Perencanaan dan Analisis Eksperimen dengan Minitab
|
|
- Yuliana Sugiarto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 UNIVERSITAS MUHAMMADIYAH PALANGKARAYA LEMBAGA PENELITIAN DAN PENGABDIAN PADA MASYARAKAT KARYA PENGABDIAN PADA MASYARAKAT Perencanaan dan Analisis Eksperimen dengan Minitab Haryadi NIDN i
2 HALAMAN PENGESAHAN 1. Judul Karya Pengabdian : PERENCANAAN DAN ANALISIS EKSPERIMEN DENGAN MINITAB 2. Sasaran : Masyarakat umum 3. Identitas Penyusun a. Nama : Haryadi b. NIDN : c. Bidang Ilmu : Matematika d. Pangkat, Golongan : Penata, III/c e. Jabatan Fungsional : Lektor f. Fakultas/Program Studi : Pertanian dan Kehutanan / Agroteknologi g. Alamat Kantor : UM Palangkaraya Jl. RTA Milono KM 1,5 Palangka Raya h. Telepon/Fax Kantor : (0536) i. Alamat Rumah : Jl. Akasia No. 18 RT 02 RW XIX Palangka Raya j. Telepon / / haryadi_ump@yahoo.co.id 4. Waktu pelaksanaan : Januari Juni Biaya : Rp ,- Palangka Raya, 20 Juni 2012 Mengetahui: Ketua LP3M UM Palangkaraya, Penyusun, DJOKO EKO H.S., S.P., M.P. NIP HARYADI, M.Si., M.Sc NIP ii
3 Daftar Isi KATA PENGANTAR... iv Memulai Minitab... 1 Memasukan Data... 1 Membuat Grafik Boxplot dan Dotplot... 3 Analisis Varian Satu Faktor... 4 Uji perbandingan ganda... 5 Analisis Asumsi Model... 6 Rancangan Blok Random Lengkap... 7 Rancangan Blok Tidak Lengkap Seimbang... 9 Rancangan Bujur Sangkar Latin Rancangan Blok dengan model interaksi blok-perlakuan Rancangan Faktorial Membuat Rencana Percobaan Rancangan Faktorial 2k iii
4 KATA PENGANTAR Bismillahirrahmaanirrahiim, Dalam masyarakat ilmiah, merencanakan suatu penelitian merupakan tahap awal untuk keberhasilan penelitian. Berdasarkan pengamatan penulis, dalam perencanaan penelitian tersebut umumnya penelitian selalu mempertimbangkan banyaknya factor yang akan diteliti. Hal ini dikarenakan terkait erat dengan analisis yang harus dilakukan dimana semakin banyak factor akan semakin panjang proses analisisnya. Disisi lain, banyak peneliti yang menggunakan cara manual untuk melakukan analisis data; walaupun hal ini tidak salah namun akan memakan waktu yang sangat lama dan memerlukan kecermatan yang tinggi. Penulisa berupaya untuk membantu masyarakat untuk memanfaatkan perangkat lunak statistic Minitab untuk membantu proses perencanaan dan analisis penelitian yang ditekankan pada penelitian yang menggunakan rancangan percobaan. Pemilihan perangkat lunak ini didasari perimbangan kemudahan dalam menjalankannya. Susunan tulisan ini sengaja dibuat tidak berurutan, yaitu pada awal pembahasan disajikan cara melakukan analisis data hasil percobaan, sedangkan perencanaan percobaan diberikan menjelang akhir tulisan ini. Hal ini dimaksudkan agar para pembaca memulai dengan topic yang sederhana dan setelah berhasil mencoba latihannya bias ke topic yang lebih kompleks. Semoga tulisan ini bisa membantu masyarakat dalam melakukan perencanaan dan analisis suatu eksperimen. Penulis, Haryadi NIDN iv
5 Memulai Minitab Diasumsikan program minitab telah diinstall di computer dan dalam tulisan ini kita menggunakan Minitab 16. Tidak terdapat berbedaan mendasar antar versi minitab. Setelah kita menjalankan program Minitab maka akan tampak layar seperti berikut Ada 3 bagian utama pada halaman tersebut: menu toolbars, session window dan data window. Data window merupakan lembaran (worksheet) yang dibangun oleh baris dan kolom dan berfungsi untuk memasukan data. Dalam satu file bisa terdiri dari beberapa worksheet. Session window berfungsi untuk menampilkan hasil analisis. Memasukan Data Secara normal, kolom pada minitab diberi nama C1, C2, dan seterusnya. Jika diperlukan kita bisa menambah nama kolom dibawahnya dengan cara Double klik sel di bawah kolom, kemudian ketik nama yang dikehendaki 1
6 Selanjutnya nilai data dimasukan pada sel-sel mulai baris pertama dana seterusnya dibawah kolom yang sesuai. Sebagai contoh, misalnya suatu percobaan ingin mengetahui apakah ada perbedaan kadar nitrogen pada beberapa merk pupuk. Untuk membuktikan pernyataan tersebut dilakukan percobaan dengan rancangan random lengkap satu factor dengan 3 level (3 merk pupuk) dan 5 ulangan. Misalkan data hasil pengamatan telah dientri ke worksheet. Tabel 1. Pada worksheet di samping, kolom C1 telah ditambah namanya dengan Merk dan kolom C2 ditambah dengan Kadar N. Kode 1,2 dan 3 pada kolom Merk menyatakan kode untuk merk pupuk. Kode 1,2 dan 3 masing-masing diulang 5 kali, yang berarti ulangan eksperimen adalah 5. Nilai-nilai di bawah kolom Kadar N merupakan nilai pengamatan yang berkaitan dengan setiap merk. Menyimpan file: 1. klik File Save Project 2. tentukan direktori dimana file akan disimpan, lalu beri nama file 3. klik Save. Membuka file: 1. klik File Open Project 2. tentukan direktori dimana file berada, lalu pilih file 3. klik Open. 2
7 Kadar N Membuat Grafik Boxplot dan Dotplot Jenis grafik yang dapat dihasilkan dengan Minitab bisa dilihat pada menu toolbar Graph. Data yang telah dientri pada bagian sebelumnya akan digunakan untuk membuat grafik. Dalam rancangan percobaan, grafik yang sangat membantu untuk evaluasi awal pengaruh perlakuan adalah jenis boxplot dan dotplot. Langkah-langkah membuat grafik boxplot/dotplot: 1. Pastikan data telah siap 2. Klik Graph lalu pilih Boxplot atau Dotplot 3. Klik With Groups untuk membuat boxplot setiap level perlakuan, kemudian klik OK 4. Pastikan pointer berada di dalam kota Graph variables, lalu double klik C2 Kadar N. 5. Pastikan pointer berada di dalam kota Categorical variables for grouping, lalu double klik C1 Merk. 6. Klik OK dan dihasilkan diagram boxplot di samping N.B. Grafik yang dihasilkan Minitab dapat disalin ke dalam pengolah kata dengan klik kanan grafik tersebut kemudian klik Copy Graph Boxplot of Kadar N Merk 3 3
8 Analisis Varian Satu Faktor Dalam analisis varian satu factor disini digunakan model efek tetap y ij = μ + τ i + ε ij dengan y ij adalah respon perlakuan ke i ulangan ke j, μ rata-rata umum, τ i adalah efek perlakuan ke i, dan ε ij adalah kesalahan random yang diasumsikan berdistribusi normal standar independen. Untuk melaksanakan dianalisis varian satu factor data Tabel 1, ditempuh dengan langkah-langkah 1. Pastikan data aktif di layar. 2. Klik Stat ANOVA One-way 3. Pastikan pointer berada pada kotak Response double klik Kadar N Pastikan pointer berada pada kotak Factor double klik Merk 4. Setelah diklik OK akan dihasilkan One-way ANOVA: Kadar N versus Merk Source DF SS MS F P Merk Error Total S = R-Sq = 78.59% R-Sq(adj) = 75.03% Individual 95% CIs For Mean Based on Pooled StDev Level N Mean StDev (-----*-----) (-----*-----) (-----*-----) Pooled StDev = Interpretasi dari hasil ini dapat dilihat pada kolom F atau P pada tabel ANOVA. Nilai P pada tabel tersebut menyatakan nilai maksimum kesalahan jenis pertama, jadi jika nilai P lebih kecil dari 0.05, maka berarti terdapat pengaruh Merk pupuk terhadap kadar N pada tingkat signifikansi 5 persen. Kesimpulan yang sama bias diperoleh dengan membandingkan nilai F (atau F hitung) dengan nilai kritis T (atau F- tabel). 4
