Analisis Faktor-Faktor yang Memengaruhi Produksi Tanaman Kumis Kucing (Orthosiphon aristatus)

ANALISIS LINTAS FAKTOR-FAKTOR YANG MEMENGARUHI
PRODUKSI TANAMAN KUMIS KUCING
(Orthosiphon aristatus)

DWIVAYANI SENTOSA

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Lintas FaktorFaktor yang Memengaruhi Produksi Tanaman Kumis Kucing (Orthosiphon
aristatus) adalah benar karya saya dengan arahan dari komisi pembimbing dan
belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.
Bogor, September 2013
Dwivayani Sentosa
NIM G14090012

ii

ABSTRAK
DWIVAYANI SENTOSA. Analisis Lintas Faktor-Faktor yang Memengaruhi
Produksi Tanaman Kumis Kucing (Orthosiphon aristatus). Dibimbing oleh ANIK
DJURAIDAH dan FARIT MOCHAMAD AFENDI.
Kumis Kucing merupakan salah satu tanaman obat tropis yang mempunyai
banyak manfaat, antara lain mengobati penyakit radang batu ginjal, albuminuria,
dan mampu menurunkan kadar glukosa darah. Balittro sebagai lembaga peneliti
tanaman rempah dan obat, mulai tahun 2012 melakukan penelitian dibidang
pemuliaan tanaman Kumis Kucing yang bertujuan mencari aksesi tanaman Kumis
Kucing terbaik diantara enam aksesi yang diteliti. Salah satu metode yang
digunakan untuk membantu tercapainya tujuan penelitian tersebut adalah analisis
lintas. Peubah respon yang diteliti adalah nilai produksi berupa bobot kering
tanaman dengan peubah penentu adalah nilai produksi bobot basah dan nilai

pertumbuhan panjang daun, lebar daun, tebal daun, diameter batang, jumlah daun,
jumlah cabang, jumlah tunas, dan kadar air tanaman. Hasil analisis lintas
berdasarkan model awal menunjukkan tidak semua peubah penentu yang diukur
berpengaruh terhadap peubah responnya. Modifikasi model dilakukan untuk
meningkatkan total keragaman yang mampu dijelaskan dalam data. Hasil analisis
lintas model modifikasi mampu meningkatkan total keragaman antara 8.10%
hingga 20.29%. Peubah yang paling berpengaruh terhadap perubahan bobot
kering pada model modifikasi adalah bobot basah.
Kata kunci: analisis lintas, Kumis Kucing

ABSTRACT
DWIVAYANI SENTOSA. Path Analysis of Factors That Influence the
Production of Kumis Kucing Plants (Orthosiphon aristatus). Supervised by ANIK
DJURAIDAH and FARIT MOCHAMAD AFENDI.
Kumis Kucing (Orthosiphon aristatus) is one of tropical medicinal plants
that have many benefits, such as treating kidney stones inflammation, albuminuria,
and also lowering blood glucose levels. Balittro as a research institution of spices
and medicinal plants, began to research Kumis Kucing breeding in 2012 which
aims to find the best accessions of Kumis Kucing among the six accessions. Path
analysis is being used to achieve the research goal. Response variable under study

is the value of production in the form of dry weight of plants with the value of
production as the determinant variable and there are also fresh weight growth of
leaf length, leaf’s width, leaf’s thickness, stem’s diameter, total leaves, total
branches, total shoots, and plant water content. The result of path analysis based
on the initial model showed that not all the determinant variables which are
measured can influence the response variable. Modification of the model was
conducted to determine the best model that describes variance of plants. Path

iii

analysis based on modified model could increased the variance between 8.10% to
20.29%. The results obtained indicate that the wet weight is the most dominant
effect of the increase in dry weight.
Keywords: Kumis Kucing, path analysis

iv

ANALISIS LINTAS FAKTOR-FAKTOR YANG MEMENGARUHI
PRODUKSI TANAMAN KUMIS KUCING
(Orthosiphon aristatus)

DWIVAYANI SENTOSA

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika
pada
Departemen Statistika

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013

v

vi

Judul Skripsi : Analisis Faktor-Faktor yang Memengaruhi Produksi Tanaman

Kumis Kucing (Orthosiphon aristatus)
Nama
: Dwivayani Sentosa
NIM
: G14090012

Disetujui oleh

Dr Ir Anik Djuraidah, MS
Pembimbing I

Dr Farit Mochamad Afendi, MSi
Pembimbing II

Diketahui oleh

Dr Ir Hari Wijayanto, MSi
Ketua Departemen

Tanggal Lulus:

vii

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karuniaNya penulis dapat menyelesaikan karya ilmiah dengan judul Analisis Lintas
Faktor-Faktor yang Memengaruhi Produksi Tanaman Kumis Kucing
(Orthosiphon aristatus). Karya ilmiah ini merupakan salah satu syarat untuk
mendapatkan gelar Sarjana Statistika pada Departemen Statistika, Fakultas
Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
Penulis ingin menyampaikan rasa terima kasih sebesar-besarnya kepada Ibu
Dr Anik Djuraidah, MS dan Bapak Dr Farit Mochamad Afendi, MSi selaku dosen
pembimbing atas bimbingan, masukan, dan kesabarannya selama penulis
menyelesaikan karya ilmiah ini. Rasa terima kasih juga penulis sampaikan kepada
Ibu Dr Otih Rostiana dari Balittro atas data serta bimbingannya. Selain itu,
ungkapan terima kasih juga penulis sampaikan kepada dosen pengajar, pegawai
departemen Statistika, sahabat, dan teman-teman STK yang telah membantu
selesainya karya ilmiah ini. Karya ini dipersembahkan untuk keluarga tercinta
yang senantiasa memberikan perhatian dan semangat pada penulis.
Penulis menyadari masih banyak kekurangan dalam penulisan karya ilmiah
ini. Oleh karena itu, penulis menerima saran dan kritikan yang membangun dari

berbagai pihak agar dapat meningkatkan pengetahuan penulis dimasa yang akan
datang. Penulis berharap karya ilmiah ini dapat bermanfaat bagi penulis
khususnya dan pembaca pada umumnya.

