Anda di halaman 1dari 23

PENDAHULUAN Data yang dikumpulkan dari penelitian misalnya penelitian survai maupun percobaan (eksperimental) dapat berupa data

angka disebut pula data kuantitatif yang merupakan hasil pengukuran (measurement) atau hasil pencacahan (counting) dan data dalam bentuk bukan angka atau data kualitatif. Data kualitatif dapat berupa data dengan skala nominal atau skala ordinal, sedang data kuantitatif berupa data dengan skala interval atau skala ratio. Data kuantitatif hasil pengukuran contohnya tinggi badan, berat badan, kadar protein, pH darah, sedang yang berupa hasil pencacahan (counting) disebut pula data frekuensi. Contohnya banyaknya yang sakit, banyaknya yang mati, jumlah laki-laki, jumlah wanita. Data kualitatif contohnya adalah jenis pekerjaan (petani, buruh, nelayan, guru dan sebagainya), tingkat kesukaan akan rasa yoghurt (tidak suka, suka, sangat suka), tingkat warna yolk (pucat, pucat kekuningan, kuning, kuning tua). Analisis statistik membutuhkan data angka untuk dapat dilakukan analisis oleh karena itu data kualitatif perlu diubah menjadi data angka (dikuantifikasi) agar dapat dilakukan proses analisis statistik. Analisis statistik banyak macamnya yang dapat kita pilih sesuai dengan kemampuannya untuk dapat menjawab tujuan penelitian kita dengan mempergunakan data yang telah dikumpulkan. Dengan pengetahuan yang telah kita miliki analisis statistik dapat dikerjakan secara manual dengan bantuan kalkulator atau dikerjakan dengan bantuan software statistik yang tentu saja membutuhkan perangkat keras komputer. Banyak software statistik yang dapat ditemukan dan dipelajari dengan bantuan manual yang menyertainya. Software statistik ini memiliki Hak Atas Kekayakan Intelektual (HAKI) atau Intelectual Property Right (IPR) sehingga untuk legalitas penggunaannya harus membeli lisensinya. Software statistik yang akan dipergunakan dalam praktikum ini adalah SPSS (Statistical Package for Social Science) yang sebelum dikenal system operation (SO) Windows, pada saat MS DOS (Microsoft Disk Operating System) progam ini dikenal dengan SPSS-PC+, sekarang dengan SO Windows versi SPSS yang akan kita pergunakan adalah SPSS versi 17.0. Pada saat masih SPSS-PC kita masih dituntut untuk sedikit menulis perintah-perintah dalam

program analisis yang kita inginkan maka pada SPSS versi 17.0 ini hal itu tidak diperlukan lagi cukup kita pilih dari pull window menu analyze. Selanjutnya pada praktikum ini hanya dipergunakan data kuantitatif dalam latihan-latihan. Pengetahuan tentang rancangan percobaan, uji hipotesis, analisa statistik dan interpretasi hasil sangat diperlukan agar pilihan program analisis cocok dan output (luaran) komputer dapat dimengerti untuk melakukan interpretasi hasil analisis yang diperoleh dan melakukan inferensi bagi populasi yang diteliti.

PRAKTIKUM I MEREKAM DATA Pada praktikum yang pertama ini akan dipelajari bagaimana mengaktifkan program SPSS versi 17.0, merekam/memasukkan nama variabel-variabel penelitian, merekam memasukkan data. Langkah-langkah: Hidupkan komputer. Klik START, pilih Program, pada daftar klik SPSS 17.00. Segera akan tampil LOGO SPSS. Muncul menu dialog: What would you like to do? pilih Type in Data tampil lembar Data View (lampiran 1). Tampilan dengan garis-garis lajur dan kolom kosong. Judul kolom berupa tulisan Var dan judul lajur berupa nomer. (Bila menu dialog ini sudah di non aktifkan maka yang akan tampil adalah lembar Untilited- SPSS Data Editor). Maka langsung klik Variabel View pada sudut kiri bawah. Klik tulisan Variabel View (pada sudut kiri bawah) segera akan muncul lembar tampilan Variabel View (lampiran 2). Tampilan dengan garis-garis lajur dan kolom. Pada lembar Variabel View ini kita akan mengisi dahulu nama variabel (faktor), tipe data, banyak deret angka, desimal yang kita kehendaki, pamberian label variabel, label untuk angka, data yang tidak terobservasi, dan seterusnya. Lembar tampilan Variabel View dengan judul kolom dari kiri ke kanan adalah: Name Type Decimal Label Values Missing

Dan kolom-kolom selanjutnya untuk di isi bila diperlukan. Pada kolom Name (Nama) ketikkan nama variabel (faktor) misalnya BREED, BW, BL (Ingat terbatas 8 karakter yang dapat diketikkan pada kolom ini) yang dipergunakan dalam penelitian. Ada dua macam variabel yaitu kualitatif (BREED) dan kuantitatif (BW dan BL). Pada kolom Type (Tipe) biarkan tetap numerik. Pada kolom Width tulisan angka 8.

