Uji Beda Nyata Duncan Dan LSD
Uji Beda Nyata Duncan Dan LSD
Uji Beda Nyata Duncan Dan LSD
PENDAHULUAN
B1 A2 B2 C1 D3
B3 C2 D2 E2 E3
C3 B4 E1 A4 D1
C4 A3 A1 D4 E4
(I.Marzuki. 2005)
dimana:
Yij(t) = nilai pengamatan pada baris ke-i, kolom ke-j yang mendapat perlakuan
ke-t.
Hipotesis
2. Terdapat dua sumber keragaman dalam RAL yaitu keragaman yang terjadi karena
perlakuan dan keragaman antar satuan percobaan yang mendapat perlakuan sama.
Keragaman yang kedua ini disebut galat percobaan (experimental error). Oleh karena
itu, tabel ANOVA RAL memiliki dua komponen keragaman, perlakuan dan galat.
Tabel analisis ragam RAL ulangan sama tampak seperti berikut :
H0 : µ1 = µ2 = µ3 = µ4 …….= µn
H1 : µ1 ≠ µ2 ≠ µ3 ≠ µ4 ……. ≠ µn
Untuk melakukan uji lanjutan, digunakan beberapa jenis uji lanjutan. Setiap
jenis uji lanjutan memerlukan kriteria-kriteria tertentu yang harus dipenuhi sehingga
pengunaannya tidak boleh sembarang. Penggunaan uji lanjutan digunakan untuk
mengetahui pasangan perlakuan mana yang mempunyai nilai tengah yang berbeda.
Untuk menentukan jenis uji lanjutan yang sesuai maka harus diperhatikan apakah uji
yang akan digunakan adalah untuk perbandingan yang bersifat terencana atau tidak.
Perbandingan terencana adalah perbandingan yang memang direncanakan sebelum
data suatu percobaan diperoleh atau sebelum percobaan dilakukan, sedangkan
perbandingan tidak terencana adalah perbandingan yang dilakukan setelah data
diperoleh.
Berbagai macam jenis uji lanjut diantaranya adalah Uji duncan dan Uji BNt
(Beda Nyata terkecil) atau yang lebih dikenal sebagai uji LSD (Least Significance
Different.
Uji Ducan adalah prosedur perbandingan dari nilai tengah perlakuan (rata-rata
perlakuan) untuk semua pasangan perlakuan yang ada. Uji lanjut ini menggunakan
nilai pembanding sebagai alat uji sesuai dengan jumlah nilai tengah atau rataan yang
ada diwilayah dua perlakuan yang dibandingkan.
Uji jarak ganda Duncan atau Uji DMRT ( Duncan Multiple Range Test) untuk
mengetahui jenis terbaik berdasarkan rankingnya. Uji ini dilakukan kareana adanya
perbedaan nyata pada hasil analisis varians. Uji ini juga dilakukan untuk mengetahui
adanya perbedaan dari pemberian perlakuan yang dilakukan uji F.
Uji Duncan juga digunakan untuk melihat adanya pengaruh antar perlakuan
yang diuji Uji Duncan atau juga dikenal dengan istilah Duncan Multiple Range Test
(DMRT) memiliki nilai kritis yang tidak tunggak tetapi mengikuti urutan rata –rata
yang dibandingkan. Nilai kritis uji Duncan dinyatakan dalam nilai least significant
range:
Di mana :
qα : sebaran wilayah di student kan untuk uij Duncan pada α, p dan dbf
2. taraf nyata
3. jumlah perlakuan
Uji DMRT ini dilakukan hanya apabila hasil analisis ragam minimal
berpengaruh nyata.
