//
you're reading...
Aplikasi Statistik, Desain dan Analisis Eksperimen

REGRESI DALAM RANCANGAN PERCOBAAN

Tujuan

Untuk memahami pengertian dan konsep teori serta menyelesaikan masalah dari percobaan dengan teknik Analisis Regresi dalam Rancangan Percobaan menggunakan teknologi informasi dan komputasi (CP-KK 4  Level 6 KKNI ; CP-KK 2  Level 5 KKNI)

Dasar Teori

Analisis regresi merupakan analisis ketergantungan dari satu atau lebih variabel bebas terhadap satu variabel tergantung, dengan tujuan untuk menduga atau memprediksi nilai rata-rata populasi berdasarkan niali-nilai variabel bebasnya.

Perbedaan mendasar antara analisis korelasi dengan analisis regresi adalah bahwa analisis korelasi hanya bertujuan untuk mengukur kekuatan hubungan linier antar dua variabel, sehingga pada analisis korelasi tidak membedakan antara variabel bebas dengan variabel tergantung. Sedangkan analisis regresi selain mengukur kekuatan hubungan antar dua variabel atau lebih, analisis regresi juga digunakan untuk menetukan aarah hubungan antara variabel bebas dengan variabel tergantungnya. Dalam rancangan percobaan penggunaan analisis reresi dinamakan dengan model analisis regrasi percobaan.

Dalam penelitian percobaan pemupukan dengan dosis 10 kg/ha, 15 kg/ha, 20 kg/ha dan 25 kg/ha, kadangkala yang kita inginkan  tidak hanya menentukan dosis yang paling baik tetapi juga kita inginkan tidak hanya menetukan dosis yang paling baik tetapi kita juga ingin meramalkan hsil jika sawah dipupuk dengan dosis yang lain, misalnya 12 kg/ha, maka untuk mencapai tujuan tersebut digunakan Model Analisis Regresi Percobaan.

Alat dan Bahan

  • Komputer
  • Software SPSS
  • Data penelitian

Percobaan

Model Regresi Untuk Percobaan Tunggal

Data hasil percobaan tentang pengaruh pupuk nitrogen terhadap hasil panen padi yang diukur dalam waktu tertentu adalah sebagai berikut:

1

Prosedur Kerja

Untuk menggunakan model analisis regresi percobaan maka variabel dosis diberikan pengkodean dengan rumus sebagai berikut:

5

Dengan menggunakan rumus di atas diperoleh hasil yang disajikan pada tabel berikut:

2

Langkah-Langkah Komputasi

Tabel penolong

3

1. Entri data pada tabel 2 kedalam Data View format SPSS data viewer sebagai berikut:

new-picture-3

2. Klik Variable View pada pojok kiri bawah layar. Beri nama pada masing masing baris sesuai dengan tabel 2 di atas

new-picture-4

3. Analyze | Regression | Linier

Pindahkan variabel Dosis ke kolom Independent(s) dan Pindahkan variabel Hasil Panen ke kolom Dependent

new-picture-5

4. OK

Interpretasi Output

1. Tabel Variables Entered/Removed

6

  • Variables Entered (variabel yang masuk persamaan). Variabel prediktor yang dimasukkan berdasarkan kriteria Use Probability of F Entry 0,05 dan Removal 0,10. Dapat dilihat bahwa variabel Dosis masuk dalam persamaan karena memenuhi kriteria.
  • Variables Removed (variabel yang dikeluarkan dalam persamaan). Dapat dilihat bahwa tidak ada variabel prediktor yang dikeluarkan
  • Method (metode) merupakan pilihan metode yang digunakan, dalam hal ini digunakan metode enter

2. Tabel Model Summary

new-picture-6

  • R disebut juga dengan koefisien korelasi. Dapat dibaca bahwa nilai koefisien korelasi antara variabel dosis dan hasil panen adalah 0,966, berarti hubungan antara dosis pemupukan dengan hasil panen adalah sebesar 96,60%
  • R Square disebut koefisien determinasi. Dari tabel dapat dibaca bahwa nilai R Square (R²) sebesar 0,932 dan diartikan bahwa variasi yang terjadi terhadap banyak-sedikitnya hasil panen 93,2% dipengaruhi karena adanya pemupukan. Dan sisanya 6,8% dari faktor lain
  • Adjusted R Square merupakan nilai R² yang disesuaikan yang diperoleh dengan rumus Adj R² = 1 –[(1- R²) ((n -1)/(n-k))] yaitu 0,930
  • Error of the Estimation merupakan kesalahan standar dari penaksiran dan bernilai 2,3856

