perancangan dan analisis data percobaan...
Post on 06-Mar-2019
246 Views
Preview:
TRANSCRIPT
Perancangan dan Analisis Data Percobaan Pertanian
Sutoro
BB BIOGEN
PRINSIP PERANCANGAN PERCOBAAN
• Ulangan (replication)
• Pengacakan (randomization)
• Pengendalian tempat percobaan (local control)
Percobaan dilaksanakan di laboratorium, rumah kaca, dan lapang
Sumber-sumber keragaman
• Tempat percobaan:
- Bekas pertanaman sebelumnya
- Bekas pematang/galengan/pembatas lahan
- Bekas percobaan pemupukan
Sumber keragaman: adanya sebagian petak yang ternaungi
Sumber keragaman
• Pengendalian petak/lahan :
- Cara pemupukan, waktu penyiangan, perlindungan hama-penyakit, pengairan
Sumber keragaman:
alat ukur yangdigunakan
Proses untuk mendapatkan data hasil pengukuran menggunakan bantuan peralatan yang tidak samaMisalnya : Timbangan yg
tidak sama untuk mengukur berat antar unit percobaan
Sumber keragaman
Perlakuan percobaan
• Cara pemberian perlakuan percobaan
• Varietas yang diuji memiliki viabilitas benih yang berbeda
Viabilitas benih/bibit tidak baik, terdapatmissing hill.variasi antar satuan percobaan
Pemilihan rancangan percobaan
• Rancangan percobaan seyogyanya sederhana dengan mempertimbangkan tujuan dari penelitian
• Keragaman bahan-bahan yang digunakan dalam percobaan
Rancangan Perlakuan
• Satu faktor
• Dua faktor atau lebih (kombinasi antar faktor/factorial, sebagian/fractional)
• Faktor pembanding dari perlakuan sering perlu dilibatkan
Evaluasi awal
• Strip check
Rancangan Lingkungan
• Rancangan Acak Lengkap (RAL)
• Rancangan Acak Kelompok (RAK)
• Rancangan Bujursangkar Latin
• Rancangan Split Plot
• Rancangan Strip Plot
• Rancangan augmented
Rancangan Acak Lengkap (RAL)
Digunakan bilabahan percobaanhomogen
Lay out Percobaan RAL
B A E
A E D
A B C
D C B
E C D
Model linier
• Model linier RAL : Y = µ + Vi + ε
ε
V1 Vt
µ
V1
u =rata-rata umum, Vi= pengaruh varietas , ε = error
ANOVA- RAL
Sumber
keragaman
Derajat
bebas
Kuadrat
tengahF- hitung
Perlakuan t-1 KTP KTP/KTG
Galat t(r-1) KTG
Total tr-1
Contoh hasil analisis (ANOVA)
• Analysis of Variance for biji, using Adjusted SS for Tests
• Source DF Seq SS Adj SS Adj MS F P
• var 7 49.903 49.903 7.129 6.96 0.001
• Error 16 16.393 16.393 1.025
• Total 23 66.296
S = 1.01222 R-Sq = 75.27% R-Sq(adj) = 64.45%
• Unusual Observations for biji
• Obs biji Fit SE Fit Residual St Resid
• 19 12.9000 10.9333 0.5844 1.9667 2.38 R
• R denotes an observation with a large standardized residual.
