Download - Diktat Rancob s2 2012
PENDAHULUAN
Data yang dikumpulkan dari penelitian misalnya penelitian survai maupun
percobaan (eksperimental) dapat berupa data angka disebut pula data kuantitatif
yang merupakan hasil pengukuran (measurement) atau hasil pencacahan
(counting) dan data dalam bentuk bukan angka atau data kualitatif. Data kualitatif
dapat berupa data dengan skala nominal atau skala ordinal, sedang data
kuantitatif berupa data dengan skala interval atau skala ratio.
Data kuantitatif hasil pengukuran contohnya tinggi badan, berat badan,
kadar protein, pH darah, sedang yang berupa hasil pencacahan (counting)
disebut pula data frekuensi. Contohnya banyaknya yang sakit, banyaknya yang
mati, jumlah laki-laki, jumlah wanita. Data kualitatif contohnya adalah jenis
pekerjaan (petani, buruh, nelayan, guru dan sebagainya), tingkat kesukaan akan
rasa yoghurt (tidak suka, suka, sangat suka), tingkat warna yolk (pucat, pucat
kekuningan, kuning, kuning tua).
Analisis statistik membutuhkan data angka untuk dapat dilakukan analisis
oleh karena itu data kualitatif perlu diubah menjadi data angka (dikuantifikasi)
agar dapat dilakukan proses analisis statistik. Analisis statistik banyak macamnya
yang dapat kita pilih sesuai dengan kemampuannya untuk dapat menjawab
tujuan penelitian kita dengan mempergunakan data yang telah dikumpulkan.
Dengan pengetahuan yang telah kita miliki analisis statistik dapat
dikerjakan secara manual dengan bantuan kalkulator atau dikerjakan dengan
bantuan software statistik yang tentu saja membutuhkan perangkat keras
komputer. Banyak software statistik yang dapat ditemukan dan dipelajari dengan
bantuan manual yang menyertainya. Software statistik ini memiliki Hak Atas
Kekayakan Intelektual (HAKI) atau Intelectual Property Right (IPR) sehingga
untuk legalitas penggunaannya harus membeli lisensinya.
Software statistik yang akan dipergunakan dalam praktikum ini adalah
SPSS (Statistical Package for Social Science) yang sebelum dikenal system
operation (SO) Windows, pada saat MS DOS (Microsoft Disk Operating System)
progam ini dikenal dengan SPSS-PC+, sekarang dengan SO Windows versi
SPSS yang akan kita pergunakan adalah SPSS versi 17.0. Pada saat masih
SPSS-PC kita masih dituntut untuk sedikit menulis perintah-perintah dalam
program analisis yang kita inginkan maka pada SPSS versi 17.0 ini hal itu tidak
diperlukan lagi cukup kita pilih dari pull window menu analyze.
Selanjutnya pada praktikum ini hanya dipergunakan data kuantitatif dalam
latihan-latihan. Pengetahuan tentang rancangan percobaan, uji hipotesis, analisa
statistik dan interpretasi hasil sangat diperlukan agar pilihan program analisis
cocok dan output (luaran) komputer dapat dimengerti untuk melakukan
interpretasi hasil analisis yang diperoleh dan melakukan inferensi bagi populasi
yang diteliti.
PRAKTIKUM I
MEREKAM DATA
Pada praktikum yang pertama ini akan dipelajari bagaimana mengaktifkan
program SPSS versi 17.0, merekam/memasukkan nama variabel-variabel
penelitian, merekam memasukkan data.
Langkah-langkah:
Hidupkan komputer.
Klik START, pilih Program, pada daftar klik SPSS 17.00. Segera akan
tampil LOGO SPSS.
Muncul menu dialog: What would you like to do? pilih Type in Data
tampil lembar Data View (lampiran 1). Tampilan dengan garis-garis lajur
dan kolom kosong. Judul kolom berupa tulisan Var dan judul lajur berupa
nomer. (Bila menu dialog ini sudah di non aktifkan maka yang akan tampil
adalah lembar Untilited- SPSS Data Editor). Maka langsung klik
Variabel View pada sudut kiri bawah.
Klik tulisan Variabel View (pada sudut kiri bawah) segera akan muncul
lembar tampilan Variabel View (lampiran 2). Tampilan dengan garis-garis
lajur dan kolom.
Pada lembar Variabel View ini kita akan mengisi dahulu nama variabel
(faktor), tipe data, banyak deret angka, desimal yang kita kehendaki,
pamberian label variabel, label untuk angka, data yang tidak terobservasi,
dan seterusnya. Lembar tampilan Variabel View dengan judul kolom dari
kiri ke kanan adalah:
Name Type Decimal Label Values Missing
Dan kolom-kolom selanjutnya untuk di isi bila diperlukan.
