190 likes | 651 Views
Klasifikasi Rancangan Percobaan. Faktorial : bersilang , tersarang Petak terpisah ( Split plot ) Petak terbagi ( Strip plot/split block ).
E N D
Faktorial : bersilang , tersarang • Petakterpisah (Split plot) • Petakterbagi (Strip plot/split block) 1.Rancanganperlakuan :menjelaskankombinasifaktorperlakuandalampercobaan, tidaktermasukbagaimanamenempatkanperlakuanataukombinasiperlakuankedalamsatuanpercobaan Satufaktor (perlakuansederhana) Duafaktor : Tigafaktorataulebih: • Faktorial : bersilang, tersarang, campuran • Split - split plot • Split - split block
Rancanganacaklengkap/RAL (Completely Randomized Design) • Rancanganacakkelompoklengkap/RAKL (Randomized Complete Block Design) • Rancanganbujursangkarlatin/RBSL (Latin Square Design) • Rancangan Lattice: >> Lattice berimbang >> Tripple lattice >> Quadruple lattice 2. RancanganLingkungan:menjelaskancaramenempatkankombinasiperlakuankedalamsatuanpercobaan
Kondisisatuanpercobaanrelatifhomogen • Di laboratorium, ygbisamenjaminkehomogenansatuanpercobaan • Tidakefisienuntukpercobaan yang melibatkanjumlahsatuanpercobaanygcukupbesar RancanganAcakLengkap:
RancanganAcakKelompokLengkap: • Keheterogenansatuanpercobaanberasaldarisatusumberkeragaman • Mengatasikesulitanmenyiapkansatuanpercobaanhomogendalamjumlahbesar • Pembentukankelompokatasdasarkomponenkeragamandiluarperlakuan, ygdidugaikutmempengaruhirespon • Setiapkelompokmerupakankumpulansatuanpercobaanygrelatifhomogen
KeheterogenansatuanpercobaantidakbisadikendalikanhanyadenganpengelompokansatukomponenkeragamanKeheterogenansatuanpercobaantidakbisadikendalikanhanyadenganpengelompokansatukomponenkeragaman • Mengendalikankomponenkeragamansatuanpercobaandariduaarah (disebut: arahbarisdanlajur) • Banyaknyaulanganperlakuanharussamadenganbanyaknyaperlakuanygdicobakan • Tidakefektifuntukpercobaan yang melibatkanperlakuandalamjumlahbanyak RancanganBujurSangkar Latin:
Model tetap: • perlakuanygdigunakandlmpercobaanberasaldaripopulasiterbatas • Pemilihanperlakuanditentukanolehpeneliti • Kesimpulanygdiperolehterbatashanya pd perlakuanygdicobakan Model linier aditifsecaraumumdibedakanantaramodel tetapdanmodel acak : Model acak: • perlakuanygdicobakanmerupakancontohacakdaripopulasiperlakuan • Kesimpulanygdiperolehberlakusecaraumumuntukseluruhpopulasiperlakuan
Y ij= μ + τi+ εij Y ij = Pengamatanpadaperlakuanke-idanulanganke-j μ = Rataanumum τi= Pengaruhperlakuanke-i εij= Pengaruhacakpadaperlakuanke-i, ulanganke-j i = 1, 2, …, t dan j = 1, 2, …, r Model linier aditifpercobaan 1 faktordenganRAL (model tetap):
Y ij= μ + τi+ βj+εij Y ij = Pengamatanpadaperlakuanke-idankelompokke-j μ = Rataanumum τi= Pengaruhperlakuanke-i βi=Pengaruhkelompokke-j εij= Pengaruhacakpadaperlakuanke-i, kelompokke-j i = 1, 2, …, t dan j = 1, 2, …, r Model linier aditifpercobaan 1 faktordenganRAKL(model tetap) :
Y ij (k)= μ + αi + βj + τ(k)+ εij(k) Yij(k) = Pengamatanpadaperlakuanke-k, dalambariske-idanlajurke-j μ = Rataanumum τ(k)= Pengaruhperlakuanke-k, dalambariske-idanlajurke-j αi =Pengaruhbariske-i βj =Pengaruhlajurke-j εij(k) = Pengaruhacakpadaperlakuanke-k, dalambariske-idanlajurke-j i = 1, 2, …, r , j = 1, 2, …, r , k = 1, 2, …, r Model linier aditifpercobaan 1 faktordenganRBSL (model tetap) :
SPLIT PLOT (PETAK TERBAGI) • Rancangan lingkungan ? Perlakuan? Respon? • Justifikasi: -management practice -tidak imbang kepentingan (faktor) -derajat ketepatan • Pengacakan petak utama (α), anak petak(β) serta blok/ulangan (jika RAKL) • Model linier aditif Y ij (k)= μ + αi + ε α+βj + τ(k)+ εij(k)
PERBANDINGAN NILAI RATA-RATA • TERENCANA VS TIDAK • PAIR VS GROUP • PERBANDINGAN ARAH • TGT TUJUAN • LSD, HSD, TUCKEY, DUNNET, SCEFFE, DMRT, SNK, DLLLLL • KONTRAS ORTOGONAL • REGRESI