RANCANGAN ACAK LENGKAP UNTUK BIOLOGI DAN (1)
RANCANGAN ACAK LENGKAP UNTUK
BIOLOGI DAN ILMU PERTANIAN
Drs. Astija, MSi., PhD
PROGRAM STUDI PENDIDIKAN BIOLOGIPMIPA- FKIP
UNIVERSITAS TADULAKO
2018
Rancangan acak lengkap
Rancangan ini digunakan untuk kondisi faktor lingkungan yang homogen dari tempat eksperimen
dilakukan seperti cahaya, suhu, kelembaban, kondisi tanah dan kondisi lainnya [1]–[3]. Disamping
itu sampel seperti tanaman, yang digunakan dalam eksperimen juga harus homogen . Pada
rancangan ini, pengacakan dilakukan dengan cara mengacak perlakuan-perlakuan yang
digunakan kepada setiap sampel (tanaman). Dengan catatan banyaknya perlakuan yang muncul
atau yang dikenakan kepada sampel sebanyak jumlah ulangan yang ditentukan. Contoh jika
dalam eksperimen menggunakan 4 perlakuan (misalnya perlakuan A, B, C, D). Setiap perlakuan
diulang 6 kali maka jumlah sampel perlu disediakan sebanyak 24. Untuk menentukan jumlah
minimal ulangan yang diperlukan dapat dicari dengan menggunakan rumus: t(r-1) >= 15 [4]–[7].
Jika dalam eksperimen itu menggunakan 4 perlakuan maka ulangan dari setiap perlakuan ialah:
t=4
4(r-1) >= 15
4r – 4 >= 15
4r >= 15 +4
r >= 19/4
r = 4,75 , maka r sebaiknya > 5, contoh di atas diambil 6.
Untuk merancang 24 sampel tanaman maka dapat dilakukan sebagai berikut.
•
Siapkan 24 tanaman (4 perlakuan X 6 ulangan).
•
Beri nomor setiap tanaman secara berurutan mulai dari no 1 hingga 24
•
Sediakan 4 gulungan kertas berukuran 5 x 10 cm yang telah dituliskan masing-masing dengan
tulisan perlakuan A, B, C dan D.
•
Masukkan 4 gulungan kertas tersebut ke dalam suatu wadah dan kocok atau aduk
•
Ambil secara acak salah satu kertas gulungan itu dan buka serta bacakan, perlakuan apakah
yang terambil, apakah A, B, C atau D kah yang terambil
•
Hasil proses ini merupakan hasil pengacakan perlakuan yang dikenakan kepada tanaman no 1.
•
Selanjutnya gulangan yang sudah terambil digulung kembali dan dimasukkan ke wadah
bersama dengan 3 gulungan kertas yang masih ada di dalam wadah tersebut.
•
lakukan pengacakan dan ambil salah satu gulungan kertas serta buka untuk melihat perlakuan
apa yang terambil.
•
Catat hasilnya sebagai hasil pengacakan perlakuan untuk tanaman no 2.
•
•
Untuk tanaman no 3 dan seterusnya hingga no 24 dilakukan dengan cara yang sama, dengan
catatan bahwa setiap perlakuan muncul/berjumlah 6. Perhatikan gambar berikut ini.
Selanjutnya data tersebut dianalisis dengan ANOVA. Analisisnya dapat dilakukan dengan
program SPSS, Xl-Stat, JMP dan lainnya. Berikut ini kita lakukan dengan program SPSS [8]–[12]
dengan langkah-langkah yang sama seperti pada langkah-langkah dalam menganalisis data
tentang kadar glukosa darah tikus dari hasil 4 macam perlakuan. Hanya saja kadar glukosa diganti
dengan tinggi tanaman.
1. Buka program aplikasi SPSS
2. Perhatikan di sudut kanan, anda bekerja dengan meng-klik “variable view”
3. Di atas, perhatikan tertulis Nama, Type dst. Di bawah “Nama” atau baris ke-1 tuliskan
(misalnya Perlakuan). Secara otomatis, di kolom-kolom berikutnya akan tertulis seperti
tampak pada gambar berikut:
4. Klik di bawah sel “Decimal” ataua angka“4” untuk mengubah menjadi nol “0” dengan cara
mengklik tanda panah ke bawah. Hal ini karena kita tidak menginginkan desimal sperti pada
gambar berikut.
