TUGAS PRAKTIKUM

ANALISIS DATA
“ANALISIS VARIAN”

Disusun oleh :
Ru’yatul Hilal
G1D018072

Program Studi Matematika

Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Mataram
2021
 Analisis varian merupakan metode statistika yang digunakan untuk
membandingkan beberapa kelompok data sehingga dapat diketahui apakah
terdapat perbedaan atau tidak di antara kelompok-kelompok data tersebut.
Analisis varian dibedakan menjadi analisa varian satu arah dan analisa
varian multi (>1) arah. Analisis varian satu varian digunakan apabila akan
membandingkan beberapa kelompok data dimana pengelompokkan data
tersebut didasarkan hanya pada satu factor. Sedangkan bila pengelompokkan
data didasarkan lebih dari satu factor maka digunakan analisis varian multi
arah.
Asumsi yang harus dipenuhi dalam analisis varian adalah asumsi
kenormalan data dan asumsi homogenitas varian dari kelompok yang
dibandingkan, merupakan sampel acak yang independen yang ditunjukkan
dengan residual yang independen.

LATIHAN

1. Empat desain berbeda untuk suatu sirkuit computer digital diteliti untuk
membandingkan jumlah noise muncul. Diperoleh data hasil penelitian sebagai
berikut:

Desain Noise
Sirkuit
1 19 20 19 30 8

2 80 61 73 56 80

3 47 26 25 35 50

4 95 46 83 78 97

Apakah jumlah noise yang muncul sama untuk keempat desain tersebut?
Gunakan α =5 %.
Penyelesaian:
Untuk mengetaui apakah noise yang muncul untuk keempat desain sama atau
berbeda, maka akan dilakukan analisis varian.

Analisis varian yang akan dilakukan adalah analisis varian satu arah,
dengan bantuan SPSS. Berikut langkah-langkah dalam melakukan analisis
varian satu arah dengan menggunakan SPSS:

1) Masukkan data ke SPSS dengan mendefinisikan variabel pada

variabel view.
2) Klik menu Analyze → Compare Means → One Way ANOVA.

3) Maka akan muncul kotak dialog “One Way ANOVA”, selanjutnya

masukkan variabel Noise ke kolom Dipendent List, dan variabel
Sirkuit ke kolom Factor.
  Pengisian kotak/menu:
- Post Hoc : pada menu Post Hoc pilih LSD, Tukey, dan Duncan,
kemudian klik Continue.

- Options : pada menu Options pilih Descriptive dan

Homogeneity of variance test, kemudian klik Continue.
 Kemudian klik Ok.

Descriptives
Noise
N Mean Std. Std. Error 95% Confidence Interval for Mean Minimum Maximum
Deviation Lower Bound Upper Bound
1 5 19.20 7.791 3.484 9.53 28.87 8 30
2 5 70.00 11.023 4.930 56.31 83.69 56 80
3 5 36.60 11.589 5.183 22.21 50.99 25 50
4 5 79.80 20.511 9.173 54.33 105.27 46 97
Total 20 51.40 28.089 6.281 38.25 64.55 8 97

Interpretasi:
Berdasarkan output di atas, dapat dilihat perbedaan rata-rata Noise dari
keempat desai sirkuit dengan rincian sebagai berikut:
a. Rata-rata Noise untuk desai sirkuit 1 sebesar 19.20
b. Rata-rata Noise untuk desai sirkuit 2 sebesar 70.00
c. Rata-rata Noise untuk desain sirkuit 3 sebesar 36.60
d. Rata-rata Noise untuk desain sirkuit 4 sebesar 79.80
Dengan demikian dapat disimpulkan bahwa secara deskriptif rata-rata sirkuit
paling tinggi adalah sirkuit 4 yakni sebesar 79.80.
Sebelum melakukan uji ANOVA asumsi yang harus dipenuhi adalah asumsi
kenormalan data dan asumsi homogenitas varian dari kelompok yang
dibandingkan. Berikut akan dilakukan uji normalitas dan uji homogenitas.
Uji Normalitas
Untuk mengetahui apakah asumsi kenormalan data terpenuhi, maka di
tampilkan Q-Q Plot dari data, dengan langkah klik Analyze → Descriptive
Statistic→ Q-Q Plots, kemudian masukkan variabel Noise ke kotak variabels,
dan pada test distribution pilih normal, kemudian klik Ok.
Maka akan dihasilkan Q-Q Plot sebagai berikut:

Interpretasi:
Dari Q-Q Plot di atas dapat dilihat bahwa plot data cendrung membentuk
garis lurus, artinya data berdistribusi normal, dan asumsi kenormalan
terpenuhi.
Selain menggunakan Q-Q Plot, uji normalitas juga dapat dilakukan dengan
uji Kolmogorov smirnov, langkah untuk uji Kolmogorov smirnov
menggunakan SPSS dapat dilakukan dengan langkah klik Analyze →
Nonparametric Test → Legacy Dialogs → 1- Sample K-S, kemudian
masukkan variabel Noise ke kotak Test variabel List, dan pilih Normal
lalu klik Ok.
Dihasilkan output sebagai berikut.

