LAPORAN
PRAKTIKUM BIOMETRI
“SAS (STATISTICAL ANALYSIS SYSTEM)
RAK (RANCANGAN ACAK KELOMPOK)”
OLEH :
KELOMPOK 2
ROVIAH F1071141008
PROGRAM STUDI PENDIDIKAN BIOLOGI
JURUSAN PENDIDIKAN MATEMATIKA DAN IPA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNUVERSITAS TANJUNGPURA
PONTIANAK
2016
A. Pendahuluan
Pengolahan
data adalah suatu proses dalam memperoleh data ringkasan atau angka ringkasan
dengan menggunakan cara-cara atau rumus-rumus tertentu. Banyak koleksi atau
paket-paket program komputer telah didesain untuk mengolah dan menganalisis
bermacam-macam tipe data. Paket program komputer seperti Statistical Analysis
System (SAS), Statistical Package for Social Science (SPSS), Microsoft Excel,
LISREL (Student Version), AMOS tersedia luas di pasaran sebagai perangkat lunak
komputer yang bebas diperjualbelikan, selain berbagai jenis perangkat lunak
lainnya. Bermacam-macam perangkat lunak komputer pribadi tersedia untuk
aplikasi penelitian.Sebagian besar paket ini terdiri dari susunan program yang
cukup besar untuk analisis deskriptif dan analisis statistik dengan
monovariate,bivariate, atau multivatiate (Hasan, 2002).
Desain
eksperimenadalah testesperubahantujuanyang dibuat untukinput variabel padasuatu
prosesatau sistemsehingga kitadapatmengamati danmengidentifikasi alasan
untukperubahan yangdapat diamatidalamrespon output. Pemrograman
dalam SAS dapat dikategorikan menjadi 2 jenis. Pertama, data step. Data step
biasanya digunakan untuk membuat, membaca, ataupun memanipulasi data. Kedua,
proc step (proc merupakan kependekan dari procedure). Proc step digunakan untuk
menganalisa, meringkas, ataupun membuat tabulasi dari sebuah data. Baik data
step maupun proc step diawali dengan kata “data” atau “proc”, dan diakhiri
dengan kata “run” (Widjaja, 2009).
Rancangan
Acak Kelompok (RAK), digunakan metode ini karena satuan percobaan bahan
homogenatau dianggap homogen dan perlakuan berbeda, yang kemudian keragaman
respon yang ditimbulkan hanya melalui perlakuan dan galat.
Rancangan Acak
Kelompok adalah suatu
rancangan acak yang dilakukan dengan mengelompokkan satuan percobaan ke dalam
grup-grup yang homogen yang dinamakan kelompok dan kemudian menentukan
perlakuan secara acak di dalam masing-masing kelompok. Rancangan Acak Kelompok Lengkap merupakan
rancangan acak kelompok dengan semua perlakuan dicobakan pada setiap kelompok
yang ada. Tujuan pengelompokan satuan-satuan percobaan tersebut adalah untuk
membuat keragaman satuan-satuan percobaan di dalam masing-masing kelompok
sekecil mungkin sedangkan perbedaan antar kelompok sebesar mungkin. Tingkat
ketepatan biasanya menurun dengan bertambahnya satuan percobaan (ukuran satuan
percobaan) per kelompok, sehingga sebisa mungkin buatlah ukuran kelompok
sekecil mungkin. Pengelompokan yang tepat akan memberikan hasil dengan tingkat
ketepatan yang lebih tinggi dibandingkan rancangan acak lengkap yang sebanding
besarnya.
Pengelompokan dalam Rancangan Lingkungan RAK
memerlukan pemahaman tambahan tentang keragaman satuan percobaan. Kita harus
bisa mengidentifikasi arah keragaman tersebut, sehingga Variabel Pengganggu
(Nuisance factor /disturbing factor) bisa diminimalisir. Nuisance factor adalah
setiap faktor/variabel diluar perlakuan yang akan berpengaruh terhadap respons.
Berikut ini merupakan panduan dalam mengidentifikasi faktor tersebut, yang bisa
dijadikan acuan dalam pembuatan kelompok/pengelompokan.(Arianti.
2009)
Kelebihan (RAK) Menurut Yitnosumarto (1991), apabila
kita membicarakan keuntungan tentunya kita bandingkan dengan lainnya, dalam hal
ini demham RAL dan mungkin dengan rancangan yang lebih kompleks, keuntungan RAK
adalah :
·
Sama seperti RAL, analisis statistik
dari data yang diperoleh demgan RAK ini masih bersifat sederhana.
·
Apabila andaian adanya gradien satu arah
dipenuhi, RAK memberikan presisi dan efisiensi yang lebih tinggi dari RAL.
·
Jika ada satu atau dua data yang hilang
(atau secara statistik tidak memenuhi syarat) analisis masih dapat dilanjutkan,
yaitu dengan teknik data hilang (missing data technique).
Kekurangan
RAK
Menurut
Harlyan (2012), Rancangan Acak Kelompok (RAK) memiliki beberapa kelebihan,
yaitu :
·
Rancangan menjadi kurang efisien
dibanding yang lain jika terdapat lebih dari satu sumber keragaman yang tidak
diinginkan.
·
Peningkatan ketepatan pengelompokan akan
menurun dengan semakin meningkatnya jumlah satuan percobaan dalam kelompok.
·
Jika ada data yang hilang memerlukan
perhitungan yang lebih rumit.
B.
Hasil Pengamatan
1. Hasil pengamatan dari penuntun
a. (input)
DATA VIA;
INPUT NO PERLK$ BLOK Y1;
CARDS;
1 KONTROL 1 10,19
2 KONTROL 2 9,29
3 KONTROL 3 12.73
4 K2P1 1 32.02
5 K2P1 2 25.76
6 K2P1 3 19.72
7 K2P2 1 23.91
8 K2P2 2 21.99
9 K2P2 3 21.42
10 K2P3 1 17.15
11 K2P3 2 15.66
12 K2P3 3 10.37
13 K2P4 1 10.35
14 K2P4 2 10.31
15 K2P4 3 14.31
16 K3P1 1 21.98
17 K3P1 2 19.43
18 K3P1 3 16.16
19 K3P2 1 18.08
20 K3P2 2 13.5
21 K3P2 3 18.32
22 K3P3 1 18.07
23 K3P3 2 14.01
24 K3P3 3 14.39
25 K3P4 1 12.37
26 K3P4 2 16.32
27 K3P4 3 10.2
;
PROC PRINT; RUN;
TITLE ‘HASIL ANALISIS RAGAM’;
PROC GLM DATA=VIA;
CLASS PERLK BLOK;
MODEL Y1 = PERLK BLOK;
RUN;
b.
Data
(output)
The
SAS System 16:07 Monday, May
5, 1997 1
OBS NO
PERLK BLOK Y1
1 1
KONTROL 1 .
2 2
KONTROL 2 .
3 3
KONTROL 3 12.73
4 4
K2P1 1 32.02
5 5
K2P1 2 25.76
6 6
K2P1 3 19.72
7 7
K2P2 1 23.91
8 8
K2P2 2 21.99
9 9
K2P2 3 21.42
10 10
K2P3 1 17.15
11 11
K2P3 2 15.66
12 12
K2P3 3 10.37
13 13
K2P4 1 10.35
14 14
K2P4 2 10.31
15 15
K2P4 3 14.31
16
16 K3P1 1
21.98
17 17
K3P1 2 19.43
18 18
K3P1 3 16.16
19 19
K3P2 1 18.08
20 20
K3P2 2 13.50
21 21
K3P2 3 18.32
22 22
K3P3 1 18.07
23 23
K3P3 2 14.01
24 24
K3P3 3 14.39
25 25
K3P4 1 12.37
26 26
K3P4 2 16.32
27 27
K3P4 3 10.20
HASIL
ANALISIS RAGAM 16:07 Monday, May
5, 1997 2
General Linear
Models Procedure
Class Level Information
Class Levels
Values
PERLK 9
K2P1 K2P2 K2P3 K2P4 K3P1 K3P2 K3P3 K3P4 KONTROL
BLOK 3
1 2 3
Number of
observations in data set = 27
NOTE:
Due to missing values, only 25 observations can be used in this analysis.
