Laporan Praktikum Rancangan Acak Lengkap Faktorial (RALF)

Laporan Praktikum Perancangan Percobaan (PTN202)

Rancangan Acak Lengkap Faktorial (RALF)

Nama : Putri Mayana Ningse
NPM : 2205109010xxx
No Komputer : 01

Laboratorium Statistik dan Sosial

DEPARTEMENT PROTEKSI TANAMAN

FAKULTAS PERTANIAN

UNIVERSITAS SYIAH KUALA

DARUSSALAM - BANDA ACEH

2024

BAB I

PENDAHULUAN

1.1 Latar Belakang

Rancangan Acak Lengkap Faktorial (RALF) adalah suatu metode eksperimental yang digunakan dalam desain penelitian statistik. Dalam RALF, ada dua atau lebih faktor yang sedang diamati, dan setiap faktor memiliki dua atau lebih tingkat atau level yang berbeda. Faktor-faktor ini kemudian diatur dan diacak secara acak dalam suatu percobaan. Tujuan utama dari RALF adalah untuk memahami bagaimana faktor-faktor tersebut berinteraksi dan mempengaruhi variabel respons yang diamati.

Pertama-tama, setiap kombinasi tingkat faktor akan diaplikasikan secara acak kepada unit-unit eksperimental yang ada. Ini menciptakan variasi yang terkendali untuk memahami dampak masing-masing faktor dan interaksi antar faktor. Kedua, dengan menggunakan analisis varians (ANOVA), data yang dihasilkan dari percobaan ini dapat dianalisis untuk menentukan apakah ada efek signifikan dari faktor-faktor tersebut, serta apakah terdapat interaksi di antara mereka.

Kelebihan RALF melibatkan penanganan variasi yang lebih efektif dan kemampuan untuk mengidentifikasi pengaruh dan interaksi faktor. Selain itu, desain ini memberikan dasar statistik yang kuat untuk membuat kesimpulan tentang pengaruh faktor-faktor terhadap variabel respons. Meskipun RALF memiliki kelebihan tersebut, penggunaannya memerlukan perhatian terhadap asumsi tertentu, dan interpretasi hasil harus dilakukan dengan cermat untuk memastikan kesahihan kesimpulan penelitian.

1.2 Tujuan Praktikum

Praktikum ini bertujuan agar mahasiswa dapat mengetahui dan memahami analisis data optimasi dengan menggunakan metode Rancangan Acak Lengkap Faktorial.

BAB II

TINJAUAN PUSTAKA

2.1 Definisi Umum

Rancangan acak lengkap faktorial yaitu suatu rancangan dimana pengamatan yang dilakuakan adalah untuk beberapa fator atau beberapa perlakuan dan kombinasinya (faktorial) terhadap suatu atau beberapa respon. Suatu hal yang perlu diperhatikan bahwa masing-masing perlakuan sebaiknya merupakan satu faktor yang bertaraf, atau dikenal juga dengan taraf faktor. Pada perancangan faktorial kita tetap menggunakan rancangan dasar, yaitu RAL, RAK atau RBL atau lainnya. Pada aplikasinya, penggunaan faktorial biasanya dituliskan dengan pengalian variabel-variabel penyusun percobaan. Misalnya suatu penelitian berdasarkan RAL dilakukan untuk menguji 3 buah faktor A, B, dan C, dengan faktor A dan B terdiri dari 3 taraf; dan faktor C terdiri dari 2 taraf dengan 5 ulangan, maka dituliskan dengan RAL pola faktorial 3 x 3 x 2, sebagai catatan bahwa banyak ulangan tidak dituliskan dalam pengalian tersebut.

Tujuan dari percobaan faktorial adalah untuk melihat interaksi antara faktor yang kita cobakan. Adakalanya kedua faktor saling sinergi terhadap respons (positif), namun adakalanya juga keberadaan salah satu faktor justru menghambat kinerja dari faktor lain (negatif). Adanya kedua mekanisme tersebut cenderung meningkatkan pengaruh interaksi antar ke dua faktor. Interaksi mengukur kegagalan dari pengaruh salah satu faktor untuk tetap sama pada setiap taraf faktor lainnya atau secara sederhana.

Interaksi antara faktor adalah apakah pengaruh dari faktor tertentu tergantung pada taraf faktor lainnya? Misalnya apabila pengaruh sederhana N sama pada setiap taraf pemberian pupuk P maka kedua faktor tersebut saling bebas (independent) dan dikatakan tidak ada interaksi, sedangkan apabila pemberian N memberikan pengaruh yang berbeda pada setiap taraf dari P, maka dikatakan terjadi interaksi antara Faktor N dan Faktor P.

Akurasi penggunaan RAL akan tercapai apabila: 1) bahan percobaan homogen atau relatif homogen; 2) kondisi lingkungan sama dan dapat dikendalikan; dan 3) jumlah perlakuan dibatasi. RAL lebih sering digunakan dalam percobaan di Laboratorium karena kondisi lingkungan dapat dikendalikan. Seperti yang kita pahami bahwasanya rancangan faktorial dan non faktorial hanya berbeda pada jumlah perlakuan yang diberikan. Pada rancangan non faktorial perlakuaannya dalah tunggal (tanpa melihat adanya interaksi antar perlakuan), dan pada rancangan faktorial terdapat lebih dari 1 faktor yang diamati dalam pengukuran sehingga pada rancangan faktorial dilihat hubungan atau interaksi antar perlakuan yang diteliti.

