Rancangan Acak Lengkap
Created by : Ika Damayanti, S.Si, M.Si
RAL (Rancangan Acak Lengkap)
Desain dimana perlakuan dikenakan sepenuhnya secara acak kepada unit- unit eksperimen.
Desain ini dapat digunakan bila unit eksperimen bersifat homogen.
Contoh RAL :
Pemberian obat
Seseorang ingin mengetahui perbedaan mengenai pengaruh dari 4 macam pupuk terhadap hasil
panen jagung. (jenis 1,2,3,4)
Pemberian vitamin pada ayam
Dosis 1 Dosis o
Dosis 2
jantan betina
Percobaan dengan satu faktor
Eksperimen dimana hanya mempunyai satu faktor yang nilainya berubah- ubah.
Contoh :
Seseorang insinyur tertarik meneliti kekuatan tarik dari sebuah serat sintetik baru yang akan digunakan untuk membuat baju laki – laki.
Insinyur tersebut mengetahui dari percobaan sebelumnya bahwa kekuatan dipengaruhi oleh persentase serat yang digunakan dalam campuran material serat.
Lebih jauh peneliti menduga bahwa adanya kandungan kapas akan meningkatkan kekuatan tarik. Insinyur tersebut memutuskan untuk menguji lima level dari % kandungan kapas: 15,20,25,30,35.
Insinyur tersebut juga memutuskan untuk menguji lima
spesimen/bahan pada masing2 level dari kandungan kapas.
(Montgomery, D. C., 2001;page 60 atau Montgomerry, D.C., 1991, pg 39)
Percobaan dengan satu faktor
Level (a) yang berbeda dari suatu faktor disebut perlakuan (i).
Data dalam tabel 1 menunjukkan pengamatan ke – j dengan perlakuan i.
Maka percobaan diatas merupakan contoh dari percobaan dengan faktor tunggal, dengan level (a=5), replikasi (n=5). Sehingga terdapat 25 run dalam urutan acak.
Ilustrasi (1)
Untuk menunjukkan bagaimana urutan tersebut di randomisasi, maka misalkan kita buat nomor dari urutan sbb :
% kandungan kapas
Nomor percobaan
15 1 2 3 4 5
20 6 7 8 9 10
25 11 12 13 14 15 30 16 17 18 19 20 35 21 22 23 24 25
Ilustrasi (2)
Pilih nomor secara acak antara 1 sampai 25.
(misal nomer tersebut adalah 8)
Maka pengamatan no 8 dilakukan terlebih dulu.
Proses ini diulang sampai ke- 25 pengamatan terisi.
Urutan Percobaan
Nomor yang di -
run
% berat cotton
1. 8 20
2. 18 30
3. 10 20
4. 23 35
5. 17 30
6. 5 15
7. 14 25
8. 6 20
9. 15 25
10. 20 30
11. 9 20
12. 4 15
13. 12 25
14. 7 20
15. 1 15
16. 24 35
17. 21 35
18. 11 25
19. 2 15
20. 13 23
21. 22 35
22. 16 30
23. 25 35
24. 19 30
25. 3 15
Ilustrasi (3)
Misalkan, didapat hasil urutan sebagai berikut:
Lanjutan …
Setelah dilakukan percobaan, maka didapatkan data sbb:
Observasi
% kandungan
kapas 1 2 3 4 5
15 7 7 15 11 9 49 9,8
20 12 17 12 18 18 77 15,4 25 14 18 18 19 19 88 17,6 30 19 25 22 19 23 108 21,6
35 7 10 11 15 11 54 10,8
376 15,04 Total Average
)
(yi. (yi.)
Grafik (1)
Untuk melihat pola data, dilihat secara grafis:
35%
30%
25%
20%
15%
25
20
15
10
5
Data
Boxplot of 15%, 20%, 25%, 30%, 35%
(Output MINITAB Vs. 15)
Grafik (2)
35%
30%
25%
20%
15%
25
20
15
10
5
% kandungan kapas
Kekuatan Tarik (lb/inc2)
Individual Plot Kekuatan Tensile VS % berat cotton
(Output MINITAB Vs. 15)
Apa yang dapat disimpulkan dari gambar?
Kedua grafik menunjukkan bahwa kekuatan tarik naik sesuai kenaikan kandungan kapas, tapi jika
kandungan kapas lebih dari 30% terlihat terjadi penurunan dalam kekuatan tarik.
