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

9 Pupuk N Sebelum tanam 29.6 30.6 36. Jika interaksinya bersifat positif.0 33. akibatnya respons yang terjadi secara signifikan akan lebih rendah/lebih kecil dibanding kalau masing-masing faktor bekerja sendiri-sendiri/terpisah. 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.7 32. Tentu saja hal tersebut berlaku sepanjang dosis tersebut masih dibawah dosis optimal yang diperlukan untuk memacu pertumbuhannya.7 31.0 Sesudah tanam 32.7 30.7 32. Tabel 1.6 29. 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.8 Sesudah tanam 32. M.S. pupuk N dan pupuk K) dan waktu pemberian pupuk (dengan atribut diberikan sebelum tanam dan sesudah tanam) menunjukkan hasil sebagai berikut.4 Dr.7 31.1 Pupuk K Sebelum tanam 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. 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 28.2 30.Bambang Subali. Sebaliknya.6 30.1 29.2 28.3 31. Hasil penelitian akibat pengaruh kombinasi macam atau jenis pupuk (dengan atribut tanpa diberi pupuk.2 27.8 29.8 31.8 32. jika interkasinya negative maka akan terjadi hambatan oleh salah satu faktor atau faktor-faktor tersebut saling menghambat. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .3 BAB 1. Oleh karena itu rancangannya berupa rancangan faktorial befaktor (dua faktor) pola acak lengkap. Kalau misalnya tanaman kacang tanah dipupuk N saja dengan dosis tertentu atau dipupuk dengan pupuk P saja dengan dosis tertentu. hasil panenan tanaman padi ladang akibat pengaruh kombinasi macam pupuk dan waktu pemupukan dalam rancangan acak kelompok (dalam kwintal).3 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.

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

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

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . 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 tidak perlu ganti menu pada menu Type III . pilih menu Main effect. M.S. 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. Dr.Bambang Subali. dan analisis selanjutnya memilih menu Custom (klik menu Custom). Masukkan kedua variabel 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. sehingga tampak tampilan sebagai berikut. sehingga tampil hasil sebagai berikut.

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

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

400 30. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . 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 29.4071 1.275 31.675 31.500 32.7348 1.9287 .338 29.6153 1.1991 2.8655 2.S. selanjutnya pilih (klik) menu OK dan akan diperoleh hasil analisis sebagai berikut.583 31. M.4315 1.0675 N 4 4 8 4 4 8 4 4 8 12 12 24 Dr.9 Pemrograman sudah selesai.788 32.3480 .075 30.9207 1.975 30.275 31. Deviation 1.3843 2.033 Std.7332 3.483 31.Bambang Subali.

699 2.952 60.369 F 2.627 11.000 . Dr.260 9.095 . Demikian pula pengaruh waktu pemupukan serta pengaruh interaksi macam pupuk dan waktu pemupukan juga tidak signifikan dengan Fhitung berturut-turut 2.155 dan 2. dan yang tidak dipupuk).533 23113. 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 37.155 2. Estimated Marginal Means 1.424 30.663(a) 23113.151 33.212) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 1.159 .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%.649 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .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 5.649 Lower Bound 28.649 .Bambang Subali.650 23211. .9% dan 8. Error .774 1.211 .236 6859.451 7. M.788 31.6999 dengan peluang kesalahan 21.087 98.940 Df 5 1 2 1 2 18 24 Mean Square 7.260 18.383 (Adjusted R Squared = .338 30.7%.975 Std. mcmpupuk (maksudnya macam pupuk) Estimates Dependent Variable: hslpanen 95% Confidence Interval mcmpupuk pk pn tanpappk Mean 30.476 3. juga hasil panen akibat pengaruh waktu pemupukannya untuk setiap macam pemupukan. pupuk N.612 Upper Bound 31.725 7.812 dan besarnya peluang kesalahan 15.313 23 a R Squared = .701 32.S.974 29.1% sehingga tidak signifikan karena jauh diatas kesalahan 5%.812 Sig.

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .450 -1.212 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).188 Std. sebagaimana tampak pada hasil analisis pada tabel di atas.188 1. . Error sblmtnm ssdhtnm 30.369 The F tests the effect of mcmpupuk.483 31.918 .470 Upper Bound 31.116 pk pn tanpappk Pn Tanpappk Pk Tanpappk Pk Pn .597 32.450 -1. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.530 95% Confidence Interval Lower Bound 29. M.378 1.741 3.725 F 1.091 .478 -3.918 . waktupemp (MAKSUDNYA WAKTU PEMUPUKAN) Estimates Dependent Variable: hslpanen waktupemp Mean Std.741 2.699 Sig.211 60.1% jauh di atas batas taraf kesalahan 5%.212 .918 .566 . Error Sig. 2.378 .583 .291 -.918 .638 1.650 18 3.091 .530 .116 -.291 -1.918 .370 30.638 .697 Hasil analisis akibat pengaruh faktor waktu pemupukan juga tidak berbeda dengan pengaruh faktor macam pupuk.Bambang Subali.566 3.S. 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 21.630 .478 -3. Dr.918 . 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.11 Pairwise Comparisons Dependent Variable: hslpanen (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -.630 .(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -2.451 Df 2 Mean Square 5. Univariate Tests Dependent Variable: hslpanen Sum of Squares Contrast Error 11.

