Minitab Rancob
Minitab Rancob
Oleh:
I. Marzuki
FAKULTAS PERTANIAN
UNIVERSITAS PATTIMURA
AMBON
2005
Kata Pengantar
Kami memanjatkan puji dan syukur ke hadirat Allah SWT atas selesainya penulisan
buku ini.
Buku ini dimaksudkan untuk memberikan pengetahuan praktis bagi mahasiswa
Pertanian (Agronomi) mengenai aplikasi Minitab dalam analisis data percobaan. Agar
dapat memahami dengan baik buku ini, mahasiswa perlu memiliki pengetahunan yang
cukup tentang statistika parametrik dan Perancangan Percobaan. Di samping itu,
mahasiswa juga harus sudah tidak asing dengan program-program komputer aplikasi
seperti misalnya Excel.
Materi yang disusun dalam buku ini dipersiapkan sebagai bahan penunjang kuliah
Perancangan Percobaan. Bagi mahasiswa tingkat akhir yang sedang mempersiapkan
rencana penelitian, buku ini dapat membantu dimana di dalamnya terdapat contoh-contoh
hasil percobaan berikut analisis data dan interpretasinya.
Agar program Minitab dapat dipraktikkan secara langsung oleh mahasiswa maka di
dalam buku ini disertakan CD program berikut beberapa contoh file data.
Semoga buku ini memberikan manfaat.
Terima kasih.
MAr
A. PENGANTAR MINITAB
Minitab adalah program komputer untuk manajemen data dan analisis statistik.
Minitab yang digunakan dalam tulisan ini adalah Minitab versi 13 yang bekerja di bawah
sistem operasi Windows.
Minitab memiliki tiga jendela atau window: Session, Project Manager, dan
Worksheet. Jendela Session berfungsi menuliskan perintah-perintah dan/atau melihat
hasil analisis. Jendela Project Manager mengatur jendela, grafik, worksheet, dokumen,
dan informasi lainnya. Sementara untuk mengentri dan manipulasi data dilakukan di
jendela Worksheet. Jendela ini mirip dengan worksheet program Excel.
Terdapat beberapa tipe file yang ditangani Minitab yaitu: Minitab saved worksheet
(MTW), Lotus 1-2-3 (WK?), Minitab portable worksheet (MTP), dBASE (DBF), Excel
(XLS), FoxPro (dBASE format), Quattro Pro (WB1,WQ1), dan Text file (TXT, DAT).
Untuk mempersiapkan data di luar sistem Minitab, pengguna dapat memilih progam
Excel atau Notepad.
Untuk keperluan perancangan percobaan, Minitab menyediakan fasilitas analisis
statistik antara lain Analisis Ragam (ANOVA), Analisis Peragam (ANCOVA), Uji
Pembandingan Rata-rata, Analisis Regresi dan Korelasi, dan Uji nonparametrik.
Gambar 2 di atas memperlihatkan kotak Response, Row factor, dan Column faktor
ANOVA Rancangan Acak Kelompok. Kotak Response untuk variabel respon, kotak
Row factor untuk faktor perlakuan, dan kotak Column factor dengan faktor kelompok.
Kotak Display means diconteng bila ingin menampilkan nilai rata-rata respon menurut
perlakuan dan/atau kelompok.
Untuk melakukan analisis ragam beberapa variabel respon sekaligus digunakan
prosedur ANOVA GLM.
respon (response)
Perlakuan adalah sesuatu yang diberikan pada satuan percobaan yang hendak diukur
pengaruhnya. Perlakuan ini dapat berupa dosis pupuk, varietas tanaman, kondisi lingkungan, atau
kombinasinya. Kombinasi dua atau lebih perlakuan akan membentuk percobaan faktorial.
Bila perlakuan yang sama diberikan/diterapkan lebih dari sekali pada satuan percobaan
maka ulangan telah dilakukan. Setiap perlakuan sedikitnya memiliki dua ulangan. Dalam
percobaan agronomi ulangan biasanya tidak kurang dari tiga.
Dalam merancang suatu percobaan harus dipastikan setiap satuan percobaan memiliki
peluang yang sama untuk mendapatkan atau dikenai perlakuan tertentu. Prinsip ini
menggambarkan unsur pengacakan perlakuan. Kalau prinsip ini dilanggar penelitian tersebut
tidak sahih dan menghasilkan kesimpulan yang berbias.
Bila bahan percobaan (tanaman, tanah, atau bibit) memperlihatkan keragaman internal
yang nyata, sebaiknya bahan-bahan ini dikelompokkan ke dalam satuan-satuan yang lebih
homogen. Kaidah pengelompokan adalah memperkecil variasi dalam kelompok, dan
memperbesar variasi antar kelompok. Bahan-bahan percobaan dapat dikelompokkan ke dalam
satu arah, seperti pada Rancangan Acak Kelompok atau dua arah seperti pada Rancangan Bujur
Sangkar Latin. Pengelompokan bahan-bahan percobaan haruslah didasarkan pada suatu
karakteristik atau sifat yang secara nyata dapat diamati atau diukur. Misalnya pengelompokan
bahan tanaman berdasarkan umur, tinggi, sumber benih atau sifat-sifat bahan lainnya yang dapat
diamati.
Satuan percobaan adalah satuan bahan percobaan dimana perlakuan diterapkan atau
diberikan. Satuan percobaan dapat berupa beberapa rumpun tanaman dalam petakan, satu
tanaman dalam pot, atau hanya sehelai daun. Satuan percobaan ditetapkan berdasarkan tujuan
penelitian dan variabel respon yang diamati.
Respon adalah sifat atau karakteristik satuan percobaan yang diukur atau diamati sebagai
variabel tak bebas (dependent variable).
Pada dasarnya rancangan percobaan tersusun dari tiga bagian: rancangan perlakuan,
rancangan lingkungan, dan rancangan pengukuran. Rancangan perlakuan berkaitan dengan
bagaimana perlakuan-perlakuan dibentuk dan oleh karenanya dikenal percobaan satu-faktor dan
percobaan dua-faktor atau lebih. Percobaan yang melibatkan dua faktor atau lebih disebut
percobaan faktorial. Faktor-faktor ini satu sama lain dapat bersilang (crossed), tersarang (nested),
atau campuran (mixed). Satu faktor dalam percobaan dapat bersifat tetap (fixed model) atau acak
(random model). Percobaan yang melibatkan faktor bersilang dan tersarang membentuk
perlakuan model campuran (mixed model). Umumnya percobaan Agronomi faktor-faktornya
bersifat tetap, kecuali disebutkan lain.
Rancangan lingkungan menggambarkan bagaimana perlakuan ditempatkan dalam satuan
percobaan dan karenanya dikenal Rancangan Acak Lengkap (RAL), Rancangan Acak Kelompok
(RAK), Rancangan Busur Sangkar Latin (RBSL), Rancangan Petak Terbagi (RPT), Rancangan
Blok Terbagi (RBT), Rancangan Kisi (RK), dan rancangan turunan lainnya.
Rancangan pengukuran menentukan bagaimana respon diambil dan diamati.
Tahapan umum dalam melakukan percobaan adalah:
(1) Menetapkan masalah
(2) Menetapkan tujuan
(3) Memilih perlakuan
5
(4)
(5)
(6)
(7)
(8)
(9)
Hasil percobaan umumnya diarahkan pada prosedur analisis ragam atau ANOVA. Bila
mengikutkan variabel peragam dapat dilakukan analisis peragam ANCOVA. Hasil analisis
biasanya ditampilkan dalam bentuk tabel ANOVA. Dalam percobaan Agronomi selain analisis
ragam/peragam juga sering diperlukan analisis Regresi dan Korelasi untuk mengetahui bentuk
hubungan variabel.
Untuk mengetahui perlakuan mana saja yang berpengaruh terhadap respon dilakukan
pengujian lebih lanjut menggunakan uji Pembandingan Nilai Rata-Rata (mean comparison).
Layout RAL 5 perlakuan (A, B, C, D, E) dan empat ulangan adalah seperti berikut.
B1
B3
C3
C4
A2
C2
B4
A3
B2
D2
E1
A1
C1
E2
A4
D4
D3
E3
D1
E4
Analisis Ragam
Terdapat dua sumber keragaman dalam RAL yaitu keragaman yang terjadi karena
perlakuan dan keragaman antar satuan percobaan yang mendapat perlakuan sama.
Keragaman yang kedua ini disebut galat percobaan (experimental error). Oleh karena itu,
tabel ANOVA RAL memiliki dua komponen keragaman, perlakuan dan galat. Tabel
analisis ragam RAL ulangan sama tampak seperti berikut.
Sumber
keragaman
Perlakuan (P)
Galat (G)
Total (T)
Derajat bebas
(db)
t-1
t (r-1)
tr -1
Jumlah Kuadrat
(JK)
JKP
JKG
JKT
Kuadrat Tengah
(KT)
KTP
KTG
-
Fhitung
KTP/KTG
-
T1
T2
T4
T6
T3
T2
T5
T1
T4
T2
T5
T3
T4
T3
T5
T3
T4
T1
Derajat bebas
(db)
t-1
r-1
Jumlah Kuadrat
(JK)
JKP
JKK
Kuadrat Tengah
(KT)
KTP
KTK
(t-1) (r-1)
tr -1
JKG
JKT
KTG
-
Fhitung
KTP/KTG
KTK/KT
G
-
Baris
Perhatikan tidak ada perlakuan yang sama dalam arah baris maupun lajur.
Analisis Ragam
Terdapat empat sumber keragaman pada RBSL: perlakuan, baris, lajur, dan galat.
Tabel analisis ragam RBSL adalah seperti berikut.
8
Sumber
keragaman
Perlakuan
Baris
Lajur
Galat
Total
Derajat bebas
(db)
r-1
r-1
r-1
(r-1) (r-2)
r2 -1
Jumlah Kuadrat
(JK)
JKP
JKB
JKL
JKG
JKT
Kuadrat Tengah
(KT)
KTP
KTB
KTL
KTG
-
Fhitung
KTP/KTG
KTB/KTG
KTL/KTG
-
4. Percobaan Faktorial
Percobaan faktorial merupakan percobaan yang melibatkan dua faktor atau lebih.
Setiap faktor minimal mempunyai dua taraf. Tujuan utama percobaan faktorial adalah
untuk mengetahui pengaruh satu faktor pada berbagai taraf faktor lainnya terhadap
respon. Bagian yang diutamakan dalam percobaan faktorial adalah pengaruh interaksi.
Misalkan faktor A terdiri atas tiga taraf (a1, a2, a3) dan faktor B dengan 2 taraf (b1,
b2) maka banyaknya kombinasi perlakuan faktorial yang dapat disusun adalah 3x2 = 6.
Respon
Respon
b1
b1
b2
b2
a1
a2
a3
a1
(1)
a2
a3
(2)
Gambar (1) menunjukkan faktor A dan B yang tidak berinteraksi; Gambar (2)
memperlihatkan A dan B beinteraksi.
Kelebihan percobaan faktorial adalah kemampuannya mendeteksi respon dari taraf
masing-masing faktor (pengaruh utama) dan interaksi antara dua faktor (pengaruh
sederhana). Dua faktor atau lebih juga dapat menghasilkan formasi faktorial dalam
bentuk RPT dan RBT.
10
percobaan dua faktor misalkan, A dan B, dimana keduanya memiliki tiga taraf (a1, a2, a3
dan b1, b2, b3) maka banyaknya kombinasi perlakuan yang dapat dibentuk adalah
sembilan.
(a1b1) (a1b2) (a1b3)
(a2b1) (a2b2) (a2b3)
(a3b1) (a3b2) (a3b3)
Pengacakan dan layout semua kombinasi perlakuan di atas dengan tiga ulangan dapat
disusun sebagai berikut. Subskrip menunjukkan nomor ulangan.
(a1b2)1 (a2b3)1 (a3b2)2 (a1b1)1 (a1b3)1 (a3b2)2 (a1b3)2 (a2b1)3 (a3b3)2
(a2b2)1 (a1b2)2 (a2b3)2 (a3b1)3 (a2b1)2 (a3b3)1 (a2b3)3 (a3b1)2 (a3b1)1
(a2b2)2 (a2b2)3 (a1b1)2 (a2b1)1 (a1b1)3 (a3b2)3 (a1b3)3 (a1b2)3 (a3b3)3
Analisis Ragam
Terdapat empat sumber keragaman pada percobaan faktorial RAL dua faktor yaitu:
faktor A, faktor B, interaksi AB, dan galat. Untuk percobaan faktorial dimana kedua
faktornya tetap (fixed), tabel ANOVA-nya adalah sebagai berikut.