Pada kolom Decimals (tuliskan angka yang menyatakan berapa banyak angka di belakang koma yang kita inginkan misalnya 3 berarti tiga angka dibelakang koma).

Label, memberi label (keterangan) dari variabel Name. Misalnya karena keterbatasan jumlah karakter (untuk 8 karakter) untuk kolom Name maka ditulis BW, BL, dan pada kolom Label ditulis Body Weight untuk menerangkan BW dan Body Length untuk menerangkan BL karena jumlah karakter pada kolom Label tidak dibatasi.

Kolom Value, pada kolom ini Klik bagian

maka akan muncul

tampilan value labels dengan 2 buah kotak yang harus di isi. Pada kotak value tuliskan angka yang mewakili kasus-kasus pada variabel kualitatif. Pada value label tulis keterangan dari angka tersebut. Maka pada penelitian dipergunakan 3 breed. Maka: Pada value tulis 1. Pada value label tulis Ongole kemudian klik Add. Pada value tulis 2. Pada value label tulis Brahman kemudian klik Add. Pada value tulis 3. Pada value label tulis Simmental, klik Add lalu klik OK.

Dengan demikian angka 1, 2, dan 3 menjelaskan breed mana yang dimaksud. Demikian juga dilakukan cara-cara yang sama untuk semua variabel kualitatif yang lain. Kolom Missing tulis None. Kolom COLUMNS biarkan tertulis 8. Selanjutnya klik Data View pada sudut kiri bawah lembar tampilan ini. Segera akan muncul lembar tampilan Data View. Pada judul kolom yang semula tertulis: Var Var Var Sudah terisi seperti yang kita tuliskan pada lembar tampilan Variabel View pada kolom Name sesuai nomor urutnya (lampiran 3).

Isikan data pada masing-masing kolom. Misalnya pada kolom Bangsa, kalau bangsa Ongole ketik angka 1, bangsa Brahman ketik angka 2 dan Simmental ketik angka 3. Pada kolom BW dan BL ketikkan datanya.

Simpan data: File Save as Latihandata. sav.

Latihan 1 LATIHAN MEREKAM DATA Data berikut adalah bobot sapih dan bobot umur 2 tahun dari bangsa sapi Simmental-PO (SIMPO) dan Limousin-PO (LIMPO) pada empat daerah di Yogyakarta serta jenis kelamin berbeda Lokasi Wonosari Imogiri Wonosari Sewon Godean Sewon Godean Imogiri Sewon Wonosari Sewon Godean Imogiri Godean Godean Sewon Imogiri Wonosari Wonosari Sewon Imogiri Godean Bangsa SIMPO SIMPO LIMPO LIMPO SIMPO SIMPO LIMPO LIMPO SIMPO LIMPO LIMPO SIMPO SIMPO SIMPO LIMPO SIMPO SIMPO LIMPO LIMPO SIMPO SIMPO LIMPO Sex Jantan Betina Betina Betina Jantan Betina Jantan Betina Jantan Betina Betina Jantan Jantan Betina Betina Jantan Betina Jantan Jantan Betina Jantan Betina Bobot sapih 110.00 130.00 90.00 98.00 87.50 101.25 102.50 131.00 89.00 150.00 123.50 125.00 75.50 117.25 100.50 115.00 140.50 110.00 110.50 115.00 125.50 119.00 Bobot umur 2 thn 270.00 327.75 287.50 279.00 293.00 290.00 210.00 295.50 339.75 265.00 320.50 250.75 200.25 300.50 275.00 390.00 285.50 232.50 260.50 280.00 212.50 305.75