( Mawardi , 2013)
B. HASIL PENGAMATAN
1 R0 1 6.6
2 R0 2 6.4
3 R0 3 5.9
4 R0 4 6.6
5 R0 5 6.2
6 R0 6 6.7
7 R0 7 6.3
8 R0 8 6.5
9 R0 9 6.5
10 R0 10 6.8
11 R1 1 5.6
12 R1 2 5.2
13 R1 3 5.3
14 R1 4 5.1
15 R1 5 5.7
16 R1 6 5.6
17 R1 7 5.6
18 R1 8 6.3
19 R1 9 5.0
20 R1 10 5.4
21 R2 1 6.9
22 R2 2 7.1
23 R2 3 6.4
24 R2 4 6.7
25 R2 5 6.5
26 R2 6 6.6
27 R2 7 6.6
28 R2 8 6.6
29 R2 9 6.8
30 R2 10 6.8
TREAT 3 R0 R1 R2
1 R0 1 6.6
2 R0 2 6.4
3 R0 3 5.9
4 R0 4 6.6
5 R0 5 6.2
6 R0 6 6.7
7 R0 7 6.3
8 R0 8 6.5
9 R0 9 6.5
10 R0 10 6.8
11 R1 1 5.6
12 R1 2 5.2
13 R1 3 5.3
14 R1 4 5.1
15 R1 5 5.7
16 R1 6 5.6
17 R1 7 5.6
18 R1 8 6.3
19 R1 9 5.0
20 R1 10 5.4
21 R2 1 6.9
22 R2 2 7.1
23 R2 3 6.4
24 R2 4 6.7
25 R2 5 6.5
26 R2 6 6.6
27 R2 7 6.6
28 R2 8 6.6
29 R2 9 6.8
30 R2 10 6.8
TREAT 3 R0 R1 R2
Level of -------------KONS------------
TREAT N Mean SD
R0 10 6.45000000 0.26352314
R1 10 5.48000000 0.37357135
R2 10 6.70000000 0.20548047
NOTE: This test controls the type I comparisonwise error rate, not
the experimentwise error rate
Number of Means 2 3
Critical Range .2655 .2790
A 6.7000 10 R2
A
A 6.4500 10 R0
B 5.4800 10 R1
HASIL ANALISIS VARIETAS-RAL 9
16:07 Monday, May 5, 1997
NOTE: This test controls the type I comparisonwise error rate not
the experimentwise error rate.
A 6.7000 10 R2
A
A 6.4500 10 R0
B 5.4800 10 R1
C. PEMBAHASAN
Pada bagian options1s=78, angka 78 ini merupakan angka yang akan
digunakan sebanyak mana barisan yang akan digunakan, Sebelum kita menulis
program SAS, kita harus menentukan dulu nama pada setiap peubah. Kita lakukan ini
agar kita bisa membedakan peubah yang satu dengan peubah yang lain ketika
melakukan komputasi atau ketika meminta statistiknya. Nama peubah SAS harus
sesuai dengan beberapa aturan yang sederhana, Misalnya data zaitun bisa diganti
dengan data kelompok atau nama sendiri namun tidak boleh melebihi 8 karakter hal
ini dikarenakan SAS membatasi hanya sampai 8 digit keluaran nya, apabila lebih dari
itu SAS tidak dapat memunculkan datanya, Hal ini sesuai dengan pendapat SAS
Sumatera Utara (2015) yang menyatakan Pada SAS MMDDYY8. hasil keluarannya
hanya 8 digit.
Ada beberapa jenis pernyataan SAS, tetapi umumnya di-pakai bersama-
sama yang diakhiri dengan titik koma. Titik koma dalam program SAS seperti sebuah
titik dalam bahasa inggris. Kemungkinan terbanyak ditemukannya error dalam
program SAS adalah hilangnya tanda titik koma. Hilangnya disebabkan komputer
membaca dua pernyataan sebagai suatu pernyataan yang berlanjut dan tetap menjadi
suatu hal yang salah.
Perlu diingat bahwa semua command atau perintah SAS harus diakhiri dengan
semicolon (;) sebagai command terminator dalam SAS untuk menandai akhir suatu
command. Jika tidak ada (;) maka SAS akan menggabungkan syntax baris berikutnya
dengan syntax baris sebelumnya sebagai satu command. Hal ini merupakan sumber
kesalahan yang sering terjadi dalam pemrograman SAS.
Tanda dolar ($) setelah variabel nama dan gander menunjukkan bahwa tipe
data ialah text, sedanngkan pada umur tinggi dan berat diakhirnya tidak dilambangkan
dengan dolar hal ini dikarena variabelnya berupa angka.
