Buku Ajar Praktikum Statistika Terapan

Politeknik Pertanian Negeri Kupang
BAHAN AJAR PRAKTIKUM
STATISTIKA TERAPAN
PLH 26207/3 SKS
Oleh :
MEILYN RENNY PATHIBANG, S.Hut., MP
Dibiayaioleh :
DIPA Politeknik Pertanian Negeri Kupang
Sesuai dengan Surat Perjanjian
Pelaksanaan Penyusunan Buku Ajar Praktikum
Nomor: 03/P4M/SP DIPA . 023.18.2.677616/2020
Tanggal 14 Oktober 2020
Pusat Pengembangan Pembelajaran dan Penjaminan Mutu (P4M)

POLITEKNIK PERTANIAN NEGERI KUPANG

2020
Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang
i
LEMBARAN PENGESAHAN
Jurusan : Kehutanan
Program Studi : D4 Pengelolaan Hutan
Nama/Kode Mata Kuliah : Statistika Terapan/ PLH 26207
Semester : Empat (IV)/ 3 SKS (1 -2)
Jenis Bahan Ajar/Modul : Praktikum
Dosen Pengampu : 1. Meilyn Renny Pathibang, S.Hut., MP

2. Yudhistira A.N.R. Ora, S.Hut., G.Dip. For.,
M.For
Sumber Dana : DIPA Politeknik Pertanian Negeri Kupang
Tahun : 2020
Kupang, 20 November 2020
Mengetahui Penyusun
Ketua Jurusan Kehutanan
Fabianus Ranta, S.Hut., M.Si Meilyn Renny Pathibang, S.Hut., MP

NIP. 197101012001121002 NIP. 19790516200912201
Menyetujui,
Kepala P4M Politeknik Pertanian Negeri Kupang
Rikka W. Sir, S.Si., M.Sc

NIP. 19771015 200501 2 001
ii
KATA PENGANTAR
Puji syukur ke hadirat Tuhan Yang Maha Esa, karena berkat

pertolonganNya, Bahan Ajar Praktikum Statistika Terapan untuk Program Studi
D4 Pengelolaan Hutan dapat diselesaikan dengan baik. Bahan ajar ini disusun
sebagai panduan dalam melaksanakan praktikum mata kuliah Statistika Terapan.
Penyusun mengucapkan trima kasih kepada Politeknik Pertanian Negeri
Kupang yang telah mendanai proses penyusunan buku ajar praktikum ini melalui
DIPA Politani Kupang. Penulis juga mengucapkan terima kasih kepada Pusat
Pengembangan Pembelajaran dan Penjaminan Mutu (P4M) Politeknik Pertanian
Negeri Kupang yang telah memfasilitasi penyusunan bahan ajar ini.
Penyusun berharap bahan ajar ini dapat dimanfaatkan dengan baik oleh
dosen pengampu, teknisi dan mahasiswa peserta mata kuliah Statistika Terapan.
Kupang, November 2020
Penyusun
iii
DAFTAR ISI
HALAMAN JUDUL....................................................................................... i
LEMBAR PENGESAHAN ............................................................................. ii
KATA PENGANTAR ..................................................................................... iii
DAFTAR ISI .................................................................................................... iv
RENCANA PEMBELAJARAN SEMESTER ................................................ vi
Acara I Analisis Regresi Linear Berganda Dua Prediktor .................... 1
Acara II Analisis Regresi Linear Berganda Tiga Prediktor .................... 12
Acara III Rancangan Acak Lengkap (RAL) ............................................ 18
Acara IV Rancangan Acak Kelompok (RAK) ......................................... 31
Acara V Rancangan Bujursangkar Latin ................................................ 44
Acara VI Rancangan Faktorial Dalam RAL ............................................ 59
Acara VII Uji Lanjut.................................................................................. 73
iv
RENCANA PEMBELAJARAN SEMESTER
1. Jurusan : Kehutanan
Program Studi : D4 Pengelolaan Hutan
Nama/Kode Mata Kuliah : Statistika Terapan/ PLH 26207
Semester : Empat (IV)/ 3 SKS (1 -2)
Kegiatan : Praktikum
Dosen Pengampu : 1. Meilyn Renny Pathibang, S.Hut., MP
2. Yudhistira A.N.R. Ora, S.Hut., G.Dip. For.,
M.For
2. Capaian Pembelajaran :
Mahasiswa mampu menjelaskan dan menerapkan metode analisis statistik
dengan tepat
3. Kemampuan akhir yang direncanakan pada :
a. Pertemuan I : Mahasiswa mampu mengaplikasikan dan menyelesaikan
analisis regresi linear berganda 2 prediktor dengan cara
manual
b. Pertemuan II : Mahasiswa mampu mengaplikasikan dan menyelesaikan
analisis regresi linear berganda 2 prediktor menggunakan
Software SPSS
c. Pertemuan III : Mahasiswa mampu mengaplikasikan dan menyelesaikan
analisis regresi linear berganda 3 prediktor dengan cara
manual
d. Pertemuan IV : Mahasiswa mampu mengaplikasikan dan menyelesaikan
analisis regresi linear berganda 3 prediktor menggunakan
Software SPSS
e. Pertemuan V : Mahasiswa mampu mengaplikasikan dan menyelesaikan
analisis RAL dengan cara manual
f. Pertemuan VI : Mahasiswa mampu mengaplikasikan dan menyelesaikan
analisis RAL menggunakan Software SPSS
v
g. Pertemuan VII : Mahasiswa mampu mengaplikasikan dan menyelesaikan

analisis RAK dengan cara manual
h. Pertemuan VIII : Mahasiswa mampu mengaplikasikan dan menyelesaikan
analisis RAK menggunakan Software SPSS
i. Pertemuan IX : Mahasiswa mampu mengaplikasikan dan menyelesaikan
analisis RBSL dengan cara manual
j. Pertemuan X : Mahasiswa mampu mengaplikasikan dan menyelesaikan
analisis RBSL menggunakan Software SPSS
k. Pertemuan XI : Mahasiswa mampu mengaplikasikan dan menyelesaikan
analisis RAL Faktorial dengan cara manual
f. Pertemuan XII : Mahasiswa mampu mengaplikasikan dan menyelesaikan
analisis RAL Faktorial menggunakan Software SPSS
g. Pertemuan XIII : Mahasiswa mampu mengaplikasikan dan menyelesaikan
Uji Lanjut dengan cara manual
h. Pertemuan XIV : Mahasiswa mampu mengaplikasikan dan menyelesaikan
analisis Uji Lanjut menggunakan Software SPSS
4. - Kriteria/Indikator dan Bobot Penilaian :
a. Ketepatan melakukan praktikum/kualitas hasil (40%)
b. Kesungguhan melakukan praktikum (40%)
c. Tanggung jawab melakukan praktikum (40%)
d. Ketepatan mengerjakan ujian Praktikum (20%)
5. Bahan Kajian
vi
Metode Pengalaman belajar

Minggu Bahan Kajian Materi Waktu
Pembelajaran mahasiswa
1 2 3 4 5 6
I- IV Analisis Regresi Linear 1. Analisis Regresi Linear Berganda Pembelajaran Aktif 16 x 60 Mahasiswa melakukan
Berganda Dua Prediktor menit praktikum dengan
2. Analisis Regresi Linear Tiga menyelesaikan analisis
Prediktor regresi linear berganda
secara manual dan
menggunakan software
SPSS
V - XII Rancangan Percobaan 1. Rancangan Acak Lengkap (RAL) Pembelajaran Aktif 32 x 60 Mahasiswa melakukan
2. Rancangan Acak Kelompok (RAK) menit praktikum dengan
3. Rancangan Bujur Sangkar Latin menyelesaikan analisis
(RBSL) RAL, RAK, RBSL, dan
4. RAL Faktorial RAL Faktorial secara
manual dan menggunakan
software SPSS
XIII - IV Uji Lanjut 1. Uji- t Pembelajaran Aktif 8 x 60 menit Mahasiswa melakukan
2. Least Significant Difference Test praktikum dengan
(LSD) Atau Uji Beda Nyata Terkecil menyelesaikan analisis uji
(BNT) lanjut secara manual dan
3. Tukey’sHonestly Significant menggunakan software
Difference Test (Tukey) Atau Uji SPSS
Beda Nyata Jujur (BNJ)
4. Uji Duncan
vii
6. Daftar Referensi
Hanafiah, Kemas Ali. 2002. Rancangan Percobaan. Teori dan Aplikasi. Edisi
Ketiga. PT Rajagrafindo Persada. Depok
Harlan, Johan 2018. Analisis Regresi Linear. Gunadarma, Depok
Harsojuwono, Bambang Admadi; Arnata, I Wayan; Puspawati, Gusti Ayu K.D.

2011. Rancangan Percobaang. Teori, Aplikasi SPSS dan Axcel. Lintas Kata
Publishing. Malang
Sudjana, 1992. Metode Statistika. Tarsito, Bandung
Sukestiyarno, 2014. Statistika Dasar. Penerbit Andi, Jogyakarta
Tapehe, Yusuf, 2016. Statistika dan Rancangan Percobaan. Penerbit Buku

Kedokteran. EGC. Jakarta
Usman, Husaini dan Akbar, Purnomo Setiady, 2006. Pengantar Statistika, Edisi
Kedua. Bumi Aksara. Jakarta
viii
ACARA PRAKTIKUM I
ANALISIS REGRESI LINEAR BERGANDA DUA PREDIKTOR
A. KOMPETENSI
Mahasiswa mampu dan terampil menganalisis data menggunakan analisis

regresi linear berganda dua prediktor dengan cara manual dan menggunakan
software SPSS
B. DASAR TEORI
Regresi linear ganda (multiple linear regression) adalah model regresi linear
dengan 1 variabel dependen kontinu beserta k (dua atau lebih) variabel
independen kontinu dan/atau kategorik. Analisis regresi linear berganda
digunakan untuk mengukur pengaruh antara lebih dari satu variabel prediktor
(variabel bebas) terhadap variabel terikat. Analisis regresi linear berganda dengan
dua prediktor berarti mengukur pengaruh dua variabel prediktor/variabel bebas
terhadap variabel terikat.
Model persamaan regresi linear berganda dengan dua prediktor :
Y = a + b1X1+b2X2
Y = variabel terikat
a = konstanta
b1,b2 = koefisien regresi
X1, X2 = variabel bebas
C. BAHAN DAN ALAT
Bahan yang digunakan dalam praktikum ini adalah kertas dan software
SPSS sedangkan alat yang digunakan adalah buku praktikum, komputer atau
laptop dan alat tulis menulis.
D. PROSEDUR KERJA
Lakukan analisis pengaruh kandungan liat dan bulk density terhadap
pertumbuhan tegakan cendana dengan menggunakan data berikut :
1
No. Kadar liat BD Tinggi Rata-Rata Pohon

PU (%) (g/cm3) Cendana (m)
1 20 0.9 20
2 12 1.2 8.5
3 14 1.2 8
4 29 0.8 20
5 28 0.8 20
6 10 1.1 10
7 29 0.8 20
8 11 1.1 12
9 31 0.8 19
10 29 0.8 20
1. Cara Manual
Lakukan analisis data dengan menggunakan cara manual sebagai berikut :
a. Tuliskan H0 dan H1 dalam bentuk kalimat !
b. Tuliskan H0 dan H1 dalam bentuk statistik !
c. Buatlah tabel penolong untuk regresi ganda !
d. Masukkanlah nilai-nilai dalam persamaan :
∑Y = an + b1ΣX1 + b2ΣX2
∑YX1 = aΣX1 + b1ΣX21 + b2ΣX1X2
∑YX2 = aΣX2 + b1ΣX1X2 + b2ΣX 2 2
e. Tentukan nilai a, b1, dan b2 dengan menggunakan metode eliminasi atau

substitusi!
f. Tuliskan persamaan garis regresinya dengan memasukkan nilai a, b1 dan b2
ke dalam bentuk persamaan umum.
g. Uji persamaan regresi tersebut dengan langkah2 :
(∑ X1 )( ∑ Y)
- Σx1y = ∑ X1 Y − n
(∑ X2 )( ∑ Y)
- Σx2y = ∑ X2 Y − n
2
2 (∑ Y)
- Σy 2
= ∑Y − n
- Cari Rhitung dengan rumus :
2
b1 ∑ x1 y + b2 ∑ x2 y
Ry(1,2) = √ ∑ y2
- Kuadrat nilai R tersebut menjadi R2

- Hitung Fsign hitung dengan menggunakan rumus
R2 (n - m - 1)
F =
m (1 - R2 )
m = banyak prediktor
n = banyaknya anggota sampel
- Tentukan taraf signifikan (α)
- Hitung Ftabel dengan menggunakan rumus :
Ftabel = F(1-α)(dkpembilang, dkpenyebut)
dkpembilang = m
dkpenyebut = n-m-1
Kemudian lihat tabel F sehingga diperoleh Ftabel

- Tentukan kriteria pengujian H0, yaitu :
H0 diterima jika Fhitung < Ftabel = Signifikan
H1 diterima jika Fhitung > Ftabel = Tidak Signifikan
- Buatlah kesimpulannya !
2. Menggunakan SPSS
Lakukan analisis dengan menggunakan langkah-langkah berikut :
a. Buka aplikasi SPSS, maka akan muncul tampilan seperti berikut :
Klik ikon ini untuk

menampilkan file data
3
File DATA berfungsi sebagai tempat untuk menginput data (template standar
SPSS) yang terdiri dari dua sheet yaitu Data View dan Variabel View.
Data View untuk menginput data, sedangkan Variabel View untuk
memberikan identitas variabel, seperti: Name, Type, Width, Decimals,
Label, Value, Missing, Columns, Align, Measure dan Role yang dibagi
dalam kolom-kolom. Semua identitas penting, tapi pada praktikum ini cukup
isi kolom Name saja.
b. Buka sheet Variabel View dan berikan identitas pada setiap variabel sesuai
data yang akan dianalisis. Pada kolom Name :
 Baris 1, VAR00001 diganti dengan nama TINGGI (tinggi rata-rata
pertumbuhan cendana).
 Baris 2, VAR00002 diganti dengan nama LIAT (Kadar Liat)
 Baris 3, VAR00003 diganti dengan nama BD
Pada kolom Decimal, pilih angka sesuai jumlah angka di belakang koma
yang akan digunakan. Pada praktikum ini, akan digunakan 1 angka di
belakang koma sehingga pilih angka 1.
Tampilannya akan seperti berikut :
Sheet Variabel View
c. Setelah itu, klik sheet DATA VIEW dan copy paste data yang telah
disiapkan di EXCEL sesuai kolom masing-masing yang telah dibuat pada
sheet Variabel View, sehingga didapat hasil seperti berikut:
4
Sheet Data View
d. Untuk melakukan analisis klik Analyze Regression Linier.

Akan muncul tampilan seperti berikut :
Kemudian akan muncul tampilan berikut :
5
Selanjutnya letakkan variabel TINGGI (variabel terikat) dalam kotak

Dependent. Caranya tekan lalu tekan yang ada di samping
kotak Dependent, sehingga variabel TINGGI akan pindah ke kotak
Dependent. Dengan cara yang sama letakkan LIAT dan BD dalam kotak
Independent(s). Pada bagian Method pilih Enter dan selanjutnya klik
Statistics. Hasil yang diperoleh seperti tampilan berikut:
Setelah klik statistics akan muncul tampilan seperti berikut :
Berikan tanda centang pada Estimates dan Model fit kemudian klik
Continue kemudian OK dan akan muncul tampilan output SPSS seperti
berikut :
6
e. Penjelasan Tabel Output SPSS

- Tabel ANOVA
Tabel ANOVA menjelaskan tentang hasil Uji F yang digunakan untuk

menganalisis apakah ada pengaruh variabel bebas (kadar liat dan BD) secara
bersama-sama terhadap variabel terikat (Rata-rata tinggi pertumbuhan
tegakan cendana).
Perhatikan nilai pada kolom Signifikansi (Sig.) untuk mengetahui apakah
ada pengaruh variabel bebas terhadap variabel terikat.
 Jika nilai Sig. < 0,05 berarti ada pengaruh yang signifikan dari variabel
bebas terhadap variabel terikat.
 Jika nilai Sig. > 0,05 berarti tidak ada pengaruh yang signifikan dari
variabel bebas terhadap variabel terikat.
Pada contoh tabel ANOVA, nilai Sig. adalah 0,000 atau lebih kecil dari 0,05
sehingga dapat disimpulkan bahwa kadar liat dan BD secara bersama-sama
(simultan) berpengaruh terhadap pertumbuhan tegakan cendana.
7
- Tabel Model Summary
Tabel model summary memberikan informasi tentang koefisien determinasi

(R Square atau R2), yaitu besarnya kontribusi pengaruh variabeel bebas
secara bersama-sama (simultan) terhadap variabel terikat. Koefisien
determinasi digunakan jika hasil uji F menunjukan hasil yang signifikan.
Pada tabel ANOVA, hasil uji F adalah signifikan sehingga koefisien
determinasi dapat digunakan. Besarnya nilai koefisien determinasi (R
Square) pada tabel model summary adalah 0,962 atau 96,2 % artinya bahwa
variabel bebas (kadar liat dan BD) secara bersama-sama berpengaruh
terhadap pertumbuhan tegakan cendana sebesar 96,2%. Sisanya, yaitu 100%
- 96,2% atau 3,8% dipengaruhi oleh variabel lain yang tidak dianalisis
(diteliti). Besarnya pengaruh lain yaitu 3,8% atau 0,038 disebut juga sebai
error (e).
- Tabel Coefficients
Tabel coefficients memberikan informasi tentang persamaan regresi dan ada

tidaknya pengaruh masing-masing variabel bebas secara parsial terhadap
varibel terikat (Uji-t).
Persamaan regresi berdasarkan tabel coefficients adalah :
Y = 53,675 - 0,150X1 - 36.55X2
Uji-t
Perhatikan nilai pada kolom Signifikansi (Sig.) untuk mengetahui apakah
ada pengaruh masing-masing variabel bebas terhadap variabel terikat.
8
 Jika nilai Sig. < 0,05 berarti ada pengaruh yang signifikan dari variabel
bebas terhadap variabel terikat.
 Jika nilai Sig. > 0,05 berarti tidak ada pengaruh yang signifikan dari
variabel bebas terhadap variabel terikat.
Pada contoh tabel coefficients :
1. Nilai Sig. pada variabel kadar liat adalah 0,306 atau lebih besar dari
0,05 berarti tidak ada pengaruh yang signifikan dari kadar liat terhadap
pertumbuhan tegakan cendana.
2. Nilai Sig. dari variabel BD adalah 0,001 atau lebih kecil dari 0,05 dan
lebih kecil dari 0,01 berarti ada pengaruh yang sangat signifikan dari BD
terhadap pertumbuhan tegakan cendana.
Nilai pada kolom t adalah nilai t hitung.
E. DAFTAR PUSTAKA

