LAPORAN
PRAKTIKUM BIOSTATISTIKA
ACARA
10
RANCANGAN
ACAK KELOMPOK (RAK)
Disusun oleh:
Dimas Wahyu Indrata
1501070011
PROGRAM
STUDI PENDIDIKAN BIOLOGI
FAKULTAS
KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS
MUHAMMADIYAH PURWOKERO
Sabtu, 12 Mei 2018
RANCANGAN
ACAK KELOMPOK (RAK)
A.
TUJUAN
1. Mengetahui
apa yang dimaksud dengan Rancangan Aca k
Kelompok
2. Mengetahui
langkah-langkah pengujian Rancangan Acak kelompok dengan aplikasi SPSS versi 23
3. Mengetahui
pengaruh yang diterima oleh setiap blok produksi benih padi dari perlakuan
pemberian macam-macam pupuk
4. Mengetahui
pengaruh yang ditimbulkan oleh macam-macam pupuk yang digunakan pada setiap
blok produksi benih padi
B. DASAR TEORI
Rancangan
Acak Kelompok atau randomized block design merupakan suatu model rancangan
dalam rancangan percobaan. Rancangan acak kelompok ini digunakan pada unit
percobaan yang tidak homogen, dimana ketidak homogen ini diduga mengarah pada
satu arah. Rancangan ini disebut rancangan acak kelompok, karena pada
rancangan ini pengacakan perlakuan
dilakukan pada setiap kelompok. Rancangan ini
dapat digunakan untuk melakukan percobaan di lapangan atau di
laboratorium atau di rumah kaca. (Sugiarto, 1994).
Ciri
– Ciri RAK
Menurut Harlyan (2012), Rancangan Acak Kelompok
(RAK) memiliki ciri – ciri, sebagai
berikut :
1.
Digunakan
untuk lingkungan yang heterogen / tidak homogen.
2.
Perlakuan
diatur dalam masing-masing suatu kelompok (blok).
3.
Kelompok
sebagai ulangan, dalam tiap kelompok kondisi harus homogen (sama).
4.
Pengacakan
dilakukan dalam masing-masing kelompok.
Kelebihan
RAK
Menurut
Yitnosumarto (1991), keuntungan RAK adalah :
1.
Sama
seperti RAL, analisis statistik dari data yang diperoleh dari uji RAK ini masih
bersifat sederhana.
2.
Apabila
andaian adanya gradien satu arah dipenuhi, RAK memberikan presisi dan efisiensi
yang lebih tinggi dari RAL.
3.
Jika
ada satu atau dua data yang hilang (atau secara statistik tidak memenuhi
syarat) analisis masih dapat dilakukan, yaitu dengan menggunakan teknik data
hilang (missing data technique).
Keuntungan RAK
Menurut
sugiarto(1994) keuntungan rancangan acak kelompok yaitu :
1.
Untuk
banyak tipe percobaan, dengan pengelompokan akan diperoleh hasil yang lebih
tepat dari pada menggunkan uji RAL, karena dengan mengeluarkan jumlah kuadrat
kelompok dari jumlah kuadrat galat akan menyebabkan kuadrat tengah galat lebih
kecil.
2.
Jumlah
perlakuan dan ulangan tidak adanya pembatasan
3.
Analisis
data relatif lebih mudah. Apabila data untuk perlakuan tertentu hilang 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
Kekurangan RAK
Menurut Harlyan (2012), Rancangan
Acak Kelompok (RAK) memiliki beberapa kekurangan, yaitu :
1.
Rancangan
menjadi kurang efisien dibanding yang lain jika terdapat lebih dari satu sumber
keragaman yang tidak diinginkan atau tidak sesuai
2.
Peningkatan
ketepatan pengelompokan akan menurun dengan semakin meningkatnya jumlah satuan
percobaan dalam kelompok.
3.
Jika
ada data yang hilang memerlukan perhitungan yang lebih rumit.
Rancangan acak kelompok berguna untuk melaksanakan percobaan bila
unit percobaan tidak homogen. Pelaksanaan percobaan dengan menggunakan
rancangan acak kelompok dilaksanakan dengan langkah-langkah sebagai berikut :
Pengacakan, yaitu penempatan
perlakuan pada unit percobaan secara harus dilakukan secara acak.
1.
Menentukan jumlah
perlakukan dan jumlah kelompok
2.
Menentukan lokasi
percobaan
3.
Membuat rancangan denah
percobaan berdasarkan jumlah perlakuan dan jumlah kelompok
4.
melakukan pengacakan
perlakuan pada setiap kelompok dan buat denah percobaan.
5.
Berdasarkan denah
percobaan, laksanakan percobaan di lapang atau di laboratorium atau di rumah
kaca.
6.
