banner ad

Analisis Statistika dg SPSS pada Pertanian

Analisis Statitistik menggunakan SPPS pada Penelitian
Ilmu-Ilmu Pertanian
Ir. Saiful Bahri, M.Kom

Proyek GERHAN

Proyek GERHAN 2007/2008


A. Pengantar
Ilmu statistik dalam penerapannya berperan dalam metodologi penelitian. Namun sering, para peneliti khususnya mahasiswa baik strata S1, S2 seringkali mengabaikan kaidah kaidah statistika sehingga ‘terepotkan’ oleh statistika.
Statistika sebagai salah satu alat, ‘tool’ untuk membantu peneliti memecahkan permasalahannya acapkali hanya digunakan sebagai pelengkap penderita oleh banyak peneliti. Peran statistika menjadi terabaikan.
Peranan statistika tidak akan merepotkan para peneliti kalau kaidah kaidah statistika diikuti dengan baik dan benar dalam metodologi penelitian. Oleh karena itu, peran para ahli statistika dalam penyusunan proposal penelitian perlu dipertimbangkan dengan baik oleh para peneliti. Walaupun hanya sekedar alat dalam penelitian, apa jadinya andaikan kaidah statistika tidak ‘pas’ diterapkan, hal ini akan berakibat cukup serius dalam pengambilan keputusan dalam penelitian. Yang sering terjadi, ‘alat’nya yang dicari-cari agar ‘pas’ dengan maksud dan tujuan peneliti dan memuaskan seperti apa yang peneliti bayangkan sebelumnya atau hasil penelitian sesuai dengan pesanan. Belum lagi, para peneliti tidak memahami makna ‘alat’ yang digunakan. Sungguh telah terjadi ‘pelacuran’ karya ilmiah.
Demikian juga yang terjadi pada penelitian di bidang ilmu pertanian. Pada umumnya dalam penelitian penelitian pertanian menggunakan percobaan. Dalam percobaan, terdapat dua perancangan, yaitu perancangan perlakuan, dan perancangan lingkungan. Perancangan perlakuan berkaitan pengaturan, penyusunan macam, jenis dan aras perlakuan yang menjadi topik penelitian dan berkaitan dengan maksud serta tujuan penelitian. Hal ini penting dilakukan agar penentuan hipotesis penelitian dilakukan dengan benar, sehingga maksud dan tujuan penelitian dicapai dengan baik dan benar. Sedangkan perancangan lingkungan berkaitan penyusunan, pengaturan dan penempatan satuan percobaan seperti perlakuan dan ulangan pada tempat atau lingkungan yang sedemikian rupa sehingga pengaruh lingkungan mendekati nol terhadap perlakuan. Perancangan percobaan yang umum meliputi perancangan Rancangan Acak Lengkap, Rancangan Acak Kelompok Lengkap, dan Rancangan Bujur Sangkar Latin.
Untuk mengembangkan ilmu pertanian, tidak hanya berkutat penelitian dengan percobaan seperti diatas, namun masih banyak uji statistik lainnya yang dapat diterapkan. Pemahaman tentang uji statistik sangat penting dimiliki oleh para peneliti, sedangkan penyelesaian prosedurnya bisa minta bantuan pada mesin hitung atau komputer. Dalam makalah ini, penulis akan menyajikan berbagai uji statistik yang umum digunakan dalam penelitian pertanian dengan menggunakan bantuan perangkat lunak komputer SPSS.

B. Macam Statistik Uji
Macam uji yang sering digunakan dalam penelitian ilmu-ilmu pertanian dapat meliputi :
1. Uji hipotesis bahwa nilai tengah populasi sama dengan sebuah nilai tertentu
2. Uji hipotesis bahwa dua nilai tengah contoh, contoh acak, ragam sama
3. Uji hipotesis bahwa dua nilai tengah contoh, contoh acak, ragam tidak sama
4. Uji hipotesis bahwa nilai tengah contoh pada pengamatan berpasangan
Disamping uji hipotesis diatas, terdapat statistik uji untuk pembandingan antar perlakuan pada percobaan lapang yang menggunakan model aditif linear seperti rancangan acak lengkap, rancangan acak kelompok lengkap, rancangan petak terbagi dan lain-lain. Statistik Uji pembandingan antar perlakuan pada model tersebut terdiri dari :
1. Least Significant Difference
2. Duncan Multiple Range
3. Scheffe
4. Tukey
5. Student-Newman-Keul
6. Waller Duncan, dan lain-lain
Sedangkan untuk menguji sebuah hipotesis, ada 4 hal yang harus diperhatikan, yaitu
1. Kita harus membayangkan populasi secara jelas dan memformulasikan sebuah hipotesis sesuai dengan tujuan kita. Hipotesis ini disebut hipotesis nol (Ho).
2. Tentukan sebuah peluang α dengan mendasarkan pada seriusnya kesalahan akibatnya menolak Ho padahal Ho benar.
3. Hitunglah statistik uji berdasarkan nilai-nilai pengamatan contoh, dan tentukan peluang berdasarkan faktor kebetulan belaka untuk memperoleh sebuah nilai yang lebih ekstrem dari yang teramati.
4. Bila peluang pada langkah 3 dapat diinterprestasikan sedemikian sehingga faktor kebetulan itu tidak dapat menjelaskan hasil-hasil itu, maka dapat disimpulkan bahwa hipotesis nol tidak benar dan oleh itu ditolak.
Dalam banyak percobaan lapang, taraf nyata 5% dan 1% biasa dipergunakan, bila nilai kriteria uji yang lebih ekstrem dapat terjadi dengan peluang kurang dari 1% bila hipotesis nol benar, maka perbedaannya dikatakan sangat nyata (highly significant), sedangkan bila nilai kriteria uji yang lebih ekstrem dapat terjadi dengan peluang kurang dari 5 % tetapi tidak kurang dari 1% bila hipotesis nol benar, maka perbedaannya dikatakan nyata (significant).

Pada hakekatnya, macam statistik uji tersebut merupakan uji hipotesis terhadap populasi maupun contoh. Oleh karena itu, pemahaman terdapat hipotesis dan penentuan kriteria statistik uji, serta interprestasinya harus dipahami secara baik dan benar agar tidak keliru dalam mengambil suatu keputusan terhadap hasil penelitian.
Kini, di era konvergensi teknologi informasi dan komunikasi, perhitungan uji statistik tersedia banyak perangkat lunak dengan berbagai fiturnya, diantaranya SPSS dengan berbagai versi, SAS, Matlab, dan sebagainya. Untuk memberikan gambaran yang gamblang, dan mudah dilakukan perhitungan, penulis akan memberikan uraian perhitungan uji statistik dengan SPSS versi 10. Menurut penulis, SPPS mulai versi 6 hingga 12 dan seterusnya dapat digunakan untuk menangani perhitungan uji statistik di bidang pertanian atau sejenisnya.
Dengan SPPS, macam uji statistik tersebut dengan mudah serta cepat dilakukan, namun demikian dasar dasar pemahaman tentang uji statistik tesebut harus dipahami dengan benar agar tidak keliru dan salah kaprah dalam penerapan dan pengambilan kesimpulan dan interprestasinya.

C. Analisis Statistik: uji t, contoh dan prosedur
Dalam ilmu statistika terdapat empat macam uji statistik t, yaitu
1. Uji hipotesis bahwa dua nilai tengah contoh, contoh acak, ragam sama
2. Uji hipotesis bahwa dua nilai tengah contoh, contoh acak, ragam tidak sama
3. Uji hipotesis bahwa nilai tengah contoh pada pengamatan berpasangan
4. Uji hipotesis bahwa nilai tengah populasi sama dengan sebuah nilai tertentu

Sedangkan SPSS menyediakan uji t untuk dua sample (independent), berpasangan (paired), dan satu sample. Untuk menguji uji t dengan ragam sama dan ragam tidak sama digunakan uji t dua sample independent. Untuk contoh data dalam uraian ini diperoleh dari buku Principles and Procedures of Statistics 1980 oleh Robert G.D. Steel James H Torrie. (1980).

1. Uji t untuk dua sample independent : ragam sama

Rumus uji t dengan ragam sama (pooled variance for t test)
x1 – x2
– t =
{sp2 { 1/n + 1/n}}1/2

Contoh Pertambahan bobot anak sapi Holstein (Torrie, 1980)
1. Contoh data
Sebanyak 28 ekor sapi Holstein, dikelompokkan atas dua, yaitu kelompok pertama sebanyak 14 ekor sapi diperlakukan dengan vitamin A, sedangkan kelompok kedua tidak diperlakukan dengan vitamin A sebagai kontrol. Untuk mengetahui perbedaan berat sapi antara 14 ekor sapi diberi perlakuan vitamin A dengan 14 ekor sapi tanpa vitamin A digunakan uji statistik t dengan 2 sample independent. Data pertambahan berat sapi yang diperlakukan dengan vitamin A disajikan pada Tabel 1 :
Tabel 1. Pertambahan berat sapi Holstein akibat pemberian vitamin A

