Page 1
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 1
Pengujian Hipotesis
Menurut Sudjana (1990) Hipotesis adalah dugaan sementara mengenai suatu hal yang
perlu di uji untuk dapat menjelaskan suatu populasi melalui sekelompok sampel yang terukur.
Dugaan yang digunakan untuk menaksirkan parameter populasi disebut Hipotesis Statistik (H0).
Pengujian Hipotesis merupakan metode statistika untuk membantu dalam penarikan kesimpulan
dengan menentukan menolak hipotesis statistik atau gagal menolak hipotesis statistik (H0). Oleh
karena itu diperlukan hipotesis tandingan sebagai konsekuensi penolakan (H0) yaitu Hipotesis
Alternatif (H1).
Bila yang di uji adalah parameter θ (dalam penggunaannya nanti θ bisa rata-rata μ,
proporsi π, simpangan baku σ, dll) menurut Irianto (2010) akan beberapa kemungkinan:
1. Hipotesis 2 Arah
H0 : θ = θ0 ; tidak ada beda signifikan parameter θ dengan θ0.
H1 : θ ≠ θ0 ; ada beda signifikan parameter θ dengan θ0.
Contoh 1: Produk air minum dalam kemasan merk tertentu dengan kemasan gelas dicantumkan berisi air
dengan volume 220 mL. Produk ini akan dianggap baik apabila volume airnya tidak lebih
dan tidak kurang dari 220 mL. Dari pemeriksaan terhadap 50 contoh produk ini didapatkan
rata-rata volume airnya 218 mL. Diketahui volume air produk tersebut menyebar normal
dengan simpangan baku sebesar 2.5 mL dan α=5%. Tentukan H0 dan H1 nya!
Jawab : H0 : μ = 220 mL
H1 : μ ≠ 220 mL
2. Hipotesis 1 Arah
H0 : θ ≥ θ0 ; kondisi parameter paling tidak akan lebih dari atau sama dengan keadaan
awalnya.
H1 : θ < θ0 ; kondisi parameter telah berkurang dari keadaan awalnya.
Contoh 2: Sebuah perusahaan farmasi berniat untuk melihat tingkat produktivitas karyawannya dengan
menghitung berapa unit barang yang dihasilkan oleh seorang karyawan dalam sehari.
Sebanyak 18 orang karyawan dipilih secara acak dan didapat data produktivitasnya sebagai
berikut:
5, 6, 8, 4, 7, 5, 6, 7, 4, 6, 7, 7, 5, 6, 7, 5, 6, 7
Apakah benar bahwa produktivitas karyawan adalah 5.7 unit perhari (α = 5%) (n=18).
Tentukan H0 dan H1 nya saja!
Jawab: H0 : μ ≥ 5.7 ; produktivitas lebih dari sama dengan 5.7
H1 : μ < 5.7 ; produktivitas kurang dari 5.7
H0 : θ ≤ θ0 ; kondisi parameter paling tidak akan kurang dari atau sama dengan keadaan
Awalnya.
Page 2
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 2
H1 : θ > θ0 ; kondisi parameter telah bertambah dari keadaan awalnya.
Contoh 3: Berdasarkan penelitian terhadap 25 pohon jeruk di kebun percobaan diperoleh rata-rata
banyaknya buah pada saat panen adalah 23 buah dengan simpangan baku 4 (α =5%).
benarkah pernyataan bahwa rata-rata banyaknya buah kurang dari 24 buah? Tentukan H0 dan
H1 nya saja!
Jawab: H0 : μ ≤ 24 ; banyak buah kurang dari sama dengan 24
H1 : μ > 5.7 ; banyak buah lebih dari 24
Setelah Hipotesis ditentukan, untuk mengujinya kita harus menentukan bentuk statistik
mana yang harus digunakan zhit, thit, x2 atau lainnya. Bila data populasi terdistribusi normal
digunakan dua jenis distribusi, yaitu distribusi-z dan distribusi-t. Sudjana (1990) menjelaskan
bila
σ (simpangan baku populasi) diketahui maka digunakan distribusi-Z
Untuk uji hipotesis 2 arah tolak H0 bila |zhit| ≥ z ½(1-α), dengan z ½(1-α) di dapat dari
tabel distribusi-z dan peluang ½(1-α).
Untuk uji hipotesis 1 arah
Bila H1: θ > θ0, maka akan tolak H0 bila zhit ≥ z(½ -α), dengan z (½ -α) di dapat dari tabel
distribusi-z dan peluang (½ - α).
Bila H1: θ < θ0, maka akan tolak H0 bila zhit ≤ -z(½ -α), dengan z(½ -α) di dapat dari
tabel distribusi-z dan peluang (½ - α).
σ (simpangan baku populasi) tidak diketahui maka digunakan distribusi-t
Untuk uji hipotesis 2 arah tolak H0 bila |thit| ≥ t (1-½α), dengan t (1-½α) di dapat dari
tabel distribusi-t dan peluang (1-½α) dan db = (n-1).
Untuk uji hipotesis 1 arah
Bila H1: θ > θ0, maka akan tolak H0 bila thit ≥ t (1 -α), dengan t (1 -α) di dapat dari tabel
distribusi-t dan peluang (1-α) dan db = (n-1).
x = Rata-rata sampel s = Simpangan baku sampel
μ0 = Rata-rata sampel n = jumlah sampel
x = Rata-rata sampel σ = Simpangan baku populasi
μ0 = Rata-rata sampel n = jumlah sampel n
xZ hitung
0
ns
xthitung
0
Page 3
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 3
Bila H1: θ < θ0, maka akan tolak H0 bila thit ≤ -t (1 -α), dengan t (1 -α) di dapat dari tabel
distribusi-t dan peluang (1-α) dan db = (n-1).
Sebelum kita lanjutkan ke langkah selanjutnya dalam pengujian hipotesis kita harus paham apa
yang dimaksud hipotesis 2 arah dan 1 arah. Hal lain yang juga menjadi penting adalah cara
membaca tabel distribusi-z dan distribusi-t.
1. Hipotesis 2 Arah
Bila H1 : θ ≠ θ0, terdistribusi normal, luas daerah kritis terletak masing-masing pada
ujung distribusi. Luas daerah kritis pada tiap ujung adalah α/2. Karena terdapat dua daerah
penolakan atau daerah kritis, maka disebut hipotesis 2 arah (Sudjana, 1990).
(Sumber: Sudjana, 1990)
H0 gagal ditolak / H0 diterima jika harga statistiknya jatuh di antara d1 dan d2.