One-Sample Kolmogorov-Smirnov Test

Noise
N 20
Mean 51.40
Normal Parametersa,b
Std. Deviation 28.089
Absolute .129
Most Extreme Differences Positive .127
Negative -.129
Kolmogorov-Smirnov Z .577
Asymp. Sig. (2-tailed) .893

Interpretasi:
Dari output di atas dapat diketahui bahwa nilai sig. adalah 0.893, karena nilai
Sig. > α, maka dapat disimpulkan bahwa data berdistribusi normal, dan
asumsi normalitas terpenuhi.

Uji Homogenitas

Test of Homogeneity of Variances

Noise
Levene Statistic df1 df2 Sig.
 1.294 3 16 .311

Interpretasi:
Berdasarkan output di atas, diketahui angka Levene Statistic sebesar 1.294
dengan signifikan sebesar 0.311.
- Hipotesis
H 0 : keempat varian desain sirkuit adalah sama/identik
H 1 : keempat varian desain sirkuit tidak sama
- Taraf signifikan α =0.05
- Pengambilan keputusan
H0 diterima jika sig.> α
H0 ditolak jika sig.< α
- Kesimpulan: karena nilai sig. ( 0.311 ) > α, maka dapat
disimpulkan bahwa H0 diterima, yang artinya varian keempat
desain sirkuit tersebut sama, maka asumsi kesamaan varian
terpenuhi.
Uji ANOVA

ANOVA
Noise
Sum of Squares df Mean Square F Sig.
Between Groups 12042.000 3 4014.000 21.780 .000
Within Groups 2948.800 16 184.300
Total 14990.800 19

- Hipotesis
H 0 :μ 1=¿ μ2=μ 3=μ4
H 1 : μi ≠ μ j
- Taraf signifikan α =0.05
- Pengambilan keputusan
H0 diterima jika sig.> α
H0 ditolak jika sig.< α
 - Kesimpulan: karena nilai sig.( 0.00)< α, maka dapat
disimpulkan bahwa H0 ditolak, yang artinya rata-rata keempat
desain sirkuit tersebut berbeda secara signifikan.

Multiple Comparisons
Dependent Variable: Noise
(I) Sirkuit (J) Sirkuit Mean Difference Std. Error Sig. 95% Confidence Interval
(I-J) Lower Bound Upper Bound
*
2 -50.800 8.586 .000 -75.36 -26.24
1 3 -17.400 8.586 .219 -41.96 7.16
*
4 -60.600 8.586 .000 -85.16 -36.04
*
1 50.800 8.586 .000 26.24 75.36
2 3 33.400* 8.586 .006 8.84 57.96
4 -9.800 8.586 .670 -34.36 14.76
Tukey HSD
1 17.400 8.586 .219 -7.16 41.96
*
3 2 -33.400 8.586 .006 -57.96 -8.84
*
4 -43.200 8.586 .001 -67.76 -18.64
*
1 60.600 8.586 .000 36.04 85.16
4 2 9.800 8.586 .670 -14.76 34.36
*
3 43.200 8.586 .001 18.64 67.76
2 -50.800* 8.586 .000 -69.00 -32.60
1 3 -17.400 8.586 .060 -35.60 .80
*
4 -60.600 8.586 .000 -78.80 -42.40
*
1 50.800 8.586 .000 32.60 69.00
*
2 3 33.400 8.586 .001 15.20 51.60
4 -9.800 8.586 .271 -28.00 8.40
LSD
1 17.400 8.586 .060 -.80 35.60
*
3 2 -33.400 8.586 .001 -51.60 -15.20
4 -43.200* 8.586 .000 -61.40 -25.00
1 60.600* 8.586 .000 42.40 78.80
4 2 9.800 8.586 .271 -8.40 28.00
*
3 43.200 8.586 .000 25.00 61.40