9 Uji perbandingan ganda Jika hasil analisis varian menunjukan adanya pengaruh perlakuan, biasanya kita tertarik untuk mencari level perlakuan mana yang berbeda. Minitab menyediak uji perbandingan ganda dengan Metode Tukey, Fisher dan Dunnet. Kita akan melakukan uji perbandingan ganda dengan Metode Tukey. Setelah langkah 3 di atas, dilanjutkan dengan 1. Klik Comparisons 2. Beri tanda cek di depan Tukey s, family error rate. Secara default kotak dialog Tukey s, family error rate berisi nilai 5, namun jika diperlukan bisa diisi tingkat signifikansi yang lain. Setelah klik OK OK akan dihasilkan Grouping Information Using Tukey Method Merk N Mean Grouping A B C Means that do not share a letter are significantly different. Tukey 95% Simultaneous Confidence Intervals All Pairwise Comparisons among Levels of Merk Individual confidence level = 97.94% Merk = 1 subtracted from: Merk Lower Center Upper (----*-----) (-----*----) Merk = 2 subtracted from: Merk Lower Center Upper (----*----) Mudah disimpulkan dari hasil perbandingan ganda bahwa ketiga Merk pupuk memiliki kada N yang berbeda pada tingkat signifikansi 5 persen. 5
10 Frequency Residual Percent Residual Analisis Asumsi Model Dalam rancangan percobaan diasumsikan kesalahan random berdistribusi normal stadar dan mutually independen. Hal ini lazim digunakan plot residual sebagai berikut 1. Setelah langkah 3, dilanjutkan dengan klik Graph Ada dua pilihan untuk membuat plot residual, yaitu secara terpisah (Individual plots) dan menyatu (Four in one). Kita akan membuat keempat plot residual dalam satu kesatuan. 2. Klik Four in one OK OK, dihasilkan Residual Plots for Kadar N Normal Probability Plot Versus Fits Residual Fitted Value 36 Histogram Versus Order Residual Observation Order 6
11 Rancangan Blok Random Lengkap Model efek tetap untuk rancangan blok random lengkap adalah y ij = μ + τ i + β j + ε ij Dengan y ij adalah respon perlakuan ke i blok ke j, μ rata-rata umum, τ i adalah efek perlakuan ke i, β j adalah efek blok ke j dan ε ij adalah kesalahan random yang diasumsikan berdistribusi normal standar independen. Analisis varian pada rancangan ini akan memberikan informasi apakah ada pengaruh perlakuan atau pengaruh blok. Data berikut merupakan hasil pengamatan percobaan yang bertujuan untuk mengetahui pengaruh dolomite terhadap tinggi tanaman tomat dengan 4 dosis dolomite dan 3 blok. Perhatikan susunan data pada rancangan blok. Agar analisis berjalan dengan benar, nilai data respon di entri dengan susunan seperti tabel di samping. Untuk menguji apakah ada pengaruh dolomite atau blok, dilakukan analisis varian dengan Minitab: 7
12 1. Pastikan data aktif di layar. 2. Klik Stat ANOVA General Linear Model 3. Pastikan pointer berada pada kotak dialog Responses:, lalu double klik C3 Respon Pastikan pointer berada pada kotak dialog Model:, lalu double klik C1 Blok dan double klik C2 Dolomit, 4. Klik OK, dihasilkan General Linear Model: Respon versus Blok, Dolomit Factor Type Levels Values Blok fixed 3 1, 2, 3 Dolomit fixed 4 1, 2, 3, 4 Analysis of Variance for Respon, using Adjusted SS for Tests Source DF Seq SS Adj SS Adj MS F P Blok Dolomit Error Total S = R-Sq = 98.50% R-Sq(adj) = 97.25% Unusual Observations for Respon Obs Respon Fit SE Fit Residual St Resid R R denotes an observation with a large standardized residual. Kesimpulan mengenai pengaruh dolomite dan blok dapat dibaca dari table Anova kolom F atau kolom P pada baris Blok atau baris Dolomit. 8
13 Rancangan Blok Tidak Lengkap Seimbang Rancangan blok tidak lengkap adalah rancangan dimana tidak setiap level perlakuan ada pada setiap blok. Rancangan blok tidak lengkap seimbang adalah rancangan blok tak lengkap dimana setiap dua level perlakuan ada bersama-sama dengan frekuensi sama. Misalnya ada empat jenis traktor yang akan diuji kecepatannya dalam membajak lahan. Karena hanya tersedia 3 operator, maka digunakan rancangan blok tak lengkap seimbang dengan hari sebagai blok. Misalkan data hasil pengamatan terhadap lama membajak lahan adalah Perhatikan bahwa data pengamatan pada rancangan blok tidak lengkap seimbang: pada blok 1 mesin 3 tidak ada, pada blok 2 mesin 4 tidak ada, pada blok 3 mesin 2 tidak ada dan pada blok 4 mesin 1 tidak ada. Langkah analisis dengan Minitab sama dengan rancangan blok random lengkap. Hasil analisis data tersebut adalah General Linear Model: Respon versus Blok, Mesin Factor Type Levels Values Blok fixed 4 1, 2, 3, 4 Mesin fixed 4 1, 2, 3, 4 Analysis of Variance for Respon, using Adjusted SS for Tests Source DF Seq SS Adj SS Adj MS F P Blok Mesin Error Total S = R-Sq = 84.67% R-Sq(adj) = 66.28% 9
14 Dalam membaca hasil analisis perlu diperhatikan bahwa untuk rancangan blok tak lengkap seimbang, jumlah kuadrat yang digunakan adalah jumlah kuadrat yang disesuaikan (Adj SS). Selanjutnya kesimpulan hasil analisis dapat dibaca dari kolom F atau P. Rancangan Bujur Sangkar Latin Dalam percobaan lapang biasanya akan terdapat banyak factor yang berpotensi mempengaruhi respon. Hal ini berakibat akan semakin banyak satuan percobaan yang harus disiapkan. Rancangan bujur sangkar latin digunakan dengan maksud agar satuan percobaan lebih sedikit namun efek factor-faktor tersebut masih bisa dipisahkan. Model efek tetap untuk rancangan bujur sangkar latin adalah y ijk = μ + α i + τ j + β k + ε ijk Dengan y ijk adalah respon baris ke i kolom k perlakuan j, μ rata-rata umum, α i efek baris i, β k adalah efek kolom ke k, τ j adalah efek perlakuan ke j dan ε ijk adalah kesalahan random yang diasumsikan adalah efek baris berdistribusi normal standar independen. Misalnya ingin diketahui pengaruh dosis suatu herbisida terhadap kecepatan mematikan gulma dengan 4 dosis. Misalkan herbisida diambil dari 4 batch berbeda dan aplikasi herbisida dilakukan oleh 4 perator A, B,C dan D. Jelas batch dan operator berpotensi mempengaruhi efektivitas herbisida, oleh karena itu efeknya perlu diperhitungan dengan cara menggunakan rancangan bujur sangkar latin. Misalkan data hasil pengamatan adalah sebagai berikut. Tabel: Kecepatan mematikan gulma (jam) Operator Batch C=7 B=7 A=5 D=10 D=14 C=18 B=10 A=10 A=7 D=11 C=11 B=12 B=8 A=8 D=9 C=14 Untuk melakukan analisis, data tersebut terlebih dahulu dientry ke worksheet dalam format sebagai berikut: 10
15 Pada kolom Baris notasi 1,2,3 dan 4 mnyatakan nomor batch. Pada kolom Kolom notasi 1,2,3 dan 4 menyatakan nomor praetor. Sebagai contoh, baris 3 adalah pengamatan batch 1 operator 4 level perlakuan 2. Selanjutnya dilakukan analisis dengan langkah-langkah: 1. Klik Stat ANOVA General Linear Model 2. Pastikan pointer berada pada kotak dialog Responses:, lalu double klik C4 Respon Pastikan pointer berada pada kotak dialog Model:, lalu double klik C1 Baris, C2 Klom dan C3 Perlakuan, 3. Klik OK, dihasilkan General Linear Model: Respon versus Baris, Kolom, Perlakuan Factor Type Levels Values Baris fixed 4 1, 2, 3, 4 Kolom fixed 4 1, 2, 3, 4 Perlakuan fixed 4 1, 2, 3, 4 11
16 Analysis of Variance for Respon, using Adjusted SS for Tests Source DF Seq SS Adj SS Adj MS F P Baris Kolom Perlakuan Error Total S = R-Sq = 93.14% R-Sq(adj) = 82.84% Rancangan Blok dengan model interaksi blok-perlakuan Model efek tetap untuk rancangan blok random lengkap dengan interaksi blok-perlakuan dengan ulangan adalah y ijk = μ + τ i + β j + (τβ) ij + ε ijk Perbedaannya dengan rancangan blok biasa adalah pada model linear ditambahkan suku (αβ) ij yang menyatakan efek interaksi perlakuan i blok j. Untuk memberikan gambaran tentang analisis rancangan ini, misalkan ingin diketahui pengaruh merek bola lampu dan dayanya terhadap lama hidupnya. Sebanyak 4 merk bola lampu dan 2 macam daya dikukur lama hidupnya dan diulang 5 kali. Misalkan data pengataman adalah Tabel: Lama hidup bola lampu (jam) Blok (Daya) Merk watt 100 watt Selanjutnya data tersebut dientri ke worksheet dengan format sebagai berikut 12
17 Analisis dengan Minitab dilakukan sebagai berikut: 1. Klik Stat ANOVA General Linear Model 2. Pada kotak-kotak dialog di samping diisi seperti pada rancangan blok biasa, kecuali pada kotak dialog Model ditambahkan suku interaksi Daya*Merek 3. Setelah klik OK akan diperoleh General Linear Model: Respon versus Daya, Merek Factor Type Levels Values Daya fixed 2 1, 2 Merek fixed 4 1, 2, 3, 4 Analysis of Variance for Respon, using Adjusted SS for Tests Source DF Seq SS Adj SS Adj MS F P Daya Merek Daya*Merek Error Total
18 Rancangan Faktorial Model efek tetap rancangan factorial dengan dua factor A dan B dapat ditulis sebagai y ijk = μ + α i + β j + (αβ) ij + ε ijk dimana α i, β j dan (αβ) ij berturut-turut menyatakan efek factor A, B dan interaksi, sedangkan suku lainnya menyatakan hal yang serupa dengan pembahasan sebelumnya. Sebagai contoh, misalnya kita telah melakukan percobaan factorial pengaruh pupuk P dan N terhadap pertumbuhan tomat dengan data sebagai berikut Data: Tinggi tanaman tomat (cm) N1 P1 P2 P N N Tahap pentingnya adalah format data tersebut di worksheet. Data tersebut dientri dengan format berikut. 14
19 Langkah untuk melakukan analisis dengan Minitab dilakukan serupa dengan cara sebelumnya, kecuali pada tahap berikut dimana efek interaksi dimasukan kedalam model yaitu pada kotak Model dimasukan suku Pupuk N*Pupuk P. Hasil analisis ini adalah General Linear Model: Tinggi versus Pupuk N, Pupuk P Factor Type Levels Values Pupuk N fixed 3 1, 2, 3 Pupuk P fixed 3 1, 2, 3 15
20 Analysis of Variance for Tinggi, using Adjusted SS for Tests Source DF Seq SS Adj SS Adj MS F P Pupuk N Pupuk P Pupuk N*Pupuk P Error Total S = R-Sq = 91.25% R-Sq(adj) = 88.66% Untuk rancangan factorial dengan banyaknya factor lebih dari 2, format table dan analisisnya serupa dengan pembahasan ini, dengan mengingat bahwa semua kemungkinan interaksi antara factor perlu diperhatikan. Misalnya untuk tiga factor A,B dan C, maka kita perlu mempertimbangkan factor interaksi AB, AC, BC dan ABC. Membuat Rencana Percobaan Minitab dilengkapi fasilitas DOE (Design of Experiment) yang dapat membantu menyiapkan metode untuk melaksanakan percobaan. Dalam tulisan ini akan diberikan contoh perencanaan rancangan untuk percobaan factorial. Sebagai contoh, misalkan kita akan melakukan eksperimen dua factor, Factor A terdiri 3 level dan Factor B terdiri 4 level, dengan tiga ulangan 1. Klik Stat ANOVA DOE Factorial Create Factorial Design 2. Di bawah Type of Design pilih General full factorial design 3. Pada In Number of factors, pilih 2 4. Klik Designs 16
21 5. Di bawah Name, ketik berturut-turut Factor A, Faktor B 6. Di bawah Number of Levels, pilih banyaknya level untuk setiap faktor 7. Pada Number of replicates, pilih 3 8. Klik OK untuk kembali ke kotak dialog utama 9. Klik OK, dihasilkan tabel di samping. Untuk mengentri hasil pengamatan, bisa ditambahkan kolom Respon. Kolom RunOrder merupakan urutan dalam mana kita akan melakukan observasi. Misalnya urutan pertama yang diobservasi adalah ulangan 1 faktor A level 2 faktor B level 4. Kolom RunOrder dibangkitkan secara random. Kolom StdOrder berisi nomor urut satuan percobaan berdasarkan urutan ulangan, factor A dan factor B. Jika tidak dilakukan randomisasi, maka kolom StdOrder dan RunOrder sama. 10. Data hasil pengamatan bisa diisi pada kolom Respon. Rancangan Faktorial 2 k Pembahasan rancangan faktorial 2 k akan diberikan melalui bentuk yang sederhana, yaitu rancangan faktorial 2 k. Rancangan faktorial 2 k adalah rancangan dua factor dimana setiap factor terdiri dari 2 level, namakan level tinggi (ditulis +) dan level rendah (ditulis -). Sebagai contoh, misalnya kita ingin mengetahui pengaruh factor katalisator dan temperature terhadap kecepatan reaksi. Misalnya ada 2 konsetrasi katalisator dan 2 level temperature. Untuk memulai percobaan ini kita gunakan DOE, 17
22 1. Klik Stat ANOVA DOE Factorial Create Factorial Design 2. Di bawah Type of Design pilih 2-level factorial (default generators) 3. Pada In Number of factors, pilih 2 4. Klik Designs 5. Pada Number of replicatesfor corner pints, pilih 3 6. Klik OK untuk kembali ke kotak dialog utama 7. Klik OK, dihasilkan tabel di samping. Untuk mengentri hasil pengamatan, bisa ditambahkan kolom Respon. 8. Data hasil pengamatan bisa diisi pada kolom C7. Kolom C7 boleh diberi nama, misalnya Respon. Anggap data telah dimasukan ke kolom Respon Analisis data dilakukan dengan cara biasa: 18