Kelompok Nomor Kelompok Berat sapi(lb)
1. Kontrol 1 1 175
2 1 132
3 1 218
4 1 151
5 1 200
6 1 219
7 1 234
8 1 149
9 1 187
10 1 123
11 1 248
12 1 206
13 1 179
14 1 206
2.Vitamin A 1 2 142
2 2 311
3 2 337
4 2 262
5 2 302
6 2 195
7 2 253
8 2 199
9 2 236
10 2 216
11 2 211
12 2 176
13 2 249
14 2 214

2. Hasil Analisis dengan uji t : dua sample independent
Hasil analisis terhadap Tabel 1 dengan bantuan SPPS diperoleh sebagai berikut :

Pada Group statistics diperoleh bahwa Kelompok Kontrol sebanyak 14 ekor sapi dengan rerata 187,64 lb, standar deviasi 38,10 dan galat baku reratanya 10,18, demikian juga untuk kelompok sapi yang diberi vitamin A : terdapat 14 ekor, rerata 235,93 lb, standar deviasi 54,29 dan galat baku reratanya 14,51.

Hasil statistik uji nya sebagai berikut :

Uji Levene digunakan untuk uji kesamaan varians (Equality of variance), digunakan jika kelompok kelompok atau sample itu berbeda. Hipotesis nullnya adalah bahwa varians dua populasi adalah sama. Jika level signifikansi yang teramati untuk uji ini adalah lebih besar dari 0.10, maka yang diterapkan adalah asumsi ragam sama (Equal variance assumsed). Dalam hal ini, yang dipergunakan adalah baris pertama bagi uji t (t test for equality of means)

Pada Independent Samples Test diatas, terdapat dua asumsi varians, yaitu Equal variance assumsed, dan not assumses. maka yang digunakan adalah pada baris Equal variance assumsed, (karena sig Levene testnya lebih besar 10%) hal ini sesuai dengan anggapan bahwa sample sapi sebanyak 28 ekor berasal dari populasi yang sama, yaitu signifikansi uji Levene lebih besar dari 0.05 (sebesar 0,258)

Nilai dugaan bagi ∂2 pada derajat bebas 26 adalah sy1-y2 = 17,73 lb, dan nilai kritis bagi uji t sebesar -2,73 sedangkan signifikansi pada 2 ekor (sig 2 tailed) sebesar 0.11 sehingga Hipotesis yang mengatakan terdapat perbedaan antara kelompok sapi yang diberi vitamin A dan kelompok kontrol diterima.
Sedangkan untuk selang kepercayaan 95% adalah Y2 – Y1 ± t 0.025 sy adalah -84,72 hingga -11.85.

2. Uji t untuk dua sample independent : ragam tidak sama (separate variance)
Dua populasi dengan varians tidak sama (∂1 ≠ ∂2) ditarik masing-masing sebuah sampel dan akan diuji hipotesis bahwa µ1 = µ2 dengan menggunakan nilai-dugaan bai kedua varians tersebut.

1. Contoh Data :
Terdapat dua kelompok jenis lahan, yaitu lahan subur dan lahan tandus, dari setiap lahan tersebut diambil sample sebanyak 7 buah untuk ukuran kerikil halusnya, data kerikil halus dan kasar disajikan pada Tabel 2.

Tabel 2. Kerikil halus dalam tanah permukaan (Torrie, 1980)

Nomor Kelompok Hasil
Kelompok Lahan Subur 1 1 5.9
2 1 3.8
3 1 6.5
4 1 18.3
5 1 18.2
6 1 16.1
7 1 7.6

Lahan Tandus 1 2 7.6
2 2 0.4
3 2 1.1
4 2 3.2
5 2 6.5
6 2 4.1
7 2 4.7

2. Hasil Analisis : uji t ragam tidak sama
Hasil analisis terhadap Tabel 2 dengan bantuan SPSS diperoleh hasil sebagai berikut :

Pada Group statistics diatas diperoleh bahwa Kelompok Lahan Subur sebanyak 7 sampel dengan rerata 110,914, standar deviasi 6,334 dan galat baku reratanya 2,394, demikian juga untuk kelompok Lahan tidak subur : terdapat 7 sampel, rerata 3,943, standar deviasi 2,636 dan galat baku reratanya 0,996.

