Perancangan

Percobaan dengan
Aplikasi SAS
[Tutorial SAS di Balitto Bogor dalam rangka
Praktek Lapang]


2012
LENY YULIYANI
M. SIDIQ RUMAKABIS

DEPARTEMEN STATISTIKA INSTITUT PERTANIAN BOGOR

Latihan Impor data dari excell
FILE IMPORT akan muncul sindow Import Wizard, pilih format file yang diimport.
Lalu tekan next.

Cari File yang akan diimpor (klik browse).

Pada kolom Member, ketik nama data, misalnya data2. Klik finish

Periksa window log, harus ada kalimat Work.data2 was successfully created.









A. RANCANGAN FAKTORIAL RAK
Misal :
Sebuah percobaan dilakukan untuk mengetahui respon tiga varietas rumput pakan ternak
(V1, V2, V3) pada berbagai jarak tanam (J1=40 cm x 10 cm; J2=40 cm x 20 cm; J3= 40 cm
x 30 cm). Panen hijauan dilakukan pada petak bersih berukuran 3 m x 8 m dan hasilnya
dikonversi ke satuan kuintal (Tabel 1).

Tabel1. Hasil Panen Hijauan (kuintal) Tiga Varietas Rumput Pakan Ternak pada Beberapa
Jarak Tanam
Perlakuan Hasil Panen
Varietas Jarak Tanam Ulangan I Ulangan II Ulangan III
V1
J1 56 45 43
J2 60 50 45
J3 66 57 50
V2
J1 65 61 60
J2 60 58 56
J3 53 53 48
V3
J1 60 61 50
J2 62 68 60
J3 73 77 77

Masukkan data tersebut dalam file excel, seperti format berikut. Data di impor dari excel
ke SAS seperti cara diatas.


Sintak Model Tetap :
proc anova data=data2;
class ULANGAN VARIETAS JARAK;
model HASIL=ULANGAN VARIETAS JARAK VARIETAS*JARAK;
run;

Output :


Sintak Model Acak

proc anova data=data2;
class ULANGAN VARIETAS JARAK;
model HASIL=ULANGAN VARIETAS JARAK VARIETAS*JARAK;;
test h=VARIETAS e=VARIETAS*JARAK;
test h=JARAK e=VARIETAS*JARAK;
run;

Output :



Dari data di atas dapat ditarik kesimpulan bahwa pada model tetap, varietas, jarak
tanam dan interaksi antara keduanya berpengaruh nyata terhadap hasil panen. Sedangkan
pada model acak hanya interaksi antara varietas dan jarak tanam yang berpengaruh.


B. SPLIT-PLOT
Data pada tabel 2 menggunakan rancangan Split Plot-RAK dengan varietas sebagai petak
utama dan jarak tanam sebagai anak petak.

Sintak :
proc anova data=data2;
class ULANGAN VARIETAS JARAK;
model HASIL= ULANGAN VARIETAS ULANGAN*VARIETAS JARAK VARIETAS*JARAK;
test h=ULANGAN e=ULANGAN*VARIETAS;
test h=VARIETAS e=ULANGAN*VARIETAS;
run;

Output :

Dari output diatas dapat ditarik kesimpulan bahwa petak utama, anak petak, dan interaksi
berpengaruh nyata terhadap hasil panen.

Jika menggunakan rancangan Split Plot RAL,

proc anova data=data2;
class ULANGAN VARIETAS JARAK;
model HASIL= VARIETAS ULANGAN*VARIETAS JARAK VARIETAS*JARAK;
test h=VARIETAS e=ULANGAN*VARIETAS;
run;








Output :

Daro output diatas disimpulkan bahwa varietas, jarak dan interaksi berpengaruh nyata
terhadap hasil panen.

