0

ANALISIS STATISTIKA MENGGUNAKAN PROGRAM SPSS APLIKASINYA DALAM RANCANGAN PERCOBAAN

Dr. Ba mbang Subali, M.S.

Jurusan Pendidikan Biologi Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta

2010

Dr.Bambang Subali, M.S.

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN

1

PENGANTAR

Alhamdulillah buku Analisis Statistika untuk menunjang mata praktikum Rancangan Percobaan sudah dapat tersusun. Besar harapan saya, buku ini dapat membantu para mahasiswa dapat merancang dan menganalisis data penelitian di bidang Biologi. Buku ini memuat teknik analisis statistika menggunakan program SPSS berupa analisis varians multi-arah/multi jalur untuk rancangan faktorial dan rancangan kovarians,. Dalam buku ini juga ditambahkan teknik analisis data untuk penelitian ekologi, yakni analisis komunitas dan hubungannya dengan faktor lingkungan, yang pada mata praktikum Metode Penelitian Biologi belum dipelajari. Diharapkan buku ini dapat membantu para mahasiswa untuk menyusun desain penelitan beserta pemilihan teknik analisis serta cara menganalisis data yang sudah diperoleh, sehingga dapat meningkatkan mutu karya ilmiah mahasiswa baik untuk penyusunan laporan praktikum maupun untuk penyusunan skripsi. Penyusun

Dr.Bambang Subali, M.S.

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN

2

DAFTAR ISI

halaman

HALAMAN JUDUL KATA PENGANTAR DAFTAR ISI

………………………………..……… ……………………………..………..

0 1 2

……………………………………..………….

BAB 1. ANALISIS DATA RANCANGAN FAKTORIAL …….. BAB 2. ANALISIS DATA RANCANGAN KOVARIANS ……. BAB 3 ANALISIS DATA KOMUNITAS DAN/ATAU HUBUNGANNYA DENGAN FAKTOR LINGKUNGAN

3 25

49

Dr.Bambang Subali, M.S.

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN

Contoh: Suatu penelitian ingin mengetahui pengaruh kombinasi macam pupuk dan waktu pemupukan terhadap hasil panenan tanaman padi ladang yang ditanam pada polibak dengan kondisi yang homogen. maka hasilnya secara signifikan akan lebih rendah jika dibandingkan dengan tanaman kacang tanah yang dipupuk dengan kombinasi pupuk P dan N pada dosis yang sama. Tanpa pupuk Blok Sebelum Sesudah ke tanam tanam 1 2 3 4 28. Hasil penelitian akibat pengaruh kombinasi macam atau jenis pupuk (dengan atribut tanpa diberi pupuk.Bambang Subali.4 Dr.S. Sebaliknya jika pemupukan sudah melebihi batas optimal maka penambahan dosis pupuk N saja atau dosis pupuk P saja akan berdampak lebih kecil jika dibandingkan tanaman tersebut dipupuk dengan kombinasi N dan P.3 BAB 1.6 30.3 32. Tabel 1.2 28.6 36. Sebaliknya.6 30.1 Pupuk K Sebelum tanam 29.7 32. ANALISIS DATA RANCANGAN FAKTORIAL Rancangan faktorial atau rancangan berfaktor merupakan salah satu rancangan eksperimen faktor ganda atau faktor perlakuannya lebih dari satu faktor yang memiliki ciri bahwa faktor-faktor yang dikombinasikan secara teoretik harus berinteraksi.1 29.6 29. hasil panenan tanaman padi ladang akibat pengaruh kombinasi macam pupuk dan waktu pemupukan dalam rancangan acak kelompok (dalam kwintal).9 Pupuk N Sebelum tanam 29.2 30. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .7 31.0 Sesudah tanam 32. Oleh karena itu rancangannya berupa rancangan faktorial befaktor (dua faktor) pola acak lengkap.3 31. maka akibat adanya kombinasi faktor-faktor perlakuan akan memberikan respons yang secara signifikan lebih tinggi atau lebih besar jika dibandingkan respons yang terjadi kalau masing-masing faktor bekerja sendiri-sendiri/terpisah.7 30. M. Tentu saja hal tersebut berlaku sepanjang dosis tersebut masih dibawah dosis optimal yang diperlukan untuk memacu pertumbuhannya.8 29.8 Sesudah tanam 32. akibatnya respons yang terjadi secara signifikan akan lebih rendah/lebih kecil dibanding kalau masing-masing faktor bekerja sendiri-sendiri/terpisah.8 31. Jika interaksinya bersifat positif. Kalau misalnya tanaman kacang tanah dipupuk N saja dengan dosis tertentu atau dipupuk dengan pupuk P saja dengan dosis tertentu. jika interkasinya negative maka akan terjadi hambatan oleh salah satu faktor atau faktor-faktor tersebut saling menghambat.2 27.7 31.8 32.0 33. pupuk N dan pupuk K) dan waktu pemberian pupuk (dengan atribut diberikan sebelum tanam dan sesudah tanam) menunjukkan hasil sebagai berikut.7 32.

Seting data SPSS hasil penelitian hasil panena tanaman padi ladang yang diberi perlakuan kombinasi macam pupuk dan waktu pemupukan (dalam kwintal) Untuk menganalisis data di atas.4 Sajian data untuk analisis varians multi-arah dengan program SPSS adalah sebagai berikut. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . maka pilih menu Analyze. kemudian memilih menu General linear model.Bambang Subali. Gambar 1. dilanjutkan memilih menu Univariate.S. M. Dr. Jika di-”klik”/di-enter akan muncul tampilan sebagai berikut.

sehingga klik menu model. masukkan variabel macam pupuk (mcmpupuk) dan waktu pemupukan (waktupemp) sebagai faktor perlakuan. M. dan akan keluar tampilan sebagai berikut. Hasilnya sebagai berikut.S. Selanjutnya memilih model. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .5 Selanjutnya masukkan variabel hasil panenan (hslpanen) ke dalam variable tergayut (dependent variable). Dr.Bambang Subali.

sehingga tampak tampilan sebagai berikut.6 Jika variabel macam pupuk dan waktu pemupukan merupakan faktor yang pasti (fixed) (artinya hasil penelitian tidak dapat digeneralisasi untuk macam pupuk lain yang tidak dicoba.S. Dr. sehingga tampak tampilan sebagai berikut. M. pilih menu Main effect. Masukkan kedua variabel ke dalam model. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .Bambang Subali. juga dalam hal waktu pemupukannya hanya sebelum dan sesudah tanam sehingga tidak dapat diberlakukan pada waktu/situasi yang lain) maka tidak perlu ganti menu pada menu Type III . Type III Masukkan pula interaksi variabel macam pupuk dan variable waktu pemupukan (waktupemp) dengan cara memilih menu Interaction kemudian mengeblok kedua variabel tersebut dan memasukkannya ksi ke dalam model. sehingga tampil hasil sebagai berikut. dan analisis selanjutnya memilih menu Custom (klik menu Custom).

pilih menu Option Dr.Bambang Subali.7 Type III Pilih (klik) menu Continue sehingga muncul tampilan semula sebagai berikut. Untuk menguji efek utama (main effect) dari masing-masing faktor. sehingga muncul tampilan sebagai berikut.S. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . M.

Dr. M. Bila sudah selesai memilih.S. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Jangan lupa bila ingin menampilkan hasil analisis deskriptifnya. sehingga diperoleh tampilan sebagai berikut.Bambang Subali. maka klik bok di depan menu Descriptive statistics.8 Masukkan variable yang akan ditampilkan nilai rata-ratanya (Display Means) dengan cara mengeblok dan memasukkan ke dalam bok Display Mean for. pilih (klik) menu Continue sehingga kembali ke tampilan awal seperti berikut.

400 30.7332 3.4315 1.338 29.Bambang Subali.033 Std.0675 N 4 4 8 4 4 8 4 4 8 12 12 24 Dr.8655 2.3843 2.6153 1.1991 2.9287 .583 31. selanjutnya pilih (klik) menu OK dan akan diperoleh hasil analisis sebagai berikut.4071 1.9207 1. Deviation 1. Univariate Analysis of Variance Between-Subjects Factors N 8 8 8 12 12 mcmpupuk pk pn tanpappk waktupemp sblmtnm ssdhtnm Descriptive Statistics Dependent Variable: hslpanen mcmpupuk pk waktupemp sblmtnm ssdhtnm Total pn sblmtnm ssdhtnm Total tanpappk sblmtnm ssdhtnm Total Total sblmtnm ssdhtnm Total Mean 29.975 30. M.675 31.7348 1.075 30.275 31.500 32.9 Pemrograman sudah selesai.S. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .788 32.483 31.3480 .275 31.

627 5.151 33.313 23 a R Squared = .533 23113.338 30.476 3.087 98.S.974 29.812 Sig.260 18.812 dan besarnya peluang kesalahan 15.952 60.650 23211.6999 dengan peluang kesalahan 21. M.1% sehingga tidak signifikan karena jauh diatas kesalahan 5%.369 F 2. dan yang tidak dipupuk).212) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 1.7%.627 11.701 32.699 2.211 .788 31.236 6859. Dr.155 2.095 .663(a) 23113. mcmpupuk (maksudnya macam pupuk) Estimates Dependent Variable: hslpanen 95% Confidence Interval mcmpupuk pk pn tanpappk Mean 30.649 .649 .725 7. Demikian pula pengaruh waktu pemupukan serta pengaruh interaksi macam pupuk dan waktu pemupukan juga tidak signifikan dengan Fhitung berturut-turut 2. . juga hasil panen akibat pengaruh waktu pemupukannya untuk setiap macam pemupukan. Tests of Between-Subjects Effects Dependent Variable: hslpanen Source Corrected Model Intercept mcmpupuk waktupemp mcmpupuk * waktupemp Error Total Corrected Total Type I Sum of Squares 37.975 Std. Estimated Marginal Means 1.940 Df 5 1 2 1 2 18 24 Mean Square 7.Bambang Subali.155 dan 2.260 9.774 1.10 Dari data hasil analisis statistika deskriptif kita dapat melihat rata-rata hasil panen akibat pengaruh macam pupuk yang berbeda (akibat pemberian pupuk K.612 Upper Bound 31.9% dan 8.451 7.383 (Adjusted R Squared = . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .649 Lower Bound 28. Error .000 .338 Dari tabel estimasi populasi kita dapat melihat besarnya nilai rata-rata populasi hasil panena akibat pengaruh macam pupuk beserta simpangan bakunya serta kisaran batas bawah dan batas atasnya pada taraf kesalahan 5%.159 . pupuk N.424 30.

