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

2 28. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Sebaliknya. Oleh karena itu rancangannya berupa rancangan faktorial befaktor (dua faktor) pola acak lengkap. Tabel 1. 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.3 31.6 29.7 30.S. hasil panenan tanaman padi ladang akibat pengaruh kombinasi macam pupuk dan waktu pemupukan dalam rancangan acak kelompok (dalam kwintal).3 BAB 1.7 31.7 31.2 30.2 27. jika interkasinya negative maka akan terjadi hambatan oleh salah satu faktor atau faktor-faktor tersebut saling menghambat.1 Pupuk K Sebelum tanam 29.6 36.Bambang Subali. pupuk N dan pupuk K) dan waktu pemberian pupuk (dengan atribut diberikan sebelum tanam dan sesudah tanam) menunjukkan hasil sebagai berikut. Jika interaksinya bersifat positif.0 33. Tanpa pupuk Blok Sebelum Sesudah ke tanam tanam 1 2 3 4 28.7 32.1 29.8 32.6 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 30.4 Dr.9 Pupuk N Sebelum tanam 29. Kalau misalnya tanaman kacang tanah dipupuk N saja dengan dosis tertentu atau dipupuk dengan pupuk P saja dengan dosis tertentu. Tentu saja hal tersebut berlaku sepanjang dosis tersebut masih dibawah dosis optimal yang diperlukan untuk memacu pertumbuhannya.8 31.8 Sesudah tanam 32. M.0 Sesudah tanam 32.3 32. ANALISIS DATA RANCANGAN FAKTORIAL Rancangan faktorial atau rancangan berfaktor merupakan salah satu rancangan eksperimen faktor ganda atau faktor perlakuannya lebih dari satu faktor yang memiliki ciri bahwa faktor-faktor yang dikombinasikan secara teoretik harus berinteraksi. 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.7 32. Hasil penelitian akibat pengaruh kombinasi macam atau jenis pupuk (dengan atribut tanpa diberi pupuk.8 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.

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

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

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.Bambang Subali. sehingga tampak tampilan sebagai berikut. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . dan analisis selanjutnya memilih menu Custom (klik menu Custom). pilih menu Main effect. sehingga tampak tampilan sebagai berikut. M.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. Dr. sehingga tampil hasil sebagai berikut.S. Masukkan kedua variabel ke dalam model. 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 .7 Type III Pilih (klik) menu Continue sehingga muncul tampilan semula sebagai berikut.S. pilih menu Option Dr. M. sehingga muncul tampilan sebagai berikut. Untuk menguji efek utama (main effect) dari masing-masing faktor.

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

033 Std.3480 .7332 3.S. Univariate Analysis of Variance Between-Subjects Factors N 8 8 8 12 12 mcmpupuk pk pn tanpappk waktupemp sblmtnm ssdhtnm Descriptive Statistics Dependent Variable: hslpanen mcmpupuk pk waktupemp sblmtnm ssdhtnm Total pn sblmtnm ssdhtnm Total tanpappk sblmtnm ssdhtnm Total Total sblmtnm ssdhtnm Total Mean 29.975 30.275 31.583 31.6153 1.483 31.338 29.Bambang Subali.075 30.3843 2.788 32.9287 .500 32.675 31. selanjutnya pilih (klik) menu OK dan akan diperoleh hasil analisis sebagai berikut.4315 1.9207 1.0675 N 4 4 8 4 4 8 4 4 8 12 12 24 Dr.1991 2. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .275 31.7348 1. M.400 30. Deviation 1.9 Pemrograman sudah selesai.4071 1.8655 2.

7%.151 33.6999 dengan peluang kesalahan 21.788 31.612 Upper Bound 31.211 .650 23211.155 2.338 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%.975 Std.774 1. 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. M.236 6859.095 . pupuk N.725 7.699 2. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .Bambang Subali.9% dan 8.424 30.451 7.155 dan 2.940 Df 5 1 2 1 2 18 24 Mean Square 7.338 30.260 9.087 98.627 5.476 3.649 Lower Bound 28.627 11.000 .S.533 23113. Demikian pula pengaruh waktu pemupukan serta pengaruh interaksi macam pupuk dan waktu pemupukan juga tidak signifikan dengan Fhitung berturut-turut 2.369 F 2.212) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 1. mcmpupuk (maksudnya macam pupuk) Estimates Dependent Variable: hslpanen 95% Confidence Interval mcmpupuk pk pn tanpappk Mean 30. juga hasil panen akibat pengaruh waktu pemupukannya untuk setiap macam pemupukan.649 .649 .383 (Adjusted R Squared = .812 dan besarnya peluang kesalahan 15.952 60.974 29. Estimated Marginal Means 1.10 Dari data hasil analisis statistika deskriptif kita dapat melihat rata-rata hasil panen akibat pengaruh macam pupuk yang berbeda (akibat pemberian pupuk K. .260 18. Error .313 23 a R Squared = .701 32. Dr. dan yang tidak dipupuk).1% sehingga tidak signifikan karena jauh diatas kesalahan 5%.663(a) 23113.159 .812 Sig.

.918 .918 .741 3.650 18 3.(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -2.378 .918 . This test is based on the linearly independent pairwise comparisons among the estimated marginal means.291 -1. Dr.116 pk pn tanpappk Pn Tanpappk Pk Tanpappk Pk Pn . 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. sebagaimana tampak pada hasil analisis pada tabel di atas.478 -3. waktupemp (MAKSUDNYA WAKTU PEMUPUKAN) Estimates Dependent Variable: hslpanen waktupemp Mean Std.566 3.725 F 1.211 60. 2.630 .291 -.091 .638 .530 .638 1. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .741 2.188 Std. Error Sig. M. Univariate Tests Dependent Variable: hslpanen Sum of Squares Contrast Error 11.1% jauh di atas batas taraf kesalahan 5%.583 .116 -.378 1.450 -1.091 .478 -3.566 . Error sblmtnm ssdhtnm 30.370 30.697 Hasil analisis akibat pengaruh faktor waktu pemupukan juga tidak berbeda dengan pengaruh faktor macam pupuk.530 95% Confidence Interval Lower Bound 29.11 Pairwise Comparisons Dependent Variable: hslpanen (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -.630 .918 .Bambang Subali.369 The F tests the effect of mcmpupuk.483 31.918 .451 Df 2 Mean Square 5.450 -1.597 32.212 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).699 Sig.188 1.470 Upper Bound 31.918 . 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 21.212 .S.

500 32.275 31.918 .749 . Error .472 27.260 Error Df 1 Mean Square 7.603 33.159 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).674 sblmtnm ssdhtnm Ssdhtnm Sblmtnm .328 31.572 30.918 .674 -. .918 .474 2.075 32.S.100 1. Univariate Tests Dependent Variable: hslpanen Sum of Squares Contrast 7.155 Sig. Oleh karena itu.159 .918 95% Confidence Interval Lower Bound 27.275 Std.747 29. M. maka meskipun kita meminta untuk uji lanjut dengan LSD.347 29.918 .675 31.428 34. maka rancangannya berupa rancangan Dr.400 29.159 60.474 Upper Bound . 3. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . dan sebaliknya harus diuji pula signifikansi perbedaan antar macam pupuk pada tiap atribut/kategori waktu pemupukan.260 F 2.(a) 95% Confidence Interval for Difference(a) Lower Bound -2.203 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. hasil yang keluar hanya menunjukkan nilai rata-rata.918 .203 33. mcmpupuk * waktupemp Dependent Variable: hslpanen mcmpupuk waktupemp Mean Pk Pn tanpappk sblmtnm ssdhtnm sblmtnm ssdhtnm sblmtnm ssdhtnm 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.650 18 3.100 Std. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.347 Upper Bound 31.369 The F tests the effect of waktupemp.Bambang Subali. jika efek interaksi signifikan maka harus diadakan uji lanjut dengan perhitungan secara manual.003 34.749 . simpangan baku beserta batas bawah dan batas atas nilai rata-rata pada tingkat populasi sebagaimana tersaji pada tabel di bawah ini.12 Pairwise Comparisons Dependent Variable: hslpanen (I) waktupemp (J) waktupemp Mean Difference (I-J) -1. Error Sig.147 30. Karena program SPSS hanya menganalisis efek utama darai faktor-faktor perlakuan tetapi bukan interaksinya.

6 36.6 30.3 32.4 Sajian data untuk analisis varians multi-arah dengan program SPSS adalah sebagai berikut.7 30.7 31.13 faktorial befaktor (dua faktor) pola acak kelompok atau pola berblok.1 Pupuk K Sebelum tanam 29.8 32.3 31. Hasil penelitian menunjukkan hasil sebagai berikut.7 31. hasil panenan tanaman padi ladang akibat pengaruh kombinasi macam pupuk dan waktu pemupukan dalam rancangan acak kelompok (dalam kwintal).2 30.8 29. M.6 29.2 27.6 30.7 32.8 Sesudah tanam 32.7 32.8 31.9 Pupuk N Sebelum tanam 29. Dr. Tanpa pupuk Blok Sebelum Sesudah ke tanam tanam 1 2 3 4 28.Bambang Subali.0 Sesudah tanam 32.2 28. Tabel 2.0 33. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .1 29.S.

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

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

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

S. Dr. 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. M. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .Bambang Subali. Jangan lupa bila ingin menampilkan hasil analisis deskriptifnya.

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

3234 1.000 30. . . . .788 28. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .5456 1. . .700 31. .075 30.275 32. . 3.2021 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.4315 2.800 31.1314 .700 32. . .400 30.800 32.000 33.100 29.800 32.600 32. .3480 .700 31.900 31.700 30.450 Std.8385 1. .4749 2.000 29.200 30.7332 . .800 29.300 32.675 30.275 29.700 32. 1. .600 36.4071 2.950 29.S.200 28.9207 .500 32. .600 29.7348 .400 31. Deviation .9287 .8991 1.8655 1.300 31.750 30.800 31.600 30.950 29. . .Bambang Subali.4749 2.2828 3.338 29. . M.700 30. 1.900 30.450 30.100 29. 1. . .200 27.19 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.

650 Total 23211.300 31.000 Error 56.033 3.233 30.379 6120.6153 1.922 2. .509 .8717 2.20 2 3 4 Total Total sblmtnm 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 34.6% dan efek interaksi dari kedua fakor perlakuan.5%.975 28.900 31.483 31.333 31.116) df 8 1 2 1 2 3 15 24 23 Mean Square 5.467 31.500 30.516 1.600 31.900 31.0675 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 41.260 9.113 1.333 3. Estimated Marginal Means 1.Bambang Subali. M.7550 .260 mcmpupuk * waktupemp 18. yakni pengaruh interaksi antara variabel macam pupuk dan waktu pemupukan.1% atau (dalam tabel tertulis 0.663(a) Intercept 23113.967 31.367 31.313 a R Squared = .2368 1. juga tidak signifikan karena peluang kesalahannya jauh di atas 5% yakni 11.1991 1.208 23113.8461 2.7778 1.583 30.3843 .433 31.000 .5106 1.115 .7251 1.8414 3.7032 2.550 32.777 F 1.251) pengaruh atau efek utama waktu pemupukan juga tidak signifikan karena peluang kesalahannya jauh di atas 5% yakni 18. mcmpupuk Estimates Dependent Variable: hslpanen Dr.186 .3856 .353 Sig.251 .451 Waktupemp 7.4163 2.282 .0146 1.2021 2.150 31.940 Corrected Total 98.725 7.3215 4.750 31.1820 .424 (Adjusted R Squared = .S.627 5.400 30.952 Blok 4.788 Dari tabel analisis varians di atas dapat diketahui bahwa pengaruh atau efek utama variabel macam pupuk tidak signifikan karena peluang kesalahannya mencapai 25.627 Mcmpupuk 11. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .476 1.

113 Pn .439 Pairwise Comparisons Dependent Variable: hslpanen (I) mcmpupuk (J) mcmpupuk Pn .638 .687 95% Confidence Interval Lower Bound Upper Bound 28.521 -3.621 -3.516 . yakni 25. Pk Mean Difference (I-J) -.(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -2.687 . Error 95% Confidence Interval Dr.21 mcmpupuk Pk Pn tanpappk Mean 30.650 15 3.972 .451 2 5.259 Dari tabel pembandingan sebagai uji lanjut dari efek utama variabel macam pupuk juga menunjukkan tidak ada yang berbeda signifikan.521 1.650 Tanpappk .972 .259 .S.241 tanpappk Pk .1%.709 .251 Error 56. Error Sig.338 30. This test is based on the linearly independent pairwise comparisons among the estimated marginal means. karena taraf kesalahannya jauh di atas 5%.802 29.873 31.650 Tanpappk . 2.788 31.638 1.252 30.777 The F tests the effect of mcmpupuk. yang semuanya jauh di atas 5%.188 Std.884 3. Tampak kolom (I-J) menunjukkan besarnya selisih nilai rata-rata.725 1.188 1.241 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).434 3.323 32.113 Pn Pk .972 .972 .511 33. M. Error . Contrast 11. dan hasil analisisnya sebagai berikut. waktupemp Estimates Dependent Variable: hslpanen waktupemp Mean Std.434 -1. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .Bambang Subali. Univariate Tests Dependent Variable: hslpanen Sum of Squares Df Mean Square F Sig.972 . dan kolom sig.621 2.972 .450 -1.(a) menunjukkan besarnya peluang kesalahan untuk menunjukkan perbedaan antar kategori/atribut perlakuan macam pupuk.709 -. Hasil analisis untuk factor waktu pemupukan juga sama saja hasilnya sebagaimana pengaruh factor macam pupuk.450 -1. 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.884 -.975 Std.687 . sehingga tidak signifikan pada taraf kesalahan 5%.

746 29.S.471 27.260 1.186 Error 56.400 29.204 31.346 Berdasarkan tabel analisis varians di atas.004 34.793 . Univariate Tests Dependent Variable: hslpanen Sum of Squares df Mean Square F Sig.591 2. mcmpupuk * waktupemp Dependent Variable: hslpanen mcmpupuk Waktupemp Mean Pk Pn tanpappk Sblmtnm Ssdhtnm Sblmtnm Ssdhtnm Sblmtnm Ssdhtnm 29.204 33.777 The F tests the effect of waktupemp.(a) 95% Confidence Interval for Difference Difference(a) (I-J) Lower Bound Upper Bound Sblmtnm Ssdhtnm -1.186 -.186 -2.591 Ssdhtnm Sblmtnm 1.972 . Karena program yang ada hanya menguji signifikansi efek utama.100 .275 Std.972 .146 30.679 30.604 34. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .260 1 7. M. 3.561 Pairwise Comparisons Dependent Variable: hslpanen (I) waktupemp (J) waktupemp Mean Std. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.675 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.483 31.288 31.500 32.972 .329 33.583 . dan keluarannya hanya memberikan selisih rata-rata dan batas minimum dan batas maksimum nilai rata-rata perkiraan atau estimasinya.972 .100 .561 .793 .346 29.275 31.429 31. pengujian signifikansi efek pengeblokan akibat kecurigaan terhadap tingkat kesuburan petak-petak penanaman yang berbeda ternyata tidak signifikan.972 95% Confidence Interval Lower Bound Upper Bound 27. Error .571 30.22 Lower Bound Upper Bound 29. Contrast 7.972 .779 Sblmtnm Ssdhtnm 30.650 15 3. maka walaupun efek interaksi dimasukkan pada bok Display means kemudian dianalisis bedanya.388 32.922 . namun hasil akhirnya tidak dapat diperoleh.791 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments). Error Sig.075 32. Dengan demikian uji lanjut sebagaimana tersaji pada hasil berikut ini juga tidak signifikans.Bambang Subali.791 .