C. Uji lanjut Kontras

a. Kontras Ortogonal
Umumnya digunakan untuk faktor yang bertaraf kualitatif,

Contoh:

Untuk melihat keefektifan pengaruh pemupukan terhadap produksi suatu varietas padi,
dilakukan percobaan di rumah kaca sebagai berikut : 9 kombinasi perlakuan yang dicobakan
adalah pupuk K dan P dengan komposisi 2:1 (K2P1), 2:2 (K2P2), ..., 3:4 (K3P4) ditambah
kontrol(K0p0). Setiap perlakuan diulang dalam tiga blok (Timur, Tengah, Barat). Data
pengamatan disediakan pada tabel 2.

Tabel2. Data Bobot Gabah per Pot dari Percobaan Pemupukan Padi
Perlakuan
(Pupuk)
Bobot Gabah per Pot(g)
I II III
K0P0 10.19 9.26 12.73
K2P1 32.02 25.76 19.72
K2P2 23.91 21.99 21.42
K2P3 17.15 15.66 10.37
K2P4 10.35 13.31 14.31
K3P1 21.98 19.43 16.16
K3P2 18.08 13.50 18.32
K3P3 18.07 14.01 14.39
K3P4 12.37 16.32 10.20






data Padi;
input Perlakuan$ Blok Y1;
cards;
Kontrol 1 10.19
Kontrol 2 9.26
Kontrol 3 12.73
K2P1 1 32.02
K2P1 2 25.76
K2P1 3 19.72
K2P2 1 23.91
K2P2 2 21.99
K2P2 3 21.42
K2P3 1 17.15
K2P3 2 15.66
K2P3 3 10.37
K2P4 1 10.35
K2P4 2 13.31
K2P4 3 14.31
K3P1 1 21.98
K3P1 2 19.43
K3P1 3 16.16
K3P2 1 18.08
K3P2 2 13.5
K3P2 3 18.32
K3P3 1 18.07
K3P3 2 14.01
K3P3 3 14.39
K3P4 1 12.37
K3P4 2 16.32
K3P4 3 10.2
;
proc GLM data=Padi;
class Perlakuan Blok;
model Y1=Perlakuan Blok;
contrast'Kontrol VS K2&K3 'Perlakuan -1 -1 -1 -1 -1 -1 -1 -1 8;
contrast'K2 VS K3 'Perlakuan 1 1 1 1 -1 -1 -1 -1 0;
contrast'P1&P2 vs P3&P4 'Perlakuan 1 1 -1 -1 1 1 -1 -1 0;
contrast'P1 VS P2 'Perlakuan 1 -1 0 0 1 -1 0 0 0;
contrast'P3 VS P4 'Perlakuan 0 0 -1 1 0 0 -1 1 0;
mean Perlakuan/duncan;
run;

Ket: uji Kontras tidak dapat menggunakan data import. Data harus dimasukkan ke editor
SAS.













Output:


The SAS System

The GLM Procedure

Dependent Variable: Y1
Source DF Sum of Squares Mean Square F Value Pr > F
Model 10 625.2504593 62.5250459 7.08 0.0003
Error 16 141.2607037 8.8287940
Corrected Total 26 766.5111630

R-Square Coeff Var Root MSE Y1 Mean
0.815710 17.78923 2.971329 16.70296

Source DF Type I SS Mean Square F Value Pr > F
Perlakuan 8 586.0397630 73.2549704 8.30 0.0002
Blok 2 39.2106963 19.6053481 2.22 0.1409

Source DF Type III SS Mean Square F Value Pr > F
Perlakuan 8 586.0397630 73.2549704 8.30 0.0002
Blok 2 39.2106963 19.6053481 2.22 0.1409

Contrast DF Contrast SS Mean Square F Value Pr > F
Kontrol VS K2&K3 1 120.5418963 120.5418963 13.65 0.0020
K2 VS K3 1 45.7608167 45.7608167 5.18 0.0369
P1&P2 vs P3&P4 1 306.5920167 306.5920167 34.73 <.0001
P1 VS P2 1 26.5518750 26.5518750 3.01 0.1021
P3 VS P4 1 13.6320083 13.6320083 1.54 0.2319


The SAS System

The GLM Procedure

Duncan's Multiple Range Test for Y1

Note: This test controls the Type I comparisonwise error rate, not the experimentwise error
rate.
Alpha 0.05
Error Degrees of Freedom 16
Error Mean Square 8.828794

