Rancangan Percobaan dengan SPSS 13.0 (Untuk kalangan sendiri)

Rancangan Percobaan dengan SPSS 13.0 (Untuk kalangan sendiri) Statistical Product and Service Solution (SPSS) merupakan salah satu perangkat lunak/software statistik yang dapat digunakan sebagai alat pengambil keputusan pada bidang statistik. Rancangan Dasar yang akan dibahas dalam tulisan ini antara lain Rancangan Acak Lengkap (RAL), Rancangan Acak Kelompok (RAK), Rancangan Bujur Sangkar (RBS), Rancangan Faktorial Confounding (Split Plot), dan teknik Transformasi Data dalam SPSS 13.0 Memulai bekerja dengan SPSS 13.0 Jika software SPSS 13.0 telah ter-install pada komputer anda, maka untuk memulai bekerja, Klik Start, pilih All Programs SPSS for windows - SPSS 13.0 for windows. Setelah anda klik, maka tampilan awal SPSS 13.0 yang akan muncul adalah seperti gambar di bawah ini. JHPT-Faperta-Unpad, hal.1 dari 16

Untuk mulai dengan memasukan data, maka pilih Type in data lalu klik Ok sehingga muncul tampilan SPSS data editor seperti gambar di bawah ini. SPSS data editor merupakan lingkungan tempat dimana kita bekerja. Disini terdapat 2 type lingkungan kerja yaitu Data View dan Variabel View. Data View adalah tempat memasukan data hasil pengamatan. Variabel View adalah tempat menetapkan variabel-variabel pangamatan. Bekerja pada Variable View Variable view memiliki 10 kolom yaitu Name, Type, Width, Decimals, Label, Values, Missing, Columns, Align dan Measure. Name, digunakan untuk memberi nama data. (Maks. 8 karakter) Type, digunakan untuk memilih jenis data. Secara default SPSS memberi type Numeric (data angka). Untuk data non angka pilih type String. JHPT-Faperta-Unpad, hal.2 dari 16

Nominal Data Kategorikal Numerik Ordinal Interval Ratio Width, digunakan untuk menentukan jumlah karakter/digit yang dapat ditulis. Untuk data string 1-32767 karakter dan untuk data numerik 1-40 digit. Decimals, digunakan untuk menentukan jumlah angka desimal (angka dibelakang koma). Secara default SPSS memberi 2 angka desimal. Label, digunakan untuk memberi keterangan nama variabel. Pengisian/pengosongan kolom ini tidak mempengaruhi data SPSS. Values, digunakan untuk memberikan kode data. Missing, digunakan apabila ada data yang hilang atau belum diobservasi. Apabila data lengkap/tidak memuat data yang hilang maka kolom missing values tidak perlu diisi. Column, digunakan untuk mengatur lebar kolom sesuai dengan data yang kita masukan (1-255 digit). Align, digunakan untuk mengatur posisi data (rata kanan, rata kiri dan center). JHPT-Faperta-Unpad, hal.3 dari 16

Measure, digunakan untuk menentukan tipe pengukuran. Untuk data string terdiri atas Ordinal dan Nominal. Sedangkan untuk data kuantatif tanpa kategori pilih type Scale. RAL Rancangan Acak Lengkap Contoh Kasus 1 (Soal UAS 2006) Data Pengamatan Perlakuan Jumlah Larva B. carambolae I II III IV Metil eugenol 0,3 ml 77.08 59.34 52,54 62.03 Metil eugenol 0,5 ml 58.70 57.42 55.55 60.00 Metil eugenol 0,7 ml 50.77 47.87 53.73 50.19 Metil eugenol 0,9 ml 48.45 46.15 51.35 49.02 Metil eugenol 1,0 ml 45.57 47.29 46.15 43.86 Kontrol 52.54 61.34 53.73 54.94 Langkah-langkah penyelesaian 1. Lakukan data entry pada lingkungan kerja Data View seperti gambar berikut : 2. Pendefinisian variable data, dilakukan pada lingkungan kerja variable view dengan melakukan langkah-langkah berikut : a. Baris ke-1 Name : isi dengan Treat JHPT-Faperta-Unpad, hal.4 dari 16

Type : Pilih Numeric Decimals : Pilih 0 (karena data bilangan bulat) Abaikan kolom yang lainnya b. Baris ke-2 Name : isi dengan Data Type : Pilih Numeric Decimals : Pilih 2 Value, isi dengan cara : o Value : 1, Value label : Metil Eugenol 0.3 ml. o Value : 2, Value label : Metil Eugenol 0.5 ml. o Value : 3, Value label : Metil Eugenol 0.7 ml. o Value : 4, Value label : Metil Eugenol 0.9 ml. o Value : 5, Value label : Metil Eugenol 1.0 ml. o Value : 6, Value label : Kontrol. Abaikan kolom yang lainnya 3. Analisis data dengan cara memilih menu Analize Compare Means One way ANOVA JHPT-Faperta-Unpad, hal.5 dari 16

