RANCANGAN BLOK RANDOM TAK LENGKAP
SEIMBANG
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
2008 KELOMPOK
1. Kurnia Dwi Saputri (M0105011)
2. Novandry Widyastuti (M0105013)
3. Kurnia Lutfi Astuti (M0105046)
4. Laila Kurnia (M0106014)
5. Siti Mutmainah (M0106017)
6. Ariadne Monasari (M0106030)
7. Mirnasari (M0106051)
8. Nugroho Arif S. (M0106053)
9. Yulinda Ariesta (M0106069)
1. PENDAHULUAN
Percobaan merupakan serangkaian kegiatan di mana setiap tahap
dalam rangkaian benar-benar terdefinisikan, dilakukan untuk menemukan
jawaban tentang pemasalahan yang diteliti melalui suatu pengujian hipotesis.
Dari hasil pengujian tersebut nantinya dapat digunakan untuk menarik suatu
kesimpulan dari permasalahan yang diteliti.
Pada suatu percobaan tertentu yang menggunakan rancangan blok
random, semua kombinasi perlakuan mungkin tidak dapat diformulasikan pada
setiap blok. Dengan kata lain, ukuran blok cukup kecil sehingga ada perlakuan
yang tidak dapat muncul dalam blok. Pada keadaan seperti itu, maka
digunakan Rancangan Blok Random Tak Lengkap Seimbang (RBRTLS).
Dalam makalah ini akan dijelaskan tentang RBRTLS serta contoh penerapan
kasusnya.
2. RANCANGAN BLOK RANDOM TAK LENGKAP SEIMBANG
(RBRTLS)
Jika setiap perlakuan sama pentingnya, maka pemilihan perlakuan
dalam masing-masing blok harus seimbang, yaitu pemilihan perlakuan dalam
masing-masing blok harus sedemikian sehingga setiap 2 perlakuan akan
muncul/tampak bersama-sama dalam jumlah yang sama dalam seluruh
eksperimen.
Misalkan ada a buah perlakuan dan dapat dilaksanakan k (k<a) buah
perlakuan tiap blok, maka RBRTLS dapat dilaksanakan dengan
k a
buah blok,
masing-masing blok dengan kombinasi perlakuan yang berbeda.
Contoh:
RBRTLS untuk membandingkan 4 perlakuan dalam 4 blok-blok yang
masing-masing blok berukuran 3.
Blok Perlakuan
1 2 3 4
1. x X - x
2. - X x x
3. x X x -
2.1 ANALISIS STATISTIK
Pada umumnya, kita asumsikan bahwa ada a perlakuan dan b blok, lalu
diasumsikan bahwa tiap blok terdapat k perlakuan, dimana tiap perlakuan
terjadi r kali perulangan (tidak ada perlakuan yang muncul dua kali dalam tiap
blok) dan terdapat N =a⋅r=k⋅b total observasi. Jumlah dua perlakuan akan
muncul atau tampak bersama-sama dalam seluruh eksperimen yaitu
(
)
(
1)
1 −
− =
a k r
λ
Model statistik RBRTLS :
ij j i ij
Y =µ+τ +β +ε
Keterangan :
i, j mempunyai nilai sebanyak N =a⋅r replikasi perlakuan
Yij = observasi ke-i dalam blok ke-j
µ = rata-rata keseluruhan
i
τ = pengaruh dari perlakuan ke-i
j
β = pengaruh dari blok ke-j
Asumsi :
(
2)
, 0
~ σ
εij NID ; τi =0 ; βj =0
2.1.1 Langkah-langkah Analisis Statistik
a. Analisis Statistik Pengaruh Perlakuan
• Uji Hipotesis
0 ...
: 1= 2 = = a =
O
H τ τ τ
0 :
1 i ≠
H τ untuk paling sedikit sebuah i yang memiliki pengaruh
• Menentukan yang digunakan
• Daerah kritis
Ho ditolak jika F > F(α;a−1;N−a−b+1)
• Statistik Uji
RKS diperbaiki RKP
F = ( )
b. Analisis Statistik Pengaruh Blok
• Uji Hipotesis
0 ...
: 1= 2 = = a =
O
H β β β
0 :
1 j ≠
H β untuk paling sedikit sebuah j yang memiliki pengaruh
• Menentukan yang digunakan
• Daerah kritis
Ho ditolak jika F > F(α;b−1;N−a−b+1)
• Statistik Uji
RKS diperbaiki RKB
F = ( )
• Kesimpulan
2.1.2 Menghitung Jumlah Kuadrat
a. Pengaruh Perlakuan
• Jumlah Kuadrat Total (JKT)
JKT = JKP(diperbaiki) + JKB + JKS
N Y Y JKT
i j ij
2 2 ..
−
= ; db = N – 1
• Jumlah Kuadrat Blok (JKB)
=
− =
b
j j
N Y k Y JKB
1
2 2
.. .
; db = b - 1
• Jumlah Kuadrat Perlakuan Diperbaiki (JKPdiperbaiki)
a Q k diperbaiki JKP
a
i i
. )
( 1
2
λ
=
= ; db = a - 1
Dimana
=
− =
b
j j ij i
i n Y
k Y Q
1 . .
1
; i = 1, 2, ..., a ; 0
1
=
=
a
i i
Q
, 1 =
ij
n bila perlakuan ke-i muncul pada blok ke-j
nij = 0, bila perlakuan tidak muncul
Keterangan
Tujuan JKP(diperbaiki) untuk memisahkan efek perlakuan dan blok. Ini perlu
karena tiap perlakuan diwakili dalam himpunan yang berbeda dari r blok.
Sedangkan perlakuan total yang tidak diperbaiki
(
Y1,,Y2.,...,Ya.)
dipengaruhioleh perlakuan dan perbedaan antar blok.
• Jumlah Kuadrat Sesatan (JKS)
JKS = JKT - JKP(diperbaiki) - JKB ; db = N - a - b + 1
Tabel Anava
Sumber variasi
JK
(Jumlah Kuadrat)
db (derajat kebebasan)
RK (Rataan Kuadrat)
Fo
Perlakuan (diperbaiki)
a Q
k i
λ
2 A - 1
1 − a JKPdiperbaiki
RKS diperbaiki RKP Fo
) (
=
Blok
− N Y k
j
Y. 2 ..2 B - 1
1 − b JKB
Sesatan JKS = JKT - JKP(diperbaiki) - JKB
N - a - b + 1
1 + − −a b N
JKS
Total
− N Y Yij
2
2 .. N - 1
b. Pengaruh Blok
• Jumlah Kuadrat Total (JKT)
JKT = JKP+ JKB(diperbaiki) + JKS
N Y Y JKT
i j ij
2 2 ..
−
= ; db = N – 1
• Jumlah Kuadrat Perlakuan (JKP)
=
− =
a
i i
N Y r Y JKP
1
2 2
. ..
; db = a - 1
• Jumlah Kuadrat Blok Diperbaiki (JKBdiperbaiki)
b Q r diperbaiki JKB
b
j j
. )
( 1
2
λ
=
Dimana
=
− =
a
i i ij j
j n Y
r Y Q
1 . .
1
' ; i = 1, 2, ..., a ; 0
1
=
=
b
j j
Q
, 1 =
ij
n bila perlakuan ke-i muncul pada blok ke-j
nij = 0, bila perlakuan tidak muncul
Keterangan
r = ukuran perlakuan
Qj = jumlah blok ke-j yang diperbaiki
• Jumlah Kuadrat Sesatan (JKS)
JKS = JKT - JKB(diperbaiki) - JKP ; db = N - a - b + 1
Tabel Anava
Sumber variasi
JK
(Jumlah Kuadrat)
db (derajat kebebasan)
RK (Rataan Kuadrat)
Fo
Blok (diperbaiki)
b Q r
b j
j
.
1 2
λ
=
b - 1
1 − b JKBdiperbaiki
RKS diperbaiki RKB Fo
) (
=
Perlakuan
=
−
a
i i
N Y r Y
1
2 2
. ..
a - 1
1 − a JKP
Sesatan JKS = JKT - JKB(diperbaiki) - JKP
N – a - b + 1
1 + − −a b N
JKS
Total
− N Y Yij
2
2 .. N - 1
2.2 ANALISIS LANJUTAN
Jika H0 ditolak, maka paling tidak ada satu perlakuan yang berbeda.
Sehingga dapat diuji dengan uji Range Berganda Duncan, yaitu
membandingkan semua pasangan rata-rata perlakuan yang diperbaiki yang
diestimasi oleh τˆi(untuk pengaruh perlakuan).
Langkah-langkah analisisnya :
(1) Pasangan rata-rata perlakuan yang diperbaiki (diestimasi oleh τˆi) diurutkan
dari kecil ke besar.
a kQi
i
. ˆ
λ
(2) Menghitung standar eror perlakuan yang diperbaiki
(5) Membandingkan selisih rata-rata perlakuan dengan Rp
(6) H0 ditolak jika selisih rata-rata perlakuan yang diperbaiki > Rp
(
τi−τj >Rp)
; i ≠ j(7) Kesimpulan jika H0 ditolak, berarti kedua perlakuan tersebut mempunyai
rata-rata yang berbeda.
