Laporan Praktikum Rancangan Acak Lengkap

Faktorial (RALF)

Nama : Dina Kamila

Nim : 2105101050061

No Komputer : 27

Definisi Umum

Rancangan Faktorial adalah suatu percobaan yang perlakuannya terdiri atas semua kemungkinan kombinasi taraf dari beberapa faktor. Rancangan Acak Lengkap Faktorial merupakan rancangan acak lengkap yang terdiri dari dua atau lebih peubah bebas (faktor), misal ada dua faktor dalam klasifikasi silang yaitu faktor A yang terdiri dari a taraf dan faktor B yang terdiri dari b taraf dan diduga kedua faktor tersebut diduga saling berinteraksi. Saling berinteraksi dimaksudkan bahwa pengaruh suatu faktor tergantung dari taraf faktor yang lain.

Jika faktor saling berinteraksi, maka taraf-taraf suatu faktor akan saling berpotongan dengan taraf-taraf faktor lainnya, sedangkan bila taraf faktor saling sejajar, maka antar masing-masing faktor tidak terjadi interaksi (Munthe, 2015).

Model Linier Rancangan Faktorial Dalam RAL

Model linier aditif untuk rancangan faktorial dua faktor dengan rancangan lingkungannya rancangan acak lengkap adalah sebagai berikut (Setiawan, 2023) :

Yijk = μ + αi + βj + (αβ)ij + εijk

dengan i =1,2…,a; j = 1,2,…,b; c = 1,2,…,r

Yijk = pengamatan pada satuan percobaan ke-k yang memperoleh kombinasi perlakuan taraf ke-i dari faktor A dan taraf ke-j dari faktor B

μ = mean populasi

αi = pengaruh taraf ke-i dari faktor A

βj = pengaruh taraf ke-j dari faktor B

(αβ)ij = pengaruh taraf ke-i dari faktor A dan taraf ke-j dari faktor B

εijk = pengaruh acak dari satuan percobaan ke-k yang memperoleh kombinasi perlakuan ij. εij ~ N(0,σ2).

Mengapa ada Rancangan Faktorial?????

Pengaruh faktor tdk dpt berdiri sendiri menentukan kehidupan biologis
Beberapa faktor bekerja pada waktu & tempat yang sama

Faktor = perlakuan

Taraf = mengacu pd bbrp perlakuan dalam suatu faktor

Keuntungan

Dapat menghemat waktu dan biaya
Dapat diketahui interaksi 2 faktor dan besar pengaruh utama
Lebih efisien dalam menggunakan sumber-sumber yang ada
Informasi yang diperoleh lebih komprehensif karena kita bisa mempelajari pengaruh utama dan interaksi
Hasil percobaan dapat diterapkan dalam suatu kondisi yang lebih luas karena kita mempelajari kombinasi dari berbagai faktor

Kerugian

Makin banyak factor yang diteliti, perlakuan kombinasi meningkat
Analisis perhitungan lebih sukar
Analisis Statistika menjadi lebih kompleks
Terdapat kesulitan dalam menyediakan satuan percobaan yang relatif homogen
Pengaruh dari kombinasi perlakuan tertentu mungkin tidak berarti apa-apa sehingga terjadi pemborosan sumberdaya yang ada

Aplikasi SPSS :

Data RALF :

Analisis Data RALF

Adapun cara untuk menganalisis data RAL adalah sebagai berikut:

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 “Perlakuan_K". Selanjutnya pada “Lable” diisi dengan jenis perlakuan sesuai dengan data penelitian, dalam hal ini “Kapur”. Untuk kolom “Decimals” disesuaikan dengan jumlah desimal data.

Pada kolom “Value” diisi dengan tingkatan perlakuan yang dilakukan, misalnya pada data diatas terdapat 2 perlakuan yaitu K0 dan K1. Maka pada “Value” diisi dengan “0” dan pada “Label” diisi dengan tingkatan perlakuan “K0”, lalu klik Add

3. Baris kedua pada kolom “Name” diisi dengan “Perlakuan_P". Selanjutnya pada “Lable” diisi dengan jenis perlakuan sesuai dengan data penelitian, dalam hal ini “Phospat”. Untuk kolom “Decimals” disesuaikan dengan jumlah desimal data.

Pada kolom “Value” diisi dengan tingkatan perlakuan yang dilakukan, misalnya pada data diatas terdapat 3 perlakuan yaitu K0 dan K1. Maka pada “Value” diisi dengan “0” dan pada “Label” diisi dengan tingkatan perlakuan “P0”, lalu klik Add.

4. Baris ketiga pada kolom “Name” diisi dengan “Ulangan”. Untuk kolom “Decimals” disesuaikan dengan jumlah desimal data.

Pada kolom “Value” diisi dengan tingkatan ulangan yang dilakukan, misalnya pada data diatas terdapat 4 ulangan yaitu Ulangan I, Ulangan II, Ulangan III, dan Ulangan IV. Maka pada “Value” diisi dengan “1” dan pada “Lable” diisi Ulangan I. Lalu klik Add. Dan diteruskan hingga Ulangan IV.

5. Baris keempat pada kolom “Name” diisi dengan “Hasil”, selanjutnya pada “Lable” diisi dengan hasil parameter yang diuji, dalam hal ini “Hasil Biji Kacang Tanah”. Untuk kolom “Decimals” disesuaikan dengan jumlah desimal data.

6. Selanjutnya klik “Data View” untuk mengisi data.

7. Pada baris pertama kolom “Perlakuan_K” diisi dengan “0” (perlakuan ke-0) sebanyak 12 kali dan "1" (perlakuan ke-1) sebanyak 12 kali..

Pada baris kedua kolom “Perlakuan_P” diisi dengan “0” (perlakuan ke-0) sebanyak 8 kali, “1” (perlakuan ke-1) sebanyak 8 kali, dan “2” (perlakuan ke-2) sebanyak 8 kali.

8. Pada kolom “Ulangan” diisi dengan 1 (Ulangan ke-1), 2 (Ulangan 2), 3 (Ulangan 3), dan 4 (Ulangan 4). Lalu di ulang sebanyak 6 perlakuan.

9. Pada kolom “Hasil” diisi dengan data hasil percobaan.

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

12. Pada "Dependent Variable" diisi dengan “Hasil” dengan cara meng-klik (import) tanda panah ditengan kedua kolom dan pada "Fixed Factor" diisi dengan “Perlakuan” dengan cara yang sama.

13. Klik: Model

Klik "Custom", lalu Import “Perlakuan_K”, lalu import kembali "Perlakuan_P", dan import kembali Kedua perlakuan "Perlakuan_K dan Perlakuan_P" dalam bentuk "Interaction". Selanjutnya klik "Continue".

14. Klik: Post Hoc

Import “Perlakuan_K dan Perlakuan_P”, checklist jenis uji lanjutan yang akan digunakan sesuai dengan kebutuhan dan tujuan misalnya LSD, Tuckey dan Duncan. Lalu klik "Continue"