BAB I

PENDAHULUAN

1.1. Latar Belakang

Dalam pengambilan kesimpulan, umumnya diperlukan metode analisis
dengan semua asumsi terpenuhi. Akan tetapi pada kenyataannya pemenuhan
asumsi tersebut kadang sulit untuk dilakukan, sehingga dalam banyak hal sering
bergantung pada ketepatan dalam pemilihan metode analisis yang tepat. Uji BNT
(Beda Nyata Terkecil) adalah metode yang menjadikan nilai BNT atau nilai LSD
sebagai acuan dalam menentukan apakah rata-rata dua perlakuan berbeda
secara statistik atau tidak. Sedangkan Uji DMRT adalah uji lanjutan untuk
mengetahui nilai tengah mana saja yang sama dan nilai tengah mana saja yang
tidak sama ketika pengujian kehomogenan beberapa nilai tengah memberikan
hasil menolak hipotesis nol dan menerima hipotesis alternatif. Uji DMRT ini
digunakan untuk mengetahui jenis terbaik dari rankingnya. Uji ini dilakukan
karena adanya beda nyata pada hasil analisis varian. Selain itu, ada juga Uji
Tukey biasa juga disebut uji beda nyata jujur (BNJ) yaitu mempunyai satu
pembanding dan digunakan sebagai alternatif pengganti LSD apabila kita ingin
menguji seluruh pasangan rata-rata perlakuan tanpa rencana. Uji Tukey
digunakan untuk membandingkan seluruh pasangan rata-rata perlakuan setelah
uji analisis ragam di lakukan. Aplikasi DMRT pada agroindustri adalah dalam
penelitian karakterisasi tiga jenis pati sagu hidrokispropil, yaitu sebagai uji lanjut
apabila hasil yang didapatkan berbeda nyata dengan tingkat kepercayaan 95%.
Uji BNT pada agroindustri digunakan dalam penelitian pengaruh jenis pisang dan
bahan perendam terhadap karakteristik tepung pisang, uji BNT digunakan
sebagai lanjutan apabila analisis ragam menunjukkan perbedaan nyata. Uji BNJ
digunakan untuk mengetahui pengaruh ketebalan irisan dengan suhu
penggorengan hampa terhadap karakteristik kripik labu kuning dengan taraf 5%.

1.2. Tujuan
Tujuan dari praktikum ini yang pertama untuk menguji semua kemungkinan
pasangan nilai tengah perlakuan. Kedua untuk mengetahui langkah-langkah
rancangan tersarang dan uji BNT. Kemudian, untuk mempelajari uji DMRT
menggunakan aplikasi SPSS dan juga untuk mengetahui hasil DMRT
menggunakan aplikasi SPSS.
 BAB II
TINJUAN PUSTAKA

