Rancangan Acak Kelompok (RAK)

1. Definisi Rancangan Acak Kelompok (RAK)

Rancangan Acak Kelompok adalah suatu rancangan acak yang dilakukan dengan mengelompokkan satuan percobaan ke dalam grup-grup yang homogen yang dinamakan kelompok dan kemudian menentukan perlakuan secara acak di dalam masing-masing kelompok. Rancangan Acak Kelompok Lengkap merupakan rancangan acak kelompok dengan semua perlakuan dicobakan pada setiap kelompok yang ada. Tujuan pengelompokan satuan-satuan percobaan tersebut adalah untuk membuat keragaman satuan-satuan percobaan di dalam masing-masing kelompok sekecil mungkin sedangkan perbedaan antar kelompok sebesar mungkin.Tingkat ketepatan biasanya menurun dengan bertambahnya satuan percobaan (ukuran satuan percobaan) per kelompok, sehingga sebisa mungkin buatlah ukuran kelompok sekecil mungkin. Pengelompokan yang tepat akan memberikan hasil dengan tingkat ketepatan yang lebih tinggi dibandingkan rancangan acak lengkap yang sebanding besarnya. Berikut adalah keuntungan dan kerugian menggunakan Rancangan Acak Kelompok (RAK) :

a. Keuntungan Menggunakan Rancangan Acak Lengkap

Lebih efisien dan akurat dibanding dengan RAL
- Pengelompokan yang efektif akan menurunkan Jumlah Kuadrat Galat, sehingga akan meningkatkan tingkat ketepatan atau bisa mengurangi jumlah ulangan.
Lebih Fleksibel.
- Banyaknya perlakuan
- Banyaknya ulangan/kelompok
- tidak semua kelompok memerlukan satuan percobaan yang sama
Penarikan kesimpulan lebih luas, karena kita bisa juga melihat perbedaan diantara kelompok

b. Kerugian Menggunakan Rancangan Acak Lengkap
- Memerlukan asumsi tambahan untuk beberapa uji hipotesis

Interaksi antara Kelompok*Perlakuan sangat sulit
Peningkatan ketepatan pengelompokan akan menurun dengan semakin meningkatnya jumlah satuan percobaan dalam kelompok
Derajat bebas kelompok akan menurunkan derajat bebas galat, sehingga sensitifitasnya akan menurun terutama apabila jumlah perlakuannya sedikit atau keragaman dalam satuan percobaan kecil (homogen).
Memerlukan pemahaman tambahan tentang keragaman satuan percobaan untuk suksesnya pengelompokan.

jika ada data yang hilang memerlukan perhitungan yang lebih rumit.

Seperti diuraikan di atas, suksesnya pengelompokan dalam Rancangan Lingkungan RAK memerlukan pemahaman tambahan tentang keragaman satuan percobaan. Kita harus bisa mengidentifikasi arah keragaman tersebut, sehingga Variabel Pengganggu (Nuisance factor /disturbing factor) bisa diminimalisir. Nuisance factor adalah setiap faktor/variabel diluar perlakuan yang akan berpengaruh terhadap respons. Berikut ini merupakan panduan dalam mengidentifikasi faktor tersebut, yang bisa dijadikan acuan dalam pembuatan kelompok/pengelompokan.

Cara Pengacakan Rancangan Acak Kelompok

Langkah-langkah pengacakan dalam RAKL sama seperti pada RAL dengan kelompok sebagai ulangan. Perhatikan Gambar di bawah ini. Pengelompokan dilakukan tergak lurus terhadap arah keragaman sehingga keragaman pada masing-masing kelompok yang sama relatif lebih kecil. Daerah percobaan di dalam setiap kelompok dibagi ke dalam jumlah yang sesuai dengan jumlah perlakuan yang akan dicobakan.

Gambar 1.1 Contoh pengelompokan petak percobaan

Sebelum pengacakan, bagilah daerah percobaan atau satuan percobaan ke dalam beberapa kelompok sesuai dengan jumlah ulangan. Setiap kelompok kemudian dibagi lagi menjadi beberapa petak yang sesuai dengan banyaknya perlakuan yang akan dicobakan. Pengacakan dilakukan secara terpisah untuk setiap kelompok, karena dalam RAK perlakuan harus muncul satu kali dalam setiap ulangan. Misal percobaan dengan 6 perlakuan (A, B, C, D, E, F) dan 4 kelompok. Cara yang lebih sederhana dengan melakukan pengundian. Buat 6 gulungan kertas, kemudian pada setiap kertas tulis satu kode perlakuan yang akan dicoba dari kode A sampai F. Lakukan pengundian tanpa pemulihan untuk kelompok I. Setelah selesai melakukan pengundian untuk kelompok I, lakukan hal yang sama untuk kelompok II dan seterusnya.

Sebenarnya, proses pengacakan akan lebih mudah dan praktis apabila kita menggunakan bantuan komputer, misalnya dengan menggunakan Angka Acak (dalam Microsoft Excel misalnya dengan menggunakan fungsi RAND()). Berikut ini diberikan contoh pengacakan dengan menggunakan Ms Excel. Langkah pengerjaan detailnya hampir mirip dengan proses pengacakan pada RAL (lihat proses pengacakan pada RAL dengan menggunakan bantuan MS Excel).

Buat Tabel yang terdiri dari 4 kolom, No; Perlakuan; Kelompok; Angka Acak. Kolom Nomor hanya sebagai referensi dan tidak dilakukan pengacakan sehingga jangan disorot (Blok). Banyaknya perlakuan dan Kelompok sesuai dengan Rancangan Perlakuan. Untuk contoh kasus di atas, bentuk tabelnya seperti pada Gambar …a. Selanjutnya Sorot Kolom Perlakuan, Kelompok, dan Angka Acak, lakukan sortasi berdasarkan hierarki berikut: Pengurutan pertama berdasarkan Kelompok, dan kedua berdasarkan Angka Acak (Gambar …b).

Gambar …

Hasil pengacakannya tampak seperti pada Gambar berikut: Perhatikan Urutan Kelompok tetap dipertahankan, yang berubah adalah Urutan Acak dari Perlakuan. Tempatkan Urutan acak tersebut sesuai dengan kelompoknya (atau tempatkan Kode Perlakuan berdasarkan Nomor yang telah kita buat sebelumnya pada Denah Percobaan. Awas.., penomoran pada denah percobaan harus diurutkan berdasarkan kelompok, No 1-6 ditempatkan pada Kelompok I, 7-12 pada kelompok II dst.).

Gambar 1.1 Denah Percobaan Rancangan Acak Kelompok

Tabulasi data untuk rancangan acak kelompok dari hasil pengacakan di atas disajikan sebagai berikut :

Tabel 3.1. Tabulasi Data Dari Hasil Percobaan Dengan Menggunakan Rancangan Acak Kelompok Lengkap

Perlakuan (t)	Kelompok (r)				Total Perlakuan (Y_i.)
Perlakuan (t)	1	2	3	4	Total Perlakuan (Y_i.)
1	Y₁₁	Y₁₂	Y₁₃	Y₁₄	Y₁.
2	Y₂₁	Y₂₂	Y₂₃	Y₂₄	Y₂.
3	Y₃₁	Y₃₂	Y₃₃	Y₃₄	Y₃.
4	Y₄₁	Y₄₂	Y₄₃	Y₄₄	Y₄.
5	Y₅₁	Y₅₂	Y₅₃	Y₅₄	Y₅.
6	Y₆₁	Y₆₂	Y₆₃	Y₆₄	Y₆.
Total Kelompok (Y_.j)	Y.₁	Y.₂	Y.₃	Y.₄	Y..

Model Linier Rancangan Acak Kelompok

Model linier RAK dengan banyaknya kelompok (ulangan ) k dan banyaknya perlakuan t adalah:

${Y_{ij}} = \mu + {\tau _i} + {\beta _j} + {\varepsilon _{ij}}$

dimana i =1,2,…,t dan j = 1,2,…,r

Dengan:

Y_ij = pengamatan pada perlakuan ke-i dan kelompok ke-j

μ = mean populasi

τ_i = pengaruh aditif dari perlakuan ke-i

β_j= pengaruh aditif dari kelompok ke-j

ε_ij= pengaruh acak dari perlakuan ke-i dan kelompok ke-j

Asumsi:

Pengaruh perlakuan tetap	Pengaruh perlakuan acak
$E({\tau _i}) = {\tau _i};\,\,\sum\limits_{i = 1}^t {{\tau _i} = 0} ;\,\,{\varepsilon _{ij}} \approx N(0,{\sigma ^2})$	${\tau _i} \approx {\rm{N}}(0,{\sigma _\tau }^2){\rm{ ; }}{\beta _{\rm{j}}}{\rm{ }} \approx {\rm{N}}(0,{\sigma _\beta }^2);\;{\varepsilon _{{\rm{ij}}}} \approx {\rm{N}}(0,{\sigma ^2})$
$E({\beta _i}) = {\beta _i}{\text{ ; }}\sum\limits_{{\text{j}} = {\text{1}}}^{\text{r}} {{\beta _{\text{i}}}} = 0{\text{ }}$

Hipotesis:

Hipotesis yang Akan Diuji:	Pengaruh perlakuan tetap	Pengaruh perlakuan acak
H₀	Semua τ_i = 0 (i = 1, 2, …, t)	σ_τ² = 0 (tidak ada keragaman dalam populasi perlakuan)
H₁	Tidak semua τ_i = 0 (i = 1, 2, …, t)	σ_τ² > 0 (ada keragaman dalam populasi perlakuan)

Analisis Ragam:

Parameter	Penduga
μ	$\hat \mu = {\rm{ }}{\bar Y_{..}}$
β_i_j	${\hat \tau _{i{\rm{ }}}}{\rm{ }} = {\rm{ }}{\bar Y_{i.}} - {\bar Y_{..}}$
τ_i	${\hat \beta _j}{\rm{ }} = {\rm{ }}{Y_{.j}} - {\bar Y_{..}}$
ε_i	${\hat \varepsilon _{ij}} = {Y_{ij}} - {\overline Y _{i.}} - {\overline Y _{.j}} + {\overline Y _{..}}$

Refresentasi data dari model linier Y_ij = μ + τ_i + β_j + ε_ij adalah sebagai berikut:

${Y_{ij}} = {\overline Y _{..}} + ({\overline Y _{i.}} - {\overline Y _{..}}) + ({\overline Y _{.j}} - {\overline Y _{..}}) + ({Y_{ij}} - {\overline Y _{i.}} - {\overline Y _{.j}} + {\overline Y _{..}})$

Keragaman totalnya dapat diuraikan sebagai berikut :

$\begin{gathered} {Y_{ij}} = {\overline Y _{..}} + ({\overline Y _{i.}} - {\overline Y _{..}}) + ({\overline Y _{.j}} - {\overline Y _{..}}) + ({Y_{ij}} - {\overline Y _{i.}} - {\overline Y _{.j}} + {\overline Y _{..}}) \hfill \\ {Y_{ij}} - {\overline Y _{..}} = ({\overline Y _{i.}} - {\overline Y _{..}}) + ({\overline Y _{.j}} - {\overline Y _{..}}) + ({Y_{ij}} - {\overline Y _{i.}} - {\overline Y _{.j}} + {\overline Y _{..}}) \hfill \\ \end{gathered}$

Sehingga persamaan Jumlah kuadratnya menjadi:

$\sum\limits_{i = 1}^t {\sum\limits_{j = 1}^r {{{({Y_{ij}} - {{\overline Y }_{..}})}^2}} = r\sum\limits_{i = 1}^t {{{({{\overline Y }_{i.}} - {{\overline Y }_{..}})}^2} + t\sum\limits_{j = 1}^r {{{({{\overline Y }_{.j}} - {{\overline Y }_{..}})}^2}} + \sum\limits_{i = 1}^t {\sum\limits_{j = 1}^r {{{({Y_{ij}} - {{\overline Y }_{i.}} - {{\overline Y }_{.j}} + {{\overline Y }_{..}})}^2}} } } }$

Atau: JKT = JKK + JKP + JKG.

Jadi,
Jumlah kuadrat total (JKT) = Jumlah kuadrat kelompok (JKK) + Jumlah kuadrat perlakuan (JKP) + Jumlah kuadrat galat (JKG)

	Definisi	Pengerjaan
FK	$\dfrac{{Y{{..}^2}}}{{tr}}$	$\dfrac{{Y{{..}^2}}}{{tr}}$
JKT	$\sum\limits_{i = 1}^{} {\sum\limits_{j = 1}^{} {{{({Y_{ij}} - \bar Y..)}^2}} } = \sum\limits_{i = 1}^{} {\sum\limits_{j = 1}^{} {{Y_{ij}}^2} } - \dfrac{{Y{{..}^2}}}{{tr}}$	$\sum\limits_{i,j} {{Y_{ij}}^2} - FK$
JKK	$\sum\limits_{i = 1}^{} {\sum\limits_{j = 1}^{} {{{({{\bar Y}_{.j}} - \bar Y..)}^2}} } = \sum\limits_j^{} {\dfrac{{{Y_{.j}}^2}}{t}} - \dfrac{{Y{{..}^2}}}{{tr}}$	$\sum\limits_j^{} {\dfrac{{{Y_{.j}}^2}}{t}} - FK$
JKP	$\sum\limits_{i = 1}^{} {\sum\limits_{j = 1}^{} {{{({{\bar Y}_{i.}} - \bar Y..)}^2}} } = \sum\limits_{i = 1}^{} {\dfrac{{{Y_{i.}}^2}}{r}} - \dfrac{{Y{{..}^2}}}{{tr}}$	$\sum\limits_i^{} {\dfrac{{{Y_{i.}}^2}}{r}} - FK$
JKG	${\sum\limits_i {\sum\limits_j {({Y_{ij}} - {{\bar Y}_{i.}} - {{\bar Y}_{.j}} + \bar Y..)} } ^2} = \sum\limits_i^{} {\sum\limits_j^{} {{e_{ij}}} }$	$JKT - JKK - JKP$

Tabel analisis ragam bagi rancangan acak kelompok lengkap dengan pengaruh kelompok tetap adalah sebagai berikut :

Tabel 3.2. Analisis Ragam Rancangan Acak Kelompok Lengkap Dengan Pengaruh Kelompok Tetap

Sumber Keragaman (SK)	Jumlah Kuadrat (JK)	Derajat Bebas (db)	Kuadrat Tengah (KT)	E(KT)
				Perlakuan tetap	Perlakuan acak
Kelompok	JKK	r-1	KTK	${\sigma ^2} + [\frac{t}{{(r - 1)}}]\sum {{\beta _j}^2}$	${\sigma ^2} + [\frac{t}{{(r - 1)}}]\sum {{\beta _j}^2}$
Perlakuan	JKP	t-1	KTP	${\sigma ^2} + \left[ {\frac{r}{{(t - 1)}}} \right]\sum {{\tau _i}^2}$	${\sigma ^2} + r{\sigma ^2}_\tau$
Galat	JKG	(r-1)(t-1)	KTG	σ²	σ²
Total	JKT	rt-1

Statistik uji yang digunakan untuk pengujian di atas adalah:

${F_{hitung}} = \frac{{KTP}}{{KTG}}$

dengan kaidah keputusan pada taraf nyata α sebagai berikut :

Apabila ${F_{hitung}} \le {F_{\alpha (db1,db2)}} = {F_{\alpha (t - 1,(r - 1)(t - 1))}}$ terima H₀dan sebaliknya tolak H₀. F_α adalah nilai F yang luas di sebelah kanannya sebesar α.

Adakalanya kita ingin menguji pengaruh kelompok, tetapi biasanya perlakuanlah yang menjadi perhatian utama , pengelompokan dilakukan sebagai alat untuk mereduksi keragaman galat percobaan.

Hipotesis untuk menguji pengaruh kelompok :

H0 : Semua β_j = 0

H1 : Tidak semua β_j = 0

Statistik uji untuk pengujian pengaruh kelompok tersebut adalah ${F_{hitung}} = \frac{{KTP}}{{KTG}}$ dengan keputusan tolak H₀ apabila ${F_{hitung}} \le {F_{\alpha (db1,db2)}} = {F_{\alpha (t - 1,(r - 1)(t - 1))}}$ dan sebaliknya.

Galat Baku

Galat baku (Standar error) untuk perbedaan di antara rata-rata perlakuan dihitung dengan formula berikut:

${S_{\bar Y}} = \sqrt {\dfrac{{2KTG}}{t}}$

Efisiensi Pengelompokan Dibandingkan Rancangan Acak

Efisiensi relatif pengelompokan dibandingkan rancanngan acak lengkap dinyatakan sebagai berikut :

$E = \dfrac{{(d{b_2} + 1)(d{b_1} + 3)}}{{(d{b_2} + 3)(d{b_1} + 1)}}\dfrac{{{S_a}^2}}{{KTG}}$

dengan E menunjukkan seberapa lebih besar ulangan diperlukan pada rancangan acak lengkap dibandingkan dengan dengan rancangan kelompok untuk memperoleh sensitifitas rancangan acak lengkap sama dengan ranacangan acak kelompok. Sedangkan db1 menyatakan derajat bebas galat percobaan untuk rancangan acak lengkap dan db2 menyatakan derajat bebas galat percobaan untuk rancangan kelompok , S_a²menyatakan penduga ragam galat percobaan untuk rancangan acak kelompok dan KTG menyatakan penduga ragam galat untuk rancangan acak kelompok.

Contoh Penerapan 1

Dari hasil penelitian mengenai pengaruh pencucian dan pembuangan kelebihan kelembapan dengan cara melap atau menyemprotkan udara terhadap kandungan asam askorbat pada tanaman turnip green diperoleh data dalam miligram per 100 gr bobot kering sebagai berikut :

Tabel 3.3. Data Turnip Green (mg/100gr Bobot Kering)

Perlakuan	Kelompok					Total Perlakuan (Yi.)
Perlakuan	1	2	3	4	5	Total Perlakuan (Yi.)
kontrol	950	887	897	850	975	4559
Dicuci dan dilap	857	1189	918	968	909	4841
Dicuci dan disemprot dengan udara	917	1072	975	930	954	4848
Total kelompok (Y.j)	2724	3148	2790	2748	2838	Y.. = 14248

Langkah-langkah perhitungan Analisis Ragam:

Langkah 1: Hitung Faktor Koreksi

$FK = \dfrac{{Y{{..}^2}}}{{tr}} = \dfrac{{{{14248}^2}}}{{(3)(5)}} = {\rm{13533700}}$

Langkah 2: Hitung Jumlah Kuadrat Total

$JKT = \sum\limits_{i,j}^{} {{Y_{ij}}^2} - FK = {950^2} + {857^2} + ... + {954^2} - 13533700 = {\rm{103216}}$

Langkah 3: Hitung Jumlah Kuadrat Kelompok

$JKK = \sum\limits_j^{} {\dfrac{{{Y_{.j}}^2}}{t}} - FK = \dfrac{{{{2724}^2} + {{3148}^2} + ... + {{2838}^2}}}{3} - 13533700 = {\rm{25148}}$

Langkah 4: Hitung Jumlah Kuadrat Perlakuan

$JKP = \sum\limits_i^{} {\dfrac{{{Y_{i.}}^2}}{r}} - FK = \dfrac{{{{4559}^2} + {{4841}^2} + {{4848}^2}}}{5} - 13533700 = {\rm{10873}}$

Langkah 5: Hitung Jumlah Kuadrat Galat

$JKG = JKT - JKK - JKP = 67194$

Langkah 6: Buat Tabel Analisis Ragam beserta Nilai F-tabelnya

Tabel Analisis Ragam Data Turnip Green

Sumber Keragaman (SK)	Derajat Bebas (db)	Jumlah Kuadrat (JK)	Kuadrat Tengah KT)	F_hitung	F_0.05	F_0.01
Kelompok	4	25148	6287	0.75	3.838	7.006
Perlakuan	2	10873	5436	0.65	4.459	8.649
Galat	8	67194	8399
Total	14	103216

F_(0.05,4,8) = 3.838
F_(0.01,4,8) = 7.006
F_(0.05,2,8) = 4.459
F_(0.01,2,8) = 8.649

Langkah 7: Buat Kesimpulan

Karena Fhitung (0.65) ≤ 4.459 maka kita gagal untuk menolak H₀: μ₁ = μ₂ = μ₃ pada taraf kepercayaan 95%. Hal ini berarti bahwa pada taraf kepercayaan 95%, semua rata-rata perlakuan tidak berbeda dengan yang lainnya. Atau dengan kata lain dapat diambil keputusan terima Ho, artinya tidak ada perbedaan pengaruh perlakuan terhadap respon yang diamati.

Keterangan:

Biasanya, tanda tidak nyata (tn) diberikan, apabila nilai F-hitung lebih kecil dari F(0.05), tanda bintang satu (*) diberikan, apabila nilai F-hitung lebih besar dari F(0.05) dan tanda bintang dua (**) diberikan apabila nilai F-hitung lebih besar dari F(0.01)

Langkah 8: Hitung Koefisien Keragaman (KK)

$KK = \dfrac{{\sqrt {KTG} }}{{\bar Y..}} \times 100\% = \dfrac{{\sqrt {8399} }}{{949.867}} \times 100\% = 9.65\%$

Post-Hoc

Karena berdasarkan analisis ragam, pengaruh perlakuan tidak nyata, maka tidak perlu dilakukan pengujian lanjut karena rata-rata diantara perlakuan tidak berbeda.

Contoh Penerapan 2

Data pada tabel berikut merupakan Hasil padi (kg/petak) Genotif S-969 yang diberi 6 perlakuan. Faktor-faktor yang diteliti adalah kombinasi pupuk NPK sebanyak 6 taraf, yaitu Kontrol, PK, N, NP, NK, NPK.

Tabel 3.3. Data Hasil Padi Genotif S-969 (kg/petak)

Kombinasi Pemupukan	Kelompok				Total Perlakuan
Kombinasi Pemupukan	1	2	3	4	(Y_i.)
Kontrol	27.7	33.0	26.3	37.7	124.7
PK	36.6	33.8	27.0	39.0	136.4
N	37.4	41.2	45.4	44.6	168.6
NP	42.2	46.0	45.9	46.2	180.3
NK	39.8	39.5	40.9	44.0	164.2
NPK	42.9	45.9	43.9	45.6	178.3
Total kelompok (Y_.j)	226.6	239.4	229.4	257.1	952.5

Langkah-langkah perhitungan Analisis Ragam:

Langkah 1: Hitung Faktor Koreksi

$FK = \dfrac{{Y{{..}^2}}}{{tr}} = \dfrac{{{{952.5}^2}}}{{(6)(4)}} = {\rm{37802}}{\rm{.3438}}$

Langkah 2: Hitung Jumlah Kuadrat Total

$JKT=\sum\limits_{i,j}^{}{{Y_{ij}}^2}-FK={27.7^2}+{33.0^2}+...+{43.9^2}+{45.6^2}-{\rm{37802}}{\rm{.3438}}\\={\rm{890}}{\rm{.42625}}$

Langkah 3: Hitung Jumlah Kuadrat Kelompok

$JKK=\sum\limits_j^{}{\dfrac{{{Y_{.j}}^2}}{t}}-FK=\dfrac{{{{226.6}^2}+{{239.4}^2}+{{229.4}^2}+{{257.1}^2}}}{6}-{\rm{37802}}{\rm{.3438}}={\rm{95}}{\rm{.1045833}}$

