LAPORAN PRAKTIKUM

DESAIN PENELITIAN
ACARA II
EKSPERIMEN FAKTORIAL

Disusun oleh:
Nama : Jidhan Humaid
NIM : 21/477605/KT/09545
Co-Ass : Duta Cahya Alam
Shift : Rabu, 15.30 WIB
Kelompok : Gaharu

LABORATORIUM KOMPUTASI DAN BIOMETRIKA HUTAN

DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2023
 ACARA II
EKSPERIMEN FAKTORIAL
I. TUJUAN
Adapun tujuan dari praktikum ini adalah:
1. Mahasiswa mampu memahami bentuk eksperimen faktorial dalam bidang
kehutanan.
2. Mahasiswa dapat menganalisis data yang diperoleh dari percobaan
faktorial sehingga dapat menarik kesimpulan dari hasil analisis.
II. LANGKAH PENGELOLAAN DATA
Adapun langkah-langkah dalam pengelolaan data pada praktikum ini adalah:
1. Data yang berada di buku petunjuk praktikum diolah di Excel dengan
ditambah NIF sebesar 0.47. Kemudian, data ditranspose supaya
memudahkan dalam memasukkan data ke dalam SPSS.

2. Lalu aplikasi SPSS dibuka, kemudian pilih menu Variable View lalu diisi,
dimana pada kolom Name dimasukkan variabel “Blok, Penjarangan,
Prunning, dan Riap”. Lalu pada kolom type diubah data “Blok,
Penjarangan, dan Prunning” dari Numeric menjadi String. Dan untuk
“Riap” tetap numeric, kemudian dilihat pada bagain kolom Measure untuk
“Replikasi, Penjarangan, dan Prunning” diubang menjadi Nominal dan
untuk “Riap” diubah menjadi Scale.
3. Kemudian pilih menu Data View dan masukkan atau copy data yang
sudah diinput di Microsoft Excel sebelumnya sesuai dengan format yang
tertera.

4. Selanjutnya, pilih menu Analyze, kemudian dipilih General Linear Model,

dan pilih Univariate.
5. Kemudian akan muncul tampilan berikut. Masukkan Blok, Prunning, dan
Penjarangan pada Fixed Factor (s) dan Riap pada Dependent variable.

6. pilih menu Model. Pada bagian Specify model pilih Custom. Pada bagian
Factors & Covariates pilih Blok selanjutnya di Build Term (s) ganti
Interactions dengan Main Effect lalu masukkan ke bagian Model. Langkah
yang sama juga berlaku untuk Penjarangan dan Prunning. Selanjutnya
untuk menyatakan adanya interaksi perlakuan pilih Penjarangan dan
Prunning secara bersamaan lalu di bagian Build Term (s) ganti Main
 Effect dengan Interactions kemudian masukkan ke bagian Model dan pilih
Continue.

7. Klik continue, lalu langkah terakhir yaitu klik OK untuk memunculkan

hasil analisis anova dan pasca anovanya.

8. Untuk memperoleh pemahaman mengenai interaksi terbaik kombinasi

perlakuan maka dilakukan Uji Anova kembali untuk melihat perlakuan
interaksi (Penjarangan*Prunning). Sehingga dalam tabel di Excel ditambah
kolom Interaksi guna mendeskripsikan kombinasi perlakuan tersebut.
9. Sama seperti langkah awal, dimana pada kolom Name dimasukkan
variabel “Replikasi, Penjarangan, Prunning, dan Riap”. Lalu pada kolom
type diubah data “Replikasi, Penjarangan, dan Prunning” dari Numeric
menjadi String. Dan untuk “Riap” tetap numeric, kemudian dilihat pada
bagain kolom Measure untuk “Replikasi”, Penjarangan, dan Prunning”
diubang menjadi Nominal dan untuk “Riap” diubah menjadi Scale,
kemudian masukan “Interaksi” dan pada kolom type ubah menjadi string
dan pada kolom Measure ubah menjadi Nominal.
10. Kemudian pilih menu Data View dan masukkan atau meng-copy data yang
sudah diinput di Microsoft Excel sebelumnya sesuai dengan format yang
tertera.

11. Sama dengan langkah awal, pilih menu Analyze, kemudian dipilih
General Linear Model, dan pilih Univariate.

12. Pada langkah ini akan sedikit berbeda dengan sebelumnya, dimana pada
bagian Dependent Variable dimasukkan dengan “Riap” dan Fixed Factor
(s) dimasukkan “Replikasi dan Interaksi”.
13. Untuk langkah selanjutnya pun sama dimana pilih menu model. Pada
bagian Specify model klik Custom, pada bagian Factors & Covariates.
Setelah itu ubah type pada Build Terms(s) menjadi Main effect lalu klik
“Dosis dan Interaksi” untuk dimasukkan ke dalam bagian Model. Dan
terakhir klik Continue untuk melanjutkan ketahap berikutnya.

14. Selanjutnya dipilih menu Post Hoc pada bagian Factor (s), lalu masukkan
“Interaksi” ke dalam bagian Post Hoc Tests for. Selanjutnya pada bagian
Equal Variances Assumed dichecklist pilihan Tukey, lalu klik continue
untuk mendapatkan hasil dari uji pasca anova.
 15. Langkah terakhir yaitu klik OK untuk memunculkan hasil analisis Anova
dan pasca Anovanya.

III. PEMBAHASAN
Tabel 1. Hasil ANOVA Replikasi, Penjarangan, dan Pruning

Tests of Between-Subjects Effects

Dependent Variable: Riap

Type III Sum of Mean

Source Squares df Square F Sig.
Corrected Model 4.438a 10 .444 7.214 .000
Intercept 77.826 1 77.826 1265.06 .000
6
Penjarangan 2.209 2 1.104 17.950 .000
Pruning .679 2 .340 5.522 .015
 Replikasi .094 2 .047 .763 .482
Penjarangan * 1.456 4 .364 5.916 .004
Pruning
Error .984 16 .062    
Total 83.248 27      
Corrected Total 5.422 26      
a. R Squared = .818 (Adjusted R Squared = .705)
Tabel 2. Hasil ANOVA Replikasi dan Interaksi
Tests of Between-Subjects Effects
Dependent Variable: Riap

Type III Sum of Mean

Source Squares df Square F Sig.
Corrected Model 4.438a 10 .444 7.214 .000
Intercept 77.826 1 77.826 1265.06 .000
6
Replikasi .094 2 .047 .763 .482
Interaksi 4.344 8 .543 8.826 .000
Error .984 16 .062    
Total 83.248 27      
Corrected Total 5.422 26      
a. R Squared = .818 (Adjusted R Squared = .705)