2.1 Duncan Multiple Range Test (DMRT)

2.1.1 Pengertian DMRT
Uji Duncan merupakan uji lanjutan utuk mengetahui nilai tengah mana saja
yang sama dan nilai tengah mana saja yang tidak sama ketika pengujian
kehomogenan beberapa nilai tengah memberikan hasil menolak hipotesis nol
dan menerima hipotesis alternatif. Uji Duncan memiliki nilai kritis yang tidak
tunggal tetapi mengikuti urutan rata-rata yang dibandingkan. Uji ini dilakukan
karena adanya perbedaan nyata pada hasil analisis varians (Sudarwati,2019).
The most versetile of the post hoc mutiple-comparison test is the scheffe
procedure , which allows any number of post hoc contrasts. For pairwise
comparisons after the data have been analyzed, Duncan's multiple-rane test
seems to be at least as powerful as any other,and is perhaps the most frequently
used such test. For a complete discussion. As we saw in the illustrasion of
ducan's multiple- range test, it is possible obtain apparently contradictory results
(Freun, 2010)
Yang paling serbaguna dari uji perbandingan mutiple post hoc adalah
prosedur scheffe, yang memungkinkan sejumlah kontras post hoc. Untuk
perbandingan berpasangan setelah data dianalisis, uji multi-rane Duncan
tampaknya setidaknya sekuat yang lain, dan mungkin merupakan tes yang paling
sering digunakan. Untuk diskusi lengkap. Seperti yang kita lihat dalam ilustrasi
tes multi-range ducan, adalah mungkin mendapatkan hasil yang tampaknya
bertentangan (Freund 2010)
2.1.2 Prinsip dan Tujan DMRT
Prinsip dari uji DMRT memiliki bunyi yang sama dengan uji BNT. Dimana
prinsip yang dimiliki oleh DMRT adalah nilai tabel yang lebih rapat sehingga
memiliki perbandingan yang berbeda tiap perlakuan dan menjadi lebih rapat. Uji
DMRT dapat dilakukan saat perbandingan perlakuan lebih dari 3 perlakuan.
Penerapan uji DMRT ini dapat digunakan pada uji RAL maupun RAK. Uji Duncan
digunakan untuk membandingkan kelompok terus menerus dan data terdistribusi
secara acak, uji duncan juga digunakan untuk mengetahui adanya perbedaan
dari pemberian perlakuan yang dilakukan uji (Nadir, 2018).
2.1.3 Karakteristik DMRT
Duncan’s test is used to compare groups of continuous and randomly
distributed data (such as body weights or organ weights). The test normally
involves three or more groups taken one pair at a time. It should only follow
observation of a significant F value in the ANOVA and can serve to determine
which group differs significantly from which other group. There are two altenative
methods of calculation. The selection of the proper one is based on whether the
number of data are equal or unequal in the group (Mckenize, 2013).
Uji Duncan digunakan untuk membandingkan kelompok terus menerus
dan data terdistribusi secara acak (seperti berat badan atau berat organ). Tes ini
biasanya melibatkan tiga atau lebih kelompok diambil satu pasangan pada satu
waktu. Hanya terus mengikuti pengamatan nilai F signifikan dalam ANOVA dan
dapat berfungsi untuk menentukan kelompok mana yang secara signifikan
berbeda dari kelompok lainnya. Ada dua metode alternative perhitungan.
Pemilihan yang tepat berdasarkan apakah jumlah data yang sama atau tidak
sama dalam kelompok (Mckenize, 2013).
2.1.4 Atribut yang Digunakan Untuk DMRT
Uji Duncan memiliki nilai kritis yang tidak tunggal tetapi mengikuti urutan
rata-rata yang dibandingkan. Terdapat beberapa atribut yang digunakan dalam
uji Duncan atau DMRT. Atribut tersebut diantaranya yaitu data rata-rata
perlakuan. Atribut selanjutnya yaitu taraf nyata. Atribut yang digunakan yang
lainnya yaitu jumlah perlakuan, derajat bebas (db) galat, dan tabel Duncan untuk
menentukan nilai kritis uji perbandingan (Syukur dkk, 2012).
2.1.5 Aplikasi DMRT dalam Agroindustri
Salah satu aplikasi DMRT adalah dalam penelitian karakterisasi tiga jenis
pati sagu hidroksipropil yang bertujuan untuk mempelajari sifat-sifat fisiko-kimia
tiga jenis pati sagu yang dimodifikasi dengan hidrokispropil. Penelitian ini
menggunakan rancangan acak lengkap factorial dengan tiga kali ulangan. Jika
berbeda nyata dilanjutkan dengan uji jarak berganda Duncan dengan tingkat
kepercayaan 95% (Polnaya dkk, 2009).

