Anova dengan menggunakan SAS

Pendahuluan
• aplikasi statistik yang dapat digunakan
• Microstat,
• SPSS,
• Minitab, dan
• SAS.
• MS. Ecxel
 Model matematik rancangan
• RAL : Yij = μ + α i+ ε ij
Data = rataan umum + Simpangan perlakuan terhadap rataan
umum + Simpangan pengamatan terhadap perlakuan.

• RAK : Yij = μ + α i+ βj +ε ij

Data = rataan umum + Simpangan perlakuan terhadap rataan

umum + Simpangan kelompok terhadap rataan umum
+Simpangan pengamatan terhadap perlakuan.
 Model matematik rancangan lain
• RAL Faktorial
Yijk= μ + α i+ βj + (α β) i j + ε ijk
• Bujur sangkar Latin
Yijk= μ + α i+ βj +τk + ε ijk

Atau Model yang lebih kompleks.........

 RPPT dalam RAK

• Yijkl = µ + Kl + Ai + εil + Bj + (AB)ij + δijl + Ck + (AC)ik + (BC)jk + (ABC)ijk + уijkl

Keterangan :
• Yijkl= nilai pengamatan pada kelompok ke-1 yang memperoleh taraf ke-i dari faktor a, taraf ke-j dari
faktor B, dan taraf ke-k dari faktor C
• µ = nilai rata-rata yang sesungguhnya
• Kl= pengaruh aditif dari kelompok ke-l
• Ai= pengaruh aditif dari kelompok ke-l
• εil= pengaruh galat yang timbul pada kelompok ke-1 yang memperoleh taraf ke-i dari faktor a,
sering disebut galat petak utama atau galat (a)
• Bj=pengaruh aditif dari taraf ke-j faktor B
• (AB)ij=pengaruh interaksi antara taraf ke-i dari faktor A dan taraf ke-j dari faktor B
• δijl=pengaruh galat yang timbul pada kelompok ke-l yang memperoleh taraf ke-i dari faktor A dan
taraf ke-j dari faktor B, sering disebut galat anak petak atau galat (b)
• Ck=pengaruh aditif dari taraf ke-k faktor C
• (AC)ik=pengaruh interaksi antara taraf ke-i dari faktor A dan taraf ke-k dari faktor C
• (BC)jk=pengaruh interaksi antara taraf ke-j dari faktor B dan taraf ke-k dari faktor C
• (ABC)ijk= pengaruh interaksi antara taraf ke-i dari faktor A dan taraf ke-j dari faktor B, dan taraf ke-
k dari faktor C
• уijkl = pengaruh galat yang timbul pada kelompok ke-l yang memperoleh taraf ke-i dari faktor A,
taraf ke-j dari faktor B, dan taraf ke-j dari faktor C, sering disebut galat anak-anak petak atau galat
(c)
 Yij = μ + α i+ ε ij
Tatacara menelusuri sumber keragaman sesuai
struktur datanya
Ulangan Perlakuan
1……….. j……… t
1 Y11 Y1j Y1t
i Yi1 Yij Yit
n . . .

Sumber keragaman apakah yang muncul pada model matematik tersebut ?

 Contoh
Perlakuan
Ulangan A B C D
1 14.2 10.4 10.1 23.4
2 11.3 7.8 11.4 11.2
3 11.8 12.5 11.4 17.6
4 16.9 10.2 9.6 15.6
5 12.2 11.0 7.8 16.0
rataan 13.3 10.4 10.1 16.8 12.62
• 1. Editor :
digunakan
untuk
memasukkan
data dan
menganalisis
data dengan
perintah
• tertentu.
• 2. Log : catatan
proses :
program dapat
berjalan dengan
sukses atau
gagal
• 3. Output : hasil
analisis data
data padi; Contoh input data (RAL)
input pupuk produksi;
cards;
1 100
1 110
1 120
1 110
2 130
2 140
2 135
2 150
3 170
3 175
3 180
3 160
4 120
4 130
4 125
4 130
;
proc glm data=padi;
class pupuk;
model produksi=pupuk;
means pupuk/duncan;
run;
Contoh RAK
 Split plot
title1 'Split Plot Design';
data Split;
input Block 1 A 2 B 3 Response;
datalines;
142 40.0
141 39.5
112 37.9
111 35.4
121 36.7
122 38.2
132 36.4
131 34.8
221 42.7
222 41.6
212 40.3
211 41.6
241 44.5
242 47.6
231 43.6
232 42.8
;
proc anova data=Split;
class Block A B;
model Response = Block A Block * A B A * B;
test h=A e=Block * A;
run;
Bujur sangkar latin
data fakral;
input respons jenis_pupuk varietas_padi;
Faktorial RAL
cards;
64 1 1
66 1 1
70 1 1
72 1 2
81 1 2
64 1 2
74 1 3
51 1 3
65 1 3
65 2 1
63 2 1
58 2 1
57 2 2
43 2 2
52 2 2
47 2 3
58 2 3
67 2 3
59 3 1
68 3 1
65 3 1
66 3 2
71 3 2
59 3 2
58 3 3
39 3 3
42 3 3
58 4 1
41 4 1
46 4 1
57 4 2
61 4 2
53 4 2
53 4 3
59 4 3
38 4 3
;
proc glm data=fakral;
class jenis_pupuk varietas_padi;
model respons=jenis_pupuk varietas_padi jenis_pupuk*varietas_padi;
test h=jenis_pupuk e=jenis_pupuk*varietas_padi;
run;
 Faktorial dalam RAK
data fakrakl;
input y metode intensitas kelompok;
label y='rata-rata nilai tes';
cards;
60 1 1 1
66 1 1 2
77 1 1 3
73 1 2 1
80 1 2 2
82 1 2 3
77 1 3 1
88 1 3 2
86 1 3 3
62 2 1 1
76 2 1 2
62 2 1 3
78 2 2 1
85 2 2 2
91 2 2 3
79 2 3 1
85 2 3 2
88 2 3 3
68 3 1 1
90 3 1 2
83 3 1 3
79 3 2 1
82 3 2 2
87 3 2 3
80 3 3 1
83 3 3 2
89 3 3 3
;
proc glm data=fakrakl;
class metode intensitas kelompok;
model y=metode intensitas metode*intensitas kelompok;
Run;
• Silahkan dilanjutkan dengan workshop...
• Silahkan memakai data hasil penelitian sendiri

Hatur nuhun