ME Yusnandar * PENDAHULUAN
|
|
- Irwan Sudirman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ME Yusnandar * PENDAHULUAN Rancangan acak lengkap (randomize complete design), rancangan acak lengkap kelompok (randomize complete block design) dan rancangan acak lengkap faktorial (randomize complete factorial design) merupakan salah satu bagian dari analisis statistika. Pada rancangan-rancangan ini umumnya sering dipergunakan untuk menganalisis data hasil penelitian percobaan seperti halnya pada bidang peternakan, tanaman pangan, kehutanan, perikanan, kedokteran, biologi, industri dan lain sebagainya. Rancangan acak lengkap dan rancangan acak lengkap kelompok hanya memiliki satu faktor, sedangkan pada rancangan acak lengkap faktorial memiliki lebih dari satu faktor dengan beberapa taraf dan interaksi dari masing-masing faktor. Rancangan acak lengkap dengan kehomogenan ragam satuan percobaan merupakan suatu rancangan yang sangat sederhana yaitu dengan satu faktor atau satu perlakuan (Budi Susetyo dan Aunuddin, 99). Rumus matematis dari rancangan acak lengkap adalah : dimana : Y ij = µ + T i + ε ij Y ij = Repons pengamatan individu yang memperoleh perlakuan ke-i ulangan ke j µ = Nilai tengah T i = Pengaruh perlakuan ke-i ε ij = Sisaan Apabila yang diperoleh tidak terpenuhi asumsi atas kehomogenan dalam suatu data hasil penelitian percobaan, maka dapat dilakukan dengan analisa rancangan acak lengkap kelompok (Randomize Complete Block Design) yaitu suatu upaya pengelompokan yang bertujuan untuk memperkecil galat (nilai * Staf Balai Penelitian Ternak Informatika Pertanian Volume (Desember 00)
2 603 Informatika Pertanian sisaan) yang disebabkan oleh faktor selain perlakuan dimana kelompok sebagai ulangan dengan rumus matematis sebagai berikut: Y ijk = µ + K i + T j + ε ij dimana : Y ijk = respon unit percobaan dalam lelompok kei yang memperoleh perlakuan ke-j µ = nilai tengah umum K i = pengaruh kelompok ke-i T j = pengaruh perlakuan ke-j ε ij = sisaan Sementara pada analisis faktorial, percobaan dilakukan dengan banyaknya faktor dan interaksi dari masing-masing faktor atas beberapa taraf dengan rumus matematis sebagai berikut : dimana : Y ijk = µ + A i + B j + A i *B j + ε ijk Y ijk = respon pengamatan individu pada faktor A ke-i, faktor B ke-j ulangan ke-k µ = nilai tengah A i = Pengaruh faktor A ke-i B j = Pengaruh faktor B ke-j A i *B j = Pengaruh interaksi faktor A dan B ε ijk = Sisaan Dari uraian diatas dapat pula dilakukan pengujian perbandingan atas beberapa taraf dari masing-masing faktor dengan menggunakan metode Least Significant Different (LSD) atau metode Duncan s multiple range test pada tingkat alpha tertentu (α=5%). Dari hasil analisis akan diketahui berbeda nyata (significant) atau tidak berbeda nyata (non significant), sedangkan dalam pengembangan lebih lanjut dapat dianalisis dengan contrast orthogonal atau polynomial orthogonal apabila perlakuan yang diujicobakan bertaraf kuantitatif dan memiliki
3 Aplikasi Analisis Rancangan 604 jarak yang sama, disamping hal tersebut dapat dilakukan analisis Least Square Mean (nilai tengah kuadrat terkecil) Tujuan dari penulisan makalah ini adalah untuk mengetahui sejauh mana ketiga rancangan analisis tersebut dapat diaplikasikan dalam pengolahan data terhadap data hasil penelitian percobaan. DATA MANAJEMEN a. Rancangan Percobaan Rancangan percobaan ini dibagi dalam tahap sebagai perlakuan atau factor, tahap pertama adalah R yaitu ransum ditambah konsentrat sebanyak 5%, dan tahap kedua adalah R yaitu ransum ditambah konsentrat sebanyak 50% yang diberikan pada ternak ayam buras berjenis kelamin Jantan (S ) dan Betina (S ) dengan 4 ulangan pada ternak usia 7 hari. Tujuan dari percobaan ini untuk mengetahui pengaruh ransum (R dan R ) terhadap pertumbuhan anak ayam buras baik jantan maupun betina (S dan S ) setelah satu minggu pemberian ransum, maka dilakukan pengujian terhadap bobot hidup dan bagian-bagian usus mulai dari tembolok sampai usus paling bawah sebagai parameter/variable yang diukur yaitu : X = Bobot Hidup (BH); X = CROP (tembolok); X 3 = PROVENTICULLUS (lambung enzim); X 4 = GIZZARD (rempela); X 5 = DUODENUM (usus jari); X 6 = JEJUNUM (usus kosong; X 7 = ILEUM (usus penyerapan) dan X 8 = SECUM (usus buntu). Data yang diperoleh dari hasil penelitian di Laboratorium, selanjutnya ditabulasi seperti contoh pada Tabel, untuk memudahkan dalam pengelompokan atau pencatatan dari masing-masing parameter yang akan dianalisis.
4 605 Informatika Pertanian Tabel. Pemberian Ransum ditambah 5% konsentrat (R ) dan Ransum ditambah 50% konsentrat (R ) pada Ayam Buras Pejantan dan Betina pada Umur 7 hari. Perlakuan Ulangan Bobot Hidup (BH) (gr) Jantan () Betina () R + 5% Konsentrat ( R ) R + 50% Konsentrat ( R ) Parameter yang dianalisis pada makalah ini hanya parameter BH dengan rancangan Faktorial (Sudjana, 980) dan persamaan modelnya adalah Y ijk = µ + A i + B j + A i *B j + ε ijk. dimana : Y ijk = respons pengamatan individu karena pengaruh bersama taraf ke-i faktor A, taraf ke-j faktor B pada ulangan k µ = nilai rata-rata A i = pengaruh perlakuan pada taraf ke-i faktor Ransum B j = pengaruh perlakuan pada tafar ke-j faktor Sex A i *B j = pengaruh interaksi antara taraf ke-i faktor Ransum dengan taraf ke-j faktor Sex ε ijk = kesalahan percobaan pada ulangan ke-k karena kombinasi perlakuan (ij) dengan : i =, ; j =, Program statistik yang dipergunakan dalam analisis data ini adalah program Statistical Analysis System (SAS).