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.650 18 3.260 Error Df 1 Mean Square 7.203 33.Bambang Subali. Oleh karena itu.747 29.369 The F tests the effect of waktupemp.918 . Univariate Tests Dependent Variable: hslpanen Sum of Squares Contrast 7.674 sblmtnm ssdhtnm Ssdhtnm Sblmtnm .328 31.500 32.(a) 95% Confidence Interval for Difference(a) Lower Bound -2.003 34. mcmpupuk * waktupemp Dependent Variable: hslpanen mcmpupuk waktupemp Mean Pk Pn tanpappk sblmtnm ssdhtnm sblmtnm ssdhtnm sblmtnm ssdhtnm 29.749 . .572 30.918 95% Confidence Interval Lower Bound 27.147 30. hasil yang keluar hanya menunjukkan nilai rata-rata.474 2.075 32.347 Upper Bound 31.675 31.918 .155 Sig.260 F 2. 3.749 . simpangan baku beserta batas bawah dan batas atas nilai rata-rata pada tingkat populasi sebagaimana tersaji pada tabel di bawah ini. Karena program SPSS hanya menganalisis efek utama darai faktor-faktor perlakuan tetapi bukan interaksinya.12 Pairwise Comparisons Dependent Variable: hslpanen (I) waktupemp (J) waktupemp Mean Difference (I-J) -1. maka meskipun kita meminta untuk uji lanjut dengan LSD. maka rancangannya berupa rancangan Dr.347 29. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.474 Upper Bound .275 31.674 -.S.918 .159 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .159 60. Error .100 Std.428 34. M.472 27.100 1. 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. dan sebaliknya harus diuji pula signifikansi perbedaan antar macam pupuk pada tiap atribut/kategori waktu pemupukan.275 Std.400 29. Error Sig.918 .603 33.159 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).918 . jika efek interaksi signifikan maka harus diadakan uji lanjut dengan perhitungan secara manual.

7 32.7 32.1 Pupuk K Sebelum tanam 29.8 32.9 Pupuk N Sebelum tanam 29.6 30.0 33.6 36.2 28. Dr.3 32.7 31.7 30.2 27.13 faktorial befaktor (dua faktor) pola acak kelompok atau pola berblok.Bambang Subali. Tanpa pupuk Blok Sebelum Sesudah ke tanam tanam 1 2 3 4 28. Hasil penelitian menunjukkan hasil sebagai berikut. Tabel 2.S.3 31. hasil panenan tanaman padi ladang akibat pengaruh kombinasi macam pupuk dan waktu pemupukan dalam rancangan acak kelompok (dalam kwintal).0 Sesudah tanam 32.8 Sesudah tanam 32.4 Sajian data untuk analisis varians multi-arah dengan program SPSS adalah sebagai berikut.6 30. M.8 29.7 31.6 29.8 31.1 29. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .2 30.

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

M. dan masukkan ketiga variabel ke dalam model. 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. pilih menu Main effect. sehingga pilih (klik) menu model.Bambang Subali.S. dan akan keluar tampilan sebagai berikut. Dr. Oleh karena itu tidak perlu mengganti menu Type. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . juga dalam hal waktu pemupukannya hanya sebelum dan sesudah tanam sehingga tidak dapat diberlakukan pada waktu/situasi yang lain) maka harus memilih tipe III. dan analisis selanjutnya memilih menu Custom (klik menu Custom).15 Selanjutnya memilih model. sehingga tampak 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.Bambang Subali. Type III Pilih (klik) menu Continue sehingga muncul tampilan semula sebagai berikut.S. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Dr. Untuk menguji efek utama (main effect) dari masing-masing factor. sehingga tampil hasil sebagai berikut. baik factor perlakuan maupun factor blok pilih menu Option sehingga muncul tampilan sebagai berikut. M.

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

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

000 29.Bambang Subali. .1314 .750 30.9207 . . .450 30.600 36.700 31.275 32.5456 1.S. .400 30.7332 .700 32. .800 32.3480 .8385 1.700 30. .800 31.000 33.8655 1.3234 1. .8991 1.200 28.4749 2.4749 2.800 32.200 27. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .800 31. . . .500 32.2021 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. . M. . .600 32.950 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. 1.300 31. .675 30. 1.800 29.338 29.275 29. . 3.4315 2.4071 2.200 30.700 32. 1.700 30.7348 .2828 3.788 28.075 30. . .600 30.000 30.950 29.100 29.450 Std. .700 31. Deviation . .600 29.400 31.900 31.100 29.900 30. .300 32.9287 .

367 31.8461 2.115 .7778 1.233 30.952 Blok 4.777 F 1.940 Corrected Total 98.1% atau (dalam tabel tertulis 0.7251 1.379 6120. juga tidak signifikan karena peluang kesalahannya jauh di atas 5% yakni 11.300 31.353 Sig. Estimated Marginal Means 1.483 31.7550 .3856 .516 1. mcmpupuk Estimates Dependent Variable: hslpanen Dr.975 28.260 9.0675 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 41.3215 4.S.282 .000 Error 56.967 31.663(a) Intercept 23113.583 30.Bambang Subali.1991 1. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .7032 2.750 31.788 Dari tabel analisis varians di atas dapat diketahui bahwa pengaruh atau efek utama variabel macam pupuk tidak signifikan karena peluang kesalahannya mencapai 25.3843 .467 31.251) pengaruh atau efek utama waktu pemupukan juga tidak signifikan karena peluang kesalahannya jauh di atas 5% yakni 18.0146 1.433 31.20 2 3 4 Total Total sblmtnm 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 34.5106 1.900 31.260 mcmpupuk * waktupemp 18.5%.313 a R Squared = .550 32.500 30.4163 2. yakni pengaruh interaksi antara variabel macam pupuk dan waktu pemupukan.627 5.424 (Adjusted R Squared = .6153 1.113 1.116) df 8 1 2 1 2 3 15 24 23 Mean Square 5.1820 .600 31.627 Mcmpupuk 11.509 .186 .725 7.251 . M.8717 2.333 31.000 .476 1.650 Total 23211. .2021 2.150 31.922 2.208 23113.451 Waktupemp 7.400 30.033 3.333 3.2368 1.8414 3.6% dan efek interaksi dari kedua fakor perlakuan.900 31.