PRAKTIKUM II ONE SAMPLES T-TEST DAN PAIRED SAMPLES T-TEST Setelah data kita ketikkan dalam lembar Data View maka langkah berikutnya adalah melakukan analisis statistik. Pada toolbar akan tampak berbagai menu utama : File, Edit, View, Data, Transform, Analyze, Graphs, Window, dan Help. Untuk analisis statistik klik Analyze dan akan tampak tampilan berikut : Pilih menu Analyze
Report Descriptive Statistics Compare Means General Linier Model Correlate Regression Log Linier Classify Data Reduction Means One sample T-test Independent samples T-test Paired samples T-test Oneway Anova Frequencies Descriptive Explore Crosstabs

ONE SAMPLES T-TESTS One samples t-test dipergunakan untuk menguji hipotesis tentang mean (rata-rata) dalam satu populasi. Apakah mean sama dengan nilai yang dihipotesiskan ( o). Hipotesis statistik yang diuji : H0 : = o HA : o Misalnya ingin diketahui apakah berat lahir sapi Ongole dalam populasi DIY ratarata = 100. Artinya 0 dalam hal ini adalah 100. Maka hipotesis statistik yang diuji adalah: H0 : = 100 HA : 100

Nilai t-statistik yang dicari dihitung dengan rumus:

t=

y 0 s/ n

Pada uji independent sample T-test hanya ada uji untuk TWO TAILED TEST. Bila dikehendaki ONE TAILED TEST: H0 : = 100 HA : > 100 atau H0 : =100 HA : <100

Maka hasil t-statistik yang didapat dibandingkan dengan nilai kritis (nilai tabel) yang dapat dicari pada tabel t-student. Nilai tabel juga dapat dicari dengan program Excell. PAIRED SAMPLE T-TEST Uji-t khusus untuk pengamatan data yang berpasangan. Pasangan data dapat bersifat alami misalnya pengamatan yang dilakukan sebelum dan sesudah perlakuan pada subyek yang sama atau pasangan yang bersifat kesengajaan disebabkan oleh desain percobaan misalnya pasangan berdasar berat, umur, kelompok genetik. Misalnya data kadar kolesterol sebelum minum obat yang diduga dapat menurunkan kolesterol dan data kadar kolesterol sesudah minum obat yang diamati pada subyek yang sama, kedua data ini merupakan pasangan. Sapi-sapi yang mempunyai berat yang sama dipasangkan dan anggota dari pasangan diberi perlakuan ransum yang berbeda. Data yang dicatat misalnya ADG dari masing-masing merupakan data berpasangan. Bila ingin diuji apakah obat dapat menurunkan kadar kolesterol maka hipotesis yang diuji adalah: H0 : D = 0 HA : D > 0

D = rata-rata beda (data sebelum dikurangi sesudah) D = rata-rata beda (data sebelum dikurangi sesudah)

t=

y D 0 SD / r

0 = 0
r = pasangan data

Bila ingin diuji apakah kedua ransum berbeda efeknya terhadap ADG, maka hipotesis yang diuji adalah : H0 : D = 0 HA : D 0

D = rata-rata beda (data sebelum dikurangi sesudah) 0 = 0


r = pasangan data

Latihan 2 Empat puluh ekor sapi dibagi secara random dalam dua kelompok yang sama. Sapi-sapi pada kelompok I diperah 4 kali sehari dan pada kelompok II diperah 2 kali sehari. Produksi susu yang dihasilkan setelah dikoreksi ke 305 hari panjang laktasi dan mature equivalent dicatat sebagai berikut:

a. Kelompok I merupakan kelompok sapi yang diperah 4 kali sehari.


Peneliti mengharapkan bahwa dengan pemerahan seperti ini ratarata produksi susu dalam populasi akan lebih besar dari 6545 liter. Apakah harapan peneliti terpenuhi, uji untuk mengetahui hal ini (Uji H0 : = 6545 dengan alternatif HA : 6545) Untuk menjawab soal ini gunakan uji One Sample T-test.

b. Apakah rata-rata produksi susu antara Kelompok I dan Kelompok


II sama besarnya. Lakukan uji dan berilah kesimpulan. Uji yang digunakan adalah Independent Samples T-test.

c. Apakah variansi produksi susu pada kedua populasi sama besarnya


(Dilihat pada out put pada level significant dari Levenes Test for Equality of Variances)