Pada awal saat memasukan data Rancangan Acak Lengkap , maka dengan
mengetik data dt1; input treats$ r kons dan kemudian cards, r yang dimaksud dari data
adalah replikasi dan cards adalah perintah untuk menolah data, maka setelah kita
mengetik itu dan proc prit; run; maka pada output SAS muncul data seperti berikut :
R0 1 6.6
R0 2 6.4
R0 3 5.9
R0 4 6.6
R0 5 6.2
R0 6 6.7
R0 7 6.3
R0 8 6.5
R0 9 6.5
R0 10 6.8
R1 1 5.6
R1 2 5.2
R1 3 5.3
R1 4 5.1
R1 5 5.7
R1 6 5.6
R1 7 5.6
R1 8 6.3
R1 9 5.0
R1 10 5.4
R2 1 6.9
R2 2 7.1
R2 3 6.4
R2 4 6.7
R2 5 6.5
R2 6 6.6
R2 7 6.6
R2 8 6.6
R2 9 6.8
R2 10 6.8
Dan setelah itu dilanjutkan dengan mengetik titile ‘ hasil analisis ragam RAL ‘, proc
glm data=dt1; class treat, model kons=treats ; run; , Pada General Linear Models
Procedure adanya perintah Proc GLM, dimana Proc GLM merupakan suatu program
statistika yang bertujuan untuk menganalisa data yang berdasarkan pada penelitian
percobaan baik di lapangan maupun di laboratorium . GLM atau General Linear
Model (Model Linear Umum) dibuat olehSAS In. sebagai salah satu bagian dari
program SAS disamping program-program lainnya, maka pada output SAS nya akan
muncul data seperti berikut :
OBS TREAT R KONS
1 R0 1 6.6
2 R0 2 6.4
3 R0 3 5.9
4 R0 4 6.6
5 R0 5 6.2
6 R0 6 6.7
7 R0 7 6.3
8 R0 8 6.5
9 R0 9 6.5
10 R0 10 6.8
11 R1 1 5.6
12 R1 2 5.2
13 R1 3 5.3
14 R1 4 5.1
15 R1 5 5.7
16 R1 6 5.6
17 R1 7 5.6
18 R1 8 6.3
19 R1 9 5.0
20 R1 10 5.4
21 R2 1 6.9
22 R2 2 7.1
23 R2 3 6.4
24 R2 4 6.7
25 R2 5 6.5
26 R2 6 6.6
27 R2 7 6.6
28 R2 8 6.6
29 R2 9 6.8
30 R2 10 6.8
Pada data analisis varietas Dapat dilihat pada hasil data tersebut diperoleh Df
treatment nya 2 dan df error 27, dan total nya 29, dan diperoleh SS pada treatment
sebesar 8,36 dan means squarenya 4,15300000 dan pada experimental errornya
diperoleh sum of squaresnya 2,26100000 dan means squarenya sekitar 0.8374074. dan
dari data ini diperoleh F valuenya sebesar 49,59 , jika dibandingkan dengan cara
manual maka F kalkulasinya diperoleh 46,11 , sedikit ada perbedaan besarnya. Pada
SAS Untuk mencari kesimpulannya maka dengan membandingkan f value dengan pr
> F dan pada data di peroleh pr > F nya sebesar 0,0001, sedangkan secara manual
dengan cara membandingkan F kalkuasi atau F hitung dengan F tabel.
Berdasarkan r-square dari data diatas menunjukan keakuratan suatu data,
semakin besar nilainya maka datanya semakin akurat. Dapat dilihat keakuratan
datanya yaitu 0,78 yang menunjukan data mendekati akurat. Type I SS harus sama
hasilnya dengan type III SS yang menunjukan bahwa perhitungan benar, selain itu
F value > F tabel maka Ho ditolak dan H1 diterima sehingga ada perbedaan yang
signifikan dari data tersebut.
Sehingga pada data dengan program SAS ini Pada data 1 mengenai “Hasil
Analisis Ragam RAL 1” memiliki Hipotesis nol (H0) dan Hipotesis Alternatif (Ha).