Analisis data dilakukan
dengan langkah-langkah sebagai berikut :
a)
Lakukan pengamatan
sesuai dengan rencana
b)
Buat tabel analisis
data
c)
Lakukan analisis data
d)
Buat tabel sidik ragam
berdasarkan hasil analisis data
e)
Berdasarkan tabel sidik
ragam, lakukan uji hipotesis dengan membandingkan F. Hitung dengan F. Tabel. Kaidah
keputusan yang harus diambil adalah sebagai berikut:
1)
Jika F. Hitung > F.
Tabel pada taraf 1% (α = 0,01), perbedaan diantara nilai tengah baris atau
kolom atau perlakuan (atau pengaruh baris atau kolom atau perlakuan) dikatakan
berbeda sangat nyata (pada hasil F. Hitung ditandai dengan dua tanda **).
2)
Jika F. Hitung > F.
Tabel pada taraf 5% (α = 0,05) tetapi lebih kecil daripada F. Tabel pada taraf
1%, perbedaan diantara nilai tengah baris atau kolom atau perlakuan dikatakan
berbeda nyata (pada hasil F. Hitung ditandai dengan satu tanda *).
3)
Jika F. Hitung ≤ F.
Tabel pada taraf 5% (α = 0,05), perbedaan diantara nilai tengah baris atau
kolom atau perlakuan dikatakan tidak nyata (pada hasil F. Hitung ditandai
dengan tn)
f)
Bila H1
diterima, lakukan uji lanjutan
g)
Buat kesimpulan
C.
ALAT
DAN BAHAN
Alat
1.
Laptop
2.
Stop kontak
3.
Alat tulis
4.
Buku panduan praktikum
Bahan
1.
Responden
2.
Data Varietas Padi
3.
Software SPSS versi 22
D.
CARA
KERJA
1. Menyiapkan
data yang akan diuji
Sebuah percobaan dilakukan
untuk mengetahui pengaruh perlakun pemberian pupuk dengan konsentrasi berbeda
pada produksi benih padi IR.8 yang optimal per hektar. Hasil percobaan (ton/ha gabah kering panen) adalah
sebagai berikut :
|
Blok
|
Pupuk
|
|||||
|
P1
|
P2
|
P3
|
P4
|
P5
|
P6
|
|
|
I
II
III
|
3.28
3.38
3.33
|
3.54
3.48
3.73
|
4.78
4.90
4.89
|
5.23
5.14
5.87
|
6.35
6.50
6.45
|
6.78
6.89
6.95
|
2.
Menyusun tabel persiapan dalam MS Word
untuk memudahkan entri data pada worksheet Data View SPSS. Terlebih dahulu
memberi kode 1 untuk pupuk 1 (P1), 2 untuk pupuk 2 (P2), 3 untuk pupuk 3 (P3),
4 untuk pupuk 4 (P4), 5 untuk pupuk 5 (P5), dan 6 untuk pupuk 6 (P6). Tabel
tediri dari tiga kolom, kolom pertama adalah untuk pupuk, kolom kedua untuk
blok daan kolom ketiga untuk hasil panen. Berikut adalah susunan tabel
persiapan uji statistik.
Tabel 1. Tabel input data
|
Pupuk
|
Blok
|
Hasil
Panen
|
|
1
|
1
|
3.28
|
|
1
|
2
|
3.38
|
|
1
|
3
|
3.33
|
|
2
|
1
|
3.54
|
|
2
|
2
|
3.48
|
|
2
|
3
|
3.73
|
|
3
|
1
|
4.78
|
|
3
|
2
|
4.9
|
|
3
|
3
|
4.89
|
|
4
|
1
|
5.23
|
|
4
|
2
|
5.14
|
|
4
|
3
|
5.87
|
|
5
|
1
|
6.35
|
|
5
|
2
|
6.5
|
|
5
|
3
|
6.45
|
|
6
|
1
|
6.78
|
|
6
|
2
|
6.89
|
|
6
|
3
|
6.95
|
3. Membuka
program SPSS Versi 23
4. Memasukan
data hasil penelitian yang telah disusun ke SPSS versi 23 dalam worksheet Data
View, sehingga akan nampak sajian data dalam worksheet Data View sebagai
berikut:
5. Kemudian
masuk ke variabel view , selanjutnya Pada kolom name menggubah “VAR00001”
menjadi “pupuk” dan pada kolom name menggubah “VAR0002” menjadi “blok” kemudian
pada kolom name menggubah “VAR0003” menjadi “hasil_padi”.
6. Kolom
numerik memberiarkan tidak usah diganti apapun, selanjutnya pada kolom decimal,
pada bagian varietas decimal di nolkan sedangkan pada kolom hasil padi tidak di
nolkan hal ini bertujuan agar nilai berat hasil padi tidak berubah dan akan
tetap sama.
7. Pada
kolom label pada data pupuk mengisi dengan huruf capital “PUPUK” sedangkan
kolom label pada data blok mengisi dengan huruf capital “BLOK” dan kolom label pada data hasil padi
mengisi dengan huruf capital “HASIL
PADI”.