23 1. Klik Stat ANOVA General Linear Model 2. Hasil analisis adalah General Linear Model: Respon versus A, B Factor Type Levels Values A fixed 2-1, 1 B fixed 2-1, 1 Analysis of Variance for Respon, using Adjusted SS for Tests Source DF Seq SS Adj SS Adj MS F P A B A*B Error Total S = R-Sq = 66.92% R-Sq(adj) = 54.52% Unusual Observations for Respon Obs Respon Fit SE Fit Residual St Resid R R denotes an observation with a large standardized residual. 19
: - Mahasiswa dapat melakukan eksperimen dengan bantuan software MINITAB
A. TUJUAN Tujuan Umum Tujuan Khusus : - Mahasiswa dapat melakukan eksperimen dengan bantuan software MINITAB : - Mahasiswa dapat menggunakan MINITAB dengan metode ANOVA - Mahasiswa dapat menggunakan MINITAB
Lebih terperinciLAMPIRAN A RANCANGAN DAN ANALISIS PERCOBAAN DENGAN METODE RESPONSE SURFACE MENGGUNAKAN MINITAB 16 SOFTWARE
LAMPIRAN A RANCANGAN DAN ANALISIS PERCOBAAN DENGAN METODE RESPONSE SURFACE MENGGUNAKAN MINITAB 16 SOFTWARE LA-1 Rancangan Percobaan Optimasi Hidrolisis Selulosa dari Tandan Kosong Kelapa Sawit Rancangan
Lebih terperinciPENGENALAN MINITAB. Oleh : Triyanto
PENGENALAN MINITAB Oleh : Triyanto PROGRAM STUDI PENDIDIKAN MATEMATIKA UNIVERSITAS SEBELAS MARET SURAKARTA 2009 0 PENDAHULUAN Paket program Minitab merupakan salah satu software yang sangat besar kontribusinya
Lebih terperinciRegresi. Data : Untuk melakukan regresi linear, langkah-langkah sebagai berikut, 1. Pilih Stat > Regression > Regression
Regresi Fungsi regresi yang tersedia pada Minitab yang dibahas disini adalah regresi tipe least squares regression atau kuadrat terkecil, sedangkan regresi tipe logaritma walaupun juga tersedia dalam Minitab
Lebih terperinciPemanfaatan Excel untuk Analisis Data
KARYA PENGABDIAN PADA MASYARAKAT Pemanfaatan Excel untuk Analisis Data Haryadi NIDN 0003116401 LEMBAGA PENELITIAN DAN PENGABDIAN PADA MASYARAKAT UNIVERSITAS MUHAMMADIYAH PALANGKARAYA PALANGKA RAYA, 2012
Lebih terperinciBAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA
BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 4.1 Pengumpulan Data Data yang digunakan untuk membuat peta kontrol merupakan data pengukuran dimensi pada kabel jenis NYFGbY antara bulan April 007 sampai
Lebih terperinciBAB 08 ANALISIS VARIAN 8.1 ANALISIS VARIAN SATU JALAN
BAB 08 ANALISIS VARIAN Sebagaimana yang sudah dijelaskan sebelumnya bahwa salah satu statistik parametrik yang sering digunakan dalam penelitian pendidikan yaitu Analisis Varian. Oleh karena itu pada bagian
Lebih terperinciBAB 3 APLIKASI RANCANGAN ACAK KELOMPOK 1 FAKTOR
BAB 3 APLIKASI RANCANGAN ACAK KELOMPOK 1 FAKTOR Rancangan Acak Kelompok atau biasa disingkat RAK digunakan jika kondisi unit percobaan yang digunakan tidak homogen. Dalam rancangan ini, petakan percobaan
Lebih terperinciPENGENDALIAN KUALITAS KERAMIK DENGAN PENDEKATAN DESIGN OF EXPERIMENT
PENGENDALIAN KUALITAS KERAMIK DENGAN PENDEKATAN DESIGN OF EXPERIMENT EPOKSI UNTUK JENIS CACAT PINHOLE (Studi kasus pada PT. American Standard Indonesia) Meriastuti Ginting ST, MT 1 Arleen Wirjawan 2 ABSTRACT
Lebih terperinciDIKTAT MATA KULIAH STATISTIKA PENELITIAN PENDIDIKAN MATEMATIKA
DIKTAT MATA KULIAH STATISTIKA PENELITIAN PENDIDIKAN MATEMATIKA Oleh : Wahyu Hidayat, S.Pd., M.Pd. NIDN. 0404088402 PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP)
Lebih terperinciTIN309 - Desain Eksperimen Materi #6 Genap 2015/2016 TIN309 DESAIN EKSPERIMEN
Materi #6 TIN309 DESAIN EKSPERIMEN Desain Latin Squares 2 Digunakan untuk mengontrol atau mengeliminasi dua jenis faktor nuisance. Dibuat jika terdapat 3 faktor, yaitu: 1 faktor percobaan, dan 2 faktor
Lebih terperinciDidonwload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Pada bab sebelumnya telah dibahas rancangan faktorial secara umum, seringkali peneliti berhadapan pada rancangan yang melibatkan sejumlah faktor yang masing-masing faktor hanya terdiri
Lebih terperinciUji Hipotesis dengan Minitab 2013
8 PENGENALAN MINITAB Uji Normalitas, Uji Homogenitas, Statistika Deskriptif, Uji Hipotesis Rerata 1 Sampel, Uji Hipotesis Rerata 2 Sampel, Anava Satu Jalan, Anava Dua Jalan A. PENDAHULUAN Paket program
Lebih terperinciBAB 7 APLIKASI RANCANGAN PETAK TERPISAH
BAB 7 APLIKASI RANCANGAN PETAK TERPISAH Rancangan split plot design atau dalam bahasa Indonesia disebut Rancangan Petak Terpisah atau Rancangan Petak Terbagi (RPT) merupakan jenis percobaan faktorial (lebih
Lebih terperinciRancangan Percobaan dengan SPSS 13.0 (Untuk kalangan sendiri)
Rancangan Percobaan dengan SPSS 13.0 (Untuk kalangan sendiri) Statistical Product and Service Solution (SPSS) merupakan salah satu perangkat lunak/software statistik yang dapat digunakan sebagai alat pengambil
Lebih terperinciRANCANGAN BUJUR SANGKAR LATIN DAN RANCANGAN BUJUR SANGKAR GRAECO - LATIN
RANCANGAN BUJUR SANGKAR LATIN DAN RANCANGAN BUJUR SANGKAR GRAECO - LATIN JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 007 1. PENDAHULUAN 1 Pada suatu
Lebih terperinciLampiran 1. Susunan Perlakuan Saat Pelaksanan Penelitian
Lampiran 1. Susunan Perlakuan Saat Pelaksanan Penelitian Adapun susunan perlakuan saat pelaksanaan penelitian adalah sebagai berikut : R 1 U 1 R 2 U 2 R 3 U 5 R 4 U 4 R 1 U 3 R 2 U 1 R 3 U 4 R 4 U 2 R
Lebih terperinciBAB 4. APLIKASI RANCANGAN ACAK LENGKAP DUA FAKTOR
BAB 4. APLIKASI RANCANGAN ACAK LENGKAP DUA FAKTOR Sebagaimana telah dijelaskan pada bab sebelumnya bahwa Metode Rancangan Acak Lengkap (RAL) umumnya dipakai pada kondisi lingkungan yang homogen diantaranya
Lebih terperinciAnalisis Korelasi dan Regresi Sederhana
Analisis Korelasi dan Regresi Sederhana Pada minggu ini akan dipelajari : Menghitung Korelasi Melakukan Analisis Regresi Sederhana Pemeriksaan Asumsi dalam Analisis Regresi Untuk melakukan kegiatan pada
Lebih terperinciBAB 8. APLIKASI RANCANGAN PETAK PETAK TERPISAH
BAB 8. APLIKASI RANCANGAN PETAK PETAK TERPISAH Rancangan split split plot design atau Rancangan Petak Petak merupakan jenis percobaan yang melibatkan tiga faktor atau lebih sekaligus dengan tingkat ketelitian
Lebih terperinciBAB 6 APLIKASI RANCANGAN ACAK KELOMPOK TIGA FAKTOR
BAB 6 APLIKASI RANCANGAN ACAK KELOMPOK TIGA FAKTOR Pada bab sebelumnya telah dibahas aplikasi rancangan acak kelompok satu faktor dan dua faktor. Bab ini akan membahas aplikasi SPSS dan SAS untuk analisis
Lebih terperinciBAB 4 ANALISA DAN PEMBAHASAN
BAB 4 ANALISA DAN PEMBAHASAN 4. Data Sampel 4.. Pengambilan dan Pemilihan Data Sampel Dari pengumpulan data yang telah dilakukan, diperoleh 20 data sampel yang telah dikelompokkan menjadi subgrup-subgrup
