BAB III

PRINT OUT

2.1 Cara Kerja (screen shoot langkah dan diberi keterangan)

1. Membuka program SPSS dengan mengklik stats

2. Pilih Variable View dan isi data sesuai dengan langkah-langkah berikut:
a. Baris ke-1
 Name : Isi dengan Blok
 Type : Pilih Numeric
 Decimals : Pilih 0 (karena nilainya bilangan bulat)
 Measure : Pilih Nominal
 Value, isi dengan cara berikut:

 Isi Value : 1 (Ulangan ke-), Label : Blok 1 (Ulangan Pertama), klik Add
 Isi Value : 2 (Ulangan ke-), Label : Blok 2 (Ulangan Kedua), klik Add
  Isi Value : 3 (Ulangan ke-), Label : Blok 3 (Ulangan Ketiga), klik Add
 Klik OK

b. Baris ke-2

 Name : Isi dengan Metode

 Type : Pilih Numeric
 Decimals : Pilih 0 (karena nilainya bilangan bulat)
 Measure : Pilih Nominal
 Value, isi dengan cara berikut:

 Isi Value : 1 (Perlakuan ke-), Label : Antibiotik A, klik Add

 Isi Value : 2 (Perlakuan ke-), Label : Antibiotik B, klik Add
 Isi Value : 3 (Perlakuan ke-), Label : Antibiotik C, klik Add
 Isi Value : 4 (Perlakuan ke-), Label : Antibiotik D, klik Add
 Klik OK

c. Baris ke-3

 Name : Isi dengan Perlakuan

 Type : Pilih Numeric
 Decimals : Pilih 0 (karena datanya bilangan bulat)
 Measure : Pilih Nominal

Maka Variable View akan terisi seperti dibawah:

3. Klik Data View dan isi kolom Blok, Metode dan Data sesuai dengan kasus
yang diberikan
4. Analisis data dengan cara memilih menu bar Analyze → General Linear Model
→ Univariate

5. Drag Data pada textbox Dependent Variable, sedangkan Blok dan Metode pada
textbox Fixed Facror(s)
6. Klik Model → Pada bagian Specify Model pilih Custom → Drag Blok dan
Metode pada textbox Factors & Covariates menuju textbox Model → Pada
Sum of Square pilih Type II → Hilangkan centang pada Include intercept in
model → Klik Continue

7. Klik Plots → Drag Blok menuju texbox Horizontal Axis → Drag Metode
menuju textbox Separate Lines → Klik Add → Klik Continue
8. Klik Post Hoc → Drag Metode menuju textbox Post Hoc Tests for→ Centang
Duncan dan LSD → Klik Continue

9. Klik Options → Drag Blok dan Metode menuju textbox Display Means for →
Pada bagian Display, centang Descriptive statistics dan Homogenity tests → Isi
Significance level: 0.05 → Klik Continue
 10. Klik OK, maka hasil analisis dari metode Rancangan Acak Lengkap serta uji
lanjut BNT dan Duncan menggunakan software SPSS akan ditampilkan seperti
gambar dibawah ini:

2.2 Data Awal

Blok Metode Total

A B C D
1 8 10 5 8 31
2 7 12 7 9 35
3 8 13 7 11 39
Total 23 35 19 28 84
Perlakuan
Rata-rata 7.67 11.67 6.33 9.33 8.75
2.3 Hasil Uji ANOVA, Uji Lanjut Duncan dan LSD
1. Deskripsi Data

Between-Subjects Factors

Value Label N

1 Blok 1 4

Blok 2 Blok 2 4

3 Blok 3 4
1 Antibiotik A 3

2 Antibiotik B 3
Metode
3 Antibiotik C 3

4 Antibiotik D 3

Descriptive Statistics
Dependent Variable: Data

Blok Metode Mean Std. Deviation N

Antibiotik A 8.00 . 1

Antibiotik B 10.00 . 1

Blok 1 Antibiotik C 5.00 . 1

Antibiotik D 8.00 . 1

Total 7.75 2.062 4

Antibiotik A 7.00 . 1
Antibiotik B 12.00 . 1
Blok 2 Antibiotik C 7.00 . 1
Antibiotik D 9.00 . 1
Total 8.75 2.363 4
Antibiotik A 8.00 . 1
Antibiotik B 13.00 . 1
Blok 3 Antibiotik C 7.00 . 1
Antibiotik D 11.00 . 1
Total 9.75 2.754 4
Antibiotik A 7.67 .577 3

Antibiotik B 11.67 1.528 3

Total Antibiotik C 6.33 1.155 3

Antibiotik D 9.33 1.528 3

Total 8.75 2.340 12

 2. Uji Anova
Tests of Between-Subjects Effects
Dependent Variable: Data

Source Type II Sum of df Mean Square F Sig.

Squares

Model 974.333a 6 162.389 208.786 .000

Blok 8.000 2 4.000 5.143 .050
Metode 47.583 3 15.861 20.393 .002
Error 4.667 6 .778
Total 979.000 12

a. R Squared = .995 (Adjusted R Squared = .990)

3. Uji BNT/LSD

4. Uji Duncan
5. Grafik Profile Plots
 BAB IV
PEMBAHASAN

2.4 Analisa Soal

Pada praktikum waktu lalu, kami diminta untuk menyelesaikan suatu persoalan
studi kasus salah satu jenis rancangan percobaan, yakni Rancangan Acak Kelompok
ditambah dengan melakukan uji lanjut dengan menggunakan Uji LSD dan Uji Duncan
dengan menggunakan SPSS. Berdasarkan data yang diberikan, diketahui bahwasannya
percobaan merupakan hasil dari penelitian pengaruh jenis antibiotik terhadap diameter
Zona Bakteri Coliform. Percobaan dilakukan menggunakan 4 taraf perlakuan yakni
menggunakan Antibiotik jenis A, B, C dan D. Dari masing-masing level, dilakukan 3
kali pengulangan setiap minggu sehingga terdapat 12 sampel. Pada Antibiotik A,
didapatkan diameter Zona Bakteri Coliform sebesar 8, 7 dan 8. Pada Antibiotik B,
didapatkan diameter Zona Bakteri Coliform sebesar 10, 12 dan 13. Pada Antibiotik C,
didapatkan diameter Zona Bakteri Coliform sebesar 5, 7 dan 7. Pada Antibiotik D,
didapatkan diameter Zona Bakteri Coliform sebesar 8, 9 dan 11.

2.5 Analisa Hasil

2.5.1 Perhitungan Std Deviasi pada tabel Descriptive Statistic
Perhitungan std deviasi dapat dihitung dengan menggunakan rumus:

Std =
√
1
N −1
∑ ¿¿¿
a. Pada Blok 1:
- Antibiotik A: 8
- Antibiotik B: 10
- Antibiotik C: 5
- Antibiotik D: 8
- Total: 31
- Rata-rata: 31/4 = 7.75

Std =
√ 1
4−1
¿¿

=
√ 1
3
(0.063+ 5.063+7.563+0.063)

= 2.062
b. Pada Blok 2:
- Antibiotik A: 7
- Antibiotik B: 12
- Antibiotik C: 7
- Antibiotik D: 9
 - Total: 35
- Rata-rata: 35/4 = 8.75

Std =
√ 1
4−1
¿¿

=
√ 1
3
(3.063+ 10.563+3.063+0.063)

= 2.363
c. Pada Blok 3:
- Antibiotik A: 8
- Antibiotik B: 13
- Antibiotik C: 7
- Antibiotik D: 11
- Total: 39
- Rata-rata: 39/4 = 9.75

Std =
√ 1
4−1
¿¿

=
√ 1
3
(3.063+ 10.563+7.563+1.563)

= 2.754
Berdasarkan hasil perhitungan secara manual, didapatkan nilai standar deviasi
pada masing-masing Blok 1, 2 dan 3. Untuk mencari nilai standar deviasi secara

