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.
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
Contoh Pengolahan Data RAL Pola Faktorial dengan Cara Manual
Bagaimana cara mengolah data penelitian RAL faktorial dengan menggunakan software statistik 8 kak??
BalasHapus