1. ANALISIS JALUR (PATH ANALYSIS)
UNTUK MENGETAHUI KONTRIBUSI
KOMPONEN HASIL
TERHADAP HASIL TANAMAN KEDELAI
(Glycine max. (L.) Merrill)
Studi Kasus di Balitkabi Malang
oleh :
Senja Putri Merona
308312410089
Pembimbing :
I. Drs. Susiswo, M. Si
II. Dr. Sisworo, S. Pd, M. Si
2. • Kedelai sebagai sumber protein nabati • mengetahui komponen hasil yang
penting di Indonesia berkontribusi secara langsung
• Permintaan kedelai meningkat pesat seiring terhadap hasil produksi kedelai
dengan laju pertambahan penduduk • mengetahui kontribusi komponen
• Peningkatan produksi tanaman kedelai hasil secara individual terhadap
dapat dicapai dengan penggunaan bibit hasil biji (ton/ha)
unggul dan meningkatkan populasi tanaman • mengetahui kontribusi komponen
• Secara teori, populasi tanaman dinaikkan hasil secara simultan terhadap
produksi meningkat hasil biji (ton/ha)
Latar Tujuan Teknik
Belakang penelitian Analisis Data
Definisi
JUDUL Operasional
3. KAJIAN PUSTAKA
Analisis Analisis
Kedelai
Jalur Korelasi
The linear correlation Tanaman kacang-
Konseptualisasi coefficient r measures
Model kacangan utama
the strength of the yang mengandung
linear relationship protein tinggi.
between the paired x
Penyusunan and y values in a
Diagram Jalur sample Produksi kedelai
merupakan hasil
kombinasi beberapa
Korelasi hanya komponen hasil
Pengujian Model sebagai salah satu
penunjuk
kemungkinan Secara teori,
Interpretasi Model terdapatnya populasi tanaman
dan Modifikasi hubungan dinaikkan
Model kausalitas produksi meningkat.
4. START
Data dalam skala interval • Data dari dokumen arsip
Balitkabi Malang
Uji Normal Multivariat • Desain percobaan: RAK
dengan 30 perlakuan 4
ulangan
Data
Ya
Bersebaran
Normal Analisis Korelasi
Tidak
Transformasi atau
Uji Multikolinearitas
standarisasi
Variabel yang diamati : Multiko Tidak
X1 : Tinggi tanaman linearitas
X2 : Jumlah Cabang
Produktif Ya
Analisis Regresi
X3 : Jumlah Buku Subur Diagram Jalur Berganda
X4 : Jumlah Polong Isi
X5 : Jumlah Polong Hampa
Analisis Jalur
X6 : Umur Bunga Goodness of
Kriteria Fit
Fit Index
X7 : Umur Panen
Chi-square
Y : Hasil Biji (ton/ha) Tidak
P-value
Evaluasi Model Model fit
RMSEA
Ya
GFI
Interpretasi hasil
AGFI
Kesimpulan
CFI
STOP
5. ANALISIS DATA & PEMBAHASAN
Analisis Korelasi Uji Multikolinieritas
Uji Normalitas
M
Hipotesis : o
Eigen Condition
H0 = Data mengikuti d Dim
X3 X4 X5 X6 X7 value Index
distribusi normal e
X1 Sig. Sig.
H1 = Data tidak l
mengikuti distribusi X2 Sig. Sig. Sig.
normal 1 7.102 1.000
X3 Sig. Sig. Sig.
jumlah persentase X4
2 0.556 3.575
Sig.
jarak lebih dari Chi-
square: X6 Sig. 3 0.212 5.782
Data Display X7 4 0.056 11.309
z 83.3333 1
5 0.054 11.442
Kesimpulan : gagal
tolak H0 6 0.015 21.660
Data mengikuti
7 0.003 53.253
distribusi normal
8 0.002 60.066
a. Dependent Variable: Y
7. Modifikasi Model
Goodness of Fit Model
Jalurygdi
Model Ket.
tambah
Hipotesis 146.318 0.237 0.237 0.656 0.642 Blm
0.000 fit
Eva 1 X7 Y 142.127 0.241 0.822 0.645 0.651 Blm
0.000 fit
Eva 2 X3 X4 38.087 0.102 0.930 0.851 0.941 Blm
0.002 fit
Eva 3 X7 X3 28.503 0.081 0.944 0.875 0.965 Blm
0.028 fit
Eva 4 X7 X4 21.517 0.060 0.957 0.897 0.982 Blm
0.121 fit
Eva 5 X7 X2 16.911 0.042 0.966 0.912 0.992 Fit
0.261
10. Pengaruh Langsung dan Tidak Langsung
Hubungan Pengaruh
Blok Total
dari ke Langsung Tidak langsung
X6 X1 -0.392 -0.027 -0.419
I
X7 X1 -0.051 0.000 -0.051
X1 X2 0.000 0.088 0.088
II X3 X2 0.666 0.000 0.666
X7 X2 -0.157 0.187 0.030
X6 X2 0.000 -0.019 -0.019
X1 X3 0.132 0.000 0.132
III
X6 X3 0.000 0.095 0.095
X7 X3 0.287 -0.007 0.280
X1 X4 0.000 0.119 0.119
X2 X4 0.361 0.000 0.361
IV
X3 X4 0.661 0.241 0.902
X7 X4 -0.103 0.196 0.094
X6 X4 0.000 0.002 0.002
X1 X5 0.000 0.017 0.017
X2 X5 0.188 0.000 0.188
V X3 X5 0.000 0.126 0.126
X6 X5 0.000 -0.004 -0.004
X7 X5 0.000 0.006 0.006
VI X6 X7 0.525 0.000 0.525
11. Lanjutan…
Hubungan Pengaruh
Blok Total
dari ke Langsung Tidak langsung
X1 Y 0.000 0.012 0.012
X2 Y 0.000 0.053 0.053
X3 Y 0.000 0.093 0.093
X4 Y 0.087 0.000 0.087
VII X5 Y 0.116 0.000 0.116
X7 Y -0.185 0.009 -0.176
X6 Y 0.000 -0.097 -0.097
Koefisien Determinasi
12. KESIMPULAN
langsung • Umur panen (0,034)
• Tinggi tanaman
(0,004)
• Jmlah cabang
Tidak produktif (0,031)
langsung • Jumlah buku subur
(0,058)
• Umur bunga (-0,097)
• Umur panen (0,017)
R-square
= 95 %
13. SARAN
Langsung:
umur panen
seleksi
Tidak
Pemilihan
langsung:
komponen
umur bunga
hasil yang
dan jumlah
lebih tepat
buku subur