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 27.7 32. Hasil penelitian akibat pengaruh kombinasi macam atau jenis pupuk (dengan atribut tanpa diberi pupuk. Sebaliknya jika pemupukan sudah melebihi batas optimal maka penambahan dosis pupuk N saja atau dosis pupuk P saja akan berdampak lebih kecil jika dibandingkan tanaman tersebut dipupuk dengan kombinasi N dan P.3 31.6 29. Tentu saja hal tersebut berlaku sepanjang dosis tersebut masih dibawah dosis optimal yang diperlukan untuk memacu pertumbuhannya.1 Pupuk K Sebelum tanam 29.S.Bambang Subali. Kalau misalnya tanaman kacang tanah dipupuk N saja dengan dosis tertentu atau dipupuk dengan pupuk P saja dengan dosis tertentu.6 36. 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.2 28.8 32. hasil panenan tanaman padi ladang akibat pengaruh kombinasi macam pupuk dan waktu pemupukan dalam rancangan acak kelompok (dalam kwintal). M. Sebaliknya.6 30. jika interkasinya negative maka akan terjadi hambatan oleh salah satu faktor atau faktor-faktor tersebut saling menghambat. Tabel 1.7 32.7 31.4 Dr.7 30.1 29.8 29. 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.8 Sesudah tanam 32. Jika interaksinya bersifat positif.6 30.8 31.2 30. 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. 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 31. akibatnya respons yang terjadi secara signifikan akan lebih rendah/lebih kecil dibanding kalau masing-masing faktor bekerja sendiri-sendiri/terpisah. Oleh karena itu rancangannya berupa rancangan faktorial befaktor (dua faktor) pola acak lengkap. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .0 Sesudah tanam 32.9 Pupuk N Sebelum tanam 29. pupuk N dan pupuk K) dan waktu pemberian pupuk (dengan atribut diberikan sebelum tanam dan sesudah tanam) menunjukkan hasil sebagai berikut.0 33. Tanpa pupuk Blok Sebelum Sesudah ke tanam tanam 1 2 3 4 28.3 32.3 BAB 1.

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

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

Bambang Subali. sehingga tampak tampilan sebagai berikut.6 Jika variabel macam pupuk dan waktu pemupukan merupakan faktor yang pasti (fixed) (artinya hasil penelitian tidak dapat digeneralisasi untuk macam pupuk lain yang tidak dicoba. Dr. 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 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .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. sehingga tampak tampilan sebagai berikut. Masukkan kedua variabel ke dalam model. M. dan analisis selanjutnya memilih menu Custom (klik menu Custom). pilih menu Main effect. sehingga tampil hasil sebagai berikut.

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

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

Bambang Subali.4315 1. Univariate Analysis of Variance Between-Subjects Factors N 8 8 8 12 12 mcmpupuk pk pn tanpappk waktupemp sblmtnm ssdhtnm Descriptive Statistics Dependent Variable: hslpanen mcmpupuk pk waktupemp sblmtnm ssdhtnm Total pn sblmtnm ssdhtnm Total tanpappk sblmtnm ssdhtnm Total Total sblmtnm ssdhtnm Total Mean 29.9207 1. Deviation 1. selanjutnya pilih (klik) menu OK dan akan diperoleh hasil analisis sebagai berikut.7348 1.4071 1.275 31.0675 N 4 4 8 4 4 8 4 4 8 12 12 24 Dr.3480 .033 Std.9287 .338 29.975 30.483 31. M.9 Pemrograman sudah selesai.675 31.275 31.8655 2.6153 1. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .S.075 30.500 32.1991 2.7332 3.583 31.400 30.3843 2.788 32.

juga hasil panen akibat pengaruh waktu pemupukannya untuk setiap macam pemupukan.260 18.650 23211.338 30.Bambang Subali.649 .155 dan 2.1% sehingga tidak signifikan karena jauh diatas kesalahan 5%.725 7.155 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%. 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 37.212) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 1.095 .663(a) 23113. mcmpupuk (maksudnya macam pupuk) Estimates Dependent Variable: hslpanen 95% Confidence Interval mcmpupuk pk pn tanpappk Mean 30.000 .424 30.151 33.260 9.975 Std.612 Upper Bound 31.627 11. .6999 dengan peluang kesalahan 21.627 5. dan yang tidak dipupuk).369 F 2. Error .9% dan 8.812 Sig. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .159 .701 32.087 98.476 3. Dr.812 dan besarnya peluang kesalahan 15. Estimated Marginal Means 1.649 Lower Bound 28.236 6859.383 (Adjusted R Squared = .211 .451 7.533 23113.649 .788 31.S.774 1. pupuk N.10 Dari data hasil analisis statistika deskriptif kita dapat melihat rata-rata hasil panen akibat pengaruh macam pupuk yang berbeda (akibat pemberian pupuk K.699 2.952 60.940 Df 5 1 2 1 2 18 24 Mean Square 7. Demikian pula pengaruh waktu pemupukan serta pengaruh interaksi macam pupuk dan waktu pemupukan juga tidak signifikan dengan Fhitung berturut-turut 2.7%.313 23 a R Squared = . M.974 29.

