8 BAB II LANDASAN TEORI
2.1
Kerangka Teori 2.1.1
Rekayasa Piranti Lunak Menurut Prahasta (2005, p223), rekayasa piranti lunak adalah sekumpulan aktifitas – aktifitas kerja yang berkaitan erat dengan perancangan dan implementasi produk – produk dan prosedur – prosedur yang dimaksudkan untuk merasionalisasikan produksi perangkat lunak berikut pengawasannya. Dalam perancangan aplikasi ini, digunakan model proses waterfall seperti yang digambarkan pada Gambar 2.1. Model ini sangat terstruktur dan bersifat linier, memerlukan pendekatan yang sistematis dan sekuensial di dalam pengembangan sistem perangkat lunaknya. Rekayasa Sistem Analisis Perancangan (design) Pemrograman (coding) Pengujian (testing) Operasi & Pemeliharaan
Gambar 2.1 Model Proses Waterfall
9 Aktifitas – aktifitas pada model ini (Prahasta, 2005, p224) meliputi : 1. Rekayasa sistem Perangkat lunak merupakan bagian dari sistem yang lebih besar, maka pengembangannya dimulai dari pengumpulan semua kebutuhan elemen – elemen dalam suatu sistem. Hasil akhir dari tahap ini adalah spesifikasi sistem. 2. Analisis Pada tahap ini dilakukan pengumpulan kebutuhan elemen – elemen di tingkat perangkat lunak. Hasil akhir dari tahap ini adalah spesifikasi kebutuhan perangkat lunak. 3. Perancangan Pada
tahap
ini,
spesifikasi
kebutuhan
perangkat
lunak
ditransformasikan ke dalam bentuk arsitektur perangkat lunak yang memiliki
karakteristik
mudah
dimengerti
dan
tidak
sulit
diimplementasikan. 4. Pemrograman Pada tahap pemrograman, dilakukan implementasi hasil rancangan ke dalam baris – baris kode program yang dapat dimengerti oleh mesin (komputer). 5. Pengujian Pengujian dilakukan pada setiap modul, lalu diintegrasikan dan dikompilasi sehingga membentuk suatu perangkat lunak yang utuh. 6. Pengoperasian dan Pemeliharaan
10 Perangkat lunak sudah siap dioperasikan. Dalam masa operasional, suatu perangkat lunak mungkin saja mengalami errors atau bugs, yang
menyebabkan
perangkat
lunak
harus
ditingkatkan
kemampuannya, sehingga perangkat lunak perlu dipelihara (dimaintain) dari waktu ke waktu.
2.1.2
Interaksi Manusia dan Komputer Interaksi Manusia dan Komputer adalah displin ilmu yang berhubungan dengan perancangan, evaluasi, dan implementasi sistem komputer interaktif untuk digunakan oleh manusia, serta studi fenomena – fenomena besar yang berhubungan dengannya. Fokusnya adalah perancangan
dan
evaluasi
antarmuka
pemakai
(user
interface).
Antarmuka pemakai adalah bagian sistem komputer yang memungkinkan manusia berinteraksi dengan komputer.
Manusia
Antarmuka pemakai
SistemKomputer
Gambar 2.2 Interaksi Manusia dan Komputer
Menurut Sneiderman (1998, pp74 – 75), sistem antarmuka yang baik harus memenuhi delapan aturan emas di bawah ini : 1. Berusaha untuk konsisten. 2
Memungkinkan frequent users menggunakan shortcuts.
3
Memberikan umpan balik yang informatif.
11 4
Pengorganisasian yang baik, sehingga pengguna mengetahui kapan awal dan akhir dari suatu aksi.
5
Memberikan pencegahan kesalahan dan penanganan kesalahan yang sederhana.
6
Memungkinkan pembalikan aksi yang mudah (undo).
7
Mendukung pusat kendali internal (internal locus of control), pemakai menguasai sistem atau inisiator, bukan responden.
8
2.1.3
Mengurangi beban ingatan jangka pendek.