Pada kolom Name (Nama) ketikkan nama variabel (faktor) misalnya
BREED, BW, BL (Ingat terbatas 8 karakter yang dapat diketikkan pada
kolom ini) yang dipergunakan dalam penelitian. Ada dua macam variabel
yaitu kualitatif (BREED) dan kuantitatif (BW dan BL).
Pada kolom Type (Tipe) biarkan tetap numerik.
Pada kolom Width tulisan angka 8.
Pada kolom Decimals (tuliskan angka yang menyatakan berapa banyak
angka di belakang koma yang kita inginkan misalnya 3 berarti tiga
angka dibelakang koma).
Label, memberi label (keterangan) dari variabel Name. Misalnya karena
keterbatasan jumlah karakter (untuk 8 karakter) untuk kolom Name maka
ditulis BW, BL, dan pada kolom Label ditulis Body Weight untuk
menerangkan BW dan Body Length untuk menerangkan BL karena
jumlah karakter pada kolom Label tidak dibatasi.
Kolom Value, pada kolom ini Klik bagian maka akan muncul
tampilan value labels dengan 2 buah kotak yang harus di isi. Pada kotak
value tuliskan angka yang mewakili kasus-kasus pada variabel kualitatif.
Pada value label tulis keterangan dari angka tersebut. Maka pada
penelitian dipergunakan 3 breed.
Maka:
- Pada value tulis 1.
- Pada value label tulis Ongole kemudian klik Add.
- Pada value tulis 2.
- Pada value label tulis Brahman kemudian klik Add.
- Pada value tulis 3.
- Pada value label tulis Simmental, klik Add lalu klik OK.
Dengan demikian angka 1, 2, dan 3 menjelaskan breed mana yang
dimaksud. Demikian juga dilakukan cara-cara yang sama untuk semua
variabel kualitatif yang lain.
Kolom Missing tulis None.
Kolom COLUMNS biarkan tertulis 8.
Selanjutnya klik Data View pada sudut kiri bawah lembar tampilan ini.
Segera akan muncul lembar tampilan Data View. Pada judul kolom yang
semula tertulis:
Var Var Var
Sudah terisi seperti yang kita tuliskan pada lembar tampilan Variabel
View pada kolom Name sesuai nomor urutnya (lampiran 3).
Isikan data pada masing-masing kolom. Misalnya pada kolom Bangsa,
kalau bangsa Ongole ketik angka 1, bangsa Brahman ketik angka 2 dan
Simmental ketik angka 3. Pada kolom BW dan BL ketikkan datanya.
Simpan data: File – Save as – Latihandata. sav.
Latihan 1
LATIHAN MEREKAM DATA
Data berikut adalah bobot sapih dan bobot umur 2 tahun dari bangsa sapi
Simmental-PO (SIMPO) dan Limousin-PO (LIMPO) pada empat daerah di
Yogyakarta serta jenis kelamin berbeda
Lokasi Bangsa Sex Bobot sapih Bobot umur 2 thn
Wonosari SIMPO Jantan 110.00 270.00Imogiri SIMPO Betina 130.00 327.75
Wonosari LIMPO Betina 90.00 287.50Sewon LIMPO Betina 98.00 279.00Godean SIMPO Jantan 87.50 293.00Sewon SIMPO Betina 101.25 290.00Godean LIMPO Jantan 102.50 210.00Imogiri LIMPO Betina 131.00 295.50Sewon SIMPO Jantan 89.00 339.75
Wonosari LIMPO Betina 150.00 265.00Sewon LIMPO Betina 123.50 320.50Godean SIMPO Jantan 125.00 250.75Imogiri SIMPO Jantan 75.50 200.25
Godean SIMPO Betina 117.25 300.50Godean LIMPO Betina 100.50 275.00Sewon SIMPO Jantan 115.00 390.00Imogiri SIMPO Betina 140.50 285.50
Wonosari LIMPO Jantan 110.00 232.50Wonosari LIMPO Jantan 110.50 260.50
Sewon SIMPO Betina 115.00 280.00Imogiri SIMPO Jantan 125.50 212.50
Godean LIMPO Betina 119.00 305.75
PRAKTIKUM II
ONE SAMPLES T-TEST DAN PAIRED SAMPLES T-TEST
Setelah data kita ketikkan dalam lembar Data View maka langkah
berikutnya adalah melakukan analisis statistik. Pada toolbar akan tampak
berbagai menu utama : File, Edit, View, Data, Transform, Analyze, Graphs,
Window, dan Help. Untuk analisis statistik klik Analyze dan akan tampak
tampilan berikut :
Pilih menu Analyze
ONE SAMPLES T-TESTS
One samples t-test dipergunakan untuk menguji hipotesis tentang mean
(rata-rata) dalam satu populasi. Apakah mean sama dengan nilai yang
dihipotesiskan ( o).
