Rancangan Percobaan Dengan Spss 13

16
 Ichsan Nurul Bari, SP Email : [email protected] Phone : 022 70677611 JHPT-Faperta-Unpad, hal. 1 dari 16 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.

description

o

Transcript of Rancangan Percobaan Dengan Spss 13

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.1 dari 16

    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.

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.2 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.

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.3 dari 16

    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).

    Data

    Kategorikal

    Numerik

    Nominal

    Ordinal

    Ratio

    Interval

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.4 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

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.5 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

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.6 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 :

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.7 dari 16

    Oneway Descriptives

    Data1

    N

    Mean

    Std. Deviation

    Std. Error

    95% Confidence Interval for Mean

    Minimum

    Maximum

    Lower Bound

    Upper Bound

    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

    ANOVA

    Data1

    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 Data1

    Duncan

    Treat N

    Subset for alpha = .05

    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.

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.8 dari 16

    Means Plots

    KontrolMetil Eugenol1.0 mL.

    Metil Eugenol0.9 mL.

    Metil Eugenol0.7 mL.

    Metil Eugenol0.5 mL.

    Metil Eugenol0.3 mL.

    Treat

    65.00

    60.00

    55.00

    50.00

    45.00

    Mean

    of

    Data

    1

    55.64

    45.72

    48.74

    50.64

    57.92

    62.75

    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.

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.9 dari 16

    RAK Rancangan Acak Kelompok

    Contoh Kasus 2 (Tabel 5.3, Gasperz,1995) Data Pengamatan

    Kelompok Umur Perlakuan

    Total Kelompok 1 2 3 4

    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)

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.10 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

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.11 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 :

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.12 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 :

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.13 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

    Descriptive Statistics

    Dependent Variable: Data1

    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

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.14 dari 16

    Tests of Between-Subjects Effects

    Dependent Variable: Data1

    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

    Blok Mean Std. Error

    95% Confidence Interval

    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

    Metode Mean Std. Error

    95% Confidence Interval

    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

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.15 dari 16

    Post Hoc Tests Metode Homogeneous Subsets Data1

    Duncan

    Metode N

    Subset

    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

    Kelompok umur 4Kelompok umur 3Kelompok umur 2Kelompok umur 1

    Blok

    9

    8

    7

    6

    5

    4

    3

    2

    Esti

    mate

    d M

    arg

    inal M

    ean

    s

    Campuran D

    Campuran C

    Campuran B

    Campuran A

    Metode

    Estimated Marginal Means of Data1

  • Ichsan Nurul Bari, SP Email : [email protected]

    Phone : 022 70677611

    JHPT-Faperta-Unpad, hal.16 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.