Sistem Informasi (SI) Sistem Informasi (SI) adalah suatu kesatuan yang terdiri dari manusia (end user, spesialis SI), perangkat keras (sistem komputer, peripheral), piranti lunak (software system, software aplikasi, prosedur), jaringan komunikasi (media komunikasi, network support) dan sumber daya data (basis data, basis pengetahuan) yang mengumpulkan, mentransformasi dan mendistribusikan informasi di dalam suatu organisasi. Aktifitas dalam SI yaitu : input data, pengolahan data, menghasilkan
output
(performance) sistem.
(informasi),
dan
mengontrol
unjuk
kerja
12 SI
Technical Support System
Transaction Processing System
Process Control System
Management Support System
Enterprise Collaboration System
Management Information System
Decission Support System
Executive Information System
Gambar 2.3 Tipe – tipe Sistem Informasi
Berdasarkan Gambar 2.2 di atas , tipe – tipe sistem informasi terdiri dari dua bagian besar (O’Brien, 2005, pp30-34), yaitu : 1. Technical Support System terdiri dari : •
Transaction Support System : memproses data yg dihasilkan dari transaksi
bisnis,
memperbarui
database
operasional,
dan
menghasilkan dokumen bisnis. Contoh : pemrosesan penjualan dan persediaan serta sistem akuntansi. •
Process Control System : mengawasi dan mengendalikan berbagai proses industrial. Contoh : penyulingan minyak, produksi tenaga listrik, dan sistem produksi baja.
•
Enterprise Collaboration System : mendukung komunikasi dan kerjasama tim, kelompok kerja dan perusahaan. Contoh : email, forum bincang, dan sistem kelompok konferensi video.
2. Management Support System terdiri dari : •
Management Information System : memberikan informasi dalam bentuk laporan yang telah ditentukan sebelumnya untuk
13 mendukung pengambilan keputusan bisnis. Contoh : analisis penjualan , kinerja produksi, dan sistem pelaporan tren biaya. •
Decission Support System : memberi dukungan interaktif khusus untuk proses pengambilan keputusan para manajer dan praktisi bisnis lainnya. Contoh : penerapan harga produk, perkiraan tingkat laba, dan sistem analisis resiko.
•
Executive Information System : memberi informasi penting dari MIS, DSS, dan sumber lainnya yang dibentuk sesuai kebutuhan informasi para eksekutif. Contoh : sistem untuk akses yang mudah dalam menganalisis kinerja bisnis, tindakan para pesaing, dan perkembangan ekonomi untuk mendukung perencanaan strategis.
2.1.3.1 Sistem Informasi Manajemen (SIM) Sistem Informasi Manajemen (SIM) adalah suatu sistem manusia-mesin yang terintegrasi untuk memenuhi kebutuhan informasi manajemen dengan menyajikan informasi guna mendukung fungsi operasi, manajemen, dan pengambilan keputusan dalam sebuah organisasi. Rancangan program aplikasi pengolahan data percobaan dengan Augmented Design dalam RBD ini termasuk dalam Sistem Informasi Manajemen, karena rancangan akan menyajikan informasi untuk pelaku percobaan dalam suatu penelitian, untuk mengambil kesimpulan yang tepat dari percobaan yang telah dilakukan.
14
2.1.3.2 Kegiatan Analytical Modelling Empat tipe dasar kegiatan analytical modelling : • what – if analysis : mengamati perubahan sebuah variabel berdampak pada variabel lain. • sensitivity analysis : mengamati perubahan berurutan apakah naik turunnya variabel tunggal berdampak pada variabel lain. • goal seeking analysis : membuat perubahan pada variabel yang dipilih sampai variabel lain yang diinginkan mencapai target. • optimal analysis : menemukan nilai optimum untuk variabel
yang
dianjurkan
beserta
batasannya
(kendalanya).
