Rancangan Acak Lengkap Faktorial (RALF)

 No Komputer : 02

Laporan Praktikum Perancangan Percobaan (PTN202)

RANCANGAN ACAK LENGKAP FAKTORIAL (RALF)  

 

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

Rancangan Acak Lengkap Faktorial (RALF) merupakan suatu rancangan percobaan yang terdiri dari dua atau lebih faktor perlakuan yang diamati dalam pengukuran. RALF merupakan pengembangan dari Rancangan Acak Lengkap (RAL) dengan menambahkan faktor perlakuan yang lebih dari satu. Dalam RALF, setiap faktor perlakuan memiliki beberapa taraf perlakuan, dan setiap kombinasi dari taraf perlakuan diuji pada setiap ulangan. Tujuan dari RALF adalah untuk mengevaluasi pengaruh dari masing-masing faktor perlakuan dan interaksi antara faktor perlakuan terhadap hasil percobaan. RALF digunakan untuk mempelajari pengaruh beberapa perlakuan dengan sejumlah ulangan untuk menjadi satuan-satuan percobaan. RALF dilihat hubungan atau interaksi antar perlakuan yang diteliti.

Rancangan Acak Lengkap Faktorial (RALF) digunakan ketika peneliti ingin mempelajari pengaruh beberapa perlakuan dengan sejumlah ulangan untuk menjadi satuan-satuan percobaan. RALF memungkinkan untuk melihat interaksi antara faktor yang diteliti, sehingga cocok digunakan ketika peneliti ingin mengevaluasi pengaruh dari masing-masing faktor perlakuan dan interaksi antara faktor perlakuan terhadap hasil percobaan. RALF juga dapat menghemat waktu dan biaya serta dapat diketahui interaksi antara dua faktor dan besar pengaruh utama. Oleh karena itu, RALF merupakan pilihan yang tepat ketika peneliti ingin memahami bagaimana faktor-faktor perlakuan berinteraksi dan berpengaruh terhadap hasil percobaan.

Adapun syarat-syarat penggunaan Rancangan Acak Lengkap Faktorial (RALF) adalah sebagai berikut.Terdapat dua atau lebih faktor perlakuan yang diamati dalam pengukuran.Setiap faktor perlakuan memiliki beberapa taraf perlakuan, dan setiap kombinasi dari taraf perlakuan diuji pada setiap ulangan. Penggunaan RALF memungkinkan untuk mengevaluasi pengaruh dari masing-masing faktor perlakuan dan interaksi antara faktor perlakuan terhadap hasil percobaan.

 

Kelebihan dari penggunaan Rancangan Acak Lengkap Faktorial (RALF) antara lain:

1.     Perhitungannya sederhana, sehingga memudahkan dalam analisis data percobaan.

2.     Analisis statistik terhadap data percobaan sederhana, memudahkan dalam interpretasi hasil percobaan.

3.     RALF dapat menghemat waktu dan biaya serta dapat diketahui interaksi antara dua faktor dan besar pengaruh utama.

4.     RALF dapat diterapkan pada percobaan dengan ulangan pengamatan yang sama maupun tidak sama, menunjukkan fleksibilitas dalam penggunaannya.

 

Kekurangan yang perlu diperhatikan dalam penggunaan Lengkap Faktorial (RALF), antara lain:

1.     Semakin banyak faktor yang diteliti, maka jumlah perlakuan kombinasi akan meningkat, sehingga memerlukan jumlah ulangan yang lebih banyak untuk mendapatkan hasil yang akurat.

2.     RALF memerlukan kondisi sampel yang homogen, sehingga tidak mungkin dilakukan pada kondisi lingkungan yang tidak seragam.

3.     Jumlah ulangan yang rendah akan memberikan hasil yang tidak konsisten.

4.     RALF tidak dapat digunakan untuk mengevaluasi pengaruh faktor yang tidak diamati atau tidak diketahui.

5.     RALF tidak dapat digunakan untuk mengevaluasi pengaruh faktor yang saling berkaitan secara kompleks.

 

Model Linier Rancangan Faktorial Dalam RAL

Model linier aditif untuk rancangan faktorial dua faktor dengan rancangan lingkungannya rancangan acak lengkap adalah sebagai berikut :

 

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).