8. Kemudian
pada kolom pertama pada bagian values mengklik tanda titik tiga pada pojok
kanan value
9. Memberikan
label pada kolom Value baris pertama dengan cara mengklik baris pertama pada
kolom Values dan akan muncul kotak dialog Value Labels. Memberi label pada
kotak dialog tersebut seperti langkah-langkah berikut:
-
Ketik 1 pada kolom value, ketik P1 pada
kolom label, kemudian klik Add
-
Ketik 2 pada kolom value, ketik P2 pada
kolom label, kemudian klik Add
-
Ketik 3 pada kolom value, ketik P3 pada
kolom label, kemudian klik Add
-
Ketik 4 pada kolom value, ketik P4 pada
kolom label, kemudian klik Add
-
Ketik 5 pada kolom value, ketik P5 pada
kolom label, kemudian klik Add
-
Ketik 6 pada kolom value, ketik P6 pada
kolom label, kemudian klik Add
Sehingga dalam kotak
dialog Value Labels tampak seperti berikut
Mengklik
OK untuk menutup kotak dialog Value Labels
10. Memberikan
label pada kolom Value baris kedua dengan cara mengklik baris kedua pada kolom
Values dan akan muncul kotak dialog Value Labels. Memberi label pada kotak
dialog tersebut seperti langkah-langkah berikut:
- Ketik
1 pada kolom value, ketik Blok 1 pada kolom label, kemudian klik Add
- Ketik
2 pada kolom value, ketik Blok 2 pada kolom label, kemudian klik Add
- Ketik
3 pada kolom value, ketik Blok 3 pada kolom label, kemudian klik Add
Sehingga
dalam kotak dialog Value Labels tampak seperti berikut
Mengklik
OK untuk menutup kotak dialog Value Labels
11. Mengarahkan
kursor pada menubar dan klik menu Analyze, memilih sub menu General Linear
Model dan pilih Unvariate dengan cara mengkliknya
Sehingga akan muncul kotak dialog
unvariate sebagai berikut:
12. Memindahkan
variabel Hasil Panen ke kolom dependent
variable dan memindahkan variabel Blok dan Pupuk pada kolo Fixed factor
(s). langkah ini berfungsi untuk mendefinisikan mana variabel terikatnya (Hasil
Panen) karena Hasil Panen dipengaruhi oleh Pupuk dan Blok, sedangkan factor
tetapnya adalah Pupuk dan Blok.
13. Mengklik
Model pada kotak dialog unvariate sehingga akam muncul kotak dialog Unvariate
Model. Pada kolom Specify Model, pilih custom kemudian sorot Variabel Pupuk dan
Blok, kemudian memindahkanya ke kolom Model. Pada Build Term(s) pilih Menu Main
effects.
Klik
Countinue untuk menutup kotak dialog Univariate Model
14. Memilih
menu Post Hoc test pada kotak dialog Univariate sehingga akan muncul kotak
dialog Univariate : Post Hoc Multiple Comparasions for Observed Means. Menyorot
variabel Pupuk. memindahkannya ke kolom Post Hoc Test For. Pada bagian Equal
Variances Assumed beri tanda centang pilih LDS dan Duncan.
Klik Countinue untuk menutup kotak
dialog Univariate : Post Hoc Multiple Comparasions for Observed Means.
15. Mengklik
Ok untuk mengakhiri uji Analisis data.
16. Munculah
data Output sebagai berikut
17. Menginterpretasikan
hasil uji Analisis data.
E. HASIL
UJI ANALISIS DATA STATISTIK
1. Tabel 1. Between Subjects Factors
Berdasarkan tabel 1 Between
subjects factors terdapat 3 jenis blok yang di tanami varians padi yang
berbeda-beda dengan pemberian 6 jenis pupuk yang berbeda pula. Pada uji RAK
(Rancangan Acak Kelompok) dan pada masing-masing kolom menunjukan value label
yaitu jenis perlakuan yang digunakan, dan N atau jumlah pemberian perlakuan. pada
tabel menunjukkan bahwa pada blok 1 data yang diuji sebanyak 6 data, blok 2
sebanyak 6 data dan blok 3 sebanyak 6 data. Sedangkan pada perlakuan pupuk 1
(P1) jumlah data yang dianalisis sebanyak 3 data, jumlah data pada tabel
tersebut sama dengan yang terdapat pada perlakuan masing-masing perlakuan yang
lain
|
Tabel
1 Between-Subjects Factors
|
|||
|
|
Value
Label
|
N
|
|
|
PUPUK
|
1
|
P1
|
3
|
|
2
|
P2
|
3
|
|
|
3
|
P3
|
3
|
|
|
4
|
P4
|
3
|
|
|
5
|
P5
|
3
|
|
|
6
|
P6
|
3
|
|
|
BLOK
|
1
|
BLOK 1
|
6
|
|
2
|
BLOK 2
|
6
|
|
|
3
|
BLOK 3
|
6
|
|
2. Tabel
2 Tests of Between-Subjects
Effects
Berdasarkan tabel 2
Between subjects factors terdapat 3 jenis blok yang di tanami varians padi yang
berbeda beda dengan pemberian 6 jenis pupuk yang berbeda pula. Tabel ini untuk
memfocus nilai F dan nilai signifikansi pada
pupuk dan blok. Kemudian nilai signifikansi pupuk dan blok dibandingkan
dengan nilai perbandingan probabilitas.