HASIL
ANALISIS RAGAM 16:07 Monday, May
5, 1997 3
General Linear
Models Procedure
Dependent
Variable: Y1
Source DF Sum of Squares Mean Square F Value
Pr > F
Model 10 570.35200567 57.03520057 6.50
0.0009
Error 14 122.89925833 8.77851845
Corrected
Total 24 693.25126400
R-Square C.V. Root MSE Y1 Mean
0.822720 17.28500 2.96285647 17.14120000
Source DF Type I SS Mean Square F Value
Pr > F
PERLK 8 517.15233067 64.64404133 7.36
0.0007
BLOK 2 53.19967500 26.59983750 3.03
0.0806
Source DF Type III SS Mean Square F Value
Pr > F
PERLK 8 504.26206806 63.03275851 7.18
0.0008
BLOK 2 53.19967500 26.59983750 3.03
0.0806
HASIL
ANALISIS RAGAM 16:07 Monday, May
5, 1997 4
OBS NO
PERLK BLOK Y1
1 1
KONTROL 1 .
2 2
KONTROL 2 .
3 3
KONTROL 3 12.73
4 4
K2P1 1 32.02
5 5
K2P1 2 25.76
6 6
K2P1 3 19.72
7 7
K2P2 1 23.91
8 8
K2P2 2 21.99
9 9
K2P2 3 21.42
10 10
K2P3 1 17.15
11 11
K2P3 2 15.66
12 12
K2P3 3 10.37
13 13
K2P4 1 10.35
14 14
K2P4 2 10.31
15
15 K2P4 3
14.31
16 16
K3P1 1 21.98
17 17
K3P1 2 19.43
18 18
K3P1 3 16.16
19 19
K3P2 1 18.08
20 20
K3P2 2 13.50
21 21
K3P2 3 18.32
22 22
K3P3 1 18.07
23 23
K3P3 2 14.01
24 24
K3P3 3 14.39
25 25
K3P4 1 12.37
26 26
K3P4 2 16.32
27 27
K3P4 3
HASIL
ANALISIS RAGAM 16:07 Monday, May
5, 1997 5
General Linear Models Procedure
Class Level
Information
Class Levels
Values
PERLK 9
K2P1 K2P2 K2P3 K2P4 K3P1 K3P2 K3P3 K3P4 KONTROL
BLOK 3
1 2 3
Number of
observations in data set = 27
NOTE:
Due to missing values, only 25 observations can be used in this analysis.
HASIL
ANALISIS RAGAM 16:07 Monday, May
5, 1997 6
General Linear
Models Procedure
Dependent
Variable: Y1
Source DF Sum of Squares Mean Square F Value
Pr > F
Model 10 570.35200567 57.03520057 6.50
0.0009
Error 14 122.89925833 8.77851845
Corrected
Total 24 693.25126400
R-Square C.V. Root MSE Y1 Mean
0.822720 17.28500 2.96285647 17.14120000
Source DF Type I SS Mean Square F Value
Pr > F
PERLK 8 517.15233067 64.64404133 7.36
0.0007
BLOK 2 53.19967500 26.59983750 3.03
0.0806
Source DF Type III SS Mean Square F Value
Pr > F
PERLK 8 504.26206806 63.03275851 7.18
0.0008
BLOK 2 53.19967500 26.59983750 3.03
0.0806
2.