Error Sig.451 Df 2 Mean Square 5.470 Upper Bound 31.188 1.918 .(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -2.Bambang Subali.918 . Dr.116 pk pn tanpappk Pn Tanpappk Pk Tanpappk Pk Pn .597 32.638 1. Error sblmtnm ssdhtnm 30.530 .918 .650 18 3.091 .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 21.697 Hasil analisis akibat pengaruh faktor waktu pemupukan juga tidak berbeda dengan pengaruh faktor macam pupuk.566 3.091 .630 .630 .291 -.378 1.566 .11 Pairwise Comparisons Dependent Variable: hslpanen (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -.212 . waktupemp (MAKSUDNYA WAKTU PEMUPUKAN) Estimates Dependent Variable: hslpanen waktupemp Mean Std.116 -.583 . Univariate Tests Dependent Variable: hslpanen Sum of Squares Contrast Error 11.918 .725 F 1.S.483 31.478 -3.450 -1.212 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).211 60. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .530 95% Confidence Interval Lower Bound 29.378 .918 . M.638 .291 -1.741 3. 2.369 The F tests the effect of mcmpupuk. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.370 30.478 -3.1% jauh di atas batas taraf kesalahan 5%.188 Std. sebagaimana tampak pada hasil analisis pada tabel di atas. 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. .741 2.450 -1.699 Sig.

400 29.674 -.12 Pairwise Comparisons Dependent Variable: hslpanen (I) waktupemp (J) waktupemp Mean Difference (I-J) -1. Karena program SPSS hanya menganalisis efek utama darai faktor-faktor perlakuan tetapi bukan interaksinya. Univariate Tests Dependent Variable: hslpanen Sum of Squares Contrast 7. 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.747 29.075 32.428 34.Bambang Subali.603 33. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.328 31. Oleh karena itu.159 .S.147 30.918 .260 Error Df 1 Mean Square 7.918 .275 31.674 sblmtnm ssdhtnm Ssdhtnm Sblmtnm .918 . hasil yang keluar hanya menunjukkan nilai rata-rata. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .749 .275 Std.472 27. .260 F 2.572 30.650 18 3.749 . M.918 .347 Upper Bound 31.100 Std.918 95% Confidence Interval Lower Bound 27. maka meskipun kita meminta untuk uji lanjut dengan LSD.203 33. 3.675 31.159 60. Error Sig.159 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).100 1. maka rancangannya berupa rancangan Dr. simpangan baku beserta batas bawah dan batas atas nilai rata-rata pada tingkat populasi sebagaimana tersaji pada tabel di bawah ini.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.347 29.474 2.500 32.918 .474 Upper Bound .003 34. Error .(a) 95% Confidence Interval for Difference(a) Lower Bound -2.155 Sig. jika efek interaksi signifikan maka harus diadakan uji lanjut dengan perhitungan secara manual.369 The F tests the effect of waktupemp. dan sebaliknya harus diuji pula signifikansi perbedaan antar macam pupuk pada tiap atribut/kategori waktu pemupukan. mcmpupuk * waktupemp Dependent Variable: hslpanen mcmpupuk waktupemp Mean Pk Pn tanpappk sblmtnm ssdhtnm sblmtnm ssdhtnm sblmtnm ssdhtnm 29.

Bambang Subali.6 29.2 28.7 31.13 faktorial befaktor (dua faktor) pola acak kelompok atau pola berblok. hasil panenan tanaman padi ladang akibat pengaruh kombinasi macam pupuk dan waktu pemupukan dalam rancangan acak kelompok (dalam kwintal). Tanpa pupuk Blok Sebelum Sesudah ke tanam tanam 1 2 3 4 28.2 27.7 32.0 Sesudah tanam 32. M. Tabel 2.8 Sesudah tanam 32.0 33.3 31.7 32.6 30.7 31. Hasil penelitian menunjukkan hasil sebagai berikut.6 30.S.2 30.8 29.3 32.9 Pupuk N Sebelum tanam 29.1 29. Dr.8 31.7 30. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .4 Sajian data untuk analisis varians multi-arah dengan program SPSS adalah sebagai berikut.8 32.6 36.1 Pupuk K Sebelum tanam 29.

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

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. Dr.Bambang Subali. dan akan keluar tampilan sebagai berikut. M. dan masukkan ketiga variabel ke dalam model.15 Selanjutnya memilih 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. Oleh karena itu tidak perlu mengganti menu Type. dan analisis selanjutnya memilih menu Custom (klik menu Custom). sehingga pilih (klik) menu model. sehingga tampak tampilan sebagai berikut. pilih menu Main effect.S.

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

M. sehingga diperoleh tampilan sebagai berikut. Jangan lupa bila ingin menampilkan hasil analisis deskriptifnya. 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.Bambang Subali. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .S. Dr.

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

M.3480 .8655 1.675 30.600 30.Bambang Subali.750 30.450 30.200 28.700 31. . .950 29.1314 . . .800 32. .000 29.800 29. .000 33.700 30.275 29.700 30.8385 1. .2828 3.075 30.19 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. 1.100 29. .400 31.800 31.275 32.900 31.8991 1.7348 . . 1.700 32. .4071 2. .4749 2.000 30.5456 1.200 30.700 31. . .9207 .800 31.4749 2.300 32.3234 1. . Deviation .300 31.800 32.S.900 30. 3.9287 .7332 . .500 32.4315 2. . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .700 32.450 Std.200 27. .400 30.788 28. .600 36.950 29. . .600 29.100 29.338 29. 1.2021 N 1 1 1 1 4 1 1 1 1 4 2 2 2 2 8 1 1 1 1 4 1 1 1 1 4 2 2 2 2 8 1 1 1 1 4 1 1 1 1 4 2 ssdhtnm Total Pn sblmtnm ssdhtnm Total tanpappk sblmtnm ssdhtnm Total Dr.600 32.