530 95% Confidence Interval Lower Bound 29. Error Sig. Dr.918 .470 Upper Bound 31.188 1.369 The F tests the effect of mcmpupuk. Error sblmtnm ssdhtnm 30.918 .212 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).450 -1.188 Std.918 .697 Hasil analisis akibat pengaruh faktor waktu pemupukan juga tidak berbeda dengan pengaruh faktor macam pupuk.378 1. M.Bambang Subali.725 F 1. waktupemp (MAKSUDNYA WAKTU PEMUPUKAN) Estimates Dependent Variable: hslpanen waktupemp Mean Std.630 .583 . sebagaimana tampak pada hasil analisis pada tabel di atas. .630 .918 .566 .597 32.212 .450 -1.291 -1. Dari tabel pembandingan antar atribut macam pupuk melalui uji jarak nyata terkecil (LSD) kita lihat tidak ada yang menunjukkan selisih nilai rata-rata (I-J) yang signifikan.378 .451 Df 2 Mean Square 5.741 3.116 pk pn tanpappk Pn Tanpappk Pk Tanpappk Pk Pn .918 .478 -3.116 -.(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -2.638 .291 -. 2.483 31.1% jauh di atas batas taraf kesalahan 5%.699 Sig. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .370 30.091 . Hasil uji univariate yang hanya menguji efek utama faktor macam pupuk tanpa memperhatikan faktor waktu pemupukan tidak menunjukkan perbedaan hasil panenan yang signifikan karena taraf kesalahannya sebesar 21.S. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.211 60.638 1.918 .11 Pairwise Comparisons Dependent Variable: hslpanen (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -.741 2.091 .478 -3.566 3.650 18 3.530 . Univariate Tests Dependent Variable: hslpanen Sum of Squares Contrast Error 11.

474 Upper Bound .369 The F tests the effect of waktupemp.472 27.275 Std.12 Pairwise Comparisons Dependent Variable: hslpanen (I) waktupemp (J) waktupemp Mean Difference (I-J) -1.Bambang Subali.500 32.(a) 95% Confidence Interval for Difference(a) Lower Bound -2. Dalam hal ini yang harus dicari adalah signifikansi perbedaan antara waktu pemupukan sebelum tanam dan sesudah tanam pada tiap atribut/mkategori macam pupuk yang diberikan.159 .650 18 3.147 30.918 .155 Sig.203 Contoh kedua: Apabila penelitian untuk mengetahui pengaruh kombinasi macam pupuk dan waktu pemupukan terhadap hasil panenan tanaman padi ladang yang ditanam pada petak ladang dengan tingkat kesuburan yang dicurigai berbeda.100 Std.100 1.159 60. M.328 31.675 31.003 34.428 34.918 95% Confidence Interval Lower Bound 27. simpangan baku beserta batas bawah dan batas atas nilai rata-rata pada tingkat populasi sebagaimana tersaji pada tabel di bawah ini.918 . maka rancangannya berupa rancangan Dr. Error Sig. mcmpupuk * waktupemp Dependent Variable: hslpanen mcmpupuk waktupemp Mean Pk Pn tanpappk sblmtnm ssdhtnm sblmtnm ssdhtnm sblmtnm ssdhtnm 29.260 Error Df 1 Mean Square 7.S. dan sebaliknya harus diuji pula signifikansi perbedaan antar macam pupuk pada tiap atribut/kategori waktu pemupukan. Oleh karena itu. Karena program SPSS hanya menganalisis efek utama darai faktor-faktor perlakuan tetapi bukan interaksinya.275 31.203 33. 3.674 sblmtnm ssdhtnm Ssdhtnm Sblmtnm . hasil yang keluar hanya menunjukkan nilai rata-rata. maka meskipun kita meminta untuk uji lanjut dengan LSD.347 Upper Bound 31.674 -.918 . jika efek interaksi signifikan maka harus diadakan uji lanjut dengan perhitungan secara manual.159 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).747 29. Univariate Tests Dependent Variable: hslpanen Sum of Squares Contrast 7.603 33.918 .918 .347 29.474 2. . Error .749 .749 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .260 F 2.400 29. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.572 30.075 32.

6 36.1 Pupuk K Sebelum tanam 29. Tanpa pupuk Blok Sebelum Sesudah ke tanam tanam 1 2 3 4 28.8 29.3 31.13 faktorial befaktor (dua faktor) pola acak kelompok atau pola berblok.6 30.2 30.2 27.6 30.7 31. Tabel 2.S.7 31.9 Pupuk N Sebelum tanam 29.0 Sesudah tanam 32.7 30.8 32.6 29.Bambang Subali.3 32.4 Sajian data untuk analisis varians multi-arah dengan program SPSS adalah sebagai berikut.2 28. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Dr. M.7 32.1 29.8 31.8 Sesudah tanam 32. hasil panenan tanaman padi ladang akibat pengaruh kombinasi macam pupuk dan waktu pemupukan dalam rancangan acak kelompok (dalam kwintal).7 32. Hasil penelitian menunjukkan hasil sebagai berikut.0 33.

dilanjutkan memilih sub-submenu univariate.14 Gambar 1. kemudian memilih submenu general linear model. Jika di klik/ditekan tombol enter akan muncul tampilan sebagai berikut. Seting data SPSS hasil penelitian hasil panena tanaman padi ladang yang diberi perlakuan kombinasi macam pupuk dan waktu pemupukan (dalam kwintal) Untuk menganalisis data di atas. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . maka pilih menu analyze. Hasilnya sebagai berikut. Selanjutnya masukkan variable hasil panenan (hslpanen) ke dalam variable tergayut (dependent variable). M. masukkan variabel macam pupuk (mcmpupuk) dan waktu pemupukan (waktupemp) sebagai faktor perlakuan juga variabel blok sebagai sumber variasi yang harus diperhitungkan.Bambang Subali. Dr.S.

Jika variabel macam pupuk dan waktu pemupukan merupakan faktor yang pasti (fixed) (artinya hasil penelitian tidak dapat digeneralisasi untuk macam pupuk lain yang tidak dicoba. dan analisis selanjutnya memilih menu Custom (klik menu Custom). M. sehingga tampak tampilan sebagai berikut. juga dalam hal waktu pemupukannya hanya sebelum dan sesudah tanam sehingga tidak dapat diberlakukan pada waktu/situasi yang lain) maka harus memilih tipe III. sehingga pilih (klik) menu model. pilih menu Main effect. Dr. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . dan masukkan ketiga variabel ke dalam model.Bambang Subali.15 Selanjutnya memilih model. Oleh karena itu tidak perlu mengganti menu Type.S. dan akan keluar tampilan sebagai berikut.

Bambang Subali. Type III Pilih (klik) menu Continue sehingga muncul tampilan semula sebagai berikut. baik factor perlakuan maupun factor blok pilih menu Option sehingga muncul tampilan sebagai berikut.16 Masukkan ula interaksi variabel macam pupuk dan variable waktu pemupukan (waktupemp) dengan cara memilih menu Interaction kemudian mengeblok kedua variabel tersebut dan memasukkannya ksi ke dalam model.S. Untuk menguji efek utama (main effect) dari masing-masing factor. M. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Dr. sehingga tampil hasil sebagai berikut.

Jangan lupa bila ingin menampilkan hasil analisis deskriptifnya.S. sehingga diperoleh tampilan sebagai berikut. maka klik bok di depan menu Descriptive statistics. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Dr.17 Masukkan variable yang akan ditampilkan nilai rata-ratanya (Display Means) dengan cara mengeblok dan memasukkan ked lam bok Display Mean for.Bambang Subali. M.

18 Bila sudah selesai memilih.S. Dr. Hasil analisis statistika deskriptif menunjukkan besarnya nilai rata-rata. ketiga dan keempat. Univariate Analysis of Variance Between-Subjects Factors N 8 8 8 12 12 6 6 6 6 mcmpupuk Waktupemp Blok Pk Pn Tanpappk Sblmtnm Ssdhtnm 1 2 3 4 Karena ada enam kombinasi perlakuan maka tiap blok tanam harus dibagi enam dan diacak sehingga setiap petak di blok satu ditanami dengan salah satu macam kombinasi perlakuan.Bambang Subali. demikian pula di blok kedua. klik menu Continue sehingga kembali ke tampilan awal seperti berikut. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . M. simpangan baku dan N (banyaknya atau ulangan). sehingga besarnya N untuk tiap blok sebanyak 6 yang menunjukkan banyaknya kombinasi perlakuan dalam setiap blok. klik menu OK dan akan diperoleh hasil analisis sebagai berikut. Pemrograman sudah selesai.

7332 .400 30.S.8991 1. M.900 30.950 29.275 32. .200 28.450 30. . .800 32.600 30. .750 30. . . .2021 N 1 1 1 1 4 1 1 1 1 4 2 2 2 2 8 1 1 1 1 4 1 1 1 1 4 2 2 2 2 8 1 1 1 1 4 1 1 1 1 4 2 ssdhtnm Total Pn sblmtnm ssdhtnm Total tanpappk sblmtnm ssdhtnm Total Dr.600 36. 1.Bambang Subali.600 29.2828 3.4071 2.3480 .500 32.788 28.000 30.200 27. .338 29. 1. .100 29.19 Descriptive Statistics Dependent Variable: hslpanen mcmpupuk waktupemp Pk sblmtnm Blok 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 1 Mean 29. .700 32. 1. .4749 2.8655 1.700 31. Deviation .7348 .100 29. . . .275 29. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .200 30. .075 30.3234 1.700 32.800 29. .5456 1.300 31.950 29.900 31.700 30.700 30.675 30.800 31.000 29.4749 2.700 31. 3.400 31.8385 1. .1314 .600 32. . .9207 .300 32.450 Std.800 32.4315 2.9287 . .000 33.800 31.