Tabel 3. Hasil Uji Pasca ANOVA Interaksi

Multiple Comparisons
Dependent Variable: Riap
Tukey HSD

95% Confidence
Interval
Mean Difference Std. Lower Upper
(I) Interaksi (I-J) Error Sig. Bound Bound
T0P0 T0P1 -.0433 .20252 1.000 -.7638 .6771
T1P0 -.1733 .20252 .993 -.8938 .5471
T1P1 -.2300 .20252 .959 -.9504 .4904
T1P2 -.2300 .20252 .959 -.9504 .4904
T2P0 -1.3400 *
.20252 .000 -2.0604 -.6196
T2P1 -.2900 .20252 .870 -1.0104 .4304
T2P2 -.3533 .20252 .714 -1.0738 .3671
TOP2 .1300 .20252 .999 -.5904 .8504
T0P1 T0P0 .0433 .20252 1.000 -.6771 .7638
T1P0 -.1300 .20252 .999 -.8504 .5904
T1P1 -.1867 .20252 .988 -.9071 .5338
T1P2 -.1867 .20252 .988 -.9071 .5338
T2P0 -1.2967 *
.20252 .000 -2.0171 -.5762
T2P1 -.2467 .20252 .941 -.9671 .4738
T2P2 -.3100 .20252 .826 -1.0304 .4104
TOP2 .1733 .20252 .993 -.5471 .8938
T1P0 T0P0 .1733 .20252 .993 -.5471 .8938
T0P1 .1300 .20252 .999 -.5904 .8504
T1P1 -.0567 .20252 1.000 -.7771 .6638
T1P2 -.0567 .20252 1.000 -.7771 .6638
T2P0 -1.1667
*
.20252 .001 -1.8871 -.4462
T2P1 -.1167 .20252 1.000 -.8371 .6038
T2P2 -.1800 .20252 .991 -.9004 .5404
TOP2 .3033 .20252 .841 -.4171 1.0238
T1P1 T0P0 .2300 .20252 .959 -.4904 .9504
T0P1 .1867 .20252 .988 -.5338 .9071
T1P0 .0567 .20252 1.000 -.6638 .7771
T1P2 0.0000 .20252 1.000 -.7204 .7204
T2P0 -1.1100
*
.20252 .001 -1.8304 -.3896
T2P1 -.0600 .20252 1.000 -.7804 .6604
T2P2 -.1233 .20252 .999 -.8438 .5971
TOP2 .3600 .20252 .695 -.3604 1.0804
T1P2 T0P0 .2300 .20252 .959 -.4904 .9504
T0P1 .1867 .20252 .988 -.5338 .9071
T1P0 .0567 .20252 1.000 -.6638 .7771
T1P1 0.0000 .20252 1.000 -.7204 .7204
T2P0 -1.1100
*
.20252 .001 -1.8304 -.3896
T2P1 -.0600 .20252 1.000 -.7804 .6604
T2P2 -.1233 .20252 .999 -.8438 .5971
TOP2 .3600 .20252 .695 -.3604 1.0804
T2P0 T0P0 1.3400*
.20252 .000 .6196 2.0604
T0P1 1.2967*
.20252 .000 .5762 2.0171
T1P0 1.1667* .20252 .001 .4462 1.8871
T1P1 1.1100*
.20252 .001 .3896 1.8304
T1P2 1.1100*
.20252 .001 .3896 1.8304
T2P1 1.0500*
.20252 .002 .3296 1.7704
T2P2 .9867* .20252 .004 .2662 1.7071
TOP2 1.4700*
.20252 .000 .7496 2.1904
T2P1 T0P0 .2900 .20252 .870 -.4304 1.0104
T0P1 .2467 .20252 .941 -.4738 .9671
T1P0 .1167 .20252 1.000 -.6038 .8371
T1P1 .0600 .20252 1.000 -.6604 .7804
T1P2 .0600 .20252 1.000 -.6604 .7804
T2P0 -1.0500
*
.20252 .002 -1.7704 -.3296
T2P2 -.0633 .20252 1.000 -.7838 .6571
TOP2 .4200 .20252 .520 -.3004 1.1404
T2P2 T0P0 .3533 .20252 .714 -.3671 1.0738
T0P1 .3100 .20252 .826 -.4104 1.0304
T1P0 .1800 .20252 .991 -.5404 .9004
T1P1 .1233 .20252 .999 -.5971 .8438
 T1P2 .1233 .20252 .999 -.5971 .8438
T2P0 -.9867 *
.20252 .004 -1.7071 -.2662
T2P1 .0633 .20252 1.000 -.6571 .7838
TOP2 .4833 .20252 .352 -.2371 1.2038
TOP2 T0P0 -.1300 .20252 .999 -.8504 .5904
T0P1 -.1733 .20252 .993 -.8938 .5471
T1P0 -.3033 .20252 .841 -1.0238 .4171
T1P1 -.3600 .20252 .695 -1.0804 .3604
T1P2 -.3600 .20252 .695 -1.0804 .3604
T2P0 -1.4700 *
.20252 .000 -2.1904 -.7496
T2P1 -.4200 .20252 .520 -1.1404 .3004
T2P2 -.4833 .20252 .352 -1.2038 .2371
Based on observed means.
The error term is Mean Square(Error) = .062.
*. The mean difference is significant at the 0.05 level.

Tabel 4. Hasil Uji Tukey diameter

Riap
Tukey HSD

Subset
Interaksi N 1 2
TOP2 3 1.2867  
T0P0 3 1.4167  
T0P1 3 1.4600  
T1P0 3 1.5900  
T1P1 3 1.6467  
T1P2 3 1.6467  
T2P1 3 1.7067  
T2P2 3 1.7700  
T2P0 3   2.7567
Sig.   .352 1.000
Means for groups in homogeneous subsets are displayed.
Based on observed means.
The error term is Mean Square(Error) = .062.
a. Uses Harmonic Mean Sample Size = 3.000.
b. Alpha = 0.05.