663(a) Intercept 23113.116) df 8 1 2 1 2 3 15 24 23 Mean Square 5.000 Error 56.627 5.5106 1.975 28.115 .7778 1.509 .952 Blok 4.3856 .600 31.725 7.313 a R Squared = .3215 4.7032 2.750 31.0146 1.3843 .900 31.424 (Adjusted R Squared = .6153 1.627 Mcmpupuk 11.7550 .8717 2.650 Total 23211.0675 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 41.233 30. yakni pengaruh interaksi antara variabel macam pupuk dan waktu pemupukan.788 Dari tabel analisis varians di atas dapat diketahui bahwa pengaruh atau efek utama variabel macam pupuk tidak signifikan karena peluang kesalahannya mencapai 25.Bambang Subali.186 .5%. Estimated Marginal Means 1. .1820 .251 .7251 1.777 F 1.583 30.113 1.150 31.483 31.940 Corrected Total 98.500 30.451 Waktupemp 7. M.379 6120.000 .8461 2.922 2.1% atau (dalam tabel tertulis 0.8414 3.300 31. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .400 30.353 Sig.033 3.333 3.20 2 3 4 Total Total sblmtnm 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 34. mcmpupuk Estimates Dependent Variable: hslpanen Dr.367 31.900 31.476 1.4163 2.251) pengaruh atau efek utama waktu pemupukan juga tidak signifikan karena peluang kesalahannya jauh di atas 5% yakni 18.1991 1.516 1.6% dan efek interaksi dari kedua fakor perlakuan.967 31.333 31.467 31.282 .2368 1.208 23113.260 mcmpupuk * waktupemp 18. juga tidak signifikan karena peluang kesalahannya jauh di atas 5% yakni 11.433 31.260 9.S.550 32.2021 2.

259 Dari tabel pembandingan sebagai uji lanjut dari efek utama variabel macam pupuk juga menunjukkan tidak ada yang berbeda signifikan. Tampak kolom (I-J) menunjukkan besarnya selisih nilai rata-rata.709 -.439 Pairwise Comparisons Dependent Variable: hslpanen (I) mcmpupuk (J) mcmpupuk Pn .338 30.788 31.972 .21 mcmpupuk Pk Pn tanpappk Mean 30.621 2.Bambang Subali.873 31. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.687 .252 30.434 3. sehingga tidak signifikan pada taraf kesalahan 5%.650 Tanpappk .972 .709 . Error 95% Confidence Interval Dr.972 .521 -3.802 29.777 The F tests the effect of mcmpupuk. yang semuanya jauh di atas 5%.972 . yakni 25.450 -1.1%.975 Std.621 -3.241 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).687 95% Confidence Interval Lower Bound Upper Bound 28. Univariate Tests Dependent Variable: hslpanen Sum of Squares Df Mean Square F Sig. karena taraf kesalahannya jauh di atas 5%.884 3.450 -1.(a) menunjukkan besarnya peluang kesalahan untuk menunjukkan perbedaan antar kategori/atribut perlakuan macam pupuk. 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.241 tanpappk Pk .650 15 3. M. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .687 .521 1.516 . Error .(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -2.725 1. Contrast 11.113 Pn .972 . Pk Mean Difference (I-J) -. waktupemp Estimates Dependent Variable: hslpanen waktupemp Mean Std.188 1.884 -.113 Pn Pk .259 . dan kolom sig.650 Tanpappk .638 .S.511 33.323 32. dan hasil analisisnya sebagai berikut.638 1.251 Error 56. 2.451 2 5. Error Sig.972 .188 Std. Hasil analisis untuk factor waktu pemupukan juga sama saja hasilnya sebagaimana pengaruh factor macam pupuk.434 -1.

346 Berdasarkan tabel analisis varians di atas.186 -. M.679 30.675 31.571 30. 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.972 .075 32.288 31.204 33.972 .(a) 95% Confidence Interval for Difference Difference(a) (I-J) Lower Bound Upper Bound Sblmtnm Ssdhtnm -1. maka walaupun efek interaksi dimasukkan pada bok Display means kemudian dianalisis bedanya. namun hasil akhirnya tidak dapat diperoleh.260 1 7. pengujian signifikansi efek pengeblokan akibat kecurigaan terhadap tingkat kesuburan petak-petak penanaman yang berbeda ternyata tidak signifikan. Error Sig.388 32.793 .561 Pairwise Comparisons Dependent Variable: hslpanen (I) waktupemp (J) waktupemp Mean Std.004 34.777 The F tests the effect of waktupemp.346 29.791 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments). Karena program yang ada hanya menguji signifikansi efek utama.400 29.746 29.591 2.100 .204 31.186 -2. Error .146 30.793 . Contrast 7.922 .329 33.583 .483 31.S.500 32. This test is based on the linearly independent pairwise comparisons among the estimated marginal means. Univariate Tests Dependent Variable: hslpanen Sum of Squares df Mean Square F Sig.471 27.Bambang Subali.275 31.972 .972 95% Confidence Interval Lower Bound Upper Bound 27.186 Error 56.779 Sblmtnm Ssdhtnm 30.650 15 3. Dengan demikian uji lanjut sebagaimana tersaji pada hasil berikut ini juga tidak signifikans.429 31.791 . dan keluarannya hanya memberikan selisih rata-rata dan batas minimum dan batas maksimum nilai rata-rata perkiraan atau estimasinya. mcmpupuk * waktupemp Dependent Variable: hslpanen mcmpupuk Waktupemp Mean Pk Pn tanpappk Sblmtnm Ssdhtnm Sblmtnm Ssdhtnm Sblmtnm Ssdhtnm 29.260 1.604 34. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .972 . 3.591 Ssdhtnm Sblmtnm 1.275 Std.561 .972 .100 .22 Lower Bound Upper Bound 29.