3. ESTIMASI KUADRAT TERKECIL DARI PARAMETER
Anggap estimasi pengaruh perlakuan untuk model Blok Random Tak Lengkap
Seimbang. Persamaan kuadrat terkecil normal adalah
untuk mengeliminasi pengaruh blok dari persamaan {τi}, didapatkan
=
Sekarang selama
=
Dapat ditulis kembali persamaan
Catatan bahwa ˆ 0
1
=
=
a
i i
τ menyatakan secara tidak langsung bahwa i
a
i p p
i τ
τˆ ˆ
1
− =
≠ =
dan r(k-1)=λ(a-1) untuk mendapatkanλaτˆi =kQi i = 1,2, … ,a
oleh karena itu estimasi kuadrat terkecil dari RBRTLS adalah
a kQi
i
λ
τˆ = i = 1,2, … ,a
5. CONTOH KASUS
Data dan penelitian ini merupakan data dan penelitian yang diperoleh
atau bersumber dari skripsi salah satu mahasiswa pertanian UNS.
Seorang peneliti meneliti pengaruh lama vernalisasi pada suatu
tanaman. Peneliti memperkirakan bahwa perbedaan konsentrasi Asam
Gibberrelat (GA3) yang diberikan pada tanaman tersebut mungkin mempunyai
pengaruh. Oleh karena itu peneliti memutuskan untuk menggunakan
konsentrasi GA3 sebagai blok percobaan. Tetapi karena keterbatasan GA3,
tidak semua perlakuan dapat dicobakan. Sehingga peneliti menggunakan
rancangan blok random tak lengkap seimbang. Dari percobaan diperoleh data
umur tanaman mulai berbunga (hari).
Data yang diperoleh sebagai berikut
Konsentrasi GA3 (ppm) Lama
Vernalisasi (hari)
0 500 1000 1500
0 45 47 - 45
14 - 33 45 49
28 46 - 46 42
42 41 47 46 -
Penyelesaian :
1. Dilakukan uji asumsi
Asumsi Kenormalan
Asumsi kenormalan dipenuhi apabila Normal probability plot of residuals
Dari plot dapat dilihat bahwa plot membentuk atau mendekati garis lurus
sehingga asumsi kenormalan dipenuhi.
Asumsi Homogenitas variansi
1. Asumsi homogenitas variansi dipenuhi jika Residual Versus the
Fitted Values tidak membentuk suatu pola tertentu atau acak.
Dari plot di atas dapat dilihat bahwa plot tidak membentuk suatu pola
tertentu atau acak, sehingga asumsi homogenitas dipenuhi.
5 0
-5 2
1
0
-1
-2
N
o
rm
a
l S
c
o
re
Residual
Normal Probability Plot of the Residuals
(response is RESPON)
48 47 46 45 44 43 42 41 40 5
0
-5
Fitted Value
R
e
si
d
u
a
l
Residuals Versus the Fitted Values
2. Uji Bartlett
0 50 100
95% Confidence Intervals for Sigmas
Bartlett's Test
Test Statistic: 6.210
P-Value : 0.102
Levene's Test
Test Statistic: 1.011
P-Value : 0.437
Factor Levels
1
2
3
4
Test for Equal Variances for data
Test for Equal Variances
Response data Factors ver ConfLvl 95.0000
Bonferroni confidence intervals for standard deviations
Lower Sigma Upper N Factor Levels
0.51256 1.15470 14.583 3 1 3.69612 8.32666 105.160 3 2 1.02512 2.30940 29.166 3 3 1.42690 3.21455 40.598 3 4
Bartlett's Test (normal distribution)
Test Statistic: 6.210 P-Value : 0.102
Levene's Test (any continuous distribution)
Test Statistic: 1.011 P-Value : 0.437
Test for Equal Variances: data vs ver
MTB > %Vartest 'data' 'ga3'; SUBC> Confidence 95.0.
Executing from file: C:\Program Files\MTBWIN\MACROS\Vartest.MAC
Test for Equal Variances
Response data Factors ga3 ConfLvl 95.0000
Bonferroni confidence intervals for standard deviations
Lower Sigma Upper N Factor Levels
1.17442 2.64575 33.414 3 1 3.58791 8.08290 102.081 3 2 0.25628 0.57735 7.292 3 3 1.55889 3.51188 44.353 3 4
Bartlett's Test (normal distribution)
Test Statistic: 7.757 P-Value : 0.051
Levene's Test (any continuous distribution)
Test Statistic: 0.531 P-Value : 0.674
Test for Equal Variances: data vs ga3
Oleh karena P-Value < Test Statistic maka semua perlakuan mempunyai
variansi yang sama.