Interpretasi:
Dari output di atas dapat diketahui apakah terdapat perbedaan rata-rata antar
desain sirkuit secara signifikan. Berdasarkan output di atas berikut rincian
desain sirkuit yang memiliki perbedaan jumlah noise yang muncul:
a. Desain sirkuit 1 memiliki ratar-rata yang berbeda dengan desain sirkuit 2
dan 3, maka jumlah noise yang muncul antara desain sirkuit 1 dengan
desain sirkuit 2 dan 3 berbeda.
b. Desain sirkuit 2, memiliki rata-rata yang berbeda dengan desain sirkuit 1
dan 3, maka jumlah noise yang muncul antara desain sirkuit 3 dengan
desain sirkuit 1 dan 3 berbeda.
c. Desain sirkuit 3, memiliki rata-rata yang berbeda dengan desain sirkuit 2
dan 4, maka jumlah noise yang muncul antara desain sirkuit 3 dengan
desain sirkuit 2 dan 4 berbeda.
d. Desain sirkuit 4, memiliki rata-rata yang berbeda dengan desain sirkuit 1
dan 3, maka jumlah noise yang muncul antara desain sirkuit 4 dengan
desain sirkuit 1 dan 3 berbeda.

Noise
Sirkuit N Subset for alpha = 0.05
1 2
1 5 19.20
3 5 36.60
a
Tukey HSD 2 5 70.00
4 5 79.80
Sig. .219 .670
1 5 19.20
3 5 36.60
a
Duncan 2 5 70.00
4 5 79.80
Sig. .060 .271

Interpretasi:
Dari output di atas dapat diketahui desai sirkuit yang memiliki kesamaan rata-
rata jumlah noise yang dihasilkan. Berikut rinciannya:
 a. Pada subset 1 terdapat data desain sirkuit 1dan 3, artinya rata-rata jumlah
noise yang dihasilkan kedua desain sirkuit tersebut tidak mempunyai
perbedaan yang signifikan. Dengan kata lain rata-rata jumlah noise yang
dihasilkan desain sirkuit 1 dan 3 adalah sama.
b. Pada subset 2 terdapat data desain sirkuit 2 dan 4, artinya rata-rata jumlah
noise yang dihasilkan kedua desain sirkuit tersebut tidak mempunyai
perbedaan yang signifikan. Dengan kata lain rata-rata jumlah noise yang
dihasilkan desain sirkuit 2 dan 4 adalah sama.

2. Diteliti empat katalis yang mungkin mempengaruhi konsentrasi satu

komponen dalam suatu campuran tiga komponen liquid. Konsentrasi hasil
percobaan adalah sebagai berikut:
Katalis
1 2 3 4
58.2 56.3 50.1 52.9
57.2 54.5 54.2 49.9
58.4 57.0 55.4 50.0
55.8 55.3 51.7
54.9
Apakah keempat katalis mempunyai pengaruh sama terhadap konsentrasi?
Penyelesaian:
Untuk mengetahui pengaruh keempat katalis sama atau berbeda, akan
dilkakukan analisis varians.
 One-Sample Kolmogorov-Smirnov Test

Konsentrasi

N 16
Mean 54.488
Normal Parametersa,b
Std. Deviation 2.8312
Absolute .147
Most Extreme Differences Positive .127
Negative -.147
Kolmogorov-Smirnov Z .588
Asymp. Sig. (2-tailed) .879

a. Test distribution is Normal.

b. Calculated from data.
3. Untuk melihat keefektifan pengaruh pemupukan terhadap produksi suatu
varietas padi, dilakukan percobaan di rumah kaca sebagai berikut: 9
kombinasi perlakuan yang dicobakan adalah pupuk K dan Pdengan komposisi
2:1 (K2P1), 2:2 (K2P2),…, 3:4(K3P4), ditambah sebuah control (K0P0).
Setiap perlakuan diulang selama 3 blok (timur, tengah, barat). Data hasil
pengamatan yang didapatkan adalah sebagai berikut:
Perlakuan Blok
Timur Tengah Barat
Kontrol 10.19 9.26 12.73
K2P1 32.02 25.76 19.72
K2P2 23.91 21.99 21.42
K2P3 17.15 15.66 10.37
K2P4 10.35 13.31 14.31
K3P1 21.98 19.43 16.16
K3P2 18.08 13.50 18.32
K3P3 18.07 14.01 14.39
K3P4 12.37 16.32 10.20
Lakukan uji hipotesis untuk mengetahui pengaruh perlakuan dan blok
terhadap produksi suatu varietas padi.
Penyelesaian:
Akan dilakukan uji hipotesis untuk mengetahui pengaruh perlakuan dan blok
terhadap produksi suatu varietas padi, dengan bantuan program SPSS.
Univariat

Between-Subjects Factors
Value Label N
Jenis_Pupuk 1 Kontrol 3
2 K2P1 3
3 K2P2 3
4 K2P3 3
5 K2P4 3
 6 K3P1 3
7 K3P2 3
8 K3P3 3
9 K3P4 3
1 Timur 9
Blok 2 Tengah 9
3 Barat 9

Interpretasi:
Output di atas menunjukkan banyaknya data dari perlakuan, yaitu jenis pupuk
dan blok.