Uji Levene digunakan untuk uji kesamaan varians (Equality of variance), digunakan jika kelompok kelompok atau sample itu berbeda. Hipotesis nullnya adalah bahwa varians dua populasi adalah sama. Jika level signifikansi yang teramati untuk uji ini adalah lebih besar dari 0.10, maka yang diterapkan adalah asumsi ragam sama (Equal variance assumsed). Dalam hal ini, yang dipergunakan adalah baris kedua bagi uji t (t test for equality of means)

Pada Independent Samples Test diatas, terdapat dua asumsi varians, yaitu Equal variance assumsed, dan not assumses. maka yang digunakan adalah pada baris Equal variance NOT assumsed, (karena sig Levene testnya kurang dari 10%) hal ini sesuai dengan anggapan bahwa sample kerikil halus dan kasar sebanyak 7 berasal dari populasi yang tidak sama.
Nilai dugaan bagi ∂2 pada derajat bebas 2,688 adalah sy1-y2 = 2,593b, dan nilai kritis bagi uji t sebesar 2,688 sedangkan signifikansi pada 2 ekor (sig 2 tailed) sebesar 0.28 sehingga Hipotesis yang mengatakan terdapat perbedaan antara kelompok kerikil halus dan kasar diterima. Sedangkan untuk selang kepercayaan 95% adalah Y2 – Y1 ± t 0.025 sy adalah 0.994 hingga 12,949.

3. Uji hipotesis bahwa nilai tengah contoh pada pengamatan berpasangan
Pada pengamatan berpasangan, pemasangan antar sampel atau unit dilakukan sebelum percobaan dimulai berdasarkanharapan bila tidak ada pengaruh perlakuan maka kedua kelompok memberikan respon yang sama, dan menghilangkan sumber varians dari luar, sehingga perhitungan nilai kritiknya didasarkan pada varians beda antar kelompok bukan pada ragam diantara individu dalam setiap sampel.

1. Contoh data
(1). Seorang peneliti mempelajari pengaruh pencahayaan pada suatu tanaman bunga Lucerne pada kondisi lingkungan yang berbeda. Peneliti mengambil 10 tanaman yang segar dengan bunga bunga yang tersinari tanpa halangan dibagian atas dan bunga bunga yang tersembunyi dibagian bawahnya. Kemudian, data banyaknya biji pada setiap lokasi dikumpulkan.
(2). Untuk mengetahui konsentrasi gula dalam nektar red clover yang disimpan pada dua tekanan yang berbeda (4,4 mmHg dan 9,9 mmHg) selama 8 jam. Data konsentrasi gula disajikan pada Tabel 3.

Tabel 3. Kadar Gula rektar red clover (Torrie, 1980)

Nomor Sampel Tekanan 4.4 mmHg Tekanan 9.9 mmHg
1 62.5 51.7
2 65.2 54.2
3 67.6 53.3
4 69.9 57.0
5 69.4 56.4
6 70.1 61.5
7 67.8 57.2
8 67.0 56.2
9 68.5 58.4
10 62.4 55.8

2. Hasil analisis : uji t berpasangan ( paired observation)

Pada Tabel Paired Samples Test diperoleh bahwa pasangan data antara tekanan 4,4 mmHg dan 9,9 mmHg menghasilkan perbedaan rerata 10,870, stadart deviasi 2,224, dan nilai kristis uji t sebsar 15,458 pada derajat bebas 9 dengan signifikansi kurang dari 0,01. Hal ini menunjukkan bahwa terdapat perbedaan yang sangat signifikan antara kedua tekanan tersebut terhadap kadar gula.

4. Uji hipotesis bahwa nilai tengah populasi sama dengan sebuah nilai tertentu

Uji hipotesis nilai tengah populasi dengan nilai tertentu jarang dijumpai pada penelitian pertanian, walupun demikian, sebagai contoh, uji dapat digunakan untuk membandingkan hasil suatu pengukuran potensi hasil suatu variteas gandum yang di tanam di Karanganyar (sebagai varietas pendatang baru) dengan rata-rata potensi hasil dinegara asalnya (sebagai nilai hipotesis)

