Rancangan Acak Lengkap (RAL)_Tugas Praktikum

6.1 Studi Kasus

Menjelang pelaksanaan kegiatan pendataan, sebuah tim ingin mengevaluasi metode pelatihan yang efektif untuk meningkatkan kesiapan petugas lapangan.

Tim tersebut mempertimbangkan empat metode pelatihan:

• Metode A: pembelajaran melalui pemaparan materi di kelas;

• Metode B: pembelajaran menggunakan modul secara mandiri;

• Metode C: pembelajaran berbasis video dan demonstrasi;

• Metode D: pembelajaran melalui simulasi dan praktik langsung.

Sebanyak 20 petugas dengan karakteristik yang dianggap relatif homogen dilibatkan dalam percobaan. Petugas kemudian dialokasikan secara acak ke dalam empat metode pelatihan, sehingga setiap metode diterapkan kepada 5 petugas.

Setelah menyelesaikan pelatihan, setiap petugas diminta melakukan satu simulasi wawancara menggunakan kuesioner dan prosedur yang sama. Kondisi pelaksanaan simulasi dibuat relatif seragam untuk seluruh petugas.

Respons yang diamati adalah waktu yang diperlukan setiap petugas untuk menyelesaikan simulasi wawancara, dalam satuan menit.

Diperoleh data sebagai berikut:

Ulangan	Metode A	Metode B	Metode C	Metode D
1	42	38	35	31
2	40	37	33	30
3	43	39	34	32
4	41	36	32	29
5	44	38	35	31

Tim ingin mengetahui apakah rataan waktu penyelesaian simulasi wawancara berbeda di antara keempat metode pelatihan tersebut.

Gunakan taraf nyata 𝛼=0,05.

6.1 Pembahasan

#1. Identifikasi Elemen Percobaan

• Faktor yang diteliti: Metode pelatihan petugas lapangan.

• Taraf dari faktor: 4 taraf, yaitu:

  • Metode A (Pemaparan materi di kelas)
  • Metode B (Modul mandiri)
  • Metode C (Video dan demonstrasi)
  • Metode D (Simulasi dan praktik langsung)

• Perlakuan: Penerapan masing-masing metode pelatihan kepada petugas lapangan (Metode A, Metode B, Metode C, dan Metode D).

• Unit percobaan: Setiap petugas lapangan yang mengikuti pelatihan dan melakukan simulasi wawancara.

• Variabel respons: Waktu yang diperlukan setiap petugas untuk menyelesaikan simulasi wawancara (dalam satuan menit).

• Jumlah ulangan: 5 ulangan per perlakuan (r = 5).

• Jumlah seluruh unit percobaan: \(4 \times 5 = 20\) orang petugas lapangan (\(N = 20\)).

#2. Alasan Rancangan Acak Lengkap (RAL) Dapat Digunakan

• RAL sesuai digunakan karena:

  1. Homogenitas unit percobaan: Pada studi kasus dinyatakan bahwa 20 petugas yang dilibatkan memiliki karakteristik yang dianggap relatif homogen sebelum perlakuan diberikan.

  2. Keseragaman kondisi lingkungan: Kondisi pelaksanaan simulasi wawancara dibuat relatif seragam untuk seluruh petugas, sehingga tidak ada faktor gradien lingkungan atau keragaman lain yang perlu dikendalikan melalui pengelompokan (blocking).

  3. Pengalokasian acak penuh: Petugas dialokasikan secara acak langsung ke dalam empat metode pelatihan tanpa pembatasan kelompok.

#3. Susunan Data dalam Long Format di R

# Membuat data frame dalam format long
data_percobaan <- data.frame(
  petugas = 1:20,
  metode = factor(rep(c("A", "B", "C", "D"), each = 5)),
  ulangan = rep(1:5, times = 4),
  waktu = c(
    42, 40, 43, 41, 44,  # Metode A
    38, 37, 39, 36, 38,  # Metode B
    35, 33, 34, 32, 35,  # Metode C
    31, 30, 32, 29, 31   # Metode D
  )
)

# Memeriksa struktur data
str(data_percobaan)

'data.frame':   20 obs. of  4 variables:
 $ petugas: int  1 2 3 4 5 6 7 8 9 10 ...
 $ metode : Factor w/ 4 levels "A","B","C","D": 1 1 1 1 1 2 2 2 2 2 ...
 $ ulangan: int  1 2 3 4 5 1 2 3 4 5 ...
 $ waktu  : num  42 40 43 41 44 38 37 39 36 38 ...

head(data_percobaan, 10)

#4. Hipotesis yang Diuji

Hipotesis Statistik:

• \[H_0: \mu_A = \mu_B = \mu_C = \mu_D\]
  (Tidak ada perbedaan rataan waktu penyelesaian simulasi wawancara di antara keempat metode pelatihan).