manual dapat menggunakan rumus STD Deviasi=

√ 1
N −1
∑ ¿ ¿ ¿, dimana N
merupakan banyaknya perlakuan (sebesar 4) , x merupakan nilai mean dan x
merupakan nilai rata-rata mean. Oleh karena itu perlu dicari nilai x dan x pada standar
deviasi yang dicari. Pada Blok 1, diketahui nilai mean dari perlakuan Antibodi A, B,
C dan D berturut-turut yakni sebesar 8, 10, 5 dan 8. Dari nilai tersebut dapat diketahui
nilai total mean pada Blok 1 sebesar 31 sehingga didapatkan nilai rata-rata mean
sebesar 7.75. Selanjutnya berdasarkan rumus yang diberikan didapatkan nilai standar
deviasi sebesar 2.062. Pada Blok 2, diketahui nilai mean dari perlakuan Antibodi A, B,
C dan D berturut-turut yakni sebesar 7, 12, 7 dan 9. Dari nilai tersebut dapat diketahui
nilai total mean pada Blok 2 sebesar 35 sehingga didapatkan nilai rata-rata mean
sebesar 8.75. Selanjutnya berdasarkan rumus yang diberikan didapatkan nilai standar
deviasi sebesar 2.363. Pada Blok 3, diketahui nilai mean dari perlakuan Antibodi A, B,
C dan D berturut-turut yakni sebesar 8, 13, 7 dan 11. Dari nilai tersebut dapat
diketahui nilai total mean pada Blok 3 sebesar 39 sehingga didapatkan nilai rata-rata
mean sebesar 9.75. Selanjutnya berdasarkan rumus yang diberikan didapatkan nilai
standar deviasi sebesar 2.754. Jika kita bandingkan hasil perhitungan secara manual
dengan hasil perhitungan dengan SPSS, maka dapat dilihat bahwasannya nilai Standar
Deviasi yang didapatkan adalah sama, sehingga dapat disimpulkan bahwsannya rumus
yang digunakan untuk mencari standar deviasi sudah benar baik itu berdasarkan SPSS
maupun manual.
2.5.2 Analisa Hasil ANOVA Berdasarkan Perhitungan F value (bandingkan dengan
tabel F α 5% dan tabel F α 1% ) dan P value serta sebutkan hubungannya (2
literatur)

Tests of Between-Subjects Effects

Dependent Variable: Data

Source Type II Sum of df Mean Square F Sig.

Squares

Model 974.333a 6 162.389 208.786 .000

Blok 8.000 2 4.000 5.143 .050
Metode 47.583 3 15.861 20.393 .002
Error 4.667 6 .778
Total 979.000 12

a. R Squared = .995 (Adjusted R Squared = .990)