PROSEDUR: Latihan 2 Soal 2a Data direkam terlebih dahulu. Karena hanya kelompok I saja yang dikehendaki untuk diuji maka sebelumnya perlu dipilih kasus yang dikehendaki untuk diuji dalam hal ini adalah kelompok I. Caranya : Klik Menu Data pilih select cases, kemudian pilih if condition is satisfied, lalu ketik kotak IF, muncul tampilan select cases : If tulis kelompok = 1 lalu klik continue dan OK. Pilih menu Analyze pilih sub menu Compare Means lalu pilih One Sample T-test Pada tampilan pada Test Variable isikan (pilih) produksi susu pada Test Value isikan 6545 Lalu tekan OK untuk proses data. PROSEDUR: Soal 2b Kembali ke SPSS data Editor. Klik data, kemudian pilih Select cases Reset setelah itu klik Analyze pilih submenu Compare Means lalu pilih Independent Sample T-test. Pada tampilan pada Test Variable isikan

produksi susu kelompok pada Grouping variable isikan

Variable grouping ini perlu didefinisikan maka klik Define Group Isikan : Group : 1 Group : 2 (angka 1 dan 2 ini merupakan angka minimum dan maksimum banyaknya group). Lalu tekan Continue dan tekan OK untuk proses data.

Latihan 3 Dua anak babi jantan dari litter yang sama dipasangkan sebanyak 10 pasang, dipergunakan dalam penelitian untuk mengetahui apakah penggunaan feed additive dapat meningkatkan pertambahan berat. Data yang didapat adalah berikut ini. Kelompok Feed Additive 40 36 36 39 43 30 35 41 48 40 Kelompok kontrol 30 35 34 41 39 27 35 40 48 36

Pasangan 1 2 3 4 5 6 7 8 9 10

a. Apakah Feed Additive meningkatkan pertambahan berat?


b. Lakukan analisis terhadap data tersebut PROSEDUR: Latihan 3 Data direkam terlebih dahulu. Pada kolom Name untuk baris pertama isikan Feed Additive dan untuk baris kedua isikan Kontrol. Pada kolom type isikan numeric, pada kolom width isikan 8 dan pada decimal isikan angka sesuai dengan berapa angka dibelakang koma yang dikehendaki. Pada kolom label dapat diisikan penjelasan tentang Feed Additive dan Kontrol. Setelah itu klik data view dan rekamlah datanya. Setelah selesai: Klik Analyze pilih submenu Compare Mean lalu pilih Paired Samples T-Test. Akan tampil lembar Paired Samples T-test. Pada kotak sebelah kiri klik sebelum pengobatan dan juga sesudah pengobatan, setelah itu klik tanda panah sehingga kotak kanan untuk Paired Variables akan terisi sebelum-sesudah. Kemudian tekan OK. Maka data akan diproses.

PRAKTIKUM III ONE WAY ANOVA One Way Anova Uji ini digunakan untuk menguji hipotesis tentang rata-rata dari tiga populasi atau lebih apakah berbeda nyata atau tidak. H0 : 1 = 2 = 3 =.. = 1 HA : 1 2 1 .. 1 hipotesis statistik di atas diuji dengan melakukan analisis variansi dan uji F (Fisher-variance ratio) analisis variansi dipergunakan untuk mendapatkan harga variansi perlakuan (MST) dan harga variansi eror percobaan (MSE). F statistik didapat dari: F stat = MST / MSE Pada analisis dengan software kita tidak perlu menentukan harga , sebab oleh komputer akan dicantumkan harga (di bawah kolom Sig.) untuk nilai F tabel F kritis yang paling mendekati nilai statistic yang diperoleh dari analisis. Nilai Sig. adalah besarnya harga atau besarnya probabilitas untuk signifikan (berbeda nyata). Ingat harga adalah besarnya probabilitas kesalahan tipe II (Type II error), yang menyatakan besarnya probabilitas kesalahan dalam menolak H0 yang sesungguhnya benar (H0 : 1 = 2 = 3 =.. = 1). Bila nilai Sig. tertulis tertulis 0,336 berarti = 0,336 maka probabilitas kesalahan yang dilakukan dalam menolak bahqa H0 : 1 = 2 = 3 =.. = 1 adalah sebesar 36,6 %. Tentu saja peneliti tidak berani menanggung resiko kesalahan sebesar ini. Umumnya besar resiko kesalahan yang dikehendaki peneliti adalah 5 % atau lebih kecil dari 5 %. Karenanya bila pada output hasil analisis harga Sig. yang didapat 0,05 atau lebih kecil, maka adalah signifikan atau terdapat perbedaan yang nyata dengan resiko salah dalam membuat kesimpulan ini 5 %

