LAPORAN TUGAS STATISTIKA
Disusun Untuk Memenuhi Tugas Mata Kuliah Statistika
Dosen Pengampu :
Dr. Alfian Futuhul Hadi, S.Si., M.Si.
Disusun Oleh : Kelompok /Kelas THP B 1. Gladies Rizky S. (211710101008) 2. Lestari (211710101050)
3. Salsa Natasya Z. (211710101092)
JURUSAN TEKNOLOGI HASIL PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN
UNIVERSITAS JEMBER 2023
BAB 1. PENDAHULUAN
Statiska adalah ilmu mengumpulkan, mengolah, menyajikan,menganalisis dan menginterpretasikan data yang diperoleh menjadi informasi sehingga membantu dalam pengambilan keputusan yang efektif. Dalam statistika, dikenal istilah RAL, RAKL, dan RSM. RAL (Rancangan Acak Lengkap) adalah rancangan percobaan yang paling sederhana karena tidak memiliki persyaratan khusus untuk unit percobaan atau perlakuan. Setiap unit percobaan memiliki peluang yang sama untuk mendapatkan setiap perlakuan, sehingga keragaman yang diamati hanya berasal dari perbedaan antara perlakuan. Dalam RAL, tidak ada kontrol lokal, sehingga keragaman yang diamati tidak dapat dijelaskan oleh faktor-faktor selain perlakuan. RAL digunakan untuk membantu menghilangkan bias pemilihan karena memberikan perlakuan secara acak. Maka dari itu, hasil eksperimen cenderung lebih generalis dan dapat diterapkan lebih luas ke dalam populasi yang lebih besar (Wijaya dkk., 2022).
RAKL adalah suatu rancangan acak yang dilakukan dengan mengelompokkan satuan percobaan ke dalam grup-grup yang homogen yang dinamakan kelompok dan kemudian menentukan perlakuan secara acak di dalam masing-masing kelompok. RAKL merupakan rancangan acak kelompok dengan semua perlakuan dicobakan pada setiap kelompok yang ada. Tujuan pengelompokan satuan-satuan percobaan tersebut adalah untuk membuat keragaman satuan-satuan percobaan dalam masing-masing kelompok sekecil mungkin sedangkan perbedaan antar kelompok sebesar mungkin
Response surface methodology atau RSM merupakan kumpulan teknik matematika dan statistik yang berguna untuk pemodelan dan analisis masalah dimana respon yang diinginkan dipengaruhi oleh beberapa variabel dan tujuannya adalah untuk mengoptimalkan respon tersebut. Metode RSM dapat membantu mempermudah penelitian sehingga menghemat biaya, waktu dan tenaga.
Keunggulan RSM yaitu tidak membutuhkan data percobaan dalam jumlah besar dan tidak membutuhkan waktu yang lama (Prabudi, 2018). Ketiga konsep atau
dilakukan dengan tahapan yang berbeda serta digunakan sesuai data dan hasil yang diinginkan. Oleh karena itu, makalah ini dibuat untuk memahami lebih lanjut terkait setiap tahapan dalam analisis RAL, RAKL, maupun RSM sehingga dapat meningkatkan pemahaman dan keterampilan.
BAB 2. PEMBAHASAN
2.1 RAL
Percobaan Rancangan Acak Lengkap (RAL) dapat dilakukan dengan menggunakan software SPSS. Panduan langkah demi langkah untuk mengolah data RAL menggunakan perangkat lunak SPSS adalah sebagai berikut:
1. Sebelum memulai percobaan, tahapan paling awal yaitu mempersiapkan data yang akan diuji pada Microsoft Excel. Berikut merupakan salah satu contoh data RAL mengenai nilai efisiensi energi tungku sekam pada massa air di setiap ulangan :
2. Selanjutnya, data tersebut diurutkan seperti tabel berikut : Massa Ulangan Nilai Efisiensi
1 1 3,18
1 2 2,94
1 3 5,84
1 4 6,59
1,5 1 6,54
1,5 2 4,42
1,5 3 4,21
1,5 4 1,46
2 1 2,86
2 2 8,51
2 3 8,41
2 4 6,9
3. Setelah data telah urut, buka softwere SPSS dan salin data tersebut pada menu “ Data View” pada bagian kiri pojok bawah sehingga muncul tampilan seperti di bawah ini :
Tampilan tersebut perlu diubah (bagian atas tabel) untuk mempermudah analisis. Pengeditan dilakukan dengan menekan menu “ Variabel View”.