861 3 .742 32.122 .900 .433 .791 1.591 4 31.858 1.191 3 30.591 -1.683 2 -. Error 95% Confidence Interval Lower Bound Upper Bound 1 30. blok Estimates Dependent Variable: hslpanen Blok Mean Std.467 1.601 4 -.991 2.S.793 28.122 .683 4 -.591 2.858 -2.122 .209 32.122 .791 -2.500 .258 -2.400 1.793 29.726 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).200 1.925 2.601 4 .867 1. 4.357 3 .23 dengan rancangan acak sempurna (completely randomized design).122 .867 1.(a) (I-J) 1 2 -1.809 33.609 32.991 -2.122 .458 -1.991 Pairwise Comparisons Dependent Variable: hslpanen (I) blok (J) blok Mean Difference Std.124 2 31.452 2 1 1.300 .861 3 1 .525 3.991 -1.122 .793 29.467 1. Dr. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .(a) tampak bahwa besarnya peluang untuk setiap nilai selisih antar blok menunjukkan harga di atas 5%. 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. Error Sig.458 1.452 2 -.Bambang Subali.791 2. M.991 1.600 1.122 .067 1.325 -2.191 2.122 .122 .793 29. 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -3.067 1.325 3.400 1.600 1.925 -3.191 -1.122 .258 1.200 1.122 .791 Karena hasil analisis varians menunjukkan efek blok tidak signifikan.525 -1.357 3 -.726 4 1 .

000 3 Error 56.S.24 Univariate Tests Dependent Variable: hslpanen Sum of Squares df Contrast 4.Bambang Subali. .788 The F tests the effect of blok. Dr. Analisis varians satu jalur yang hanya menguji signifikansi pengaruh blok terhadap hasil panenan padi juga tidak menujukkan hasil yang signifikan dengan peluang sebesar 78.8% jauh diatas batas taraf kesalahan 5%. M.777 Sig.650 15 Mean Square F 1.353 3.333 . This test is based on the linearly independent pairwise comparisons among the estimated marginal means. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .

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

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

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

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. model. M. Hasilnya sebagai berikut. dan akan keluar tampilan Dr.Bambang Subali. Selanjutnya memilih model. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .S.

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

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

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

75 cm.0000 38.50925 7. Dr. yakni semai cendana yang diberi pupuk N 40. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . 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 32.98608 4. Deviation 2.24439 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. yang diberi pupuk P 41.52773 6. selanjutnya pilih (klik menu OK dan akan diperoleh hasil analisis sebagai berikut.0 cm.32 Pemrograman sudah selesai.5 cm.Bambang Subali. M.S.7500 40. dan yang diberi pupuk K 32.0833 Std.5000 41.

887 F 11.371 cm.746) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 8.321 2.071 Sig.000 428.443 5.048 .000 .167 178.773 6. Setelah pengaruh factor peragam dihilangkan maka diperoleh nilai rata-rata terkorekasi (adjusted mean) dari tinggi semai cendana yang diberi pupuk N yakni 34.135 .655 1.595 Based on estimated marginal means * The mean difference is significant at the .653 40.583 178.071 dan besar peluang kesalahan hanya 0.003 a R Squared = .135 .010 .499 3.710 10.537 .929(a) Std.013 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.537 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -9.730 44.394 2.767 42.979 -5. Error 2.070 -3.Bambang Subali. M.657 18.083 85.615 Lower Bound 31.658 79.422(*) 1.422(*) 3. yang diberi pupuk P 38.234 Sig. .321 2.816 (Adjusted R Squared = .795 1760.657 dengan peluang kesalahan 1% sehingga signifikan di bawah taraf kesalahan 5%. Error 1.3% jauh lebih kecil dari batas kesalahan 1%. Estimated Marginal Means mcmpupuk Estimates Dependent Variable: tingakhir 95% Confidence Interval Mcmpupuk Pupukk Pupukn Pupukp Mean 34.950(a) 38.979 -1.443 Std. dan yang diberi pupuk K 40.371(a) 1. a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).658 9.541 -10.595 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .204 Upper Bound 38.608 17404.541 -6.092 17833.499 1.579 36.917 Df 3 1 2 1 8 12 11 Mean Square 116.4167.929 cm.773 -.05 level.083 171.133 35.S.070 -1. Demikian pula pengaruh fator tinggi awal sebagai peragam sangat signifikan karena dengan Fhitung sebesar 18.003 .234 2.710 9.(a) Pupukk Pupukn Pupukp Pupukn Pupukp Pupukk Pupukp Pupukk Pupukn .388 8.825(a) 17404.394 2.048 . Pairwise Comparisons Dependent Variable: tingakhir (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -3.95 cm.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. Dr.

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. 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. maka digunakan uji regresi.830 Sig. . dan 1 • atribut/taraf/ level keempat diberi kode 0.34 Univariate Tests Dependent Variable: tingakhir Sum of Squares Contrast Error 55. 0. yakni dengan Fhitung sebesar 2. dan atribut/level/taraf perlakuan ketiga diberi kode 0 dan 0 sehingga terbentuk dua variable dungu. 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 0.887 The F tests the effect of mcmpupuk.Bambang Subali. dan atribut/level/taraf perlakuan keempat diberi kode 0 kemudin 0 dan sekali lagi 0 sehingga terbentuk tiga variable dungu.974 F 2.83 dan besar peluang 11. 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. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . 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. Namun demikian. M.422 cm. variable macam pupuk harus diubah menjadi variable dungu (dummy variable) dengan menggunakan kode.S. atribut/level/taraf perlakuan ketiga diberi kode 0 kemudian 0 lagi dan selanjutnya 1.092 8 9. untuk atribut/level/taraf perlakuan kedua diberi kode 0 kemudian 1 dan 0. dan 0 Variabel dummy yang terbetuk Tiga variabel Dr. Jika ada empat atribut/level/taraf perlakuan maka atribut/level/taraf perlakuan pertama diberi kode 1 kemudian 1 lagi dan 0. dan 0 • atribut/taraf/ level ketiga diberi kode 0.1. Perhatikan tabel di bawah ini. 0.8% jauh di atas batas kesalahan 5%. 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. dan 0 • atribut/taraf/ level kedua diberi kode 0.118 79. 1. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.949 Df 2 Mean Square 27.

