perancangan dan analisis data percobaan...

Perancangan dan Analisis Data Percobaan Pertanian

Sutoro

BB BIOGEN

PRINSIP PERANCANGAN PERCOBAAN

• Ulangan (replication)

• Pengacakan (randomization)

• Pengendalian tempat percobaan (local control)

Percobaan dilaksanakan di laboratorium, rumah kaca, dan lapang

Sumber-sumber keragaman

• Tempat percobaan:

- Bekas pertanaman sebelumnya

- Bekas pematang/galengan/pembatas lahan

- Bekas percobaan pemupukan

Sumber keragaman: adanya sebagian petak yang ternaungi

Sumber keragaman

• Pengendalian petak/lahan :

- Cara pemupukan, waktu penyiangan, perlindungan hama-penyakit, pengairan

Sumber keragaman:

alat ukur yangdigunakan

Proses untuk mendapatkan data hasil pengukuran menggunakan bantuan peralatan yang tidak samaMisalnya : Timbangan yg

tidak sama untuk mengukur berat antar unit percobaan

Sumber keragaman

Perlakuan percobaan

• Cara pemberian perlakuan percobaan

• Varietas yang diuji memiliki viabilitas benih yang berbeda

Viabilitas benih/bibit tidak baik, terdapatmissing hill.variasi antar satuan percobaan

Pemilihan rancangan percobaan

• Rancangan percobaan seyogyanya sederhana dengan mempertimbangkan tujuan dari penelitian

• Keragaman bahan-bahan yang digunakan dalam percobaan

Rancangan Perlakuan

• Satu faktor

• Dua faktor atau lebih (kombinasi antar faktor/factorial, sebagian/fractional)

• Faktor pembanding dari perlakuan sering perlu dilibatkan

Evaluasi awal

• Strip check

Rancangan Lingkungan

• Rancangan Acak Lengkap (RAL)

• Rancangan Acak Kelompok (RAK)

• Rancangan Bujursangkar Latin

• Rancangan Split Plot

• Rancangan Strip Plot

• Rancangan augmented

Rancangan Acak Lengkap (RAL)

Digunakan bilabahan percobaanhomogen

Lay out Percobaan RAL

B A E

A E D

A B C

D C B

E C D

Model linier

• Model linier RAL : Y = µ + Vi + ε

ε

V1 Vt

µ

V1

u =rata-rata umum, Vi= pengaruh varietas , ε = error

ANOVA- RAL

Sumber

keragaman

Derajat

bebas

Kuadrat

tengahF- hitung

Perlakuan t-1 KTP KTP/KTG

Galat t(r-1) KTG

Total tr-1

Contoh hasil analisis (ANOVA)

• Analysis of Variance for biji, using Adjusted SS for Tests

• Source DF Seq SS Adj SS Adj MS F P

• var 7 49.903 49.903 7.129 6.96 0.001

• Error 16 16.393 16.393 1.025

• Total 23 66.296

S = 1.01222 R-Sq = 75.27% R-Sq(adj) = 64.45%

• Unusual Observations for biji

• Obs biji Fit SE Fit Residual St Resid

• 19 12.9000 10.9333 0.5844 1.9667 2.38 R

• R denotes an observation with a large standardized residual.

Model linier Rancangan Acak Kelompok (RAK)

• Model : Y = µ + Bj+ Vi + ε

µ = rata-rata umum

Bj = pengaruh blok/kelompok

Vi = pengaruh varietas

ε = error

Digunakan bila terdapat sumber keragaman bahanpercobaan dalam 1 arah

Lay out- RAK

A B D

C A C

B D E

E C A

D E B

RAK

Rancangan Bujursangkar Latin (RBSL)

• Keragaman dlm 2 arah

-Teras

-lahan petani

Model Y = µ + Bj+ Kk + Vi + ε

Lay out- RBSL

A B C D E

B C D E A

C D E A B

D E A B C

E A B C D

Rancangan Augmenteddalam RAK• Digunakan perlakuan banyak

• Umumnya untuk keperluan seleksi (awal)