Pada bagian “Name” diubah sesuai parameter / perlakuan nama data. Lalu, pada bagian “Measure” juga diubah. Pada data RAL makalah ini (efisiensi energi), pada bagian “Name” diubah ke “Massa, Ulangan, dan Efisiensi”
sedangkan Measure diubah ke “Scale, Nominal, dan Scale. Setelah diubah, pada menu “Data View”akan muncul tampilan sebagai berikut :
4. Tahap berikutnya yaitu menganalisis data dengan memilih menu Dalam sub menu "Analyze", lalu pilih "Compare Means" dan lanjutkan dengan
memilih "One-Way ANOVA" untuk melakukan analisis perbandingan rerata.
5. Kemudian, akan muncul tampilan seperti di bawah :
Pindahkan variabel efisiensi ke bagian "Dependent List" dan variabel massa ke bagian "Factor" untuk menentukan variabel tergantung dan variabel independennya. Pemidahan dilakukan dengan memilih salah satu parameter dan menekan tanda panah biru sesuai bagian.
6. Kemudan klik "Contrasts" untuk menentukan jenis kontras yang diinginkan.
Pilih "Polynomial" dan tentukan derajat polinomial, di makalah ini digunakan Quadratic. Setelah memilih kontras, klik "Continue" untuk melanjutkan ke langkah berikutnya. Terakhir, klik "OK" untuk menjalankan analisis dengan konfigurasi yang telah ditentukan.
7. Maka didapatkan hasil sebagai berikut:
2.2 RAKL
Percobaan Rancangan Acak Kelompok Lengkap (RAKL) dapat dilakukan dengan menggunakan software SPSS maupun Minitab. Kedua software tersebut memiliki tampilan yang berbeda saat menganalisis. Pada makalah ini, akan dijelaskan bagaimana langkah - langkah uji RAKL dengan SPSS. Berikut langkah - langkahnya :
1) Sebelum memulai percobaan, tahapan paling awal yaitu mempersiapkan data yang akan diuji pada Microsoft Excel. Berikut merupakan salah satu cotoh data RAKL mengenai nilai efisiensi energi tungku sekam pada massa air di setiap ulangan :
2) Selanjutnya, data tersebut diurutkan seperti tabel berikut :
Massa Kelompok Nilai Efisiensi
1 1 3,18
1 2 2,94
1 3 5,84
1 4 6,59
1,5 1 6,54
1,5 2 4,42
1,5 3 4,21
1,5 4 1,46
2 1 2,86
2 2 8,51
2 3 8,41
2 4 6,9
3) Setelah data telah urut, buka software SPSS dan salin data tersebut pada menu “ Data View” pada bagian kiri pojok bawah sehingga muncul tampilan seperti di bawah ini :
Tampilan tersebut perlu di ubah (bagian atas tabel) untuk mempermudah analisis. Pengeditan dilakukan dengan menekan menu “ Variabel View”.
Pada bagian “Name” diubah sesuai parameter / perlakuan nama data. Lalu, pada bagian “Measure” juga diubah. Pada data RAKL makalah ini (efisiens energi), pada bagian “Name” diubah ke “Massa, Kelompok, dan EE” sedangkan Measure diubah ke “Scale, Nominal, dan Scale “. Setelah diubah, pada menu “Data View”akan muncul tampilan sebagai berikut :
4) Tahap berikutnya yaitu menganalisis data dengan memilih menu
“Analyze” lalu pilih “General Linear Model” dan terakhir memenekan
“ Unrivariate”
5) Kemudian, muncul tampilan seperti di bawah :
Pa rameter EE selanjutnya dipindahkan pada bagian “ Dependent Variable”
sedangkan Massa dan Ulangan dipindahkan pada bagian “Fixed Factor” . Pemidahan dilakukan dengan memilih salah satu parameter dan menekan tanda panah biru sesuai bagian. Kemudian, tekan menu “Model” yang mengakibatkan muncul tampilan di bawah ini :
Setelah itu, pilih “Build Terms” dan pindahkan data ke sisi kanan dengan cara memilih data → mengganti type ke main effect → dan terakhir tekan tanda panah sehingga muncul tabel berikut :
2.3 RSM
1. Analisis data dengan metode RSM menggunakan data dari penelitian Hapsari (2022) untuk menghasilkan efisiensi enkapsulasi yang optimum.