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

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

345 .828 . (1-tailed) N Tingakhir dammy1 dammy2 Tingawal Tingakhir dammy1 dammy2 Tingawal Tingakhir dammy1 dammy2 Dr.000 .106 .184 .106 1. 12 12 12 Pearson Correlation Sig.31432 N 12 12 12 12 tingakhir Dammy1 Dammy2 Tingawal Tampak hasil analisis deskriptif nilai rata-rata.286 . M.828 .286 1.184 .345 -.000 . Regression Descriptive Statistics Mean 38.202 12 12 12 dammy2 .371 .049 .266 . .492 . Deviation 6. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .266 .000 .136 .Bambang Subali.33 .202 .24439 . simpangan baku dan ukuran ulangan pengamatannya.4167 Std.492 2.049 . .000 -.136 .33 11.371 12 12 12 Tingawal .000 12 12 12 dammy1 .500 1. Correlations tingakhir 1.0833 .000 . .S.500 .37 Pemrograman sudah selesai dan pilih/klik menu OK dan akan keluar out put sebagai berikut.

95 dengan peluang kesalahan sebesar 0.422 2.048 .402 + 1.917 11 a Predictors: (Constant).423 4.336 4.795 Sig.427 .662 2. 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. ANOVA(b) Model 1 Regression Residual Total Sum of Squares 349.3% jauh di bawah batas 1%.321 tingawal 1.38 Variables Entered/Removed(b) Variables Entered tingawal.699 T Sig.422 d2 + 1. b Dependent Variable: tingakhir Model Summary Model 1 R .979 2.S.024 .746 Std.979(1) + 5.886 Xi = 17. dammy1(a) Variables Removed .887 F 11.251 .790 1.816 Adjusted R Square . dammy2.394 dammy2 5.135 . dammy1 Setelah seluruh variable bebas dimasukkan. Error of the Estimate 3.608 9. M.886 Xi dapat dipakai untuk menjelaskan hubungan regresi antara variable predictor dan variable responsnya dengan Fhitung sebesar 17. tingawal. dammy1 b Dependent Variable: tingakhir Coefficients(a) Unstandardized Coefficients B Std.423 + 3.81 atau 81% menunjukkan hubungan variable bebas (factor perlakuan dan peragam) dengan variable responsnya dapat diterangkan oleh model yang diperoleh. Error 1 (Constant) 13.886 Xi pada atribut kedua (saat tanaman dipupuk dengan pupuk P) hubungan antara variable peragam Dr.825 79.903(a) R Square . jadi sangat signifikan.422(0) + 1. dammy2.314 .886 .003 Garis regresi yang diperoleh adalah Yi = 13.Bambang Subali. 2.811 dammy1 3. Model 1 Method Enter a All requested variables entered.423 + 3.14428 a Predictors: (Constant). diperoleh koefisien regresi sebesar 0.003(a) 428. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . dammy2.979 d1 + 5. tingawal. .444 a Dependent Variable: tingakhir Model Standardized Coefficients Beta .092 df 3 8 Mean Square 116.

845 + 1.25 Rata-rata observasi tinggi akhir dari tanaman yang dipupuk N (∑Y1i/ni) = 162/4 = 40. Rata-rata observasi tinggi awal total (∑Xi/n) = 137/12 = 11.886 Xi = 18. Besarnya rata-rata tinggi akhir terkoreksi pada tanaman yang dipupuk dengan pupuk N diperoleh dengan cara sebagai berikut. Besarnya koefisien regresi b1 yang dipakai untuk memperhitungkan pengaruh atau kontribusi factor atau variable peragam adalah 1. M.423 + 1.5 – 1.422(0) + 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.886(12.423 + 3. maka berakibat pada ketidak seragaman pencahayaan di lokasi eksperimen.979(0) + 5.Bambang Subali.S.979(0) + 5.∑Xi/n) = 40.39 tinggi (Xi) awal dan tinggi akhir (Yi) dapat diterangkan oleh persamaan regresi: Yi = 13. Tabel hasil penelitiannya sebagai berikut.423 + 3.886 Xi = 13.929 Dengan langkah yang sama nilai rata-rata terkoreksi untuk tanaman yang diberi pupuk P ataupun tanaman yang diberi pupuk K akan dapat diperoleh. 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. 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 = 13.886 Xi.886 Xi.41666667) = 38. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .25 – 11. Apabila eksperimen tersebut dilakukan di lapangan dan lokasinya sangat sempit dan sebagian dinaungi pohon besar.5 Rata-rata terkoreksi tinggi akhir dari tanaman yang dipupuk N (∑Y1iterkoreksi/ni) = ∑Y1i/ni – b1(∑X1i/ni .422(1) + 1. Dr.

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

Selanjutnya memilih model. demikian pula factor blok yang harus diperhitungkan sehingga dijadikan sumber variasi. sehingga klik menu model. bukan wakil dari macam pupuk yang lainnya. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . 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).S. Hasilnya sebagai berikut. dan akan keluar tampilan sebagai berikut.Bambang Subali.

