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

7 31. hasil panenan tanaman padi ladang akibat pengaruh kombinasi macam pupuk dan waktu pemupukan dalam rancangan acak kelompok (dalam kwintal).6 30. Tentu saja hal tersebut berlaku sepanjang dosis tersebut masih dibawah dosis optimal yang diperlukan untuk memacu pertumbuhannya. M.7 32.Bambang Subali. 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.8 32. jika interkasinya negative maka akan terjadi hambatan oleh salah satu faktor atau faktor-faktor tersebut saling menghambat.0 33.3 32.2 30. 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.6 36. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Oleh karena itu rancangannya berupa rancangan faktorial befaktor (dua faktor) pola acak lengkap. Hasil penelitian akibat pengaruh kombinasi macam atau jenis pupuk (dengan atribut tanpa diberi pupuk. pupuk N dan pupuk K) dan waktu pemberian pupuk (dengan atribut diberikan sebelum tanam dan sesudah tanam) menunjukkan hasil sebagai berikut.2 28. Tabel 1.4 Dr. Sebaliknya.9 Pupuk N Sebelum tanam 29.7 31.1 29. Tanpa pupuk Blok Sebelum Sesudah ke tanam tanam 1 2 3 4 28.6 30.3 BAB 1.S.1 Pupuk K Sebelum tanam 29.7 32. 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. akibatnya respons yang terjadi secara signifikan akan lebih rendah/lebih kecil dibanding kalau masing-masing faktor bekerja sendiri-sendiri/terpisah.8 29.7 30.8 31.8 Sesudah tanam 32. Kalau misalnya tanaman kacang tanah dipupuk N saja dengan dosis tertentu atau dipupuk dengan pupuk P saja dengan dosis tertentu.0 Sesudah tanam 32. 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. Jika interaksinya bersifat positif.6 29. 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 31.2 27.

Dr. M.S. Jika di-”klik”/di-enter akan muncul tampilan sebagai berikut. dilanjutkan memilih menu Univariate. kemudian memilih menu General linear model. Gambar 1.Bambang Subali. 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. maka pilih menu Analyze. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .4 Sajian data untuk analisis varians multi-arah dengan program SPSS adalah sebagai berikut.

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

Masukkan kedua variabel ke dalam model. M. 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 .Bambang Subali. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . pilih menu Main effect.S. sehingga tampak tampilan sebagai berikut. Dr. sehingga tampak tampilan sebagai berikut. sehingga tampil hasil sebagai berikut. dan analisis selanjutnya memilih menu Custom (klik menu Custom). 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.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.

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

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

7348 1. Deviation 1.975 30.4315 1.275 31.8655 2.675 31.275 31.583 31.9 Pemrograman sudah selesai.075 30.Bambang Subali. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .033 Std.6153 1.400 30.9287 . selanjutnya pilih (klik) menu OK dan akan diperoleh hasil analisis sebagai berikut.1991 2.3843 2.S.483 31.0675 N 4 4 8 4 4 8 4 4 8 12 12 24 Dr.788 32.4071 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 29.338 29.9207 1. M.500 32.7332 3.3480 .

.424 30.476 3.649 Lower Bound 28.000 .612 Upper Bound 31.649 .974 29. Error .1% sehingga tidak signifikan karena jauh diatas kesalahan 5%.788 31.725 7. Estimated Marginal Means 1.211 .313 23 a R Squared = .095 .812 dan besarnya peluang kesalahan 15.S.627 11.812 Sig.774 1.Bambang Subali.6999 dengan peluang kesalahan 21.701 32. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .151 33.10 Dari data hasil analisis statistika deskriptif kita dapat melihat rata-rata hasil panen akibat pengaruh macam pupuk yang berbeda (akibat pemberian pupuk K.627 5. mcmpupuk (maksudnya macam pupuk) Estimates Dependent Variable: hslpanen 95% Confidence Interval mcmpupuk pk pn tanpappk Mean 30. M.663(a) 23113. dan yang tidak dipupuk).155 2.087 98.383 (Adjusted R Squared = . Dr.260 9.369 F 2.7%. Demikian pula pengaruh waktu pemupukan serta pengaruh interaksi macam pupuk dan waktu pemupukan juga tidak signifikan dengan Fhitung berturut-turut 2.155 dan 2.451 7.952 60. juga hasil panen akibat pengaruh waktu pemupukannya untuk setiap macam pemupukan.212) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 1.236 6859.940 Df 5 1 2 1 2 18 24 Mean Square 7. 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 37.533 23113.975 Std.699 2. pupuk N.9% dan 8.338 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%.260 18.338 30.649 .650 23211.159 .

370 30. 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 21.116 -.483 31.451 Df 2 Mean Square 5.291 -1.638 1.630 .697 Hasil analisis akibat pengaruh faktor waktu pemupukan juga tidak berbeda dengan pengaruh faktor macam pupuk.918 . Error Sig.450 -1.530 .116 pk pn tanpappk Pn Tanpappk Pk Tanpappk Pk Pn . sebagaimana tampak pada hasil analisis pada tabel di atas. .650 18 3.188 1. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.291 -. waktupemp (MAKSUDNYA WAKTU PEMUPUKAN) Estimates Dependent Variable: hslpanen waktupemp Mean Std.378 .918 .583 .638 .212 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments). Error sblmtnm ssdhtnm 30.11 Pairwise Comparisons Dependent Variable: hslpanen (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -.918 .478 -3.918 .741 3.1% jauh di atas batas taraf kesalahan 5%.478 -3.566 3.918 .188 Std.630 .212 .566 . 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.091 . Univariate Tests Dependent Variable: hslpanen Sum of Squares Contrast Error 11.Bambang Subali. 2.470 Upper Bound 31.378 1.918 .741 2.211 60.699 Sig.530 95% Confidence Interval Lower Bound 29.S.597 32. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . M.(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -2. Dr.725 F 1.091 .450 -1.369 The F tests the effect of mcmpupuk.