5 Aplikasi Analisis Rancangan 606 b. Prosedur Kerja Data primer hasil penelitian pada Tabel perlu ditabulasi secara baik dan benar sehingga data yang akan dianalisis menjadi valid (syah). Untuk pemasukan data dapat mempergunakan program pendukung seperti Lotus 3, Excell atau ASCII (non document). Dalam analisis rancangan acak lengkap, rancangan acak lengkap kelompok, dan rancangan acak lengkap faktorial dapat mempergunakan paket program statistika diantaranya MSUSTAT, SAS dan SPSS. Sebelum dilakukan analisis data diperlukan penyesuaian format, sehingga dapat dibaca oleh program statistika yang akan dipergunakan. Sebagaimana dikemukakan (Yusnandar, 999) bahwa dalam memilih program statistika, sebaiknya disesuaikan dengan data yang akan diolah (dianalisis) terutama apabila data yang memiliki variable (peubah) lebih besar atau dalam menganalisis diperlukan pengembangan lebih lanjut. Tabulasi data sebagaimana tertera pada Tabel, selanjutnya perlu dilakukan perubahan format sehingga compatible dengan program statistika yang akan dipergunakan seperti pada Tabel. Tabel. Format data yang compatible dengan program Statistika. Ransum Sex Ulangan No. Ternak Bobot Hidup (X )
6 607 Informatika Pertanian c. Program Statistika MSUSTAT versi 3.0 dengan sistem MS-DOS (Anonymous, 98) dapat mengaplikasi rancangan acak lengkap, rancangan acak lengkap kelompok dan rancangan acak lengkap faktorial yaitu dengan memilih program Analysis Variance Multi Factor (AVMF) dengan jumlah faktor 4, faktor yang memiliki klasifikasi 00 taraf. Format data yang compatible dengan MSUSTAT yaitu mempergunakan format ASCII (non document), sedangkan prosedur kerja dari program MSUSTAT adalah menganalisis satu per satu dari setiap peubah, sedangkan untuk uji perbandingan rata-rata secara otomatis dengan metoda LSD pada tingkat alpha 5%, bila diperlukan dapat menganalisis contrast. SAS versi.0 for Windows (Anonymous, 996) merupakan program statistika yang cukup handal didalam menganalisis data dari berbagai analisis statistika. Untuk menganalisis ketiga rancangan tersebut dapat menggunakan Proc ANOVA dan Proc GLM. Program SAS dapat menganalisis sekaligus sesuai kebutuhan pengguna sehingga cukup efisien dan efektif, sedangkan untuk menganalisis uji perbandingan rata-rata dapat menggunakan lebih dari satu metoda atau sesuai dengan pilihan yang diinginkan pengguna seperti halnya metoda Duncan, LSD, Tukey, disamping dapat menganalisis LSMEANS (Least Square Mean) yaitu menghitung nilai tengah kuadrat terkecil dari setiap faktor dan interaksi. Untuk mendapatkan hasil analisis LSMEANS dapat mempergunakan Proc GLM. SPSS versi 6.0 for windows (Anonymous, 993) merupakan paket program statistika yang sering dipergunakan oleh perusahaan-perusahaan industri didalam melakukan pengolahan data khususnya pada bidang sosial ekonomi. Bentuk penyajian dari SPSS baik dari segi pemasukan data maupun pengoperasiannya identik dengan program Excell yaitu setiap kolom merupakan peubah. Dalam menganalisis rancangan acak lengkap, rancangan kelompok dan rancangan factorial pada SPSS yaitu mengklik Statistic pada menu yang selanjutnya dapat memilih simple factorial atau general factorial, dan berbagai pilihan ke Contrast dan LSMEANS.
7 Aplikasi Analisis Rancangan 608 Dalam input dengan format ASCII (non document) dapat dibaca oleh ketiga program statistika (MSUSTAT, SAS dan SPSS) atau langsung dengan program STATISTIKA terkecuali untuk MSUSTAT selalu menggunakan bentuk non document. Berikut merupakan format data dalam SPSS dan SAS. Gambar. Format data dan proses analisis pada SPSS Gambar. Format Data pada SAS Dari Gambar dan memperlihatkan format data untuk analisis ketiga rancangan, dimana pada kolom dan menunjukkan Faktor R dan, S, sedangkan kolom 3 dan 4 merupakan ulangan dan nomor ternak. Kolom 5 8 merupakan peubah atau parameter yang akan dianalisis dari suatu data dan untuk non data (missing) dapat dibuat dengan. (titik).
