PERANCANGAN PERCOBAAN OLEH :
WIJAYA
FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009
PERCOBAAN SATU FAKTOR RANCANGAN ACAK LENGKAP ( R A L )
Percobaan Satu Faktor :
Pengaruh Takaran Pupuk Kalium Terhadap Pertumbuhan dan Hasil Padi Sawah Takaran K2O (kg/ha) : k1 (12,5 kg/ha) k2 (25,0 kg/ha) k3 (37,5 kg/ha)
Ulangan R = 5
k4 (50,0 kg/ha) k5 (62,5 kg/ha)
(r–1)(t–1) ≥15
Rancangan Lingkungan RAL : ¾ Keuntungan : ¾ Denah rancangan lebih mudah ¾ Analisis statistik lebih sederhana ¾ Fleksibel dalam jumlah ulangan dan perlakuan ¾ Tepat digunakan dalam kasus : ¾ Bahan percobaan (relatif) homogen : Rumah Kaca ¾ Jumlah perlakuan terbatas
Rancangan Lingkungan RAL : ¾ Pengacakan pada seluruh perlakuan ¾ Pengacakan menggunakan Undian atau Daftar Angka Acak ¾ Denah Tataletak Perlakuan (Pot atau Petakan Lahan) : 1
5
6
25
Rancangan Lingkungan RAL : ¾ Pengacakan pada seluruh perlakuan ¾ Pengacakan menggunakan Undian atau Daftar Angka Acak ¾ Denah Tataletak Perlakuan (Pot atau Petakan Lahan) : k4
k2
k1
k5
k3
k1
k3
k2
k3
k4
k3
k1
k5
k4
k5
k2
k4
k1
k5
k2
k5
k2
k3
k4
k1
Rancangan Respon RAL :
K2O (kg/ha)
Bobot GKG per Petak (kg)
k1 (12,5 )
1,67
1,70
1,73
1,75
1,68
k2 (25,0 )
1,64
1,69
1,70
1,71
1,67
k3 (37,5 )
1,77
1,81
1,75
1,74
1,79
k4 (50,0 )
1,66
1,65
1,63
1,61
1,70
k5 (62,5 )
1,48
1,34
1,52
1,47
1,55
RANCANGAN ANALISIS MENGGUNAKAN RAL ¾ Model Linear RAL Satu Faktor : Yij = μ + Ti + εij dimana : Yij = Respon pada perlakuan ke-i ulangan ke-j μ = Rata-rata Umum Ti = Pengaruh perlakuan ke-i εij = Pengaruh galat percobaan
Analisis Ragam RAL K2O (kg/ha) k1 (12,5 )
1,67
1,70
1,73
1,75
1,68
8,53
1,71
k2 (25,0 )
1,64
1,69
1,70
1,71
1,67
8,41
1,68
k3 (37,5 )
1,77
1,81
1,78
1,74
1,79
8,89
1,78
k4 (50,0 )
1,66
1,65
1,63
1,61
1,70
8,25
1,65
k5 (62,5 )
1,48
1,34
1,52
1,47
1,55
7,36
1,47
Jumlah 1. 2. 3. 4.
Bobot GKG per Petak (kg)
Jumlah Rata-rata
41,44
FK = (41,44)2 : 25 = 68,6909 JK-Total = (1,672 + 1,702 + … + 1,552) – FK = 0,3005 JK-Perlakuan = (8,532 + … + 7,362)/5 – FK = 0,2597 JK-Galat = JK(Total) – JK(Perlakuan) = 0,0408
Analisis Ragam RAL Satu Faktor : JK-Total = 0,3005 JK-Perlakuan = 0,2597 JK-Galat = 0,0414 No
Variasi
DB
JK
KT
F
F5%
31,857
2,866
1
Perlakuan
4
0,2597
0,0649
2
Galat Total
20 24
0,0408 0,2940
0,0020
(F = 31,857) > (F5% = 2,866) ARTINYA PERLAKUAN TAKARAN PUPUK KALIUM MEMBERIKAN PENGARUH YANG NYATA TERHADAP BOBOT GABAH KERING GILING PER PETAK.
Cara Membaca Tabel F : No Variasi 1 2
Perlakuan Galat Total
DB Galat
DB 4 … 20
DB
JK
KT
F
F5%
4 20 24
0,2597 0,0408
0,0649 0,0020
31,857
2,866
0,2940 DB Perlakuan
2 6,944 … 3,493
3 6,591 … 3,098
4 6,388 … 2,866
5 6,256 … 2,711
Uji Lanjut : ¾ Untuk mengetahui perlakuan mana yang menunjukkan perbedaan. No Variasi
DB
JK
KT
F
F5%
31,857
2,866
1
Perlakuan
4
0,2597
0,0649
2
Galat
20
0,0408
0,0020
Total
24
0,2940
(F = 31,857) > (F5% = 2,866) artinya Perlakuan Takaran Pupuk Kalium Memberikan Pengaruh yang Nyata Terhadap Bobot Gabah Kering Giling Per Petak Æ Pengujian Dilanjutkan Menggunakan Uji Duncan (DMRT = Duncan Multiple Range Test) atau Uji LSR (Least Significant Range).
