RANCANGAN ACAK LENGKAP POLA FAKTORIAL (RALF)



Rancangan acak lengkap factorial yaitu suatu rancangan dimana pengamatan yang dilakuakan adalah untuk beberapa factor atau beberapa perlakuan dan kombinasinya (factorial) terhadap suatu atau beberapa respon. Suatu hal yang perlu diperhatikan bahwa masing-masing perlakuan sebaiknya merupakan saatu factor yang bertaraf, atau dikenal juga dengan taraf factor.
Pada perancangan factorial kita tetap menggunakanrancangan dasar, yaitu RAL, RAK atau RBL atau lainnya. Pada aplikasinya, penggunaan factorial biasanya dituliskan dengan pengalian variable-variabel penyusun percobaan. Misalnya suatu penelitian berdasar RAL dilakukan untuk menguji 3 buah factor 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.

Keuntungan dan Kerugian
Keuntungan
1.      Dapat menghemat waktu dan biaya
2.      Dapat diketahui interaksi 2 faktor dan besar pengaruh utama
Kerugian
1.      Makin banyak factor yang diteliti, perlakuan kombinasi meningkat
2.      Analisis perhitungan lebih sukar

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       : Eror 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)

Contoh Pengolahan Data RAL Pola Faktorial  dengan Menggunakan Software SPSS 16.0
Salah satu cara mengolah data hasil percobaan dan/atau penelitian berbasis Rancangan Acak Lengkap Pola factorial (RALF) adalah dengan menggunakan software SPSS. Disini akan dijelaskan langkah kerja pengolahan data RALF dengan menggunakan software SPSS 16.0.
Suatu penelitian dengan judul Pemberian Pupuk Fospat dan Fungi Mikoriza Arbuskula (FMA) pada Tanah Bekas Tsunami dan Pengaruhnya Terhadap Pertumbuhan dan Kandungan Hara Kacang Tanah (Arachis hipogeae L.)  yang telah dilakukan oleh Mardiana (0205101020023) mahasiswa Program Studi Budidaya Pertanian Fakultas Pertanian Universitas Syiah Kuala dengan konsenterasi Ilmu Tanah.
Perlakuan yang dilakukan terdiri dari 2 kombinasi perlakuan, yaitu P1 = Pemberian Pupuk Fospat yang terdiri dari 4 perlakuan yaitu P0 = 0 kg/ha / 0 g/pot, P1 = 30 kg/ha / 0.225 g/pot, P2 = 50 kg/ha / 0.375 g/pot, P3 = 70 kg/ha / 0.525 g/pot dan P2 = Pemberian Mikoriza yang terdiri dari 2 perlakuan yaitu M0 = tidak ada dan M1= ada dengan 3 kali ulangan. Salah satu parameter yang diukur adalah tinggi t anaman pada15 hari setelah tanam (HST).

Tabel 1. Tinggi Tanaman (15 HST)









1.         Jalankan software SPSS.16. saat membuka program SPSS, ada dua buah lembaran kerja yang muncul yaitu “Data View” dan “Variabel View”, untuk memulai membuat kerangka pengolahan, maka klik pada lembar “Variabel View”.

2.         Baris pertama pada kolom “Name” diisi dengan “Perlakuan1”, selanjutnya pada “Lable” diisi dengan jenis perlakuan sesuai dengan data penelitian, dalam hal ini “Pemberian Pupuk Fospat”.


Pada kolom “Value” diisi dengan tingkatan perlakuan yang dilakukan, misalnya pada data diatas terdapat 4 perlakuan yaitu P0, P1, P2 dan P4. Maka pada “Value” diisi dengan “0” dan pada “Label” diisi dengan tingkatan perlakuan “P0 = 0 kg/ha / 0 gr/pot” lalu klik Add.
Begitu pula untuk perlakuan-perlakuan selanjutnya.
3.         Baris kedua pada kolom “Name” diisi dengan “Perlakuan2”, selanjutnya pada “Lable” diisi dengan jenis perlakuan sesuai dengan data penelitian, dalam hal ini “Pemberian Mikoriza”.