2.1.4 Konsep Dasar Statistik Statistik adalah suatu ilmu atau cara – cara ilmiah yang mempelajari pengumpulan data, pengolahan, penyajian, dan analisis data kuantitatif. Statistik sendiri adalah penduga parameter, oleh karena itu ilmu yang mempelajari pendugaan parameter dikenal dengan nama statistik. Tetapi secara luas, statistik diartikan sebagai ilmu yang mempelajari dan mengusahakan agar data mempunyai makna. Statistik sebagai ilmu dapat juga diartikan sebagai membuat dan menerapkan
15 metode atau prosedur untuk dapat mengevaluasi ketidakmenentuan dalam inferensia secara induktif (Mattjik dan Sumertajaya, 2000, pp1-2). Dalam statistik, pengujian hipotesis merupakan bagian terpenting untuk mengambil keputusan. Dengan melakukan pengujian hipotesis, seorang peneliti akan dapat menjawab pertanyaan – pertanyaan yang diajukannya dengan menyatakan penolakan atau penerimaan terhadap hipotesis. Hipotesis
adalah
jawaban
sementara
sebelum
percobaan
dilaksanakan yang didasarkan pada hasil studi literatur. Penarikan sejumlah contoh acak dari suatu populasi, diamati karakteristiknya dan kemudian dibandingkan dengan hipotesis yang diajukan, merupakan suatu langkah melakukan uji hipotesis. Apabila contoh acak ini memberikan indikasi atau petunjuk yang mendukung hipotesis yang diajukan, maka hipotesis tersebut diterima, sedangkan bila contoh acak itu memberikan indikasi yang bertentangan dengan hipotesis yang diajukan, maka hipotesis tersebut ditolak. Pengertian diterima dan ditolaknya suatu hipotesis tidak bersifat mutlak. Suatu hipotesis ditolak tidak berarti bahwa hipotesis tersebut salah, melainkan data telah memberikan petunjuk bahwa telah ada perubahan pada karakteristik populasi yang dihipotesiskan, sedangkan penerimaan terhadap sebuah hipotesis berarti belum cukup bukti untuk menerima hipotesis tandingannya. Hipotesis statistik dibedakan menjadi dua, yaitu hipotesis nol (H0) dan
hipotesis
tandingan
(H1).
Pernyataan
yang
ingin
ditolak
16 kebenarannya ditetapkan sebagai hipotesis nol, sedangkan pernyataan lawannya
ditetapkan
sebagai
hipotesis
tandingan
(Mattjik
dan
Sumertajaya, 2000, pp43-44).
2.1.4.1 Statistik Deskriptif Statistik deskriptif adalah metode – metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna (Walpole, 1995, p2). Statistik deskriptif belum sampai pada upaya menarik suatu kesimpulan, tetapi baru sampai pada tingkat memberikan suatu bentuk ringkasan data sehingga khalayak / masyarakat awam statistik pun dapat memahami informasi yang terkandung dalam data (Mattjik dan Sumertajaya, 2000, p8). Data merupakan kumpulan dari karakteristik objek / individu yang diamati atau sering juga disebut sebagai kumpulan dari peubah – peubah (Mattjik dan Sumertajaya, 2000, p8). Data dalam statistik deskriptif ini dapat ditampilkan dalam berbagai macam bentuk, seperti tabel dan grafik. Dalam rancangan ini, banyak digunakan penyajian data dalam bentuk tabel. Tabel merupakan bentuk penyajian data statistik yang paling umum dilakukan dan disukai karena penyajiannya relatif mudah dan dari tabel dapat dihitung ukuran – ukuran statistik yang digunakan untuk analisis.
17 2.1.4.2 Statistik Inferensia Menurut Walpole (1995, pp4-5), tujuan akhir suatu telaah statistik adalah membuat keputusan dan menarik kesimpulan mengenai segugus data induk yang lebih besar, yang karena satu dan lain hal kita hanya memiliki pengetahuan parsial berdasarkan hanya sebagian data. Hal ini membawa kita pada bidang inferensia statistik. Inferensia statistik mencakup semua metode yang berhubungan dengan analisis sebagian data untuk kemudian sampai pada peramalan atau penarikan kesimpulan mengenai keseluruhan gugus data induknya.
