Nama : I Putu Novendra Kesuma Yasa

NIM : 1909511083

Kelas : C

Laporan Praktikum RAK Pola Tersarang dan Pola Berjenjang

1. RAK Pola Tersarang

Seorang peneliti ingin mengetahui citarasa olahan daging itik, ayam buras dan ayam
broiler. Daging itik yang diambil terdiri dari itik petelur afkir, itik muda jantan dan itik muda
betina. Daging ayam buras yang diamati terdiri dari ayam buras muda, ayam buras betina
afkir dan ayam jantan aduan. Sedangkan daging ayam Broiler terdiri dari ayam Broiler umur
4 minggu, ayam broiler umur 7 minggu dan ayam Broiler umur 8 minggu. Cita rasa masing-
masing jenis olahan daging diamati oleh 3 panelis.

Langkah-Langkah:

1. Klik Variable View, pada kolom Name, ketik: Unggas, Jenis, Panelis dan Citaras.
2. Pada kolom Type Numeric dan Label ketik Unggas Jenis, Panelis dan Citarasa.
3. Klik pada pojok kiri atas kolom Values baris 1 (Unggas), maka muncul Value Labels
dalam dialog box Variable View.
4. Ketik “1” pada kotak Value dan Itik pada Value Label, klik Add.
5. Ketik “2” pada kotak Value dan Ayam Buras pada Value Label, klik Add.
6. Ketik “3” pada kotak Value dan Ayam broiler pada Value Label, klik Add. Klik OK.
7. Setelah kolom lengkap, klik pada kolom Values baris 2 (Jenis).
8. Ketik “1” pada kotak Value dan Petelur Afkir pada Value Label, klik Add.
9. Ketik “2” pada kotak Value dan Muda Jantan pada Value Label, klik Add.
10. Ketik “3” pada kotak Value dan Muda Betina pada Value Label, klik Add.
11. Ketik “4” pada kotak Value dan Muda pada Value Label, lalu klik Add.
12. Ketik “5” pada kotak Value dan Betina Afkir pada Value Label, klik Add.
13. Ketik “6” pada kotak Value dan Jantan Aduan pada Value Label, klik Add.
14. Ketik ”7” pada kotak Value dan Umur 4 Minggu pada Value Label, klik Add.
15. Ketik “8” pada kotak Value dan Umur 7 Minggu pada Value Label, klik Add.
16. Ketik “9” pada Value dan Umur 8 Minggu pada Value Label, klik Add. Klik OK.
 17. Lakukan Analisis varian & Duncan. Klik Analyze, lalu Linear Model, klik
Univariate, dan munculah dialog box.
18. Pada dialog box Univariate, klik Post Hoc. Pindahkan Jenis dan L ke Post Hoc Teste,
centang Duncan, klik Continue, back to dialog box Univariate.
19. Klik EM Means, move Jenis*L ke Display Mean for, klik Continue, back to dialog
box Univariate, klik Paste. Diperoleh dialog box Syntax.
20. Jalankan Syntax dengan klik Run (tanda segi tiga hijau).

Kesimpulan:

1. Analisis Varian: Panelis tidak berpengaruh nyata(P>0,05) terhadap citarasa daging

olahan, berarti tidak ada variasi diantara Panelis yang mengetest citarasa olahan
daging tersebut. Unggas berpengaruh sangat nyata (P<0,01) terhadap citarasa daging
olahan. Klasfikasi unggas/jenis unggas pada itik, ayam buras dan ayam broiler
berpengaruh sangat nyata (P<0,01) terhadap citarasa daging olahan.
2. Uji Duncan: Cita rasa yang sekornya paling besar (Citarasanya paling enak) adalah
ayam broiler dan nyata (P<0,05) lebih enak dari ciata rasa itik, demikian pula sekor
citarasa itik nyata (P<0,05) lebih besar (lebih enak) dari cita rara dading ayam buras.
3. EM Means: Citarasa Olahan daging itik jenis 1 (itik Petelur Afkir berbeda nyata
(P<0,05) dibandingkan dengan citarasa olahan daging itik Jenis 2 (muda jantan) dan
jenis 3 (muda betina), sedangkan citarasa olahan daging antara itik muda jantan
dengan muda betina tidak berbeda nyata (P>0,05)