F hitung F table 5% F table 1%

20.393 4.76 9.78
Kesimpulan F hitung > Ftable 1%, berbeda sangat nyata

Dengan menggunakan SPSS, didapatkan hasil ANOVA dari studi kasus

percobaan pengaruh perlakuan jenis Antibiotik terhadap hasil diameter Zona Bakteri
Coliform Berdasarkan hasil proses perhitungan program, didapatkan beberapa nilai
yang dimasukkan ke dalam tabel ANOVA. Dari tabel tersebut, terdapat nilai Sum of
Squares, df, Mean Square, F, dan sig. Sum of Squares merupakan dari Jumlah Kuadrat
(JK) dari masing-masing Sumber Keragaman (SK) pada tabel. Kemudian df (degree
of freedom) merupakan derajat bebas dari masing-masing Sumber Keragaman pada
tabel. Setelah itu, Mean Square merupakan nilai Kuadrat Tengah (KT) pada tabel.
Selanjutnya, F merupakan nilai dari F hitung berdasarkan hasil dari pemrosesan SPSS
dimana nilai tersebut didapatkan dengan menggunakan rumus
mean square
F hitung= . Terakhir, sig merupakan nilai signifikan dari rancangan
mean square error
percobaan yang dapat menentukan apakah hipotesis diterima atau tidak. Sumber
Keragaman (SK) pada tabel yang dihasilkan yakni, Model, Blok, Metode, Error dan
Total. Pada bagian Model, didapatkan nilai sum of squares sebesar 974.333, nilai df
sebesar 6, nilai Mean Square sebesar 162.389, nilai F sebesar 208.786 dan nilai sig
sebesar 0.000. Pada bagian Blok, didapatkan nilai sum of squares sebesar 8.000, nilai
df sebesar 2 dan nilai Mean Square sebesar 4.000, nilai F sebesar 5.143 dan nilai sig
sebesar 0.050. Pada bagian Metode, didapatkan nilai sum of squares sebesar 47.583,
nilai df sebesar 3, nilai mean square sebesar 15.861, nilai F sebesar 20.393 dan nilai
sig sebesar 0.002. Pada bagian Error, didapatkan nilai sum of squares sebesar 4.667,
nilai df sebesar 6 dan nilai Mean Square sebesar 0.778. Pada bagian Total, didapatkan
nilai sum of squares sebesar 979.000 dan nilai df sebesar 12.
Dikarenakan kita ingin menguji hipotesis apakah jenis antibiotik dapat
memberikan pengaruh terhadap diameter zona bakteri coliform, maka kita perlu
membandingkan nilai F hitung pada bagian metode dengan nilai F tabel 5% dan 1%.
Pada bagian Metode, didapatkan nilai F hitung sebesar 20.393 dan signifikan sebesar
0.002. Berdasarkan tabel F 0.05 (=5%), jika terdapat 3 perlakuan dan 6 galat atau
dapat diartikan sebagai nilai F pada kolom ke-3 dan baris ke-6, nilai dari F tabel
adalah 4.76. Berdasarkan tabel F 0.01 (=1%), jika terdapat 3 perlakuan dan 6 galat
atau dapat diartikan sebagai nilai F pada kolom ke-3 dan baris ke-6, nilai dari F tabel
adalah 9.78. Jika nilai dari F hitung dan F tabel dibandingkan, maka dapat dilihat
bahwasannya nilai dari F hitung jauh lebih besar dari nilai dari F tabel baik itu F tabel
5% maupun F tabel 1%. Menurut Sarwono (2013), hasil nilai F dari keluaran ANOVA
dapat digunakan untuk menguji apakah variabel suatu variabel bebas (perlakuan)
memberikan pengaruh terhadap variabel terikat (respon). Pertama, agar suatu
perlakuan dapat layak untuk digunakan sebagai model regresi dalam memprediksi
suatu respon, maka angka signifikansi/probabilitas (sig.) harus <0.05. Kedua, jika nilai
F hitung (Fo) > F tabel, maka H0 ditolak dan H1 diterima. Sedangkan, jika F hitung
(Fo) < F tabel, maka H0 diterima dan H1 ditolak. Berdasarkan hal tersebut, dapat
disimpulkan bahwasannya perlakuan jenis antibiotik layak untuk digunakan sebagai
model regresi dalam memprediksi respon diameter zona bakteri coliform dikarenakan
nilai signifikansi < 0.05 dan berdasarkan hasil dari F hitung, maka H0 ditolak dan H1
diterima dikarenakan nilai F hitung lebih besar dari F tabel baik itu untuk F tabel 5%
maupun 1%. Sehingga, dapat dikatakan bahwasannya perlakuan jenis antibiotik layak
untuk dilakukan uji lanjut atau dapat dikatakan perlakuan memberikan perbedaan yang
sangat nyata terhadap hasil diameter zona bakteri coliform.

P value 
0,002 0,05
Kesimpulan P value < , berbeda nyata/signifikan

P value merupakan nilai signifikan pada tabel ANOVA hasil perhitungan dengan
menggunakan SPSS. Berdasarkan hasil pemrosesan SPSS, diketahui bahwasannya
nilai dari P value adalah 0.002. Jika nilai tersebut dibandingkan dengan nilai 
(sebesar 0.005), maka dapat dilihat bahwasannya nilai dari P value lebih kecil dari
nilai . Berdasarkan hasil analisa pada literatur, jika nilai signifikansi (sig.) <0.05,
maka perlakuan tersebut memberikan pengaruh perbedaan yang signifikan. Sedangkan
jika nilai sgnifikansi >0.05, maka perlakuan tidak memberikan pengaruh perbedaan
yang signifikan. Dari hal tersebut dapat disimpulkan bahwasannya jenis antibiotik
memberikan perbedaan yang signifikan terhadap diameter zona bakteri coliform. Hal
tersebut dikarenakan nilai signifikansi dari tabel ANOVA kurang dari 0.05, yakni
sebesar 0.002 (Sufren dan Natanael, 2014).
2.5.3 Analisa Hasil Post Hoc Test Uji Lanjut LSD (bandingkan tiap metode dengan
dasar perbandingan P value dengan α 5%) (1 literatur)

Berdasarkan hasil perhitungan SPSS, didapatkan tabel mengenai analisis hasil

Post Hoc Test Uji Lanjut LSD. Pada tabel tersebut terdapat nilai Mean Difference, Std
Error, sig, dan 95% confidence interval. Mean Difference merupakan selisih dari nilai
rata-rata perlakuan ke-i terhadap nilai rata-rata perlakuan ke-j. Std Error merupakan
nilai menyatakan standar error dari LSD. Nilai Std Error (μ) dapat dicari dengan