2.2 Kelebihan dan Kekurangan

Kelebihan RALF adalah perhitungannya sederhana. RALF dapat diterapkan pada percobaan dengan ulangan pengamatan sama dan tidak sama. Keuntungan menggunakan RALF antara lain :

Rancangan percobaannya lebih mudah.
Apabila jumlah perlakuan hanya sedikit, dimana derajat bebas galatnya juga kecil.
Analisis statistik terhadap data percobaan sederhana.
Fleksibel dalam jumlah penggunaan perlakuan dan ulangan (dapat dilakukan pada ulangan yang tidak sama).
Terdapat alternatif analisis nonparametrik yang sesuai.
Permasalahan data hilang dapat mudah ditangani.
Tidak memerlukan tingkat pemahaman yang tinggi mengenai bahan percobaan.

Kekurangan RALF antara lain adalah :

Terkadang tidak efisien.
Tingkat ketepatan (presisi) mungkin tidak terlalu memuaskan kecuali unit percobaan benar-benar homogen.
Pengulangan percobaan yang sama mungkin tidak konsisten (lemah) apabila satuan percobaan tidak benar-benar homogen terutama apabila jumlah ulangannya sedikit.

2.3 Model Matematis

Hijk = π + Pj + Pk + (Pj x Pk) + eijk

Keterangan :

Hijk : Hasil akibat perlakuan ke-j dan perlakuan ke-k pada ulangan ke-i

π : Nilai tengah umum

Pj : Pengaruh faktor perlakuan ke-j

Pk : Pengaruh faktor perlakuan ke-k

Pj x Pk : Interaksi perlakuan ke-j dan perlakuan ke-k

Eijk : Error akibat perlakuan ke-j dan perlakuan ke-k pada ulangan ke-i

I : 1, 2, …., u (u = ulangan)

J : 1, 2, …., p ke-1 (p = perlakuan ke-1)

K : 1, 2,…... p ke-2 (p = perlakuan ke-2)

BAB III

PEMBAHASAN

Untuk melakukan pengolahan data di SPSS, tahap pertama yang harus dipersiapkan adalah memiliki datanya terlebih dahulu di google sheet agar memudahkan membedakan data mentah dan data yang akan di input pada aplikasi SPSS.

MENGOLAH DATA DARI HASIL PENELITIAN DENGAN MENGGUNAKAN SPSS

Data RAL F

Langkah 1. Jalankan software SPSS untuk memulai membuat kerangka pengolahan. Ketika membuka program SPSS, akan ada dua windows yang muncul yang pertama untuk Data dan yang kedua yaitu untuk Output setelah menganalisis.

Tampilan SPSS Bagian Data

Tampilan SPSS Bagian Ouput

Langkah 2. Isilah kolom Name dengan perlakuan Faktor_P dan perlakuan Faktor_K, ulangan_blok_kelompok dan hasil pada Variable View.

Langkah 3: Selanjutnya pada kolom Decimals disesuaikan berapa banyak desimal yang akan digunakan.

Langkah 4 : Selanjutnya kolom Label diisi sesuai yang kita amati pada skripsi, seperti gambar di bawah ini.

Langkah 5 : Mengisi bagian Values dimana :

a. Klik Values Perlakuan Faktor_P dengan mengisi kotak Value dengan angka dan kotak Label dengan kode perlakuan yang diamati pada skripsi seperti pada gambar sampai semua perlakuan dimasukkan lalu klik OK.

b. Klik Values Perlakuan Faktor_K dengan mengisi kotak Value dengan angka dan kotak Label dengan kode perlakuan yang diamati pada skripsi seperti pada gambar sampai semua perlakuan dimasukkan lalu klik OK.

c. Klik Values Ulangan_Blok_Kelompok dengan mengisi kotak Value dengan angka dan kotak Label dengan kode kelompok yang diamati pada skripsi seperti pada gambar, kemudian klik Add dan seterusnya sampai semua perlakuan dimasukkan lalu klik OK.

Langkah 6. Kemudian Klik Data View pada bagian bawah, lalu masukkan data sesuai dengan data yang tersedia, seperti pada gambar di bawah ini.

Langkah 7. Selanjutnya untuk menganalisa data dilakukan dengan klik menu Analyze → General Linear Model → Univariate.

Langkah 8. Selanjutnya "Hasil Penelitian" dimasukkan ke Dependent Variable dengan menekan gambar panah yang ada di samping Dependent Variable. Lalu "Perlakuan Penelitian (Perlakuan P dan K)" di masukkan ke Fixed Factor. Ulangan tidak di masukkan karena ini merupakan rancangan acak lengkap faktorial.

Langkah 9. Kemudian Klik Model → Custom → Lalu pilih Main Effect → import "Perlakuan_ Faktor P" dan “Perlakuan_Faktor K” dari kolom Factors & Covariates ke kolom Model → Continue.

Langkah 10. Lalu, type Main Effect diganti kembali menjadi Interaction dan blok dengan menekan Shift lalu tekan "Perlakuan_P" serta "Perlakuan K" dan pindahkan dari kolom kiri ke kolom kanan hingga tampilannya seperti gambar di bawah ini kemudian pilih Continue.

Langkah 11. Untuk melakukan uji lanjut, maka pilih Post Hoc. Klik Post Hoc → import " Perlakuan_Faktor P" dan “Perlakuan_Faktor K” dari kolom Factors ke kolom Post Hoc Tests for → pada kolom Equal variances Assumed, checklist jenis uji lanjutan yang akan digunakan sesuai dengan kebutuhan dan tujuan misalnya LSD, Tuckey dan Duncan → Continue → Ok.