Bogor, September 2013
Dwivayani Sentosa

viii

DAFTAR ISI
DAFTAR TABEL

x

DAFTAR GAMBAR

x

DAFTAR LAMPIRAN

x

PENDAHULUAN

1

Latar Belakang

1

Tujuan Penelitian

1

METODE

2

Data

2

Metode Penelititan

2

HASIL DAN PEMBAHASAN

6

Eksplorasi Data Tanaman Kumis Kucing

6

Pengujian Asumsi Analisis Ragam Peubah Ganda

7

Analisis Ragam Peubah Ganda

7

Pengujian Asumsi Analisis Lintas

8

Analisis Lintas

9

Modifikasi Model Analisis Lintas

11

SIMPULAN

15

DAFTAR PUSTAKA

15

LAMPIRAN

16

RIWAYAT HIDUP

22

ix

DAFTAR TABEL
1 Koefisien determinasi analisis lintas gabungan
2 Pengaruh langsung dan tak langsung peubah yang memengaruhi Y2
pada analisis lintas gabungan
3 Koefisien determinasi analisis lintas masing-masing kelompok
4 Pengaruh langsung dan tak langsung peubah yang memengaruhi Y2
pada analisis lintas masing-masing kelompok
5 Koefisien determinasi analisis lintas gabungan model modifikasi
6 Pengaruh langsung dan tak langsung peubah yang memengaruhi Y2
pada analisis lintas gabungan model modifikasi
7 Koefisien determinasi analisis lintas model modifikasi pada masingmasing kelompok
8 Pengaruh langsung dan tak langsung peubah yang memengaruhi Y2
pada analisis lintas model modifikasi masing-masing kelompok

10
11
11
12
13
14
14
12

DAFTAR GAMBAR
1
2
3
4
5

Model awal analisis lintas
Plot kuanti-kuanti khi-kuadrat jarak amatan
Diagram lintas gabungan aksesi
Model modifikasi analisis lintas
Diagram lintas gabungan aksesi model modifikasi

5
7
10
13
13

DAFTAR LAMPIRAN
1
2
3
4
5
6
7
8

Statistik deskriptif nilai pertumbuhan tanaman Kumis Kucing
Statistika deskriptif tanaman Kumis Kucing
Analisis ragam peubah ganda
Pembandingan vektor nilai tengah dari dua populasi
Sisaan tidak saling berkorelasi
Nilai korelasi antar peubah amatan
Diagram lintas dengan model awal masing-masing kelompok
Diagram lintas dengan model modifikasi masing-masing kelompok

18
19
19
19
20
20
20
22

1

PENDAHULUAN
Latar Belakang
Tanaman obat merupakan salah satu cara pengobatan alternatif yang dipilih
oleh banyak masyarakat dunia, termasuk Indonesia. Selain karena harganya relatif
terjangkau dan tidak memberikan dampak negatif bagi tubuh, tanaman obat juga
mampu mengurangi ketergantungan masyarakat terhadap obat kimia. Menurut
Departemen Kehutanan (2010), terdapat 780 jenis tanaman obat yang tersebar di
wilayah Indonesia atau 46,29 % dari keseluruhan tanaman obat yang ada di dunia.
Namun hanya 180 diantaranya yang telah dieksplorasi untuk dibudidayakan
sebagai bahan baku obat-obatan. Untuk meningkatkan produksi tanaman obat
dilakukan pemuliaan tanaman melalui persilangan antar aksesi dan mutasi gen,
sehingga dihasilkan varietas unggul berproduksi dan bermutu tinggi.
Kumis Kucing (Orthosiphon aristatus) merupakan tanaman tropis yang
umum digunakan sebagai obat penyakit radang batu ginjal, albuminuria, serta
menurunkan kadar glukosa darah. Tingginya permintaan Kumis Kucing sebagai
bahan baku obat merupakan suatu peluang bagi negara tropis seperti Indonesia
untuk membudidayakan tanaman ini. Balai Penelitian Tanaman Rempah dan Obat
(Balittro) meneliti enam tanaman yang telah beradaptasi dengan lingkungan
tumbuhnya (ekotipe) dan diuji pada tempat yang sama. Setiap ekotipe disebut
aksesi. Aksesi-aksesi tersebut ditanam dan diberi perlakuan yang sama, lalu
diukur nilai pertumbuhan dan nilai produksinya.
Hasil penelitian Balittro menunjukkan nilai pertumbuhan dan nilai produksi
antar aksesi tidak sama, sehingga analisis terhadap gabungan keseluruhan aksesi
tidak dapat dilakukan. Oleh sebab itu, dilakukan pengelompokan yang bertujuan
memisahkan aksesi menjadi beberapa kelompok berdasarkan kedekatan terhadap
kedua nilai tersebut. Aksesi yang berada dalam kelompok yang sama akan
memiliki kemiripan indikator sehingga hasil analisis terhadap kelompok akan
menggambarkan setiap aksesi yang ada di dalamnya.
Nilai pertumbuhan diukur berdasarkan beberapa peubah yang secara
langsung ataupun tidak langsung memengaruhi nilai produksi. Peubah pada nilai
pertumbuhan disebut peubah penentu (X), sedangkan peubah pada nilai produksi
disebut peubah respon (Y). Besarnya pengaruh langsung dan tak langsung antara
peubah penentu terhadap peubah respon perlu diprediksi agar membantu peneliti
dalam menentukan perlakuan lanjutan yang mendukung terciptanya varietas
unggul. Metode yang diterapkan untuk menguji kekuatan hubungan langsung dan
tidak langsung di antara beberapa peubah tersebut adalah analisis lintas.

Tujuan Penelitian
1.
2.
3.

Tujuan penelitian ini adalah:
Menganalisis karakteristik aksesi tanaman Kumis Kucing berdasarkan nilai
pertumbuhan dan nilai produksi.
Menduga koefisien lintas pengaruh langsung dan tak langsung peubah
penentu terhadap berat kering tanaman Kumis Kucing.
Mengidentifikasi perbedaan model antar kelompok tanaman Kumis Kucing.

2

METODOLOGI
Data
Data yang digunakan dalam penelitian ini merupakan data yang berasal dari
penelitian tanaman Kumis Kucing kelompok peneliti pemuliaan tanaman Balittro
pada kebun percobaan Cicurug pada tahun 2012. Terdapat 240 data amatan yang
terbagi dalam enam aksesi, yaitu aksesi ke-1, ke-2, hingga aksesi ke-6. Peubahpeubah yang diamati dari setiap aksesi terdiri atas dua peubah respon berupa
bobot basah tanaman (gram) (Y1) dan bobot kering tanaman (gram) (Y2) serta
delapan peubah penentu, yaitu:
X1 = panjang daun terbesar pada cabang utama (cm)
X2 = lebar daun terbesar pada cabang utama (cm)
X3 = tebal daun terbesar pada cabang utama (mm)
X4 = diameter batang utama (mm)
X5 = banyaknya daun batang utama
X6 = banyaknya cabang batang utama
X7 = banyaknya tunas batang utama
X8 = kadar air.

Metode Penelitian
1.

2.