Dari pertanyaan dibuku petunjuk praktikum yaitu seorang peneliti ingi

menilaipengaruh pruning (P) dan penjarangan (T) terhadap tingkat
pertumbuhan tanaman jati umur 5 tahun. Desain penelitian menggunakan pola
eksperimen faktorial dengan rancangan RCBD. Perlakuan pruning terdiri dari
3 tingkat yaitu P0 (pruning 1/3 tajuk), P1 (pruning ½ tajuk), dan P2 (pruning
2/3 tajuk). Sedangkan untuk penjarangan terdiri dari 3 tingkat yaitu T0 (tanpa
penjarangan), T1 (penjarangan 25%), dan T2 (penjarangan 50%). Lakukan
analisis data pada hasil monitoring yang disajikan di atas lalu rumuskan suatu
kesimpulan dari hasil penelitian yang dilakukan.
Berdasarkan uji anova yang telah dilakukan (Tabel 2 dan 3), diketahui
bahwa penjarangan dan pruning, serta interaksi antara keduanya memiliki
nilai signifikansi kurang dari alpha 0.05. Ini menunjukkan bahwa ketiga hal
tersebut memiliki pengaruh yang signifikan terhadap pertumbuhan diameter
tanaman jati. Sementara itu, blok memiliki nili signifikansi 0.482, artinya
blok tidak mempunyai pengaruh yang signifikan terhadap pertumbuhan
diameter tanaman jati, karena nilainya lebih dari 0.05. Maka dari itu, Ha
diterima dengan kesimpulan penjarangan, prunning, dan interaksi
mempengaruhi secara signifikan terhadap pertumbuhan diameter dan blok
tidak berpengaruh.
Dari hasil uji anova ini memperlihatkan bahwa aplikasi penjarangan
memiliki pengaruh yang nyata terhadap tingkat pertumbuhan tanaman jati.
Akan tetapi kondisi yang berbeda diperlihatkan oleh faktor prunning dimana
intensitas prunning tidak memperlihatkan pengaruh signifikan. Interaksi antara
penjarangan dan prunning memberikan pengaruh yang signifikan pada
peningkatan produktivitas jati. Serta, mengindikasikan bahwa interaksi
(penjarangan*prunning) berpengaruh secara signifikan pada pengaruh riap
diameter pertumbuhan Jati dan blok tidak berpengaruh. Serta berkorelasi
secara searah dikarenakan selain pada uji anova diperoleh nilai R2 = 0.818
Adjusted R2 = 0.705 menunjukkan arah yang searah korelasinya antara
variabel dependen (Y) dengan variabel independen (X) yaitu apabila nilai x
naik maka nilai Y juga naik. Sehingga variasi variabel terikat pada data
praktikum ini dapat diketahui secara pasti dari pendekatan variasi perlakuan
atau variasi bebas sebesar 70.5%.
Berdasarkan hasil uji tukey terhadap diameter pada tabel 4, diketahui
kombinasi interaksi paling berpengaruh signifikan terhadap pertumbuhan
diameter jati umur 5 tahun adalah T2P0, yaitu tanaman dengan penjarangan
50% dan pruning sebanyak 1/3 tajuk, karena interaksi ini mempunyai nilai
paling besar (2.7567). Sementara itu, interaksi yang paling kurang
berpengaruh adalah T0P2, yaitu tanaman tanpa penjarangan dengan pruning
 sebesar 2/3 tajuk, karena interaksi ini mempunyai nilai paling rendah
(1.2867).
IV. TUGAS
Judul: Kualitas Papan Komposit Serat Kulit Batang Sagu dan Plastik
Polipropilena (PP) Berlapis Finir dan Bambu. Jurnal Hutan Lestari. Vol.
5(4):942-951
Berdasarkan jurnal yang berjudul Kualitas Papan Komposit Serat Kulit
Batang Sagu dan Plastik Polipropilena (PP) Berlapis Finir dan Bambu yang
ditulis oleh Umam, T., dkk (2017). Memiliki tujuan untuk mengetahui kualitas