Uji LSR :
Nilai SSR dari Tabel SSR : DB-G 19 20 24
2
3
p 4
2,96 2,95 2,92
3,11 3,10 3,07
3,20 3,19 3,16
5
6
3,26 3,25 3,23
3,31 3,30 3,28
Uji LSR :
Nilai KT Galat = 0,0021 dan Ulangan = 5
UJI LSR (UJI DUNCAN) :
p SSR Sx LSR K2O Rata(kg/ha) rata k5 (62,5 ) 1,47
2 2,95 0,020 0,06
3 3,10 0,020 0,06
4 3,19 0,020 0,06
5 3,25 0,020 0,07
-
A
k4 (50,0 )
1,65
0,18
B
k2 (25,0 )
1,68
0,03
0,21
k1 (12,5 )
1,71
0,03
0,06
0,24
k3 (37,5 )
1,78
0,07
0,10
0,13
Beda rata-rata
Indeks
B B 0,31
C
PERCOBAAN SATU FAKTOR RANCANGAN ACAK KELOMPOK ( R A K )
Rancangan Lingkungan (RAK) :
¾ Satuan percobaan heterogen ¾ Keragaman perlakuan disebabkan karena perlakuan dan pengelompokkan
Rancangan Lingkungan (RAK) : ¾ Pengacakan pada setiap ulangan (kelompok) ¾ Pengacakan menggunakan Undian atau DAA ¾ Denah Tataletak Perlakuan : I II III IV V
Rancangan Lingkungan (RAK) : ¾ Pengacakan pada setiap ulangan (kelompok) ¾ Pengacakan menggunakan Undian atau DAA ¾ Denah Tataletak Perlakuan : I
k2
k4
k1
k5
k3
II
k1
k3
k2
k5
k4
III
k3
k5
k4
k2
k1
IV
k4
k1
k5
k3
k2
V
k5
k3
k4
k2
k1
Rancangan Respon (RAK) :
K2O (kg/ha)
Bobot GKG per Petak (kg) I
II
III
IV
V
k1 (12,5 )
1,67
1,70
1,73
1,75
1,68
k2 (25,0 )
1,64
1,69
1,70
1,71
1,67
k3 (37,5 )
1,77
1,81
1,78
1,74
1,79
k4 (50,0 )
1,66
1,65
1,63
1,61
1,70
k5 (62,5 )
1,48
1,34
1,52
1,47
1,55
RANCANGAN ANALISIS MENGGUNAKAN RAK ¾ Model Linear RAK Satu Faktor : Yij = μ + ri + tj + εij dimana : Yij = Respon pada perlakuan ke-i ulangan ke-j μ = Rata-rata Umum ri = Pengaruh Kelompok ke-i tj = Pengaruh Perlakuan ke-j εij = Pengaruh galat percobaan
¾ Analisis Ragam RAK Satu Faktor : K2O (kg/ha) k1 (12,5 ) k2 (25,0 ) k3 (37,5 ) k4 (50,0 ) k5 (62,5 ) Jumlah
Bobot GKG per Petak (kg) I II III IV V 1,67 1,70 1,73 1,75 1,68 1,64 1,69 1,70 1,71 1,67 1,77 1,81 1,78 1,74 1,79 1,66 1,65 1,63 1,61 1,70 1,48 1,34 1,52 1,47 1,55 8,22 8,19 8,36 8,28 8,39
Jumlah
Ratarata
8,53 8,41 8,89 8,25 7,36 41,44
1. FK = (41,44)2 : 25 = 68,6909 2. JK-Total = (1,672 + 1,702 + … + 1,552) – FK = 0,3005 3. JK-Kelompok = (8,222 + … + 8,392)/5 – FK = 0,0060 3. JK-Perlakuan = (8,532 + … + 7,362)/5 – FK = 0,2597 4. JK-Galat = JKT – JKK – JKP = 0,0348
1,71 1,68 1,78 1,65 1,47
¾ Analisis Ragam RAK Satu Faktor : JK-Total = 0,3005
JK-Perlakuan = 0,2597
JK-Kelompok = 0,0060
JK-Galat = 0,0348
No Variasi 1 2 3
Kelompok Perlakuan Galat Total
DB
JK
KT
F
F5%
4 4 16 24
0,0060 0,2597 0,0348 0,3005
0,0015 0,0649 0,0022
0,687 29,864
3,007 3,007
(F = 29,864) > (F5% = 3,007) artinya perlakuan takaran pupuk kalium memberikan pengaruh yang nyata terhadap bobot gabah kering giling per petak.