jika efek interaksi signifikan maka harus diadakan uji lanjut dengan perhitungan secara manual.260 Error Df 1 Mean Square 7.159 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments). M.12 Pairwise Comparisons Dependent Variable: hslpanen (I) waktupemp (J) waktupemp Mean Difference (I-J) -1. Univariate Tests Dependent Variable: hslpanen Sum of Squares Contrast 7.918 .003 34.918 . This test is based on the linearly independent pairwise comparisons among the estimated marginal means.474 2. Karena program SPSS hanya menganalisis efek utama darai faktor-faktor perlakuan tetapi bukan interaksinya.603 33.159 .Bambang Subali. 3.674 -.100 Std. .918 95% Confidence Interval Lower Bound 27.(a) 95% Confidence Interval for Difference(a) Lower Bound -2.674 sblmtnm ssdhtnm Ssdhtnm Sblmtnm .100 1. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .918 .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.749 .S. hasil yang keluar hanya menunjukkan nilai rata-rata.369 The F tests the effect of waktupemp. simpangan baku beserta batas bawah dan batas atas nilai rata-rata pada tingkat populasi sebagaimana tersaji pada tabel di bawah ini.328 31. mcmpupuk * waktupemp Dependent Variable: hslpanen mcmpupuk waktupemp Mean Pk Pn tanpappk sblmtnm ssdhtnm sblmtnm ssdhtnm sblmtnm ssdhtnm 29.347 29.159 60.918 . maka meskipun kita meminta untuk uji lanjut dengan LSD.275 31.075 32.749 .400 29. 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. maka rancangannya berupa rancangan Dr.572 30.500 32.347 Upper Bound 31. Error .275 Std.650 18 3.203 33.918 .147 30.260 F 2.472 27.747 29. dan sebaliknya harus diuji pula signifikansi perbedaan antar macam pupuk pada tiap atribut/kategori waktu pemupukan.428 34.675 31.474 Upper Bound .155 Sig. Error Sig. Oleh karena itu.

1 Pupuk K Sebelum tanam 29.6 29.9 Pupuk N Sebelum tanam 29. Tanpa pupuk Blok Sebelum Sesudah ke tanam tanam 1 2 3 4 28. Hasil penelitian menunjukkan hasil sebagai berikut. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .2 30.8 32.0 33.7 31.6 30.7 31.7 30. Tabel 2.6 36.13 faktorial befaktor (dua faktor) pola acak kelompok atau pola berblok.2 28.S.7 32.Bambang Subali. hasil panenan tanaman padi ladang akibat pengaruh kombinasi macam pupuk dan waktu pemupukan dalam rancangan acak kelompok (dalam kwintal).3 31.6 30.1 29.8 Sesudah tanam 32.4 Sajian data untuk analisis varians multi-arah dengan program SPSS adalah sebagai berikut.0 Sesudah tanam 32.8 31.7 32.8 29. Dr. M.2 27.3 32.

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

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

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .S.Bambang Subali.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. Dr. Untuk menguji efek utama (main effect) dari masing-masing factor. M. 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. sehingga tampil hasil sebagai berikut.

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

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.S. sehingga besarnya N untuk tiap blok sebanyak 6 yang menunjukkan banyaknya kombinasi perlakuan dalam setiap blok.18 Bila sudah selesai memilih. Hasil analisis statistika deskriptif menunjukkan besarnya nilai rata-rata. M. simpangan baku dan N (banyaknya atau ulangan). Dr. klik menu Continue sehingga kembali ke tampilan awal seperti berikut. Pemrograman sudah selesai. klik menu OK dan akan diperoleh hasil analisis sebagai berikut. demikian pula di blok kedua. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .

200 27.750 30. . . .800 32.800 31.275 32. . . Deviation .4749 2.950 29.700 30.700 31.1314 .275 29.700 31.200 28.500 32. .S.300 31.950 29. .800 31.19 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 29.600 32. . . .450 Std.7332 .600 36.2021 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.8655 1.400 31.9207 .900 30.8385 1. 1.Bambang Subali.075 30. . M.3234 1. 1.9287 . .300 32.000 30.000 33. .400 30.900 31. 3.788 28. 1.700 30. .600 29. .675 30.3480 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . .7348 .5456 1.8991 1.100 29.700 32. .450 30.100 29. .700 32.000 29.800 29.338 29.600 30.4315 2.800 32.200 30.2828 3. .4749 2.4071 2. .

900 31.379 6120.922 2.550 32.975 28. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .2021 2.300 31. M.1% atau (dalam tabel tertulis 0.000 Error 56.600 31.333 31. .115 .483 31. juga tidak signifikan karena peluang kesalahannya jauh di atas 5% yakni 11.433 31.583 30.233 30.333 3.8414 3.0146 1.0675 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 41.1991 1.282 .251 .400 30.7251 1.208 23113.467 31. yakni pengaruh interaksi antara variabel macam pupuk dan waktu pemupukan.353 Sig.777 F 1.4163 2.7032 2.627 Mcmpupuk 11.3843 .451 Waktupemp 7.1820 .20 2 3 4 Total Total sblmtnm 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 34.2368 1.788 Dari tabel analisis varians di atas dapat diketahui bahwa pengaruh atau efek utama variabel macam pupuk tidak signifikan karena peluang kesalahannya mencapai 25.Bambang Subali.367 31.940 Corrected Total 98.5%.033 3.186 .6153 1.8717 2.516 1.967 31.000 .251) pengaruh atau efek utama waktu pemupukan juga tidak signifikan karena peluang kesalahannya jauh di atas 5% yakni 18.476 1.260 mcmpupuk * waktupemp 18.952 Blok 4.113 1.7550 .S.424 (Adjusted R Squared = .627 5.260 9.663(a) Intercept 23113.650 Total 23211.725 7.150 31.5106 1.500 30. Estimated Marginal Means 1.8461 2.750 31.3215 4.6% dan efek interaksi dari kedua fakor perlakuan.509 . mcmpupuk Estimates Dependent Variable: hslpanen Dr.116) df 8 1 2 1 2 3 15 24 23 Mean Square 5.3856 .900 31.313 a R Squared = .7778 1.