Descriptive Statistics
Dependent Variable: Produksi_Padi
Jenis_Pupuk Blok Mean Std. Deviation N
Timur 10.1900 . 1
Tengah 9.2600 . 1
Kontrol
Barat 12.7300 . 1
Total 10.7267 1.79617 3
Timur 32.0200 . 1
Tengah 25.7600 . 1
K2P1
Barat 19.7200 . 1
Total 25.8333 6.15033 3
Timur 23.9100 . 1
Tengah 21.9900 . 1
K2P2
Barat 21.4200 . 1
Total 22.4400 1.30457 3
Timur 17.1500 . 1
Tengah 15.6600 . 1
K2P3
Barat 10.3700 . 1
Total 14.3933 3.56307 3
Timur 10.3500 . 1
Tengah 13.3100 . 1
K2P4
Barat 14.3100 . 1
Total 12.6567 2.05926 3
K3P1 Timur 21.9800 . 1
Tengah 19.4300 . 1
 Barat 16.1600 . 1
Total 19.1900 2.91741 3
Timur 18.0800 . 1
Tengah 13.5000 . 1
K3P2
Barat 18.3200 . 1
Total 16.6333 2.71620 3
Timur 18.0700 . 1
Tengah 14.0100 . 1
K3P3
Barat 14.3900 . 1
Total 15.4900 2.24241 3
Timur 12.3700 . 1
Tengah 16.3200 . 1
K3P4
Barat 10.2000 . 1
Total 12.9633 3.10284 3
Timur 18.2356 7.06027 9
Tengah 16.5822 5.03666 9
Total
Barat 15.2911 3.96198 9
Total 16.7030 5.42966 27

Levene's Test of Equality of Error Variancesa

Dependent Variable: Produksi_Padi

F df1 df2 Sig.

. 26 0 .

Tests the null hypothesis that the error variance of

the dependent variable is equal across groups.
a. Design: Intercept + Jenis_Pupuk + Blok

Tests of Between-Subjects Effects

Dependent Variable: Produksi_Padi
Source Type III Sum of df Mean Square F Sig.
Squares
Corrected Model 625.250a 10 62.525 7.082 .000
Intercept 7532.702 1 7532.702 853.197 .000
Jenis_Pupuk 586.040 8 73.255 8.297 .000
Blok 39.211 2 19.605 2.221 .141
Error 141.261 16 8.829
Total 8299.213 27
Corrected Total 766.511 26

Grand Mean
Dependent Variable: Produksi_Padi

Mean Std. Error 95% Confidence Interval

Lower Bound Upper Bound

16.703 .572 15.491 17.915

Multiple Comparisons
Dependent Variable: Produksi_Padi

(I) Jenis_Pupuk (J) Jenis_Pupuk Mean Difference Std. Error Sig. 95% Confidenc
(I-J) Lower Bound U

