Pendahuluan
Pada kehidupan sehari-hari banyak sekali data yang bisa ditemui, seperti
diamati tersebut ada yang memiliki lebih dari satu macam karakter atau ciri
yang diamati. Data dengan satu macam ciri dianalisis secara univariat. Data
dengan lebih dari satu macam ciri dianalisis secara multivariat. Pada bidang
pertanian misalnya, pada uji coba varietas, data yang dikumpulkan pada
Apabila antar respon yang diamati saling berhubungan atau berkorelasi, analisis
disebut manova.
Salah satu contoh kasus penelitian di bidang pertanian yang terdiri dari
dua macam ciri yang dianalisis yaitu percobaan sistem tumpang sari,
dalam sistem tersebut terdiri dari dua variabel yang menarik (two variable of
Bivariate Analysis 1
permasalahan multivariate atau dalam hal ini bivariate. Dengan
1.2 Tujuan
Mengetahui cara menganalisis data dengan menggunakan bivariate analysis
tumpangsari (intercropping).
1.3 Batasan Masalah
Data yang digunakan adalah data di bidang pertanian pada beberapa
Bivariate Analysis 2
Bab II
Tinjauan pustaka
penanaman dua atau lebih tanaman secara simultan di sebidang lahan yang
campuran dimana campuran dari dua atau lebih benih tanaman ditaburkan
pada baris yang sama. Masih menurut Lahiri (1992), sistem tanam tumpangsari
nutrisi, serta
e) Kontrol terhadap serangga, hama pengganggu, dan rumput liar.
Sebagaimana hal tersebut, maka percobaan sistem tanam tumpangsari
yang sejak lama telah banyak diterapkan, sebenarnya disusun untuk beberapa
kesulitan. Salah satunya adalah Nampak bahwa kedua jenis tanaman tidak
Bivariate Analysis 3
saling bebas sesamanya. Oleh karena itu, Pearce (1979) maupun Nugroho (1989)
telah lama menggunakan pendekatan analisis multivariate dalam hal ini analisis
bivariate yang lebih sesuai dalam menganalisis dua variabel yang saling
variabel.
2.2 Analisis Bivariate
2.2.1 Definisi
Analisis ragam multivariat adalah perkembangan dari teknik univariat
grup atau perlakuan. Prosedur univariat yang digunakan mencakup uji t untuk
dua perlakuan atau dua sampel populasi dan analisis ragam untuk lebih dari
dua perlakuan yang ditunjukkan dengan dua atau lebih peubah tak bebas.
Mead (1990) menjelaskan bahwa analisis bivariate merupakan salah satu
hasil/respon dari dua tanaman dalam satu set plot percobaan. Perhitungannya
Y p 1 , Y p 2 , ,Y pn
bahwa adalah sampel acak dari populasi yang berdistribusi
1=2== p p
Hipotesis nol bisa dituliskan seperti H 0 : , di mana adalah
Bivariate Analysis 4
rata-rata populasi ke-p. Dalam situasi yang disusun dalam rancangan acak
asumsi lain seperti halnya pada analisis ragam univariat, analisis bivariate juga
menjadi valid, terdapat asumsi yang harus dipenuhi sebelum dan sesudah
yaitu sebanyak k peubah tak bebas atau respon mengikuti distribusi normal
multivariat, peubah respon berkorelasi satu dengan yang lain, dan tidak ada
data pencilan atau outlier. Sedangkan asumsi yang harus dipenuhi setelah
perlakuan.
Berdasarkan Nugroho (1989), dalam sistem tumpangsari, didapat dua
produksi yang berbeda, misalnya X1 dan X2. Misalkan dari data tersebut
diperoleh :
- V11 sebagai varian galat untuk X1;
- V12 sebagai kovarian galat untuk X1 dan X2; dan
- V22 sebagai varian galat untuk X2;
V 212
- V '11=V 11 (2)
V 22
Bivariate Analysis 5
2
V
V =V 22 12
'
- 22
V 11
(3)
(4 )
V 12X 1
- Y 2=
( X 2
V 11 )
V 22
(5)
Kedua peubah baru tersebut mempunyai varian galat sama dengan 1 dan
kovarian galat sama dengan nol, dengan kata lain Y1 dan Y2 saling bebas.
dilihat dari nilai rata-rata dari peubah baru Y 1 dan Y2 yang merupakan hasil
transformasi dari peubah asal X1 dan X2, dengan cara menggambar nilai-nilai
digunakan, statistik ini juga analog dengan statistik F yang didapatkan dari
rasio jumlah kuadrat dan hasil kali matriks perlakuan dengan jumlah kuadrat
Bivariate Analysis 6
Statistik Wilks Lamda merupakan statistik yang digunakan dalam
F ( v
univariat statistik 1 ,v 2)
.
