Perancangan dan Analisis

Data Percobaan Pertanian

Sutoro
BB BIOGEN
PRINSIP PERANCANGAN PERCOBAAN
• Ulangan (replication)
• Pengacakan (randomization)
• Pengendalian tempat percobaan (local control)

Percobaan dilaksanakan di laboratorium, rumah kaca, dan lapang

Sumber-sumber keragaman
• Tempat percobaan:
- Bekas pertanaman sebelumnya
- Bekas pematang/galengan/pembatas lahan
- Bekas percobaan pemupukan
Sumber keragaman: adanya sebagian petak yang
ternaungi
Sumber keragaman
• Pengendalian petak/lahan :
- Cara pemupukan, waktu penyiangan, perlindungan hama-penyakit,
pengairan
 Sumber keragaman:
alat ukur yang
digunakan
Proses untuk
mendapatkan data hasil
pengukuran
menggunakan bantuan
peralatan yang tidak
Misalnya : Timbangan yg sama
tidak sama untuk
mengukur berat antar unit
percobaan
Sumber keragaman
Perlakuan percobaan
• Cara pemberian perlakuan percobaan
• Varietas yang diuji memiliki viabilitas benih yang berbeda
Viabilitas benih/bibit tidak baik, terdapat
missing hill.
variasi antar satuan percobaan
Pemilihan rancangan percobaan
• Rancangan percobaan seyogyanya sederhana dengan
mempertimbangkan tujuan dari penelitian
• Keragaman bahan-bahan yang digunakan dalam percobaan
Rancangan Perlakuan
• Satu faktor
• Dua faktor atau lebih (kombinasi antar faktor/factorial,
sebagian/fractional)
• Faktor pembanding dari perlakuan sering perlu dilibatkan
Evaluasi awal
• Strip check
Rancangan Lingkungan
• Rancangan Acak Lengkap (RAL)
• Rancangan Acak Kelompok (RAK)
• Rancangan Bujursangkar Latin
• Rancangan Split Plot
• Rancangan Strip Plot
• Rancangan augmented
Rancangan Acak Lengkap (RAL)
Digunakan bila
bahan percobaan
homogen
Lay out Percobaan RAL

B A E

A E D

A B C

D C B

E C D
Model linier
• Model linier RAL : Y = µ + Vi + ε

ε
V1

V1 Vt
u =rata-rata umum, Vi= pengaruh varietas , ε = error
ANOVA- RAL

Sumber Derajat Kuadrat

F- hitung
keragaman bebas tengah
Perlakuan t-1 KTP KTP/KTG
Galat t(r-1) KTG
Total tr-1
Contoh hasil analisis (ANOVA)
• Analysis of Variance for biji, using Adjusted SS for Tests
• Source DF Seq SS Adj SS Adj MS F P
• var 7 49.903 49.903 7.129 6.96 0.001
• Error 16 16.393 16.393 1.025
• Total 23 66.296
S = 1.01222 R-Sq = 75.27% R-Sq(adj) = 64.45%
• Unusual Observations for biji
• Obs biji Fit SE Fit Residual St Resid
• 19 12.9000 10.9333 0.5844 1.9667 2.38 R
• R denotes an observation with a large standardized residual.
Model linier Rancangan Acak Kelompok (RAK)
• Model : Y = µ + Bj+ Vi + ε
µ = rata-rata umum
Bj = pengaruh blok/kelompok
Vi = pengaruh varietas
ε = error

Digunakan bila terdapat sumber keragaman bahan

percobaan dalam 1 arah
Lay out- RAK

A B D
C A C
B D E
E C A
D E B
RAK
Rancangan Bujursangkar Latin (RBSL)
• Keragaman dlm 2 arah
-Teras
-lahan petani

Model Y = µ + Bj+ Kk + Vi + ε
Lay out- RBSL

A B C D E

B C D E A

C D E A B

D E A B C

E A B C D
Rancangan Augmented
dalam RAK
• Digunakan perlakuan banyak
• Umumnya untuk keperluan seleksi (awal)
• Sejumlah perlakuan dikelompokkan
• Tiap kelompok terdapat perlakuan kontrol
 1 2 A 3 4 B 5 6 C 7 8 9 10 D 11 E 12 13 14 F 15
BLOK I

