Laporan Praktikum Rancangan Acak Lengkap (RAL)

Nama : Dina Kamila

Nim : 2105101050061

No Komputer : 27

Definisi Umum

Rancangan Acak Lengkap (RAL) merupakan rancangan yang paling sederhana diantara rancangan-rancangan percobaan yang baku. Jika kita ingin mempelajari t buah perlakuan dan menggunakan r satuan percobaan untuk setiap perlakukan atau menggunakan total rt satuan percobaan, maka RAL membutuhkan kita mengalokasikan t perlakuan secara acak kepada rt satuan percobaan. Pola ini dikenal sebagai pengacakan lengkap atau pengacakan dengan tiada pembatasan. RAL dipandang lebih berguna dalam percobaan laboratorium, dalam beberapa percobaan rumah kaca atau dalam percobaan pada beberapa jenis bahan percobaan tertentu yang mempunyai sifat relatif homogen.

Rancangan acak lengkap digunakan apabila bahan/unit percobaan bersifat homogen (relatif seragam). Percobaan yang menggunakan rancangan ini biasanya percobaan yang berlangsung di laboratorium atau rumah kaca. Tidak selalu percobaan yang dilaksanakan di rumah kaca atau laboratorium menggunakan rancangan ini. Dalam rancangan ini tidak ada faktor lain yang dapat diperhitungkan sebagai sumber keragaman selain dari perlakuan yang dicobakan (plus galat). Rancangan ini digunakan apabila tidak terdapat informasi/pengetahuan sebelumnya mengenai kehomogenan satuan percobaan dan apabila jumlah perlakuan hanya sedikit serta derajat bebas galat juga akan kecil (Wijayanti, 2022).

Unit-unit percobaan dalam RAL dapat berupa pot-pot atau polibag yang menempati suatu lokasi atau ruangan tertentu, antar unit-unit perlakuan dibatasi oleh ruang-ruang pengamatan (pot-pot) sehingga tidak terjadi interaksi antara satu dengan yang lain. Karena kondisi lingkungan yang homogen ini, maka setiap unit percobaan secara keseluruhan merupakan satuan random, yang berarti setiap unit perlakuan pada setiap ulangan mempunyai kesempatan/peluang yang sama untuk menempati pot-pot percobaan, sehingga perandoman di dalam RAL dilakukan secara lengkap (Mulyatanah, 2017).

Model linier aditif dari rancangan faktor tunggal dengan RAL dapat dibedakan menjadi 2 (Susilawati, 2015):

1. Model Tetap: Model dimana perlakuan-perlakuan yang digunakan dalam

percobaan berasal dari populasi yang terbatas dan pemilihan perlakuannya

ditentukan secara langsung oleh peneliti. Kesimpulan yang diperoleh

terbatas hanya pada perlakuan-perlakuan yang dicobakan dan tidak bisa

digeneralisasi.

2. Model Acak: model dimana perlakuan-perlakuan yang dicobakan merupakan

sample acak dari populasi perlakuan

Bentuk umum dari model linier aditif adalah sebagai berikut:

Yij = μ + τi + εij

Dengan i = 1,2,…,t dan j = 1,2,…,r

Yij = Pengamatan pada perlakuan ke-i, ulangan ke-j

μ = Rataan umum

τi = Pengaruh perlakuan ke-i

εij = Pengaruh acak pada perlakuan ke-i ulangan ke-j

Untuk model tetap berlaku kondisi : Στi = 0 dan var(εij ) = σ2

Untuk model acak berlaku kondisi: E(τi ) = 0, Var(τi) = σ2 τ dan var(εij ) = σ2 untuk setiap i dan j.

Asumsi dalam Rancangan Acak Lengkap (RAL)

Semua berlaku baik untuk ulangan sama maupun ulangan tidak sama
Antar ulanagn adalah homogen (Tidak terdapat keragaman antar ulangan)
Dalam ANOVA tidak terdapat sumber keragaman untuk blok/ulangan

Keuntungan Rancangan Acak Lengkap (RAL)

Perancangan dan pelaksanaannya mudah
Analisis data sederhana
Fleksibel (sedikit lebih fleksibel dari Rancangan Acak Kelompok (RAK)) dalam: - Jumlah perlakuan, - Jumlah ulangan, - Dapat dilakukan dengan ulangan yang tidak sama
Terdapat alternatif anlisis nonparametrik yang sesuai
Permasalahan data hilang lebih mudah ditangani(sedikit lebih mudah dibandingkan RAK) :- Data hilang tidak menimbulkan permasalahan analisis data yang serius, - Kehilangan sensitifitasnya lebih sedikit dibandingkan dengan rancangan lain, - Derajat bebas galatnya lebih besar (maksimum). Keuntungan ini terjadi apabila derajat bebas galat sangat kecil.
Tidak memerlukan tingkat pemahaman yang tinggi mengenai bahan percobaan.

Kerugian Rancangan Acak Lengkap (RAL)

Terkadang rancangan ini tidak efisien
Tingkat ketepatan (pretisi) percobaan mungkin tidak terlalu memuaskan kecuali unit percobaan benar-benar homogen
Hanya sesuai untuk percobaan dengan jumlah perlakuan yang tidak banyak pengulangan percobaan yang sama mungkin tidak konsisten apabila satuan percobaan tidak benar-benar homogen terutama apabila jumlah ulangan sedikit.

Kapan seharusnya kita memilih RAL

Apabila satuan percobaan benar-benar homogen, misal: percobaan di laboratorium, Rumah Kaca
Apabila tidak ada pengetahuan/informasi sebelumnya tentang kehomogenan satuan percobaan.
Apabila jumlah perlakuan hanya sedikit, di mana derajat bebas galatnya juga akan kecil

Aplikasi SPSS :

Data RAL :

Analisis Data RAL :

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". Selanjutnya pada “Lable” diisi dengan jenis perlakuan sesuai dengan data penelitian, dalam hal ini “Pengaruh Konsentrasi Herbisida 2,4-D”. Untuk kolom “Decimals” disesuaikan dengan jumlah desimal data.

Pada kolom “Value” diisi dengan tingkatan perlakuan yang dilakukan, misalnya pada data diatas terdapat 5 perlakuan yaitu 0 pmm, 1 ppm, 2 ppm, 3 ppm, 4 ppm, dan 5 ppm. Maka pada “Value” diisi dengan “0” dan pada “Label” diisi dengan tingkatan perlakuan “0 ppm” lalu klik Add

3. Baris kedua 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.

4. Baris ketiga pada kolom “Name” diisi dengan “Hasil”, selanjutnya pada “Lable” diisi dengan hasil parameter yang diuji, dalam hal ini “Persentase Perkecambahan Benih Kedelai”. Untuk kolom “Decimals” disesuaikan dengan jumlah desimal data.

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

6. Pada baris pertama kolom “Perlakuan” diisi dengan “0” (perlakuan ke-0) sebanyak 4 kali karena ada 4 ulangan. Dan di teruskan hingga Perlakuan "5"

7. Pada kolom “Ulangan” diisi dengan 1 (Ulangan ke-1), 2 (Ulangan 2), 3 (Ulangan 3), dan 4 (Ulangan 4). Lalu di ulang sebanyak 5 perlakuan.

8. Pada kolom “Hasil” diisi dengan data hasil percobaan pada perlakuan ke-0 ulangan ke-1 (98). Dan seterusnya hingga memenuhi kolom yang sesuai dengan "Perlakuan" dan "Ulangan".

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

10. Selanjutnya untuk menganalisa data dilakukan dengan:

Klik menu Analyze → General Linear Model → Univariate

11. 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.

12. Klik: Model

Klik "Custom", lalu Import “Perlakuan”, lalu "Continue".

13. Klik: Post Hoc

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