Statistik - Pak Boedi

8/19/2019 Statistik - Pak Boedi

1/27

1

APLIKASI PENGGUNAAN STATISTIK PARAMETRIK DALAM ANALISIS

HASIL PENELITIAN DI BIDANG PERIKANAN DAN KELAUTAN

Disusun untuk Memenuhi Nilai Tugas pada Mata Statistik

Dosen Pengampu : Dr. Ign. Boedi Hendrarto, M.Sc.

MEEZAN ARDHANU ASAGABALDAN

26010115410032

PROGRAM PASCA SARJANA

MAGISTER MANAJEMEN SUMBERDAYA PANTAI

UNIVERSITAS DIPONEGORO

SEMARANG

2015


2/27

2

KATA PENGANTAR

Puji syukur penulis panjatkan kepada Allah SWT yang telah melimpahkan

rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan tugas statistika yang

berjudul “ Aplikasi Penggunaan Statistik Parametrik Dalam Analisis Hasil Penelitian

Di Bidang Perikanan Dan Kelautan” tepat waktu. Tugas ini merupakan salah satu

syarat akademik untuk dapat mengikuti ujian akhir semester mata kuliah Statisika.

Penulis menyadari bahwa penyusunan tugas ini tidak dapat terwujud tanpa

bantuan berbagai pihak, sehingga dalam kesempatan ini penulis ingin mengucapkan

terima kasih yang sebesar-besarnya kepada Bapak Dr. Ign. Boedi Hendrarto, M.Sc.

selaku dosen mata kuliah Statistika yang telah memberikan bimbingan dan arahan

kepada Penulis, serta kepada semua pihak yang telah membantu dalam penyelesaian

penulisan tugas ini.

Penulis menyadari bahwa tugas ini masih banyak kekurangan dan kelemahan,

baik dalam isi maupun sistematikanya. Oleh karena itu, penulis mengharapkan kritik

dan saran untuk menyempurnakan tugas ini. Akhir kata, penulis berharap semoga hasil

tugas ini dapat memberikan manfaat bagi penulis maupun pembaca.

Semarang, Januari 2016

Penulis


3/27

3

APLIKASI PENGGUNAAN STATISTIK PARAMETRIK

I. T-Test

Pokok Masalah : Adakah perbedaan panjang total secara statistik antara Induk Nila

Merah Jantan dan Betina? (Sumber : Dinas Kelautan dan Perikanan

Yogyakarta, Cangkringan)

Metode : mengambil sampel induk Nila Merah jantan dan betina masing –

masing 15 ekor, kemudian di ukur panjang total menggunakan

penggaris

Data Penelitian :

Tabel 1. Hasil pengamatan panjang total induk jantan Nila Merah dengan betina

No.Panjang Ikan (cm)

Jantan Betina

1 36 29

2 36 32

3 37 31

4 35 27

5 35 30

6 36 34

7 34 32

8 34 29

9 36 32

10 36 32

11 34 31

12 34 27

13 36 32

14 35 29

15 39 32


4/27

4

Analisis hasil :

Penentuan hipotesis

H0 : Tidak ada perbedaan signifikan panjang tubuh inguk ikan Nila merah antara

jantan dan betina

H1 : Ada perbedaan signifikan panjang tubuh induk ikan Nila Merah antara jantan

dan betina

Pengujian menggunakan uji dua sisi dengan tingkat signifikansi α = 5%

Kriteria pengujian:

Ho diterima jika : ttabel < thitung < ttabel,

Ho ditolak jika : thitung < ttabel atau thitung > ttabel,

Jika berdasarkan probabilitas:

Ho diterima jika pvalue > 0,05

Ho ditolak jika pvalue < 0,05

Penggunaan Aplikasi SPSS

Langkah – langkah pengujian menggunakan Software SPSS :

1. Pengujian analisis statistik deskriptif

Tabel 1. Analisis Statistika Deskriptif Panjang Induk Nila Merah Jantan dan Betina

N Mean Std. Deviation Skewness Kurtosis

Statistic Statistic Statistic Statistic Std. Error Statistic Std. Error

Jantan 15 34.8667 .99043 -.210 .580 -1.118 1.121

Betina 15 30.6000 2.02837 -.493 .580 -.442 1.121

Valid N (listwise) 15

Jika Nilai skewness berada diantara -1,96 dan +1,96 maka dikatakan berdistribusi

normal. Nilai Skewness pada induk ikan Nila Jantan adalah -0,21 dan betina bernilai

0,493 sehingga dapat disimpulkan data ini terdistribusi normal sehingga bisa diuji T ( T

Test )


5/27

5

Gambar 1. Plot panjang induk Nila Merah Jantan dan Betina

2. Pengujian dengan menggunakan analisis T-Test

Tabel 2. Hasil analisis uji T independen

Berdasarkan hasil t-test diperoleh nilai p adalah 0.000. Nilai p < 0.05 sehingga, Ho

ditolak. Dengan demikian dapat dikatakan bahwa adanya perbedaan yang signifikan

antara panjang induk Nila Merah Jantan dengan betina.

