Desain Percobaan Untuk Percobaan Lapangan The International Rice Research Institute Los Banos, Laguna, The Philippines Diterjemahkan & Diedit oleh: Martinus H. Pandutama Oktober 2002

FOR RICE FIELD EXPERIMENT EXPERIMENTAL DESIGNS FOR RICE FIELD EXPERIMENT

Obyektives for EXPERIMENTAL DESIGNS for RICE FIELD EXPERIMENTS Describe several experimental designs commonly used in rice field experiments; Differentiate between single-factor and factorial experiments; and Choose the most suitable design for your intended experiment.

Diantara desain-desain percobaan yang ada, selalu terdapat satu yang paling sesuai dengan obyektif percobaan. Dalam memilih desain yang cocok, kita harus mengetahui: Tipe dan banyaknya perlakuan dalam percobaan Derajat ketelitian yang diinginkan, dan Ukuran keragaman yang tidak dapat dikontrol/diatasi.

Satu aturan yang baik untuk diikuti dalam memilih desain yang sesuai adalah: menggunakan desain tersederhana dan termurah yang mampu mengontrol keragaman dan mencapai derajat ketelitian yang diinginkan.

Jangan menggunakan desain orang lain hanya karena mudah Jangan menggunakan desain orang lain hanya karena mudah. Desain harus cocok dengan obyektif spesifik kita dan sumberdaya. Kita tidak boleh merubah obyektif hanya untuk menyesuaikan dengan desain.

Selanjutnya kita akan mempelajari beberapa desain percobaan yang umum dipakai untuk percobaan padi di lapangan.

Rancangan Acak Kelompok, RAK, merupakan satu diantara desain-desain percobaan yang paling umum dipakai untuk penelitian pertanian. Dicirikan dengan blok-blok berukuran sama, masing-masing mengandung satu set lengkap perlakuan. RAK, menggunakan teknik pengeblokkan untuk mengurangi error percobaan.

Pengeblokkan yang benar akan membentuk/menyusun plot-plot percobaan yang mirip/serupa dalam satu blok yang sama. Pengeblokkan harus memotong tegak lurus arah gradien keragaman lapangan percobaan. Dalam gambar di atas, setiap blok pada gambar kanan menunjukkan kesamaan/kemiripan daripada blok-blok gambar sebelah kiri.

Pada desain RAK, semua perlakuan harus muncul dalam setiap blok.

Desain RAK, membuat kita mampu mengukur perbedaan antarBlok dan mengurangkan dari error percobaan.

Misal, keragaman kesuburan tanah suatu area percobaan tampak seperti di atas. Gelap menunjukkan lebih subur dan cerah menunjukkan kurang subur.

HOW TO BLOCK? Kalau suatu percobaan dilakukan dengan 5 perlakuan dan 4 replikasi. Bagaimana pengeblokkan dilakukan dengan benar pada kasus ini?

Arah Kesuburan  Pertama, bagilah area perobaan menjadi 4 bagian yang sama menandakan setiap blok. Pengeblokkan harus tegak-lurus arah gradien keragaman (kesuburan).

Selanjutnya, bagilah setiap blok menjadi 5 bagian yang sama, menandakan satu plot. Setiap plot ditempati satu perlakuan. (Catatan: plot-plot dalam blok yang sama memiliki kesamaan dalam tingkat kesuburan, dibandingkan plot-plot dari blok yang berbeda).

Berikutnya, lakukan perandoman kelima perlakuan ke dalam lima plot dari setiap blok, satu blok setiap kali. Kini, kita telah melakukan proses lengkap dalam menata suatu percobaan dengan 5 perlakuan & 4 replikasi dalam suatu desain RAK.

Desain apa yang seharusnya digunakan jika gradien kesuburan terjadi dalam dua arah tegak-lurus satu sama lain? Dalam hal ini, pertimbangkan Rancangan Bujur Sangkar Latin, RBS (Latin Square Design, LSD).

Ciri penting yang utama dari RBS, adalah kemampuan untuk memblok suatu area percobaan ke dua arah.

Pengeblokkan dua arah dikenal sebagai baris dan kolom Pengeblokkan dua arah dikenal sebagai baris dan kolom. Dalam RBS, setiap perlakuan muncul hanya sekali dalam tiap baris dan kolom. (Catatan: Gambar di atas menunjukkan bahwa perlakuan 1, 2, dan 3, terjadi bersamaan sekali dalam tiap baris dan juga bersamaan sekali dalam tiap kolom).