509 .0675 2 2 2 8 3 3 3 3 12 3 3 3 3 12 6 6 6 6 24 ssdhtnm Total Tests of Between-Subjects Effects Dependent Variable: hslpanen Type I Sum of Source Squares Corrected Model 41.788 Dari tabel analisis varians di atas dapat diketahui bahwa pengaruh atau efek utama variabel macam pupuk tidak signifikan karena peluang kesalahannya mencapai 25.333 3. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .750 31.3856 .7251 1.353 Sig.2368 1.900 31.516 1.Bambang Subali.7550 .186 .400 30. .5%. M.4163 2.313 a R Squared = .663(a) Intercept 23113.000 .233 30.260 9.967 31.367 31.8717 2.627 5. Estimated Marginal Means 1.2021 2.433 31.000 Error 56.208 23113.550 32.476 1.6% dan efek interaksi dari kedua fakor perlakuan.1% atau (dalam tabel tertulis 0.777 F 1.0146 1.251) pengaruh atau efek utama waktu pemupukan juga tidak signifikan karena peluang kesalahannya jauh di atas 5% yakni 18.650 Total 23211.424 (Adjusted R Squared = .7778 1.S.379 6120.3215 4.115 .300 31.6153 1.260 mcmpupuk * waktupemp 18.627 Mcmpupuk 11.1991 1.952 Blok 4.3843 .583 30.20 2 3 4 Total Total sblmtnm 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 34.467 31.922 2.5106 1.282 .725 7.8414 3.7032 2. yakni pengaruh interaksi antara variabel macam pupuk dan waktu pemupukan.333 31.033 3.1820 . mcmpupuk Estimates Dependent Variable: hslpanen Dr.500 30.8461 2. juga tidak signifikan karena peluang kesalahannya jauh di atas 5% yakni 11.600 31.113 1.150 31.451 Waktupemp 7.940 Corrected Total 98.251 .483 31.900 31.116) df 8 1 2 1 2 3 15 24 23 Mean Square 5.975 28.

2.338 30. Error 95% Confidence Interval Dr. yang semuanya jauh di atas 5%.511 33.323 32.650 Tanpappk .21 mcmpupuk Pk Pn tanpappk Mean 30.884 3.113 Pn .975 Std. karena taraf kesalahannya jauh di atas 5%.972 .S.709 . Contrast 11.873 31.252 30. Tampak kolom (I-J) menunjukkan besarnya selisih nilai rata-rata.972 .434 -1. This test is based on the linearly independent pairwise comparisons among the estimated marginal means. Univariate Tests Dependent Variable: hslpanen Sum of Squares Df Mean Square F Sig. yakni 25. Error Sig.241 tanpappk Pk . Hasil uji beda univariate hasil panen dengan membandingkan antar nilai rata-rata estimasi berdasar model linier ang diperoleh juga menunjukkan hasil yang tidak bermakna sebagaimana tersaji pada tabel berikut.638 . sehingga tidak signifikan pada taraf kesalahan 5%.450 -1.788 31.972 .650 Tanpappk . dan kolom sig. waktupemp Estimates Dependent Variable: hslpanen waktupemp Mean Std.113 Pn Pk .451 2 5.521 1.Bambang Subali.251 Error 56.777 The F tests the effect of mcmpupuk.434 3.687 .259 .687 95% Confidence Interval Lower Bound Upper Bound 28.(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -2.621 2.621 -3.972 .709 -.650 15 3. dan hasil analisisnya sebagai berikut.972 . M.521 -3.188 1.516 .638 1.1%.439 Pairwise Comparisons Dependent Variable: hslpanen (I) mcmpupuk (J) mcmpupuk Pn . Error .972 .884 -.687 . Hasil analisis untuk factor waktu pemupukan juga sama saja hasilnya sebagaimana pengaruh factor macam pupuk. Pk Mean Difference (I-J) -.802 29.259 Dari tabel pembandingan sebagai uji lanjut dari efek utama variabel macam pupuk juga menunjukkan tidak ada yang berbeda signifikan. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .188 Std.450 -1.(a) menunjukkan besarnya peluang kesalahan untuk menunjukkan perbedaan antar kategori/atribut perlakuan macam pupuk.241 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).725 1.

M.186 -2.679 30.075 32.793 .004 34.275 Std.329 33. Karena program yang ada hanya menguji signifikansi efek utama.22 Lower Bound Upper Bound 29.186 Error 56.591 Ssdhtnm Sblmtnm 1. dan keluarannya hanya memberikan selisih rata-rata dan batas minimum dan batas maksimum nilai rata-rata perkiraan atau estimasinya. Contrast 7.186 -.583 .100 .972 95% Confidence Interval Lower Bound Upper Bound 27.561 .793 .591 2.260 1. pengujian signifikansi efek pengeblokan akibat kecurigaan terhadap tingkat kesuburan petak-petak penanaman yang berbeda ternyata tidak signifikan.650 15 3.471 27. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.483 31.604 34.429 31.972 .746 29.972 . Univariate Tests Dependent Variable: hslpanen Sum of Squares df Mean Square F Sig.972 .346 Berdasarkan tabel analisis varians di atas.S.Bambang Subali.972 .288 31. mcmpupuk * waktupemp Dependent Variable: hslpanen mcmpupuk Waktupemp Mean Pk Pn tanpappk Sblmtnm Ssdhtnm Sblmtnm Ssdhtnm Sblmtnm Ssdhtnm 29. namun hasil akhirnya tidak dapat diperoleh. maka walaupun efek interaksi dimasukkan pada bok Display means kemudian dianalisis bedanya. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .791 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).791 .388 32.561 Pairwise Comparisons Dependent Variable: hslpanen (I) waktupemp (J) waktupemp Mean Std.(a) 95% Confidence Interval for Difference Difference(a) (I-J) Lower Bound Upper Bound Sblmtnm Ssdhtnm -1.204 31. 3. Error .260 1 7.777 The F tests the effect of waktupemp.500 32.275 31.972 . Rekomendasi yang kita berikan adalah jika dilakukan penelitian ulang pada lokasi yang sama eksperimen faktorial tidak perlu dirancang dengan rancangan kelompok teracak lengkap (randomized completely block design) dan cukup Dr. Error Sig.100 .146 30.922 .346 29.400 29.675 31.204 33.571 30.779 Sblmtnm Ssdhtnm 30. Dengan demikian uji lanjut sebagaimana tersaji pada hasil berikut ini juga tidak signifikans.

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .991 2.458 1.(a) tampak bahwa besarnya peluang untuk setiap nilai selisih antar blok menunjukkan harga di atas 5%.601 4 -.858 -2. 4.991 Pairwise Comparisons Dependent Variable: hslpanen (I) blok (J) blok Mean Difference Std. Dr.200 1.867 1.467 1.683 4 -.124 2 31.191 2.067 1.325 3.122 .793 28.122 .122 .591 4 31.S.867 1.458 -1. M.122 .258 -2.325 -2.791 Karena hasil analisis varians menunjukkan efek blok tidak signifikan.793 29.793 29.191 -1.357 3 .925 -3. 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -3.357 3 -.191 3 30.200 1.925 2.683 2 -.525 -1.122 .600 1. Error Sig.400 1.467 1.122 .858 1.791 1.591 2.122 .122 .861 3 .Bambang Subali. blok Estimates Dependent Variable: hslpanen Blok Mean Std.23 dengan rancangan acak sempurna (completely randomized design).601 4 .067 1.452 2 1 1.525 3.726 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).991 1.991 -1.(a) (I-J) 1 2 -1.609 32.300 .122 . Error 95% Confidence Interval Lower Bound Upper Bound 1 30.791 -2.726 4 1 .452 2 -.791 2.600 1.258 1.809 33.122 .742 32.209 32.400 1.991 -2.433 . maka hasil analisis atau uji lanjut menggunakan uji beda nyata terkecil (LSD) untuk mencari signifikansi perbedaan antar blok (I – J) juga tidak menunjukkan hasil yang signifikan (pada kolom sig.900 .122 .793 29.861 3 1 .500 .591 -1.122 .

788 The F tests the effect of blok. M.Bambang Subali. .S.8% jauh diatas batas taraf kesalahan 5%.650 15 Mean Square F 1.24 Univariate Tests Dependent Variable: hslpanen Sum of Squares df Contrast 4. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.333 . Analisis varians satu jalur yang hanya menguji signifikansi pengaruh blok terhadap hasil panenan padi juga tidak menujukkan hasil yang signifikan dengan peluang sebesar 78.000 3 Error 56. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .777 Sig.353 3. Dr.

Bambang Subali.S.25 Dr. M. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .

Misalnya areal penanamannya tidak homogen kesuburannya maka kita buat blok-blok yang homogen sehingga seluruh perlakuan ada wakilnya pada setiap blok tanam. ada yang >10 . Tidak mudah untuk memperoleh semai tanaman cendana yang memiliki ketinggian yang homogen pada umur yang sama. misalnya ada blok atau kelompok tanaman cendana yang tingginya 8 – 10 cm. termasuk jikalau dihomogenkan dengan pengeblokan.Bambang Subali. Akibat adanya factor peragam atau kovariabel atau kovariat. maka masing-masing kelompok harus ada tanaman cendana sebanyak 3 batang yang akan dipilih secara acak untuk memperoleh salah satu atribut/kategori atau taraf/level perlakuan. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .26 BAB 2 ANALISIS DATA RANCANGAN KOVARIANS Rancangan kovarians atau rancangan peragam merupakan salah satu rancangan eksperimen dimana selain faktor perlakuan masih ada factor lain yang merupakan variable pengganggu (suppressed variable) yang tidak dapat dihomogenkan. >14 – 16 cm dimana setiap kelompok harus ada tanaman cendana yang jumlahnya sebanyak atribut/kategori perlakuan/treatment (kalau faktor perlakuannya kualitatif) atau taraf/level perlakuan/treatment. ada yang >12 – 14 cm. maka kita upayakan dulu memilih blok/kelompok tinggi tanaman yang homogen. maka efek treatmen (perlakuan) menjadi dipengaruhi oleh factor peragam. misalnya tanaman yang ada berkisar antara 8 sampai 16 cm. Dr.S. Misal hasil eksperimen tentang pengaruh macam pupuk anorganik terhadap pertumbuhan tanaman cendana sebagai berikut. Kalau akan dicoba tiga macam pupuk. M. Kalau biji yang kita semai hanya sedikit dan akhirnya setelah kita kelompokkan agar homogen ditiap kelompok pun tidak berhasil.12 cm. Demikian pula bila tinggi awalnya tidak homogen. maka factor tinggi awal kita jadikan sebagai faktor peragam/kovariat/kovariabel. Kalau kita akan pengetahui efek macam pupuk terhadap pertumbuhan tanaman cendana. Apabila ada satu faktor lain selain faktor perlakuan yang tidask homogenkan maka dapat diupayakan homogen pada tingkat blok. media tanam dan faktor lingkungan harus kita homogenkan agar dapat memakai rancangan acak lengkap. maka ukuran tanaman.

