Analisis Statistika

Tugas Responsi Rancangan Percobaan
Nama : Dian Christien Arisona
NRP : G151150231
A. Rancangan Acak Lengkap (RAL)
1. Dari suatu percobaan ingin diketahui pengaruh hormone tumbuh terhadap produksi
kedelai di suatu lahan, untuk menguji hipotesis bahwa pemberian hormone akan
meningkatkan produksi kedelai secara signifikan. Data yang diperoleh adalah sebagai
berikut.
Tabel data pengaruh hormone tumbuh terhadap produksi kedelai (kuintal/ha)
Konsentrasi
Hormone (ppm)
Ulangan
1 2 3 4
0 (H0) 8,0 8,1 7,5 7,7
0,25 (H1) 8,3 8,2 8,3 7,9
0,50 (H2) 8,9 8,9 8,3 8,0
0,75 (H3) 9,3 9,0 8,2 8,7
1,00 (H4) 9,7 9,0 8,8 9,0
1,25 (H5) 9,5 8,9 8,5 8,9
Model
𝑦𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝜀𝑖𝑗 dimana : 𝑖 = 0,1,2,3,4,5 𝑗 = 1,2,3,4
Keterangan :
𝑦𝑖𝑗 : produksi kedelai pada konsentrasi hormone ke-i ulangan ke-j
𝜇 : nilai tengah umum
𝜏𝑖 : pengaruh konsentrasi hormone tumbuh
𝜀𝑖𝑗 : pengaruh acak pada konsentrasi hormone ke-i ulangan ke-j
Hipotesis
𝐻0 = 𝜏0 = 𝜏1 = ⋯ = 𝜏5 = 0 (hormone tumbuh tidak berpengaruh terhadap produksi
kedelai)
𝐻1 = 𝑝𝑎𝑙𝑖𝑛𝑔 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 𝑎𝑑𝑎 𝑠𝑎𝑡𝑢 𝜏𝑖 ≠ 0
Konsentrasi
Hormone (ppm)
Ulangan
Yi.
1 2 3 4
0 (H0) 8,0 8,1 7,5 7,7 31,3
0,25 (H1) 8,3 8,2 8,3 7,9 32,7
0,50 (H2) 8,9 8,9 8,3 8,0 34,1
0,75 (H3) 9,3 9,0 8,2 8,7 35,2
1,00 (H4) 9,7 9,0 8,8 9,0 36,5
1,25 (H5) 9,5 8,9 8,5 8,9 35,8
Y.. 205,6
r : ulangan
r = 4
t : perlakuan
t =6

Perhitungan
FK : Faktor Koreksi
𝐹𝐾 =
𝑌..
2
𝑡𝑟
=
205,62
6×4
= 1761,307
JKT : Jumlah Kuadrat Total
𝐽𝐾𝑇 = ∑ ∑ 𝑌𝑖𝑗
2
− 𝐹𝐾4
𝑗=1
5
𝑖=0 = 8,02
+ ⋯ + 8,92
− 1761,307 = 7,453
JKP : Jumlah Kuadrat Perlakuan
𝐽𝐾𝑃 = ∑
𝑌𝑖.
2
𝑟
− 𝐹𝐾5
𝑖=0 =
31,32
4
+
32,72
4
+ ⋯ +
35,82
4
− 1761,307 = 4,873
JKG : Jumlah Kuadrat Galat
𝐽𝐾𝐺 = 𝐽𝐾𝑇 − 𝐽𝐾𝑃 = 7,453 − 4,873 = 2,58
DBT : Derajat Bebas Total
𝐷𝐵𝑇 = 𝑡𝑟 − 1 = (6 × 4) − 1 = 24 − 1 = 23
DBP : Derajat Bebas Perlakuan
𝐷𝐵𝑃 = 𝑡 − 1 = 6 − 1 = 5
DBG : Derajat Bebas Galat
𝐷𝐵𝐺 = 𝑡(𝑟 − 1) = 6 × (4 − 1) = 18
KTP : Kuadrat Tengah Perlakuan
𝐾𝑇𝑃 =
𝐽𝐾𝑃
𝐷𝐵𝑃
=
4,873
5
= 0,9746
KTG : Kuadrat Tengah Galat
𝐾𝑇𝐺 =
𝐽𝐾𝐺
𝐷𝐵𝐺
=
2,58
18
= 0,1433
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 =
𝐾𝑇𝑃
𝐾𝑇𝐺
=
0,9746
0,1433
= 6,8011
F-tabel : 𝐹(0,05;5;18) = 2,77
Tabel Analisis Ragam
Sumber
Keragaman
Derajat
Bebas (DB)
Jumlah
Kuadrat (JK)
Kuadrat
Tengah (KT)
Fhitung
Konsentrasi
Hormone
5 4,873 0,9746 6,8011
Galat 18 2,58 0,1433
Total 23 7,453