650 Tanpappk .252 30.709 -.725 1.687 .972 .972 .788 31. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.975 Std.113 Pn . Error 95% Confidence Interval Dr.323 32.638 .21 mcmpupuk Pk Pn tanpappk Mean 30. waktupemp Estimates Dependent Variable: hslpanen waktupemp Mean Std.521 -3.621 2.650 Tanpappk . 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.972 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .638 1.650 15 3.188 1.709 .Bambang Subali.338 30.511 33.516 .434 -1. Hasil analisis untuk factor waktu pemupukan juga sama saja hasilnya sebagaimana pengaruh factor macam pupuk.(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -2.113 Pn Pk .972 . yakni 25.972 .450 -1.251 Error 56.521 1.802 29.439 Pairwise Comparisons Dependent Variable: hslpanen (I) mcmpupuk (J) mcmpupuk Pn .S. Error Sig.(a) menunjukkan besarnya peluang kesalahan untuk menunjukkan perbedaan antar kategori/atribut perlakuan macam pupuk. Tampak kolom (I-J) menunjukkan besarnya selisih nilai rata-rata.1%. M.687 95% Confidence Interval Lower Bound Upper Bound 28.451 2 5. Pk Mean Difference (I-J) -. Error .259 Dari tabel pembandingan sebagai uji lanjut dari efek utama variabel macam pupuk juga menunjukkan tidak ada yang berbeda signifikan.884 -.241 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).777 The F tests the effect of mcmpupuk. dan hasil analisisnya sebagai berikut.972 . Univariate Tests Dependent Variable: hslpanen Sum of Squares Df Mean Square F Sig.687 . 2.873 31. karena taraf kesalahannya jauh di atas 5%.450 -1.188 Std.241 tanpappk Pk .884 3. sehingga tidak signifikan pada taraf kesalahan 5%. dan kolom sig.621 -3.434 3. yang semuanya jauh di atas 5%. Contrast 11.259 .

204 33.791 .972 .604 34. Univariate Tests Dependent Variable: hslpanen Sum of Squares df Mean Square F Sig. namun hasil akhirnya tidak dapat diperoleh.Bambang Subali.793 .791 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).100 .972 .288 31.561 Pairwise Comparisons Dependent Variable: hslpanen (I) waktupemp (J) waktupemp Mean Std.S. maka walaupun efek interaksi dimasukkan pada bok Display means kemudian dianalisis bedanya.275 31.777 The F tests the effect of waktupemp.972 . Error Sig.(a) 95% Confidence Interval for Difference Difference(a) (I-J) Lower Bound Upper Bound Sblmtnm Ssdhtnm -1.922 .746 29. Karena program yang ada hanya menguji signifikansi efek utama.679 30.591 Ssdhtnm Sblmtnm 1. Contrast 7.500 32.650 15 3.972 95% Confidence Interval Lower Bound Upper Bound 27.779 Sblmtnm Ssdhtnm 30.972 .204 31.075 32.346 29.186 -. 3. This test is based on the linearly independent pairwise comparisons among the estimated marginal means. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .561 .388 32.260 1.400 29. M.260 1 7.591 2.471 27. Dengan demikian uji lanjut sebagaimana tersaji pada hasil berikut ini juga tidak signifikans.571 30.100 .483 31. 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.004 34.793 .583 .972 . Error .329 33.186 -2.346 Berdasarkan tabel analisis varians di atas. mcmpupuk * waktupemp Dependent Variable: hslpanen mcmpupuk Waktupemp Mean Pk Pn tanpappk Sblmtnm Ssdhtnm Sblmtnm Ssdhtnm Sblmtnm Ssdhtnm 29.275 Std. pengujian signifikansi efek pengeblokan akibat kecurigaan terhadap tingkat kesuburan petak-petak penanaman yang berbeda ternyata tidak signifikan.22 Lower Bound Upper Bound 29.146 30.186 Error 56.429 31.675 31. dan keluarannya hanya memberikan selisih rata-rata dan batas minimum dan batas maksimum nilai rata-rata perkiraan atau estimasinya.

683 4 -.858 1.591 4 31.991 -2.325 3.(a) (I-J) 1 2 -1.925 2.122 .861 3 1 .793 29.726 4 1 .122 .991 1.791 2.258 -2. Error Sig.500 .991 2.791 1.900 .793 28.122 . 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.209 32. blok Estimates Dependent Variable: hslpanen Blok Mean Std.122 .683 2 -.122 .601 4 -.925 -3.858 -2.793 29.861 3 .191 -1.067 1.191 3 30.122 .067 1.591 2.458 1.591 -1.809 33.400 1.793 29.467 1.452 2 1 1.23 dengan rancangan acak sempurna (completely randomized design).609 32.325 -2.400 1. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Error 95% Confidence Interval Lower Bound Upper Bound 1 30.122 . 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -3.867 1.867 1.791 Karena hasil analisis varians menunjukkan efek blok tidak signifikan.742 32.601 4 .357 3 .452 2 -.(a) tampak bahwa besarnya peluang untuk setiap nilai selisih antar blok menunjukkan harga di atas 5%.S.991 -1.991 Pairwise Comparisons Dependent Variable: hslpanen (I) blok (J) blok Mean Difference Std.Bambang Subali.600 1.200 1.525 3. M.525 -1.122 . 4.433 .458 -1.122 .124 2 31.600 1.122 .357 3 -.191 2.258 1.122 .791 -2.467 1.122 .200 1.726 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments). Dr.300 .