2. Hipotesis 1 Arah
Bila H1 : θ > θ0, terdistribusi normal, luas daerah kritis terletak pada ujung kanan distribusi.
Luas daerah kritisnya adalah α. Karena terdapat satu sisi daerah penolakan atau daerah kritis,
maka disebut hipotesis 1 arah tepatnya arah kanan (Sudjana, 1990).
.
Page 4
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 4
(Sumber: Sudjana, 1990)
Bila H1 : θ < θ0, terdistribusi normal, luas daerah kritis terletak pada ujung kiri distribusi. Luas
daerah kritisnya adalah α. Karena terdapat satu sisi daerah penolakan atau daerah kritis, maka
disebut hipotesis 1 arah tepatnya arah kiri (Sudjana, 1990).
(Sumber: Sudjana, 1990)
3. Cara Membaca Tabel Distribusi-z
Ambil kasus contoh 3 di mana α =5% dan merupakan uji 1 arah yaitu arah kanan. Untuk
mendapat nilai z ( ½ -α) maka ½ - 0,05 = 0,450 lalu lihat tabel distribusi-z (Sudjana, 1990).
Page 5
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 5
(Sumber: Sudjana, 1990)
Maka akan di dapat nilai z (½ -α) = 1,65.
4. Cara Membaca Tabel Distribusi-t
Ambil kasus contoh 2 di mana α =5%, σ tidak diketahui dan merupakan uji 1 arah yaitu
arah kiri. Untuk mendapat nilai t (1 -α) dengan db = (n-1) maka 1 - 0,05 = 0,95 dan db = 18-1= 17,
lalu lihat tabel distribusi-t (Sudjana, 1990).
Page 6
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 6
Maka didapat nilai t (1 -α) = 1,71.
Pengujian Hipotesis Satu Sample
Pada uji hipotesis satu sample terdapat uji hipotesis 1 arah dan 2 arah di mana terdapat
kasus σ diketahui dan σ tidak diketahui. Pengujian ini bertujuan untuk menguji apakah nilai
parameter dari suatu populasi adalah sesuai dengan suatu nilai.
Page 7
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 7
n>30 atau σ diketahui dan distribusi
normal
n ≤ 30 dan σ tidak diketahui
Dua Arah Tolak H0 bila |zhit| ≥ z ½(1-α) Tolak H0 bila |thit| ≥ t (1-½α)
Satu Arah
Kanan
tolak H0 bila zhit ≥ z(½ -α) tolak H0 bila thit ≥ t (1 -α), db = (n-1).
Satu Arah
Kiri
tolak H0 bila zhit ≤ -z(½ -α) tolak H0 bila thit ≤ -t (1 -α), db = (n-1).
(Sumber: Walpole, 1992)
Berikut contoh kasus yang diambil dalam buku karya Sudjana (1990),
Contoh 1: Uji Hipotesis 2 Arah, σ diketahui
Produk air minum dalam kemasan merk tertentu dengan kemasan gelas dicantumkan
berisi air dengan volume 220 mL. Produk ini akan dianggap baik apabila volume
airnya tidak lebih dan tidak kurang dari 220mL. Dari pemeriksaan terhadap 50
contoh produk ini didapatkan rata-rata volume airnya 218 mL. Diketahui volume air
produk tersebut menyebar normal dengan simpangan baku sebesar 2.5mL dan α=5%.
Kesimpulan apa yang akan diambil!
Jawab : n = 50 x = 218 mL σ= 2,5 mL α = 0,05
H0 : μ = 220 mL ½ (1-0,05) = 0,475
H1 : μ ≠ 220 mL
zhit = (218-220) / (2,5/ √50) = -5,6; |zhit| = 5,6; z ½(1-α) = z 0,475 = 1,96
Karena |zhit| > z ½(1-α) ; 5,6 > 1,96 maka H0 ditolak ; Belum cukup bukti untuk
menyatakan produk ini baik.
Contoh 2: Uji Hipotesis 1 Arah, σ tidak diketahui
Sebuah perusahaan farmasi berniat untuk melihat tingkat produktivitas karyawannya
dengan menghitung berapa unit barang yang dihasilkan oleh seorang karyawan dalam
sehari. Sebanyak 18 orang karyawan dipilih secara acak dan didapat data
produktivitasnya sebagai berikut :
Page 8
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 8
5, 6, 8, 4, 7, 5, 6, 7, 4, 6, 7, 7, 5, 6, 7, 5, 6, 7
Apakah benar bahwa produktivitas karyawan adalah 5.7 unit perhari (α = 5%) (n=18).
Jawab: n = 18; x = 6; α = 0,05 ; 1-α = 1-0,05 = 0,95 ; db = 18-1 = 17
H0 : μ ≥ 5.7 ; produktivitas lebih dari sama dengan 5.7
H1 : μ < 5.7 ; produktivitas kurang dari 5.7
S = √ (22/17) =√1,294 = 1,13
thit = (6-5,7) / (1,13/ √18) = 1,126 t0,95 = 1,71
tolak H0 bila thit ≤ -t (1 -α) ; 1,126 > -1,71 maka H0 gagal ditolak/diterima ;
Produktivitas karyawan perusahaan tersebut 5,7 unit per hari.
Pengujian Hipotesis Dua Sampel
Banyak penelitian memerlukan perbandingan antara dua keadaan (populasi), misalnya
membandingkan dua cara produksi, pengaruh dua macam obat dan sebagainya. Pasangan
hipotesis statistik dan alternatifnya yang akan diuji adalah
H0; μ1 = μ2
H1; μ1 ≠ μ2
Untuk itu kita bedakan hal-hal berikut:
a. Bila σ1 = σ2 = σ dan σ diketahui
b. Bila σ1 = σ2 = σ tapi σ tidak diketahui
c. Bila σ1 ≠ σ2 dan σ tidak diketahui
Page 9
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 9
Kasus σ Diketahui
Buntuk Hipotesis Wilayah Kritik Statistik Uji
H0 : 1 = 2
H1 : 1 2
Tolak H0 bila
|zhit| ≥ z 1/2(1-α)
H0 : 1 2
H1 : 1 > 2
tolak H0 bila
zhit ≤ -z (½ -α)
Ho : 1 2
H1 : 1 < 2
tolak H0 bila
zhit ≥ z(½ -α)
(Sumber: Walpole, 1992)
Contoh:
Dua jenis bola lampu (jenis A dan B) dites masa layannya. Pada lampu A diambil 35 contoh dan
lampu B 32 contoh. Rerata umur lampu A adalah 2800 jam dan lampu B 2750 jam. Informasi
dari pabrik bahwa simpangan baku lampu A = 200 jam dan B = 180 jam. Apakah kedua lampu
mempunyai masa layan yang sama (α=5%)?
