LAPORAN PRAKTIKUM BIOSTATISTIKA

(Statistika Deskriptif)
Data Kasus Biostatistika

oleh
Meutia Ratna Widyarani (215090101111002)
Biologi-C

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS BRAWIJAYA
 2022
1) Rumusan masalah :
1) Bagaimanakah respon perubahan morfologi tanaman dan umbi kentang akibat suhu
tinggi?
2) Bagaimanakah toleransi klon-klon tentang terhadap cekaman suhu tinggi berdasarkan
perubahan produksi umbi?
Tujuan penelitian :
1) Mengetahui perubahan morfologi tanaman dan umbi kentang akibat suhu tinggi.
2) Mengetahui toleransi klon-klon tentang terhadap cekaman suhu tinggi berdasarkan
perubahan produksi umbi.

2) Jenis Data Penelitian

Berdasarkan sifatnya, data penelitian tersebut bersifat kuantitatif dikarenakan data kasus
didasarkan pada numerik (angka) perubahan morfologi tanaman dan umbi kentang akibat suhu
tinggi. Berdasarkan, sumber perolehannya, termasuk dalam data primer karena data diperoleh
peneliti berdasarkan observasi secara langsung.

3) Peran ilmu statistika

Pada kasus ini adalah sebagai metode dalam mengumpulkan, mengorganisir, dan
menganalisis semua bentuk informasi sehingga didapatkan keputusan berdasarkan prediksi.
Penelitian ini menggunakan jenis statistika deskriptif dimana memudahkan untuk menata data
berdasarkan tabel sehingga data perubahan morfologi tanaman dan umbi kentang akibat suhu
tinggi terlihat sangat representatif.

4) Statistika Deskriptif pada setiap variabel:

4.1 Statistika deskriptif ukur dan interpretasikan
Gambar 1. Perbandingan karakter tanaman 20 klon kentang

Gambar 2. Indeks Kepekaan Jumlah Umbi dan Berat Umbi

Gambar 3. Statistika deskriptif ukur

 Berdasarkan data 4.1 diketahui bahwa kemampuan produksi umbi dan kecilnya
perubahan produksi umbi (jumlah umbi per tanaman, berat umbi dan berat umbi rerata),
klon Atlantik M, CIP 395195.7, N.1, dan Ping 06 dapat digolongkan toleran terhadap
cekaman suhu tinggi. Indeks kepekaan terhadap cekaman (SSI) dan indeks toleransi
terhadap cekaman (STI) banyak digunakan dalam menentukan genotip yang mampu
beradaptasi dan berproduksi dengan baik pada lingkungan tercekam, termasuk cekaman
suhu tinggi. Berdasarkan berat umbi per tanaman, klon Atlantik M, CIP 395195.7, N.1, dan
Ping 06 memiliki nilai SSI yang rendah dan nilai STI yang tinggi dibanding klon-klon
lainnya. Dengan demikian, dapat dikatakan bahwa empat klon tersebut mampu beradaptasi
dan berproduksi dengan baik pada kondisi lingkungan tercekam suhu tinggi maupun
lingkungan normal.