2.1.5
Perancangan Percobaan Perancangan percobaan adalah suatu uji atau sederetan uji baik itu menggunakan statistik deskriptif maupun statistik inferensia, yang bertujuan untuk mengubah peubah input menjadi suatu output yang merupakan respon dari percobaan tersebut (Mattjik dan Sumertajaya, 2000, p59). Tujuan secara umum dari suatu percobaan ini adalah (Mattjik dan Sumertajaya, 2000, p61) : 1. Memilih peubah terkendali (X) yang paling berpengaruh terhadap respon (Y). 2. Memilih gugus peubah X yang paling mendekati nilai harapan Y. 3. Memilih gugus peubah X yang menyebabkan keragaman respon (σ2) paling kecil.
18 4. Memilih gugus peubah X yang mengakibatkan pengaruh peubah tak terkendali paling kecil. Menurut Gaspersz (1994, pp22-25), prinsip – prinsip dasar perancangan percobaan adalah : 1. Pengacakan (randomization) Fungsi dari pengacakan adalah menjamin sahihnya dugaan tak bias dari galat percobaan dan nilai tengah perlakuan serta perbedaan di antara mereka. Acak mengandung pengertian memberi peluang yang sama kepada setiap satuan percobaan untuk dikenakan perlakuan. 2. Pengulangan (replication) Fungsi dari pengulangan adalah : -
memberikan suatu dugaan dari galat percobaan
-
meningkatkan
ketelitian
suatu
percobaan
melalui
pengurangan simpangan baku dari nilai tengah perlakuan -
memperluas cakupan penarikan kesimpulan dari suatu percobaan
-
mengendalikan ragam galat (error variance)
Pengulangan juga memungkinkan kita untuk mengelompokan satuan – satuan percobaan menurut respon yang diharapkan. Tujuannya adalah memaksimumkan keragaman antar kelompok dan meminimumkan keragaman dalam kelompok. 3. Pengendalian tempat percobaan (local control)
19 Suatu percobaan yang baik akan berusaha meminimumkan galat percobaan. Teknik untuk mengurangi galat percobaan adalah menentukan perlakuan – perlakuan pada petak percobaan dengan cara sedemikian rupa sehingga keseragaman yang ada di antara petak – petak percobaan atau satuan – satuan percobaan tidak “masuk ke dalam” perbedaan di antara perlakuan – perlakuan. Teknik ini biasanya dikenal sebagai “pengendalian lokal”. Beberapa istilah dalam perancangan percobaan (Mattjik dan Sumertajaya, 2000, pp64-65) antara lain : 1. perlakuan (treatment) Perlakuan adalah suatu prosedur atau metode yang diterapkan pada unit percobaan. 2. unit percobaan Unit percobaan adalah unit terkecil dalam suatu percobaan yang diberi suatu perlakuan. 3. satuan amatan Satuan amatan adalah anak gugus dari unit percobaan tempat dimana respon perlakuan diukur. Menurut Mattjik dan Sumertajaya (2000, p66), suatu rancangan percobaan merupakan satu kesatuan antara rancangan perlakuan, rancangan lingkungan, dan rancangan pengukuran. Rancangan perlakuan merupakan rancangan yang berkaitan dengan bagaimana perlakuan – perlakuan
tersebut
dibentuk.
Rancangan
lingkungan
merupakan
rancangan yang berkaitan dengan bagaimana perlakuan – perlakuan
20 tersebut ditempatkan pada unit percobaan. Penempatan perlakuan pada unit percobaan dapat diacak secara langsung terhadap seluruh unit percobaan atau bisa juga diacak pada setiap blok – blok percobaan. Pemilihan metode pengacakan ini didasarkan pada kondisi dari unit – unit percobaan yang digunakan dalam penelitian. Rancangan pengukuran merupakan rancangan yang membicarakan tentang bagaimana respon percobaan diambil dari unit – unit percobaan yang diteliti.