067 1.793 29.122 .200 1.Bambang Subali.500 .601 4 -.067 1.991 Pairwise Comparisons Dependent Variable: hslpanen (I) blok (J) blok Mean Difference Std.452 2 1 1. Dr.925 -3. 4.861 3 .991 -2.525 -1.793 29.23 dengan rancangan acak sempurna (completely randomized design).357 3 -.400 1.325 -2.726 4 1 .200 1.861 3 1 .458 1.209 32.858 1.122 . Error Sig. Error 95% Confidence Interval Lower Bound Upper Bound 1 30.258 -2.600 1.791 -2.591 2.191 2.458 -1.791 Karena hasil analisis varians menunjukkan efek blok tidak signifikan.858 -2.991 -1.124 2 31.122 .991 2.122 .452 2 -.726 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).191 -1.122 .600 1.601 4 .791 1.122 .867 1.525 3.591 -1.357 3 .122 .122 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .300 .609 32.258 1.683 2 -.809 33.400 1.(a) (I-J) 1 2 -1.867 1.433 .793 28. 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -3.S. blok Estimates Dependent Variable: hslpanen Blok Mean Std.591 4 31.122 .467 1.(a) tampak bahwa besarnya peluang untuk setiap nilai selisih antar blok menunjukkan harga di atas 5%.325 3.467 1.791 2.900 .122 . M.122 .191 3 30. 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.122 .925 2.742 32.683 4 -.793 29.991 1.

.S.777 Sig.000 3 Error 56. Dr.8% jauh diatas batas taraf kesalahan 5%.650 15 Mean Square F 1.333 . Analisis varians satu jalur yang hanya menguji signifikansi pengaruh blok terhadap hasil panenan padi juga tidak menujukkan hasil yang signifikan dengan peluang sebesar 78.Bambang Subali. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . This test is based on the linearly independent pairwise comparisons among the estimated marginal means.24 Univariate Tests Dependent Variable: hslpanen Sum of Squares df Contrast 4.353 3. M.788 The F tests the effect of blok.

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

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

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

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

pilih menu Main effect. M.Bambang Subali.S. dan masukkan kedua variable ke dalam model. Oleh karena itu tidak perlu ganti menu Type. dan analisis selanjutnya memilih menu Custom (klik menu Custom). Type III Dr. 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 .

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

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

75 cm. M.32 Pemrograman sudah selesai.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.5 cm. yang diberi pupuk P 41. yakni semai cendana yang diberi pupuk N 40.0 cm.0000 38.5000 41.0833 Std.7500 40.S. dan yang diberi pupuk K 32.52773 6.Bambang Subali. Deviation 2.50925 7. selanjutnya pilih (klik menu OK dan akan diperoleh hasil analisis sebagai berikut. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Dr. 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.

.658 79.658 9.394 2.4167.537 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -9. M.133 35.499 3. dan yang diberi pupuk K 40.422(*) 1. Estimated Marginal Means mcmpupuk Estimates Dependent Variable: tingakhir 95% Confidence Interval Mcmpupuk Pupukk Pupukn Pupukp Mean 34.929 cm.000 428. Error 2.135 .33 Tests of Between-Subjects Effects Dependent Variable: tingakhir Source Type I Sum of Squares Corrected Model Intercept Mcmpupuk Tingawal Error Total Corrected Total 349.979 -1.321 2.583 178.048 .887 F 11.657 18.773 -. a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).070 -3.541 -10.443 Std.655 1. Pairwise Comparisons Dependent Variable: tingakhir (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -3. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .730 44.653 40.657 dengan peluang kesalahan 1% sehingga signifikan di bawah taraf kesalahan 5%.071 Sig.767 42.773 6.388 8.394 2.048 .234 2.710 9.071 dan besar peluang kesalahan hanya 0.95 cm.979 -5.083 85.950(a) 38.746) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 8.003 .(a) Pupukk Pupukn Pupukp Pupukn Pupukp Pupukk Pupukp Pupukk Pupukn .579 36.541 -6.795 1760.595 .167 178.608 17404.710 10.092 17833.Bambang Subali.537 . Dr.3% jauh lebih kecil dari batas kesalahan 1%. Demikian pula pengaruh fator tinggi awal sebagai peragam sangat signifikan karena dengan Fhitung sebesar 18.135 .000 .05 level.615 Lower Bound 31.003 a R Squared = .083 171.443 5.917 Df 3 1 2 1 8 12 11 Mean Square 116.371(a) 1.422(*) 3. Error 1.204 Upper Bound 38.816 (Adjusted R Squared = .499 1.013 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.929(a) Std.234 Sig.S.371 cm.321 2.070 -1. yang diberi pupuk P 38.010 . Setelah pengaruh factor peragam dihilangkan maka diperoleh nilai rata-rata terkorekasi (adjusted mean) dari tinggi semai cendana yang diberi pupuk N yakni 34.595 Based on estimated marginal means * The mean difference is significant at the .825(a) 17404.

974 F 2. 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.Bambang Subali. atribut/level/taraf perlakuan ketiga diberi kode 0 kemudian 0 lagi dan selanjutnya 1. dan 0 • atribut/taraf/ level kedua diberi kode 0.092 8 9. . 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 5.830 Sig.118 79. 0. 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. 1. dan atribut/level/taraf perlakuan ketiga diberi kode 0 dan 0 sehingga terbentuk dua variable dungu. Namun demikian. Perhatikan tabel di bawah ini.83 dan besar peluang 11. variable macam pupuk harus diubah menjadi variable dungu (dummy variable) dengan menggunakan kode. yakni dengan Fhitung sebesar 2.887 The F tests the effect of mcmpupuk. maka digunakan uji regresi.422 cm. dan 1 • atribut/taraf/ level keempat diberi kode 0. untuk atribut/level/taraf perlakuan kedua diberi kode 0 kemudian 1 dan 0. dan 0 • atribut/taraf/ level ketiga diberi kode 0. 0. dan atribut/level/taraf perlakuan keempat diberi kode 0 kemudin 0 dan sekali lagi 0 sehingga terbentuk tiga variable dungu. Jika ada empat atribut/level/taraf perlakuan maka atribut/level/taraf perlakuan pertama diberi kode 1 kemudian 1 lagi dan 0. Jika ada tiga atribut/level/taraf perlakuan maka atribut/level/taraf perlakuan pertama diberi kode 1 dan 0. 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.34 Univariate Tests Dependent Variable: tingakhir Sum of Squares Contrast Error 55. 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. M. This test is based on the linearly independent pairwise comparisons among the estimated marginal means. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .949 Df 2 Mean Square 27.8% jauh di atas batas kesalahan 5%. untuk atribut/level/taraf perlakuan kedua diberi kode 0 dan 1.1. dan 0 Variabel dummy yang terbetuk Tiga variabel Dr.

