Sekali lagi ANOVA: Mengapa Tidak Selalu Harus Menggunakan Analisis Ragam untuk Menganalisis Data?

Dahulu ketika saya masih mahasiswa S1, saya diajar seolah-olah analisis ragam adalah segala-galanya untuk menganalisis data. Sampai-sampai ada teman saya yang melakukan analisis ragam untuk menganalisis data survei. Mungkin saja hal itu tidak salah, tetapi yang pasti bukan merupakan teknik analisis yang paling tepat untuk digunakan. Baru-baru ini, seorang mahasiswa Program S2 Ilmu Lingkungan sebuah universitas datang kepada saya dengan permasalahan yang cukup menarik.


Menurut dia, dalam ilmu lingkungan faktor lingkungan adalah faktor yang menjadi perhatian. Menurut dia juga, keberagaman adalah pokok perhatian ilmu lingkungan. Tapi katanya dia bingung, mengapa dosen metodologi penelitiannya mengajari dia rancangan percobaan dan analisis ragam yang mensyaratkan keseragaman dan pemblokan faktor lingkungan. Saya tidak bisa menjawab karena di universitas tersebut yang boleh mengajar mahasiswa S2 hanya dosen bergelar doktor, sedangkan dosen bergelar doktor ilmu lingkungan belum ada. Yang ada banyak hanyalah dosen bergelar doktor ilmu pertanian (termasuk peternakan) sehingga tidak mengherankan kemudian memaksakan metodologi ilmu pertanian kepada ilmu lingkungan.

Analisis ragam tergolong ke dalam analisis univariat. Artinya, dalam analisis ragam setiap peubah tidak bebas (peubah pengamatan) diperlakukan seakan-akan sebagai peubah yang berdiri sendiri. Dalam analisis ragam, peubah bebas adalah peubah yang digunakan sebagai perlakuan dan satu-satunya peubah yang boleh beragam. Supaya pengaruh perlakuan menjadi valid, semua faktor lainnya harus homogen. Sebagai contoh, dalam percobaan pemupukan dengan perlakuan dosis pupuk P maka dosis merupakan peubah bebas sedangkan segala hal yang diamati merupakan peubah tidak bebas. Misalnya sebagai peubah bebas diamati tinggi tanaman, jumlah daun, berat kering, hasil, dan sebagainya. Dalam analisis ragam, peubah-peubah pengamatan ini masing-masing dianalisis sendiri-sendiri seakan-akan misalnya tidak ada hubungan satu sama lain. Hasil dianalisis sendiri seakan-akan tidak ada hubungan dengan jumlah daun, tinggi tanaman, berat kering, dan sebagainya. Dan jangan lupa, supaya pengaruh perlakuan valid adanya maka semua faktor lainnya harus seragam. Orang ilmu ekonomi akan mengatakan harus ceteris paribus. Itu pula sebabnya mengapa supaya data dapat dianalisis ragam maka harus diperoleh melalui percobaan yang dirancang dengan cermat dengan memanipulasi segala bentuk keberagaman yang mungkin terjadi. Dalam bahasa kerennya ini disebut controlled experiment.

Terus bagaimana dengan data hasil pengamatan dengan metode survei yang lazim dilakukan dalam penelitian ilmu lingkungan? Misalnya pengamatan dilakukan di lima lokasi yang berbeda elevasi dan berbagai kondisi lingkungan lainnya. Dapatkan lokasi "diperlakukan" seakan-akan sebagai blok? Tentu saja tidak mungkin. Alasan yang paling mendasar adalah karena lokasi seperti ini tidak dapat benar-benar diacak. Kalaupun dipaksakan demikian maka blok yang diperoleh hanya blok semu. Bila sudah demikian maka apa yang kemudian diperlakukan sebagai perlakuan tentu saja menjadi tidak relevan. Dalam banyak hal, rekan-rekan kita di jurusan ekonomi pertanian akan menghadapi permasalahan ini secara lebih baik dengan menggunakan analisis regresi berganda. Tetapi tentu saja hal ini belum cukup karena dalam ilmu lingkungan berbagai peubah cenderung akan saling berkaitan satu sama lain. Jangan lupa, dalam ekologi segala yang ada dalam ekosistem saling berinteraksi melalui satu atau lain hal. Tapi penyakit orang yang sudah terlanjur menjadi merasa pintar dengan gelarnya adalah lupa pada hal-hal yang sederhana. Sebut saja seorang guru besar teman saya di sebuah universitas terkenal yang mati-matian membela jargon memproduksi beras organik. Secara ilmu lingkungan hal ini tentu saja sangat sulit dilakukan kecuali bisa diajak seluruh petani yang ada dalam DAS untuk menanam padi secara organik. Bila ada satu saja petani yang menggunakan pupuk dan pestisida kimiawi maka petani lainnya akan ikut mendapat imbasnya melalui air irigasi.