Sumber
keragaman
A
B
AB
Galat
Total
Derajat bebas
(db)
a-1
b-1
(a-1) (b-1)
Jumlah Kuadrat
(JK)
JKA
JKB
JKAB
Kuadrat Tengah
(KT)
KTA
KTB
KTAB
ab (r-1)
abr -1
JKG
JKT
KTG
-
Fhitung
KTA/KTG
KTB/KTG
KTAB/KT
G
-
Adalah penting untuk diperhatikan apakah suatu faktor (perlakuan) bersifat tetap atau
acak karena akan menentukan nilai harapan kuadrat tengah. Hal ini penting misalnya
dalam menghitung nilai komponen ragam dari faktor acak.
4.2. Percobaan faktorial RAK dua faktor
Prinsip percobaan faktorial RAK dua faktor sama dengan RAK faktor tunggal dalam
hal pengacakan dan layout, kecuali terdapat kombinasi perlakuan. Setelah satuan-satuan
percobaan dikelompokkan ke dalam sejumlah kelompok, kombinasi perlakuan kemudian
diberikan secara acak ke dalam satuan-satuan percobaan di setiap kelompok.
Pengacakan dan Layout
Untuk percobaan faktorial dua faktor, A dan B, yang masing-masing mempunyai tiga
taraf akan membentuk sembilan kombinasi perlakuan.
10
11
(a1b1)
(a2b1)
(a3b1)
(a1b2)
(a2b2)
(a3b2)
(a1b3)
(a2b3)
(a3b3)
Bila setiap kombinasi perlakuan diulang tiga kali (kelompok) maka pengacakan dan
layout akan tampak seperti berikut.
Kelompok 1
Kelompok 2
Kelompok 3
a1b2 a2b2
a2b2 a1b2
a1b3 a2b3
a1b3
a2b3
a3b3
a2b3
a2b3
a2b3
Analisis Ragam
Terdapat lima sumber keragaman dalam percobaan jenis ini yaitu: kelompok, faktor
A,B, AB, dan galat. Tabel ANOVA percobaan faktorial RAK dimana A dan B keduanya
faktor tetap adalah sebagai berikut.
Sumber
keragaman
A
B
AB
Kelompok
Galat
Total
Derajat bebas
(db)
a-1
b-1
(a-1) (b-1)
r-1
(ab-1) (r-1)
abr -1
Jumlah Kuadrat
(JK)
JKA
JKB
JKAB
JKK
JKG
JKT
Kuadrat Tengah
(KT)
KTA
KTB
KTAB
KTK
KTG
-
Fhitung
KTA/KTG
KTB/KTG
KTAB/KTG
-
12
maka penempatannya ada di anak petak. Pengacakan dan layout percobaan RPT dua
faktor tiga ulangan adalah sebagai berikut.
N1
V2
V3
V1
N0
V2
V1
V3
N2
V1
V2
V3
N1
V2
V3
V1
N1
V1
V3
V2
N2
V3
V2
V1
N0
V2
V1
V3
N2
V3
V1
V2
V3
V1
V2
N0
Kelompok II
V3
V2
V1
N2
V3
V1
V2
N2
V2
V3
V1
N1
Kelompok III
V3
V2
V1
N0
V1
V3
V2
N2
V1
V2
V3
N0
V3
V1
V2
N1
Analisis Ragam
Percobaan dua faktor, misalnya N dan V, pada RPT menggunakan RAL memiliki lima
sumber keragaman: faktor N, galat (a), faktor V, interaksi NV, dan galat (b). Bila kedua
faktor sifatnya tetap, susunan tabel ANOVA nya adalah sebagai berikut.
Sumber
keragaman
N
Galat (a)
V
NV
Derajat bebas
(db)
n-1
n (r-1)
(v-1)
(n-1) (v-1)
Jumlah Kuadrat
(JK)
JKN
JKGa
JKV
JKNV
Kuadrat Tengah
(KT)
KTN
KTGa
KTV
KTNV
KTN/KTGa
KTV/KTGb
KTNV/KTG
n (v-1) (r-1)
nvr -1
JKGb
JKT
KTGb
-
Fhitung
Galat (b)
Total
Bila menggunakan lingkungan RAK, tabel ANOVA RPT dua faktor, N dan V, menjadi
seperti berikut.
Sumber
keragaman
Kelompok
N
Galat (a)
V
NV
Galat (b)
Derajat bebas
(db)
r-1
n-1
(n-1) (r-1)
v-1
(n-1) (v-1)
n (v-1) (r-1)
Jumlah Kuadrat
(JK)
JKK
JKN
JKGa
JKV
JKNV
JKGb
12
Kuadrat Tengah
(KT)
KTK
KTN
KTGa
KTV
KTNV
KTGb
Fhitung
KTK/KTGa
KTN/KTGa
KTV/KTGb
KTNV/KTGb
-
13
Total
nvr -1
JKT
A3
A2
A2
A1
A3
B1
A1B1
A3B1
A2B1
B2
A2B2
A1B2
A3B2
B2
A1B2
A3B2
A2B2
B3
A2B3
A1B3
A3B3
B3
A1B3
A3B3
A2B3
B1
A2B1
A1B1
A3B1
Analisis Ragam
Percobaan dengan RBT dalam RAK mempunyai tujuh sumber keragaman: kelompok,
faktor A, galat (a), faktor B, galat (b), interaksi AB, dan galat (c). Tabel ANOVA tampak
seperti berikut.
Sumber
keragaman
Kelompok
A
Galat (a)
B
Galat (b)
AB
Galat (c)
Derajat bebas
(db)
r-1
a-1
(a-1) (r-1)
b-1
(n-1) (v-1)
(a-1) (b-1)
(a-1) (b-1) (r-1)
Jumlah Kuadrat
(JK)
JKK
JKA
JKGa
JKB
JKGb
JKAB
JKGc
13
Kuadrat Tengah
(KT)
KTK
KTA
KTGa
KTB
KTGb
KTAB
KTGc
Fhitung
KTK/KTGa
KTA/KTGa
KTB/KTGb
-
KTAB/KTGc
-
14
Total
nvr -1
JKT
14
15
dimana, t adalah nilai tabel BNT pada taraf nyata ; r1 dan r2 adalah banaknya ulangan
perlakuan pertama dan kedua.