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

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

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

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

5 cm.0833 Std.52773 5. dan pupuk K 32.0000 38.7500 40.00 Total Mean 30.083 85.S.937 (Adjusted R Squared = .0000 32.0000 47. pupuk P 41.21455 7.040 a R Squared = .77350 3.0000 41.0000 47. .849 98. 7.00 4.583 131.0000 44.00 4.63763 7.00 2.413 3224. .3333 38.932(a) 17404. M.7% jadi sangat signifikan di bawah taraf kesalahan 1%.984 17833.5000 30.50925 .0000 37.00 2.4311 dengan besar peluang Dr.00 4. .0000 40.397 F 12.0 cm.98608 .004 .858 24.24439 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.0000 37. Demikian pula pengaruh fator tinggi awal sebagai peragam sangat signifikan karena dengan Fhitung sebesar 24.863 15.00 2.858 dengan peluang kesalahan 0.00 2. . .110 Sig. Tests of Between-Subjects Effects Dependent Variable: tingakhir Source Type I Sum of Squares Corrected Model Intercept mcmpupuk Tingawal Blok Error Total Corrected Total 401.93725 6.00 3. 4. .083 171.0000 32.000 428.00 Total pupukN 1. .00 3.00 4. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .0000 43. .862) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 15.0833). setiap atribut macam pupuk (nilai rata-rata observasi tinggi akibat pemberian pupuk N 40. 2.989 17404. Deviation .00 3.007 . .0000 32.00 Total pupukP 1.917 df 6 1 2 1 3 5 12 11 Mean Square 66.849 32.Bambang Subali.00 3. .972 5.167 131.6667 41.000 .0000 33.007 .46 Descriptive Statistics Dependent Variable: tingakhir mcmpupuk pupukK blok 1.75 cm) juga rata-rata totalnya (38.00 Total Total 1.431 6.3333 39.917 26.0000 38.

935 42. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.022 .446 . Univariate Tests Dependent Variable: tingakhir Sum of Squares Contrast Error 60. Pengaruh fator blok juga signifikan karena dengan Fhitung sebesar 6.984 df 2 5 Mean Square 30.424 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.057(a) 40. 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 5.231 1. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .422 Upper Bound 37.881 Upper Bound .057 cm.878 2.053 The F tests the effect of mcmpupuk.611 Sig.(a) 95% Confidence Interval for Difference(a) Lower Bound -8.653(*) 4.087 -.087 5. Pairwise Comparisons Dependent Variable: tingakhir (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -4.612 1.4167. mcmpupuk Estimates Dependent Variable: tingakhir mcmpupuk Mean Std.446 Based on estimated marginal means * The mean difference is significant at the . yang diberi pupuk P 40. Error Sig.05 level.062 .566 26.Bambang Subali.878 -10.786 1. Error PupukK PupukN PupukP 34. namun uji dengan tes univariat melalui uji kontras untuk membandingkan Dr. dan yang diberi pupuk K 34.S.288 -1.423(a) 1.604 35.283 5.167 95% Confidence Interval Lower Bound 31.47 kesalahan hanya 0.136 43.653 cm.612 PupukK PupukN pupukP pupukN pupukP pupukK pupukP pupukK pupukN 1.725 1.725 1.786 1.303 -5.220 -2.110 besar peluang kesalahannya hanya 4% lebih kecil dari batas kesalahan 5%.979 37.770(a) 39. Estimated Marginal Means 1.423 cm.366 Std.652 1.288 -5.366 5.220 8.303 -1. M.062 . a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments). . Setelah pengaruh factor peragam dihilangkan maka diperoleh nilai rata-rata terkorekasi (adjusted mean) dari tinggi semai cendana yang diberi pupuk N yakni 39.4% jauh lebih kecil dari batas kesalahan 1%.881 10.397 F 5.770 cm.022 .652 .198 1.653(*) 1.

929 1. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . .00 4.00 4.00 -2.022 1.425 -7.218 Sig.538 -.00 38. Univariate Tests Dependent Variable: tingakhir Sum of Df Squares Contrast Error 52.209(a) 1.182 . blok Estimates Dependent Variable: tingakhir Blok Mean Std.138 .660 1.795 2.182 .48 tinggi akhir dengan memperhatikan tinggi rata-rata yang sudah terkoreksi menunjukkan hasil yang tidak signifikan.025 -5.660 -5.398 3.356 7.611 dan besar peluang 5.400 -8.201 41.025 .900 .028 .186 -7.394 31.953 1.736 -8.936 cm.977 7.265 .911 1.356 -1.894 8.05 level.00 35.910 5.120 The F tests the effect of blok.Bambang Subali. Error Sig.792 2.984 3 5 Mean Square 17.00 2.028 .00 3.996 -4.379 34.689 4. Pairwise Comparisons Dependent Variable: tingakhir (I) blok (J) blok Mean Difference (I-J) 1.144(a) 1.00 37.00 4.00 2.00 3.400 1.00 2.00 1.234(a) 1.996 -.977 -1.736 4.S. namun uji dengan tes Dr.00 41.397 F 3.936(*) 2.894 -2.00 2.929 1.910 Std.953 1.4167.(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound 2.00 1.292 3.00 3. 2.561 8.626 38. M. This test is based on the linearly independent pairwise comparisons among the estimated marginal means. Error 95% Confidence Interval Lower Bound Upper Bound 1.00 4.795 . a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).696 44.265 .186 .538 -3.425 1. yakni dengan Fhitung sebesar 5.487 -2.936(*) 3.047 5.00 1.138 .975 10.3%% sedikit di atas batas kesalahan 5%.342 37.344 34.00 3.929 1.911 1.747(a) 1.561 -1.809 .398 2.047 -10.900 1.022 1.779 41.929 2.809 .487 -3.975 Based on estimated marginal means * The mean difference is significant at the .108 26.369 5. Dari hasil analisis lanjut menggunakan uji beda nyata terkecil menunjukkan ada perbedaan tinggi semai cendana antara blok 1 dan blok 4 dengan selisih 5.593 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.