Tahapan-tahapan yang dilakukan dalam penelitian ini adalah :
Eksplorasi data secara deskriptif.
Merupakan metode yang berkaitan dengan pengumpulan dan
penyajian suatu gugus data sehingga memberikan informasi yang berguna
(Walpole 1992). Metode ini biasanya menangani dan merangkum data
dalam bentuk tabel sebaran frekuensi, frekuensi relatif, dan grafik sehingga
informasi dapat terangkum secara ringkas dan sederhana.
Pengujian asumsi analisis ragam peubah ganda
Menurut Johnson dan Wichern (1998) terdapat dua asumsi yang harus
terpenuhi dalam analisis ragam peubah ganda, yaitu uji asumsi normal
ganda dan uji asumsi kehomogenan ragam.
Asumsi Normal Ganda
Menurut Johnson dan Wichern (1998), asumsi normal ganda dapat dilihat
dengan menggunakan plot kuantil-kuantil. Algoritma yang digunakan
adalah sebagai berikut:
a. Menghitung jarak Mahalanobis tiap amatan.
-̅ -̅ ,
keterangan:
= jarak mahalanobis pengamatan ke= vektor nilai peubah amatan pada amatan ke̅
= vektor rataan peubah amatan pada seluruh pengamatan
= matriks kebalikan dari ragam peragam

3

b. Mengurutkan jarak dari yang terkecil hingga terbesar
-

c. Menghitung kuantil

.
d. Menentukan sebaran khi-kuadrat
e. Membuat plot antara

.

dengan

.

Data dapat didekati dengan sebaran normal ganda jika plot kuantil
membentuk garis lurus dan minimal
jarak
dengan
.
Asumsi Kehomogenan Matriks Ragam Peragam
Pemeriksaan asumsi kehomogenan beberapa matriks ragam peragam
dilakukan dengan menggunakan Uji Box’s M (Rencher 2002). Hipotesis
yang digunakan adalah sebagai berikut:
: sedikitnya ada sepasang
,
untuk kelompok
dengan
adalah matriks ragam
peragam kelompok. Statistik uji yang digunakan adalah sebagai berikut:
∑
| |
(∑
) | |

∑
dan
dengan
penolakan H0 adalah jika
- ( - )

adalah banyak amatan tiap kelompok. Kriteria
, dengan:
( - )

,
,

p adalah banyak peubah,
adalah banyaknya amatan, dan c
adalah konstanta. Pendekatan statistik uji terhadap uji-F dengan
menggunakan adalah:
-

( - )

- - ⁄

olak

{

,

ln
a
a

|

- - ⁄

,

hit
hit

| -

ln
ln

jika c c

a ,a
a ,a

jika c c

Asumsi Sisaan Saling Bebas
Pengindentifikasian amatan yang saling bebas dapat dilihat dari plot sisaan
yang terbentuk. Jika plot sisaan antar pengamatan tidak membentuk pola,
maka antar amatan tersebut akan saling bebas.
3.

Melakukan analisis ragam peubah ganda.
Teknik peubah ganda merupakan pengembangan dari teknik satu
peubah dengan banyak peubah respon. Analisis ragam peubah ganda

.

4

(Manova) adalah salah satu teknik peubah ganda yang biasa digunakan pada
perancangan percobaan yang mengkaji pengaruh berbagai perlakuan yang
dicobakan terhadap respon ganda dengan melihat perbedaan maksimum
antar perlakuan terhadap respon ganda tersebut (Hair et al. 2010).
Model umum analisis ragam peubah ganda menurut Johnson dan
Wichern (1998) adalah:
;
adalah nilai pengamatan dari respon terhadap kelompok ke-k dan
ulangan ke- , merupakan vektor rataan umum,
merupakan pengaruh
perlakuan terhadap respon, dan
merupakan pengaruh acak yang bersifat
bebas stokastik identik dan menyebar normal dengan nilai harapan 0 dan
ragam . Hipotesis yang diuji adalah sebagai berikut:
.
: Setidaknya ada
Statistik uji Wilks’ Lambda merupakan salah satu statistik uji yang
dapat digunakan dalam pengambilan keputusan pada Manova. Statistik uji
Wilks’ Lambda dirumuskan sebagai berikut:
|

| |

|

keterangan:
=∑
( ̅ -̅)(̅̅̅-̅)
| | = Determinan matriks jumlah kuadrat dan hasil kali perlakuan

= ∑ ∑ ( -̅ )( -̅ )
| | = Determinan matriks jumlah kuadrat dan hasil kali sisaan.
Statistik uji akan tolak H0 jika:
.
- - ( - )

Statistik uji Wilks’ Lambda juga dapat didekati dengan sebaran F. Tolak H0
jika statistik uji:

4.

(

√

√

)

∑

∑

Melakukan uji T2 Hotelling.
Uji T2 Hotelling merupakan salah satu uji lanjut dari analisis ragam
peubah ganda. Statistik uji T2 merupakan uji kesamaan vektor nilai tengah
dari dua populasi peubah ganda (Johnson and Wichern 1998). Populasi
∑
dan matriks ragam
pertama
memiliki rata-rata ̅

peragam

memiliki
-

∑

-

∑

̅

rata-rata
-̅

2

-̅

-̅

∑

-̅

. Populasi kedua

dan

matriks

ragam

peragam

.

Statistik uji T menguji hipotesis H0
dengan hipotesis
alternatif kebalikannya. Statistik uji T2 dirumuskan sebagai berikut:
(̅ -̅ )

-

( ̅ -̅ )

5

-

-

-

-

Statistik uji T2 dapat didekati dengan sebaran F. T2 menyebar

( - )
-

-

yang menyebar F dengan derajat bebas dan - .
Selang kepercayaan T2 untuk tiap perbandingan dapat dibuat lebih
lebar dengan menggunakan kaidah Bonferroni. Bila terdapat m kombinasi
uji T2 untuk populasi, maka kombinasi T2 akan memiliki individual error
rate sebesar ⁄ , sehingga total error untuk keseluruhan kombinasi adalah
sebesar .
5.

i.
ii.

Menghitung koefisien lintas setiap kelompok yang dihasilkan.
Analisis lintas merupakan metode yang dikembangkan untuk
mempelajari hubungan langsung dan tak langsung beberapa peubah penentu
terhadap peubah respon. Dillon dan Goldstain (1984) mengatakan bahwa
penggunaan analisis lintas didasarkan pada beberapa asumsi, yaitu:
a.
Hubungan antar peubah dalam model adalah linear dan aditif.
b.
Sisaan tidak saling berkorelasi.
c.
Hanya ada hubungan kausal satu arah dalam model.
d.
Peubah-peubah bebas diukur minimal dalam skala interval.
e.
Peubah yang diamati diasumsikan diukur tanpa kesalahan.
f.
Model yang digunakan diasumsikan memiliki spesifikasi yang tepat
dan benar berdasarkan teori dan konsep yang relevan.
Langkah-langkah dalam analisis lintas adalah sebagai berikut:
Menghitung nilai koefisien korelasi peubah yang diuji.
Membangun model berdasarkan teori, hasil penelitian sebelumnya, atau
pendapat ahli di bidang tersebut.
P.Daun

B.Basah

L.Daun

J.Daun

T.Daun

J.Cabang
g

D.Batang

J.Tunas

B.Kering

Gambar 1 Model awal analisis lintas
iii.