Tukey HSD K2P1 -15.1067* 2.42608 .000 -23.7373

K2P2 -11.7133* 2.42608 .004 -20.3440

K2P3 -3.6667 2.42608 .835 -12.2973

K2P4 -1.9300 2.42608 .995 -10.5607

Kontrol
K3P1 -8.4633 2.42608 .057 -17.0940

K3P2 -5.9067 2.42608 .330 -14.5373

K3P3 -4.7633 2.42608 .585 -13.3940

K3P4 -2.2367 2.42608 .988 -10.8673

Kontrol 15.1067* 2.42608 .000 6.4760

K2P2 3.3933 2.42608 .883 -5.2373

K2P3 11.4400* 2.42608 .005 2.8093

K2P4 13.1767* 2.42608 .001 4.5460

K2P1
K3P1 6.6433 2.42608 .209 -1.9873

K3P2 9.2000* 2.42608 .032 .5693

K3P3 10.3433* 2.42608 .013 1.7127

K3P4 12.8700* 2.42608 .002 4.2393

K2P2 Kontrol 11.7133* 2.42608 .004 3.0827

K2P1 -3.3933 2.42608 .883 -12.0240

 K2P3 8.0467 2.42608 .078 -.5840
*
K2P4 9.7833 2.42608 .020 1.1527

K3P1 3.2500 2.42608 .904 -5.3807

K3P2 5.8067 2.42608 .349 -2.8240

K3P3 6.9500 2.42608 .170 -1.6807

*
K3P4 9.4767 2.42608 .026 .8460

Kontrol 3.6667 2.42608 .835 -4.9640

*
K2P1 -11.4400 2.42608 .005 -20.0707

K2P2 -8.0467 2.42608 .078 -16.6773

K2P4 1.7367 2.42608 .998 -6.8940

K2P3
K3P1 -4.7967 2.42608 .577 -13.4273

K3P2 -2.2400 2.42608 .988 -10.8707

K3P3 -1.0967 2.42608 1.000 -9.7273

K3P4 1.4300 2.42608 .999 -7.2007

Kontrol 1.9300 2.42608 .995 -6.7007

*
K2P1 -13.1767 2.42608 .001 -21.8073

K2P2 -9.7833* 2.42608 .020 -18.4140

K2P3 -1.7367 2.42608 .998 -10.3673

K2P4
K3P1 -6.5333 2.42608 .224 -15.1640

K3P2 -3.9767 2.42608 .772 -12.6073

K3P3 -2.8333 2.42608 .953 -11.4640

K3P4 -.3067 2.42608 1.000 -8.9373

Kontrol 8.4633 2.42608 .057 -.1673

K2P1 -6.6433 2.42608 .209 -15.2740

K2P2 -3.2500 2.42608 .904 -11.8807

K2P3 4.7967 2.42608 .577 -3.8340

K3P1
K2P4 6.5333 2.42608 .224 -2.0973

K3P2 2.5567 2.42608 .973 -6.0740

K3P3 3.7000 2.42608 .829 -4.9307

K3P4 6.2267 2.42608 .272 -2.4040

K3P2 Kontrol 5.9067 2.42608 .330 -2.7240

*
K2P1 -9.2000 2.42608 .032 -17.8307

K2P2 -5.8067 2.42608 .349 -14.4373

K2P3 2.2400 2.42608 .988 -6.3907

 K2P4 3.9767 2.42608 .772 -4.6540

K3P1 -2.5567 2.42608 .973 -11.1873

K3P3 1.1433 2.42608 1.000 -7.4873

K3P4 3.6700 2.42608 .834 -4.9607

Kontrol 4.7633 2.42608 .585 -3.8673

*
K2P1 -10.3433 2.42608 .013 -18.9740

K2P2 -6.9500 2.42608 .170 -15.5807

K2P3 1.0967 2.42608 1.000 -7.5340

K3P3
K2P4 2.8333 2.42608 .953 -5.7973

K3P1 -3.7000 2.42608 .829 -12.3307

K3P2 -1.1433 2.42608 1.000 -9.7740

K3P4 2.5267 2.42608 .975 -6.1040

Kontrol 2.2367 2.42608 .988 -6.3940

*
K2P1 -12.8700 2.42608 .002 -21.5007

K2P2 -9.4767* 2.42608 .026 -18.1073

K2P3 -1.4300 2.42608 .999 -10.0607

K3P4
K2P4 .3067 2.42608 1.000 -8.3240

K3P1 -6.2267 2.42608 .272 -14.8573

K3P2 -3.6700 2.42608 .834 -12.3007

K3P3 -2.5267 2.42608 .975 -11.1573

*
LSD K2P1 -15.1067 2.42608 .000 -20.2497

K2P2 -11.7133* 2.42608 .000 -16.8564

K2P3 -3.6667 2.42608 .150 -8.8097

K2P4 -1.9300 2.42608 .438 -7.0731

Kontrol
*
K3P1 -8.4633 2.42608 .003 -13.6064

K3P2 -5.9067* 2.42608 .027 -11.0497

K3P3 -4.7633 2.42608 .067 -9.9064

K3P4 -2.2367 2.42608 .370 -7.3797

*
K2P1 Kontrol 15.1067 2.42608 .000 9.9636

K2P2 3.3933 2.42608 .181 -1.7497

*
K2P3 11.4400 2.42608 .000 6.2969

K2P4 13.1767* 2.42608 .000 8.0336

*
K3P1 6.6433 2.42608 .015 1.5003

K3P2 9.2000* 2.42608 .002 4.0569

 K3P3 10.3433* 2.42608 .001 5.2003
*
K3P4 12.8700 2.42608 .000 7.7269

Kontrol 11.7133* 2.42608 .000 6.5703

K2P1 -3.3933 2.42608 .181 -8.5364

K2P3 8.0467* 2.42608 .004 2.9036

*
K2P4 9.7833 2.42608 .001 4.6403
K2P2
K3P1 3.2500 2.42608 .199 -1.8931
*
K3P2 5.8067 2.42608 .029 .6636

K3P3 6.9500* 2.42608 .011 1.8069

*
K3P4 9.4767 2.42608 .001 4.3336
Kontrol 3.6667 2.42608 .150 -1.4764
*
K2P1 -11.4400 2.42608 .000 -16.5831