Latihan 4 Data berikut adalah data hipotetikal. Untuk mengetahui status fisiologis sapi hasil persilangan antara sapi PO dengan sapi Simmental atau Limousin, diperoleh data hasil pengukuran Panjang badan (Pb), Lingkar dada (Ld), Tinggi gumba (Tg), dan Tinggi pinggul (Tp) 3 bangsa sapi yang berbeda pada 4 lokasi yang berbeda. Lokasi GK Sleman Sleman Sleman GK GK Sleman Sleman Bantul Sleman Sleman Bantul Bantul Bantul GK Gk Sleman Sleman Bantul Bantul a. Pb 160 165 160 162 169 168 167 170 171 173 174 160 163 175 170 162 170 180 180 178 PO Ld Tg 176 133 160 128 176 133 166 143 165 130 170 132 165 130 168 133 165 130 176 135 175 136 160 130 162 131 170 143 168 140 163 134 162 130 165 132 165 135 162 130 Tp 143 150 143 144 155 158 155 145 140 145 144 147 138 149 145 139 155 143 145 140 Pb 167 174 160 163 175 170 162 170 180 180 178 165 170 175 185 170 175 175 165 175 LIMPO Ld Tg 165 130 175 136 160 130 162 131 170 143 168 140 163 134 162 130 165 132 165 135 162 130 155 130 160 130 160 133 170 140 160 125 160 130 162 133 150 130 155 131 Tp 155 144 147 138 149 145 139 155 143 145 140 140 135 142 150 140 142 140 135 143 Pb 170 169 168 167 170 171 170 180 175 170 180 180 178 165 170 175 185 170 175 175 SIMPO Ld Tg 168 133 165 130 170 132 165 130 168 133 165 130 155 130 167 135 160 140 150 130 165 135 165 135 162 130 155 130 160 130 160 133 170 140 160 125 160 130 162 133 Tp 145 155 158 155 145 140 135 145 140 135 148 145 140 140 135 142 150 140 142 140

Lakukan analisis data di atas untuk mengetahui efek lokasi dan Lakukan uji banding untuk mengetahui bangsa mana yang saling

bangsa terhadap Ld dan Tg atau Pb dan Tp

b.

berbeda efeknya terhadap Ld dan juga Tg (Uji Duncan, Uji Tukey, dll), Uji juga untuk efek lokasi. c.Apakah ada efek interaksi antara lokasi dan bangsa terhadap Ld dan Tg ? d. Kalau Ld dipakai sebagai kovariat lakukan analisis sekali lagi untuk menguji efek lokasi dan bangsa terhadap Tg

Prosedur : latihan 4 Soal 4a Pilih menu Analyze pilih submenu Compare Means , lalu pilih ONE-Way Anova. Pada tampilan layar akan tampak : Dependent List pilih Lingkar dada atau Tinggi gumba Faktor pilih Lokasi

1. Kemudian klik Options, pada tampilan akan pilih Descriptive dan


Homogenity test lalu tekan Continue.

2. Klik Post-Hoc dan pada tampilan yang keluar dapat memilih uji banding
antara rata-rata perlakuan. Misalkan dipilih uji yang dikehendaki Tukey, kemudian tekan Continue, terakhir tekan OK untuk proses data. Dengan cara yang sama kerjakan juga : Dependent List Factor Soal 4 b Klik Post-Hoc pilih uji banding yang diinginkan (Duncan, Tukey, dll) Soal 4 c Pilih menu Analyze Sub menu General Linier Model, pilih Univariate. Isikan pada Dependent List : Lingkar dada atau Tinggi gumba Factor : Lokasi Bangsa Kemudian klik Option Pilih Descriptive dan Homogenity test lalu klik Continue. Soal 4 d Klik Analyze - - General Linier Model Univariate IIsikan pada kotak Dependent Variable : Tinggi gumba Pada fixed factor Covariate Lalu klik OK. : Lokasi Bangsa : Lingkar dada : Lingkar dada atau tinggi gumba : Bangsa