Langkah 4: Hitung Jumlah Kuadrat Perlakuan

$JKP=\sum\limits_i^{}{\dfrac{{{Y_{i.}}^2}}{r}}-FK=\dfrac{{{\rm{124}}{\rm{.}}{{\rm{7}}^2}+{\rm{136}}{\rm{.}}{{\rm{4}}^2}+{\rm{168}}{\rm{.}}{{\rm{6}}^2}+...+{\rm{178}}{\rm{.}}{{\rm{3}}^2}}}{4}-{\rm{37802}}{\rm{.3438}}\\={\rm{658}}{\rm{.06375}}$

Langkah 5: Hitung Jumlah Kuadrat Galat

$JKG=JKT-JKK-JKP\\=890.42625-95.1045833-658.06375\\=137.2579167$

Langkah 6: Buat Tabel Analisis Ragam beserta Nilai F-tabelnya

Tabel Analisis Ragam Hasil Padi

Sumber Keragaman(SK)	Derajat Bebas (db)	Jumlah Kuadrat (JK)	Kuadrat Tengah	F_hitung	F_0.05	F_0.01
Kelompok	3	95.1045833	31.7015278	3.46 *	3.287	5.417
Perlakuan	5	658.06375	131.61275	14.38 **	2.901	4.556
Galat	15	137.257917	9.15052778	–
Total	23	890.42625

F_(0.05,3,15) = 3.287
F_(0.01,3,15) = 2.901
F_(0.05,5,15) = 5.417
F_(0.01,5,15) = 4.556

Langkah 7: Buat Kesimpulan

Karena Fhitung (14.39) > 2.901 maka kita menolak H₀: μ₁ = μ₂ = μ₃ pada taraf kepercayaan 95%. Hal ini berarti bahwa pada taraf kepercayaan 95%, ada satu atau lebih dari rata-rata perlakuan yang berbeda dengan yang lainnya. Atau dengan kata lain dapat diambil keputusan tolak Ho, artinya terdapat perbedaan pengaruh perlakuan terhadap respon yang diamati.

Keterangan:

Langkah 8: Hitung Koefisien Keragaman (KK)

${\rm{KK}} = \dfrac{{\sqrt {KTG} }}{{\bar Y..}} \times 100\% = \dfrac{{\sqrt {{\rm{9}}{\rm{.1505}}} }}{{{\rm{39}}{\rm{.688}}}} \times 100\% \\ = 7.62\%$

Post-Hoc

Langkah pengerjaan pengujian perbedaan rata-rata dengan menggunakan uji Tukey HSD.

Hitung nilai Tukey HSD (w):

$\omega = {q_\alpha }(p,\nu )\sqrt {\dfrac{{KTG}}{r}} \\ = {q_{0.05}}(6,15)\sqrt {\dfrac{{KTG}}{r}} \\ = {\rm{4}}{\rm{.595}} \times \sqrt {\dfrac{{9.1505}}{4}} \\ = 6.95 \\$

Bandingkan selisis rata-rata perlakuan dengan nilai Tukey HSD (w)

Urutkan rata-rata perlakuan (urutan menaik/menurun)
Buat Tabel Matriks selisih antara rata-rata perlakuan
Bandingkan selisih rata-rata dengan nilai HSD

	Kontrol	PK	NK	N	NPK	NP	Notasi
	rata-rata	31.18	34.10	41.05	42.15	44.58	45.08
Kontrol	31.18	0.00						a
PK	34.10	2.93	0.00					a
NK	41.05	9.88*	6.95*	0.00				b
N	42.15	10.98*	8.05*	1.10	0.00			b
NPK	44.58	13.40*	10.48*	3.53	2.43	0.00		b
NP	45.08	13.90*	10.98*	4.03	2.93	0.50	0.00	b

Hasil akhirnya adalah sebagai berikut:

Tabel rata -rata perlakuan dikembalikan urutannya sesuai dengan No Urut perlakuan)

Pupuk (P)	Rata-rata
Kontrol	31.18 a
PK	34.10 a
N	42.15 b
NP	45.08 b
NK	41.05 b
NPK	44.58 b

Cari Blog Ini

Nurkholiza