2.2 Uji Beda Nyata Terkecil (BNT)

2.2.1 Definisi Uji BNT
The method of least significant difference (LSD) is the simplest approach to
a posteriori comparison. This test is a simple t-test comparing all possible pairs of
treatment means. However, the LSD method results in more significant
differences than would be expected according to the α level. Because of this,
many statisticians do not recommend its use (Bolton and Bon, 2010).
Metode Beda Nyata Terkecil (BNT) adalah pendekatan paling sederhana
untuk perbandingan posteriori. Tes ini adalah uji-t sederhana yang
membandingkan semua pasangan sarana pengobatan yang mungkin. Namun,
metode BNT menghasilkan perbedaan yang lebih signifikan daripada yang
diharapkan sesuai dengan level α. Karena itu, banyak ahli statistik tidak
merekomendasikan penggunaannya (Bolton dan Bon, 2010).
2.2.2 Karakteristik Uji BNT
The method of least significant difference (LSD) is the simplest approach
to a posteriori comparison. The LSD test differs from the indiscriminate use of
multiple t-test in that procceds. The first, only if the F-test in the ANOVA is
significant. The second, the pooled (within mean square) variance is used as the
variance estimate in the t-test procedure (Bolton and Bon, 2010).
Metode Beda Nyata Terkecil (BNT) adalah pendekatan paling sederhana
untuk perbandingan posteriori. Tes BNT berbeda dari penggunaan uji t ganda
secara acak pada proses tersebut. Yang pertama, hanya jika F-test di ANOVA
signifikan. Yang kedua, varians terkumpul (dalam mean square) digunakan
sebagai estimasi varians dalam prosedur uji-t (Bolton dan Bon, 2010).
2.2.3 Fungsi Uji BNT
Uji BMT umumnya dilakukan untuk uji lanjut One Way Anova, RAL
nonfaktorial dan RAL faktorial. Banyak pendapat yang menyatakan bahwa uji
BNT adalah uji yang dilakukan khusus untuk RAL. Pernyataan tersebut kurang
tepat, uji RAL juga dapat menggunakan uji lain seperti BNJ, dan uji DMRT. Yang
membedakan kapan harus menggunakan BNT, DMRT dan BNJ adalah
banyaknya perlakuan penelitian yang akan dibandingkan. Jika perlakuan yang
dibandingkan kurang dari sama dengan 3 maka digunakan BNT, jika banyaknya
perlakuan lebih dari 3 maka menggunakan uji DMRT atau uji BNJ. Uji BNT
digunakan untuk menelusuri pola pengaruh perlakuan terhadap variabel respon.
Uji BNT juga digunakan untuk menarik kesimpulan apakah setiap perlakuan
berbeda nyata atau tidak (Solimun dkk, 2017).
2.2.4 Tujuan Uji BNT
Fisher’s Least Significant Difference (LSD) test is one of the post hoc
tests. Fisher proposed this simplest and widely used LSD test in 1935. LSD
method is an effective test for the detection of true differences in means if it is
applied when F-test in the ANOVA is significant at a particular level of
significance (Sultana, 2013).
Uji beda nyata terkecil yang pertama kali ditemukan oleh Fisher adalah
salah satu tes post hoc. Fisher mengusulkan uji BNT yang paling sederhana dan
banyak digunakan ini pada tahun 1935. Metode BNT adalah uji yang efektif untuk
mendeteksi perbedaan nyata dalam sarana jika diterapkan ketika F-test dalam
ANOVA signifikan pada tingkat signifikansi tertentu (Sultana, 2013).
2.2.5 Langkah-langkah BNT
For the application of the LSD procedure, it is essential to perform it
sequentially to a significant F-test of the ANOVA procedure. So, if one chooses to
perform the LSD procedure, one first calculates the ANOVA procedure and stops
if it not significant, and calculates the LSD test only if the F-test is statistically
significant. The LSD test is largely similar to the Bonferroni-test, and yields with
the above example a p-value close to 0.05. Like with Bonferroni, the difference is
still significant, but not highly significant anymore (Cleophas et al, 2009).
Penerapan prosedur BNT penting untuk dilakukan secara berurutan untuk
uji-F yang signifikan dari prosedur ANOVA. Jadi, jika seseorang memilih untuk
melakukan prosedur BNT, yang pertama menghitung prosedur ANOVA dan
berhenti jika tidak signifikan, dan menghitung uji BNT hanya jika uji-F signifikan
secara statistik. Uji BNT sebagian besar mirip dengan uji Bonferroni, dan hasil
dengan contoh di atas p-value mendekati 0,05. Seperti dengan Bonferroni,
perbedaannya masih signifikan, tetapi tidak terlalu signifikan lagi (Cleophas dkk,
2009).
2.2.6 Aplikasi BNT dalam Bidang Agroindustri
Salah satu aplikasi BNT adalah pada penelitian pengaruh jenis pisang
dan bahan perendam terhadap karakteristik tepung pisang. Tujuan dari penelitian
ini adalah untuk mempelajari pengaruh jenis pisang (ambon, tanduk, kepok dan
biji) terhadap karakteristik fisik kimia organoleptik dan sifat amiglorafi tepung
pisang. Data yang diperoleh dianalisis secara statistik menggunakan analisis
ragam. Apabila hasil analisis ragam menenujukan perbadaan nyata maka
dilanjutkan dengan uji BNT (Palupi, 2012).