Menduga koefisien lintas antar peubah.
Koefisien lintas menurut Dillon dan Goldstein (1984), merupakan analisis
peubah ganda yang menunjukkan pengaruh langsung peubah yang
ditentukan sebagai penyebab terhadap peubah yang ditentukan sebagai
akibat (respon). Koefisien lintas antara peubah respon ke- dan peubah
penentu ke- disimbolkan sebagai . Koefisien lintas merupakan koefisien
regresi yang dibakukan dengan rumus sebagai berikut:

6

dengan:
= koefisien lintas peubah respon ke- dan peubah penentu ke-

Jika

= matriks invers korelasi antar peubah respon dengan peubah penentu
= koefisien korelasi antara peubah respon dengan peubah penentu.
-

dan

-

, masing-masing merupakan peubah respon dan

peubah penentu yang telah dibakukan, dengan peubah
, dan
masing-masing adalah rataan peubah respon dan peubah penentu, serta
adalah simpangan baku peubah respon dan merupakan simpangan baku
peubah penentu, maka diperoleh persamaan regresi baku sebagai berikut:

iv.

v.

vi.
6.

dengan:
= peubah respon ke- yang dibakukan
= peubah penentu ke- yang dibakukan
= koefisien sisaan lintas
= sisaan
Menghitung koefisien determinasi umum model.
Koefisien determinasi dihitung dengan menggunakan rumus sebagai
berikut:
-( - )( - ) ( - )
Nilai
menunjukkan persentase total keragaman data yang dapat
dijelaskan oleh model, sedangkan sisanya dijelaskan oleh faktor lain yang
tidak termasuk ke dalam model.
Melakukan modifikasi model analisis lintas.
Modifikasi model dilakukan dengan menambah, mengurangi, atau
mengubah jalur model awal. Modifikasi terhadap model yang dilakukan
harus sudah dianggap layak oleh teori yang mendukung penelitian.
Modifikasi bertujuan untuk mengetahui model yang lebih tepat
menggambarkan kondisi yang sesungguhnya di lapangan.
Melakukan interpretasi model terpilih.
Membandingkan model analisis lintas antar kelompok.

HASIL DAN PEMBAHASAN
Eksplorasi Data Tanaman Kumis Kucing
Statistik deskriptif dilakukan terhadap nilai pertumbuhan dan produksi tiap
aksesi yang dapat dilihat pada Lampiran 1. Berdasarkan diagram kotak garis dapat
dilihat bahwa peubah panjang daun (X1), lebar daun (X2), jumlah daun (X5),
jumlah cabang (X6), jumlah tunas (X7), bobot basah (Y1), kadar air (X8), dan
bobot kering (Y2) memiliki nilai tengah yang beragam, sedangkan tebal daun (X3)
dan diameter batang (X4) memiliki nilai tengah yang cenderung sama. Nilai

7

tengah terendah didominasi oleh aksesi ke-4 dengan nilai tengah terkecil di
hampir semua nilai pertumbuhan dan produksi tanaman.
Koefisien keragaman mampu menunjukkan besarnya keragaman data.
Bobot basah memiliki keragaman terbesar dengan nilai koefisien keragaman
sebesar 45.56 % dengan nilai minimum dan maksimum sebesar 59.13 gram dan
964.70 gram. Koefisien keragaman terendah sebesar 10.38 % dimiliki oleh tebal
daun dengan nilai minimum dan maksimum sebesar 0.20 mm dan 0.34 mm. Hasil
eksplorasi data lebih lengkap dapat dilihat pada Lampiran 2.
Pengujian Asumsi Analisis Ragam Peubah Ganda
Uji asumsi harus dilakukan sebelum melakukan analisis ragam peubah
ganda. Adapun asumsi tersebut adalah:
1.
Kehomogenan matriks ragam peragam
Hasil pengujian kehomogenan matriks ragam peragam dengan
menggunakan uji Box’s
menunjukkan ahwa nilai-p = 0.00 atau lebih
kecil dari 0.05. Hal ini menunjukkan bahwa matriks ragam peragam tidak
homogen. Oleh sebab itu dilakukan eksplorasi terhadap data dan diperoleh
hasil bahwa aksesi ke-4 dikeluarkan dari uji ragam peubah ganda karena
aksesi tersebut memiliki karakteristik yang jauh berbeda dengan aksesi
lainnya. Uji Box’s
terhadap kelima aksesi yang tersisa menunjukkan
nilai-p sebesar 0.05. Berdasarkan hal tersebut, maka matriks ragam peragam
dapat dikatakan homogen.
2.
Asumsi kenormalan ganda
Hasil uji kenormalan ganda dengan menggunakan plot kuantil khi
kuadrat terhadap kelima aksesi menunjukkan data menyebar normal ganda.
Plot kuantil khi kuadat cenderung membentuk garis lurus dengan minimal
, sehingga dapat disimpulkan amatan mendekati
50% (73%) nilai
sebaran normal ganda.

Gambar 2 Plot kuantil-kuantil khi-kuadrat pada jarak tiap aksesi
3.

Pengamatan saling bebas
Masing-masing peubah memiliki sisaan yang saling bebas. Kebebasan
sisaan dapat dilihat dari plot sisaan masing-masing peubah yang tidak
membentuk pola.

8

Analisis Ragam Peubah Ganda
Model analisis lintas yang akan diteliti diharapkan sesuai dengan kondisi
setiap aksesi tanaman, sehingga perlu diketahui pengaruh aksesi terhadap
perbedaan nilai tengah nilai pertumbuhan dan produksi tanaman. Analisis ragam
peubah ganda dilakukan pada lima aksesi tanaman untuk mengetahui adanya
perbedaan pengaruh aksesi terhadap nilai pertumbuhan dan nilai produksi secara
bersama-sama. Nilai-p dari statistik uji Wilks’ Lambda pada Lampiran 3 lebih
kecil dari nilai taraf nyata , yaitu 0.000 < 0.05. Hal ini mengindikasikan aksesi
mempunyai pengaruh terhadap perbedaan nilai tengah pertumbuhan dan produksi
tanaman Kumis Kucing.
Pembandingan vektor nilai tengah dua populasi perlu dilakukan untuk
mengetahui perbedaan nilai tengah antar aksesi berdasarkan hasil analisis ragam
peubah ganda.Terdapat 10 kombinasi pembanding yang berasal dari kelima aksesi.
Agar menjaga tingkat kesalahan tetap sebesar
(0.05), maka digunakan
pendekatan Bonferroni dengan tingkat kesalahan individu sebesar 0.005 untuk
masing-masing 10 kombinasi pembanding. Berdasarkan uji T2 Hotelling, aksesi
ke-1 dan ke-5 memiliki nilai F-hitung lebih kecil dari F-tabel (1.1584 < 2.9498)
yang berarti tidak tolak H0 atau perbedaan nilai tengah aksesi ke-1 dengan aksesi
ke-5 tidak berbeda nyata.
Berdasarkan hasil uji diperoleh empat kelompok aksesi, yaitu kelompok
gabungan aksesi ke-1 dan ke-5, kelompok aksesi ke-2, kelompok aksesi ke-3,
serta kelompok aksesi ke-6. Adanya perbedaan nilai tengah antar kelompok
diasumsikan menyebabkan perbedaan karakteristik model yang berbeda pula.
Hasil perhitungan pembandingan vektor nilai tengah dua populasi dapat dilihat
pada Lampiran 4.