Hasil
pengamatan dari bu entin
a.
Input
DATA OKTA;
INPUT NO PERLK$ BLOK Y1;
CARDS;
1 K1P1 1 21
2 K1P1 2 36
3 K1P1 3 25
4 K1P1 4 18
5 K1P1 5 22
6 K2P2 1 26
7 K2P2 2 38
8 K2P2 3 27
9 K2P2 4 17
10 K2P2 5 26
11 K3P3 1 16
12 K3P3 2 25
13 K3P3 3 22
14 K3P3 4 18
15 K3P3 5 21
16 K4P4 1 28
17 K4P4 2 35
18 K4P4 3 27
19 K4P4 4 20
20 K4P4 5 24
;
PROC PRINT; RUN;
TITLE ‘HASIL ANALISIS RAGAM’;
PROC GLM DATA=OKTA;
CLASS PERLK BLOK;
MODEL Y1 = PERLK
BLOK;
RUN;
b.
Autput
The
SAS System 1
16:25
Tuesday, May 20, 1997
OBS NO
PERLK BLOK Y1
1 1
K1P1 1 21
2 2
K1P1 2 36
3 3
K1P1 3 25
4 4
K1P1 4 18
5 5
K1P1 5 22
6 6
K2P2 1 26
7 7
K2P2 2 38
8 8
K2P2 3 27
9 9
K2P2 4 17
10 10
K2P2 5 26
11 11
K3P3 1 16
12 12
K3P3 2 25
13 13
K3P3 3 22
14 14
K3P3 4 18
15 15
K3P3 5 21
16 16
K4P4 1 28
17 17
K4P4 2 35
18 18
K4P4 3 27
19 19
K4P4 4 20
20
20 K4P4 5
24
HASIL
ANALISIS RAGAM 2
16:25
Tuesday, May 20, 1997
General Linear Models
Procedure
Class Level Information
Class
Levels Values
PERLK 4
K1P1 K2P2 K3P3 K4P4
BLOK 5
1 2 3 4 5
Number of observations in data set = 20
HASIL
ANALISIS RAGAM 3
16:25 Tuesday, May 20, 1997
General Linear Models
Procedure
Dependent
Variable: Y1
Source DF Sum of Squares F Value
Pr > F
Model 7 637.60000000 12.53
0.0001
Error 12 87.20000000
Corrected
Total 19 724.80000000
R-Square C.V. Y1 Mean
0.879691 10.95803 24.6000000
Source DF Type I SS F Value
Pr > F
PERLK 3 136.80000000 6.28
0.0083
BLOK 4 500.80000000 17.23
0.0001
Source DF Type III SS F Value
Pr > F
PERLK 3 136.80000000 6.28
0.0083
BLOK 4 500.80000000 17.23
0.0001
C.
PEMBAHASAN
Pada
praktikum kalia ini menganalisis data RAK (Ragam acak lengkap) dengan
menggunaka sofwer analisis data yaitu SAS
dalam peritungan menggunakan sas ini ada ketentuan kusus agar saat
pembacaan data tidak error. Pada praktikum kali ini di lakukan input data yang
akan di ujikan dengan SAS. Cara mengimputnya yaitu mengetik data pada endela
program editor yang ada pada sas bisa juga di ketik terlebi dahulu di word
kemudian di copy dan di paste di jendela program SAS. Data INPUT yang ada di
hasil pengamatan adalah data yang sudah
di input pada SAS yang suda sesuai dengan bahasa pemograman SAS. Di atas
merupakan data mentah dari rak yang akan di itung tabel inovanya agar
ipotesisnya dapat terliat diterima atau di tolak. Dari data seperti di atas ada
beberapa bahasa pemogaraman yang unik atau khusus dalam pengguanaan SAS .