Hipotesis statistik yang diuji :
H0 : = o
HA : o
Misalnya ingin diketahui apakah berat lahir sapi Ongole dalam populasi DIY rata-
rata = 100. Artinya dalam hal ini adalah 100.
Maka hipotesis statistik yang diuji adalah:
H0 : = 100
HA : 100
Nilai t-statistik yang dicari dihitung dengan rumus:
Report
Descriptive Statistics
Compare Means
General Linier Model
Correlate
Regression
Log Linier
Classify
Data Reduction
FrequenciesDescriptiveExploreCrosstabs
MeansOne sample T-testIndependent samples T-testPaired samples T-testOneway Anova
Pada uji independent sample T-test hanya ada uji untuk TWO – TAILED
TEST. Bila dikehendaki ONE – TAILED TEST:
H0 : = 100 atau H0 : =100
HA : > 100 HA : <100
Maka hasil t-statistik yang didapat dibandingkan dengan nilai kritis (nilai tabel)
yang dapat dicari pada tabel t-student. Nilai tabel juga dapat dicari dengan
program Excell.
PAIRED SAMPLE T-TEST
Uji-t khusus untuk pengamatan data yang berpasangan.
Pasangan data dapat bersifat alami misalnya pengamatan yang dilakukan
”sebelum” dan ”sesudah” perlakuan pada subyek yang sama atau pasangan
yang bersifat kesengajaan disebabkan oleh desain percobaan misalnya
pasangan berdasar berat, umur, kelompok genetik. Misalnya data kadar
kolesterol sebelum minum obat yang diduga dapat menurunkan kolesterol dan
data kadar kolesterol sesudah minum obat yang diamati pada subyek yang
sama, kedua data ini merupakan pasangan. Sapi-sapi yang mempunyai berat
yang sama dipasangkan dan anggota dari pasangan diberi perlakuan ransum
yang berbeda. Data yang dicatat misalnya ADG dari masing-masing merupakan
data berpasangan.
Bila ingin diuji apakah obat dapat menurunkan kadar kolesterol maka hipotesis
yang diuji adalah:
H0 : = = rata-rata beda (data sebelum dikurangi sesudah)
HA : >
= rata-rata beda (data sebelum dikurangi sesudah)
= 0
r = pasangan data
Bila ingin diuji apakah kedua ransum berbeda efeknya terhadap ADG, maka
hipotesis yang diuji adalah :
H0 : = = rata-rata beda (data sebelum dikurangi sesudah)
HA : = 0
r = pasangan data
Latihan 2
Empat puluh ekor sapi dibagi secara random dalam dua kelompok yang
sama. Sapi-sapi pada kelompok I diperah 4 kali sehari dan pada kelompok II
diperah 2 kali sehari. Produksi susu yang dihasilkan setelah dikoreksi ke 305 hari
panjang laktasi dan mature equivalent dicatat sebagai berikut:
a. Kelompok I merupakan kelompok sapi yang diperah 4 kali sehari. Peneliti
mengharapkan bahwa dengan pemerahan seperti ini rata-rata produksi susu
dalam populasi akan lebih besar dari 6545 liter. Apakah harapan peneliti
terpenuhi, uji untuk mengetahui hal ini (Uji H0 : = 6545 dengan alternatif HA :
6545)
Untuk menjawab soal ini gunakan uji One Sample T-test.
b. Apakah rata-rata produksi susu antara Kelompok I dan Kelompok II sama
besarnya. Lakukan uji dan berilah kesimpulan. Uji yang digunakan adalah
Independent Samples T-test.
c. Apakah variansi produksi susu pada kedua populasi sama besarnya (Dilihat
pada out put pada level significant dari Levene’s Test for Equality of
Variances)
PROSEDUR: Latihan 2
Soal 2a
Data direkam terlebih dahulu. Karena hanya kelompok I saja yang
dikehendaki untuk diuji maka sebelumnya perlu dipilih kasus yang dikehendaki
untuk diuji dalam hal ini adalah kelompok I. Caranya : Klik Menu Data pilih select
cases, kemudian pilih if condition is satisfied, lalu ketik kotak IF…, muncul
tampilan select cases : If tulis kelompok = 1 lalu klik continue dan OK.
