Rancangan Percobaan merupakan penyelidikan yang direncanakan bertujuan untuk menurunkan informasi dimana keputusan dapat didasarkan. Rancangan Acak Lengkap merupakan jenis rancangan percobaan yang paling sederhana sehingga percobaan ini banyak digunakan di bidang Pertanian dan studi terkait biologis lainnya. Ini memberikan informasi tentang dua atau lebih fenomena yang diteliti. Misalnya, percobaan dapat dilakukan pada dua atau lebih tingkat pupuk tertentu, untuk mengetahui apakah hasil rata-rata tanaman yang dihasilkan dari penerapan pupuk ini adalah sama atau berbeda.
Rancangan Percobaan mengacu ke prosedur statistik tertentu dengan memberikan perlakuan pada unit percobaan atau unit sehingga dapat memantau efek perawatan pada unit percobaan tersebut. Oleh karena itu hal terpenting dalam rancangan percobaan yang sesuai adalah proses dalam eksperimentasinya.
BAB III
TINJAUAN PUSTAKA
SPSS adalah aplikasi untuk melakukan analisis statistik. SPSS adalah singkatan dari Statistical Package for the Social Sciences. Aplikasi SPSS adalah salah satu program pengolahan statistic yang paling umum digunakan dalam penelitian yang menggunakan data kuantitatif atau data kualitatif yang dikuantitatifkan. SPSS adalah program aplikasi yang memiliki analisis data statistik yang cukup tinggi. SPSS memiliki sistem manajemen data pada lingkungan grafis dengan menggunakan menu-menu deskriptif dan kotak-kotak dialog yang sederhana, sehingga mudah mengoprasikan dan memahaminya. SPSS ini adalah salah satu program aplikasi yang paling banyak diminati dan digunakan oleh para analis dan peneliti untuk mengolah data-data statistik.
Rancangan Acak Lengkap (RAL) ialah rancangan yang paling sederhana dan paling mudah diantara rancangan-rancangan percobaan yang baku. RAL biasanya digunakan untuk percobaan yang dilakukan di laboratorium, ruang kultur jaringan dan rumah kaca atau dalam percobaan-percobaan tertentu yang memiliki kondisi lingkungan relatif homogen. Rancangan ini dikatakan acak karena setiap satuan percobaan mempunyai peluang yang sama untuk mendapatkan perlakuan sedangkan dikatakan lengkap karena seluruh perlakuan yang dirancang dalam percobaan tersebut digunakan. Analisis dalam Rancangan Acak Lengkap ini dapat dilakukan dengan mudah dan langsung. Dalam Rancangan Acak Lengkap, banyaknya satuan percobaan tidak dibatasi. Namun dalam beberapa situasi, dimungkinkan ketidakpraktisan untuk mengukur atau mengamati keseluruhan satuan percobaan. Oleh karena itu, upaya yang dapat dilakukan untuk menanggulangi hal tersebut menggunakan Rancangan Acak Lengkap dengan subsampel.
Ketidaksamaan jumlah data tiap perlakuan dan unit sampel dapat terjadi dalam Rancangan Acak Lengkap dengan subsampel. Ketidaksamaan ini dimungkinkan terjadi karena adanya data yang hilang atau jumlah ulangan yang berbeda. Kemungkinan ketidaksamaan kasus data pengamatan yang akan ditemui antara lain : (1) ketidaksamaan jumlah ulangan tetapi jumlah unit sampel sama, (2) ketidaksamaan jumlah unit sampel tetapi jumlah ulangan sama, dan (3) ketidaksamaan jumlah unit sampel dan ulangan. Dari tiga kasus tersebut dimungkinkan mempunyai tabel ANAVA yang berbeda satu dengan lainnya. Berdasarkan hal tersebut, penulis tertarik untuk mempelajari dan membahas prosedur ANAVA dalam Rancangan Acak Lengkap dengan subsampel pada 3 kasus yang berlainan.
Beberapa kelebihan dari Rancangan Acak Lengkap adalah sebagai berikut:
Fleksibel. Disesuaikan dengan sumber keragaman yang ada dan tidak ada batasan antara jumlah perlakuan atau ulangan.
Mudah dianalisis. Dari semua rancangan lapangan, RAL adalah rancangan yang paling mudah dalam analisisnya, walaupun dalam keadaan jumlah ulangan dan perlakuan tidak sama.
Derajat bebas estimasi maksimum terdapat pada error. Ini berlaku hanya untuk percobaan-percobaan kecil atau untuk pengamatan dimana variasi luar besar.
Sedangkan kelemahan dari Rancangan Acak Lengkap adalah relatif tidak efesien bila ada rancangan yang lebih tepat untuk digunakan. Hal ini bersumber dari fakta bahwa semua keragaman yang tidak diketahui (serta keragaman faktor luar yang dapat dikendalikan) tercakup dalam galat percobaan.
Untuk melakukan pengolahan data di SPSS, tahap pertama yang harus dipersiapkan adalah memiliki datanya terlebih dahulu di google sheet agar memudahkan membedakan data mentah dan data yang akan di input pada aplikasi SPSS.
Langkah 1. Jalankan program SPSS 16
Data editor adalah window yang bersama output window pertama kali keluar pada saat pertama kali dioperasikan SPSS for window. Window ini berwujud kotak-kotak persegi sejenis tampilan spreadsheet yang berfungsi sebagai sarana pemasukan data, penghapusan, pengurutan dan berbagai pengolahan data aslinya. SPSS Data Editor terdiri dari dua tab sheet, yaitu: Data View dan Variable View.
