Tutorial_SAS_Rancob-libre.pdf
-
Upload
aldiansyah-zulfikar -
Category
Documents
-
view
216 -
download
0
Transcript of 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
8/11/2019 Tutorial_SAS_Rancob-libre.pdf
http://slidepdf.com/reader/full/tutorialsasrancob-librepdf 2/14
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”.
8/11/2019 Tutorial_SAS_Rancob-libre.pdf
http://slidepdf.com/reader/full/tutorialsasrancob-librepdf 3/14
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.
8/11/2019 Tutorial_SAS_Rancob-libre.pdf
http://slidepdf.com/reader/full/tutorialsasrancob-librepdf 4/14
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 :
8/11/2019 Tutorial_SAS_Rancob-libre.pdf
http://slidepdf.com/reader/full/tutorialsasrancob-librepdf 5/14
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;
8/11/2019 Tutorial_SAS_Rancob-libre.pdf
http://slidepdf.com/reader/full/tutorialsasrancob-librepdf 6/14
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
8/11/2019 Tutorial_SAS_Rancob-libre.pdf
http://slidepdf.com/reader/full/tutorialsasrancob-librepdf 7/14
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.
8/11/2019 Tutorial_SAS_Rancob-libre.pdf
http://slidepdf.com/reader/full/tutorialsasrancob-librepdf 8/14
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
8/11/2019 Tutorial_SAS_Rancob-libre.pdf
http://slidepdf.com/reader/full/tutorialsasrancob-librepdf 9/14
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
8/11/2019 Tutorial_SAS_Rancob-libre.pdf
http://slidepdf.com/reader/full/tutorialsasrancob-librepdf 10/14
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.
8/11/2019 Tutorial_SAS_Rancob-libre.pdf
http://slidepdf.com/reader/full/tutorialsasrancob-librepdf 11/14
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;
8/11/2019 Tutorial_SAS_Rancob-libre.pdf
http://slidepdf.com/reader/full/tutorialsasrancob-librepdf 12/14
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
Source DF Type III SS Mean Square F Value Pr > F
8/11/2019 Tutorial_SAS_Rancob-libre.pdf
http://slidepdf.com/reader/full/tutorialsasrancob-librepdf 13/14
Source DF Type III 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
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
8/11/2019 Tutorial_SAS_Rancob-libre.pdf
http://slidepdf.com/reader/full/tutorialsasrancob-librepdf 14/14
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.