Lebih terperinciUji Perbandingan Rata-Rata
Uji Perbandingan Rata-Rata Pengujian hipotesis perbandingan rata-rata dilakukan untuk melihat kesesuaian dugaan peneliti terhadap suatu objek yang diteliti dengan kenyataannya. Misalnya seorang peniliti
Lebih terperinciBAB 5. APLIKASI RANCANGAN ACAK KELOMPOK DUA FAKTOR
A 5. APLIKASI RANCANGAN ACAK KELOMPOK DUA FAKTOR Dalam percobaan faktorial, pengaruh dua faktor atau lebih diselidiki secara bersama-sama. Apabila pengaruh suatu faktor diperkirakan akan berubah menurut
Lebih terperinciANALISIS PERCOBAAN FAKTORIAL UNTUK MELIHAT PENGARUH PENGGUNAAN ALAT PERAGA BLOK ALJABAR TERHADAP PRESTASI BELAJAR ALJABAR SISWA
E-Jurnal Matematika Vol., No., Mei 3, - ISSN: 33-7 ANALISIS PERCOBAAN FAKTORIAL UNTUK MELIHAT PENGARUH PENGGUNAAN ALAT PERAGA BLOK ALJABAR TERHADAP PRESTASI BELAJAR ALJABAR SISWA NI PUTU AYU MIRAH MARIATI,
Lebih terperinciLampiran 1. Harga Beberapa Komoditas Pertanian Jawa Barat Per tanggal 31 Juli 2009
Lampiran 1. Harga Beberapa Komoditas Pertanian Jawa Barat Per tanggal 31 Juli 2009 No Komoditas Harga Per Kg 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Bawang Daun Brokoli Bawang Merah Bawang Putih Buncis
Lebih terperinciANCOVA (Analysis Of Covariance)
ANCOVA (Analysis Of Covariance) I. Prinsip Dasar dan Tujuan Analisis Prinsip Dasar ANCOVA merupakan teknik analisis yang berguna untuk meningkatkan presisi sebuah percobaan karena didalamnya dilakukan
Lebih terperinciLAPORAN STATISTIK ELEMENTER UJI ANALISIS VARIAN SATU ARAH (ANOVA) Dosen pengampu Dr. Sri Harini, M.Si. Oleh Nurul Anggraeni Hidayati NIM.
LAPORAN STATISTIK ELEMENTER UJI ANALISIS VARIAN SATU ARAH (ANOVA) Dosen pengampu Dr. Sri Harini, M.Si Oleh Nurul Anggraeni Hidayati NIM. 14610002 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS
Lebih terperinciRancangan Acak Lengkap. Created by : Ika Damayanti, S.Si, M.Si
Rancangan Acak Lengkap Created b : Ika Damaanti, S.Si, M.Si RAL (Rancangan Acak Lengkap) Desain dimana perlakuan dikenakan sepenuhna secara acak kepada unit- unit eksperimen. Desain ini dapat digunakan
Lebih terperinciOleh: KELOMPOK SOYA E46. Ahmad Mukti Almansur Batara Manurung Ika Novi Indriyati Indana Saramita Rachman Sali Subakti Tri Wulandari
TUGAS KELOMPOK METODE KUANTITATIF MANAJEMEN Oleh: KELOMPOK SOYA E46 Ahmad Mukti Almansur Batara Manurung Ika Novi Indriyati Indana Saramita Rachman Sali Subakti Tri Wulandari Dosen: Lukytawati Anggraeni,
Lebih terperinciAnalysis of Variance. Bab Percobaan Faktor Tunggal
Bab 3 Analysis of Variance 3.1 Percobaan Faktor Tunggal Misalnya terdapat suatu percobaan untuk menguji kecepatan proses empat jenis komputer yang masing-masing memiliki spesifikasi yang sama, kecuali
Lebih terperinciBAB 2. APLIKASI RANCANGAN ACAK LENGKAP 1 FAKTOR
BAB 2. APLIKASI RANCANGAN ACAK LENGKAP 1 FAKTOR Rancangan Acak Lengkap (RAL) merupakan rancangan yang paling sederhana dibanding rancangan lainnya. Penggunaan RAL di berbagai bidang penelitian telah banyak
Lebih terperinciMetode Statistika Pertemuan XII. Analisis Korelasi dan Regresi
Metode Statistika Pertemuan XII Analisis Korelasi dan Regresi Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran variabel Pemodelan Keterkaitan Relationship vs Causal Relationship
Lebih terperinciVI. SPSS RANCANGAN ACAK KELOMPOK (RAK)
VI. SPSS RANCANGAN ACAK KELOMPOK (RAK) Syarat : Ada satu peuabah bebas yang disebut perlakukan Ada satu peubah sampingan/pengganggu yang disebut kelompok Model Matematis : Yij = µ + Ki + Pj + єij i = 1,
Lebih terperinciTabel Perhitungan Waktu Standar
waktu baku = = waktu 3,39 normal 100 % 100 % 17 % 100 % 100 % % allowance = 4,08 menit /container. Tabel Perhitungan Waktu Standar No 1 2 3 Proses Kerja Memindakan container dari tanah ke truk (L1) Memindakan
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4. Hasil Pengumpulan Data Tabel 4. Tabel Pengumpulan Data Jam Tgl Variabel 9: : : 4: 5: 8/8/5 Tebal Material 8 6 6 6.5 Kecepatan Potong 567 6 68 64 54 Hasil Pemotongan 4 4.333
Lebih terperinciStatus Daerah SMA 5, 4, 4, 2, 3 2, 2, 3, 2, 1 PT 4, 3, 3, 2, 2 2, 1, 2, 0, 1
UGAS MODEL LINEAR Dosen: Dr. Purhadi, M.Sc Kasus: Menurut hasil penelitian, terdapat perbedaan ukuran (size) rumah tangga antara pedesaan dan perkotaan. Selain itu, pendidikan ibu turut andil dalam menentukan
Lebih terperinciBAB 11 ANALISIS REGRESI LINIER BERGANDA
BAB 11 ANALISIS REGRESI LINIER BERGANDA Selain regresi linier sederhana, metode regresi yang juga banyak digunakan adalah regresi linier berganda. Regresi linier berganda digunakan untuk penelitian yang
Lebih terperinciANALISIS DATA KOMPARATIF (Anova)
PERTEMUAN KE-11 Ringkasan Materi: ANALISIS DATA KOMPARATIF (ANOVA) ANALISIS DATA KOMPARATIF (Anova) Jika uji kesamaan dua rata-rata atau uji-t digunakan untuk mencari perbedaan atau persamaan dua rata-rata,
Lebih terperinciJumlah tanggungan (org) Lama bekerja di kawasan TWA (thn)
LAMPIRAN 88 Lampiran 1. Data Responden Masyarakat Desa Karang Tengah 11 No Jenis pekerjaan Jenis kelamin (L=1 ; P=) Umur (thn) Lama pendidikan (thn) Jumlah tanggungan (org) Lama bekerja di kawasan TWA
Lebih terperinciPENGUJIAN PENGARUH FAKTOR MUSIK DAN INTENSITAS SUARA TERHADAP DAYA TAHAN PERFORMANSI MAHASISWA DALAM MENGERJAKAN SOAL HITUNGAN SEDERHANA
96 Trenggono: PENGUJIAN PENGARUH FAKTOR MUSIK DAN INTENSITAS SUARA TERHADAP PENGUJIAN PENGARUH FAKTOR MUSIK DAN INTENSITAS SUARA TERHADAP DAYA TAHAN PERFORMANSI MAHASISWA DALAM MENGERJAKAN SOAL HITUNGAN
Lebih terperinciBAB 6 KESIMPULAN. X 1 = faktor kecepatan X 2 = faktor tekanan X 3 = faktor suhu. 0,4583 X 1 X 2, dimana:
BAB 6 KESIMPULAN 6.. Kesimpulan Dari penelitian yang telah dilakukan, maka kesimpulan yang diperoleh sebagai berikut:. Berdasarkan proses brainstorming, wawancara dan hasil penyebaran kuesioner awal diperoleh
Lebih terperinciUji Perbandingan Rata-Rata
Uji Perbandingan Rata-Rata Pengujian hipotesis perbandingan rata-rata dilakukan untuk melihat kesesuaian dugaan peneliti terhadap suatu objek yang diteliti dengan kenyataannya. Misalnya seorang peniliti
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN Bab ini akan menguraikan proses, hasil serta pembahasan dari pengolahan data yang telah dilakukan. Analisis pengolahan data dilakukan dengan mengggunakan software Minitab
Lebih terperinciJika terdapat k variabel bebas, x dan Y merupakan variabel tergantung, maka diperoleh model linier dari regresi berganda seperti rumus [3.1]. [3.