884 -.972 .188 Std.650 15 3.439 Pairwise Comparisons Dependent Variable: hslpanen (I) mcmpupuk (J) mcmpupuk Pn .725 1. dan kolom sig.521 1.687 .638 .(a) menunjukkan besarnya peluang kesalahan untuk menunjukkan perbedaan antar kategori/atribut perlakuan macam pupuk.450 -1.323 32.972 .113 Pn Pk . Pk Mean Difference (I-J) -.709 . 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. Hasil analisis untuk factor waktu pemupukan juga sama saja hasilnya sebagaimana pengaruh factor macam pupuk. yakni 25.113 Pn .802 29.251 Error 56. karena taraf kesalahannya jauh di atas 5%. Tampak kolom (I-J) menunjukkan besarnya selisih nilai rata-rata.777 The F tests the effect of mcmpupuk.972 .975 Std.621 -3.687 .972 .638 1.972 .884 3.Bambang Subali. waktupemp Estimates Dependent Variable: hslpanen waktupemp Mean Std.259 . dan hasil analisisnya sebagai berikut. Error 95% Confidence Interval Dr. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .434 -1. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.521 -3.259 Dari tabel pembandingan sebagai uji lanjut dari efek utama variabel macam pupuk juga menunjukkan tidak ada yang berbeda signifikan.21 mcmpupuk Pk Pn tanpappk Mean 30.(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -2. 2.241 tanpappk Pk .873 31.451 2 5.621 2.516 . Univariate Tests Dependent Variable: hslpanen Sum of Squares Df Mean Square F Sig.S.1%.788 31.252 30. sehingga tidak signifikan pada taraf kesalahan 5%.709 -.650 Tanpappk .450 -1.338 30.972 . Contrast 11.650 Tanpappk .687 95% Confidence Interval Lower Bound Upper Bound 28.434 3. yang semuanya jauh di atas 5%.188 1.241 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments). Error . Error Sig.511 33. M.

100 . Contrast 7. Error . 3.583 .(a) 95% Confidence Interval for Difference Difference(a) (I-J) Lower Bound Upper Bound Sblmtnm Ssdhtnm -1.779 Sblmtnm Ssdhtnm 30. mcmpupuk * waktupemp Dependent Variable: hslpanen mcmpupuk Waktupemp Mean Pk Pn tanpappk Sblmtnm Ssdhtnm Sblmtnm Ssdhtnm Sblmtnm Ssdhtnm 29.777 The F tests the effect of waktupemp.22 Lower Bound Upper Bound 29.388 32.204 33.791 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).186 Error 56.S.972 .972 .346 29.793 .746 29.591 Ssdhtnm Sblmtnm 1.260 1 7.471 27.483 31. maka walaupun efek interaksi dimasukkan pada bok Display means kemudian dianalisis bedanya.288 31. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .972 .561 . Error Sig.100 .972 .793 . 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.346 Berdasarkan tabel analisis varians di atas.922 .260 1.679 30.500 32.186 -2.400 29.204 31. dan keluarannya hanya memberikan selisih rata-rata dan batas minimum dan batas maksimum nilai rata-rata perkiraan atau estimasinya.186 -.Bambang Subali.591 2.275 31.275 Std. namun hasil akhirnya tidak dapat diperoleh.791 . Dengan demikian uji lanjut sebagaimana tersaji pada hasil berikut ini juga tidak signifikans.675 31. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.972 95% Confidence Interval Lower Bound Upper Bound 27.650 15 3. Karena program yang ada hanya menguji signifikansi efek utama.571 30.004 34.604 34.329 33.146 30.429 31.075 32. pengujian signifikansi efek pengeblokan akibat kecurigaan terhadap tingkat kesuburan petak-petak penanaman yang berbeda ternyata tidak signifikan.561 Pairwise Comparisons Dependent Variable: hslpanen (I) waktupemp (J) waktupemp Mean Std. M.972 . Univariate Tests Dependent Variable: hslpanen Sum of Squares df Mean Square F Sig.

M.793 29.400 1.Bambang Subali.925 2.609 32.(a) tampak bahwa besarnya peluang untuk setiap nilai selisih antar blok menunjukkan harga di atas 5%.200 1.591 2.325 -2.726 4 1 .793 28.191 2.683 2 -.858 -2.200 1.991 -1.452 2 -. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .683 4 -.591 -1.452 2 1 1.867 1.591 4 31.(a) (I-J) 1 2 -1.467 1. Dr.122 .325 3.601 4 .124 2 31.191 3 30.209 32.600 1.991 1.433 .122 .525 3.793 29.900 .742 32.067 1.300 .467 1. 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -3.122 .793 29.791 Karena hasil analisis varians menunjukkan efek blok tidak signifikan.122 .191 -1. 4.861 3 .925 -3.400 1.067 1.458 1.991 -2.258 -2.S.357 3 .122 .726 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).791 1.122 .791 -2.122 .858 1. blok Estimates Dependent Variable: hslpanen Blok Mean Std. 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.458 -1. Error Sig.122 .809 33.991 2.867 1.600 1.258 1.861 3 1 .122 .357 3 -.122 . Error 95% Confidence Interval Lower Bound Upper Bound 1 30.791 2.525 -1.991 Pairwise Comparisons Dependent Variable: hslpanen (I) blok (J) blok Mean Difference Std.500 .122 .23 dengan rancangan acak sempurna (completely randomized design).122 .601 4 -.