Misalkan jika diketahui derajat bebas galat adalah e, maka jumlah kuadrat
galatnya juga e dan jumlah hasil kali galat adalah nol, jika dimisalkan pula
jumlah kuadrat dari jumlah hasil kali untuk perlakuan masing-masing adalah
11 , 12 , 22
dan dengan derajat bebas t, maka persamaan (4) dan (5) dapat
Dengan,
- 11 =b21 . J K X 1 (8)
12 =b 2 . JK X b1 b3 . JK X
- 1 + 12 (9)
22 =b 22 . JK X + 2. b 2
- 1
2 b3 . JK X +b3 . JK X 12 2
(10)
JK X JK X JK X
Dengan 1
, 2
, dan 12
merupakan jumlah kuadrat perlakuan
X1 X1 X2
untuk , jumlah hasil kali untuk dan , serta jumlah kuadrat
X2
perlakuan untuk .
Bivariate Analysis 7
2
e
U= (11)
B
2
dimana B=( 11 +e ) ( 22 +e ) 12 , (12)
sedangkan nilai
Fh it =( 1UU )( e1t ) F ,2 t , 2(e1) (13)
bivariate akan lebih mudah dalam bentuk gambar. Gambar tersebut digunakan
memiliki indeks yang sama. Peubah-peubah baru (dalam hal ini Y 1 dan Y2) akan
Bivariate Analysis 8
a a
Misalkan satu unit X1 dan X2 masing-masing berharga 1 dan 2 , sehingga
' '
satu unit Y1 dan Y2 masing-masing juga akan berharga a1 dan a2 , maka
C=a'1 Y 1+ a'2 Y 2 (14)
(17)
Sehingga
a
( 1 V 11 + a2 V 12)
V 11 (18)
a '1=
a
(19)
'
a2=
C
(2) Jika Y2 = 0, maka Y1 = a'1
Garis yang memiliki nilai indeks yang sama pada system salib sumbu tersebut
Bivariate Analysis 9
2.3 Asumsi pada Analisis Ragam Multivariat
bebas atau respon terdistribusi normal dan ragam sama untuk semua perlakuan.
Oleh karena itu, uji F dalam anova terkait dengan asumsi ini. Untuk pengujian
peubah tak bebas atau respon mengikuti distribusi normal multivariat, peubah
respon berkorelasi satu dengan yang lain, dan tidak ada data pencilan atau
adalah matriks varian kovarian sama untuk semua perlakuan (Singgih, 2015).
[ ( )]
2
1 1 ( y )
f ( y )= exp 2
; < y <
2 2
Y 1 ,Y 2 , ,Y p
Bila terdapat variabel yang berdistribusi normal
multivariat dengan parameter dan maka fungsi kepekatan peluang
f ( y 1 , y 2 , , y p )=
1
2
1
2
( 2 ) ||
exp
[ 1
2
( y )t 1 ( y ) ]
Bivariate Analysis 10
dengan sebagai vektor rata-rata berukuran px1 dan adalah matriks
Y N p ( , )
variabel dapat ditulis dengan .