Pada Kotak dialog One way ANOVA: Dependent List : Data1 Factor : Treat Kotak dialog akan seperti gambar berikut : Klik Option o Centang Descriptive Statistics. o Centang Means Plots. o Klik Continue, kotak dialog akan seperti gambar di bawah ini : Klik Post Hoc o Centang Duncan o Significance Level : 0.05 o Klik Continue, kotak dialog akan seperti gambar di bawah ini : Klik OK 4. Hasil Output akan tampak seperti di bawah ini : JHPT-Faperta-Unpad, hal.6 dari 16

Oneway Data1 N Mean Descriptives Std. Deviation Std. Error 95% Confidence Interval for Mean Lower Upper Bound Bound Minimum Maximum Metil Eugenol 0.3 ml. 4 62.7475 10.35599 5.17799 46.2688 79.2262 52.54 77.08 Metil Eugenol 0.5 ml. 4 57.9175 1.89751.94876 54.8981 60.9369 55.55 60.00 Metil Eugenol 0.7 ml. 4 50.6400 2.41111 1.20556 46.8034 54.4766 47.87 53.73 Metil Eugenol 0.9 ml. 4 48.7425 2.13562 1.06781 45.3442 52.1408 46.15 51.35 Metil Eugenol 1.0 ml. 4 45.7175 1.42967.71484 43.4426 47.9924 43.86 47.29 Kontrol 4 55.6375 3.92590 1.96295 49.3905 61.8845 52.54 61.34 Total 24 53.5671 7.28264 1.48656 50.4919 56.6423 43.86 77.08 Data1 ANOVA Sum of Squares df Mean Square F Sig. Between Groups 803.813 5 160.763 6.956.001 Within Groups 416.034 18 23.113 Total 1219.847 23 Post Hoc Tests Homogeneous Subsets Duncan Data1 Subset for alpha =.05 Treat N 1 2 3 4 Metil Eugenol 1.0 ml. 4 45.7175 Metil Eugenol 0.9 ml. 4 48.7425 48.7425 Metil Eugenol 0.7 ml. 4 50.6400 50.6400 50.6400 Kontrol 4 55.6375 55.6375 55.6375 Metil Eugenol 0.5 ml. 4 57.9175 57.9175 Metil Eugenol 0.3 ml. 4 62.7475 Sig..187.069.056.062 Means for groups in homogeneous subsets are displayed. a Uses Harmonic Mean Sample Size = 4.000. JHPT-Faperta-Unpad, hal.7 dari 16

Mean of Data1 Means Plots 65.00 62.75 60.00 57.92 55.64 55.00 50.64 50.00 48.74 45.72 45.00 Metil Eugenol 0.3 ml. Metil Eugenol 0.5 ml. Metil Eugenol 0.7 ml. Metil Eugenol 0.9 ml. Metil Eugenol 1.0 ml. Kontrol Treat Interpretasi data: Berdasarkan table ANOVA di atas diketahui bahwa terdapat perbedaan yang sangat signifikan (0,01) antar perlakuan yang diberikan. Jumlah larva tertinggi yaitu pada perlakuan Metil eugenol 0,3 ml dengan rata-rata jumlah larva 62,75 ekor. Semakin banyak Metil eugenol yang diaplikasikan, semakin sedikit jumlah larva yang diperoleh. JHPT-Faperta-Unpad, hal.8 dari 16

Contoh Kasus 2 (Tabel 5.3, Gasperz,1995) RAK Rancangan Acak Kelompok Data Pengamatan Kelompok Umur Perlakuan 1 2 3 4 Total Kelompok 1 2 5 8 6 21 2 3 4 7 5 19 3 3 5 10 5 23 4 5 5 9 2 21 Total Perlakuan 13 19 34 18 84 Rata-rata 3.25 4.75 8.50 4.50 5.25 Langkah-langkah penyelesaian 1. Lakukan data entry pada lingkungan kerja Data View seperti gambar berikut : 2. Pendefinisian variable data, dilakukan pada lingkungan kerja variable view dengan melakukan langkah-langkah berikut : a. Baris ke-1 Name : isi dengan Blok Type : Pilih Numeric Decimals : Pilih 0 (karena data bilangan bulat) JHPT-Faperta-Unpad, hal.9 dari 16

Value, isi dengan cara : o Value : 1, Value label : Kelompok umur 1 o Value : 2, Value label : Kelompok umur 2 o Value : 3, Value label : Kelompok umur 3 o Value : 4, Value label : Kelompok umur 4 Abaikan kolom yang lainnya b. Baris ke-2 Name : isi dengan Metoda Type : Pilih Numeric Decimals : Pilih 0 (karena data bilangan bulat) Value, isi dengan cara : o Value : 1, Value label : Campuran A. o Value : 2, Value label : Campuran B. o Value : 3, Value label : Campuran C. o Value : 4, Value label : Campuran D. Abaikan kolom yang lainnya c. Baris ke-3 Name : isi dengan Data1 Type : Pilih Numeric Decimals : Pilih 0 (karena data bilangan bulat) Abaikan kolom yang lainnya 3. Analisis data dengan cara memilih menu Analize General Linear Model Univariate JHPT-Faperta-Unpad, hal.10 dari 16