PRAKTIKUM IV REPEATED MEASUREMENT Repeated Measurement Didalam melakukan percobaan kadang-kadang pengambilan data (pengukuran) pada masing-masing subyek yang menerima perlakuan yang berbeda dilakukan lebih dari satu kali yaitu pada beberapa titik waktu (repeated measurement) misalnya berat badan diukur pada minggu ke-1, minggu ke-2, minggu ke-3, minggu ke-4, sesudah perlakuan diberikan. Maksud dari penelitian semacam ini adalah untuk mengetahui apakah ada pengaruh trend waktu disamping untuk mengetahui apakah ada perbedaan efek perlakuan. Pada latihan 4 diberikan data hipotetikal untuk dilakukan analisis data hasil pengamatan berulang, menguji efek perlakuan serta efek trend waktu. Rancangan ini dikenal dengan rancangan Split Subyek atau Split Unit. Analisis akan terdiri dari analisis Among (Between) subject dan analisis within subject. Dalam analisis variansi error (MSE) akan dipisahkan menjadi dua bagian yaitu variansi error between subject yang dipergunakan untuk menguji efek perlakuan dan variansi error within subject yang dipergunakan untuk menguji efek trend waktu dan menguji efek interaksi antara perlakuan dan waktu untuk mengetahui apakah trend waktu antara kelompok-kelompok perlakuan yang diuji adalah paralel. Rancangan yang serupa dengan rancangan Split Subyek atau Split Unit ini di bidang Agronomi dikenal dengan nama rancangan Split Plot. Pada rancangan Split Plot dikenal adanya Main Plot dan rancangan Split Plot. Pada rancangan Split Plot dikenal adanya Main Plot dan Sub Plot. Variansi error dipisahkan menjadi eror untuk menguji main plot dan error untuk menguji sub plot. Pada rancangan split subyek apabila hasil uji interaksi signifikan maka trend waktu tidak paralel. Inferensi tentang efek interaksi yang signifikan lebih penting dibanding dengan inferensi efek faktor perlakuan dan efek waktu yang signifikan. Karenanya yang signifikan. apabila interaksi signifikan perlu dilakukan uji-uji selanjutnya untuk dapat melakukan inferensi yang lebih baik tentang arti interaksi

Latihan 5 Data berikut adalah pertambahan berat litter (g) dari induk tikus laktasi dengan status bunting dan dari induk laktasi dengan status tidak bunting. Data pertambahan berat dicatat pada hari ke 8-12 (W1), hari ke 12-16 (W2), hari ke 16-20 (W3), dan hari ke 20-24 (W4) laktasi. Status induk Bunting induk 1 2 3 4 5 6 7 8 9 10 11 12 8-12 (W1) 7,5 10,6 12,4 11,5 8,3 9,2 13,3 10,7 12,5 8,4 9,4 11,3 Hari laktasi Ke12-16 (W2) 16-20 (W3) 8,6 6,9 11,7 8,8 13,0 11,0 12,6 11,1 8,9 6,8 10,1 8,6 13,3 12,9 10,8 12,7 8,7 9,6 11,7 10,7 12,0 8,1 8,0 10,0 20-24 (W4) 0,8 1,6 5,6 7,5 0,5 3,8 11,1 9,3 10,1 5,7 3,8 8,5

Tidak bunting

a. Lakukan analisis untuk mengetahui apakah ada pengaruh status kebuntingan terhadap pertambahan berat litter

b. Apakah terdapat trend pertambahan berat yang nyata pada penelitian


tersebut? Apakah terdapat trend yang parallel pada kedua kelompok percobaan tersebut? PROSEDUR latihan 5 Data direkam terlebih dahulu : a) Pada Variabel View isilah pada kolom Name ketik Obat, pada kolom Label ketik obat dan pada kolom Value isikan berturut-turut 1,2, dan 3 beserta penjelasannya yaitu obat1, obat2, dan obat3 berturut-turut. b) Pada baris kedua dari kolom Name isikan W1 dan pada kolom Label isikan waktu 1, demikian juga seterusnya untuk baris kedua, ketiga, dan keempat dari kolom Name isikan W2, W3, dan W4 dan pada kolom Label isikan waktu 2, waktu 3, dan waktu 4. c) Setelah itu klik Data View disudut kiri bawah dan isikan datanya.

d) Setelah selesai mengisikan data maka selanjutnya, e) Pada menu utama SPPS pilih Analyze selanjutnya pilih submenu General Linear Model, kemudian pilih Repeated Measurement. Pada kotak Define factor (s) yang akan muncul, pada Within Subject Factor Name isilah waktu. Pada kotak Number of Level ketik 4 kemudian klik Add, sehingga muncul tulisan waktu (4) kemudian klik Define. Akan muncul lembar dialog Repeated Measures. Pada lembar dialog ini pindahkan W1 sampai W4 ke kotak Within Subject Variables (week), dan pindahkan obat dalam kotak Between Subject Factor. Setelahnya klik OK. Maka data akan diproses.