Publishing. Malang

9
LEMBAR KERJA PRAKTIKUM
ANALISIS REGRESI BERGANDA DUA PREDIKTOR
Nama :
NIM :
Hari/Tanggal :
Kerjakan analisis secara manual dalam kolom berikut:
10
Nilai : Nilai :
a : ................... FHitung : ...................
b1 : ................... FTabel : ...................
b2 : ................... m : ...................
R : ................... n : ...................
R2 : ................... dk pembilang : ...................
dk penyebut : ..................
Kesimpulan :
Kupang,…………………………
Mengetahui
Dosen/Teknisi, Praktikan,
(…………………...….) (……………………….)
11
ACARA PRAKTIKUM II
ANALISIS REGRESI LINEAR BERGANDA TIGA PREDIKTOR
A. KOMPETENSI
Mahasiswa mampu menganalisis data menggunakan analisis linear
berganda tiga prediktor dengan cara manual dan menggunakan software SPSS.
B. DASAR TEORI
Regresi linear ganda (multiple linear regression) adalah model regresi linear
dengan 1 variabel dependen kontinu beserta k (dua atau lebih) variabel
independen kontinu dan/atau kategorik. Analisis regresi linear berganda
digunakan untuk mengukur pengaruh antara lebih dari satu variabel prediktor
(variabel bebas) terhadap variabel terikat. Analisis regresi linear berganda dengan
dua prediktor berarti mengukur pengaruh dua variabel prediktor/variabel bebas
terhadap variabel terikat.
Model persamaan regresi linear berganda dengan dua prediktor :
Y = a + b1 X1+b2X2 + b3X3
Y = variabel terikat
a = konstanta
b1,b2, b3 = koefisien regresi
X1, X2, X3 = variabel bebas
C. BAHAN DAN ALAT

D. PROSEDUR KERJA
Lakukan analisis hubungan kandungan liat, kadar BO, dan kerapatan isi dengan
tinggi rata-rata pertumbuhan tegakan cendana dengan menggunakan data berikut:
12
No. Kadar BD Kadar BO Tinggi Rata-Rata

PU liat (%) (g/cm3) (%) Pohon Cendana (m)
1 20 0,9 4,5 20
2 12 1,2 2 8,5
3 14 1,2 2,5 8
4 29 0,8 4,8 20
5 28 0,8 4,3 20
6 10 1,1 2,5 10
7 29 0,8 4,5 20
8 11 1,1 2,8 12
9 31 0,8 4,8 19
10 29 0,8 4 20
1. Cara Manual
a. Tuliskan H0 dan H1 dalam bentuk kalimat !
c. Tuliskan H0 dan H1 dalam bentuk statistik !
c. Buatlah tabel penolong untuk regresi ganda !
d. Hitung nilai-nilai berikut :
2
( ∑ X1 )
Σx21 = ∑ X12- n
2
( ∑ X2 )
Σx22 = ∑ X22-
n
2
( ∑ X3 )
Σx23 = ∑ X32- n
(∑ X1 )( ∑ X2 )
Σx1x2 = ∑ X1 X2 − n
(∑ X1 )( ∑ X3 )
Σx1x3 = ∑ X1 X3 − n
(∑ X2 )( ∑ X3 )
Σx2x3 = ∑ X2 X3 − n
(∑ X1 )( ∑ Y)
Σx1y = ∑ X1 Y − n
(∑ X2 )( ∑ Y)
Σx2y = ∑ X2 Y − n
(∑ X3 )( ∑ Y)
Σx3y = ∑ X3 Y − n
2
(∑ Y)
Σy2 = ∑ Y2 − n
13
e. Masukkan nilai-nilai tersebut ke dalam persamaan berikut :

Σx1y = b1Σx12 + b2Σx1x2 + b3Σx1x3
Σx2y = b1Σx1x2 + b2Σx22 + b3Σx2x3
Σx3y = b1Σx1x3 + b2Σx2x3 + b3Σx32
Y = an + b1ΣX1 + b2ΣX2 + b3ΣX3
f. Tentukan nilai a, b1, b2, dan b3 dengan menggunakan metode eliminasi atau
substitusi!
g. Tuliskan persamaan garis regresinya dengan memasukkan nilai a, b1, b2 dan
b3 ke dalam bentuk persamaan umum.
h. Uji persamaan regresi tersebut dengan langkah2 :
(∑ X1 )( ∑ Y)
- Σx1y = ∑ X1 Y − n
(∑ X2 )( ∑ Y)
- Σx2y = ∑ X2 Y − n
(∑ X3 )( ∑ Y)
- Σx3y = ∑ X3 Y − n
2
(∑ Y)
- Σy2 = ∑ Y2 − n
- Cari Rhitung dengan rumus :
b1 ∑ x1 y + b2 ∑ x2 y + b3 ∑ X 3 y
Ry(1,2) = √ ∑ y2
- Kuadrat nilai R tersebut menjadi R2

- Hitung Fsign hitung dengan menggunakan rumus
R2 (n - m - 1)
F =
m (1 - R2 )
m = banyak prediktor
n = banyaknya anggota sampel
- Tentukan taraf signifikan (α)
- Hitung Ftabel dengan menggunakan rumus :
14
Ftabel = F(1-α)(dkpembilang, dkpenyebut)
dkpembilang = m
dkpenyebut = n-m-1
Kemudian lihat tabel F sehingga diperoleh Ftabel

- Tentukan kriteria pengujian H0, yaitu :
H0 diterima jika Fhitung < Ftabel = Signifikan
H1 diterima jika Fhitung > Ftabel = Tidak Signifikan
- Buatlah kesimpulannya !
2. Menggunakan SPSS
Langkah-langkah melakukan analisis regresi untuk tiga prediktor

menggunakan SPSS sama dengan langkah-langkah untuk dua prediktor
E. DAFTAR PUSTAKA

Publishing. Malang

15
ANALISIS REGRESI BERGANDA TIGA PREDIKTOR
Nama :
NIM :
Hari/Tanggal :
16
Nilai :
Nilai :
FHitung : ...................
a : ...................
FTabel : ...................
b1 : ...................
m : ...................
b2 : ...................
n : ...................
R : ...................
dk pembilang : ...................
R2 : ...................
dk penyebut : ..................
Kesimpulan :
Kupang,…………………………
Mengetahui
(…………………...….) (……………………….)
17
ACARA PRAKTIKUM III

RANCANGAN ACAK LENGKAP
A. KOMPTENSI
Mahasiwa mampu dan terampil menganalisis data menggunakan analisis
RAL secara manual dan menggunakan software SPSS
B. DASAR TEORI
Karakteristik yang perlu diketahui jika menggunakan Rancangan Acak
Lengkap (RAL) yaitu keragaman atau variasi hanya disebabkan oleh perlakuan
yang dicobakan dan perlakuan tersebut merupakan level-level dari satu faktor
tertentu. Keuntungan dalam menggunakan RAL adalah banyaknya perlakuan dan
ulangan hanya dibatasi oleh banyaknya unit percobaan yang tersedia. Selain itu
banyaknya ulangan bisa berbeda antar perlakuan dengan perlakuan lainnya serta
analisis yang digunakan sederhana. Sementara itu, kekurangan RAL adalah sering
kali tidak efisien karena pengacakan tidak dibatasi dan galat percobaan mencakup
seluruh keragaman antar unit percobaan kecuali yang disebabkan oleh perlakuan.
Bentuk umum model linier aditif dari Rancangan Acak Lengkap (RAL)
sebagai berikut:
Yij = μi + τi + εij atau Yij = μi + εij
Keterangan:
i = 1, 2, … , t dan j = 1, 2, … , r
Yij = Pengamatan pada perlakuan ke-i dan ulangan ke-j
μ = Rataan umum
τi = Pengaruh perlakuan ke-i
εij = Pengaruh acak pada perlakuan ke-i dan ulangan ke-j
C. BAHAN DAN ALAT
18
D. PROSEDUR KERJA
Data yang akan digunakan adalah data pengaruh jenis inang terhadap
pertumbuhan anakan cendana.
Jenis Inang Ulangan TOTAL (∑)
1 2 3 4 5
Tanpa Inang 8 10.5 10 8 8
Lamtoro 21.5 20.3 21 19.2 22.2
Sengon 28 28.3 34.1 35.2 28.5
Pepaya 28.5 30 30.5 28.5 28.5
Krokot 30.4 30.4 28 28.2 31.4
TOTAL (∑)
1. Cara Manual
1. Tuliskan Hipotesis dalam bentuk kalimat !
2. Buat tabel penolong!
3. Hitung faktor koreksi dengan menggunakan rumus berikut :
Tij 2
FK =
r.t
4. Hitung Jumlah Kuadrat (JK) menggunakan rumus-rumus berikut :
- JKT (JKTotal) = T(Yij2) - FK
= {( Y10)2 + ( Y11)2 …. + ( Yij)2 } – FK
TA2
- JKP (JKPerlakuan) = - FK
r
(TA0)2 + (TA1)2 + ….+ (TAn)2 }

= - FK
r
- JKG = JKT - JKP
5. Hitung derajat bebas (db) menggunakan rumus berikut :
- V1 =t-1
- V2 = (rt - 1) - (t - 1)
6. Hitung Kuadrat Tengah (KT) menggunakan rumus berikut :
JKP
- KTP =
V1
JKG
- KTG =
V2
7. Tentukan FHitung menggunakan rumus berikut :
19
KTP
- FHitung =
KTG
8. Tentukan FTabel  Fα(V1, V2) !
9. Buat tabel ansira !
TABEL ANSIRA
Sumber Db JK KT F Hitung F Tabel
Keragaman
Perlakuan V1 JKP KTP F hitung Fv1,v2
Galat V2 JKG KTG
Total Vt = r.t - 1 JKT
10. Buat kesimpulan !
2. Menggunakan Software SPSS

a. Buka aplikasi SPSS (liat tampilan yang muncul seperti pada acara I)
b. Buka sheet Variabel View dan berikan identitas pada setiap
variabel sesuai data yang akan dianalisis. Pada kolom Name :
 Baris 1, VAR00001 diganti dengan nama TINGGI (tinggi pertumbuhan
anakan cendana).
 Baris 2, VAR00002 diganti dengan nama INANG (jenis inang)
belakang koma untuk variabel tinggi sehingga pilih angka 1. Klik pada
kolom Values baris perlakuan (Inang) dan akan muncul Value Label seperti
gambar berikut :
20
Pada tampilan Value Labels didefinisikan masing-masing kode jenis inang

sebagai berikut:
0 = Tanpa inang (I0)
1 = Inang lamtoro (I1)
2 = Inang sengon (I2)
3 = Inang pepaya (I3)
4 = Inang krokot (I4)
Caranya ketik angka di kolom Value dan pada kolom Label ketik kode jenis
inang kemudian klik Add. Lakukan untuk semua kode jenis inang. Hasilnya
seperti gambar berikut :
Setelah semua kode didefenisikan, klik OK dan akan muncul tampilan

seperti berikut :
21
Sheet Data View
d. Untuk melakukan proses analisis, klik Analyze Compare Mean One-

