Tutorial SAS Rancob-Libre PDF [PDF]

Citation preview

2012



Perancangan Percobaan dengan Aplikasi SAS [Tutorial SAS di Balitto Bogor dalam rangka Praktek Lapang]



LENY YULIYANI M. 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 window 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 Varietas



V1



V2



V3



Hasil Panen



Jarak Tanam



Ulangan I



Ulangan II



Ulangan III



J1



56



45



43



J2



60



50



45



J3



66



57



50



J1



65



61



60



J2



60



58



56



J3



53



53



48



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. Sedangkan pada model acak hanya interaksi antara varietas dan jarak tanam yang berpengaruh.



B. SPLIT-PLOT Data pada tabel 2 menggunakan rancangan Split Plot-RAK dengan varietas sebagai petak utama 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 interaksi berpengaruh 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 nyata terhadap hasil panen.



C. Uji lanjut Kontras a. Kontras Ortogonal Umumnya 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 dicobakan adalah pupuk K dan P dengan komposisi 2:1 (K2P1), 2:2 (K2P2), ..., 3:4 (K3P4) ditambah kontrol(K0p0). Setiap perlakuan diulang dalam tiga blok (Timur, Tengah, Barat). Data pengamatan disediakan pada tabel 2. Tabel2. Data Bobot Gabah per Pot dari Percobaan Pemupukan Padi Perlakuan Bobot Gabah per Pot(g) (Pupuk) I II III K0P0 10.19 9.26 12.73 K2P1 32.02 25.76 19.72 K2P2 23.91 21.99 21.42 K2P3 17.15 15.66 10.37 K2P4 10.35 13.31 14.31 K3P1 21.98 19.43 16.16 K3P2 18.08 13.50 18.32 K3P3 18.07 14.01 14.39 K3P4 12.37 16.32 10.20



data Padi; input Perlakuan$ Blok Y1; cards; Kontrol 1 10.19 Kontrol 2 9.26 Kontrol 3 12.73 K2P1 1 32.02 K2P1 2 25.76 K2P1 3 19.72 K2P2 1 23.91 K2P2 2 21.99 K2P2 3 21.42 K2P3 1 17.15 K2P3 2 15.66 K2P3 3 10.37 K2P4 1 10.35 K2P4 2 13.31 K2P4 3 14.31 K3P1 1 21.98 K3P1 2 19.43 K3P1 3 16.16 K3P2 1 18.08 K3P2 2 13.5 K3P2 3 18.32 K3P3 1 18.07 K3P3 2 14.01 K3P3 3 14.39 K3P4 1 12.37 K3P4 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 editor SAS.



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



Source



17.78923



2.971329



16.70296



DF



Type I SS



Perlakuan



8



586.0397630



73.2549704



8.30



0.0002



Blok



2



39.2106963



19.6053481



2.22



0.1409



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



Source



Contrast



Mean Square F Value



Pr > F



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