H0 yaitu tidak ada pengaruh nyata (perbedaan) dari perlakuan terhadap hasil
pengamatan analisis Ragam RAL. Sedangkan Ha yaitu ada pengaruh nyata
(perbedaan) dari perlakuan terhadap hasil pengamatan analisis Ragam RAL. Dari data
1, diperoleh bahwa F kalkulasinya senilai 54.32. Untuk Ftabel pada α 0,05 dari df
treatment= 6 dan df error= 28 adalah 2.44. Karena nilai F kalkulasi lebih besar F tabel,
maka H0 ditolak sedangkan Ha diterima, sehingga terdapat signifikan yaitu ada
pengaruh nyata (perbedaan) dari perlakuan terhadap hasil pengamatan analisis Ragam
RAL.
Pada data 2 mengenai “Hasil Analisis Ragam RAL 2” memiliki Hipotesis nol
(H0) dan Hipotesis Alternatif (Ha). H0 yaitu tidak ada pengaruh nyata (perbedaan)
dari perlakuan terhadap hasil pengamatan analisis Ragam RAL. Sedangkan Ha yaitu
ada pengaruh nyata (perbedaan) dari perlakuan terhadap hasil pengamatan analisis
Ragam RAL. Dari data 2, diperoleh bahwa F valuenya senilai 49,59. Untuk pr > F
adalah 0,0001, sehingga Hasil analisis dapat disimpulkan sebagai berikut :
karena nilai pr > F < 0.05, maka H1 diterima dan H0 ditolak. Hal ini berarti, ada
perbedaan antara perlakuan yang dicobakan
Habis tabel anova diperoleh data signifikan H1 diterima dan Ho ditolak tetapi
kita belum tau faktor yang mana yang menyebabkan pengaruh perbedaan itu jadi perlu
di uji lanjutan di uji yaitu dengan uji duncan dan uji lsd.
Setelah didapatkan hasil RAL maka diuji dengan uji LSD, dimana Mean perlk;
mean perlk/ducan atau kita bisa mengunakan mean perlk/lsd; dan setelah itu run;
Dari data dengan uji ducan yang mana kita ketahui Uji ducan berfungsi untuk
mengetahui hasil uji beda nyata dengan metode Duncan pada RAL faktorial. Apabila
hasil yang diperoleh menunjukkan data signifikan H1 diterima dan H0 ditolak , maka
dapat dinyatakan data tersebut ke dalam uji beda nyata guna mengetahui lebih lanjut
letak perbedaan spesifik dari data. Untuk melihat output hasil tabel data RAL pada
program SAS klik input sampai pada proc print data ; run; dan dengan mengklik icon
seperti orang berlari pada program editor. Maka hasil output tabeL RAL faktorial akan
tampak, kemudian untuk melihat output table anova dalam RAL dengan mengklik
Proc glm ; Class A B; dan Model Y = A B A*B; run; maka output tabel anovanya
akan tampak. Untuk melihat hasil uji beda nyata itu sendiri yang signifikan atau tidak
yaitu dengan mengklik Mean A B ; Mean A B/DUNCAN; Run; maka data uji beda
nyata akan tampak.
Dari data yang diperoleh menunjukan data dari mean treat mengunakan alpa
0,05 dengan df yang bernilai sebesar 27 dan MSE (error) sebesar 0,083, dan selain itu
nilai tersebut dapat menunjukan apakah data tersebut berbeda nyata atau tidak.
Berdasarkan uji ducan diperoleh ada duncan grouping yaitu A berjumlah 3 pada
replikasi 3 dan replikasi 1 sedangkan b nya ada satu pada replikasi kedua. Sehingga
dapat disimpulkan bahwa data R3 tidak berbeda nyata dengan R1 karena memiliki
nilai mean yang hampir sama dan pada R1 dan R3 berbeda nyata karena nilai nya
mean nya jauh berbeda.
Daftar pustaka
I. Marzuki. 2005. Aplikasi Minitab Dalam Perancangan Percobaan Di Bidang
Agronomi. Ambon : Universitas Patimura.