Number of Means 2 3 4 5 6 7 8 9
Critical Range 5.143 5.393 5.550 5.657 5.734 5.792 5.836 5.870

Means with the same letter are
not significantly different.
Duncan Grouping Mean N Perlakuan
A 25.833 3 K2P1
A
B A 22.440 3 K2P2
B
B C 19.190 3 K3P1
C
D C 16.633 3 K3P2
D C
D C E 15.490 3 K3P3
D C E
D C E 14.393 3 K2P3
D E
Means with the same letter are
not significantly different.
Duncan Grouping Mean N Perlakuan
D E 12.963 3 K3P4
D E
D E 12.657 3 K2P4
E
E 10.727 3 Kontrol



Uji lanjut kontras ortogonal menunjukan bahwa kontrol berbeda dengan K2 & K3, K2
berbeda dengan K3, P1&P2 berbeda dengan P3&P4.

b. Kontras Polinomial
Kontras Polinomial biasanya dilakukan jika faktor yang diteliti bertaraf kuantitatif

Tabel. Kontras Polynomial Ortogonal
Jumlah
Perlakuan
Orde
Polynomial
T1 T2 T3 T4 T5
P=3
Linear 1 -1 0 1
Kuadrat 3 1 -2 1
P=4
Linear 2 -3 -1 1 3
Kuadratik 1 1 -1 -1 1
Kubik 10/3 -1 3 -3 1

P=5
Linier 1 -2 -1 0 1 2
Kuadratik 1 2 -1 -2 -1 2
Kubik 5/6 -1 2 0 -2 1
Kuartik 35/12 1 -4 6 -4 1


Contoh :
Untuk meneliti pengaruh penambahan har P dan Ca terhadap bobot kering polong kacang
tanah, dilakukan percobaan dengan pemupukan. Rancangan yang digunakan adalah
Faktorial RAK. Faktor pertama adalah penambahan hara P dengan 3 taraf: 2 kw/ha, 3 kw/ha
dan 4 kw/ha. Faktor kedua adalah penambahan hara Ca dengan 3 taraf: 1 ton/ha, 2 ton/ha
dan 3 ton/ha. Peubah yang diamati adalah bobot kering polong. Uji lanjut data dianalisis
dengan kontras polinomial. Pengujian ini dilakukan mengingat kedua faktor yang digunakan
dalam rancangan ini adalah bersifat kuantitatif. Sehingga bisa dicari pola responnya.





Sintak Program SAS untul Kontras Polinomial

data;
input P Ca ulangan bobot;
cards;
2 1 1 3.67
2 2 1 3.75
2 3 1 3.53
2 1 2 3.59
2 2 2 3.65
2 3 2 3.57
2 1 3 3.67
2 2 3 3.7
2 3 3 3.75
2 1 4 3.68
2 2 4 3.7
2 3 4 3.49
2 1 5 3.65
2 2 5 3.7
2 3 5 3.57
2 1 6 3.61
2 2 6 3.7
2 3 6 3.6
2 1 7 3.59
2 2 7 3.75
2 3 7 3.69
3 1 1 3.6
3 2 1 3.65
3 3 1 3.52
3 1 2 3.7
3 2 2 3.6
3 3 2 3.51
3 1 3 3.53
3 2 3 3.8
3 3 3 3.6
3 1 4 3.54
3 2 4 3.65
3 3 4 3.49
3 1 5 3.5
3 2 5 3.6
3 3 5 2.6
3 1 6 3.6
3 2 6 3.56
3 3 6 3.73
3 1 7 3.5
3 2 7 3.65
3 3 7 3.49
4 1 1 3.8
4 2 1 3.75
4 3 1 3.49
4 1 2 3.8
4 2 2 3.85
4 3 2 3.65
4 1 3 3.9
4 2 3 4
4 3 3 3.8
4 1 4 3.65
4 2 4 3.76
4 3 4 3.7
4 1 5 3.8
4 2 5 3.9
4 3 5 3.7
4 1 6 3.86
4 2 6 3.75
4 3 6 3.84
4 1 7 3.65
4 2 7 3.8
4 3 7 3.65
;
proc glm;
class P Ca ulangan;
model bobot=P|Ca;
contrast 'Plin'P -1 0 1;
contrast 'Pkua'P -1 2 -1;
contrast 'Calin'Ca -1 0 1;
contrast 'Cakua'Ca -1 2 -1;
contrast 'Plin*Calin'P*Ca 1 0 -1 0 0 0 -1 0
1;
contrast 'Plin*Cakua'P*Ca 1 0 -1 -2 0 2 1 0
-1;
contrast 'Pkua*Calin'P*Ca 1 -2 1 0 0 0 -1 2
-1;
contrast 'Pkua*Cakua'P*Ca 1 -2 1 -2 4 -2
1 -2 1;
mean P|Ca;
run;