650 15 Mean Square F 1.000 3 Error 56.333 . 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 78.777 Sig. M.24 Univariate Tests Dependent Variable: hslpanen Sum of Squares df Contrast 4. Dr. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .788 The F tests the effect of blok.353 3. .Bambang Subali.S.8% jauh diatas batas taraf kesalahan 5%.

Bambang Subali.S. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .25 Dr. 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 akan dicoba tiga macam pupuk. maka kita upayakan dulu memilih blok/kelompok tinggi tanaman yang homogen. ada yang >10 . Misalnya areal penanamannya tidak homogen kesuburannya maka kita buat blok-blok yang homogen sehingga seluruh perlakuan ada wakilnya pada setiap blok tanam.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. Apabila ada satu faktor lain selain faktor perlakuan yang tidask homogenkan maka dapat diupayakan homogen pada tingkat blok. maka factor tinggi awal kita jadikan sebagai faktor peragam/kovariat/kovariabel. maka efek treatmen (perlakuan) menjadi dipengaruhi oleh factor peragam. termasuk jikalau dihomogenkan dengan pengeblokan. misalnya tanaman yang ada berkisar antara 8 sampai 16 cm. Akibat adanya factor peragam atau kovariabel atau kovariat.12 cm. M. 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. Kalau kita akan pengetahui efek macam pupuk terhadap pertumbuhan tanaman cendana. ada yang >12 – 14 cm. Demikian pula bila tinggi awalnya tidak homogen. Tidak mudah untuk memperoleh semai tanaman cendana yang memiliki ketinggian yang homogen pada umur yang sama.Bambang Subali. Misal hasil eksperimen tentang pengaruh macam pupuk anorganik terhadap pertumbuhan tanaman cendana sebagai berikut. Dr. misalnya ada blok atau kelompok tanaman cendana yang tingginya 8 – 10 cm. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .S. maka ukuran tanaman. Kalau biji yang kita semai hanya sedikit dan akhirnya setelah kita kelompokkan agar homogen ditiap kelompok pun tidak berhasil. media tanam dan faktor lingkungan harus kita homogenkan agar dapat memakai rancangan acak lengkap.

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

28 Selanjutnya masukkan variabel tinggi akhir (tingakhir) ke dalam variabel tergayut (dependent variable). dan akan keluar tampilan Dr. model.Bambang Subali.S. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Hasilnya sebagai berikut. 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.

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

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

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

Dr.0000 38.5 cm.Bambang Subali.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.5000 41. 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 32.7500 40. Deviation 2. yang diberi pupuk P 41.98608 4. dan yang diberi pupuk K 32.32 Pemrograman sudah selesai. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .0833 Std. yakni semai cendana yang diberi pupuk N 40.75 cm.52773 6.50925 7.S. selanjutnya pilih (klik menu OK dan akan diperoleh hasil analisis sebagai berikut. M.0 cm.

595 Based on estimated marginal means * The mean difference is significant at the .135 .929 cm.083 85.710 9.95 cm. dan yang diberi pupuk K 40.795 1760.Bambang Subali.33 Tests of Between-Subjects Effects Dependent Variable: tingakhir Source Type I Sum of Squares Corrected Model Intercept Mcmpupuk Tingawal Error Total Corrected Total 349.071 Sig. Error 1.929(a) Std.321 2.499 1. M.917 Df 3 1 2 1 8 12 11 Mean Square 116.950(a) 38.887 F 11. Pairwise Comparisons Dependent Variable: tingakhir (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -3.388 8.003 .4167. Demikian pula pengaruh fator tinggi awal sebagai peragam sangat signifikan karena dengan Fhitung sebesar 18.541 -6.013 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.615 Lower Bound 31.070 -3.422(*) 3.767 42.583 178.658 9. Error 2. Estimated Marginal Means mcmpupuk Estimates Dependent Variable: tingakhir 95% Confidence Interval Mcmpupuk Pupukk Pupukn Pupukp Mean 34.537 . Dr.000 .979 -5.234 2.730 44.773 -.S. yang diberi pupuk P 38.133 35.371 cm.653 40.(a) Pupukk Pupukn Pupukp Pupukn Pupukp Pupukk Pupukp Pupukk Pupukn .579 36.048 . a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).05 level.443 Std.321 2.135 .816 (Adjusted R Squared = .657 dengan peluang kesalahan 1% sehingga signifikan di bawah taraf kesalahan 5%.371(a) 1.083 171.979 -1.070 -1.608 17404.048 .167 178. Setelah pengaruh factor peragam dihilangkan maka diperoleh nilai rata-rata terkorekasi (adjusted mean) dari tinggi semai cendana yang diberi pupuk N yakni 34.537 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -9. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .710 10.541 -10.3% jauh lebih kecil dari batas kesalahan 1%.825(a) 17404.657 18.000 428.394 2.003 a R Squared = .234 Sig.773 6.071 dan besar peluang kesalahan hanya 0.443 5.394 2.422(*) 1.658 79.010 .655 1.204 Upper Bound 38. .499 3.092 17833.746) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 8.595 .

untuk atribut/level/taraf perlakuan kedua diberi kode 0 kemudian 1 dan 0.83 dan besar peluang 11. atribut/level/taraf perlakuan ketiga diberi kode 0 kemudian 0 lagi dan selanjutnya 1. dan 0 • atribut/taraf/ level ketiga 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. dan 0 • atribut/taraf/ level kedua diberi kode 0. dan 1 • atribut/taraf/ level keempat diberi kode 0.1. untuk atribut/level/taraf perlakuan kedua diberi kode 0 dan 1. 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.8% jauh di atas batas kesalahan 5%.949 Df 2 Mean Square 27. This test is based on the linearly independent pairwise comparisons among the estimated marginal means. 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. .34 Univariate Tests Dependent Variable: tingakhir Sum of Squares Contrast Error 55. dan 0 Variabel dummy yang terbetuk Tiga variabel Dr.830 Sig. maka digunakan uji regresi. dan atribut/level/taraf perlakuan ketiga diberi kode 0 dan 0 sehingga terbentuk dua variable dungu. yakni dengan Fhitung sebesar 2. Jika ada empat atribut/level/taraf perlakuan maka atribut/level/taraf perlakuan pertama diberi kode 1 kemudian 1 lagi dan 0. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . 1.092 8 9. 0. 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 1.887 The F tests the effect of mcmpupuk.118 79. Perhatikan tabel di bawah ini. M. 0.Bambang Subali. Namun demikian.974 F 2.422 cm. 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. 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.S. dan atribut/level/taraf perlakuan keempat diberi kode 0 kemudin 0 dan sekali lagi 0 sehingga terbentuk tiga variable dungu.