Pilih menu Analyze – pilih sub menu Compare Means – lalu pilih One
Sample T-test
Pada tampilan pada Test Variable isikan (pilih) produksi susu
pada Test Value isikan 6545
Lalu tekan OK untuk proses data.
PROSEDUR:
Soal 2b
Kembali ke SPSS data Editor. Klik data, kemudian pilih Select cases
Reset setelah itu klik Analyze – pilih submenu Compare Means – lalu pilih
Independent Sample T-test.
Pada tampilan pada Test Variable isikan produksi susu
pada Grouping variable isikan kelompok
Variable grouping ini perlu didefinisikan maka klik Define Group
Isikan : Group : 1
Group : 2
(angka 1 dan 2 ini merupakan angka minimum dan maksimum
banyaknya group).
Lalu tekan Continue dan tekan OK untuk proses data.
Latihan 3
Dua anak babi jantan dari litter yang sama dipasangkan sebanyak 10 pasang,
dipergunakan dalam penelitian untuk mengetahui apakah penggunaan feed
additive dapat meningkatkan pertambahan berat. Data yang didapat adalah
berikut ini.
PasanganKelompok Feed
Additive Kelompok
kontrol1 40 302 36 353 36 344 39 415 43 396 30 277 35 358 41 409 48 48
10 40 36
a. Apakah Feed Additive meningkatkan pertambahan berat?
b. Lakukan analisis terhadap data tersebut
PROSEDUR: Latihan 3
Data direkam terlebih dahulu. Pada kolom Name untuk baris pertama isikan Feed
Additive dan untuk baris kedua isikan Kontrol. Pada kolom type isikan numeric,
pada kolom width isikan 8 dan pada decimal isikan angka sesuai dengan berapa
angka dibelakang koma yang dikehendaki. Pada kolom label dapat diisikan
penjelasan tentang Feed Additive dan Kontrol. Setelah itu klik data view dan
rekamlah datanya.
Setelah selesai: Klik Analyze pilih submenu Compare Mean – lalu pilih Paired –
Samples T-Test. Akan tampil lembar Paired Samples T-test.
Pada kotak sebelah kiri klik sebelum pengobatan dan juga sesudah pengobatan,
setelah itu klik tanda panah sehingga kotak kanan untuk Paired Variables akan
terisi sebelum-sesudah. Kemudian tekan OK. Maka data akan diproses.
PRAKTIKUM III
ONE WAY ANOVA
One Way Anova
Uji ini digunakan untuk menguji hipotesis tentang rata-rata dari tiga
populasi atau lebih apakah berbeda nyata atau tidak.
H0 : µ1 = µ2 = µ3 =…….. = µ1
HA : µ1 ≠ µ2 ≠ µ1 ≠ ……..≠ µ1
hipotesis statistik di atas diuji dengan melakukan analisis variansi dan uji F
(Fisher-variance ratio) analisis variansi dipergunakan untuk mendapatkan harga
variansi perlakuan (MST) dan harga variansi eror percobaan (MSE). F statistik
didapat dari:
F stat = MST / MSE
Pada analisis dengan software kita tidak perlu menentukan harga α, sebab oleh
komputer akan dicantumkan harga α (di bawah kolom Sig.) untuk nilai F tabel F
kritis yang paling mendekati nilai statistic yang diperoleh dari analisis. Nilai Sig.
adalah besarnya harga α atau besarnya probabilitas untuk signifikan (berbeda
nyata). Ingat harga α adalah besarnya probabilitas kesalahan tipe II (Type II
error), yang menyatakan besarnya probabilitas kesalahan dalam menolak H0
yang sesungguhnya benar (H0 : µ1 = µ2 = µ3 =…….. = µ1). Bila nilai Sig. tertulis
tertulis 0,336 berarti α = 0,336 maka probabilitas kesalahan yang dilakukan
dalam menolak bahqa H0 : µ1 = µ2 = µ3 =…….. = µ1 adalah sebesar 36,6 %. Tentu
saja peneliti tidak berani menanggung resiko kesalahan sebesar ini. Umumnya
besar resiko kesalahan yang dikehendaki peneliti adalah 5 % atau lebih kecil dari
5 %. Karenanya bila pada output hasil analisis harga Sig. yang didapat 0,05 atau
lebih kecil, maka adalah signifikan atau terdapat perbedaan yang nyata dengan
resiko salah dalam membuat kesimpulan ini ≤ 5 %
Latihan 4
Data berikut adalah data hipotetikal.