8 609 Informatika Pertanian Penyelesaian analisis Rancangan Acak Lengkap Faktorial dengan mempergunakan program SAS (Mukhyidin, 993), dan data yang diaplikasikan dalam penyelesaian analisis ini sebagaimana tertera pada Tabel dengan prosedur pemograman secara umum sebagai berikut : OPTION PS=80 LS=00; TITLE DAYGB(G/B) ; LIBNAME IN C:\MY DOCUMENT\YUS\; DATA DAYGB; INFILE C:\MY DOCUMENT\YUS\DAYGB; INPUT R S U NT BH PROV GIZZ JEJUN ILEUM SEC; CARDS; ; PROC GLM; CLASS R; MODEL BH=R; PROC GLM; CLASS R S; MODEL BH=R S; PROC GLM; CLASS R S; MODEL BH CROP PROV GIZZ DUOD JEJUN ILEUM SEC=R S R*S; MEANS R S R*S/DUNCAN; RUN; PROC MEANS MAXDEC= N MEAN STDERR; VAR BH CROP PROV GIZZ DUOD JEJUN ILEUM SEC; BY R S; RUN; PROC MEANS MAXDEC= N MEAN STDERR; VAR BH CROP PROV GIZZ DUOD JEJUN ILEUM SEC; BY R; RUN; PROC SORT DATA=DAYGB; PROC MEANS MAXDEC= N MEAN STDERR; VAR BH CROP PROV GIZZ DUOD JEJUN ILEUM SEC; BY S; RUN;
9 Aplikasi Analisis Rancangan 60 HASIL ANALISIS Dependent Variable: BH DAY(G/B) 0:43 Thursday, November 8, RANCANGAN ACAK LENGKAP General Linear Model Procedure Class Level Information Class Levels Values R Number of observations in data set = 6 Analysis of Variance Procedure Source DF Sum of Squares Mean Square F Value Pr > F Model Error Corrected Total R-Square C.V. Root MSE BH Mean Source DF Anova SS Mean Square F Value Pr > F R Dependent Variable: BH DAY(G/B) 0:43 Thursday, November 8, RANCANGAN ACAK LENGKAP KELOMPOK Class Level Information Class Levels Values R S Number of observations in data set = 6 Source DF Sum of Squares Mean Square F Value Pr > F Model Error Corrected Total R-Square C.V. Root MSE BH Mean Source DF Anova SS Mean Square F Value Pr > F R S
10 6 Informatika Pertanian Dependent Variable: BH DAY(G/B) 0:43 Thursday, November 8, RANCANGAN ACAK LENGKAP FAKTORIAL General Linear Models Procedure Class Level Information Class Levels Values R S Number of observations in data set = 6 Source DF Sum of Squares Mean Square F Value Pr > F Model Error Corrected Total R-Square C.V. Root MSE BH Mean Source DF Type I SS Mean Square F Value Pr > F R S R*S Duncan's Multiple Range Test for variable: BH NOTE: This test controls the type I comparisonwise error rate, not the experimentwise error rate Alpha= 0.05 df= MSE= Number of Means Critical Range.605 Means with the same letter are not significantly different. Duncan Grouping Mean N R A A Duncan Grouping Mean N S A A
11 Aplikasi Analisis Rancangan 6 Level of Level of BH R S N Mean SD R= S= Variable N Mean Std Error BH CROP PROV GIZZ DUOD JEJUN ILEUM SEC R= S= Variable N Mean Std Error BH CROP PROV GIZZ DUOD JEJUN ILEUM SEC R= S=
12 63 Informatika Pertanian Variable N Mean Std Error BH CROP PROV GIZZ DUOD JEJUN ILEUM SEC R= S= Variable N Mean Std Error BH CROP PROV GIZZ DUOD JEJUN ILEUM SEC R= Variable N Mean Std Error BH CROP PROV GIZZ DUOD JEJUN ILEUM SEC R=
13 Aplikasi Analisis Rancangan 64 Variable N Mean Std Error BH CROP PROV GIZZ DUOD JEJUN ILEUM SEC S= Variable N Mean Std Error BH CROP PROV GIZZ DUOD JEJUN ILEUM SEC INTERPRETASI HASIL Rancangan Acak Lengkap Pernyataan Class pada hasil analisis menunjukkan identitas faktor dapat berbentuk numerik atau alphabet dimana R merupakan class (faktor ), dengan jumlah taraf dan setiap taraf berkodekan dan. Sedangkan BH merupakan peubah atau parameter yang dianalisis. Nilai statistik F pada sidik ragam rancangan acak lengkap yaitu sebesar 0,8 adalah untuk menguji antar nilai faktor dengan nilai peluang sebesar dan R = 0.96 pada taraf 5%, (P>0.05) sehingga dengan demikian dapat disimpulkan bahwa hipotesis nol ditolak atau
14 65 Informatika Pertanian dengan kata lain tidak berbeda nyata (non significant). Pada Tabel 3., Tabel 4. dan Tabel 5. merupakan sidik ragam dari masing-masing rancangan analisis BH sebagai peubah bebas (dependent variable). Tabel 3. Analisa Keragaman pada Rancangan Acak Lengkap Sumber Keragaman DB Jumlah Kuadrat Kuadrat Tengah F Pr R Error Total 4 5, ,4407 8,4965,0558 0,8 0,675 R = 0.96 Rancangan Acak Lengkap Kelompok Rancangan ini digunakan apabila tidak terpenuhinya asumsi kehomogenan dari suatu percobaan. Tujuan dari pengelompokan ini adalah untuk memperkecil nilai sisaan selain faktor, apabila ditambahkan satu faktor yaitu faktor S, maka nilai sisaan akan lebih kecil, hal ini disebabkan adanya penambahan derajat bebas (Degree of Freedom). Hasil analisis rancangan acak kelompok diperoleh Nilai F hitung untuk perlakuan R sebesar 0.8 dengan nilai probabilitas sebesar 0.68 dan nilai F hitung untuk perlakuan S sebesar 0.4 dengan nilai probabilitas sebesar 0.533, dan R = (Tabel 4.). Tabel 4. Analisa Keragaman pada Rancangan Acak Lengkap Kelompok Sumber Keragaman DB Jumlah Kuadrat Kuadrat Tengah F Pr R S Error Total 3 5,0558,457 77,9836 8,4964,0558,457 9, R = 0.043
15 Aplikasi Analisis Rancangan 66 Rancangan Acak Lengkap Faktorial Rancangan ini memiliki lebih dari satu faktor sebagai perlakuan dan kombinasi dari masing-masing taraf atas setiap perlakuan atau interaksi antara faktor, dimana pada faktor R dan faktor S masing-masing memiliki taraf, maka akan terdapat 4 kombinasi yaitu R S ; R S ; R S dan R S. Dari hasil analisis rancangan faktorial (Tabel 5.) diperoleh nilai F hitung untuk model sebesar 0.75, perlakuan R = 0.8, perlakuan S = 0.43 dan interaksi dari R dan S =.64. dan R = 0.58 selanjutnya F hitung dibandingkan dengan F tabel dari hasil analisis tersebut dapat disimpulkan bahwa analisis ini tidak bermakna (No Significant) karena F hitung < F tabel begitu pula R < 50 %. Sedangkan hasil uji perbandingan dengan metoda Duncan s multiple range test pada rancangan faktorial tidak memiliki makna yang berbeda karena memiliki huruf yang sama (A) baik pada faktor R maupun faktor S. Tabel 5. Analisa Keragaman pada Rancangan Faktorial Sumber DB Jumlah Kuadrat Kuadrat Tengah F Pr F tabel Model R S R*S Error Total ,0558,457 9, ,6047 8, ,0558,457 9, , ,8 0,43, R = 0.58 Hasil uji lanjut atau perbandingan rata-rata dari analisis Rancangan Faktorial dalam rancangan acak lengkap dengan metoda Duncan s multiple range test seperti terlihat pada Tabel 6.