Way Anova, seperti gambar berikut :
e. Selanjutnya dari kotak dialog One-Way Anova (1), pindahkan variabel

TINGGI ke kotak Dependent. Caranya tekan lalu tekan yang
ada di samping kotak Dependent, sehingga variabel TINGGI akan pindah ke
kotak Dependent. Dengan cara yang sama pindahkan INANG ke kotak Factor
sehingga muncul kotak dialog seperti gambar berikut (2) :
22
1.
2.
f. Untuk melakukan uji beda rata-rata, klik Post Hoc, sehingga muncul kotak
dialog seperti gambar berikut :
Pilihlah uji lanjut yang diinginkan kemudian klik Continue. Dalam

praktikum ini, uji lanjut yang dipilih adalah uji LSD, Tukey, dan Duncan.
23
g. Untuk melihat hasil analisis deskriptif dari data yang diolah, klik Options
dari kotak dialog One-Way Anova, centang kotak Descriptive dan
Homogenity of variance test sehingga muncul kotak dialog seperti gambar
berikut :
g. Klik Continue kemudian OK, sehingga hasil analisis/output akan menampilkan

tabel-tabel seperti gambar berikut
- Tabel Descriptives
Tabel descriptives seperti gambar berikut memberikan informasi tentang statistik
deskriptif, rerata, standar deviasi, standar error dan lain-lain.
24
- Tabel Test of Homogeneity of Variances

Analisis Homogenity bertujuan untuk menguji apakah perlakuan berasal dari
varian yang sama, karena untuk melakukan uji RAL asumsi kehomogenan harus
terpenuhi yaitu semua populasi atau perlakuan yang dicobakan harus mempunyai
varian yang sama. Hipotesis yang diajukan dari uji ini adalah:
• H0 : Semua populasi mempunyai varian yang sama
• H1 : Semua populasi mempunyai varian yang tidak sama
Sementara itu, dasar pengambilan keputusan adalah :
• Jika nilai Sig. > 0,05 maka H0 diterima dan H1 ditolak
• Jika nilai Sig. < 0,05 maka H1 diterima dan H0 ditolak
Contoh pada Tabel Homogenitas menunjukkan bahwa nilai sig. < dari 0.05,
artinya H0 ditolak dan H1 diterima atau tidak memenuhi syarat homogenitas.
- Tabel Analysis of Variance (ANOVA)
Analisis ANOVA bertujuan untuk menguji apakah semua perlakuan mempunyai
rata-rata yang sama. Hipotesisnya adalah :
• H0 : Semua perlakuan mempunyai rata-rata yang sama
• H1 : Semua perlakuan mempunyai rata-rata yang tidak sama
Sementara itu dasar pengambilan keputusannya adalah :
• Jika Sig. > 0,05 maka H0 diterima
• Jika Sig. < 0,05 maka H0 ditolak
25
Contoh hasil analisis pada Tabel ANOVAmenunjukkan bahwa Sig. < 0,05 dan
< 0,01 artinya H0 ditolak, H1 diterima atau semua perlakuan mempunya rata-rata
yang tidak sama atau dengan kata lain, ada pengaruh yang sangat nyata (<0,01)
dari perlakuan/jenis inang terhadap pertumbuhan anakan cendana.
- Tabel Multiple Comparisons
Hasil kesimpulan dari tabel ANOVA adalah jenis inang berpengaruh sangat nyata
terhadap pertumbuhan anakan cendana. Untuk selanjutnya dilakukan uji lanjut
beda rata-rata untuk mengetahui jenis inang yang memberikan pertumbuhan
paling tinggi atau jenis inang yang mempengaruhi pertumbuhan pertumbuhan
anakan cendana. Hasil uji lanjut sesuai yang dipilih pada langkah (f) dapat dilihat
pada tabel multiple comparisons. Oleh karena itu perlu dilakukan uji lanjut beda
rata-rata. Untuk mengetahui perbedaan antara perlakuan tersebut dapat melihat
tanda * pada kolom mean difference atau yang memiliki nilai Sig. < 0.05.
26
Multiple Comparisons
Dependent Variable:TINGGI
95% Confidence Interval

(I) (J) Mean Difference
INANG INANG (I-J) Std. Error Sig. Lower Bound Upper Bound
Tukey HSD I0 I1 -11.9400* 1.2160 .000 -15.579 -8.301
I2 -21.9200* 1.2160 .000 -25.559 -18.281
I3 -20.3000* 1.2160 .000 -23.939 -16.661
I4 -20.7800* 1.2160 .000 -24.419 -17.141
I1 I0 11.9400* 1.2160 .000 8.301 15.579
I2 -9.9800* 1.2160 .000 -13.619 -6.341
I3 -8.3600* 1.2160 .000 -11.999 -4.721
I4 -8.8400* 1.2160 .000 -12.479 -5.201
I2 I0 21.9200* 1.2160 .000 18.281 25.559
I1 9.9800* 1.2160 .000 6.341 13.619
I3 1.6200 1.2160 .675 -2.019 5.259
I4 1.1400 1.2160 .879 -2.499 4.779
I3 I0 20.3000* 1.2160 .000 16.661 23.939
I1 8.3600* 1.2160 .000 4.721 11.999
I2 -1.6200 1.2160 .675 -5.259 2.019
I4 -.4800 1.2160 .994 -4.119 3.159
I4 I0 20.7800* 1.2160 .000 17.141 24.419
I1 8.8400* 1.2160 .000 5.201 12.479
I2 -1.1400 1.2160 .879 -4.779 2.499
I3 .4800 1.2160 .994 -3.159 4.119
LSD I0 I1 -11.9400* 1.2160 .000 -14.476 -9.404
I2 -21.9200* 1.2160 .000 -24.456 -19.384
I3 -20.3000* 1.2160 .000 -22.836 -17.764
I4 -20.7800* 1.2160 .000 -23.316 -18.244
I1 I0 11.9400* 1.2160 .000 9.404 14.476
I2 -9.9800* 1.2160 .000 -12.516 -7.444
I3 -8.3600* 1.2160 .000 -10.896 -5.824
27
I4 -8.8400* 1.2160 .000 -11.376 -6.304
I2 I0 21.9200* 1.2160 .000 19.384 24.456
I1 9.9800* 1.2160 .000 7.444 12.516
I3 1.6200 1.2160 .198 -.916 4.156
I4 1.1400 1.2160 .360 -1.396 3.676
I3 I0 20.3000* 1.2160 .000 17.764 22.836
I1 8.3600* 1.2160 .000 5.824 10.896
I2 -1.6200 1.2160 .198 -4.156 .916
I4 -.4800 1.2160 .697 -3.016 2.056
I4 I0 20.7800* 1.2160 .000 18.244 23.316
I1 8.8400* 1.2160 .000 6.304 11.376
I2 -1.1400 1.2160 .360 -3.676 1.396
I3 .4800 1.2160 .697 -2.056 3.016
*. The mean difference is significant at the 0.05 level.
E. DAFTAR PUSTAKA

Publishing. Malang

28
RANCANGAN ACAK LENGKAP
Nama :
NIM :
Hari/Tanggal :
Kerjakan secara manual dalam kolom berikut:
29
Kesimpulan :
Kupang,…………………………
Mengetahui
(…………………...….) (……………………….)
30
ACARA PRAKTIKUM IV
RANCANGAN ACAK KELOMPOK
A. KOMPETENSI
RAK secara manual dan menggunakan software SPSS
B. DASAR TEORI
Rancangan Acak Kelompok (RAK) adalah suatu rancangan yang
melakukan pengelompokan unit - unit percobaan ke dalam kelompokkelompok
dan semua perlakuan dicobakan pada setiap kelompok yang ada. Tujuan
pengelompokan ini adalah untuk memperoleh unit percobaan yang seseragam
mungkin dalam setiap kelompoknya, sehingga perbedaan yang diamati sebagian
besar disebabkan oleh perlakuan. Pengelompokan menjadi sesuatu yang penting
karena dapat mengendalikan dan memperkecil galat atau kesalahan percobaan.
Oleh karena itu RAK disebut juga sebagai rancangan percobaan yang
memungkinkan adanya pengendalian galat satu arah. Dengan kata lain, unit-unit
percobaan yang berada pada kelompok yang sama harus dikondisikan serba sama
atau homogen.
Keuntungan menggunakan RAK adalah analisis datanya masih bersifat
sederhana, mempunyai efisiensi dan presisi yang lebih tinggi dibanding RAL jika
andaian adanya gradient satu arah terpenuhi dan jika ada data hilang maka analisis
masih dapat dilanjutkan dengan menerapkan teknik data yang hilang. Namun
kerugian penggunaan
RAK adalah efisiensi dan presisinya lebih rendah dibanding RAL jika andaian
adanya gradient satu arah tidak terpenuhi karena berkurangnya derajat bebas
untuk galatnya.
Rancangan Acak Kelompok ini cocok digunakan untuk percobaan di lapangan
(field experiment) yang umumnya kondisinya tidak homogen dan mengalami
perubahan kondisi (misalnya temperatur, kelembaban dan sebagainya).
31
Bentuk umum model linier aditif dari Rancangan Acak Kelompok (RAK)
sebagai berikut:
Yij = μ + τi + βj + εij
Keterangan:
i = 1, 2, … , t dan j = 1, 2, … , k
Yij = Pengamatan pada perlakuan ke-i dan kelompok ke-j
μ = Rataan umum
τi = Pengaruh perlakuan ke-i
βj = Pengaruh kelompok ke-j
εij = Pengaruh acak pada perlakuan ke-i dan kelompok ke-j
C. BAHAN DAN ALAT

D. PROSEDUR KERJA
Data yang akan digunakan adalah data pengaruh model tanam terhadap
pertumbuhan anakan mangrove. Lokasi penanaman dibagi ke dalam tiga
kelompok zona, yaitu zona depan (kelompok I), zona tengah (kelompok II), dan
zona belakang (kelompok III).
Model Tanam Kelompok Total

I II III
Kontrol 8 10.5 10 Σ PK
Model A 21.5 20.3 21 Σ PA
Model B 28 28.3 34.1 Σ PB
Model C 28.5 30 30.5 Σ PC
Model D 30.4 30.4 28 Σ PD
Total Σ KI Σ KII Σ KIII Σ Yij
1. Cara Manual
Lakukan analisis menggunakan RAK pada taraf kepercayaan 95% dengan
menggunakan langkah-langkah berikut (data percobaan terlampir) :
32
2. Buat tabel penolong (tabulasi data perlakuan dan kelompok)!

