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.