5. Selanjutnya, klik di sel “None” dibawah kata “Values” sehingga akan menampakkan titik-titik
seperti pada gambar berikut.
6. Dengan mengklik titik-titik tersebut maka akan muncul menu seperti pada gambar berikut.
7. Tuliskan pada kotak kosong tersedia untuk menu dengan kata 1 dan label dengan kata misalnya
‘Perlakuan A’. Lalu klik kata “Add” sehingga pada kotok besar itu akan tertulis “1= Perlakuan A”
8. Dengan cara yang sama, lanjutkan untuk 2, 3, dan 4 untuk perlakuan B, C dan D sehingga diperoleh
tampilan seperti pada gambar berikut.
9. Klik “OK”
10. Berikutnya kita tulis untuk variabel berikutnya dengan mengklik di sel di bawah perlakuan dengan kata
“glukosa”. Secara otomatis untuk sel-sel berikutnya akan terisi, namun bila data kadar glukosa tiada
desimal maka gantipada kolom desimal dengan angka desimal yang diinginkan misalnya “2” berati kadar
glukosa nanti tertulis dua angka dibelakang koma.
11. Selanjutnya anda dapat beralih ke “Data view” dengan cara mengklik kata tersebut sehingga diperoleh
tampilan seperti pada gambar berikut.
12. Di Data View anda mengisi sel-sel pada kolom “perlakuan” dan “Glukosa”. Kolom “perlakuan” tulis 1,
2, 3 dan 4 masing-masing sebanyak 6 kali sesuai dengan jumlah ulangannya dan pada kolom “Glukosa”
tuliskan dengan data dari hasil eksperimen yang diperoleh. Untuk contoh diperlihatkan gambarsampai
perlakuan 2.
13. Untuk mengubah tampilan data 1, 2, 3, 4 pada kolom perlakuan kita dapat mengklik “view”.
14. Lalu klik “Value Labels” sehingga akan menjadi tampilan seperti gambar berikut.
15. Setelah data semuanya diinput/ditulis, langkah berikutnya ialah menganalisa data tersebut dengan
cara memilih “Analyse”, “Descriptive Statistics”
16. Lalu klik “Explore” sehingga akan muncul gambar-gambar berikut. sehingga akan menjadi tampilan
seperti gambar berikut.
17. Sorot “Perlakuaan” dan masukkan ke faktor list dengan mengklik tanda panah. Setelah itu, sorot pula
“Glukosa” dan masukkan ke dependent list dengan mengklik tanda panah
18. Lalu klik “Plot” sehingga akan muncul gambar-gambar berikut.
19. Klik “Normality plot with tests, sementara di box plot dan descriptive, anda boleh memilih yang mana
yang dikehendaki bila diperlukan
20. Lalu klik “Conntinu” sehingga akan menhilang kotak dialog explore plots. Setelah itu klik “OK” pada
kotak Explore dan akan mendapatkan hasilnya.gambar-gambar berikut.
21. Hal yang terpenting ialah perhatikan “Tests Normality” di sebelah kanan untuk melihat tabel
normalitas, seperti pada gambar berikut.
22. Dari tabel tersebut perlu diperhatikan bahwa Tests Normality dimaksudkan untuk mendapatkan
bahwa apakah data (tentang kadar glukosa dari masing-masing perlakuan) memiliki distribusi normal atau
tidak. Data yang berdistribusi normal merupakan syarat untuk pengujian statistika parametrik seperti uji
ANOVA. Untuk memahami apakah data tersebut berdistribusi normal atau tidak perhatikan saja nilai “sig”
bila nilainya lebih besar dari alfa (contoh 0,05) maka menunjukkan data berdistribusi normal sebaliknya
bila nilai “sig” lebih kecil maka data tersebut berdistribusi tidak normal. Pada Tabel di bawah kita bisa
memilih “Kolmogorov-Smirnov” bila jumlah data yang digunakan lebih dari 50 dan Shapiro-Wilk bila
jumlah data yang digunakan kurang dari 50 . Untuk contoh ini kita perhatikan pada Shapiro-Wilk dengan
mendapatkan nilai “sig” lebih besar dari alfa 0,05 (misalnya tertulis .421, angka 0 tidak tertulis).
