Rancangan Acak Kelompok ( RAK)
No Komputer : 02
Laporan Praktikum Perancangan Percobaan (PTN202)
Nama : Tita Odelia Meuraxa
NPM : 2205109010004
No Komputer : 02
Laboratorium Statistik dan Sosial
DEPARTEMEN PROTEKSI TANAMAN
FAKULTAS PERTANIAN
UNIVERSITAS SYIAH KUALA
DARUSSALAM – BANDA ACEH
2024
Tinjauan Pustaka
Tidak seperti pada RAL pada RAK
memfasilitasi unit atau satuan percobaan yang heterogen atau tidak sama oleh
karenanya pada unit atau satuan pengamatan ada pengelompokan sebelum diberikan
perlakuan. Rancangan Acak Kelompok (RAK) merupakan salah satu bentuk rancangan
yang telah digunakan secara meluas dalam berbagai bidang penyelidikan
pertanian, industri dan sebagainya. Rancangan ini dicirikan oleh adanya
kelompok dalam jumlah yang sama, dimana setiap kelompok dikenakan
perlakuan-perlakuan. Melalui pengelompokan yang tepat atau efektif, maka
rancangan ini dapat mengurangi galat percobaan. Disamping itu rancangan ini
juga fleksibel dan sederhana. Jika pada RAL yang dipelajari adalah satu
keragaman yang menyebabkan nilai-nilai pengamatan beragam yaitu keragaman
karena perlakuan yang dicobakan, maka pada RAK yang diperhatikan adalah
disamping perlakuan dan pengaruh galat masih dilihat juga adanya kelompok yang
berbeda. Kalau digunakan RAL maka satuan percobaan harus homogen sedangkan yang
berlainan adalah perlakuan, apabila menggunakan RAK satuan percobaan tidak
perlu homogen, dimana satuan-satuan percobaan tersebut dapat dikelompokan ke
dalam kelompok-kelompok tertentu sehingga satuan percobaan dalam kelompok
tersebut menjadi relatif homogen. Dengan demikian proses pengelompokan adalah
membuat keragaman dalam kelompok menjadi sekecil mungkin dan keragaman antar
kelompok menjadi sebesar mungkin.
Ciri – ciri Rancangan Acak Kelompok
1.
Satuan
percobaan heterogen
2.
Keragaman
respons disebabkan pengaruh perlakuan dan kelompok
3.
Pengaruh
dari keragaman lain yang kita ketahui, diluar perlakuan yang kita coba,
dihilangkan dari galat percobaan dengan cara pengelompokkan satu arah
Keuntungan RAK diantaranya
Menurut sugiarto 1994 terdapat beberapa
keuntungan rancangan acak kelompok yaitu:
1.
Untuk
banyak tipe percobaan, dengan pengelompokan akan diperoleh hasil yang lebih
tepat daripada RAL, karena dengan mengeluarkan jumlah kuadrat kelompok dari
jumlah kuadrat galat akan menyebabkan kuadrat tengah galat lebih kecil.
2.
Jumlah
perlakuan dan ulangan tidak dibatasi
3.
Analisis
data relatif lebih mudah. Apabila data untuk perlakuan tertentu hilangm telah
tersedia cara menghitung nilai dugaan untuk data tersebut. Ragam galat untuk
perbandingan perlakuan tertentu dapat di isolasi, terutama bila ragam antar
perlakuan tidak homogen. Bila ada perlakuan tertentu yang datanya tidak dapat
digunakan, perlakuan tersebut dapat dihilangkan tanpa mempersulit analisisnya.
Kerugian RAK diantaranya :
Rancangan acak kelompok juga memiliki
kelemahan yaitu bila perlakuannya banyak maka luas kelompok percobaannya juga
bertambah besar, sehingga ragam dalam kelompok menjadi besar, ragam galat
menjadi besar dan uji F menjadi kurang peka (sugiarto, 1994). Jika tujuan
pengelompokan tidak terpenuhi, presisi dan efisiensi penggunaan rancangan acak
kelompok lebih rendah dari rancangan acak lengkap karena berkurangnya derajat
bebas untuk galat percobaan (Tapehe, 2015).