Sementara nilai kritik bagi uji BNJ adalah sebagai berikut.
KTG
BNJ = Q;p;dbgalat
r
dimana, Q;p;dbgalat adalah nilai tabel Q BNJ dengan taraf nyata pada p perlakuan dengan
db galat.
Untuk uji Duncan menggunakan nilai kritik sebagai berikut.
KTG
D = R;p;dbgalat
r
15
16
dimana, R;p;dbgalat adalah nilai tabel Duncan dengan taraf nyata pada p perlakuan dengan
db galat.
Pembandingan kelompok adalah prosedur pembandingan lainnya yang dapat
digunakan bila di dalam perlakuan itu sendiri mencerminkan kelompok. Sebagai contoh,
misalnya perlakuan pemupukan yang terdiri atas enam jenis: satu pupuk kandang, dua
jenis pupuk N, dan tiga jenis pupuk P. Pada contoh ini perlakuan pupuk mencerminkan
adanya 3 kelompok (pupuk kandang, pupuk N, dan pupuk P).
Prosedur pembandingan kelompok menggunakan koefisien ortogonal. Koefisien
ortogonal biasanya dijumpai pada bagian lampiran dari buku-buku perancangan
percobaan.
Untuk memutuskan apakah dua (kelompok) perlakuan yang diperbandingkan berbeda
secara signifikan atau tidak ditentukan oleh nilai peluang nyata (nilai-P) pembandingan
tersebut. Bila nilai-p lebih kecil dari taraf nyata yang digunakan, 5% atau 1%, maka
perbandingan dimaksud berbeda nyata. Begipula sebaliknya.
Untuk pembandingan arah, perlakuan haruslah bersifat kuantitatif dan terdiri atas
beberapa taraf. Taraf dari perlakuan dapat berjarak sama atau berbeda. Sebagai contoh,
perlakuan pemupukan N dengan lima taraf: 0, 25, 50, 75, dan 100 kg N/ha. Taraf
perlakuan demikian dikatakan berjarak sama karena selisih setiap taraf tetap, yaitu 25.
Pembandingan arah menggunakan prosedur kontras polinomial berderajat bebas 1.
Dengan prosedur ini dapat diketahui arah atau kecendrungan pengaruh suatu perlakuan
(faktor) terhadap respon apakah linier, kuadratik, kubik, atau bentuk polinomial lainnya.
Dalam percobaan Agronomi, pembandingan arah umumnya diteliti hingga derajat
polinomial kubik.
Analisis Korelasi
Korelasi menggambarkan hubungan linear dua variabel atu lebih. Korelasi digunakan
untuk menjawab dua pertanyaan: Seberapa dekatkah dua variabel berhubungan ? dan
Apakah hubungan itu signifikan atau hanya kebetulan ? Untuk menjawab pertanyaan
pertama siperlukan suatu ukuran keeratan hubungan yang disebut koefisien korelasi
Pearson yang dilambangkan dengan r. Jawaban bagi pertanyaan kedua adalah dengan
mengacu pada nilai peluang nyata dari r.
cov xy
Koefisien korelasi x dan y hitung sebagai r =
(var x)(var y)
dimana cov xy adalah peragam x dan y; var x dan var y adalah ragam x dan ragam y.
Nilai r adalah +1 sampai -1.
Dalam bidang Agronomi, analisis korelasi dapat digunakan secara khusus dalam sidik
lintas (path
(path analysis). Sidik lintas adalah metode korelasi yang digunakan dalam
pendugaan hubungan langsung dan tak langsung antarvariabel. Analisis ini sangat
16
17
berguna bagi pemulia tanaman karena dapat membantu proses seleksi tak langsung hasil
tanaman.
Dua unsur utama pada sidik lintas, koefisien korelasi (r) dan koefisien lintas (L).
Kemudian untuk dapat mengaplikasikan sidik lintas perlu pengetahuan mengenai
komponen hasil (yield
(yield components)
components) tanaman yang berkontribusi langsung atau tidak
langsung terhadap pembentukan hasil (yield).
yield).
Misalkan hasil, Y, adalah fungsi dari beberapa komponen hasil, misalkan x 1, x2, dan x3
maka Y = x1 + x2 + x3 + R, dimana R adalah residual atau faktor yang belum
didefinisikan. Untuk ketiga komponen di atas dapat dibentuk persamaan sebagai berikut.
r (x1,Y) = a + r (x1,x2) b + r (x1,x3) c
r (x2,Y) = r (x2,x1) a + b + r (x2,x3) c
r (x3,Y) = r (x3,x1) a + r (x3,x2) b + c
r (R,Y) = h
Korelasi antara X1 dan Y dilambangkan dengan r (x1,Y). Pada persamaan ini a adalah
koefisien lintas dari X1 ke Y; b adalah koefisien lintas dari X2 ke Y; begitu pula c, dan h.
Koefisien lintas didefinisikan sebagai rasio simpangan baku X terhadap simpangan
baku Y dimana Y adalah akibat dan x adalah sebab. Jadi, koefisien lintas bagi lintasan A
Untuk memutuskan suatu komponen hasil (X) adalah penting, digunakan kaidah berikut.
1. korelasinya dengan Y positif;
2. pengaruh langsung X terhadap Y positif dan besar;
3. pengaruh tak langsung X terhadap Y melalui kompoen hasil lainnya negatif kecil
4. pengaruh tak langsung X positif melalui komnponen hasil lainnya.
Sebelum dilakukan analisis lebih lanjut, sangat dianjurkan melakukan uji homogenitas
ragam. Tujuannya adalah untuk memastikan apakah data sudah memenuhi atau tidak
asumsi tentang kesamaan (homogenitas) ragam. Untuk melakukan ini dapat
17
18
menggunakan uji Bartlett. Nilai P uji Bartlett yang melebihi 5% menandakan bahwa
data memenuhi asumsi kehomogenan ragam. Jika tidak, lakukan transformasi data.
Pemenuhan asumsi ANOVA lainnya dapat diperiksa dengan melihat bentuk distribusi
data melalui plot.
TRANSFORMASI DATA
Bila data percobaan tidak memenuhi satu atau beberapa asumsi ANOVA dianjurkan
melakukan transformasi data. Kalau upaya transformasi juga tidak memberikan perbaikan
yang berarti maka data sebaiknya diarahpan ke analisis statistika nonparametrik.