3. Tabel Anova

new-picture-7

  • Tabel ini menampilkan nilai Fhitung. Uji F digunakan untuk menentukan apakah model penaksiran yang kita gunakan tepat atau tidak. Model yang kita gunakan dalam hal ini adalah model linier Y = a + bX, untuk itu nilai Fhitung yang diperoleh sebesar 385,894, sedangkan Ftabel dengan derajat bebas pembilang 1 dan derajat bebas penyebut 28 pada taraf kepercayaan 95% adalah 4,20. Oleh karena Fhitung > Ftabel maka dapat disimpulkan bahwa model linier Y=a+bX sudah tepat dan dapat digunakan.
  • Cara termudah adalah dengan membandingkan probabilitas (Sig.). Terlihat bahwa probalitas bernilai 0,000 (<0,05), berarti model diterima.

4. Tabel Coeffocients

new-picture-8

  • Unstandardized Coefficients menjelaskan tentang persamaan regresi, pada kolom B diperoleh konstanta regresi/intercept (a) sebesar 66,500 dan koefisien arah regresi/slope (b) sebesar 12,1.
  • Standardized Coefficients menjelaskan tentang koefisien jalur, pada kolom Beta diperoleh koefisien jalur sebesar 0,966
  • Sedangkan nilai t berguna untuk menguji signifikasi koefisien regresi (b), apakah variabel independent (X) berpengaruh secara signifikan atau tidak. Dari tabel di atas diperoleh nilai thitung sebesar 19,644, sedangkan nilai ttabel dengan df (degree of freedom) =28 α =0,05 uji dua sisi (two tailed) diperoleh 2,045. Dengan menggunakan kriteria thitung > ttabel atau dengan melihat nilai probabilitas (Sig.) < (0,05), maka disimpulkan dosis pemupukan berpengaruh secara signifikan terhadap hasil panen

Dari hasil di atas dapat dibuat persamaan regresi :

Hasil Panen = 66,50 + 12,1 Dosis

Grafik

Scatter plot data observasi

new-picture-2

Dengan menggunakan persamaan regresi tersebut dapat digunakan untuk memprediksi dosis pemupukan yang lain, misal: Berapa hasil panen yang diperoleh jika diberi pupuk dengan dosis 180 kg/ha? dengan menggunakan rumus transformasi kedalam peubah kode, maka nilai D 180 adalah

new-picture-1

subsitusikan nilai D yang diperoleh kedalam persamaan regresi, maka hasil panen yang diprediksi adalah…..

Panen = 66,5 + 12,1 (-0,4) = 61,66 kuintal

Dengan demikian jika petani menggunakan pupuk 180 kg/ha maka diprediksi hasil panen yang diperoleh sebesar 61,66 kuintal.

Model Regresi untuk Percobaan Faktorial

Contoh

Seorang peneliti telah melakukan penelitian sejauh mana pengaruh pemupukan Nitrogen (N) dan faktor jumlah benih yang ditabur terhadap jumlah bibit Sengon yang tumbuh dalam persemaian. Data hasil penelitian disajikan dalam tabel berikut:

new-picture-9

Dengan menggunakan rumus pengkodean di atas variabel Nitrogen (X₁) dan Benih (X₂) diperoleh sebagai berikut:

new-picture-10

  1. Entri data pada tabel 2 kedalam Data View format SPSS data viewer sebagai berikut:

new-picture-15

  1. Klik Variable View pada pojok kiri bawah layar. Beri nama pada masing masing baris sesuai dengan tabel 2 di atas

new-picture-16

3. Analyze | Regression | Linier

Pindahkan variabel Dosis ke kolom Independent(s) dan  Pindahkan variabel Hasil Panen ke kolom Dependent

new-picture-17

3. OK

 

Output

untuk interpretasi model regresi percobaan faktorial secara garis besar sama dengan interpretasi model regresi percobaan tunggal

1. Tabel Variables Entered/Removed

new-picture-18

2. Tabel Model Summary

new-picture-19

3. Tabel Anova

new-picture-21

4. Tabel Coeffocients

new-picture-14

Iklan

About aliwear

Tenaga Edukatif Politeknik Perikanan Negeri Tual

Diskusi

Belum ada komentar.

Tinggalkan Balasan

Please log in using one of these methods to post your comment:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

%d blogger menyukai ini: