28
Rancangan Penelitian
Penelitian detil dilakukan dilakukan di semua kecamatan di Kabupaten Dompu, Nusa Tenggara Barat dengan pertimbangan bahwa lokasi ini secara
umum memiliki tingkat produktivitas tanaman jambu mete yang cukup tinggi. Metode penelitian yang digunakan adalah metode survey. Penetapan desa
ditentukan dengan purposive sampling. Rancangan penelitian yang digunakan untuk menjawab tujuan-tujuan
penelitian terdiri atas:
1. Analisis Komponen Utama Principal Component Analysis-PCA, Analisis
Gerombol Cluster Analysis dan Analisis Regresi Multivariate
1.1. Tujuan Analisis
Analisis Komponen Utama PCA dilakukan untuk menentukan atribut lahan, yang menjadi variabel yang signifikan mempengaruhi produktivitas hasil
jambu mete.
1.2. Variabel Analisis
Variabel yang diperlukan untuk analisis ini adalah: - Variabel Fisiografi Lahan: kemiringan lereng dan batuan permukaan,
kedalaman efektif, tekstur tanah. - Variabel Iklim: Curah hujan, jumlah bulan kering.
- Variabel Kualitas Lahan: kadar C-organik, total-N, kadar P
2
O
5
, kadar K
2
O, Kejenuhan Basa, Kapasitas Tukar Kation, dan pH tanah. - Variabel Produktivitas Tanaman Jambu Mete: produksi tanaman kgha
atau kgpohon.
1.3. Metode Analisis
Sebelum menentukan korelasi antara karakter biofisik lahan dan lingkungan dengan produtivitas, terlebih dahulu produksi perlu ditera dengan
umur tanaman agar satu sampel dengan lainnya tidak dipengaruhi oleh umur dan dapat diperbandingkan satu sama lainnya, dan variabilitas yang ada tidak lagi
dipengaruhi umur namun dipengaruhi oleh faktor lingkungan biofisik semata.
29 Produksi merupakan fungsi dari umur, sehingga produksi yang satu
dengan yang lainnya akan diperbandingkan atau sebagai dependent variable. Metode peneraan yang akan digunakan adalah:
Y = ft
Y = produksi dugaan berdasarkan umur.
t = umur tahun atau bulan
Y teraan = Yi + Ŷ – Y
Dimana: Y teraan = produksi teraan
Yi = produksi aktual
Ŷ = rataan umum
Y = produksi dugaan berdasarkan umur.
Selanjutnya dilakukan Analisis Komponen Utama PCA untuk melihat pengelompokan antar variabel yang telah hilang multikolinearitasnya. Untuk
menampilkan data pada objek-objek yang mempunyai beberapa peubah dimensi maka perlu dilakukan transformasi melalui Analisis Komponen Utama Principle
Component Analysis PCA.
Analisis Komponen Utama merupakan teknik analisis multivariabel menggunakan banyak variabel yang dilakukan untuk tujuan ortogonalisasi dan
penyederhanaan variabel. Analisis ini merupakan teknik statistik yang mentransformasikan secara linier satu set variabel ke dalam variabel baru dengan
ukuran lebih kecil namun representatif dan tidak saling berkorelasi ortogonal. Analisis Komponen Utama PCA sering digunakan sebagai analisis antara
maupun analisis akhir. Sebagai analisis antara PCA bermanfaat untuk menghilangkan multicollinearity atau untuk mereduksi variabel yang berukuran
besar ke dalam variabel baru yang berukuran sederhana. Untuk analisis akhir, PCA umumnya digunakan untuk mengelompokkan variabel-variabel penting dari
suatu bundel variabel besar untuk menduga suatu fenomena, sekaligus memahami struktur dan melihat hubungan antar variabel. Pada dasarnya PCA adalah analisis
yang mentransformasikan data sejumlah p ke dalam struktur data baru sejumlah k dengan jumlah k p. Perhitungan dengan PCA memerlukan beberapa
30 pertimbangan, yang sekaligus menggambarkan adanya kendala dan tujuan yang
ingin dicapai dari hasil analisis PCA. Di dalam PCA akan dihitung vektor pembobot yang secara matematis
ditujukan untuk memaksimumkan keragaman dari kelompok variabel baru yang sebenarnya merupakan fungsi linier peubah asal atau memaksimumkan jumlah
kuadrat korelasi antar PCA dengan variabel asal. Hasil analisis komponen- komponen utama antara lain nilai akar ciri, proporsi, dan kumulatif akar ciri, nilai
pembobot atau sering disebut faktor loading, serta faktor scores. Analisis Gerombol Cluster Analysis merupakan salah satu teknik
multivariabel yang umumnya digunakan untuk mengelompokkan data ke dalam satu kelas yang mempunyai ciri-ciri tertentu yang sama. Tujuan dilakukan analisis
kelompok ini adalah untuk menemukan kelompok alami dari satu kumpulan data. Analisis kelompok ini dilakukan untuk tujuan: 1 menggali dataeksplorasi data,
2 mereduksi data menjadi kelompok data baru dengan jumlah lebih kecil atau dinyatakan dengan pengkelasan klasifikasi data, 3 menggeneralisasi suatu
populasi untuk memperoleh suatu hipotesis, 4 menduga karakteristik data-data. Di dalam membentuk suatu cluster, metode ini menggunakan perbedaan atau
“jarak” euclidean antara nilai objek sebagai dasar pengelompokannya. Sebelum melakukan penggabungan data perlu dihitung terlebih dahulu
jarak antara dua data atau jarak antara dua gerombol data dengan ciri yang serupa. Untuk dapat dilakukan penggerombolan diperlukan suatu skala pengukuran yang
sama. Jika skala data tidak sama maka data perlu ditransformasikan dalam suatu bentuk skor tertentu yang disebut dengan jarak baku. Dalam analisis gerombol
dikenal terdapat beberapa ukuran jarak antara lain: jarak mahalanobis, jarak eucledian,
jarak chebicef, power distance, dan percent disagreement. Ukuran jarak yang sering digunakan adalah jarak eucledian eucledian distance.
Persamaan penghitungan jarak eucledian antara dua titik atau dua gerombol:
D Yj
Xi
p i
= ⎭
⎬ ⎫
⎩ ⎨
⎧ −
∑
= 2
1 1
2
31 Keterangan:
Xi = pusat data dari gerombol X
Yj = pusat data dari gerombol Y
Nilai D merupakan jarak antara titik datagerombol X dan Y. Makin kecil nilai D makin besar kemiripan data X dan Y. Dalam analisis gerombol ini tidak
Selanjutnya untuk mengetahui faktor biofisik lingkungan yang mempengaruhi produktivitas tanaman dianalisis melalui persamaan regresi
berganda linier. Model hubungan kausal yang digunakan adalah model regresi berganda linier sebagai berikut:
Keterangan: Y
= produktivitas tanaman jambu mete ß
= konstanta X
1
sd X
6
= kelompok faktor biofisik lingkungan yang telah distandarisasi dengan Analisis Komponen Utama
ß
1
sd ß
6
= koefisien tiap faktor biofisik lingkungan µ
= kesalahan pengganggu error Untuk Analisis Komponen Utama, Analisis Gerombol dan Analisis
Regresi menggunakan tools yang ada pada software Statistica ver. 6.0.
2. Pembangunan Kriteria Kesesuaian Lahan untuk Jambu Mete 2.1. Tujuan Analisis