PRAKTIKUM V REGRESI SEDERHANA DAN REGRESI BERGANDA Regresi Sederhana Dan Regresi Berganda (Simple Regresion and Multiple Regresion) Pada persoalan regresi baik regresi sederhana maupun regresi berganda selalu menyangkut variable dependen dan variable independent. Variabel dependen disebut pula variabel tergantung atau variabel respon, sedang variabel independen disebut pula variabel bebas, variabel prediktor. Pada regresi sederhana hanya terdapat satu variabel independen (bebas) sedang pada regresi berganda terdapat lebih dari satu variabel bebas. Model regresi sederhana Model regresi berganda independen (variabel bebas). Analisis regresi baik analisis regresi sederhana maupun regresi berganda depergunakan untuk tujuan prediksi, disamping itu pada analisis regresi berganda juga untuk identifikasi variabel independen yang pengaruhnya bermakna (signifikan) terhadap variabel independen, dan juga untuk melakukan adjustment terhadap variabel pengganggu. Pada prkatikum ini hanya akan dilakukan latihan untuk persoalan yang menyangkut regresi berganda sedang regresi sederhana dapat dilatih sendiri. Persoalan regresi berganda selalu mencoba mencari persamaan prediksi (model regresi) yang paling baik (best equation) dengan hanya menyertakan variabelvariabel bebas yang bermakna pengaruhnya dalam persamaan prediksi. Ada tiga buah metode yang dapat dipilih dalam analisis regresi berganda yaitu metode Stepwise Selection, metode Forward Selection dan metode Backward Elimination. Ketiga metode ini dipergunakan untuk mendaptkan persamaan regresi berganda (persamaan prediksi) yang terbaik (Best Equation). Perbedaan ketiganya terletak pada langkah-langkah yang di tempuh selama proses analisis mendapatkan persamaan prediksi yang terbaik dengan hanya memasukkan variabel independen yang pengaruhnya signifikan. Metode Fordward Selection dimulai dengan tidak ada satupun variabel independen dalam persamaan regresi berganda dan kemudian selama proses : Y1 = 0 + 1X1 : Y1= 0 + 1X1 + 2X2 + ... + nXn

Y adalah variabel dependen, sedang X1, X2, X3,..., Xn adalah variabel

berlangsung secara berturutan varibel independen akan dimasukkan satu persatu berdasarkan kriteria tertentu. Variabel independen pertama yang masuk dalam persamaan regresi adalah yang menunjukkan koefisien korelasi paling besar (positif atau negatif) dengan variabel dependen. Setelahnya dilakukan uji apabila hasil ujinya menunjukkan signifikan maka variabel independen tersebut memenuhu kriteria yang disyaratkan, dan dimasukkan dalam persamaan regresi dan proses akan berjalan terus. Apabila proses dapat dilanjutkan maka variabel independen berikutnya yang masuk dalam persamaan adalah variabel diluar persamaan yang menunjukkan korelasi parsial paling besar. Demikian selanjutnya proses akan diulang sampai tidak ada lagi variabel independen yang memenuhi kriteria untuk masuk dalam persamaan. Metode Backward Elimination dimulai dengan semua variabel independen masuk dalam persamaan regresi berganda dan secara berturutan akan dieliminer (dikeluarkan) berdasar kriteria tertentu. Persamaan regresi akan diuji dan pada langkah pertama yang dikeluarkan adalah varibel independen yang menunjukkan korelasi parsial terkecil dan tidak signifikan. Kemudian persamaan diuji lagi dan kemudian dicari variabel independen dengan korelasi parsial terkecil dan tidak signifikan untuk dikeluarkan. Proses akan diulang dan berlanjut sampai tidak ada lagi variabel yang harus dikeluarkan. Stepwise Selection merupakan kombinasi dari Backward Elimination dan Forward Selection, dan merupakan prosedur paling banyak dipergunakan. Variabel independen pertama yang dipilih untuk masuk dalam persamaan seperti pada Forward Selection. Apabila variabel independen tidak memenuhi persyaratan masuk dalam persamaan maka proses akan berhenti dengan tidak ada satupun variabel independen dalam persamaan. Tetapi apabila memenuhi persyaratan maka independen variabel kedua akan dipilih berdasar nilai korelasi parsial terbesar. Bila memenuhi kriteria variabel ini akan masuk dalam persamaan. Perbedaan Stepwise dengan Forward disini adalah independen variabel pertama yang masuk akan diuji setelah masuknya variabel yang kedua untuk diputuskan apakah akan dikeluarkan atau tidak berdasar kriteria pengeluaran seperti pada Backward Elimination. Pada langkah berikutnya independen variabel diluar persamaan akan diuji untuk masuk kedalam persamaan. Dilakukan uji lagi untuk menentukan variabel mana dalam persamaan yang dikeluarkan, hal ini akan dilakukan pada setiap langkah. Proses