Tinggi semai tanaman cendana usia 3 bulan akibat pengaruh macam pupuk pupuk anorganik yang diberikan (dalam cm). P. dilanjutkan memilih menu Univariate. Jika di-”klik”/di-enter akan muncul tampilan sebagai berikut. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . M. maka pilih menu Analyze.27 Tabel 1. Pupuk N (t1) tinggi awal (X1i) 14 11 11 13 Pupuk P (t2) tinggi awal (X2i) 8 12 15 12 Pupuk K (t3) tinggi awal tinggi akhir (X3i) (Y3i) 9 14 9 9 30 37 32 32 tinggi akhir (Y1i) 40 38 37 47 tinggi akhir (Y2i) 30 43 47 44 Sajian data untuk analisis varians multi-arah dengan program SPSS adalah sebagai berikut. dan K) terhadap pertumbuhan semai cendana (dalam cm) Untuk menganalisis data di atas.S. Gambar 1. Dr. kemudian memilih menu General linear model.Bambang Subali. Seting data dalam program SPSS penelitian pengaruh macam pupuk anorganik (N.

sehingga pilih (klik) menu sebagai berikut.Bambang Subali. masukkan variabel macam pupuk (mcmpupuk) sebagai faktor perlakuan juga variabel tinggi awal sebagai faktor pengganggu penyebab sumber variasi yang harus diperhitungkan. M. Hasilnya sebagai berikut. dan akan keluar tampilan Dr. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .S. Selanjutnya memilih model.28 Selanjutnya masukkan variabel tinggi akhir (tingakhir) ke dalam variabel tergayut (dependent variable). model.

pilih menu Main effect.Bambang Subali. dan analisis selanjutnya memilih menu Custom (klik menu Custom).S. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Type III Dr. Oleh karena itu tidak perlu ganti menu Type.29 Karena variabel macam pupuk merupakan faktor yang pasti (fixed) (artinya hasil penelitian tidak dapat digeneralisasi untuk macam pupuk lain yang tidak dicoba) maka harus memilih tipe I. dan masukkan kedua variable ke dalam model. sehingga tampak tampilan sebagai berikut. M.

Untuk menguji efek utama (main effect) dari faktor perlakuan. M.Bambang Subali. pilih menu Option sehingga muncul tampilan sebagai berikut. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Dr.30 Pilih (klik) menu Continue sehingga muncul tampilan semula sebagai berikut.S.

diperoleh tampilan sebagai Bila sudah selesai memilih. M.31 Masukkan variabel macam pupuk yang akan ditampilkan nilai rata-ratanya (Display Means) ke dalam bok Display Mean for.Bambang Subali. Jangan lupa bila ingin menampilkan hasil analisis deskriptifnya. Dr. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .S. pilih (klik menu Continue sehingga kembali ke tampilan awal seperti berikut. maka klik bok di depan menu Descriptive statistics. sehingga berikut.

0833 Std.5000 41.32 Pemrograman sudah selesai.50925 7.75 cm. Deviation 2.5 cm.24439 N 4 4 4 12 Dari data hasil analisis statistika deskriptif kita dapat melihat nilai rata-rata tinggi akhir semai cendana akibat pemberian macam pupuk yang berbeda dengan mengabaikan pengaruh factor tinggi awal sebagai peragamnya.0 cm. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . yakni semai cendana yang diberi pupuk N 40. Dr. selanjutnya pilih (klik menu OK dan akan diperoleh hasil analisis sebagai berikut. yang diberi pupuk P 41.Bambang Subali. Univariate Analysis of Variance Between-Subjects Factors N 4 4 4 mcmpupuk pupukk pupukn pupukp Descriptive Statistics Dependent Variable: tingakhir mcmpupuk Pupukk Pupukn Pupukp Total Mean 32. dan yang diberi pupuk K 32.52773 6.98608 4.S.7500 40.0000 38. M.

000 428.(a) Pupukk Pupukn Pupukp Pupukn Pupukp Pupukk Pupukp Pupukk Pupukn .013 a Covariates appearing in the model are evaluated at the following values: tingawal = 11. Setelah pengaruh factor peragam dihilangkan maka diperoleh nilai rata-rata terkorekasi (adjusted mean) dari tinggi semai cendana yang diberi pupuk N yakni 34.767 42.234 2. a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments). Dr.422(*) 1. Pairwise Comparisons Dependent Variable: tingakhir (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -3.658 9.048 .135 .917 Df 3 1 2 1 8 12 11 Mean Square 116.773 -.95 cm.Bambang Subali.541 -6.657 18.167 178. dan yang diberi pupuk K 40.979 -5.204 Upper Bound 38.595 .321 2.071 dan besar peluang kesalahan hanya 0.010 .083 85.4167.S.746) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 8.583 178. Estimated Marginal Means mcmpupuk Estimates Dependent Variable: tingakhir 95% Confidence Interval Mcmpupuk Pupukk Pupukn Pupukp Mean 34.950(a) 38.929(a) Std.234 Sig.000 .657 dengan peluang kesalahan 1% sehingga signifikan di bawah taraf kesalahan 5%.816 (Adjusted R Squared = .499 3.422(*) 3.608 17404.887 F 11.499 1.825(a) 17404.615 Lower Bound 31.773 6.003 .653 40.371(a) 1.579 36.070 -1. Demikian pula pengaruh fator tinggi awal sebagai peragam sangat signifikan karena dengan Fhitung sebesar 18.658 79.394 2.655 1.979 -1. Error 2.730 44. yang diberi pupuk P 38.595 Based on estimated marginal means * The mean difference is significant at the .070 -3.388 8.371 cm.394 2.135 .048 .092 17833.33 Tests of Between-Subjects Effects Dependent Variable: tingakhir Source Type I Sum of Squares Corrected Model Intercept Mcmpupuk Tingawal Error Total Corrected Total 349.083 171.795 1760.443 Std.443 5. .537 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -9. M.133 35.537 .710 9. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .3% jauh lebih kecil dari batas kesalahan 1%.321 2.929 cm.710 10. Error 1.003 a R Squared = .541 -10.071 Sig.05 level.

Dua atribut/taraf/ level • atribut/taraf/ level pertama diberi kode 1 • atribut/taraf/ level kedua diberi kode 0 Variabel Tiga level/taraf/ dummy atribut yang terbetuk Satu • atribut/taraf/level variabel pertama diberi kode 1 dan 0 • atribut/taraf/level kedua diberi kode 0 dan 1 • atribut/taraf/level ketiga diberi kode 0 dan 0 Variabel Empat level/taraf/ atribut dummy yang terbetuk Dua • atribut/taraf/ level pertama variabel diberi kode 1. This test is based on the linearly independent pairwise comparisons among the estimated marginal means. dan 1 • atribut/taraf/ level keempat diberi kode 0. Dari hasil analisis lanjut menggunakan uji beda nyata terkecil menunjukkan ada perbedaan tinggi semai cendana antara yang diberi pupuk P dan yang diberi pupuk K dengan selisih 5.83 dan besar peluang 11. dan 0 Variabel dummy yang terbetuk Tiga variabel Dr. Namun demikian.949 Df 2 Mean Square 27. Jika ada empat atribut/level/taraf perlakuan maka atribut/level/taraf perlakuan pertama diberi kode 1 kemudian 1 lagi dan 0. maka digunakan uji regresi. dan 0 • atribut/taraf/ level ketiga diberi kode 0. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .S. namun uji dengan tes univariate melalui uji kontras untuk membandingkan tinggi akhir dengan memperhatikan tinggi rata-rata yang sudah terkoreksi menunjukkan hasil yang tidak signifikan. untuk atribut/level/taraf perlakuan kedua diberi kode 0 dan 1.830 Sig. Jika hanya ada dua atribut/level/taraf perlakuan maka atribut/level/taraf perlakuan pertama diberi kode 1 dan atribut/level/taraf perlakuan kedua diberi kode 0 sehingga terbentuk satu variable dungu. dan 0 • atribut/taraf/ level kedua diberi kode 0. dan atribut/level/taraf perlakuan ketiga diberi kode 0 dan 0 sehingga terbentuk dua variable dungu.092 8 9.974 F 2.8% jauh di atas batas kesalahan 5%. 0. M.887 The F tests the effect of mcmpupuk.34 Univariate Tests Dependent Variable: tingakhir Sum of Squares Contrast Error 55. 0.422 cm. untuk atribut/level/taraf perlakuan kedua diberi kode 0 kemudian 1 dan 0. dan atribut/level/taraf perlakuan keempat diberi kode 0 kemudin 0 dan sekali lagi 0 sehingga terbentuk tiga variable dungu. . yakni dengan Fhitung sebesar 2.118 79. Untuk mencari model regresi hubungan antara macam pupuk sebagai variable bebas/predictor dan tinggi awal sebagai variable peragam/kovariat dengan tinggi akhir sebagai variabel respons. 1. Perhatikan tabel di bawah ini.Bambang Subali. Jika ada tiga atribut/level/taraf perlakuan maka atribut/level/taraf perlakuan pertama diberi kode 1 dan 0. variable macam pupuk harus diubah menjadi variable dungu (dummy variable) dengan menggunakan kode. atribut/level/taraf perlakuan ketiga diberi kode 0 kemudian 0 lagi dan selanjutnya 1.1.

dan tinggi awal ke dalam boks independent variable. M. Dr. Selanjutnya data dianalisis dengan diawali memilih menu analyse kemudian memilih menu regression. dummy 2. masukkan variabel dummy 1. terus memilih linear.Bambang Subali.S. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .35 Karena eksperimennya hanya melibatkan tiga data maka pengkodean variabel dungu dalam seting data program SPSS adalah sebagai berikut. Masukkan variabel respons tinggi akhir ke dalam boks dependent variable. kemudian di ‘klik’ akan tampil tampailan sebagai berikut.

Bambang Subali. pilih/klik menu Continue sehingga akan keluar tampilan sebagai berikut.36 Untuk memperoleh informasi tentang hasil analisis deskriptif atau hasil lainnya pilihlah menu Statistics. Bila sudah. dan model fit akan keluar tampilan sebagai berikut. M. estimates. Dr. Selanjutnya pilihlah menu deskriptif. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .S.