Dari gambar tersebut belum bisa disimpulkan bahwa terdapat perbedaan kekuatan tarik pada persentase kandungan kapas.
Berdasarkan grafik sederhana, dapat diduga:
Kandungan kapas mempengaruhi kekuatan tarik
Jika kandungan kapas dalam kain sebesar 30%
berada dalam kekuatan tarik maksimum.
Prosedur yang tepat untuk menguji kesamaan
beberapa means adalah analisis varians (ANOVA).
Analisis Variansi - Satu Arah (one way-ANOVA )
ANOVA adalah :
suatu analisis yang digunakan untuk menyelidiki hubungan antara variabel respon (dependen) dengan satu atau beberapa variabel prediktor (independen).
ANOVA tidak mempunyai koefisien (parameter)
model.
ANOVA untuk RAL
Misal terdapat a perlakuan yang akan dibandingkan. Respon percobaan dari masing-masing perlakuan a merupakan variabel acak.
Dalam bentuk tabulasi, data tersebut adalah : Observasi
Perlakuan
1 2 … … n
Total Rata-rata 1 y11 y12 … … y1n y1.
.
y1
2 y21 y22 … … y2n y2.
.
y2
M M M … … M M M
M M M … … M M M
a ya1 ya2 … … yan ya.
.
ya
y..
y..
Model percobaan
Persamaan untuk model RAL adalah :
Dengan keterangan :
) 1 ,..., (
2 , 1
,..., 2 , 1
⎩ ⎨
⎧
=
∈ = + +
= j n
a y
ijµ τ
i iji
yij adalah variable yang akan dianalisis, dimisalkan berdistribusi normal
µ adalah rata-rata umum atau rata-rata sebenarnya
τi adalah efek perlakuan ke i
∈ij adalah kesalahan, berupa efek yang berasal
dari unit eksperimen ke j yang dikenai perlakuan ke i
Model Percobaan
Dalam model statistik, persamaan (1) dapat dijelaskan menjadi dua kondisi.
1. Model Efek Tetap
Peneliti telah menentukan terlebih dahulu level faktornya.
Model ini membawa ke hipotesis nol bahwa tidak terdapat perbedaan diantara efek2 a buah perlakuan yang terdapat dalam eksperimen.
Kesimpulan hanya berlaku untuk a buah perlakuan yang terdapat dalam eksperimen.
2. Model Efek acak
Peneliti memilih secara acak a level dari populasi level faktor, maka dikatakan bahwa faktornya acak/random.
hipotesis nol yang berbunyi tidak ada perbedaan di antara efek2 semua perlakuan didalam populasi di mana sebuah sampel telah diambil sebanyak a perlakuan.
Kesimpulan berlaku untuk populasi perlakuan
berdasarkan sebuah sampel terdiri a buah perlakuan yang diambil dari populasi itu.
Model Efek Tetap
Dalam model efek tetap, efek perlakuan biasanya didefinisikan sebagai deviasi dari rata- rata mean,
sehingga :
Hipotesisnya :
τ
i0
1
∑ =
= a
i
τ
i0 1
0 ...
1
2 1
0
≠
=
=
=
=
=
=
i a
tidak paling
H H
τ τ τ
τ
Lanjutan …
Jika :
∑
==
=
= n
j
i i
ij
i y y y n i a
y
1
. .
. , ; 1,2,...,
N y y
y y
a
i n
j
ij
.. /
..
1 1
..
=
=
∑∑
= =
dengan : N = an
[ ]
∑ ∑∑ ∑∑
∑∑
∑∑
= = = = =
= =
= =
−
− +
− +
−
=
− +
−
=
−
=
a
i
a
i n
j
a
i n
j
i ij
i i
ij i
a
i n
j
i ij
i a
i n
j
ij T
y y
y y
y y
y y
n
y y
y y
y y
SS
1 1 1 1 1
. .
2 . 2
.
2
1 1
. .
2
1 1
) ..)(
( 2
) (
..) (
) (
..) (
..) (
Lanjutan …
Oleh karena itu didapat :
catat bahwa :
0 ) / ( )
( . . .
1
.
. = − = − =
∑
−=
n y n y
y n y
y
y i i i
n
j
i i
ij
∑ ∑∑
∑∑
= = = = =− +
−
=
−
= a
i
a
i
n
j
i ij
i a
i
n
j
ij y n y y y y
y SST
1 1 1
2 . 2
. 2
1 1
) (
..) (
..) (
E Treatment
T
SS SS
SS = +
∑ ∑
∑∑
= = = = ⎥⎥⎦
⎤
⎢⎢
⎣
⎡ −
=
−
= a
i
n
j
i ij
a
i
n
j
i ij
E y y y y
SS
1
2
1
. 2
1 1
.) ( )
(
Tabel ANOVA
Sumber Variasi
SS df MS F0
Treatment
∑=
−
= a
i i
Treatment n y y
SS
1
2
. ..)
( a-1 MSTreatment = SSTreatment /(a −1)
E Treatment
MS F = MS
Error (dalam
percobaan)
Treatment T
E SS SS
SS = − N-a MSE = SSE /(N − a)
Total 2
1 1
..)
∑∑
(= =
−
= a
i n
j
ij
Total y y
SS
N-1
Tolak H0 jika F0 > Fα,a−1,N−a
Asumsi residual dalam ANOVA
) ,
0 (
~ IIDN σ
2∈
ijPenyelesaian Contoh Kasus :
Model yang berlaku untuk data ini :
ij i
yij = µ +τ +∈
yij = kekuatan tarik kain ke – j pada kandungan kapas ke – i µ = adalah rata-rata umum kekuatan tarik
τi = adalah kandungan kapas ke i
∈ij = kesalahan yang merupakan efek kekuatan tarik kain ke j yang di beri kandungan kapas ke i
Hipotesis
0 =
H tidak terdapat perbedaan pengaruh % kandungan kapas terhadap kekuatan tarik kain
0 =
H paling tidak terdapat satu perbedaan pengaruh % kandungan kapas terhadap kekuatan tarik kain
Perhitungan
96 , 636
25 ) 376 ) (
11 ( ....
) 7 (
..) (
2 2
2
2 ..
5
1 5
1
2 5 2
1 5
1
=
− +
+
=
−
=
−
=
∑ ∑
∑ ∑
= =
= =
N y y
y y
SS
i j
ij
i j
ij Total
20 . 161
76 . 475 96
. 636
=
−
=
−
= T Treatment
E SS SS
SS
76 . 475
25 ) 376 ( 5
) 54 ( ...
) 49 (
..) (
2 2
2 1
2 .
=
+ −
= +
−
=
∑
= a
i
i
Treatment n y y
SS
Tabel ANOVA
Sumber Variasi
SS df MS F0
Treatment 475.76 4 118.94 14.76 Error (dalam
percobaan)
161.20 20 8.06
Total 636.96 24
20 , 4 , 05 . 0
0 F
F >
Tolak H0 karena 14.76 > 2.87
Jadi terdapat perbedaan rata-rata pengaruh %tase kandungan kapas terhadap kekuatan tarik kain.
Perhitungan menggunakan Minitab 15
Output Minitab
One-way ANOVA: kekuatan tarik versus %kandungan kapas Source DF SS MS F P
%kandungan kapas 4 475.76 118.94 14.76 0.000 Error 20 161.20 8.06
Total 24 636.96
S = 2.839 R-Sq = 74.69% R-Sq(adj) = 69.63%
Pengujian asumsi residual
5.0 2.5 0.0 -2.5 -5.0 99 90 50
10 1
Residual
Percent
20.0 17.5 15.0 12.5 10.0 5.0 2.5 0.0 -2.5 -5.0
Fitted Value
Residual
6 4 2 0 -2 -4 -6 6.0 4.5 3.0 1.5
0.0
Residual
Frequency
Mean -9.23706E-16
StDev 2.592
N 25
24 22 20 18 16 14 12 10 8 6 4 2 5.0 2.5 0.0 -2.5 -5.0
Observation Order
Residual
Normal Probability Plot Versus Fits
Histogram Versus Order
Residual Plots for kekuatan tarik
distribusi Normal
homogen
independen
Model Efek Random
Karena level dari faktor dipilih secara acak, maka kesimpulan yang dibuat dapat mewakili populasi dari level faktor.
Model dari efek acak :
Dengan dan merupakan variabel acak.
Hipotesis
) 2 ,..., (
2 , 1
,..., 2 , 1
⎩⎨
⎧
=
∈ = + +
= j n
a yij µ τi ij i
τ
i ∈ij0 0
2 1
2 0
≠
=
=
=
τ τ
σ σ H
H
ANOVA
ANOVA dan perhitungan untuk model efek random sama dengan model efek tetap. Yang membedakan hanya kesimpulan yang berlaku untuk populasi.