RANCANGAN PERCOBAAN
RANCANGAN BUJUR SANGKAR YOUDEN
Disusun Oleh :
Ferry Harsi Purniawati M0105006
Airenda Huttayana S M0105020
Betty Febriyanti M0105028
Dyah Asri W M0105033
Dinny Oktapiany M0106009
Gerry Lineker M0106011
Dewi Anugraheni M0106035
Drajat Indra Purnama M0106038
Ratna Dewi Ayu N M0106059
Widya Pratesa A M0106068
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PRNGETAHUAN ALAM UNIVERSITAS SEBELAS MARET
1. PENDAHULUAN
Dalam suatu percobaan atau suatu penelitian sering bergantung pada kecakapan dalam pemilihan metode analisis yang tepat, termasuk juga cara-cara perencanaan yang tepat untuk mendapatkan data yang diperlukan atau yang dikenal dengan rancangan percobaan. Tujuan dari rancangan percobaan adalah untuk mengumpulkan informasi sebanyak-banyaknya sehingga berguna dalam penelitian yang dibahas.
Dalam suatu percobaan atau penelitian seringkali dihadapkan pada kondisi yang beraneka ragam, termasuk unit-unit percobaan dan perlakuan yang diamati. Apabila dalam suatu percobaan ingin menghilangkan dua jenis variasi dimana dalam menghilangkan dua jenis variasi tersebut dilakukan dengan pemblokan dua arah maka pada kasus ini dapat digunakan beberapa metode, tergantung dari banyaknya baris, kolom dan perlakuan yang diamati. Apabila banyaknya kolom sama dengan banyaknya baris dan perlakuan yang diamati maka digunakan Rancangan Bujur Sangkar Latin (RBSL) akan tetapi apabila banyaknya kolom tidak sama dengan banyaknya baris dan perlakuan yang diamati maka digunakan Rancangan Bujur Sangkar Youden (RBSY).
2. RANCANGAN BUJUR SANGKAR YOUDEN 2.1 Pengertian
Rancangan Bujur Sangkar Youden (RBSY) dikembangkan oleh W.J Youden. Bujur sangkar Youden adalah bujur sangkar Latin yang tidak lengkap karena jumlah kolomnya tidak sama dengan jumlah baris dan perlakuan yang diteliti. Contoh dari rancangan bujur sangkar Youden adalah sebagai berikut
Posisi Blok
1 2 3
1 A B C
2 B A D
Contoh di atas merupakan contoh bujur sangkar Youden dengan jumlah kolom = 3, jumlah baris = 4, dan jumlah perlakuan = 4 (A, B,C, dan D). Terlihat jumlah baris sama dengan jumlah perlakuan dan jumlah kolom berbeda dengan jumlah baris dan perlakuan.
Selain itu Rancangan Bujur Sangkar Youden (RBSY) dapat merupakan Rancangan Bujur Sangkar Latin tak lengkap yaitu dengan menambah paling sedikit satu kolom, baris , atau diagonal, karena dengan penambahan tersebut akan didapat bujur sangkar Latin. Misalkan pada contoh RBSY di atas apabila pada baris pertama ditambah perlakuan D, pada baris kedua ditambah perlakuan C, pada baris ketiga ditambah perlakuan A, dan pada baris keempat ditambah perlakuan B maka akan didapat RBSL dengan ukuran 4 x 4 sebagai berikut
Posisi Blok
1 2 3 4
1 A B C D
2 B A D C
3 C D B A
4 D C A B
Selain itu RBSY juga dapat dibuat dari semua Rancangan Blok tak lengkap seimbang.
2.2 Analisis Statistik
Rancangan Bujur Sangkar Youden memiliki model statistik sebagai berikut
ijk i j h ijh
Y =µ α+ +τ +β +ε
dengan
Yijk : hasil observasi yang dicatat dari blok ke-i, perlakuan ke-j, dan posisi ke-h
µ: mean keseluruhan i
α : efek blok ke-i j
h
β : efek posisi ke-h
ijh
ε : sesatan random, dimana εijh~DNI(0,σ2).
Selanjutnya jika diasumsikan bahwa banyaknya perlakuan sama dengan a dan banyaknya blok sama dengan b maka pada RBSY banyaknya perlakuan sama dengan banyaknya blok atau a=b. Jika banyak masing-masing perlakuan muncul dalam seluruh percobaan (replikasi) sama dengan r dan banyaknya perlakuan dalam tiap blok sama dengan k maka setiap dua perlakuan muncul atau tampak bersama-sama dalam jumlah yang sama dalam seluruh percobaan dapat dituliskan dengan
( 1)
dimana : Y… adalah jumlah dari seluruh hasil observasi yang dicatat dan N adalah banyaknya hasil observasi yang dicatat
JKP(Diperbaiki) =
dimana : ϕj : jumlah perlakuan ke-j yang diperbaiki dan dapat dituliskan :
j
Tujuan dari JKP(Diperbaiki) adalah untuk memisahkan antara efek perlakuan dan blok, hal ini perlu karena setiap perlakuan diwakili dalam himpunan yang berbeda dari r blok.
JKPosisi =
2 2
..
1
... k
h
h
Y Y
b N
=
− ; (db) = k-1
JKSesatan = JKT - JKP(Diperbaiki) - JKBlok - JKPosisi ; (db) = N-a-b-k+2 Selain itu dari uraian diatas dapat dibentuk tabel ANAVA sebagai berikut : Sumber
Variasi
Db JK RK F
Perlakuan a-1 JKP(Diperbaiki) RKP(Diperbaiki) =
1
) (
− a
JKPDiperbaiki F = RKS RKP(Diperbaiki)
Blok b-1 JKBlok
RKBlok = JKB b-1
Posisi k-1 JKPosisi
RKPosisi = JKP k-1 Sesatan N-a-b-k+2 JKS
RKS = JKS N-a-b -k+2
Total N-1 JKT
Untuk uji hipotesis adalah sebagai berikut : H0 : τ1=τ2 =...=τa =0
H1 : τi≠0, untuk paling sedikit sebuah i Daerah kritis H0 ditolak jika F0 > F( ;αa−1;N a b k− − − +2)
Statistik uji F =
RKS RKP(Diperbaiki)
Menarik kesimpulan.
Jika Ho ditolak maka dilakukan uji jarak berganda Duncan, dengan langkah-langkah sebagai berikut:
1. efek perlakuan ke i diurutkan dari kecil ke besar 2. menghitung sesatan standar
a RKS k S
. .
λ =
3. Menacari nilai r(α,p,f), p = 2,3, ...., a
4. Mencari nilai Rp = r(α,p,f) . S
5. Membandingkan selisih rata-rata perlakuan dengan Rp
^
. 1 ^
. τ
τa− dibandingkan dengan Ra
^
. 2 ^
. τ
τa− dibandingkan dengan Ra-1
^
). 1 ( ^
.− a−
a τ
τ dibandingkan dengan R2
6. Jika selisih efek perlakuan > Rp maka berbeda .
Jika terdapat dua efek perlakuan berbeda, tetapi terletak diantara dua efek perlakuan yang sama, maka perbedaan tersebut tidak signifikan.