Data yang menunjukkan pola multiplikatif (yang seharusnya aditif) atau simpangan
bakunya proporsional dengan rata-ratanya disarankan ditransformasi logaritma (Log X).
Data hitungan (count) atau kejadian yang jarang atau nilainya sangat kecil seringkali
ragamnya proporsional dengan rata-ratanya sehingga untuk menangani penyimpangan
seperti ini diperlukan transformasi akar kuadrat X atau X + 1/2 bila terdapat data nol.
Transformasi akar kuadrat juga cocok untuk data proporsi atau persentase yang
menunjukkan kisaran 0 - 30% atau 70 - 100 % tetapi tidak keduanya.
18
19
34
35
54
78
61
55
31
38
51
80
52
58
29
36
52
77
53
57
Entri Data
Masukkan variabel jumlah Bintil akar pada kolom C1, variabel Dosis inokulum pada
kolom C2.
Analisis Statistik dan Output
Yang perlu diperiksa sebelum analisis ragam dilakukan adalah apakah asumsi tentang
kehomogenan ragam, sebagai syarat sahnya ANOVA, terpenuhi. Untuk itu diperlukan uji
Bartlett.
Pada jendela Session klik Stat ANOVA Test for Equal Variances. Pada
kotak Response isi variabel Bintil akar, dan variabel Dosis inokulum pada kotak Factor.
Hasil uji Bartlett seperti berikut.
Test for Equal Variances
Response
Factors
ConfLvl
Bintil akar
Dosis inokulum
95.0000
Sigma
3.77492
2.94392
1.70783
Upper
25.9655
20.2495
11.7471
N
4
4
4
19
Factor Levels
0
1
2
20
0.99131
2.99608
0.99131
2.08167
6.29153
2.08167
14.3186
43.2758
14.3186
4
4
4
3
4
5
Hasil uji di atas menampilkan nama variabel respon, faktor atau perlakuan, dan
taraf kepercayaan. Uji Bartlett menghasilkan tabel selang kepercayaan Benforroni bagi
simpangan baku, statistik Bartlett, dan nilai-P.
Uji ini menunjukkan bahwa ragam variabel Bintil akar adalah homogen.
Kesimpulan ini didasarkan pada nilai-P 0,231 yang lebih besar dari taraf nyata 5 % (jika
p-Value < 5%, ragamnya tidak homogen sehingga diperluakan transformasi data).
Dengan demikian analisis dapat dilanjutkan ke ANOVA.
Untuk analisis ragam, pada jendela Session klik menu Stat ANOVA Oneway. Kemudian pada kotak Response masukkan variabel Bintil akar; dan pada kotak
Factor dengan variabel Dosis inokulum lalu OK. Hasil analisis dengan prosedur
ANOVA satu-arah adalah berupa tabel ANOVA dan tabel selang kepercayaan 95 % bagi
nilai rata-rata jumlah Bintil akar.
One-way ANOVA ulangan sama: Bintil akar versus Dosis inokulum
Level
0
1
2
3
4
5
DF
5
18
23
N
4
4
4
4
4
4
Mean
29.750
35.000
51.750
77.500
57.750
57.500
SS
5985.7
222.3
6208.0
StDev
3.775
2.944
1.708
2.082
6.292
2.082
MS
1197.1
12.3
F
96.96
P
0.000
20
21
Hasil (ton/ha)
0
1
2
3
4
5
29.750
35.000
62.120
77.500
50.750
30.200
Bentuk hubungan dosis dengan hasil memperlihatkan pola kuadratik yang signifikan
(P= 0,046), sedangkan pola linier dan kubik tidak signifikan (nilai P > 5%). Melalui
prosedur Stat Regression Fitted line plot diperoleh model regresi kuadratik yaitu
Hasil1 = 22.4143 + 33.5966 Dosis - 6.36571 Dosis 2. (Catatan: Nilai P 0,207 bagi model
regresi tersebut tidak signifikan yang berarti hubungan antara dosis dan hasil adalah
nonlinier).
21
22
DF
3
2
5
DF
1
1
1
SS
1705.38
284.41
1989.79
Seq SS
54.70
1512.83
137.85
MS
568.461
142.205
F
0.1131
10.7482
0.9694
F
3.99748
P
0.207
P
0.754
0.046
0.429
Lower
-1.611
15.139
40.889
21.139
20.889
Center
5.250
22.000
47.750
28.000
27.750
Nilai kritik uji Dunnett adalah 2,76 dengan tingkat kesalahan umum 5%, dan
kesalahan per pasangan adalah 0,0129. Untuk mengetahui perbedaan pengaruh dosis
inokulum, setiap respon perlakuan dikurangkan dengan respon kontrolnya. Misalnya
22
23
selisih antara perlakuan dosis 1 dengan kontrol adalah 5,25. Selisih ini dibandingkan
dengan nilai kritik Dunnett dan karena selisihnya lebih besar dari 5,25 maka dinyatakan
berbeda nyata.
Dapat disimpulkan bahwa pemberian inokulum pada kisaran 1 sampai 5 g/100 g
menghasilkan jumlah bintil akar kedelai yang lebih banyak dibandingkan dengan tanpa
inokulum.
34
35
54
78
61
55
31
51
80
52
58
29
36
52
77
57
Entri Data
Masukkan data variabel jumlah Bintil akar di kolom C1 dan variabel Dosis inokulum
di kolom C2. Pengamatan yang hilang diganti dengan tanda asterik (*).
Analisis Statistik dan Output
Prosedur analisis percobaan ulangan tidak sama yang digunakan sama dengan
prosedur percobaan ulangan sama. Hasil analisis adalah sebagai berikut.
One-way ANOVA ulangan tidak sama: Bintil akar versus Dosis inokulum
Analysis of Variance for jumlah Bintil akar
Source
Dosis
Error
Total
DF
5
16
21
SS
5835.7
180.2
6015.8
MS
1167.1
11.3
23
F
103.65
P
0.000
24
Level
0
1
2
3
4
5
N
4
3
4
4
3
4
Mean
29.750
34.000
51.750
77.500
59.333
57.500
StDev
3.775
2.646
1.708
2.082
6.658
2.082
Level
Lower
Center
Upper --+---------+---------+---------+----24
25
1
2
3
4
5
-2.942
15.342
41.092
22.391
21.092
4.250
22.000
47.750
29.583
27.750
11.442 (----*---)
28.658
(---*---)
54.408
(---*---)
36.775
(---*----)
34.408
(---*----)
--+---------+---------+---------+----0
16
32
48
Nilai kritik Dunnett yang dipakai sebagai pembanding adalah 2,81. Setiap selisih
antara perlakuan dosis dengan kontrolnya dibandingkan dengan nilai kritik Dunnett. Dari
hasil analisis diketahui bahwa semua selisih nilainya lebih besar dari 2,81 artinya
pemberian inokulum pada dosis 1 sampai 5 g/100 g menghasilkan bintil akar yang lebih
banyak dibandingkan tanpa inokulum.