menggunakan rumus μ=
∑ X . Sig merupakan nilai yang menyatakan besarnya
N
signifikan perlakuan ke-i terhadap perlakuan ke-j dimana akan menentukan apakah
nilai Mean Difference berbeda nyata atau tidak. Berdasarkan tabel, dapat dilihat
bahwsannya nilai Standard Error semua perlakuan sama, yakni sebesar 1.568. Selain
itu, pada kolom Mean Difference terdapat nilai yang diberi tanda bintang (*). Hal
tersebut dikarenakan hasil perbandingan antara 2 perlakuan memberikan nilai
signifikan atau P hitung yang lebih kecil dari nilai (0.05), dimana menandakan
bahwasannya kedua perlakuan berbeda nyata. Sedangkan, jika tidak terdapat tanda
bintang, maka hasil perbandingan antara kedua perlakuan memberikan nilai signifikan
atau P hitung yang lebih besar dari nilai (0.05), dimana menandakan bahwasannya
kedua perlakuan tidak berbeda nyata. Selain itu, perbedaan antara 2 perlakuan akan
lebih signifikan atau berbeda nyata apabila Mean Difference bernilai negatif dan
bertanda bintang (*) dibandingkan dengan Mean Difference bernilai positif dan
bertanda bintang (*). Berdasarkan pada tabel LSD hasil perhitungan oleh program
SPSS, maka analisis hasil Post Hoc Test Uji Lanjut LSD dapat dirangkum menjadi
tabel sebagai berikut:

Antibiotik B 0,001 0,05 *

Antibiotik A Antibiotik C 0,114 0,05 TBN
Antibiotik D 0,060 0,05 TBN
Antibiotik A 0,001 0,05 *
Antibiotik B Antibiotik C 0,000 0,05 *
Antibiotik D 0,018 0,05 *
Antibiotik A 0,114 0,05 TBN
Antibiotik C Antibiotik B 0,000 0,05 *
Antibiotik D 0,006 0,05 *
Antibiotik A 0,060 0,05 TBN
Antibiotik D Antibiotik B 0,018 0,05 *
Antibiotik C 0,006 0,05 *

Tabel diatas menyatakan hasil perbandingan antara 2 jenis antibiotik. Perlakuan

yang dibandingkan yakni, Antibiotik A terhadap Antibiotik B, C dan D; Antibiotik B
terhadap Antibiotik A, C dan D; Antibiotik C terhadap Antibiotik A, B dan D; serta
Antibiotik D terhadap Antibiotik A, B dan C. Apabila P hitung lebih kecil dari nilai
(0.05), maka kedua perlakuan berbeda nyata (*). Sedangkan, jika nilai P hitung yang
lebih besar dari nilai (0.05), maka kedua perlakuan tidak berbeda nyata (TBN). Dari
tabel tersebut, dapat dilihat besarnya P hitung antara 2 perlakuan yang dibandingkan.
Perbandingan antara Antibiotik A dan B memiliki nilai P hitung sebesar 0.001 dimana
lebih kecil dari nilai  (0.05) yang berarti kedua perlakuan Berbeda Nyata (*).
Perbandingan antara Antibiotik A dan C memiliki nilai P hitung sebesar 0.114 dimana
lebih besar dari nilai  (0.05) yang berarti kedua perlakuan Tidak Berbeda Nyata
(TBN). Perbandingan antara Antibiotik A dan D memiliki nilai P hitung sebesar 0.060
dimana lebih besar dari nilai  (0.05) yang berarti kedua perlakuan Tidak Berbeda
Nyata (TBN). Perbandingan antara Antibiotik B dan C memiliki nilai P hitung sebesar
0.000 dimana lebih kecil dari nilai  (0.05) yang berarti kedua perlakuan Berbeda
Nyata (*). Perbandingan antara Antibiotik B dan D memiliki nilai P hitung sebesar
0.018 dimana lebih besar dari nilai  (0.05) yang berarti kedua perlakuan Berbeda
Nyata (*). Perbandingan antara Antibiotik C dan D memiliki nilai P hitung sebesar
0.006 dimana lebih besar dari nilai  (0.05) yang berarti kedua perlakuan Berbeda
Nyata (*).
 Menurut Safitri dan Hastuti (2014), pada Uji Lanjut LSD/BNT, jika nilai
signifikansi <0.05, maka H0 ditolak dimana menandakan adanya perbedaan yang
signifikan atau berbeda nyata pada hasil respon antara kedua perlakuan yang
dibandingkan. Sedangkan jika nilai signifikansi >0.05, maka H0 diterima dimana
menandakan tidak adanya perbedaan yang signifikan atau tidak berbeda nyata pada
hasil respon antara kedua perlakuan yang dibandingkan. Berdasarkan hal tersebut,
maka hasil analisa yang dilakukan telah sesuai dengan literatur dimana perlakuan yang
tidak berbeda nyata terdapat pada perbandingan Antibiotik antara lain: A:C dan A:D.
Sedangkan perlakuan yang berbeda nyata terdapat pada perbandingan Antibiotik
antara lain: A:B, B:C, B:D dan C:D
2.5.4 Analisa Hasil Homogenous Subsets Uji Duncan Berdasarkan Pembagian
Subset (1 literatur)