Pada Kotak dialog Univariate: Dependent Variable : Data1 Fixed Factor(s) : Blok & Metoda Kotak dialog akan seperti gambar berikut : Klik Model o Centang Custom. o Pilih Blok & Metode. o Sum of squares pilih Type II o Hilangkan centang pada Include intercept in model o Klik Continue, kotak dialog akan seperti gambar di bawah ini : Klik Plots o Isi Horizontal Axis dengan Blok o Isi Separate Lines dengan metode o Klik Add o Klik Continue, kotak dialog akan seperti gambar di bawah ini : JHPT-Faperta-Unpad, hal.11 dari 16

Klik Post Hoc o Pillih Metode ke Post Hoc Tests for o Centang Duncan o Klik Continue, kotak dialog akan seperti gambar di bawah ini : Klik Option o Pilih Blok & Metode pada Display Means for. o Centang Descriptive statistics & Homogeneity Tests. o Klik Continue, kotak dialog akan seperti gambar di bawah ini : 4. Klik OK 5. Hasil Output akan tampak seperti di bawah ini : JHPT-Faperta-Unpad, hal.12 dari 16

Univariate Analysis of Variance Between-Subjects Factors Value Label N Blok 1 Kelompok umur 1 4 2 Kelompok umur 2 4 3 Kelompok umur 3 4 4 Kelompok umur 4 4 Metode 1 Campuran A 4 2 Campuran B 4 3 Campuran C 4 4 Campuran D 4 Dependent Variable: Data1 Descriptive Statistics Blok Metode Mean Std. Deviation N Kelompok umur 1 Campuran A 2.00. 1 Campuran B 5.00. 1 Campuran C 8.00. 1 Campuran D 6.00. 1 Total 5.25 2.500 4 Kelompok umur 2 Campuran A 3.00. 1 Campuran B 4.00. 1 Campuran C 7.00. 1 Campuran D 5.00. 1 Total 4.75 1.708 4 Kelompok umur 3 Campuran A 3.00. 1 Campuran B 5.00. 1 Campuran C 10.00. 1 Campuran D 5.00. 1 Total 5.75 2.986 4 Kelompok umur 4 Campuran A 5.00. 1 Campuran B 5.00. 1 Campuran C 9.00. 1 Campuran D 2.00. 1 Total 5.25 2.872 4 Total Campuran A 3.25 1.258 4 Campuran B 4.75.500 4 Campuran C 8.50 1.291 4 Campuran D 4.50 1.732 4 Total 5.25 2.324 16 JHPT-Faperta-Unpad, hal.13 dari 16

Dependent Variable: Data1 Tests of Between-Subjects Effects Source Type II Sum of Squares df Mean Square F Sig. Corrected Model 63.500(a) 6 10.583 5.443.012 Intercept 441.000 1 441.000 226.800.000 Blok 2.000 3.667.343.795 Metode 61.500 3 20.500 10.543.003 Error 17.500 9 1.944 Total 522.000 16 Corrected Total 81.000 15 a R Squared =.784 (Adjusted R Squared =.640) Estimated Marginal Means 1. Blok Dependent Variable: Data1 95% Confidence Interval Blok Mean Std. Error Lower Bound Upper Bound Kelompok umur 1 5.250.697 3.673 6.827 Kelompok umur 2 4.750.697 3.173 6.327 Kelompok umur 3 5.750.697 4.173 7.327 Kelompok umur 4 5.250.697 3.673 6.827 2. Metode Dependent Variable: Data1 95% Confidence Interval Metode Mean Std. Error Lower Bound Upper Bound Campuran A 3.250.697 1.673 4.827 Campuran B 4.750.697 3.173 6.327 Campuran C 8.500.697 6.923 10.077 Campuran D 4.500.697 2.923 6.077 JHPT-Faperta-Unpad, hal.14 dari 16

Estimated Marginal Means Post Hoc Tests Metode Homogeneous Subsets Duncan Data1 Subset Metode N 1 2 Campuran A 4 3.25 Campuran D 4 4.50 Campuran B 4 4.75 Campuran C 4 8.50 Sig..179 1.000 Means for groups in homogeneous subsets are displayed. Based on Type II Sum of Squares The error term is Mean Square(Error) = 1.944. a Uses Harmonic Mean Sample Size = 4.000. b Alpha =.05. Profile Plots Estimated Marginal Means of Data1 9 8 Metode Campuran A Campuran B Campuran C Campuran D 7 6 5 4 3 2 Kelompok umur 1 Kelompok umur 2 Blok Kelompok umur 3 Kelompok umur 4 JHPT-Faperta-Unpad, hal.15 dari 16

Interpretasi data: Berdasarkan table ANOVA di atas diketahui bahwa terdapat perbedaan yang sangat signifikan (0,01) antar perlakuan yang diberikan. Pertambahan bobot tertinggi dihasilkan perlakuan ke-3 dengan nilai rata rata pertambahan sebesar 8,5 kg. Berdarakan uji lanjut (Duncan) diketahui bahwa nilai pertambahan perlakuan ke-3 tersebut berbeda nyata dengan perlakuan lainnya. JHPT-Faperta-Unpad, hal.16 dari 16