Kesimpulan
Karena diperoleh F-hitung > F-tabel maka H0 ditolak, berarti paling sedikit ada satu
konsentrasi hormone tumbuh yang berpengaruh terhadap produksi kedelai.
Dengan menggunakan software SAS dan R
1. Software SAS:
Syntax:
data RALsama;
input treat$ r prod;
label treat='perlakuan'
r='ulangan'
prod='produksi kedelai(kw/ha)';
datalines;
H0 1 8.0
H0 2 8.1
H0 3 7.5
H0 4 7.7
H1 1 8.3
H1 2 8.2
H1 3 8.3
H1 4 7.9
H2 1 8.9
H2 2 8.9
H2 3 8.3
H2 4 8.0
H3 1 9.3
H3 2 9.0
H3 3 8.2
H3 4 8.7
H4 1 9.7
H4 2 9.0
H4 3 8.8
H4 4 9.0
H5 1 9.5
H5 2 8.9
H5 3 8.5
H5 4 8.9
;
title1 'hasil Analisis Ragam-RAL';
proc glm data=RALsama;
class treat;
model prod=treat;
run;

Output:
The GLM Procedure
Class Level Information
Class Levels Values
treat 6 H0 H1 H2 H3 H4 H5
Number of Observations Read 24
Number of Observations Used 24
The GLM Procedure
Dependent Variable: prod produksi kedelai(kw/ha)
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 5 4.87333333 0.97466667 6.80 0.0010
Error 18 2.58000000 0.14333333
Corrected Total 23 7.45333333
R-Square Coeff Var Root MSE prod Mean
0.653846 4.419384 0.378594 8.566667
Source DF Type I SS Mean Square F Value Pr > F
treat 5 4.87333333 0.97466667 6.80 0.0010
Source DF Type III SS Mean Square F Value Pr > F
treat 5 4.87333333 0.97466667 6.80 0.0010
Interpretasi:
Karena diperoleh Pr > F = 0,0010 < 𝛼 = 0,05 maka H0 ditolak, berarti paling
sedikit ada satu konsentrasi hormone tumbuh yang berpengaruh terhadap produksi
kedelai.
2. Softwrae R:
Syntax dan Output:
> data2<-aov(produksi~konsentrasi,data=data)
> summary(data2)
Df Sum Sq Mean Sq F value Pr(>F)
konsentrasi 5 4.873 0.9747 6.8 0.00101 **
Residuals 18 2.580 0.1433
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Interpretasi:
Karena diperoleh Pr (>F) = 0,00101 dengan signifikansi ** maka H0 ditolak,
berarti paling sedikit ada satu konsentrasi hormone tumbuh yang berpengaruh
terhadap produksi kedelai.