(ΣYij )2
FK =
k.t
- JKT (JKTotal) = Σ(Yij2) - FK
= { ( Y10)2 + ( Y11)2…. + ( Yij)2} – FK
ΣK2
- JKK (JKKelompok) = - FK
t
(ΣKI)2 + (ΣKII)2 + ….+ (ΣKn)2 }
= - FK
t
ΣP2
- JKP (JKPerlakuan) = - FK
k
(ΣPK)2 + (ΣPA)2 + ….+ (ΣPn)2 }
= - FK
k
- JKG (JKGalat) = JKT - JKP - JKK

- V1 =t-1
- V2 =k-1
- V3 = (k - 1) (t - 1)
JKP
- KTP = V1
JKK
- KTK = V2
JKG
- KTG = V3

KTP
- FHitungPerlakuan = KTG
KTK
- FHitungKelompok = KTG
8. Tentukan FTabel ! (95%)

33
Tabel ANSIRA
Sumber Db JK KT F Hitung F Tabel
Keragaman
Kelompok V1 JKK KTK F hitung Perlakuaan Fv1,v3
Perlakuan V2 JKP KTP F Hitung Kelompok FV2,V3
Galat V3 JKG KTG
Total Vt = k.t - 1 JKT

b. Buka sheet Variabel View dan berikan identitas pada setiap variabel sesuai
data yang akan dianalisis. Pada kolom Name :
 Baris 1 ditulis dengan nama TINGGI (tinggi pertumbuhan anakan
mangrove).
 Baris 2, ditulis dengan nama MODEL (model tanam)
 Baris 3, ditulis dengan nama KELOMPOK (Zona lokasi)
belakang koma untuk variabel TINGGI sehingga pilih angka 1 dan angka 0
untuk variabel MODEL dan KELOMPOK. Pada kolom label, ketik
Pertumbuhan Tinggi Anakan Mangrove, Model Tanam, dan Kelompok
Zona.
Selanjutnya klik pada kolom Values pada setiap baris Model dan Kelompok
dan akan muncul Value Label.
Pada tampilan Value Labels untuk baris model didefinisikan masing-masing
kode model tanam sebagai berikut:
1 : Kontrol
2 : Model A
3 : Model B
4 : Model C
5 : Model D
34
Caranya ketik angka di kolom Value dan pada kolom Label ketik kode
model tanam kemudian klik Add. Lakukan untuk semua kode model tanam.
Pada tampilan Value Labels untuk baris Kelompok didefinisikan masing-
masing kode kelompok zona sebagai berikut:
1 : Kelompok I/Zona Depan
2 : Kelompok II/Zona Tengah
3 : Kelompok III/Zona Belakang
Caranya sama pada baris model.
Tampilannya seperti gambar berikut :
Setelah itu, klik OK dan akan muncul seperti gambar berikut :
35
d. Untuk melakukan proses analisis, klik Analyze General Linier Model

Univariate seperti pada gambar berikut :
Klik Univariate dan akan muncul tampilan seperti berikut :
36
e. Selanjutnya dari kotak dialog Univariate, pindahkan variable Pertumbuhan

tinggi anakan ke kolom Dependent Variable dengan cara klik tanda
sementara Model Tanam dan Kelompok Zona ke kolom Fixed
Faktor(s), sehingga muncul seperti kotak dialog pada gambar berikut.
f. Langkah berikutnya klik Model sehingga muncul kotak dialog Univariate :

Model. Pada kolom Specify Model, pilih Custom, kemudian pindahkan
variable Model dan Kelompok ke kolom Model dengan cara klik . . Pada
37
Build Term (s) pilih menu Main effects, kemudian klik Continue seperti
terlihat pada gambar berikut :
g. Selanjutnya klik Post Hoc sehingga muncul kotak dialog seperti pada gambar
berikut. Pindahkan variabel Model dan Kelompok ke kolom Post hoc Test
for dengan cara klik dan pilihlah jenis uji lanjut yang diinginkan dari
kolom Equal Variances Assumed lalu klik Continue. Pada praktikum ini,
pilih jenis uji LSD, Tukey, dan Duncan.
38
h. Setelah pengisian selesai, dari kotak dialog Univariate klik OK, sehingga
hasil analisis atau output akan muncul tampilan beberapa tabel seperti berikut
ini :
1) Tabel Between-Subjects Faktor

Tabel tentang Between-Subjects Faktor menunjukkan ringkasan mengenai
jumlah data (N) yang dianalisis baik pada variable Model maupun Kelompok,
seperti terlihat pada gambar berikut :
39
2) Tabel Test of Bettwen-Subject Effects

Tabel Test of Bettwen-Subject Effects menunjukkan hasil analisis
keragaman (ANOVA) atau menunjukkan pengaruh perlakuan dan kelompok
terhadap variabel terikatnya untuk menjawab hipotesis, seperti terlihat pada
gambar tabel berikut
Untuk data praktikum ini, hipotesis yang diajukan ada dua yaitu hipotesis
untuk pengaruh perlakuan (model tanam) dan untuk pengaruh kelompok.
1. Hipotesis pengaruh perlakuannya (model anam) adalah :
 H0 : Semua populasi mempunyai rata-rata yang sama
 H1 : Semua populasi mempunyai rata-rata yang tidak sama
atau
 H0 : Model tanam tidak berpengaruh terhadap pertumbuhan anakan
mangrove
 H1 : Model tanam berpengaruh terhadap pertumbuhan anakan
Dasar pengambilan keputusannya adalah :
- Jika probabilitasnya atau Sign. > 0,05 maka H0 diterima dan H1 ditolak
- Jika probabilitasnya atau Sign. < 0,05 maka H0 ditolak dan H1 diterima.
Berdasarkan tabel Test of Bettwen-Subject Effects dari data praktikum
dapat dilihat bahwa nilai Sign. untuk perlakuan (model tanam) sebesar
0,001 < 0,05 dan < dari 0,01 sehingga H0 ditolak dan H1 diterima, artinya
model tanam berpengaruh sangat nyata (<0,01) terhadap pertumbuhan
anakan mangrove.
2. Hipotesis untuk pengaruh kelompok adalah :
40
 H0 : Kelompok zona tidak berpengaruh terhadap pertumbuhan anakan

mangrove
 H1 : Kelompok zona berpengaruh terhadap pertumbuhan anakan
mangrove
Dasar pengambilan keputusannya adalah:
- Jika probabilitasnya atau Sign. > 0,05 maka H0 diterima dan H1 ditolak
- Jika probabilitasnya atau Sign. < 0,05 maka Ho ditolak dan H1 diterima.
Berdasarkan tabel Test of Bettwen-Subject Effects dari data praktikum
dapat dilihat bahwa nilai Sign. untuk kelompok zona sebesar 0,779 > 0,05
sehingga H0 diterima, artinya kelompok zona tidak berpengaruh terhadap
pertumbuhan anakan mangrove.
E. DAFTAR PUSTAKA

Publishing. Malang

41
RANCANGAN ACAK KELOMPOK
Nama :
NIM :
Hari/Tanggal :
42
Kesimpulan :
Kupang,…………………………
Mengetahui
(…………………...….) (……………………….)
43
ACARA PRAKTIKUM V
RANCANGAN BUJUR SANGKAR LATIN
A. KOMPETENSI
Mahasiswa mampu dan terampil menganalisis data menggunakan
analisis RBSL secara manual dan menggunakan software SPSS
B. DASAR TEORI
Rancangan Bujur Sangkar Latin (RBSL) adalah suatu rancangan
percobaan yang mampu mengendalikan komponen keragaman unit-unit percobaan
lebih dari satu sisi komponen keragaman. Hal ini berarti pengendalian komponen
keragaman unit percobaan dilakukan dari dua arah yaitu arah baris dan kolom,
sementara unit percobaan dikenai perlakuan.
RBSL juga merupakan suatu jenis rancangan lingkungan yang
pengelompokannya dilakukan dalam dua arah. RBSL ini terdiri dari dua variabel
penggangu dan sebuah variabel bebas. Variabel pengganggu adalah variabel baris
dan kolom sedangkan variabel bebas adalah perlakuan. Ketiga variabel tersebut
tidak saling berinteraksi dan ketiga variabel tersebut jumlahnya sama sehingga
membentuk bujur sangkar (jumlah perlakuan = jumlah baris = jumlah kolom).
RBL mempunyai beberapa persyaratan yang harus dipenuhi yaitu banyaknya
perlakukan yang diberikan harus sama dengan banyaknya ulangan, pengacakan
dibatasi dengan pengelompokan dan perlakuan hanya boleh muncul sekali pada
setiap baris dan setiap kolom.
Kerugian dalam menggunakan RBSL adalah banyaknya baris dan kolom
harus sama sehingga semakin banyak perlakuan maka unit percobaan yang
dibutuhkan juga semakin banyak, akibatnya kurang efektif untuk percobaan
dengan jumlah perlakuan yang besar. Pada RBSL ini, semakin banyak
kelompoknya, maka semakin besar galat per unit percobaannya. Selain itu, asumsi
model semakin meningkat karena tidak ada interaksi di antara kolom, baris dan
perlakuan. Selanjutnya, pengacakan yang diperlukan lebih rumit karena memiliki
44
dua arah pengelompokan dengan syarat perlakuan tidak boleh muncul lebih dari
sekali pada kolom dan baris yang sama, sehingga memerlukan pemahaman dasar
dalam menyusun RBSL. Kerugian lainnya adalah derajat bebasnya lebih kecil
dibandingkan rancangan lain yang berukuran sama, sehingga ketelitiannya
berkurang pada jumlah yang perlakuan sedikit. Jika ada data hilang maka hasil
analisisnya diragukan karena jumlah perlakuan tidak seimbang. Keuntungan
dalam menggunakan RBSL adalah berkurangnya keragaman galat karena
menggunakan dua buah pengelompokan, pengaruh perlakuan dapat dilakukan
untuk percobaan berskala kecil, analisis dan interpretasinya relatif mudah serta
baris dan kolom dapat digunakan sebagai cakupan dalam pengambilan
kesimpulan. Selanjutnya, jika andaian heterogenitas pada arah baris dan kolomnya
terpenuhi maka presisinya akan lebih tinggi dibanding RAL dan RAK.
Secara umum model aditif linier dari Rancangan Bujur Sangkar Latin
(RBSL) adalah :
Yijk = μ + βi + ɣi + Շk + +ɛijk
Keterangan:
μ = rerata umum
βi = pengaruh baris ke-i
ɣj = pengaruh kolom ke-j
τk = pengaruh perlakuan ke-k
ɛijk = pengaruh acak baris ke-i, kolom ke-j dan perlakukan
ke-k
i = 1,2,3,…r ; j = 1,2,3,…r; k = 1,2,3,…r
C. BAHAN DAN ALAT

