OLEH : WIJAYA. FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009
|
|
- Yuliani Kusumo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PERANCANGAN PERCOBAAN OLEH : WIJAYA zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009
2 I. ANALISIS REGRESI Regresi Linear : Regresi Linear Sederhana Regresi Linear Ganda Regresi Non Linear Regresi Kuadratik
3 I. REGRESI LINEAR SEDERHANA Analisis Regresi merupakan studi yang membahas tentang bentuk keeratan hubungan antar peubah. Model atau persamaan regresi populasi secara umum dapat dituliskan dalam bentuk : μ y/x1, x2,, xk = f (x 1, x 2,, x k β 1, β 2,, β k ) Untuk regresi Linear sederhana, yaitu regresi Y atas X bentuknya : μ y/x = β 0 + β 1 X β 0 dan β 1 disebut Koefisien Regresi, yang merupakan parameter. Regresi populasi tersebut dapat diduga melalui contoh dengan persamaan : Y = b 0 + b 1 X
4 I. REGRESI LINEAR SEDERHANA Jadi β 0 diduga oleh b 0 dan β 1 diduga oleh b 1. Nilai b 0 dan b 1 dapat ditentukan dengan Metode Kuadrat Terkecil, yaitu : b 1 = n XY ( X) ( Y) n X 2 ( X) 2 b0 = Y b1 X b 0 = Intersep (titik potong garis regresi dengan sumbu Y) b 1 = Koefisien Arah Regresi Besarnya peningkatan Y apabila X emningkat sebesar satu satuan.
5 I. REGRESI LINEAR SEDERHANA Y Y (x I, y I ) (x I, y I ) Y = b 0 + b 1 X y I X x I X (Y i Y) = selisih = galat = e Apabila galat setiap titik pengamatan dikuadratkan dan hasilnya dijumlahkan, disebut Jumlah Kuadrat Galat (JKG). JKG jika dibagi dengan derajat bebas (n k 1) disebut Ragam Galat Dugaan (S y/x 2 ) disebut juga Kuadrat Tengah Galat (KTG), dimana n = ukuran sampel, k = banyaknya variabel bebas.
6 I. REGRESI LINEAR SEDERHANA Pada Regresi Linear Sederhana nilai k = 1, sehingga Ragam Galat Dugaan untuk Regresi Linear Sederhana adalah : (Y i Y) 2 Y 2 b 0 Y b 1 XY S 2 y/x = = n k 1 n k 1 Dengan adanya ragam dugaan bagi regresi (S y/x 2 ), maka dapat dihitung ragam untuk konstanta b 0 yaitu S b0 2 dan koefisien regresi b 1 yaitu S b1 2 yaitu : S y/x 2 S y/x 2 S b1 2 = = X 2 ( X) 2 /n (n 1)S x 2 S b0 2 = S y/x 2 1/n + x 2 X 2 ( X) 2 /n
7 I. REGRESI LINEAR SEDERHANA Tabel berikut menunjukkan skor tes kecerdasan (x) dan nilai ujian statistika (y) dari 12 mahasiswa : X Y X = 725 X 2 = Y = 1011 XY = Y 2 = X = 60,417 Y = 84,25 n XY ( X) ( Y) 12 (61685) (725)(1011) b 1 = = n X 2 ( X) 2 12(44475) (725) b 1 = = 0,
8 I. REGRESI LINEAR SEDERHANA X = 725 X 2 = Y = 1011 XY = Y 2 = X = 60,417 Y = 84,25 b0 = Y b1 b 0 = 84,250 X 0,8972(60,417) b 0 = 30,0433 Persamaan Regresi Dugaan : Y = 30, ,8972 X
9 I. REGRESI LINEAR SEDERHANA Ragam Galat Dugaan (S y/x 2 ), S b1 2 dan S b02 : X = 725 X 2 = Y = 1011 XY = Y 2 = X = 60,417 Y = 84,25 S y/x 2 = ,0433(1011) 0,8972(61685) S y/x 2 = 18,6557 S y/x 2 18,6557 S b1 2 = = X 2 ( X) 2 /n (725) 2 /12 S b1 2 = 0,0277 S b1 = 0,1665
10 I. REGRESI LINEAR SEDERHANA Ragam Galat Dugaan (S 2 y/x ), S 2 b1 dan S b02 : X = 725 X 2 = Y = 1011 XY = Y 2 = X = 60,417 Y = 84,25 S b0 2 = S y/x 2 1/n + x 2 X 2 ( X) 2 /n S b0 2 = 18,6557 1/12 + S b0 2 = 102,7509 (60,417) (725) 2 /12 S b0 = 10,1366
11 I. REGRESI LINEAR SEDERHANA Pengujian Koefisien Regresi : H 0 β i = 0 Lawan H 1 β i 0 Uji Statistik : t = b i S bi Wilayah Kritik : t < t α/2(n-2) atau t > t α/2(n-2)
12 I. REGRESI LINEAR SEDERHANA Pengujian Koefisien Regresi : b 0 = 30,0433 b 1 = 0,8972 S b0 = 10,1366 S b1 = 0,1665 t = b i S bi 30,0433 t = t = 2,964 10,1366 t = b i S bi t = 0,8972 0,1665 t = 5,389 t α/2(n-2) = t 0,025(10) = 2,228 Kesimpulan : H 0 ditolak, artinya koefisien regresi bersifat nyata, regresi Y = 30, ,8972 X dapat digunakan untuk peramalan, karena besarnya Y tergantung dari besarnya X.
13 I. REGRESI LINEAR SEDERHANA Uji Kelinearan Regresi : Uji Kelinearan Regresi dapat dilakukan apabila peubah bebas X dirancang dengan adanya pengulangan (pengulangan tidak harus sama). Statistik uji yang digunakan adalah Uji F dalam Analisis Ragam. X = 725 X 2 = Y = 1011 XY = Y 2 = b 1 = 0,8972 Analisis Ragam : 1. FK = ( Y) 2 / n = (1011) 2 / 12 = 85176, JKT = Y 2 FK = ,7500 = 728,2500
14 I. REGRESI LINEAR SEDERHANA 3. JKR = b 1 [ ( XY ( X)( Y)/n ] = 0,8972 [ ( (725)(1.011)/12 ] = 541, JKG = JKT JKR = 728, ,6927 = 186,5573 JKG-Murni = JKGM = Y 2 i ( Y i ) 2 = 178,6667 JKG-SDM = JKG JKGM = 7,8906 No Variasi DB JK KT F F 5% 1 Regresi 1 541, , ,0363 4,495 2 Galat , ,6557 G-Murni 8 178, ,3333 G-SDM 2 7,8906 3,953 0,1767 4,459 Total ,2500 DB (G-SDM) = k 2 = 4 2 = 2 DB (G-Murni) = n k = 12 4 = 8
15 I. REGRESI LINEAR SEDERHANA Cara Menghitung Jumlah Kuadrat Galat Murni (JKGM) : X Y Y 2 i ( Y i ) 2 JKGM , , ,33 40, ,0000 Jumlah 178,6667