akan berhenti kalau tidak ada lagi variabel yang memenuhi kriteria masuk dalam persamaan dan yang memenuhi syarat untuk dikeluarkan dari persamaan. Latihan 6 Data berikut adalah hasil pengamatan altherosclerosis pada kelinci (dependen variabel) dan data dari beberapa independen variabel yang akan diduga mempengaruhi derajad altherosclerosis. Average daily cholesterol dosage (gm) X1 30 30 35 35 43 43 44 44 44 44 44 44 44 45 45 45 45 45 45 45 45 49 49 49 51 51 51 51 51 51 Ave.total serum cholesterol (mg/100 ml) X2 424 313 243 365 396 356 346 156 278 349 141 245 395 297 310 151 370 379 463 316 280 139 245 373 224 677 424 150 151 245 Initial body weight (kg) Ratio of final to initial body weight X4 0,90 0,91 0,95 0,95 1,00 0,79 1,26 0,95 1,10 0,88 1,29 0,97 1,01 1,11 0,94 0,96 0,88 1,47 1,05 1,32 1,08 1,36 1,13 0,88 1,18 1,16 1,40 1,05 1,45 0,95 Ave daily foodi intake/kg of initial body weight (gm) X5 18 10 30 21 39 19 56 28 42 21 56 24 27 45 20 35 15 64 31 60 36 59 37 25 54 33 59 30 45 20 Degree of altheroscler osis (in rabbits) Y 2 0 2 2 3 2 3 0 4 1 1 1 1 3 2 3 4 4 3 4 4 0 4 1 3 4 4 0 0 1

X3 2,46 2,39 2,75 2,19 2,67 2,74 2,55 2,58 2,49 2,52 2,36 2,36 2,15 2,56 2,62 3,39 3,57 1,98 2,06 2,45 2,25 2,20 2,05 2,15 2,15 2,10 2,10 2,10 2,05 2,15

a) Lakukan analisis data di atas untuk mengetahui variable independent


mana yang berpengaruh nyata terhadap variable dependen b) Carilah model persamaan regresi berganda yang paling cocok PROSEDUR : latihan 6 Data direkam dahulu Pilih menu utama Analyze Sub menu Regression pilih Linier... Akan muncul lembar tampilan : Linier Regression Iisikan pada kotak Dependent Derajat altherosclerosis (Y) Pada kotak independent (s) Semua variable independents (X1, X2, ...) Pada Method pilih Enter tekan OK Lihat hasil yang didapat, kemudian selanjutnya dapat dipilih Forward, Backward, dan Stepwise Lalu tekan OK

PRAKTIKUM VI Analisis Randomized Completely Block Design (RCBD) Latihan 7 Percobaan dilakukan untuk mengetahui efek penggunaan lemak pada 5 level yang berbeda (L1, L2, L3,L4, L5) terhadap pertambahan bobot badan pada tikus selama periode percobaan. Blocking dilakukan terhadap bobot badan dengan data yang didapat sebagai berikut : Perlakuan L1 L2 L3 L4 L5 1 89 96 96 94 98 2 89 94 97 95 99 3 87 96 99 96 97 Blok 4 92 98 101 96 98 5 92 94 102 97 98 6 95 100 103 93 97

Analisislah percobaan diatas a. b. untuk mengetahui efek penggunaan level lemak yang berbeda terhadap pertambahan bobot badan tikus apakah blok dapat mereduksi error percobaan ?

Prosedur: latihan 7 1. Rekamlah data terlebih dahulu 2. Ketik : Analyze General Linear Model Univariate 3. Dependent variable isikan PBBH (pertambahan bobot badan harian) Fixed Factor isikan Level lemak dan Blok 4. Klik Model : Pada kolom specify model klik custom dan pada Factor and Covariate akan muncul Level lemak dan Blok keduanya dipindahkan ke kolom Model. Klik continue 5. Akan muncul output.