Jawab:
H0 ; μ1 = μ2 ½ (1-α) = 0,475
H0 ; μ1 ≠ μ2
σ1 = 200 σ2 = 180 n1 = 35 n2 = 32 x 1 = 2800 x 2 = 2750
|zhit| = (2800-2750) / 46,43 = 1,08 z ½ (1-α) = 1,96
Karena 1,08 < 1,96 maka H0 gagal ditolak; tidak ada beda signifikan antara lampu A dan lampu
B (μ1 = μ2).
Page 10
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 10
Kasus σ Tidak Diketahui
Bentuk
Hipotesis
σ1 = σ2
21
21
11
nns
xxt
gab
hitung
σ1 ≠ σ2
2
2
2
1
2
1
21
n
s
n
s
xxthitung
H0 : 1 = 2
H1 : 1 2
H0 tolak bila
|thit| ≥ t (1-½ α) ;
db = (n1+n2-2)
H0 ditolak bila
|thit| ≥ w1.t1 + w2.t2
w1+w2
keterangan:
w1 = s12/n1; t1 = t(1-1/2α), db = (n1-1)
w2 = s22/n2; t2 = t(1-1/2α), db = (n2-1)
H0 : 1 2
H1 : 1 > 2
H0 tolak bila
t ≥ t (1-α) ; db (n1 + n2 -2)
H0 ditolak bila
thit ≥ w1.t1 + w2.t2
w1+w2
Ho : 1 2
H1 : 1 < 2
H0 tolak bila
t ≤ -t (1-α) ; db (n1 + n2 -2)
H0 tolak bila
thit ≤ _ w1.t1 + w2.t2
w1+w2
2
)1()1(
21
2
22
2
11
nn
snsnsgab
(Sumber: Walpole, 1992)
Contoh
Semacam barang dihasilkan dengan menggunakan dua proses. Ingin dicari tahu apakah kedua
proses menghasilkan hasil yang sama ditinjau dari daya tekannya. Untuk itu diadakan percobaan
sebanyak 20 dari proses ke 1 dan ke 2. Rata-rata dan simpangan bakunya untu proses ke 1 adalah
9,25 kg dan 2,24 kg, untuk proses ke 2 adalah 10,40 kg dan 3,12 kg. Jika varians kedua populasi
tidak sama, dengan taraf nyata 0,05, bagaimna hasilnya?
Page 11
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 11
Jawab:
H0 ; μ1 = μ2 db = 20-1 = 19 t1 = t (0,975) = 2,09
H0 ; μ1 ≠ μ2 t2 = t (0,975) = 2,09
thit = (9,25-10,40)/ (√((5,0176/20)+(9,7344/20)) = 1,339
w1 = 5,0176/20 = 0,2509 w2 = 9,7344/20 = 0,4867
maka w1.t1 + w2t2 = (0,2509 x 2,09) + (0,4867 x 2,09) = 2,09
w1+ w2 0,2509 + 0,4867
bila |thit| ≥ w1.t1 + w2t2 , maka H0 tolak. Ternyata 1,339 < 2,09 maka H0 gagal di tolak.
w1+ w2
Kedua proses menghasilkan daya tekan yang sama.
Pengujian Dua Sampel yang Tidak Bebas / Data Berpasangan
Pengujian dua sampel yang tidak bebas sebetulnya mempunyai prosedur yang hampir
sama dengan pengujian sampel yang bebas, namun seluruh data yang ada diperbandingkan satu
dengan yang lainnya, bukan hanya reratanya saja. Pengujian ini memiliki syarat kedua sampel
tersebut jumlah sampelnya sama (Sudjana, 1990).
Contoh:
Seorang ahli menemukan suatu alat baru untuk mengukur tingkat curah hujan. Untuk mengetahui
efektivitas alat tersebut kemudian dilakukan uji coba pada 10 lokasi dengan menggunakan alat
baru dan sebagai pembanding tingkat curah hujan juga dicatat mengunakan alat biasa. Tingkat
curah hujan (mm) pada ke 10 lokasi tersebut diperoleh sebagai berikut:
Lokasi 1 2 3 4 5 6 7 8 9 10
Lama 110 120 135 101 80 95 70 130 115 120
Baru 105 115 140 110 90 80 75 125 110 125
Page 12
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 12
Lakukan pengujian untuk mengetahui apakah kedua alat tersebut berbeda dalam mengukur
tingkat curah hujan (uji pada taraf nyata 5%)!
Untuk menyelesaikan contoh kasus di atas menurut Sudjana (1990) berikut adalah hal yang perlu
kita pahami,
H0 Statistik uji H1 Wilayah Kritik
d = 0 ns
dt
d
hit
/
d < 0 Tolak H0 bila thit < t (1-α) ; db = (n-1)
d > 0 Tolak H0 bila thit > t(1-α) ; db = (n-1)
d ≠ 0 Tolak H0 bila thit < -t(1-1/2α) dan thit > t(1-1/2α) ; db = (n-1)
Keterangan
d = perbedaan setiap pasang sempel sd = simpangan baku sampel d
d = rata-rata d n = banyak sampel
Persamaan yang digunakan adalah
d =
d
Dengan informasi ini maka jawaban dari contoh kasus di atas adalah
Lokasi 1 2 3 4 5 6 7 8 9 10
Lama 110 120 135 101 80 95 70 130 115 120
Baru 105 115 140 110 90 80 75 125 110 125
d 5 5 5 9 10 15 5 5 5 5
d2 25 25 25 81 100 225 25 25 25 25
H0 ; d = 0
H1 ; d ≠ 0
d = 6.9 (1- ½α) = 1-0.025 = 0,975 db = 10-1 = 9
sd = 3,41 thit = 6,9/(3,41/√10) = 6,39 t (1- ½α) = 2,26
Page 13
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 13
Karena thit > t (1- ½α), maka tolak H0 ; kedua alat tersebut berbeda dalam mengukur tingkat curah
hujan.
`Analisis Varian
Varian untuk sekumpulan data ini melukiskan derajat perbedaan atau variasi nilai data
individu yang ada dalam kelompok atau kumpulan data tersebut.. Secara umum varian
digolongkan menjadi varian sistematik dan varian galat. Varian sistematik adalah varian
pengukuran karena adanya pengaruh sehinga nilainya condong pada arah tertentu. Salah satu
jenis varian sistemik dalam kumpulan data hasil penelitian adalah varian antar kelompok atau
disebut juga varian eksperimental. Varian ini menggambarkan adanya variasi sitemik antara
kelompok-kelompok hasil pengukuran (Walpole, 1992).