16 67 Informatika Pertanian Tabel 6. Hasil Uji Lanjut (Perbandingan rata-rata) antar Faktor dan Interaksi dengan metoda Duncan Faktor dan Interaksi R R S S R S R S R S R S Rata-rata Signifikasi (Duncan Grouping) A A A A A A A A Keterangan : R : Ransum + 5% Konsentrat; R : Ransum dengan 50% konsentrat; S : Jantan; S : Betina; R S, R S, R S, R S : Hasil Interaksi Pada huruf yang sama dari masing-masing faktor pada kolom 3 berarti tidak berbeda nyata, sedangkan apabila terdapat huruf yang berbeda berarti berbeda nyata pada tingkat alpha 5% (P>0.05). Dengan tidak adanya perbedaan nyata (non siginificant), maka uji lanjut atas taraf dari masing-masing faktor, sebaiknya tidak perlu dilanjutkan baik dengan metode Least Significant Different (LSD) maupun Duncan s multiple range test atau dengan metoda lainnya. KESIMPULAN Rancangan acak lengkap, rancangan acak lengkap kelompok, dan rancangan acak lengkap faktorial pada data hasil penelitian percobaan dari berbagai bidang disiplin ilmu, untuk lebih efektif dan efisien dalam pengolahan data statistika dapat mempergunakan piranti lunak komputer seperti MSUSTAT, SPSS, SAS atau piranti lunak lain yang mudah dioperasikan sesuai kebutuhan.
17 Aplikasi Analisis Rancangan 68 Program SAS merupakan program yang sangat baik bila dalam penganalisaan data statistika perlu dikembangkan lebih lanjut atau akan melakukan kombinasi dari berbagai analisis statistika. Apabila hasil analisis berpotensi significant, dapat dilanjutkan ke uji lanjut atau perbandingan rata-rata dengan menggunakan metode Least Significant Different atau Duncan s multi range test. Dari hasil analisis baik rancangan acak lengkap/kelompok maupun rancangan faktorial dengan parameter BH sebagai respon dan berdasarkan nilai F hitung dan R ternyata tidak berbeda nyata, begitu pula hasil uji lanjut atau perbadingan dari masing-masing faktor pada rancangan faktorial tidak berbeda nyata karena memiliki huruf yang sama yaitu A (Duncan Grouping). DAFTAR PUSTAKA Anonymous. 98. MSUSTAT (Montana State University Statistic) versi 3.0 for MS DOS Anonymous, 993. SPSS (Statistical Product Service Solution) versi 6.0 for Windows. Anonymous, 996. SAS (Statistical Analysis System) versi.0 for Windows. Sudjana, 980. Design dan Analisis Bandung Eksperimen, Tarsito, Susetyo, Budi dan Aunuddin. 99. Penggunaan Komputer Mikro untuk Biologi Lingkungan Pusat Antar Universitas Ilmu Hayat. Institut Pertanian Bogor. Yusnandar,M.E Penggunaan Fungsi Proc GLM pada SAS (Statistical Analysis System) Dalam Menganalisa Data. Prosiding Lokakarya Fungsional non Peneliti. Pusat Penelitian dan Pengembangan Peternakan.
BAB 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 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 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 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 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 terperinciLampiran 1. Skema pengolahan limbah sayuran. Sayuran dikumpulkan, dipilah dan dicuci dengan air. Ditiriskan menggunakan jaring
33 Lampiran 1. Skema pengolahan limbah sayuran Sayuran dikumpulkan, dipilah dan dicuci dengan air Ditiriskan menggunakan jaring Dicacah dan diangin-anginkan dilapangan terbuka Dikeringkan sampai kadar
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 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 terperinciLampiran 1 Hasil determinasi tanaman alpukat. lxiv
LAMPIRAN lxiii Lampiran 1 Hasil determinasi tanaman alpukat lxiv lxv Lampiran 2 Analisa statistik urea serum Urea Serum (mg/dl) Class Level Information Class Levels Values kelompok 4 Dosis10% Dosis5% Induksi
Lebih terperinciRANCANGAN PERCOBAAN DENGAN SAS. Oleh Kismiantini, M.Si.
RANCANGAN PERCOBAAN DENGAN SAS Oleh Kismiantini, M.Si. JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA 2010 0 SAS (Statistical Analysis System)
Lebih terperinciModel Y=YlY2=AB Model Y = A X 1 Model Y = A Xl(A) Model Y = A X1 Xl*A Analisa Keragaman Peubah Ganda Model Analis Peragam Model Pemisahan Kemiringan M
PENGGUNAAN FUNGSI 'PROC GLM' PADA SAS (STATISTICAL ANALYSIS SYSTEM DALAM MENGANALISA DATA M.E. YUSNANDAR Balai Penelitian Ternak, Ciawi PO Box 122, Bogor 16002 RINGKASAN Dalam menganalisa data hasil penelitian
Lebih terperinciAPLIKASIANALISIS RANCANGAN ACAK LENGKAP DALAM PENGOLAHAN DATAHASILPENELITIAN PERCOBAAN PAKAN TERNAK PADAKAMBINGINDUK
APLIKASIANALISIS RANCANGAN ACAK LENGKAP DALAM PENGOLAHAN DATAHASILPENELITIAN PERCOBAAN PAKAN TERNAK PADAKAMBINGINDUK M.E. Yusnandar Balai Penelitian Ternak, PO Box 221, Bogor 16002 RINGKASAN Kambing BKC
Lebih terperinciLampiran 1. Prosedur analisa proksimat serbuk daun dan ranting jarak pagar kering. diulangi hingga diperoleh bobot tetap.
LAMPIRAN 53 Lampiran 1. Prosedur analisa proksimat serbuk daun dan ranting jarak pagar kering a. Kadar Air (SNI 01-2891-1992) Sebanyak 2-5 g sampel serbuk kering dimasukkan ke dalam cawan aluminium yang
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 9 ANOVA (3)
STK511 Analisis Statistika Pertemuan 9 ANOVA (3) 9. ANOVA (3) Diagnosis Asumsi dalam Uji Hipotesis 1. bersifat bebas terhadap sesamanya. Nilai harapan dari nol, E 0 3. Ragam homogen, Var 4. Pola sebaran
Lebih terperinci1. Water Holding Capacity (WHC) (Modifikasi Agvise Laboratories). 2. Ammonia Holding Capacity (AHC) (Modifikasi Nurcahyani 2010).