Pengeblokkan dua arah tersebut membuat kita mampu mengukur perbedaan antara baris dan antara kolom, dan mengurangkannya dari error percobaan

RBS, memiliki satu keterbatasan utama, yaitu banyaknya replikasi harus sama dengan banyaknya perlakuan. Jika kita menguji 5 perlakuan atau lebih maka membutuhkan banyaknya replikasi sebanyak 5 atau lebih, oleh karena itu, RBS tidak umum digunakan dalam percoban padi di lapangan.

Kita sudah membahas dua macam desain: Rancangan Acak Kelompok (RAK)  RCB Rancangan Bujur Sangkar Latin (RBS)  LSD

Untuk percobaan, seperti uji varietas dengan jumlah perlakuan yang besar (misal 20),  RBS jelas tidak dapat diaplikasikan karena membutuhkan replikasi yang banyak juga.

Tetapi, bagaimana dengan RAK Tetapi, bagaimana dengan RAK? Adakah masalah menggunakan RAK untuk percobaan dengan jumlah perlakuan yang besar? Tentu saja ada.

Perlu diingat bahwa dalam RAK, setiap blok mengandung semua perlakuan Perlu diingat bahwa dalam RAK, setiap blok mengandung semua perlakuan. Jadi, ukuran blok bergantung pada banyaknya perlakuan yang diuji.

Tentu saja sulit untuk menjaga homogenitas blok dengan ukuran besar Tentu saja sulit untuk menjaga homogenitas blok dengan ukuran besar. Jumlah perlakuan yang besar menuntut ukuran blok yang besar pula. Jelas, homogenitas antar-plot dalam blok yang besar sulit untuk dicapai.

Jika jumlah perlakuan banyak, kita dapat menggunakan suatu Incomplete Block Design. Ciri utamanya adalah bahwa tidak semua perlakuan harus muncul dalam blok yang sama. Ukuran blok tidak harus besar, walau jumlah perlakuan besar. Jadi, kita dapat memilih ukuran blok yang memadai dan mempertahankan homogenitas dalam blok, walaupun percobaan meliputi jumlah perlakuan yang besar.

Karena setiap blok tidak lengkap tidak mengandung semua perlakuan, maka umum disebut sebagai Incomplete Blocks (blok tak lengkap). Pada diagram di atas, kita memiliki 9 perlakuan diatur dalam 3 blok tak lengkap. Setiap blok mengandung 3 perlakuan.

Banyak sekali macam Desain Blok Tak Lengkap Banyak sekali macam Desain Blok Tak Lengkap. Satu yang paling umum digunakan untuk percobaan padi di lapangan adalah Lattice Design. Lattice design menuntut jumlah perlakuan harus merupakan bilangan kuadrat, misal 25, 36, 49 dll. Persyaratan ini sekilas nampak sangat mengikat, tetapi dalam praktik tidak sulit untuk memenuhinya.

Kita sudah membahas 3 desain percobaan utama, RAK, RBS, Desain Berkisi (Lattice design). Desain-desain tersebut dapat digunakan untuk semua jenis percobaan, baik faktor tunggal maupun faktor multi.

Kita akan membahas percobaan faktor tunggal dan multi faktor, serta mengenalkan serangkaian desain yang spesifik dikembangkan untuk percobaan multi faktor.

Percobaan faktor tunggal, peneliti menguji beberapa level suatu faktor dengan mempertahankan semua faktor pada level yang tetap. Contoh: beberapa varietas diuji pada kondisi praktik pengelolaan tanah yang seragam.

Percobaan multi-faktor, umumnya disebut percobaan faktorial, menguji dua atau lebih faktor secara bersamaan. Misal: penguji 5 varietas pada 4 dosis pemupukan N.

Keuntungan utama dari percobaan faktorial adalah pengujian interaksi antara beberapa faktor yang diuji. Interaksi memberikan pengukuran seberapa besar pengaruh satu faktor berubah pada berbagai level faktor lain.

Grafik di atas menunjukkan interaksi antara varietas & nitrogen Grafik di atas menunjukkan interaksi antara varietas & nitrogen. N, mempengaruhi hasil dari dua varietas dalam perilaku yang berbeda. Pemupukan N, meningkatkan hasil varietas 1, dan menurunkan hasil varietas 2.

Grafik di atas menggambarkan tipe interaksi yang lain Grafik di atas menggambarkan tipe interaksi yang lain. Pemupukan N, meningkatkan hasil kedua varietas, V1 & V2, tetapi kecepatan peningkatannya lebih besar pada V1 daripada V2. Interaksi antar-faktor umum terjadi dalam penelitian pertanian.

