Oleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran

dokumen-dokumen yang mirip
(DS.2) MENENTUKAN STATISTIK PENGUJIAN UNTUK EKSPERIMEN FAKTORIAL DENGAN DUA KALI PEMBATASAN PENGACAKAN (Studi kasus untuk Desain Split Plot)

RANCANGAN ACAK KELOMPOK TAK LENGKAP (Incomplete Block Design) Dr.Ir. I Made Sumertajaya, M.Si Departemen Statistika-FMIPA IPB 2007

SOLUSI TUGAS MATA KULIAH STATISTIKA II

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

BAB I PENDAHULUAN 1.1 Latar Belakang

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

PERBANDINGAN KUASA UJI PENDEKATAN BIGGERS DAN SATTERTHWAITE- COCHRAN DALAM MENGANALISIS DATA HILANG PADA RANCANGAN KELOMPOK TERACAK LENGKAP

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB IV PEMBAHASAN HASIL PENELITIAN

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam

PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP

BAB 2 LANDASAN TEORI

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

Bab III Analisis Rantai Markov

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK

ANALISIS KOVARIANSI part 2

BAB III METODE PENELITIAN

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi

BAB III METODOLOGI PENELITIAN

BAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen,

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISIS DATA KATEGORIK (STK351)

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

PENDUGAAN DATA HILANG DENGAN METODE YATES DAN ALGORITMA EM PADA RANCANGAN LATTICE SEIMBANG

Prosiding Statistika ISSN:

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.

BAB 2 LANDASAN TEORI

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

BAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

Hubungan Model Kurva Pengeluaran Konsumsi Rumah Tangga di Provinsi Sulawesi Selatan dengan Elastisitasnya

INFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

BAB I PENDAHULUAN Latar Belakang dan Permasalahan

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN

Post test (Treatment) Y 1 X Y 2

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a

BAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan

Configural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear

PENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN

UKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a

BAB III METODE PENELITIAN

Percobaan Faktor Tunggal (RAL, RAKL, RBSL)

BAB X RUANG HASIL KALI DALAM

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR

RIDGE-MM SEBAGAI SALAH SATU METODE REGRESI RIDGE YANG ROBUST TERHADAP DATA PENCILAN

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

RANCANGAN ACAK KELOMPOK TAK LENGKAP SEIMBANG PARSIAL (RAKTLSP) DAN PENERAPANNYA SKRIPSI

III. METODOLOGI PENELITIAN

Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil

PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

Metode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari

BAB II TINJAUAN PUSTAKA

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat

Preferensi untuk alternatif A i diberikan

OPTIMASI MASALAH PENUGASAN. Siti Maslihah

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy

BAB III METODOLOGI PENELITIAN. awal dengan pemberian latihan dan pemberikan tes akhir yang kemudian melihat

PEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /

PENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA

Transkripsi:

Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas Padadaran arthn@yahoo.com Dalam peneltan yang bersfat percobaan, pada pelaksanaannya bsa terad bahwa data percobaan yang dperoleh tdak lengkap, hal n terad karena adanya data yang hlang (mssng data), dengan teradnya beberapa data yang hlang maka akan mempersult analssnya terutama dalam Rancangan Blok Acak Sempurna, karena akan menyebabkan ketdak sembangan Rancangan n, untuk mengatasnya adalah dengan mengestmas data yang hlang tersebut. Jka terad dua data yang hlang maka untuk mengestmasnya bsa menggunakan metoda Yates, sedangkan ka data yang hlang lebh dar dua maka bsa dgunakan metoda Bggers, pada dasarnya untuk mengestmas data yang hlang pada kedua metoda tersebut dengan cara memnmumkan umlah kuadrat error atau dengan Least Squares Methode, sedangkan apabla data sudah destmas maka untuk analss varansnya bsa dgunakan Analss Varans Alternatf. Hasl analss varans alternatve untuk perkembangan embro pada meda yang dberkan kadar glukosa yang berbeda ternyata kadar glukosa pada meda berpengaruh terhadap perkembangan embro. Kata Kunc : Data hlang, Least Squares Methode, rancangan blok acak lengkap, metode Yates, metode Bggers Prosdng Semnar Nasonal Matematka dan Penddkan Matematka UMS 015 68

