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

8 32.2 27. Jika interaksinya bersifat positif.3 31. hasil panenan tanaman padi ladang akibat pengaruh kombinasi macam pupuk dan waktu pemupukan dalam rancangan acak kelompok (dalam kwintal). Sebaliknya.3 32. Contoh: Suatu penelitian ingin mengetahui pengaruh kombinasi macam pupuk dan waktu pemupukan terhadap hasil panenan tanaman padi ladang yang ditanam pada polibak dengan kondisi yang homogen.9 Pupuk N Sebelum tanam 29.7 31.7 30.1 Pupuk K Sebelum tanam 29.2 28. Oleh karena itu rancangannya berupa rancangan faktorial befaktor (dua faktor) pola acak lengkap. 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. Tabel 1.1 29. akibatnya respons yang terjadi secara signifikan akan lebih rendah/lebih kecil dibanding kalau masing-masing faktor bekerja sendiri-sendiri/terpisah. jika interkasinya negative maka akan terjadi hambatan oleh salah satu faktor atau faktor-faktor tersebut saling menghambat.3 BAB 1.8 29.7 32. Sebaliknya jika pemupukan sudah melebihi batas optimal maka penambahan dosis pupuk N saja atau dosis pupuk P saja akan berdampak lebih kecil jika dibandingkan tanaman tersebut dipupuk dengan kombinasi N dan P. maka hasilnya secara signifikan akan lebih rendah jika dibandingkan dengan tanaman kacang tanah yang dipupuk dengan kombinasi pupuk P dan N pada dosis yang sama.0 33.Bambang Subali.2 30.0 Sesudah tanam 32.6 29. 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. Tanpa pupuk Blok Sebelum Sesudah ke tanam tanam 1 2 3 4 28.6 30. Kalau misalnya tanaman kacang tanah dipupuk N saja dengan dosis tertentu atau dipupuk dengan pupuk P saja dengan dosis tertentu. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . Tentu saja hal tersebut berlaku sepanjang dosis tersebut masih dibawah dosis optimal yang diperlukan untuk memacu pertumbuhannya.4 Dr.7 32.6 30.8 31. Hasil penelitian akibat pengaruh kombinasi macam atau jenis pupuk (dengan atribut tanpa diberi pupuk. pupuk N dan pupuk K) dan waktu pemberian pupuk (dengan atribut diberikan sebelum tanam dan sesudah tanam) menunjukkan hasil sebagai berikut.S.8 Sesudah tanam 32. M.7 31.6 36.

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

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

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

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

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

583 31.975 30.9207 1. selanjutnya pilih (klik) menu OK dan akan diperoleh hasil analisis sebagai berikut.6153 1.788 32.0675 N 4 4 8 4 4 8 4 4 8 12 12 24 Dr.9 Pemrograman sudah selesai.S.4071 1.3480 .1991 2.Bambang Subali.3843 2. 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 29.8655 2.400 30.7348 1.675 31.033 Std. M. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .275 31.7332 3.4315 1.483 31.9287 .075 30.338 29. Deviation 1.275 31.500 32.

649 Lower Bound 28. Dr.095 . juga hasil panen akibat pengaruh waktu pemupukannya untuk setiap macam pemupukan.701 32. Demikian pula pengaruh waktu pemupukan serta pengaruh interaksi macam pupuk dan waktu pemupukan juga tidak signifikan dengan Fhitung berturut-turut 2.383 (Adjusted R Squared = .338 30.663(a) 23113.9% dan 8.975 Std.725 7.159 .S. dan yang tidak dipupuk).612 Upper Bound 31.476 3.236 6859.451 7. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .7%.788 31.313 23 a R Squared = .627 11.812 dan besarnya peluang kesalahan 15. .699 2.974 29. pupuk N.155 dan 2.211 .812 Sig.000 .627 5. Error . 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 37.649 .260 9. M.649 .151 33.952 60.Bambang Subali. mcmpupuk (maksudnya macam pupuk) Estimates Dependent Variable: hslpanen 95% Confidence Interval mcmpupuk pk pn tanpappk Mean 30.424 30.338 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%.10 Dari data hasil analisis statistika deskriptif kita dapat melihat rata-rata hasil panen akibat pengaruh macam pupuk yang berbeda (akibat pemberian pupuk K. Estimated Marginal Means 1.940 Df 5 1 2 1 2 18 24 Mean Square 7.6999 dengan peluang kesalahan 21.774 1.533 23113.155 2.212) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 1.1% sehingga tidak signifikan karena jauh diatas kesalahan 5%.260 18.650 23211.087 98.369 F 2.

638 1. M.11 Pairwise Comparisons Dependent Variable: hslpanen (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -.530 95% Confidence Interval Lower Bound 29.451 Df 2 Mean Square 5. 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.650 18 3.530 .566 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .918 .212 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments). 2.291 -.116 -.918 .378 1.291 -1.597 32.369 The F tests the effect of mcmpupuk.450 -1. Univariate Tests Dependent Variable: hslpanen Sum of Squares Contrast Error 11.378 .741 3.370 30. Error Sig.699 Sig.583 .091 .S. Dr.188 1. 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.Bambang Subali. Error sblmtnm ssdhtnm 30. .630 .725 F 1.741 2.483 31.918 .918 .(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -2. sebagaimana tampak pada hasil analisis pada tabel di atas.478 -3. waktupemp (MAKSUDNYA WAKTU PEMUPUKAN) Estimates Dependent Variable: hslpanen waktupemp Mean Std.450 -1. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.212 .1% jauh di atas batas taraf kesalahan 5%.188 Std.697 Hasil analisis akibat pengaruh faktor waktu pemupukan juga tidak berbeda dengan pengaruh faktor macam pupuk.211 60.630 .116 pk pn tanpappk Pn Tanpappk Pk Tanpappk Pk Pn .566 3.918 .638 .918 .470 Upper Bound 31.091 .478 -3.

918 95% Confidence Interval Lower Bound 27.918 .260 Error Df 1 Mean Square 7.159 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments). Oleh karena itu. maka meskipun kita meminta untuk uji lanjut dengan LSD.347 29.203 33. 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. Karena program SPSS hanya menganalisis efek utama darai faktor-faktor perlakuan tetapi bukan interaksinya. Error Sig.472 27.474 2.100 1. M.572 30. simpangan baku beserta batas bawah dan batas atas nilai rata-rata pada tingkat populasi sebagaimana tersaji pada tabel di bawah ini.275 Std.260 F 2.(a) 95% Confidence Interval for Difference(a) Lower Bound -2.159 .674 -.918 . Error . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .003 34.675 31.Bambang Subali. jika efek interaksi signifikan maka harus diadakan uji lanjut dengan perhitungan secara manual. Univariate Tests Dependent Variable: hslpanen Sum of Squares Contrast 7.918 .12 Pairwise Comparisons Dependent Variable: hslpanen (I) waktupemp (J) waktupemp Mean Difference (I-J) -1.749 . mcmpupuk * waktupemp Dependent Variable: hslpanen mcmpupuk waktupemp Mean Pk Pn tanpappk sblmtnm ssdhtnm sblmtnm ssdhtnm sblmtnm ssdhtnm 29.400 29.347 Upper Bound 31.328 31.159 60.603 33.147 30.075 32.650 18 3. maka rancangannya berupa rancangan Dr.918 .155 Sig. 3.500 32. dan sebaliknya harus diuji pula signifikansi perbedaan antar macam pupuk pada tiap atribut/kategori waktu pemupukan.428 34. hasil yang keluar hanya menunjukkan nilai rata-rata.474 Upper Bound .S.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. .674 sblmtnm ssdhtnm Ssdhtnm Sblmtnm .747 29. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.275 31.749 .918 .100 Std.369 The F tests the effect of waktupemp.

hasil panenan tanaman padi ladang akibat pengaruh kombinasi macam pupuk dan waktu pemupukan dalam rancangan acak kelompok (dalam kwintal).0 33.8 31. Tabel 2.6 29.7 31.8 Sesudah tanam 32.0 Sesudah tanam 32.9 Pupuk N Sebelum tanam 29.7 30. Tanpa pupuk Blok Sebelum Sesudah ke tanam tanam 1 2 3 4 28. Hasil penelitian menunjukkan hasil sebagai berikut.2 27.2 30.13 faktorial befaktor (dua faktor) pola acak kelompok atau pola berblok.S.8 32. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .6 30.1 Pupuk K Sebelum tanam 29.3 32.7 32.6 36.7 32.3 31.1 29.6 30. Dr.4 Sajian data untuk analisis varians multi-arah dengan program SPSS adalah sebagai berikut. M.2 28.7 31.8 29.Bambang Subali.

M. Jika di klik/ditekan tombol enter akan muncul tampilan sebagai berikut. kemudian memilih submenu general linear model. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .Bambang Subali. 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.S. Selanjutnya masukkan variable hasil panenan (hslpanen) ke dalam variable tergayut (dependent variable). 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. Dr.14 Gambar 1. maka pilih menu analyze.

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

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

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

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

Bambang Subali. .2828 3.8385 1.300 31.4071 2.3234 1. .400 31. .600 32.450 30. .800 31. Deviation .000 30.950 29. .8991 1.275 29.800 31. 1.8655 1.900 30. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .338 29. .788 28. .1314 . . .700 30.700 31.9207 .400 30.600 36.950 29. .3480 .800 29. 1.7348 . . .19 Descriptive Statistics Dependent Variable: hslpanen mcmpupuk waktupemp Pk sblmtnm Blok 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 1 Mean 29.700 30. . .200 27.000 33.300 32.4749 2.4315 2. . . 3. .675 30.200 30.800 32. .700 32.600 29.200 28.075 30.900 31.750 30.275 32. . 1.S.800 32.100 29. M.700 32.500 32.4749 2.450 Std.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.7332 .000 29.100 29.9287 .600 30.5456 1.700 31. .

7550 .650 Total 23211.777 F 1. Estimated Marginal Means 1.S.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 41.663(a) Intercept 23113.483 31.6% dan efek interaksi dari kedua fakor perlakuan.251) pengaruh atau efek utama waktu pemupukan juga tidak signifikan karena peluang kesalahannya jauh di atas 5% yakni 18.476 1. yakni pengaruh interaksi antara variabel macam pupuk dan waktu pemupukan.5106 1.975 28.500 30. mcmpupuk Estimates Dependent Variable: hslpanen Dr.Bambang Subali.379 6120.750 31.1% atau (dalam tabel tertulis 0.4163 2.725 7.208 23113.7032 2.251 .550 32.333 31.8717 2.900 31.6153 1.451 Waktupemp 7.282 .115 .3215 4.5%.967 31.367 31.600 31.353 Sig.7778 1.922 2.900 31.233 30. .8461 2.7251 1.000 Error 56.424 (Adjusted R Squared = .8414 3.467 31.260 9.3856 .952 Blok 4.150 31.433 31.2021 2.113 1.260 mcmpupuk * waktupemp 18.300 31.516 1.333 3.509 .0146 1. juga tidak signifikan karena peluang kesalahannya jauh di atas 5% yakni 11. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .583 30.627 Mcmpupuk 11.2368 1.3843 .000 .627 5.1820 .033 3. M.186 .313 a R Squared = .940 Corrected Total 98.20 2 3 4 Total Total sblmtnm 1 2 3 4 Total 1 2 3 4 Total 1 2 3 4 Total 34.400 30.788 Dari tabel analisis varians di atas dapat diketahui bahwa pengaruh atau efek utama variabel macam pupuk tidak signifikan karena peluang kesalahannya mencapai 25.1991 1.116) df 8 1 2 1 2 3 15 24 23 Mean Square 5.

Error 95% Confidence Interval Dr.259 . waktupemp Estimates Dependent Variable: hslpanen waktupemp Mean Std. dan hasil analisisnya sebagai berikut.188 1.972 . 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. sehingga tidak signifikan pada taraf kesalahan 5%.259 Dari tabel pembandingan sebagai uji lanjut dari efek utama variabel macam pupuk juga menunjukkan tidak ada yang berbeda signifikan.873 31.188 Std. Pk Mean Difference (I-J) -.709 -.113 Pn .252 30.434 3. yang semuanya jauh di atas 5%.650 15 3. Univariate Tests Dependent Variable: hslpanen Sum of Squares Df Mean Square F Sig.725 1.638 .975 Std.251 Error 56. Tampak kolom (I-J) menunjukkan besarnya selisih nilai rata-rata.972 . karena taraf kesalahannya jauh di atas 5%.338 30. Hasil analisis untuk factor waktu pemupukan juga sama saja hasilnya sebagaimana pengaruh factor macam pupuk.451 2 5. yakni 25.621 2. 2.972 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . dan kolom sig.450 -1.777 The F tests the effect of mcmpupuk. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.450 -1.S. Error Sig.Bambang Subali.241 tanpappk Pk .972 .650 Tanpappk .972 .972 .687 .323 32.687 95% Confidence Interval Lower Bound Upper Bound 28.638 1.621 -3.21 mcmpupuk Pk Pn tanpappk Mean 30.788 31.439 Pairwise Comparisons Dependent Variable: hslpanen (I) mcmpupuk (J) mcmpupuk Pn .1%.(a) menunjukkan besarnya peluang kesalahan untuk menunjukkan perbedaan antar kategori/atribut perlakuan macam pupuk.521 -3.884 3.687 .241 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).434 -1.709 .884 -.(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -2. Contrast 11.650 Tanpappk .521 1. Error . M.516 .113 Pn Pk .511 33.802 29.

779 Sblmtnm Ssdhtnm 30.972 .204 31. maka walaupun efek interaksi dimasukkan pada bok Display means kemudian dianalisis bedanya.679 30.793 .972 .(a) 95% Confidence Interval for Difference Difference(a) (I-J) Lower Bound Upper Bound Sblmtnm Ssdhtnm -1.288 31. Error Sig.791 .675 31. 3.186 Error 56.075 32. pengujian signifikansi efek pengeblokan akibat kecurigaan terhadap tingkat kesuburan petak-petak penanaman yang berbeda ternyata tidak signifikan.922 .429 31. Contrast 7.591 2.483 31.100 .583 .500 32.650 15 3.329 33.275 31.146 30.471 27. Karena program yang ada hanya menguji signifikansi efek utama.400 29. Error .746 29.100 .S. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .561 Pairwise Comparisons Dependent Variable: hslpanen (I) waktupemp (J) waktupemp Mean Std.388 32.604 34.972 95% Confidence Interval Lower Bound Upper Bound 27.972 .004 34. Univariate Tests Dependent Variable: hslpanen Sum of Squares df Mean Square F Sig.346 29.260 1 7. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.Bambang Subali.972 .972 .260 1. 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.561 .22 Lower Bound Upper Bound 29.571 30.204 33.793 .186 -2.591 Ssdhtnm Sblmtnm 1. namun hasil akhirnya tidak dapat diperoleh.186 -. Dengan demikian uji lanjut sebagaimana tersaji pada hasil berikut ini juga tidak signifikans.791 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).275 Std. M.777 The F tests the effect of waktupemp. mcmpupuk * waktupemp Dependent Variable: hslpanen mcmpupuk Waktupemp Mean Pk Pn tanpappk Sblmtnm Ssdhtnm Sblmtnm Ssdhtnm Sblmtnm Ssdhtnm 29. dan keluarannya hanya memberikan selisih rata-rata dan batas minimum dan batas maksimum nilai rata-rata perkiraan atau estimasinya.346 Berdasarkan tabel analisis varians di atas.

122 .500 .200 1.325 -2.591 4 31.793 29.609 32.122 .067 1. 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -3.357 3 -.467 1.122 .122 .726 4 1 .122 .991 -2.122 .191 -1. Error Sig.122 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . blok Estimates Dependent Variable: hslpanen Blok Mean Std.452 2 -.209 32.726 Based on estimated marginal means a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).122 .300 .793 29.S.191 2.122 .452 2 1 1.400 1.791 1.742 32.600 1.400 1.793 28.591 2. 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.925 -3.991 2.858 -2.(a) tampak bahwa besarnya peluang untuk setiap nilai selisih antar blok menunjukkan harga di atas 5%.258 1.683 2 -.601 4 -.991 1. Dr.325 3. 4.122 .191 3 30.991 Pairwise Comparisons Dependent Variable: hslpanen (I) blok (J) blok Mean Difference Std.791 Karena hasil analisis varians menunjukkan efek blok tidak signifikan.433 .067 1.(a) (I-J) 1 2 -1.791 -2.467 1.793 29.925 2.867 1.525 -1. Error 95% Confidence Interval Lower Bound Upper Bound 1 30.122 .867 1.861 3 .458 -1. M.200 1.900 .991 -1.600 1.458 1.791 2.124 2 31.23 dengan rancangan acak sempurna (completely randomized design).809 33.683 4 -.525 3.Bambang Subali.357 3 .858 1.122 .258 -2.861 3 1 .601 4 .591 -1.