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

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

Correlations tingakhir 1.500 1.000 . (1-tailed) N Tingakhir dammy1 dammy2 Tingawal Tingakhir dammy1 dammy2 Tingawal Tingakhir dammy1 dammy2 Dr.049 .345 -.000 .S.184 .000 -.33 .136 .828 . simpangan baku dan ukuran ulangan pengamatannya.0833 .31432 N 12 12 12 12 tingakhir Dammy1 Dammy2 Tingawal Tampak hasil analisis deskriptif nilai rata-rata.371 12 12 12 Tingawal .492 2.184 .371 .266 .33 11. Deviation 6. M.202 12 12 12 dammy2 .000 .106 1.24439 . .345 .286 1.4167 Std. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .Bambang Subali.136 .266 . . Regression Descriptive Statistics Mean 38.492 .37 Pemrograman sudah selesai dan pilih/klik menu OK dan akan keluar out put sebagai berikut.500 .049 . 12 12 12 Pearson Correlation Sig. .000 .286 .106 .202 .828 .000 12 12 12 dammy1 .

423 4. Model 1 Method Enter a All requested variables entered.979 d1 + 5. Error of the Estimate 3.979(1) + 5. b Dependent Variable: tingakhir Model Summary Model 1 R . tingawal. .795 Sig.608 9. M. 2.321 tingawal 1. dammy1 b Dependent Variable: tingakhir Coefficients(a) Unstandardized Coefficients B Std. dammy2. diperoleh koefisien regresi sebesar 0. dammy1(a) Variables Removed . Error 1 (Constant) 13.422 d2 + 1.979 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 = 13.427 .003(a) 428. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .423 + 3.402 + 1.38 Variables Entered/Removed(b) Variables Entered tingawal.394 dammy2 5.886 Xi pada atribut kedua (saat tanaman dipupuk dengan pupuk P) hubungan antara variable peragam Dr.Bambang Subali.003 Garis regresi yang diperoleh adalah Yi = 13. dammy2.790 1.746 Std. ANOVA(b) Model 1 Regression Residual Total Sum of Squares 349.444 a Dependent Variable: tingakhir Model Standardized Coefficients Beta .81 atau 81% menunjukkan hubungan variable bebas (factor perlakuan dan peragam) dengan variable responsnya dapat diterangkan oleh model yang diperoleh.662 2.95 dengan peluang kesalahan sebesar 0.886 .917 11 a Predictors: (Constant).3% jauh di bawah batas 1%. jadi sangat signifikan. dammy2.699 T Sig.903(a) R Square . dammy1 Setelah seluruh variable bebas dimasukkan.314 .825 79. tingawal.251 .816 Adjusted R Square .811 dammy1 3.422 2.422(0) + 1.887 F 11.048 .336 4.886 Xi dapat dipakai untuk menjelaskan hubungan regresi antara variable predictor dan variable responsnya dengan Fhitung sebesar 17.14428 a Predictors: (Constant).135 .024 .423 + 3.886 Xi = 17.092 df 3 8 Mean Square 116.S.

S.423 + 3.41666667 Rata-rata observasi tinggi awal dari tanaman yang dipupuk N (∑X1i/ni) = 49/4 = 12.845 + 1. maka berakibat pada ketidak seragaman pencahayaan di lokasi eksperimen.423 + 3.422(1) + 1.5 Rata-rata terkoreksi tinggi akhir dari tanaman yang dipupuk N (∑Y1iterkoreksi/ni) = ∑Y1i/ni – b1(∑X1i/ni . Besarnya rata-rata tinggi akhir terkoreksi pada tanaman yang dipupuk dengan pupuk N diperoleh dengan cara sebagai berikut. 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. Besarnya koefisien regresi b1 yang dipakai untuk memperhitungkan pengaruh atau kontribusi factor atau variable peragam adalah 1.979(0) + 5.886(12.∑Xi/n) = 40.Bambang Subali.39 tinggi (Xi) awal dan tinggi akhir (Yi) dapat diterangkan oleh persamaan regresi: Yi = 13.886 Xi = 13. Oleh karena itu rancangannnya berupa rancangan kovarians pola acak kelompok atau pola berblok.886 Xi.25 Rata-rata observasi tinggi akhir dari tanaman yang dipupuk N (∑Y1i/ni) = 162/4 = 40. Tabel hasil penelitiannya sebagai berikut.979(0) + 5. M.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. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .886 Xi = 18. Rata-rata observasi tinggi awal total (∑Xi/n) = 137/12 = 11.5 – 1.929 Dengan langkah yang sama nilai rata-rata terkoreksi untuk tanaman yang diberi pupuk P ataupun tanaman yang diberi pupuk K akan dapat diperoleh.25 – 11.423 + 1.886 Xi. Apabila eksperimen tersebut dilakukan di lapangan dan lokasinya sangat sempit dan sebagian dinaungi pohon besar. Dr.41666667) = 38.