data yang akan dianalisis. Salah satu cara untuk memeriksa apakah suatu
menggunakan ktriteria critical ratio multivariate sebesar 1,96 pada
=0.05
. Critical ratio multivariate dinyatakan oleh persamaan
kurtosis
Critical ratio multivariate =
8 p ( p+2)
N
di mana :
p = jumlah peubah
N = jumlah sampel
S^
1
terhadap rata-rata atau mean. Dalam hal ini merupakan invers dari
Bivariate Analysis 11
multivariat jika nilai critical ratio multivariate terletak di antara 1,96 pada
respon pada tiap perlakuan berkorelasi. Uji Bartlett bertujuan untuk mengetahui
apakah terdapat hubungan antar peubah respon dalam kasus multivariat. Jika
korelasi bernilai nol maka matriks korelasi antar peubah sama dengan matriks
Statistik Uji :
Bartlett = [( 1
]
N 1 ) (2 p+ 5) log e|R|
6
di mana
N = ukuran sampel
p = banyaknya peubah respon
|R| = determinan matriks korelasi sampel
1
2 dengan derajat bebas p ( p1 )
Uji Bartlett didekati dengan sebaran 2 .
Jika pada anova perlu diuji apakah ada kesamaan ragam pada peubah
respon untuk tiap perlakuan, maka pada manova perlu diuji apakah ada
kesamaan matriks varian kovarian semua elemen pada peubah respon. Untuk
Bivariate Analysis 12
menguji kehomogenan matriks varian kovarian antar perlakuan digunakan
i j
H1 : Minimal ada satu kelompok yang berbeda,
dengan :
p ( n1 ) / 2
|S p|
=
( n p ) / 2
p=1 |W / ( np )|
di mana :
n = banyaknya sampel
p = banyaknya respon
Bivariate Analysis 13
Bivariate Analysis 14
Bab III
Contoh kasus dan pembahasan
dilakukan oleh Dr. Ezumah di ITTA, Nigeria. Perlakuan percobaan terdiri dari 3
varitas maize, 2 varitas cowpea dan 4 level pupuk Nitrogen (0, 40, 80, 120 kg/ha)
disusun dalam tiga kelompok teracak masing-masing 24 plot. Data yang didapat
Bivariate Analysis 15
3.1.2 Hasil Analisis
3.1.2.1 Analisis Ragam Bivariat
Dalam contoh kasus ini analisis ragam bivariate dilakukan terhadap dua
variabel (dalam hal ini hasil panen tanaman maize (X1) dan cowpea (X2) per
0.001 kg/ha) yang diperlakukan secara simetris. Analisis ragam bivariate ini
terdiri dari analisis ragam untuk X1, analisis ragam untuk X2, dana analisis
jumlah kuadrat bagi X1 dan X2, dari situ kemudian dibagi 2. Analisis bivariate
bahwa terdapat keragaman yang substansial pada hasil cowpea pada berbagai
macam varitas maize, juga terdapat interaksi yang nyata antara varitas cowpea
Bivariate Analysis 16
Presentasi secara grafik menggunakan kemiringan sumbu bagi dua hasil
panen sebagai pengganti sumbu tegak lurus/salib yang biasa digunakan. Jika
hasil panen diplot pada sumbu kemiringan dengan sudut antara kedua sumbu
diperoleh dari korelasi error. Gambar berikut menunjukkan tiga jenis maize dari
contoh dan ukuran standar eror dari perbedaan anatara dua pasang rata-rata
V 12
, maka sudut antara kedua sumbu yaitu :
V 12
cos =
V 1 V 2
Bivariate Analysis 17
V 12 X 1
X 2
X1 V1
Y 1= Y 2=
dan
V 1
2
V
V 2 12
V1
tiga varitas maize adalah penting bagi kedua hasil tanaman maize dan cowpea,
dimana perbedaan antara varitas 2 dan 3 jelas lebih kecil daripada antara
penurunan hasil cowpea. Juga terlihat terdapat korelasi yang kuat antara kedua
hasil panen pada ketiga varitas (juga terlihat pada hasil anova bivariate pada
tabel.3 yaitu -0.98). Grafik lainnya menggambarkan hasil dari pengaruh utama
terdapat pada hasil panen maize yang meningkat secara konsisten dengan
Bivariate Analysis 18
meningkatnya Nitrogen. Selain itu dari pola terlihat bahwa ada hubungan
tabel 3 bagi data hasil panen maize dan cowpea menunjukkan signifikansi yang
sangata nyata.
