Uji Lanjut Polinomial Ortogonal

Melanjutkan posting sebelumnya, uji lanjut bila perlakuannya kuantitatif.
Seperti contoh sebelumnya, perlakuan kuantitatif adalah perlakuan yang bisa dikuantitatifkan dalam bentuk angka. Misal? dosis, konsentrasi, frekuensi aplikasi (1, 2, 3, 4 kali), persentase porositas (10%, 20%, 30%, 40%)..

Seperti halnya, Contras Ortogonal, Uji Polinomial Ortogonal juga merupakan perbandingan berencana, yang memang direncanakan sebelum dilakukan percobaan. Kenapa bisa begitu?
Hal ini karena uji polinomial ortogonal ini biasanya bertujuan untuk mencari titik optimum, terutama untuk kasus pertanian ya.. Artinya, si titik optimum harus dari titik minimum hingga maksimum. Bila diduga titik optimumnya adalah 30 cm, maka harus dicobakan pula perlakuan kurang dari 30 cm dan lebih dari 30 cm.. Misal 10, 20, 30, 40 cm
Bila tidak tahu kisaran optimumnya (karena belum ada percobaan sebelumnya atau tidak ada referensi sama sekali), maka selang kisarannya harus lebar dengan membuat ulangan tidak sama.

Bingung?
Misalnya akan dicari dosis optimum pupuk X. Tidak tau kisarannya? Pertama, buat percobaan pendahuluan, berapa cc daun tanaman tersebut belum terbakar. Ingat, belum terbakar lho ya. Bila tidak yakin dugaan titik optimum, maka bikin kisaran ulangan tidak sama.
Ulangan sama = 0, 1, 2, 3, 4 ==> sudah diketahui dugaan titik optimum
Ulangan tidak sama = 0, 2, 4, 8, 16  ==> belum diketahui dugaan titik optimum
Mengapa harus ulangan tidak sama? Apabila tidak diketahui dugaan titik optimum. Tidak tahu titik maksimum dan minimum..

Syarat uji Polinomial Ortogonal? Perlakuan harus diatas 3. Minimal sih 4 agar terbentuk garis regresi yang cantik. Tapi saran saya sih 4 saja. Entar malah pusing klu lebih dari 4 :)

Caranya? Lagi2 kita harus tau matriknya. Bila ulangan sama, gampang cari matriknya karena banyak ditemukan di banyak text book statistik. Sedangkan bila ulangan tidak sama, harus hitung sendiri, tergantung selang ulangan tidak samanya. Caranya, silahkan baca sendiri di buku statistiknya Gomez & Gomez.. Saran saya sih, usahakan ulangan sama saja, soalnya rumit perhitungannya.. Setelah itu, running aja pake SAS..

Hasilnya? Persamaan regresi, bisa linier, kuadratik dst. Untuk bidang pertanian, biasa dicari titik optimum dengan persamaan kuadratik. Caranya = Y = ax2 + bx + c
titik optimum = -b/2a
Yang perlu diperhatikan adalah berbeda nyata atau tidak dan nilai determinasi R2. Semakin tinggi R2, maka persamaan bila diulang akan memberikan hasil yang sama.
Kenapa R2 rendah? Biasanya karena ulangannya terlalu bervariasi. Ingat disini tidak dibantu oleh rancangan lingkungan, artinya bila pake rancangan RCBD dan bloknya nyata, bisa dijamin R2-nya rendah..

Nah, bila perlakuannya adalah 0, 1, 2, 3, dan 4 cc. Bila titik optimumnya adalah 3,25 cc. Apakah mungkin perlakuan terbaik dengan DMRT bisa diperoleh? Dengan uji DMRT, mungkin perlakuan terbaiknya, bisa 3 atau 4 cc.
Kalau ulangan tidak sama, perlakuan 0, 2, 4, 8, 16 cc. Bila titik optimumnya 8,25 cc. Bila diuji dengan DMRT belum tentu perlakuan terbaik 8 cc lho. Bisa jadi 16 cc. Waduh, kalau salah simpulan, bisa-bisa daun tanaman kebakar lho.. Mau tanggung?

Yup, kesalahan terbesar penggunaan DMRT akan terjadi pada perlakuan dosis dengan ulangan tidak sama. Kenapa? Karena DMRT hanya menguji perlakuan yang diuji saja, sedangkan uji Polinomial Ortogonal juga memprediksi perlakuan yang tidak kita ujikan melalui suatu model, ya model regresi akan menyelamatkan kesalahan pengambilan simpulan..

Jadi paham kan, kenapa saya sering merasa keki, sayang, melihat percobaan yang main pake menggunakan uji DMRT, padahal sebenarnya ada hal seru yang bisa digali dalam percobaan tersebut. Kenapa? Karena penelitian itu mahal, sayang kalau tidak dapat menjawab esensi dari penelitian itu sendiri..

Semoga bermanfaat ya..