Analisis Peragam dan Moving Mean

Sub Pokok Bahasan 7.3

ANALISIS PERAGAM DAN MOVING MEAN

Suatu kenyataan bahwa berbagai masalah biofisika dari suatu petak percobaan tidak berlaku bebas tetapi kadang-kadang merupakan fungsi yang berhubungan satu sama lain. Pengelompokan yang tepat dapat mengurangi galat percobaan, tetapi tidak dapat menangani keragaman akibat keheterogenan tanah, pengaruh sisa percobaan terdahulu, tegakan yang tidak seragam, ketidakseragaman serangan hama, ketidakseragaman dalam deraan lingkungan, pengaruh persaingan dalam percobaan rumah kaca, dan sebagainya sehingga pengelompokan tidak maksimal. Oleh karenanya diperlukan suatu metode lain untuk mengatasi masalah tersebut, di antaranya adalah penggunaan analisis peragam dan rataan bergerak (moving mean) untuk mengendalikan galat percobaan dan mengoreksi rataan perlakuan. Kedua analisis tersebut sama-sama mengoreksi data berdasarkan pengamatan sekitarnya.

7.3.1. Analisis Peragam

Analisis peragam memerlukan pengukuran sifat utama yang diminati dan pengukuran satu atau lebih peubah yang dikenal sebagai peragam. Juga memerlukan hubungan fungsi antara peragam dengan sifat utama yang diketahui sebelumnya. Analisis peragam dapat digunakan pada berbagai jumlah peragam dan berbagai jenis hubungan fungsi antar peubah, namun yang umum digunakan dalam penelitian pertanian adalah peragam (x) yang berhubungan contoh linear dengan peubah utamanya (y).

Selain digunakan untuk mengendalikan galat percobaan dan mengoreksi rataan perlakuan, analisis peragam juga dapat digunakan untuk menduga data yang hilang dan membantu menafsirkan hasil percobaan. Apabila analisis peragam digunakan untuk pengendalian galat dan mengoreksi rataan, peragam harus tidak dipengaruhi perlakuan yang sedang diujikan, sedangkan untuk menafsirkan hasil percobaan, maka peragam harus berhubungan dengan perlakuan, akan tetapi memerlukan lebih banyak keterampilan dan pengalaman dan dengan bantuan pakar statistik.

Analisis peragam merupakan perluasan dari analisis ragam, sehingga semua anggapan untuk analisis ragam juga berlaku untuk analisis peragam. Sebagai tambahan, analisis peragam memerlukan :

1. Hubungan antar sifat utama yang diamati Y dan peubah X adalah linier.

2. Hubungan linier ini, atau lebih khusus koefisien regresi, tetap antar sumber keragaman lain yang diketahui seperti perlakuan dan kelompok.

Dalam kaitannya dengan mengoreksi data, perbaikan yang dilakukan oleh analisis peragam meliputi dua hal, yaitu rataan perlakuan dikoreksi sampai nilai yang seharusnya diperoleh, di mana tidak ada perbedaan dengan adanya peragam, kemudian galat percobaan dikurangi dan ketepatan untuk membandingkan rataan perlakuan dinaikkan. Selain itu data yang diperlukan untuk penggunaan teknik peragam untuk pengendalian galat adalah pengamatan berpasangan (X,Y) diukur pada setiap dan semua satuan percobaan di mana X menunjukkan peragam dan Y sebagai sifat utama yang diamati. Karena cara perhitungannya beragam dengan rancangan percobaan yang digunakan, di sini diberikan tiga contoh sidik peragam rancangan acak lengkap, rancangan kelompok lengkap teracak, dan rancangan petak-terbagi.

A. Contoh Sidik Peragam dari data Rancangan Acak Lengkap

Sumber Keragaman
Derajat Bebas
Jumlah hasil Kali
d.b.
Y Dikoreksi Terhadap X
XX
XY
YY
JK
KT
Fb
Perlakuan
9
20,82
4,90
73,30
Galat
40
515,20
305,60
312,20
39
139,93
3,59
Umum
49
536,02
310,50
394,50
48
214,64
Perlakuan terkoreksi
9
74,71
8,3
2,31*

akk = 22,3%, koefisienan nisbi = 223%, b* = dinyatakan berbeda nyata pada taraf 5%

B. Contoh Sidik Peragam dari data Rancangan Kelompok Lengkap Teracak

Sumber Keragaman
Derajat Bebas
Jumlah hasil Kali
d.b.
Y Dikoreksi Terhadap X
XX
XY
YY
JK
KT
Fb
Umum
44
22,9778
28,0667
82,8000
Ulangan
2
1,9111
1,2667
0,9333
Perlakuan
14
10,3111
19,4000
68,1333
Galat
28
10,7556
7,4000
13,7333
27
8,6420
0,3202
Perlakuan + galat
42
21,0667
26,8000
81,8666
41
47,770
Perlakuan terkoreksi
14
39,1310
2,7951
8,73**

akk = 13,2%, koefisienan nisbi = 143%, b* = dinyatakan berbeda nyata pada taraf 1%

C. Contoh Sidik Peragam dari data Rancangan Petak Terbagi

Sumber Keragaman db Jumlah hasil Kali Y Dikoreksi Terhadap X
XX XY YY d.f. JK KT Fb
Ulangan 3 82,86 -470,198 2.751,01
Faktor P.U. (A) 2 22,39 26,6667 2.194,06
Galat (a) 6 27,85 64,4583 2.262,36 5 2.113,19 422.64
A + galat (a) 8 50,25 91,1250 4.456,42 7 4.291,17
A terkoreksi 2 4.291,17 1.088,99 2,58tn
Faktor P.U. (B) 7 73,73 -384,678 11.567,11
A x B 14 77,10 -523,050 13.367,89
Galat (b) 63 171,0 -1.285,01 32.448,54 62 21.793,88 351,51
B + galat (b) 70 244,8 -1.669,69 43.015,66 69 31.625,99
B terkoreksi 7 9.832,119 1.404,6 4,00**
A x B + galat (b) 77 248,1 -1.808,06 44.816,44 76 31.641,859
A x B terkoreksi 14 9.847,981 703,43 2,00*
Umum 95 454,9 -2.571,81 63.590,98

akk(a) = 33,5%, kk(b) = 30,5%, K.N.(petak-utama) = 64%, K.N. (anak-petak) = 134%. K.N. (anak-petak dengan petak-utama) = 136%.

b** = berbeda nyata pada taraf 1%, * = berbeda nyata pada taraf 5%, tn = tidak berbeda nyata.

7.3.2. Moving Mean

Selain analsis peragam, data juga bisa dikoreksi dengan menggunakan rataan bergerak (moving mean), yang berarti data dikoreksi berdasarkan data sekitarnya, yaitu tanaman terdekat. Bedanya dengan peragam adalah kalau peragam menggunakan peubah yang lain, maka moving mean peubahnya sama, hanya tanamannya yang berbeda. Selain digunakan untuk mengoreksi data, moving mean juga dapat digunakan dalam kegiatan seleksi.

Dalam penggunaan moving mean, harus diketahui dengan persis tata letak tanaman di lapangan. Teknik analisisnya menggunakan bantuan regresi, di mana secara bertahap, tanaman terdekat (kiri-kanan) dijadikan fungsi regresi, untuk kemudian diuji nyata tidaknya. Barisan tanaman terdekat yang menunjukkan nilai yang berbeda nyata, yang akan digunakan sebagai tanaman pengoreksi.

Simulasi Analisis Peragam dengan Menggunakan Program SAS, klik di sini>>

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: