Rancangan Acak Lengkap - · PDF fileRAL (Rancangan Acak Lengkap) Desain dimana perlakuan...
Transcript of Rancangan Acak Lengkap - · PDF fileRAL (Rancangan Acak Lengkap) Desain dimana perlakuan...
Rancangan Acak Lengkap
Created by : Ika Damayanti, S.Si, M.Si
RAL (Rancangan Acak Lengkap)
Desain dimana perlakuan dikenakan sepenuhnyasecara acak kepada unit- unit eksperimen.
Desain ini dapat digunakan bila unit eksperimenbersifat homogen.
Contoh RAL :
Pemberian obat
Seseorang ingin mengetahui perbedaan mengenaipengaruh dari 4 macam pupuk terhadap hasilpanen jagung. (jenis 1,2,3,4)
Pemberian vitamin pada ayam
Dosis 1
Dosis o
Dosis 2
jantan
betina
Percobaan dengan satu faktorEksperimen dimana hanya mempunyai satu faktor yang nilainya berubah- ubah.
Contoh :Seseorang insinyur tertarik meneliti kekuatan tarik dari sebuah seratsintetik baru yang akan digunakan untuk membuat baju laki – laki. Insinyur tersebut mengetahui dari percobaan sebelumnya bahwakekuatan dipengaruhi oleh persentase serat yang digunakan dalamcampuran material serat. Lebih jauh peneliti menduga bahwa adanya kandungan kapas akanmeningkatkan kekuatan tarik. Insinyur tersebut memutuskan untukmenguji 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 faktorLevel (a) yang berbeda dari suatu faktor disebutperlakuan (i).
Data dalam tabel 1 menunjukkan pengamatan ke – jdengan perlakuan i.
Maka percobaan diatas merupakan contoh daripercobaan dengan faktor tunggal, dengan level (a=5), replikasi (n=5). Sehingga terdapat 25 rundalam urutan acak.
Ilustrasi (1)
Untuk menunjukkan bagaimana urutan tersebut dirandomisasi, maka misalkan kita buat nomor dariurutan sbb :
% kandungankapas
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 hasilurutan sebagai berikut:
Lanjutan …
Setelah dilakukan percobaan, maka didapatkan data sbb:
Observasi% kandungankapas 1 2 3 4 515 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)( .iy )( .iy
Grafik (1)
Untuk melihat pola data, dilihat secara grafis:
35%30%25%20%15%
25
20
15
10
5
Dat
a
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
Keku
atan
Tar
ik (
lb/i
nc2)
Individual Plot Kekuatan Tensile VS % berat cotton
(Output MINITAB Vs. 15)
Apa yang dapat disimpulkan dari gambar?
Kedua grafik menunjukkan bahwa kekuatan tarik naiksesuai kenaikan kandungan kapas, tapi jikakandungan kapas lebih dari 30% terlihat terjadipenurunan dalam kekuatan tarik.Dari gambar tersebut belum bisa disimpulkan bahwaterdapat perbedaan kekuatan tarik pada persentasekandungan kapas.Berdasarkan grafik sederhana, dapat diduga:
Kandungan kapas mempengaruhi kekuatan tarikJika kandungan kapas dalam kain sebesar 30% berada dalam kekuatan tarik maksimum.
Prosedur yang tepat untuk menguji kesamaanbeberapa means adalah analisis varians (ANOVA).
Analisis Variansi - Satu Arah(one way-ANOVA )
ANOVA adalah :suatu analisis yang digunakan untuk menyelidikihubungan antara variabel respon (dependen) dengan satu atau beberapa variabel prediktor(independen).
ANOVA tidak mempunyai koefisien (parameter) model.
ANOVA untuk RALMisal terdapat a perlakuan yang akan dibandingkan. Responpercobaan dari masing-masing perlakuan a merupakan variabelacak. Dalam bentuk tabulasi, data tersebut adalah :
Observasi Perlakuan 1 2 … … n
Total Rata-rata
1 11y 12y … … ny1 .1y .1y
2 21y 22y … … ny2 .2y .2y
M M M … … M M M M M M … … M M M a 1ay 2ay … … any .ay
.ay ..y
..y
Model percobaan
Persamaan untuk model RAL adalah :
Dengan keterangan :
)1(,...,2,1,...,2,1
⎩⎨⎧==
∈++=njai
y ijiij τµ
ijy adalah variable yang akan dianalisis, dimisalkan berdistribusi normal
µ adalah rata-rata umum atau rata-rata sebenarnya iτ adalah efek perlakuan ke i ij∈ adalah kesalahan, berupa efek yang berasal
dari unit eksperimen ke j yang dikenai perlakuan ke i
Model PercobaanDalam model statistik, persamaan (1) dapat dijelaskan menjadidua kondisi.
1. Model Efek TetapPeneliti telah menentukan terlebih dahulu level faktornya.Model ini membawa ke hipotesis nol bahwa tidak terdapatperbedaan diantara efek2 a buah perlakuan yang terdapatdalam eksperimen.Kesimpulan hanya berlaku untuk a buah perlakuan yang terdapat dalam eksperimen.
2. Model Efek acakPeneliti memilih secara acak a level dari populasi level faktor, maka dikatakan bahwa faktornya acak/random.hipotesis nol yang berbunyi tidak ada perbedaan di antaraefek2 semua perlakuan didalam populasi di mana sebuahsampel telah diambil sebanyak a perlakuan.Kesimpulan berlaku untuk populasi perlakuanberdasarkan sebuah sampel terdiri a buah perlakuan yang diambil dari populasi itu.
Model Efek TetapDalam model efek tetap, efek perlakuan biasanyadidefinisikan sebagai deviasi dari rata- rata mean, sehingga :
Hipotesisnya :
iτ
01
=∑=
a
iiτ
010...
1
210
≠======
i
a
tidakpalingHH
ττττ
Lanjutan …Jika :
∑=
===n
jiiiji ainyyyy
1... ,...,2,1;,
Nyy
yya
i
n
jij
/....
1 1..
=
=∑∑= =
dengan : anN =
[ ]
∑ ∑∑ ∑∑
∑∑
∑∑
= = = = =
= =
= =
−−+−+−=
−+−=
−=
a
i
a
i
n
j
a
i
n
jiijiiiji
a
i
n
jiiji
a
i
n
jijT
yyyyyyyyn
yyyy
yySS
1 1 1 1 1..
2.
2.
2
1 1..
2
1 1
)..)((2)(..)(
)(..)(
..)(
Lanjutan …
Oleh karena itu didapat :
catat bahwa :
0)/()( ...1
.. =−=−=−∑=
nynyynyyy iii
n
jiiij
∑ ∑∑∑∑= = == =
−+−=−=a
i
a
i
n
jiiji
a
i
n
jij yyyynyySST
1 1 1
2.
2.
2
1 1
)(..)(..)(
ETreatmentT SSSSSS +=
∑ ∑∑∑= == = ⎥
⎥⎦
⎤
⎢⎢⎣
⎡−=−=
a
i
n
jiij
a
i
n
jiijE yyyySS
1
2
1.
2
1 1. )()(
Tabel ANOVA
Sumber Variasi
SS df MS F0
Treatment ∑=
−=a
iiTreatment yynSS
1
2. ..)(
a-1 )1/( −= aSSMS TreatmentTreatment
E
Treatment
MSMS
F =
Error (dalam percobaan)
TreatmentTE SSSSSS −= N-a )/( aNSSMS EE −=
Total 2
1 1
..)(∑∑= =
−=a
i
n
jijTotal yySS
N-1
Tolak H0 jika aNaFF −−> ,1,0 α
Asumsi residual dalam ANOVA
),0(~ 2σIIDNij∈
Penyelesaian Contoh Kasus :
Model yang berlaku untuk data ini : ijiijy ∈++= τµ
ijy = kekuatan tarik kain ke – j pada kandungan kapas ke – i µ = adalah rata-rata umum kekuatan tarik
iτ = adalah kandungan kapas ke i ij∈ = kesalahan yang merupakan efek kekuatan tarik kain ke j
yang di beri kandungan kapas ke i
Hipotesis =0H tidak terdapat perbedaan pengaruh % kandungan kapas
terhadap kekuatan tarik kain =0H paling tidak terdapat satu perbedaan pengaruh % kandungan
kapas terhadap kekuatan tarik kain
Perhitungan
96,63625
)376()11(....)7(
..)(
222
2..
5
1
5
1
2
25
1
5
1
=
−++=
−=
−=
∑∑
∑∑
= =
= =
Ny
y
yySS
i jij
i jijTotal
20.16176.47596.636
=−=
−= TreatmentTE SSSSSS
76.47525
)376(5
)54(...)49(
..)(
222
1
2.
=
−++
=
−= ∑=
a
iiTreatment yynSS
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
20,4,05.00 FF > Tolak H0 karena 87.276.14 > Jadi terdapat perbedaan rata-rata pengaruh %tase kandungan kapas terhadap kekuatan tarik kain.
Perhitungan menggunakan Minitab 15
Output MinitabOne-way ANOVA: kekuatan tarik versus %kandungan kapas
Source DF SS MS F P%kandungan kapas 4 475.76 118.94 14.76 0.000Error 20 161.20 8.06Total 24 636.96
S = 2.839 R-Sq = 74.69% R-Sq(adj) = 69.63%
Pengujian asumsi residual
5.02.50.0-2.5-5.0
99
90
50
10
1
Residual
Per
cent
20.017.515.012.510.0
5.0
2.5
0.0
-2.5
-5.0
Fitted Value
Res
idua
l
6420-2-4-6
6.0
4.5
3.0
1.5
0.0
Residual
Freq
uenc
y
Mean -9.23706E-16StDev 2.592N 25
24222018161412108642
5.0
2.5
0.0
-2.5
-5.0
Observation Order
Res
idua
l
Normal Probability Plot Versus Fits
Histogram Versus Order
Residual Plots for kekuatan tarik
distribusiNormal
homogen
independen
Model Efek RandomKarena level dari faktor dipilih secara acak, maka kesimpulanyang dibuat dapat mewakili populasi dari level faktor.Model dari efek acak :
Dengan dan merupakan variabel acak. Hipotesis
)2(,...,2,1,...,2,1
⎩⎨⎧
==
∈++=njai
y ijiij τµ
iτ ij∈
00
21
20
≠=
==
τ
τ
σ
σ
HH
ANOVA
ANOVA dan perhitungan untuk model efek random sama dengan model efek tetap. Yang membedakanhanya kesimpulan yang berlaku untuk populasi.