Prosedur Mixed (PROC MIXED)

PROC MIXED merupakan prosedur SAS

yang mampu membuat model rataan pengaruh
tetap dan juga model matriks ragam peragam
dan hal inilah yang membedakan PROC
MIXED dengan PROC GLM.
Asumsi penting yang harus dipenuhi oleh
suatu analisis dengan menggunakan PROC
MIXED adalah asumsi kenormalan data.
Bentuk umum dari PROC MIXED dapat
dilihat pada Lampiran 1 dan kegunaan dari
masing-masing pernyataan dapat dilihat pada
Lampiran 2. Keluaran dari PROC MIXED
terdiri dari beberapa bagian yang berbeda
diantaranya, Tabel Model Information
Tabel Class Level Information yang secara
lebih terperinci dijelaskan pada Lampiran 3.
BAHAN DAN METODE
Bahan
Bahan yang digunakan dalam penelitian
ini adalah data percobaan jahe putih kecil
yang dilakukan oleh satu tim peneliti Balai
Penelitian Tanaman Rempah dan Obat
(BALITTRO) Bogor. Percobaan ini dilakukan
di lima lokasi yaitu: Sukamulya, Wado,
Malangbong, Garut
dan
Majalengka..
Percobaan tunggal yang dilakukan yaitu
penanaman 7 genotipe harapan jahe putih.
Rancangan lingkungan yang digunakan adalah
rancangan acak kelompok (RAK) dengan 3
ulangan. Respon yang diamati adalah respon
pertumbuhan yaitu jumlah anakan jahe.
Metode
Metode
penelitian
dilakukan
dengan
melakukan langkah-langkah sebagai berikut:
1. Melakukan studi Literatur.
2. Menyusun analisis ragam untuk masingmasing lokasi sesuai dengan rancangan
percobaan tunggalnya yaitu rancangan
acak kelompok.
3. Menggabungkan
semua
percobaan
tunggal di lima lokasi. Data digabungkan
sehingga respon memiliki dua faktor
yaitu faktor lokasi dan genotipe.
4. Melakukan pengujian asumsi analisis
ragam gabungan, yaitu:
a) Pengujian kehomogenan ragam
b) Pengujian kebebasan galat
c) Pengujian kenormalan galat
5. Jika diketahui ragam tidak homogen,
maka
langkah
selanjutnya
yaitu
melakukan
transformasi
kemudian

menyusun analisis ragam gabungannya

dengan metode kuadrat terkecil.
6. Melakukan pengujian pengaruh masingmasing perlakuan dengan metode kuadrat
terkecil
(WLS)
terboboti
dengan
mengikuti langkah-langkah berikut:
a) Susun matriks ragam peragam
dimana komponennya berisi nilai
dugaan ragam galat dimasing-masing
lokasi.
b) Tentukan nilai dugaan parameter
dengan metode WLS.
c) Tentukan nilai F hitung serta derajat
bebas Satterthwaite untuk melakukan
pengujian pengaruh perlakuan.
7. Melakukan pemeriksaan apakah nilai
dugaan dimasing-masing lokasi sudah
benar-benar berbeda satu sama lainnya,
jika masih ada nilai yang sama maka
hitung ragam gabungannya.
8. Melakukan pengujian pengaruh masingmasing perlakuan seperti pada langkah
ke-6 dengan menggunakan matriks ragam
peragam yang baru yang berisi nilai
dugaan ragam gabungannya.
9. Menentukan model matriks ragam
peragam yang tepat antara model sebelum
revisi dengan model setelah dilakukan
revisi.
10. Membuat ilustrasi untuk menguji
pengaruh faktor lokasi, diantara 2 lokasi
dan diantara 3 lokasi.
HASIL DAN PEMBAHASAN
Hasil Pengujian Asumsi
Pada tahap awal, dilakukan analisis ragam
untuk masing-masing lokasi seperti terlihat
pada Lampiran 4, selanjutnya dilakukan
pengujian asumsi analisis ragam gabungannya.
Hasil uji khi-kuadrat pada Lampiran 5
memberikan nilai p-value 0.000 yang artinya
kelima ragam galat di masing-masing lokasi
tidak homogen. Asumsi kenormalan dan
kebebasan galat telah memenuhi asumsi dan
dapat dilihat pada Lampiran 5. Karena asumsi
kehomogenan ragam tidak terpenuhi maka
kita tidak bisa melakukan pengujian pengaruh
perlakuan dengan menghitung rasio kuadrat
tengah tiap perlakuan dengan kuadrat tengah
gabungannya. Namun kita bisa melakukan
pengujian pengaruh perlakuan dengan
menggunakan rumus pengujian pengaruh
perlakuan dengan mengikuti langkah-langkah
pada metode penelitian langkah ke-5.