2. Dengan kasus yang sama pada soal nomor 1 di atas, beberapa perlakuan dibuat dengan
ulangan tak sama sehingga diperoleh data sebagai berikut:
Tabel data pengaruh hormon tumbuh terhadap produksi kedelai (kuintal/ha):
Konsentrasi
hormone (ppm)
Ulangan
1 2 3 4
0 (H0) 8,0 8,1 7,5 7,7
0,25 (H1) 8,3 8,2 8,3 -
0,50 (H2) 8,9 8,9 8,3 8,0
0,75 (H3) 9,3 9,0 8,2 -
1,00 (H4) 9,7 9,0 8,8 9,0
1,25 (H5) 9,5 8,9 - -
a. Bagaimana kesimpulan yang anda dapatkan berdasarkan data pada nomor 1 dan
nomor 2, apakah hormon tumbuh berpengaruh terhadap produksi kedelai?
b. Kira-kira hal-hal apa saja yang menyebabkan digunakan rancangan acak lengkap
dengan ulangan tidak sama?
Hipotesis
H0 : µ1= µ2 = …= µa = µ (nilai tengah / rata-rata dari semua perlakuan sama)
H1 : paling sedikit terdapat satu nilai tengah yang berbeda dengan yang lain.
Taraf signifikansi :
α = 0,05
Konsentrasi
hormone (ppm)
Ulangan Total
(yi.)
Rataan
(𝒚𝒊.̅̅̅)1 2 3 4
0 (H0) 8,0 8,1 7,5 7,7 31,3 7,825
0,25 (H1) 8,3 8,2 8,3 - 24,8 8,266667
0,50 (H2) 8,9 8,9 8,3 8,0 34,1 8,525
0,75 (H3) 9,3 9,0 8,2 - 26,5 8,833333
1,00 (H4) 9,7 9,0 8,8 9,0 36,5 9,125
1,25 (H5) 9,5 8,9 - - 18,4 9,2
Total (y.j) 53,7 52,1 41,1 24,7 171,6
Perhitungan
1472,328
243434
6,171 2
2
..



N
FK
y
6,8721472,328)9,81,80,8( 222
,
2
  FKJKT
ji
ij
y
4,736167328,1472)
2
4,18
4
5,36
3
5,26
4
1,34
3
8,24
4
3,31
(
222222
1
2
.
 
FK
n
y
JKP
a
i i
i
2,135833736167,4872,6  JKPJKTJKG
0,947233
5
736167,4
1



a
JKP
KTP

0,15256
620
135833,2





aN
JKG
KTG
Tabel ANOVA Satu Arah untuk ulangan tidak sama
Sumber
Keragaman
Db JK KT Fhitung Ftabel
Perlakuan 5 4,736167 0,947233 6,208943 F5;14;(0,05) = 2,96
Galat 14 2,135833 0,15256
Total 19 6,872
Kesimpulan
Karena diperoleh Fhitung > Ftabel maka H0 ditolak, artinya paling sedikit ada satu Hormon
tumbuh yang berpengaruh terhadap produksi kedelai.
a. Berdasarkan perhitungan di atas menggunakan rancangan acak lengkap dengan
ulangan yang sama dan ulangan tidak sama memberikan kesimpulan yang sama
yaitu hormon tumbuh mempengaruhi produksi kedelai.
b. Hal-hal yang menyebabkan digunakan rancangan acak lengkap dengan ulangan
tidak sama adalah
1. Keterbatasan lahan percobaan.
2. Keterbatasan biaya penelitian.
1. Software SAS:
Syntax:
data RAL;
input treat$ r prod;
label treat='perlakuan'
r='ulangan'
prod='produksi kedelai(kw/ha)';
datalines;
H0 1 8.0
H0 2 8.1
H0 3 7.5
H0 4 7.7
H1 1 8.3
H1 2 8.2
H1 3 8.3
H1 4 .
H2 1 8.9
H2 2 8.9
H2 3 8.3
H2 4 8.0
H3 1 9.3
H3 2 9.0
H3 3 8.2
H3 4 .