650 15 Mean Square F 1.333 .24 Univariate Tests Dependent Variable: hslpanen Sum of Squares df Contrast 4.Bambang Subali.777 Sig. M.353 3.000 3 Error 56. This test is based on the linearly independent pairwise comparisons among the estimated marginal means. . Analisis varians satu jalur yang hanya menguji signifikansi pengaruh blok terhadap hasil panenan padi juga tidak menujukkan hasil yang signifikan dengan peluang sebesar 78. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Dr.8% jauh diatas batas taraf kesalahan 5%.S.788 The F tests the effect of blok.

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

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

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . P. dilanjutkan memilih menu Univariate. Seting data dalam program SPSS penelitian pengaruh macam pupuk anorganik (N.S. Tinggi semai tanaman cendana usia 3 bulan akibat pengaruh macam pupuk pupuk anorganik yang diberikan (dalam cm).Bambang Subali. M. Dr.27 Tabel 1. kemudian memilih menu General linear model. 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. Gambar 1. maka pilih menu Analyze. Jika di-”klik”/di-enter akan muncul tampilan sebagai berikut. dan K) terhadap pertumbuhan semai cendana (dalam cm) Untuk menganalisis data di atas.

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

dan masukkan kedua variable ke dalam model. Oleh karena itu tidak perlu ganti menu Type.S. pilih menu Main effect. Type III Dr. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . dan analisis selanjutnya memilih menu Custom (klik menu Custom).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. M.Bambang Subali. sehingga tampak tampilan sebagai berikut.

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

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

5000 41.50925 7.24439 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. Dr.98608 4.75 cm. 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 32.32 Pemrograman sudah selesai.0833 Std.0000 38. M.Bambang Subali. yang diberi pupuk P 41. dan yang diberi pupuk K 32.52773 6.0 cm. yakni semai cendana yang diberi pupuk N 40.7500 40.5 cm.S. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . selanjutnya pilih (klik menu OK dan akan diperoleh hasil analisis sebagai berikut. Deviation 2.

773 -. Error 1.000 .825(a) 17404.013 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.816 (Adjusted R Squared = .092 17833.917 Df 3 1 2 1 8 12 11 Mean Square 116.133 35.541 -10.(a) Pupukk Pupukn Pupukp Pupukn Pupukp Pupukk Pupukp Pupukk Pupukn .003 a R Squared = .010 .537 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -9.083 85.394 2.Bambang Subali.579 36.135 .767 42.003 .657 18. Error 2.595 Based on estimated marginal means * The mean difference is significant at the .321 2.950(a) 38.048 .4167.746) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 8.887 F 11.167 178.083 171.443 Std.371 cm.048 .S.773 6.135 .070 -3. Pairwise Comparisons Dependent Variable: tingakhir (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -3.608 17404.979 -5.071 Sig.929(a) Std.979 -1.070 -1.388 8.499 1. yang diberi pupuk P 38.204 Upper Bound 38.583 178.000 428.499 3. a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).05 level.95 cm.321 2.071 dan besar peluang kesalahan hanya 0.658 9.234 Sig. Estimated Marginal Means mcmpupuk Estimates Dependent Variable: tingakhir 95% Confidence Interval Mcmpupuk Pupukk Pupukn Pupukp Mean 34.657 dengan peluang kesalahan 1% sehingga signifikan di bawah taraf kesalahan 5%.422(*) 3.710 10. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .422(*) 1.929 cm.615 Lower Bound 31.710 9.537 . dan yang diberi pupuk K 40.443 5. Demikian pula pengaruh fator tinggi awal sebagai peragam sangat signifikan karena dengan Fhitung sebesar 18.541 -6.795 1760. M. Setelah pengaruh factor peragam dihilangkan maka diperoleh nilai rata-rata terkorekasi (adjusted mean) dari tinggi semai cendana yang diberi pupuk N yakni 34.234 2. .3% jauh lebih kecil dari batas kesalahan 1%.371(a) 1.33 Tests of Between-Subjects Effects Dependent Variable: tingakhir Source Type I Sum of Squares Corrected Model Intercept Mcmpupuk Tingawal Error Total Corrected Total 349.394 2. Dr.658 79.730 44.655 1.595 .653 40.

variable macam pupuk harus diubah menjadi variable dungu (dummy variable) dengan menggunakan kode. 0.Bambang Subali. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . dan 0 • atribut/taraf/ level ketiga diberi kode 0. dan atribut/level/taraf perlakuan ketiga diberi kode 0 dan 0 sehingga terbentuk dua variable dungu.887 The F tests the effect of mcmpupuk. untuk atribut/level/taraf perlakuan kedua diberi kode 0 dan 1.422 cm. 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.S. This test is based on the linearly independent pairwise comparisons among the estimated marginal means. 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. atribut/level/taraf perlakuan ketiga diberi kode 0 kemudian 0 lagi dan selanjutnya 1. Jika ada tiga atribut/level/taraf perlakuan maka atribut/level/taraf perlakuan pertama diberi kode 1 dan 0. .092 8 9. dan atribut/level/taraf perlakuan keempat diberi kode 0 kemudin 0 dan sekali lagi 0 sehingga terbentuk tiga variable dungu. 0. Jika ada empat atribut/level/taraf perlakuan maka atribut/level/taraf perlakuan pertama diberi kode 1 kemudian 1 lagi dan 0. Perhatikan tabel di bawah ini. 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 5.34 Univariate Tests Dependent Variable: tingakhir Sum of Squares Contrast Error 55.8% jauh di atas batas kesalahan 5%. dan 0 • atribut/taraf/ level kedua diberi kode 0. yakni dengan Fhitung sebesar 2. dan 0 Variabel dummy yang terbetuk Tiga variabel Dr. maka digunakan uji regresi.949 Df 2 Mean Square 27. untuk atribut/level/taraf perlakuan kedua diberi kode 0 kemudian 1 dan 0. Namun demikian. 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.83 dan besar peluang 11.974 F 2.830 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.118 79. dan 1 • atribut/taraf/ level keempat diberi kode 0. 1.1. M.