Dengan satu pengamatan per petak
percobaan, maka model linear untuk rancangan acak kelompok (RAK)
Υ₁ = μ + τ₁ + βj + Eij; i =1,2,...,t dan j = 1,2,...,r
Dimana :
Yij : nilai pengamatan dari perlakuan ke-i
dalam kelompok ke-j
u : nilai tengah populasi
Ʈi : pengaruh aditif dari perlakuan ke-i
bj : pengaruh aditif dari kelompok ke-j
ϵij : pengaruh galat percobaan dari perlakuan ke-i pada kelompok ke-j
Dengan hipotesis (hipotesis nol) yang
dirumuskan bahwa tidak ada pengaruh perlakuan terhadap respon atau dengan kata
lain pengaruh perlakuan terhadap respon adalah nol. Dengan demikian kita dapat mengatakan bahwa
pengujian kesamaan nilai pengaruh perlakuan (Ʈ) adalah nol
Data RAK
Langkah 1. Buka aplikasi SPSS pada laptop/PC. Pada contoh ini yaitu SPSS versi 24. Setelah aplikasi terbuka, maka akan memunculkan dua tampilan yaitu Data dan Output yang masih kosong seperti yang tertera pada gambar dibawah ini.
Tampilan Output
Langkah 2. Klik Variable View pada sudut kiribagian bawah. Kemudian pada bagian Name, isi Perlakuan, Ulangan dan Hasil. Pada bagian Decimal, sesuaikan berapa banyak decimal yang ingin digunakan. Pada bagian Label, dibagian Perlakuan, diisi label “Biochar”. Sedangkan dibagian Blok_Kelompok_Ulangan, diisi label “Indeks Keanekaragaman” dan dibagian Hasil di isi label “Rata-rata Indeks Keanekaragaman (H’) Arthropoda Permukaan Tanah pada Tanaman Kangkung (Ipomea reptans poir)”. (sesuaikan dengan data yang digunakan).
Langkah 3. Pada bagian Values pada Perlakuan.
Klik pada colom values perlakuan,
kemudian klik titik 3 tersebut hingga muncul kotak Value Labels. Pada bagian
Value diisi dengan angka, sedangkan bagian Label diisi dengan kode dan
keterangan dari perlakuan tersebut (isi sesuai dengan data yang dipakai),
kemudian klik add. Ulangi langkah tersebut sesuai data yang yang digunakan. Kemudian
klik oke.
Langkah 4. Kemudian klik Values pada
bagian Blok_Kelompok_Ulangan. Kemudian klik titik 3 tersebut hingga
muncul kotak Value Labels. Pada bagian Value diisi dengan angka, sedangkan
bagian Label diisi dengan kode dan keterangan dari Blok_Kelompok_Ulangan
yang terdapat pada data yang dipakai tersebut, kemudian klik add. Ulangi
langkah tersebut sesuai berapa banyak data yang tersedia. Kemudian klik oke.
Langkah 5. Kemudian klik bagian Data View pada pojok kiri bagian bawah (disamping Variable View) . Kemudian isi angka pada bagian perlakuan, Blok_Kelompok_Ulangan dan hasil sesuai dengan data yang digunakan.
Langkah 6. Setelah semua data telah diisi kemudian masuk kepada tahap analisis data (membuat Output). Klik Analyze - klik General Linear Model – klik Univariate sehingga akan muncul kotak Univariate seperti gambar dibawah ini.
Muncul kotak Univariate
Langkah 7. Pindahkan bagian
hasil (Rata-rata Indeks Keanekaragaman (H’) Arthropoda Permukaan Tanah pada
Tanaman Kangkung (Ipomea reptans poir) kebagian Dependent Variabel
yaitu dengan cara mengklik tanda panas. Kemudian pindahkan bagian perlakuan (Biochar
dan Indeks Keragaman) dan Blok_Kelompok_Ulangan kebagian Fixed Factor (s).
Langkah 8. Klik menu Model pada pojok
kanan atas pada kotak Univariate kemudian klik tombol Custom,
selanjutnya pindahkan perlakuan dan Blok_Kelompok_Ulangan yang terdapat pada bagian Factors &
Covariates kebagian kotak model dengan cara klik perlakuan kemudian ubah type
menjadi main effects kemudian klik tanda panah. Kemudian klik Continue.
Langkah 9. Klik menu Options, kemudian pindahkan OVERALL pada bagian Factor (s) and Factor Interactions kebagian Display Means For dengan cara klik tanda panah. Kemudian klik bagian Descriptive statistics dan Homogeneity tests kemudian klik continue.
Langkah 10. Klik
menu Post Hoc, kemudian pindahkan perlakuan dan Blok_Kelompok_Ulangan dari
kotak Factor (s) ke bagian Post Hoc Tests For dengan cara klik tanda panah.
Kemudian klik LSD, Turkey dan Duncan kemudian klik tanda Continue.
Langkah 11.
Kemudian pada tampilan akhir klik tanda oke seperti gambar dibawah ini,
dan Output otomatis akan terbentuk.
You Tube
Referensi/Daftar Pustaka
https://cutfajrina-tanah14.blogspot.com/2017/04/rak-rancangan-acak-kelompok-non.html
https://www.mobilestatistik.com/rancangan-acak-kelompok-rak/














Komentar
Posting Komentar