papan komposit serat kulit batang sagu dan plastic polopropilena berlapis finir
dan bamboo, sehingga dapat ditentukan pelapisan yang paling baik untuk
pembuatan papan komposit. Penelitian ini dilaksanakan di Laboratorium
Wood Workshop, Fakultas Kehutanan, Universitas Tanjungpura Pontianak
sebagai tempat persiapan bahan baku dan Laboratorium PT. Duta Pertiwi
Nusantara sebagai tempat untuk pembuatan papan komposit dan pengujian
sifat fisik dan mekaniknya. Penelitian ini dilakukan selama ± 3 bulan yaitu
mulai dari persiapan, pengerjaan, pengujian hingga pengolahan data.
Penelitian ini menggunakan pola percobaan factorial dalam Rancangan Acak
Lengkap (RAL) dengan 2 faktor perlakuan yaitu perendaman sebagai faktor A
yang terdiri dari 2 subfaktor dan pelapidan sebagai faktor B yang terdiri dari 3
subfaktor dengan ulangan sebanyak 3 kali, sehingga didapat 18 kombinasi
perlakuan. Parameter yang diamati yaitu untuk sifat fisik papan komposit ada
kerapatan, kadar air, daya serap air dan pengembangan tebal. Sedangkan
untuk sifat mekanik papan komposit parameter yang diamati yaitu modulus
lentur (MOE), modulus patah (MOR), keteguhan rekat (Internal Bonding), dan
kuat pegang sekrup. Hasil penelitian menunjukkan bahwa faktor perendaman
berpengaruh sangat nyata terhadap MOE dan kuat pegang sekrup namun
berpengaruh nyata terhadap keteguhan rekat, dan daya serap air. Adapun
faktor pelapisan berpengaruh sangat nyata terhadap smua parameter yang diuji
kecuali kerapatan, daya serap air dan pengembangan tebal.
V. KESIMPULAN
Adapun kesimpulan yang diperoleh pada praktikum ini adalah:
1. Eksperimen faktorial adalah penelitian yang menggunakan dua perlakuan
atau lebih di mana terdapat interaksi antar perlakuan terhadap objek
penelitian. Eksperimen ini digunakan untuk mengetahui hubungan antara
beberapa faktor terutama interaksi yang terjadi terhadap variabel respon
Bentuk eksperimen faktorial dalam penelitian ini berupa faktor
penjarangan, prunning, dan interaksi antara penjarangan*prunning untuk
mengetahui pengaruhnya terhadap tingkat pertumbuhan tanaman jati umur
5 tahun. Terdapat 3 tingkat untuk prunning yakni P0 (prunning 1/3 tajuk),
P1 (pruning 1/2 tajuk), dan P2 (prunning 2/3 tajuk). Sedangkan 3 tingkat
penjarangan yakni T0 (tanpa penjarangan), T1 (penjarangan 25%), dan T2
(penjarangan 50%).
2. Analisis data hasil rancangan RCBD Faktorial dan CRD factorial salah
satunya dapat dilakukan dengan uji anova dan uji pasca anova. Dimana
pada praktikum kali ini hasil uji anova menunjukkan bahwa penjarangan
dan interaksi antara penjarangan T2 dengan pruning P0 berperngaruh
secara signifikan terhadap pertambahan riap diameter dengan nilai R2 =
0.818 Adjusted R2 = 0.705 menunjukkan arah yang searah korelasinya
antara variabel dependen (Y) dengan variabel independen (X) yaitu
apabila nilai x naik maka nilai Y juga naik. Sehingga variasi variabel
terikat pada data praktikum ini dapat diketahui secara pasti dari
pendekatan variasi perlakuan / variasi bebas sebesar 70.5 %.
 DAFTAR PUSTAKA

Umam, T., Setyawati, D., Diba, F. 2017. Kualitas Papan Komposit Serat Kulit
Batang Sagu dan Plastik Polipropilena (PP) berlapis Finir dan
Bambu. Jurnal Hutan Lestari. Vol 5(4): 942-951.