Data

Analisis

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 Data

Tampilan Output

Langkah 2. Klik tampilan  Variable View  pada sudut kiri bawah. Kemudian pada tampilan Name diisi Perlakuan_Faktor_P, Perlakuan_Faktor_K, Ulangan_Blok_Kelompok dan Hasil.   Pada bagian Decimal, sesuaikan  berapa banyak decimal yang akan digunakan. Pada bagian Label, dibagian  Perlakuan_Faktor_P, diisi label “Phospat”, dibagian label Perlakuan_Faktor_K diisi “Kapur”. Sedangkan dibagian Hasil, diisi label “Hasil Biji Kering Kacang Tanah (g/pot)” (sesuaikan dengan data yang digunakan). 

Langkah 3. Pada bagian Values pada Perlakuan_Faktor_P. Klik  pada colom values perlakuan, kemudian klik titik 3 tersebut hingga muncul kotak Value Labels. Kemudian pada bagian Value diisi dengan angka, sedangkan bagian Label diisi dengan kode dan keterangan dari Perlakuan_Faktor_P tersebut (isi sesuai dengan data yang dipakai), kemudian klik add. Ulangi langkah tersebut sesuai data perlakuan yang tersedia. Kemudian klik oke.

Langkah 4. Pada bagian Values pada Perlakuan_Faktor_K. Klik pada colom values perlakuan, kemudian klik titik 3 tersebut hingga muncul kotak Value Labels. Selanjutnya pada bagian Value diisi dengan angka, sedangkan bagian Label diisi dengan kode dan keterangan dari Perlakuan_Faktor_K tersebut, kemudian klik add. Ulangi langkah tersebut sesuai data perlakuan yang tersedia. Kemudian klik oke.

Langkah 5. Kemudian klik Values pada bagian Ulangan_Blok_Kelompok. 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 Ulangan_Blok_Kelompok yang terdapat pada data yang dipakai tersebut, kemudian klik add. Ulangi langkah tersebut sesuai berapa banyak data yang tersedia. Kemudian klik oke.

Langkah 6. Kemudian klik bagian Data View pada bagian bawah sebelah kiri. Kemudian isi angka pada bagian perlakuan, ulangan dan hasil sesuai dengan data yang digunakan.

Langkah 7. Setelah semua data telah diisi kemudian masuk kepada tahap analisis data (membuat Output). Klik Analyze – General Linear Model - Univariate sehingga akan muncul kotak Univariate seperti gambar dibawah ini.

 

                                                                           Analisis data

                                                                Muncul kotak Univariate

Langkah 8. Pindahkan bagian hasil “Hasil Biji Kering Kacang Tanah(g/pot)” kebagian Dependent Variabel yaitu dengan cara mengklik tanda panas. Kemudian pindahkan bagian Perlakuan_Faktor_P dan Perlakuan_Faktor_K  kebagian Fixed Factor (s).

Langkah 9. Klik tampilan menu Model pada pojok kanan atas pada kotak Univariate kemudian klik tombol Custom, selanjutnya pindahkan Perlakuan_Faktor_P dan Perlakuan_Faktor_K yang terdapat pada bagian Factors & Covariates kebagian kotak model dengan cara klik perlakuan kemudian ubah type menjadi main effects kemudian klik tanda panah. Masih di tampilan model, kemudian ganti type pada menu Build Term dari type Main effects menjadi type Interaction, kemudian pendahkan kedua jenis perlakuan tersebut secara bersamaan dengan cara klik Perlakuan_Faktor_P kemudian klik tombol Shift pada keyboard kemudian klik Perlakuan_Faktor_K, selanjutnya pindahkan dengan cara klik tanda panah. Kemudian klik Continue.

 

Langkah 10. Klik menu Options, kemudian pindahkan OVERALL pada bagian Factor (s) and Factor Interactions kebagian Display Means For dengan cara klik tanda panah. Kemudian  ceklis dengan cara klik bagian Descriptive statistics dan Homogeneity tests kemudian klik continue.

Langkah 11. Klik menu Post Hoc, kemudian pindahkan perlakuan dari kotak Factor (s) ke bagian Post Hoc Tests For dengan cara klik tanda panah. Kemudian ceklis dengan cara klik LSD-Turkey -Duncan kemudian klik tanda Continue.

Langkah 12. Kemudian pada tampilan akhir klik tanda oke seperti gambar dibawah ini, dan Output otomatis akan terbentuk.

Video analisis data RALF :

Output

Youtube

Referensi/daftar pustaka

https://dwicahyagharahap.blogspot.com/2023/10/output-rancangan-acak-lengkap-faktorial.html

https://www.smartstat.info/materi/rancangan-percobaan/ral-faktorial/ral-faktorial.html