Analisis Regresi Analisis regresi merupakan salah satu alat statistika yang sangat populer digunakan user dalam mengolah data statistika. Analisis regresi digunakan untuk mengetahui hubungan satu atau
Lebih terperinciStatistika untuk Keteknikan Analisis Ragam
Statistika untuk Keteknikan Analisis Ragam Teknik Analisis Ragam : Pengolahan data anova satu arah dan anova dua arah dengan rumus statistik dan SPSS. Oleh Delvi Yanti, S.TP, MP Page 0 1.1 Rumus Anova
Lebih terperinciPendahuluan RRL Model Pengaruh Tetap Model Pengaruh Random
RANCANGAN RANDOM LENGKAP Pendahuluan RRL RRL atau Rancangan Random Lengkap merupakan rancangan di mana unit eksperimen yang dikenai perlakuan secara random dan menyeluruh lengkap untuk setiap perlakuan.
Lebih terperinciANALISIS BIVARIAT DATA KATEGORIK DAN NUMERIK Uji t dan ANOVA
ANALISIS BIVARIAT DATA KATEGORIK DAN NUMERIK Uji t dan ANOVA Uji t Independen Sebagai contoh kita gunakan data ASI Eksklusif yang sudah anda copy dengan melakukan uji hubungan perilaku menyusui dengan
Lebih terperinciLAMPIRAN A. Daftar Riwayat Hidup. Kartu Mata Kuliah. Surat Keterangan Survey Tugas Akhir
111 LAMPIRAN A Daftar Riwayat Hidup Kartu Mata Kuliah Surat Keterangan Survey Tugas Akhir SURAT KETERANGAN SURVEY TUGAS AKHIR 114 115 LAMPIRAN B Faktor Batas Kendali Peta Variabel FAKTOR BATAS KENDALI
Lebih terperinciPENGOLAHAN DATA MENGGUNAKAN SOFTWARE EVIEWS 3.1
PENGOLAHAN DATA MENGGUNAKAN SOFTWARE EVIEWS 3.1 1. Menjalankan program Eviews: Hidupkan komputer sehingga akan muncul menu utama window. Kemudian kita arahkan mouse pada menu Program dan setelah itu kita
Lebih terperinciJenis Pupuk o B1 B2 B3 B4
TUTORIAL SPSS RANCANGAN ACAK KELOMPOK (RAK) oleh : Hendry http://teorionline.wordpress.com/ Rancangan acak kelompok (RAK) sering disebut dengan randomized complete block design (RCBD). Pada rancangan ini
Lebih terperinciUji ANOVA Dua-Arah dengan SPSS
Uji ANOVA Dua-Arah dengan SPSS Rujukan: Disajikan oleh: Harrizul Rivai 1. David S. Jones, Statistika Farmasi, Penerjemah Harrizul Rivai, Penerbit EGC, Jakarta, 2008 2. Purbayu Budi Santosa dan Ashari,
Lebih terperinciTwo-Factors Factorial Design
Two-Factors Factorial Design Materi Kuliah Ke-5 & 6 DESAIN EKSPERIMEN Dimas Yuwono Wicaksono, ST., MT. dimas_w@ahoo.com 1 Two-Factors Factorial Design Disain faktorial faktor adalah untuk melihat pengaruh
Lebih terperinciKomang Suardika, S.Pd (Pendidikan Fisika, Undiksha) 2013
Komang Suardika, S.Pd (Pendidikan isika, Undiksha) 013 Anova Satu Jalur (One Way Anova) Suatu penelitian dilakukan di SMA N 1 Banjar untuk mengetahui perbedaan rata-rata dengan lima metode pembelajaran
Lebih terperinciPENGARUH MOTIVASI BERPRESTASI DAN GAYA BELAJAR TERHADAP PRESTASI BELAJAR SISWA PADA MATA PELAJARAN MATEMATIKA SMP
PENGARUH MOTIVASI BERPRESTASI DAN GAYA BELAJAR TERHADAP PRESTASI BELAJAR SISWA PADA MATA PELAJARAN MATEMATIKA SMP Dwi Avita Nurhidayah Dosen Universitas Muhammadiyah Ponorogo Email : danz_atta@yahoo.co.id
Lebih terperinciLAPORAN PRAKTIKUM STATISTIK ELEMENTER UJI ANALISIS VARIAN DUA ARAH (TWO WAY ANOVA) Dosen Pengampu Dr. Sri Harini, M.Si
LAPORAN PRAKTIKUM STATISTIK ELEMENTER UJI ANALISIS VARIAN DUA ARAH (TWO WAY ANOVA) Dosen Pengampu Dr. Sri Harini, M.Si Oleh Nurul Anggraeni Hidayati NIM. 14610002 JURUSAN MATEMATIKA FAKULTAS SAINS DAN
Lebih terperinciANALISIS REGRESI DENGAN EXCEL
ANALISIS REGRESI DENGAN EXCEL Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak. Karenanya, software-software statistik umumnya
Lebih terperinciPRAKTIKUM ANALISIS DATA EKSPLORATIF
LAPORAN PRAKTIKUM ANALISIS DATA EKSPLORATIF GEMPUR SAFAR (10877) Asisten SIGIT SAMAPTAAJI BAGUS PRAMULYA Dosen Dra. SRIHARYATMI KARTIKO, M.Sc. LABORATORIUM KOMPUTASI MATEMATIKA DAN STATISTIKA JURUSAN MATEMATIKA
Lebih terperinciBAB 09 ANALISIS VARIAN DISAIN FAKTORIAL
BAB 09 ANALISIS VARIAN DISAIN FAKTORIAL Sebagaimana yang sudah dijelaskan sebelumnya bahwa salah satu statistik parametrik yang sering digunakan dalam penelitian pendidikan yaitu Analisis Varian. Analisis
Lebih terperinci3 BAB III METODOLOGI PENELITIAN
3 BAB III METODOLOGI PENELITIAN Bagian ketiga dari laporan skripsi ini menggambarkan langkah-langkah yang akan dijalankan dalam penelitian ini. Metodologi penelitian dibuat agar proses pengerjaan penelitian
Lebih terperinciOptimasi Kekerasan Kampas Rem Dengan Metode Desain Eksprimen
Optimasi Kekerasan Kampas Rem Dengan Metode Desain Eksprimen Didik Wahjudi Amelia Dosen Fakultas Teknologi Industri, Jurusan Teknik Mesin - Universitas Kristen Petra Tomy Suhartojo Alumni Fakultas Teknologi
Lebih terperinciPengenalan Microsoft Excel 2007
Pengenalan Microsoft Excel 2007 Microsoft Excel merupakan perangkat lunak untuk mengolah data secara otomatis meliputi perhitungan dasar, penggunaan fungsi-fungsi, pembuatan grafik dan manajemen data.