2. RAK Pola Berjenjang

Seorang peneliti ingin mengetahui kemanpuan 3 jenis desinfektan untuk menurunkan

jumlah Koliform air limbah Rumah Pemotongan Hewan (RPH) Pesanggaran. Untuk tujuan
tersebut diambil 3 liter air limbah, kemudian dimasukkan kedalam 3 buah toples plastik
masing-masing sebanyak 1 liter, kemudian toples tersebut diberikan: 3 jenis bahan
desinfektan dengan dosis yang sama yaitu 200 ppm. Pengamatan dilakukan selama 6 jam
yaitu pada waktu 0, 2, 4 dan 6 jam. Penelitian ini diulang sebanyak 3 kali, setiap 3 hari sekali.

Langkah-langkah:

1. Klik Variable View, pada kolom Name ketik Jenis, L, Kelompok dan Koliform.
2. Pada kolom Type Numeric, pada kolom Decimal, ketik: 0, 0, 0 dan 2.
 3. Kolom Label ketik Jenis Desinfektan, Lana Pengamatan (Jam), Kelompok dan Log
Jumlah Koligorm.
4. Setelah kolom tersebut dilengkapi, klik pada kolom Values baris 1 (Jenis), maka
muncul Value Labels. Pada dialog box Variable View:
a) Ketik “1” pada Value dan Jenis A pada Value Label, klik Add.
b) Ketik “2” pada Value dan Jenis B pada Value Label, klik Add.
c) Ketik “3” pada Value dan Jenis C pada Value Label, klik Add.
5. Klik Data View, maka muncul dialog box.
6. Move/Copy data tabel Data Log Jumlah Koliform ke dialog box Data View.
7. Lakukan Analisis varian & Duncan. Klik Analyze, lalu Linear Model, klik
Univariate, dan munculah dialog box.
8. Pada dialog box Univariate, klik Post Hoc.
9. Pindahkan Jenis dan L ke Post Hoc Teste, centang Duncan, klik Continue, back to
dialog box Univariate. Klik EM Means, move Jenis*L ke Display Mean for, klik
Continue, back to dialog box Univariate, klik Paste. Diperoleh dialog box Syntax.
10. Jalankan Syntax dengan klik Run (tanda segi tiga hijau).

Kesimpulan:

a) Analisis Varian: Kelompok tidak berpengaruh nyata (P>0,05) terhadap jumlah

Koliform Air Limbah RPH Pesanggaran atau tidak ada variasi harian yang nyata
(P<0,05) jumlah Koliform Air Limbah RPH Pesanggaran Denpasar selama penelitian.
Jenis Desinfektan berpengaruh nyata (P<0,05) terhadap jumlah Koliform Air Limbah
RPH Pesanggaran. Lama Pengamatan berpengaruh sangat nyata (P<0,01) terhadap
jumlah Koliform Air Limbah RPH Pesanggaran. Terjadi interaksi yang nyata
(P<0,05) antara Jenis Desinfeksi dengan lama pengamatan terhadap jumlah Koliform
Air Limbah RPH Pesanggaran.
b) Uji Duncan: Rata-rata jumlah Koliform air limbah RPH Pesanggaran Denpasar nyata
(P<0,05) paling rendan Jenis C dan Jenis B nyata (P<0.05) lebih rendah dari Jenis A.
Rata-rata jumlah Koliform air limbah RPH Pesanggaran Denpasar nyata (P<0,05)
semakin menurun dari lama pengamatan 0 jam sampai 6 jam.
c) EM Means: Adanya perbedaan yang nyata (P<0.05) dapat dilihat batas bawah dan
batas atas 95% Confidence Interval, kalau berpotongan tidak berbeda nyata (P>0.05),
sebaliknya jika tidak berpotngan berarti berbeda nyata (P<0.05). Hasil ini dapat
diperjelas dengan grafik High-Low-Close.