Untuk mengetahui status fisiologis sapi hasil persilangan antara sapi PO
dengan sapi Simmental atau Limousin, diperoleh data hasil pengukuran Panjang
badan (Pb), Lingkar dada (Ld), Tinggi gumba (Tg), dan Tinggi pinggul (Tp) 3
bangsa sapi yang berbeda pada 4 lokasi yang berbeda.
Lokasi PO LIMPO SIMPOPb Ld Tg Tp Pb Ld Tg Tp Pb Ld Tg Tp
GK 160 176 133 143 167 165 130 155 170 168 133 145Sleman 165 160 128 150 174 175 136 144 169 165 130 155Sleman 160 176 133 143 160 160 130 147 168 170 132 158Sleman 162 166 143 144 163 162 131 138 167 165 130 155
GK 169 165 130 155 175 170 143 149 170 168 133 145GK 168 170 132 158 170 168 140 145 171 165 130 140
Sleman 167 165 130 155 162 163 134 139 170 155 130 135Sleman 170 168 133 145 170 162 130 155 180 167 135 145Bantul 171 165 130 140 180 165 132 143 175 160 140 140
Sleman 173 176 135 145 180 165 135 145 170 150 130 135Sleman 174 175 136 144 178 162 130 140 180 165 135 148Bantul 160 160 130 147 165 155 130 140 180 165 135 145Bantul 163 162 131 138 170 160 130 135 178 162 130 140Bantul 175 170 143 149 175 160 133 142 165 155 130 140
GK 170 168 140 145 185 170 140 150 170 160 130 135Gk 162 163 134 139 170 160 125 140 175 160 133 142
Sleman 170 162 130 155 175 160 130 142 185 170 140 150Sleman 180 165 132 143 175 162 133 140 170 160 125 140Bantul 180 165 135 145 165 150 130 135 175 160 130 142
Bantul 178 162 130 140 175 155 131 143 175 162 133 140
a. Lakukan analisis data di atas untuk mengetahui efek lokasi dan bangsa
terhadap Ld dan Tg atau Pb dan Tp
b. Lakukan uji banding untuk mengetahui bangsa mana yang saling berbeda
efeknya terhadap Ld dan juga Tg (Uji Duncan, Uji Tukey, dll), Uji juga untuk
efek lokasi.
c. Apakah ada efek interaksi antara lokasi dan bangsa terhadap Ld dan Tg ?
d. Kalau Ld dipakai sebagai kovariat lakukan analisis sekali lagi untuk menguji
efek lokasi dan bangsa terhadap Tg
Prosedur : latihan 4
Soal 4a
Pilih menu Analyze – pilih submenu Compare Means , lalu pilih ONE-Way
Anova. Pada tampilan layar akan tampak :
Dependent List pilih Lingkar dada atau Tinggi gumba
Faktor pilih Lokasi
1. Kemudian klik Options, pada tampilan akan pilih Descriptive dan
Homogenity test lalu tekan Continue.
2. Klik Post-Hoc dan pada tampilan yang keluar dapat memilih uji banding
antara rata-rata perlakuan. Misalkan dipilih uji yang dikehendaki Tukey,
kemudian tekan Continue, terakhir tekan OK untuk proses data.
Dengan cara yang sama kerjakan juga :
Dependent List : Lingkar dada atau tinggi gumba
Factor : Bangsa
Soal 4 b
Klik Post-Hoc pilih uji banding yang diinginkan (Duncan, Tukey, dll)
Soal 4 c
Pilih menu Analyze – Sub menu General Linier Model, pilih Univariate. Isikan
pada Dependent List : Lingkar dada atau Tinggi gumba
Factor : Lokasi
Bangsa
Kemudian klik Option
Pilih Descriptive dan Homogenity test lalu klik Continue.
Soal 4 d
Klik Analyze - - General Linier Model – Univariate
IIsikan pada kotak Dependent Variable : Tinggi gumba
Pada fixed factor : Lokasi
Bangsa
Covariate : Lingkar dada
Lalu klik OK.