• Sejumlah perlakuan dikelompokkan

• Tiap kelompok terdapat perlakuan kontrol

1 2 A 3 4 B 5 6 C 7 8 9 10 D 11 E 12 13 14 F 15

16 B 17 C 18 D 19 20 A 21 22 F 23 24 25 26 E 27 28 29 30

31 32 F 33 34 E 35 36 B 37 38A 39 40 C 41 42 43 44 D 45

46 47 D 48 A 49 50 B 51 52 53 C 54 55 56 F 57 58 E59 60

BLOK I

BLOK II

BLOK III

BLOK IV

Banyaknya kelompok b minimum

• b > [12/(c-1)] + 1

c = jumlah perlakuan kontrol

b= jumlah kelompok

Pengaruh kelompok/blok

• Rj = Bj – M

• Bj = rata-rata semua perlakuan kontrol pada kelompok ke-j

• M = rata-rata keseluruhan perlakuan kontrol

• Digunakan untuk mengoreksi data perlakuan

Percobaan 2 faktor dalam RAL atau RAK

• Percobaan dengan menggunakan rancangan acak kelompok bila:

kedua faktor dan interaksinya semua penting

Model dalam RAK: Y = µ + Bk+ Ai + Bj + ABij + ε

Model- dalam RAL: Y = µ +Ai + Bj + ABij + ε

Percobaan 2 faktor dalam RAL

1. varietas (V1, V2, V3)

2. perlakuan stress (S0, S1))

• Perlakuan ada 6 kombinasi:

1. V1S0, 2. V1S1, 3. V2S0, 4. V2S1, 5. V3S0, 6. V3S1

• Percobaan dalam RAL, model Y = µ + Vi + Sj + VSij + ε

1 5 4 4 5 3

6 2 3 1 4 2

2 6 6 3 1 5

Percobaan 2 faktor dalam RAK

1 4 2 6 5 3 Blok I

6 2 3 1 4 5 Blok II

2 6 4 3 1 5 Blok

III

Model Y = µ + Bk+ Vi + Sj + VSij + ε

Rancangan SPLIT PLOT

• Percobaan dengan menggunakan rancangan split plot,

bila

- ada salah satu faktor yang lebih penting daripada faktor yang lain (faktor yang lebih penting ditempatkan sebagai sub-plot, yg kurangpenting sebagai main plot)

Model Y = µ + Bk+ Vi + δ + Sj + VSij + ε

Lay out- Split Plot

V1S0 V2S1 V3S1 V2S0 V1S0 V2S1

V3S0 V1S1 V1S1 V3S0 V3S0 V1S1

V2S0 V3S1 V2S1 V1S0 V2S0 V3S1

Blok I Blok II Blok III

Rancangan STRIP PLOT/Split Block

• Percobaan dengan menggunakan rancangan strip plot bila

- Pengaruh interaksi lebih penting daripada faktor yang lain.

Model Y = µ + Bk+ Vi + δ + Sj + α+VSij + ε

Lay out- Strip Plot/Split Block

V1S0 V1S1 V3S1 V3S0 V1S0 V1S1

V3S0 V3S1 V1S1 V1S0 V2S0 V2S1

V2S0 V2S1 V2S1 V2S0 V3S0 V3S1

Blok I Blok II Blok III

Rancangan tersarang (blok tersarang/nested pada perlakuan)• Percobaan evaluasi thd naungan, kekeringan, genangan di lapang

(ulangan atau blok di dalam perlakuan)

• Percobaan multilokasi untuk uji daya hasil varietas (RAK tiap lokasi)

Lay out-percobaan nested (blok tersarang dalam S)

V1S0 V2S0 V3S0 V2S1 V1S1 V2S1

V3S0 V1S0 V1S0 V3S1 V3S1 V1S1

V2S0 V3S0 V2S0 V1S1 V2S1 V3S1

Blok I Blok II Blok III Blok I Blok II Blok III

Percobaan naungan

Tanpa naungan Naungan

ANOVA

Source of variation

(percobaan 1 faktor)

Source of variation

(percobaan 2 faktor: varietas dan perlakuan stress)

RAL RAK RAL RAK Split Plot

(stress-main

plot)

Nested

(Blok(stres))

Varietas Blok Varietas Blok Blok Stres

Error Varietas Stres Varietas Stres Blok(stress)

Error Interaksi SxV Stres Error (blok*stress) varietas

Error Interaksi SxV Varietas Interaksi SxV

Error Interkasi SxV Error

Error

Percoban multilokasi

• Tujuan untuk menguji adaptabilitas galur harapan terhadap berbagailingkungan

• Lingkungan : lokasi dan musim

• Gabungan percobaan RAK setiap lingkungan

• Koefisien keragaman <20%

• Lingkungan : ?