Model linier Rancangan Acak Kelompok (RAK)
• Model : Y = µ + Bj+ Vi + ε
µ = rata-rata umum
Bj = pengaruh blok/kelompok
Vi = pengaruh varietas
ε = error
Digunakan bila terdapat sumber keragaman bahanpercobaan dalam 1 arah
Lay out- RAK
A B D
C A C
B D E
E C A
D E B
RAK
Rancangan Bujursangkar Latin (RBSL)
• Keragaman dlm 2 arah
-Teras
-lahan petani
Model Y = µ + Bj+ Kk + Vi + ε
Lay out- RBSL
A B C D E
B C D E A
C D E A B
D E A B C
E A B C D
Rancangan Augmenteddalam RAK• Digunakan perlakuan banyak
• Umumnya untuk keperluan seleksi (awal)
• Sejumlah perlakuan dikelompokkan
• Tiap kelompok terdapat perlakuan kontrol
1 2 A 3 4 B 5 6 C 7 8 9 10 D 11 E 12 13 14 F 15
16 B 17 C 18 D 19 20 A 21 22 F 23 24 25 26 E 27 28 29 30
31 32 F 33 34 E 35 36 B 37 38A 39 40 C 41 42 43 44 D 45
46 47 D 48 A 49 50 B 51 52 53 C 54 55 56 F 57 58 E59 60
BLOK I
BLOK II
BLOK III
BLOK IV
Banyaknya kelompok b minimum
• b > [12/(c-1)] + 1
c = jumlah perlakuan kontrol
b= jumlah kelompok
Pengaruh kelompok/blok
• Rj = Bj – M
• Bj = rata-rata semua perlakuan kontrol pada kelompok ke-j
• M = rata-rata keseluruhan perlakuan kontrol
• Digunakan untuk mengoreksi data perlakuan
Percobaan 2 faktor dalam RAL atau RAK
• Percobaan dengan menggunakan rancangan acak kelompok bila:
kedua faktor dan interaksinya semua penting
Model dalam RAK: Y = µ + Bk+ Ai + Bj + ABij + ε
Model- dalam RAL: Y = µ +Ai + Bj + ABij + ε
Percobaan 2 faktor dalam RAL
1. varietas (V1, V2, V3)
2. perlakuan stress (S0, S1))
• Perlakuan ada 6 kombinasi:
1. V1S0, 2. V1S1, 3. V2S0, 4. V2S1, 5. V3S0, 6. V3S1
• Percobaan dalam RAL, model Y = µ + Vi + Sj + VSij + ε
1 5 4 4 5 3
6 2 3 1 4 2
2 6 6 3 1 5
Percobaan 2 faktor dalam RAK
1 4 2 6 5 3 Blok I
6 2 3 1 4 5 Blok II
2 6 4 3 1 5 Blok
III
Model Y = µ + Bk+ Vi + Sj + VSij + ε
Rancangan SPLIT PLOT
• Percobaan dengan menggunakan rancangan split plot,
bila
- ada salah satu faktor yang lebih penting daripada faktor yang lain (faktor yang lebih penting ditempatkan sebagai sub-plot, yg kurangpenting sebagai main plot)
Model Y = µ + Bk+ Vi + δ + Sj + VSij + ε
Lay out- Split Plot
V1S0 V2S1 V3S1 V2S0 V1S0 V2S1
V3S0 V1S1 V1S1 V3S0 V3S0 V1S1
V2S0 V3S1 V2S1 V1S0 V2S0 V3S1
Blok I Blok II Blok III
Rancangan STRIP PLOT/Split Block
• Percobaan dengan menggunakan rancangan strip plot bila
- Pengaruh interaksi lebih penting daripada faktor yang lain.
Model Y = µ + Bk+ Vi + δ + Sj + α+VSij + ε
Lay out- Strip Plot/Split Block
V1S0 V1S1 V3S1 V3S0 V1S0 V1S1
V3S0 V3S1 V1S1 V1S0 V2S0 V2S1
V2S0 V2S1 V2S1 V2S0 V3S0 V3S1
Blok I Blok II Blok III
Rancangan tersarang (blok tersarang/nested pada perlakuan)• Percobaan evaluasi thd naungan, kekeringan, genangan di lapang
(ulangan atau blok di dalam perlakuan)
• Percobaan multilokasi untuk uji daya hasil varietas (RAK tiap lokasi)
Lay out-percobaan nested (blok tersarang dalam S)
V1S0 V2S0 V3S0 V2S1 V1S1 V2S1
V3S0 V1S0 V1S0 V3S1 V3S1 V1S1
V2S0 V3S0 V2S0 V1S1 V2S1 V3S1
Blok I Blok II Blok III Blok I Blok II Blok III
Percobaan naungan
Tanpa naungan Naungan
ANOVA
Source of variation
(percobaan 1 faktor)
Source of variation
(percobaan 2 faktor: varietas dan perlakuan stress)
RAL RAK RAL RAK Split Plot
(stress-main
plot)
Nested
(Blok(stres))
Varietas Blok Varietas Blok Blok Stres
Error Varietas Stres Varietas Stres Blok(stress)
Error Interaksi SxV Stres Error (blok*stress) varietas
Error Interaksi SxV Varietas Interaksi SxV
Error Interkasi SxV Error
Error
Percoban multilokasi
• Tujuan untuk menguji adaptabilitas galur harapan terhadap berbagailingkungan
• Lingkungan : lokasi dan musim
• Gabungan percobaan RAK setiap lingkungan
• Koefisien keragaman <20%
• Lingkungan : ?