Lebih terperinciDua sampel independen, tidak terikat, tidak
76 PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM 77 Jadi dari analisis keputusannya : p value < 0,05 Ho ditolak berarti Distribusi
Lebih terperinciBAB IV PENGOLAHAN DAN ANALISA DATA
36 BAB IV PENGOLAHAN DAN ANALISA DATA Langkah berikutnya adalah mengolah data-data yang telah dikumpulkan untuk dihitung jumlah dominan cacat cetakan yang terjadi, kapabilitas proses dari unit pengolahan
Lebih terperinciRegresi dengan Microsoft Office Excel
Regresi dengan Microsoft Office Excel Author: Junaidi Junaidi 1. Pengantar Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak.
Lebih terperinciLampiran 1. Distribusi Nilai WTP Responden Terhadap Paket Wisata Jogging Track Plus
Lampiran 1. Distribusi Nilai WTP Responden Terhadap Paket Wisata Jogging Track Plus WTP Jumlah Responden Persentase WTPx ΣResponden NO. (Rp) (orang) (%) (Rp) 1 3 6 11,3 18 2 35 6 11,3 21 3 4 2 3,8 8 4
Lebih terperinciLAPORAN PRAKTIKUM. Mata Kuliah : Penerapan Komputer Tanggal : 21 Desember Nama : Desi Aryanti Dosen : Ir. Rini Herlina M.S
LAPORAN PRAKTIKUM Mata Kuliah : Penerapan Komputer Tanggal : 21 Desember 2009 Nama : Desi Aryanti Dosen : Ir. Rini Herlina M.S NRP : D14070066 Asisten Dosen : 1. Revan M. 2. Ratu Fika Hertaviani KORELASI
Lebih terperinciLATIHAN SPSS I. A. Entri Data
A. Entri Data LATIHAN SPSS I Variabel Name Label Type Nama Nama Mahasiswa String NIM Nomor Induk Mahasiswa String JK Numeris 1. 2. TglLahir Tanggal Lahir Date da Daerah Asal Numeris 1. Perkotaan 2. Pinggiran
Lebih terperinciXII. SPSS RANCANGAN ACAK LENGKAP POLA BERJENJANG
XII. SPSS RANCANGAN ACAK LENGKAP POLA BERJENJANG Rancangan Acak Lengkap Pola Berjenjang adalah rancangan percobaan dengan materi homogen atau tidak ada peubah pengganggu, rancangan ini sebenarnya merupakan
Lebih terperinciANALISIS PENGARUH TERAPI GELOMBANG ELEKTROMAGNETIK FREKUENSI RENDAH TERHADAP KADAR GULA DARAH PADA TIKUS PUTIH (Rattus norvegicus)
TUGAS AKHIR - SS 090302 ANALISIS PENGARUH TERAPI GELOMBANG ELEKTROMAGNETIK FREKUENSI RENDAH TERHADAP KADAR GULA DARAH PADA TIKUS PUTIH (Rattus norvegicus) Yopie Irawan NRP 1306 030 036 Dosen Pembimbing
Lebih terperinciKORELASI. Alat hitung koefisien korelasi Pearson (data kuantitatif dan berskala rasio) Kendall, Spearman (data kualitatif dan berskala ordinal)
KORELASI Pada SPSS korelasi ada pada menu Correlate dengan submenu: 1. BIVARIATE Besar hubungan antara dua (bi) variabel. a. Koefisien korelasi bivariate/product moment Pearson Mengukur keeratan hubungan
Lebih terperinciDAFTAR ISI HALAMAN JUDUL HALAMAN PENGESAHAN HALAMAN PERNYATAAN NASKAH SOAL TUGAS AKHIR HALAMAN PERSEMBAHAN INTISARI KATA PENGANTAR UCAPAN TERIMA KASIH
DAFTAR ISI HALAMAN JUDUL HALAMAN PENGESAHAN HALAMAN PERNYATAAN NASKAH SOAL TUGAS AKHIR HALAMAN PERSEMBAHAN INTISARI KATA PENGANTAR UCAPAN TERIMA KASIH DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL DAFTAR LAMPIRAN
Lebih terperinciANALISIS DATA KOMPARATIF (T-Test)
PERTEMUAN KE-10 ANALISIS DATA KOMPARATIF (T-Test) Ringkasan Materi: Komparasi berasal dari kata comparison (Eng) yang mempunyai arti perbandingan atau pembandingan. Teknik analisis komparasi yaitu salah
Lebih terperinciISSN : Uji Chi-Square pada Statistika dan SPSS Ari Wibowo 5)
ISSN : 1693 1173 Uji Chi-Square pada Statistika dan SPSS Ari Wibowo 5) Abstrak Uji Chi-Square digunakan untuk pengujian hipotesa terhadap beda dua proporsi atau lebih. Hasil pengujian akan menyimpulkan
Lebih terperinciPengaruh Suku Bunga, Inflasi dan Kurs terhadap Perkembangan Harga Saham PT. Telkom Tbk Menggunakan Analisis Regresi
Pengaruh Suku Bunga, Inflasi dan Kurs terhadap Perkembangan Harga Saham PT. Telkom Tbk Menggunakan Analisis Regresi Novita Homer 1, Jantje D. Prang 2, Nelson Nainggolan 3 1 Program Studi Matematika, FMIPA,
Lebih terperinciAnalisis Data kategorik tidak berpasangan skala pengukuran numerik
Analisis Data kategorik tidak berpasangan skala pengukuran numerik Uji t dengan 2 kelompok Uji t Tidak Berpasangan Uji t dikembangkan oleh William Sealy Gosset. Dalam artikel publikasinya, ia menggunakan
Lebih terperinciPerhitungan Uji Keseragaman & Keseragaman Data Menggunakan Excel Nama. Dicatat Oleh: Waktu Penyelesaian (detik)
Perhitungan Uji Keseragaman & Keseragaman Data Menggunakan Excel Tanggal 06/Mei/2013 Waktu 07.00-14.00 Nama WIB Proses: Operator Pak. Septian Kebisingan 70-80 db Dicatat Oleh: Jumlah Waktu Penyelesaian
Lebih terperinciPRAKTIKUM ANALISIS DATA EKSPLORATIF
LAPORAN PRAKTIKUM ANALISIS DATA EKSPLORATIF Oleh: GEMPUR SAFAR (10877) PROGRAM STUDI STATISTIKA Asisten SIGIT SAMAPTAAJI BAGUS PRAMULYA Dosen Dra. SRIHARYATMI KARTIKO, M.Sc. LABORATORIUM KOMPUTASI MATEMATIKA
Lebih terperinciANALISIS VARIANSI MANOVA (MULTIVARIATE ANALYSIS OF VARIANCE)
ANALISIS VARIANSI MANOVA (MULTIVARIATE ANALYSIS OF VARIANCE) Manova merupakan uji beda varian. Jika pada anava varian yang dibandingkan berasal dari satu variable terikat (Y), pada manova varian yang dibandingkan
Lebih terperinciSKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Teknik (ST) Pada Program Studi Teknik Mesin UN PGRI Kediri OLEH :
ANALISA NILAI KEKERASAN BAJA KARBON RENDAH MELALUI PROSES KARBURISASI MENGGUNAKAN CAMPURAN CARBON (C) dan BARIUM KARBONAT (BaCO 3 ) DENGAN VARIASI WAKTU PENAHANAN BERBEDA SKRIPSI Diajukan Untuk Memenuhi
Lebih terperinciOPTIMALISASI PROSES PRODUKSI YANG MELIBATKAN BEBERAPA FAKTOR DENGAN LEVEL YANG BERBEDA MENGGUNAKAN METODE TAGUCHI SKRIPSI
OPTIMALISASI PROSES PRODUKSI YANG MELIBATKAN BEBERAPA FAKTOR DENGAN LEVEL YANG BERBEDA MENGGUNAKAN METODE TAGUCHI SKRIPSI Disusun oleh ANNISA INTAN MAYASARI 24010210120033 JURUSAN STATISTIKA FAKULTAS SAINS
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 4 Sebaran Penarikan Contoh
STK511 Analisis Statistika Pertemuan 4 Sebaran Penarikan Contoh Konsep Dasar Suatu statistik, misalnya, adalah fungsi dari peubah acak sering kita tulis. Idea dasaranya : Karena adalah peubah acak, maka
Lebih terperinciDAFTAR PUSTAKA. Albin, D., 2001, The Use of Statistical Experimental Design for PCB Process Optimization, Inggris.