Berikut penjelasan
·
(DATA DT;) Merupakan keterangan untuk
nama data yang akan di buat (DT) dapat di ganti dengan nama praktikan seperti
contoh di atas di ganti ( via) akan tetapi ada syarat hanya 8 karakter saja.
·
(INPUT NO PERLAK$ BLOK Y1;) artinya
adalah data yang mau di masukkan (INPUT), kemudian NO yang artianya dalam data
itu akan dimasukan nomor, (PERLK$) yang berarti adanya perlakuan dalam percobaan,
BLOK yang berarti terdapat faktor lain yang mempengaruhi selain perlakuan yang
diberikan. Dan setiap perintah yang diinput dalam SAS harus ditutup dengan (;)
semi kolon, yang berfungsi sebagai penanda akhir kalimat sama halnya seperti
tanda (.) dalam sebuah kalimat. ($) adalah tanda yang digunakan apabila data
yang dimasukan berupa huruf dan apabila data berupa angka cukup dengan
menggunakan spasi.
·
(LABEL Y1 = ‘BERAT GABAH PER POT (G)’;). (LABEL Y1)
sebagai keterangan berat gabah pada setiap potnya. (G) sebagai satuan berat
dalam percobaan ini. LABEL ini bisa diubah sesuai dengan percobaan yang akan
dibuat oleh praktikan.
·
Lalu dikahiri dengan kata (CARDS;) Selanjutnya
dilakukan penginputan data yang sudah tertera. Setelah diinput data maka
diakhir data harus ada perintah untuk menampilkan data yang diinginkan yaitu
RUN, yang berarti bahwa data siap untuk dijalankan yang nantinya data tersebut akan
tampil di Jendela Output dalam program SAS. Selain itu juga dapat menambahkan
judul data kita dengan mengetik TITLE ‘judul data yang diinginkan’. − Pada
baris selanjutnya ketik (PROC) sebagai perintah SAS untuk menujukan jenis
analisis yang akan dilakukan. − (GLM) yaitu jika ingin memasukkan model linear
umum untuk RAK. − Lalu kata (CLASS) berupa keterangan untuk point-point apa
saja yang diperlukan dalam RAK, yaitu Perlk=perlakuan dan blok. Setelah
menginput data maka diakhiri dengan perintah RUN; agar perintah dijalankan
setelah di input maka akan
menghasilkan data yang ada di hasil
pengamatan autput. Dari data yang telah dihitung dengan menggunakan
program SAS ini dapat dilihat bahwa df perlk yang didapat 8, df block 2 dan df
error adalah 16. Dalam SAS untuk menguji hipotesis maka Ftest harus dibandingan
dengan Ftabel. Apabila Ftest < 0,05 maka H1 di terima, namun sebalikanya
apabila Ftest>0,05 maka H1 ditolak dan H0 diterima. Pada praktikum ini hipotesis yang
diajukan yaitu : H0 = Tidak adanya pengaruh dari perbedaan berat gabah per pot
terhadap 3 perlakuan dan 3 blok, H1 = Adanya pengaruh dari perbedaan berat
gabah per pot terhadap 3 perlakuan dan 3 blok. Dari hasil perhitungan SAS dalam
percobaan ini didapatkan bahwa ternyata Ftest (0.0001) < 0,05 maka H1
diterima dan H0 ditolak. Jadi kesimpulan pada percobaan di atas adalah Adanya
terdapat pengaruh dari perbedaan berat gabah per pot terhadap 3 perlakuan dan 3
blok. Kemudian data selanjutnya adalah data yang sudah tersedia tabel anovanya,
dan praktikan membandingkan hasil hitung manual dengan perhitungan dengan
menggunakan sistem SAS.