2.3 Uji Beda Nyata Jujur (BNJ)

2.3.1 Pengertian BNJ
The Tukey test sometimes referred to as the Tukey Honestly Significant
Difference (HSD) test. The Tukey test is a statistical procedure used to limit the
probability of family-wise error in situations in which a researcher conducts all
possible simple comparisons between groups. The Tukey Test limits familywise
error by increasing the critical value or the statistic needed to reject the null
hypothesis for each comparison, there by making it more difficult to reject the null
hypothesis (Tokunaga, 2016).
Tes Tukey kadang-kadang disebut sebagai uji Tukey Beda Nyata Jujur
(BNJ). Tes Tukey adalah prosedur statistik yang digunakan untuk membatasi
probabilitas kesalahan keluarga dalam situasi di mana seorang peneliti
melakukan semua perbandingan sederhana yang mungkin antara kelompok. Uji
Tukey membatasi kesalahan keluarga dengan meningkatkan nilai kritis atau
statistik yang diperlukan untuk menolak hipotesis nol untuk setiap perbandingan,
di sana dengan membuatnya lebih sulit untuk menolak hipotesis nol (Tokunaga,
2016).
2.3.2 Karakteristik dan Fungsi BNJ
Tes Tukey merupakan salah satu uji simultan yang digunakan untuk
menganalisis perbedaan. Uji ini biasanya dilakukan pada sampel besar dan
biasanya digunakan jika analisis data dalam penelitian dilakukan dengan cara
membandingkan data dua kelompok sampel yang jumlahnya sama maka akan
dilakukan pengujian hipotesis komparasi dengan uji tukey. Hal demikian wajar
karena peneliti dapat mengetahui kekuatan dan keterbatasan penelitian yang
dilakukan sebagai upaya untuk mendapatkan pengetahuan Salah satu
karakteristik uji BNJ adalah penarikan kesimpulan uji BNJ dengan cara
membandingkan nilai BNJ dengan beda rata-rata dua perlakuan. Jika selisish
rata-rata perlakuan lebih besar dari BNJ itu artinya perlakuan tersebut berbeda
nyata dan sebaliknya (Sutopo dan Slamet, 2017).
2.3.3 Langkah - langkah BNJ
Prosedur pengujian mirip dengan LSD yaitu mempunyai satu pembanding
dan digunakan sebagai alternaltif pengganti LSD apabila kita ingin menguji
seluruh pasangan rata-rata perlakuan tanpa rencana. Uji Tukey digunakan untuk
membandingkan seluruh pasangan rata-rata perlakuan setelah uji analisis ragam
dilakukan. Langkah – langkah pengujiannya yang pertama adalah urutkan rata-
rata perlakuan (urutan naik/turun), kemudian tentukan nilai Tukey HSD, lalu
bandingkan nilai mutlak selisih kedua rata-rata yang akan dilihat perbedaannya
dengan nilai HSD (Santoso, 2010).
2.3.4 Aplikasi BNJ dalam Agroindustri
Salah satu aplikasi BNJ dalam agroindustri adalah untuk mengetahui
pengaruh ketebalan irisan dan suhu penggorengan hampa terhadap karakteristik
fisik, kimia dan organoleptik kripik labu kuning. Pada penelitian ini menggunakan
uji BNJ (tabel 1) taraf 5% yang menunjukkan bahwa rerata randemen kripik labu
kuning A1 berbeda nyata dengan A2 dan A3. Semakin luas permukaan keripik
labu kuning maka panas dari minyak dapat berhubungan langsung ke pusat
bahan sehingga air lebih mudah berdifusi. Uji BNJ (tabel 2) pada taraf 5%
menunjukkan bahwa rerata randemen keripik labu kuning pada perlakuan B3
berbeda nyata dengan B2 dan B1. Semakin tinggi suhu penggorengan vakum,
maka randemen yang dihasilkan semakin rendah. Pada proses penggorengan
suhu yang tinggi akan memaksa air keluar ke permukaan keripik labu kuning dan
menguap sehingga kadar air menurun (Sugito, 2013).
 DAFTAR PUSTAKA