Berdasarkan hasil perhitungan SPSS, didapatkan tabel mengenai analisis hasil

Homogenous Subsets Uji Duncan. Pada tabel tersebut terdapat nilai N, dan nilai
Subset dari masing-masing perlakuan. Pada kolom perlakuan, perlakuan dimasukkan
berdasarkan nilai rata-rata perlakuan mulai dari yang terkecil hingga yang terbesar.
Kolom N menunjukkan banyaknya pengulangan yang dilakukan oleh masing-masing
perlakuan. Dikarenakan masing-masing perlakuan dilakukan pengulangan yang sama,
maka nilai N untuk semua perlakuan adalah sama, yakni sebanyak 3. Kolom subset
merupakan tempat untuk memasukkan nilai rata-rata masing-masing perlakuan
berdasarkan aturan tertentu dan kemudian akan dapat ditentukan notasi pada masing-
masing perlakuan. Berdasarkan tabel yang dihasilkan, terdapat 3 kolom pada Subset.
Dari tabel Post Hoc tersebut diketahui terdapat 3 macam notasi yakni a,b dan c. Notasi
a untuk perlakuan yang berada pada subset kolom 1, notasi b untuk perlakuan yang
berada pada subset kolom 2, dan notasi c untuk perlakuan yang berada pada subset
kolom 3. Berdasarkan kolom tersebut dapat diketahui notasi masing-masing perlakuan
berdasarkan letak nilai Mean perlakuan pada kolom subset. Pada notasi a, terdapat
mean dari Antibiotik C dan A; pada notasi b, terdapat mean dari Antibiotik A dan D;
dan pada notasi c, terdapat mean dari Antibiotik B. Data tersebut dapat diringkas
menjadi tabel dalam bentuk lain untuk mempermudah dalam menentukan notasi
sebagaimana berikut ini:
Metode Notasi
Antibiotik C 6.33a
Antibiotik A 7.67ab
Antibiotik D 9.33b
Antibiotik B 11.67c

Dari tabel tersebut dapat dilihat bahwasannya Antibiotik A memiliki notasi ab,
Antibiotik B memiliki notasi c, Antibiotik C memiliki notasi a dan Antibiotik D
memiliki notasi b. Oleh karena itu, dapat disimpulkan bahwasannya perlakuan
Antibiotik C, A dan D tidak memberikan hasil yang berbeda nyata karena notasinya
yang berhubungan. Sedangkan perlakuan Antibiotik B memberikan hasil yang berbeda
nyata dikarenakan notasi yang berbeda. Oleh karena itu, perlakuan terbaik yang dapat
dipilih adalah perlakuan Antibiotik B dikarenakan memberikan hasil yang berbeda
nyata (berdampak signifikan). Berdasarkan interpretasi yang dilakukan pada literatur,
untuk melakukan analisa uji lanjut Duncan berdasarkan hasil perhitungan SPSS
dilakukan dengan melihat pada kolom subset. Apabila nilai mean antara 2 atau lebih
perlakuan terdapat dalam kolom yang sama, maka perlakuan-perlakuan tersebut tidak
berbeda nyata atau memberikan hasil yang relatif sama. Sedangkan apabila nilai mean
antara 2 atau lebih perlakuan terdapat pada kolom yang berbeda, maka perlakuan-
perlakuan tersebut berbeda nyata atau memberikan hasil yang berbeda. Jika dilakukan
analisa hasil tabel Uji Duncan dari praktikum berdasarkan interpretasi tersebut, maka
Antibiotik C tidak berbeda nyata dengan Antibiotik A dan berbeda nyata dengan
Antibiotik D dan B. Kemudian Antibiotik A tidak berbeda nyata dengan Antibiotik D
dan berbeda nyata dengan Antibiotik B. Terakhir, Antibiotik B berbeda nyata dengan
Antibiotik A, C dan D. Dari analisa tersebut, perlakuan terbaik yang dapat dipilih
adalah Antibiotik B dikarenakan memberikan hasil yang berbeda nyata (berdampak
signifikan) dengan semua perlakuan lainnya. Jika kita bandingkan hasil analisa kita
dengan analisa berdasarkan literatur, maka dapat dilihat bahwasannya hasil akhir yang
ingin dicapai adalah sama, yakni untuk mencari perlakuan terbaik dan hasil analisa
yang diberikan juga relatif sama. Hanya saja, analisa yang kita lakukan perlu untuk
menambahkan notasi pada masing-masing perlakuan yang dapat mempermudah dalam
memberntuk suatu kesimpulan, sedangkan analisa berdasarkan literatur tidak perlu
untuk memberikan notasi pada masing-masing perlakuan (Andayani, 2019).
2.5.5 Analisa Hasil Diagram Profile Plots