3. Percobaan Satu Faktor: Rancangan Acak Kelompok
Contoh kasus 3:
Suatu percobaan lapangan dilakukan untuk mengetahui perbedaan daya hasil enam
varietas alfalfa (A, B, C, D, E, dan F) yang ditanam di empat lahan tadah hujan yang
berbeda (Kelompok). Setelah panen, hasilnya dicatat dalam ton/ha seperti tampak
berikut.
Varietas
Kel. I
Kel. II
Kel. III
Kel. IV
A
B
C
D
E
F
3.22
3.04
3.06
2.64
3.19
2.49
3.31
2.99
3.17
2.75
3.40
2.37
3.26
3.27
2.93
2.59
3.11
2.38
3.25
3.20
3.09
2.62
3.23
2.37
Entri Data
Pada kolom C1 tuliskan variabel Hasil; kolom C2 dengan variabel Varietas; dan
kolom ketiga variabel Kelompok.
Analisis Statistik dan Output
Seperti halnya pada Contoh kasus 1, sebelum ANOVA dilakukan pemeriksaan
tentang homogenitas ragam perlu dilakukan. Pada jendela Session klik Stat ANOVA
Test for Equal Variances. Pada kotak Response isi variabel Hasil dan variabel
Varietas pada kotak Factor. Hasilnya uji seperti berikut.
25
26
Response
Factors
ConfLvl
Hasil
Varietas
95.0000
Sigma
0.037417
0.131783
0.099791
0.069761
0.122304
0.058523
Upper
0.257367
0.906456
0.686407
0.479849
0.841260
0.402549
N
4
4
4
4
4
4
Factor Levels
A
B
C
D
E
F
Nilai statistik Bartlett 5,168 dengan taraf nyata 0,395 (lebih besar dari 5%) adalah
dasar yang sahih untuk menyatakan bahwa ragam bersifat homogen sehingga analisis
ANOVA dapat dilanjutkan.
Pada jendela Session klik menu Stat ANOVA Two-way. Kemudian pada
kotak Response masukkan variabel Hasil; kotak Row factor dengan Varietas dan pilih
Display means; dan pada kotak Column factor dengan Kelompok.
Hasil analisis dengan prosedur ANOVA dua-arah (Varietas dan Kelompok) adalah
berupa tabel ANOVA dan tabel selang kepercayaan 95 % bagi nilai rata-rata hasil alfalfa.
Varietas
A
B
C
D
E
F
DF
5
3
15
23
Mean
3.260
3.125
3.063
2.650
3.233
2.403
SS
2.43507
0.01878
0.13715
2.59100
MS
0.48701
0.00626
0.00914
F
53.27
0.68
P
0.000
0.575
Individual 95% CI
----+---------+---------+---------+------(---*--)
(--*---)
(--*--)
(--*---)
(---*--)
(--*--)
26
27
----+---------+---------+---------+------2.400
2.700
3.000
3.300
Difference
of Means
-0.1350
-0.1975
-0.6100
-0.0275
-0.8575
SE of
Difference
0.06761
0.06761
0.06761
0.06761
0.06761
T-Value
-2.00
-2.92
-9.02
-0.41
-12.68
Adjusted
P-Value
0.3880
0.0906
0.0000
0.9983
0.0000
T-Value
-0.92
Adjusted
P-Value
0.9340
Difference
of Means
-0.0625
SE of
Difference
0.06761
27
28
D
E
F
-0.4750
0.1075
-0.7225
0.06761
0.06761
0.06761
-7.03
1.59
-10.69
0.0001
0.6166
0.0000
T-Value
-6.101
2.514
-9.761
Adjusted
P-Value
0.0003
0.1809
0.0000
T-Value
8.615
-3.661
Adjusted
P-Value
0.0000
0.0231
T-Value
-12.28
Adjusted
P-Value
0.0000
Difference
of Means
-0.4125
0.1700
-0.6600
SE of
Difference
0.06761
0.06761
0.06761
Difference
of Means
0.5825
-0.2475
SE of
Difference
0.06761
0.06761
Difference
of Means
-0.8300
SE of
Difference
0.06761
Baris
Lajur
1
4
28
29
1
2
3
4
5
6
28.2 (F)
31.0 (E)
30.6 (D)
33.1 (C)
29.9 (B)
30.8 (A)
29.1 (D)
29.5 (B)
28.8 (E)
30.4 (A)
25.8 (F)
29.7 (C)
32.1 (A)
29.8 (C)
21.7 (F)
28.8 (B)
30.3 (E)
27.4 (D)
33.1 (B)
24.8 (F)
30.8 (C)
31.4 (D)
30.3 (A)
29.1 (E)
31.1 (E)
33.0 (D)
31.9 (A)
26.7 (F)
33.5 (C)
30.7 (B)
32.4 (C)
30.6 (A)
30.1 (B)
31.9 (E)
32.3 (D)
21.4 (F)
Entri Data
Faktor Baris, Lajur, Pupuk, dan Hasil tanaman dientri pada kolom data yang masingmasing terpisah seperti tampak pada tampilan berikut.