Dr. terus memilih linear. Masukkan variabel respons tinggi akhir ke dalam boks dependent variable. dummy 2.35 Karena eksperimennya hanya melibatkan tiga data maka pengkodean variabel dungu dalam seting data program SPSS adalah sebagai berikut. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Selanjutnya data dianalisis dengan diawali memilih menu analyse kemudian memilih menu regression. masukkan variabel dummy 1.S.Bambang Subali. M. kemudian di ‘klik’ akan tampil tampailan sebagai berikut. dan tinggi awal ke dalam boks independent variable.

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

37 Pemrograman sudah selesai dan pilih/klik menu OK dan akan keluar out put sebagai berikut. 12 12 12 Pearson Correlation Sig.492 2. . M.202 12 12 12 dammy2 .286 .31432 N 12 12 12 12 tingakhir Dammy1 Dammy2 Tingawal Tampak hasil analisis deskriptif nilai rata-rata.Bambang Subali. .24439 .136 .371 12 12 12 Tingawal .000 . (1-tailed) N Tingakhir dammy1 dammy2 Tingawal Tingakhir dammy1 dammy2 Tingawal Tingakhir dammy1 dammy2 Dr.33 .000 .4167 Std. Regression Descriptive Statistics Mean 38.371 . Deviation 6.000 .136 .S.0833 .345 .345 -. simpangan baku dan ukuran ulangan pengamatannya.500 . Correlations tingakhir 1.266 .000 -.184 .500 1.049 .828 .049 .492 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .828 .106 .202 .184 .33 11.000 12 12 12 dammy1 .266 . .286 1.106 1.000 .

795 Sig.903(a) R Square .003 Garis regresi yang diperoleh adalah Yi = 13.790 1. dammy2.092 df 3 8 Mean Square 116.422 2.81 atau 81% menunjukkan hubungan variable bebas (factor perlakuan dan peragam) dengan variable responsnya dapat diterangkan oleh model yang diperoleh.251 . jadi sangat signifikan.402 + 1.003(a) 428.394 dammy2 5.816 Adjusted R Square .886 Xi = 17.917 11 a Predictors: (Constant).422 d2 + 1. Error 1 (Constant) 13. dammy1 Setelah seluruh variable bebas dimasukkan.95 dengan peluang kesalahan sebesar 0. dammy2.699 T Sig.886 . dammy2.825 79.886 Xi pada atribut kedua (saat tanaman dipupuk dengan pupuk P) hubungan antara variable peragam Dr.886 Xi dapat dipakai untuk menjelaskan hubungan regresi antara variable predictor dan variable responsnya dengan Fhitung sebesar 17. Error of the Estimate 3. tingawal.3% jauh di bawah batas 1%.427 .Bambang Subali.321 tingawal 1.662 2. dammy1 b Dependent Variable: tingakhir Coefficients(a) Unstandardized Coefficients B Std.422(0) + 1.048 . Model 1 Method Enter a All requested variables entered.979 2. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . . dammy1(a) Variables Removed .38 Variables Entered/Removed(b) Variables Entered tingawal.135 .423 4. tingawal.423 + 3. ANOVA(b) Model 1 Regression Residual Total Sum of Squares 349. 2.746 Std.608 9.444 a Dependent Variable: tingakhir Model Standardized Coefficients Beta .14428 a Predictors: (Constant).979 d1 + 5. M.887 F 11.423 + 3. diperoleh koefisien regresi sebesar 0. b Dependent Variable: tingakhir Model Summary Model 1 R .979(1) + 5.314 .336 4. 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 = 13.811 dammy1 3.024 .S.

Besarnya rata-rata tinggi akhir terkoreksi pada tanaman yang dipupuk dengan pupuk N diperoleh dengan cara sebagai berikut.5 – 1. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .886(12. Tabel hasil penelitiannya sebagai berikut.∑Xi/n) = 40.422(1) + 1. maka berakibat pada ketidak seragaman pencahayaan di lokasi eksperimen. M.423 + 3.886 Xi = 13.423 + 3. 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 = 13.845 + 1.886 Xi = 18.25 – 11.25 Rata-rata observasi tinggi akhir dari tanaman yang dipupuk N (∑Y1i/ni) = 162/4 = 40. Dr. Rata-rata observasi tinggi awal total (∑Xi/n) = 137/12 = 11. Besarnya koefisien regresi b1 yang dipakai untuk memperhitungkan pengaruh atau kontribusi factor atau variable peragam adalah 1.41666667) = 38.423 + 1.979(0) + 5.979(0) + 5.39 tinggi (Xi) awal dan tinggi akhir (Yi) dapat diterangkan oleh persamaan regresi: Yi = 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. Oleh karena itu rancangannnya berupa rancangan kovarians pola acak kelompok atau pola berblok.41666667 Rata-rata observasi tinggi awal dari tanaman yang dipupuk N (∑X1i/ni) = 49/4 = 12.886 Xi.886 Xi.S.Bambang Subali.5 Rata-rata terkoreksi tinggi akhir dari tanaman yang dipupuk N (∑Y1iterkoreksi/ni) = ∑Y1i/ni – b1(∑X1i/ni .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. Apabila eksperimen tersebut dilakukan di lapangan dan lokasinya sangat sempit dan sebagian dinaungi pohon besar.422(0) + 1.