23. Langkah berikutnya ialah pengujian homogenitas. Caranya kembali ke SPSS dan klik analyse, compare
means dan one way ANOVA
24. Klik “one way ANOVA”
25. Masukkan “perlakuan” ke factor list” sedangkan Glukosa ke “ Dependent List” seperti tampak pada
gambar berikut.
26. Lalu klik “Option” sehingga akan muncul seperti pada gambar berikut.
27. Pilih “Homogenity of Variance tests” dan klik “continu” sehingga kotak dialog itu akan menghilang.
Pada kotak dialog “one way ANOVA” klik pula “Post Hoc” sehingga akan muncul kotak dialog seperti
gambar berikut:
28. Pilih Uji lanjut apa saja yang diinginkan, misalnya pilih LSD/BNT dan tuliskan significant level (taraf
kesalahannya, misalnya 0,05). Lalu klik “continu” dilanjutkan dengan klik “OK” pada kotak dialog One way
Anova nya, sehingga akan mendapatkan hasilnya.
29. Hal yang terpenting ialah perhatikan test homogenitasnya. Jika nilai “sig” (yakni 0,282) lebih besar dari
alfa 0,05 maka data dari hasil eksperimen (berupa kadar glukosa) memiliki homogenitas. Karena datanya
homogen maka maka uji dilanjutkan ke uji ANOVA. Hasilnya coba perhatikan tabel ANOVA di atas
mendapatkan nilai “sig” (0.000) lebih kecil dari nilai alfa (0,05) maka H0 ditolak atau H1 diterima berarti
Kadar glukosa memiliki perbedaan signifikan antara perlakuan yang satu dengan lainnya.Namun pasangan
manakah yang memiliki perbedaan signifikan dari 4 perlakuan tersebut maka untuk mengerti hal itu
perhatikan uji lanjutnya (di sini menggunakan uji LSD)
30. uji lanjutnya (di sini menggunakan uji LSD) pada tabel di atas anda perlu memperhatikan nilai “mean
difference I-J apakah terdapat tanda bintang *. Jika ia berarti menunjukkan adanya perbedaan signifikan
bila tiada berarti menunjukkan adanya perbedaan yang tidak signifikan. Cara lain ialah anda bisa melihat
nilai “sig”. Jika nilai “sig’ lebih kecil dari nilai alfa (0,05) maka menunjukkan adanya perbedaan yang
signifikan, sebaliknya bila nilai “sig” lebih besar dari nilai alfa maka menunjukkan adanya perbedaan yang
tidak signifikan.
References
[1]
B. Setiawan, “Rancangan Percobaan,” Metodol. Penelit. Bid. Kedokt., 1999.
[2]
Prastowo, “Metode Penelitian Kualitatif ( Dalam perpektif Rancangan Penelitian),” Metod.
Penelit. Kualitatif ( Dalam perpektif Ranc. Penelitian), 2011.
[3]
J. W. Creswell, Research Design "Pendekatan Metode Kualitatif, Kuantitatif, dan Campuran. 2016.
[4]
S. Karaman and E. Frazzoli, “Sampling-based Algorithms for Optimal Motion Planning,” Int. J. Rob.
Res., 2010.
[5]
M. A. Begen, R. Levi, and M. Queyranne, “Technical Note—A Sampling-Based Approach to
Appointment Scheduling,” Oper. Res., 2012.
[6]
W. M. K. Trochim and J. P. Donnelly, The Research Methods Knowledge Base. 2006.
[7]
C. A. Sink and N. H. Mvududu, “Statistical Power, Sampling, and Effect Sizes: Three Keys to
Research Relevancy,” Couns. Outcome Res. Eval., 2010.
[8]
UCLA Institute for Digital Research and Education, “Choosing the Correct Statistical Test in SAS,
Stata and SPSS,” [Organization Website], 2015.
[9]
S. J. Coakes and L. Steel, “SPSS Version 14.0 for Windows: Analysis with out anguish,” JohnWiley
Sons Aust. Ltd., Aust., 2007.
[10]
C. He et al., “Factor Analysis Using SPSS,” Sci. Res. Essays, 2013.
[11]
R. Bott, SPSS Explained. 2014.
[12]
G. a Morgan, N. L. Leech, G. W. Gloeckner, and K. C. Barrett, SPSS for Introductory Statistics: Use
and Interpretation. 2004.