Asumsi independensi
Asumsi independensi dipenuhi jika Residual versus the order of the
data tidak membentuk suatu pola tertentu atau acak
2 4 6 8 10 12 14 16
-5 0 5
Observation Order
R
e
s
id
u
a
l
Residuals Versus the Order of the Data
Dari plot di atas dapat dilihat bahwa plot tidak membentuk suatu pola tertentu
atau acak, sehingga asumsi independensi dipenuhi.
Kesimpulan :
Karena ketiga asumsi dipenuhi maka tidak terdapat ketidakcocokan model
dengan data.
3. Dilakukan uji Hipotesis
Konsentrasi GA3 (ppm) Lama Vernalisasi
(hari) 0 500 1000 1500 Yi.
(i) Analisis Statistik Pengaruh Perlakuan (Lama vernalisasi)
1
Tabel Anava
Sumber variasi db JK RK F
Lama vernalisasi (diperbaiki)
3 27,55 9,183
tanaman mulai berbunga)
0 :
1 i ≠
H τ (paling tidak ada satu perlakuan lama vernalisasi yang
mempengaruhi umur tanaman mulai berbunga)
bahwa lama vernalisasi tidak mempengaruhi umur tanaman mulai
berbunga.
Karena dari hasil uji hipotesis diperoleh bahwa H0 tidak ditolak, maka tidak perlu
dilakukan analisis lanjut.
(ii) Analisis Statistik Pengaruh Blok (konsentrasi GA3)
Sumber variasi db JK RK F
Lama vernalisasi 3 18
Konsentrasi GA3
(diperbaiki)
3 30.28 10.05
Sesatan 5 142,39 28.478
Total 11 190,67
F = 0.35
• Uji Hipotesis
0 ...
: 1= 2 = = a =
O
H β β β (konsentrasi GA3 tidak mempengaruhi umur
tanaman mulai berbunga)
0 :
1 j ≠
H β (paling tidak ada satu blok konsentrasi GA3 yang
mempengaruhi umur tanaman mulai berbunga)
• Digunakan = 0,05
• Daerah kritis
Ho ditolak jika F' >F(0,05;3;5) =5,41
• Statistik Uji
35 , 0 ) (
' = =
RKS diperbaiki RKB
F
• Kesimpulan
Karena F’ < F(0,05;3;5) = 0,35 < 5,41 maka Ho tidak ditolak, yang berarti
bahwa konsentrasi GA3 yang diberikan pada tanaman tidak
mempengaruhi umur tanaman mulai berbunga.
Karena dari hasil uji hipotesis diperoleh bahwa H0 tidak ditolak, maka tidak perlu
dilakukan analisis lanjut.
Hasil uji yang diperoleh dengan Minitab 13 adalah sebagai berikut
General Linear Model: RESPON versus VERNALISASI, GA3
Factor Type Levels Values VERNALIS fixed 4 1 2 3 4 GA3 fixed 4 1 2 3 4
Source DF Seq SS Adj SS Adj MS F P VERNALIS 3 18.00 27.58 9.19 0.32 0.810 GA3 3 30.25 30.25 10.08 0.35 0.789 Error 5 142.42 142.42 28.48
Total 11 190.67
Kesimpulan :
1. Analisis statistik dengan pengaruh perlakuan diperoleh nilai p = 0,810 >
= 0,05 maka H0 tidak ditolak yang berarti bahwa lama vernalisasi tidak
mempengaruhi umur tanaman mulai berbunga.
2. Analisis statistik dengan pengaruh blok diperoleh nilai p = 0,789 > =
0,05 maka H0 tidak ditolak yang berarti bahwa konsentrasi GA3 yang
diberikan pada tanaman tidak mempengaruhi umur tanaman mulai
berbunga.
6. KESIMPULAN
Berdasarkan hasil pembahasan diperoleh kesimpulan sebagai berikut :
1. Model statistik Rancangan Blok tak Lengkap Seimbang adalah
ij j i ij
Y =µ+τ +β +ε
Keterangan :
i, j mempunyai nilai sebanyak N =a⋅r replikasi perlakuan
Yij = observasi ke-i dalam blok ke-j
µ = rata-rata keseluruhan
i
τ = pengaruh dari perlakuan ke-i
j
β = pengaruh dari blok ke-j
Asumsi : ε ~ NID
(
0,σ2)
ij ; τi =0 ; βj =0
2. Jika H0 ditolak maka, paling tidak ada satu perlakuan yang berbeda.
Sehingga dapat dilakukan uji Range Berganda Duncan, yaitu
membandingkan semua pasangan rata-rata perlakuan yang diperbaiki
7. DAFTAR PUSTAKA
Montgomery, D. C. (1991). Design and Analysis of Experiments . John