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

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

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

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

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

Univariate Analysis of Variance Between-Subjects Factors N 4 4 4 3 3 3 3 mcmpupuk pupukK pupukN pupukP Blok 1. klik menu Continue sehingga kembali ke tampilan awal seperti berikut. Pemrograman sudah selesai. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .Bambang Subali.45 Bila sudah selesai memilih.S.00 3. M.00 2.00 Dr.00 4. klik menu OK dan akan diperoleh hasil analisis sebagai berikut.

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . .0000 38.0000 47.431 6.000 428.00 3.0000 40.858 dengan peluang kesalahan 0.21455 7.52773 5.63763 7. .0000 47. .863 15.00 3. 4.862) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 15.007 .007 .S.46 Descriptive Statistics Dependent Variable: tingakhir mcmpupuk pupukK blok 1.3333 38.849 98.00 2.5 cm.0000 43.0 cm. .040 a R Squared = . .24439 N 1 1 1 1 4 1 1 1 1 4 1 1 1 1 4 3 3 3 3 12 Dari hasil analisis deskriptif kita memperoleh nilai rata-rata setiap blok.00 Total Total 1.972 5.167 131.110 Sig.0000 44.0000 32.00 Total pupukN 1.3333 39.0833).937 (Adjusted R Squared = .98608 .7500 40.989 17404. Deviation .0000 32.00 3.0000 32.583 131.0000 41. .083 171. .858 24.849 32.4311 dengan besar peluang Dr.50925 .00 2. .00 4. Demikian pula pengaruh fator tinggi awal sebagai peragam sangat signifikan karena dengan Fhitung sebesar 24. 2.000 .984 17833. 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. .413 3224.75 cm) juga rata-rata totalnya (38.00 2.00 2.0000 38.932(a) 17404.00 Total pupukP 1.6667 41.00 4.0833 Std.917 df 6 1 2 1 3 5 12 11 Mean Square 66.00 4.93725 6. dan pupuk K 32.917 26.0000 37. 7.004 .7% jadi sangat signifikan di bawah taraf kesalahan 1%. setiap atribut macam pupuk (nilai rata-rata observasi tinggi akibat pemberian pupuk N 40.00 Total Mean 30.77350 3. . pupuk P 41. M.5000 30.0000 33.397 F 12.00 4.00 3.Bambang Subali.0000 37.083 85.

446 . mcmpupuk Estimates Dependent Variable: tingakhir mcmpupuk Mean Std. Estimated Marginal Means 1.652 1. Error PupukK PupukN PupukP 34.(a) 95% Confidence Interval for Difference(a) Lower Bound -8.604 35.231 1.303 -5.198 1.612 1.611 Sig.062 .110 besar peluang kesalahannya hanya 4% lebih kecil dari batas kesalahan 5%.220 -2.422 Upper Bound 37.167 95% Confidence Interval Lower Bound 31.878 -10.653 cm.446 Based on estimated marginal means * The mean difference is significant at the . This test is based on the linearly independent pairwise comparisons among the estimated marginal means.022 .288 -5.47 kesalahan hanya 0.423 cm. yang diberi pupuk P 40.303 -1.Bambang Subali.366 Std.288 -1.053 The F tests the effect of mcmpupuk.881 Upper Bound .652 .424 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.786 1. dan yang diberi pupuk K 34.087 -.S.062 .653(*) 4.786 1. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . namun uji dengan tes univariat melalui uji kontras untuk membandingkan Dr.057(a) 40. a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments). M.05 level.022 . Pairwise Comparisons Dependent Variable: tingakhir (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -4.612 PupukK PupukN pupukP pupukN pupukP pupukK pupukP pupukK pupukN 1.4167. Error Sig.935 42.881 10.770 cm.087 5. . Pengaruh fator blok juga signifikan karena dengan Fhitung sebesar 6.057 cm.653(*) 1.725 1.725 1.566 26.136 43.770(a) 39.397 F 5.423(a) 1. Setelah pengaruh factor peragam dihilangkan maka diperoleh nilai rata-rata terkorekasi (adjusted mean) dari tinggi semai cendana yang diberi pupuk N yakni 39.220 8. Univariate Tests Dependent Variable: tingakhir Sum of Squares Contrast Error 60.878 2.984 df 2 5 Mean Square 30.979 37. 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 5.283 5.4% jauh lebih kecil dari batas kesalahan 1%.

Pairwise Comparisons Dependent Variable: tingakhir (I) blok (J) blok Mean Difference (I-J) 1.138 .00 37.218 Sig.00 3.379 34.028 .425 1.929 2.910 5.611 dan besar peluang 5.975 10.996 -4.538 -3.00 1.4167.929 1.022 1. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.660 -5.00 -2.00 4.(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound 2.747(a) 1.356 -1.120 The F tests the effect of blok.05 level.025 -5.795 .977 7.201 41.911 1.182 .028 .400 1.108 26.561 -1.538 -.487 -3.00 4. blok Estimates Dependent Variable: tingakhir Blok Mean Std.144(a) 1.626 38.809 .689 4. M.182 .00 2.996 -.936(*) 2.00 1.369 5.292 3. .186 .022 1.025 .795 2. Dari hasil analisis lanjut menggunakan uji beda nyata terkecil menunjukkan ada perbedaan tinggi semai cendana antara blok 1 dan blok 4 dengan selisih 5.929 1.660 1.809 .936 cm.398 3.00 3.400 -8.344 34.3%% sedikit di atas batas kesalahan 5%.397 F 3.48 tinggi akhir dengan memperhatikan tinggi rata-rata yang sudah terkoreksi menunjukkan hasil yang tidak signifikan.00 4.911 1.792 2.394 31.984 3 5 Mean Square 17. Error 95% Confidence Interval Lower Bound Upper Bound 1.487 -2.234(a) 1. Univariate Tests Dependent Variable: tingakhir Sum of Df Squares Contrast Error 52.265 .975 Based on estimated marginal means * The mean difference is significant at the .398 2.265 .047 -10. namun uji dengan tes Dr.900 . yakni dengan Fhitung sebesar 5.00 2.00 4.736 4.209(a) 1.356 7. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .00 35.894 8.00 1.00 2.00 38. 2.696 44.977 -1.936(*) 3.929 1.779 41.736 -8. Error Sig.Bambang Subali.186 -7.953 1.900 1.047 5.00 3.S.00 2.425 -7.00 3. a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).953 1.00 41.342 37.894 -2.593 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.910 Std.561 8.138 .

