PERANCANGAN PERCOBAAN

Ukuran: px

Mulai penontonan dengan halaman:

Download "PERANCANGAN PERCOBAAN"

Adi Kusumo
7 tahun lalu
Tontonan:

1 PERANCANGAN PERCOBAAN PERTEMUAN KE-6 STATISTIKA NON-PARAMETRIK (UNTUK UJI NORMALITAS DAN DATA KUALITATIF) PROF.DR.KRISHNA PURNAWAN CANDRA JURUSAN TEKNOLOGI HASIL PERTANIAN FAPERTA UNMUL 2016 ANALISIS DATA HASIL PERCOBAAN Analisis data dilakukan disesuai dengan jenis dan karakteristik data yang diperoleh. Jenis data dapat digolongkan menjadi Kualitatif (dianalisis dengan metode statistik non-parameterik) 1. Nominal (jika suatu pengukuran data hanya menghasilkan satu dan hanya satu-satunya kategori). Misal: Jenis kelamin; domisili; tanggal lahir; pekerjaan; status perkawinan 2. Ordinal (sama seperti halnya data nominal, tetapi ada tingkatan data). Misal: preferensi/hedonik (tidak suka, suka, sangat suka); mutu hedonik (tidak renyah, renyah, sangat renyah); jenis bank Kuantitatif (dianalisis dengan metode statistik parametrik) 1. Interval (sama dengan data ordinal, tetapi bisa dikuantitatifkan). Misal: skala pengukuran waktu/jam atau panas/suhu. Cukup panas (50-80 o C), panas ( o C), sangat panas ( o C). Ada interval (30 o C) dan tidak mempunyai titik nol absolut. 2. Rasio (data yang bersifat angka dalam arti sesungguhnya, mempunyai titik nol dalam arti sesungguhnya) Rancob, Prof.Dr.Krishna Purnawan Candra, Jur.THP Faperta Unmul 10/10/

2 ANALISIS DATA HASIL PERCOBAAN Penarikan kesimpulan pada suatu percobaan merupakan aplikasi dari statistika inferensi/induktif, yaitu penarikan kesimpulan didasarkan pada data sampel yang diambil secara acak untuk digeneralisasikan ke seluruh anggota populasi. Data sampel tersebut harus memenuhi persyaratan (parameter), yaitu tergolong data kuantitatif (interval atau rasio) yang diambil secara acak dan berdistribusi normal. Data sampel Memenuhi persyaratan (parameter) 1. Sampel diambil dari populasi yang berdistribusi normal 2. Sampel diambil dari populasi dengan metode acak 3. Skala pengukuran harus kontinyu, yaitu interval atau rasio 4. Mempunyai ragam yang sama Tidak memenuhi persyaratan (parameter) statistika parametrik statistika non parametrik Rancob, Prof.Dr.Krishna Purnawan Candra, Jur.THP Faperta Unmul 10/10/ Mulai Apa tipe skala pengukuran? Nominal/Ordinal Interval/Rasio Bagaimana distribusi data? Normal Tidak normal Statistik Non Parametrik Besar ( 15) Berapa ukuran sampel? Kecil (< 15) Statistik Parametrik Rancob, Prof.Dr.Krishna Purnawan Candra, Jur.THP Faperta Unmul 10/10/