LAMPIRAN 47 Lampiran 1. Metode Analisis Proksimat 1. Water Holding Capacity (WHC) (Modifikasi Agvise Laboratories). Pengujian WHC dilakukan dengan mengurangi berat bahan setelah ditambahkan air dengan
Lebih terperinciLAMPIRAN. Universitas Sumatera Utara
LAMPIRAN HASIL KONVERSI DARI ANALISIS LABORATORIUM No bahan berat segar(gr/plot) produksi bs(ton/ha/tahun) %air total %BK LK SK PK 1 A1B0U1 1097,48 131,6976 76,84 23,16 2,83 43,39 17,55 2 A1B0U2 1094,48
Lebih terperinciDitimbang EMB 3,6 gr. Ditambahkan Aquades 100 ml. Dimasukkan ke dalam erlenmeyer. Disiapkan NaCl fisiologis 0,9 % sebanyak 10 ml
Lampiran 1 : Isolasi akteri E-coli Tahap 1 (Pembuatan Media EM) Ditimbang EM 3,6 gr Ditambahkan Aquades 1 ml Dimasukkan ke dalam erlenmeyer Disiapkan NaCl fisiologis,9 % sebanyak 1 ml Dimasukkan kedalam
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 terperinciPEMANFAATAN PROGRAM STATISTICAL PRODUCT SERVICE SOLUTION(SPSS) DALAM PENGOLAHAN DATA STATISTCKA
Temn Tekms Fungsional.%on Penelin 100-1 PEMANFAATAN PROGRAM STATISTICAL PRODUCT SERVICE SOLUTION(SPSS) DALAM PENGOLAHAN DATA STATISTCKA M.E. Y(!SNANDAR Balai Penelitian Ternak, PO Box 16/)02, Bogor RINGKASAN
Lebih terperinciStaf Balai Penelitian Ternak. M. E. Yusnandar
M. E. Yusnandar APLIKASI ANALISIS REGRESI/KORELASI DATA HASIL PENELITIAN PETERNAKAN DENGAN MENGGUNAKAN PROGRAM SAS (Statistical Analysis System) PENDAHULUAN Program SAS (Statistical Analisis System) merupakan
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 terperinciSISTEM MANAJEMEN ANALISIS DATA DALAM MENUNJANG KEGIATAN PENELITIAN PADA PROGRAM UNGGAS DAN ANEKA TERNAK DI BALAI PENELITIAN TERNAK
SISTEM MANAJEMEN ANALISIS DATA DALAM MENUNJANG KEGIATAN PENELITIAN PADA PROGRAM UNGGAS DAN ANEKA TERNAK DI BALAI PENELITIAN TERNAK M.E. YUSNANDAR Balai Penelitian Ternak PO Box 221 Bogor 16002 RINGKASAN
Lebih terperinciLAMPIRAN. Lampiran 1 prosedur pewarnaan hematoksillin-eosin (HE)
51 LAMPIRAN Lampiran 1 prosedur pewarnaan hematoksillin-eosin (HE) Pewarnaan HE adalah pewarnaan standar yang bertujuan untuk memberikan informasi mengenai struktur umum sel dan jaringan normal serta perubahan
Lebih terperinciOleh: Lulut Sunarya ( ) Ghufran Rahmat Putra ( ) Debbiela Fajrina Septierly ( ) Miranti Nurbayani ( )
LAPORAN Analisis Perbedaan Rata-Rata Menggunakan Uji Scheffe Laporan ini diajukan untuk memenuhi tugas mata kuliah Desain Eksperimen I Dosen : Yeny Krista Franty, S.Si., M.Si. Oleh: Lulut Sunarya (140610009007)
Lebih terperinciLampiran 1. Sketsa lokasi tambak penelitian
Lampiran 1. Sketsa lokasi tambak penelitian 58 59 Lampiran 2. Data bobot basah (gr) pada masing-masing perlakuan Bobot Jarak Tanam Ulangan Minggu Ke- 0 7 14 21 28 35 42 50 gr 20 cm 1 50 85 105 145 150
Lebih terperinciPEMANFAATAN MSTAT-C DALAM ANALISA FAKTORIAL DATA HASIL PENELITIAN PERTANIAN
PEMANFAATAN MSTAT-C DALAM ANALISA FAKTORIAL DATA HASIL PENELITIAN PERTANIAN Sutarno Pranata Komputer pada Balai Penelitian Tanaman Kacang-kacangan dan Umbiumbian PO. Box 66 Malang 65101 ABSTRACT The factorial
Lebih terperinciJika Ho ditolak berarti ada minimal satu mean yang berbeda nyata dengan yang lain :
perlu dilakukan pengujian lanjutan melacak perbedaan diantara nilai-nilai rerata perlakuan uji perbandingan berganda: LSD : least Significant Difference Uji Tukey : Honestly Significant Difference DMRT
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 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 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 terperinciLAMPIRAN. Hasil Translasi sequens dengan ExPASy Translate Tool
LAMPIRAN 1. Hasil Sekuensing isolat virus IBD No. Isolat Hasil Sekuensing 1. IBDV-Indo5 AACAAGCGTCCAAGGCCTTATACTGGGTGCTACCATCT ACCTTATAGGCTTTGATGGGACCGCGGTAATCACCAG GCTGTGGCCGCAGACAATGGGCTAACGGCCGGCACTG
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 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 terperinciLAMPIRAN. Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama
48 LAMPIRAN Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama No. ID Sapi... Selanjutnya Ke Tanggal Tanggal Kawin Pertama Jumlah Servis (Kali) Service Period Lama Kosong Selang 1 776 1 13/08/2009
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 terperinciSTK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi
STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar
Lebih terperinciDESAIN EKSPERIMEN TERSARANG
DESAIN EKSPERIMEN TERSARANG PENDAHULUAN 1-1. Latar Belakang Bab ini memperkenalkan desain eksperimental yaitu desain yang bersarang. Desain ini cukup luas aplikasinya dalam penggunaan industri. Desain
Lebih terperinciPerancangan Percobaan
Perancangan Percobaan Ade Setiawan 009 Review RAL: Satuan percobaan homogen Keragaman Respons disebabkan pengaruh perlakuan RAK: Satuan percobaan heterogen Keragaman Respons disebabkan pengaruh Perlakuan
Lebih terperinciBAB III METODE PENELITIAN. penelitian yang diterapkan adalah penelitian eksperimen dengan dua kelompok