Factor
Baris
Lajur
Pupuk
Type
fixed
fixed
fixed
Levels
6
6
6
Values
B1 B2 B3 B4 B5 B6
L1 L2 L3 L4 L5 L6
A B C D E F
30
Source
Baris
Lajur
Pupuk
Error
Total
DF
5
5
5
20
35
Seq SS
32.188
33.668
185.765
30.256
281.876
Adj SS
32.188
33.668
185.765
30.256
Adj MS
6.438
6.734
37.153
1.513
F
4.26
4.45
24.56
Difference
of Means
-0.667
0.467
-0.383
-0.650
-6.250
SE of
Difference
0.7101
0.7101
0.7101
0.7101
0.7101
T-Value
-0.939
0.657
-0.540
-0.915
-8.801
Adjusted
P-Value
0.9314
0.9847
0.9937
0.9380
0.0000
T-Value
1.596
0.399
0.023
-7.863
Adjusted
P-Value
0.6103
0.9985
1.0000
0.0000
T-Value
-1.197
-1.573
-9.459
Adjusted
P-Value
0.8331
0.6245
0.0000
T-Value
-0.376
-8.262
Adjusted
P-Value
0.9989
0.0000
Difference
of Means
1.133
0.283
0.017
-5.583
SE of
Difference
0.7101
0.7101
0.7101
0.7101
Difference
of Means
-0.850
-1.117
-6.717
SE of
Difference
0.7101
0.7101
0.7101
Difference
of Means
-0.267
-5.867
SE of
Difference
0.7101
0.7101
30
P
0.008
0.007
0.000
31
Level
Pupuk
F
Difference
of Means
-5.600
SE of
Difference
0.7101
T-Value
-7.886
Adjusted
P-Value
0.0000
Waktu
2
4
Ulangan
1
2
3
1
2
3
0
96
98
94
90
94
92
16
92
88
90
88
92
94
Dosis funisida
32
92
94
84
78
82
74
48
74
74
68
0
0
0
64
50
50
54
0
0
0
32
Untuk mendapatkan varietas ubikayu lokal yang berkadar sianida (HCN) rendah
dilakukan survei tanaman di Irian Jaya. Dari 100 jenis yang diperoleh dipilih secara acak
empat, kemudian dari jenis terpilih diambil masing-masing emat helai daun. Untuk
pemeriksaan kadar HCN diampil tiga sampel daun dengan ukuran masing-masing 1 gr.
Kadar HCN (ppm) daun adalah sebagai berikut.
Jenis
Ubikay
u
1
Daun
Sampel
2
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
35
35
37
38
112
125
111
124
85
91
92
99
56
55
58
59
32
34
35
37
113
130
109
20
88
91
93
98
58
65
57
57
25
38
41
35
124
110
108
130
89
9
94
97
61
63
58
58
Entri Data
32
33
DF
3
12
32
47
SS
37595.8958
3759.5833
12612.0000
53967.4792
MS
12531.9653
313.2986
394.1250
F
40.000
0.795
Variance Components
Source
Jenis
Daun
Sampel
Total
Var Comp.
1018.222
-26.942*
394.125
1412.347
% of Total
72.09
0.00
27.91
StDev
31.910
0.000
19.853
37.581
P
0.000
0.652
34
1 Jenis
2 Daun
3 Sampel
1.00(3) +
1.00(3) +
1.00(3)
3.00(2) + 12.00(1)
3.00(2)
Penen
ke1
1
1
1
1
2
2
2
2
2
3
3
3
3
3
Kel. I
Kel. II
Kel. III
Kel. IV
450
480
512
540
580
650
712
852
958
987
856
865
1100
997
1200
485
520
524
557
590
657
741
845
867
975
855
875
1250
996
1250
510
506
562
564
574
687
725
867
941
1012
871
845
1089
985
1360
498
507
543
549
581
687
732
957
900
1003
841
905
115
956
115
34
35
Jika analisis ragam dilakukan per panen, outputnya adalah sebagai berikut.
ANOVA: Panen1; Panen2; Panen3 versus Blok; Pupuk K
Factor
Kelompok
Pupuk K
2
200
3
300
4
400
500
DF
3
4
12
19
SS
155397
744482
662122
1562000
MS
51799
186120
55177
F
0.94
3.37
P
0.452
0.045
F
0.24
205.04
P
0.869
0.000
F
0.90
1.99
P
0.469
0.160
DF
3
4
12
19
SS
594
685797
10034
696425
MS
198
171449
836
DF
3
4
12
19
SS
188065
553960
835363
1577389
MS
62688
138490
69614
Perhatikan hasil analisis ragam berikut ini jika ketiga panen digabung.
Analysis of Variance for Hasil
Source
DF
SS
MS
Kelompok
pupuk K
Panen
K*Panen
Error
Total
3
4
2
8
42
59
215108
279949
42872
1704290
1636467
3878686
71703
69987
21436
213036
38963
1.84
1.80
0.55
5.47
0.155
0.148
0.581
0.000
35
36
Means
K
0
200
300
400
500
N
12
12
12
12
12
Hasil
670.58
701.08
768.00
817.50
852.25
Panen
1
2
3
N
20
20
20
Hasil
729.70
760.80
795.15
36
37
8. Percobaan Multilokasi
Contoh kasus:
Dilakukan suatu percobaan multilokasi untuk mengetahui pengaruh pupuk N terhadap
hasil jagung hibrida C1 di lima lokasi transmigrasi yang dipilih secara acak. Pupuk N
diberikan pada takaran 0, 25, 50, 75 kg/ha. Percobaan menggunakan RAK empat
ulangan. Hasil jagung (ton/ha) adalah sebagai berikut.
Lokasi
Dosis N
0
25
50
75
0
25
50
75
0
25
50
75
0
25
50
75
0
25
50
75
Kelompok
II
III
2.2
2.3
3.4
3.3
3.4
3.4
3.7
3.6
2.1
2.0
2.3
2.5
2.5
2.4
3.2
3.1
2.5
2.3
3.3
3.3
3.5
3.7
3.6
3.8
2.0
1.9
2.3
2.4
2.3
2.3
2.5
2.6
2.7
2.7
2.9
3.0
3.1
3.1
3.6
3.5
I
2.1
3.2
3.5
3.6
2.0
2.4
2.4
3.1
2.6
3.2
3.5
3.6
2.1
2.2
2.4
2.4
2.6
2.8
3.2
3.6
IV
2.2
3.1
3.3
3.7
2.0
2.3
2.2
3.2
2.5
3.4
3.6
3.6
1.8
2.5
2.2
2.4
2.8
3.1
3.2
3.6
Entri Data
Analisis Statistik dan Output
Jika ANOVA hasil jagung dilakukan secara terpisah untuk setiap lokasi, outputnya adalah
sebagai berikut.