16 B 17 C 18 D 19 20 A 21 22 F 23 24 25 26 E 27 28 29 30

BLOK II

31 32 F 33 34 E 35 36 B 37 38A 39 40 C 41 42 43 44 D 45
BLOK III

46 47 D 48 A 49 50 B 51 52 53 C 54 55 56 F 57 58 E59 60

BLOK IV
Banyaknya kelompok b minimum
• b > [12/(c-1)] + 1
c = jumlah perlakuan kontrol
b= jumlah kelompok
Pengaruh kelompok/blok
• Rj = Bj – M
• Bj = rata-rata semua perlakuan kontrol pada kelompok ke-j
• M = rata-rata keseluruhan perlakuan kontrol

• Digunakan untuk mengoreksi data perlakuan

Percobaan 2 faktor dalam RAL atau RAK
• Percobaan dengan menggunakan rancangan acak kelompok bila:
kedua faktor dan interaksinya semua penting
Model- dalam RAL: Y = µ +Ai + Bj + ABij + ε

Model dalam RAK: Y = µ + Bk+ Ai + Bj + ABij + ε

Percobaan 2 faktor dalam RAL
1. varietas (V1, V2, V3)
2. perlakuan stress (S0, S1))
• Perlakuan ada 6 kombinasi:
1. V1S0, 2. V1S1, 3. V2S0, 4. V2S1, 5. V3S0, 6. V3S1
• Percobaan dalam RAL, model Y = µ + Vi + Sj + VSij + ε

1 5 4 4 5 3
6 2 3 1 4 2
2 6 6 3 1 5
Percobaan 2 faktor dalam RAK
Model Y = µ + Bk+ Vi + Sj + VSij + ε

1 4 2 6 5 3 Blok I
6 2 3 1 4 5 Blok II
2 6 4 3 1 5 Blok
III
Rancangan SPLIT PLOT
• Percobaan dengan menggunakan rancangan split plot,
bila
- ada salah satu faktor yang lebih penting daripada faktor yang lain
(faktor yang lebih penting ditempatkan sebagai sub-plot, yg kurang
penting sebagai main plot)

Model Y = µ + Bk+ Vi + δ + Sj + VSij + ε

Lay out- Split Plot
Blok I Blok II Blok III

V1S0 V2S1 V3S1 V2S0 V1S0 V2S1

V3S0 V1S1 V1S1 V3S0 V3S0 V1S1

V2S0 V3S1 V2S1 V1S0 V2S0 V3S1

Rancangan STRIP PLOT/Split Block
• Percobaan dengan menggunakan rancangan strip plot bila
- Pengaruh interaksi lebih penting daripada faktor yang lain.

Model Y = µ + Bk+ Vi + δ + Sj + α+VSij + ε

Lay out- Strip Plot/Split Block
Blok I Blok II Blok III

V1S0 V1S1 V3S1 V3S0 V1S0 V1S1

V3S0 V3S1 V1S1 V1S0 V2S0 V2S1

V2S0 V2S1 V2S1 V2S0 V3S0 V3S1

Rancangan tersarang (blok tersarang/nested
pada perlakuan)
• Percobaan evaluasi thd naungan, kekeringan, genangan di lapang
(ulangan atau blok di dalam perlakuan)

• Percobaan multilokasi untuk uji daya hasil varietas (RAK tiap lokasi)
Lay out-percobaan nested (blok tersarang dalam S)

Blok I Blok II Blok III Blok I Blok II Blok III

V1S0 V2S0 V3S0 V2S1 V1S1 V2S1

V3S0 V1S0 V1S0 V3S1 V3S1 V1S1

V2S0 V3S0 V2S0 V1S1 V2S1 V3S1

 Percobaan naungan

Tanpa naungan Naungan

ANOVA
Source of variation Source of variation
(percobaan 1 faktor) (percobaan 2 faktor: varietas dan perlakuan stress)
RAL RAK RAL RAK Split Plot Nested
(stress-main (Blok(stres))
plot)
Varietas Blok Varietas Blok Blok Stres
Error Varietas Stres Varietas Stres Blok(stress)
Error Interaksi SxV Stres Error (blok*stress) varietas
Error Interaksi SxV Varietas Interaksi SxV
Error Interkasi SxV Error
Error
Percoban multilokasi
• Tujuan untuk menguji adaptabilitas galur harapan terhadap berbagai
lingkungan
• Lingkungan : lokasi dan musim
• Gabungan percobaan RAK setiap lingkungan
• Koefisien keragaman <20%
• Lingkungan : ?

