Rancangan acak lengkap (RAL)

Analisis data dengan SPSS

Pada sebuah penelitian melakukan pengaruh pemberian limbah solid pabrik kelapa
sawit dengan berbagai dosis terhadap tinggi tanaman sawi yang terdiri dari 1 variabel bebas
dan 1 variabel terikat. Rancangan yang digunakan adalah Rancangan Acak Lengkap (RAL).
Dimana terdiri dari 5 perlakuan dan 5 ulangan. Analisis data dengan menggunakan SPSS.
Data yang diperoleh dalam penelitian dianalisis menggunakan ANOVA. Apabila hasilnya
signifikan maka analisis dilanjutkan dengan uji BNT . didalam SPSS menggunakan uji
Duncan. Data pengamatan disajikan dalam table sebagai berikut :
Perlakuan

Ulangan
R1

R2

R3

R4

R5

P0

30,50

32,00

33,50

32,00

28,0
0

P1

37,00

36,00

34,00

33,00

37,0
0

P2

39,00

37,50

32,00

36,00

38,0
0

P3

38,00

38,00

39,50

42,00

41,0
0

P4

35,00

32,00

30,50

32,50

33,0
0

Keterangan:
P0: kontrol 0 gram
P1: dosis 25 gram
P3: dosis 75 gram
P2: dosis 50 gram
P4: dosis 100 gram
R1-R5 : ulangan 1- ulangan 5
Untuk cara perhitungannya yaitu dengan langkah-langkah sebagai berikut :
1. Buka program SPSS seperti pada gambar berikut :

Oleh : Belalangtue
http://belalangtue.wordpress.com

2. Aktifkan variable view (klik variable view)

3. Ketik perlakuan pada kolom name baris 1

Oleh : Belalangtue
http://belalangtue.wordpress.com

4. Pada kolom decimal baris pertama ubah dari 2 menjadi 0

5. Ketik tinggi tanaman sawi pada kolom name baris kedua

Oleh : Belalangtue
http://belalangtue.wordpress.com

6. Isikan values pada perlakuan dengan cara kursor ditempatkan pada kolom values baris
pertama, klik tanda titik 3 yang berwarna abu-abu.
Berikut contoh Kode value dan value label pada variable view dalam SPSS.
Variabel

Value

Value label

perlakuan

0
1
2
3
4

P0
P1
P2
P3
P4

Oleh : Belalangtue
http://belalangtue.wordpress.com

7. Isikan kolom value dengan angka 0 dan kolom value label P0

Oleh : Belalangtue
http://belalangtue.wordpress.com

8. Klik Add

9. Isikan kolom value dengan angka 1 dan kolom value label P1

Oleh : Belalangtue
http://belalangtue.wordpress.com

10. Klik Add

11. Isikan kolom value dengan angka 2 dan kolom value label P2

Oleh : Belalangtue
http://belalangtue.wordpress.com

12. Klik Add

13. Isikan kolom value dengan angka 3 dan kolom value label P3

Oleh : Belalangtue
http://belalangtue.wordpress.com

14. Klik Add

15. Isikan kolom value dengan angka 4 dan kolom value label P4

Oleh : Belalangtue
http://belalangtue.wordpress.com

16. Klik Add

17. klik OK kemudian muncul seperti pada gambar berikut ini

Oleh : Belalangtue
http://belalangtue.wordpress.com

18. Aktifkan DATA VIEW yang terletak di sebelah kiri VARIABEL VIEW

19. Ketik angka 0 pada kolom perlakuan baris 1 sampai baris 5, angka 1 pada baris 6
sampai baris 10, angka 2 pada baris 11 sampai baris 15, angka 3 pada baris 16 sampai
baris 20, angka 4 pada baris 20 sampai baris 25

Oleh : Belalangtue
http://belalangtue.wordpress.com

20. Pada kolom tinggi tanaman sawi isikan angka Hasil dari pengamatan penelitian

21. Klik anlyze\Compare Means\One-Way Anova

Oleh : Belalangtue
http://belalangtue.wordpress.com

Muncul kotak dialog seperti pada One Way Anova

22. Pada kotak dialog One Way Anova, klik tinggi tanaman sawi

Oleh : Belalangtue
http://belalangtue.wordpress.com

23. Pindahkan tinggi tanaman sawi kekolom Dependent List dengan cara klik tanda
segitiga warna hitam

24. Pada kotak dialog One Way Anova, klik perlakuan

Oleh : Belalangtue
http://belalangtue.wordpress.com

25. Pindahkan Perlakuan kekolom Factor dengan cara klik tanda segitiga warna hitam

Oleh : Belalangtue
http://belalangtue.wordpress.com

26. Klik Post Hoc

Maka akan muncul kotak dialog baru (one way anova : post hoc multiple
comparisons) seperti pada gambar berikut :

Oleh : Belalangtue
http://belalangtue.wordpress.com

27. Beri tanda chek pada kotak Duncan kemudian Klik continu

kemudian Klik continue maka akan muncul seperti gambar berikut :

28. Klik OK maka akan muncul Output seperti pada gambar berikut :

29. Selesai coy..!

Oleh : Belalangtue
http://belalangtue.wordpress.com

ANOVA
tinggi_tanaman_sawi

Between Groups
Within Groups
Total

Sum of
Squares

df

Mean Square

Sig

223,340
84,000
307,340

4
20
24

55,835
4,200

13,294

,000

F tabel
5%
2,87

SV

Db

JK

KT

F hitung

perlakuan
galat
total

4
20
24

223,34
84,00
307,34

55,84

13,3

tinggi_tanaman_sawi

Subset for alpha = .05

1
P0
P1
P2
P3
P4
Sig

5
5
5
5
5

31,2000
32,6000
35,4000
36,5000

,406
293
Means for groups in homogeneous subsets are displayed.
a Uses Harmonic Mean Sample Size = 5,000

39,7000
1,000

F hitung lebih besar dari F table, jadi untuk mengetahui perbedaan antar perlakuan
dilanjutkan dengan uji Duncan. Dari uji Duncan didapatkan hasil bahwa pada perlakuan P0
dan P4 menunjukan Hasil berbeda tidak nyata begitu pula dengan P1 dan P2. Sedangkan pada
P3 menunjuan hasil yang berbeda nyata dengan perlakuan lainnya. Hal ini berarti dosis yang
baik untuk perlakuan terhadap tinggi tanaman yaitu P3 (75 gram).

Nah dah selesai nih.semoga bermanfaat

Oleh : Belalangtue
http://belalangtue.wordpress.com