ANALISIS JALUR (PATH ANALYSIS) UNTUK MENGETAHUI KONTRIBUSI KOMPONEN HASIL TERHADAP HASIL TANAMAN KEDELAI (Glycine max. (L.) Merrill) Studi Kasus di Balitkabi Malang Pembimbing : I. Drs. Susiswo, M. Si II.Dr. Sisworo, S. Pd, M. Si oleh : Senja Putri Merona 308312410089
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
ANALISIS JALUR (PATH ANALYSIS) UNTUK MENGETAHUI KONTRIBUSI
KOMPONEN HASIL TERHADAP HASIL TANAMAN KEDELAI
(Glycine max. (L.) Merrill)Studi Kasus di Balitkabi Malang
Pembimbing :I. Drs. Susiswo, M. Si
II. Dr. Sisworo, S. Pd, M. Si
oleh : Senja Putri Merona
308312410089
Latar Belakang
Tujuan penelitian
Teknik Analisis
Data
JUDULDefinisi
Operasional
• Kedelai sebagai sumber protein nabati penting di Indonesia
• Permintaan kedelai meningkat pesat seiring dengan laju pertambahan penduduk
• Peningkatan produksi tanaman kedelai dapat dicapai dengan penggunaan bibit unggul dan meningkatkan populasi tanaman
• Secara teori, populasi tanaman dinaikkan produksi meningkat
• mengetahui komponen hasil yang berkontribusi secara langsung terhadap hasil produksi kedelai
• mengetahui kontribusi komponen hasil secara individual terhadap hasil biji (ton/ha)
• mengetahui kontribusi komponen hasil secara simultan terhadap hasil biji (ton/ha)
KAJIAN PUSTAKA
Analisis Jalur
Konseptualisasi Model
Penyusunan Diagram Jalur
Pengujian Model
Interpretasi Model dan
Modifikasi Model
Analisis Korelasi
The linear correlation coefficient r
measures the strength of the
linear relationship between the paired x and y values in a
sample
Korelasi hanya sebagai salah satu penunjuk kemungkinan terdapatnya hubungan kausalitas
KedelaiTanaman kacang-kacangan utama
yang mengandung
protein tinggi.
Produksi kedelai merupakan hasil
kombinasi beberapa
komponen hasil
Secara teori, populasi tanaman
dinaikkan produksi
meningkat.
Uji Multikolinearitas
START
Data dalam skala interval
Uji Normal Multivariat
Transformasi atau standarisasi
Analisis Korelasi
STOP
Model fit
Diagram Jalur
Interpretasi hasil Kesimpulan
Ya
Tidak
Data Bersebaran
Normal
Analisis Jalur
Ya
TidakEvaluasi Model
Ya Analisis Regresi Berganda
TidakMultikolinearitas
Goodness of Fit Index
Kriteria Fit
Chi-squareP-value
Diharapkan kecil
RMSEAGFI
AGFICFI
Variabel yang diamati :X1 : Tinggi tanamanX2 : Jumlah Cabang
ProduktifX3 : Jumlah Buku
SuburX4 : Jumlah
Polong IsiX5 : Jumlah Polong
HampaX6 : Umur
BungaX7 : Umur
PanenY : Hasil Biji
(ton/ha)
• Data dari dokumen arsip Balitkabi Malang
• Desain percobaan: RAK dengan 30 perlakuan 4 ulangan
ANALISIS DATA & PEMBAHASAN
Uji MultikolinieritasAnalisis Korelasi
Hipotesis :H0 = Data mengikuti distribusi normalH1 = Data tidak mengikuti distribusi normaljumlah persentase jarak lebih dari Chi-square:Data Displayz 83.3333Kesimpulan : gagal tolak H0Data mengikuti distribusi normal
Uji Normalitas
X3 X4 X5 X6 X7
X1 Sig. Sig.
X2 Sig. Sig. Sig.
X3 Sig. Sig. Sig.
X4 Sig.
X6 Sig.
X7
Model
DimEige
n value
Condition Index
1
17.10
21.000
20.55
63.575
30.21
25.782
40.05
611.309
50.05
411.442
60.01
521.660
70.00
353.253
80.00
260.066
a. Dependent Variable: Y
Analisis Jalur (Path Analysis)
Diagram Jalur Model Hipotesis
Modifikasi Model
ModelJalur yg ditambah
Goodness of Fit Model
Ket.
Chi-square(kecil)P-value(0.05)
RMSEA(0.08)
GFI(0.9)
AGFI(0.9)
CFI(0.9)
Hipotesis
146.3180.000
0.237 0.237 0.656 0.642 Blm fit
Eva 1 X7 Y 142.1270.000
0.241 0.822 0.645 0.651 Blm fit
Eva 2 X3 X4 38.0870.002
0.102 0.930 0.851 0.941 Blm fit
Eva 3 X7 X3 28.5030.028
0.081 0.944 0.875 0.965 Blm fit
Eva 4 X7 X4 21.5170.121
0.060 0.957 0.897 0.982 Blm fit
Eva 5 X7 X2 16.9110.261
0.042 0.966 0.912 0.992 Fit
Diagram Jalur Model Akhir
Regression Weights: (Group number 1 - Default model) Estimate