Laporan Praktikum Rancangan Acak Kelompok Faktorial (RAKF)

LAPORAN PRAKTIKUM

RANCANGAN ACAK KELOMPOK FAKTORIAL (RAKF)

Disusun oleh :

Dhita Azhari (2305104010xxx)

Nomor Komputer 27

LABORATORIUM STATISTIK DAN SOSIAL

DEPARTEMEN PETERNAKAN FAKULTAS PERTANIAN

UNIVERSITAS SYIAH KUALA

BANDA ACEH

2025

TINJAUAN PUSTAKA

Rancangan Acak Kelompok Faktorial (RAK Faktorial) adalah rancangan percobaan yang menggabungkan prinsip rancangan acak kelompok (RAK) dengan percobaan faktorial, yaitu percobaan yang melibatkan dua faktor atau lebih yang diuji secara bersamaan. RAK Faktorial digunakan ketika satuan percobaan tidak seragam sehingga perlu dilakukan pengelompokan untuk mengurangi variabilitas dalam kelompok, berbeda dengan Rancangan Acak Lengkap Faktorial (RAL Faktorial) yang digunakan pada data yang relatif seragam tanpa pengelompokan. Karakteristik dan model RAK Faktorial adalah :

1. Faktor yang dicobakan lebih dari satu faktor (misalnya faktor A dan faktor B) dengan beberapa taraf masing-masing.
2. Pengelompokan satuan percobaan dikelompokkan berdasarkan karakteristik tertentu yang mempengaruhi hasil, sehingga variabilitas dalam kelompok minimal dan antar kelompok maksimal.

Adapun model linear aditif rancangan acak kelompok lengkap dua faktor adalah :

𝑦𝑖𝑗𝑘 = 𝜇 + 𝛼𝑖 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + 𝜌𝑘 + 𝜀𝑖𝑗𝑘

i = 1,2,...,r; j = 1,2,...,a; k = 1,2,...,b

dengan :

𝑦𝑖𝑗𝑘     =  nilai pengamatan (respon) dari kelompok ke-k yang memperoleh perlakuan taraf ke-i faktor A dan taraf ke-j faktor B

𝜇          = rata-rata umum

𝛼𝑖        = pengaruh perlakuan taraf ke-i faktor A

𝛽𝑗        = pengaruh perlakuan taraf ke-j faktor B

(𝛼𝛽)𝑖𝑗  = pengaruh interaksi taraf ke-i faktor A dan taraf ke-j faktor B

𝜌𝑘        = pengaruh kelompok ke-k (diasumsikan tidak berinteraksi dengan perlakuan)

𝜀𝑖𝑗𝑘     =galat percobaan taraf ke-i faktor A dan taraf ke-j faktor B pada data kelompok ke-k (𝜀𝑖𝑗𝑘~𝑁(0, 𝜎𝜀 2 ))

Kelebihan RAK Faktorial adalah :

1. Lebih efisien dalam penggunaan data dari sumber yang ada.
2. Dapat mempelajari pengaruh utama dan interaksi antar faktor secara lebih lengkap.
3. Memberikan informasi yang lebih komprehensif dan fleksibel untuk kombinasi berbagai faktor dalam percobaan

Kekurangan RAK Faktorial adalah :

Rancangan acak kelompok faktorial 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. Jika tujuan pengelompokan tidak terpenuhi, presisi dan efisiensi penggunaan rancangan acak kelompok faktorial lebih rendah dari rancangan acak lengkap faktorial karena berkurangnya derajat bebas untuk galat percobaan.

Data Rancangan Acak Kelompok Faktorial (RAKF)

Analisis

Berikut ini cara menganalisis Rancangan Acak Kelompok (RAK)

1. Buka aplikasi SPSS 16 dan pastikan sudah ada data yang akan dimasukkan

Setelah dibuka maka akan muncul tampilan seperti gambar dibawah ini. Pada tampilan tersebut ada bagian yang harus diisi yaitu "Data View (tempat untuk mengisi data yang akan diolah)" dan "Variable View (tempat untuk variabel atau sumber keragaman)

2. Mengisi "Variable View"

Pada bagian "variable view" terdapat kolom Name, Decimals, Label dan Values yang harus diisi.

    

a. Mengisi kolom "Name"

Pada kolom "name" diisi "Faktor_P" pada baris 1, "Faktor_V" pada baris 2, "Kelompok" pada baris 3 dan "Hasil" pada baris 4.

b. Mengisi kolom "Decimals" 

Pada kolom "Decimals", pengisian disesuaikan dengan jumlah decimal yang akan kita gunakan, biasanya penggunaan decimal hanya pada bagian "Hasil".

c. Mengisi kolom "Label"

Pada kolom "Label" baris "Faktor_P" disesuaian dengan faktor pertama pada data atau skripsi kita, contoh : Pupuk Organik (karena Pupuk Organik merupakan faktor pertama).

Pada kolom "Label" baris "Faktor_V" disesuaian dengan faktor kedua pada data atau skripsi kita, contoh : Varietas (karena Varietas merupakan faktor kedua).