Kesimpulan

Adanya perbedaan signifikan antara panjang tubuh induk ikan Nila Merah Jantan

dengan betina yang ada di DKP Yogyakarta


6/27

6

II. One Way ANOVA Test

Pokok Masalah : Metode apakah yang paling efektif dalam pemberian vaksin

Aeromonas hydrophila terhadap penyakit bercak merah Motile

Aeromonas Septicemia (MAS) pada ikan lele? (Sumber : Penelitian

Perikanan Universitas Gadjah Mada)

Metode : Cara pemberian : a. Injeksi, b. Oral, c. Rendam. Hasil Penelitian

dilakukan dengan melihat Survival Rate (SR) dari ikan Lele dari

lima kolam

Data Penelitian :

Tabel 3. Hasil penelitian Survival Rate (SR) pada ikan lele yang telah diberi vaksin

KolamSR (%)

Injeksi Oral Rendaman

1 80 60 30

2 70 60 20

3 90 50 10

4 80 50 30

5 70 60 20

Analisis hasil :

Penentuan hipotesis

H0 : Tidak ada perbedaan signifikan antara metode pemberian vaksin A. hydrophila

dengan hasil Survival Rate (SR) ikan lele

H1 : Ada perbedaan signifikan antara metode pemberian vaksin A. hydrophila

dengan hasil Survival Rate (SR) ikan lelePengujian menggunakan uji dua sisi dengan tingkat signifikansi α = 5%

Kriteria pengujian:





7/27

7




Tabel 4. Hasil analisis statistik deskriptif pada metode pemberian vaksin

Jika Nilai skewness berada diantara -1,96 dan +1,96 maka dikatakan berdistribusi

normal, sehingga dapat diuji lanjut. Pada hasil penelitian dapat dilihat bahwa data

berdistribusi normal


8/27

8

Gambar 2. Plot metode pemberian vaksin A. hydrophila pada ikan lele

2. Pengujian dengan menggunakan analisis One way ANOVA test

Tabel 5. Hasil analisis One way ANOVA test

Berdasarkan hasil One Way ANOVA Test diperoleh nilai p adalah 0.000. Nilai p < 0.05sehingga, Ho ditolak. Sehingga dapat dikatakan adanya pengaruh metode pemberian

vaksin terhadap SR ikan lele. Untuk mengetahui apakah ada perbedaan atar perlakuan,

maka diuji lanjut dengan Post Hoc Test.


9/27

9

3. Pengujian Post Hoc Test

Tabel 6. Hasil analisis Post Hoc Test dengan menggunakan Tukey HSD

Post Hoc Test merupakan uji lanjut untuk mengetahui apakah ada perbedaan signifikan

antar pelakuan dengan nilai p


10/27

10

III. Factorial ANOVA Test

Pokok Masalah : Pengaruh media dan komposisinya terhadap biomassa produksi

maggot sebagai pakan alami benih lele

Metode : Penelitian ini menggunakan Rancangan Acak Lengkap (RAL) pola

faktorial

Data Penelitian :

Tabel 7. Hasil biomassa maggot dengan media dan komposisi yang berbeda

Ulangan

Biomassa (gr)

Bungkil kelapa Dedak Palm Kernel Meal (PKM)

25% 50% 75% 25% 50% 75% 25% 50% 75%

1 10.5 14.5 25.5 50.3 60.4 70.4 100.2 120.4 140.2

2 15.2 13.5 27.5 52.4 63.5 75.2 103.2 125.2 137.4

3 10.4 13.3 30.3 55.3 64.2 73.4 102.4 117.2 138.5

4 12.3 13.7 28.5 60.4 65.2 72.3 103.2 118.3 139.2

5 13.4 15.1 27.4 54.2 63.2 71.2 101.5 119.7 140.3

Analisis hasil :




Tabel 8. Hasil analisis statistik deskriptif

Jika Nila skewness berada diantara -1,96 dan +1,96 maka dikatakan berdistribusi




11/27

11

Gambar 3. Plot media dan komposisi untuk biomassa maggot

2. Pengujian Factorial ANOVA Test

Penentuan hipotesis

H0 : tidak adanya pengaruh antara ketiga media dan komposisinya terhadap

biomassa maggot sebagai pakan alami

H1 : adanya pengaruh yang signifikan antara media dan komposisinya terhadap

biomassa maggot sebagai pakan alami benih lele


Kriteria pengujian:





12/27

12

Tabel 9. Analisis deskriptif dari berbagai perlakuan

Tabel 10. Hasil Factorial ANOVA test pada berbagai media dan komposisi terhadap

biomassa maggot

Berdasarkan hasil Factorial ANOVA Test diperoleh nilai p adalah 0.000. Nilai p < 0.05

sehingga, Ho ditolak. Sehingga dapat dikatakan adanya pengaruh media dan komposisi

terhadap biomassa maggot. Untuk mengetahui apakah ada perbedaan atar perlakuan,

maka diuji lanjut dengan Post Hoc Test.


13/27

13

3. Pengujian Post Hoc test

Tabel 11. Hasil analisis Post Hoc Test komposisi dengan menggunakan Tukey HSD

Tabel 12. Hasil analisis Post Hoc Test jenis media dengan menggunakan Tukey HSD




14/27

14

IV. Nested ANOVA Design Test

Pokok Masalah : Bagaimana kemelimpahan ubur – ubur mematikan yang tersebar di

Pantai Selatan dan Laut Jawa

Metode : Pengambilan sampel ada di dua lokasi yang berbeda (Pantai

Selatan dan Laut Jawa)

- Pengambilan sampel dilakukan secara random (acak) dengan

kuadran berukuran 1m x 1m

Data Penelitian :

Tabel 13. Hasil perhitungan kemelimpahan ubur – ubur mematikan pada pantai Selatandan Laut Jawa

Sampel

Lokasi pengambilan Sampel

Pantai Selatan Laut Jawa

Stasiun 1 Stasiun 2 Stasiun 3 Stasiun 1 Stasiun 2 Stasiun 3

1 135 156 122 96 82 67

2 180 135 132 92 75 65

3 150 125 119 85 77 724 160 187 130 75 79 73

5 155 142 135 73 82 71

Analisis hasil :




Tabel 14. Hasil analisis statistik deskriptif


15/27

15




Gambar 4. Plot kemelimpahan ubur – ubur pada Pantai Selatan dan Laut Jawa

(VAR00001 = Lokasi; VAR00002 = Stasiun; VAR00003 = Jumlah ubur –

ubur)

2. Pengujian Nested ANOVA Design Test

Penentuan hipotesis

H0 : tidak adanya pengaruh yang signifikan antara lokasi terhadap kemelimpahan

ubur – ubur mematikan

H1 : Ada pengaruh signifikan yang signifikan antara lokasi terhadap kemelimpahanubur – ubur mematikan


Kriteria pengujian:





16/27

16

Tabel 15. Hasil Analisis kemelimpahan ubur – ubur mematikan dengan menggunakan Nested ANOVA Design Test

Berdasarkan hasil Nested ANOVA Design Test diperoleh nilai p adalah 0.000. Nilai p <

0.05 sehingga, Ho ditolak.

Kesimpulan

Adanya pengaruh yang signifikan dari lokasi dan stasiun pengambilan sampel

terhadap kemelimpahan ubur – ubur mematikan di Pantai Selatan dan Laut Jawa


17/27

17

V. Randomized Block Design Test

Pokok Masalah : Pengaruh Jenis Alat Tangkap dan Lokasi penangkapan terhadap

hasil tangkapan Ikan Beronang

Metode : Digunakan tiga jenis alat tangkap yaitu jaring angkat, Trawl, dan

Pancing dan hasil tangkapan dicatat dan analisis dengan uji RBD

Data Penelitian :

Tabel 13. Hasil perhitungan kemelimpahan ubur – ubur mematikan pada pantai Selatandan Laut Jawa

LokasiHasil Tangkapan (ton)

Jaring angkat Trawl Pancing

Laut Jawa 1187 1295 321

Pantai Selatan 1043 1493 427

Laut arafuru 1153 1375 521

Laut Maluku 1095 1369 447

Analisis hasil :