K2P2 -8.0467* 2.42608 .004 -13.1897

K2P4 1.7367 2.42608 .484 -3.4064

K2P3
K3P1 -4.7967 2.42608 .066 -9.9397

K3P2 -2.2400 2.42608 .370 -7.3831

K3P3 -1.0967 2.42608 .657 -6.2397

K3P4 1.4300 2.42608 .564 -3.7131

Kontrol 1.9300 2.42608 .438 -3.2131

*
K2P1 -13.1767 2.42608 .000 -18.3197

K2P2 -9.7833* 2.42608 .001 -14.9264

K2P3 -1.7367 2.42608 .484 -6.8797

K2P4
K3P1 -6.5333* 2.42608 .016 -11.6764

K3P2 -3.9767 2.42608 .121 -9.1197

K3P3 -2.8333 2.42608 .260 -7.9764

K3P4 -.3067 2.42608 .901 -5.4497

K3P1 Kontrol 8.4633* 2.42608 .003 3.3203

*
K2P1 -6.6433 2.42608 .015 -11.7864

K2P2 -3.2500 2.42608 .199 -8.3931

K2P3 4.7967 2.42608 .066 -.3464

K2P4 6.5333* 2.42608 .016 1.3903

K3P2 2.5567 2.42608 .308 -2.5864

K3P3 3.7000 2.42608 .147 -1.4431

*
K3P4 6.2267 2.42608 .021 1.0836
 Kontrol 5.9067* 2.42608 .027 .7636
*
K2P1 -9.2000 2.42608 .002 -14.3431

K2P2 -5.8067* 2.42608 .029 -10.9497

K2P3 2.2400 2.42608 .370 -2.9031

K3P2
K2P4 3.9767 2.42608 .121 -1.1664

K3P1 -2.5567 2.42608 .308 -7.6997

K3P3 1.1433 2.42608 .644 -3.9997

K3P4 3.6700 2.42608 .150 -1.4731

Kontrol 4.7633 2.42608 .067 -.3797

*
K2P1 -10.3433 2.42608 .001 -15.4864
K2P2 -6.9500* 2.42608 .011 -12.0931

K2P3 1.0967 2.42608 .657 -4.0464

K3P3
K2P4 2.8333 2.42608 .260 -2.3097

K3P1 -3.7000 2.42608 .147 -8.8431

K3P2 -1.1433 2.42608 .644 -6.2864

K3P4 2.5267 2.42608 .313 -2.6164

Kontrol 2.2367 2.42608 .370 -2.9064

*
K2P1 -12.8700 2.42608 .000 -18.0131

K2P2 -9.4767* 2.42608 .001 -14.6197

K2P3 -1.4300 2.42608 .564 -6.5731

K3P4
K2P4 .3067 2.42608 .901 -4.8364
*
K3P1 -6.2267 2.42608 .021 -11.3697

K3P2 -3.6700 2.42608 .150 -8.8131

K3P3 -2.5267 2.42608 .313 -7.6697

Based on observed means.

The error term is Mean Square(Error) = 8.829.
*. The mean difference is significant at the .05 level.

Produksi_Padi

Jenis_Pupuk N Subset

1 2 3 4 5
a,b
Tukey HSD Kontrol 3 10.7267

K2P4 3 12.6567
 K3P4 3 12.9633

K2P3 3 14.3933 14.3933

K3P3 3 15.4900 15.4900

K3P2 3 16.6333 16.6333

K3P1 3 19.1900 19.1900 19.1900

K2P2 3 22.4400 22.4400

K2P1 3 25.8333

Sig. .057 .078 .209

Kontrol 3 10.7267

K2P4 3 12.6567 12.6567

K3P4 3 12.9633 12.9633

K2P3 3 14.3933 14.3933 14.3933

K3P3 3 15.4900 15.4900 15.4900

Duncana,b
K3P2 3 16.6333 16.6333

K3P1 3 19.1900 19.1900

K2P2 3 22.4400 22.4400

K2P1 3 25.8333

Sig. .094 .157 .086 .199 .181

Means for groups in homogeneous subsets are displayed.

Based on observed means.
The error term is Mean Square(Error) = 8.829.
a. Uses Harmonic Mean Sample Size = 3.000.
b. Alpha = .05.