D. Sekilas tentang Perancangan Percobaan dan Uji Perbandingan
Pada umumnya, penelitian dibidang ilmu ilmu pertanian menggunakan ‘percobaan’ yang dikenal dengan Perancangan Percobaan. Dalam perancangan percobaan dibedakan atas perancangan lingkungan dan perancangan perlakuan. Perancangan lingkungan dimaksudkan untuk mengatur, menyusun dan menata petak-petak, plot-plot atau unit percobaan dalam satuan percoboaan sedemikian rupa sehingga faktor lingkungan selain perlakuan mempunyai pengaruh yang relatif sangat kecil terhadap pengaruh yang diamati dari pengaruh perlakuan itu sendiri. Untuk itu, dikenal dengan berbagai rancangan, yaitu Rancangan Acak Lengkap (Completely Randomized Design), Rancangan Acak Kelompok Lengkap (Completely Randomized Block Design), Rancangan Bujursangkar Latin (Latin Square Design), dan Rancangan Petak Terpisah (Split Plot Design) serta Rancangan Blok Terpisah (Strip Plot Design atau Split Block Design).
Rancangan tersebut secara matematis mengikuti model linear, dapat ditulis dengan persamaan matematis sebagai berikut
Rancangan Acak Lengkap :
Y = μ + ρ + εij
Rancangan Acak Kelompok Lengkap
Y = μ + β + ρ + εij
Rancangan Bujur Sangkar latin
Y = μ + β + κ + ρ + εij
Rancangan Acak Kelompok Lengkap Faktorial (a dan b)
Y = μ + β + αi+ νj + (αi) (νj) + εij
Rancangan Petak Terpisah (Split Plot Design)
Y = μ + β + αi+ мk+ νj + (αi) (νj) + εij
Rancangan Blok Terpisah (Strip Plot Design)
Y = μ + β + αi+ мk+ νj + γn + (αi) (νj) + εij

Keterangan :
Y : peubah yang diukur, misal hasil
μ : pengaruh rerata
ρ : pengaruh perlakuan
β : pengaruh ulangan/blok
κ : pengaruh ulangan/kolom
α : pengaruh perlakuan faktor a
ν : pengaruh perlakuan faktor b
εij : pengaruh error (galat)
мk : pengaruh galat main plot
γn : pengaruh galat sub main plot

Komponen komponen pada persamaan model linier tersebut adalah komponen pada sumber ragam dari analisis ragam (analysis of variance) rancangan tersebut. Dengan memahami model linier tersebut, dengan mudah dapat menyusun analisis ragam dari suatu perancangan dengan berbagai bantuan perangkat lunak komputer yang ada.
Perancangan perlakuan dimasudkan menyusun sedemikian rupa sehingga peubah-peubah (variable) yang mempengaruhi maupun peubah yang dipengaruhi (hasil atau produksi tanaman yang diamati/diukur) sesuai dengan tujuan penelitian (atas dasar hipotesis statistik yang disusun).
Pada perancangan perlakuan dikenal dengan percobaan yang hanya melibatkan satu jenis perlakuan dikenal dengan percobaan faktor tunggal, dan percobaan dengan melibatkan lebih dari satu perlakuan, dikenal dengan Percobaan Faktorial. Percobaan faktorial menekankan pada uji pengaruh interaksi antar faktor, yaitu perubahan satu faktor pada setiap level faktor yang lain, disamping itu, menguji pengaruh utamanya.
Pada hakekatnya, dalam perancangan tersebut, adalah menguji perbedaan antar perlakuan atau efek perlakuan terhadap peubah yang diamati.
Dalam uji perbandingan antar perlakuan adalah sebagai berikut :
a. Uji Perbandingan antar Perlakuan, uji ini diterapkan pada perlakuan yang bersifat kualitatif, seperti macam varietas
i. Uji dengan satu nilai kritis pembanding
ii. Uji dengan banyak nilai kritis pembanding (pairwise comparison)
iii. Uji kontras
b. Uji Regresi : uji polinomial, uji respon, uji ini diterapkan pada perlakuan yang bersifat kuantitatif seperti dosis pupuk N, jumlah benih, jarak baris, dan lain-lain.
SPSS menyediakan fasilitas apa yang disebut dengan General Linear Model, dengan uji perbandingan antar perlakuan yang dikenal dengan Post Hoc dan Contras. SPPS menyediakan beragam pilihan uji perbandingan perlakuan dengan asumsi ragam perlakuan sama, seperti uji Dunnet, LSD, Duncan, Tukey, maupun uji untuk perlakuan dengan ragam yang tidak sama.

E. Analisis Statistik: uji antar perlakuan pada percobaan faktor tunggal dengan Rancangan Acak Lengkap (RAL)

Model linier RAL adalah Y = μ + ρ + εij sehingga sumber ragam disusun sebagai berikut :

SUMBER RAGAM DERJAT
BEBAS JUMLAH KUADRAT KUADRAT
TENGAH Nilai F
Hitung
Perlakuan t-1
Galat r(t -1)
Total (terkoreksi) rt-1