Langkah – langkah pengujian menggunakan Software SPSS :1. Pengujian Analisis Deskriptif

a. Masukkan data pada SPSS,


18/27

18

b. Melakukan uji statistik deskriptif untuk mengetahui apakah data tersebut

terdistribusi normal atau tidak. Dengan cara analyze -> descriptive statistic ->

Descriptives

Tabel 14. Hasil analisis Deskriptif

N Mean Std. Deviation Skewness Kurtosis

Statistic Statistic Statistic Statistic Std. Error Statistic Std. Error

Alat_tangkap 12 2.0000 .85280 .000 .637 -1.650 1.232

Hasil 12 977.1667 425.81213 -.542 .637 -1.483 1.232

Lokasi 12 2.5000 1.16775 .000 .637 -1.428 1.232

Valid N (listwise) 12





19/27

19

Gambar 5. Plot Jenis alat tangkap dan hasil tangkapan ikan Beronang

2. Pengujian Randomized Blocked Design

Penentuan hipotesis

Perlakuan

Ho : µ 1=µ 2=µ 3

Ha : jika minimal dua rata-rata berbeda. Jika Ho ditolak, maka jenis alat tangkap

berpengaruh terhadap hasil tangkap.

Blocking:

Ho : µ 1=µ 2=µ 3=µ 4

Ha : jika minimal dua rata-rata berbeda

Jika Ho ditolak, maka lokasi tangkap berpengaruh terhadap hasil tangkap.


Kriteria pengujian:


Ho diterima jika pvalue > 0,05Ho ditolak jika pvalue < 0,05


20/27

20

Untuk menganalisis RBD caranya klik analyze -> general linear model ->

univariate

Masukkan hasil tangkapan ke dependent variable , sedangkan lokasi dan Alat

tangkap ke fi xed factors .

Kemudian klik model pada kotak dialog sebelah kanan atas, sehingga muncul kotak

dialog model sebagai berikut:

Kemudian masukkan “alat tangkap dan lokasi” ke box bagian kanan. Di bagian

“build term(s)” pilih “main effect”. Hilangkan tanda cek (√) di bagian “include

intercept in model”. Setelah selesai kemudian klik “continue” lalu “ok”

Maka akan didapat hasil berikut ini :

Tabel 15. Hasil Analisis RBD untuk hasil tangkaan Ikan Baronang

Dependent Variable:Hasil

Source Type III Sum of

Squares df Mean Square F Sig.

Model 1.341E7 6 2235103.000 318.436 .000

Alat_tangkap 1941784.667 2 970892.333 138.323 .000

Lokasi 10577.000 3 3525.667 .502 .695

Error 42114.000 6 7019.000

Total 1.345E7 12

a. R Squared = .997 (Adjusted R Squared = .994)

- Hasil analisis terlihat bahwa nilai p yang diperoleh untuk variabel alat tangkap

adalah 0,000. Nilai tersebut < 0,05 sehingga dapat disimpulkan bahwa ada

pengaruh signifikan antara alat tangkap yang digunakan dengan hasil tangkapan

ikan Baronang.

- Sementara itu, nilai sig yang diperoleh untuk variabel lokasi adalah 0,695. Nilai

tersebut > 0,05 sehingga dapat disimpulkan tidak ada pengaruh yang signifikan

antara lokasi penangkapan dengan hasil tangkapan tuna.


21/27

21

3. Pengujian Post Hoc

klik analyze -> general l inear model -> univari ate -> post hoc -> beri tanda cek

pada kolom tukey-> continue -> OK

Tabel 16. Hasil Post Hoc Test untuk variabel alat Tangkap

Hasil

Tukey HSD

(I) Alat_tangkap (J) Alat_tangkap Mean

Difference (I-J) Std. Error Sig.

95% Confidence Interval

Lower Bound Upper Bound

dimension2

1.00

dimension3

2.00 -263.5000* 59.24103 .010 -445.2678 -81.7322

3.00 690.5000* 59.24103 .000 508.7322 872.2678

2.00

dimension3

1.00 263.5000* 59.24103 .010 81.7322 445.2678

3.00 954.0000* 59.24103 .000 772.2322 1135.7678

3.00

dimension3

1.00 -690.5000* 59.24103 .000 -872.2678 -508.7322

2.00 -954.0000* 59.24103 .000 -1135.7678 -772.2322

Based on observed means.The error term is Mean Square(Error) = 7019.000.

*. The mean difference is significant at the 0.05 level.