Satu kelompok desain percobaan yang dikembangkan khusus untuk percobaan faktorial adalah keluarga desain split-plot (Desain Split-plot, strip-plot, & split-split-plot). Ciri spesifik dari keluarga desain ini adalah setiap desain memiliki lebih dari satu ukuran plot, dan setiap ukuran digunakan untuk faktor yang berbeda.

Split-plot, mempunyai 2 ukuran plot yang berbeda Split-plot, mempunyai 2 ukuran plot yang berbeda. Plot besar disebut main-plot (petak utama), dan plot kecil disebut sub-plot (anak petak). Satu faktor dikenakan terhadap petak utama, dan faktor lain dikenakan pada anak petak. Ukuran relatif petak utama & anak petak bergantung kepada banyaknya level faktor kedua.

Contoh: percobaan faktorial menguji 5 varietas & 4 dosis pemupukan N Contoh: percobaan faktorial menguji 5 varietas & 4 dosis pemupukan N. Diasumsikan bahwa percobaan dilakukan menggunakan desain split-plot dengan 4 replikasi. (N sebagai faktor petak utama, Var sebagai faktor anak petak) Bagaimana kita menata percobaan itu dilapangan? Diskripsi langkah-langkahnya adalah sebagai berikut.

Step 1. Bagilah area percobaan menjadi 4 blok replikasi.

Step 2. Bagilah setiap blok replikasi menjadi 4 petak utama Step 2. Bagilah setiap blok replikasi menjadi 4 petak utama. Ada 4 petak utama dalam tiap blok replikasi, karena kita punya 4 dosis N, yang dijadikan faktor petak utama.

Step 3. Tempatkan secara acak, 4 dosis N ke dalam petak utama tiap blok, satu blok setiap saat. Gambar di atas menunjukkan penempatan untuk blok pertama. Proses penempatan ini harus dilakukan 4 kali untuk 4 petak utama.

Inilah hasil dari penempatan N pada petak utama dalam semua 4 blok replikasi.

Step 4. Bagilah setiap petak utama menjadi 5 anak petak Step 4. Bagilah setiap petak utama menjadi 5 anak petak. Terdapat 5 anak petak untuk setiap petak utama, karena ada 5 Var. (Ingat, varietas ditetapkan sebagai faktor anak petak).

Step 5. Tempatkan secara acak, ke 5 Var Step 5. Tempatkan secara acak, ke 5 Var. ke dalam anak-petak dalam tiap petak utama. Satu petak utama setiap kali. Untuk replikasi 1, ada 4 petak utama, karenanya proses penempatan faktor anak petak secara acak pada petak utama harus dilakukan 16 kali.

Ini, adalah hasil penempatan Var kedalam anak petak dalam semua 16 petak utama. Gambar di atas, penataan suatu percobaan dua faktor, dengan 4 dosis N dan 5 Var, dilaksanakan dalam desain split plot dengan 4 replikasi.

Jika kita menggunakan desain split-plot, ketelitian untuk membandingkan perlakuan anak petak, diharapkan lebih tinggi daripada faktor petak utama. Oleh karena itu, adalah penting kita memutuskan faktor mana membutuhkan tingkat ketelitian yang lebih tinggi, dan ditempatkan pada anak petak.

Suatu faktor tertentu mungkin ditempatkan pada petak utama, karena faktor tersebut membutuhkan plot yang relatif besar. Persyaratan tersebut dapat juga karena sifat dari pelakuan sendiri. Dapat juga karena kemudahannya dengan mana ukuran yang sebenarnya dilakukan.

Jika kita menempatkan satu faktor ke dalam petak utama, karena salah satu sebab, harus diingat bahwa kita kehilangan tingkat ketelitian faktor tersebut relatif terhadap faktor lain yang dianggap sebagai faktor anak petak/subplot.

Kilas ulang, tentang percobaan dilakukan menggunakan desain split-plot, dengan N sebagai perlakuan petak utama, dan Var sebagai perlakuan anak petak. Mengapa kita menempatkan N sebagai faktor petak utama?

Alasan: (1) peneliti lebih tertarik membandingkan pengaruh Var daripada N, (2) pengaruh N diharapkan lebih besar daripada Var, dan karenanya tidak membutuhkan ketelitian yang tinggi, (3) dengan N sebagai faktor utama, galengan antarplot hanya dibuat diantara petak utama, karenanya mengurangi biaya labor.