4.2 Statistika deskriptif grafik dan interprestasikan

Gambar 4. Grafik Intensitas Hijau Daun Lembang Dan Subang

Gambar 5. Grafik Intensitas Batang Lembang Dan Subang

 Gambar 6. Grafik Jumlah Umbi

Gambar 7. Grafik Berat Umbi

Berdasarkan data 4.2 telah disajikan statistika deskriptif grafik. Sehingga , dapat
diketahui bahwa tahapan perkembangan tanaman kentang yang sangat dipengaruhi oleh
suhu tinggi ialah pembentukan dan perkembangan umbi, berakibat pada menurunnya
produksi umbi. Jumlah umbi per tanaman, berat umbi per tanaman, dan berat umbi rerata
secara umum menurun pada kondisi lapangan dengan suhu tinggi. Apabila dilihat dari
produksi umbi dan perubahan produksi umbi akibat suhu tinggi di lapangan, Atlantik M,
CIP 395197.7, N.1, dan Ping 06 termasuk klon yang toleran terhadap suhu tinggi. Keempat
klon tersebut memiliki produksi umbi per tanaman yang tinggi di lapangan pada kondisi
suhu tinggi, dan relatif stabil pada lokasi dengan suhu normal dan suhu tinggi ini didukung
dengan nilai indeks toleransi terhadap cekaman (STI) klon-klon tersebut yang relatif tinggi
daripada klon-klon lainnya.
4.3 Identifikasi sebaran data pada masing-masing variabel yang diamati
4.3.1 Menggunakan statistic ukur: median, modus, dan rata
N for
Variable Indikator Mean Median Mode Mode
Intensitas hijau 1 5.0000 5.0000 * 0
daun_lembang
2 5.0000 5.0000 * 0
3 5.0000 5.0000 * 0
4 5.0000 5.0000 * 0
5 5.0000 5.0000 * 0
6 7.0000 7.0000 * 0
7 7.0000 7.0000 * 0
8 5.0000 5.0000 * 0
9 3.0000 3.0000 * 0
10 5.0000 5.0000 * 0
11 5.0000 5.0000 * 0
12 7.0000 7.0000 * 0
13 5.0000 5.0000 * 0
14 5.0000 5.0000 * 0
15 5.0000 5.0000 * 0
16 7.0000 7.0000 * 0
17 5.0000 5.0000 * 0
18 5.0000 5.0000 * 0
19 3.0000 3.0000 * 0
20 5.0000 5.0000 * 0

Intensitas hijau_subang 1 5.0000 5.0000 * 0

2 5.0000 5.0000 * 0
3 5.0000 5.0000 * 0
4 3.0000 3.0000 * 0
5 3.0000 3.0000 * 0
6 3.0000 3.0000 * 0
7 5.0000 5.0000 * 0
8 5.0000 5.0000 * 0
9 3.0000 3.0000 * 0
10 5.0000 5.0000 * 0
11 5.0000 5.0000 * 0
12 5.0000 5.0000 * 0
13 3.0000 3.0000 * 0
14 3.0000 3.0000 * 0
15 3.0000 3.0000 * 0
16 3.0000 3.0000 * 0
 17 5.0000 5.0000 * 0
18 5.0000 5.0000 * 0
19 3.0000 3.0000 * 0
20 5.0000 5.0000 * 0

Intensitas 1 3.0000 3.0000 * 0

batang_lembang
2 1.0000 1.0000 * 0
3 1.0000 1.0000 * 0
4 1.0000 1.0000 * 0
5 3.0000 3.0000 * 0
6 3.0000 3.0000 * 0
7 5.0000 5.0000 * 0
8 7.0000 7.0000 * 0
9 3.0000 3.0000 * 0
10 5.0000 5.0000 * 0
11 3.0000 3.0000 * 0
12 3.0000 3.0000 * 0
13 5.0000 5.0000 * 0
14 1.0000 1.0000 * 0
15 3.0000 3.0000 * 0
16 3.0000 3.0000 * 0
17 3.0000 3.0000 * 0
18 3.0000 3.0000 * 0
19 1.0000 1.0000 * 0
20 1.0000 1.0000 * 0

Intensitas batang_Subang 1 3.0000 3.0000 * 0

2 1.0000 1.0000 * 0
3 1.0000 1.0000 * 0
4 1.0000 1.0000 * 0
5 3.0000 3.0000 * 0
6 3.0000 3.0000 * 0
7 5.0000 5.0000 * 0
8 7.0000 7.0000 * 0
9 3.0000 3.0000 * 0
10 3.0000 3.0000 * 0
11 1.0000 1.0000 * 0
12 1.0000 1.0000 * 0
13 1.0000 1.0000 * 0
14 1.0000 1.0000 * 0
15 1.0000 1.0000 * 0
16 1.0000 1.0000 * 0
17 1.0000 1.0000 * 0
 18 3.0000 3.0000 * 0
19 1.0000 1.0000 * 0
20 1.0000 1.0000 * 0