22/27

22

VI. Spli t Plot in Time Test

Pokok Masalah : Laju pertumbuhan Benih Nila Merah pada Sistem bioflok dan

Kolam Biasa

Metode : Dibandingkan laju pertumbuhan (berat) benih Nila Merah antara

bioflok dengan kolam biasa, di lakukan sampling 2 mnggu sekali

Data Penelitian :

Tabel 17. Laju pertumbuhan benih Nila Merah

No.Data pertumbuhan berat benih Nila Merah (gr)

13 Feb 27 Feb 13 Maret 27 Maret perlakuan

1 0,21 1,99 5,07 8,04 Sistem bioflok2 0,26 1,57 2,08 8,44 Sistem bioflok

3 0,15 1,27 3,09 9,8 Sistem bioflok

4 0,07 1,58 4,75 7,76 Sistem bioflok

5 0,32 2,09 6,35 7,92 Sistem bioflok

6 0,15 0,49 2,27 5,96 Kolam Biasa

7 0,7 0,69 1,19 6,72 Kolam Biasa

8 0,21 0,42 2,02 7,92 Kolam Biasa

9 0,26 0,57 4,77 6,65 Kolam Biasa10 0,32 1,33 4,81 2,89 Kolam Biasa

Analisis hasil :

Penentuan hipotesis

H0 : Tidak ada perbedaan signifikan antara sistem bioflok dengan kolam biasa

terhadap laju pertumbuhan benih nila merah

H1 : Ada perbedaan signifikan antara sistem bioflok dengan kolam biasa terhadap

laju pertumbuhan benih nila merahPengujian menggunakan uji dua sisi dengan tingkat signifikansi α = 5%





23/27

23

1. Pengujian analisis deskriptif

Tabel 18. Hasil analisis Deskriptif




2. Pengujian Split plot in Time


24/27

24

Hasil analisis terlihat bahwa nilai p yang diperoleh adalah 0,000. Nilai tersebut < 0,05

sehingga dapat disimpulkan bahwa ada pengaruh signifikan.

Kesimpulan

Adanya perbedaan yang signifikan antara laju pertumbuhan benih nila yang

menggunakan sistem bioflok dengan benih nila yang dipelihara di kolam biasa


25/27

25

VII. Regression Test

Pokok Masalah : Hubungan Panjang terhadap Berat Ikan Nila Merah Jantan

Metode : dilakukan sampling sebanyak 20 ekor ikan, kemudian di analisismenggunakan uji regresi

Data Penelitian :

Tabel 17. Hasil biomassa maggot dengan media dan komposisi yang berbeda

No.

Ikan Nila Merah Jantan

Panjang (cm) Berat (gr)

1 16.7 65.97

2 14 51.1

3 16 55.66

4 15 59.7

5 14.7 61.06

6 19 73.26

7 14.8 56.048 16 72.52

9 15 58.7

10 15.3 66.48

11 15.5 72.43

12 15.5 67.89

13 17.3 70.6

14 14.5 55.3

15 15.2 61.94

16 15 55.43

17 14.5 51.2

18 15 60.41

19 15 65.78

20 13.5 45.56


26/27

26

Analisis hasil :


Untuk mengetahui hubungan antara panjang dan berat serta mengatahui

persamaannya maka dilakukan analisis regresi. Hasil analisis regresi menggunakan

aplikasi SPSS adalah sebagai berikut:

Masukkan data ke program SPSS

klik Analyze -> pilih Regression -> klik Linear

Pindahkan “berat” pada kolom “dependent” dan “panjang” pada kolom

“independent”

lalu klik Statistics, pada Regression Coeficient pilih Model fit, Estimates

dan Part and partial correlation. Klik continue lalu klik Plots, pilih DEPENDENT pada Scatter Y axis, pilih ADJPRED

pada Scatter X axis. Klik continue.

lalu klik save, pada Predicted Values pilih Unstandaridized dan

Standaridized begitu juga pada kolom Residuals. Klik continue. Lalu klik

OK

Maka didapat hasil sebagai berikut :

Tabel 18. Hasil Analisis Regresi

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 662.389 1 662.389 22.784 .000a

Residual 523.306 18 29.073

Total 1185.695 19

a. Predictors: (Constant), panjang

b. Dependent Variable: berat

Tabel 19. Hasil perhitungan R signifikan dan R 2 (koefisien determinasi)

Model Summaryb

Model R R Square Adjusted R SquareStd. Error of the

Estimated

im

en

s

i

o

n0

1 .747a .559 .534 5.39189

a. Predictors: (Constant), panjang

b. Dependent Variable: berat

Nilai R signifikan, karena mendekati 1, yaitu 0.747


27/27

Tabel 19. Nilai Koefisien regresi

Coefficientsa

Model

UnstandardizedCoefficients

StandardizedCoefficients t Sig.

Correlations

B Std. Error Beta Zero-order Partial Part

1(Constant) -13.594 15.747 -.863 .399

panjang 4.874 1.021 .747 4.773 .000 .747 .747 .747

a. Dependent Variable: berat

Karena tidak signifikan (0.399), maka tidak dapat digambar analisi regresinya

Documents

Statistik - Pak Boedi