Multiple Comparisons
Dependent Variable: Produksi_Padi

(I) Blok (J) Blok Mean Difference Std. Error Sig. 95% Confidence Interval
(I-J) Lower Bound Upper Bound

Tengah 1.6533 1.40070 .481 -1.9609 5.2676

Timur
Barat 2.9444 1.40070 .121 -.6698 6.5587

Timur -1.6533 1.40070 .481 -5.2676 1.9609

Tukey HSD Tengah
Barat 1.2911 1.40070 .635 -2.3232 4.9054

Timur -2.9444 1.40070 .121 -6.5587 .6698

Barat
Tengah -1.2911 1.40070 .635 -4.9054 2.3232
 Tengah 1.6533 1.40070 .255 -1.3160 4.6227
Timur
Barat 2.9444 1.40070 .052 -.0249 5.9138

Timur -1.6533 1.40070 .255 -4.6227 1.3160

LSD Tengah
Barat 1.2911 1.40070 .370 -1.6782 4.2605

Timur -2.9444 1.40070 .052 -5.9138 .0249

Barat
Tengah -1.2911 1.40070 .370 -4.2605 1.6782

Based on observed means.

The error term is Mean Square(Error) = 8.829.

Produksi_Padi
Blok N Subset

Barat 9 15.2911

Tengah 9 16.5822
Tukey HSDa,b
Timur 9 18.2356

Sig. .121
Barat 9 15.2911

Tengah 9 16.5822
Duncana,b
Timur 9 18.2356

Sig. .062

Means for groups in homogeneous subsets are

displayed.
Based on observed means.
The error term is Mean Square(Error) = 8.829.
a. Uses Harmonic Mean Sample Size = 9.000.
b. Alpha = .05.

asumsi
Uji kenormalan

One-Sample Kolmogorov-Smirnov Test

Produksi_Padi

N 27
Mean 16.7030
Normal Parametersa,b
Std. Deviation 5.42966
 Absolute .109
Most Extreme Differences Positive .109
Negative -.085
Kolmogorov-Smirnov Z .568
Asymp. Sig. (2-tailed) .903

Independensi residual

4. Berikut ini adalah data hasil percobaan yang dilakukan dengan menggunakan
Rancangan Acak Kelompok/Blok.
Perlakuan Blok
1 2 3 4 5
A 0.95 0.86 0.71 0.72 0.74
 B 0.71 0.85 0.62 0.72 0.64
C 0.69 0.88 0.51 0.73 0.44
Lakukan uji hipotesis untuk mengetahui apakah ada perbedaan rata-rata
perlakuan dan apakah blok/kelompok memberikan pengaruh terhadap hasil
percobaan.
Penyelesaian:
UNIVARIAT

Between-Subjects Factors

Value Label N

1 A 5

Perlakuan 2 B 5

3 C 5
1 3

2 3

Blok 3 3

4 3

5 3

Descriptive Statistics
Dependent Variable: Hasil

Perlakuan Blok Mean Std. Deviation N

1 .9500 . 1

2 .8600 . 1

3 .7100 . 1
A
4 .7200 . 1

5 .7400 . 1

Total .7960 .10502 5

B 1 .7100 . 1
2 .8500 . 1
3 .6200 . 1
4 .7200 . 1
5 .6400 . 1
 Total .7080 .09039 5
1 .6900 . 1
2 .8800 . 1
3 .5100 . 1
C
4 .7300 . 1
5 .4400 . 1
Total .6500 .17649 5
1 .7833 .14468 3

2 .8633 .01528 3

3 .6133 .10017 3
Total
4 .7233 .00577 3
5 .6067 .15275 3

Total .7180 .13508 15

Levene's Test of Equality of Error Variancesa

Dependent Variable: Hasil

F df1 df2 Sig.

. 14 0 .

Tests the null hypothesis that the error variance of

the dependent variable is equal across groups.
a. Design: Intercept + Perlakuan + Blok

Tests of Between-Subjects Effects

Dependent Variable: Hasil

Source Type III Sum of df Mean Square F Sig.

Squares

Corrected Model .200a 6 .033 4.849 .022

Intercept 7.733 1 7.733 1122.874 .000
Perlakuan .054 2 .027 3.924 .065
Blok .146 4 .037 5.311 .022
Error .055 8 .007
Total 7.988 15
Corrected Total .255 14

a. R Squared = .784 (Adjusted R Squared = .623)

 Grand Mean
Dependent Variable: Hasil

Mean Std. Error 95% Confidence Interval

Lower Bound Upper Bound

.718 .021 .669 .767

Multiple Comparisons
Dependent Variable: Hasil

(I) Perlakuan (J) Perlakuan Mean Difference Std. Error Sig. 95% Confidence Interva
(I-J) Lower Bound Upper Bo

B .0880 .05248 .271 -.0620

A
C .1460 .05248 .056 -.0040

A -.0880 .05248 .271 -.2380

Tukey HSD B
C .0580 .05248 .538 -.0920

A -.1460 .05248 .056 -.2960

C
B -.0580 .05248 .538 -.2080
B .0880 .05248 .132 -.0330
A
C .1460* .05248 .024 .0250

A -.0880 .05248 .132 -.2090

LSD B
C .0580 .05248 .301 -.0630
*
A -.1460 .05248 .024 -.2670 -
C
B -.0580 .05248 .301 -.1790

Based on observed means.