16 I. REGRESI LINEAR SEDERHANA No Variasi DB JK KT F F 5% 1 Regresi 1 541, , ,0363 4,495 2 Galat , ,6557 G-Murni 8 178, ,3333 G-SDM 2 7,8906 3,953 0,1767 4,459 Total ,2500 Keterangan : 1. F-Regresi = KT (Regresi) : KT (Galat) (F = 29,0363) > (F 0,05(1 ; 10) = 4,495) Regresi bersifat nyata 2. F-SDM = KTG (SDM) : KTG (Murni) (F = 0,1767) < (F 0,05(2 ;8) = 4.459) H 0 diterima (Regresi Linear) 3. R 2 = 541,6927 : 728,2500 = 0,7438 R = 0,8625
17 I. REGRESI LINEAR SEDERHANA Penggunaan Matriks : Persamaan Normal dari : Y = b 0 + b 1 X yaitu : Y = b 0 n + b 1 X XY = b 0 X + b 1 X 2 Matrik dari persamaan normal diatas : n X b 0 Y X X 2 b = 1 XY b = b ( X X ) ( b ) ( X Y )
18 I. REGRESI LINEAR SEDERHANA ( b ) ( X X ) 1 ( X Y ) b = b b 0 5,508 0, = b 1 0,090 0, b 0 30,0433 = b 1 0,8972 Persamaan Regresi Dugaan : Y = 30, ,8972 X
19 I. REGRESI LINEAR SEDERHANA ( b ) ( X X ) 1 ( X Y ) b 0 5,508 0, = b 1 0,090 0, b i KTG C ii KTG.C ii S b t 30, ,6557 5, , ,1366 2,964 0, ,6557 0,001 0,0277 0,1665 5,389 t 0,025 (10) = 2,228
20 II. REGRESI LINEAR GANDA Tabel berikut menunjukkan skor tes kecerdasan (X 1 ), frekuensi membolos (X 2 ) dan nilai ujian statistika (Y) dari 12 mahasiswa : Skor tes (X1) Frek. Bolos (X2) Nilai (Y) X 1 = 725 X 2 = 43 X 2 1 = X 2 2 = 195 X 1 X 2 = Y = X 1 Y = X 2 Y = 3.581
21 II. REGRESI LINEAR GANDA Regresi Dugaan : Y = b 0 + b 1 X 1 + b 2 X 2. Kemudian persamaan normal yang dapat dibentuk yaitu : Y = b 0 n + b 1 X 1 + b 2 X 2 X 1 Y X 2 Y = b 0 X 1 + b 1 X b 2 X 1 X 2 = b 0 X 2 + b 1 X 1 X 2 + b 2 X 2 2 Matrik dari persamaan normal diatas : n X 1 X 2 b 0 Y X 1 X 1 2 X 1 X 2 = b 1 X 1 Y X 2 X 2 X 1 X 2 2 X 2 Y b 2
22 II. REGRESI LINEAR GANDA X 1 = 725 X 2 1 = X 2 = 43 X 1 X 2 = X 2 2 = 195 Y = X 1 Y = X 2 Y = n X 1 X 2 b 0 X 1 X 1 2 X 1 X 2 = Y X 2 X 2 X 1 X 2 2 X 2 Y b 1 b 2 X 1 Y ( X X ) ( b ) ( X Y ) b 0 n X 1 X 1 2 Y b 1 = X 1 X 2 1 X 1 X 2 X 1 Y b 2 X 2 X 1 X 2 X 2 2 X 2 Y
23 II. REGRESI LINEAR GANDA b b 1 = b ( b ) ( X X ) 1 ( X Y ) b 0 7,6547 0,111 0, b 1 = 0,111 0,0017 0, b 2 0,244 0,002 0,
24 II. REGRESI LINEAR GANDA b 0 27,547 b 1 = 0,922 b 2 0,284 Regresi Dugaan : Y = 27, ,922 X 1 + 0,284 X 2. Apabila X 2 tetap maka peningkatan X 1 sebesar satu satuan akan meningkatkan Y sebesar 0,922 satuan. Apabila X 1 tetap maka peningkatan X 2 sebesar satu satuan akan meningkatkan Y sebesar 0,284 satuan.