BIOLOGI DAN ILMU PERTANIAN
Drs. Astija, MSi., PhD
PROGRAM STUDI PENDIDIKAN BIOLOGIPMIPA- FKIP
UNIVERSITAS TADULAKO
2018
Rancangan acak lengkap
Rancangan ini digunakan untuk kondisi faktor lingkungan yang homogen dari tempat eksperimen
dilakukan seperti cahaya, suhu, kelembaban, kondisi tanah dan kondisi lainnya [1]–[3]. Disamping
itu sampel seperti tanaman, yang digunakan dalam eksperimen juga harus homogen . Pada
rancangan ini, pengacakan dilakukan dengan cara mengacak perlakuan-perlakuan yang
digunakan kepada setiap sampel (tanaman). Dengan catatan banyaknya perlakuan yang muncul
atau yang dikenakan kepada sampel sebanyak jumlah ulangan yang ditentukan. Contoh jika
dalam eksperimen menggunakan 4 perlakuan (misalnya perlakuan A, B, C, D). Setiap perlakuan
diulang 6 kali maka jumlah sampel perlu disediakan sebanyak 24. Untuk menentukan jumlah
minimal ulangan yang diperlukan dapat dicari dengan menggunakan rumus: t(r-1) >= 15 [4]–[7].
Jika dalam eksperimen itu menggunakan 4 perlakuan maka ulangan dari setiap perlakuan ialah:
t=4
4(r-1) >= 15
4r – 4 >= 15
4r >= 15 +4
r >= 19/4
r = 4,75 , maka r sebaiknya > 5, contoh di atas diambil 6.
Untuk merancang 24 sampel tanaman maka dapat dilakukan sebagai berikut.
•
Siapkan 24 tanaman (4 perlakuan X 6 ulangan).
•
Beri nomor setiap tanaman secara berurutan mulai dari no 1 hingga 24
•
Sediakan 4 gulungan kertas berukuran 5 x 10 cm yang telah dituliskan masing-masing dengan
tulisan perlakuan A, B, C dan D.
•
Masukkan 4 gulungan kertas tersebut ke dalam suatu wadah dan kocok atau aduk
•
Ambil secara acak salah satu kertas gulungan itu dan buka serta bacakan, perlakuan apakah
yang terambil, apakah A, B, C atau D kah yang terambil
•
Hasil proses ini merupakan hasil pengacakan perlakuan yang dikenakan kepada tanaman no 1.
•
Selanjutnya gulangan yang sudah terambil digulung kembali dan dimasukkan ke wadah
bersama dengan 3 gulungan kertas yang masih ada di dalam wadah tersebut.
•
lakukan pengacakan dan ambil salah satu gulungan kertas serta buka untuk melihat perlakuan
apa yang terambil.
•
Catat hasilnya sebagai hasil pengacakan perlakuan untuk tanaman no 2.
•
•
Untuk tanaman no 3 dan seterusnya hingga no 24 dilakukan dengan cara yang sama, dengan
catatan bahwa setiap perlakuan muncul/berjumlah 6. Perhatikan gambar berikut ini.
Selanjutnya data tersebut dianalisis dengan ANOVA. Analisisnya dapat dilakukan dengan
program SPSS, Xl-Stat, JMP dan lainnya. Berikut ini kita lakukan dengan program SPSS [8]–[12]
dengan langkah-langkah yang sama seperti pada langkah-langkah dalam menganalisis data
tentang kadar glukosa darah tikus dari hasil 4 macam perlakuan. Hanya saja kadar glukosa diganti
dengan tinggi tanaman.
1. Buka program aplikasi SPSS
2. Perhatikan di sudut kanan, anda bekerja dengan meng-klik “variable view”
3. Di atas, perhatikan tertulis Nama, Type dst. Di bawah “Nama” atau baris ke-1 tuliskan
(misalnya Perlakuan). Secara otomatis, di kolom-kolom berikutnya akan tertulis seperti
tampak pada gambar berikut:
4. Klik di bawah sel “Decimal” ataua angka“4” untuk mengubah menjadi nol “0” dengan cara
mengklik tanda panah ke bawah. Hal ini karena kita tidak menginginkan desimal sperti pada
gambar berikut.