Bagaimana kalau kita menambahkan faktor ketiga, misal jarak tanam terhadap percobaan dua faktor split-plot sebelumnya. Dapatkah kita menggunakan desain Split-plot? Ya, kita dapat menggunakan Split-plot untuk percobaan tiga faktor.

Untuk menggunakan split-plot bagi percobaan 3 faktor, kita perlu mengkombinasikan 2 faktor menjadi satu. Misal, Var dengan jarak tanam10 kombinasi perlakuan sebagai satu faktor. Empat dosis N sebagai faktor petak utama, dan 10 kombinasi perlakuan (Var X jarak tanam) sebagi faktor anak petak.

Atau, kita tempatkan 8 kombinasi perlakuan N dan jarak tanam ke dalam petak utama, sedangkan 5 Var ke dalam anak petak.

Untuk percobaan 3 faktor, kita juga dapat menggunakan desain split-split-plot. Anak petak pada split-plot, lebih lanjut dibagi menjadi sub-subplot (anak-anak petak). Faktor pertama ditempatkan pada petak utama, faktor kedua pada anak petak, dan faktor ketiga pada anak-anak petak.

Yang harus kita ingat, bahwa untuk semua desain dengan lebih dari satu ukuran plot, tingkat ketelitian yang tinggi umumnya diperoleh dengan perlakuan yang ditempatkan pada ukuran plot yang lebih kecil. Jadi, peneliti harus menempatkan faktor paling penting pada plot terkecil.

Desain alternatif selain split-plot adalah strip-plot design Desain alternatif selain split-plot adalah strip-plot design. Dalam desain ini, level faktor perlakuan kedua ditempatkan dalam strip-strip, bukan diacak dalam tiap petak utama. Dalam ilustrasi di atas, tiap dosis N ditempatkan pada strip vertikal, dan tiap varietas ditempatkan dalam strip horizontal.

Desain strip plot cocok untuk percobaan dimana kedua faktor membutuhkan plot yang relatif besar, atau bila interaksi dari kedua faktor (bukan pengaruh utama tiap faktor) merupakan obyek utama dari penelitian. Desain strip plot mengorbankan ketelitian pengaruh utama dari kedua faktor. Tetapi, interaksi kedua faktor diukur lebih akurat daripada yang mungkin diukur dengan desain RAK atau split-plot.

Bagaimana kita menatanya di lapangan? Bila kita ingin melakukan suatu percobaan dua faktor meliputi 5 var. dan 4 dosis N, diatur dalam desain strip-plot dengan 4 replikasi. Bagaimana kita menatanya di lapangan?

Setiap blok dari ke 4 replikasi dibagi menjadi 5 strip horizontal, masing-masing ditempati secara acak oleh varietas.

Setiap replikasi, juga dibagi 4 strip vertikal Setiap replikasi, juga dibagi 4 strip vertikal. Masing-masing ditempati satu dosis N secara acak. Urutan penempatan kedua faktor tidaklah penting. Kita dapat menempatkan dosis N pada strip horizontal.

Sebenarnya, kita dapat mengaggap desain strip-plot sebagai desain split-plot dengan kedua faktor sebagai perlakuan petak utama.

Layout di atas merupakan layout percobaan dengan desain strip-plot dengan 4 replikasi. Apa bedanya dengan split-plot? Dalam desain split-plot, kita tidak memiliki varietas yang sama dalam semua empat plot dari strip horizontal yang sama.

Anak petak dari desain strip-plot atau interseksi antara strip vertikal dan horizontal. Dapat dibagi menjadi plot lebih kecil untuk mengakomodasi faktor tambahan.  Desain strip-split plot. Sekali lagi, ketelitian tertinggi adalah dalam plot terkecil.

Karena kinerja tanaman dipengaruhi oleh banyak sekali faktor, dan karena kebutuhan untuk mencirikan pengaruhnya baik keduanya terpisah, maupun dalam hubungan satu sama lain, maka percobaan faktorial umumnya digunakan dalam penelitian pertanian

Percobaan faktorial umumnya lebih besar dan lebih kompleks dan mahal dari percobaan fakotr tunggal. Pada mula proses penelitian, mungkin ada baiknya untuk memulai dengan beberapa percobaan-percobaan preliminary kecil yang mampu menandakan pendekatan yang menjanjikan.

Obyektif dan sumberdaya membantu kita memilih desain percobaan yang sesuai. Ingat, gunakan desain tersederhana, dan termurah yang mampu memberikan pengawasan yang diperlukan atas keragaman, dan mencapai tingkat ketelitian yang diharapkan.

Produced By IRRI