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

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

3 28 71 2.9 SPESIES A B C D E F G H I Y K L M LINGKUNGAN SUHU KELEMBABAN INTENSITAS CAHAYA Dr.9 SU9 1 3 1 6 3 8 1 0 2 3 6 3 2 26 82 1.3 SU6 0 1 0 5 2 7 2 3 4 5 4 3 3 27 75 2.3 SU4 0 1 1 4 3 6 2 3 5 5 4 2 3 29 74 2.3 29 70 2. Kelimpahan populasi komunitas tumbuhan bawah tegakan Acacia beserta kondisi mikroklimatnya pada 10 SU SPESIES A B C D E F G H I Y K L M FAKTOR LINGKUNGAN SUHU KELEMBABAN INTENSITAS CAHAYA SU1 1 2 1 3 4 5 3 4 6 7 5 2 3 SU2 1 2 1 4 4 6 3 4 5 6 4 2 3 SU3 1 2 1 4 4 6 3 4 5 6 4 2 3 SU4 0 1 1 4 3 6 2 3 5 5 4 2 3 SU5 0 1 0 5 3 7 2 3 4 5 4 3 3 SU6 0 1 0 5 2 7 2 3 4 5 4 3 3 SU7 1 2 0 5 2 7 1 2 4 4 4 4 4 SU8 1 4 1 6 3 7 1 2 4 6 6 3 3 SU9 1 3 1 6 3 8 1 0 2 3 6 3 3 SU10 1 3 1 6 4 8 0 0 2 3 6 2 1 29 67 2. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .1 25 80 2.2 26 75 2.3 SU3 1 2 1 4 4 6 3 4 5 6 5 2 3 28 71 2.2 26 75 2.9 SU10 0 3 1 6 0 5 0 0 2 3 5 2 0 26 82 1.S.Bambang Subali. 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 27 72 2.3 SU2 1 2 1 1 4 6 3 4 0 6 4 0 3 30 70 2.1 25 80 2.51 Tabel 1.1 SU7 1 2 0 5 2 7 1 0 4 4 4 0 4 27 75 2 SU8 1 4 1 6 3 7 1 2 4 6 6 3 3 26 78 1.2 28 70 2.2 SU5 0 1 2 5 3 7 2 1 4 5 1 3 0 28 75 2. M.1 Tabel 2.3 27 70 2.

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

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

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

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

66410 1.737 .802 .713 .0000 3.883 .10311 2. Dalam hal ini boleh jadi kedua populasi memiliki ikatan protokooperasi atau karena memiliki nisea yang mirip.951 .66410 1.656 .77951 2.537 SU4 .6154 3.745 .958 1.624 .957 .884 .5385 3.000 .854 .939 1.745 .709 .000 .0769 2. sehingga akan keluar out put/hasil analisis sebagai berikut .875 1.767 . Dr.4615 3.832 .04124 1.957 . Untuk menguji tingkat signifikannya dibandingkan dengan rtabel.683 .883 . M.939 1.745 . sehingga tidak perlu membandingkan dengan koefisien korelasi pada tabel korelasi.906 .749 .871 SU9 .916 .958 SU10 .507 .991 .767 .745 .Bambang Subali.854 .928 . sehingga semakin melimpah populasi yang satu akan diikuti dengan menurunnya kelimpahan populasi lan yang menjadi pasangannya. klik/pilih menu OK.4615 3.868 .000 .0769 3.337 .957 .871 . Dalam hal demikian boleh jadi karena keduanya memiliki hubungan amensalisme.56 Pemrograman telah selesai.823 .8462 Std.000 . Jika koefisien korelasi positif dan terbukti signifikan artinya asosiasi kedua populasi bersifat positif.01914 2.615 SU5 .568 .507 .000 .0769 3.740 SU8 . Jika dianalisis dengan analisis korelasi mengikuti prosedur dalam SPSS besarnya peluang untuk setiap koefisien korelasi dapat diperoleh.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 1.851 .851 .377 .93484 2.884 .749 .85362 1. Jika koefisien korelasi negatif dan terbukti signifikan artinya asosiasi kedua populasi bersifat negatif.000 1.740 .713 .507 .939 .991 1.615 . sehingga semakin melimpah populasi yang satu akan diikuti dengan melimpahnya populasi yang lain menjadi asosiasinya.832 .939 .709 SU6 .875 .802 .000 .713 .624 .000 . Factor Analysis Descriptive Statistics Mean 3.537 .951 1.000 .941 .568 .928 1.683 SU7 .737 .868 1.S.537 .957 1.823 .916 . Deviation 1.000 1.941 .000 .883 .656 .744 .906 .883 .0000 3. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .32600 2.906 .337 .377 SU2 .744 .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.713 .906 .537 SU3 .507 .

57

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

SU1 SU2 SU3 SU4 SU5 SU6 SU7 SU8 SU9 SU10

1.000 .981 Extraction Method: Principal Component Analysis.

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

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

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

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

Dr.Bambang Subali, M.S.

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN

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

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

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

SU1 SU2 SU3 SU4 SU5 SU6 SU7 SU8 SU9 SU10

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

Correlation

SU1 SU2 SU3 SU4 SU5 SU6 SU7 SU8 SU9 SU10

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

SU1 SU2 SU3 SU4 SU5 SU6 SU7 SU8

Dr.Bambang Subali, M.S.

