Desain Acak Sederhana dengan Subsamping

Desain Acak Sederhana (Completely Randomized Design CRD) adalah salah satu rancangan percobaan yang paling fundamental dalam statistik. Pada CRD, semua unit percobaan (misalnya tanaman, hewan, atau sampel laboratorium) dipilih secara acak dan dibagi ke dalam beberapa perlakuan. Ketika eksperimen melibatkan pengukuran berulang pada setiap unit, misalnya mengukur berat buah pada tiga pohon yang sama atau menghitung kandungan protein pada tiga sampel tanah dari satu lokasi, maka diperlukan teknik subsamping (subsampling) untuk mengatasi variasi dalam masingmasing unit percobaan.

1. Pengertian Subsamping

Subsamping berarti mengambil beberapa pengukuran (atau sampel) dari satu unit percobaan utama. Contoh umum meliputi:

• Menilai kualitas buah pada 5 buah yang diambil dari masingmasing pohon.
• Mengukur kadar nutrisi pada tiga lembar daun yang diambil dari satu tanaman.
• Mengambil tiga potong tanah dari satu plot tanah untuk analisis kimia.

Dengan cara ini, kita dapat memisahkan variasi yang berasal dari unit utama (antaraunit) dan variasi yang berasal dari pengukuran berulang pada unit yang sama (dalamunit).

2. Tujuan Menggunakan CRD dengan Subsamping

Penggunaan subsamping pada CRD memiliki beberapa tujuan utama:

• Meningkatkan presisi estimasi Pengukuran berulang mengurangi standar error ratarata perlakuan.
• Mengidentifikasi sumber variabilitas Memungkinkan pemisahan varians antarunit dengan varians dalamunit.
• Mengoptimalkan biaya Terkadang lebih murah menambah pengukuran berulang ketimbang menambah jumlah unit percobaan.

3. Asumsi Dasar CRD dengan Subsamping

Seperti CRD pada umumnya, rancangan ini mengasumsikan:

• Setiap unit percobaan bersifat independen dan dipilih secara acak.
• Varians antarunit (antaratreatment) konstan (homogenitas varians).
• Distribusi residual (galat) normal.

Tambahan khusus untuk subsamping:

• Varians dalamunit (antarsubsample) juga konstan untuk semua unit.
• Subsample diambil secara acak dari unit utama.

4. LangkahLangkah Pelaksanaan

1. Menentukan faktor perlakuan Misalnya konsentrasi pupuk (A, B, C).
2. Menentukan jumlah unit utama Misalnya 5 tanaman per perlakuan.
3. Menentukan jumlah subsample per unit Misalnya 3 buah per tanaman.
4. Melakukan randomisasi Alokasikan perlakuan secara acak ke unit utama.
5. Pengambilan subsample Dari tiap unit utama, ambil subsample secara acak.
6. Pengukuran Catat nilai pada setiap subsample.
7. Analisis data Gunakan ANOVA yang memperhitungkan struktur hierarki (antaraunit & dalamunit).

5. Model Statistik

Model umum untuk CRD dengan subsamping dapat dituliskan sebagai:

Y_ijk = + _i + _ij + _ijk

di mana:

• Y_ijk = nilai pengukuran kek pada subsample kej dalam unit utama kei.
• = ratarata keseluruhan.
• _i = efek perlakuan i.
• _ij = efek unit utama j pada perlakuan i (variabel acak, diasumsikan N(0,)).
• _ijk = galat pengukuran individu (N(0,)).

Variansi total = + . Analisis ANOVA memisahkan kedua komponen ini.

6. Contoh Tabel Data

Perlakuan ()	Unit ()	Subsample 1	Subsample 2	Subsample 3
A	1	12.3	11.8	12.1
	2	13.0	12.5	12.8
	3	11.7	12.0	11.9
	4	12.6	12.2	12.4
	5	13.2	13.0	12.9
B	1	14.1	13.8	14.0
	2	13.9	14.2	14.1
	3	14.5	14.3	14.4
	4	13.7	13.9	14.0
	5	14.2	14.1	14.3
C	1	15.0	15.2	15.1
	2	14.8	15.0	14.9
	3	15.3	15.4	15.2
	4	15.1	15.0	15.2
	5	14.9	15.1	15.0

7. Analisis ANOVA

Untuk menghitung ANOVA, pertamatama cari ratarata tiap perlakuan, tiap unit, dan total. Nilai F untuk treatment diukur dengan:

F = MS_treatment / MS_error

di mana MS_error merupakan gabungan variansi dalamunit () dan variansi antarunit () yang dihitung dari Mean Square Residual.

Jika nilai F melebihi nilai kritis pada = 0,05, maka terdapat perbedaan signifikan antara perlakuan.

8. Kelebihan CRD dengan Subsamping

• Sederhana Tidak memerlukan blok atau struktur eksperimental yang rumit.
• Efisien secara biaya Menambah subsample biasanya lebih murah daripada menambah unit utama.
• Memperbaiki akurasi Mengurangi standar error ratarata perlakuan.
• Fleksibel Dapat diterapkan pada banyak bidang: pertanian, industri, laboratorium.

9. Keterbatasan

• Asumsi homogenitas varians harus dipenuhi; pelanggaran dapat menyebabkan hasil bias.
• Jika variansi dalamunit sangat besar, menambah subsample tidak meningkatkan presisi secara signifikan.
• Ketergantungan spasial atau temporal pada unit utama tidak terakomodasi (berbeda dengan rancangan blok).

10. Cara Mengatasi Masalah

Jika asumsi tidak terpenuhi, pertimbangkan transformasi data (log, akar kuadrat) atau gunakan model campuran (mixedeffects model) yang memperlakukan efek unit utama sebagai faktor acak. Selain itu, melakukan uji homogenitas (Levene atau Bartlett) sebelum analisis dapat membantu mengidentifikasi varians yang tidak seragam.

11. Kesimpulan

Desain Acak Sederhana dengan subsamping merupakan alat yang kuat untuk menilai efek perlakuan ketika masingmasing unit percobaan dapat diukur berulang kali. Dengan memisahkan sumber variabilitas menjadi antaraunit dan dalamunit, peneliti dapat memperoleh estimasi yang lebih akurat, mengoptimalkan sumber daya, serta menyampaikan hasil yang dapat dipertanggungjawabkan secara statistik. Kunci keberhasilan terletak pada perencanaan yang baik, pemenuhan asumsi, dan analisis yang tepat, baik melalui ANOVA klasik maupun model campuran modern.