000 3 Error 56.24 Univariate Tests Dependent Variable: hslpanen Sum of Squares df Contrast 4. Analisis varians satu jalur yang hanya menguji signifikansi pengaruh blok terhadap hasil panenan padi juga tidak menujukkan hasil yang signifikan dengan peluang sebesar 78.777 Sig.650 15 Mean Square F 1.8% jauh diatas batas taraf kesalahan 5%.333 .353 3.Bambang Subali. M. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . .788 The F tests the effect of blok. Dr. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.S.

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

Apabila ada satu faktor lain selain faktor perlakuan yang tidask homogenkan maka dapat diupayakan homogen pada tingkat blok. Kalau kita akan pengetahui efek macam pupuk terhadap pertumbuhan tanaman cendana. >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. 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. misalnya tanaman yang ada berkisar antara 8 sampai 16 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. M. Dr.S. ada yang >10 . ada yang >12 – 14 cm. maka factor tinggi awal kita jadikan sebagai faktor peragam/kovariat/kovariabel. 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. maka efek treatmen (perlakuan) menjadi dipengaruhi oleh factor peragam. Demikian pula bila tinggi awalnya tidak homogen. Misalnya areal penanamannya tidak homogen kesuburannya maka kita buat blok-blok yang homogen sehingga seluruh perlakuan ada wakilnya pada setiap blok tanam. Kalau akan dicoba tiga macam pupuk.12 cm. Kalau biji yang kita semai hanya sedikit dan akhirnya setelah kita kelompokkan agar homogen ditiap kelompok pun tidak berhasil. 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.Bambang Subali. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . maka ukuran tanaman. termasuk jikalau dihomogenkan dengan pengeblokan.

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

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

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

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

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

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. 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.S.7500 40.75 cm.0 cm. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .5000 41.5 cm.50925 7.0000 38.32 Pemrograman sudah selesai. Deviation 2. yang diberi pupuk P 41. Dr. yakni semai cendana yang diberi pupuk N 40. dan yang diberi pupuk K 32. selanjutnya pilih (klik menu OK dan akan diperoleh hasil analisis sebagai berikut.0833 Std.52773 6.Bambang Subali. M.98608 4.

541 -10.657 18.653 40.608 17404.321 2. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . yang diberi pupuk P 38.071 dan besar peluang kesalahan hanya 0.658 9.537 .615 Lower Bound 31. Estimated Marginal Means mcmpupuk Estimates Dependent Variable: tingakhir 95% Confidence Interval Mcmpupuk Pupukk Pupukn Pupukp Mean 34.541 -6. Pairwise Comparisons Dependent Variable: tingakhir (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -3.422(*) 1.135 .443 5.979 -5. Dr.371(a) 1.929(a) Std.773 -.Bambang Subali.234 2.000 .746) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 8.S.422(*) 3. .33 Tests of Between-Subjects Effects Dependent Variable: tingakhir Source Type I Sum of Squares Corrected Model Intercept Mcmpupuk Tingawal Error Total Corrected Total 349.083 171.048 .595 Based on estimated marginal means * The mean difference is significant at the .083 85.443 Std.003 a R Squared = .773 6.730 44.321 2.(a) Pupukk Pupukn Pupukp Pupukn Pupukp Pupukk Pupukp Pupukk Pupukn . M.595 .135 .371 cm. Error 2.917 Df 3 1 2 1 8 12 11 Mean Square 116.010 .887 F 11.133 35.070 -1.394 2. a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).000 428.950(a) 38.710 10.979 -1.394 2.816 (Adjusted R Squared = .167 178.4167.710 9.657 dengan peluang kesalahan 1% sehingga signifikan di bawah taraf kesalahan 5%.499 3.070 -3.388 8.655 1.003 .092 17833.95 cm. Setelah pengaruh factor peragam dihilangkan maka diperoleh nilai rata-rata terkorekasi (adjusted mean) dari tinggi semai cendana yang diberi pupuk N yakni 34. dan yang diberi pupuk K 40.583 178.767 42.795 1760.071 Sig.013 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.05 level.579 36.499 1. Demikian pula pengaruh fator tinggi awal sebagai peragam sangat signifikan karena dengan Fhitung sebesar 18.3% jauh lebih kecil dari batas kesalahan 1%.204 Upper Bound 38.825(a) 17404.658 79.537 95% Confidence Interval for Difference(a) Lower Bound Upper Bound -9.234 Sig.048 . Error 1.929 cm.

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. 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. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .949 Df 2 Mean Square 27.83 dan besar peluang 11. 0. 0. untuk atribut/level/taraf perlakuan kedua diberi kode 0 dan 1.34 Univariate Tests Dependent Variable: tingakhir Sum of Squares Contrast Error 55.092 8 9. dan 0 Variabel dummy yang terbetuk Tiga variabel Dr. dan 0 • atribut/taraf/ level kedua diberi kode 0. Perhatikan tabel di bawah ini.422 cm. yakni dengan Fhitung sebesar 2.1.887 The F tests the effect of mcmpupuk. 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.974 F 2. M. Namun demikian.S. . 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.Bambang Subali. atribut/level/taraf perlakuan ketiga diberi kode 0 kemudian 0 lagi dan selanjutnya 1.8% jauh di atas batas kesalahan 5%. untuk atribut/level/taraf perlakuan kedua diberi kode 0 kemudian 1 dan 0.118 79. dan 1 • atribut/taraf/ level keempat diberi kode 0. 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. This test is based on the linearly independent pairwise comparisons among the estimated marginal means. dan atribut/level/taraf perlakuan keempat diberi kode 0 kemudin 0 dan sekali lagi 0 sehingga terbentuk tiga variable dungu. variable macam pupuk harus diubah menjadi variable dungu (dummy variable) dengan menggunakan kode. 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. Jika ada tiga atribut/level/taraf perlakuan maka atribut/level/taraf perlakuan pertama diberi kode 1 dan 0. maka digunakan uji regresi. 1. dan atribut/level/taraf perlakuan ketiga diberi kode 0 dan 0 sehingga terbentuk dua variable dungu.