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

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

000 .500 .345 -.286 .500 1.202 .202 12 12 12 dammy2 .345 .136 .000 .106 .049 .828 . .S. Regression Descriptive Statistics Mean 38.371 .266 .106 1.184 .371 12 12 12 Tingawal . . 12 12 12 Pearson Correlation Sig.492 2. Deviation 6.492 .828 .000 12 12 12 dammy1 .000 . M.33 11. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .184 .4167 Std.31432 N 12 12 12 12 tingakhir Dammy1 Dammy2 Tingawal Tampak hasil analisis deskriptif nilai rata-rata.000 -.0833 .266 . .049 .Bambang Subali.33 .286 1.136 .24439 . Correlations tingakhir 1. (1-tailed) N Tingakhir dammy1 dammy2 Tingawal Tingakhir dammy1 dammy2 Tingawal Tingakhir dammy1 dammy2 Dr. simpangan baku dan ukuran ulangan pengamatannya.000 .37 Pemrograman sudah selesai dan pilih/klik menu OK dan akan keluar out put sebagai berikut.

979 d1 + 5. M. dammy1(a) Variables Removed . tingawal.662 2.917 11 a Predictors: (Constant).699 T Sig. 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 .816 Adjusted R Square . .422(0) + 1.402 + 1.886 Xi dapat dipakai untuk menjelaskan hubungan regresi antara variable predictor dan variable responsnya dengan Fhitung sebesar 17.423 + 3.S.38 Variables Entered/Removed(b) Variables Entered tingawal.423 4.336 4.Bambang Subali.608 9.790 1.886 Xi pada atribut kedua (saat tanaman dipupuk dengan pupuk P) hubungan antara variable peragam Dr. Error 1 (Constant) 13.024 . dammy2.811 dammy1 3. b Dependent Variable: tingakhir Model Summary Model 1 R . 2.886 .825 79.422 d2 + 1.81 atau 81% menunjukkan hubungan variable bebas (factor perlakuan dan peragam) dengan variable responsnya dapat diterangkan oleh model yang diperoleh.092 df 3 8 Mean Square 116.979(1) + 5.886 Xi = 17.048 .746 Std.251 .95 dengan peluang kesalahan sebesar 0.427 .314 .887 F 11.321 tingawal 1.795 Sig. diperoleh koefisien regresi sebesar 0. dammy2.423 + 3.003(a) 428. Error of the Estimate 3.979 2. dammy2. jadi sangat signifikan.394 dammy2 5.3% jauh di bawah batas 1%.444 a Dependent Variable: tingakhir Model Standardized Coefficients Beta . dammy1 Setelah seluruh variable bebas dimasukkan.14428 a Predictors: (Constant).003 Garis regresi yang diperoleh adalah Yi = 13. Model 1 Method Enter a All requested variables entered.422 2. ANOVA(b) Model 1 Regression Residual Total Sum of Squares 349.903(a) R Square . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . dammy1 b Dependent Variable: tingakhir Coefficients(a) Unstandardized Coefficients B Std. tingawal.

39 tinggi (Xi) awal dan tinggi akhir (Yi) dapat diterangkan oleh persamaan regresi: Yi = 13. Apabila eksperimen tersebut dilakukan di lapangan dan lokasinya sangat sempit dan sebagian dinaungi pohon besar. maka berakibat pada ketidak seragaman pencahayaan di lokasi eksperimen.∑Xi/n) = 40.886 Xi. Tabel hasil penelitiannya sebagai berikut.Bambang Subali.845 + 1. Besarnya rata-rata tinggi akhir terkoreksi pada tanaman yang dipupuk dengan pupuk N diperoleh dengan cara sebagai berikut.422(0) + 1.41666667) = 38.886(12. Dr.25 – 11. Rata-rata observasi tinggi awal total (∑Xi/n) = 137/12 = 11.886 Xi = 13. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .979(0) + 5.886 Xi = 18.25 Rata-rata observasi tinggi akhir dari tanaman yang dipupuk N (∑Y1i/ni) = 162/4 = 40. Besarnya koefisien regresi b1 yang dipakai untuk memperhitungkan pengaruh atau kontribusi factor atau variable peragam adalah 1.979(0) + 5.423 + 1.886 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.929 Dengan langkah yang sama nilai rata-rata terkoreksi untuk tanaman yang diberi pupuk P ataupun tanaman yang diberi pupuk K akan dapat diperoleh.5 Rata-rata terkoreksi tinggi akhir dari tanaman yang dipupuk N (∑Y1iterkoreksi/ni) = ∑Y1i/ni – b1(∑X1i/ni . M.S. 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 = 13.41666667 Rata-rata observasi tinggi awal dari tanaman yang dipupuk N (∑X1i/ni) = 49/4 = 12. Oleh karena itu rancangannnya berupa rancangan kovarians pola acak kelompok atau pola berblok.423 + 3.422(1) + 1.423 + 3.886 Xi.5 – 1.

kemudian memilih submenu General linear model. dan K) terhadap pertumbuhan semai cendana (dalam cm) dengan rancangan acak kelompok Untuk menganalisis data di atas. maka pilih menu Analyze. 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.40 Tabel 2. Gambar 1. Dr. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Jika di klik/ ditekan tombol enter akan muncul tampilan sebagai berikut. M. P. Seting data dalam program SPSS penelitian pengaruh macam pupuk anorganik (N.S.Bambang Subali. dilanjutkan memilih sub-submenu Univariate.

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

Type III Masukkan dan masukkan ketiga variabel ke dalam boks Model.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. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . sehingga tampil hasil sebagai berikut.S. demikian juga factor blok maka maka harus memilih tipe III.Bambang Subali. M. sehingga tampak tampilan sebagai berikut. pilih menu Main effect. Dr. dan analisis selanjutnya memilih menu Custom (klik menu Custom). Oleh karena itu ganti menu Type.

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

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

00 2. M. klik menu OK dan akan diperoleh hasil analisis sebagai berikut. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .00 Dr.00 3. Univariate Analysis of Variance Between-Subjects Factors N 4 4 4 3 3 3 3 mcmpupuk pupukK pupukN pupukP Blok 1. Pemrograman sudah selesai.45 Bila sudah selesai memilih. klik menu Continue sehingga kembali ke tampilan awal seperti berikut.00 4.S.Bambang Subali.