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. Gambar 1. Dr. dilanjutkan memilih sub-submenu Univariate. kemudian memilih submenu General linear model.40 Tabel 2.Bambang Subali. Seting data dalam program SPSS penelitian pengaruh macam pupuk anorganik (N. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . M. Jika di klik/ ditekan tombol enter akan muncul tampilan sebagai berikut. P.S. maka pilih menu Analyze.

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

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

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

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

Pemrograman sudah selesai. M.00 Dr.S. Univariate Analysis of Variance Between-Subjects Factors N 4 4 4 3 3 3 3 mcmpupuk pupukK pupukN pupukP Blok 1.Bambang Subali.00 4. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .45 Bila sudah selesai memilih. klik menu OK dan akan diperoleh hasil analisis sebagai berikut. klik menu Continue sehingga kembali ke tampilan awal seperti berikut.00 3.00 2.

.0000 44.00 2.00 3.0000 33.431 6.0000 40.0000 47.93725 6. . Deviation . .583 131.77350 3. .5000 30.52773 5.989 17404.397 F 12.5 cm.00 4.S. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . .00 4.3333 39.083 85.24439 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.849 32.00 2.0000 38.75 cm) juga rata-rata totalnya (38.0 cm.00 3. dan pupuk K 32.00 3.7% jadi sangat signifikan di bawah taraf kesalahan 1%.110 Sig.858 dengan peluang kesalahan 0.4311 dengan besar peluang Dr.413 3224. Tests of Between-Subjects Effects Dependent Variable: tingakhir Source Type I Sum of Squares Corrected Model Intercept mcmpupuk Tingawal Blok Error Total Corrected Total 401.863 15.7500 40.6667 41. .0000 32.0000 37.0833).040 a R Squared = .0000 32.00 2.0000 43.Bambang Subali.000 .004 .984 17833.0833 Std.00 Total pupukN 1.0000 41. .917 26.21455 7.3333 38.0000 38.0000 37.000 428. .937 (Adjusted R Squared = .932(a) 17404.858 24.083 171.00 Total pupukP 1.00 2. .00 Total Mean 30.46 Descriptive Statistics Dependent Variable: tingakhir mcmpupuk pupukK blok 1.00 Total Total 1. M. setiap atribut macam pupuk (nilai rata-rata observasi tinggi akibat pemberian pupuk N 40.00 4.972 5.167 131. pupuk P 41.98608 .00 4. 2.917 df 6 1 2 1 3 5 12 11 Mean Square 66. 7.007 .849 98. Demikian pula pengaruh fator tinggi awal sebagai peragam sangat signifikan karena dengan Fhitung sebesar 24.007 . .63763 7. 4.00 3.0000 32.50925 .0000 47.862) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 15.

770 cm.47 kesalahan hanya 0.881 Upper Bound .652 .110 besar peluang kesalahannya hanya 4% lebih kecil dari batas kesalahan 5%.288 -5.984 df 2 5 Mean Square 30.653(*) 4. yang diberi pupuk P 40. Error PupukK PupukN PupukP 34.022 .878 -10.05 level. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.652 1. Setelah pengaruh factor peragam dihilangkan maka diperoleh nilai rata-rata terkorekasi (adjusted mean) dari tinggi semai cendana yang diberi pupuk N yakni 39.022 .446 . 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 5.366 5.366 Std.423(a) 1.062 .167 95% Confidence Interval Lower Bound 31. . Estimated Marginal Means 1. Error Sig.4167.053 The F tests the effect of mcmpupuk.303 -5.786 1.087 5. M.881 10.S.612 PupukK PupukN pupukP pupukN pupukP pupukK pupukP pupukK pupukN 1.4% jauh lebih kecil dari batas kesalahan 1%.979 37.057 cm.422 Upper Bound 37.087 -.Bambang Subali. Pairwise Comparisons Dependent Variable: tingakhir (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -4.(a) 95% Confidence Interval for Difference(a) Lower Bound -8.604 35.446 Based on estimated marginal means * The mean difference is significant at the .198 1.725 1.283 5. namun uji dengan tes univariat melalui uji kontras untuk membandingkan Dr.725 1. Univariate Tests Dependent Variable: tingakhir Sum of Squares Contrast Error 60.303 -1.653(*) 1.611 Sig.566 26. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .220 -2.423 cm.653 cm.612 1. Pengaruh fator blok juga signifikan karena dengan Fhitung sebesar 6.057(a) 40. a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).397 F 5.136 43.935 42.786 1.062 .288 -1.878 2.770(a) 39. mcmpupuk Estimates Dependent Variable: tingakhir mcmpupuk Mean Std.220 8.231 1. dan yang diberi pupuk K 34.424 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.