25 II. REGRESI LINEAR GANDA Pengujian Regresi Linear Ganda : 1. FK = ( Y) 2 / n = (1,011) 2 / 12 = ,75 2. JKT = Y 2 FK = ,175,75 = 728,25 3. JKR = b 1 [ ( X 1 Y ( X 1 )( Y)/n ] + b 2 [ ( X 2 Y ( X 2 )( Y)/n ] = 0,922 [ ( (725)(1.011)/12 ] + 0,284 [ (3.581 (43)(1.011)/12 ] = 556, = 544, JKG = JKT JKR = 728,25 544,801 = 183,449
26 II. REGRESI LINEAR GANDA No Variasi DB JK KT F F 5% 1 Regresi 2 544, ,401 13,364 4,256 R (b 1 ) 1 556, ,658 27,270 5,117 R (b 2 ) 1 11,857 11,857 0,582 5,117 2 Galat 9 183,449 20,383 Total ,250 Keterangan : 1. Regresi (b 1 ) (F = 27,270) > (F 0,05 = 4,495) Signifikan 2. Regresi (b 2 ) Non Signifikan 3. R 2 1 = 0,7641 R = 0, R 2 2 = 0,0163 R = 0,1277
27 II. REGRESI LINEAR GANDA b 0 7,6547 0,111 0, b 1 = 0,111 0,0017 0, b 2 0,244 0,002 0, ( b ) ( X X ) 1 ( X Y ) b i KTG C ii KTG.C ii S b t 27, ,41 7, , ,4981 2,204 0, ,41 0,0017 0,0345 0,1858 4,960 0, ,41 0,0278 0,5679 0,7536 0,377
28 III. REGRESI NON LINEAR Regresi Kuadratik : Y = b 0 + b 1 X + b 2 X 2. Y = b 0 n + b 1 X + b 2 X 2 XY X 2 Y = b 0 X + b 1 X 2 + b 2 X 3 = b 0 X 2 + b 1 X 3 + b 2 X 4 n X X 2 b 0 X X 2 X 3 b 1 = X 4 Y XY X 2 X 3 X 2 Y b 2 ( X X ) ( b ) ( X Y )
29 III. REGRESI NON LINEAR b 0 n X X 2 1 Y b 1 b 2 = X X 2 X3 XY X 2 X 3 X 4 X 2 Y ( b ) ( X X ) 1 ( X Y ) Misal telah dilakukan sebuah penelitian tentang Pengaruh Kadar Air Gabah Terhadap Mutu Fisik Beras Giling. Salah satu respon yang diamati yaitu Persentase Butir Patah. Hasil pengamatannya disajikan pada tabel berikut :
30 III. REGRESI NON LINEAR Pengamatan Persentase Butir Patah : No Perlakuan Butir Patah (%) I II III IV 1 k 1 (8 %) 27,40 26,56 29,52 27,70 2 k 2 (10 %) 19,40 16,88 18,28 17,78 3 k 3 (12 %) 6,68 6,24 7,56 5,90 4 k 4 (14 %) 3,46 3,20 4,00 2,92 5 k 5 (16 %) 13,12 15,04 12,02 13,84 6 k 6 (18 %) 16,76 18,32 23,64 21,42
31 III. REGRESI NON LINEAR Untuk memudahkan perhitungan, taraf Faktor atau Variabel Bebas Kadar Air diubah menjadi : K i = X i (Rata-rata) 2 X i = Taraf Kadar Air Rata-rata = Rata-rata seluruh taraf Kadar Air = 13 % 2 = Selisih antar taraf Kadar Air Kadar Air ( X i ) 8 % 10 % 12 % 14 % 16 % 18 % K i 2,5 1,5 0,5 0,5 1,5 2,5
32 III. REGRESI NON LINEAR No Y X X 2 X 3 X ,40-2,5 6,25-15,625 39, ,40-1,5 2,25-3,375 5, ,76 2,5 6,25 15,625 39, ,56-2,5 6,25-15,625 39, ,32 2,5 6,25 15,625 39, ,52-2,5 6,25-15,625 39, ,64 2,5 6,25 15,625 39, ,70-2,5 6,25-15,625 39, ,42 2,5 6,25 15,625 39,0625
33 III. REGRESI NON LINEAR X = 0 X 2 = 70 X 3 = 0 X 4 = 354 Y = 357,640 XY = 111,480 X 2 Y = 1490,050 b 0 n X X 2 1 Y b 1 b 2 = X X 2 X3 XY X 2 X 3 X 4 X 2 Y ( b ) ( X X ) 1 ( X Y ) b ,640 b 1 = ,480 b ,050
34 III. REGRESI NON LINEAR ( b ) ( X X ) 1 ( X Y ) b 0 0,0986 0,0000 0, ,640 b 1 b 2 = 0,0000 0,0143 0, ,480 0,0195 0,0000 0, ,050 b 0 6,1725 b 1 = 1,5926 b 2 2,9929 Regresi Kuadratik : Y = 6,1725 1,5926 X + 2,9929 X 2.