7.0000 44.989 17404. 2.397 F 12. .00 4.083 171.00 Total pupukN 1.0000 47.000 428. . .0000 33. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .0000 40.00 4.5 cm. dan pupuk K 32.0833 Std.4311 dengan besar peluang Dr.932(a) 17404.00 4.00 2. 4. .0000 37.00 Total Total 1.862) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 15.3333 38.040 a R Squared = .972 5. .77350 3.007 . .984 17833.00 3.00 Total pupukP 1.63763 7.858 24.917 df 6 1 2 1 3 5 12 11 Mean Square 66. M.00 3.3333 39.863 15.167 131.Bambang Subali.0000 38.00 Total Mean 30.0000 32. setiap atribut macam pupuk (nilai rata-rata observasi tinggi akibat pemberian pupuk N 40.858 dengan peluang kesalahan 0.75 cm) juga rata-rata totalnya (38.00 2.413 3224.0000 41.0 cm.50925 .00 3. Demikian pula pengaruh fator tinggi awal sebagai peragam sangat signifikan karena dengan Fhitung sebesar 24.00 2.S.0000 43. .52773 5.00 3. .0000 37. .0000 32. Deviation .083 85.7500 40.849 32.937 (Adjusted R Squared = .004 .93725 6.7% jadi sangat signifikan di bawah taraf kesalahan 1%.0000 38.98608 .917 26. Tests of Between-Subjects Effects Dependent Variable: tingakhir Source Type I Sum of Squares Corrected Model Intercept mcmpupuk Tingawal Blok Error Total Corrected Total 401.849 98.110 Sig.007 .46 Descriptive Statistics Dependent Variable: tingakhir mcmpupuk pupukK blok 1.431 6. .21455 7.0833).0000 47.6667 41.24439 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 4.000 .583 131.00 2.0000 32.5000 30. pupuk P 41.

220 -2.935 42.652 1.566 26.652 .231 1.725 1.062 . Error Sig. Pengaruh fator blok juga signifikan karena dengan Fhitung sebesar 6.(a) 95% Confidence Interval for Difference(a) Lower Bound -8.022 .220 8.881 10.446 .423(a) 1.611 Sig. Error PupukK PupukN PupukP 34. a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).984 df 2 5 Mean Square 30.136 43.612 1.786 1.604 35.053 The F tests the effect of mcmpupuk.653(*) 4.366 Std.303 -1.786 1.057 cm.288 -5.422 Upper Bound 37.022 .062 .612 PupukK PupukN pupukP pupukN pupukP pupukK pupukP pupukK pupukN 1.47 kesalahan hanya 0.4% jauh lebih kecil dari batas kesalahan 1%.087 5.424 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.087 -.878 -10.198 1.057(a) 40.881 Upper Bound . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Estimated Marginal Means 1. This test is based on the linearly independent pairwise comparisons among the estimated marginal means. .167 95% Confidence Interval Lower Bound 31. 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 5.725 1.446 Based on estimated marginal means * The mean difference is significant at the .283 5.303 -5.770 cm. dan yang diberi pupuk K 34.653(*) 1.288 -1.4167.653 cm. yang diberi pupuk P 40.770(a) 39.366 5. M. Setelah pengaruh factor peragam dihilangkan maka diperoleh nilai rata-rata terkorekasi (adjusted mean) dari tinggi semai cendana yang diberi pupuk N yakni 39.979 37.878 2.110 besar peluang kesalahannya hanya 4% lebih kecil dari batas kesalahan 5%.Bambang Subali. mcmpupuk Estimates Dependent Variable: tingakhir mcmpupuk Mean Std.423 cm.S. Univariate Tests Dependent Variable: tingakhir Sum of Squares Contrast Error 60.05 level. namun uji dengan tes univariat melalui uji kontras untuk membandingkan Dr. Pairwise Comparisons Dependent Variable: tingakhir (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -4.397 F 5.

984 3 5 Mean Square 17.795 . M.186 -7.611 dan besar peluang 5.795 2.209(a) 1.022 1.696 44.00 4.398 2.186 .369 5.977 -1.047 5.593 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.00 35.00 38.929 2. Univariate Tests Dependent Variable: tingakhir Sum of Df Squares Contrast Error 52.736 -8.398 3.025 -5.379 34.00 2.00 3.929 1.025 .00 2.047 -10.538 -3.120 The F tests the effect of blok. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.265 .894 8.00 4.201 41.00 3.138 .936 cm.05 level.48 tinggi akhir dengan memperhatikan tinggi rata-rata yang sudah terkoreksi menunjukkan hasil yang tidak signifikan.809 .538 -. Error 95% Confidence Interval Lower Bound Upper Bound 1.809 .265 .356 7.400 -8.977 7.996 -4.689 4.779 41.00 4.00 1.561 -1.218 Sig. .022 1.911 1.182 .00 3.397 F 3.00 -2.292 3.00 4.(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound 2.00 2.425 -7.929 1.736 4.996 -.356 -1.561 8.936(*) 2.911 1.00 41.792 2.975 10.028 .00 37. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .00 3.487 -3. namun uji dengan tes Dr.929 1.953 1.626 38.487 -2. yakni dengan Fhitung sebesar 5.00 1. Error Sig.747(a) 1.00 1.425 1.936(*) 3.975 Based on estimated marginal means * The mean difference is significant at the .138 . 2.910 5.182 .910 Std.S.344 34.342 37. blok Estimates Dependent Variable: tingakhir Blok Mean Std. a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments). Dari hasil analisis lanjut menggunakan uji beda nyata terkecil menunjukkan ada perbedaan tinggi semai cendana antara blok 1 dan blok 4 dengan selisih 5.900 1.Bambang Subali. Pairwise Comparisons Dependent Variable: tingakhir (I) blok (J) blok Mean Difference (I-J) 1.660 1.900 .660 -5.4167.028 .953 1.400 1.234(a) 1.144(a) 1.108 26.894 -2.00 2.3%% sedikit di atas batas kesalahan 5%.394 31.