37 BAB III METODE PENELITIAN A. Disain penelitian Melalui uraian yang dikemukakan dalam latar belakang dan rumusan masalah, penelitian yang diterapkan adalah penelitian eksperimen dengan dua kelompok sampel
Lebih terperinciPengacakan dan Tata Letak
Pengacakan dan Tata Letak 26 Pengacakan dan Tata Letak Pengacakan bisa dengan menggunakan Daftar Angka Acak, Undian, atau dengan perangkat komputer (bisa dilihat kembali pada pembahasan RAL/RAK/RBSL satu
Lebih terperinciPengaruh Kualitas Pelayanan Dan Tingkat Harga Terhadap Peningkatan Penjualan Mie Ayam Keriting Permana di Perumahan Harapan Baru 1
Pengaruh Kualitas Pelayanan Dan Tingkat Harga Terhadap Peningkatan Penjualan Mie Ayam Keriting Permana di Perumahan Harapan Baru 1 Nama :Farah Npm :122100606 Jurusan :Manajemen Pembimbing :Rooswhan Budhi
Lebih terperinciPERCOBAAN BERFAKTOR DENGAN ARAS NOL ATAU PERLAKUAN KONTROL TERPISAH 1
PERCOBAAN BERFAKTOR DENGAN ARAS NOL ATAU PERLAKUAN KONTROL TERPISAH 1 oleh: I Gde Ekaputra Gunartha 2 Pendahuluan Sering terjadi pada percobaan berfaktor, peneliti melibatkan aras Nol. Seperti pada kasus
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 terperinciUji hedonik (uji kesukaan)
ILMU TEKNOLOGI PANGAN Uji hedonik (uji kesukaan) Disusun Oleh : WAHIDATUL LAENI SA ADAH P07131011 047 MEJA :III SEMESTER IV KEMENTERIAN KESEHATAN REPUBLIK INDONESIA POLITEKNIK KESEHATAN KEMENKES MATARAM
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 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 terperinci3 CCL4 (carbon tetra cloride) berupa cairan yang dapat digunakan untuk membius, pelarut lemak, mudah terbakar dan menguap 4 CRYPTO ditambah CCL4 Denga
Prosiding 1 emu Teknis Nasional Tenaga I ungsional Pertanian 2005 PEMANFAATAN ANALISIS NON PARAMET RIK SATU ARAH (ONE WAY NONPARAMETRIC) TERHAA ' HASIL PENELITIAN PERCOBAAN M E YUSNAND :K Balm Penelitian
Lebih terperinciANALISIS DATA TERHADAP MUTU KIMIA ph KEFIR SUSU KACANG TANAH
74 LAMPIRAN 1 ANALISIS DATA TERHADAP MUTU KIMIA ph KEFIR SUSU KACANG TANAH Variasi Bahan Inokulum Ulangan Jumlah Rataan Baku (G) (F) 1 Perlakuan Perlakuan F1 4,4 4,5 8,900 4,450 G1 F 4,5 4,5 9,000 4,500
Lebih terperinciPemodelan Linier menggunakan SPPS pada Penelitian Ilmu-Ilmu Pertanian Saiful Bahri
Pemodelan Linier menggunakan SPPS pada Penelitian Ilmu-Ilmu Pertanian Saiful Bahri INTISARI Banyak perangkat lunak komputer menyediakan fasilitas analisis statistik dengan menggunakan pemodelan linier
Lebih terperinciLampiran 1 Hasil ANOVA dan Uji Lanjut Duncan untuk pengaruh homogenisasi terhadap stabilitas emulsi. Class Levels Values
63 Lampiran 1 Hasil ANOVA dan Uji Lanjut Duncan untuk pengaruh homogenisasi terhadap stabilitas emulsi Class Levels s factor 1 factor 3 3 Rpm10000 Rpm8000 Rpm6000 Waktu1 Waktu3 Waktu4 Source DF Sum of
Lebih terperinciAPLIKASI ANALISIS REGRESI NON LINEAR MODEL KUADRATIK TERHADAP PRODUKSI SUSU KAMBING PERANAKAN ETAWAH (PE) SELAMA 90 HARI PERTAMA LAKTASI
APLIKASI ANALISIS REGRESI NON LINEAR MODEL KUADRATIK TERHADAP PRODUKSI SUSU KAMBING PERANAKAN ETAWAH (PE) SELAMA 90 HARI PERTAMA LAKTASI M.E. Yusnandar Balai Penelitian Ternak, Ciawi PO. Box 22, Bogor
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 terperinciAnalisis Regresi: Regresi Linear Berganda
Analisis Regresi: Regresi Linear Berganda Pengantar Pada sesi sebelumnya kita hanya menggunakan satu buah X, dengan model Y = b 0 + b 1 X 0 1 Dalam banyak hal, yang mempengaruhi X bisa lebih dari satu.
Lebih terperinciLampiran 1 Rekapitulasi data tegakan akasia (Acacia mangium)
Lampiran 1 Rekapitulasi data tegakan akasia (Acacia mangium) Data Plot 1 Plot 2 Plot 3 Plot 4 Plot 5 Volume total petak 2.667164112 2.741236928 2.896762245 2.572835298 2.753163234 Volume per hektar 66.6791028
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 terperinciLampiran 1. Data Bobot Badan Ayam Arab (Gallus turcicus) Sebelum Diberi Perlakuan dan Perhitungan Koefisiensi Keragaman Bobot Badan
67 Lampiran 1. Data Bobot Badan Ayam Arab (Gallus turcicus) Sebelum Diberi Perlakuan dan Perhitungan Koefisiensi Keragaman Bobot Badan Perlakuan Bobot Badan Awal Simpangan (x-x) Kuadrat simpangan (x-x)
Lebih terperinciBAB IV KORELASI ANTARA PEMAHAMAN PESERTA DIDIK TENTANG TATA TERTIB SEKOLAH DENGAN KEDISIPLINAN PESERTA DIDIK DI MA YIC BANDAR BATANG
BAB IV KORELASI ANTARA PEMAHAMAN PESERTA DIDIK TENTANG TATA TERTIB SEKOLAH DENGAN KEDISIPLINAN PESERTA DIDIK DI MA YIC BANDAR BATANG A. Analisis Pemahaman Peserta Didik Tentang Tata Tertib Sekolah di MA
Lebih terperinciAnalisis Varians Multivariats
Analisis Varians Multivariats Wahyu Widhiarso Fakultas Psikologi UGM wahyupsy@gmail.com A. Apa Bedanya Anava Univariats dan Multivariats Bedanya adalah anava univariats dipakai ketika variabel yang dibandingkan
Lebih terperinciBAB IV HASIL PENELITIAN. beberapa guru PAI yang belum tersertifikasi dan guru PAI yang sudah. dan 15 item untuk penilaian kompetensi professional.