2.1.5.1 Randomized Block Design (RBD) Menurut Gaspersz (1994, pp116 – 118), 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. Dalam RBD, yang diperhatikan adalah perlakuan, pengaruh galat, dan kelompok yang berbeda. Satuan percobaan tidak perlu homogen, dimana satuan – satuan percobaan tersebut dikelompokkan 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. Sebelum pengacakan, daerah percobaan atau satuan percobaan dibagi ke dalam beberapa kelompok sebagai jumlah
21 ulangan. Setiap kelompok dibagi lagi ke dalam jumlah yang sesuai dengan banyaknya perlakuan yang akan dicobakan. RBD menetapkan bahwa semua perlakuan harus muncul satu kali di dalam setiap ulangan, dan pengacakan dilakukan secara terpisah untuk setiap kelompok.
2.1.5.2 Augmented Design – RBD Menurut Sutoro (2002, pp153-154), Augmented Design dalam RBD digunakan bila area percobaan memiliki keragaman dalam satu arah. Rancangan dasarnya membagi area percobaan ke dalam sejumlah blok. Dasar pembagian blok, yaitu keragaman unit percobaan dalam blok lebih kecil daripada keragaman antar blok. Dalam rancangan percobaan ini, sejumlah perlakuan pembanding diulang pada setiap blok sedangkan perlakuan lain yang diuji ditempatkan pada sisa dalam setiap blok. Perlakuan yang diuji tidak diulang tetapi ditempatkan secara acak sepanjang blok. Hasil pengamatannya dikoreksi dengan perbedaan blok yang dapat diperoleh dari hasil pengamatan perlakuan pembanding dari setiap blok. Jika
jumlah
blok
sebanyak
b,
jumlah
perlakuan
pembanding / cek sebanyak c, dan jumlah perlakuan yang diuji sebanyak v, maka jumlah perlakuan yang diuji setiap blok = n = v/b. Jumlah plot tiap blok diperlukan sebanyak c+n dan total jumlah plot dalam percobaan seluruhnya ada bc+v = b (c+n) plot.
22 Jumlah blok b ditentukan dengan syarat paling sedikit memiliki derajat bebas galat di dalam analisis ragam sebesar 12, sedangkan pada setiap blok memiliki kontribusi derajat bebas sebesar (c-1) sehingga jumlah minimum blok b (Anonim, 1995, p4) harus memenuhi hubungan b>[12/(c-1)] + 1. Penempatan perlakuan pembanding di dalam blok dilakukan secara acak. Demikian juga perlakuan yang diuji sebanyak v ditempatkan secara acak ke seluruh plot percobaan. Model linier untuk RBD adalah : Yij =
μ + βi + τj + εij ;
i = 1,…,b ; j = 1,…,c
dimana : Yij = nilai pengamatan pada kelompok ke– i dan perlakuan ke– j μ = nilai tengah populasi (rata – rata umum) βi = pengaruh kelompok ke – i τj = pengaruh perlakuan ke – j εij = galat pengamatan pada kelompok ke – i dan perlakuan ke – j Asumsi dasarnya yaitu keragaman perlakuan pembanding sama dengan
keragaman
perlakuan
yang
diuji
dan
itu
perlu
dipertimbangkan sewaktu memilih perlakuan pembanding. Hipotesis yang dapat diuji (Mattjik dan Sumertajaya, 2000, p85) : 1. Berdasarkan pengaruh perlakuan