H4 1 9.7
H4 2 9.0
H4 3 8.8
H4 4 9.0
H5 1 9.5
H5 2 8.9
H5 3 .
H5 4 .
;
title1 'hasil Analisis Ragam-RAL';
proc glm data=RAL;
class treat;
model prod=treat;
run;
Output:
The GLM Procedure
Class Levels Values
treat 6 H0 H1 H2 H3 H4 H5
The GLM Procedure
Dependent Variable: prod produksi kedelai(kw/ha)
Sum of
Model 5 4.73616667 0.94723333 6.21 0.0031
Error 14 2.13583333 0.15255952
0.689198 4.552316 0.390589 8.580000
treat 5 4.73616667 0.94723333 6.21 0.0031
treat 5 4.73616667 0.94723333 6.21 0.0031
Interpretasi:
Karena diperoleh Pr > F = 0,0031 < 𝛼 = 0,05 maka H0 ditolak, berarti paling
sedikit ada satu konsentrasi hormone tumbuh yang berpengaruh terhadap produksi
kedelai.

2. Softwrae R:
Syntax dan Output:
>data<-read.csv("F:/Kuliah/SEMESTERII/RANCANGAN
PERCOBAAN/Praktikum/kelompok/tugas 1/RALTakC.csv")
> tapply(data$produksi,list(data$konsentrasi,data$ulangan),mean)
1 2 3 4
H0 8.0 8.1 7.5 7.7
H1 8.3 8.2 8.3 NA
H2 8.9 8.9 8.3 8.0
H3 9.3 9.0 8.2 NA
H4 9.7 9.0 8.8 9.0
H5 9.5 8.9 NA NA
> data2<-aov(produksi~konsentrasi,data=data)
> summary(data2)
konsentrasi 5 4.736 0.9472 6.209 0.0031 **
Residuals 14 2.136 0.1526
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Interpretasi:
Karena diperoleh Pr (>F) = 0,0031 < 𝛼 = 0,05 dengan signifikansi ** maka H0
ditolak, berarti paling sedikit ada satu konsentrasi hormone tumbuh yang
berpengaruh terhadap produksi kedelai.
B. Rancangan Acak Kelompok Lengkap (RAKL)
Pada sebuah peternakan ikan mas diadakan sebuah percobaan terhadap tiga kolam
berbeda untuk menguji beberapa jenis pakan yang dicobakan untuk melihat produksi
ikan. Data yang diperoleh adalah sebagai berikut:
Jenis Pakan
Pengamatan
1 2 3
1 23.26 23.25 23.26
2 23.44 23.46 23.45
3 23.49 23.49 25.48
4 22.36 22.35 22.36
5 24.38 24.37 24.37
Lakukan analisis ragam dan interpretasikan hasilnya!
Model
ijjiijY  
dimana, 5,4,3,2,1i
3,2,1j
Keterangan:
ijY = Pengamatan pada perlakuan ke-i dan kelompok ke-j

 = Rataan umum
i = Pengaruh jenis pakan ke-i
j = Pengaruh kelompok ke-j
ij = Pengaruh acak pada perlakuan ke-i dan kelompok ke-j
Hipotesis
Berdasarkan Pengaruh jenis pakan:
H0 : 54321  
H1 : paling sedikit ada satu i dengan 0i
Berdasarkan Pengaruh pengelompokan:
H0 : 321  
H1 : paling sedikit ada satu j dengan 0j
Jenis Pakan
Pengamatan Total Perlakuan
)( iY1 2 3
1 23,26 23,25 23,26 69,77
2 23,44 23,46 23,45 70,35
3 23,49 23,49 25,48 72,46
4 22,36 22,35 22,36 67,07
5 24,38 24,37 24,37 73,12
Total Blok
)( kY
116,93 116,92 118,92 352,77
Perhitungan
44,296.8
35
77,352 22


 
tr
Y
FK
31,1044,296.8)37,2425,2326,23( 222
5
1
3
1
  

i j
ij FKYJKT
67,744,296.8
3
)12,7307,6746,7235,7077,69( 222225
1


 

