Tutorial_SAS_Rancob-libre.pdf

8/11/2019 Tutorial_SAS_Rancob-libre.pdf

http://slidepdf.com/reader/full/tutorialsasrancob-librepdf 1/14

PerancanganPercobaan denganAplikasi SAS[Tutorial SAS di Balitto Bogor dalam rangkaPraktek Lapang]

2012

LENY YULIYANIM. SIDIQ RUMAKABIS

DEPARTEMEN STATISTIKA INSTITUT PERTANIAN BOGOR



Latihan Impor data dari excell

FILE – IMPORT akan muncul sindow Import Wizard, pilih format file yang diimport.

Lalu tekan next.

Cari File yang akan diimpor (klik browse).

Pada kolom Member, ketik nama data, misalnya data2. Klik finish

Periksa wi ndow log, harus ada kalimat “Work.data2 was successfully created”.



A. RANCANGAN FAKTORIAL RAK

Misal :

Sebuah percobaan dilakukan untuk mengetahui respon tiga varietas rumput pakan ternak

(V1, V2, V3) pada berbagai jarak tanam (J1=40 cm x 10 cm; J2=40 cm x 20 cm; J3= 40 cm

x 30 cm). Panen hijauan dilakukan pada petak bersih berukuran 3 m x 8 m dan hasilnya

dikonversi ke satuan kuintal (Tabel 1).

Tabel1. Hasil Panen Hijauan (kuintal) Tiga Varietas Rumput Pakan Ternak pada Beberapa

Jarak Tanam

Perlakuan Hasil Panen

Varietas Jarak Tanam Ulangan I Ulangan II Ulangan III

V1J1 56 45 43J2 60 50 45

J3 66 57 50

V2

J1 65 61 60

J2 60 58 56

J3 53 53 48

V3

J1 60 61 50

J2 62 68 60

J3 73 77 77

Masukkan data tersebut dalam file excel, seperti format berikut. Data di impor dari excel

ke SAS seperti cara diatas.



Sintak Model Tetap :

proc anova data=data2;class ULANGAN VARIETAS JARAK;model HASIL=ULANGAN VARIETAS JARAK VARIETAS*JARAK;run;

Output :

Sintak Model Acak

proc anova data=data2;class ULANGAN VARIETAS JARAK;model HASIL=ULANGAN VARIETAS JARAK VARIETAS*JARAK;;test h=VARIETAS e=VARIETAS*JARAK;test h=JARAK e=VARIETAS*JARAK;run;

Output :



Dari data di atas dapat ditarik kesimpulan bahwa pada model tetap, varietas, jarak

tanam dan interaksi antara keduanya berpengaruh nyata terhadap hasil panen. Sedangkanpada model acak hanya interaksi antara varietas dan jarak tanam yang berpengaruh.

B. SPLIT-PLOTData pada tabel 2 menggunakan rancangan Split Plot-RAK dengan varietas sebagai petakutama dan jarak tanam sebagai anak petak.

Sintak :proc anova data=data2;class ULANGAN VARIETAS JARAK;model HASIL= ULANGAN VARIETAS ULANGAN*VARIETAS JARAK VARIETAS*JARAK;test h=ULANGAN e=ULANGAN*VARIETAS;test h=VARIETAS e=ULANGAN*VARIETAS;run;

Output :

Dari output diatas dapat ditarik kesimpulan bahwa petak utama, anak petak, dan interaksiberpengaruh nyata terhadap hasil panen.

Jika menggunakan rancangan Split Plot RAL ,

proc anova data=data2;class ULANGAN VARIETAS JARAK;model HASIL= VARIETAS ULANGAN*VARIETAS JARAK VARIETAS*JARAK;test h=VARIETAS e=ULANGAN*VARIETAS;run;



Output :

Daro output diatas disimpulkan bahwa varietas, jarak dan interaksi berpengaruh nyataterhadap hasil panen.