23 H0 : τj = 0 (j = 1,…,c) : tidak ada pengaruh perlakuan terhadap peubah respon yang diteliti, dengan kata lain, nilai tengah perlakuan tersebut semuanya sama. H1 : τj ≠ 0 (j = 1,…,c) : minimal ada satu pengaruh perlakuan terhadap peubah respon yang diteliti, dengan kata lain, paling sedikit ada dua nilai tengah perlakuan yang berbeda. 2. Berdasarkan pengaruh pengelompokan H0 : βi = 0 (i = 1,…,b) : tidak ada pengaruh pengelompokan terhadap peubah respon yang diteliti, dengan kata lain, nilai tengah pengelompokan tersebut semuanya sama. H1 : βi ≠ 0 (i = 1,…,b) : minimal ada satu pengaruh pengelompokan terhadap peubah respon yang diteliti, dengan kata lain, paling sedikit ada dua nilai tengah pengelompokan yang berbeda Berdasarkan model linier diatas, maka analisis keragaman (ANOVA) pengelompokan dan pembanding, dengan alpha 1% dan 5%, dapat disusun pada Tabel 2.1 sebagai berikut (Sutoro, 2002, pp154-155) : Sumber Keragaman Blok Cek Galat Total
Tabel 2.1 Analisis Ragam untuk RBD Derajat Jumlah Kuadrat Bebas Kuadrat Tengah b-1 JKB KTB c-1 JKP KTP (b-1) (c-1) JKG KTG bc – 1 -
F hitung KTB / KTG KTP / KTG -
24 Proses dan penjabaran perhitungannya adalah sebagai berikut: 1. Faktor Koreksi (FK) = (∑∑ Yij ) / bc 2
2. Jumlah Kuadrat Blok (JKB) =
∑Y
2
.j
c
− FK
3. Jumlah Kuadrat Perlakuan (JKP) =
∑Y
i.
b
2
− FK
4. Jumlah Kuadrat Galat (JKG) = (∑∑ Yij ) − FK − JKB – JKP 2
5. Kuadrat tengah blok (KTB) = JKB / (b-1) 6. Kuadrat tengah perlakuan (KTP) = JKP / (c-1) 7. Kuadrat tengah galat (KTG) = JKG / (b-1) (c-1) 8. Fhit Blok = KTB / KTG 9. Fhit Perlakuan = KTP / KTG Pengujian hipotesis berdasarkan nilai F (Mattjik dan Sumertajaya, 2000, p87) : -
Fhit = KTP/KTG mengikuti sebaran F dengan derajat bebas pembilang sebesar b-1 dan derajat bebas penyebut sebesar (b-1)(c-1). Jika nilai Fhit > Ftabel
,
maka hipotesis nol
ditolak. Jika nilai Fhit ≤ Ftabel , maka hipotesis nol diterima.
25 -
Fhit = KTB/KTG mengikuti sebaran F dengan derajat bebas pembilang sebesar c-1 dan derajat bebas penyebut sebesar (b-1)(c-1). Jika nilai Fhit > Ftabel
,
maka hipotesis nol
ditolak. Jika nilai Fhit ≤ Ftabel , maka hipotesis nol diterima. Untuk membandingkan perlakuan dapat digunakan uji beda rata – rata antar perlakuan dengan menggunakan galat baku sebagai berikut (Sutoro, 2002, p155) : -
Perbedaan
antara
dua
perlakuan
pembanding
=
2 KTG / b -
Perbedaan antara dua perlakuan uji hasil terkoreksi (dalam blok yang sama) =
-
2 KTG
Perbedaan antara dua perlakuan uji hasil terkoreksi (dalam blok yang berbeda) =
-
2 KTG (1 + 1 / c)
Perbedaan antara perlakuan uji hasil terkoreksi dengan perlakuan pembanding =
KTG (b + 1)(c + 1) / bc
Sedangkan pengaruh blok (Rj) bagi setiap blok diduga dari : Rj = Bj – M dimana, Bj = rata – rata perlakuan pembanding pada blok ke – j M = rata – rata seluruh perlakuan pembanding Nilai pengaruh blok digunakan sebagai faktor koreksi dari nilai pengamatan perlakuan yang diuji.