Berdasarkan hasil analisa SPSS, didapatkan Grafik Profile Plots pengaruh Jenis
Antibiotik terhadap diameter Zona Bakteri Coliform. Grafik profile plots merupakan
hasil plot dari rata-rata nilai dalam tiap blok. Diagram plot dapat digunakan untuk
melihat kedekatan nilai respons antar blok. Apabila antar titik blok terdapat jarak yang
jauh, maka blok-blok tersebut tidak memiliki perbedaan yang signifikan. Sementara
itu, jika antar titik blok terdapat jarak yang cukup dekat, maka blok-blok tersebut tidak
beda signifikan. Dari grafik tersebut dapat dilihat bahwasannya garis perlakuan
Antibiotik C memberikan hasil yang terendah dan cukup dekat dengan graris
Antibiotik A. kemudian, dapat dilihat pula bahwasannya garis Antibiotik D cukup
dekat dengan garis Antibiotik A walaupun tidak sedekat antara A dan C, sedangkan
cukup jauh dengan garis Antibiotik B. Kemudian, dapat dilihat bahwasannya
Antibiotik memberikan hasil terbaik serta cukup jauh dengan Antibiotik A, C dan D.
Maka dapat disimpulkan bahwa perlakuan Antibiotik B memiliki pengaruh sangat
signifikan. Sedangkan perlakuan antibiotik A, C dan D memberikan pengaruh yang
tidak signifikan (hasil yang serupa).
2.5.6 Aplikasi RAK pada bidang Keteknikan Pertanian atau Teknik Bioproses (2
Literatur)
Salah satu aplikasi dari metode Rancangan Acak Kelompok (RAK) adalah untuk
melakukan penelitian guna menganalisis manfaat mikroorganisme lokal (Mol) buah
pisang dan pepaya serta dosis Mol terbaik terhadap pertumbuhan vegetatif tanaman
ubi jalar (Ipomea batatas L). Jenis perlakuan yang diberikan pada percobaan tersebut
adalah banyaknya dosis Mol yang diberikan terhadap ubi jalar. Sedangkan taraf dari
perlakuan yang diberikan yakni, 0, 75, 150 dan 200 cc Mol L -1. Dari percobaan
tersebut digunakan metode Rancangan Acak Kelompok (RAK) dikarenakan percobaan
dilakukan pada media yang tidak homogen (heterogen). Oleh karena itu,
pengelompokkan dilakukan berdasarkan panjangnya sampel ubi jalar yang diberi
perlakuan dimana berdasarkan ukuran yakni, 1, 2, 3, 4, 5 dan 6 cm. Dari percobaan
tersebut, perlakuan terbaik terdapat pada pemberian dosis Mol sebanyak 75 cc L -1
(Parawansa dan Ramli, 2014).
Aplikasi lain RAK adalah untuk menganalisis pengaruh lama hidroisis terhadap
efisiensi penurunan kadar BOD5, COD dan TSS pada limbah industri tahu. Dari hal
tersebut dapat diketahui bahwasannya jenis perlakuan yang diberikan yakni lama
waktu hidrolisis, dimana taraf perlakuan yang diberikan yakni, 5 jam, 7 jam dan 9 jam.
Pengelompokkan sampel dilakukan berdasarkan media hidrolisis yang dilakukan
secara aerob dan anaerob. Dari hasil percobaan dan analisis didapatkan bahwasannya
efisiensi terbaik terjadi pada pengolahan limbah (hidrolisis) selama 9 jam baik pada
pengolahan dengan maupun tanpa pembibitan bakteri. Selain itu, didapatkan pula
bahwasannya perlakuan dengan dan tanpa pembibitan bakteri memberikan hasil yang
berbeda nyata pada penurunan kadar BOD 5 dan TSS, sedangkan tidak memberikan
hasil yang berbeda nyata pada penurunan kadar COD. Kesimpulan dari keseluruhan
percobaan yakni, semakin lama waktu hidrolisis, maka semakin besar efisiensi
penurunan kadar COD, BOD5 dan TSS (Rahadi et al., 2018).
 BAB V
PENUTUP
5.1 Kesimpulan
Pada praktikum yang telah kami lakukan waktu lalu, kami telah mempelajari dan
memahami analisis rancangan percobaan dengan menggunakan metode Rancangan
Acak Kelompok. Kemudian, kami telah melakukan pengujian metode Rancangan
Acak Kelompok (RAK) menggunakan SPSS berdasarkan studi kasus yang diberikan.
Selain itu, kami juga mampu menginterpretasikan hasil uji metode Rancangan Acak
Kelompok (RAK) dengan menggunakan SPSS. Studi kasus yang kami analisis yaitu
mengenai pengaruh jenis antibiotik terhadap diameter zona bakteri coliform, dimana
jenis antibiotik yang kami berikan yakni antibiotik A, B, C dan D. Dari hasil analisis
menggunakan metode RAK diketahui bahwasannya perlakuan yang diberikan
(Metode) menghasilkan nilai F hitung (20.393) lebih besar dari nilai F tabel 5% dan
1% (4.76 dan 9.78) sehingga dapat dilakukan uji lanjut. Selanjutnya, kami melakukan
uji lanjut BNT dan Duncan, dimana dari hasil pengujian didapatkan bahwsannya
perlakuan terbaik yang dapat dipilih adalah dengan menggunakan Antibiotik B. Hal
tersebut dikarenakan perlakuan dengan Antibiotik B memberikan hasil yang berbeda
nyata (nilai sig. kurang dari 0.05) sehingga dapat dianggap memberikan dampak yang
signifikan terhadap diameter zona bakteri coliform.
5.2 Saran
1. Diharapkan kepada praktikkan agar memperhatikan apa yang diajarkan asisten
praktikum agar dapat memahami materi yang diberikan
2. Diharapkan kepada praktikkan agar lebih komunikatif dan bertanya apabila
terdapat hal-hal yang kurang dimengerti dikarenakan dibutuhkan tingkat
penguasaan materi yang cukup tinggi agar dapat memahami materi yang
diajarkan
3. Disarankan kepada praktikkan untuk melakukan dokumentasi tahapan-tahapan
serta materi yang dijelaskan saat praktikum agar dapat mempelajari kembali
materi yang telah diajarkan oleh asisten praktikum
 DAFTAR PUSTAKA TAMBAHAN