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. Dr.Bambang Subali.218 dan besar peluang 12% jauh di atas batas kesalahan 5%. M. yakni dengan Fhitung sebesar 3.

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

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

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

S.Bambang Subali. Dr. 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 . Pada boks di muka Number of factors ketik angka 3.

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

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

713 .000 .991 .928 .802 .745 . Deviation 1.507 .537 SU3 .883 . Untuk menguji tingkat signifikannya dibandingkan dengan rtabel.537 SU4 .958 SU10 . M. klik/pilih menu OK.875 .77951 2.823 .0769 3.93484 2.832 .000 1.56 Pemrograman telah selesai.000 .507 .883 .737 .377 .767 .713 .000 .507 .537 .656 .624 .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. sehingga semakin melimpah populasi yang satu akan diikuti dengan menurunnya kelimpahan populasi lan yang menjadi pasangannya. Jika koefisien korelasi positif dan terbukti signifikan artinya asosiasi kedua populasi bersifat positif.000 .884 .745 .377 SU2 .709 SU6 .4615 3.957 .32600 2. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . sehingga akan keluar out put/hasil analisis sebagai berikut .744 .906 .916 .000 .957 .04124 1.S.740 .66410 1.951 .802 .928 1.941 .883 .939 .713 .832 . Factor Analysis Descriptive Statistics Mean 3.883 .6154 3.745 .854 .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.615 .Bambang Subali. sehingga tidak perlu membandingkan dengan koefisien korelasi pada tabel korelasi. sehingga semakin melimpah populasi yang satu akan diikuti dengan melimpahnya populasi yang lain menjadi asosiasinya.851 . Dalam hal demikian boleh jadi karena keduanya memiliki hubungan amensalisme.5385 3. Jika dianalisis dengan analisis korelasi mengikuti prosedur dalam SPSS besarnya peluang untuk setiap koefisien korelasi dapat diperoleh.939 1.0769 2.000 .916 .0000 3.568 . Dalam hal ini boleh jadi kedua populasi memiliki ikatan protokooperasi atau karena memiliki nisea yang mirip.854 .000 .01914 2.568 .875 1.745 .767 .0000 3.507 .823 .000 .656 .851 .683 SU7 .871 .906 .615 SU5 .939 .906 .10311 2.624 .66410 1.951 1.000 .957 .0769 3. Jika koefisien korelasi negatif dan terbukti signifikan artinya asosiasi kedua populasi bersifat negatif.958 1.884 .337 .737 .683 .85362 1.991 1.537 . Dr.8462 Std.749 .941 .906 .740 SU8 .868 .957 1.709 .749 .939 1.871 SU9 .4615 3.868 1.744 .000 1.713 .337 .

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

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. Untuk memilih menu stepwise. maka dipilih yang peluang kesalahannya untuk ditolak yang paling kecil. kemudian dengan Yi berupa KU2. 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. pada menu enter diganti dengan menu stepwise. Wilayah perpotongan yang terluas dari ketiga peta yang diperoleh itulah yang dijadikan pedoman untuk mengetahui derajat kemiripan kedua komunitas yang bersangkutan.S. Dengan demikian secara berturut-turur dicari persamaan regresi dengan Yi berupa KU1. Setelah diperoleh tiga garus regresi.Bambang Subali. harus dibuat pula peta dengan menggunakan KU2 atau PC2 sebagai sumbu X dan KU3 atau PC3 sebagai sumbu Y. Untuk mengetahui kontribusi faktor lingkungan yang dalam hal ini yaitu faktor mikroklimat. dan terakhir dengan Yi berupa KU3. maka faktor mikroklimat dijadikan variabel prediktor sedangkan nilai KU dijadikan variabel respons. Dr. Bila lebih dari satu yang signifikan. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Jika kemudian sudah diperoleh model terpilih. maka dipilih yang modelnya diterima secara signifikan.

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

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .S. suhu b Dependent Variable: KU1 Model 1 Mean Square . Regression Variables Entered/Removed(b) Model 1 Variables Entered intcahaya.455 .028 6 Total .008 . Pemrograman sudah selesai sehingga kita pilih/klik menu OK. intcahaya. sehingga dalam boks Method kita pilih menu Enter.182 a Predictors: (Constant).62 Karena garis regresi yang kita inginkan adalah agar memuat ketiga faktor lingkungannya maka kita memasukkan ketiganya.674(a) .272(a) Model 1 Std. intcahaya. M. kelbban. suhu(a) Variables Removed .667 Sig. kelbban.Bambang Subali.052 9 a Predictors: (Constant). dan akan diperoleh hasil sebagai berikut. Error of the Estimate . kelbban. suhu ANOVA(b) Sum of Squares df Regression . Method Enter a All requested variables entered. .005 F 1.06875 Dr.024 3 Residual . b Dependent Variable: KU1 Model Summary R R Square Adjusted R Square .