• Analisis stabilitas hasil (Eberhart-Russel)

Percobaan multilokasi

Blok I

Blok II

Blok III

Blok IV

Lokasi 1 Lokasi 2 Lokasi 3

Percobaan multilokasi

• Rancangan percobaan pada setiap lokasi/musim menggunakan RAK

• Anova data gabungan dari setiap lokasi percobaan:

-lingkungan,

-ulangan dalam lingkungan,

-genotipe,

-interaksi genotipe x lingkungan

-galat.

STATISTIK NON PARAMETRIK - Uji KruskalWallis• Analisis statistik non parametrik digunakan bila asumsi yang

mendasari analisis parametrik tidak dipenuhi, seperti asumsi dasar data yang diambil dari populasi yang memiliki sebaran/distribusi normal atau data peringkat (skala ordinal).

• Uji kesamaan dua atau lebih populasi lebih ditekankan pada apakahpopulasi-populasi tersebut merupakan populasi yang identik. Pembeda = z 1- α/k(k-1) x √ k (N+1)/6, z = nilai tabel distribusi normal baku dan k=banyaknya populasi/perlakuan

Analisis Peubah Ganda

• Analisis komponen utama

• Analisis kluster

• Analisis regresi berganda

Analisis komponen utama

• Variabel baru komponen utama (PC) : kombinasi dari variable pengamatan

• PC1 Y1= a1 X1 + a2 X2 + a3 X3 + a4 X4 + a5 X5 + a6 X6

• PC2Y2= b1 X1 + b2 X2 + b3 X3 + b4 X4 + b5 X5 + b6 X6 ….. danseterusnya

• Antar variabel PC tidak berkorelasi (bebas)

Data (minimal dalam skala interval)

Varietas

Skor hama

(X1)

Skor

penyakitI

(X2)

Skor

penyakitII

(X3)

Skor lahan

masam

(X4)

Skor

kekeringan

(X5)

Skor

salinitas

(X6)

A 8 9 7 2 3 3

B 7 8 8 1 3 2

C 9 9 8 3 2 2

D 2 1 3 8 8 7

E 3 3 2 9 9 8

F 3 2 2 7 8 9

G 2 2 3 8 9 8

H 8 9 7 8 9 7

I 7 8 8 7 8 8

J 9 9 8 9 9 8

Hasil analisis

• Eigenvalue 4,4215 1,3913 0,0812 0,0680 0,0331 0,0049

• Proportion 0,737 0,232 0,014 0,011 0,006 0,001

• Cumulative 0,737 0,969 0,982 0,994 0,999 1,000

• Variable PC1 PC2 PC3 PC4 PC5 PC6

• X1 -0,406 0,424 0,412 0,266 -0,228 0,603

• X2 -0,410 0,417 0,137 0,243 0,487 -0,586

• X3 -0,413 0,377 -0,617 -0,465 -0,299 -0,029

• X4 0,397 0,434 0,510 -0,466 -0,301 -0,294

• X5 0,405 0,428 -0,212 -0,164 0,631 0,428

• X6 0,418 0,365 -0,355 0,640 -0,364 -0,153

Analisis kluster

• Tujuan analisis kluster untuk mengelompokkan objek ke dalam beberapa kluster/gerombol berdasarkan kemiripan antar obyek

• Kemiripan antar objek pada analisis gerombol ditentukan oleh jarak antara dua objek.

Analisis kluster

Dendogram

Analisis Kluster

6437293958117727187

849421

836351

2064692741

6029188061

105453393889593491

3331

9730627735286552707368233624664019908874967975824815994913264442163711986747322287858564312950855552510092574586461476

1

30,84

53,89

76,95

100,00

Observations

Sim

ilari

ty

DendrogramVarietas

Dendrogram dan diagram PC1 vs PC2

Analisis Regresi

• Hubungan variabel bebas (independent) X dengan variabel tak bebas(dependent) Y

• Y = a + b X

• Y = a + b1 X1 + b2 X2 + ….. + bk Xk

X1, X2 …Xk saling bebas (tidak berkorelasi)

Terima kasih