Jika nilai sig. < 0,05 maka Ho
ditolak dan Ha diterima
Jika nilai sig > 0,05 maka Ho
diterima dan Ha ditolak
·
Pupuk
Ho
: konsentrasi pupuk tidak berpengaru pada hasil produksi padi
Ha
: konsentrasi pupuk berpengaruh pada hasil produksi padi
·
Blok
Ho
: konsentrasi pupuk tidak berpengaru pada hasil produksi padi
Ha
: konsentrasi pupuk berpengaruh pada hasil produksi padi
Berdasarkan analisis varian dengan menggunakan uji ANOVA
menunjukkan bahwa pupuk memiliki nilai signifikansi yang dihasilkan adalah
0,000. Sehingga dapat dikatakan bahwa pupuk berpengaruh nyata terhadap produksi
bibit padi IR 8.
|
Tabel
2 Tests of Between-Subjects Effects
|
|||||
|
Dependent Variable:
HASIL PADI
|
|||||
|
Source
|
Type
III Sum of Squares
|
df
|
Mean
Square
|
F
|
Sig.
|
|
Corrected Model
|
31.675a
|
7
|
4.525
|
181.705
|
.000
|
|
Intercept
|
464.820
|
1
|
464.820
|
18664.973
|
.000
|
|
Pupuk
|
31.533
|
5
|
6.307
|
253.244
|
.000
|
|
Blok
|
.142
|
2
|
.071
|
2.857
|
.104
|
|
Error
|
.249
|
10
|
.025
|
|
|
|
Total
|
496.745
|
18
|
|
|
|
|
Corrected Total
|
31.924
|
17
|
|
|
|
|
a. R Squared = .992 (Adjusted R Squared = .987)
|
|||||
3.
Tabel
3. Multiple Comparisons
Berdasarkan tabel Multiple comparisons berfungsi
untuk mengetahui ada tidaknya beda nyata Untuk menentukan keputusan ada
tidaknya bedanyata dengan cara membandingkan nilai signifikansi dengan nilai
probabilitas dibawah ini.
·
Jika nilai sig <0,05 maka Ho ditolak
dan Ha diterima
·
Jika nilai sig > 0,05 maka Ho
diterima dan Ha ditolak
|
*. The mean difference is significant at the 0.05 level.
|
Berdasarkan
hasil analisis data pada tabel multiple comparisons menjukkan bahwa:
a. P1
dengan P2 tidak berbeda nyata
karena nilai
sig 0,078>0,005
b. P1 dengan P3 sampai P6 berbeda nyata
karena nilai sig 0,000<0,005
c. P2
dengan P3 sampai P6 berbeda nyata karena
nilai sig 0,000<0,005
d. P3
dengan P4 berbeda nyata karena nilai sig 0,002<0,005;
e. P3
dengan P5 dan P6 berbeda nyata karena nilai sig 0,000<0,005
f. P4
dengan P5 dan P6 berbeda nyata karena nilai sig 0,000<0,005
g. P5
dengan P6 tidak berbeda nyata karena nilai sig 0,007>0,005
|
Tabel
3. Multiple Comparisons
|
|||||||
|
Dependent Variable:
HASIL PADI
|
|||||||
|
|
(I) PUPUK
|
(J) PUPUK
|
Mean
Difference (I-J)
|
Std.
Error
|
Sig.
|
95%
Confidence Interval
|
|
|
|
Lower
Bound
|
Upper
Bound
|
|||||
|
LSD
|
P1
|
P2
|
-.2533
|
.12885
|
.078
|
-.5404
|
.0338
|
|
P3
|
-1.5267*
|
.12885
|
.000
|
-1.8138
|
-1.2396
|
||
|
P4
|
-2.0833*
|
.12885
|
.000
|
-2.3704
|
-1.7962
|
||
|
P5
|
-3.1033*
|
.12885
|
.000
|
-3.3904
|
-2.8162
|
||
|
P6
|
-3.5433*
|
.12885
|
.000
|
-3.8304
|
-3.2562
|
||
|
P2
|
P1
|
.2533
|
.12885
|
.078
|
-.0338
|
.5404
|
|
|
P3
|
-1.2733*
|
.12885
|
.000
|
-1.5604
|
-.9862
|
||
|
P4
|
-1.8300*
|
.12885
|
.000
|
-2.1171
|
-1.5429
|
||
|
P5
|
-2.8500*
|
.12885
|
.000
|
-3.1371
|
-2.5629
|
||
|
P6
|
-3.2900*
|
.12885
|
.000
|
-3.5771
|
-3.0029
|
||
|
P3
|
P1
|
1.5267*
|
.12885
|
.000
|
1.2396
|
1.8138
|
|
|
P2
|
1.2733*
|
.12885
|
.000
|
.9862
|
1.5604
|
||
|
P4
|
-.5567*
|
.12885
|
.002
|
-.8438
|
-.2696
|
||
|
P5
|
-1.5767*
|
.12885
|
.000
|
-1.8638
|
-1.2896
|
||
|
P6
|
-2.0167*
|
.12885
|
.000
|
-2.3038
|
-1.7296
|
||
|
P4
|
P1
|
2.0833*
|
.12885
|
.000
|
1.7962
|
2.3704
|
|
|
P2
|
1.8300*
|
.12885
|
.000
|
1.5429
|
2.1171
|
||
|
P3
|
.5567*
|
.12885
|
.002
|
.2696
|
.8438
|
||
|
P5
|
-1.0200*
|
.12885
|
.000
|
-1.3071
|
-.7329
|
||
|
P6
|
-1.4600*
|
.12885
|
.000
|
-1.7471
|
-1.1729
|
||
|
P5
|
P1
|
3.1033*
|
.12885
|
.000
|
2.8162
|
3.3904
|
|
|
P2
|
2.8500*
|
.12885
|
.000
|
2.5629
|
3.1371
|
||
|
P3
|
1.5767*
|
.12885
|
.000
|
1.2896
|
1.8638
|
||
|
P4
|
1.0200*
|
.12885
|
.000
|
.7329
|
1.3071
|
||
|
P6
|
-.4400*
|
.12885
|
.007
|
-.7271
|
-.1529
|
||
|
P6
|
P1
|
3.5433*
|
.12885
|
.000
|
3.2562
|
3.8304
|
|
|
P2
|
3.2900*
|
.12885
|
.000
|
3.0029
|
3.5771
|
||
|
P3
|
2.0167*
|
.12885
|
.000
|
1.7296
|
2.3038
|
||
|
P4
|
1.4600*
|
.12885
|
.000
|
1.1729
|
1.7471
|
||
|
P5
|
.4400*
|
.12885
|
.007
|
.1529
|
.7271
|
||
|
Based on observed means.
The error term is Mean
Square(Error) = .025.
|
|||||||
4. Tabel 4. Hasil Padi
Berdasarkan
tabel 4 hasil uji berfungsi untuk menggunakan uji duncan dengan melihat nilai
subset untuk mengtahui mana yg paling berbeda dari hasil produksi dengan
beberapa perlakua pemupukan diperoleh data (Homogenous Subsets) produksi benih padi pada uji duncan adalah sebagai
berikut:
1. Perlakuan pupuk P1 meningkatkan produksi benih padi
sebesar 3,3300 ton/Ha
2. Perlakuan pupuk P2 meningkatkan produksi benih padi
sebesar 3,5833 ton/Ha
3. Perlakuan pupuk P3 meningkatkan produksi benih padi
sebesar 4,8567 ton/Ha
4. Perlakuan pupuk P4 meningkatkan produksi benih padi
sebesar 5,4133 ton/Ha
5. Perlakuan pupuk P5 meningkatkan produksi benih padi
sebesar 6,4333 ton/Ha
6. Perlakuan pupuk P6 meningkatkan produksi benih padi sebesar 6,8733 ton/Ha
Dari
data tersebut dapat dilihat bahwa produksi benih padi tertinggi yakni pada
perlakuan pupuk P6 dengan hasil sebesar 6,8733 ton/Ha dan produksi benih terendah yakni pada
perlakuan pupuk P1 dengan hasil sebesar 3,3300 ton/Ha, sehingga dapat diurutkan produksi
benih padi dari tinggi kerendah berdasarkan perlakuan pupuk yakni
P6,P5,P4,P3,P2,P1
|
Tabel
4 HASIL PADI
|
|||||||
|
|
PUPUK
|
N
|
Subset
|
||||
|
|
1
|
2
|
3
|
4
|
5
|
||
|
Duncana,b
|
P1
|
3
|
3.3300
|
|
|
|
|
|
P2
|
3
|
3.5833
|
|
|
|
|
|
|
P3
|
3
|
|
4.8567
|
|
|
|
|
|
P4
|
3
|
|
|
5.4133
|
|
|
|
|
P5
|
3
|
|
|
|
6.4333
|
|
|
|
P6
|
3
|
|
|
|
|
6.8733
|
|
|
Sig.
|
|
.078
|
1.000
|
1.000
|
1.000
|
1.000
|
|
|
Means for groups in homogeneous subsets are displayed.
Based on observed means.
The error term is Mean
Square(Error) = .025.
|
|||||||
|
a. Uses Harmonic Mean Sample Size = 3.000.
|
|||||||
|
b. Alpha = 0.05.
|
|||||||
F. PEMBAHASAN
Pada
praktikum kali ini dilakuka uji rancangan acak kelompok dengan program SPSS
versi 23 percobaan ini dilakukan untuk mengetahui apa yang dimaksud dengan
Rancangan Acak Kelompok, mengetahui langkah-langkah pengujian Rancangan Acak
kelompok dengan aplikasi SPSS versi
23, mengetahui pengaruh yang diterima oleh
setiap blok produksi benih padi dari perlakuan pemberian macam-macam pupuk,
mengetahui pengaruh yang ditimbulkan oleh macam-macam pupuk yang digunakan pada
setiap blok produksi benih padi. Rancangan Acak
Kelompok atau randomized block design merupakan suatu model rancangan dalam
rancangan percobaan. Rancangan acak kelompok ini digunakan pada unit percobaan
yang tidak homogen, dimana ketidak homogen ini diduga mengarah pada satu arah. Rancangan ini disebut rancangan acak kelompok, karena pada rancangan
ini pengacakan perlakuan dilakukan pada
setiap kelompok.
Pada cara kerja menggunakan SPSS dilakukan pemindahkan
variabel Hasil Panen ke kolom dependent variable
dan memindahkan variabel Blok dan Pupuk pada kolo Fixed factor (s). langkah ini
berfungsi untuk mendefinisikan mana variabel terikatnya (Hasil Panen) karena
Hasil Panen dipengaruhi oleh Pupuk dan Blok, sedangkan factor tetapnya adalah
Pupuk dan Blok. Kemudian dilakukan pemindahan satu persatu dan pemindahan
secara bersama-sama terhadap cara kerja dalam program SPSS pada kolom specify model
terhadapmasing-masing variable yakni dengan tujuan untuk mengetahui interaksi
varibel pakan dan kepadatan dalam mempengaruhi efisiensi pakan.
Pada
praktikum kali ini dilakukan perhitungan hasil penelitian mengenai pengaruh
pemberian pupuk terhadap produksi
benih padi IR.8 dilakukan dengan mengunakan metode Rancangan Acak Kelompok (RAK). Interpretasi data yang telah dilakukan berdasarkan pada hipotesis langkah ini berfungsi
untuk mendefinisikan mana variabel terikatnya (Hasil Panen) karena Hasil Panen
dipengaruhi oleh Pupuk dan Blok, sedangkan factor tetapnya adalah Pupuk dan
Blok. Dalam percobaan ini dilakukan penyusunan hipotesis sebagai berikut
Ho: keenam perlakuan pemberian pupuk tidak
berpengaruh nyata terhadap produksi bibit padi IR8
Ha: keenam perlakuan pemberian pupuk
berpengaruh nyata terhadap produksi bibit padi IR8
Apabila nilai probabilitas (sig.) > 0,05
maka Ho diterima sedangkan jika nilai probabilitas (sig.) < 0,05 maka Ho
ditolak dan Ha diterima. Pada tabel Test
of Between Subjects Effects
menunjukkan bahwa nilai signifikansi pupuk adalah 0,000.
Pengujian ini menunjukkan bahwa keenam
perlakuan pemberian pupuk berpengaruh nyata terhadap produksi bibit padi IR8
Pengujian yang dilakukan selanjutnya adalah uji LSD dan
uji Duncan. Uji LSD bertujuan untuk menentukan apakah rata-rata
dua perlakuan berbeda nyata atau tidak. Sedangkan pada uji Duncan bertujuan untuk mengetahui nilai tengah mana
saja yang sama dan nilai tengah mana saja yang tidak sama pada uji homogen. Berdasarkan tabel 3. hasil uji
beberapa perbandingan (Multiple Comparisons)
menunjukan hasilpengujian sebagai berikut :
1. P1
dengan P2 tidak berbeda nyata
karena nilai
sig 0,078>0,005
2. P1 dengan P3 sampai P6 berbeda nyata
karena nilai sig 0,000<0,005
3. P2
dengan P3 sampai P6 berbeda nyata karena
nilai sig 0,000<0,005
4. P3
dengan P4 berbeda nyata karena nilai sig 0,002<0,005;
5. P3
dengan P5 dan P6 berbeda nyata karena nilai sig 0,000<0,005
6. P4
dengan P5 dan P6 berbeda nyata karena nilai sig 0,000<0,005
7. P5
dengan P6 tidak berbeda nyata karena nilai sig 0,007>0,005
Kemudian berdasarkan tabel hasil uji himpunan bagian
homogen (Homogeneous Subsets) produksi benih padi menunjukkan bahwa perlakuan
pupuk yang paling efektif memberikan pengaruh terhadap produksi benih padi IR.8 adalah
perlakuan pupuk 6 (P6). Hal ini disebabkan P6 karena mampu meningkatkan
produksi benih padi hingga 6,8733 ton/ha. Sedangkan perlakuan pupuk yang paing tidak efektif dalam pemberian
pengaruh terhadap produksi
benih padi IR.8 yaitu pada
perlakuan 1 (P1) yaitu 3,3300 ton/Ha. sehingga dapat diurutkan produksi benih
padi dari rendah ketinggi berdasarkan perlakuan pupuk yakni :
1. Perlakuan pupuk P1 meningkatkan produksi benih padi
sebesar 3,3300 ton/Ha
2. Perlakuan pupuk P2 meningkatkan produksi benih padi
sebesar 3,5833 ton/Ha
3. Perlakuan pupuk P3 meningkatkan produksi benih padi
sebesar 4,8567 ton/Ha
4. Perlakuan pupuk P4 meningkatkan produksi benih padi
sebesar 5,4133 ton/Ha
5. Perlakuan pupuk P5 meningkatkan produksi benih padi
sebesar 6,4333 ton/Ha
6. Perlakuan pupuk P6 meningkatkan produksi benih padi sebesar 6,8733 ton/Ha
G. KESIMPULAN
Berdasarkan
hasil uji RAK dengan menggunakan program aplikasi SPSS dapat disimpulkan bahwa:
1. Rancangan
Acak Kelompok (RAK) adalah suatu rancangan yang melakukan pengelompokan unit -
unit percobaan ke dalam kelompok-kelompok dan semua perlakuan dicobakan pada
setiap kelompok yang ada.