59
SU9 SU10 1.000 .894

1.000 .925 Extraction Method: Principal Component Analysis.

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

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

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

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

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

Dr.Bambang Subali, M.S.

ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN

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

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

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

intcahaya. suhu Std.672 .069 X1i – 0.358 -1.445 -1. Error 2. 1 (Constant) Suhu .069 -.747 Standardized Coefficients Beta -1.392 9 a Predictors: (Constant).2%.061 .872 a Predictors: (Constant).688 -1.025 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .203 .424 . kelbban.514 .215 Dr.667 dengan peluang kesalahan sebesar 27.392 X3i tidak diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 1.S.654 t Sig.Bambang Subali.273 3 Residual . suhu b Dependent Variable: KU2 Coefficients(a) Model Unstandardized Coefficients B 2.451 t Sig.020 F 21. Regression Variables Entered/Removed(b) Model Variables Entered 1 intcahaya. M.956(a) . Error of the Estimate .298 .524 .619 a Dependent Variable: KU1 Ternyata garis regresi Yi = 3.718 – 0.718 -.63 Coefficients(a) Model Unstandardized Coefficients B 3.14087 ANOVA(b) Model 1 Sum of Squares df Mean Square .172 Std.135 .442 . b Dependent Variable: KU2 Variables Removed .914 .011 -. intcahaya.726 .001(a) Regression 1. suhu(a) a All requested variables entered.119 6 Total 1. kelbban.140 -1. 1 (Constant) suhu kelbban intcahaya 1. Method Enter Model Summary Model R R Square Adjusted R Square 1 .014 .124 Standardized Coefficients Beta -.142 . hasilnya sebagai berikut.384 Sig. . kelbban. Dengan prosedur yang sama dan kita dudukkan KU2 sebagai variabel respons.025 X2i + 0.392 Std. Error 4.387 .

451 a Predictors: (Constant). kelbban.117 Total .466 dengan peluang kesalahan sebesar 9. suhu ANOVA(b) Sum of Squares Regression .13974 Coefficients(a) Model Unstandardized Coefficients B -7. suhu b Dependent Variable: KU3 Model 1 df 3 6 9 Mean Square . intcahaya.091(a) Std.045 1.303 . Dengan prosedur yang sama dan kita dudukkan KU3 sebagai variabel respons.518 Standardized Coefficients Beta 3.1 % berada di atas batas taraf kesalahan 5%. Method Enter Model Summary Model R R Square Adjusted R Square 1 .122 2.530 . M.070 -3.384 -2.021 .328 .385 .036 1. Regression Variables Entered/Removed(b) Model Variables Entered 1 intcahaya.478 .029 1.031 X2i + 0.107 .164 X3i diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 21.061 Ternyata garis regresi Yi = -7. intcahaya.123 .773 + 0.054 . b Dependent Variable: KU3 Variables Removed .796(a) . kelbban.064 .385 X1i + 0. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .011 – 0. Error of the Estimate .352 . Error 4.070 X2i – 3.496 X3i diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 3.320 a Predictors: (Constant). suhu(a) a All requested variables entered.Bambang Subali.918 Ternyata garis regresi Yi = 2.623 t Sig.496 Std.773 .466 Sig. Dari tiga model garis regresi ternyata garis regresi dengan KU2 sebagai nilai komunitas Dr.133 .164 .030 1.384 dengan peluang kesalahan sebesar 0. kelbban.203 Residual .031 .736 3.634 .S.64 kelbban intcahaya a Dependent Variable: KU2 .020 F 3.068 .01% jauh di bawah batas taraf kesalahan 1%. (Constant) Suhu kelbban intcahaya a Dependent Variable: KU3 1 -1. .172 X1i + 0.631 -1. hasilnya sebagai berikut.

385 Sig. suhu ANOVA(b) Sum of Squares Regression 1.050. sebagaimana tampilan berikut. a Dependent Variable: KU2 Model Summary Model R R Square Adjusted R Square 1 .65 tumbhan bawah tegakan Acacia untuk dijadikan variabel respons diterima dengan signifikan. sehingga diperoleh hasil analisis sebagai berikut.S. Regression Variables Entered/Removed(a) Model 1 Variables Entered suhu Variables Removed .Bambang Subali.018 F 70. M. Method Stepwise (Criteria: Probability-of-F-to-enter <= .250 . kemudian meilih menu pada boks Method yaitu menu Stepwise.885 a Predictors: (Constant).000(a) Dr.392 a Predictors: (Constant). Pemrograman sudah selesaidan pilih/klik menu OK . .898 .13326 Mean Square 1.100). Error of the Estimate . suhu b Dependent Variable: KU2 Model 1 df 1 8 9 Std. Prosedurnya kembali ke tampilan menu regresi dengan KU 2 sebagai variabel respons.142 Total 1. 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. Probability-of-F-to-remove >= . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .948(a) .250 Residual .

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.Bambang Subali.063 Collinearity Statistics Tolerance . Partial Correlation .66 Coefficients(a) Model Unstandardized Coefficients B 1 (Constant) suhu a Dependent Variable: KU2 6.390 .156 intcahaya . M.400 .763 – 0.25 Xi.131 .000 .948 Standardized Coefficients Beta t Sig.030 -. Dr.806 .354(a) 1.057(a) . 8.000 Excluded Variables(b) Model Beta In t Sig. suhu b Dependent Variable: KU2 1 . Error . sedangkan kelembaban dan intensitas cahaya tidak begitu berperan.123 kelbban .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.285 .250 Std.S. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .394 -8.763 -.166 a Predictors in the Model: (Constant).

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

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

Sign up to vote on this title
UsefulNot useful