Pengujian Pengaruh Perlakuan Dengan

Metode Kuadrat Terkecil
Pengujian pengaruh perlakuan hasil
transformasi Box-Cox dengan metode kuadrat
terkecil disajikan pada Tabel 3.
Tabel 3 Tabel pengujian pengaruh perlakuan
setelah transformasi
SK
Lokasi
r(Lokasi)
Genotip
Lokasi*Genotip

A
4
10
6
24

B
60
60
60
60

FValue
28.64
2.12
1.27
1.91

Pr > F
<.0001*
0.0365*
0.2851 ts
0.0225*

Ket: * = nyata pada taraf 0.05

A = derajat bebas pembilang
B = derajat bebas penyebut Satterthwaite
Nilai lambda hasil transformasi Box-Cox
adalah 0.00 (lampiran 6). Hasil pengujian
pengaruh perlakuan setelah transformasi
menunjukkan adanya interaksi yang nyata
dengan nilai-p sebesar 0.0225. Ini berarti
terdapat perbedaan pola pengaruh suatu faktor
pada berbagai taraf faktor lainnya. Dalam hal
ini terdapat perbedaan pola pengaruh faktor
genotipe pada berbagai taraf lokasi terhadap
respon jumlah anakan.
Pengujian Pengaruh Perlakuan Dengan
Metode Kuadrat Terkecil Terboboti
Asumsi ragam berbeda antar lokasi
Hasil pengujian pengaruh masing-masing
faktor disajikan pada Tabel 4. Pada Tabel 4
terlihat adanya interaksi yang nyata antara
faktor genotipe dengan lokasi dengan nilai-p
yang lebih kecil, yaitu sebesar 0.0023. Hal ini
menunjukkan bahwa pengujian pengaruh
perlakuan dengan mengasumsikan ragam
galat dengan benar dapat meningkatkan
ketelitian dalam pengujian masing-masing
perlakuan yang ada dalam model pada taraf
alpha yang sama.
Tabel 4 Tabel pengujian pengaruh perlakuan
dengan ragam berbeda antar lokasi
SK
Lokasi
r(Lokasi)
Genotip
Lokasi*Genotip

A
4
10
6
24

B
24.3
12
41.3
24.3

Fvalue
39.50
1.92
0.82
3.30

Pr > F
<0.0001*
0.1414
0.5584ts
0.0023*

Ket: * = nyata pada taraf 0.05

A = derajat bebas pembilang
B = derajat bebas penyebut Satterthwaite
Nilai dugaan ragam galat untuk masingmasing taraf lokasi terlihat pada Tabel 5. Nilai
dugaan ragam galat pada Tabel 5 diperoleh
dari analisis ragam individu pada Lampiran 4.

Model
matriks
ragam
peragam
ini
menghasilkan nilai log likelihood sebesar 177.2. Pada Tabel 5, terlihat ada beberapa
lokasi yang bisa dikelompokkan karena masih
memiliki ragam yang sama. Oleh karena itu
perlu dilakukan revisi grup dengan
mengelompokan pengamatan di lokasi 1
dengan 3 dan pengamatan pada lokasi 2
dengan 5.
Tabel 5 Tabel nilai dugaan ragam pada
masing-masing lokasi
Grup
Lokasi 1
Lokasi 2
Lokasi 3
Lokasi 4
Lokasi 5

Dugaan Ragam
15.2653
3.9500
17.2358
25.1252
2.2287

Tabel 6 Tabel nilai dugaan ragam pada

masing-masing grup setelah revisi
Grup
Kelompok 1
Kelompok 2
Kelompok 3

Dugaan Ragam
16.2506
3.0893
25.1252

Hasil pendugaan komponen ragam untuk

grup yang baru dapat dilihat pada Tabel 6.
Model matriks ragam peragam dengan unsurunsurnya berisi nilai yang ada pada tabel 6
menghasilkan nilai log likelihood sebesar 177.7.
Asumsi ragam berbeda antar grup hasil
revisi
Hasil pengujian pengaruh perlakuan
dengan matriks ragam peragam hasil revisi
disajikan pada Tabel 7. Tabel 7 menunjukkan
adanya interaksi yang nyata dengan nilai-p
yang paling kecil daripada dua model
sebelumnya, yaitu sebesar 0.0006. Hal ini
menunjukkan bahwa pengujian pengaruh
perlakuan dengan menggunakan matriks
ragam peragam hasil revisi dengan nilai
dugaan ragam galat yang sudah benar-benar
berbeda
satu
sama
lainnya
dapat
meningkatkan ketelitian dalam pengujian
pengaruh perlakuan yang ada dalam model
pada taraf alpha yang sama.
Tabel 7 Tabel pengujian pengaruh perlakuan
dengan ragam hasil revisi
SK
Lokasi
r(Lokasi)
Genotip
Lokasi*Genotip