Jumlah umbi_SSI 1 0.33000 0.33000 * 0

2 0.43000 0.43000 * 0
3 1.5700 1.5700 * 0
4 1.3600 1.3600 * 0
5 0.98000 0.98000 * 0
6 1.6200 1.6200 * 0
7 1.4100 1.4100 * 0
8 0.72000 0.72000 * 0
9 0.83000 0.83000 * 0
10 0.46000 0.46000 * 0
11 0.65000 0.65000 * 0
12 0.80000 0.80000 * 0
13 0.61000 0.61000 * 0
14 0.98000 0.98000 * 0
15 0.95000 0.95000 * 0
16 0.030000 0.030000 * 0
17 0.74000 0.74000 * 0
18 1.3200 1.3200 * 0
19 1.1200 1.1200 * 0
20 1.0500 1.0500 * 0

Jumlah umbi_STI 1 0.38000 0.38000 * 0

2 0.18000 0.18000 * 0
3 0.36000 0.36000 * 0
4 0.41000 0.41000 * 0
5 0.33000 0.33000 * 0
6 0.12000 0.12000 * 0
7 0.67000 0.67000 * 0
8 1.2600 1.2600 * 0
9 0.36000 0.36000 * 0
10 0.35000 0.35000 * 0
11 0.16000 0.16000 * 0
12 0.16000 0.16000 * 0
13 0.31000 0.31000 * 0
14 0.33000 0.33000 * 0
15 0.59000 0.59000 * 0
16 0.25000 0.25000 * 0
17 1.9600 1.9600 * 0
18 0.43000 0.43000 * 0
19 0.27000 0.27000 * 0
 20 0.87000 0.87000 * 0

Berat umbi_SSI 1 1.0800 1.0800 * 0

2 0.36000 0.36000 * 0
3 1.3400 1.3400 * 0
4 1.0300 1.0300 * 0
5 1.0800 1.0800 * 0
6 1.2400 1.2400 * 0
7 1.2900 1.2900 * 0
8 0.43000 0.43000 * 0
9 1.1900 1.1900 * 0
10 0.73000 0.73000 * 0
11 1.2100 1.2100 * 0
12 1.0100 1.0100 * 0
13 0.87000 0.87000 * 0
14 1.1500 1.1500 * 0
15 0.98000 0.98000 * 0
16 0.63000 0.63000 * 0
17 0.60000 0.60000 * 0
18 1.3000 1.3000 * 0
19 1.1700 1.1700 * 0
20 0.79000 0.79000 * 0

Berat umbi_STI 1 0.080000 0.080000 * 0

2 1.0700 1.0700 * 0
3 0.10000 0.10000 * 0
4 0.72000 0.72000 * 0
5 0.62000 0.62000 * 0
6 0.28000 0.28000 * 0
7 0.23000 0.23000 * 0
8 0.61000 0.61000 * 0
9 0.38000 0.38000 * 0
10 0.070000 0.070000 * 0
11 0.060000 0.060000 * 0
12 0.030000 0.030000 * 0
13 0.080000 0.080000 * 0
14 0.10000 0.10000 * 0
15 0.28000 0.28000 * 0
16 0.61000 0.61000 * 0
17 0.58000 0.58000 * 0
18 0.18000 0.18000 * 0
19 0.29000 0.29000 * 0
20 0.34000 0.34000 * 0
 Berdasarkan data 4.3.1 telah disajikan sebaran data pada masing-masing variabel yang
telah diamati seperti median, modus, dan rata. Median merupakan nilai tengah setelah
semua data diurutkan, modus adalah nilai yang sering muncul pada data sedangkan rata-rata
adalah nilai rata-rata sebuah bilangan yang mewakili sekumpulan data tersebut.