Deviation 6.492 .000 . M.371 12 12 12 Tingawal .S.492 2.266 .202 .33 11.37 Pemrograman sudah selesai dan pilih/klik menu OK dan akan keluar out put sebagai berikut.000 .266 . Regression Descriptive Statistics Mean 38.286 . .049 .000 -. (1-tailed) N Tingakhir dammy1 dammy2 Tingawal Tingakhir dammy1 dammy2 Tingawal Tingakhir dammy1 dammy2 Dr.4167 Std.000 12 12 12 dammy1 .371 .136 . 12 12 12 Pearson Correlation Sig.828 .286 1. Correlations tingakhir 1.Bambang Subali.000 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .31432 N 12 12 12 12 tingakhir Dammy1 Dammy2 Tingawal Tampak hasil analisis deskriptif nilai rata-rata.345 .106 .0833 .202 12 12 12 dammy2 . .106 1.33 .136 .184 .000 .345 -.184 . simpangan baku dan ukuran ulangan pengamatannya.500 .24439 .828 .500 1. .049 .

795 Sig. tingawal.321 tingawal 1. M.423 4.422 2.811 dammy1 3.336 4. dammy1(a) Variables Removed .314 .048 .903(a) R Square .S.423 + 3. Error 1 (Constant) 13.886 Xi = 17. b Dependent Variable: tingakhir Model Summary Model 1 R . jadi sangat signifikan.427 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .3% jauh di bawah batas 1%. tingawal. dammy1 b Dependent Variable: tingakhir Coefficients(a) Unstandardized Coefficients B Std.816 Adjusted R Square .003(a) 428.Bambang Subali. 2.979(1) + 5.423 + 3.662 2.14428 a Predictors: (Constant). dammy2.092 df 3 8 Mean Square 116.699 T Sig. dammy2.394 dammy2 5.422 d2 + 1.95 dengan peluang kesalahan sebesar 0. Model 1 Method Enter a All requested variables entered.790 1.746 Std. dammy1 Setelah seluruh variable bebas dimasukkan. .402 + 1.825 79.886 .917 11 a Predictors: (Constant).003 Garis regresi yang diperoleh adalah Yi = 13. Dengan garis regresi tersebut berarti pada atribut pertama (saat tanaman dipupuk dengan pupuk N) hubungan antara variable peragam tinggi (Xi) awal dan tinggi akhir (Yi) dapat diterangkan oleh persamaan regresi: Yi = 13.135 .422(0) + 1.81 atau 81% menunjukkan hubungan variable bebas (factor perlakuan dan peragam) dengan variable responsnya dapat diterangkan oleh model yang diperoleh.024 . Error of the Estimate 3.38 Variables Entered/Removed(b) Variables Entered tingawal.886 Xi dapat dipakai untuk menjelaskan hubungan regresi antara variable predictor dan variable responsnya dengan Fhitung sebesar 17.886 Xi pada atribut kedua (saat tanaman dipupuk dengan pupuk P) hubungan antara variable peragam Dr.887 F 11. diperoleh koefisien regresi sebesar 0.608 9.444 a Dependent Variable: tingakhir Model Standardized Coefficients Beta . dammy2. ANOVA(b) Model 1 Regression Residual Total Sum of Squares 349.251 .979 2.979 d1 + 5.

dan pada atribut pertama (saat tanaman dipupuk dengan pupuk K) hubungan antara variable peragam tinggi (Xi) awal dan tinggi akhir (Yi) dapat diterangkan oleh persamaan regresi: Yi = 13. Rata-rata observasi tinggi awal total (∑Xi/n) = 137/12 = 11.5 – 1. maka berakibat pada ketidak seragaman pencahayaan di lokasi eksperimen.S.845 + 1.Bambang Subali.422(0) + 1.423 + 1. M.886 Xi = 13.929 Dengan langkah yang sama nilai rata-rata terkoreksi untuk tanaman yang diberi pupuk P ataupun tanaman yang diberi pupuk K akan dapat diperoleh.886 Xi. Dr. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .∑Xi/n) = 40.25 Rata-rata observasi tinggi akhir dari tanaman yang dipupuk N (∑Y1i/ni) = 162/4 = 40.979(0) + 5.886(12. Tabel hasil penelitiannya sebagai berikut.886 artinya nilai rata-rata tinggi akhir terkoreksi pada masing-masing atribut adalah sebesar nilai rata-rata tinggi akhir observasi dikurangi dengan nilai koefisien regresi b1 dikalikan dengan selisih nilai rata-rata tinggi awal pada atribut yang bersangkutan dikurangi dengan rata-rata tinggi awal untuk seluruh perlakuan.25 – 11.39 tinggi (Xi) awal dan tinggi akhir (Yi) dapat diterangkan oleh persamaan regresi: Yi = 13. Besarnya koefisien regresi b1 yang dipakai untuk memperhitungkan pengaruh atau kontribusi factor atau variable peragam adalah 1.5 Rata-rata terkoreksi tinggi akhir dari tanaman yang dipupuk N (∑Y1iterkoreksi/ni) = ∑Y1i/ni – b1(∑X1i/ni .423 + 3.979(0) + 5.886 Xi = 18.886 Xi.41666667) = 38.41666667 Rata-rata observasi tinggi awal dari tanaman yang dipupuk N (∑X1i/ni) = 49/4 = 12. Apabila eksperimen tersebut dilakukan di lapangan dan lokasinya sangat sempit dan sebagian dinaungi pohon besar.423 + 3. Besarnya rata-rata tinggi akhir terkoreksi pada tanaman yang dipupuk dengan pupuk N diperoleh dengan cara sebagai berikut.422(1) + 1. Oleh karena itu rancangannnya berupa rancangan kovarians pola acak kelompok atau pola berblok.

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .40 Tabel 2. Seting data dalam program SPSS penelitian pengaruh macam pupuk anorganik (N.S.Bambang Subali. maka pilih menu Analyze. kemudian memilih submenu General linear model. P. Jika di klik/ ditekan tombol enter akan muncul tampilan sebagai berikut. Dr. M. Gambar 1. dilanjutkan memilih sub-submenu Univariate. dan K) terhadap pertumbuhan semai cendana (dalam cm) dengan rancangan acak kelompok Untuk menganalisis data di atas. Tinggi semai tanaman cendana usia 3 bulan akibat pengaruh macam pupuk pupuk anorganik yang diberikan (dalam cm) dalam rancangan acak kelompok Pupuk N (t1) (tinggi awal X1i) 14 11 11 13 Pupuk P (t2) tinggi awal (X2i) 8 12 15 12 Pupuk K (t3) tinggi akhir tinggi awal tinggi akhir (Y2i) (X3i) (Y3i) 30 9 30 43 14 37 47 9 32 44 9 32 Blok ke 1 2 3 4 tinggi akhir (Y1i) 40 38 37 47 Sajian data untuk analisis varians multi-arah dengan program SPSS adalah sebagai berikut.

bukan wakil dari macam pupuk yang lainnya. Selanjutnya memilih model. sehingga klik menu model. masukkan variabel macam pupuk (mcmpupuk) dan factor blok ke dalam boks fixed factors karena macam pupuk sudah fixed atau pasti. dan akan keluar tampilan sebagai berikut. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .Bambang Subali.41 Selanjutnya masukkan variabel tinggi akhir (tingakhir) ke dalam boks dependent variable (variable tergayut). demikian pula factor blok yang harus diperhitungkan sehingga dijadikan sumber variasi. M. Hasilnya sebagai berikut.S. Dr.

Dr.42 Karena variabel macam pupuk dan waktu pemupukan merupakan faktor yang pasti (fixed) artinya hasil penelitian tidak dapat digeneralisasi untuk macam pupuk lain yang tidak dicoba. sehingga tampak tampilan sebagai berikut. Oleh karena itu ganti menu Type. sehingga tampil hasil sebagai berikut. Type III Masukkan dan masukkan ketiga variabel ke dalam boks Model. dan analisis selanjutnya memilih menu Custom (klik menu Custom).S.Bambang Subali. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . demikian juga factor blok maka maka harus memilih tipe III. pilih menu Main effect. M.

S. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .43 Type III Pilih (klik) menu Continue sehingga muncul tampilan semula sebagai berikut. Untuk menguji efek utama (main effect) dari faktor perlakuan maupun faktor blok pilih menu Option sehingga muncul tampilan sebagai berikut.Bambang Subali. M. Dr.

Bambang Subali. M. maka klik bok di depan menu Comparen mean effects dan pilih LSD jika eksperimennya memiliki hipotesis penelitian. Kemudian klik untuk menu uji lanjut Jangan lupa bila ingin menampilkan hasil analisis deskriptifnya.S. Jangan lupa klik bok didepan Descriptive statistics untuk memperoleh hasil analisis deskriptifnya. sehingga diperoleh tampilan sebagai berikut. Dr.44 Masukkan variabel yang akan ditampilkan nilai rata-ratanya dengan cara mengeblok dan memasukkan kedalam bok Display Mean for. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .

Bambang Subali.00 2. Univariate Analysis of Variance Between-Subjects Factors N 4 4 4 3 3 3 3 mcmpupuk pupukK pupukN pupukP Blok 1.00 4. klik menu Continue sehingga kembali ke tampilan awal seperti berikut.00 Dr. M.S. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Pemrograman sudah selesai.45 Bila sudah selesai memilih. klik menu OK dan akan diperoleh hasil analisis sebagai berikut.00 3.

0000 40. pupuk P 41.52773 5.167 131.3333 39. Demikian pula pengaruh fator tinggi awal sebagai peragam sangat signifikan karena dengan Fhitung sebesar 24.3333 38.040 a R Squared = . .93725 6.00 Total pupukN 1. .000 .77350 3.00 4. setiap atribut macam pupuk (nilai rata-rata observasi tinggi akibat pemberian pupuk N 40.0000 33.00 3.849 98.46 Descriptive Statistics Dependent Variable: tingakhir mcmpupuk pupukK blok 1.0000 47.24439 N 1 1 1 1 4 1 1 1 1 4 1 1 1 1 4 3 3 3 3 12 Dari hasil analisis deskriptif kita memperoleh nilai rata-rata setiap blok.00 3.0 cm. 4.00 3.5 cm.397 F 12.932(a) 17404.858 dengan peluang kesalahan 0.7% jadi sangat signifikan di bawah taraf kesalahan 1%.0000 37.972 5.50925 .083 171.000 428.849 32.00 2.0000 37.917 df 6 1 2 1 3 5 12 11 Mean Square 66. . Deviation .0000 32.989 17404.431 6.863 15.00 4. M.110 Sig.00 4.21455 7.98608 .00 2.007 .0000 38.00 Total Mean 30.0000 41.083 85.00 2. .00 3. .4311 dengan besar peluang Dr.937 (Adjusted R Squared = . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .63763 7. 2. . 7.862) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 15. . dan pupuk K 32.858 24.00 Total pupukP 1.00 4.0000 44. .0000 47. Tests of Between-Subjects Effects Dependent Variable: tingakhir Source Type I Sum of Squares Corrected Model Intercept mcmpupuk Tingawal Blok Error Total Corrected Total 401.0000 32. .0000 43.0000 38.004 .007 . .413 3224.5000 30.75 cm) juga rata-rata totalnya (38.00 Total Total 1.7500 40.6667 41.0833).Bambang Subali.984 17833.583 131.00 2.0000 32.0833 Std.S.917 26.

4% jauh lebih kecil dari batas kesalahan 1%. namun uji dengan tes univariat melalui uji kontras untuk membandingkan Dr.062 .S.366 5. a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).283 5. dan yang diberi pupuk K 34.652 1. Error PupukK PupukN PupukP 34.786 1. .984 df 2 5 Mean Square 30.167 95% Confidence Interval Lower Bound 31.422 Upper Bound 37.653(*) 1.423 cm.087 5.136 43.725 1. Dari hasil analisis lanjut menggunakan uji beda nyata terkecil (LSD) menunjukkan ada perbedaan tinggi semai cendana antara yang diberi pupuk P dan yang diberi pupuk K dengan selisih 5.022 .446 Based on estimated marginal means * The mean difference is significant at the .611 Sig.424 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.05 level.231 1.770 cm.Bambang Subali.612 1.087 -.446 .053 The F tests the effect of mcmpupuk.022 .366 Std.4167. Error Sig.303 -5.423(a) 1. mcmpupuk Estimates Dependent Variable: tingakhir mcmpupuk Mean Std. Setelah pengaruh factor peragam dihilangkan maka diperoleh nilai rata-rata terkorekasi (adjusted mean) dari tinggi semai cendana yang diberi pupuk N yakni 39. Pairwise Comparisons Dependent Variable: tingakhir (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -4.770(a) 39.653 cm. Estimated Marginal Means 1. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .220 -2.057(a) 40.110 besar peluang kesalahannya hanya 4% lebih kecil dari batas kesalahan 5%.652 .057 cm.062 . Pengaruh fator blok juga signifikan karena dengan Fhitung sebesar 6.198 1.(a) 95% Confidence Interval for Difference(a) Lower Bound -8.288 -1.288 -5.979 37. M.47 kesalahan hanya 0.878 -10.220 8.725 1.935 42.303 -1.604 35. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.881 Upper Bound .566 26.881 10.612 PupukK PupukN pupukP pupukN pupukP pupukK pupukP pupukK pupukN 1. yang diberi pupuk P 40.653(*) 4.786 1.397 F 5. Univariate Tests Dependent Variable: tingakhir Sum of Squares Contrast Error 60.878 2.

3%% sedikit di atas batas kesalahan 5%.996 -.022 1. Dari hasil analisis lanjut menggunakan uji beda nyata terkecil menunjukkan ada perbedaan tinggi semai cendana antara blok 1 dan blok 4 dengan selisih 5.894 -2.977 -1.356 -1.696 44.792 2.138 .025 . . M.626 38.779 41.047 5.900 1.425 -7. Pairwise Comparisons Dependent Variable: tingakhir (I) blok (J) blok Mean Difference (I-J) 1.900 .00 2.975 10.028 .538 -.975 Based on estimated marginal means * The mean difference is significant at the . blok Estimates Dependent Variable: tingakhir Blok Mean Std.809 .00 3.218 Sig.561 8.344 34.689 4.(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound 2.747(a) 1.265 .795 .953 1.593 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.00 4.984 3 5 Mean Square 17.795 2.00 2.201 41.S.182 .809 .182 .953 1.00 1.00 4.05 level.265 .487 -3.561 -1. 2.996 -4. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .028 .538 -3. Error 95% Confidence Interval Lower Bound Upper Bound 1.120 The F tests the effect of blok.356 7.911 1.660 1.736 4.929 2.00 3. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.144(a) 1.977 7.00 4.186 .911 1. a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).025 -5.00 1.910 Std.48 tinggi akhir dengan memperhatikan tinggi rata-rata yang sudah terkoreksi menunjukkan hasil yang tidak signifikan.00 37. Error Sig.369 5.394 31.425 1.186 -7.00 41.611 dan besar peluang 5.398 3.894 8.936(*) 3.397 F 3.487 -2.400 1.00 38.00 2.660 -5.00 4.929 1.Bambang Subali.936(*) 2.910 5.400 -8.929 1.00 2.108 26.929 1.047 -10.736 -8.00 3.00 1. namun uji dengan tes Dr. Univariate Tests Dependent Variable: tingakhir Sum of Df Squares Contrast Error 52.00 3.398 2.234(a) 1.4167.936 cm.342 37.00 -2. yakni dengan Fhitung sebesar 5.022 1.292 3.209(a) 1.138 .00 35.379 34.

Dr. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .Bambang Subali. M.218 dan besar peluang 12% jauh di atas batas kesalahan 5%.S. yakni dengan Fhitung sebesar 3.49 univariat melalui uji kontras untuk membandingkan tinggi akhir dengan memperhatikan tinggi rata-rata yang sudah terkoreksi menunjukkan hasil yang tidak signifikan.

J. K. M. Caranya di masing-masing komunitas kita buat petak pengamatan yang selanjutnya kita sebut sampling unit (SU) yang masing-masing merupakan sampel komunitas yang bersangkutan. B.S. I. E. Pertama adalah bagaimana kesamaan atau kemiripan komunitas-komunitas yang kita amati. C. M. L. Misalnya data kelimpahan bahwa di kedua/salah satu dari komunitas tersebut terdapat populasi A. maka masing-masing komunitas kemudian dicari nilai komunitas yang dicerminkan nilai komponen utama atau disingkat KU (principle components atau disingkat PC) dengan analisis reduksi. Misalnya kita mengadakan pengamatan pada dua komunitas tumbuhan bawah tegakan Acacia dan tegakan Mahagoni. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Unuk menguji kemiripan kedua komunitas tersebut seluruh populasi yang ada di kedua komunitas yang teramati di masing-masing SU kita data. Dari setiap SU kita di masingmasing tegakan kita data mengenai kelimpahan setiap populasi yang kita temukan. Dr.50 BAB 3 ANALISIS DATA KOMUNITAS DAN/ATAU HUBUNGANNYA DENGAN FAKTOR LINGKUNGAN Jika kita melakukan observasi di lapangan pada dua atau lebih komunitas beserta kondisi lingkungannya maka ada dua hal yang dapat kita tarik konsepnya. H. F. maka yang pertama kita dapat menguji kemiripan komunitas tumbuhan bawah tersebut dan kedua kita dapat menguji seberapa besar kontribusi faktor lingkungan terhadap masing-masing komunitas yang bersangkutan. D. G.Bambang Subali. demikian juga faktor lingkungannya misalnya faktor mikroklimatnya. kedua kita dapat mengetahui kontribusi faktor lingkungan terhadap kondisi masing-masing komunitas. Berikut ini data komunitas tumbuhan bawah tegakan Acacia juga data komunitas tumbuhan bawah tegakan mahagoni sebagai berikut.

1 Tabel 2.1 25 80 2.2 28 70 2. Kelimpahan populasi komunitas tumbuhan bawah tegakan Mahagoni beserta kondisi mikroklimatnya pada 10 SU SU1 1 3 1 3 4 4 3 4 6 0 5 4 0 30 67 2.3 SU3 1 2 1 4 4 6 3 4 5 6 5 2 3 28 71 2.9 SU10 0 3 1 6 0 5 0 0 2 3 5 2 0 26 82 1.1 SU7 1 2 0 5 2 7 1 0 4 4 4 0 4 27 75 2 SU8 1 4 1 6 3 7 1 2 4 6 6 3 3 26 78 1.S.3 27 70 2.9 SU9 1 3 1 6 3 8 1 0 2 3 6 3 2 26 82 1. M.3 SU4 0 1 1 4 3 6 2 3 5 5 4 2 3 29 74 2. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .9 SPESIES A B C D E F G H I Y K L M LINGKUNGAN SUHU KELEMBABAN INTENSITAS CAHAYA Dr.3 SU2 1 2 1 1 4 6 3 4 0 6 4 0 3 30 70 2.3 27 72 2.2 SU5 0 1 2 5 3 7 2 1 4 5 1 3 0 28 75 2.3 SU6 0 1 0 5 2 7 2 3 4 5 4 3 3 27 75 2.Bambang Subali.2 26 75 2.3 29 70 2.1 25 80 2. Kelimpahan populasi komunitas tumbuhan bawah tegakan Acacia beserta kondisi mikroklimatnya pada 10 SU SPESIES A B C D E F G H I Y K L M FAKTOR LINGKUNGAN SUHU KELEMBABAN INTENSITAS CAHAYA SU1 1 2 1 3 4 5 3 4 6 7 5 2 3 SU2 1 2 1 4 4 6 3 4 5 6 4 2 3 SU3 1 2 1 4 4 6 3 4 5 6 4 2 3 SU4 0 1 1 4 3 6 2 3 5 5 4 2 3 SU5 0 1 0 5 3 7 2 3 4 5 4 3 3 SU6 0 1 0 5 2 7 2 3 4 5 4 3 3 SU7 1 2 0 5 2 7 1 2 4 4 4 4 4 SU8 1 4 1 6 3 7 1 2 4 6 6 3 3 SU9 1 3 1 6 3 8 1 0 2 3 6 3 3 SU10 1 3 1 6 4 8 0 0 2 3 6 2 1 29 67 2.51 Tabel 1.2 26 75 2.3 28 71 2.

Bambang Subali. Setelah di “klik” akan tampak tampilan sebagai berikut. Seting data dalam SPSS adalah sebagai berikut. M. kemudian menu Data reduction kemudian pilih menu Factor … (Factor analysis). Selanjutnya untuk menganalisisnya pilih menu Analyse. Dr. Masukkan seluruh variabel yang akan dianalisis dalam hal ini adalah sampling unit (SU) ke dalam boks Variables sehingga akan tampak tampilan sebagai berikut.S.52 Langkah pertama adalah mencari nilai komunitas tumbuhan bawah tegakan Acacia yang tidak lain adalah nilai komponen utama (principle components) . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .

M.53 Selanjutnya pilih menu Extraction sehingga muncul tampilan sebagai berikut. Pada boks di muka Number of factors ketik angka 3. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Dr.S. maksudnya bahwa kita akan mereduksi seluruh data populasi disetiap SU menjadi tiga alternatif nilai komponen utama untuk setiap SU (jangan lupa setiap SU adalah sampel komunitas yang bersangkutan).Bambang Subali.

sehingga muncul tampilan sebagai berikut.Bambang Subali. M.S. Untuk memperoleh hasil analisis deskriptif klik/pilih menu Descriptives. Dr.54 Selanjutnya klik/pilih menu Continue sehingga akan tampil ke tampilan semula seperti berikut ini. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .

S. selanjutnya klik/pilih menu Continue sehingga akan kembali ke tampilan semula sebagai berikut. misalnya kita ingin mengetahui korelasi antar populasi yang ada di komunitas yang bersangkutan. maka klik/pilih bok di muka Coefficients ( dari Correlation matrixs).Bambang Subali. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Dr.55 Pilih menu yang diinginkan. M.

802 .709 .928 1.851 .958 1.66410 1.884 .951 .537 .740 .916 .737 .000 Correlation SU1 SU2 SU3 SU4 SU5 SU6 SU7 SU8 SU9 SU10 Dari hasil analisis korelasi di atas kita dapat mengetahui derajat asosiasi antar populasi tumbuhan bawah pada tegakan Acacia yang ditunjukkan oleh besarnya nilai koefisien korelasi.77951 2.883 .000 .767 .713 .624 .000 .939 .749 .537 SU3 .04124 1.832 .656 .66410 1.10311 2.0000 3.941 .883 .507 .537 .957 .000 . sehingga tidak perlu membandingkan dengan koefisien korelasi pada tabel korelasi.957 1.568 .939 1.656 .713 .823 .507 .337 .745 .85362 1.744 .507 .854 . Factor Analysis Descriptive Statistics Mean 3.832 .868 .377 SU2 .000 .51151 Analysis N 13 13 13 13 13 13 13 13 13 13 SU1 SU2 SU3 SU4 SU5 SU6 SU7 SU8 SU9 SU10 Correlation Matrix SU1 1.906 .939 .615 .871 .713 .6154 3.951 1.958 SU10 .683 SU7 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Dalam hal ini boleh jadi kedua populasi memiliki ikatan protokooperasi atau karena memiliki nisea yang mirip.709 SU6 .957 .745 .906 .683 .32600 2.000 1.957 . klik/pilih menu OK.337 .000 .000 .906 .740 SU8 .537 SU4 . Deviation 1.4615 3.000 .868 1. sehingga semakin melimpah populasi yang satu akan diikuti dengan menurunnya kelimpahan populasi lan yang menjadi pasangannya.01914 2.624 .871 SU9 .854 .507 .883 .745 .928 .884 .568 .Bambang Subali.0769 3.737 .991 .615 SU5 .875 .883 .0769 2.939 1. sehingga semakin melimpah populasi yang satu akan diikuti dengan melimpahnya populasi yang lain menjadi asosiasinya.S.744 . Untuk menguji tingkat signifikannya dibandingkan dengan rtabel.767 .991 1.4615 3.000 .875 1.823 . Jika koefisien korelasi positif dan terbukti signifikan artinya asosiasi kedua populasi bersifat positif.56 Pemrograman telah selesai.93484 2.377 .000 . Jika koefisien korelasi negatif dan terbukti signifikan artinya asosiasi kedua populasi bersifat negatif.0000 3.802 .0769 3.745 .5385 3. Dalam hal demikian boleh jadi karena keduanya memiliki hubungan amensalisme.941 .851 .713 .916 . M. Dr.000 1.906 .8462 Std. Jika dianalisis dengan analisis korelasi mengikuti prosedur dalam SPSS besarnya peluang untuk setiap koefisien korelasi dapat diperoleh.749 . sehingga akan keluar out put/hasil analisis sebagai berikut .

57

Communalities Initial 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 Extraction .970 .988 .988 .972 .986 .988 .975 .937 .985

SU1 SU2 SU3 SU4 SU5 SU6 SU7 SU8 SU9 SU10

1.000 .981 Extraction Method: Principal Component Analysis.

Total Variance Explained Initial Eigenvalues Component 1 2 3 4 5 6 7 8 9 10 Total 8.055 1.394 .321 .120 .045 .026 .020 .013 .004 % of Variance 80.547 13.939 3.215 1.204 .454 .264 .204 .133 .039 Cumulative % 80.547 94.486 97.701 98.905 99.359 99.623 99.828 99.961 100.000 Extraction Sums of Squared Loadings Total 8.055 1.394 .321 % of Variance 80.547 13.939 3.215 Cumulative % 80.547 94.486 97.701

.000 .000 100.000 Extraction Method: Principal Component Analysis.

Berikut ini adalah tiga nilai komponen utama (principle component) yang merupakan nilai komunitas tumbuhan bawah di tegakan Acacia di setiap SU

Component Matrix(a) Component SU1 SU2 SU3 SU4 SU5 SU6 SU7 1 .812 .920 .920 .960 .979 .970 .905 2 -.521 -.368 -.368 -.222 -.031 -.021 .236 3 .198 .081 .081 -.039 -.160 -.218 -.316

Dr.Bambang Subali, M.S.

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN

58
SU8 SU9 SU10 .919 .786 .267 .603 .145 .054

.775 .557 .265 Extraction Method: Principal Component Analysis. a 3 components extracted.

Dengan prosedur yang sama kita juga memperoleh hasil analisis untuk tumbuhan bawah tegakan Mahagoni sebagai berikut. Factor Analysis
Descriptive Statistics Mean 2.9231 2.6923 3.5385 3.0000 2.6154 3.0000 2.6154 3.6154 3.0000 2.0769 Std. Deviation 1.89128 2.05688 1.71345 1.77951 2.14237 2.04124 2.21880 2.10311 2.34521 2.17798 Analysis N 13 13 13 13 13 13 13 13 13 13

SU1 SU2 SU3 SU4 SU5 SU6 SU7 SU8 SU9 SU10

Correlation Matrix SU1 1.000 -.135 .348 .347 .239 .302 .112 .243 .301 .285 SU2 -.135 1.000 .666 .524 .292 .496 .428 .452 .346 .155 SU3 .348 .666 1.000 .957 .651 .882 .739 .779 .560 .502 SU4 .347 .524 .957 1.000 .743 .941 .802 .802 .619 .559 SU5 .239 .292 .651 .743 1.000 .762 .615 .667 .630 .596 SU6 .302 .496 .882 .941 .762 1.000 .810 .854 .731 .675 SU7 .112 .428 .739 .802 .615 .810 1.000 .859 .801 .696 SU8 .243 .452 .779 .802 .667 .854 .859 1.000 .879 .880 SU9 .301 .346 .560 .619 .630 .731 .801 .879 1.000 .881 SU10 .285 .155 .502 .559 .596 .675 .696 .880 .881 1.000

Correlation

SU1 SU2 SU3 SU4 SU5 SU6 SU7 SU8 SU9 SU10

Communalities Initial 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 Extraction .928 .823 .968 .945 .629 .914 .839 .942 ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN

SU1 SU2 SU3 SU4 SU5 SU6 SU7 SU8

Dr.Bambang Subali, M.S.

59
SU9 SU10 1.000 .894

1.000 .925 Extraction Method: Principal Component Analysis.

Total Variance Explained Initial Eigenvalues Component 1 2 3 4 5 6 7 8 9 Total 6.595 1.253 .959 .517 .333 .183 .093 .036 .021 % of Variance 65.950 12.526 9.587 5.171 3.329 1.828 .934 .363 .215 Cumulative % 65.950 78.475 88.063 93.233 96.562 98.390 99.324 99.687 99.902 Extraction Sums of Squared Loadings Total 6.595 1.253 .959 % of Variance 65.950 12.526 9.587 Cumulative % 65.950 78.475 88.063

10 .010 .098 100.000 Extraction Method: Principal Component Analysis.

Component Matrix(a) Component SU1 SU2 SU3 SU4 SU5 SU6 SU7 SU8 SU9 SU10 1 .330 .528 .888 .923 .788 .948 .887 .947 .855 2 .625 -.734 -.257 -.140 .073 -.064 -.062 .071 .252 3 .654 .075 .337 .272 .045 .110 -.219 -.199 -.315

.796 .394 -.370 Extraction Method: Principal Component Analysis. a 3 components extracted.

Untuk memperoleh derajat kemiripan dari kedua komunitas tumbuhan bawah kemudian dibuat peta dengan menggunakan KU1 atau PC1 sebagai sumbu X dan KU2 atau PC2 sebagai sumbu Y. Perpotongan antara diagram yang dibentuk oleh nilai-nilai KU1 dan KU2 oleh komunitas pertama (komunitas tumbuhan bawah tegakan Acacia) dan komunitas kedua (komunitas tumbuhan bawah tegakan Mahagoni) menunjukkan derajat kemiripan kedua komunitas tersebut. Gambar harus dibuat dikertas grafis agar dapat dihitung luas perpotongannya

Dr.Bambang Subali, M.S.

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN

Bambang Subali. Dengan demikian secara berturut-turur dicari persamaan regresi dengan Yi berupa KU1. selanjutnya dengan analisis regresi stepwise akan dapat diketahui mana di antara ketiga faktor mikro klimat yang benar-benar sebagai prediktor terhadap kondisi komunitas tumbuhan bawah yang bersangkutan. Jika kemudian sudah diperoleh model terpilih. maka dipilih yang modelnya diterima secara signifikan. Untuk mengetahui kontribusi faktor lingkungan yang dalam hal ini yaitu faktor mikroklimat. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Untuk memilih menu stepwise. pada menu enter diganti dengan menu stepwise. Wilayah perpotongan yang terluas dari ketiga peta yang diperoleh itulah yang dijadikan pedoman untuk mengetahui derajat kemiripan kedua komunitas yang bersangkutan. dan terakhir dengan Yi berupa KU3. kemudian dengan Yi berupa KU2. Bila lebih dari satu yang signifikan. maka dipilih yang peluang kesalahannya untuk ditolak yang paling kecil. M.60 KU2 Komunitas tumbuhan bawah tegakan Acacia Komunitas tumbuhan bawah tegakan Mahagoni KU1 Wilayah perpotongan Untuk memperoleh wilayah perpotongan yang terluas yang menggambarkan derajat kemiripan dari kedua komunitas tumbuhan bawah juga harus dibuat peta dengan menggunakan KU1 atau PC1 sebagai sumbu X dan KU3 atau PC3 sebagai sumbu Y. Dr. Setelah diperoleh tiga garus regresi. harus dibuat pula peta dengan menggunakan KU2 atau PC2 sebagai sumbu X dan KU3 atau PC3 sebagai sumbu Y. maka faktor mikroklimat dijadikan variabel prediktor sedangkan nilai KU dijadikan variabel respons.S.