Kembali ke analisis ragam (tetapi tidak harus selalu kembali ke laptop sebab analisis ragam kini dapat dilakukan di netbook juga). Orang selalu melakukan uji lanjut dengan menggunakan perbandingan rerata, katakanlah uji BNJ atau uji Duncan dan sejenisnya. Mereka lupa bahwa uji ini sebenarnya hanya sesuai bila perbedaan antar perlakuan tidak diketahui dan perlakuan tidak berstruktur. Dalam perlakuan dosis pupuk, perbedaan antar taraf dosis tentu saja sudah diketahui. Demikian juga dalam perlakuan uji produksi beberapa kultivar jagung lokal dan jagung introduksi, terdapat struktur kelompok dalam hal ini, yaitu kelompok lokal dan kelompok introduksi. Dalam kasus dosis pupuk, uji lanjut yang lebih sesuai seharusnya adalah uji polinomial ortogonal yang dilanjutkan lagi dengan analisis regresi. Dalam kasus kedua, uji lanjut yang lebih sesuai adalah uji kontras ortogonal. Tapi untuk melakukan uji ini dengan menggunakan program aplikasi statistika yang dioperasikan hanya dengan mengklik tentu saja tidak mungkin. Itulah sebabnya kemudian orang akan menghantam kromo saja semuanya dengan uji perbandingan berganda yang dalam kebanyan program aplikasi statistika dapat dioperasikan cukup dengan sekali klik.

Bahkan bila jumlah taraf perlakuan sangat banyak, sekalipun perbedaan antar taraf perlakuan tidak diketahui, penggunaan uji jarak berganda sebagai uji lanjut akan memberikan hasil yang berbeda nyata. Katakan misalnya diuji daya hasil 50 galur lokal jagung. Karena merupakan galur lokasl maka tentu saja produksinya tidak akan terlalu berbeda banyak. Tetapi karena taraf perlakuannya banyak maka setelah dianalisis ragam dan dilakukan uji perbandingan berganda maka pasti ada perbedaan nyata antara galur dengan produksi paling sedikit dibanding galur dengan produksi paling banyak. Logikanya, kalau perbedaan produksinya hanya beberapa kg per hektar lantar apa artinya nyata di sini? Tapi begitulah, orang bergelar akademik tinggi selalu lupa dengan hal-hal kecil. Mereka lebih mementingkan jargon daripada logika. Seperti halnya jargon beras organik tadi, mereka lupa bahwa tidak ada artinya tidak menggunakan pupuk dan pestisida kimiawi dalam sepetak sawah bila petani di sekitarnya tetap masih menggunakan.

Penelitian ilmu lingkungan pada umumnya bersifat multivariat. Artinya, diamati banyak variabel yang di antaranya ada yang saling berkaitan satu sama lain. Analisis regresi berganda mensyaratkan variabel bebas yang harus independen. Oleh karena itu, sebelum dapat dilakukan analisis regresi berganda sebagai jalan keluar, hubungan antar variabel bebas harus diupayakan bebas. Dalam arti, variabel ini bukan hanya bebas dalam menentukan nilai variabel tidak bebas, tetapi juga bebas dari saling memperngaruhi antar perubah bebas sendiri. Untuk memperoleh variabel semacam itu maka dapat dilakukan analisis multivariat semacam analisis komponen utama (principal component analysis) atau analisis faktor pendahuluan (exploratory factor analysis). Tentu saja analisis ini berada di luar jangkauan penyusunan skripsi sehingga dengan alasan itu saya harus menghentikan dahulu tayangan ini sampai di sini.

Baca artikel menarik:
Contemporary Visions of Progress in Ecology and Thoughts for the Future

Posted in: Metode Penelitian