26 2.1.5.3 Uji Lanjut Least Significant Difference (LSD)
Menurut Gaspersz (1994, pp85 – 87), dalam RBD, uji F digunakan
untuk
menguji
perbedaan
perlakuan
dan
pengelompokan yang dicobakan. Jika H0 diterima, yang berarti semua perlakuan yang dicobakan memberi pengaruh yang sama, dengan kata lain, nilai tengah perlakuan tersebut semuanya sama, maka ini memberikan konsekuensi pada kita untuk tidak perlu lagi melakukan pengujian lanjutan. Namun jika H0 ditolak, yang berarti tidak semua perlakuan yang dicobakan memberi pengaruh yang sama, dengan kata lain, paling sedikit ada dua nilai tengah perlakuan yang berbeda, maka pertanyaan berikut tentang nilai tengah – nilai tengah mana saja yang menunjukkan perbedaan tersebut perlu dijawab. Hal ini berarti perlu dilakukan pengujian lanjutan untuk melacak perbedaan diantara nilai tengah perlakuan tersebut. Menurut Steel dan Torrie (1981, p209), bila H0 diterima, kelihatannya tidak perlu ada pertanyaan lanjutan. Namun kesimpulan demikian, terlalu disederhanakan. Perlakuan – perlakuan itu dibandingkan pengaruhnya. Jika semua dikatakan tidak berbeda nyata, mungkin timbul pertanyaan, barangkali saja ada beda pengaruh perlakuan yang hilang, karena dirata – ratakan dengan kemungkinan perbandingan yang lain. Maka, kadangkala uji lanjut LSD tetap dilakukan, walaupun sudah diketahui bahwa H0 diterima dalam uji F.
27 Uji lanjut LSD akan sangat baik digunakan apabila pengujian nilai tengah perlakuan yang akan diperbandingkan sebelumnya telah direncanakan. Tingkat ketepatan dari uji lanjut LSD akan berkurang apabila digunakan untuk menguji semua kemungkinan pasangan nilai tengah perlakuan, yaitu perlakuan pembanding yang tidak terencana (unplanned comparisons). Jumlah semua kemungkinan pasangan nilai tengah akan meningkat mengikuti jumlah perlakuan. Beberapa aturan dasar yang perlu diperhatikan agar uji lanjut LSD dapat digunakan secara efektif : 1. Gunakan uji lanjut LSD hanya bila uji F dalam analisis ragam nyata. 2. Tidak menggunakan uji lanjut LSD untuk perbandingan semua kombinasi pasangan nilai tengah perlakuan bila percobaan mencakup lebih dari lima perlakuan. 3. Gunakan uji lanjut LSD untuk pembandingan terencana tanpa memperhatikan banyaknya perlakuan. Sebagai misal, dalam membandingkan setiap perlakuan terhadap kontrol, uji lanjut LSD dapat digunakan sekalipun percobaan tersebut mencakup lebih dari lima perlakuan. Apabila setiap perlakuan mempunyai ulangan yang sama yaitu b, maka formula untuk perhitungan nilai LSD pada taraf nyata (α) adalah : 1. untuk uji lanjut LSD antara dua perlakuan pembanding,
28 LSDα = tα (v) 2 KTG / b 2. untuk uji lanjut LSD antara dua perlakuan uji hasil terkoreksi (dalam blok yang sama), LSDα = tα (v) 2 KTG 3. untuk uji lanjut LSD antara dua perlakuan uji hasil terkoreksi (dalam blok yang berbeda), LSDα = tα (v) 2 KTG (1 + 1 / c) 4. untuk uji lanjut LSD antara perlakuan uji hasil terkoreksi dengan perlakuan pembanding, LSDα = tα (v)
KTG (b + 1)(c + 1) / bc
dimana t adalah nilai t yang diperoleh dari tabel t pada taraf nyata α. Nilai t dilihat dengan v atau derajat bebas galat (pada tabel analisis ragam), KTG adalah nilai kuadrat tengah galat yang diperoleh dari analisis ragam, b adalah jumlah ulangan / blok, dan c adalah jumlah perlakuan pembanding / cek. Untuk menilai apakah ada dua nilai tengah perlakuan yang berbeda secara statistik, maka bandingkan selisih (beda) dua nilai tengah perlakuan tersebut dengan nilai LSD. Kriteria penggunaan uji lanjut LSD adalah : jika | i -i+1 |
> LSDα
, maka hasil uji berbeda nyata
≤ LSDα
, maka hasil uji tidak berbeda nyata
tanda | | menunjukkan harga mutlak dari beda dua nilai tengah perlakuan yang diuji tersebut.