2. Blok
tidak berbeda nyata terhadap produksi
benih padi IR.8, sedangkan konsentrasi pupuk
berpengaruh terhadap produksi
benih padi IR.8.
3. hasil
uji beberapa perbandingan (Multiple Comparisons)
menunjukan hasilpengujian sebagai berikut :
a. P1
dengan P2 tidak berbeda nyata
karena nilai
sig 0,078>0,005
b. P1 dengan P3 sampai P6 berbeda nyata
karena nilai sig 0,000<0,005
c. P2
dengan P3 sampai P6 berbeda nyata karena
nilai sig 0,000<0,005
d. P3
dengan P4 berbeda nyata karena nilai sig 0,002<0,005;
e. P3
dengan P5 dan P6 berbeda nyata karena nilai sig 0,000<0,005
f. P4
dengan P5 dan P6 berbeda nyata karena nilai sig 0,000<0,005
g. P5
dengan P6 tidak berbeda nyata karena nilai sig 0,007>0,005
4. Perlakuan
pupuk yang paling efektif memberikan pengaruh terhadap produksi benih padi IR.8 adalah
perlakuan dengan pupuk 6 (P6). Hal ini disebabkan P6 karena mampu meningkatkan
produksi benih padi hingga 6,8733 ton/ha.
5. Sedangkan perlakuan pupuk yang paling kurang efektif terhadap produksi benih padi IR.8 adalah dengan
perlakuan pupuk 1
(P1) yaitu 3,3300 ton/Ha
6.
Produksi benih padi dari tinggi kerendah
berdasarkan perlakuan pupuk yakni P6,P5,P4,P3,P2,P1
DAFTAR
PUSTAKA
Harlyan, L. Ika. 2012. Rancangan Acak Kelompok.
Dept. Fisheries and Marine Management. Universitas Brawijaya Malang.
Yitnosumarto, Suntoyo. 1991. Percobaan Perancangan,
Analisis, dan Interpretasinya. Jakarta : PT. Gramedia Pustaka Utama.
LAMPIRAN 1 OUTPUT SPSS
|
Tabel
1 Between-Subjects Factors
|
|||
|
|
Value
Label
|
N
|
|
|
PUPUK
|
1
|
P1
|
3
|
|
2
|
P2
|
3
|
|
|
3
|
P3
|
3
|
|
|
4
|
P4
|
3
|
|
|
5
|
P5
|
3
|
|
|
6
|
P6
|
3
|
|
|
BLOK
|
1
|
BLOK 1
|
6
|
|
2
|
BLOK 2
|
6
|
|
|
3
|
BLOK 3
|
6
|
|
|
Tabel
2 Tests of Between-Subjects Effects
|
|||||
|
Dependent Variable:
HASIL PADI
|
|||||
|
Source
|
Type
III Sum of Squares
|
df
|
Mean
Square
|
F
|
Sig.
|
|
Corrected Model
|
31.675a
|
7
|
4.525
|
181.705
|
.000
|
|
Intercept
|
464.820
|
1
|
464.820
|
18664.973
|
.000
|
|
Pupuk
|
31.533
|
5
|
6.307
|
253.244
|
.000
|
|
Blok
|
.142
|
2
|
.071
|
2.857
|
.104
|
|
Error
|
.249
|
10
|
.025
|
|
|
|
Total
|
496.745
|
18
|
|
|
|
|
Corrected Total
|
31.924
|
17
|
|
|
|
|
a. R Squared = .992 (Adjusted R Squared = .987)
|
|||||
h.
|
Tabel
3. Multiple Comparisons
|
|||||||
|
Dependent Variable:
HASIL PADI
|
|||||||
|
|
(I) PUPUK
|
(J) PUPUK
|
Mean
Difference (I-J)
|
Std.