Running Konsentrasi ekstrak kasar daun kakao
(ppm)
Konsentrasi gelatin (%)
Efisiensi enkapsulasi (%)
1 358,58 1,5 56,86
2 500 1,85 76,5
3 600 1,75 58,32
4 500 1,5 72,47
5 500 1,15 51,17
6 641,42 1,5 69,82
7 600 1,25 66,93
8 500 1,5 81,13
9 400 1,25 56,08
10 500 1,5 78,93
11 500 1,5 75,47
12 500 1,5 78,21
13 400 1,75 65,59
2. Seluruh data tersebut dimasukkan dalam software Minitab dengan Y adalah respon, ekstrak dan gelatin sebagai variabel, serta X1 dan X2 adalah kode dari masing-masing variabel.
3. Data tersebut didefinisikan dengan Define Custom Response Surface Design dengan faktor berupa ekstrak dan gelatin, dengan tahapan sebagai berikut :
Langkah 1 :
Langkah 2 :
Langkah 3 :
Hasil analisis :
4. Data dianalisis menggunakan Analyze Response Surface Design kembali dengan respon Y untuk mendapatkan persamaan regresi.
Langkah 1 :
Langkah 2 :
Hasil persamaan adalah Y = -547 + 1.037 Ekstrak + 459 Gelatin - 0.000738 Ekstrak*Ekstrak - 116.6 Gelatin*Gelatin - 0.181 Ekstrak*Gelatin
Persamaan tersebut tidak sama dengan hasil persamaan pada jurnal penelitian karena pada jurnal mendefinisan (Define Custom Response Surface Design) dengan faktor berupa X1 dan X2 yang merupakan kode variabel. Hal ini tidak sesuai karen yang dibutuhkan adalah interaksi antara 2 variabel tanpa kode agar mendapatkan efisiensi enkapsulasi optimum.
Hasil :
5. Data digambarkan dalam contour plot Langkah 1 :
Langkah 2 :
Hasil :
6. Data digambarkan dalam surface plot Langkah 1 :
Langkah 2 :
Hasil :
BAB 3. PENUTUP
3.1 Kesimpulan
Kesimpulan yang dapat diambil dari laporan ini adalah sebagai berikut : 1. Penggunaan RAL dan RAKL digunakan untuk mengetahui pengaruh massa
air (1 liter, 1,5 liter, dan 2 liter) yang berbeda terhadap nilai efisiensi energi pada tungku sekam. Hasil yang diperoleh antara metode analisis rancangan RAL dan RAKL dengan menggunakan software SPSS, menunjukan adanya perubahan.
2. Hasil analisis RSM pada jurnal telah mendapatkan efisiensi enkapsulasi yang optimum dengan persamaan berikut :
Y = -547 + 1.037 Ekstrak + 459 Gelatin - 0.000738 Ekstrak*Ekstrak - 116.6 Gelatin*Gelatin - 0.181 Ekstrak*Gelatin
DAFTAR PUSTAKA
Hapsari, R. B., Pranoto, Y., Murdiati, A., & Supriyanto, S. (2022). Optimasi proses nanopresipitasi pada nanoenkapsulasi ekstrak kasar daun kakao (Theobroma cacao L.) menggunakan response surface methodology (RSM). Agritech, 42(1), 75-85.
Murniati, W. (2017). Rancangan acak kelompok lengkap (RAKL) pada pengaruh harga barang dan jasa terhadap inflasi. Assets: Jurnal Ilmiah Ilmu Akuntansi, Keuangan dan Pajak, 1(2), 14-28.
Prabudi, M., Nurtama, B., & Purnomo, E. H. (2018). Aplikasi response surface methodology (RSM) dengan historical data pada optimasi proses produksi burger. Jurnal Mutu Pangan: Indonesian Journal of Food Quality, 5(2), 109-115.
Wijaya, M. F., Suliawati, S., & Harahap, B. (2022). Pengaruh suhu terhadap kadar air pada inti sawit di kernel silo pada stasiun kernel dengan metode rancangan acak lengkap. Buletin Utama Teknik, 17(2), 197-202.