5. Selanjutnya, klik di sel “None” dibawah kata “Values” sehingga akan menampakkan titik-titik
seperti pada gambar berikut.
6. Dengan mengklik titik-titik tersebut maka akan muncul menu seperti pada gambar berikut.
7. Tuliskan pada kotak kosong tersedia untuk menu dengan kata 1 dan label dengan kata misalnya
‘Perlakuan A’. Lalu klik kata “Add” sehingga pada kotok besar itu akan tertulis “1= Perlakuan A”
8. Dengan cara yang sama, lanjutkan untuk 2, 3, dan 4 untuk perlakuan B, C dan D sehingga diperoleh
tampilan seperti pada gambar berikut.
9. Klik “OK”
10. Berikutnya kita tulis untuk variabel berikutnya dengan mengklik di sel di bawah perlakuan dengan kata
“glukosa”. Secara otomatis untuk sel-sel berikutnya akan terisi, namun bila data kadar glukosa tiada
desimal maka gantipada kolom desimal dengan angka desimal yang diinginkan misalnya “2” berati kadar
glukosa nanti tertulis dua angka dibelakang koma.
11. Selanjutnya anda dapat beralih ke “Data view” dengan cara mengklik kata tersebut sehingga diperoleh
tampilan seperti pada gambar berikut.
12. Di Data View anda mengisi sel-sel pada kolom “perlakuan” dan “Glukosa”. Kolom “perlakuan” tulis 1,
2, 3 dan 4 masing-masing sebanyak 6 kali sesuai dengan jumlah ulangannya dan pada kolom “Glukosa”
tuliskan dengan data dari hasil eksperimen yang diperoleh. Untuk contoh diperlihatkan gambarsampai
perlakuan 2.
13. Untuk mengubah tampilan data 1, 2, 3, 4 pada kolom perlakuan kita dapat mengklik “view”.
14. Lalu klik “Value Labels” sehingga akan menjadi tampilan seperti gambar berikut.
15. Setelah data semuanya diinput/ditulis, langkah berikutnya ialah menganalisa data tersebut dengan
cara memilih “Analyse”, “Descriptive Statistics”
16. Lalu klik “Explore” sehingga akan muncul gambar-gambar berikut. sehingga akan menjadi tampilan
seperti gambar berikut.
17. Sorot “Perlakuaan” dan masukkan ke faktor list dengan mengklik tanda panah. Setelah itu, sorot pula
“Glukosa” dan masukkan ke dependent list dengan mengklik tanda panah
18. Lalu klik “Plot” sehingga akan muncul gambar-gambar berikut.
19. Klik “Normality plot with tests, sementara di box plot dan descriptive, anda boleh memilih yang mana
yang dikehendaki bila diperlukan
20. Lalu klik “Conntinu” sehingga akan menhilang kotak dialog explore plots. Setelah itu klik “OK” pada
kotak Explore dan akan mendapatkan hasilnya.gambar-gambar berikut.
21. Hal yang terpenting ialah perhatikan “Tests Normality” di sebelah kanan untuk melihat tabel
normalitas, seperti pada gambar berikut.
22. Dari tabel tersebut perlu diperhatikan bahwa Tests Normality dimaksudkan untuk mendapatkan
bahwa apakah data (tentang kadar glukosa dari masing-masing perlakuan) memiliki distribusi normal atau
tidak. Data yang berdistribusi normal merupakan syarat untuk pengujian statistika parametrik seperti uji
ANOVA. Untuk memahami apakah data tersebut berdistribusi normal atau tidak perhatikan saja nilai “sig”
bila nilainya lebih besar dari alfa (contoh 0,05) maka menunjukkan data berdistribusi normal sebaliknya
bila nilai “sig” lebih kecil maka data tersebut berdistribusi tidak normal. Pada Tabel di bawah kita bisa
memilih “Kolmogorov-Smirnov” bila jumlah data yang digunakan lebih dari 50 dan Shapiro-Wilk bila
jumlah data yang digunakan kurang dari 50 . Untuk contoh ini kita perhatikan pada Shapiro-Wilk dengan
mendapatkan nilai “sig” lebih besar dari alfa 0,05 (misalnya tertulis .421, angka 0 tidak tertulis).