I. Pendahuluan. Untuk peneltan yang bersfat percobaan maka harus memlh rancangan percobaan yang sesua dengan permasalahan yang dtelt supaya memperoleh nformas yang lengkap, apabla unt ekspermen pada percobaan n bersfat heterogen, maka rancangan yang sesua adalah menggunakan rancangan blok acak, dalam hal n unt ekspermen yang bersfat heterogen dkelompokan dulu kedalam blok (kelompok) yang bersfat homogen tetap dantara blok bersfat heterogen, Hnkelmann [3]. Apabla dalam pelaksanaannya masng-masng blok mempunya unt ekspermen yang sama banyaknya dengan perlakuan maka rancangan n merupakan rancangan blok acak lengkap yang sembang dan memenuh sfat orthogonal. Ketka dalam pelaksanaanya percobaan tdak bsa menghaslkan data yang lengkap karena teradnya data yang hlang (mssng data), msalnya percobaan tersebut dlakukan terhadap mahluk hdup yatu ternak atau tanaman, maka data hlang tersebut bsa dsebabkan oleh ternak atau tanaman yang mat sebelum hasl percobaan dperoleh, hal n merupakan salah satu penyebab tdak lengkapnya data hasl percobaan. Ketdak lengkapan data hasl percobaan yang dsebabkan oleh data hlang akan mempersult analssnya, karena akan menyebabkan ketdak sembangan rancangan blok acak dan rancangan n akan menad non orthogonalmenurut Subramany[6],.Untuk mengatas hal n bsa menggunakan dua cara yatu dengan mengulang kembal percobaan atau dengan mengestmas data hlang tersebut berdasarkan pada data yang ada. Dengan melakukan kembal percobaan akan menad tdak efsen karena akan menambah waktu dan baya dan uga konds ekspermen sudah tdak sama lag dengan ekspermen sebelumnya. Ada beberapa konds data hlang dalam rancangan blok acak lengkap yatu satu data hlang, dua data hlang atau lebh dar dua data yang hlang. Kalau satu data hlang maka data tersebut dapat destmas sepert pada Montgomery [5], sedangkan apabla yang hlang dua data maka bsa menggunakan metode Yate s, sedangkan apabla data hlang lebh dar dua maka bsa menggunakan pendekatan dengan metode Bggers [1]. II. Metodolog Peneltan Berdasarkan latar belakang masalah yang dbahas pada bagan I, maka akan dcar solusnya untuk medapatkan estmator/penduga data yang hlang pada rancangan blok acak lengkap, dmana terdapat lebh dar dua data yang hlang. Prosdng Semnar Nasonal Matematka dan Penddkan Matematka UMS 015 683

.1. Rancangan blok acak lengkap (.4) Dalam Montgomery [5], suatu rancangan percobaan dengan k buah perlakuan dan n buah blok/kelompok maka model lnernya adalah sebaga berkut : Y (.1) dengan = 1,,,k dan =1,, n sedangkan, efek rata-rata efek perlakuan ke efek blok ke kekelruan acak untuk perlakuan ke, blok ke Menurut Box [], asums untuk desan blok acak adalah, k : NID(0, (.) ) apabla model lner n merupakan model tetap maka asums lannya adalah, k 1 0 0 dan (.3) b 1 dengan hpotess statsts menurut Lehmann [4]. sebaga berkut : H 0 1 k :... 0 H 1 : palng sedkt satu perlakuan ke dengan τ ± 0 Varas dar nla-nla observas sebaga pengaruh dar perlakuan, blok dan error, dapat dlhat dar besar Jumlah Kuadrat, yatu Jumlah Kuadrat Total (JKT), Jumlah Kuadrat Perlakuan (JKP), Jumlah Kuadrat Blok (JKB) dan Jumlah Kuadrat Error (JKE) k yang dapat dperoleh sebaga berkut : JKP ( J / n) J.. / N 1 1. JKB ( J / k) J.. / N k 1 1.. Mengestmas Data Hlang dengan Metode Yate... dan JKR J / N n n JKE Y JKP JKB JKR Untuk mengestmas data yang hlang dapat dperoleh dengan memnmalkan Kuadrat Tengah Error pertama kal dkembangkan oleh Yates. Prosdng Semnar Nasonal Matematka dan Penddkan Matematka UMS 015 684