Pada kolom "Label" baris "Hasil" disesuaikan dengan hasil pada data atau skripsi kita, contoh : Diameter Batang Minggu 7  (karena Diameter Batang Minggu 7 sebagai hasil yang didapatkan).

d. Mengisi kolom "Values"

Pada kolom "Values" baris "Faktor_P" klik hingga muncul tombol titik tiga lalu klik tombol tersebut hingga muncul kotak "Value Labels"

Isi kotak "Value Labels" sesuai dengan faktor pertama pada penelitian atau skripsi kita. Contoh : Value = 1, Labels = P1 = Pupuk Kompos, kemudian klik "Add" dan isi seterusnya hingga semua faktor pertama dimasukkan lalu klik "Ok"

Pada kolom "Values" baris "Faktor_V" klik hingga muncul tombol titik tiga lalu klik tombol tersebut hingga muncul kotak "Value Labels"

Isi kotak "Value Labels" sesuai dengan faktor kedua pada penelitian atau skripsi kita. Contoh : Value = 1, Labels = V1 = Jagung Putih Anoman, kemudian klik "Add" dan isi seterusnya hingga semua faktor kedua dimasukkan lalu klik "Ok"

Pada kolom "Values" baris "Kelompok" klik hingga muncul tombol titik tiga lalu klik tombol tersebut hingga muncul kotak "Value Labels"

Isi kotak "Value Labels" sesuai dengan jumlah kelompok pada penelitian atau skripsi kita. Contoh : Value = 1, Labels = Kelompok I, kemudian klik "Add" dan isi seterusnya hingga semua kelompok dimasukkan lalu klik "Ok"

3. Mengisi "Data View"

Klik "Data View" pada sudut kiri bawah hingga muncul tampilan seperti gambar dibawah ini

Lalu isi data yang akan diolah pada kolom hasil dan pastikan data berada pada faktor dan ulangan yang tepat. Contoh : Faktor_P 1, Faktor_V 1, Kelompok 1 dan Hasil 7.04. Isi hingga semua hasil telah dimasukkan. Hasilnya seperti gambar dibawah ini.

4. Menganalisi Data

Klik bagian "Analyze" kemudian pilih "General Linear Model" lalu klik "Univariate"

Lalu akan muncul kotak "Univariate" seperti gambar dibawah ini

a. Mengisi "Dependent Variable"

Klik "Diameter Batang Minggu 7" (hasil) lalu klik tanda panah pada bagian "Dependent Variable"

b. Mengisi "Fixed Factor (s)"

Klik "Pupuk Organik (Faktor_P)" lalu klik tanda panah pada bagian "Fixed Factor (s)"

Klik "Varietas (Faktor_V)" lalu klik tanda panah pada bagian "Fixed Factor (s)"

Klik "Kelompok" lalu klik tanda panah pada bagian "Fixed Factor (s)"

c. Mengisi "Model"

Klik "Model" pada kotak "Univariate" hingga muncul kotak "Univariate: Model"

Pada "Specify Model" klik "Custom". Setelah itu pada bagian "Build Term(s)" ubah "Type" "Interaction" menjadi "Main Effects", kemudian pada kotak "Factor & Covariates" klik "Faktor_P" dan klik tanda panah pada bagian "Build Term(s)", kemudian klik "Faktor_V", lalu klik "Kelompok" dan klik tanda panah pada bagian "Build Term(s)".

Selanjutnya, klik "Faktor_P" lalu tekan "Shift" dan tombol panah kebawah pada keyboard laptop dan pastikan "Faktor_P" dan "Faktor_V" sudah terblok kemudian pada bagian "Build Term(s)" ubah "Type" "Main Effects" menjadi "Interaction " dan klik tanda panah pada bagian "Build Term(s)" lalu klik "Continue".

d. Mengisi "Post Hoc"

Klik "Post Hoc" pada kotak "Univariate" hingga muncul kotak "Univariate: Post Hoc Multiple Comparison for Observed Means"

Pada bagian "Factor (s)" klik "Faktor_P" lalu pindahkan ke bagian "Post Hoc Test for" dengan mengklik tanda panah, klik "Faktor_V" lalu pindahkan ke bagian "Post Hoc Test for" dengan mengklik tanda panah  dan klik "Kelompok" lalu pindahkan ke bagian "Post Hoc Test for" dengan mengklik tanda panah juga. Kemudian pada bagian "Equal Variances Assumed" klik kotak "LSD" (untuk Uji BNJ), "Tukey" (untuk Uji BNJ), dan "Duncan" (untuk Uji Duncan) lalu klik "Continue".

e. Mengisi "Options"

Klik "Options" pada kotak "Univariate" hingga muncul kotak "Univariate: Options"

Pada bagian "Factor (s) and Factor Interactions" klik "(OVERALL)" lalu pindahkan ke bagian "Display Means for" dengan mengklik tanda panah. Kemudian pada bagian "Display" klik pada kotak bagian "Descriptive statistics" dan "Homogeneity tests" lalu klik "Continue".

Selanjutnya akan kembali ke kotak "Univariate" dan klik "OK".

Video Analisis

Output

Video Youtube

Referensi