Data dari bu entin input sama halnya perintahnya
seperti data pada penuntun dari hasil pengamatan dapat dilihat bahwa tidak ada
perbedaan hasil dari tabel anova dengan hasil perhitungan dengan menggunakan
sistem SAS ini. Pada ata kedua ini adalah data yang melihat pengaruh cara
pembersihan kapas. Dari judul yang tertera dan treatmen yang dilakukan dapat
diperoleh hipotesis sebagai berikut:
H0 : Tidak adanya perbedaan pada
cara pembersihan kapas diawal proses katun
H1 : Adanya perbedaan pada cara
pembersihan kapas diawal proses katun
Setelah dilakukan perhitungan menggunakan tabel anova
maupun secra manual didaptkan hasi df Blok 4, df perlk 3, dan df error 12.
Dalam SAS untuk menguji hipotesis maka Ftest harus dibandingan dengan Ftabel.
Apabila Ftest < 0,05 maka H1 diterima, namun sebalikanya apabila
Ftest>0,05 maka H1 ditolak dan H0 diterima. Dan dari hasil tabel anova
ditunjukan bahwa Ftest> 0,05 yang berarti H1 ditolak dan H0 diterima, yang
dapat disimpulkan bahwa adanya perbedaan pada cara pembersihan kapas diawal
proses katun. Pada percobaan ini terdapat populasi yaitu 20 batch kapas,
sampelnya 4 batch kapas, perlakuannya yaitu proses cuci, ulanganya 5 kali
ulangan, dengan menggunakan model acak , dan memiliki model linier ra sebagai
berikut.
Yij = μ + τi +
βj + εij
Yij = nilai pengamatan pada perlakuan ke – i kelompok
ke – j
μ = nilai tengah umum τi = pengaruh perlakuan ke - i
βj = pengaruh kelompok ke - j
εij = galat percobaan pada perlakuan ke – i &
kelompok ke– j
p = banyaknya
perlakuan
r = banyaknya kelompok / ulangan. Model lnier ini
digunakan untuk menghitung saat menggunakan sistem SAS.
D. KESIMPULAN
Dari hasil praktikum dapat di
simpulkan bahwa setelah dilakukan perhitungan menggunakan tabel anova maupun
secra manual didaptkan hasi df Blok 4, df perlk 3, dan df error 12. Dalam SAS
untuk menguji hipotesis maka Ftest harus dibandingan dengan Ftabel. Apabila
Ftest < 0,05 maka H1 diterima, namun sebalikanya apabila Ftest>0,05 maka
H1 ditolak dan H0 diterima. Dan dari hasil tabel anova ditunjukan bahwa
Ftest> 0,05 yang berarti H1 ditolak dan H0 diterima, yang dapat disimpulkan
bahwa adanya perbedaan pada cara pembersihan kapas diawal proses katun. Pada percobaan
ini terdapat populasi yaitu 20 batch kapas, sampelnya 4 batch kapas,
perlakuannya yaitu proses cuci, ulanganya 5 kali ulangan, dengan menggunakan
model acak
DAFTAR PUSTAKA
Arianti. 2009. Rancangan Acak Kelompok. (online). https://smartstat.wordpress.com/2009/10/22/rancangan-acak-kelompok-lengkap-rakl/.
Diakses pada tanggal 19 November 2016.
Desain dan
Analisis Eksperimen. Bandung : Tarsito. Widjaja, Hendra. 2009. SAS, Statistical
Analysis System. (Online). (https://hendrawidjaja.wordpress.com/tag/statistical-analysis-system/
diakses tanggal 22 November 2016.
Hasan, M. Iqbal. 2002. Pokok-Pokok Materi Metodologi
Penelitian dan Aplikasinya. Jakarta: Gralia Indonesia
Harlyan, L. Ika. 2012. Rancangan Acak Kelompok.
Dept. Fisheries and Marine Management. Universitas Brawijaya Malang.
Yitnosumarto, Suntoyo. 1991. Percobaan
Perancangan, Analisis, dan Interpretasinya. Jakarta : PT. Gramedia
Pustaka Utama.
Tidak ada komentar:
Posting Komentar