Bahan yang digunakan dalam praktikum ini adalah kertas dan software SPSS
sedangkan alat yang digunakan adalah buku praktikum, komputer atau laptop dan
alat tulis menulis.
D. PROSEDUR KERJA
Lakukan analisis data percobaan "pengaruh jenis larutan dalam perendaman
benih dari sumber benih yang berbeda terhadap daya kecambah benih jati "
45
Analisis menggunakan analisis RBSL dengan cara manual dan menggunakan

SPSS.
Dalam percobaan ini menggunakan 5 jenis larutan, 5 teknik perendaman benih
dan 5 sumber benih yang berbeda.
Kelompok Teknik Kelompok Sumber Benih
Perendaman
1 2 3 4 5
1 A = 15,3 B = 12 C = 12,3 D = 12,3 E =10
2 E = 10 A = 13,5 B = 10 C = 10,3 D = 11,5
3 D = 10,2 E = 13,5 A = 14,5 B = 12 C = 13,5
4 C = 15,5 D = 15,8 E = 17,5 A = 13,5 B = 17
5 B = 12 C = 12,1 D = 15,1 E = 10,5 A = 14,2
A,B,C,D, dan E adalah kontrol dan jenis larutan

1. Cara Manual
2. Buat tabel penolong (tabulasi data perlakuan dan kelompok)!
ΣYijk 2
FK = r2

- JKT (JKTotal) = (ΣYijk2) - FK
= { ( Y10)2 + ( Y11)2…. + ( Yij)2 … + ( Yrt)2} – FK
ΣYijk2
- JKB(JKBaris) = - FK
r
ΣYjik2
- JKL (JKLajur/kolom) = - FK
r
ΣYijk2
- JKP(JKPerlakuan) = - FK
r
- JKG (JKGalat) = JKT - JKB - JKP - JKL

- V1 =r-1
- V2 = r2 - 1
- V3 = (r - 1) (r - 2)
46
JKP
- KTP = V1
JKB
- KTB = V1
JKL
- KTL = V1
JKG
- KTG = V3

KTP
- FHitungPerlakuan = KTG
KTB
- FHitungBaris =
KTG
KTL
- FHitungLajur = KTG
8. Tentukan FTabel !

Prosedur kerja analisis data dengan RBL menggunakan Software SPSS :
a. Mencari rerata, standar deviasi dan standar error
Langkah – langkah untuk mendapatkan informasi rerata, standar deviasi dan
standar error adalah sebagai berikut :
1) Membuka tampilan SPSS data editor (tampilan awal seperti pada Acara I)
kemudian klik Variable View pada pojok kiri bawah. Pada Kolom Name
ketik Kolom, Baris, Larutan, dan Kecambah. Pada kolom label ketik
sumber benih pada baris Kolom, lama perendaman pada baris Baris, jenis
larutan pada baris Larutan, dan daya kecambah pada baris Kecambah. Klik
47
Values pada baris jenis larutan sehingga muncul kotak dialog Value Labels.
Ketik 1 pada Value dan ketik A pada Label kemudian klik Add. Lakukan
sampai angka 5 Tampilannya akan seperti gambar berikut :
Kemudian klik OK dan akan muncul tampilan berikut :
2) Selanjutnya input data dengan cara klik tampilan Data View, kemudian ketik
di kolom KOLOM angka 1 sebanyak 5x (sesuai jumlah sumber benih) ,
angka dua sebanyak 5x, dst sehingga total data adalah 25. Pada kolom
BARIS ketik angka 1 - 5 sebanyak 5 kali. Pada kolom PELARUT, ketik
angka sesuai pasangan di tabel data dan pada kolom KECAMBAH ketik
nilai dalam tabel sesuai pasangan angka dalam kolom BARIS, PELARUT,
dan KECAMBAH seperti gambar berikut :
48
3) Selanjutnya lakukan analisis dengan cara klik Menu Analyse pilih Compare
Means, lalu klik Means seperti gambar berikut :
4) Selanjutnya akan muncul kotak dialog Mean. Pindahkan variable

Kecambah ke Dependent List dengan cara klik Kecambah kemudian klik
tanda . Dengan cara yang sama, pindahkan variable lain ke Independen
List . Tampilannya seperti gambar berikut:
49
Selanjutnya klik OK
5) Setelah klik OK, akan muncul tampilan output dalam bentuk tabel Report.
Tabel report yang ditampilkan ada tiga jenis yaitu tabel repot lama
perendaman, sumber benih dan jenis larutan. Tabel report tersebut
menunjukkan rerata, banyaknya pengulangan, standar deviasi dan standar
error dari rerata.
50
 Tabel Report Lama Perendaman
 Tabel Report Sumber Benih
 Tabel Report Jenis Larutan
51
b. Membuat Sidik ragam pada RBL

Sidik ragam pada RBSL dengan menggunakan SPSS dilakukan mengikuti
tahapan sebagai berikut :
1) Klik Analyze pilih General Linier Model lalu pilih Univariate seperti
terlihat gambar berikut :
2) Setelah klik Univariate akan muncul kotak dialog seperti gambar berikut :
Pindahkan Daya Kecambah ke kolom Dependent Variabel dengan cara klik

tulisan Daya Kecambah kemudian klik tanda . Dengan cara yang sama
pindahkan semua variabel yang lain ke kolom Fixed Factor (s).
3) Selanjutnya klik Post Hoc dan akan muncul kotak dialog seperti berikut :
52
Pindahkan factor Larutan ke Post Hoc Tests For dengan cara klik tulisan
Larutan kemudian klik tanda . Selanjutnya, centang kotak Duncan,
LSD, dan Tukey pada Equal Variances Assumed kemudian klik Continue
dan akan muncul tampilan seperti gambar berikut :
4) Klik Paste dan akan muncul kotak dialog Syntax SPSS Syntax Editor
seperti gambar berikut :
53
Perhatikan /DESIGN = Kolom Baris Larutan, jika ada interaksinya yaitu

Kolom*Baris dan seterusnya, harus dihilangkan interaksinya jika tidak
hasilnya akan berbeda.
Klik tanda , maka diperoleh hasil analisis sebagai berikut :
- Tabel Tests of Between-Subjects Effects

keragaman (ANOVA) atau menunjukkan pengaruh perlakuan, baris dan
kolom terhadap variabel terikatnya.
54

keragaman (ANOVA) atau menunjukkan pengaruh perlakuan (jenis larutan),
baris (lama perendaman) dan kolom (sumber benih) terhadap variabel terikat
(Daya Kecambah).
Hipotesis yang diajukan dari analisis ini ada tiga yaitu hipotesis untuk
pengaruh perlakuan, pengaruh baris dan pengaruh kolom.
a. Hipoteis pengaruh perlakuannya (jenis larutan) adalah :
H0 : Jenis larutan tidak berpengaruh terhadap daya kecambah benih Jati
H1 : Jenis larutan berpengaruh terhadap daya kecambah benih Jati
 Jika probabilitasnya atau Sign. > 0,05 maka H0 diterima dan H1 ditolak
 Jika probabilitasnya atau Sign. < 0,05 maka H0 ditolak dan H1 diterima
Tabel Test of Between-Subjects Effects menunjukkan bahwa Sign. untuk
perlakuan (jenis larutan) adalah 0,460 > 0,05 maka H0 diterima artinya jenis
larutan tidak berpengaruh terhadap daya kecambah benih jati.
b. Hipoteis pengaruh baris (lama perendaman) adalah :
H0 : Lama perendaman tidak berpengaruh terhadap daya kecambah benih Jati
H1 : Lama perendaman berpengaruh terhadap daya kecambah benih Jati
55

baris (lama perendman) adalah 0,344 > 0,05 maka H0 diterima artinya lama
perendaman tidak berpengaruh terhadap daya kecambah benih jati.
c. Hipoteis pengaruh kolom (sumber benih) adalah :
H0 : Sumber benih tidak berpengaruh terhadap daya kecambah benih Jati
H1 : Sumber benih berpengaruh terhadap daya kecambah benih Jati
kolom (sumber benih ) adalah 0,009 < 0,05 maka H0 ditolak, H1 diterima
artinya sumber benih berpengaruh terhadap daya kecambah benih jati.
E. DAFTAR PUSTAKA