i
i
FK
r
Y
JKP
53,044,296.8
5
)92,11892,11693,116( 2223
1


 

j
j
t
Y
JKB

11,253,067,731,10  JKBJKPJKTJKB
Struktur tabel sidik ragamnya dapat disajikan sebagai berikut.
Sumber
Keragaman
Derajat Bebas
(db)
Jumlah Kuadrat
(JK)
Kuadrat Tengah
(KT)
Fhitung
Jenis Pakan 4 7,67 1,92 7,27
Blok 2 0,53 0,27 1,01
Galat 8 2,11 0,26
Total 14 10,31
Kesimpulan
Untuk Pengaruh Jenis Pakan:
Karena nilai Fhitung = 7,27 > F0,05;4;8 = 2,81 maka H0 ditolak. Artinya, terdapat perbedaan
pengaruh jenis pakan terhadap produksi ikan secara signifikan.
Untuk Pengaruh Pengelompokan:
Karena nilai Fhitung = 1,01 < F0,05;2;8 = 3,11 maka H0 ditolak. Artinya, tidak ada
perbedaan pengelompokan terhadap produksi ikan secara signifikan.
1. Software SAS:
Syntax:
data RAK;
input treat$ blok prod;
label treat='Jenis Pakan' blok='Blok' prod='Produksi Ikan';
cards;
1 1 23.26
1 2 23.25
1 3 23.26
2 1 23.44
2 2 23.46
2 3 23.45
3 1 23.49
3 2 23.49
3 3 25.48
4 1 22.36
4 2 22.35
4 3 22.36
5 1 24.38
5 2 24.37
5 3 24.37
;
title1 'Hasil Analisis Ragam - RAK';
proc glm;
class treat blok;
model prod=treat blok;
means treat;
run;

Output:
The GLM Procedure
Class Levels Values
treat 5 1 2 3 4 5
blok 3 1 2 3
The GLM Procedure
Dependent Variable: prod Produksi Ikan
Sum of
Model 6 8.20125333 1.36687556 5.18 0.0184
Error 8 2.10978667 0.26372333
0.795386 2.183604 0.513540 23.51800
treat 4 7.67057333 1.91764333 7.27 0.0090
blok 2 0.53068000 0.26534000 1.01 0.4076
treat 4 7.67057333 1.91764333 7.27 0.0090
blok 2 0.53068000 0.26534000 1.01 0.4076
Interpretasi:
Untuk Pengaruh Perlakuan:
Karena diperoleh Pr > F = 0,0090 < 𝛼 = 0,05 maka H0 ditolak, Artinya, terdapat
perbedaan pengaruh jenis pakan terhadap produksi ikan secara signifikan.
Untuk Pengaruh Kelompok:
Karena diperoleh Pr > F = 0,4076 > 𝛼 = 0,05 maka tidak tolak H0, Artinya,
tidak ada perbedaan pengelompokan terhadap produksi ikan secara signifikan.
2. Softwrae R:
Syntax dan Output:
PERCOBAAN/Praktikum/kelompok/tugas 1/RAK.csv")
> tapply(data$produksi,list(data$pakan,data$kelompok),mean)
K1 K2 K3
P1 23.26 23.25 23.26
P2 23.44 23.46 23.45
P3 23.49 23.49 25.48
P4 22.36 22.35 22.36
P5 24.38 24.37 24.37

> data2<-aov(produksi~pakan+kelompok,data=data)
> summary(data2)
pakan 4 7.671 1.9176 7.271 0.00896 **
kelompok 2 0.531 0.2653 1.006 0.40760
Residuals 8 2.110 0.2637
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Interpretasi:
Untuk Pengaruh Perlakuan:
Karena diperoleh Pr > F = 0,00896 < 𝛼 = 0,05 dengan signifikansi ** maka H0
ditolak. Artinya, terdapat perbedaan pengaruh jenis pakan terhadap produksi ikan
secara signifikan.
Untuk Pengaruh Kelompok:
Karena diperoleh Pr > F = 0,4076 > 𝛼 = 0,05 dan tidak signifikan maka tidak
tolak H0. Artinya, tidak ada perbedaan pengelompokan terhadap produksi ikan
secara signifikan.
C. Rancangan Bujur Sangkar Latin
Seorang peneliti ingin mengetahui keefektifan mesin fillet otomatis A, B, C, D terhadap
produksi fillet tuna. Produksi dipengaruhi oleh adanya operator dan hari kerja yang
berlainan. Peneliti memutuskan menggunakan empat hari kerja sebagai baris dan empat
operator sebagai kolom .
Data yang diperoleh adalah sebagai berikut :
Baris
Hasil produksi fillet tuna (ton)
Kolom 1 Kolom 2 Kolom 3 Kolom 4
1 1,64 (B) 1,210 (D) 1,425 (C) 1,345 (A)
2 1,475 (C) 1,185 (A) 1,400 (D) 1,290 (B)
3 1,670 (A) 0,710 (C) 1,665 (B) 1,180 (D)
4 1,565 (D) 1,290 (B) 1,655 (A) 0,660 (C)
Model
𝑦𝑖𝑗 = 𝜇 + 𝛼𝑖 + 𝛽𝑗 + 𝜏 𝑘 + 𝜀𝑖𝑗
dimana : 𝑖 = 𝑗 = 𝑘 = 1,2,3,4
Keterangan :
𝑦𝑖𝑗 : produksi fillet tuna pada pada mesin fillet otomatis ke-k dalam hari kerja ke-i
dan operator ke-j
𝜇 : nilai tengah umum
𝜏 𝑘 : pengaruh mesin fillet otomatis ke-k
𝛼𝑖 : pengaruh hari kerja ke-i
𝛽𝑗 : pengaruh operator ke-j

𝜀𝑖𝑗 : pengaruh acak (error) pada pada mesin fillet otomatis ke-k dalam hari kerja ke-
i dan operator ke-j
Hipotesis
Hipotesis berdasarkan pengaruh mesin fillet otomatis:
𝐻0 = 𝜏1 = 𝜏2 = ⋯ = 𝜏4 = 0 (mesin fillet otomatis tidak berpengaruh terhadap
produksi fillet tuna)
𝐻1 = 𝑝𝑎𝑙𝑖𝑛𝑔 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 𝑎𝑑𝑎 𝑠𝑎𝑡𝑢 𝜏𝑖 ≠ 0
Hipotesis berdasarkan pengaruh hari kerja:
𝐻0 = 𝛼1 = 𝛼2 = ⋯ = 𝛼4 = 0 (hari kerja tidak berpengaruh terhadap produksi fillet
tuna)
𝐻1 = 𝑝𝑎𝑙𝑖𝑛𝑔 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 𝑎𝑑𝑎 𝑠𝑎𝑡𝑢 𝛼𝑖 ≠ 0
Hipotesis berdasarkan pengaruh operator:
𝐻0 = 𝛽1 = 𝛽2 = ⋯ = 𝛽4 = 0 (operator yang berbeda tidak berpengaruh terhadap
produksi fillet tuna)
𝐻1 = 𝑝𝑎𝑙𝑖𝑛𝑔 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 𝑎𝑑𝑎 𝑠𝑎𝑡𝑢 𝛽𝑖 ≠ 0
Baris
Hasil produksi fillet tuna (ton)
Total
Kolom 1 Kolom 2 Kolom 3 Kolom 4
1 1,64 (B) 1,210 (D) 1,425 (C) 1,345 (A) 5,62
2 1,475 (C) 1,185 (A) 1,400 (D) 1,290 (B) 5,35
3 1,670 (A) 0,710 (C) 1,665 (B) 1,180 (D) 5,225
4 1,565 (D) 1,290 (B) 1,655 (A) 0,660 (C) 5,17
Total 6,35 4,395 6,145 4,475
21,365
Y...
Total dan nilai tengah perlakuan (mesin fillet otomatis) adalah :
Perlakuan A B C D
Total 5,855 5,885 4,27 5,355
Nilai Tengah 1,464 1,471 1,068 1,339
Perhitungan
𝐹𝐾 =
𝑌...
2
𝑟.𝑟
=
21,3652
4×4
= 28,529
𝐽𝐾𝑇 = ∑ ∑ ∑ 𝑌𝑖𝑗𝑘
2
− 𝐹𝐾4
𝑘=0 = 1,642
+ ⋯ + 0,6602
− 28,529 = 1,4144
𝑗=1
4
𝑖=1
𝐽𝐾𝑃 = ∑
𝑌.𝑘
2
𝑟
− 𝐹𝐾4
𝑖=1 =
5,8552
4
+ ⋯ +
5,3552
4
− 28,529 = 0,427
𝐽𝐾𝐵 = ∑
𝑌𝑖.
2
𝑟
− 𝐹𝐾4
𝑖=1 =
5,622
4
+ ⋯ +
5,172
4
− 28,529 = 0,030