Misal kita hendak menguji perbedaan motivasi belajar siswa yang berasal dari tingkat
ekonomi rendah (A), menengah (B) dan atas (C). Dari masing-masing perangkat skor tersbut
diketahui rata-rata dan variansinya. Beberapa mungkin berpikir bahwa masalah tersebut dapat
diselesaikan dengan sejumlah pengujian dua rata-rata seperti uji-t, yaitu menguji rata-rata
pasangan AB, BC dan AC. Dengan cara tersebut ada tidaknya perbedaan rata-rata ketiga
populasi tersebut dapat diketahui. Ini berarti perlu dilakukan uji-t berulang kali yang dapat
menjerumukan peneliti melalui peningkatan resiko kekeliruan (Sudjana, 1990).
Dalam kasus ini analisis varians memberikan cara penyekatan keragaman total hasil
menjadi beberapa komponen, pertama mengukur keragaman yang disebabkan galat percobaan
saja, ke dua mengukur galat percobaan dan keragaman yang berasal dari perbedaan tingkat
ekonomi. Bila hipotesis nol benar ( rata-rata motivasi dari tingkat ekonomi A, B dan C tidak
berbeda) maka kedua komponen itu memberikan masing-masing nilai dugaan bagi galat
percobaan. Dengan demikian kita mendasarkan uji kita pada perbandingan kedua komponen
tersebut dengan sebaran F (Walpole, 1992).
Perbedaan hasil antara kelompok yang keadaannya sama disebut galat percobaan (error).
Galat digunakan sebagai ukuran ketelitian. Sumber galat menurut Walpole (1992) antara lain,
Page 14
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 14
a. Adanya lingkungan yang tidak homogen. Biasanya pada percobaan di lapangan yang
lingkungannya tidak sama rata.
b. Ketidakcermatan dalam penyelengaraan percobaan
Walpole (1992) menyatakan untuk merancang percobaan secara efektif ada tiga syarat pokok
yaitu
a. Ulangan (replication)
b. Pengacakan (randomization)
c. Pengelompokan (local control)
Ulangan
Perlakuan yang dilaksanakan lebih dari 1 kali dalam satu percobaan disebut ulangan.
Ulangan dilakukan untuk dapat menghitung galat percobaan dan mempertinggi tingkat ketelitian.
Tanpa ulangan maka galat tidak dapat dihitung sehingga dasar untuk menghitung rata-rata
hasilnya tidak ada. Makin banyak ulangan maka percobaan semakin teliti namun, pada saat yang
sama penyelenggaraannya akan semakin sulit dan semakin mahal. Maka perlu dicari tahu jumlah
ulangan minimum yang yang memberikan hasil teliti. Jumlah ulangan yang baik menurut
Walpole (1992) dapat ditentukan dengan persamaan berikut,
( r - 1 ) x ( t – 1 )
r = ulangan
t = perlakuan
Pengacakan
Untuk mendapatkan hasil yang dapat dipercaya perlakuan dalam percobaan perlu
dilaksanakan secara random. Hal ini untuk menjaga perlakuan bebas dari bias yang disebabkan
oleh perbedaan lingkungan percobaan. Pengacakan dapat dilakukan dengan daftar acak atau
undian (Sudjana 1990).
Page 15
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 15
Pengelompokan
Untuk meningkatkan efisiensi percobaan maka besarnya galat perlu dikontrol. Makin
kecil galat maka makin baik. Menurut Walpole (1992) hal ini dapat dilakukan dengan
a. Membagi percobaan ke dalam beberapa kelompok.
b. Memperbaiki cara penyelenggaraan percobaan.
1. Analisis Varian Satu Parameter
Analisis varian satu parameter merupakan analisis untuk uji kesamaan beberapa rataan
secara sekaligus dengan klasifikasi pengamatannya berdasarkan kriteria treatment-nya (bisa satu
treatment atau beberapa treatment) saja tanpa melihat interaksi treatment yang satu dengan yang
lainnya. Dalam Walpole (1992), bila klasifikasi pengamatannya berdasarkan satu kriteria misal
tingkat ekonomi saja, disebut klasifikasi satu arah. Bila klasifikasi pengamatannya berdasarkan
dua kriteria misal tingkat ekonomi dan wilayah bermukim, disebut klasifikasi dua arah.
1.1 Klasifikasi Satu Arah (One way anava)
Klasifikasi satu arah dalam anava banyak dicontohkan pada rancangan penelitian seperti
rancangan acak lengkap.
Rancangan Acak Lengkap
Rancangan paling sederhana dan biasanya tidak merupakan bentuk paling efisien untuk
percobaan lapangan. Bentuk ini biasa dilaksanakan di laboratorium di mana kondisi
lingkungannya lebih terkontrol dan dapat dibuat homogen. Banyak perlakuan dapat berapa saja,
jumlah ulangan untuk tiap perlakuan tidak harus sama, walaupun lebih baik sama.
Pengelompokan tidak diperlukan. Keuntungan dari rancangan ini adalah sederhana dan fleksibel,
sementara kerugiannya kurang efisien, nilai galatnya pun lebih besar dibandingkan nilai galat
pada rancangan acak kelompok (Walpole, 1992).
Sebuah studi kasus pada buku karya Walpole (1992), misal kita membuat percobaan
varietas padi pada sebidang tanah yang kesuburannya merata. Tujuannya adalah untuk
membandingkan daya hasil 3 varietas padi unggul yang baru dengan varietas pembandingnya
Page 16
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 16
varietas Syntha, masing-masing diulang 5 kali. Untuk itu maka diperlukan petak 4x5 dan
dilakukan pengacakan sebagai berikut. Dengan taraf nyata 5 %.
B A C A D
B A B A C
D D B D C
B D C A C
Perlakuan
A = PB 5 C = C4-63
B = PB 8 D= Syntha
Model matematik dituiskan sebagai berikut Xij = μ + τi + εij i = 1,2,….,4
j = 1,2,….,5
Xij = nilai pengamatan perlakuan ke i dan ulangan ke j
μ = rata-rata umum
τi = pengaruh perlakuan ke i
εij = galat
H0 ; μ1 = μ2 = μ3 = μ4
H1 ; paling sedikit ada satu μ yang tidak sama
Selanjutnya menyusun tabel sidik ragam
Sumber
Keragaman (SK)
Derajat Bebas
(db)
Jumlah
Kuadrat
(JK)
Kuadrat
Tengah
(KT)
Fhit F tabel
Perlakuan t-1 JKP JKP/(t-1) KTP/(t-1)
KTG/t(r-1)
Galat t( r – 1 ) JKG JKG/t(r-1)
Total ( t x r ) - 1 Txx
Keterangan :
t = banyak perlakuan JKP = Jumlah Kuadrat Perlakuan KTP = Kuadrat Tengah perlakuan
r = banyak ulangan JKG = Jumlah Kuadrat Galat KTG = Kuadrat Tengah Galat
JKT = Jumlah Kuadrat Total
Page 17
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 17
Untuk analisis data hasilnya secara menyeluruh, perlu disusun sebagai berikut:
Ulangan Perlakuan (i)
1 2 3 4
1 X11 X21 X31 X41
2 X12 X22 X32 X42
3 X13 X23 X33 X43
4 X14 X24 X34 X44
5 X15 X25 X35 X45
Total ƩX1. ƩX2. ƩX3. ƩX4. ƩƩX
Rata-rata x 1. x 2. x 3. x 4. x
Hasil percobaan diuraikan dalam tabel berikut
Ulangan Perlakuan (i)
1 2 3 4
1 4,55 4,26 4,15 2,06
2 5,01 4,52 4,02 2,99
3 5,23 3,23 3,67 3,01
4 5,62 4,57 4,14 3,10
5 4,91 3,51 3,64 3,38
Total 25,32 20,09 19,62 15,04 80,07
Rata-rata 5,064 4,018 3,924 3,008 0,004
Lalu cari tahu
Derajat Bebas (db)
db total = (4x5)-1 = 19 db varietas = 4-1 = 3 db galat = 4(5-1) =16
Faktor Koreksi (FK)
FK = ƩƩX2 / n = (80,07)
2 / 20 = 320,5605; n = banyak sampel
Jumlah Kuadrat (JK)
JK total = X2ij – FK = 4,55
2 + 5,01
2 + …+3,38
2 - 320,5605 = 13,3326
JK varietas = (Ʃ (ƩXi.)2 / r) – FK = ((25,32
2 + 20,09
2 + 19,62
2 + 15,04
2)/5) – 320,5605
= 10,6108
JK galat = JK total –JK varietas = 2,7218
Kuadrat Tengah
KT varietas = JK varietas / db varietas = 3,53693
Page 18
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 18
KT galat = JK galat / db galat = 0,17011
Signifikansi Uji-F
Uji F = KT varietas = 3,53693 = 20,7920
KT galat 0,17011
Ftabel dengan db total = 19 dan db perlakuan = db varietas = 3 dan taraf nyata 5% maka
(Sumber: Sudjana, 1990)
Ftabel = 3,24 maka Fhit > Ftabel ; tolak H0; menunjukan antara varietas yang dicoba secara
umum terdapat perbedaan yang sangat nyata.
Dalam melaksanakan percobaan seringkali kehilangan beberapa pengamatan, misalnya
suatu percobaan ingin mengetahui apakah waktu kuliah yang berbeda memengaruhi nilai kuliah
yang diperoleh atau tidak. Jika ternyata saat pengambilan data ada mahasiswa yang
mengundurkan diri dari kuliah, maka banyak mahasiswa di setiap kelasnya akan berbeda. Contoh
kasus studi dalam buku karya Walpole (1992) akan menggambarkan situasi tersebut.
Misal, Mobil mahal dirakit lebih hati-hati dibandingkan dengan mobil murah. Untuk itu
diambil 3 tipe mobil, mobil mewah besar (A), mewah ukuran sedang (B) dan mewah ukuran
sedan (C), untuk diselidiki berapa banyak bagian yang cacat. Ketiganya diproduksi pabrik yang
sama. Berikut hasil pengambilan datanya
Page 19
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 19
Ulangan Perlakuan (i)
A B C
1 4 5 8
2 7 1 6
3 6 3 8
4 6 5 9
5 3 5
6 4
Total 23 21 36 80
H0 ; μ1 = μ2 = μ3
H1 ; paling sedikit ada satu μ yang tidak sama
Sumber
Keragaman (SK)
Derajat Bebas
(db)
Jumlah
Kuadrat
(JK)
Kuadrat
Tengah
(KT)
Fhit F tabel
Perlakuan t-1 JKP JKP/(t-1) Pxx/(t-1)
Gxx/t(r-1)
Galat t( r’ – 1 ) JKG JKG/t(r-1)
Total ( t x r’ ) – 1 JKT
Keterangan :
t = banyak perlakuan
r’ = rata-rata banyak ulangan
JKP = Jumlah Kuadrat Perlakuan
JKG = Jumlah Kuadrat Galat
JKT = Jumlah Kuadrat Total
KTP = Kuadrat Tengah Perlakuan
KTG = Kuadrat Tengah Galat
Lalu cari tahu
Derajat Bebas (db)
db total = (3x5)-1 = 14 db tipe mobil = 3-1 = 2 db galat = 3x(5-1) =12
Faktor Koreksi (FK)
FK = ƩƩX2 / n = (80)
2 / 15 = 426,667; n = banyak sampel
Page 20
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 20
Jumlah Kuadrat (JK)
JK total = X2ij – FK = 4
2 + 7
2 + …+5
2 - 426,667 = 65,333
JK tipe mobil = (Ʃ (ƩXi.)2 / ri) – FK = ((23
2 / 4) + (21
2 / 6) + 36
2 / 5)) – 426,667
= 38,283
JK galat = JK total –JK varietas = 27,050
Kuadrat Tengah
KT tipe mobil = JK varietas / db varietas = 19,142
KT galat = JK galat / db galat = 2,254
Signifikansi Uji-F
Uji F = KT varietas = 19,142 = 8,49
KT galat 2,254
Ftabel dengan db total = 14 dan db perlakuan = db tipe mobil = 2 dan taraf nyata 5% maka
Ftabel = 3,74 maka, Fhitung > Ftabel yang berarti tolak H0 dengan kesimpulan setidaknya ada 1
tipe mobil yang rata-rata bagian cacatnya tidak sama dengan rata-rata banyak bagian yang cacat
tipe mobil lainnya.
1.2 Klasifikasi Dua Arah (Two way anava)
Klasifikasi dua arah dalam anava banyak dicontohkan pada rancangan penelitian seperti
rancangan acak kelompok, di mana pengamatan dapat diklasifikasikan menurut dua kriteria
dengan menyusun data dalam baris dan kolom.
Rancangan Acak Kelompok
Dalam bentuk ini wilayah percobaan dibagi menjadi beberapa kelompok. Masing-masing
kelompok dibagi lagi dalam beberapa petak, yang banyaknya sama dengan perlakuan yang
dicoba. Masing-masing perlakuan hanya terdapat satu ulangan di setiap kelompok, sehingga
kelompok sering disebut juga ulangan. Adapun tujuannya adalah menjaga agar keragaman antara
perlakuan-perlakuan di dalam kelompok terjadi sekecil mungkin (Walpole, 1992).
Page 21
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 21
Manfaat rancangan ini dibanding rancangan acak lengkap adalah pembagian kelompok,
maka keragaman yang disebabkan oleh kelompok dapat disisihkan. Rancangan ini juga
menurunkan galat percobaan sehingga ketelitian lebih tinggi. Rancangan ini tidak cocok untuk
perlakuan dalam jumlah besar atau bila kelompok memiliki keragaman yang besar (Walpole,
1992).
Contoh kasus dalam buku karaya Walpole (1992), di suatu tempat dibuat percobaan guna
meneliti pengaruh pemupukan N, P, K terhadap hasil jagung varietas H-6. Banyak perlakuan ada
6, terdiri dari tanpa pupuk (0), N, P, NP, NK, NPK. Masing-masing perlakuan diulang 4 kali.
Berikut bagan percobaannya
1 B1 E1 A1 C1 F1 D1
2 E2 C2 A2 F2 D2 B2
3 A3 C3 B3 F3 D3 E3
4 A4 D4 F4 B4 E4 C4
Perlakuan : A = 0 B = P C = N D = NP E= NK F = NPK
Model Matematik: Xij = μ + ρi + τj + εij i = 1,2,….,4
j = 1,2,….,6
Xij = nilai pengamatan perlakuan ke j dan ulangan ke i
μ = rata-rata umum
ρi = pengaruh ulangan ke i
τi = pengaruh perlakuan ke j
εij = galat
Page 22
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 22
H0 ; μ1 = μ2 = μ3 = μ4
H1 ; paling sedikit ada satu perlakuan pupuk yang memberikan hasil μ yang tidak sama
Kerangka sidik ragamnya
Sumber
Keragaman (SK)
Derajat Bebas
(db)
Jumlah
Kuadrat
(JK)
Kuadrat
Tengah
(KT)
Fhit F tabel
Ulangan r – 1 JKU JKU/(r-1) KTU
KTG
Perlakuan t – 1 JKP JKP/(t-1) KTP
KTG
Galat ( r – 1) ( t – 1 ) JKG JKG/(t-1)(r-1)
Total ( rt ) - 1 JKT
Keterangan :
t = banyak perlakuan JKP = Jumlah Kuadrat Perlakuan KTP = Kuadrat Tengah Perlakuan
r = banyak ulangan JKU = Jumlah Kuadrat Ulangan KTU = Kuadrat Tengah Ulangan
JKG = Jumlah Kuadrat Galat KTG = Kuadrat Tengah Galat
JKT = Jumlah Kuadrat Total
Untuk analisis data hasilnya secara menyeluruh, perlu disusun sebagai berikut:
Perlakuan Ulangan
Total Rata-rata 1 2 3 4
A. (0) X1A X2A X3A X4A ƩXA. x A.
B. (P) X1B X2B X3B X4B ƩXB. x B.
C. (N) X1C X2C X3C X4C ƩXC. x C.
D. (NP) X1D X2D X3D X4D ƩXD. x D.
E. (NK) X1E X2E X3E X4E ƩXE. x E.
F. (NPK) X1F X2F X3F X3F ƩXF. x F.
Total ƩX1. ƩX2. ƩX3. ƩX4. ƩƩX
Page 23
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 23
Hasil percobaan diuraikan dalam tabel berikut
Perlakuan Ulangan
Total Rata-rata 1 2 3 4
A. (0) 0,87 0,57 1,17 1,25 3,86 0,96
B. (P) 2,26 1,95 2,52 2,53 9,26 2,32
C. (N) 1,6 1,22 2,16 2,36 7,33 1,83
D. (NP) 2,58 2,52 2,70 3,22 11,02 2,76
E. (NK) 2,60 2,42 2,01 3,01 10.04 2,51
F. (NPK) 2,75 2,52 2,86 3,16 11,29 2,82
Total 12,65 11,21 13,42 15,53 52,81
Lalu cari nilai
Derajat Bebas (db)
db ulangan = r – 1 = 4-1 = 3 db galat = ( r – 1 ) ( t – 1 ) = 15
db perlakuan = t – 1 = 6-1 = 5 db total = rt – 1 = 24 – 1 = 23
Faktor Koreksi (FK)
FK = (ƩƩX)2 / n = (52,81)
2 / 24 = 116,1820
Jumlah Kuadrat (JK)
JK total = ƩƩ(Xij)2 – FK = 0,87
2 + 0,57
2 + …. + 3,16
2 – FK
= 128,4208 – 116,1820 = 12,2388
JK ulangan = (Ʃ (ƩXi.)2 / t) – FK = ((12,65
2 + …..+ 15,53
2) / 6) – FK
= 117,8086 - 116,1820 = 1,6266
JK perlakuan = (Ʃ (ƩXj.)2 / t) – FK = ((3,86
2 + …..+ 11,29
2) / 4) – FK
= 126,0593 - 116,1820 = 9,8773
JK galat = JK total – JK ulangan – JK perlakuan = 0,7349
Page 24
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 24
Kuadrat Tengah (KT)
KT ulangan = JK ulangan / db Ulangan = 0,5422
KT perlakuan = JK perlakuan / db perlakuan = 1,9755
KT galat = JK galat / db galat = 0,0490
Signifikansi Uji F
F ulangan = KT ulangan / KT galat = 11,07 F tabel = 3,29
F perlakuan = KT perlakuan / KT galat = 40,32 F tabel = 2,90
F ulangan > F tabel ; ulangan memberi hasil yang signifikan
F perlakuan > F tabel ; pemberian pupuk memberikan hasil yang signifikan
Tolak H0 ; Ada sedikitnya 1 pupuk yang memberikan hasil berbeda dengan perlakuan pupuk
yang lain.
2. Analisis Varian Dua Parameter
Pada Wilpole (1992), ini disebut dengan klasifikasi dua arah dengan interaksi. Klasifikasi
dua arah dengan interaksi dalam anava banyak dicontohkan pada rancangan penelitian seperti
rancangan acak kelompok faktorial, di mana pengamatan dapat diklasifikasikan menurut dua
kriteria dan dilihat pengaruh interaksi kedua kriteria tersebut.