3.1.3 Komentar
Sebagaimana yang dilakukan oleh Nugroho (1989), dalam kasus ini lebih
LER. Nilai ini diperkenalkan oleh Wit dan Vandebourg (1965) dan Willey (1979)
yang berdasar pada hubungan hasil panen dari masing-masing jenis tanaman
dalam system tumpangsari adalah MA dan MB, dan hasil panen sebagai tanaman
Bivariate Analysis 19
tumpangsari. Nilai L lebih dari 1 menunjukkan keuntungan secara menyeluruh
Pada contoh kasus ini tidak dilakukan uji asumsi multivariate, yang
merupakan salah satu tahapan yang harus dilalui agar analisis mutivariat
dalam Singgih (2015) asumsi harus dipenuhi sebelum analisis dilakukan yaitu
multivariat, peubah respon berkorelasi satu dengan yang lain, dan tidak ada
data pencilan atau outlier. Sedangkan asumsi yang harus dipenuhi setelah
perlakuan.
3.2.1 Data
Data yang digunakan dalam contoh ini diambil dari percobaan
tumpangsari tanaman Jarak Pagar dengan tanaman Pangan yang dilakukan oleh
sebagai Jurnal dalam Jurnal Akta Agrosia Vol.12 No.1 Halaman 51-55 Bulan
Bivariate Analysis 20
Januari Juni 2009. Jurnal tersebut berjudul Produktivitas Lahan dan NKL
pada Tumpang Sari Jarak Pagar dengan Tanaman Pangan, peneltitian ini
pangan (Bunga matahari, Jagung, Padi Gogo, dan kacang tanah). Penelitian
(RAKL) terdiri dari 4 macam pola tanam : 1) Tanaman Jarak + Bunga Matahari +
Rancangan Acak Kelompok Lengkap (RAKL) faktor tunggal yang terdiri atas 7
Sebagai perlakuan adalah pola tanam yang terdiri dari: A = tumpang sari jarak
pagar dengan padi gogo, B = tumpang sari jarak pagar dengan jagung, C =
tumpang sari jarak pagar dengan kacaang tanah, D = monokultur padi gogo, E
pagar.
3.2.2 Hasil Analisis
Bivariate Analysis 21
Dari tabel ini memberikan informasi bahwa rataan produktivitas hasil
jarak dan tanaman pangan (padi, jagung, dan kacang tanah), menunjukkan
kacang tanah dengan jarak pagar, selanjutnya jika dilakukan terhadap padi
Hal tersebut sesuai dengan Thahir dan Hadmadi (1984) bahwa tanaman
yang sesuai untuk dimaukkan dalam pola tanam tumpangsari adalah tipe
tanaman pendek, mahkota daun kecil tidak banyak cabang, umur genjah dan
tahunan, tahan serangan hama, dan penyakit, hasil tinggi dan tidak peka
Bivariate Analysis 22
3.2.3 Komentar terhadap Kasus 2
Kasus ini seharusnya dapat dikembangkan dengan menggunakan analisis
Nugroho (1989).
Pada contoh kasus ini seharusnya dilakukan uji asumsi multivariate, yang
merupakan salah satu tahapan yang harus dilalui agar analisis mutivariat
dalam Singgih (2015) asumsi harus dipenuhi sebelum analisis dilakukan yaitu
multivariat, peubah respon berkorelasi satu dengan yang lain, dan tidak ada
data pencilan atau outlier. Sedangkan asumsi yang harus dipenuhi setelah
perlakuan.
Berdasarkan tahapan bivariate analisis yang dikemukakan oleh Pearce dan
bentuk grafik. Dalam pendekatan ini, galat ragam dan kovarian dari kedua
variat membentuk peubah baru yang merupakan fungsi dari peubah asal dan
galat ragam kovarian. Peubah baru ini nantinya memiliki galat ragam sama
dengan satu dan covarian sama dengan nol (peubah baru saling bebas dan
lingkaran berjari-jari 2 F /n .
