Split Plot Design Diah Indriani Biostatistics and Population Department Public Health Faculty
Definisi Split Plot Design Split plot design merupakan percobaan factorial Perbedaannya hanya pada penempatan perlakuan ke satuan percobaan Design ini dapat digunakan pada factorial AxB juga factorial AxBxC
Contoh Kasus Terdapat 2 cara pengairan yang dicobakan a 1 = Pengairan 1 bulan setelah tanam dan pada saat menjelang keluarnya bunga a 2 = Pengairan pada umur 2 bulan dan periode pengisian biji Terdapat 3 cara pemupukan b 1 = tanpa pupuk N (0kg N/ha) b 2 = 25 kg N/ha b 3 = 50 kg N/ha Percobaan dilakukan dengan 2 kali ulangan
Jumlah Perlakuan Terdapat 6 kombinasi perlakuan a 1 b 1 a 1 b 2 a 1 b 3 a 2 b 1 a 2 b 2 a 2 b 3
Cara Penempatan Perlakuan yang belum Split Plot Pengairan 1 bulan setelah tanam dan pada saat menjelang keluarnya bunga dengan pupuk 25 kg N/ha Pengairan pada umur 2 bulan dan periode pengisian biji dengan tanpa pupuk
Cara Penempatan Perlakuan dengan Split Plot Pengairan 1 bulan setelah tanam dan pada saat menjelang keluarnya bunga Pengairan pada umur 2 bulan dan periode pengisian biji
Contoh Kasus Penelitian tentang daya tahan nasi dalam majic jar. Tiga jenis beras (mutu baku, sedang, rendah) dilihat daya tahannya sampai basi di majic jar dengan lama pemanasan yang berbeda-beda. Terdapat 3 cara pemanasan a 1 = Pemanasan terus menerus a 2 = Pemanasan 12 jam, berhenti 12 jam, pemasanasan 12 jam lagi a 3 = Pemanasan 6 jam, berhenti 6 jam, pemanasan 6 jam lagi Terdapat 3 jenis nasi b 1 = nasi dari beras mutu baku b 2 = nasi dari beras mutu sedang b 3 = nasi dari beras mutu rendah
Jumlah Perlakuan Terdapat 9 kombinasi perlakuan a 1 b 1 a 1 b 2 a 1 b 3 a 2 b 1 a 2 b 2 a 2 b 3 a 3 b 1 a 3 b 2 a 3 b 3
Cara Penempatan Perlakuan tanpa Split Plot Memerlukan 9 buah majic jar
Cara Penempatan Perlakuan Dengan Split Plot Pemanasan terus menerus Pemanasan 12 jam, berhenti 12 jam, pemasanasan 12 jam lagi Pemanasan 6 jam, berhenti 6 jam, pemanasan 6 jam lagi Hanya memerlukan 3 majic jar
Analisis Split Plot Design Sama dengan Factorial Design