35 III. REGRESI NON LINEAR Pengujian Regresi Non Linear : X = 0 X 2 = 70 Y = 357,640 X 3 = 0 X 4 = 354 Y 2 = 6997,305 XY = 111,480 X 2 Y = 1490, FK = ( Y) 2 / n = (357,640) 2 / 24 = 5329, JKT = Y 2 FK = 6996, ,432 = 1667, JKR = b 1 [ ( XY ( X)( Y)/n ] + b 2 [ ( X 2 Y ( X 2 )( Y)/n ] = 1,5926 [ ( 111,480 (0)(357,640)/24 ] + 2,9929 [ (1490,050 (70)(357,640)/24 ] = 177, ,608 = 1515, JKG = JKT JKR = 1667, ,147 = 152,725
36 III. REGRESI NON LINEAR No Variasi DB JK KT F F 5% 1 Regresi , , ,168 3,467 R (b 1 ) 1 177, ,540 24,412 4,325 R (b 2 ) , , ,923 4,325 2 Galat ,725 7,273 Total ,873 Keterangan : 1. Regresi (b 1 ) (F = 24,412) > (F 0,05 = 4,325) Signifikan 2. Regresi (b 2 ) (F = 182,923)>(F 0,05 = 4,325) Signifikan 3. R 2 = 0,9084 R = 0,9531
37 III. REGRESI NON LINEAR Penggunaan Metode Doolitle : Baris Matriks (X'X) Matriks b 0 b 1 b 2 (X'Y) Matriks (X'X) -1 (0) , (1) , (2) , (3) , (4) 1,00 0,00 2,917 14,902 0,0417 0,0000 0,0000 (5) 70,00 0,00-111,480 0,0000 1,0000 0,0000 (6) 1,00 0,00-1,593 0,0000 0,0143 0,0000 (7) 149, ,933-2,9167 0,0000 1,0000 (8) 1,00 2,993-0,0195 0,0000 0,0067 Baris (3) = Baris (0) Baris (4) = Baris (3)/24 Baris (5) = (70) (0)(Baris 4) Baris (6) = Baris (5) /70 Baris (7) = (354) (70)(Baris 4) (0,00)(Baris 6) Baris (8) = Baris (7) /149,33
38 III. REGRESI NON LINEAR Baris Matriks (X'X) Penentuan Koefisien Regresi : Matriks b 0 b 1 b 2 (X'Y) Baris (8) 1,00 (b 2 ) = 2,993 b 2 = 2,993 Matriks (X'X) -1 (3) , (4) 1,00 0,00 2,917 14,902 0,0417 0,0000 0,0000 (5) 70,00 0,00-111,480 0,0000 1,0000 0,0000 (6) 1,00 0,00-1,593 0,0000 0,0143 0,0000 (7) 149, ,933-2,9167 0,0000 1,0000 (8) 1,00 2,993-0,0195 0,0000 0,0067 Baris (6) 1,00 (b 1 ) + 0,00 (b 2 ) = 1,593 b 1 = 1,593 Baris (4) 1,00 (b 0 ) + 0,00 (b 1 ) + 2,917 (b 2 ) = 14,902 b 0 = 6,173
39 III. REGRESI NON LINEAR Matriks (X'X) Matriks Baris Matriks (X'X) -1 b 0 b 1 b 2 (X'Y) (3) , (4) 1,00 0,00 2,917 14,902 0,0417 0,0000 0,0000 (5) 70,00 0,00-111,480 0,0000 1,0000 0,0000 (6) 1,00 0,00-1,593 0,0000 0,0143 0,0000 (7) 149, ,933-2,9167 0,0000 1,0000 (8) 1,00 2,993-0,0195 0,0000 0,0067 Pengujian Koefisien Regresi : Matrik (X X) 1 Baris (3), (5), (7) 1,0000 0,0000 0,0000 1,0000 0,0000 2,9167 0,0000 1,0000 0,0000 0,0000 1,0000 0,0000 2,9167 0,0000 1,0000 0,0000 0,0000 1,0000 Matriks : T Matriks : T 1
40 III. REGRESI NON LINEAR Matriks (X'X) Matriks Baris Matriks (X'X) -1 b 0 b 1 b 2 (X'Y) (3) , (4) 1,00 0,00 2,917 14,902 0,0417 0,0000 0,0000 (5) 70,00 0,00-111,480 0,0000 1,0000 0,0000 (6) 1,00 0,00-1,593 0,0000 0,0143 0,0000 (7) 149, ,933-2,9167 0,0000 1,0000 (8) 1,00 2,993-0,0195 0,0000 0,0067 Pengujian Koefisien Regresi : Matrik (X X) 1 Baris (4), (6), (8) 0,0417 0,0000 0,0195 0,0000 0,0143 0,0000 0,0000 0,0000 0,0067 Matriks : t
41 III. REGRESI NON LINEAR 1,0000 0,0000 2,9167 0,0417 0,0000 0,0000 0,0000 1,0000 0,0000 0,0000 0,0143 0,0000 0,0000 0,0000 1,0000 0,0195 0,0000 0,0067 Matriks : T 1 Matriks : t 0,0986 0,0000 0,0195 0,0000 0,0143 0,0000 0,0195 0,0000 0,0067 Matriks : ( T 1 t ) = ( X X) 1
42 III. REGRESI NON LINEAR Matriks (X'X) Matriks Baris Matriks (X'X) -1 b 0 b 1 b 2 (X'Y) (3) , (4) 1,00 0,00 2,917 14,902 0,0417 0,0000 0,0000 (5) 70,00 0,00-111,480 0,0000 1,0000 0,0000 (6) 1,00 0,00-1,593 0,0000 0,0143 0,0000 (7) 149, ,933-2,9167 0,0000 1,0000 (8) 1,00 2,993-0,0195 0,0000 0,0067 Menghitung JKR (b 1 ) dan JKR (b 2 ) dari kolom Matrik (X Y) : 1. JKR (b 1 ) = (baris 5)(baris 6) = ( 111,480)( 1,593) = 177, JKR (b 2 ) = (baris 7)(baris 8) = (446,933)(2,993) = 1337,608
43 III. REGRESI NON LINEAR 0,0986 0,0000 0,0195 0,0000 0,0143 0,0000 0,0195 0,0000 0,0067 Matriks : ( T 1 t ) = ( X X) 1 b i KTG C ii KTG.C ii S b t 6,173 7,273 0,0986 0,7173 0,847 7,288-1,593 7,273 0,0143 0,1039 0,322-4,941 2,993 7,273 0,0067 0,0487 0,221 13,562
44
OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010
ANALISIS KORELASI OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 ANALISIS KORELASI II. ANALISIS KORELASI 1. Koefisien Korelasi Pearson Koefisien Korelasi Moment Product Korelasi
Lebih terperinciOLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011
ANALISIS KORELASI OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011 ANALISIS KORELASI II. ANALISIS KORELASI 1. Koefisien Korelasi Pearson Koefisien Korelasi Moment Product Korelasi
Lebih terperinciLampiran 1. Tata Letak Wadah Penelitian
LAMPIRAN 40 Lampiran 1. Tata Letak Wadah Penelitian Keterangan : A B C D = Perlakuan konsentrasi larutan teh 0 gr/l = Perlakuan konsentrasi larutan teh 4 gr/l = Perlakuan konsentrasi larutan teh 6 gr/l
Lebih terperinciLampiran 1. Perhitungan Kelangsungan Hidup Benih Ikan Koi Pada Penelitian Pendahuluan.
Lampiran 1. Perhitungan Kelangsungan Hidup Benih Ikan Koi Pada Penelitian Pendahuluan. Perlakuan N0 Nt SR% A (0,1 ml/l) 10 2 20 B (0,3 ml/l) C (0,5 ml/l) D (0,7 ml/l) E (0,9 ml/l) F (1,1 ml/l) G (1,3 ml/l)
Lebih terperinciPERANCANGAN PERCOBAAN
PERANCANGAN PERCOBAAN OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011 PERCOBAAN FAKTORIAL PERCOBAAN UNTUK MENGETAHUI PENGARUH BEBERAPA FAKTOR TERHADAP VARIABEL RESPON TUJUAN
Lebih terperinciS T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011 PENGUJIAN HIPOTESIS V. PENGUJIAN HIPOTESIS Hipotesis adalah jawaban sementara terhadap suatu masalah. Setiap
Lebih terperinciS T A T I S T I K A OLEH : WIJAYA
S T A T I S T I K A OLEH : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 009 V. PENGUJIAN HIPOTESIS Hhipotesis adalah jawaban sementara terhadap suatu
Lebih terperinciPERANCANGAN PERCOBAAN
PERANCANGAN PERCOBAAN OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 SPLIT PLOT Tepat digunakan pada percobaan faktorial jika pengaruh salah satu faktor sudah bisa diprediksi
Lebih terperinciPERANCANGAN PERCOBAAN
PERANCANGAN PERCOBAAN OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011 SPLIT PLOT Tepat digunakan pada percobaan faktorial jika pengaruh salah satu faktor sudah bisa diprediksi
Lebih terperinciSTATISTIKA II (BAGIAN
STATISTIKA II (BAGIAN - ) Oleh : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 008 Wijaya : Statistika II (Bagian-) 0 VI. PENGUJIAN HIPOTESIS Hipotesis
Lebih terperinciParameter Satuan Alat Sumber Fisika : Suhu
LAMPIRAN 59 60 Lampiran 1. Metode Pengukuran Kualitas Air Parameter Satuan Alat Sumber Fisika : Suhu o C Termometer/Pemuaian SNI 06-6989.23-2005 Kimia: Amonia mg/l Ammonia test kit SNI 06-6989.30-2005
Lebih terperinciOLEH : WIJAYA. FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009
PERANCANGAN PERCOBAAN OLEH : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 PERCOBAAN SATU FAKTOR RANCANGAN ACAK LENGKAP ( R A L ) Percobaan Satu
Lebih terperinciS T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 PENGUJIAN HIPOTESIS V. PENGUJIAN HIPOTESIS Hipotesis adalah jawaban sementara terhadap suatu masalah. Setiap
Lebih terperinciLampiran 1. Perhitungan Kebutuhan Molase Perhitungan untuk molase adalah sebagai berikut :
LAMPIRAN Lampiran 1. Perhitungan Kebutuhan Molase Perhitungan untuk molase adalah sebagai berikut : CH = N %C x E /(C /N) Keterangan : CH :Jumlah karbon yang harus ditambah. N :Degradasi residu N oleh
Lebih terperinciBAB III PERANCANGAN APLIKASI DAN PERCOBAAN METODA RESPONS PERMUKAAN
30 BAB III PERANCANGAN APLIKASI DAN PERCOBAAN METODA RESPONS PERMUKAAN 3.1 Perancangan Aplikasi 3.1.1 Gambaran Umum Perancangan Model program aplikasi yang dirancang akan digambarkan dengan menggunakan
Lebih terperinciPERANCANGAN PERCOBAAN
PERANCANGAN PERCOBAAN OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 PERCOBAAN SATU FAKTOR RANCANGAN ACAK LENGKAP ( R A L ) Percobaan Satu Faktor : Pengaruh Takaran Pupuk
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat
BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi dan Korelasi 2.1.1 Analisis Korelasi Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat hubungan Y dan X dalam bentuk
Lebih terperinciS T A T I S T I K A OLEH : WIJAYA
S T A T I S T I K A OLEH : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 IV. PENDUGAAN PARAMETER Populasi Sampling Sampel N n Rata-rata : μ Simp.