Pengujian Asumsi Analisis lintas
1.

2.

Asumsi yang harus terpenuhi sebelum melakukan analisis lintas adalah:
Hubungan antar peubah dalam model adalah linear dan aditif.
Asumsi linearitas dapat diketahui dengan menggunakan uji F. Peubah
dikatakan memiliki hubungan linear apabila nilai-p lebih kecil dari 0.05
pada selang kepercayaan 95%. Hasil yang diperoleh berdasarkan data pada
masing-masing kelompok menunjukkan seluruh peubah berhubungan linear
dengan bobot kering. Aditif berarti dapat dijumlahkan berdasarkan model.
Analisis lintas mampu mengetahui hubungan langsung dan tak langsung
beberapa peubah penentu terhadap peubah respon, sehingga asumsi aditif
terpenuhi.
Sisaan tidak saling berkorelasi.
Sisaan tidak saling berkorelasi dilihat secara eksploratif berdasarkan
diagram pencar antara sisaan baku dengan nilai dugaan masing-masing
persamaan seperti yang dapat dilihat pada Lampiran 5. Sisaan tidak saling
berkorelasi karena titik-titik pada diagram pencar menyebar tidak beraturan
disekitar nol.

9

3.

4.

5.

6.

Hanya ada hubungan kausal satu arah dalam model.
Hubungan kausal satu arah yang terbentuk dalam model didasari oleh
pertimbangan para ahli dan pengetahuan umum, sehingga asumsi terpenuhi.
Peubah-peubah bebas diukur minimal dalam skala interval.
Peubah-peubah yang digunakan dalam penelitian ini diukur dalam skala
rasio, sehingga memenuhi asumsi.
Peubah yang diamati diasumsikan diukur tanpa kesalahan.
Peubah yang digunakan telah diukur oleh para ahli di Balittro, sehingga
diasumsikan diukur tanpa kesalahan.
Model yang digunakan berdasarkan teori dan konsep yang relevan.
Model yang digunakan merupakan model yang telah disetujui oleh peneliti
yang melakukan penelitian tanaman Kumis Kucing.
Analisis Lintas

Hubungan antara peubah penentu terhadap peubah respon dapat dilihat dari
analisis korelasi yang ada pada Lampiran 6. Peubah X3 dan X4 (tebal daun dan
diameter batang) tidak berkorelasi terhadap Y1 (bobot basah) sedangkan peubah
lainnya berkorelasi positif lemah terhadap Y1. Peubah Y1 berkorelasi positif kuat
(0.846) terhadap Y2 (bobot kering). Hal ini berhubungan dengan semakin berat
bobot basah yang dihasilkan akan membuat bobot kering semakin berat. Korelasi
antar peubah dapat digunakan sebagai ide dasar pembentukan model analisis
lintas yang dilakukan.
Bobot basah (Y1) secara langsung dipengaruhi oleh delapan peubah penentu,
yaitu panjang daun (X1), lebar daun (X2), tebal daun (X3), diameter batang (X4),
jumlah daun (X5), jumlah cabang (X6), dan kadar air (X8). Sedangkan bobot
kering (Y2) hanya dipengaruhi secara langsung oleh bobot basah. Diameter batang
dan jumlah tunas (X7) memengaruhi bobot basah secara tidak langsung melalui
jumlah cabang. Jumlah cabang pun berpengaruh tidak langsung terhadap bobot
basah melalui jumlah daun. Seluruh peubah yang termasuk pada nilai
pertumbuhan berpengaruh tidak langsung terhadap bobot kering melalui bobot
basah tanaman.
Analisis lintas dilakukan pada keseluruhan data amatan dan hasil
pengelompokan aksesi berdasarkan hasil uji T2 Hotelling. Pengujian analisis lintas
pada setiap kelompok disebabkan adanya perbedaan nilai tengah antar kelompok,
sehingga diasumsikan terdapat perbedaan karakteristik model pada tiap kelompok.
Terdapat enam lintas yang akan diteliti, yaitu gabungan keseluruhan aksesi, aksesi
ke-1 dan ke-5, aksesi ke-2, aksesi ke-3, aksesi ke-4, aksesi ke-6, serta gabungan
keseluruhan aksesi.
Analisis Lintas Gabungan
Koefisien lintas merupakan suatu nilai yang menunjukkan besar hubungan
antar peubah. Koefisien lintas faktor-faktor yang memengaruhi produksi Kumis
Kucing pada keseluruhan amatan dapat dilihat pada Gambar 3.

10

Gambar 3 Diagram lintas keseluruhan amatan
Tabel 1 Koefisien determinasi analisis lintas keseluruhan amatan
Koefisien
Determinasi
R2 i

ZX5
0.00032

ZX6
0.00

Peubah Respon
ZX7
ZY1
0.024
0.25

ZY2
0.71

Tabel 1 menunjukkan nilai koefisien determinasi tiap lintas pada model
analisis lintas. Koefisien determinasi menggambarkan total keragaman yang
mampu diukur oleh lintas. Total keragaman data gabungan yang dapat dijelaskan
oleh model diukur dengan
. Hal ini mengindikasikan model yang digunakan telah dapat menjelaskan
78.78% keragaman yang terdapat pada data, sedangkan sisanya 21.22% dijelaskan
peubah lain yang tidak terdapat di model.
Besarnya pengaruh langsung dan tak langsung dapat dilihat pada Tabel 2.
Pengaruh langsung Y1 terhadap Y2 merupakan pengaruh terbesar yaitu sebesar
0.85 atau sebesar (0.85)2 = 72.25%. Hal ini menunjukkan bahwa 72.25%
peningkatan nilai Y2 dipengaruhi oleh peningkatan nilai Y1. Selain itu X6
memengaruhi Y2 secara tidak langsung dengan pengaruh sebesar 6.25%. Adapun
peubah lainnya memberikan pengaruh yang sangat kecil untuk peningkatan Y2.
Nilai negatif pada tabel menunjukkan arah pengaruh yang negatif.
Analisis Lintas Kelompok Aksesi
Analisis lintas masing-masing kelompok aksesi dilakukan dengan tidak
menggunakan peubah kadar air (X8) dalam tanaman karena hanya ada satu nilai
kadar air pada setiap aksesi tanaman. Analisis lintas dilakukan pada tiap
kelompok aksesi berdasarkan hasil uji T2 Hotelling dengan diagram lintas masingmasing kelompok terlampir pada Lampiran 7.
Total keragaman data yang mampu dijelaskan oleh model pada masingmasing kelompok dapat dilihat pada nilai koefisien determinasi pada Tabel 3.
Berdasarkan tabel tersebut terlihat bahwa model yang digunakan pada analisis
lintas ini sudah cukup baik (> 70%). Model tersebut telah cukup baik menjelaskan
83.20% kondisi yang ingin diteliti pada kelompok ke-3, tetapi hanya dapat
menjelaskan 70.78% kondisi pada kelompok gabungan aksesi ke-1 dan ke-5.