4
10
6
24

B
32.1
19.7
41.5
32.1

FValue
35.43
1.85
0.82
3.45

Pr > F
< 0.0001*
0.1168
0.5583 ts
0.0006*

Ket: * = nyata pada taraf 0.05

A = derajat bebas pembilang
B = derajat bebas penyebut Satterthwaite

Pengujian Pengaruh Faktor Lokasi

Cara perolehan nilai F hitung dengan
rumus perkalian matriks seperti dijelaskan
pada halaman 3 bisa juga digunakan untuk
membandingkan nilai tengah masing-masing
perlakuan. Disini akan diberikan satu ilustrasi
dalam melakukan perbandingan nilai tengah
diantara 2 lokasi dan diantara 3 lokasi.
Misalkan kita ingin menguji apakah lokasi
1 (Sukamulya) dengan lokasi 2 (Wado)
berbeda dalam menghasilkan respon jumlah
anakan, maka hipotesis yang akan diuji adalah
sebagai berikut:
H0 : L1 = L2 (Lokasi 1 dan 2 tidak berbeda
nyata)
H1 : L1 L 2 (Lokasi 1 dan 2 berbeda nyata)
statistik ujinya adalah :

L 1
' ' LCL' L
q

dengan : L = [1 1 0 0


F=

0] , q =

pangkat matriks L, yaitu 1.00, adalah vektor

nilai dugaan parameter dan C adalah penduga

ragam dari nilai dugaan parameternya. Dari
perkalian matriks diatas diperoleh nilai F
hitung sebesar 66.00 dengan nilai- p lebih
kecil dari 0.0001, yang artinya bahwa lokasi 1
dan lokasi 2 berbeda
nyata dalam
memberikan respon jumlah anakan. Hasil
perhitungan yang lebih lengkap dapat dilihat
pada Lampiran 8 dan Lampiran 9 sesuai
dengan matriks ragam peragam yang
digunakan.
Jika kita ingin menguji diantara 3 lokasi,
misalnya apakah lokasi 1 (Sukamulya), lokasi
2 (Wado) dan lokasi 3 (Malangbong) berbeda
dalam menghasilkan respon jumlah anakan,
dimana hipotesis yang akan diuji adalah
sebagai berikut:

1 1 2 0
L =
1 1 0 0


Dari model matriks ragam peragam yang

berisi keragaman antar lokasi, dihasilkan nilai
log likelihood sebesar -177.2 dan untuk model
hasil revisi sebesar -177.7. Selisih kedua nilai
tersebut adalah -0.5 sehingga jika nilai
tersebut dikalikan dengan -2 sama dengan
1,00. Nilai 2 dengan db = 3 adalah sebesar
5.99 > 1,00 sehingga dapat dikatakan bahwa
matriks ragam peragam yang paling baik
digunakan dalam pendugaan parameter dan
pengujian pengaruh perlakuan adalah matriks
ragam peragam hasil revisi dengan nilai
dugaan parameternya lebih sedikit.

H0 : L1 = L2 = L3 (Lokasi 1, 2 dan 3 tidak

berbeda nyata )
H1 : L1 L 2 L 3 (Minimal ada satu lokasi
yang berbeda nyata)
bentuk matriks L-nya adalah sebagai berikut :


Model Matriks Ragam Peragam

0
0

Cara penentuan nilai F hitungnya sama

dengan pengujian diantara 2 lokasi. Dari hasil
perhitungan diperoleh nilai F hitung sebesar
41. 39 dengan nilai-p lebih kecil dari 0.0001
yang artinya ketiga lokasi tersebut berbeda
nyata dalam menghasilkan respon jumlah
anakan jahe. Hasil yang lebih lengkap dapat
dilihat pada lampiran 8 dan lampiran 9 sesuai
dengan matriks ragam peragam yang
digunakan.
KESIMPULAN DAN SARAN
Kesimpulan
Dari ketiga analisis ragam dengan model
matriks ragam peragam yang berbeda-beda,
diperoleh interaksi yang nyata diantara kedua
faktor lokasi dan genotipe.
Dengan melakukan uji rasio log likelihood
diantara kedua model matriks ragam peragam,
kita bisa memilih model matriks ragam
peragam yang paling baik yaitu model setelah
dilakukan revisi grup lokasi dengan nilai
dugaan ragam yang lebih sedikit dan sudah
benar-benar berbeda satu dengan lainnya.
Hasil pengujian pengaruh perlakuan
dengan asumsi ragam tidak homogen antar
lokasi memiliki nilai-p yang lebih besar
dibandingkan dengan pengujian pengaruh
perlakuan dengan ragam hasil revisi pada taraf
alpha yang sama. Demikian juga dengan
pengujian pengaruh perlakuan dengan cara
transformasi memiliki nilai-p yang lebih besar
dibandingkan dengan pengujian dengan
pengelompokkan pengamatan berdasarkan
kesamaan ragamnya.
Dengan
melakukan
pengelompokan
pengamatan yang benar sesuai dengan
kesamaaan ragamnya kita bisa meningkatkan
ketelitian dalam pengujian pengaruh masingmasing perlakuan untuk kasus ragam tidak
homogen.
Saran
Sebaiknya pada analisis berikutnya
ditambahkan uji lanjut untuk menguji lokasi