3 PEDOMAN MEMILIH TEKNK STATISTIK PARAMETRIK* ) DAN NON PARAMETRIK Skala Pengukuran Nominal Deskriptif (Satu Sampel) Binomial one sample Komparatif (Dua Sampel) Jenis Hipotesis Komparatif (Lebih dari Dua Sampel) Berpasangan Bebas Berpasangan Bebas McNemar Ordinal Run test Sign Test Wilcoxon Match Pairs test Interval / Rasio T Test* ) Fisher Exact Probability test two sample Median test Mann-Whitney U Test Kolmogorov Smirnov Wald Woldfowitz K Sample Cochran Q Friedman two way Anova T test Sample T test Bebas* ) One Way berpasangan* ) Two Way K Sample Median Extension Kruskal Wallis one way Anova One Way Two Way Asosiatif Korelasional Koefisien Kontingensi Rank Spearman Kendall Tau Product Moment (Pearson)* ) Asosiatif Kausal Regresi Variable Dummy Partial Least Square Regresi* ) Path Analisis* ) Structural Wquation Modelling* ) Rancob, Prof.Dr.Krishna Purnawan Candra, Jur.THP Faperta Unmul 10/10/ UJI KOLMOGOROV SMIRNOV UNTUK UJI NORMALITAS DATA No Y (Pacar) Y urut Fn (Y) Nilai Z Fo (Y) Fn(Y i )-Fo(Y i ) Fn(Y i )-Fo(Y i ) Fn(Y i-1 )-Fo(Y i ) Fn(Y i-1 )-Fo(Y i ) H o : F n (Y) = F o (Y), data berdistribusi normal H 1 : F n (Y) = F o (Y), data berdistribusi tidak normal 1) H o tidak dapat ditolak apabila D Dα 2) H 1 ditolak apabila D > Dα D = ; D 0.05 = Uji lainnya adalah uji Liliefors Rancob, Prof.Dr.Krishna Purnawan Candra, Jur.THP Faperta Unmul 10/10/

4 UJI DUA ARAH Rancob, Prof.Dr.Krishna Purnawan Candra, Jur.THP Faperta Unmul 10/10/ UJI K CONTOH KRUSKAL-WALLIS r 1 = 25.5 r 2 = 70 r 3 = 85 r 4 = Data Ranking Data Transformasi Data Ranking Data Transformasi Rancob, Prof.Dr.Krishna Purnawan Candra, Jur.THP Faperta Unmul 10/10/

5 r 1 = 25.5 r 2 = 70 r 3 = 85 r 4 = UJI K CONTOH KRUSKAL-WALLIS H !" # $ 1,&"$" '()"$ * r i = ranking data perlakuan ke-i n = jumlah ulangan perlakuan ke-i k = perlakuan Gunakan uji Kruskal-Wallis dengan α=5% untuk menguji hipotesis bahwa kadar serat keempat varietas singkong tersebut sama. JAWAB H o : µ 1 = µ 2 = µ 3 = µ 4 H 1 : minimal ada sepasang nilai tengah (µ) yang tidak sama α = 0.05 Wilayah kritik: X,.,., / , Krn,.,., /,&"$"'9"$:$ "'" '$ & ()"$ * Rancob, Prof.Dr.Krishna Purnawan Candra, Jur.THP Faperta Unmul 10/10/ UJI K CONTOH BERPASANGAN FRIEDMAN 12 ;$$ 1 3;$1!" # $1,&"$" '()"$ * r i = ranking data dalam perlakuan ke-i N = jumlah ulangan k = jumlah perlakuan Gunakan uji Friedman dengan α=5% untuk menguji hipotesis bahwa kadar serat keempat varietas singkong tersebut sama r 1 = 6.5 r 2 = 14.5 r 3 = 17 r 4 = 22 JAWAB H o : µ 1 = µ 2 = µ 3 = µ 4 H 1 : minimal ada sepasang nilai tengah (µ) yang tidak sama α = 0.05 Wilayah kritik: X,.,., / < Krn,.,., /,&"$"'9"$ :$ "'" '$ & ()"$ * Rancob, Prof.Dr.Krishna Purnawan Candra, Jur.THP Faperta Unmul 10/10/

dokumen-dokumen yang mirip

Penggolongan Uji Hipotesis

Penggolongan Uji Hipotesis Macam Data Deskriptif (1 sampel) Komparatif (2 sampel) Macam Hipotesis Komparatif (k sampel) Asosiatif Berpasangan Independen Berpasangan Independen Berpasangan Independen Nominal