PRAKTIKUM IV
REPEATED MEASUREMENT
Repeated Measurement
Didalam melakukan percobaan kadang-kadang pengambilan data
(pengukuran) pada masing-masing subyek yang menerima perlakuan yang
berbeda dilakukan lebih dari satu kali yaitu pada beberapa titik waktu (repeated
measurement) misalnya berat badan diukur pada minggu ke-1, minggu ke-2,
minggu ke-3, minggu ke-4, sesudah perlakuan diberikan. Maksud dari penelitian
semacam ini adalah untuk mengetahui apakah ada pengaruh trend waktu
disamping untuk mengetahui apakah ada perbedaan efek perlakuan. Pada
latihan 4 diberikan data hipotetikal untuk dilakukan analisis data hasil
pengamatan berulang, menguji efek perlakuan serta efek trend waktu.
Rancangan ini dikenal dengan rancangan Split Subyek atau Split Unit.
Analisis akan terdiri dari analisis Among (Between) subject dan analisis within
subject. Dalam analisis variansi error (MSE) akan dipisahkan menjadi dua
bagian yaitu variansi error between subject yang dipergunakan untuk menguji
efek perlakuan dan variansi error within subject yang dipergunakan untuk
menguji efek trend waktu dan menguji efek interaksi antara perlakuan dan waktu
untuk mengetahui apakah trend waktu antara kelompok-kelompok perlakuan
yang diuji adalah paralel. Rancangan yang serupa dengan rancangan Split
Subyek atau Split Unit ini di bidang Agronomi dikenal dengan nama rancangan
Split Plot. Pada rancangan Split Plot dikenal adanya Main Plot dan rancangan
Split Plot. Pada rancangan Split Plot dikenal adanya Main Plot dan Sub Plot.
Variansi error dipisahkan menjadi eror untuk menguji main plot dan error untuk
menguji sub plot.
Pada rancangan split subyek apabila hasil uji interaksi signifikan maka
trend waktu tidak paralel. Inferensi tentang efek interaksi yang signifikan lebih
penting dibanding dengan inferensi efek faktor perlakuan dan efek waktu yang
signifikan. Karenanya apabila interaksi signifikan perlu dilakukan uji-uji
selanjutnya untuk dapat melakukan inferensi yang lebih baik tentang arti interaksi
yang signifikan.
Latihan 5
Data berikut adalah pertambahan berat litter (g) dari induk tikus laktasi
dengan status bunting dan dari induk laktasi dengan status tidak bunting. Data
pertambahan berat dicatat pada hari ke 8-12 (W1), hari ke 12-16 (W2), hari ke 16-
20 (W3), dan hari ke 20-24 (W4) laktasi.
Status induk induk Hari laktasi Ke-
8-12 (W1) 12-16 (W2) 16-20 (W3) 20-24 (W4)Bunting 1 7,5 8,6 6,9 0,8
2 10,6 11,7 8,8 1,63 12,4 13,0 11,0 5,64 11,5 12,6 11,1 7,55 8,3 8,9 6,8 0,56 9,2 10,1 8,6 3,8
Tidak bunting 7 13,3 13,3 12,9 11,1
8 10,7 10,8 10,7 9,39 12,5 12,7 12,0 10,1
10 8,4 8,7 8,1 5,711 9,4 9,6 8,0 3,812 11,3 11,7 10,0 8,5
a. Lakukan analisis untuk mengetahui apakah ada pengaruh status
kebuntingan terhadap pertambahan berat litter
b. Apakah terdapat trend pertambahan berat yang nyata pada penelitian
tersebut? Apakah terdapat trend yang parallel pada kedua kelompok
percobaan tersebut?
PROSEDUR latihan 5
Data direkam terlebih dahulu :
a) Pada Variabel View isilah pada kolom Name ketik Obat, pada kolom
Label ketik obat dan pada kolom Value isikan berturut-turut 1,2, dan 3
beserta penjelasannya yaitu obat1, obat2, dan obat3 berturut-turut.
b) Pada baris kedua dari kolom Name isikan W1 dan pada kolom Label
isikan waktu 1, demikian juga seterusnya untuk baris kedua, ketiga, dan
keempat dari kolom Name isikan W2, W3, dan W4 dan pada kolom Label
isikan waktu 2, waktu 3, dan waktu 4.
c) Setelah itu klik Data View disudut kiri bawah dan isikan datanya.
d) Setelah selesai mengisikan data maka selanjutnya,
e) Pada menu utama SPPS pilih Analyze – selanjutnya pilih submenu
General Linear Model, kemudian pilih Repeated Measurement. Pada
kotak Define factor (s) yang akan muncul, pada Within Subject Factor
Name isilah waktu. Pada kotak Number of Level ketik 4 kemudian klik
Add, sehingga muncul tulisan waktu (4) kemudian klik Define. Akan
muncul lembar dialog Repeated Measures. Pada lembar dialog ini
pindahkan W1 sampai W4 ke kotak Within Subject Variables (week),
dan pindahkan obat dalam kotak Between Subject Factor. Setelahnya
klik OK. Maka data akan diproses.