𝐽𝐾𝐾 = ∑
𝑌.𝑗
2
𝑟
− 𝐹𝐾4
𝑖=1 =
6,352
4
+ ⋯ +
4,4752
4
− 28,529 = 0,827
𝐽𝐾𝐺 = 𝐽𝐾𝑇 − 𝐽𝐾𝑃 − 𝐽𝐾𝐵 − 𝐽𝐾𝐾 = 1,414 − 0,427 − 0,030 − 0,827 = 0,130
𝐷𝐵𝑇 = 𝑟2
− 1 = 42
− 1 = 16 − 1 = 15
𝐷𝐵𝑃 = 𝑟 − 1 = 4 − 1 = 3
𝐷𝐵𝐵 = 𝑟 − 1 = 4 − 1 = 3
𝐷𝐵𝐾 = 𝑟 − 1 = 4 − 1 = 3
𝐷𝐵𝐺 = (𝑟 − 1)(𝑟 − 2) = (4 − 1)(4 − 2) = 3 × 2 = 6
𝐾𝑇𝑃 =
𝐽𝐾𝑃
𝐷𝐵𝑃
=
0,427
3
= 0,142
𝐾𝑇𝐵 =
𝐽𝐾𝑃
𝐷𝐵𝑃
=
0,030
3
= 0,010
𝐾𝑇𝐾 =
𝐽𝐾𝑃
𝐷𝐵𝑃
=
0,827
3
= 0,276
𝐾𝑇𝐺 =
𝐽𝐾𝐺
𝐷𝐵𝐺
=
0,130
6
= 0,022
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 𝑃𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛 =
𝐾𝑇𝑃
𝐾𝑇𝐺
=
0,142
0,022
= 6,588
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 𝐵𝑎𝑟𝑖𝑠 =
𝐾𝑇𝐵
𝐾𝑇𝐺
=
0,010
0,022
= 0,465
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 𝐾𝑜𝑙𝑜𝑚 =
𝐾𝑇𝐾
𝐾𝑇𝐺
=
0,276
0,022
= 12,770
F-tabel : 𝐹(0,05;3;6) = 4,76
Tabel Analisis Ragam
Sumber
Keragaman
Derajat
Bebas (DB)
Jumlah
Kuadrat (JK)
Kuadrat
Tengah (KT)
Fhitung
Mesin Fillet
Otomatis
3 0,427 0,142 6,588
Hari Kerja 3 0,030 0,010 0,465
Operator 3 0,827 0,276 12,770
Galat 6 0,130 0,022
Total 15 1,414

