Uji BNT pada RANCANGAN Acak Kelompok

$$\begin{matrix}JKT=\sum_{i,j,k}{Y_{ijk}}^2-FK\\=(12)^2+(15)^2+...+(37)^2-10000\\=1170\\\end{matrix}$$

$$\begin{matrix}JKR=\frac{\sum_{k}{(r_k)^2}}{ab}-FK\\=\frac{(92)^2+(99)^2+(108)^2+(101)^2}{2\times2}-10000\\=32.5\\\end{matrix}$$

Buat Tabel Untuk Total Perlakuan

a0

a1

 ΣB = Y.j.

b0

54

119

173

b1

85

142

227

ΣA=Yi..

139

261

400

$$\begin{matrix}JKA=\frac{\sum_{i}{(a_i)^2}}{rb}-FK\\=\frac{(139)^2+(261)^2}{4\times2}-10000\\=930.25\\\end{matrix}$$

$$\begin{matrix}JKB=\frac{\sum_{j}{(b_j)^2}}{ra}-FK\\=\frac{(173)^2+(227)^2}{4\times2}-10000\\=182.25\\\end{matrix}$$

$$\begin{matrix}JK(AB)=\frac{\sum_{i,j}{(a_ib_j)^2}}{r}-FK-JKA-JKB\\=\frac{(54)^2+(85)^2+(119)^2+(142)^2}{4}-10000-930.25-182.25\\=4\\\end{matrix}$$

Catatan: JKP = JKA + JKB + JK(AB)

$$\begin{matrix}JKG=\ JKT\ -\ JKK\ -\ JKA\ -\ JKB\ -JK(AB)\\=1170-32.5-930.25-182.25-4\\=21\\\end{matrix}$$

Tabel 27.  Analisis Ragam Rancangan Faktorial  Dua Faktor Dalam RAK

Sumber

keragaman

Derajat

Bebas

Jumlah

Kuadrat

Kuadrat

Tengah

F-hitung

F0.05

F0.01

Kelompok (R)

r-1 = 3

32.5

10.833

4.64*

3.86

6.99

Perlakuan

A

a-1 = 1

930.25

930.25

398.679**

5.11

10.56

B

b-1 = 1

182.25

182.25

78.107**

5.11

10.56

AB

(a-1) (b-1) = 1

4

4

1.714

5.11

10.56

Galat

ab(r-1) = 9

21

2.33

Total

abr-1 = 15

1170

Post-Hoc

Berdasarkan analisis ragam, pengaruh interaksi antara Faktor A dan Faktor B tidak nyata, sedangkan kedua pengaruh utamanya nyata sehingga pengujian lanjut hanya dilakukan terhadap pengaruh utama dari kedua faktor yang kita cobakan.

Pada pengujian lanjut ini, perbedaan di antara pasangan rata-rata perlakuan dilakukan dengan menggunakan uji LSD.

Kami berharap bahwa Anda menikmati presentasi ini . Untuk men-download , silahkan rekomendasi presentasi ini kepada teman-teman Anda dalam jaringan sosial . Tombol yang haris diklik terletak di bawah posting ini . Terima kasih .

Tombol:

Uji lanjut dapat dilakukan dengan library emmeans. Pada dasarnya, emmeans menghasilkan output yang mirip dengan uji lanjut seperti TukeyHSD:

library(emmeans)
marginal = emmeans(mod,~ LamaFumigasi:Dosis)
knitr::kable(head(pairs(marginal,adjust="Tukey"),n=5))

knitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni

Urutan pengurangannya berbeda saja, sehingga hasil emmeans memiliki beda positif dan TukeyHSD memiliki beda negatif. Library multcomp memiliki output yang lebih rapi, yaitu langsung berupa pengelompokan:

## Loading required package: mvtnorm

## Loading required package: survival

## Loading required package: TH.data

## Loading required package: MASS

## 
## Attaching package: 'MASS'

## The following object is masked from 'package:dplyr':
## 
##     select

## 
## Attaching package: 'TH.data'

## The following object is masked from 'package:MASS':
## 
##     geyser

knitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni

knitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni

Selain itu, dapat diuji kontras orthogonal dari data ini. Karena hanya ada dua taraf untuk lama fumigasi, kontras hanya dapat dibuat untuk dosis. Misal dibuat kontras untuk membandingkan pengaruh ada dosis (dosis 0 vs lainnya), dosis rendah vs tinggi (16,32 vs 48,64), serta perbandingan antara dosis 16 vs 32 dan 48 vs 64:

knitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni

knitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni

knitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni

knitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni

knitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni

Dapat juga dibuat polinomial orthogonal, dengan koefisien-koefisien sesuai yang ditentukan saat taraf faktor tersebut 4.

Uji BNt untuk apa?

Kenapa menggunakan metode rancangan acak kelompok?

RAL menggunakan uji apa?

Apa yang dimaksud dengan rancangan Acak kelompok Lengkap?