4.3.2 Menggunakan histogram, boxplot, dan diagram dahan-daun

A) Histogram

Gambar 8. Histogram Intensitas Hijau Daun

Gambar 9. Histogram Intensitas Batang

 Gambar 10. Histogram Jumlah Umbi

Gambar 11. Histogram Berat Umbi

Berdasarkan data yang telah disajikan sebaran data pada masing-masing variabel seperti
histogram dimana termasuk representasi grafis perubahan morfologi tanaman dan umbi
kentang akibat suhu tinggi yang berguna untuk mengatur dan menampilkan frekuensi data
sampel pada rentang data tertentu sehingga terlihat sangatlah representatif.
 B) Boxplot
Boxplot of Jumlah umbi_SSI, Jumlah umbi_STI, Berat umbi_SSI, Berat umbi_STI

Gambar 12. Boxplot antara Jumlah Umbi dan Berat Umbi

Boxplot of Intensitas hijau daun_lembang, Intensitas hijau_subang

Gambar 13. Boxplot antara Intensitas Hijau Daun

Boxplot of Intensitas batang_lembang, Intensitas batang_Subang

Gambar 14. Boxplot antara Intensitas Batang

Berdasarkan data yang telah disajikan sebaran data pada masing-masing variabel seperti
boxplot dimana merupakan ringkasan distribusi perubahan morfologi tanaman dan umbi
kentang akibat suhu tinggi yang disajikan secara grafis untuk menggambarkan bentuk
distribusi data dan ukuran penyebaran data pengamatan. Selain itu, boxplot antara intensitas
hijau daun daerah Lembang dan Subang, intensitas batang, dan jumlah umbi serta berat
umbi masing-masing memiliki nilai yang berbeda. Pada intensitas hijau daun Lembang
tidak terdeteksi adanya Q1, Q3, median, IQrange, Whiskers, dan N dikarenakan data pada
hijau daun daerah Lembang memiliki nilai yang konstan atau tidak ada perubahan yang
signifikan atau stabil sedangkan pada intensitas hijau daun daerah Subang memiliki nilai
Q1 adalah 3, Q3 adalah 5, median 5, IQrange 2, whiskers 3,5, dan nilai N 20. Sedangkan
pada intensitas batang daerah Lembang memiliki nilai Q1 adalah 1, Q3 adalah 3, median 3,
IQrange 2, whiskers 1,5, dan nilai N 20 dan intensitas batang pada daerah Subang Q1 adalah
1, Q3 adalah 3, median 1, IQrange 2, whiskers 1,5, dan nilai N 20. Kemudian, perhitungan
pada jumlah umbi SSI Q1 adalah 0,62, Q3 adalah 1,27, median 0,89, IQrange 0,65, whiskers
antara 0,03 dan 1,62, dan nilai N 20, pada jumlah umbi STI Q1 adalah 0,255, Q3 adalah
0,55, median 0,355, IQrange 0,295, whiskers mulai 0,12 dan 0,87, dan nilai N 20. Serta,
berat umbi SSI Q1 adalah 0,745, Q3 adalah 1,205, median 1,055, IQrange 0,46, whiskers
mulai 0,36 dan 1,34, dan nilai N 20 dan pada berat umbi STI Q1 adalah 0,085, Q3 adalah
0,6025, median 0,28, IQrange 0,5175, whiskers mulai 0,03 dan 1,07 dan nilai N 20. Pada
boxplot yang memiliki keragaman paling banyak ialah data yang semakin tinggi sedangkan
data yang sedikit memiliki keragaman yang sedikit.
 C) Diagram dahan-daun
Stem-and-leaf of Intensitas hijau daun_lembang N = 20
2 3 00
2 4
(14) 5 00000000000000
4 6
4 7 0000
Leaf Unit = 0.1

Stem-and-leaf of Intensitas hijau_subang N = 20

9 3 000000000
9 4
(11) 5 00000000000
Leaf Unit = 0.1

Stem-and-leaf of Intensitas batang_lembang N = 20

6 1 000000
6 2
(10) 3 0000000000
4 4
4 5 000
1 6
1 7 0
Leaf Unit = 0.1

Stem-and-leaf of Intensitas batang_Subang N = 20

(12) 1 000000000000
8 2
8 3 000000
2 4
2 5 0
1 6
1 7 0
Leaf Unit = 0.1

Stem-and-leaf of Jumlah umbi_SSI N = 20

1 0 0
2 0 3
4 0 44
8 0 6677
 (5) 0 88999
7 1 01
5 1 33
3 1 45
1 1 6
Leaf Unit = 0.1

Stem-and-leaf of Jumlah umbi_STI N = 20

4 0 1111
(9) 0 223333333
7 0 445
4 0 6
3 0 8
2 1
2 1 2
1 1
1 1
1 1 9
Leaf Unit = 0.1

Stem-and-leaf of Berat umbi_SSI N = 20

1 3 6
2 4 3
2 5
4 6 03
6 7 39
7 8 7
8 9 8
(4) 10 1388
8 11 579
5 12 149
2 13 04
Leaf Unit = 0.01

Stem-and-leaf of Berat umbi_STI N = 20

5 0 36788
8 1 008
(4) 2 3889
8 3 48
6 4
6 5 8
 5 6 112
2 7 2
1 8
1 9
1 10 7
Leaf Unit = 0.01

Berdasarkan data yang telah disajikan sebaran data pada masing-masing variabel seperti
diagram dahan-daun diatas diketahui bahwa diagram dahan daun merupakan diagram yang
penyebaran datanya diurutkan terlebih dahulu mulai dari yang terkecil hingga terbesar.
Sehingga, diagram tersebut sangat mempermudah dan terlihat sangatlah efisien dalam
pengelolaan data. Pada kolom petama merupakan frekuensi dari nilai tersebut sedangkan
kolom kedua adalah nilai puluhan sedangkan kolom ketiga merupakan nilai satuan.

4.3 Correlation Data

WORKSHEET 1
Correlation: Jumlah umbi_SSI, Berat umbi_SSI

Gambar 15. Scatter Plot Jumlah Umbi SSI dan Berat Umbi SSI
Method
Correlation Pearson
type
Rows used 20
Correlations
Jumlah
umbi_SSI
Berat 0.651
umbi_SSI

WORKSHEET 1
Correlation: Jumlah umbi_STI, Berat umbi_STI

Gambar 16. Scatter Plot Jumlah Umbi STI dan Berat Umbi STI

Method
Correlation Pearson
type
Rows used 20
Correlations
Jumlah
umbi_STI
Berat 0.249
umbi_STI

4.4 Scatter Plot

Gambar 17. Scatter plot Intensitas Hijau dan Batang Lembang

Gambar 18. Scatter plot Intensitas Hijau dan Batang Subang

Gambar 19. Scatter plot Berat Umbi SSI dan Jumlah Umbi SSI

Gambar 20. Scatter plot Berat Umbi STI dan Jumlah Umbi STI
4.5 Probability Plot

Gambar 21. Probability Plot Intensitas Hijau Daun Di Lembang

Gambar 22. Probability Plot Intensitas Hijau Daun Di Subang

Gambar 23. Probability Plot Intensitas Batang Di Lembang

Gambar 24. Probability Plot Intensitas Batang Di Subang

Gambar 25. Probability Plot Jumlah Umbi SSI

Gambar 26. Probability Plot Jumlah Umbi STI

Gambar 27. Probability Plot Berat Umbi SSI

Gambar 28. Probability Plot Berat Umbi STI

 Berdasarkan data yang telah disajikan pada probability plot diatas telah tertera nilai P
Value dimana nilai tersebut sangat memperngaruhi data tersebut ditolak atau diterima oleh
Ho. Apabila nilai p value lebih dari ∝ = 5% = 0,05 maka diterima oleh Ho dan jika nilai
kurang dari ∝ = 5% = 0,05 maka ditolak oleh Ho. Pada data intensitas hijau daun di daerah
lembang p value dinyatakan < 0,005 sehingga nilai data tersebut ditolak oleh Ho, kemudian
pada intensitas hijau daun Di Subang dinyatakan sama dengan yang Di Lembang yakni p
value < 0,005 sehingga nilai data tersebut ditolak oleh Ho. Kemudian, pada data probability
plot intensitas batang pada daerah Lembang dan Subang memiliki nilai p value yang sama
seperti intensitas hijau daun yaitu p value dinyatakan < 0,005 sehingga nilai data tersebut
ditolak oleh Ho. Sedangkan, pada jumlah umbi SSI tertera bahwa nilai p value 0,963
sehingga p value dinyatakan > 0,05 sehingga nilai data tersebut diterima oleh Ho, namun
pada jumlah umbi STI memiliki nilai p value sama seperti intensitas hijau daun dan batang
yakni < 0,005 sehingga nilai data tersebut ditolak oleh Ho. Lalu, pada berat umbi SSI nilai
p value didapatkan 0,105 yang berarti bahwa nilai tersebut lebih dari ∝ = 5% = 0,05 maka
diterima oleh Ho dan pada berat umbi STI didapatkan 0,026 yakni nilai kurang dari ∝ = 5%
= 0,05 maka ditolak oleh Ho.

5) Hasil analisis statistika deskriptif

Berdasarkan hasil analisis statistika deskriptif dengan menggunakan software Minitab
terhadap perubahan morfologi tanaman dan umbi kentang akibat suhu tinggi. Suhu tinggi pada
tanaman dapat menyebabkan perubahan morfologi dimana tipe tumbuh lebih tegak, batang
memanjang, ukuran daun mengecil, serta permukaan umbi tidak teratur. Toleransi terhadap
cekaman suhu tinggi dapat dilihat dari perbedaan produksi umbi pada kondisi lingkungan normal
dengan lingkungan tercekam suhu tinggi. Berdasarkan kecilnya perubahan produksi akibat suhu
tinggi, klon Atlantik M, CIP 395195.7, N.1, dan Ping 06 mempunyai sifat toleran terhadap
cekaman suhu tinggi. Produksi umbi per tanaman keempat klon tersebut berturut-turut 188,28,
137,03, 122,58, dan 121,49 g. Pengidentifikasian sebaran data juga menggunakan histogram
dimana berguna untuk frekuensi data sampel pada rentang data tertentu sehingga terlihat
sangatlah representatif. Data telah disajikan berdasarkan sebaran data pada masing-masing
variabel seperti boxplot yang merupakan ringkasan distribusi perubahan morfologi tanaman dan
umbi kentang akibat suhu tinggi yang disajikan secara grafis untuk menggambarkan bentuk
distribusi data dan ukuran penyebaran data pengamatan. Selain itu, boxplot juga dapat
menunjukkan ada tidaknya nilai outlier dan nilai ekstrim dari suatu pengamatan. Pada probability
plot dimana nilai tersebut sangat memperngaruhi data tersebut ditolak atau diterima oleh Ho.
Apabila nilai p value lebih dari ∝ = 5% = 0,05 maka diterima oleh Ho dan jika nilai kurang dari
∝ = 5% = 0,05 maka ditolak oleh Ho. Sehingga, peranan statistika deskriptif sangatlah penting
dalam pengolahan data dengan mengumpulkan, mengorganisir, dan menganalisis semua bentuk
informasi sehingga didapatkan suatu keputusan berdasarkan prediksi. Penelitian ini
menggunakan jenis statistika deskriptif karena memudahkan untuk menata data berdasarkan
tabel serta berguna untuk menggali informasi yang terkandung dalam data dengan bentuk lebih
informatif. Indikasi saran dengan adanya praktikum ini, diharapkan praktikan dapat memahami
betapa pentingnya sebuah data mengenai statistika deskriptif. Sehingga, diharapkan dapat
menggunakan software yang membantu mengolah dan mempermudah dalam penyajian data.
RESUME BIOSTATISTIKA