Output:

The SAS System

The GLM Procedure
Class Level Information
Class Levels Values
P 3 2 3 4
Ca 3 1 2 3
ulangan 7 1 2 3 4 5 6 7

Number of Observations Read 63
Number of Observations Used 63

The SAS System

The GLM Procedure

Dependent Variable: bobot
Source DF Sum of Squares Mean Square F Value Pr > F
Model 8 0.81588571 0.10198571 4.80 0.0002
Error 54 1.14760000 0.02125185
Corrected Total 62 1.96348571

R-Square Coeff Var Root MSE bobot Mean
0.415529 3.990853 0.145780 3.652857

Source DF Type I SS Mean Square F Value Pr > F
P 2 0.52220000 0.26110000 12.29 <.0001
Ca 2 0.26160000 0.13080000 6.15 0.0039
P*Ca 4 0.03208571 0.00802143 0.38 0.8237

Source DF Type III SS Mean Square F Value Pr > F
Source DF Type III SS Mean Square F Value Pr > F
P 2 0.52220000 0.26110000 12.29 <.0001
Ca 2 0.26160000 0.13080000 6.15 0.0039
P*Ca 4 0.03208571 0.00802143 0.38 0.8237

Contrast DF Contrast SS Mean Square F Value Pr > F
Plin 1 0.14762143 0.14762143 6.95 0.0109
Pkua 1 0.37457857 0.37457857 17.63 0.0001
Calin 1 0.08777143 0.08777143 4.13 0.0471
Cakua 1 0.17382857 0.17382857 8.18 0.0060
Plin*Calin 1 0.00488929 0.00488929 0.23 0.6334
Plin*Cakua 1 0.01629643 0.01629643 0.77 0.3851
Pkua*Calin 1 0.00009643 0.00009643 0.00 0.9465
Pkua*Cakua 1 0.01080357 0.01080357 0.51 0.4789


The SAS System

The GLM Procedure
Level of
P
N bobot
Mean Std Dev
2 21 3.64809524 0.07325429
3 21 3.54380952 0.23204474
4 21 3.76666667 0.11337254

Level of
Ca
N bobot
Mean Std Dev
1 21 3.66142857 0.11420533
2 21 3.72714286 0.10493535
3 21 3.57000000 0.24706275

Level of
P
Level of
Ca
N bobot
Mean Std Dev
2 1 7 3.63714286 0.03946065
2 2 7 3.70714286 0.03450328
2 3 7 3.60000000 0.09073772
3 1 7 3.56714286 0.07181325
3 2 7 3.64428571 0.07678045
3 3 7 3.42000000 0.37166293
4 1 7 3.78000000 0.09643651
4 2 7 3.83000000 0.09380832
4 3 7 3.69000000 0.11401754

Dari output diatas dapat ditarik kesimpulan bahwa faktor P dan Ca berpengaruh sangat nyata
terhadap bobot kering polong kacang tanah dengan F-hitung dan peluang nyata maisng-
masing adalah 12.29 dan <0.0001, 6.15 dan 0.0039. Pola respon dari faktor P dan Ca
mengikuti pola kuadratik.