Hasil MANOVA keseluruhan respon di atas nilai peluang nyata p-value untuk statistik wilks’ Lambda bernilai 0,0416. Nilai ini lebih kecil dari 0,05
artinya keterbukaan lahan berpengaruh signifikan terhadap respon secara keseluruhan pada taraf 5. Hal ini menunjukkan secara keseluruhan variabel
dependent berpengaruh nyata terhadap keterbukaan areal.
5.8 Korelasi Hubungan Antar Variabel
Korelasi hubungan antar variabel dilakukan dengan pendekatan eksploratif menggunakan biplot. Biplot adalah upaya membuat gambar di ruang berdimensi
banyak menjadi gambar di ruang berdimensi dua. Biplot mampu memberikan informasi sebesar 70 dari seluruh informasi. Biplot hanya menjelaskan secara
eksploratif tanpa mengetahui seberapa besar angka yang menunjukkan hubungan atau korelasi variabel-variabel tersebut. Varibel yang diuji meliputi keterbukaan
areal lahan, tinggi dan jumlah daun semai ramin, kadar air, bulk density dan porositas tanah gambut, tinggi muka air, serta suhu dan kelembaban gambut.
0,50 0,25
0,00 -0,25
-0,50 0,50
0,25 0,00
-0,25 -0,50
First Component
S e
co n
d C
o m
p o
n e
n t
k eter b u k aan ar eal Po r o sitas
BD KA
TMA k elemb ab an
su h u j u mlah d au n
Tin g g i semai r amin
Loading Plot of Tinggi semai ramin; ...; keterbukaan areal
Gambar 6 Korelasi antar dependent variable. Pada grafik biplot korelasi dilihat melalui ukuran sudut yang dibentuk oleh
beberapa variabel. Sudut yang sangat lancip menjelaskan bahwa kedua variabel tersebit berkorelasi positif seperti hubungan tinggi dengan jumlah daun, atau
keterbukaan areal dengan tinggi muka air. Sudut yang sangat tumpul menggambarkan korelasi secara negatif, seperti hubungan suhu dengan
kelembaban dan kadar air dengan bulk density. Semakin membentuk sudut 90 kedua variabel maka hubungan korelasinya semakin lemah bahkan tidak
berkorelasi. Pada gambar di atas dijelaskan melalui hubungan tinggi dengan sifat fisik tanah kadar air KA, bulk density BD, dan porositas.
5.9 Analisis Hubungan Faktor-faktor yang Mempengaruhi Pertumbuhan
Semai Ramin
Pertumbuhan ramin bervariasi pada lokasi dan kondisi lingkungan yang berbeda. Pada kondisi tempat tumbuh tertentu kondisi lingkungan dapat
mendukung pertumbuhan ramin, akan tetapi pada penelitian ini terdapat variabel yang tidak berpengaruh nyata terhadap pertumbuhan semai ramin.
Analisis data dilakukan dengan menggunakan software Minitab 15. Berdasarkan nilai analisis regresi diperoleh nilai VIF beberapa variabel lebih
besar dari 10, hal ini mengindikasikan bahwa adanya multikolinieritas artinya beberapa variabel saling berkorelasi, sehingga perlu dilakukan Regresi Komponen
Utama RKU. Pada RKU dipilih beberapa komponen dari seluruh variabel yang mampu
menjelaskan keragaman lebih besar dari 70. Pada analisis ini terdapat dua komponen yang mampu menjelaskan keragaman sebesar 80,2 sehingga
digunakan dua komponen utama W
1
dan W
2
. Penentuan komponen ini juga dijelaskan oleh grafik scree plot yang mengacu pada garis linier yang mulai
landai. Hasil analisis menunjukkan nilai keagaman R-sq yang mampu dijelaskan
oleh komponen terpilih W
1
dan W
2
adalah 1,3, sedangkan sisanya dijelaskan oleh faktor diluar model. Model regresi pada RKU tersebut adalah tinggi semai
ramin Y= 5,03 + 0.033w
1
+ 0,212w
2
.
Tabel 7 Analisis regresi komponen utama
Sumber keragaman
Derajat Bebas DB
Jumlah Kuadrat SS
Kuadrat tengah MS
F
hitung
P Regresi
2 1,535
0,768 0,12
0,883 Sisa
19 116,859
6,150 Total
21 118,394
Untuk mengetahui pengaruh komponen utama W
1
dan W
2
terhadap pertumbuhan tinggi semai ramin Y, maka diberlakukan pengujian hipotesis
dengan memperhatikan nilai F
hitung
terima H karena nilai F
hitung
pada taraf nyata 5 diperoleh sebesar 0,12 sedangkan F
tabel
3,522 dengan demikian F
hitung
F
tabel
, artinya secara statistik belum dapat dibuktikan bahwa model tersebut bisa
menjelaskan atau memprediksi keragaman tinggi semai ramin, artinya semua variabel bebas tidak berpengaruh terhadap nilai variabel tak bebas Y.
Kriteria keputusan dapat menggunakan angka probabilitas p-value yang diperoleh dari analisis RKU kemudian dibandingkan dengan taraf nyata pengujian
yang digunakan α=5. Nilai p yang diperoleh lebih besar dari taraf nyata 5,
maka terima H artinya secara simultan komponen utama tidak berpengaruh nyata
terhadap Y. Model persamaan regresi yang di peroleh adalah Y= 6.42 + 0.0885 X
1
- 0.0244 X
2
+ 0.042 X
3
- 0.0004 X
4
+ 3.3911 X
5
– 0.0384 X
6
Keterangan: Y : tinggi cm
X
1
: suhu C
X
2
: kelembaban X
3
: kedalaman m X
4
: kadar air X
5
: bobot isi gramcm
3
X
6
: porositas
BAB VI KESIMPULAN DAN SARAN