S. dan tinggi awal ke dalam boks independent variable. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . 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.Bambang Subali. Selanjutnya data dianalisis dengan diawali memilih menu analyse kemudian memilih menu regression. M. Dr. masukkan variabel dummy 1. dummy 2. kemudian di ‘klik’ akan tampil tampailan sebagai berikut. terus memilih linear.

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

Regression Descriptive Statistics Mean 38.Bambang Subali.286 .345 -. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .184 .266 . .049 .500 .371 12 12 12 Tingawal .345 .492 2.31432 N 12 12 12 12 tingakhir Dammy1 Dammy2 Tingawal Tampak hasil analisis deskriptif nilai rata-rata.828 .33 .000 .184 .492 .33 11.0833 .136 .37 Pemrograman sudah selesai dan pilih/klik menu OK dan akan keluar out put sebagai berikut.106 1.286 1.000 . (1-tailed) N Tingakhir dammy1 dammy2 Tingawal Tingakhir dammy1 dammy2 Tingawal Tingakhir dammy1 dammy2 Dr.000 . .106 .049 . .500 1. simpangan baku dan ukuran ulangan pengamatannya. M.000 -.000 .828 . Deviation 6.4167 Std.000 12 12 12 dammy1 .371 .24439 . 12 12 12 Pearson Correlation Sig.S.202 12 12 12 dammy2 . Correlations tingakhir 1.202 .136 .266 .

423 + 3.422(0) + 1. dammy2.979(1) + 5.048 .917 11 a Predictors: (Constant).746 Std.003(a) 428.092 df 3 8 Mean Square 116. ANOVA(b) Model 1 Regression Residual Total Sum of Squares 349.903(a) R Square .95 dengan peluang kesalahan sebesar 0.427 . 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. dammy1(a) Variables Removed .423 4. . dammy1 Setelah seluruh variable bebas dimasukkan.S.3% jauh di bawah batas 1%.81 atau 81% menunjukkan hubungan variable bebas (factor perlakuan dan peragam) dengan variable responsnya dapat diterangkan oleh model yang diperoleh.886 Xi dapat dipakai untuk menjelaskan hubungan regresi antara variable predictor dan variable responsnya dengan Fhitung sebesar 17.14428 a Predictors: (Constant). Error of the Estimate 3.336 4.816 Adjusted R Square . tingawal. tingawal.423 + 3.422 2.135 .321 tingawal 1.Bambang Subali. M.887 F 11. b Dependent Variable: tingakhir Model Summary Model 1 R . 2.422 d2 + 1. dammy1 b Dependent Variable: tingakhir Coefficients(a) Unstandardized Coefficients B Std. dammy2.825 79.38 Variables Entered/Removed(b) Variables Entered tingawal.402 + 1. jadi sangat signifikan.886 .699 T Sig.024 . dammy2.790 1.003 Garis regresi yang diperoleh adalah Yi = 13. Model 1 Method Enter a All requested variables entered.886 Xi = 17.979 2.979 d1 + 5.795 Sig.394 dammy2 5.444 a Dependent Variable: tingakhir Model Standardized Coefficients Beta .314 .811 dammy1 3.886 Xi pada atribut kedua (saat tanaman dipupuk dengan pupuk P) hubungan antara variable peragam Dr. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .608 9.251 . diperoleh koefisien regresi sebesar 0. Error 1 (Constant) 13.662 2.

422(0) + 1.423 + 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.979(0) + 5.886 Xi.25 – 11. M.423 + 3.Bambang Subali.5 Rata-rata terkoreksi tinggi akhir dari tanaman yang dipupuk N (∑Y1iterkoreksi/ni) = ∑Y1i/ni – b1(∑X1i/ni .886 Xi = 13.886(12.979(0) + 5.25 Rata-rata observasi tinggi akhir dari tanaman yang dipupuk N (∑Y1i/ni) = 162/4 = 40.845 + 1.886 Xi = 18. dan pada atribut pertama (saat tanaman dipupuk dengan pupuk K) hubungan antara variable peragam tinggi (Xi) awal dan tinggi akhir (Yi) dapat diterangkan oleh persamaan regresi: Yi = 13. Rata-rata observasi tinggi awal total (∑Xi/n) = 137/12 = 11. maka berakibat pada ketidak seragaman pencahayaan di lokasi eksperimen.423 + 3.5 – 1.∑Xi/n) = 40.422(1) + 1. Besarnya koefisien regresi b1 yang dipakai untuk memperhitungkan pengaruh atau kontribusi factor atau variable peragam adalah 1.886 Xi. Tabel hasil penelitiannya sebagai berikut.41666667 Rata-rata observasi tinggi awal dari tanaman yang dipupuk N (∑X1i/ni) = 49/4 = 12.S.41666667) = 38.886 artinya nilai rata-rata tinggi akhir terkoreksi pada masing-masing atribut adalah sebesar nilai rata-rata tinggi akhir observasi dikurangi dengan nilai koefisien regresi b1 dikalikan dengan selisih nilai rata-rata tinggi awal pada atribut yang bersangkutan dikurangi dengan rata-rata tinggi awal untuk seluruh perlakuan. Apabila eksperimen tersebut dilakukan di lapangan dan lokasinya sangat sempit dan sebagian dinaungi pohon besar. Besarnya rata-rata tinggi akhir terkoreksi pada tanaman yang dipupuk dengan pupuk N diperoleh dengan cara sebagai berikut.39 tinggi (Xi) awal dan tinggi akhir (Yi) dapat diterangkan oleh persamaan regresi: Yi = 13. Dr. Oleh karena itu rancangannnya berupa rancangan kovarians pola acak kelompok atau pola berblok. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .

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

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

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

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

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

00 Dr. klik menu OK dan akan diperoleh hasil analisis sebagai berikut. klik menu Continue sehingga kembali ke tampilan awal seperti berikut.S.45 Bila sudah selesai memilih.Bambang Subali.00 2. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .00 4.00 3. Pemrograman sudah selesai. Univariate Analysis of Variance Between-Subjects Factors N 4 4 4 3 3 3 3 mcmpupuk pupukK pupukN pupukP Blok 1. M.

Bambang Subali. Demikian pula pengaruh fator tinggi awal sebagai peragam sangat signifikan karena dengan Fhitung sebesar 24.984 17833.5000 30. 4.0000 47.98608 . . 2. Tests of Between-Subjects Effects Dependent Variable: tingakhir Source Type I Sum of Squares Corrected Model Intercept mcmpupuk Tingawal Blok Error Total Corrected Total 401.00 2.00 2.989 17404.S. Deviation .972 5.00 Total pupukN 1.849 32.007 .937 (Adjusted R Squared = .77350 3. M.0000 47.75 cm) juga rata-rata totalnya (38.0833).0000 32.3333 39.0000 32.00 4. . dan pupuk K 32. . .3333 38.00 Total Total 1.0000 44.00 2.00 4.7500 40.93725 6. setiap atribut macam pupuk (nilai rata-rata observasi tinggi akibat pemberian pupuk N 40. pupuk P 41.0000 32.0000 43.0000 40.24439 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.7% jadi sangat signifikan di bawah taraf kesalahan 1%. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .862) Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung akibat pengaruh macam pupuk sebesar 15.50925 .083 85. .413 3224.00 4.0000 38.00 3.0000 33. 7. .00 3.00 4.0000 37.52773 5.040 a R Squared = .007 .110 Sig.863 15.0833 Std.858 24.0 cm.397 F 12.083 171. .849 98.932(a) 17404.00 3.5 cm.431 6.0000 37.583 131.0000 41.4311 dengan besar peluang Dr.004 . .167 131.00 3.00 2.63763 7.46 Descriptive Statistics Dependent Variable: tingakhir mcmpupuk pupukK blok 1.00 Total pupukP 1.917 26.6667 41. .000 428.858 dengan peluang kesalahan 0.0000 38.000 .00 Total Mean 30.21455 7. .917 df 6 1 2 1 3 5 12 11 Mean Square 66.

878 2. .47 kesalahan hanya 0.786 1.612 1.198 1. a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).935 42.653(*) 1.423(a) 1.881 Upper Bound .422 Upper Bound 37.604 35.05 level.652 .786 1.979 37.446 Based on estimated marginal means * The mean difference is significant at the . mcmpupuk Estimates Dependent Variable: tingakhir mcmpupuk Mean Std.653 cm.220 8.(a) 95% Confidence Interval for Difference(a) Lower Bound -8.062 .612 PupukK PupukN pupukP pupukN pupukP pupukK pupukP pupukK pupukN 1.566 26.611 Sig. 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. Pengaruh fator blok juga signifikan karena dengan Fhitung sebesar 6. Error Sig.110 besar peluang kesalahannya hanya 4% lebih kecil dari batas kesalahan 5%.053 The F tests the effect of mcmpupuk.S.220 -2.4167. Pairwise Comparisons Dependent Variable: tingakhir (I) mcmpupuk (J) mcmpupuk Mean Difference (I-J) -4.652 1.366 Std. dan yang diberi pupuk K 34.770(a) 39.087 5.062 .770 cm.725 1.653(*) 4.Bambang Subali.022 .725 1. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .231 1.424 a Covariates appearing in the model are evaluated at the following values: tingawal = 11. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.057 cm.057(a) 40.397 F 5.288 -1.881 10.446 .288 -5.022 .167 95% Confidence Interval Lower Bound 31.087 -.136 43. Estimated Marginal Means 1.303 -1.984 df 2 5 Mean Square 30. Error PupukK PupukN PupukP 34.303 -5.423 cm. Univariate Tests Dependent Variable: tingakhir Sum of Squares Contrast Error 60. yang diberi pupuk P 40.366 5. namun uji dengan tes univariat melalui uji kontras untuk membandingkan Dr.283 5.878 -10. M.4% jauh lebih kecil dari batas kesalahan 1%. Setelah pengaruh factor peragam dihilangkan maka diperoleh nilai rata-rata terkorekasi (adjusted mean) dari tinggi semai cendana yang diberi pupuk N yakni 39.

809 .911 1.660 1.234(a) 1. Error Sig.182 .736 -8.936(*) 2.00 41.611 dan besar peluang 5.00 1. namun uji dengan tes Dr.00 -2.660 -5.929 1.344 34.736 4.022 1.356 -1.900 1.00 4.626 38.953 1.108 26.984 3 5 Mean Square 17.929 2. a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).487 -2.400 1.025 . Dari hasil analisis lanjut menggunakan uji beda nyata terkecil menunjukkan ada perbedaan tinggi semai cendana antara blok 1 dan blok 4 dengan selisih 5.025 -5.144(a) 1.538 -3.00 3.689 4.953 1.696 44.00 3. M.747(a) 1.929 1.265 .218 Sig.910 Std.00 2.809 .936 cm. This test is based on the linearly independent pairwise comparisons among the estimated marginal means.00 2.911 1.00 2.792 2.910 5.265 .05 level.425 1.120 The F tests the effect of blok.379 34.(a) 95% Confidence Interval for Difference(a) Lower Bound Upper Bound 2.561 8.186 -7.356 7.561 -1.047 -10.975 10.00 37.00 4.400 -8.00 3. Univariate Tests Dependent Variable: tingakhir Sum of Df Squares Contrast Error 52. yakni dengan Fhitung sebesar 5.00 2. 2.00 1.394 31.022 1.00 4.487 -3.48 tinggi akhir dengan memperhatikan tinggi rata-rata yang sudah terkoreksi menunjukkan hasil yang tidak signifikan.209(a) 1.977 7. blok Estimates Dependent Variable: tingakhir Blok Mean Std.425 -7.996 -4.342 37.138 .047 5.398 2.00 35.936(*) 3.397 F 3.369 5.00 3.138 .975 Based on estimated marginal means * The mean difference is significant at the .182 .900 .779 41.4167.00 38.201 41.894 -2.929 1.996 -.00 4.00 1.398 3.3%% sedikit di atas batas kesalahan 5%. Error 95% Confidence Interval Lower Bound Upper Bound 1.186 .795 2. .977 -1.292 3. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .028 .795 .S.028 .538 -. Pairwise Comparisons Dependent Variable: tingakhir (I) blok (J) blok Mean Difference (I-J) 1.894 8.593 a Covariates appearing in the model are evaluated at the following values: tingawal = 11.Bambang Subali.

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

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

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 1.1 25 80 2.3 27 72 2.Bambang Subali.1 25 80 2.9 SU9 1 3 1 6 3 8 1 0 2 3 6 3 2 26 82 1.2 28 70 2.2 SU5 0 1 2 5 3 7 2 1 4 5 1 3 0 28 75 2.3 29 70 2. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .2 26 75 2.51 Tabel 1. M.3 SU4 0 1 1 4 3 6 2 3 5 5 4 2 3 29 74 2.3 28 71 2.3 SU2 1 2 1 1 4 6 3 4 0 6 4 0 3 30 70 2.3 SU3 1 2 1 4 4 6 3 4 5 6 5 2 3 28 71 2.1 Tabel 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 2.9 SU10 0 3 1 6 0 5 0 0 2 3 5 2 0 26 82 1.S.9 SPESIES A B C D E F G H I Y K L M LINGKUNGAN SUHU KELEMBABAN INTENSITAS CAHAYA Dr. 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 2.2 26 75 2.3 27 70 2.3 SU6 0 1 0 5 2 7 2 3 4 5 4 3 3 27 75 2.

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

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

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

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

749 .823 .66410 1.871 SU9 . sehingga semakin melimpah populasi yang satu akan diikuti dengan melimpahnya populasi yang lain menjadi asosiasinya.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. Jika koefisien korelasi positif dan terbukti signifikan artinya asosiasi kedua populasi bersifat positif.0769 3.875 .883 .854 .991 .615 SU5 .0000 3. Untuk menguji tingkat signifikannya dibandingkan dengan rtabel.66410 1.941 .51151 Analysis N 13 13 13 13 13 13 13 13 13 13 SU1 SU2 SU3 SU4 SU5 SU6 SU7 SU8 SU9 SU10 Correlation Matrix SU1 1.939 1.507 .928 1.941 .683 .0000 3. sehingga tidak perlu membandingkan dengan koefisien korelasi pada tabel korelasi.871 .875 1.507 .767 .5385 3.958 1.56 Pemrograman telah selesai.916 .77951 2.951 .568 . sehingga semakin melimpah populasi yang satu akan diikuti dengan menurunnya kelimpahan populasi lan yang menjadi pasangannya.000 .957 .737 .377 SU2 .868 .709 SU6 .745 . M.906 .958 SU10 .713 .957 .000 .939 1.745 .000 1. sehingga akan keluar out put/hasil analisis sebagai berikut .883 .6154 3. Dalam hal demikian boleh jadi karena keduanya memiliki hubungan amensalisme.656 .S. Jika koefisien korelasi negatif dan terbukti signifikan artinya asosiasi kedua populasi bersifat negatif.749 .868 1.928 .906 .377 .951 1.000 .537 .851 .916 .883 .713 .709 .656 .683 SU7 .906 .740 .744 .01914 2.000 .000 .4615 3.8462 Std.737 .957 1.884 .906 .939 .0769 2. Deviation 1.713 . Jika dianalisis dengan analisis korelasi mengikuti prosedur dalam SPSS besarnya peluang untuk setiap koefisien korelasi dapat diperoleh.537 SU4 .337 .4615 3.93484 2.767 .883 .624 .507 .615 . Factor Analysis Descriptive Statistics Mean 3.884 .10311 2.337 .000 1.624 .000 .713 .854 .000 .745 .957 .507 .832 .823 . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .740 SU8 . klik/pilih menu OK.537 .04124 1. Dalam hal ini boleh jadi kedua populasi memiliki ikatan protokooperasi atau karena memiliki nisea yang mirip.0769 3.745 .32600 2.851 .991 1.85362 1.568 .939 .832 .744 .Bambang Subali.802 . Dr.802 .000 .537 SU3 .000 .

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

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

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

dan akan diperoleh hasil sebagai berikut. intcahaya.62 Karena garis regresi yang kita inginkan adalah agar memuat ketiga faktor lingkungannya maka kita memasukkan ketiganya.028 6 Total .005 F 1.674(a) .052 9 a Predictors: (Constant).Bambang Subali. Regression Variables Entered/Removed(b) Model 1 Variables Entered intcahaya. M. Method Enter a All requested variables entered. suhu b Dependent Variable: KU1 Model 1 Mean Square . suhu ANOVA(b) Sum of Squares df Regression . kelbban. Error of the Estimate . ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . intcahaya. b Dependent Variable: KU1 Model Summary R R Square Adjusted R Square . Pemrograman sudah selesai sehingga kita pilih/klik menu OK. suhu(a) Variables Removed . kelbban.455 .024 3 Residual . kelbban.S.06875 Dr.182 a Predictors: (Constant).667 Sig.272(a) Model 1 Std. .008 . sehingga dalam boks Method kita pilih menu Enter.

intcahaya.14087 ANOVA(b) Model 1 Sum of Squares df Mean Square . suhu Std.011 -.654 t Sig. Error of the Estimate .172 Std. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . kelbban.Bambang Subali.215 Dr. M.273 3 Residual .442 . hasilnya sebagai berikut.688 -1.524 .392 X3i tidak diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 1.872 a Predictors: (Constant).069 X1i – 0.914 . Error 4.001(a) Regression 1.135 .392 9 a Predictors: (Constant).025 .203 .384 Sig.667 dengan peluang kesalahan sebesar 27.124 Standardized Coefficients Beta -.424 .718 – 0.020 F 21. intcahaya.726 . kelbban.142 .445 -1. kelbban.718 -. suhu b Dependent Variable: KU2 Coefficients(a) Model Unstandardized Coefficients B 2.140 -1.451 t Sig.672 .358 -1.2%. Method Enter Model Summary Model R R Square Adjusted R Square 1 . Regression Variables Entered/Removed(b) Model Variables Entered 1 intcahaya.S. b Dependent Variable: KU2 Variables Removed . 1 (Constant) suhu kelbban intcahaya 1.387 .63 Coefficients(a) Model Unstandardized Coefficients B 3.298 . suhu(a) a All requested variables entered.119 6 Total 1.061 .069 -.747 Standardized Coefficients Beta -1.392 Std.014 . Error 2.619 a Dependent Variable: KU1 Ternyata garis regresi Yi = 3.956(a) .025 X2i + 0. Dengan prosedur yang sama dan kita dudukkan KU2 sebagai variabel respons. 1 (Constant) Suhu . .514 .

117 Total . Method Enter Model Summary Model R R Square Adjusted R Square 1 .385 X1i + 0. Error of the Estimate .466 dengan peluang kesalahan sebesar 9.64 kelbban intcahaya a Dependent Variable: KU2 .021 . (Constant) Suhu kelbban intcahaya a Dependent Variable: KU3 1 -1.13974 Coefficients(a) Model Unstandardized Coefficients B -7.036 1.918 Ternyata garis regresi Yi = 2.1 % berada di atas batas taraf kesalahan 5%. kelbban.466 Sig.164 .123 .385 .029 1.320 a Predictors: (Constant). kelbban.045 1.070 -3.122 2.011 – 0.773 .172 X1i + 0.030 1. hasilnya sebagai berikut. . suhu ANOVA(b) Sum of Squares Regression .518 Standardized Coefficients Beta 3.384 dengan peluang kesalahan sebesar 0. suhu b Dependent Variable: KU3 Model 1 df 3 6 9 Mean Square .133 .478 .031 X2i + 0. M.020 F 3.203 Residual .451 a Predictors: (Constant).631 -1.496 Std. intcahaya. intcahaya. Dengan prosedur yang sama dan kita dudukkan KU3 sebagai variabel respons. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .530 .031 .773 + 0.623 t Sig. Dari tiga model garis regresi ternyata garis regresi dengan KU2 sebagai nilai komunitas Dr.070 X2i – 3.384 -2.496 X3i diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 3.Bambang Subali.061 Ternyata garis regresi Yi = -7.328 .303 .054 .064 . Regression Variables Entered/Removed(b) Model Variables Entered 1 intcahaya. Error 4.01% jauh di bawah batas taraf kesalahan 1%.164 X3i diterima sebagai model matematik yang dapat menjelaskan hubungan variabel prediktor dan variabel responsnya karena harga Fhitung pada tabel anava hanya 21.634 .352 .091(a) Std. suhu(a) a All requested variables entered.107 . kelbban.068 .796(a) .736 3.S. b Dependent Variable: KU3 Variables Removed .

. a Dependent Variable: KU2 Model Summary Model R R Square Adjusted R Square 1 .000(a) Dr. Pemrograman sudah selesaidan pilih/klik menu OK .050.250 Residual . Probability-of-F-to-remove >= .885 a Predictors: (Constant).250 . sehingga diperoleh hasil analisis sebagai berikut.65 tumbhan bawah tegakan Acacia untuk dijadikan variabel respons diterima dengan signifikan. Method Stepwise (Criteria: Probability-of-F-to-enter <= . Regression Variables Entered/Removed(a) Model 1 Variables Entered suhu Variables Removed .385 Sig. Prosedurnya kembali ke tampilan menu regresi dengan KU 2 sebagai variabel respons. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN . kemudian meilih menu pada boks Method yaitu menu Stepwise. suhu b Dependent Variable: KU2 Model 1 df 1 8 9 Std.S.13326 Mean Square 1. M.018 F 70.898 . Oleh karena itu perlu diuji lebih lanjut dengan uji stepwise (dapat pula uji yang lain seperti backward) untuk mengetahui variabel mana yang sesungguhnya sebagai variabel prediktor.142 Total 1.948(a) . suhu ANOVA(b) Sum of Squares Regression 1. sebagaimana tampilan berikut.392 a Predictors: (Constant).100).Bambang Subali. Error of the Estimate .

394 -8.285 .250 Std. Error .030 -. ANALISIS STATISTIKA UNTUK RANCANGAN PERCOBAAN .131 .763 -. suhu b Dependent Variable: KU2 1 .S.806 .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.156 intcahaya . 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. Partial Correlation . Dr.063 Collinearity Statistics Tolerance .763 – 0. sedangkan kelembaban dan intensitas cahaya tidak begitu berperan.057(a) .123 kelbban .25 Xi. M.354(a) 1. 8.000 .948 Standardized Coefficients Beta t Sig.66 Coefficients(a) Model Unstandardized Coefficients B 1 (Constant) suhu a Dependent Variable: KU2 6.000 Excluded Variables(b) Model Beta In t Sig.Bambang Subali.166 a Predictors in the Model: (Constant).400 .390 .

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

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

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.