124 Standardized Coefficients Beta -.63 Coefficients(a) Model Unstandardized Coefficients B 3. .273 3 Residual .172 Std. suhu b Dependent Variable: KU2 Coefficients(a) Model Unstandardized Coefficients B 2.001(a) Regression 1. M. intcahaya.358 -1. Error 4.298 . b Dependent Variable: KU2 Variables Removed .914 .215 Dr. Dengan prosedur yang sama dan kita dudukkan KU2 sebagai variabel respons.956(a) .142 . intcahaya.688 -1.872 a Predictors: (Constant).069 -.619 a Dependent Variable: KU1 Ternyata garis regresi Yi = 3.Bambang Subali.747 Standardized Coefficients Beta -1. kelbban.667 dengan peluang kesalahan sebesar 27.025 .140 -1.014 .524 .672 .445 -1.392 Std.718 – 0. Error of the Estimate .119 6 Total 1.203 .2%. hasilnya sebagai berikut.442 .14087 ANOVA(b) Model 1 Sum of Squares df Mean Square . kelbban. 1 (Constant) suhu kelbban intcahaya 1.392 X3i tidak diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 1.726 .424 .135 . suhu(a) a All requested variables entered.020 F 21.654 t Sig. Regression Variables Entered/Removed(b) Model Variables Entered 1 intcahaya.011 -.387 . suhu Std.451 t Sig. Method Enter Model Summary Model R R Square Adjusted R Square 1 .061 .392 9 a Predictors: (Constant). Error 2.384 Sig. kelbban.025 X2i + 0. 1 (Constant) Suhu .514 .069 X1i – 0. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .S.718 -.

030 1.13974 Coefficients(a) Model Unstandardized Coefficients B -7.203 Residual .117 Total . . Method Enter Model Summary Model R R Square Adjusted R Square 1 . suhu ANOVA(b) Sum of Squares Regression .045 1.070 X2i – 3.011 – 0. suhu(a) a All requested variables entered. intcahaya.496 Std. Regression Variables Entered/Removed(b) Model Variables Entered 1 intcahaya.773 + 0.773 . kelbban.623 t Sig.064 .352 .172 X1i + 0.385 X1i + 0.164 X3i diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 21.303 .122 2.133 .Bambang Subali.385 .020 F 3. Dengan prosedur yang sama dan kita dudukkan KU3 sebagai variabel respons.496 X3i diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 3.796(a) .036 1.451 a Predictors: (Constant).1 % berada di atas batas taraf kesalahan 5%.478 . (Constant) Suhu kelbban intcahaya a Dependent Variable: KU3 1 -1.031 .S.530 .123 .164 .466 dengan peluang kesalahan sebesar 9.107 .64 kelbban intcahaya a Dependent Variable: KU2 . Dari tiga model garis regresi ternyata garis regresi dengan KU2 sebagai nilai komunitas Dr. kelbban. kelbban.736 3.091(a) Std. Error 4.384 -2.021 .061 Ternyata garis regresi Yi = -7.031 X2i + 0.631 -1.320 a Predictors: (Constant).384 dengan peluang kesalahan sebesar 0.518 Standardized Coefficients Beta 3.634 . suhu b Dependent Variable: KU3 Model 1 df 3 6 9 Mean Square . Error of the Estimate . hasilnya sebagai berikut. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .01% jauh di bawah batas taraf kesalahan 1%. intcahaya.029 1.466 Sig.068 . M.070 -3.328 . b Dependent Variable: KU3 Variables Removed .054 .918 Ternyata garis regresi Yi = 2.

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.898 . kemudian meilih menu pada boks Method yaitu menu Stepwise. Prosedurnya kembali ke tampilan menu regresi dengan KU 2 sebagai variabel respons. 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.885 a Predictors: (Constant).385 Sig.13326 Mean Square 1.392 a Predictors: (Constant). ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .65 tumbhan bawah tegakan Acacia untuk dijadikan variabel respons diterima dengan signifikan.Bambang Subali.000(a) Dr. .142 Total 1. Pemrograman sudah selesaidan pilih/klik menu OK .250 . Probability-of-F-to-remove >= . sehingga diperoleh hasil analisis sebagai berikut.050. Regression Variables Entered/Removed(a) Model 1 Variables Entered suhu Variables Removed . M. suhu ANOVA(b) Sum of Squares Regression 1. Method Stepwise (Criteria: Probability-of-F-to-enter <= .018 F 70. Error of the Estimate .948(a) .S. sebagaimana tampilan berikut.250 Residual .100).

Error . suhu b Dependent Variable: KU2 1 .390 . M.166 a Predictors in the Model: (Constant).25 Xi.030 -.Bambang Subali.394 -8. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . 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 = 6.057(a) .66 Coefficients(a) Model Unstandardized Coefficients B 1 (Constant) suhu a Dependent Variable: KU2 6.285 . 8. sedangkan kelembaban dan intensitas cahaya tidak begitu berperan.123 kelbban .948 Standardized Coefficients Beta t Sig.156 intcahaya .063 Collinearity Statistics Tolerance .806 .763 -.131 .S. Partial Correlation .400 .354(a) 1.873 Dari hasil uji regresi stepwise diketahui bahwa faktor mikroklimat yang benar-benar memberi kontribusi terhadap kondisi komunitas tumbuhan bawah tegakan cacia adalah faktor suhu. Dr.250 Std.763 – 0.000 Excluded Variables(b) Model Beta In t Sig.000 .

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

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

Sign up to vote on this title
UsefulNot useful