PRAKTIKUM V
REGRESI SEDERHANA DAN REGRESI BERGANDA
Regresi Sederhana Dan Regresi Berganda (Simple Regresion and Multiple
Regresion)
Pada persoalan regresi baik regresi sederhana maupun regresi berganda
selalu menyangkut variable dependen dan variable independent. Variabel
dependen disebut pula variabel tergantung atau variabel respon, sedang variabel
independen disebut pula variabel bebas, variabel prediktor.
Pada regresi sederhana hanya terdapat satu variabel independen (bebas)
sedang pada regresi berganda terdapat lebih dari satu variabel bebas.
Model regresi sederhana : Y1 = β0 + β1X1
Model regresi berganda : Y1= β0 + β1X1 + β2X2 + ... + βnXn
Y adalah variabel dependen, sedang X1, X2, X3,..., Xn adalah variabel
independen (variabel bebas).
Analisis regresi baik analisis regresi sederhana maupun regresi berganda
depergunakan untuk tujuan prediksi, disamping itu pada analisis regresi
berganda juga untuk identifikasi variabel independen yang pengaruhnya
bermakna (signifikan) terhadap variabel independen, dan juga untuk melakukan
adjustment terhadap variabel pengganggu.
Pada prkatikum ini hanya akan dilakukan latihan untuk persoalan yang
menyangkut regresi berganda sedang regresi sederhana dapat dilatih sendiri.
Persoalan regresi berganda selalu mencoba mencari persamaan prediksi (model
regresi) yang paling baik (best equation) dengan hanya menyertakan variabel-
variabel bebas yang bermakna pengaruhnya dalam persamaan prediksi.
Ada tiga buah metode yang dapat dipilih dalam analisis regresi berganda
yaitu metode Stepwise Selection, metode Forward Selection dan metode
Backward Elimination. Ketiga metode ini dipergunakan untuk mendaptkan
persamaan regresi berganda (persamaan prediksi) yang terbaik (Best Equation).
Perbedaan ketiganya terletak pada langkah-langkah yang di tempuh selama
proses analisis mendapatkan persamaan prediksi yang terbaik dengan hanya
memasukkan variabel independen yang pengaruhnya signifikan.
Metode Fordward Selection dimulai dengan tidak ada satupun variabel
independen dalam persamaan regresi berganda dan kemudian selama proses
berlangsung secara berturutan varibel independen akan dimasukkan satu
persatu berdasarkan kriteria tertentu. Variabel independen pertama yang masuk
dalam persamaan regresi adalah yang menunjukkan koefisien korelasi paling
besar (positif atau negatif) dengan variabel dependen. Setelahnya dilakukan uji
apabila hasil ujinya menunjukkan signifikan maka variabel independen tersebut
memenuhu kriteria yang disyaratkan, dan dimasukkan dalam persamaan regresi
dan proses akan berjalan terus. Apabila proses dapat dilanjutkan maka variabel
independen berikutnya yang masuk dalam persamaan adalah variabel diluar
persamaan yang menunjukkan korelasi parsial paling besar. Demikian
selanjutnya proses akan diulang sampai tidak ada lagi variabel independen yang
memenuhi kriteria untuk masuk dalam persamaan.
Metode Backward Elimination dimulai dengan semua variabel
independen masuk dalam persamaan regresi berganda dan secara berturutan
akan dieliminer (dikeluarkan) berdasar kriteria tertentu. Persamaan regresi akan
diuji dan pada langkah pertama yang dikeluarkan adalah varibel independen
yang menunjukkan korelasi parsial terkecil dan tidak signifikan. Kemudian
persamaan diuji lagi dan kemudian dicari variabel independen dengan korelasi
parsial terkecil dan tidak signifikan untuk dikeluarkan. Proses akan diulang dan
berlanjut sampai tidak ada lagi variabel yang harus dikeluarkan.
Stepwise Selection merupakan kombinasi dari Backward Elimination
dan Forward Selection, dan merupakan prosedur paling banyak dipergunakan.