Persamaan untuk menduga satu data hlang dengan metode Yate s adalah sebaga berkut :. (.5) dengan, Yˆ ab k Y n Y Y ( n 1)( k 1) Yˆ penduga data yang hlang ab a b n = banyaknya blok dalam rancangan percobaan k = banyaknya perlakuan a b total nla pengamatan pada blok ke = total nla pengamatan pada perlakuan ke Y = total nla pengamatan keseluruhan Y Y Persamaan untuk menduga dua data hlang mssal Y 11 dan Y 1 dengan menggunakan metode Yate s yatu dengan memnmumkan Jumlah Kuadrat Error maka dperoleh penduga data hlang untuk Y 11 adalah sebaga berkut : (.6) Yˆ 11 n Y ( k 1) Y Y Y ( n 1)( k ) 1 1 dan penduga data hlang untuk Y 1 adalah sebaga berkut : n Y 1 ( k 1) Y Y1 Y ˆ(.7) Y1 ( n 1)( k ).3. Mengestmas Data Hlang dengan Metode Bgger s Apabla data hlang lebh dar dua maka untuk mengestmas data hlang dapat dgunakan metode Bggers[6] yang menggunakan pendekatan matrks, dengan langkah-langkah sebaga berkut : Memsalkan data yang hlang adalah Y cd, untuk memperoleh estmator/penduga untuk data hlang dperoleh dengan memnmumkan Jumlah Kuadrat Error sepert berkut n : JKE Y Y Y Y 1 1 1 1 k n k n.. 1 1 Y JKE Y Y Y n k nk k n k n 1 1 1 1 Prosdng Semnar Nasonal Matematka dan Penddkan Matematka UMS 015 685

(.8) k n 1 ˆ JKE Y Ycd Y Yc Yc 1 1 n ( ) 1 1 ˆ - Y Yd Y d G Y cd k ( ) nk 1 1 cd c c d d n k Yˆ Y Y Y Y 1 G nk ( ) ( ) Y Dengan G = total semua nla pengamatan dengan terdapat data hlang. Untuk memperoleh penduga data hlang JKE dturunkan terhadap, kemudan dsamadengannolkan menurut sepert berkut n, JKE 0 Y ˆcd Maka dperoleh, nkyˆcd k Y c n Y d Y k Y c n Y d G ( ) ( ) ( ) (.9) Yˆcd dar persamaan (.9) dkelompokkan ke dalam suku-suku yang berhubungan dengan kelompok-kelompoknya, perlakuan kelompok dan tanpa kelompok dperoleh persamaan sebaga berkut : ˆ ˆ ˆ ˆ nkycd k Y Ycd n Y Ycd Y Yd Yc Ycd ( ) ( ) ( ) ( ) ( ) ( ) k Y n Y G( n 1)( k 1) Yˆ (1 k) Y (1 n) Y Y (.10) c d cd c d ( ) c k Y n Y G d Dengan cara yang sama dapat dperoleh (p-1) data yang hlang, akan dperoleh p buah persamaan yang analog dengan persamaan (.9) dan (.10), dalam bentuk matrk dapat dtuls sebaga berkut : A pxp Y pxl =Q pxl (.11) Dengan, A pxp = matrks smetr dengan elemennya sepert pada table.1 X pxl = matrks dar data hlang Prosdng Semnar Nasonal Matematka dan Penddkan Matematka UMS 015 686

Q pxl = matrk nla ky c + ny d G dar persamaan yang bersesuaan Maka dperoleh persamaan Y pxl = A -1 Q pxl (.1) Dengan empat data yang hlang msalnya Y kv, Y kw, Y kx, Y kz, untuk memperoleh elemen-elemen matrk A pxp dperoleh dengan cara sebaga berkut : Tabel.1 Elemen-elemen untuk matrk A pxp Subskrp Kv kw Kx Kz Kv (n-1)(k-1) 1-n 1-k 1 Kw 1-n (n-1)(k-1) 1 1 Kx 1-k 1 (n-1)(k-1) 1 Kz 1 1 1 (n-1)(k-1) Untuk persamaan (.11) dalam bentuk matrk adalah sbb: ( k 1)( n) (1 n) (1 k) 1 Ykv kyk nyv G (1 n) ( k 1)( n 1) 1 1 Y kw kyk nyw G (1 k) 1 ( k 1)( n1) 1 Y kx kyk nyx G (.1) 1 1 1 ( k 1)( n1) Ykz kyk nyz G.4. Analss Varans untuk Rancangan Blok Acak dengan beberapa data hlang Untuk melakukan analss varans rancangan blok acak lengkapdengan beberapa data hlang, setelah data hlang destmas dan struktur data menad lengkap maka analss varans alternatve menurut Wdharsh [7] yatu dengan melakukan beberapa penyesuaan dengan langkah-langkah sebaga berkut : 1. Dengan menggunakan data yang tdak lengkap dapat dhtung : Jumlah Kuadrat Total bntang untuk data tdak lengkap (.13) k n.. * JKT y y JKT 1 1 k n * Y 1 1 N Y Prosdng Semnar Nasonal Matematka dan Penddkan Matematka UMS 015 687