Rancangan Acak Kelompok Faktorial
Dalam rancangan faktorial pengaruh 2 faktor atau lebih diselidiki secara bersama-sama.
Apabila pengaruh suatu faktor diperkirakan akan berubah menurut tingkat faktor tersebut,
percobaan akan sering menggunakan rancangan faktorial. Ciri khas rancangan faktorial adalah
susunan perlakuannya terdiri dari kombinasi lengkap antara tingkatan faktor-faktor yang diteliti.
Susunan perlakuan semacam itu memungkinkan untuk mempelajari pengaruh faktor yang satu
pada faktor yang lain (interaksi). Meskipun pengaruh interaksinya tidak nyata keuntungan masih
Page 25
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 25
diperoleh karena pengaruh masing-masing faktor dapat diteliti secara lebih luas di berbagai
tingkat faktor yang lain. Rancangan ini pun tidak menuntut lingkungan yang homogen seperti di
laboratorium sehingga dapat dilakukan di lapang (Walpole, 1992).
Kelemahan rancangan ini adalah dengan semakin banyaknya faktor yang diteliti dan
masing-masing faktor dicoba dalam beberapa kombinasi maka jumlah perlakuan menjadi banyak
sekali dan tidak praktis (Walpole, 1992).
Contoh kasus pada percobaan kali ini terdapat 4 varietas ubi jalar ( Prambanan, No. 57/1,
OP/JK7, Lokal) yang hendak diteliti mana yang hasil produksinya paling banyak. Pada ubi jalar
ini akan diberi perlakuan pupuk N dengan kadar yang berbeda-beda (0 g, 45 g, 90 g, dan 135 g)
sehingga akan diketahui kadar pupuk N berapakah yang menghasilkan produksi ubi yang efektif.
Selain itu akan dilihat apakah ada pengaruh kombinasi tertentu antara pupuk dan varietas yang
memberi hasil yang efektif.
Berikut Bagan Percobaannya
Ulangan 1 Ulangan 2 Ulangan 3
V1N0 V3N1 V2N0
V2N3 V1N0 V1N4
V3N0 V4N0 V3N3
V4N3 V3N2 V4N2
V1N1 V2N2 V2N3
V2N1 V3N0 V1N2
V4N0 V1N3 V4N1
V3N1 V2N0 V3N2
V1N2 V1N1 V2N2
V4N1 V3N3 V1N0
V3N3 V2N1 V3N0
V2N2 V4N3 V4N3
V1N3 V4N1 V1N3
V2N0 V2N3 V2N1
V3N2 V1N2 V3N1
V4N2 V4N2 V4N0
V. = Varietas yang ke-…
N. = Dosis Nitrogen yang ke-…
Page 26
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 26
Model matematik : Xij = μ + ρi + αj + βk + αβjk + εijk i = 1,2,….,3
j = 1,2,….,4
k = 1,2,….,4
Xij = nilai pengamatan perlakuan ke j dan ulangan ke i
μ = rata-rata umum
ρi = pengaruh kelompok ke i
αi = pengaruh varietas ke j
βk = pengaruh dosis N ke k
αβik = pengaruh interaksi varietas x dosis N
εijk = galat
Hipotesis
1. H0 ; α1 = α2 = α3 = α4
H1 ; Setidaknya ada satu varietas yang memberikan hasil berbeda dengan yang lain.
2. H0 ; β1 = β 2 = β 3 = β 4
H1 ; Setidaknya ada satu dosis N yang memberikan hasil berbeda dengan yang lain.
3. H0 ; αβ1 = αβ 2 = αβ 3 = αβ 4
H1 ; Setidaknya ada satu pengaruh interaksi varietas dan dosis N yang memberikan hasil
berbeda dengan yang lain.
Page 27
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 27
Selanjutnya menyusun tabel sidik ragam
Sumber
Keragaman (SK)
Derajat Bebas
(db)
Jumlah
Kuadrat
(JK)
Kuadrat
Tengah
(KT)
Fhit F tabel
Kelompok g-1 JK kelompok JK kelompok
(g-1)
KT kelompok
KT galat
Perlakuan (tv. tN) -1 JK perlakuan JK perlakuan
(tv. tN) -1
KT perlakuan
KT galat
Varietas (V) tv – 1 JK varietas JK varietas
tv – 1
KT varietas
KT galat
Nitrogen (N) tN – 1 JK Nitrogen JK Nitrogen
tN – 1
KT Nitrogen
KT galat
V X N (tv – 1)( tN – 1) JK V X N JK V X N
(tv – 1)( tN – 1)
KT VXN
KT galat
Galat (g-1)( (tv.tN)-1) JK galat JK galat
(g-1)( (tv.tN)-1)
Total (g. tv. tN) – 1 JK Total
Untuk analisis data hasilnya secara menyeluruh, perlu disusun sebagai berikut:
Perlakuan Ulangan Total
1 2 3
V1 N0 6,6 9,55 4,95 21,10
N1 11,15 16,75 8,00 35,90
N2 14,90 15,75 12,20 42,85
N3 11,90 15,00 13,95 40,85
V2 N0 4,9 6,60 12,50 24,00
N1 8,15 10,00 12,45 30,60
N2 11,9 9,85 14,55 36,30
N3 11,80 10,30 14,95 37,05
V3 N0 6,05 5,95 3,90 15,90
N1 4,65 5,15 9,85 19,65
N2 5,7 10,75 13,75 30,20
N3 5,3 9,05 14,80 29,15
V4 N0 1,3 2,65 3,45 7,40
N1 1,8 2,45 6,22 10,47
N2 1,58 1,15 6,70 9,43
N3 1,75 1,25 7,55 10,55
Total 109,43 131,60 161,37 401,40
Page 28
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 28
Hasil ubi jalar total 3 ulangan tabel berikut
Varietas Nitrogen Total
0 45 90 135
Prambanan 21,10 35,90 42,85 40,85 140,70
No. 57/1 24,00 30,60 36,30 37,05 127,95
OP/JK7 15,90 19,65 30,20 29,15 94,90
Lokal 7,40 10,47 9,43 10,55 37,85
Total 68,40 96,62 118,78 117,60
Lalu cari tahu
Derajat Bebas (db)
db kelompok = g-1 = 2 db Nitrogen = tN – 1 = 3
db perlakuan = (tv. tN) -1 = 15 db V X N = (tv – 1)( tN – 1) = 9