• Analisis stabilitas hasil (Eberhart-Russel)

Percobaan multilokasi
Lokasi 1 Lokasi 2 Lokasi 3

Blok I

Blok II

Blok III

Blok IV
Percobaan multilokasi
• Rancangan percobaan pada setiap
lokasi/musim menggunakan RAK
• Anova data gabungan dari setiap lokasi
percobaan:
-lingkungan,
-ulangan dalam lingkungan,
-genotipe,
-interaksi genotipe x lingkungan
-galat.
STATISTIK NON PARAMETRIK - Uji Kruskal
Wallis
• Analisis statistik non parametrik digunakan bila asumsi yang
mendasari analisis parametrik tidak dipenuhi, seperti asumsi dasar
data yang diambil dari populasi yang memiliki sebaran/distribusi
normal atau data peringkat (skala ordinal).
• Uji kesamaan dua atau lebih populasi lebih ditekankan pada apakah
populasi-populasi tersebut merupakan populasi yang identik.
Pembeda = z 1- α/k(k-1) x √ k (N+1)/6, z = nilai tabel distribusi normal
baku dan k=banyaknya populasi/perlakuan
Analisis Peubah Ganda
• Analisis komponen utama
• Analisis kluster
• Analisis regresi berganda
Analisis komponen utama
• Variabel baru komponen utama (PC) : kombinasi dari variable
pengamatan
• PC1 Y1= a1 X1 + a2 X2 + a3 X3 + a4 X4 + a5 X5 + a6 X6
• PC2Y2= b1 X1 + b2 X2 + b3 X3 + b4 X4 + b5 X5 + b6 X6 ….. dan
seterusnya

• Antar variabel PC tidak berkorelasi (bebas)

Data (minimal dalam skala interval)
Skor Skor Skor lahan Skor Skor
Skor hama penyakitI penyakitII masam kekeringan salinitas
Varietas (X1) (X2) (X3) (X4) (X5) (X6)
A 8 9 7 2 3 3
B 7 8 8 1 3 2
C 9 9 8 3 2 2
D 2 1 3 8 8 7
E 3 3 2 9 9 8
F 3 2 2 7 8 9
G 2 2 3 8 9 8
H 8 9 7 8 9 7
I 7 8 8 7 8 8
J 9 9 8 9 9 8
Hasil analisis
• Eigenvalue 4,4215 1,3913 0,0812 0,0680 0,0331 0,0049
• Proportion 0,737 0,232 0,014 0,011 0,006 0,001
• Cumulative 0,737 0,969 0,982 0,994 0,999 1,000

• Variable PC1 PC2 PC3 PC4 PC5 PC6

• X1 -0,406 0,424 0,412 0,266 -0,228 0,603
• X2 -0,410 0,417 0,137 0,243 0,487 -0,586
• X3 -0,413 0,377 -0,617 -0,465 -0,299 -0,029
• X4 0,397 0,434 0,510 -0,466 -0,301 -0,294
• X5 0,405 0,428 -0,212 -0,164 0,631 0,428
• X6 0,418 0,365 -0,355 0,640 -0,364 -0,153
Analisis kluster
• Tujuan analisis kluster untuk mengelompokkan objek ke dalam
beberapa kluster/gerombol berdasarkan kemiripan antar obyek
• Kemiripan antar objek pada analisis gerombol ditentukan oleh jarak
antara dua objek.
Analisis kluster
Dendogram
 Analisis Kluster

Dendrogram
Varietas

30,84

53,89

Similarity
76,95

100,00
17614 6 65572 05 5 5 50 9123 6 8788 2 247678113716 2 4613 9 915 8 27579 6748 019 06 4 63 873702 5 8 5772 0973 13914 9 9 89 3 4106 10189 041279 4 0513 3214 48 7717217815 3 2 73 4 6
48 4 910 2 5 8 5 4 5 5 2 3 9 44 2 49 4 8 9 8 9 4 6 2 32 6 5 6 23 6 3 3 3 5 83 3 5 5 8 2 6 6 6 2 6 8 9 8 99

Observations

Dendrogram dan diagram PC1 vs PC2

Analisis Regresi
• Hubungan variabel bebas (independent) X dengan variabel tak bebas
(dependent) Y

• Y=a+bX
• Y = a + b1 X1 + b2 X2 + ….. + bk Xk

X1, X2 …Xk saling bebas (tidak berkorelasi)

Terima kasih