The error term is Mean Square(Error) = .007.
*. The mean difference is significant at the .05 level.

Hasil

Perlakuan N Subset

1 2

Tukey HSDa,b C 5 .6500

 B 5 .7080

A 5 .7960

Sig. .056
C 5 .6500

B 5 .7080 .7080
Duncana,b
A 5 .7960

Sig. .301 .132

Means for groups in homogeneous subsets are displayed.

Based on observed means.
The error term is Mean Square(Error) = .007.
a. Uses Harmonic Mean Sample Size = 5.000.
b. Alpha = .05.

Multiple Comparisons
Dependent Variable: Hasil

(I) Blok (J) Blok Mean Difference Std. Error Sig. 95% Confidence Interval
(I-J) Lower Bound Upper Bound

2 -.0800 .06776 .762 -.3141 .1541

3 .1700 .06776 .181 -.0641 .4041

1
4 .0600 .06776 .895 -.1741 .2941

5 .1767 .06776 .159 -.0574 .4108

1 .0800 .06776 .762 -.1541 .3141

3 .2500* .06776 .036 .0159 .4841

2
4 .1400 .06776 .319 -.0941 .3741

5 .2567* .06776 .032 .0226 .4908

Tukey HSD 1 -.1700 .06776 .181 -.4041 .0641

2 -.2500* .06776 .036 -.4841 -.0159

3
4 -.1100 .06776 .523 -.3441 .1241

5 .0067 .06776 1.000 -.2274 .2408

1 -.0600 .06776 .895 -.2941 .1741

2 -.1400 .06776 .319 -.3741 .0941

4
3 .1100 .06776 .523 -.1241 .3441

5 .1167 .06776 .473 -.1174 .3508

5 1 -.1767 .06776 .159 -.4108 .0574

 2 -.2567* .06776 .032 -.4908 -.0226

3 -.0067 .06776 1.000 -.2408 .2274

4 -.1167 .06776 .473 -.3508 .1174

2 -.0800 .06776 .272 -.2362 .0762
*
3 .1700 .06776 .036 .0138 .3262
1
4 .0600 .06776 .402 -.0962 .2162
*
5 .1767 .06776 .031 .0204 .3329

1 .0800 .06776 .272 -.0762 .2362

*
3 .2500 .06776 .006 .0938 .4062
2
4 .1400 .06776 .073 -.0162 .2962
*
5 .2567 .06776 .005 .1004 .4129
1 -.1700* .06776 .036 -.3262 -.0138
*
2 -.2500 .06776 .006 -.4062 -.0938
LSD 3
4 -.1100 .06776 .143 -.2662 .0462

5 .0067 .06776 .924 -.1496 .1629

1 -.0600 .06776 .402 -.2162 .0962

2 -.1400 .06776 .073 -.2962 .0162

4
3 .1100 .06776 .143 -.0462 .2662

5 .1167 .06776 .123 -.0396 .2729

1 -.1767* .06776 .031 -.3329 -.0204

*
2 -.2567 .06776 .005 -.4129 -.1004
5
3 -.0067 .06776 .924 -.1629 .1496

4 -.1167 .06776 .123 -.2729 .0396

Based on observed means.

The error term is Mean Square(Error) = .007.
*. The mean difference is significant at the .05 level.

Hasil

Blok N Subset

1 2
a,b
Tukey HSD 5 3 .6067

3 3 .6133

4 3 .7233 .7233
 1 3 .7833 .7833

2 3 .8633

Sig. .159 .319

5 3 .6067

3 3 .6133

4 3 .7233 .7233
Duncana,b
1 3 .7833

2 3 .8633

Sig. .137 .083

Means for groups in homogeneous subsets are displayed.

Based on observed means.
The error term is Mean Square(Error) = .007.
a. Uses Harmonic Mean Sample Size = 3.000.
b. Alpha = .05.

UJI NORMALITAS

One-Sample Kolmogorov-Smirnov Test

Produksi_Padi

N 27
Mean 16.7030
Normal Parametersa,b
Std. Deviation 5.42966
Absolute .109
Most Extreme Differences Positive .109
Negative -.085
Kolmogorov-Smirnov Z .568
Asymp. Sig. (2-tailed) .903

a. Test distribution is Normal.

b. Calculated from data.

UJI INDEPENDEN RESIDUAL