218 dan besar peluang 12% jauh di atas batas kesalahan 5%. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .S.49 univariat melalui uji kontras untuk membandingkan tinggi akhir dengan memperhatikan tinggi rata-rata yang sudah terkoreksi menunjukkan hasil yang tidak signifikan. yakni dengan Fhitung sebesar 3.Bambang Subali. Dr. M.

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

2 26 75 2.51 Tabel 1.3 SU3 1 2 1 4 4 6 3 4 5 6 5 2 3 28 71 2.9 SPESIES A B C D E F G H I Y K L M LINGKUNGAN SUHU KELEMBABAN INTENSITAS CAHAYA Dr.3 28 71 2.9 SU10 0 3 1 6 0 5 0 0 2 3 5 2 0 26 82 1.9 SU9 1 3 1 6 3 8 1 0 2 3 6 3 2 26 82 1.1 Tabel 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 SU4 0 1 1 4 3 6 2 3 5 5 4 2 3 29 74 2.3 29 70 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 2.2 26 75 2.3 27 70 2.1 25 80 2. M.3 SU2 1 2 1 1 4 6 3 4 0 6 4 0 3 30 70 2.1 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. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .2 SU5 0 1 2 5 3 7 2 1 4 5 1 3 0 28 75 2.1 25 80 2.3 SU6 0 1 0 5 2 7 2 3 4 5 4 3 3 27 75 2.Bambang Subali.3 27 72 2.S.2 28 70 2.

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

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). Pada boks di muka Number of factors ketik angka 3.S.53 Selanjutnya pilih menu Extraction sehingga muncul tampilan sebagai berikut.Bambang Subali. Dr. M. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .

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

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

745 .740 SU8 .749 .868 1.875 1.745 .883 .991 .802 .000 1.507 .04124 1.85362 1. Jika dianalisis dengan analisis korelasi mengikuti prosedur dalam SPSS besarnya peluang untuk setiap koefisien korelasi dapat diperoleh.66410 1.32600 2.832 .958 SU10 .871 SU9 .0769 3. M.537 .66410 1.884 .000 .537 SU3 .000 .77951 2.906 .928 1. sehingga akan keluar out put/hasil analisis sebagai berikut .377 SU2 .939 1.0769 2.868 .615 .957 .6154 3.906 .10311 2.000 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.916 .656 .000 .749 .745 .337 .802 .767 .767 . sehingga semakin melimpah populasi yang satu akan diikuti dengan menurunnya kelimpahan populasi lan yang menjadi pasangannya.000 .4615 3.537 SU4 .957 .854 .000 .624 .56 Pemrograman telah selesai.000 .507 .0769 3. sehingga semakin melimpah populasi yang satu akan diikuti dengan melimpahnya populasi yang lain menjadi asosiasinya.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 1.941 .744 .0000 3.S.568 .875 .683 SU7 .000 .737 .8462 Std.883 . Dalam hal demikian boleh jadi karena keduanya memiliki hubungan amensalisme.939 .507 .5385 3.744 .337 .0000 3.709 .713 . Deviation 1.991 1. Jika koefisien korelasi positif dan terbukti signifikan artinya asosiasi kedua populasi bersifat positif.000 .713 .01914 2. Untuk menguji tingkat signifikannya dibandingkan dengan rtabel. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .832 .713 .000 .883 .537 .823 .928 .958 1.568 .916 .871 .740 .939 . Dalam hal ini boleh jadi kedua populasi memiliki ikatan protokooperasi atau karena memiliki nisea yang mirip. Factor Analysis Descriptive Statistics Mean 3.883 .823 . klik/pilih menu OK.957 .854 .Bambang Subali. Jika koefisien korelasi negatif dan terbukti signifikan artinya asosiasi kedua populasi bersifat negatif.624 .939 1.656 .851 .745 .709 SU6 .377 .957 1.713 . sehingga tidak perlu membandingkan dengan koefisien korelasi pada tabel korelasi.615 SU5 .851 .884 .000 1.4615 3.93484 2.737 . Dr.683 .951 1.507 .906 .941 .906 .951 .

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. Wilayah perpotongan yang terluas dari ketiga peta yang diperoleh itulah yang dijadikan pedoman untuk mengetahui derajat kemiripan kedua komunitas yang bersangkutan. Bila lebih dari satu yang signifikan. dan terakhir dengan Yi berupa KU3. M. harus dibuat pula peta dengan menggunakan KU2 atau PC2 sebagai sumbu X dan KU3 atau PC3 sebagai sumbu Y. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . kemudian dengan Yi berupa KU2. maka dipilih yang modelnya diterima secara signifikan.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. Setelah diperoleh tiga garus regresi. Untuk memilih menu stepwise. maka faktor mikroklimat dijadikan variabel prediktor sedangkan nilai KU dijadikan variabel respons. Untuk mengetahui kontribusi faktor lingkungan yang dalam hal ini yaitu faktor mikroklimat. maka dipilih yang peluang kesalahannya untuk ditolak yang paling kecil.S. Dr. pada menu enter diganti dengan menu stepwise. 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.