Kemudan dapat dhtung Jumlah Kuadrat yang lannya yatu Jumlah Kuadrat Blok bntang, (.14) J K B dan * N n k 1 Y. n. Setelah data hlang destmas dan dletakan pada sel data hlang, selanutnya dhtung Jumlah Kuadrat Error dengan data sudah dlengkap dengan data hasl estmas atau JKE 3. Kemudan htung Jumlah Kuadrat Perlakuan bntang dengan penyesuaan sebaga berkut: JKP * = JKT * - JKB * - JKE (.15) N Y Untuk analss varansnya maka akan dperoleh Tabel Anava sepert berkut: Tabel.. Anava dengan penyesuan Sumber Deraat Jumlah Kuadrat Tengah F htung Varas bebas Kuadrat Blok n-1 JKB * KTB * =JKB * /(n-1) KTB * /KTE Perlakuan k-1 JKP * KTP * =JKP * /(k-1) KTP * /KTE terkoreks Error nk-nk+1-p JKE KTE=JKE/(nk-nk+1-p) Total nk-1-p JKT Untuk mengu pengaruh dar blok krtera unya akan menolak H 0 ka, F htung F (n-1)(nk-n-k+1-p)(α), untuk mengu pengaruh perlakuan, krtera unya adalah : F htung F (k-1)(nk-n-k+1-p)(α) III. Hasl dan Pembahasan Dalam peneltan n data yang akan danalss adalah data yang dambl dar Bomertka Trust yang dunduh dar http://www,stor.org//stable/33811. Yatu peneltan mengena perkembangan suatu embro yang dkembangkan pada delapan konds yang berbeda dan dber perlakuan lma konsentras glucose yang berbeda dengan menggunakan rancangan blok acak lengkap, tetap sebelum peneltan selesa ada empat embro yang mat sehngga danggap sebaga Prosdng Semnar Nasonal Matematka dan Penddkan Matematka UMS 015 688

data hlang, hasl percobaannya sepert dapat dlhat pada Table 3.1. dalam hal n data hlang tersebut adalah unt ekpermen pada blok 3 perlakuan 3, blok 3 perlakuan 5, blok 7 perlakuan 3 dan blok 8 perlakuan 4, atau kalau dnotaskan sebaga varable respon Y 33,Y 35, Y 73 dan Y 84, yang merupakan empat data hlang, yang mengakbatkan data hasl percobaan menad tdak lengkap, hal n akan mempersult analssnya. Tabel 3.1. Data hasl percobaan perkembangan embro dmana ada empat data hlang Blok I II III IV V VI VII VII Kadar glukosa dalam larutan(mg/ml) 0,5 1,0,0 4,0 8.0 0,88 1,15 1,33 1,39 1,57 1,06 1, 1,63 1,54 1,37 0,97 1,34-1,66-1,09 1,1 1,16 1,50 1,48 1,14 1,37 1,58 1,5 1,44 1,13 1,33 1,65 1,57 1,47 1,00 1,1-1,45 1,5 1,1 1,30 1,35-1,61 8,70 10,63 10,46 - - 3,97 - - - 5,18 5,38 48,31 Sebaga solusnya data hlang harus destmas dengan langkah-langkah sebaga berkut : 1. Menentukan matrk A dengan menggunakan rumusan sepert pada Tabel.1, akan dperoleh matrk sebaga berkut, A = 8 7 4 1 7 8 1 1 4 1 8 1 1 1 1 8 Kemudan dtentukan nvers dar matrk A dan dperoleh sebaga berkut : A -1 = 0,039 0,010 0,005 0,00 0,010 0,038 0.000 0,00 0,005 0,000 0,037 0,001 0,00 0,00 0,001 0,036 Prosdng Semnar Nasonal Matematka dan Penddkan Matematka UMS 015 689