db varietas = tv – 1 = 3 db galat = (g-1)( (tv.tN)-1) = 30
Faktor Koreksi (FK)
FK = (ƩƩƩ X…)2 / n = 401,4
2 / 48 = 3356,71
Jumlah Kuadrat (JK)
JK total = ƩƩƩ (Xijk)2 – FK = (6,60
2 + ….+ 7,55
2) – FK = 993,392
JK Kelompok = (Ʃ (ƩƩXi..)2 / na.nb) – FK = ((109,43
2 + 131,6
2 + 161,37
2) / 4 x 4) – FK
= 79,438
JK perlakuan = (Ʃ(ƩX.jk)2 / r) – FK = ((21,10
2 + 35,90
2 + …. + 10,55
2) / 3) – FK
= 712,266
JK varietas = (Ʃ(ƩX.j.)2 / rb) – FK = ((140,7
2 + ….+37,85
2) / 3 x 4) –FK
= 527,153
JK Nitrogen = (Ʃ(ƩX..k)2 / ra) – FK = ((68,4
2 + …. + 117,6
2) / 3x4) – FK
= 139, 328
Page 29
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 29
JK V X N = (Ʃ(ƩX.jk)2 / r) – FK – JK Var. – JK Nitrogen
= ((21,102 + …+ 10,55
2) / 3) – FK - JK Var. – JK Nitrogen
= 45,785
JK galat = JK total – JK kelompok – JK perlakuan
= 201,696
Kuadrat Tengah (KT)
KT kelompok = JK kelompok / db kelompok = 39,715
KT perlakuan = JK perlakuan / db perlakuan = 47,484
KT varietas = JK varietas / db varietas = 175,718
KT Nitrogen = JK Nitrogen / db Nitrogen = 46,443
KT V X N = JK V X N / db V X N = 5,087
KT galat = JK galat/ db galat = 6,723
Signifikasi Uji F
F varietas = KT varietas / KT galat = 26,136 F tabel = 2,92
F Nitrogen = KT Nitrogen / KT galat = 6,908 Ftabel = 2,92
F V x N = KT V x N / KT galat = 0,757 Ftabel = 2,21
Dari uji-F pada varietas, nitrogen dan interaksi nitrogen dan varietas, hanya uji F pada V X N
yang terima H0 ; pemilihan varietas memberi hasil yang signifikan pada hasil produksi ubi ; dosis
nitrogen memberi hasil yang signifikan pada hasil produksi ubi ; interaksi antara keduanya tidak
memberikan hasil yang signifikan berbeda.
Page 30
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 30
3. Analisis Varian Multi Parameter
Anava dengan multi parameter dilakukan apabila pengaruh individu atas gabungan dari
beberapa faktor dengan variabel yang paling relevan terhadap fenomena suatu data yang diteliti
diperlukan. Analisa multi parameter berarti bahwa parameter yang digunakan lebih dari 2 factor,
di dalam anava multi parameter ini terlihat interaksi dari semua faktor.
Sumber
Keragaman
(SK)
Derajat Bebas
(db)
Jumlah
Kuadrat
(JK)
Kuadrat
Tengah
(KT)
Fhit F tabel
Replikasi r-1 JKU JKU
(r-1)
KTU
KT galat
Perlakuan A tA -1 JKA JKA
tA -1
KTA
KT galat
Perlakuan B tB – 1 JKB JKB
tB – 1
KTB
KT galat
Perlakuan C tc – 1 JKC JKC
tc – 1
KTC
KT galat
A x B (tA– 1)( tB – 1) JK A x B JK A x B
(tA– 1)( tB – 1)
KT AxB
KT galat
A x C (tA– 1)( tC – 1) JK A x C JK A x C
(tA– 1)( tC – 1)
KT AxC
KT galat
B x C (tB– 1)( tC – 1) JK C x B JK B x C
(tB– 1)( tC – 1)
KT BxC
KT galat
A x B x C
(tA– 1)( tB – 1)
(tB– 1)( tC – 1)
JK A x B xC JK A x B x C
(tA– 1)( tC – 1)
(tB– 1)( tC – 1)
KT AxBxC
KT galat
Galat (g-1)((tA.tB.tC)-1) JK galat
Total (g. tA. tB. tC) – 1 JK Total
Misal terdapat 3 faktor yaitu tinggi filter, konsentrasi COD umpan, dan HRT, sehingga
dalam penentuan jumlah eksperimen sebanyak 3 variasi pada 2 waktu pemberian pupuk (1
minggu sekali dan 2 minggu sekali) x 3 konsentrasi pupuk organik (250 mg/L, 500 mg/L ,
750mg/L) x 5 konsentrasi pupuk urea (50 mg/L, 75 mg/L, 100 mg/L, 125 mg/L, 150 mg/L) dan
total sama dengan 2x3x5= 30. Dilakukan pengulangan 2 kali.
Page 31
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 31
No waktu pemberian pupuk
Konsentrasi pupuk
organik
Konsentrasi pupuk
urea
Tinggi tumbuhan
R1 R2
1
1 minggu sekali
250 mg / L
50 mg / L 59 59
2 75 mg / L 60 60
3 100 mg / L 62 62
4 125 mg / L 64 63
5 150 mg/ L 66 66
6
500 mg / L
50 mg / L 50 50
7 75 mg / L 51 51
8 100 mg / L 53 53
9 125 mg / L 56 56
10 150 mg/ L 58 57
11
750 mg / L
50 mg / L 27 28
12 75 mg / L 30 30
13 100 mg / L 42 42
14 125 mg / L 49 49
15 150 mg/ L 50 49
16
2 minggu sekali
250 mg / L
50 mg / L 65 65
17 75 mg / L 68 68
18 100 mg / L 70 70
19 125 mg / L 73 73
20 150 mg/ L 75 75
21
500 mg / L
50 mg / L 52 51
22 75 mg / L 53 52
23 100 mg / L 54 54
24 125 mg / L 57 57
25 150 mg/ L 58 58
26
750 mg / L
50 mg / L 35 35
27 75 mg / L 39 39
28 100 mg / L 45 46
29 125 mg / L 47 47
30 150 mg/ L 48 48
Page 32
Tugas Hipotesis_Gema Zacky Arbi_25315011
Page 32
Referensi:
Irianto, Agus. 2010. Statistika Konsep, Dasar, Aplikasi, dan Pengembangannya. Jakarta:
Kencana Prenada Media Group.
Sudjana. 1990. Metode Statistika. Bandung: PT. Tarsito.
Walpole, RE. 1992. Pengantar Statistika Edisi ke 3. Jakarta: PT Gramedia Pustaka Utama.