11

Tabel 2 Pengaruh langsung dan tak langsung peubah yang memengaruhi Y2 pada
analisis lintas gabungan
Peubah
Penentu
Y1
X1
X2
X3

Koefisien
Pengaruh
Langsung
0.85
-

X4

-

X5

-

X6
X7

-

X8

-

Y2
Pengaruh Tidak Langsung
Lintas

Koefisien

Y1
Y1
Y1
Y1
X7, X6, X5, Y1
X7, X6, Y1
Y1
Y1
X5, Y1
X6, X5, Y1
X6, Y1
Y1

0.05
0.17
-0.03
0.09
0.00
0.00
0.17
0.25
0.00
0.00
0.00
0.14

Pengaruh
Total

Persentase
Pengaruh

0.85
0.05
0.17
-0.03

72.25%
0.25%
2.89%
0.09%

0.09

0.81%

0.17

2.89%

0.25

6.25%

0.00

0.00%

0.14

1.96%

Tabel 3 Koefisien determinasi analisis lintas masing-masing kelompok
Aksesi
1&5
2
3
4
6

Koefisien Determinasi
70.78%
72.51%
83.20%
73.78%
74.30%

Tabel 4 menunjukkan besar pengaruh langsung dan tak langsung antar
peubah. Berdasarkan Tabel 4 dapat dilihat bahwa peubah yang memengaruhi Y2
secara dominan positif pada tiap-tiap kelompok adalah Y1. Hal ini
mengindikasikan bahwa kenaikan nilai Y2 dipengaruhi secara langsung oleh
kenaikan nilai Y1. Peubah X6 juga memiliki pengaruh positif tak langsung cukup
besar terhadap kenaikan nilai Y2. Sedangkan peubah lainnya mempunyai
pengaruh yang sangat kecil terhadap perubahan nilai Y2.

Modifikasi Model Analisis Lintas
Modifikasi model dilakukan untuk mencari model yang lebih baik
menggambarkan kondisi nyata di lapangan dari suatu penelitian. Hasil analisis
lintas model awal menunjukkan pengaruh tak langsung tiap peubah memiliki nilai
koefisien yang kecil dengan peubah jumlah tunas tidak berpengaruh terhadap
perubahan bobot kering. Modifikasi model dilakukan dengan harapan mampu
menghasilkan koefisien lintas yang lebih baik dari model sebelumnya. Modifikasi
dilakukan dengan mengganti model dan tidak menambah atau mengurangi jumlah

1
12

Tabel 4 Pengaruh langsung dan tak langsung peubah yang memengaruhi Y2 pada analisis lintas masing-masing kelompok
Peubah
Penentu
Y1
X1
X2
X3

X4
X5
X6
X7

Pengaruh
Terhadap Y2
Melalui
Y1
Y1
Y1
Y1
X7, X6, X5, Y1
X7, X6, Y1
Y1
Y1
X5, Y1
X6, X5, Y1
X6, Y1

Kelompok Aksesi
1&5
2
3
4
6
Pengaruh Persentase Pengaruh Persentase Pengaruh Persentase Pengaruh Persentase Pengaruh Persentase
Total
Pengaruh
Total
Pengaruh
Total
Pengaruh
Total
Pengaruh
Total
Pengaruh
0.78
60.84%
0.84
70.56%
0.86
73.96%
0.79
62.41%
0.83
68.89%
0.05
0.25%
-0.01
0.00%
0.05
0.25%
0.06
0.36%
-0.03
0.09%
-0.03
0.09%
0.20
4.00%
-0.11
1.21%
0.21
4.41%
0.07
0.49%
-0.03
0.09%
-0.07
0.49%
0.15
2.25%
0.12
1.44%
-0.04
0.16%
0.05

0.25%

-0.05

0.25%

-0.22

4.84%

0.25

6.25%

-0.15

2.25%

0.11

1.21%

0.06

0.36%

0.03

0.09%

-0.03

0.09%

0.15

2.25%

0.32

10.24%

0.06

0.36%

0.38

14.44%

0.27

7.29%

0.25

6.25%

-0.02

0.04%

0.00

0.00%

-0.09

0.81%

-0.01

0.01%

0.01

0.01%

13

peubah yang digunakan pada model sesuai persetujuan para ahli dari Balittro.
Jumlah cabang akan memengaruhi bobot basah melalui jumlah tunas dan jumlah
daun, sedangkan jumlah tunas secara langsung memengaruhi bobot basah.
Adapun model hasil modifikasi dapat dilihat pada Gambar 4.
B.Basah

P.Daun

B.Kering

L.Daun

T.Daun

J.Daun

D.Batang

J.Cabang

J.Tunas

Gambar 4 Model modifikasi analisis lintas
Analisis Lintas Gabungan
Koefisien lintas faktor-faktor yang memengaruhi produksi Kumis Kucing
untuk gabungan keseluruhan pengamatan dapat dilihat pada Gambar 5. Adapun
koefisien determinasi lintasnya dapat dilihat pada Tabel 5. Total keragaman data
gabungan yang dapat dijelaskan oleh model diukur dengan
. Artinya model hasil analisis
dapat menjelaskan 78.69% keragaman data, sedangkan sisanya 21.31% dijelaskan
peubah lain yang tidak terdapat pada model.