Publishing. Malang

56
RANCANGAN BUJUR SANGKAR LATIN
Nama :
NIM :
Hari/Tanggal :
57
Kesimpulan :
Kupang,…………………………
Mengetahui
(…………………...….) (……………………….)
58
ACARA PRAKTIKUM VI
RANCANGAN ACAK LENGKAP FAKTORIAL
A. KOMPETENSI
RAL Faktorial secara manual dan menggunakan software SPSS
B. DASAR TEORI
Percobaan faktorial adalah suatu percobaan yang dalam satu keadaan
(unit percobaan) dicobakan secara bersamaan dari beberapa (2 atau lebih)
percobaan-percobaan tunggal atau suatu percobaan yang perlakuannya terdiri atas
semua kemungkinan kombinasi taraf dari beberapa faktor. Percobaan dengan
menggunakan f faktor dengan t taraf untuk setiap faktornya disimbolkan dengan
percobaan faktorial ft. Misalnya, percobaan faktorial 22 artinya kita
menggunakan 2 faktor dan taraf masing-masing faktornya terdiri dari 2 taraf.
Percobaan faktorial 22 juga sering ditulis dalam bentuk percobaan faktorial 2x2.
Percobaan faktorial yang taraf dari masing-masing faktornya berbeda, misalnya
2 taraf untuk faktor A dan 3 taraf untuk faktor B, maka percobaannya disebut
percobaan faktorial 2x3. Percobaan faktorial 2x2x3 artinya percobaan faktorial
yang terdiri dari 3 faktor dengan taraf untuk masing-masing faktornya berturut-
turut 2, 2, dan 3.
Keuntungan dari penggunaan percobaan faktorial adalah :
1. Karena percobaan faktorial merangkum beberapa percobaan faktor tunggal
sekaligus, maka percobaan faktorial akan lebih menepatgunakan dan dapat
menghemat waktu, bahan,alat, tenaga kerja dan modal yang tersedia dalam
mencapai semua sasaran percobaan-percobaan faktor tunggal sekaligus.
2. Dapat diketahui adanya kerjasama antara faktor (interaksi) dan pengaruh faktor
dari dua faktor atau lebih.
Selain keuntungan yang diperoleh, percobaan faktorial memiliki kelemahan,
yaitu makin banyak faktor yang diteliti, kombinasi perlakuannya makin
59
meningkat pula, sehingga ukuran percobaan makin besar dan akan mengakibatkan
ketelitiannya makin berkurang, perhitungan/analisisnya menjadi lebih rumit bila
faktor/level ditambah, sehingga memerlukan ketelitian yang lebih cermatdan
interaksi lebih dari dua faktor agak sulit untuk menginterpretasikan(Steel dan
Torrie 1991).
Bentuk umum model linier aditif dari Rancangan Acak Lengkap (RAL)
Faktorial sebagai berikut:
Yijk 
Yijk = Nilai pengamatan pada faktor A level ke-i, faktor B level ke-j dan
ulangan ke k,
μ = Rerata umum
αi = Pengaruh utama faktor A
βj = Pengaruh utama faktor B
(αβij) = Komponen interaksi dari faktor A dan faktor B
εijk = Pengaruh acak yang menyebar normal
C. BAHAN DAN ALAT

Bahan yang digunakan dalam praktikum ini adalah kertas dan software SPSS
sedangkan alat yang digunakan adalah buku praktikum, komputer atau laptop dan
alat tulis menulis.
D. PROSEDUR KERJA
Data yang akan digunakan adalah data pengaruh jenis inang dan komposisi media
terhadap pertumbuhan anakan cendana. Jenis inang (A) terdiri atas 4 jenis, yaitu
tanpa inang, krokot, lamtoro, serta pepaya dan komposisi media (B) terdiri atas 4
level juga, yaitu kontrol, komposisi A, komposisi B, dan komposisi C dengan
ulangan 5x.
60
Perlakuan Ulangan
1 2 3 4 5
A0B0 2,1 3,1 3,3 2,5 3,1
A0B1 2,3 2,9 3,7 3,5 2,9
A0B2 2,8 2,8 3,4 3,5 2,8
A0B3 2,8 3,0 3,0 2,8 2,5
A1B0 3,4 3,4 2,8 2,2 3,1
A1B1 3,3 3,9 3,8 3,9 3,9
A1B2 3,7 3,9 3,7 3,8 3,6
A1B3 3,5 3,2 3,3 3,8 3,6
A2B0 4,3 3,9 4,5 4,8 4,6
A2B1 4,5 4,9 4,5 4,8 4,6
A2B2 7,3 7,9 7,3 7,8 7,4
A2B3 7,2 7,2 7,3 7,1 7,4
A3B0 4,3 4,7 4,7 4,7 4,5
A3B1 3,3 3,9 3,7 3,7 3,4
A3B2 6,1 6,5 6,0 6,4 6,4
A3B3 7,3 6,9 7,3 7,8 7,4
1. Cara Manual
2. Buat tabel penolong!
(∑ 𝑌ijk )2
FK = r.a.b
r = ulangan
a = banyaknya level pada faktor A
b = banyaknya level pada faktor B
- Jumlah Kuadrat Total (JKTotal) = Σ (Yijk2) - FK
(∑ 𝑌ijk )2
- Jumlah Kuadrat Faktor A (JKA) = - FK
r.b
(∑ 𝑌ijk )2
- Jumlah Kuadrat Faktor B (JKB) = - FK
r.a
(∑ 𝑌ijk )2
- Jumlah Kuadrat Interaksi A dan B (JKAB) = - FK - JKA - JKB
r
61
- Jumlah Kuadrat Perlakuan (JKPerlakuan) = JKA + JKB + JKAB

- JKG = JKT - JKP
- db perlakuan = ab - 1
- db faktor A =a-1
- db faktor B =b-1
- db interaksi AB = (a-1)(b-1)
- db galat = ab (r-1)
- db total = rab - 1
JKA
- Kuadrat Tengah Faktor A (KTA) =
db faktor A
JKB
- Kuadrat Tengah Faktor B (KTB) =
db faktor B
JKAB
- Kuadrat Tengah Interaksi A dan B (KTAB) =
db interaksi AB
JKP
- Kuadrat Tengah Perlakuan (KTP) =
db perlakuan
JKG
- Kuadrat Tengah Galat (KTG) =
db galat

KTP
- FHitung Perlakuan =
KTG
KTA
- FHitung A =
KTG
KTB
- FHitung B =
KTG
KTAB
- FHitung AB =
KTG
8. Tentukan FTabel !
Jika F hitung pengaruh A, B dan AB < F tabel (α=5 %) berarti A, B dan AB
tidak memberikan pengaruh yang nyata terhadap respon yang diamati.
Artinya H0 diterima pada level nyata (α) 5 %. Jika F hitung pengaruh A, B
62
dan AB > F tabel (α=5 %) berarti A, B dan AB memberikan pengaruh yang

nyata terhadap respon yang diamati, artinya H1 diterima pada level nyata (α)
5 %. Selanjutnya, jika F hitung pengaruh A, B dan AB > F tabel (α =1 %)
berarti A, B dan AB memberikan pengaruh yang sangat nyata terhadap
respon yang diamati, artinya H1 diterima pada level nyata (α) 1 %.
Prosedur kerja analisis data dengan RAL Faktorial menggunakan Software SPSS:
b. Buka sheet Variabel View dan berikan identitas pada setiap
variabel sesuai data yang akan dianalisis. Pada kolom Name :
 Baris 1, diisi dengan nama TINGGI (tinggi pertumbuhan anakan
cendana).
 Baris 2, diisi dengan nama INANG (jenis inang)
 Baris 3, diisi dengan nama MEDIA (komposisi media)
yang akan digunakan. Untuk defenisi kode, klik pada kolom Values baris
INANG dan akan muncul Value Label seperti gambar berikut :
Pada tampilan Value Labels didefinisikan masing-masing kode jenis inang

sebagai berikut:
1 : Tanpa inang (A0)
2 : Inang lamtoro (A1)
3 : Inang pepaya (A2)
63
4 : Inang krokot (A3)

Ketik angka di kolom Value dan pada kolom Label ketik kode jenis inang
kemudian klik Add. Lakukan untuk semua kode jenis inang. Hasilnya :
Lakukan cara yang sama untuk mendefenisikan kode komposisi media

dengan kode sebagai berikut :
1 : Kontrol (B0)
2 : Komposisi A (B1)
3 : Komposisi B (B2)
4 : Komposisi C (B3)
Setelah semua kode didefenisikan, klik OK dan akan muncul tampilan
seperti berikut :
c. Siapkan data di EXCEL dengan format berikut :
64
Inang Media Tinggi Inang Media Tinggi

1 1 2.1 3 1 4.3
1 1 3.1 3 1 3.9
1 1 3.3 3 1 4.5
1 1 2.5 3 1 4.8
1 2 2.3 3 2 4.5
1 2 2.9 3 2 4.9
1 2 3.7 3 2 4.5
1 2 3.5 3 2 4.8
1 3 2.8 3 3 7.3
1 3 2.8 3 3 7.9
1 3 3.4 3 3 7.3
1 3 3.5 3 3 7.8
1 4 2.8 3 4 7.2
1 4 3.0 3 4 7.2
1 4 3.0 3 4 7.3
1 4 3.8 3 4 7.1
2 1 3.4 4 1 4.3
2 1 3.4 4 1 4.7
2 1 2.8 4 1 4.7
2 1 2.2 4 1 4.7
2 2 3.3 4 2 3.3
2 2 3.9 4 2 3.9
2 2 3.8 4 2 3.7
2 2 3.3 4 2 3.7
2 3 3.7 4 3 6.1
2 3 3.9 4 3 6.5
2 3 3.7 4 3 6.0
2 3 3.8 4 3 6.4
2 4 3.5 4 4 7.3
2 4 3.2 4 4 6.9
2 4 3.3 4 4 7.3
2 4 3.8 4 4 7.8
Setelah itu, klik sheet DATA VIEW. dan copy paste data yang telah
65
Sheet Data View
d. Untuk melakukan proses analisis, klik Analyze General Linear Model