Bolton, S. dan C. Bon. 2010. Pharmaceutical Statistics Practical and Clicnical

Applications. Taylor & Francis. Boca Raton. P. 12.
Cleophas, T.J., A. H. Zwindeman., T. F. Cleophas., and E. P. Cleophas. 2009.
Statistics Applied to Clinical Trials. Springer. Amsterdam. P. 55-56.
Freund, R.J and Donna, L.M. 2010. Inferences For Two or More Means.Journal
of Statistical Methods. 1(1): 1-14.
Mckenzie,S. 2013.Vital Statistics An Introduction To Health Science
Statistics. ELSEVIER. Victoria. p. 88.
Nadir, M. 2018. Senarai Penelitian Regenerasi Sektor Pertanian SDM Socio-
AgroTechnoEcology. Penerbit DEEPUBLISH. Sleman. Hal. 23.
Palupi, H.T. 2012. Pengaruh Jenis Pisang dan Bahan Perendam terhadap
Karakteristik Tepung Pisang. Jurnal Teknologi Pangan 4(1): 102-120.
Polnaya, F.J., J. Talahatu., Haryadi., D. W. Marseno. 2009. Karakterisasi Tiga
Jenis Pati Sagu Hidroksipropil. Jurnal Agritech 29(2): 87-95.
Santoso, S. 2010. Statistik Parametrik Konsep dan Aplikasi dengan SPSS.
PT Elex Media Komputindo. Jakarta. hal. 22-24.
Solimun., A.A.R. Fernandes., dan Nurjannah. 2017. Metode Statistika
Multivariat Pemodelan Persamaan Struktural Pendekatan WarpPLS.
UBPress. Malang. Hal. 70.
Sudarwati, H., Muhammad, H.N dan Nugiantiningsih, V.M.A. 2019.Statistika dan
Rancangan Percobaan Penerapan dalam Bidang Peternakan. UB
Press. Malang. Hal. 34.
Sultana, S. 2013. A Visualization of Fisher’s Least Significant Difference
Test. Pakistan Journal of Commerce and Social Sciences. 7 (1): 100-106.
Sugito., Hermanto dan Arfah. 2013. Pengaruh Ketebalan Irisan dan
Penggorengan Hampa (Vakum) Terhadap Karakteristik Keripik Labu
Kuning (Cucurbita moschata). Jurnal Agroindustri. 3(2) : 83 – 97
Sutopo, Y. dan A. Slamet. 2017. Statistika Inferensial. Penerbit Andi.
Yogyakarta. Hal. 109.
Syukur, M., S. Sujiprihati. dan R. Yunianti. 2012. Teknik Pemuliaan Tanaman.
Penebar Swadaya. Jakarta. hal. 77.79.
Tokunaga, H.T. Fundamental Statistics for the Social and Behavioral
Sciences. SAGE Publication. Singapore. P. 87