Gambar 5 Diagram lintas gabungan aksesi model modifikasi
Tabel 5 Koefisien determinasi analisis lintas gabungan model modifikasi
Koefisien
Determinasi
R2adj

ZX5
0.00032

Peubah Respon
ZX6
ZX7
ZY1
0.045
0.00
0.28

ZY2
0.69

14

Tabel 6 Pengaruh langsung dan tak langsung peubah yang memengaruhi Y2 pada
analisis lintas gabungan model modifikasi
Peubah
Penentu
Y1
X1
X2
X3

Koefisien
Pengaruh
Langsung
0.83
-

X4

-

X5

-

X6

-

X7
X8

-

Y2
Pengaruh Tidak Langsung
Lintas

Koefisien

Y1
Y1
Y1
Y1
X7, X6, X5, Y1
X7, X6, Y1
Y1
Y1
X5, Y1
X7, Y1
Y1
Y1

0.08
0.15
-0.02
0.04
0.00
-0.05
0.17
0.26
0.00
0.00
0.26
0.07

Pengaruh
Total

Persentase
Pengaruh

0.83
0.08
0.15
-0.02

68.89%
0.64%
2.25%
0.04%

-0.01

0.01%

0.17

2.89%

0.26

7.76%

0.26
0.07

7.76%
0.49%

Pengaruh langsung dan tak langsung peubah terhadap Y2 dapat dilihat pada
Tabel 6. Pengaruh Y1 terhadap Y2 merupakan pengaruh terbesar yaitu sebesar
0.83 atau sebesar (0.83)2 = 68.89% bermakna 68.89% peningkatan nilai Y2
dipengaruhi oleh peningkatan nilai Y1. Peubah X6 dan X7 memberikan besar
pengaruh yang sama terhadap peningkatan Y2 yaitu 7.76%, sedangkan peubah
lainnya memberikan pengaruh yang sangat kecil.
Analisis Lintas Kelompok Aksesi
Analisis lintas model modifikasi masing-masing kelompok aksesi dilakukan
dengan tidak menggunakan peubah kadar air (X8) dalam tanaman. Diagram lintas
masing-masing kelompok terlampir pada Lampiran 8. Total keragaman data yang
mampu dijelaskan oleh model pada masing-masing kelompok dapat dilihat pada
Tabel 7. Berdasarkan tabel tersebut terlihat bahwa model modifikasi yang
digunakan pada analisis lintas ini lebih baik dari model awal, hal ini dapat dilihat
dari nilai koefisien determinasi yang meningkat. Model ini telah mampu
menjelaskan 95.97% keragaman data pada kelompok ke-3 dan 78.88% keragaman
data pada kelompok gabungan aksesi ke-1 dan ke-5 dengan masing-masing
peningkatan sebesar 12.77% dan 8.10%.
Tabel 7 Koefisien determinasi analisis lintas model modifikasi pada masingmasing kelompok
Aksesi
1&5
2
3
4
6

Koefisien Determinasi
78.88%
81.77%
95.97%
94.09%
87.36%

12

Tabel 8 Pengaruh langsung dan tak langsung peubah yang memengaruhi Y2 pada analisis lintas model modifikasi masing-masing kelompok

Peubah
Penentu
Y1
X1
X2
X3
X4
X5
X6
X7

Pengaruh
Terhadap Y2
Melalui
Y1
Y1
Y1
Y1
X7, X6, X5, Y1
X7, X6, Y1
Y1
Y1
X5, Y1
X6, X5, Y1
X6, Y1

Kelompok Aksesi
1&5
2
3
4
6
Pengaruh Persentase Pengaruh Persentase Pengaruh Persentase Pengaruh Persentase Pengaruh Persentase
Total
Pengaruh
Total
Pengaruh
Total
Pengaruh
Total
Pengaruh
Total
Pengaruh
0.78
60.84%
0.84
70.56%
0.88
77.44%
0.88
77.44%
0.84
70.56%
0.07
0.49%
-0.02
0.04
0.37
13.66%
0.69
47.61%
-0.05
0.25%
-0.02
0.04%
0.24
0.06%
-0.48
2.58%
0.27
4.09%
0.13
1.58%
0.06
0.36%
0.04
0.16%
-0.09
0.77%
-0.74
54.64%
0.36
12.45%
0.10

0.10%

0.00

0.00%

-0.57

32.49%

0.11

1.33%

-0.10

0.97%

0.12

1.14%

-0.04

0.18%

-0.13

1.74%

-0.31

9.48%

-0.05

0.25%

0.29

8.41%

-0.19

0.04%

0.57

32.49%

0.04

0.19%

0.22

4.01%

0.16

2.56%

-0.02

0.06%

0.46

21.16%

0.53

28.09%

0.38

13.66%

15

16

Peubah yang mendominasi pengaruh peningkatan nilai Y2 pada tiap-tiap
kelompok adalah Y1 seperti yang dapat dilihat pada Tabel 8. Pengaruh tak
langsung terbesar pada kelompok gabungan aksesi ke-1 dan ke-5 serta kelompok
aksesi ke-3 adalah peubah X6. Sedangkan untuk kelompok aksesi ke-4 dan
kelompok aksesi ke-6, pengaruh tak langsung yang dominan meningkatkan bobot
kering adalah X7. Kelompok aksesi ke-2 tidak memiliki pengaruh tak langsung
yang dominan, hal ini dapat dilihat dari total pengaruh yang sangat kecil.

SIMPULAN
Rataan tiap peubah pada keenam aksesi cukup beragam. Aksesi keempat
memiliki rataan terkecil terbanyak, sedangkan aksesi lainnya memiliki rataan
hampir mendekati rata-rata. Berdasarkan pembandingan vektor nilai tengah antar
aksesi dihasilkan lima kelompok. Hasil analisis lintas menunjukkan setiap
kelompok memiliki koefisien lintas yang tidak jauh berbeda. Peningkatan bobot
kering dipengaruhi langsung oleh bobot basah dan dipengaruhi secara tidak
langsung oleh jumlah cabang. Peubah yang tidak berpengaruh terhadap perubahan
bobot kering adalah jumlah tunas. Modifikasi model dilakukan untuk
meningkatkan total keragaman yang mampu dijelaskan dalam data. Hasil analisis
lintas model modifikasi mampu meningkatkan total keragaman antara 8.10%
hingga 20.29%. Peubah yang paling berpengaruh terhadap perubahan bobot
kering pada model modifikasi adalah bobot basah.

DAFTAR PUSTAKA
Dillon WR, Goldstein M. 1984. Multivariate Analysis, Method and Applications.
New York (US): John Wiley and Sons, Inc.
Freedman DA. 1987. As Other See Us: A Case Study in Path Analysis. Journal of
Education Statistics. 12(2):101-128.
Hair JF, Anderson RF, Tatham RL, Black WC. 2009. Multivariate Data Analysis
7th ed. New Jersey (US): Prentice Hall, inc.
Johnson RA, Wichern DW. 1998. Applied Multivariate Statistical Analysis. 4th ed.
London (GB): Prentice-Hall International.
Kusnendi. 2008. Model–Model Persamaan Struktural (Satu dan Multigroup
Sampel dengan Lisrel). Bandung (ID) : CV Alfabeta.
Mattjik AA, Sumertajaya IM. 2011. Sidik Peubah Ganda dengan Menggunakan
SAS. Bogor (ID): IPB Press.
McCombs JP. 2011. A Path of The Behavioral Intention of Secondary Teachers to
Integrate Technology in Private Schools in Florida [disertasi]. Florida
(US): University of North Florida.
Rencher AC. 2002. Methods of Multivariate Analysis. 2nd ed. New York (US):
John Willey and Sons, Inc.