Uji LSR :
Tabel SSR :
DB-G
Derajat Bebas Galat = 16 p 2
3
4
5
6
15
3,01
3,16
3,25
3,31
3,36
16
3,00
3,14
3,23
3,30
3,34
17
2,98
3,13
3,22
3,28
3,33
Uji LSR :
Nilai KT Galat = 0,0022 dan Ulangan = 5
UJI LSR (UJI DUNCAN) :
p SSR Sx LSR K2O Rata(kg/ha) rata k5 (62,5 ) 1,47
2 3,00 0,021 0,06
3 3,14 0,021 0,07
4 3,23 0,021 0,07
5 3,30 0,021 0,07
-
A
k4 (50,0 )
1,65
0,18
B
k2 (25,0 )
1,68
0,03
0,21
k1 (12,5 )
1,71
0,03
0,06
0,24
k3 (37,5 )
1,78
0,07
0,10
0,13
Beda rata-rata
Indeks
B B 0,31
C
Penentuan Tanaman Sampel : Penyiapan Satuan Percobaan : Petakan Lahan ¾ Luas Petak : Tergantung jenis tanaman (jarak tanam) Misal : Tanaman Bawang Merah Jarak Tanam 20 cm x 20 cm Ukuran Petak : 2 m x 1 m 200 cm x 100 cm Jumlah Lubang Tanam = 20 cm x 20 cm
= 50 lubang
¾ Tiap lubang tanam ditanam 1 bibit (umbi) ¾ Populasi tanaman per petak = 50 tanaman ¾ Ukuran Sampel = 20 % x 50 tanaman = 10 tanaman
Penentuan Tanaman Sampel : Misal : Tanaman Bawang Merah ; Jarak Tanam 20 cm x 20 cm Ukuran Petak : 2 m x 1 m Æ Jumlah Lubang Tanam = 50 2m
10 cm 10 cm 20 cm
1m
10 cm
¾ Penentuan sampel dilakukan secara acak : Cara Undian
Rancangan Respon (RAK) : Data Pengamatan Sampel : Pengamatan : Tinggi Tanaman Umur 14 HST Ulangan : I
Perlakuan k1 k2 k3 k4 k5
1
2
…
9
10
Jumlah 167 164 177 166 148
Rata-rata 16,7 16,4 17,7 16,6 14,8
Rancangan Respon (RAK) : Data Pengamatan Sampel : Pengamatan : Tinggi Tanaman Umur 14 HST Ulangan : II
Perlakuan k1 k2 k3 k4 k5
1
2
…
9
10
Jumlah 170 169 181 165 134
Rata-rata 17,0 16,9 18,1 16,5 13,4
Rancangan Respon (RAK) : Data Pengamatan Sampel : Pengamatan : Tinggi Tanaman Umur 14 HST Ulangan : III
Perlakuan k1 k2 k3 k4 k5
1
2
…
9
10
Jumlah 163 170 178 163 152
Rata-rata 17,3 17,0 17,8 16,3 15,2
Rancangan Respon (RAK) : Data Pengamatan Sampel : Pengamatan : Tinggi Tanaman Umur 14 HST Ulangan : IV
Perlakuan k1 k2 k3 k4 k5
1
2
…
9
10
Jumlah 175 171 174 161 147
Rata-rata 17,5 17,1 17,4 16,1 14,7
Rancangan Respon (RAK) : Data Pengamatan Sampel : Pengamatan : Tinggi Tanaman Umur 14 HST Ulangan : V
Perlakuan k1 k2 k3 k4 k5
1
2
…
9
10
Jumlah 168 167 179 170 155
Rata-rata 16,8 16,7 17,9 17,0 15,5
Rancangan Respon (RAK) :
K2O (kg/ha)
Tinggi Tanaman Umur 14 HST (cm) I
II
III
IV
V
k1 (12,5 )
16,7
17,0
17,3
17,5
16,8
k2 (25,0 )
16,4
16,9
17,0
17,1
16,7
k3 (37,5 )
17,7
18,1
17,8
17,4
17,9
k4 (50,0 )
16,6
16,5
16,3
16,1
17,0
k5 (62,5 )
14,8
13,4
15,2
14,7
15,5
Analisis Data MS EXCEL : JUMLAH
+
KURANG
–
BAGI
/
KALI
*
PANGKAT
^
AKAR
=SQRT(VALUE)
JUMLAH
=SUM(RANGE)
RATA-RATA
=AVERAGE(RANGE)
JUMLAH KUADRAT
=SUMSQ(RANGE)
NILAI F
=FINV(α;db1;db2)
NILAI T
=TINV(α;db)