• Analisis stabilitas hasil (Eberhart-Russel)
Percobaan multilokasi
Blok I
Blok II
Blok III
Blok IV
Lokasi 1 Lokasi 2 Lokasi 3
Percobaan multilokasi
• Rancangan percobaan pada setiap lokasi/musim menggunakan RAK
• Anova data gabungan dari setiap lokasi percobaan:
-lingkungan,
-ulangan dalam lingkungan,
-genotipe,
-interaksi genotipe x lingkungan
-galat.
STATISTIK NON PARAMETRIK - Uji KruskalWallis• Analisis statistik non parametrik digunakan bila asumsi yang
mendasari analisis parametrik tidak dipenuhi, seperti asumsi dasar data yang diambil dari populasi yang memiliki sebaran/distribusi normal atau data peringkat (skala ordinal).
• Uji kesamaan dua atau lebih populasi lebih ditekankan pada apakahpopulasi-populasi tersebut merupakan populasi yang identik. Pembeda = z 1- α/k(k-1) x √ k (N+1)/6, z = nilai tabel distribusi normal baku dan k=banyaknya populasi/perlakuan
Analisis Peubah Ganda
• Analisis komponen utama
• Analisis kluster
• Analisis regresi berganda
Analisis komponen utama
• Variabel baru komponen utama (PC) : kombinasi dari variable pengamatan
• PC1 Y1= a1 X1 + a2 X2 + a3 X3 + a4 X4 + a5 X5 + a6 X6
• PC2Y2= b1 X1 + b2 X2 + b3 X3 + b4 X4 + b5 X5 + b6 X6 ….. danseterusnya
• Antar variabel PC tidak berkorelasi (bebas)
Data (minimal dalam skala interval)
Varietas
Skor hama
(X1)
Skor
penyakitI
(X2)
Skor
penyakitII
(X3)
Skor lahan
masam
(X4)
Skor
kekeringan
(X5)
Skor
salinitas
(X6)
A 8 9 7 2 3 3
B 7 8 8 1 3 2
C 9 9 8 3 2 2
D 2 1 3 8 8 7
E 3 3 2 9 9 8
F 3 2 2 7 8 9
G 2 2 3 8 9 8
H 8 9 7 8 9 7
I 7 8 8 7 8 8
J 9 9 8 9 9 8
Hasil analisis
• Eigenvalue 4,4215 1,3913 0,0812 0,0680 0,0331 0,0049
• Proportion 0,737 0,232 0,014 0,011 0,006 0,001
• Cumulative 0,737 0,969 0,982 0,994 0,999 1,000
• Variable PC1 PC2 PC3 PC4 PC5 PC6
• X1 -0,406 0,424 0,412 0,266 -0,228 0,603
• X2 -0,410 0,417 0,137 0,243 0,487 -0,586
• X3 -0,413 0,377 -0,617 -0,465 -0,299 -0,029
• X4 0,397 0,434 0,510 -0,466 -0,301 -0,294
• X5 0,405 0,428 -0,212 -0,164 0,631 0,428
• X6 0,418 0,365 -0,355 0,640 -0,364 -0,153
Analisis kluster
• Tujuan analisis kluster untuk mengelompokkan objek ke dalam beberapa kluster/gerombol berdasarkan kemiripan antar obyek
• Kemiripan antar objek pada analisis gerombol ditentukan oleh jarak antara dua objek.
Analisis kluster
Dendogram
Analisis Kluster
6437293958117727187
849421
836351
2064692741
6029188061
105453393889593491
3331
9730627735286552707368233624664019908874967975824815994913264442163711986747322287858564312950855552510092574586461476
1
30,84
53,89
76,95
100,00
Observations
Sim
ilari
ty
DendrogramVarietas
Dendrogram dan diagram PC1 vs PC2
Analisis Regresi
• Hubungan variabel bebas (independent) X dengan variabel tak bebas(dependent) Y
• Y = a + b X
• Y = a + b1 X1 + b2 X2 + ….. + bk Xk
X1, X2 …Xk saling bebas (tidak berkorelasi)
Terima kasih
top related