17

Walpole RE. 1993. Pengantar Statistika. Ed ke-3. Sumantri B, penerjemah.
Jakarta (ID): Gramedia. Terjemahan dari: Introduction to Statistics 3rd
edition.

18

Lampiran 1 Statistik deskriptif nilai pertumbuhan tanaman Kumis Kucing
Boxplot of p.daun

Boxplot of l.daun

10
4.5
4.0

8

3.5

7

3.0

l.daun

p.daun

9

2.5

6
2.0

5
1.5

4
1.0

1

2

3

4

5

1

6

2

3

4

5

6

aksesi

aksesi

Boxplot of t.daun

Boxplot of d.batang
20

0.34
0.32

15

d.batang

t.daun

0.30
0.28
0.26

10

0.24

5
0.22
0.20

0
1

2

3

4

5

6

1

2

3

4

aksesi

5

6

5

6

5

6

aksesi

Boxplot of j.cabang

Boxplot of j.daun
400

9
8

350

7
300

j.cabang

j.daun

6
250
200

5
4
3

150

2
100

1
50

0
1

2

3

4

5

1

6

2

3

4
aksesi

aksesi

Boxplot of j.tunas

Boxplot of b.basah

13

1000

12

800

11

9

b.basah

j.tunas

10

8

600

400

7
6

200
5
4

0
1

2

3

4

5

6

1

2

3

aksesi

4
aksesi

Boxplot of b.kering

Boxplot of k.air

250
0.15
0.14

200

k.air

b.kering

0.13

150

0.12
0.11

100
0.10
0.09

50
0.08

1

2

3

4
aksesi

5

6

1

2

3

4
C1

5

6

19

Lampiran 2 Statistika deskriptif tanaman Kumis Kucing
Peubah yang Diamati

Min

Panjang daun (cm)
Lebar daun (cm)
Tebal daun (mm)
Diameter batang (mm)
Jumlah daun
Jumlah cabang
Jumlah tunas
Kadar air
Bobot basah (gr)
Bobot kering (gr)

3.90
1.30
0.20
2.00
60.00
1.00
4.19
0.09
59.13
33.68

Statistika Deskriptif
Simp.
Koef.
Maks
Rata-rata
Baku
Keragaman
9.70
6.49
1.16
17.93
4.50
2.93
0.66
22.58
0.34
0.27
0.03
10.83
19.00
10.63
3.40
31.98
376.00
227.06
63.95
28.17
9.00
4.63
1.70
36.61
12.69
7.59
1.42
18.71
0.15
0.12
0.02
18.71
964.70
427.54
194.81
45.56
238.29
121.95
44.95
36.86

Lampiran 3 Analisis ragam peubah ganda
Sumber
Aksesi

Kriteria
Wilks’ Lam da

Statistik Uji
0.30605

F-hitung
7.251

db1
36

db2
702

Nilai-p
0.000

Lampiran 4 Pembandingan vektor nilai tengah dari dua populasi
Hipotesis

T2 Hotelling
74.78
91.67
11.62
97.77
42.31
40.98
146.84
70.28
96.59
123.92

F-hitung
7.46
9.14
1.16
9.75
4.22
4.09
14.64
7.01
9.63
12.36

Tabel F
2.95
2.95
2.95
2.95
2.95
2.95
2.95
2.95
2.95
2.95

Keterangan
tolak H0
tolak H0
tidak tolak H0
tolak H0
tolak H0
tolak H0
tolak H0
tolak H0
tolak H0
tolak H0

20

Lampiran 5 Sisaan tidak saling berkorelasi
Scatterplot of standardize residual vs standardize predicted value

standardize residual

5.0

2.5

0.0

-2.5

-5.0
50

75

100
125
150
175
standardize predicted value

200

225

Lampiran 6 Nilai korelasi antar peubah amatan
Peubah
X1
X2
X3
X4
X5
X6
X7
X8
Y1
Y2

X1
1.000
0.756**
0.267**
-0.222**
0.183**
0.269**
0.237**
-0.010
0.313**
0.355**

X2

X3

X4

X5

X6

X7

X8

Y1

Y2

1.000
0.364**
-0.220**
0.262**
0.236**
0.263**
0.230*
0.382**
0.379**

1.000
-0.326**
0.179**
0.274**
-0.022
-0.015
0.103
0.095

1.000
0.76
-0.209**
0.156*
0.075
0.028
0.007

1.000
-0.014
0.091
0.067
0.272**
0.200**

1.000
0.009
-0.025
0.307**
0.282**

1.000
0.292*
0.398**
0.426**

0.208*
0.237*

1.000
0.846**

1.000

*Signifikan pada
**Signifikan pada

5%
10%

Lampiran 7 Diagram lintas dengan model awal masing-masing kelompok

(a) Kelompok aksesi ke-1 dan ke-5

21

(b) Aksesi ke-2

(c) Aksesi ke-3

(d) Aksesi ke-4

22

(e) Aksesi ke-6

Lampiran 8 Diagram lintas dengan model modifikasi masing-masing kelompok

(a) Kelompok aksesi ke-1 dan ke-5

(b) Aksesi ke-2

23

(c) Aksesi ke-3

(d) Aksesi ke-4

(e) Aksesi ke-6

24

RIWAYAT HIDUP
Penulis dilahirkan di Padang pada tanggal 5 Mei 1991 sebagai anak kedua
dari tiga bersaudara dari pasangan Bapak Mukhlis dan Ibu Sukmawati. Penulis
lulus dari Sekolah Menengah Atas Negeri 1 Padang pada tahun 2009 dan pada
tahun yang sama diterima di Departemen Statistika, Fakultas Matematika dan
Ilmu Pengetahuan Alam, Institut Pertanian Bogor melalui jalur Undangan
Saringan Masuk IPB (USMI).
Selama mengikuti perkulihan, penulis pernah menjadi asisten praktikum
Metode Statistika pada tahun 2012/2013 dan alih tahun 2013. Penulis juga aktif
mengajar mata kuliah Pengantar Matematika, Kalkulus I, dan Metode Statistika
pada Bimbingan Belajar Klinik Studi Expert.
Penulis aktif pada beberapa organisasi yaitu Koran Kampus IPB (20102012), Klinik Studi Expert, anggota Departemen Analisis Data Himpunan Profesi
Gamma Sigma Beta 2011, dan anggota Departemen Survey and Research
Himpunan profesi Gamma Sigma Beta 2012. Penulis pernah mengikuti beberapa
kepanitian seperti Pesta Sains, Statitistika Ria 2011, dan Welcome Ceremony of
Statistics (WCS) 2012. Penulis melaksanakan praktik lapang di Balai Penelitian
Tanaman Rempah dan Obat (Balittro) pada bulan Februari–April 2013.