Pada kolom “Value” diisi dengan tingkatan perlakuan yang dilakukan, misalnya pada data diatas terdapat 2 perlakuan yaitu M0 dan M1. Maka pada “Value” diisi dengan “0” dan pada “Label” diisi dengan tingkatan perlakuan “M0 = 0 tidak ada” lalu klik Add.
Begitu pula untuk perlakuan-perlakuan selanjutnya.

4.       Baris ketiga pada kolom “Name” diisi dengan “Ulangan”, selanjutnya pada “Lable” diisi dengan tingkatan ulangan sesuai dengan data hasil penelitian.
Pada kolom “Value” diisi dengan tingkatan ulangan yang dilakukan, misalnya pada data diatas terdapat 3 ulangan yaitu  Ulangan I, Ulangan II, dan Ulangan III.  Maka pada “Value” diisi dengan “1” dan pada “Lable” diisi dengan “Ulangan I” lalu klik Add. Begitu pula untuk ulangan-ulangan selanjutnya.
5.         Baris keempat pada kolom “Name” diisi dengan “Hasil”, selanjutnya pada “Lable” diisi dengan hasil parameter yang diuji, dalam hal ini “Tinggi Tanaman (15 HST)”.

6.         Untuk kolom “Decimals” disesuaikan dengan jumlah desimal data.
7.         Selanjutnya klik “Data View” untuk mengisi data.
8.         Pada baris pertama kolom “Perlakuan1” diisi dengan “0” (perlakuan ke-0), pada kolom “Perlakuan2” diisi dengan “0” (perlakuan ke-0), pada kolom “Ulangan” diisi dengan 1 (Ulangan ke-1) dan pada kolom “Hasil” diisi dengan data hasil percobaan pada perlakuan ke-0 ulangan ke-1 (16.0)

9.         Pada baris kedua kolom “Perlakuan1” diisi dengan “0” (perlakuan ke-0), pada kolom “Perlakuan2” diisi dengan “0” (perlakuan ke-0), pada kolom “Ulangan” diisi dengan 2 (Ulangan ke-2) dan pada kolom “Hasil” diisi dengan data hasil percobaan pada perlakuan ke-0 ulangan ke-2 (22.2)

Begitu pula untuk baris-baris selanjutnya diisi dengan perlakuan, kelompok dan hasil berurut kekanan.

10.     Untuk menampilkan data “Perlakuan” dan “Ulangan”yang lebih rinci dapat dilakukan dengan meng-klik ikon “Value Lables”.

11.     Selanjutnya untuk menganalisa data dilakukan dengan:
Klik menu Analyze General Linear Model Univariate
Pada Dependent Variable diisi dengan “Hasil” dengan cara meng-klik (import) tanda panah ditengan kedua kolom dan pada Fixed Factor diisi dengan “Perlakuan1” dan “Perlakuan2” dengan cara yang sama.
Klik Model Custom - import “Perlakuan1”, “Perlakuan2” dan interaksi kedua perlakan dengan cara memblok kedua perlakuan dari kolom Factors & Covariates ke kolom Model Continue.
Klik Post Hoc import “Perlakuan” 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.
12.     Selanjutnya akan muncul lembaran Output. Hasil pengolahan data dapat dilihat pada tabel Test of Between-Subjects Effect yang selanjutya akan ditampilkan dalam table sidik ragam.
13.     Untuk hasil uji lanjutan berdasarkan jenis uji yang dipilih sebelumnya dapat dilihat pada tabel Multiple Comparisons.
          
      
     
        
14.     Save kedua lembar kerja.



Contoh Pengolahan Data RAL Pola Faktorial  dengan Program Ms. Excel

Salah satu cara mengolah data hasil percobaan dan/atau penelitian berbasis Rancangan Acak Lengkap Pola factorial (RALF) adalah dengan menggunakan program Ms. Excel.