Bivariate Analysis 23
Data yang digunakan dalam contoh ini diambil dari Turkish Journal of Field
Crops yang berjudul Productivity of Intercroping Maize (Zea Mays L.) and Pumpkin
yang ditulis oleh Nebojsa Momirovic, dkk dari Fakultas Pertanian, Universitas
jagung dengan labu yang paling efisien dan produktif. Denga harapan bahwa
tanaman jaugung dan labu akan memperoleh hasil panen tertinggi dalam
sumber daya alam secara keseluruhan menjadi lebih baik dibandingkan jika
berikut :
1) Evaluasi produktivitas kedua tanaman tumpangsari dengan system bertani
Research Institut (MRI) di Belgrade selama Tahun 2010 dan 2011 pada
kali ulangan. Tanaman jagung ditebar dalam spasi tanam 0.8 m dan spasi
tanaman labu ditebar dalam spasi tanam 1.6 m dan spasi bari 2 m (3125
Bivariate Analysis 24
3) 3 kombinasi perlakuan campuran berdasarkan percobaan sebelumnya oleh
de Wit (1960) yaitu : a) 2/3 labu : 1/3 jagung dimana 2 baris labu digan ti
dengan 2 baris jagung; b) labu: jagung dimana satu baris labu diganti
dengan 2 baris jagung; dan c) 1/3 labu : 2/3 jagung- dimana satu baris labu
diikuti oleh 4 baris jagung. Spasi tanam dalam percobaan campuran sama
bivariate (Pearce dan Gilliver 1978 ; Mead 1986) dan Nilai Kesetaraan Lahan
Bivariate Analysis 25
Dari tabel terlihat bahwa perbedaan perlakuan terhadap jumlah buah labu
yang dihasilkan per tanaman tidak berbeda signifikan. Jumlah buah dan
berat tertinggi buah labu diperoleh pada perlakuan 2/3 : 1/3 baik pada
tinggi jika dibandingkan dengan system stan murni untuk tanaman labu.
2) Hasil untuk tanaman Jagung (jumlah buah dan berat massa) pada pola
Dari tabel terlihat bahwa jumlah tongkol terendan dan berat massa terkecil
konsekuensi logic dari kompetisi yang intensif antar spesies dalam system
tumpangsari.
3) Hasil Panen Keseluruhan tanaman jagung dan labu dalam system
tumpangsari (kg/ha)
Bivariate Analysis 26
Pengaruh terbaik dari penerapan system tanam tumpangsari dalam hasil
kombonasi pertama yaitu 1/3:2/3 baik dalam system bertani maupun dalam
kedua periode tahun (tabel 5). Sedangkan pada tabel 6 menunjukkan bahwa
dengan system konvensional. Terlihat bahw hasil panen labu pada system
yaitu pada perlakuan 2/3:1/3. Namun nilai tertinggi justru diperoleh pada
Bivariate Analysis 27
prinsip produk kompetisi. Prinsip ini menitikberatkan hal pada optimal
menduga sejauh mana interaksi antar spesies dalam tumpangsari yaitu nilai
LER.
Berdasarkan nilai indeks LER pada tabel 7 dan gambar 2, dapat disimpulkan
Bivariate Analysis 28
keefektifan jika dibandingkan dengan system tanaman tunggal. Nilai indeks
campuran baik pada kedua system bertani maupun periode musim. Juga
unit area.
Jelas bahwa system bertani secara konvensional lebih menguntungkan jika
telah dilakukan. Hanya saja pada contoh kasus ini seharusnya dilakukan uji
asumsi multivariate, yang merupakan salah satu tahapan yang harus dilalui
analisis dilakukan yaitu sebanyak k peubah tak bebas atau respon mengikuti
distribusi normal multivariat, peubah respon berkorelasi satu dengan yang lain,
dan tidak ada data pencilan atau outlier. Sedangkan asumsi yang harus
dipenuhi setelah analisis dilakukan adalah matriks varian kovarian sama untuk
semua perlakuan.
Bivariate Analysis 29
Berdasarkan tahapan bivariate analisis yang dikemukakan oleh Pearce dan
Gillivers (1978) penelitian ini talah disertai representasi dalam bentuk grafik.
Namun, menurut Nugroho (1989) interpretasi ini akan dapat diperkuat dengan
berjari-jari 2 F /n .
Bivariate Analysis 30
Bab IV
Penutup
4.1 Kesimpulan
peubah respon berkorelasi satu dengan yang lain, dan tidak ada data
perlakuan.
3. Pada ketiga contoh kasus penelitian ini, secara keseluruhan asumsi-asumsi
Bivariate Analysis 31