00 37.538 -3.779 41.00 1. 2.00 3.984 3 5 Mean Square 17.487 -2.025 .561 8.344 34.809 .929 1.00 3.561 -1.929 2.975 Based on estimated marginal means * The mean difference is significant at the .108 26.047 -10.400 1.00 41.953 1.00 2. Error 95% Confidence Interval Lower Bound Upper Bound 1.00 4.379 34.894 8.397 F 3.911 1.936(*) 2.900 .120 The F tests the effect of blok.00 3.144(a) 1.936 cm.(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound 2.025 -5.660 -5. blok Estimates Dependent Variable: tingakhir Blok Mean Std. Dari hasil analisis lanjut menggunakan uji beda nyata terkecil menunjukkan ada perbedaan tinggi semai cendana antara blok 1 dan blok 4 dengan selisih 5.400 -8.487 -3.953 1.910 5.929 1.022 1.900 1.660 1.356 -1.00 2. Univariate Tests Dependent Variable: tingakhir Sum of Df Squares Contrast Error 52.398 2.48 tinggi akhir dengan memperhatikan tinggi rata-rata yang sudah terkoreksi menunjukkan hasil yang tidak signifikan.265 .00 2.265 . namun uji dengan tes Dr.369 5. .910 Std.138 .593 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.736 -8.696 44.398 3.047 5.022 1. M.736 4.809 .00 -2.747(a) 1.611 dan besar peluang 5.3%% sedikit di atas batas kesalahan 5%.218 Sig. Error Sig.894 -2.4167.792 2.S.00 4.05 level.028 .394 31.929 1.201 41.209(a) 1.911 1.977 -1.00 1.00 2.936(*) 3.00 4.182 .795 .425 1. a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).182 .975 10.234(a) 1.00 38.138 .689 4.292 3. Pairwise Comparisons Dependent Variable: tingakhir (I) blok (J) blok Mean Difference (I-J) 1.00 4. yakni dengan Fhitung sebesar 5.356 7.538 -.977 7.186 -7.Bambang Subali.996 -4.342 37.186 .00 3.795 2.996 -. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.626 38.00 35.00 1.028 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .425 -7.

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

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

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

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

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

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

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

906 .854 .507 .537 SU4 .337 . Dr.537 SU3 .709 .656 .000 1.4615 3.851 .709 SU6 .683 SU7 .615 SU5 . Jika koefisien korelasi positif dan terbukti signifikan artinya asosiasi kedua populasi bersifat positif.851 .656 .624 .991 .6154 3.928 1.000 1.713 .4615 3.802 .744 .749 . klik/pilih menu OK.507 . sehingga semakin melimpah populasi yang satu akan diikuti dengan melimpahnya populasi yang lain menjadi asosiasinya. Dalam hal demikian boleh jadi karena keduanya memiliki hubungan amensalisme. Jika koefisien korelasi negatif dan terbukti signifikan artinya asosiasi kedua populasi bersifat negatif.000 .991 1.749 .713 .941 .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 1.0769 3.854 .745 .66410 1.568 .883 .000 .906 .745 .537 .802 .377 SU2 .04124 1.S.507 .683 .737 .93484 2. sehingga akan keluar out put/hasil analisis sebagai berikut .883 .377 . Untuk menguji tingkat signifikannya dibandingkan dengan rtabel. M. sehingga semakin melimpah populasi yang satu akan diikuti dengan menurunnya kelimpahan populasi lan yang menjadi pasangannya. Jika dianalisis dengan analisis korelasi mengikuti prosedur dalam SPSS besarnya peluang untuk setiap koefisien korelasi dapat diperoleh.0000 3.928 .615 .951 . Dalam hal ini boleh jadi kedua populasi memiliki ikatan protokooperasi atau karena memiliki nisea yang mirip.5385 3.337 .883 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .66410 1. sehingga tidak perlu membandingkan dengan koefisien korelasi pada tabel korelasi.884 .0000 3.000 .884 .744 .868 1.713 .740 SU8 .871 SU9 .957 .767 .958 1. Deviation 1.767 .883 .823 .916 .537 .000 .875 1.737 .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.745 .941 .85362 1.958 SU10 .939 .951 1.832 .000 .01914 2.10311 2.957 .568 .745 .000 . Factor Analysis Descriptive Statistics Mean 3.957 1.000 .875 .868 .000 .0769 3.624 .000 .906 .740 .8462 Std.939 1.Bambang Subali.823 .713 .56 Pemrograman telah selesai.77951 2.32600 2.957 .832 .916 .939 1.939 .871 .906 .507 .0769 2.

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

Dr. harus dibuat pula peta dengan menggunakan KU2 atau PC2 sebagai sumbu X dan KU3 atau PC3 sebagai sumbu Y. pada menu enter diganti dengan menu stepwise. maka dipilih yang modelnya diterima secara signifikan.S. Wilayah perpotongan yang terluas dari ketiga peta yang diperoleh itulah yang dijadikan pedoman untuk mengetahui derajat kemiripan kedua komunitas yang bersangkutan. Jika kemudian sudah diperoleh model terpilih. 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. kemudian dengan Yi berupa KU2. Bila lebih dari satu yang signifikan. 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.Bambang Subali. 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. dan terakhir dengan Yi berupa KU3. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . maka dipilih yang peluang kesalahannya untuk ditolak yang paling kecil. Setelah diperoleh tiga garus regresi.

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

S. Method Enter a All requested variables entered. M. kelbban.272(a) Model 1 Std. dan akan diperoleh hasil sebagai berikut. b Dependent Variable: KU1 Model Summary R R Square Adjusted R Square .674(a) .62 Karena garis regresi yang kita inginkan adalah agar memuat ketiga faktor lingkungannya maka kita memasukkan ketiganya. Pemrograman sudah selesai sehingga kita pilih/klik menu OK.667 Sig. kelbban. Regression Variables Entered/Removed(b) Model 1 Variables Entered intcahaya. sehingga dalam boks Method kita pilih menu Enter.06875 Dr.Bambang Subali. suhu(a) Variables Removed .024 3 Residual . intcahaya. kelbban. suhu b Dependent Variable: KU1 Model 1 Mean Square .028 6 Total . Error of the Estimate . .455 . intcahaya. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .005 F 1.008 .182 a Predictors: (Constant). suhu ANOVA(b) Sum of Squares df Regression .052 9 a Predictors: (Constant).