Suatu penelitian dengan judul Pemberian Pupuk Fospat dan Fungi Mikoriza Arbuskula (FMA) pada Tanah Bekas Tsunami dan Pengaruhnya Terhadap Pertumbuhan dan Kandungan Hara Kacang Tanah (Arachis hipogeae L.)  yang telah dilakukan oleh Mardiana (0205101020023) mahasiswa Program Studi Budidaya Pertanian Fakultas Pertanian Universitas Syiah Kuala dengan konsenterasi Ilmu Tanah.
Perlakuan yang dilakukan terdiri dari 2 kombinasi perlakuan, yaitu P1 = Pemberian Pupuk Fospat yang terdiri dari 4 perlakuan yaitu P0 = 0 kg/ha / 0 g/pot, P1 = 30 kg/ha / 0.225 g/pot, P2 = 50 kg/ha / 0.375 g/pot, P3 = 70 kg/ha / 0.525 g/pot dan P2 = Pemberian Mikoriza yang terdiri dari 2 perlakuan yaitu M0 = tidak ada dan M1= ada dengan 3 kali ulangan. Salah satu parameter yang diukur adalah tinggi t anaman pada15 hari setelah tanam (HST).

1.      Jalankan program Ms. Excel
2.      Masukkan data hasil penelitian dari Skripsi yang akan dicobakan 

3.      Buatlah Tabel Interaksi 2 Arah
    


4.      Menentukan nilai :
a.       Jumlah Ulangan 
b.      Jumlah Perlakuan
c.       Jumlah Faktor P (m) 
d.      Jumlah Faktor M (n)
e.       Faktor Koreksi (FK)
f.       Derajat Bebas Perlakuan  (dB P)
g.      Derajat Bebas Faktor P (dB FP)
h.      Derajat Bebas Faktor M (dB FM)
i.        Derajat Bebas Faktor Interaksi PxM (dB PxM)
j.        Derajat Bebas Galat (dB G)
k.      Derajat Bebas Total (dB T)
l.        Jumlah Kuadrat Total (JK T)
m.    Jumlah Kuadrat Perlakukan (JK P)
n.      Jumlah Kuadrat Faktor P (dB FP)
o.      Jumlah Kuadrat Faktor M (dB FM)
p.      Jumlah Kuadrat Interaksi PxM (JK PxM)
q.      Jumlah Kuadrat Galat (JK G)
r.        Kuadrat Tengah Perlakuan (KT P)
s.       Kuadrat Tengah Faktor P (KT FP)
t.        Kuadrat Tengah Faktor M (KT FM)
u.      Kuadrat Tengah Interaksi PxM (KT PxM)
v.      Kuadrat Tengah Galat (KT G)
w.    F-Hitung Faktor P
x.      F-Hitung Faktor M
y.      F-Hitung Interaksi    
      Dengan menggunakan persamaan :




5.      Pindahkan data hasil pencarian diatas ke Tabel Sidik Ragam







  
6.      Menentukan nilai :
a.       F-Tabel Faktor P 0.05
b.      F-Tabel Faktor M 0.05
c.       F-Tabel Interaksi 0.05
d.      F-Tabel Faktor P 0.01
e.       F-Tabel Faktor M 0.01
f.       F-Tabel Interaksi 0.01
g.      Tingkat Pengaruh Faktor P
h.      Tingkat Pengaruh Faktor  D
i.        Tingkat Pengaruh Interaksi
j.        Koefisien Keragaman (KK)
Dengan menggunakan persamaan :

7.      Pindahkan data hasil pencarian diatas ke Tabel Sidik Ragam dan Tarik Kesimpulan






.   8. Bandingkan data diatas dengan data pada Skripsi yang dicobakan.


Contoh Pengolahan Data RAL Pola Faktorial  dengan Cara Manual





 
        

Komentar

  1. Bagaimana cara mengolah data penelitian RAL faktorial dengan menggunakan software statistik 8 kak??

    BalasHapus

Posting Komentar

Postingan populer dari blog ini

RACANGAN ACAK KELOMPOK POLA FAKTORIAL (RAKF)

RANCANGAN ACAK LENGKAP (RAL)