL Kekurangan RAK Apabila andaian gradien satu arah tak terpenuhi, presisi dan efisensi lebih rendah dibanding RAL (karena berkurangnya derajat bebas galat)

Model Anova RAK SK db JK KT Fhit F 5% F1% Ulangan Perlakuan Galat b-1 (bt-1)-(t-1)-(b-1) JK U JK P JK G JK U/(db U) JK P/(db P) JKG/(db G) KTU/KTG KTP/KTG Total bt-1 JKP+JKU+JKG  

Contoh percobaan RAK dengan 7 perlakuan dan 3 kali ulangan Hasil ton/ha dari 7 varietas Varietas Ulangan Total Rata-rata 1 2 3 A 0.825 0.750 0.815 2.390 0.80 B 1.335 1.300 1.355 3.990 1.33 C 1.357 1.325 1.405 4.087 1.36 D 1.500 1.555 1.575 4.630 1.54 E 1.495 1.600 1.625 4.720 1.57 F 1.650 1.675 1.700 5.025 1.68 G 1.725 1.690 1.750 5.165 1.72 9.887 9.895 10.225 30.007  

Hipotesis: H0 : T1 = T2 = T3 =T4 = 0 H1 : paling sedikit ada sepasang Ti yang tidak sama Atau H0 : µ1 = µ 2 = µ 3 = µ 4 = 0 H1 : paling sedikit ada sepasang µ i yang tidak sama, atau µi≠ µi Menghitung Jumlah Kuadrat Faktor Koreksi FK = ( Σtotal) 2/ n atau ( Σtotal) 2/ r x t JK Total = Jumlah kuadrat masing-masing pengamatan – FK JK Ulangan = ( Jumlah kuadrat total masing-masing ulangan/jumlah perlakuan)-FK JK Perlakuan = (Jumlah kuadrat total masing-masing perlakuan/jumlah ulangan)-FK JK Galat = JK Total – JK Ulangan - JK Perlakuan

Faktor Koreksi FK = ( Σtotal) 2/ n atau ( Σtotal) 2/ r x t = (30.007)2 /21 = 42.87715 JK Total = Jumlah kuadrat masing-masing pengamatan – FK = (0.825)2 + (0.750)2 + ...+( 1.750)2 - FK = 1.80620 JK Ulangan = (Jumlah kuadrat total masing-masing ulangan/jumlah perlakuan)-FK = ((9.887)2+(9.8955)2+ (10.225)2/7) – FK = 0.01062 JK Perlakuan = (Jumlah kuadrat total masing-masing perlakuan/jumlah ulangan)-FK = ((2.390)2+(3.990)2+...+(5.165)2/3) – FK = 1.78249 JK Galat = JK Total – JK Ulangan -JK Perlakuan = 1.80620 – 0.01062- 1.78249 = 0.01309

Anova SK db JK KT Fhit F 5% F1% Ulangan Perlakuan Galat b-1 t-1 (bt-1)-(t-1)-(b-1) JK U JK P JK G JK U/(db U) JK P/(db P) JKG/(db G) KTU/KTG KTP/KTG Total bt-1 JKP+JKU+JKG  

Anova SK db JK KT Fhit F 5% F1% Ulangan Perlakuan Galat 2 6 12 0.01062 1.78249 0.01309 0.00531 0.029708 0.00109 4.87* 272.55** 3.88 3.00 6.93 4.82 Total 20 1.80620   F 5% ulangan = F 0.05 (2,12) F 1% ulangan = F 0.01 (2,12) F 5% perlakuan = F 0.05 (6,12) F1% perlakuan = F 0.01 (6,12)

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)

Pengujian dengan BNT BNT0,05 = t 0,05(db galat) x √ (2 KT Galat)/ulangan) BNT0,05 = t 0,05(12) x √ (2 x 0.00109)/3) = 2.179 x √ 0.000727 = 2.179 x 0.02697 = 0.059 Perlk A 0.80 B 1.33 C 1.36 D 1.54 E 1.57 F 1.68 G 1.72 Notasi ----- a 0.53* b 0.56* 0.03 0.74* 0.21* 0.18* c 0.77* 0.24* ------ 0.88* 0.35* 0.32* 0.14* 0.11* d 0.92* 0.39* 0.36* 0.15* 0.04 Perlk A 0.80 B 1.33 C 1.36 D 1.54 E 1.57 F 1.68 G 1.72 Notasi ----- a 0.53* b 0.56* 0.03 0.74* 0.21* 0.18* c 0.77* 0.24* ------ 0.88* 0.35* 0.32* 0.14* 0.11* d 0.92* 0.39* 0.36* 0.15* 0.04

BNJ0,05 = Q0,05 (p,db galat) x √ (KT Galat)/ulangan) BNJ0,05 = Q0,05 (7,12) x √ ( 0.00109)/3) = 4.95 x √ 0.000 3633 = 4.95 x 0.019 = 0.09 Perlk A 0.80 B 1.33 C 1.36 D 1.54 E 1.57 F 1.68 G 1.72 Notasi ----- a 0.53* b 0.56* 0.03 0.74* 0.21* 0.18* c 0.77* 0.24* ------ 0.88* 0.35* 0.32* 0.14* 0.11* d 0.92* 0.39* 0.36* 0.15* 0.04

d=p-1 1 2 3 4 5 6 JND Ada di Tabel Duncan 3.08 3.23 3.33 3.36 3.40 UJD0,05 = R0,05 (p,db galat) x √ (KT Galat)/ulangan) √ (0.00109)/3) = 0.019 d=p-1 1 2 3 4 5 6 JND Ada di Tabel Duncan 3.08 3.23 3.33 3.36 3.40 3.42 UJD 0.058 0.06 0.063 0.064 0.065

Perlk A 0.80 B 1.33 C 1.36 D 1.54 E 1.57 F 1.68 G 1.72 Notasi ----- a 0.53* b 0.56* 0.03 0.74* 0.21* 0.18* c 0.77* 0.24* ------ 0.88* 0.35* 0.32* 0.14* 0.11* d 0.92* 0.39* 0.36* 0.15* 0.04

Di dalam suatu gudang terdapat rumput laut sebagai bahan baku alginat Di dalam suatu gudang terdapat rumput laut sebagai bahan baku alginat. Rumput laut tersebut berasal dari 5 daerah yang berbeda. Di duga, lokasi suatu daerah akan mempengaruhi kadar Kalium rumput laut sehingga akan berpengaruh pula terhadap alginat yang dihasilkan. Untuk meyakinkan hal tersebut maka setiap rumput laut dari setiap daerah pengambilan diambil contoh secara acak dan diukur kadar K-nya dengan hasil sebagai berikut. Apa kesimpulan anda? Daerah Ulangan 1 2 3 4 5 A B C D E 3.46 5.39 3.51 3.29 4.29 3.48 4.86 3.64 3.40 4.06 3.56 5.22 3.37 4.13 3.39 5.13 3.52 4.32 5.20 3.49 4.18