069 X1i – 0.142 .654 t Sig. intcahaya.215 Dr. M.524 . suhu(a) a All requested variables entered.061 .14087 ANOVA(b) Model 1 Sum of Squares df Mean Square .001(a) Regression 1.442 .747 Standardized Coefficients Beta -1.140 -1. 1 (Constant) Suhu . Regression Variables Entered/Removed(b) Model Variables Entered 1 intcahaya.025 .203 .Bambang Subali.387 .S.172 Std. Error 4. intcahaya.014 .718 -. Method Enter Model Summary Model R R Square Adjusted R Square 1 .914 . kelbban.63 Coefficients(a) Model Unstandardized Coefficients B 3.392 Std.135 . Error 2. Dengan prosedur yang sama dan kita dudukkan KU2 sebagai variabel respons.672 .451 t Sig.273 3 Residual .358 -1.726 .2%. hasilnya sebagai berikut.424 . 1 (Constant) suhu kelbban intcahaya 1.392 9 a Predictors: (Constant).298 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . .872 a Predictors: (Constant). b Dependent Variable: KU2 Variables Removed . suhu b Dependent Variable: KU2 Coefficients(a) Model Unstandardized Coefficients B 2.025 X2i + 0. Error of the Estimate .619 a Dependent Variable: KU1 Ternyata garis regresi Yi = 3.384 Sig.514 .445 -1.011 -.020 F 21.688 -1.718 – 0. kelbban.392 X3i tidak diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 1.956(a) .069 -. suhu Std.667 dengan peluang kesalahan sebesar 27.119 6 Total 1.124 Standardized Coefficients Beta -. kelbban.

164 . kelbban.352 .020 F 3.13974 Coefficients(a) Model Unstandardized Coefficients B -7.031 X2i + 0.068 .320 a Predictors: (Constant). intcahaya.133 .011 – 0.303 .466 Sig.030 1. suhu(a) a All requested variables entered.530 . (Constant) Suhu kelbban intcahaya a Dependent Variable: KU3 1 -1.Bambang Subali.064 . Error of the Estimate .070 -3.091(a) Std. Dari tiga model garis regresi ternyata garis regresi dengan KU2 sebagai nilai komunitas Dr.496 Std.070 X2i – 3.031 .021 . Method Enter Model Summary Model R R Square Adjusted R Square 1 .773 + 0.107 . .036 1.466 dengan peluang kesalahan sebesar 9.736 3.634 . kelbban.451 a Predictors: (Constant).061 Ternyata garis regresi Yi = -7.01% jauh di bawah batas taraf kesalahan 1%.328 .164 X3i diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 21.172 X1i + 0. Dengan prosedur yang sama dan kita dudukkan KU3 sebagai variabel respons.123 .64 kelbban intcahaya a Dependent Variable: KU2 .623 t Sig. b Dependent Variable: KU3 Variables Removed .631 -1. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .796(a) .518 Standardized Coefficients Beta 3. intcahaya.117 Total . M.384 -2. Regression Variables Entered/Removed(b) Model Variables Entered 1 intcahaya.496 X3i diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 3. kelbban.054 .S.385 X1i + 0. Error 4. suhu b Dependent Variable: KU3 Model 1 df 3 6 9 Mean Square .918 Ternyata garis regresi Yi = 2.045 1.203 Residual .385 .384 dengan peluang kesalahan sebesar 0.478 . hasilnya sebagai berikut.1 % berada di atas batas taraf kesalahan 5%.773 . suhu ANOVA(b) Sum of Squares Regression .029 1.122 2.

a Dependent Variable: KU2 Model Summary Model R R Square Adjusted R Square 1 . sehingga diperoleh hasil analisis sebagai berikut. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .13326 Mean Square 1. Error of the Estimate .385 Sig.898 . 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.948(a) .000(a) Dr. Regression Variables Entered/Removed(a) Model 1 Variables Entered suhu Variables Removed . suhu ANOVA(b) Sum of Squares Regression 1. M. Prosedurnya kembali ke tampilan menu regresi dengan KU 2 sebagai variabel respons. Probability-of-F-to-remove >= .142 Total 1. kemudian meilih menu pada boks Method yaitu menu Stepwise.885 a Predictors: (Constant). suhu b Dependent Variable: KU2 Model 1 df 1 8 9 Std.250 Residual .100).392 a Predictors: (Constant).S. .250 .65 tumbhan bawah tegakan Acacia untuk dijadikan variabel respons diterima dengan signifikan.050. sebagaimana tampilan berikut. Method Stepwise (Criteria: Probability-of-F-to-enter <= .Bambang Subali.018 F 70. Pemrograman sudah selesaidan pilih/klik menu OK .

Dr.390 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .030 -. Error .000 .394 -8.S. Partial Correlation .156 intcahaya .763 – 0.Bambang Subali. 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 = 6.873 Dari hasil uji regresi stepwise diketahui bahwa faktor mikroklimat yang benar-benar memberi kontribusi terhadap kondisi komunitas tumbuhan bawah tegakan cacia adalah faktor suhu.166 a Predictors in the Model: (Constant). M.285 .806 .354(a) 1. sedangkan kelembaban dan intensitas cahaya tidak begitu berperan. 8. suhu b Dependent Variable: KU2 1 .250 Std.66 Coefficients(a) Model Unstandardized Coefficients B 1 (Constant) suhu a Dependent Variable: KU2 6.063 Collinearity Statistics Tolerance .123 kelbban .131 .25 Xi.763 -.400 .948 Standardized Coefficients Beta t Sig.000 Excluded Variables(b) Model Beta In t Sig.057(a) .

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

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

Sign up to vote on this title
UsefulNot useful