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

dan akan diperoleh hasil sebagai berikut.06875 Dr.62 Karena garis regresi yang kita inginkan adalah agar memuat ketiga faktor lingkungannya maka kita memasukkan ketiganya. kelbban. M. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .028 6 Total .Bambang Subali. Regression Variables Entered/Removed(b) Model 1 Variables Entered intcahaya. kelbban.008 . .005 F 1.182 a Predictors: (Constant).455 .052 9 a Predictors: (Constant).024 3 Residual . intcahaya. Error of the Estimate . b Dependent Variable: KU1 Model Summary R R Square Adjusted R Square . kelbban. Method Enter a All requested variables entered.674(a) . suhu b Dependent Variable: KU1 Model 1 Mean Square . sehingga dalam boks Method kita pilih menu Enter. intcahaya. suhu ANOVA(b) Sum of Squares df Regression .272(a) Model 1 Std.S. suhu(a) Variables Removed .667 Sig. Pemrograman sudah selesai sehingga kita pilih/klik menu OK.

hasilnya sebagai berikut. suhu(a) a All requested variables entered.142 .011 -. suhu Std. 1 (Constant) suhu kelbban intcahaya 1. kelbban.140 -1.747 Standardized Coefficients Beta -1. kelbban. Error 4.726 .384 Sig. Error 2.445 -1.298 .S.025 X2i + 0.2%.392 X3i tidak diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 1.Bambang Subali. Regression Variables Entered/Removed(b) Model Variables Entered 1 intcahaya.069 X1i – 0. M.025 .069 -.119 6 Total 1.124 Standardized Coefficients Beta -. 1 (Constant) Suhu .387 .215 Dr.014 .203 .872 a Predictors: (Constant).061 .619 a Dependent Variable: KU1 Ternyata garis regresi Yi = 3.63 Coefficients(a) Model Unstandardized Coefficients B 3. Method Enter Model Summary Model R R Square Adjusted R Square 1 . kelbban.718 – 0.172 Std.273 3 Residual .14087 ANOVA(b) Model 1 Sum of Squares df Mean Square .135 .654 t Sig.514 .392 9 a Predictors: (Constant).524 .392 Std. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .667 dengan peluang kesalahan sebesar 27. b Dependent Variable: KU2 Variables Removed .672 .914 .020 F 21.688 -1.442 . .718 -. intcahaya. Dengan prosedur yang sama dan kita dudukkan KU2 sebagai variabel respons.451 t Sig.424 .001(a) Regression 1.358 -1.956(a) . suhu b Dependent Variable: KU2 Coefficients(a) Model Unstandardized Coefficients B 2. Error of the Estimate . intcahaya.

Dari tiga model garis regresi ternyata garis regresi dengan KU2 sebagai nilai komunitas Dr.123 .020 F 3.054 .466 dengan peluang kesalahan sebesar 9.030 1. hasilnya sebagai berikut.451 a Predictors: (Constant).091(a) Std.122 2.S.634 . intcahaya. b Dependent Variable: KU3 Variables Removed .061 Ternyata garis regresi Yi = -7. Method Enter Model Summary Model R R Square Adjusted R Square 1 .117 Total . suhu(a) a All requested variables entered.164 .496 Std.031 .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 0.384 -2. Dengan prosedur yang sama dan kita dudukkan KU3 sebagai variabel respons. kelbban.133 . suhu b Dependent Variable: KU3 Model 1 df 3 6 9 Mean Square .064 .773 + 0.623 t Sig.203 Residual .029 1. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . M. kelbban.1 % berada di atas batas taraf kesalahan 5%.631 -1.320 a Predictors: (Constant). (Constant) Suhu kelbban intcahaya a Dependent Variable: KU3 1 -1.466 Sig. Error 4.518 Standardized Coefficients Beta 3.13974 Coefficients(a) Model Unstandardized Coefficients B -7.011 – 0.478 .172 X1i + 0.068 .107 .070 X2i – 3. Error of the Estimate . . kelbban.01% jauh di bawah batas taraf kesalahan 1%.736 3. Regression Variables Entered/Removed(b) Model Variables Entered 1 intcahaya.031 X2i + 0.045 1.773 .64 kelbban intcahaya a Dependent Variable: KU2 .303 .328 .918 Ternyata garis regresi Yi = 2.036 1.Bambang Subali.021 .070 -3.385 X1i + 0.385 .796(a) .496 X3i diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 3. intcahaya. suhu ANOVA(b) Sum of Squares Regression .530 .352 .

385 Sig.392 a Predictors: (Constant). M. 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. sebagaimana tampilan berikut.S. suhu ANOVA(b) Sum of Squares Regression 1.898 . a Dependent Variable: KU2 Model Summary Model R R Square Adjusted R Square 1 . suhu b Dependent Variable: KU2 Model 1 df 1 8 9 Std.050.Bambang Subali. Probability-of-F-to-remove >= .65 tumbhan bawah tegakan Acacia untuk dijadikan variabel respons diterima dengan signifikan. . Prosedurnya kembali ke tampilan menu regresi dengan KU 2 sebagai variabel respons. kemudian meilih menu pada boks Method yaitu menu Stepwise.142 Total 1. Regression Variables Entered/Removed(a) Model 1 Variables Entered suhu Variables Removed . Pemrograman sudah selesaidan pilih/klik menu OK .018 F 70. Error of the Estimate .000(a) Dr. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .100).885 a Predictors: (Constant).250 .13326 Mean Square 1.948(a) . Method Stepwise (Criteria: Probability-of-F-to-enter <= . sehingga diperoleh hasil analisis sebagai berikut.250 Residual .

250 Std.156 intcahaya .354(a) 1.S. Dr.948 Standardized Coefficients Beta t Sig.806 .Bambang Subali. suhu b Dependent Variable: KU2 1 .166 a Predictors in the Model: (Constant).063 Collinearity Statistics Tolerance .057(a) .66 Coefficients(a) Model Unstandardized Coefficients B 1 (Constant) suhu a Dependent Variable: KU2 6.873 Dari hasil uji regresi stepwise diketahui bahwa faktor mikroklimat yang benar-benar memberi kontribusi terhadap kondisi komunitas tumbuhan bawah tegakan cacia adalah faktor suhu.123 kelbban . Partial Correlation .390 .000 Excluded Variables(b) Model Beta In t Sig. sedangkan kelembaban dan intensitas cahaya tidak begitu berperan.131 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .285 .394 -8.030 -. Error .000 .763 – 0.763 -.25 Xi. M. 8.400 . 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.

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

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

Sign up to vote on this title
UsefulNot useful