Tabel analisis ragam tersebut membantu memudahkan untuk mengetahui nilai probabilita F dari pengaruh perlakuan dan mengetahui signifikansinya. Secara konvensional, signifikansi uji F, diperoleh dengan jalan mencari nilai F tabel 5% atau 1%, dan membandingkan nilai F hitung dengan nilai F dari tabel tersebut. Apabila nilai F hitung lebih kecil dari 5% (0.05) dikatakan pengaruh antar perlakuan terdapat perbedaan yang nyata, dan sebaliknya.
Setelah diperoleh nilai siginifkansi uji F, dilanjutkan dengan uji perbandingan antar perlakuan, misal apakah uji LSD, Duncan, Tukey, atau Regresi Polynomial. Dengan demikian, dapat diperoleh jawaban dari hipotesis statistik,

Contoh Data
1. Untuk mengetahui perbedaan antar macam insektisida foliar dan granular terhadap hasil gabah padi (kg/ha) dilakukan percobaan dengan RAL terdiri dari 4 ulangan dan 7 perlakuan insektisida.
2. Data berat gabah padi (kg/ha) (data diperoleh dari Gomez and Gomez, 1994)

PERLAKUAN Ulangan
1 2 3 4
Dolmix 1 kg 2537 2069 2104 1797
Dolimx 2 kg 3366 2591 2211 2544
DDT 2536 2459 2827 2385
Azodrin 2387 2453 1556 2116
Dimecron-Boom 1997 1679 1649 1859
Dimecron-Knap 1796 1704 1904 1320
Control 1401 1516 1270 1077

3. Analisis ragam berat gabah padi (secara konvensional)

SUMBER
KERAGAMAN DB J K K T F HITUNG F HITUNG
5% 1 %
PERLAKUAN 6 5.587.174 931.196 9.83** 2.57 3.81
GALAT PERCOBAAN 21 1.990.238 94.773
TOTAL 27 7.577.412

4. Analisis ragam berat gabah padi melalui SPPS

Berikut ini hasil analisis RAL dengan fasilitas General Linier Model dari SPSS :

Dari tabel test of between subjects effects diatas menunjukkan bahwa nilai F perlakuan sebesar 9,826 dengan siginifikansi kurang dari 0,01, menunjukkan bahwa hipotesis yang mengatakan bahwa terdapat perbedaan antar perlakuan insektisida diterima, artinya terdapat kemungkinan perbedaan yang (sangat) nyata antar perlakuan insektisida terhadap berat gabah padi.

5. Uji perbandingan antar perlakuan (post hoc)
Uji ini untuk menjawab tujuan penelitian atas dasar hipotesis yang disusun, yaitu membandingkan antar perlakuan insektisida foliar dan granular. Untuk keperluan ini, dapat dilakukan 3 macam uji, yaitu uji perlakuan terhadap kontrol (uji Dunnet), uji antar pasangan perlakuan (uji Duncan, uji Tukey), dan uji Contras.

a. Uji insektisida terhadap kontrol, menggunakan uji Dunnet

b. Uji antar perlakuan insektisida, menggunakan uji Duncan, atau Tukey

c. Uji antar perlakuan insekstisida foliar dan granular, menggunakan Contras

Analisis ragam Contras menghasilkan sebagai berikut :

Nampak bahwa nilai F contras tersebut adalah sama dengan analisis ragam RAL. Hal ini karena Contras yang dibentuk merupakan komponen dari Perlakuan, yaitu sebanyak 6 komponen (L1, L2, L3, L4, L5, dan L6).
Adapun rincian Contras sebagai berikut :
Contras Perlakuan Keterangan
T1 T2 T3 T4 T5 T6 T 7
L1 1 1 1 1 1 1 -6 Kontrol dengan yang lain
L2 1 1 1 1 -2 -2 0 Insect. Cair dan padat
L3 1 1 -1 -1 0 0 0 Dolmix dan DDT Azodrin
L4 1 -1 0 0 0 0 0 Antar Dolmix
L5 0 0 1 -1 0 0 0 Antar DDT & Azodrin
L6 0 0 0 0 1 -1 0 Antar Dimecron

F. Analisis Statistik: uji antar perlakuan pada RAKL
Model linier Rancangan Acak Kelompok Lengkap Faktorial (a dan b)
Y = μ + β + αi+ νj + (αi) (νj) + εij, sehingga sumber ragam disusun sebagai berikut :

SUMBER RAGAM DERJAT
BEBAS JUMLAH KUADRAT KUADRAT
TENGAH Nilai F
Hitung
Blok r-1
Faktor A a-1
Faktor B b-1
A x B (a-1)(b-1)
Galat Percobaan (r-1)(t-1)
Total (terkoreksi) rt-1

Tabel analisis ragam tersebut membantu memudahkan untuk mengetahui nilai probabilita F dari pengaruh faktor A, B dan interaksi AxB, dan mengetahui signifikansinya. Secara konvensional, signifikansi uji F, diperoleh dengan jalan mencari nilai F tabel 5% atau 1%, dan membandingkan nilai F hitung dengan nilai F dari tabel tersebut. Apabila nilai F hitung lebih kecil dari 5% (0.05) dikatakan pengaruh antar perlakuan terdapat perbedaan yang nyata, dan sebaliknya.
Setelah diperoleh nilai siginifkansi uji F, dilanjutkan dengan uji perbandingan antar perlakuan, misal apakah uji LSD, Duncan, Tukey, atau Regresi Polynomial. Dengan demikian, dapat diperoleh jawaban dari hipotesis statistik,

Contoh Data
1. Untuk mengetahui pengaruh laju dosis pupuk N (0, 40, 70, 100, 130 kg/ha) pada berbagai macam Varietas padi terhadap hasil gabah padi (kg/ha) dilakukan percobaan dengan RAKL terdiri dari 4 ulangan..
2. Data berat gabah padi (kg/ha) (data diperoleh dari Gomez and Gomez, 1994)
Perlakuan Blok
Varietas Nitrogen 1 2 3 4
V1 0 3.852 2.606 3.344 2.894
40 4.788 4.936 4.562 4.608
70 4.576 4.454 4.884 3.924
100 6.034 5.276 5.906 5.652
130 5.874 5.916 5.984 5.518

V2 0 2.846 3.794 4.108 3.444
40 4.956 5.128 4.150 4.990
70 5.928 5.698 5.810 4.308
100 5.664 5.362 6.458 5.474
130 5.458 5.546 5.786 5.932

V3 0 4.192 3.754 3.738 3.428
40 5.250 4.582 4.896 4.286
70 5.822 4.848 5.678 4.932
100 5.888 5.524 6.042 4.756
130 5.864 6.264 6.056 5.362

3. Analisis ragam berat gabah padi (secara konvensional)

SUMBER RAGAM DERJAT
BEBAS JUMLAH KUADRAT KUADRAT
TENGAH Nilai F
Hitung
Blok 3 2.599 0.866 5.74 **
Varietas (V) 2 1.052 0.526 3.48 **
Nitrogen (N) 4 41.234 10.308 68.26 **
V x N 8 2.292 0.286 1.89 ns
Galat Percobaan 42 6.353 0.151
Total (terkoreksi) 59 53.530

6. Analisis ragam berat gabah padi melalui SPPS

Berikut ini hasil analisis RAKL Faktorial dengan fasilitas General Linier Model dari SPSS :

7. Uji perbandingan antar pengaruh faktor A, dan faktor B dengan SPPS

8. Uji Regresi Polinomial bagi faktor Dosis N adalah sebagai berikut :

Hasilnya menunjukkan bahwa komponen polinomial linier dan quadratic signifikan, sehingga model regresi bagi berat gabah (y) adalah Y= b0 + b1 N + b2 N2. Dengan demikian perlu dilakukan analisis regresi polinomial bagi faktor dosis Nitrogen. Hasil analisis regresi polinomial sebagai berikut :

Y = 3,562 + 1,129 N – 0.144 N2

G. Analisis Statistik: uji antar perlakuan pada Percobaan Faktorial dengan RAKL
H. Analisis Statistik: uji antar perlakuan pada Split Plot Design (RAKL)
I. Kesimpulan
.

Lampiran
A. Prosedur mengakses SPSS
1. Dari Desktop Windows 98/XP, klik Start
2. Pilih menu SPSS

B. Prosedur Entri Data melalui SPSS untuk uji statistik t Ragam sama :
1. Pada jendela SPSS Editor, klik tab Variable View
2. Tulis nama Variabel, Type, Width & Decimal, Label, Values, Columns, Align, Measure, seperti berikut ini :

3. Klik tab Data View
4. Masukkan setiap item data, sepert berikut ini :

C. Prosedur Analisis statistik melalui SPSS untuk uji statistik ragam sama : independent sample – t test
1. Klik menu Analyze
2. Klik Compare Means, klik Independent Sample t Tes
3. Masukkan variabel Berat pada areal Test Variable
4. masukkan variabel Kelompok pada areal Grouping Variable
5. Definisikan nilai Group, dengan cara : klik Define Group, isi nilai Group 1 : dengan nilai 1, isi nilai Group 2 : dengan nilai 2, lalu klik Continue
6. Klik Ok

D. Prosedur Entri Data melalui SPSS untuk uji statistik t Ragam Tidak sama :
1. Pada jendela SPSS Editor, klik tab Variable View
2. Tulis nama Variabel, Type, Width & Decimal, Label, Values, Columns, Align, Measure, seperti berikut ini :

3. Klik tab Data View
4. Masukkan setiap item data, sepert berikut ini :

E. Prosedur Analisis statistik melalui SPSS untuk uji statistik ragam TIDAKsama : independent sample – t test
1. Klik menu Analyze
2. Klik Compare Means, klik Independent Sample t Tes
3. Masukkan variabel Berat pada areal Test Variable
4. masukkan variabel Kelompok pada areal Grouping Variable
5. Definisikan nilai Group, dengan cara : klik Define Group, isi nilai Group 1 : dengan nilai 1, isi nilai Group 2 : dengan nilai 2, lalu klik Continue
6. Klik Ok

F. Prosedur entry data melalui SPSS untuk uji statistik “Paired Observation”
1. Pada jendela SPSS Editor, klik tab Variable View
2. Tulis nama Variabel, Type, Width & Decimal, Label, Values, Columns, Align, Measure, seperti berikut ini :

3. Klik tab Data View
4. Masukkan setiap item data, sepert berikut ini :

G. Prosedur Analisis statistik melalui SPSS untuk uji statistik “Independent Sample”
1. Klik menu Analyze
2. Klik Compare Means, klik Independent Sample t Test
3. Masukkan variabel Berat pada areal Test Variable
4. Masukkan variabel Kelompok pada areal Grouping Variable
5. Definisikan nilai Group, dengan cara : klik Define Group, isi nilai Group 1 : dengan nilai 1, isi nilai Group 2 : dengan nilai 2, lalu klik Continue
6. Klik Ok

H. Prosedur entri data Percobaan Faktor Tunggal dengan RAL
1. Pada jendela SPSS Editor, klik tab Variable View
2. Tulis nama Variabel, Type, Width & Decimal, Label, Values, Columns, Align, Measure, seperti berikut ini :

3. Klik tab Data View
4. Masukkan setiap item data, sepert berikut ini :

I. Prosedur Analisis statistik Percobaan Faktor Tunggal dengan RAL
1. Klik menu Analyze
2. Klik General Linear Model, klik Univariate
3. Masukkan variabel hasil (y) pada areal Dependent Variable
4. Masukkan variabel Perlakuan (t) pada areal Fixed Factors

5. Klik Model, pilih Custom, masukan t(f) ke areal Model, pilih SS Type I, Include intercept in Model.
Perhatikan model yang ditentukan, harus sesuai dengan model linier matematis rancangannya, yaitu Y = μ + ρ + εij

6. Klik Continue
7. Pilih Post Hoc, nampak tampilan Post Hoct Comparison for Observed Means, sebegai berikut:
8. Masukkan faktor ‘t’ ke areal Post Hoc Test For, pilih/klik hingga muncul tanda centang macam uji yang dikehendaki, misal LSD, Tukey’-b, Duncan, Dunnet,

9. Klik Continue
10. Klik OK, lihat outputnya.

11. Untuk menguji antar perlakuan dengan Contras, diperlukan cara tersendiri, yaitu dengan menulis sintak perintah
a. Pada langkah I..4 seperti diatas, klik PASTE
b. Tuliskan perintah (sisipkan perintah yang bercetak tebal pada perintah yang sudah ada) sehingga menjadi sebagai berikut ini
UNIANOVA
y BY t
/METHOD = SSTYPE(1)
/INTERCEPT = INCLUDE
/CRITERIA = ALPHA(.05)
/LMATRIX ‘Uji Contras ‘
t -6 1 1 1 1 1 1;
t 0 1 1 1 1 -2 -2;
t 0 1 1 -1 -1 0 0;
t 0 0 0 0 0 1 -1;
t 0 1 -1 0 0 0 0;
t 0 0 0 1 -1 0 0
/DESIGN = t .
c. Klik RUN, akan menampilkan output.
d. Simpan Perintah tersebut, klik icon SAVE

J. Prosedur Entri Data Percobaan Faktorial RAKL
K. Prosedur Analisis statistik Percobaan Faktorial RAKL
L. Selesai

Filed Under: ArtikelFeatured

About the Author: Dosen Fakultas Pertanian UNISRI, kompetensi statistika,perancangan percobaan, komputasi, dan pemrograman

RSSComments (0)

Trackback URL

Leave a Reply




If you want a picture to show with your comment, go get a Gravatar.

Counter created by http://emailextractor14.com