Gambar 1. Tampilan Data View
Data View adalah tab sheet yang menampilkan nilai data yang sebenarnya atau label nilai yang didefinisikan. Pada tab sheet inilah, anda mengentri data ke SPSS. Diatasnya terdapat menu-menu seperti File, Edit, View, Windows, dan Help seperti halnya menu-menu umum pada aplikasi under Windows lainnya. Menu-menu utama SPSS adalah:
Gambar 2. Tampilan variable view
Variable View adalah tab sheet yang menampilkan kamus metadata di mana setiap baris mewakili sebuah variabel dan memperlihatkan nama variabel, jenis data (misal: numeric, string, date), lebar cetak, dan berbagai karakteristik lain. Menu yang tersedia dalam Variabel View diantaranya nama, type, label, value, missing, columns, align, meassure, dan role.
Ada dua tempat yang harus diisi dalam SPSS, yaitu data view (untuk mengisi data yang akan diolah), dan variable view (untuk tempat variable, atau sumber keragaman dalam tabel sidik ragam).
Langkah 2. Mengisi bagian kolom "Name" pada variable view. Dalam kolom name yang diisi adalah perlakuan, ulangan dan hasil.
Gambar 3. Tampilan variable view setelah diisi
Langkah 3: Selanjutnya pada kolom “Decimals” disesuaikan berapa banyak decimal yang akan kita gunakan.
Langkah 4 : Setelah bagian Decimals, selanjutnya kolom “Label”. Dalam kolom “label” diisi sesuai yang kita amati pada skripsi. Pada label perlakuan diisi dengan "Aplikasi Ekstrak Inggu Pada Pengamatan 1 JSA (Jam Setelah Tanam). Sedangkan pada label hasil diisi dengan "Rata-rata Daya Repelensi Larva Diaphania indica".
Gambar 4. Tampilan label perlakuan dan hasil
Langkah 5 : Mengisi Bagian “Values”
1. Pada kolom “Values Perlakuan”klik 2x pada bagian kanan sel hingga muncul sebuah tombol baru yang berisi titik-titik, klik tombol tersebut hingga muncul kotak “Value Labels”.
2.Isi kotak value dengan angka dan kotal labels dengan kode perlakuan. 1= K1= Konsentrasi 1%, 2= K2 = Konsentrsi 2%, 3= K3 = Konsentrasi 3%, 4= K4 = Konsentrasi 4%, 5 = K5 = Konsentrasi 5% kemudian klik “add” dan seterusnya sampai semua perlakuan dimasukkan lalu klik OK.
Gambar 5. Tampilan Value perlakuan
3. Isi kotak value dengan angka dan kotal labels dengan kode ulangan.1= Ulangan I Dan seterusnya seperti pada gambar , kemudian klik “add” dan seterusnya sampai semua perlakuan dimasukkan lalu klik OK.
Gambar 6. Tampilan Value ulangan
Langkah 6 : Mengisi Bagian “Data View”
1. Klik “Data View” yang terletak disudut kiri bawah,
2. Mengisi data yang akan diolah pada kolom hasil, pastikan data berada pada perlakuan, ulangan, dan hasil.
Gambar 7. Tampilan data view
Langkah 7 : Menganalisis Data
Klik Bagian Analyze -> General Linear -> Model Univariate
Gambar 8. Tampilan Analize
Gambar 9. Tampilan Univariate
Langkah 8 : Mengisi “Dependent Variable” pada kotak Univariate
Klik Bagian Hasil -> Klik Tanda Panah Pada Bagian Dependent Variable, sehingga seperti ini.
Langkah 9 : Mengisi “Fixed Factor(s)” pada kotak Univariate
Klik Bagian Perlakuan -> Klik Tanda Panah Pada Bagian Fixed Factor(s), sehingga seperti ini
Gambar 10. Tampilan Dependent veriable dan fixed factor
Langkah 10 : Mengisi “Model” pada kotak Univariate
Klik tombol Model -> hingga muncul kotak Univariate: Model. Pada bagian Specify Model -> klik Custom. Setelah bagian Custom diklik, lihat bagian Kiri Kotak Dialog Univariate: Model, ada bagian Factor & Covariates -> Klik bagian Perlakuan -> Klik Tanda Panah di Bagian tengah Kotak Dialog.
Gambar 11. Tampilan model
Langkah 11 : Mengisi “Post Hoc” pada kotak Univariate
Klik tombol Post Hoc -> hingga muncul kotak Univariate: Post Hoc. Klik bagian Perlakuan -> Klik Tanda Panah di Bagian tengah Kotak Dialog -> Klik Continue. Kemudian pada bagian Equal Variances Assumed -> Klik Bagian LSD (untuk Uji BNJ), Tukey (untuk Uji BNJ), dan Duncan (Untuk Uji Duncan) -> Klik Continue.
Gambar 12. Tampilan Post Hoc
Langkah 12 : Mengisi “Options” pada kotak Univariate
Klik tombol Options -> hingga muncul kotak Univariate: Options. Klik bagian OVERALL -> Klik Tanda Panah di Bagian tengah Kotak Dialog. Kemudian pada bagian Display -> Klik Bagian Desciptive Statistics dan Homogeneity Tests -> Klik Continue -> Kembali ke kotak univariate -> Klik Ok.
Komentar
Posting Komentar