• \[H_1: \text{Minimal ada satu pasang } (i, j) \text{ di mana } \mu_i \neq \mu_j \quad (i \neq j)\]

  (Minimal ada satu metode pelatihan yang menghasilkan rataan waktu penyelesaian simulasi wawancara yang berbeda).

#5. Analisis Ragam RAL Menggunakan aov() dan summary()

# Menjalankan model ANOVA RAL
model_ral <- aov(waktu ~ metode, data = data_percobaan)

# Menampilkan tabel ANOVA
summary(model_ral)

            Df Sum Sq Mean Sq F value   Pr(>F)    
metode       3  362.8   120.9   71.14 1.81e-09 ***
Residuals   16   27.2     1.7                     
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

#6. Identifikasi Output R

• Derajat bebas perlakuan (\(\text{Df}_{\text{metode}}\)): \(3\)

• Derajat bebas galat (\(\text{Df}_{\text{Residuals}}\)): \(16\)

• Jumlah kuadrat perlakuan (\(\text{Sum Sq}_{\text{metode}}\)): \(362{,}8\)

• Jumlah kuadrat galat (\(\text{Sum Sq}_{\text{Residuals}}\)): \(27{,}2\)

• Kuadrat tengah perlakuan (\(\text{Mean Sq}_{\text{metode}}\)): \(120{,}93\) (atau \(120{,}933\))

• Kuadrat tengah galat (\(\text{Mean Sq}_{\text{Residuals}}\)): \(1{,}70\)

• Nilai F-hitung: \(71{,}14\)

• \(p\text{-value}\): \(1{,}13 \times 10^{-9}\) (atau \(< 0{,}001\))

#7. Keputusan Pengujian dan Alasannya

• Nilai Kritis: \(F_{\text{tabel}(0{,}05;\, 3,\, 16)} = 3{,}24\)

• Keputusan: Tolak \(H_0\)

• Alasan:

  • Berdasarkan F-hitung: \(F_{\text{hitung}} = 71{,}14 > F_{\text{tabel}} = 3{,}24\).

  • Berdasarkan \(p\text{-value}\): \(p\text{-value} = 1{,}13 \times 10^{-9} < \alpha = 0{,}05\).

#8. Interpretasi Hasil Analisis

Pada taraf nyata 5% (\(\alpha = 0{,}05\)), terdapat cukup bukti statistik untuk menyatakan bahwa metode pelatihan memberikan pengaruh yang signifikan terhadap rataan waktu penyelesaian simulasi wawancara petugas lapangan.

Secara deskriptif:

• Metode D (simulasi & praktik langsung) menghasilkan rataan waktu tercepat (\(30{,}6\) menit).

• Metode C menghasilkan rataan \(33{,}8\) menit.

• Metode B menghasilkan rataan \(37{,}6\) menit.

• Metode A (pemaparan kelas) membutuhkan waktu paling lama (\(42{,}0\) menit).

#9. Apakah Sudah Dapat Diketahui Metode Mana yang Berbeda?

Belum dapat dipastikan secara statistik antar-pasangan mana saja yang berbeda signifikan.

Penjelasan:

• Uji F pada tabel ANOVA bersifat uji simultan / uji serentak (omnibus test). Uji ini hanya menunjukkan bahwa minimal ada satu pasang metode yang berbeda, namun tidak memberikan informasi spesifik mengenai pasangan metode mana saja yang berbeda nyata (misalnya apakah Metode A berbeda signifikan dengan B, atau C dengan D).

• Untuk mengetahui perbandingan spesifik antar-metode, perlu dilakukan uji perbandingan berganda / uji lanjut (post-hoc test), seperti uji Tukey HSD.