. Menentukan matrkqsepert drumuskan pada persamaan (.1) sepert berkut : 5(8.70) 8(3,97) 48,31 6,95 Q = 5(10,46) 8(3,97) 48,31 35,75 5(8,70) 8(5,18) 48,31 36,63 5(10,63) 8(5,38) 48,31 47,88 3. Estmas data hlang dengan menggunakan persamaan (.1) dperoleh : Y = Y = 0,039 0,010 0,005 0,00 0,010 0,038 0.000 0,00 0,005 0,000 0,037 0,001 0,00 0,00 0,001 0,036 y33 1,50 y 35 1,53 y 73 1,44 y84 1,56 6,95 35,75 36,63 47,88 Sehngga dperoleh y 33 = 1,50; y 35 = 1,53; y 73 =1,44 dan y 84 = 1,56 Tabel 3.. Data hasl percobaan perkembangan embro dmana empat data hlang sudah destmas Blok Kadar glukosa dalam larutan (mg/ml) Total 0,5 1,0,0 4,0 8.0 I 0,88 1,15 1,33 1,39 1,57 6,3 II 1,06 1, 1,63 1,54 1,37 6,8 III 0,97 1,34 1,50 * 1,66 1,33 * 7,00 IV 1,09 1,1 1,16 1,50 1,48 6,44 V 1,14 1,37 1,58 1,5 1,44 7,05 VI 1,13 1,33 1,65 1,57 1,47 7,15 VII 1,00 1,1 1,44 * 1,45 1,5 6,6 VII 1,1 1,30 1,35 1,56 * 1,61 6,94 Total 8,39 10,1311,641,19 11,99 48,31 Catatan: data dengan tanda (*) merupakan hasl estmas data hlang Untuk analss selanutnya penduga data hlang dletakkan d sel yang kosong sepert pada Tabel 3.. kemudan danalss dengan menggunakan analss varans alternatve, Wdharsh [7] Selanutnya adalah melakukan analss varans alternatve sepert delaskan pada bagan.4. dengan langkah-langkah sepert berkut : Prosdng Semnar Nasonal Matematka dan Penddkan Matematka UMS 015 690

1. Dar Table 3.1. dengan terdapat data hlang dan menggunakan persamaan (.13) dperoleh umlah kuadrat total bntang yatu JKT * = 1,568 kemudan dengan menggunakan persamaan (.14) dperoleh umlah kuadrat blok bntang yatu : JKB * = 0,119. Dar Tabel 3.. dmana sel table sudah dlengkap dengan hasl estmas data hlang sepert pada Table 3.. maka dengan menggunakan persamaan (.15) maka dperoleh umlah kuadrat error yatu JKE = 1,1876. Dar hasl perhtungan dapat dsusun dalam table Anava berkut n, Tabel 3.3. Anava Alternatf Sumber Deraat Jumlah Kuadrat F htung F tabel Varas bebas Kuadrat Tengah Blok mengabakan 7 0,119 0,0170 1,5596,4 perlakuan Perlakuan 4 1,1876 0,969 7,385,78 terkoreks Error 4 0,614 0,0109 Total 35 Berdasarkan analss varan dengan α=5% dperoleh hasl penguan hpotess bahwa untuk u pengaruh blok ternyata tdak ada pengaruh dar Blok, sedangkan untuk u pengaruh perlakuan ternyata ada pengaruh perlakuan terhadap perkembangan embro. Prosdng Semnar Nasonal Matematka dan Penddkan Matematka UMS 015 691

IV. Smpulan 4.1. Smpulan Dar hasl perhtungan, analss dan pembahasan dapat dsmpulkan, 1. Dalam rancangan blok acak lengkap apabla terdapat data hlang maka akan mempengaruh hasl analssnya karena akan menghlangkan kesembangan rancangan tersebut dan menad tdak orthogonal, oleh karena tu data hlang harus destmas dulu dengan menggunakan metode Bggers dmana penduga atau estmator dperoleh dengan memnmumkan umlah kuadrat error, untuk analssnya dgunakan Analss Varans Alternatf. Hasl analss varans alternatve untuk perkembangan embro pada meda yang dberkan kadar glukosa yang berbeda ternyata kadar glukosa pada meda berpengaruh terhadap perkembangan embro.. Prosdng Semnar Nasonal Matematka dan Penddkan Matematka UMS 015 69

V. Daftar Pustaka 1. Bggers, J.D. (1959) The Estmaton of Mssng and Mxed-up Observaton n several Expermental Desgn. Bometrka Vol. 46 no 1/ pp. 91-105. Box, G. P., Hunter, W. G., and Hunter J. S., (1978) Statstcal for Expermenters, New York, John Wley. 3. Hnkelmann, K. And Kempthorne (1994) Desgn and Analyss of Experment, New York, John Wley. 4. Lehmann E., (1986) Testng Statstca1.l Hypothess, New York, John Wley. 5. Montgomery, Douglas C., (009) Desgn and Analyss of Experment 5 th ed. New York, John Wley. 6. Subramany, J. (199)Analyss of Means for Ekspermental Desgn wth Mssng Obsevaton. Commun. Statst-Theory Meth., 1(7), 045-057. Taml Nadu, Inda 7. Wdharsh, Tatk. (009) Estmas Mssng Data pada Rancangan Acak Kelompok Lengkap. Prosdng Semnar Nasonal Matematka dan Penddkan Matematka UMS 015 693