Univariate, seperti gambar berikut :
e. Selanjutnya dari kotak dialog Univariate, pindahkan variabel TINGGI ke

kotak Dependent. Caranya klik lalu klik tanda yang ada di
samping kotak Dependent Variabel , sehingga variabel TINGGI akan pindah
ke kotak Dependent Variabel. Dengan cara yang sama pindahkan INANG dan
MEDIA ke kotak Fixed Factor sehingga muncul kotak dialog seperti gambar
berikut :
66
Selanjutnya klik Model, pilih menu Custom, dan pindahkan setiap variabel
dari kolom Faktor & Covariates ke kolom Model. Untuk mengetahui
interaksi variabel jenis inang dengan komposisi media maka klik kedua
variabel tersebut secara bersama-sama, kemudian pidahkan ke kolom Model.
Pada Build Terma, pilih type Interaction. Setelah itu, klik Continue.
Tampilannya akan seperti berikut:
f. Untuk melakukan uji beda rata-rata, klik Post Hoc. Pindahkan variabel Inang
dan Media dari kotak Factors ke kotak Post Hoc Tests For, kemudian
centang uji lanjut yang akan digunakan. Dalam praktikum ini, pilih LSD,
Tukey dan Duncan sehingga muncul kotak dialog seperti gambar berikut :
67
g. Klik Continue selanjutnya OK melakukan analisis dan hasil analisis akan

menampilkan tabel-tabel seperti gambar berikut :
- Tabel Between-Subjects Factors

Tabel Between-Subjects Factors menunjukkan ringkasan mengenai jumlah
data (N) yang dianalisis baik pada variable Jenis Inang maupun Komposisi
Media.
68
- Tabel Test of Bettwen-Subject Effects

Tabel Test of Bettwen-Subject Effects menunjukkan hasil analisis atau sidik
ragam untuk menguji apakah semua perlakuan mempunyai rata-rata yang
sama.
Hipotesis yang dikemukakan untuk pengaruh jenis inang :
 Ho : Jenis inang tidak berpengaruh terhadap pertumbuhan anakan
cendana
 H1 : Jenis inang berpengaruh terhadap pertumbuhan anakan cendana
Hipotesis yang dikemukakan untuk pengaruh komposisi media :
 Ho : Komposisi media tidak berpengaruh terhadap pertumbuhan anakan
cendana
 H1 : Komposisi media tidak berpengaruh terhadap pertumbuhan anakan
cendana
Hipotesis pengaruh interaksi antara jenis inang dan komposisi media :
 Ho : Jenis inang dan komposisi media tidak berpengaruh terhadap
pertumbuhan anakan cendana
 H1 : Jenis inang dan komposisi media tidak berpengaruh terhadap
pertumbuhan anakan cendana
Dasar pengambilan keputusan sebagai berikut :
69
 Jika probabilitasnya atau nilai Sign. > 0,05 maka Ho diterima atau H1
ditolak
 Jika probabilitasnya atau nilai sign. < 0,05 maka Ho ditolak atau H1
diterima.
Berdasarkan tabel Test of Between-Subjects Effect (ANOVA), dapat dilihat

bahwa F hitung Inang sebesar 251,431 dengan probabilitas atau nilai Sign.nya
sebesar 0,00 < 0,05. F hitung komposisi media sebesar 92,506 dengan
probabilitas atau nilai Sig. nya sebesar 0,00 < 0,05. F hitung interaksi
keduanya sebesar 25,228 dengan probabilitas atau nilai Sig. nya sebesar 0,00
< 0,05. Dengan demikian ketiganya menolak Ho tetapi menerima H1. Hal ini
berarti bahwa jenis inang, komposisi media, serta interaksi inang dan
komposisi media berpengaruh sangat nyata terhadap pertumbuhan anakan
cendana.
E. DAFTAR PUSTAKA
Publishing. Malang

70
RANCANGAN ACAK LENGKAP FAKTORIAL
Nama :
NIM :
Hari/Tanggal :
71
Kesimpulan :
Kupang,…………………………
Mengetahui
(…………………...….) (……………………….)
72
ACARA PRAKTIKUM VII
ANALISIS UJI LANJUT - UJI DUNCAN
A. KOMPETENSI
Mahasiswa mampu dan terampil menganalisis data menggunakan uji
lanjut Duncan
B. DASAR TEORI
Pada rancangan percobaan RAL dan RAK , kesimpulan yang diperoleh
adalah adanya pengaruh yang signifikan atau tidak namun pada tahapan ini belum
diketahui secara pasti perlakuan yang signifikan tersebut. Oleh karena itu, perlu
adanya uji lanjut untuk mengetahui secara detil group data mana yang berbeda
secara signifikan. Uji lanjut ini diperlukan hanya jika analisis Anova signifikan
ada perbedaan signifikan diantara perlakuan. Jika pada anova tidak signifikan (α >
0.05) maka tidak perlu dilakukan uji lanjut karena kesimpulannya sudah berakhir
pada tidak adanya perbedaan yang signifikan antara perlakuan tersebut. Artinya
kesemua kelompok data dinyatakan sama.
Salah satu uji lanjut yang sering digunakan adalah Uji Duncan yang
didasarkan pada sekumpulan nilai beda nyata yang ukurannya semakin besar,
tergantung pada jarak di antara pangkat-pangkat dari dua nilai tengah yang
dibandingkan. Dapat digunakan untuk menguji perbedaan diantara semua
pasangan perlakuan yang mungkin tanpa memperhatikan jumlah perlakuan.
C. BAHAN DAN ALAT
D. PROSEDUR KERJA
Lakukan analisis uji Duncan dengan menggunakan langkah-langkah berikut :
1. Urutkan nilai tengah perlakuan!
73
2. Hitung wilayah nyata terpendek untuk wilayah dari berbagai nilai tengah
dengan menggunakan rumus berikut:
KTG = Kuadrat Tengah Galat

r = ulangan
R(p,v,α) = nilai wilayah nyata Duncan
α = taraf nyata
p = jarak relatif antara perlakuan tertentu dengan peringkat berikutnya
(2, 3, ..t);
n = derajat bebas galat
E. DAFTAR PUSTAKA

Publishing. Malang

74
ANALISIS UJI LANJUT DUNCAN
Nama :
NIM :
Hari/Tanggal :
75
Kesimpulan :
Kupang,…………………………
Mengetahui
(…………………...….) (……………………….)
76
77
TABEL Z
78
TABEL F
79

Buku Ajar Praktikum Statistika Terapan

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Buku Ajar Praktikum Statistika Terapan

Diunggah oleh

Hak Cipta:

Format Tersedia

Politeknik Pertanian Negeri Kupang

BAHAN AJAR PRAKTIKUM

Pusat Pengembangan Pembelajaran dan Penjaminan Mutu (P4M)

POLITEKNIK PERTANIAN NEGERI KUPANG

Program Studi : D4 Pengelolaan Hutan

Nama/Kode Mata Kuliah : Statistika Terapan/ PLH 26207

Semester : Empat (IV)/ 3 SKS (1 -2)

Jenis Bahan Ajar/Modul : Praktikum

Dosen Pengampu : 1. Meilyn Renny Pathibang, S.Hut., MP

Sumber Dana : DIPA Politeknik Pertanian Negeri Kupang

Kupang, 20 November 2020

Fabianus Ranta, S.Hut., M.Si Meilyn Renny Pathibang, S.Hut., MP

Rikka W. Sir, S.Si., M.Sc

Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang

Puji syukur ke hadirat Tuhan Yang Maha Esa, karena berkat

Kupang, November 2020

Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang

Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang

RENCANA PEMBELAJARAN SEMESTER

Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang

g. Pertemuan VII : Mahasiswa mampu mengaplikasikan dan menyelesaikan

Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang

Metode Pengalaman belajar

Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang

Harlan, Johan 2018. Analisis Regresi Linear. Gunadarma, Depok

Harsojuwono, Bambang Admadi; Arnata, I Wayan; Puspawati, Gusti Ayu K.D.

Sudjana, 1992. Metode Statistika. Tarsito, Bandung

Sukestiyarno, 2014. Statistika Dasar. Penerbit Andi, Jogyakarta

Tapehe, Yusuf, 2016. Statistika dan Rancangan Percobaan. Penerbit Buku

Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang

ANALISIS REGRESI LINEAR BERGANDA DUA PREDIKTOR

Mahasiswa mampu dan terampil menganalisis data menggunakan analisis

Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang

No. Kadar liat BD Tinggi Rata-Rata Pohon

∑YX1 = aΣX1 + b1ΣX21 + b2ΣX1X2

∑YX2 = aΣX2 + b1ΣX1X2 + b2ΣX 2 2

e. Tentukan nilai a, b1, dan b2 dengan menggunakan metode eliminasi atau

Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang

- Kuadrat nilai R tersebut menjadi R2

Ftabel = F(1-α)(dkpembilang, dkpenyebut)

Kemudian lihat tabel F sehingga diperoleh Ftabel

Klik ikon ini untuk

Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang

Sheet Variabel View

Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang

Sheet Data View

d. Untuk melakukan analisis klik Analyze Regression Linier.

Kemudian akan muncul tampilan berikut :

Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang

Selanjutnya letakkan variabel TINGGI (variabel terikat) dalam kotak

Setelah klik statistics akan muncul tampilan seperti berikut :

Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang

e. Penjelasan Tabel Output SPSS

Tabel ANOVA menjelaskan tentang hasil Uji F yang digunakan untuk

Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang

- Tabel Model Summary

Tabel model summary memberikan informasi tentang koefisien determinasi

Tabel coefficients memberikan informasi tentang persamaan regresi dan ada

Penuntun Praktikum Statistika Terapan Meilyn Renny Pathibang

Harlan, Johan 2018. Analisis Regresi Linear. Gunadarma, Depok

Harsojuwono, Bambang Admadi; Arnata, I Wayan; Puspawati, Gusti Ayu K.D.

Sudjana, 1992. Metode Statistika. Tarsito, Bandung