ANOVA: Hasil_1; Hasil_2; Hasil_3; Hasil_4; Hasil_5 versus Kel; N
Factor
Kelompok
Dosis N
2
25
3
50
4
75
37
P
0.436
0.000
38
Total
15
4.99000
Analysis of Variance for Hasil Lokasi_2
Source
Kelompok
Dosis N
Error
Total
DF
3
3
9
15
SS
0.02187
2.71188
0.07063
2.80438
MS
0.00729
0.90396
0.00785
F
0.93
115.19
P
0.466
0.000
DF
3
3
9
15
SS
0.01000
3.47500
0.11500
3.60000
MS
0.00333
1.15833
0.01278
F
0.26
90.65
P
0.852
0.000
DF
3
3
9
15
SS
0.01187
0.60687
0.13563
0.75437
MS
0.00396
0.20229
0.01507
F
0.26
13.42
P
0.851
0.001
DF
3
3
9
15
SS
0.03687
1.64188
0.05062
1.72938
MS
0.01229
0.54729
0.00562
F
2.19
97.30
P
0.159
0.000
Means
N
0
25
50
75
N
4
4
4
4
Hasil_1
2.2000
3.2500
3.4000
3.6500
Hasil_2
2.0250
2.3750
2.3750
3.1500
Hasil_3
2.4750
3.3000
3.5750
3.6500
Hasil_4
1.9500
2.3500
2.3000
2.4750
Hasil_5
2.7000
2.9500
3.1500
3.5750
Berikut ini ANOVA hasil jagung gabungan dari lima lokasi. Perhatikan perbedaannya
dengan ANOVA individual di atas.
Factor
Lokasi
Type Levels
random
5
Values
1
2
38
39
Kelompok(Lokasi) random
Dosis
fixed
4
4
1
0
2
25
3
50
4
75
N
16
16
16
16
16
N
20
20
20
20
DF
4
15
3
12
45
79
SS
12.29875
0.10563
11.01737
2.30825
0.44687
26.17688
MS
3.07469
0.00704
3.67246
0.19235
0.00993
F
436.64
0.71
19.09
19.37
P
0.000
0.762
0.000
0.000
Hasil
3.1250
2.4813
3.2500
2.2688
3.0938
Hasil
2.2700
2.8450
2.9600
3.3000
39
40
Delapan varietas barli dipilih untuk diuji daya hasilnya dalam suatu percobaan
rumahkaca. Percobaan menggunakan RAK empat ulangan. Pengamatan bobot 100
biji (g) dicatat sebagai berikut.
Varietas
1
2
3
4
5
6
7
8
ulangan 1
3.9
3.7
4.5
4.3
4.1
4.2
4.3
4.2
ulangan 2
4.0
3.6
4.6
4.4
4.0
4.5
4.3
4.0
ulangan 3
3.8
3.6
4.6
4.2
4.2
4.3
4.2
4.3
Entri Data
Type
fixed
random
Levels Values
4
1 2 3
8
1 2 3
4
4
DF
3
SS
0.01375
MS
0.00458
40
F
0.48
P
0.701
ulangan 4
3.9
3.7
4.7
4.3
4.1
4.5
4.3
4.1
41
Varietas
Error
Total
7
21
31
Source
1 Ulangan
2 Varietas
3 Error
2.41375
0.20125
2.62875
0.34482
0.00958
35.98
0.000
Means
Varietas
bobot 100-g
1
2
3
4
5
6
7
8
Grand Mean
4
4
4
4
4
4
4
4
3.9000
3.6500
4.6000
4.3000
4.1000
4.3750
4.2750
4.1500
4.1687
x 100 %
4.1687
= 14,09 %
0,09329
KK fenotipe =
x 100 %
4.1687
= 7,33 %
41
42
0,08381
h =
2
= 0.898.
0,09329
Pengamatan
Hasil
Tinggi
Anakan
10
11
12
13
14
15
5.75 5.94 6.01 6.54 6.73 6.75 6.9 7.86 6.56 6.4 7.92 5.6 5.81 6.33 6.95
110.5 105.4 118.1 104.5 93.6 84.1 77.8 75.6 96.2 92.6 76.4 112.1 109.5 89.8 78.3
14
16
15
18
15
18
18
19
17
14
19
13
14
17
18
Entri Data
42
43
Coef
6.969
-0.027513
0.13352
S = 0.3170
SE Coef
1.844
0.009236
0.06599
R-Sq = 82.2%
T
3.78
-2.98
2.02
P
0.003
0.012
0.066
R-Sq(adj) = 79.2%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
2
12
14
SS
5.5641
1.2061
6.7701
MS
2.7820
0.1005
F
27.68
P
0.000
Karakter
Tinggi tanaman (cm)
Jumlah daun
Cabang produktif
Polong per cabang
Jumlah biji per polong
Ulangan
1
2
3
1
2
3
1
2
3
1
2
3
1
Jerami
56.8
52.3
50.0
98
112
103
9
10
11
35
29
38
8
43
S. gergaji
60.1
62.3
60.0
88
98
97
12
12
11
40
40
4
9
Plastik
65.3
66.4
66.4
100
103
124
13
14
15
42
46
50
10
E. sagu
55.6
53.2
50.1
97
99
86
10
10
13
41
39
42
9
44
2
3
1
2
3
9
10
31
32
29
11
8
33
32
30
13
12
41
39
42
9
10
35
33
31
Koefisien korelasi (r) dan nilai-p enam karekater kacang hijau adalah:
Correlations: Tinggi; Daun; Cabang; Polong; Biji; Bobot
Tinggi
0.325
0.303
Daun
Cabang
0.633
0.027
0.277
0.384
Polong
0.198
0.536
0.173
0.591
Daun
Cabang
0.468
0.125
44
Polong
Biji
45
Biji
0.545
0.067
0.415
0.180
0.826
0.001
0.640
0.025
Bobot
0.763
0.004
0.505
0.094
0.687
0.014
0.558
0.060
0.630
0.028
Derajat
Bebas
5
18
23
Jumlah
Kuadrat
5985,7
222,3
6208,0
Kuadrat
Tengah
1197,1
12,3
KK = .....%
** berbeda nyata pada 1%.
Tabel
Dosis
(g/100 g)
0
1
2
3
4
5
I
25
31
50
75
65
60
Ulangan
II
III
34
31
35
38
54
51
78
80
61
52
55
58
Rata-rata
IV
29
36
52
77
53
57
29,75
35,00
51,75
77,50
57,75
57,50
Angka rata-rata dengan superskrip yang tidak sama berbeda nyata pada 1%.
45
F hitung
96,96**
F tabel
5% 1%