BAB 6 KESIMPULAN 6.1. Kesimpulan Kesimpulan yang diperoleh berdasarkan penelitian yang telah dilakukan yaitu: 1. Faktor yang berpengaruh terhadap jumlah cacat roti smeer adalah faktor metode pembuatan
Lebih terperinciUJI PERSYARATAN ANALISIS DATA
PERTEMUAN KE-6 Materi : UJI PERSYARATAN ANALISIS DATA Uji nonparametrik digunakan apabila asumsi-asumsi pada uji parametrik tidak dipenuhi. Asumsi yang paling lazim pada uji parametrik adalah sampel acak
Lebih terperinciAnalisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciLampiran 2. Fungsi dari masing-masing pernyataan yang digunakan dalam PROC MIXED
LAMPIRAN Lampiran. Bentuk Umum Dari PROC MIXED PROC MIXED pilihan-pilihan ; BY nama-nama peubah ; CLASS nama-nama peubah ; ID nama-nama peubah; MODEL peubah respon = nama-nama peubah / pilihan-pilihan
Lebih terperinciMINITAB. Perbandingan kelebihan dan kelemahan program aplikasi statistik Minitab SPSS SAS Eviews. Analisis statistik dalam
MINITAB Minitab adalah salah satu aplikasi yang digunakan untuk mengolah data statistik. Selain minitab aplikasi lainnya yang digunakan dalam mengolah data statistik adalah: SPSS. SAS. StatGraph. Eviews.
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Menentukan Model Persamaan Regresi Linier Berganda Data yang dikumpulkan dalam penelitian ini adalah jumlah kecelakaan lalu lintas dan faktor-faktor yang mempengaruhinya yaitu
Lebih terperinciANOVA (analisis varians), sering disebut juga dengan uji F, mempunyai tujuan yang sama dengan uji t, yakni: o
Uji Beda: ANOVA ANOVA (analisis varians), sering disebut juga dengan uji F, mempunyai tujuan yang sama dengan uji t, yakni: o o Menguji apakah rata-rata lebih dari dua sampel berbeda secara signifikan
Lebih terperinciPencilan. Pencilan adalah pengamatan yang nilai mutlak sisaannya jauh lebih besar daripada sisaan-sisaan lainnya
Pencilan Pencilan adalah pengamatan yang nilai mutlak sisaannya jauh lebih besar daripada sisaan-sisaan lainnya Bisa jadi terletak pada tiga atau empat simpangan baku atau lebih jauh lagi dari rata-rata
Lebih terperinciBasic Design of Experiment. Dimas Yuwono W., ST., MT.
Basic Design of Experiment Dimas Yuwono W., ST., MT. RANCANGAN PERCOBAAN Desain eksperimen (rancangan percobaan) bertujuan untuk menentukan rencana pelaksanaan eksperimen yang tepat agar dapat memperoleh
Lebih terperinciANALISIS DATA PREDIKTIF (Analisis Regresi)
PERTEMUAN KE-9 ANALISIS DATA PREDIKTIF (Analisis Regresi) Ringkasan Materi : Analisis regresi digunakan untuk memprediksi (prediktif). Variabel X hasil pengukuran yang disebut prediktor digunakan untuk
Lebih terperinciPENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL
PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL Prasetyo Universitas Negeri Malang E-mail : pras_kazekage@yahoo.com Pembimbing: (I) Ir. Hendro
Lebih terperinciPertemuan Ke Pengujian hipotesis mengenai rata-rata Nilai Statistik Uji. Wilayah Kritik
Pertemuan Ke-12 6.4 Uji Hipotesis Langkah langkah pengujian hipotesis : 1. Nyatakan hipotesa nolnya H o bahwa θ = θ o. 2. Pilih hipotesis alternatif H 1 yang sesuai diantara θ < θ o, θ > θ o atau θ # θ
Lebih terperinciPengujian One-Way ANOVA dengan manual dan dilengkapi analisis dengan SPSS 19 SOWANTO-KEMPO ANALYSIS OF VARIANS (ANOVA)
ANALYSIS OF VARIANS (ANOVA) A. Memahami ANOVA Analysis of variance (ANOVA) atau Analisis Variansi (ANAVA) adalah tehnik statistik yang dikembangkan dan diperkenalkan pertama kali oleh Sir. R. A. Fisher.
Lebih terperinciDesain Eksperimen Untuk Pengendalian Kadar Air Jamu Simplisia
Seminar dan Konferensi Nasional IDEC 07 ISSN: 579-69 Surakarta, 8-9 Mei 07 Desain Eksperimen Untuk Pengendalian Kadar Air Jamu Simplisia Ida Nursanti *), dan Arinda Lisna Nindhira ) ) Jurusan Teknik Industri,
Lebih terperinciANALISIS REGRESI Oleh : Andi Rusdi
ANALISIS REGRESI Oleh : Andi Rusdi A. Sekilas Mengenai Regresi Regresi diperkenalkan oleh Francis Galton dalam makalah (Family in Stature, Processing of Royal Society, London, vol.4, 1886), yang mengemukakan
Lebih terperinciLAMPIRAN 1 PROSEDUR ANALISIS
LAMPIRAN 1 PROSEDUR ANALISIS 1.a. Prosedur Analisis 1.a.1. Analisis COD Standard Methode yang digunakan Hach Method 8000 Tata Cara / Langkah-Langkah Pengujian 1. Homogenkan 100 ml sampel selama 30 detik
Lebih terperinciMODUL PELATIHAN SPSS Analisis Perbedaan
1 MODUL PELATIHAN SPSS Perbedaan Dr. Sugiyanto Fakultas Psikologi Universitas Gadjah Mada 1. Uji Prasyarat 2. Uji t 2 kelompok independen Data-1 hal. 10 3. Uji t 2 amatan ulang Data-2 hal. 12 4. varians
Lebih terperinciARTIKEL ANALISA PENGARUH PERUBAHAN INTAKE MANIFOLD TERHADAP PERFORMA MESIN SEPEDA MOTOR HONDA SUPRA X 125 CC
ARTIKEL ANALISA PENGARUH PERUBAHAN INTAKE MANIFOLD TERHADAP PERFORMA MESIN SEPEDA MOTOR HONDA SUPRA X 125 CC ANALISYS THE INFLUENCE OF CHANGED INTAKE MANIFOLD TOWARD THE PERFORMANCES OF HONDA SUPRA X 125
Lebih terperinci