3. CONTOH APLIKASI RANCANGAN BUJUR SANGKAR YOUDEN Ada lima cara menanam tanaman yang ingin diteliti, apakah cara tanam mempengaruhi hasil produksi tanaman? cara mana yang menghasilkan produksi tanaman yang paling baik? Untuk percobaan tersedia lima lokasi akan tetapi di setiap lokasi hanya tersedia empat petak tanah percobaan yang bisa digunakan. Hasil percobaan dari tiap petak diperoleh data sebagai berikut:
Petak Percobaan Lokasi
1 2 3 4
1 A(12) B(10) C(12) D(9)
2 B(9) C(9) D(15) E(17)
3 C(7) D(13) E(14) A(18)
4 D(11) E(10) A(20) B(16)
5 E(13) A(16) B(18) C(9)
Akan dilakukan analisis terhadap data tersebut sebagai berikut : A. Penyelesaian dengan cara manual :
Petak Percobaan Lokasi
1 2 3 4 Total
1 A(12) B(10) C(12) D(9) 43
2 B(9) C(9) D(15) E(17) 50
3 C(7) D(13) E(14) A(18) 52
4 D(11) E(10) A(20) B(16) 57
5 E(13) A(16) B(18) C(9) 56
Dari data , diperoleh,
N = 20 ; b = a = 5 ; k = r = 4 ; dan λ = 3 Jumlah perlakuan A = 66
Untuk j = 5 ( perlakuan E )
Perlakuan ( diperbaiki ) apakah kelima cara tanam mempengaruhi hasil produksi tanaman dan cara mana yang menghasilkan lebih baik, yaitu sebagai berikut
0
H : Tidak terdapat pengaruh lima cara tanam terhadap hasil produksi tanaman
1
Kesimpulan
Karena F= 4,6785 > F0,05;4;8= 3,84 , maka Ho ditolak yang artinya terdapat pengaruh cara tanam terhadap hasil produksi tanaman.
Karena terdapat pengaruh cara tanam terhadap hasil produksi tanaman, maka dicari cara tanam mana yang memberikan hasil produksi tanaman yang paling baik. Yaitu dengan menggunakan Uji Duncan.
1. efek perlakuan diurutkan dari kecil ke besar 73
Kemudian rata-rata tersebut diurutkan dari kecil ke besar, urutannya adalah
2. menghitung sesatan standar
a
R (3,26)(1,2018) =3,9179
= 3
R (3,39)(1,2018) =4.0741
=
4
R (3,47)(1,2018) =4.1702
= 5
5. Membandingkan selisih efek perlakuan dengan Rp 6. Jika selisih rata-rata perlakuan > Rp maka berbeda .
Dari perhitungan di atas yang berbeda adalah Perlakuan A dan D, dengan efek terbesar adalah A Perlakuan A dan C, dengan efek terbesar adalah A
Dari pernyataan di atas, dapat disimpulkan bahwa antara perlakuan B,C,D dan E memberikan efek yang sama, dan perlakuan A,B dan E juga memberikan efek yang sama.
A
B. Penyelesaian dengan Menggunakan Software Minitab
# Pengaruh lima cara tanam terhadap hasil produksi tanaman
0
H : Tidak terdapat pengaruh lima cara tanam terhadap hasil produksi tanaman
Statistik uji
Dari output minitab di dapat
General Linear Model: respon versus cara tanam, lokasi, petak percobaan
Factor Type Levels Values cara tan fixed 5 1 2 3 4 5 lokasi fixed 5 1 2 3 4 5 petak pe fixed 4 1 2 3 4
Analysis of Variance for respon, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P cara tan 4 110.300 101.367 25.342 4.68 0.031 lokasi 4 22.367 22.367 5.592 1.03 0.447 petak pe 3 85.800 85.800 28.600 5.28 0.027 Error 8 43.333 43.333 5.417
Total 19 261.800
Kesimpulan
Karena P = 0.031< = 0.05 maka H0 ditolak, artinya terdapat pengaruh cara tanam terhadap hasil produksi tanaman.
# Pengaruh lokasi terhadap hasil produksi tanaman
0
H : Tidak terdapat pengaruh lokasi terhadap hasil produksi tanaman H1 : Terdapat pengaruh lokasi terhadap hasil produksi tanaman
= 0.05
0
H di tolak jika P < Statistik uji
Dari output minitab di dapat
General Linear Model: respon versus cara tanam, lokasi, petak percobaan
Factor Type Levels Values cara tan fixed 5 1 2 3 4 5 lokasi fixed 5 1 2 3 4 5 petak pe fixed 4 1 2 3 4
Analysis of Variance for respon, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P cara tan 4 110.300 101.367 25.342 4.68 0.031 lokasi 4 22.367 22.367 5.592 1.03 0.447 petak pe 3 85.800 85.800 28.600 5.28 0.027 Error 8 43.333 43.333 5.417
Kesimpulan
Karena P = 0.447 > = 0.05 maka H0 ditolak, artinya tidak terdapat pengaruh lokasi terhadap hasil produksi tanaman. Maka tidak perlu dilakukan pemblokan untuk lokasi.
# Pengaruh petak percobaan terhadap hasil produksi tanaman
0
H : Tidak terdapat pengaruh petak percobaan terhadap hasil produksi tanaman
H1 : Terdapat pengaruh petak percobaan terhadap hasil produksi tanaman
= 0.05
0
H di tolak jika P < Statistik uji
Dari output minitab di dapat
General Linear Model: respon versus cara tanam, lokasi, petak percobaan
Factor Type Levels Values cara tan fixed 5 1 2 3 4 5 lokasi fixed 5 1 2 3 4 5 petak pe fixed 4 1 2 3 4
Analysis of Variance for respon, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P cara tan 4 110.300 101.367 25.342 4.68 0.031 lokasi 4 22.367 22.367 5.592 1.03 0.447 petak pe 3 85.800 85.800 28.600 5.28 0.027 Error 8 43.333 43.333 5.417
Total 19 261.800
Kesimpulan
Dilakukan uji kecocokan model untuk melihat kecocokan antara model dengan data. Model dikatakan cocok dengan data apabila
a. Memenuhi asumsi kenormalan
Asumsi normal dipenuhi apabila plot data mendekati garis lurus b. Memenuhi asumsi independensi
Asumsi independensi dipenuhi apabila plot antara sisa dengan urutan memperoleh data tidak membentuk pola tertentu
c. Memenuhi asumsi homogenitas variansi
Asumsi homogenitas variansi dipenuhi apabila plot antara sisa dan model tidak membentuk pola tertentu atau dapat di uji lebih lanjut dengan menggunakan uji bartlet’s
Untuk melakukan uji kecocokan model harus dipenuhi beberapa asumsi 1. Asumsi Normal
5 4 3 2 1 0 -1 -2 -3 -4 -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)
2. plot sisaan dalam urutan waktu memperoleh data (asumsi independensi)
20 18 16 14 12 10 8 6 4 2 3
2
1
0
-1
-2
Observation Order
R
e
si
d
u
a
l
Residuals Versus the Order of the Data (response is respon)
Terlihat dari plot di atas titik – titiknya dapat dikatakan berpola acak atau tidak membentuk pola tertentu sehingga asumsi independensi dipenuhi atau asumsi independensi tidak dilanggar
3. plot sisaan Vs yij ^
(Asumsi homogenitas variansi)
20 15
10 3
2
1
0
-1
-2
Fitted Value
R
e
si
d
u
a
l
Residuals Versus the Fitted Values (response is respon)
Uji homogenitas variansi dengan menggunakan metode bartlet’s
0
H : Terdapat homogenitas variansi pada perlakuan H1 : Tidak terdapat homogenitas variansi pada perlakuan
= 0.05
0
H di tolak jika P < Statistik uji
0 10 20 30 95% Confidence Intervals for Sigmas
Bartlett's Test Test Statistic: 1.765 P-Value : 0.779
Levene's Test Test Statistic: 1.534 P-Value : 0.243 Factor Levels
1
2
3
4
5
Test for Equal Variances for respon
Dari output terlihat di gunakan uji Bartlett di dapat P = 0.779
Kesimpulan
Karena P = 0.779 > maka H0 tidak di tolak artinya terdapat homogenitas variansi pada model atau dengan kata lain asumsi homogenitas variansi dipenuhi atau tidak dilanggar.
4. KESIMPULAN
1. Rancangan bujur sangkar Youden merupakan bujur sangkar Latin yang tidak lengkap karena jumlah kolomnya tidak sama dengan jumlah baris dan perlakuan yang diteliti.
2. Rancangan bujur sangkar Youden memiliki model statistik
ijk i j h ijh
Y =µ α+ +τ +β +ε