Variabel independen pertama yang dipilih untuk masuk dalam persamaan seperti
pada Forward Selection. Apabila variabel independen tidak memenuhi
persyaratan masuk dalam persamaan maka proses akan berhenti dengan tidak
ada satupun variabel independen dalam persamaan. Tetapi apabila memenuhi
persyaratan maka independen variabel kedua akan dipilih berdasar nilai korelasi
parsial terbesar. Bila memenuhi kriteria variabel ini akan masuk dalam
persamaan. Perbedaan Stepwise dengan Forward disini adalah independen
variabel pertama yang masuk akan diuji setelah masuknya variabel yang kedua
untuk diputuskan apakah akan dikeluarkan atau tidak berdasar kriteria
pengeluaran seperti pada Backward Elimination. Pada langkah berikutnya
independen variabel diluar persamaan akan diuji untuk masuk kedalam
persamaan. Dilakukan uji lagi untuk menentukan variabel mana dalam
persamaan yang dikeluarkan, hal ini akan dilakukan pada setiap langkah. Proses
akan berhenti kalau tidak ada lagi variabel yang memenuhi kriteria masuk dalam
persamaan dan yang memenuhi syarat untuk dikeluarkan dari persamaan.
Latihan 6
Data berikut adalah hasil pengamatan altherosclerosis pada kelinci
(dependen variabel) dan data dari beberapa independen variabel yang akan diduga
mempengaruhi derajad altherosclerosis.
Average daily
cholesterol dosage
(gm)
X1
Ave.total serum
cholesterol (mg/100 ml)
X2
Initial body weight (kg)
X3
Ratio of final to
initial body weight
X4
Ave daily foodi
intake/kg of initial body weight (gm)
X5
Degree of altheroscler
osis(in rabbits)
Y30 424 2,46 0,90 18 230 313 2,39 0,91 10 035 243 2,75 0,95 30 235 365 2,19 0,95 21 243 396 2,67 1,00 39 343 356 2,74 0,79 19 244 346 2,55 1,26 56 344 156 2,58 0,95 28 044 278 2,49 1,10 42 444 349 2,52 0,88 21 144 141 2,36 1,29 56 144 245 2,36 0,97 24 144 395 2,15 1,01 27 145 297 2,56 1,11 45 345 310 2,62 0,94 20 245 151 3,39 0,96 35 345 370 3,57 0,88 15 445 379 1,98 1,47 64 445 463 2,06 1,05 31 345 316 2,45 1,32 60 445 280 2,25 1,08 36 449 139 2,20 1,36 59 049 245 2,05 1,13 37 449 373 2,15 0,88 25 151 224 2,15 1,18 54 351 677 2,10 1,16 33 451 424 2,10 1,40 59 451 150 2,10 1,05 30 051 151 2,05 1,45 45 051 245 2,15 0,95 20 1
a) Lakukan analisis data di atas untuk mengetahui variable independent
mana yang berpengaruh nyata terhadap variable dependen
b) Carilah model persamaan regresi berganda yang paling cocok
PROSEDUR : latihan 6
Data direkam dahulu
Pilih menu utama Analyze Sub menu Regression pilih Linier...
Akan muncul lembar tampilan : Linier Regression
Iisikan pada kotak Dependent Derajat altherosclerosis (Y)
Pada kotak independent (s) Semua variable independents (X1, X2, ...)
Pada Method pilih Enter tekan OK
Lihat hasil yang didapat, kemudian selanjutnya dapat dipilih
Forward, Backward, dan Stepwise
Lalu tekan OK
PRAKTIKUM VI
Analisis Randomized Completely Block Design (RCBD)
Latihan 7
Percobaan dilakukan untuk mengetahui efek penggunaan lemak pada 5
level yang berbeda (L1, L2, L3,L4, L5) terhadap pertambahan bobot badan pada
tikus selama periode percobaan. Blocking dilakukan terhadap bobot badan
dengan data yang didapat sebagai berikut :
Perlakuan Blok1 2 3 4 5 6
L1 89 89 87 92 92 95L2 96 94 96 98 94 100L3 96 97 99 101 102 103L4 94 95 96 96 97 93L5 98 99 97 98 98 97
Analisislah percobaan diatas
a. untuk mengetahui efek penggunaan level lemak yang berbeda
terhadap pertambahan bobot badan tikus
b. apakah blok dapat mereduksi error percobaan ?
Prosedur: latihan 7
1. Rekamlah data terlebih dahulu
2. Ketik : Analyze General Linear Model Univariate
3. Dependent variable isikan PBBH (pertambahan bobot badan harian)
Fixed Factor isikan Level lemak dan Blok
4. Klik Model : Pada kolom specify model klik custom dan pada Factor and
Covariate akan muncul Level lemak dan Blok keduanya dipindahkan ke
kolom Model. Klik continue
5. Akan muncul output.