126 BAB IV HASIL PENELITIAN A. Deskripsi Data Penelitian ini dilakukan pada tanggal 20 Maret sampai dengan 12 Mei 2016 terhadap penilaian siswa yang diajar guru PAI yang belum tersertifikasi dan sudah
Lebih terperinciJawaban Tes Praktikum Pengolahan Data Diklat Metode Penelitian Percobaan dan Pengolahan Data
Jawaban Tes Praktikum Pengolahan Data Diklat Metode Penelitian Percobaan dan Pengolahan Data Peneliti di sebuah pabrik pembuatan genteng bermaksud mencari bahan dan suhu pemanasan optimal dalam produksi
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Setelah penyebaran kuesioner kepada siswa kelas X SMA Negeri 11 Kota
46 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian Setelah penyebaran kuesioner kepada siswa kelas X SMA Negeri 11 Kota Jambi dengan jumlah populasi 53 orang, kemudian dilakukan tabulasi, serta
Lebih terperinciANALISA RAGAM DATA (UJI ANOVA)
MATERI III ANALISA RAGAM DATA (UJI ANOVA) STMIK KAPUTAMA BINJAI Wahyu S. I. Soeparno, SE., M.Si Analisa Ragam Satu Arah (Oneway) Analisa ragam satu arah ( oneway ANOVA) digunakan untuk membandingkan mean
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 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 terperinciAPLIKASI ANALISIS REGRESI NON LINEAR MODEL KUADRATIK TERHADAP PRODUKSI SUSU KAMBING PERANAKAN ETAWAH (PE) SELAMA 90 HARI PERTAMA LAKTASI
APLIKASI ANALISIS REGRESI NON LINEAR MODEL KUADRATIK TERHADAP PRODUKSI SUSU KAMBING PERANAKAN ETAWAH (PE) SELAMA 90 HARI PERTAMA LAKTASI APLIKASI ANALISIS REGRESI NON LINEAR MODEL KUADRATIK TERHADAP PRODUKSI
Lebih terperincibahwa kegiatan pembelajaran harus membawa siswa dalam menjawab permasalahan dengan berbagai cara. Hal ini terkait erat dengan kemampuan representasi
Meningkatkan Kemampuan Repesentasi Matematis Siswa Melalui Strategi Solusi Pada Materi Pecahan di Kelas VII SMPN 1 Sungai Kunyit Resy Nirawati, Dosen STKIP Singkawang Kalbar email : resynirawaty@gmail.com
Lebih terperinciLAPORAN PRAKTIKUM PENGENDALIAN GULMA (AGH 321)
LPORN PRKTIKUM PENGENDLIN GULM (GH 321) Disusun Oleh : Kelompok 9 1. Trisnani Yuda Fitri 24070021 2. Galvan Yudistira 24070040 3. Vicky Oktarina Chairunnissa 24070121 sisten Praktikum rie eka prasetia
Lebih terperinciBahan Kuliah Statistik 2 ANALISIS VARIANS. Toto Sugiharto
Bahan Kuliah Statistik ANALISIS VARIANS Toto Sugiharto Fakultas Ekonomi 009 Analisis Varians (Analysis of Variance) Analisis Varians Satu-Arah (One-Way Analysis of Variance ANOVA) Prosedur analisis varians
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 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 terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Statistik Deskriptif Berdasarkan jumlah sampel yang digunakan dalam penelitian ini yaitu sebanyak 85 nasabah, yang akan disajikan gambaran karakteristik dari nasabah
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN Empat bagian penting yaitu bagian deskripsi data, pengujian persyaratan analisis, pengujian hipotesis penelitian, dan bagian keterbatasan penelitian akan disajikan di sini, dan
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BB V KESIMPULN DN SRN 5.1 Kesimpulan 1. Pemberian pasir pantai sebesar 0% (P 0 ) berbeda nyata dan memberikan pengaruh terbaik terhadap parameter kadar N-Tanah, sedangkan perlakuan lainnya tidak berbeda
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 terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah metode survey dengan menyebarkan kuesioner secara acak kepada responden. Penelitian ini dilaksanakan
Lebih terperinciBAB IV HUBUNGAN PROFESIONALITAS GURU DALAM PEMBELAJARAN DENGAN PRESTASI BELAJAR SISWA DI MI SALAFIYAH BEJI TULIS BATANG
BAB IV HUBUNGAN PROFESIONALITAS GURU DALAM PEMBELAJARAN DENGAN PRESTASI BELAJAR SISWA DI MI SALAFIYAH BEJI TULIS BATANG A. Analisis data tentang Profesionalitas Guru Dalam Pembelajaran di MI Salafiyah
Lebih terperinciPembahasan. Uji Validitas dan Reliabilitas
Tujuan Penulisan 1. Untuk menganalisis variabel bebas (motivasi, persepsi, dan sikap konsumen) secara parsial berpengaruh secara signifikan terhadap variabel terikat (keputusan pembelian). 2. Untuk menganalisis
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN Dalam suatu penelitian, setelah menetapkan metodologi penelitian maka akan dilakukan analisis validitas dan reliabilitas data, pengujian hipotesis dan analisa korelasi. Setelah
Lebih terperinciMENGOLAH DATA PENELITIAN KUANTITATIF MENGGUNAKAN MINITAB. Menjadi Penting itu memang BAIK, namun lebih Penting menjadi BAIK
MENGOLAH DATA PENELITIAN KUANTITATIF MENGGUNAKAN MINITAB ======================================================== Oleh Joni Warman Phone: 081993424338 warman.joni@gmail.com http://joniwarman.wordpress.com
Lebih terperinciI. PENDAHULUAN II. TINJAUAN PUSTAKA
I. PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari pasti kita dihadapi oleh suatu pilihan dan masalah pengambilan keputusan. Salah satu ilmu yang dapat digunakan untuk membantu pengambilan keputusan
Lebih terperinciPERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian
1 2 PERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian MENGAPA PERLU DIRANCANG? Untuk mendapatkan penduga yang tidak berbias Untuk meningkatkan
Lebih terperinciPerancangan Percobaan
Perancangan Percobaan Ade Setiawan 009 Faktorial Faktor Pengertian dasar Faktor Taraf Perlakuan (Treatment) Respons Layout Percobaan & Pengacakan Penyusunan Data Analisis Ragam Perbandingan Rataan Ade
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Tahapan penelitian Untuk melakukan penelitian dilakukan melalui beberapa tahap. Tahapan penelitian disajikan pada Gambar 3.1 Untuk metode Diallel, variabel bebasnya adalah
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Level Konsentrasi Elektrolit (%) Tegangan (V) Gap Permesinan (mm) 0,5 0,75 1
BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Data Hasil Permesinan ECM Mendesain eksperimen merupakan hal yang penting sebelum eksperimen di mulai. Eksperimen kali ini melibatkan tiga faktor, yaitu konsentrasi
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 terperinciBAB 2 TINJAUAN TEORI
BAB 2 TINJAUAN TEORI 2.1 Rancangan Percobaan Percobaan didefinisikan sebagai suatu uji coba (trial) atau pengamatan khusus yang dibuat untuk menegaskan atau membuktikan keadaan dari sesuatu yang meragukan,
Lebih terperinciSTATISTIKA DESKRIPTIF
STATISTIKA DESKRIPTIF 1 Statistika deskriptif berkaitan dengan penerapan metode statistika untuk mengumpulkan, mengolah, menyajikan dan menganalisis data kuantitatif secara deskriptif. Statistika inferensia
Lebih terperinciBAB IV ANALISA DAN HASIL PENELITIAN
BAB IV ANALISA DAN HASIL PENELITIAN 4.1 Instrumen dan Responden Hasil penelitian didapatkan dari kuesioner-kuesioner yang disebarkan secara acak langsung kepada para responden melalui hardcopy dan softcopy
Lebih terperinciAnalisis of Varians (Anova) dan Chi-Square. 1/26/2010 Pengujian Hipotesis 1
Analisis of Varians (Anova) dan Chi-Square /6/00 Pengujian Hipotesis Chi Square Digunakan untuk menguji apakah dua atau lebih proporsi sama. Pengujian beda proporsi hanya untuk populasi namun chi square
Lebih terperinciSTATISTICAL STUDENT OF IST AKPRIND
E-mail : statistikaista@yahoo.com Blog : Contoh Kasus One Way Anova dan Two Way Anova Menggunakan SPSS Lisensi Dokumen: Copyright 2010 ssista.wordpress.com Seluruh dokumen di ssista.wordpress.com dapat
Lebih terperinciBAB. IX ANALISIS REGRESI FAKTOR (REGRESSION FACTOR ANALYSIS)
BAB. IX ANALII REGREI FAKTOR (REGREION FACTOR ANALYI) 9. PENDAHULUAN Analisis regresi faktor pada dasarnya merupakan teknik analisis yang mengkombinasikan analisis faktor dengan analisis regresi linier
Lebih terperinciMODUL V REGRESI, KORELASI, ANALISIS VARIAN, VALIDITAS DAN RELIABILITAS
REGRESI, KORELASI, ANALISIS VARIAN, VALIDITAS DAN RELIABILITAS A. TUJUAN PRAKTIKUM Dengan adanya Praktikum Statistika Industri Modul V tentang Regresi, Korelasi, Analisis Varian, Validitas dan Reliabilitas
Lebih terperinciLampiran 1. Prosedur Analisis Pengujian Proses Demulsifikasi
LAMPIRAN Lampiran 1. Prosedur Analisis Pengujian Proses Demulsifikasi 1. Pengamatan (Waktu, Warna, Busa, Rasio Volume Pemisahan Air, Minyak dan Emulsi) Sebanyak 100 ml total campuran larutan sampel dan
Lebih terperinciANOVA SATU ARAH Nucke Widowati Kusumo Projo, S.Si, M.Sc
ANOVA SATU ARAH Nucke Widowati Kusumo Proo, S.Si, M.Sc It s about: Ui rata-rata untuk lebih dari dua populasi Ui perbandingan ganda (ui Duncan & Tukey) Output SPSS PENDAHULUAN Ui hipotesis yang sudah kita
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 terperinciLampiran 1. Data Eksperimen
1 Lampiran 1. Data Eksperimen No. Kelas Kelompok Lingkungan Produksi Insentif Moneter Kinerja Kelompok Uji Manipulasi 1 A 0 Lini Perakitan Piece Rate 13 Lolos 2 A 1 Lini Perakitan Piece Rate 6 Lolos 3
Lebih terperinciHipotesis adalah suatu pernyataan tentang parameter suatu populasi.
PERTEMUAN 9-10 PENGUJIAN HIPOTESIS Hipotesis adalah suatu pernyataan tentang parameter suatu populasi. Apa itu parameter? Parameter adalah ukuran-ukuran. Rata-rata penghasilan karyawan di kota binjai adalah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN - Desain Penelitian Desain penelitian adalah kerangka kerja atau rencana untuk mengumpulkan, mengukur, dan menganalisis data Donald R. Copper dan C. William Emory (2002, p122).
Lebih terperinciBAB III METODOLOGI 3.1 Waktu dan Lokasi Penelitian 3.2 Alat dan Bahan 3.3 Prosedur Penelitian Persiapan
BAB III METODOLOGI 3.1 Waktu dan Lokasi Penelitian Penelitian ini dilaksanakan pada bulan Agustus 2011 sampai Januari 2012. Lokasi pengambilan tailing dilakukan di PT. Antam UPBE Pongkor dan penelitian
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 terperinci