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Dr.Bambang Subali. pilih menu Analyse. Untuk menganalisisnya. M. kelembaban. kemudian menu Regression. Analisis pertama kita dudukkan KU1 sebagai nilai komunitas untuk dijadikan variabel respons. sehingga KU1 kita masukkan ke boks Dependent (variabel tergayutnya).S. sedangkan suhu. kemudian pilih/klik menu Linear. dan akan tamapk tampilan sebagai berikut. sehingga kita masukkan ke dalam boks Independent(s).61 Seting data SPSS untuk komunitas tumbuhan bawah Acacia beserta faktor lingkungan mikroklimatnya adalah sebagai berikut. dan akan muncl tampilan sebagai berikut. dan intensitas cahaya kita jadikan variabel prediktor/variabel independen.

06875 Dr. Pemrograman sudah selesai sehingga kita pilih/klik menu OK.Bambang Subali.008 . Error of the Estimate .052 9 a Predictors: (Constant). kelbban.005 F 1.62 Karena garis regresi yang kita inginkan adalah agar memuat ketiga faktor lingkungannya maka kita memasukkan ketiganya.455 .028 6 Total . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .667 Sig. intcahaya.024 3 Residual . suhu ANOVA(b) Sum of Squares df Regression .S. intcahaya. sehingga dalam boks Method kita pilih menu Enter. b Dependent Variable: KU1 Model Summary R R Square Adjusted R Square .182 a Predictors: (Constant). Regression Variables Entered/Removed(b) Model 1 Variables Entered intcahaya. dan akan diperoleh hasil sebagai berikut. suhu(a) Variables Removed . .272(a) Model 1 Std. kelbban.674(a) . suhu b Dependent Variable: KU1 Model 1 Mean Square . M. kelbban. Method Enter a All requested variables entered.

142 .298 . suhu b Dependent Variable: KU2 Coefficients(a) Model Unstandardized Coefficients B 2.956(a) .124 Standardized Coefficients Beta -.718 -.14087 ANOVA(b) Model 1 Sum of Squares df Mean Square .020 F 21. M.747 Standardized Coefficients Beta -1. Error of the Estimate .387 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . b Dependent Variable: KU2 Variables Removed .025 X2i + 0. hasilnya sebagai berikut.Bambang Subali.025 .914 .061 .014 . kelbban.672 . intcahaya.2%.140 -1. suhu Std.654 t Sig.392 9 a Predictors: (Constant).215 Dr.135 . Dengan prosedur yang sama dan kita dudukkan KU2 sebagai variabel respons. kelbban.273 3 Residual . 1 (Constant) Suhu .392 Std.011 -.172 Std. Regression Variables Entered/Removed(b) Model Variables Entered 1 intcahaya. intcahaya.119 6 Total 1. suhu(a) a All requested variables entered.384 Sig.63 Coefficients(a) Model Unstandardized Coefficients B 3.872 a Predictors: (Constant).358 -1.726 .514 .451 t Sig.442 .392 X3i tidak diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 1.203 .667 dengan peluang kesalahan sebesar 27.001(a) Regression 1.524 .688 -1.718 – 0.069 X1i – 0.424 . Error 4.445 -1.069 -. . Error 2. Method Enter Model Summary Model R R Square Adjusted R Square 1 . kelbban.S. 1 (Constant) suhu kelbban intcahaya 1.619 a Dependent Variable: KU1 Ternyata garis regresi Yi = 3.

117 Total .631 -1.030 1.011 – 0.496 X3i diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 3.091(a) Std.045 1.068 . (Constant) Suhu kelbban intcahaya a Dependent Variable: KU3 1 -1.736 3.634 .328 .021 .172 X1i + 0.029 1.122 2.384 -2. Method Enter Model Summary Model R R Square Adjusted R Square 1 .518 Standardized Coefficients Beta 3.918 Ternyata garis regresi Yi = 2.020 F 3.466 dengan peluang kesalahan sebesar 9.133 .070 -3.031 . b Dependent Variable: KU3 Variables Removed .385 X1i + 0. kelbban.164 X3i diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 21.384 dengan peluang kesalahan sebesar 0. suhu(a) a All requested variables entered. suhu ANOVA(b) Sum of Squares Regression .496 Std.Bambang Subali.01% jauh di bawah batas taraf kesalahan 1%. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .054 .320 a Predictors: (Constant).451 a Predictors: (Constant). Dari tiga model garis regresi ternyata garis regresi dengan KU2 sebagai nilai komunitas Dr.352 . kelbban. Error of the Estimate . intcahaya. Regression Variables Entered/Removed(b) Model Variables Entered 1 intcahaya.036 1.107 .031 X2i + 0.061 Ternyata garis regresi Yi = -7.773 .070 X2i – 3. intcahaya.796(a) .64 kelbban intcahaya a Dependent Variable: KU2 .385 .773 + 0.13974 Coefficients(a) Model Unstandardized Coefficients B -7. suhu b Dependent Variable: KU3 Model 1 df 3 6 9 Mean Square . Dengan prosedur yang sama dan kita dudukkan KU3 sebagai variabel respons. M. . hasilnya sebagai berikut. Error 4.478 .623 t Sig.123 .1 % berada di atas batas taraf kesalahan 5%.303 .466 Sig.530 .064 . kelbban.203 Residual .S.164 .

898 . suhu ANOVA(b) Sum of Squares Regression 1.Bambang Subali.885 a Predictors: (Constant). ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . sebagaimana tampilan berikut.142 Total 1. Pemrograman sudah selesaidan pilih/klik menu OK . a Dependent Variable: KU2 Model Summary Model R R Square Adjusted R Square 1 .100). sehingga diperoleh hasil analisis sebagai berikut. kemudian meilih menu pada boks Method yaitu menu Stepwise. Method Stepwise (Criteria: Probability-of-F-to-enter <= .65 tumbhan bawah tegakan Acacia untuk dijadikan variabel respons diterima dengan signifikan.392 a Predictors: (Constant). Regression Variables Entered/Removed(a) Model 1 Variables Entered suhu Variables Removed .S.250 Residual . Prosedurnya kembali ke tampilan menu regresi dengan KU 2 sebagai variabel respons.13326 Mean Square 1. Error of the Estimate .018 F 70. Probability-of-F-to-remove >= . suhu b Dependent Variable: KU2 Model 1 df 1 8 9 Std.385 Sig. .050.948(a) .250 . Oleh karena itu perlu diuji lebih lanjut dengan uji stepwise (dapat pula uji yang lain seperti backward) untuk mengetahui variabel mana yang sesungguhnya sebagai variabel prediktor. M.000(a) Dr.

66 Coefficients(a) Model Unstandardized Coefficients B 1 (Constant) suhu a Dependent Variable: KU2 6.354(a) 1.063 Collinearity Statistics Tolerance .390 .873 Dari hasil uji regresi stepwise diketahui bahwa faktor mikroklimat yang benar-benar memberi kontribusi terhadap kondisi komunitas tumbuhan bawah tegakan cacia adalah faktor suhu.948 Standardized Coefficients Beta t Sig. Partial Correlation . M.131 . sedangkan kelembaban dan intensitas cahaya tidak begitu berperan.763 – 0. Error .400 .123 kelbban .000 . Model regresi yang menunjukkan hubungan faktor suhu sebagai prediktorn (Xi) dan kondisi komunitas sebagai variabel respons yang ditunjukkan oleh nilai komponen utama (Yi) yaitu Yi = 6. suhu b Dependent Variable: KU2 1 .156 intcahaya .057(a) .S.25 Xi.394 -8. 8.250 Std.030 -.763 -.000 Excluded Variables(b) Model Beta In t Sig.806 .285 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Dr.166 a Predictors in the Model: (Constant).Bambang Subali.

Nasution. Alih bahasa oleh Tri Kantjono. Bandung: Tarsito. RR.L. Introduction to linier models and the design of experiments. Foresman and Company. V. N. 2-nd ed. Sokal. (198) statistik nooparameterik terapan. Kirk. Statistical ecology: A primer on methods and computing.A. and Rohlf. Computational handbook of statistics. Teknik analisis dalam penelitian percobaan 1 dan 2.A. London: Chapman and Hall. 2-nd ed. Applied regression analysis.H. and medical research.R.F.5 for Windows. W. (1980) Metode statistika untuk penarikan kesimpulan. (1968).L. Gaspersz. & Tinsley. Experimental design: Procedures for the behavioral sciences. A. Caulcutt. SPSS 11. Publication. Statistics in research and development. 3-rd ed. New York: A John Wiley & ons. Glenview: Scott. Tokyo: Mc-Graw-Hill Kogakusha. Statistical design and analysis of experiments. & Reynolds. 3-rd ed. M. Bostos: PWS-Kent Publishing Company.E.Bambang Subali. H.A. (1995). (1956). and Smith. R. J. B. (1987). F. A. August 2002. S. Inc. California: Wadsworth. Rosner. W. (1969). (1971).A. New York: Mc-Graw-Hill Book Company. (1983). ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . R. Gomez. Jakarta: Gramedia. New York: John Wiley & Sons. (1984).J. S. Nonparameteric statistics for the beavioral sciences. (2007). J. (1990). Jakarta: Gramedia. Pasific Grove: Brooks/Cole Publishing Company. 2-nd ed. and Yates.. R. W. (1992). P. and Gomez. Ludwig. Introduction to linear models and statistical inference. Ltd. agricultural. B.67 DAFTAR PUSTAKA Bruning. Fisher. John. Ed keempat.S. Daniel. (1974). Mendenhall.W. Dreper. Biometry: the principles and practice of statistics in biological approach. New York: Hafner. J. Fundamentals of biostatistics. Statistical procedures for agricultural research. Statistical tabels for biological. New York: John Wiley & Sons.W. Belmont. Dr. dan Barizi. New York: Macmillan. Janke. New York: John Wiley & Sons. K. (1981). and Kintz.A.H. Siegel.

R. Statistics: an introductory analysis. New York: Mc-Graw-Hill Book Company. Bandung: Tarsito. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Bandung: Tarsito. (1966). Principles and procedures of statistics: a biometrical approach. T.G.68 Steel. Sudjana. Edisi keempat. Metode statistika.S. Dr.D.H. (1980). (1982). (1973). Tokyo: Harper International Edition. and Torrie. J. Sudjana. 3-rd ed. Yamane.Bambang Subali. M. 2-nd ed. Disain dan analisis eksperimen.

Sign up to vote on this title
UsefulNot useful