Andayani, Neny. 2019. Petunjuk Praktikum Rancangan Percobaan & SPSS.

Yogyakarta: Instiper Press. Hal 29
Parawansa, Ismaya N. R. dan Ramli. 2014. Mikroorganisme Lokal (Mol) Buah Pisang
dan Pepaya terhadap Pertumbuhan Tanaman Ubi Jalar (Ipomea batatas L).
Jurnal Agrisistem, 10(1): 10-15
Rahadi, Bambang, Ruslan Wirosoedarmo dan Aprilia Harera. 2018. Sistem
Anaerobik-Aerobik Pada Pengolahan Limbah Industri Tahu Untuk Menurunkan
Kadar BOD5, COD, dan TSS. Jurnal Sumberdaya Alam dan Lingkungan, 5(1):
17-26
Safitri, Inna Ayu dan Siwi Hastuti. 2014. Uji Daya Analgetik Ekstrak Etanol Daun
Seligi (Phyllanthus Buxifolius Muell .Arg) Terhadap Mencit Galur Swiss.
Indonesian Journal on Medical Science, 1(2): 35-40
Sarwono, Jonathan. 2013. 12 Jurus Ampuh SPSS untuk Riset Skripsi. Jakarta: Elex
Media Komputindo. Hal 222
Sufren dan Yonathan Natanael. 2014. Belajar Otodidak SPSS Pasti Bisa. Jakarta: Elex
Media Komputindo. Hal 159