29
2.2 Kerangka Pikir
Pengolahan data percobaan dan pengambilan keputusan dengan cepat dan tepat terhadap hasil dari suatu percobaan yang telah dilakukan, merupakan salah satu permasalahan yang sering dialami pelaku percobaan, terutama bila data percobaan yang harus diolah sangat banyak, memiliki proses perhitungan yang rumit, dan dikerjakan secara manual. Masalah ini terutama terjadi dalam mengolah data percobaan dengan Augmented Design dalam RBD, karena belum adanya program aplikasi yang dapat digunakan untuk mengolah dan menganalisis data percobaan secara cepat dan tepat. Untuk itulah diharapkan adanya suatu program aplikasi yang dapat memudahkan mengolah dan menganalisis data percobaan tersebut. Program aplikasi akan dirancang dengan menerapkan pedoman rekayasa perangkat lunak, dimana tahapan – tahapan perancangan dilakukan dengan menggunakan model proses waterfall. Data yang digunakan untuk pengujian merupakan data sekunder yang diperoleh dari Balai Besar Penelitian Bioteknologi dan Sumber Daya Genetik Pertanian. Program aplikasi dirancang dengan berpedoman pada delapan aturan emas, sehingga akan lebih interaktif dan menarik. Program aplikasi diharapkan dapat memenuhi tujuan perancangan, sehingga dapat digunakan oleh pelaku percobaan, terutama pelaku percobaan di Balai Besar Penelitian Bioteknologi dan Sumber Daya Genetik Pertanian. Program aplikasi juga dirancang agar dapat memberikan informasi bagi pengambil keputusan. Aktifitas – aktifitas dalam sistem informasi terlihat dalam program aplikasi, yaitu : input data, pengolahan data, dan output data. Analytical
30 modelling dilakukan khususnya untuk mengamati perubahan sebuah variabel yang berdampak terhadap variabel lain. Dalam perancangannya, program aplikasi mengaplikasikan model rancangan percobaan Augmented Design dalam RBD. Rancangan percobaan dilakukan untuk melakukan suatu uji atau sederetan uji baik itu menggunakan statistik deskriptif maupun statistik inferensia, yang bertujuan untuk mengubah peubah input menjadi suatu output yang merupakan respon dari percobaan tersebut. Augmented Design – RBD digunakan untuk memprogram rancangan karena Augmented Design – RBD merupakan salah satu model percobaan pertanian yang belum memiliki program aplikasi untuk mengolah dan menganalisis data percobaan. Pada dasarnya, perancangan percobaan ingin mengetahui pengaruh perlakuan dan pengelompokan dengan uji F, dan juga ingin mengetahui apakah perlakuan yang diamati, satu dengan lainnya, berbeda nyata atau tidak. Bila uji F menunjukkan adanya pengaruh perlakuan dan pengelompokan terhadap peubah respon yang diamati, maka uji lanjut dapat dilakukan. Uji lanjut LSD digunakan untuk melacak perbedaan diantara nilai tengah perlakuan tersebut. Uji lanjut LSD dipilih dalam perancangan program aplikasi, karena uji lanjut ini lebih sederhana jika dibandingkan dengan uji lanjut – uji lanjut yang lain, dan lebih mudah diaplikasikan ke dalam rancangan program. Dengan sederetan kerangka pikir diatas, program aplikasi diharapkan dapat membantu pelaku percobaan dalam mengolah data percobaan dan mengambil keputusan secara cepat dan tepat terhadap hasil percobaan yang telah dilakukan dengan metode Augmented Design – RBD.