Kesimpulan
Untuk pengaruh mesin fillet otomatis:
Karena diperoleh Fhitung > Ftabel maka H0 ditolak, berarti paling sedikit ada satu mesin
fillet otomatis yang berpengaruh terhadap produksi fillet tuna.
Untuk pengaruh hari kerja:
Karena diperoleh Fhitung < Ftabel maka tidak tolak H0, berarti perbedaan hari kerja tidak
berpengaruh terhadap produksi fillet tuna.
Karena diperoleh Fhitung > Ftabel maka H0 ditolak, berarti paling sedikit ada satu operator
yang berpengaruh terhadap produksi fillet tuna.
1. Software SAS:
Syntax:
data RBSL;
input treat$ baris$ kolom$ prod;
label treat='Mesin' baris='Operator' kolom='Hari Kerja' prod='Produksi Fillet Tuna
(ton)';
cards;
B B1 K1 1.64
D B1 K2 1.21
C B1 K3 1.425
A B1 K4 1.345
C B2 K1 1.475
A B2 K2 1.185
D B2 K3 1.4
B B2 K4 1.29
A B3 K1 1.67
C B3 K2 0.71
B B3 K3 1.665
D B3 K4 1.18
D B4 K1 1.565
B B4 K2 1.29
A B4 K3 1.655
C B4 K4 0.66
;
Title 'Hasil Analisis Ragam - RBSL';
proc anova;
class treat baris kolom;
model prod=treat baris kolom;
means treat baris kolom;
run;

Output:
The ANOVA Procedure
Class Levels Values
treat 4 A B C D
baris 4 B1 B2 B3 B4
kolom 4 K1 K2 K3 K4
Dependent Variable: prod Produksi Fillet Tuna (ton)
Sum of
Model 9 1.28433906 0.14270434 6.61 0.0161
Error 6 0.12958437 0.02159740
0.908351 11.00570 0.146961 1.335313
Source DF Anova SS Mean Square F Value Pr > F
treat 3 0.42684219 0.14228073 6.59 0.0251
baris 3 0.03015469 0.01005156 0.47 0.7170
kolom 3 0.82734219 0.27578073 12.77 0.0051
Interpretasi:
Karena diperoleh Pr > F =0,0251 < 𝛼 = 0,05 maka H0 ditolak, berarti paling
sedikit ada satu mesin fillet otomatis yang berpengaruh terhadap produksi fillet
tuna.
Karena diperoleh Pr > F =0,7170 > 𝛼 = 0,05 maka tidak tolak H0, berarti
perbedaan hari kerja tidak berpengaruh terhadap produksi fillet tuna.
Karena diperoleh Pr > F =0,0051 < 𝛼 = 0,05 maka H0 ditolak, berarti paling
sedikit ada satu operator yang berpengaruh terhadap produksi fillet tuna.
2. Softwrae R:
Syntax dan Output:
PERCOBAAN/Praktikum/kelompok/tugas 1/RBSL.csv")
> data2<-aov(produksi~mesin+hari+operator,data=data)
> summary(data2)
mesin 3 0.4268 0.14228 6.588 0.02509 *
hari 3 0.0302 0.01005 0.465 0.71697
operator 3 0.8273 0.27578 12.769 0.00515 **
Residuals 6 0.1296 0.02160

---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Interpretasi:
Karena diperoleh Pr > F =0,0251 < 𝛼 = 0,05 dengan signifikansi * maka H0
ditolak, berarti paling sedikit ada satu mesin fillet otomatis yang berpengaruh
terhadap produksi fillet tuna.
Karena diperoleh Pr > F =0,7170 > 𝛼 = 0,05 dan tidak signifikan maka tidak
tolak H0, berarti perbedaan hari kerja tidak berpengaruh terhadap produksi fillet
tuna.
Karena diperoleh Pr > F =0,0051 < 𝛼 = 0,05 dengan signifikansi ** maka H0
ditolak, berarti paling sedikit ada satu operator yang berpengaruh terhadap produksi
fillet tuna.

Analisis Statistika

More Related Content

What's hot

Viewers also liked

More from Dian Arisona

Recently uploaded

Analisis Statistika