23. Langkah berikutnya ialah pengujian homogenitas. Caranya kembali ke SPSS dan klik analyse, compare
means dan one way ANOVA
24. Klik “one way ANOVA”
25. Masukkan “perlakuan” ke factor list” sedangkan Glukosa ke “ Dependent List” seperti tampak pada
gambar berikut.
26. Lalu klik “Option” sehingga akan muncul seperti pada gambar berikut.
27. Pilih “Homogenity of Variance tests” dan klik “continu” sehingga kotak dialog itu akan menghilang.
Pada kotak dialog “one way ANOVA” klik pula “Post Hoc” sehingga akan muncul kotak dialog seperti
gambar berikut:
28. Pilih Uji lanjut apa saja yang diinginkan, misalnya pilih LSD/BNT dan tuliskan significant level (taraf
kesalahannya, misalnya 0,05). Lalu klik “continu” dilanjutkan dengan klik “OK” pada kotak dialog One way
Anova nya, sehingga akan mendapatkan hasilnya.
29. Hal yang terpenting ialah perhatikan test homogenitasnya. Jika nilai “sig” (yakni 0,282) lebih besar dari
alfa 0,05 maka data dari hasil eksperimen (berupa kadar glukosa) memiliki homogenitas. Karena datanya
homogen maka maka uji dilanjutkan ke uji ANOVA. Hasilnya coba perhatikan tabel ANOVA di atas
mendapatkan nilai “sig” (0.000) lebih kecil dari nilai alfa (0,05) maka H0 ditolak atau H1 diterima berarti
Kadar glukosa memiliki perbedaan signifikan antara perlakuan yang satu dengan lainnya.Namun pasangan
manakah yang memiliki perbedaan signifikan dari 4 perlakuan tersebut maka untuk mengerti hal itu
perhatikan uji lanjutnya (di sini menggunakan uji LSD)
30. uji lanjutnya (di sini menggunakan uji LSD) pada tabel di atas anda perlu memperhatikan nilai “mean
difference I-J apakah terdapat tanda bintang *. Jika ia berarti menunjukkan adanya perbedaan signifikan
bila tiada berarti menunjukkan adanya perbedaan yang tidak signifikan. Cara lain ialah anda bisa melihat
nilai “sig”. Jika nilai “sig’ lebih kecil dari nilai alfa (0,05) maka menunjukkan adanya perbedaan yang
signifikan, sebaliknya bila nilai “sig” lebih besar dari nilai alfa maka menunjukkan adanya perbedaan yang
tidak signifikan.
References
[1]
B. Setiawan, “Rancangan Percobaan,” Metodol. Penelit. Bid. Kedokt., 1999.
[2]
Prastowo, “Metode Penelitian Kualitatif ( Dalam perpektif Rancangan Penelitian),” Metod.
Penelit. Kualitatif ( Dalam perpektif Ranc. Penelitian), 2011.
[3]
J. W. Creswell, Research Design "Pendekatan Metode Kualitatif, Kuantitatif, dan Campuran. 2016.
[4]
S. Karaman and E. Frazzoli, “Sampling-based Algorithms for Optimal Motion Planning,” Int. J. Rob.
Res., 2010.
[5]
M. A. Begen, R. Levi, and M. Queyranne, “Technical Note—A Sampling-Based Approach to
Appointment Scheduling,” Oper. Res., 2012.
[6]
W. M. K. Trochim and J. P. Donnelly, The Research Methods Knowledge Base. 2006.
[7]
C. A. Sink and N. H. Mvududu, “Statistical Power, Sampling, and Effect Sizes: Three Keys to
Research Relevancy,” Couns. Outcome Res. Eval., 2010.
[8]
UCLA Institute for Digital Research and Education, “Choosing the Correct Statistical Test in SAS,
Stata and SPSS,” [Organization Website], 2015.
[9]
S. J. Coakes and L. Steel, “SPSS Version 14.0 for Windows: Analysis with out anguish,” JohnWiley
Sons Aust. Ltd., Aust., 2007.
[10]
C. He et al., “Factor Analysis Using SPSS,” Sci. Res. Essays, 2013.
[11]
R. Bott, SPSS Explained. 2014.
[12]
G. a Morgan, N. L. Leech, G. W. Gloeckner, and K. C. Barrett, SPSS for Introductory Statistics: Use
and Interpretation. 2004.