C. Uji lanjut Kontras

a. Kontras OrtogonalUmumnya digunakan untuk faktor yang bertaraf kualitatif,

Contoh:

Untuk melihat keefektifan pengaruh pemupukan terhadap produksi suatu varietas padi,dilakukan percobaan di rumah kaca sebagai berikut : 9 kombinasi perlakuan yang dicobakanadalah pupuk K dan P dengan komposisi 2:1 (K2P1), 2:2 (K2P2), ..., 3:4 (K3P4) ditambahkontrol(K0p0). Setiap perlakuan diulang dalam tiga blok (Timur, Tengah, Barat). Datapengamatan disediakan pada tabel 2.

Tabel2. Data Bobot Gabah per Pot dari Percobaan Pemupukan PadiPerlakuan(Pupuk)

Bobot Gabah per Pot(g)I II III

K0P0 10.19 9.26 12.73K2P1 32.02 25.76 19.72K2P2 23.91 21.99 21.42K2P3 17.15 15.66 10.37K2P4 10.35 13.31 14.31K3P1 21.98 19.43 16.16K3P2 18.08 13.50 18.32K3P3 18.07 14.01 14.39K3P4 12.37 16.32 10.20



data Padi;input Perlakuan$ Blok Y1;cards;Kontrol 1 10.19Kontrol 2 9.26Kontrol 3 12.73K2P1 1 32.02K2P1 2 25.76K2P1 3 19.72K2P2 1 23.91K2P2 2 21.99K2P2 3 21.42K2P3 1 17.15K2P3 2 15.66K2P3 3 10.37K2P4 1 10.35K2P4 2 13.31

K2P4 3 14.31K3P1 1 21.98K3P1 2 19.43K3P1 3 16.16K3P2 1 18.08K3P2 2 13.5K3P2 3 18.32K3P3 1 18.07K3P3 2 14.01K3P3 3 14.39K3P4 1 12.37K3P4 2 16.32

K3P4 3 10.2;proc GLM data=Padi;class Perlakuan Blok;model Y1=Perlakuan Blok;contrast'Kontrol VS K2&K3 'Perlakuan -1 -1 -1 -1 -1 -1 -1 -1 8;contrast'K2 VS K3 'Perlakuan 1 1 1 1 -1 -1 -1 -1 0;contrast'P1&P2 vs P3&P4 'Perlakuan 1 1 -1 -1 1 1 -1 -1 0;contrast'P1 VS P2 'Perlakuan 1 -1 0 0 1 -1 0 0 0;contrast'P3 VS P4 'Perlakuan 0 0 -1 1 0 0 -1 1 0;mean Perlakuan/duncan;run;

Ket: uji Kontras tidak dapat menggunakan data import. Data harus dimasukkan ke editorSAS.



Output:

The SAS System

The GLM Procedure

Dependent Variable: Y1

Source DF Sum of Squares Mean Square F Value Pr > F

Model 10 625.2504593 62.5250459 7.08 0.0003

Error 16 141.2607037 8.8287940

Corrected Total 26 766.5111630

R-Square Coeff Var Root MSE Y1 Mean

0.815710 17.78923 2.971329 16.70296

Source DF Type I SS Mean Square F Value Pr > F

Perlakuan 8 586.0397630 73.2549704 8.30 0.0002

Blok 2 39.2106963 19.6053481 2.22 0.1409

Source DF Type III SS Mean Square F Value Pr > F

Perlakuan 8 586.0397630 73.2549704 8.30 0.0002

Blok 2 39.2106963 19.6053481 2.22 0.1409

Contrast DF Contrast SS Mean Square F Value Pr > F

Kontrol VS K2&K3 1 120.5418963 120.5418963 13.65 0.0020

K2 VS K3 1 45.7608167 45.7608167 5.18 0.0369

P1&P2 vs P3&P4 1 306.5920167 306.5920167 34.73 <.0001

P1 VS P2 1 26.5518750 26.5518750 3.01 0.1021

P3 VS P4 1 13.6320083 13.6320083 1.54 0.2319



The SAS System

The GLM Procedure

Duncan's Multiple Range Test for Y1

Note: This test controls the Type I comparisonwise error rate, not the experimentwise errorrate.

Alpha 0.05

Error Degrees of Freedom 16

Error Mean Square 8.828794

Number of Means 2 3 4 5 6 7 8 9

Critical Range 5.143 5.393 5.550 5.657 5.734 5.792 5.836 5.870

Means with the same letter arenot significantly different.

Duncan Grouping Mean N PerlakuanA 25.833 3 K2P1

A

B A 22.440 3 K2P2

B

B C 19.190 3 K3P1

C

D C 16.633 3 K3P2

D C

D C E 15.490 3 K3P3

D C E

D C E 14.393 3 K2P3

D E



Means with the same letter arenot significantly different.

Duncan Grouping Mean N Perlakuan

D E 12.963 3 K3P4

D E

D E 12.657 3 K2P4

E

E 10.727 3 Kontrol

Uji lanjut kontras ortogonal menunjukan bahwa kontrol berbeda dengan K2 & K3, K2berbeda dengan K3, P1&P2 berbeda dengan P3&P4.

b. Kontras PolinomialKontras Polinomial biasanya dilakukan jika faktor yang di teliti bertaraf kuantitatif

Tabel. Kontras Polynomial OrtogonalJumlahPerlakuan

OrdePolynomial

ƛ T1 T2 T3 T4 T5

P=3Linear 1 -1 0 1Kuadrat 3 1 -2 1

P=4Linear 2 -3 -1 1 3Kuadratik 1 1 -1 -1 1Kubik 10/3 -1 3 -3 1

P=5Linier 1 -2 -1 0 1 2Kuadratik 1 2 -1 -2 -1 2Kubik 5/6 -1 2 0 -2 1Kuartik 35/12 1 -4 6 -4 1

Contoh :Untuk meneliti pengaruh penambahan har P dan Ca terhadap bobot kering polong kacangtanah, dilakukan percobaan dengan pemupukan. Rancangan yang digunakan adalahFaktorial RAK. Faktor pertama adalah penambahan hara P dengan 3 taraf: 2 kw/ha, 3 kw/hadan 4 kw/ha. Faktor kedua adalah penambahan hara Ca dengan 3 taraf: 1 ton/ha, 2 ton/hadan 3 ton/ha. Peubah yang diamati adalah bobot kering polong. Uji lanjut data dianalisisdengan kontras polinomial. Pengujian ini dilakukan mengingat kedua faktor yang digunakandalam rancangan ini adalah bersifat kuantitatif. Sehingga bisa dicari pola responnya.



Sintak Program SAS untul Kontras Polinomial

data;input P Ca ulangan bobot;cards;2 1 1 3.672 2 1 3.752 3 1 3.532 1 2 3.592 2 2 3.652 3 2 3.572 1 3 3.672 2 3 3.72 3 3 3.752 1 4 3.682 2 4 3.72 3 4 3.49

2 1 5 3.652 2 5 3.72 3 5 3.572 1 6 3.612 2 6 3.72 3 6 3.62 1 7 3.592 2 7 3.752 3 7 3.693 1 1 3.63 2 1 3.653 3 1 3.52

3 1 2 3.73 2 2 3.63 3 2 3.513 1 3 3.533 2 3 3.83 3 3 3.63 1 4 3.543 2 4 3.653 3 4 3.493 1 5 3.53 2 5 3.63 3 5 2.63 1 6 3.63 2 6 3.563 3 6 3.73

3 1 7 3.53 2 7 3.653 3 7 3.494 1 1 3.84 2 1 3.754 3 1 3.494 1 2 3.84 2 2 3.854 3 2 3.654 1 3 3.94 2 3 44 3 3 3.84 1 4 3.654 2 4 3.764 3 4 3.7

4 1 5 3.84 2 5 3.94 3 5 3.74 1 6 3.864 2 6 3.754 3 6 3.844 1 7 3.654 2 7 3.84 3 7 3.65;proc glm;class P Ca ulangan;

model bobot=P|Ca;contrast 'Plin'P -1 0 1;contrast 'Pkua'P -1 2 -1;contrast 'Calin'Ca -1 0 1;contrast 'Cakua'Ca -1 2 -1;contrast 'Plin*Calin'P*Ca 1 0 -1 0 0 0 -1 01;contrast 'Plin*Cakua'P*Ca 1 0 -1 -2 0 2 1 0-1;contrast 'Pkua*Calin'P*Ca 1 -2 1 0 0 0 -1 2-1;contrast 'Pkua*Cakua'P*Ca 1 -2 1 -2 4 -21 -2 1;mean P|Ca;run;



Output:

The SAS System

The GLM ProcedureClass Level Information

Class Levels Values

P 3 2 3 4

Ca 3 1 2 3

ulangan 7 1 2 3 4 5 6 7

Number of Observations Read 63

Number of Observations Used 63

The SAS System

The GLM Procedure

Dependent Variable: bobot

Source DF Sum of Squares Mean Square F Value Pr > F

Model 8 0.81588571 0.10198571 4.80 0.0002

Error 54 1.14760000 0.02125185

Corrected Total 62 1.96348571

R-Square Coeff Var Root MSE bobot Mean

0.415529 3.990853 0.145780 3.652857

Source DF Type I SS Mean Square F Value Pr > F

P 2 0.52220000 0.26110000 12.29 <.0001

Ca 2 0.26160000 0.13080000 6.15 0.0039

P*Ca 4 0.03208571 0.00802143 0.38 0.8237





P 2 0.52220000 0.26110000 12.29 <.0001

Ca 2 0.26160000 0.13080000 6.15 0.0039

P*Ca 4 0.03208571 0.00802143 0.38 0.8237

Contrast DF Contrast SS Mean Square F Value Pr > F

Plin 1 0.14762143 0.14762143 6.95 0.0109

Pkua 1 0.37457857 0.37457857 17.63 0.0001

Calin 1 0.08777143 0.08777143 4.13 0.0471

Cakua 1 0.17382857 0.17382857 8.18 0.0060

Plin*Calin 1 0.00488929 0.00488929 0.23 0.6334

Plin*Cakua 1 0.01629643 0.01629643 0.77 0.3851

Pkua*Calin 1 0.00009643 0.00009643 0.00 0.9465

Pkua*Cakua 1 0.01080357 0.01080357 0.51 0.4789

The SAS System

The GLM Procedure

Level ofP

N bobot

Mean Std Dev

2 21 3.64809524 0.07325429

3 21 3.54380952 0.23204474

4 21 3.76666667 0.11337254

Level ofCa

N bobot

Mean Std Dev

1 21 3.66142857 0.11420533

2 21 3.72714286 0.10493535

3 21 3.57000000 0.24706275



Level ofP

Level ofCa

N bobot

Mean Std Dev

2 1 7 3.63714286 0.03946065

2 2 7 3.70714286 0.03450328

2 3 7 3.60000000 0.09073772

3 1 7 3.56714286 0.07181325

3 2 7 3.64428571 0.07678045

3 3 7 3.42000000 0.37166293

4 1 7 3.78000000 0.09643651

4 2 7 3.83000000 0.09380832

4 3 7 3.69000000 0.11401754

Dari output diatas dapat ditarik kesimpulan bahwa faktor P dan Ca berpengaruh sangat nyataterhadap bobot kering polong kacang tanah dengan F-hitung dan peluang nyata maisng-masing adalah 12.29 dan <0.0001, 6.15 dan 0.0039. Pola respon dari faktor P dan Camengikuti pola kuadratik.

Tutorial_SAS_Rancob-libre.pdf

Documents

Transcript of Tutorial_SAS_Rancob-libre.pdf