Error
|
Sig.
|
95%
Confidence Interval
|
|
|
|
Lower
Bound
|
Upper
Bound
|
|||||
|
LSD
|
P1
|
P2
|
-.2533
|
.12885
|
.078
|
-.5404
|
.0338
|
|
P3
|
-1.5267*
|
.12885
|
.000
|
-1.8138
|
-1.2396
|
||
|
P4
|
-2.0833*
|
.12885
|
.000
|
-2.3704
|
-1.7962
|
||
|
P5
|
-3.1033*
|
.12885
|
.000
|
-3.3904
|
-2.8162
|
||
|
P6
|
-3.5433*
|
.12885
|
.000
|
-3.8304
|
-3.2562
|
||
|
P2
|
P1
|
.2533
|
.12885
|
.078
|
-.0338
|
.5404
|
|
|
P3
|
-1.2733*
|
.12885
|
.000
|
-1.5604
|
-.9862
|
||
|
P4
|
-1.8300*
|
.12885
|
.000
|
-2.1171
|
-1.5429
|
||
|
P5
|
-2.8500*
|
.12885
|
.000
|
-3.1371
|
-2.5629
|
||
|
P6
|
-3.2900*
|
.12885
|
.000
|
-3.5771
|
-3.0029
|
||
|
P3
|
P1
|
1.5267*
|
.12885
|
.000
|
1.2396
|
1.8138
|
|
|
P2
|
1.2733*
|
.12885
|
.000
|
.9862
|
1.5604
|
||
|
P4
|
-.5567*
|
.12885
|
.002
|
-.8438
|
-.2696
|
||
|
P5
|
-1.5767*
|
.12885
|
.000
|
-1.8638
|
-1.2896
|
||
|
P6
|
-2.0167*
|
.12885
|
.000
|
-2.3038
|
-1.7296
|
||
|
P4
|
P1
|
2.0833*
|
.12885
|
.000
|
1.7962
|
2.3704
|
|
|
P2
|
1.8300*
|
.12885
|
.000
|
1.5429
|
2.1171
|
||
|
P3
|
.5567*
|
.12885
|
.002
|
.2696
|
.8438
|
||
|
P5
|
-1.0200*
|
.12885
|
.000
|
-1.3071
|
-.7329
|
||
|
P6
|
-1.4600*
|
.12885
|
.000
|
-1.7471
|
-1.1729
|
||
|
P5
|
P1
|
3.1033*
|
.12885
|
.000
|
2.8162
|
3.3904
|
|
|
P2
|
2.8500*
|
.12885
|
.000
|
2.5629
|
3.1371
|
||
|
P3
|
1.5767*
|
.12885
|
.000
|
1.2896
|
1.8638
|
||
|
P4
|
1.0200*
|
.12885
|
.000
|
.7329
|
1.3071
|
||
|
P6
|
-.4400*
|
.12885
|
.007
|
-.7271
|
-.1529
|
||
|
P6
|
P1
|
3.5433*
|
.12885
|
.000
|
3.2562
|
3.8304
|
|
|
P2
|
3.2900*
|
.12885
|
.000
|
3.0029
|
3.5771
|
||
|
P3
|
2.0167*
|
.12885
|
.000
|
1.7296
|
2.3038
|
||
|
P4
|
1.4600*
|
.12885
|
.000
|
1.1729
|
1.7471
|
||
|
P5
|
.4400*
|
.12885
|
.007
|
.1529
|
.7271
|
||
|
Based on observed means.
The error term is Mean
Square(Error) = .025.
|
|||||||
|
Tabel
4 HASIL PADI
|
|||||||
|
|
PUPUK
|
N
|
Subset
|
||||
|
|
1
|
2
|
3
|
4
|
5
|
||
|
Duncana,b
|
P1
|
3
|
3.3300
|
|
|
|
|
|
P2
|
3
|
3.5833
|
|
|
|
|
|
|
P3
|
3
|
|
4.8567
|
|
|
|
|
|
P4
|
3
|
|
|
5.4133
|
|
|
|
|
P5
|
3
|
|
|
|
6.4333
|
|
|
|
P6
|
3
|
|
|
|
|
6.8733
|
|
|
Sig.
|
|
.078
|
1.000
|
1.000
|
1.000
|
1.000
|
|
|
Means for groups in homogeneous subsets are displayed.
Based on observed means.
The error term is Mean
Square(Error) = .025.
|
|||||||
|
a. Uses Harmonic Mean Sample Size = 3.000.
|
|||||||
|
b. Alpha = 0.05.
|
|||||||
LAMPIRAN 2 DATA VARIETAS PADI
|
Blok
|
Pupuk
|
|||||
|
P1
|
P2
|
P3
|
P4
|
P5
|
P6
|
|
|
I
II
III
|
3.28
3.38
3.33
|
3.54
3.48
3.73
|
4.78
4.90
4.89
|
5.23
5.14
5.87
|
6.35
6.50
6.45
|
6.78
6.89
6.95
|
No comments:
Post a Comment