Lebih terperinciRegresi linier berganda Pada regresi linier sederhana variabel bebas (X) dan variabel tak bebas (Y) Regresi linier berganda : atau lebih variabel beba
Kuswanto-0 Regresi linier berganda Pada regresi linier sederhana variabel bebas (X) dan variabel tak bebas (Y) Regresi linier berganda : atau lebih variabel bebas (X, X,,Xn) variabel tak bebas (Y) Apabila
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan
BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel atau
Lebih terperinciLampiran 1. Tata Letak Wadah Penelitian
38 Lampiran. Tata Letak Wadah Penelitian A2 B3 C E A D2 E3 A3 B C3 B2 Stok A D Stok B C2 Stok C D3 Stok D E2 Stok E Keterangan : A, B, C, D, dan E = Perlakuan, 2 dan 3 = Ulangan 39 Lampiran 2. Tahap-tahap
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis korelasi adalah metode statistika yang digunakan untuk menentukan
7 BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis korelasi adalah metode statistika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel
Lebih terperinciS T A T I S T I K A OLEH : WIJAYA
S T A T I S T I K A OLEH : WIJAYA email : zeamays_hibida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 009 ANALISIS KORELASI 1. Koefisien Koelasi Peason Koefisien Koelasi Moment
Lebih terperinciUJI ASUMSI KLASIK REGRESI LINEAR
UJI ASUMSI KLASIK REGRESI LINEAR Oleh : WIJAYA Email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 008 Wijaya : Uji Asumsi Klasik Regresi Linear - 0 UJI ASUMSI
Lebih terperinciTij FK = = = = p.r 3 x 6 18 JK(G) = JK(T) JK(P) = ,50 = ,50
52 Berdasarkan data bobot hidup pada Tabel 2 diperoleh perhitungan analisis ragam sebagai berikut : Tij 2 25.175 633.780.625 FK = = = = 35.210.035 p.r 3 x 6 18 JK(T) = Ʃ (Yij 2 ) FK = (1.425 2 + 1.400
Lebih terperincir = =
Lampiran 1. Bobot Edible Ayam Kampung Super Ulangan Perlakuan R-0 R-1 R-2 R-3 R-4......g... 1 237.2 345.8 392 440.5 390 2 290.4 373.1 449.2 482.6 473 3 358.8 395.9 463.2 517.1 534.7 4 363.8 421.5 564.7
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 terperinciPERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc.
PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc. PENGUJIAN HIPOTESIS Langkah-langkah pengujian hipotesis: 1) Merumuskan hipotesis 2) Memilih taraf nyata α 3) Menentukan
Lebih terperinciLampiran 1. Fase Perkembangan Embrio Telur Ikan Nilem
LAMPIRAN 46 Lampiran 1. Fase Perkembangan Embrio Telur Ikan Nilem Waktu Gambar Keterangan 6 April 2013 Cleavage 19.00 6 April 2013 21.00 Morula 6 April 2013 22.00 Blastula 6 April 2013 23.00 Grastula 47
Lebih terperinciPertemuan keenam ANALISIS REGRESI
Pertemuan keenam ANALISIS REGRESI Secara umum ada dua macam hubungan antara dua variable atau lebih, yaitu bentuk hubungan dan keeratan hubungan. Untuk mengetahui bentuk hubungan digunakan analisis regresi.
Lebih terperinciPerancangan Percobaan
Perancangan Percobaan Rancangan lingkungan: Rancangan Acak Lengkap (RAL), (RAK) dan Rancangan Bujur Sangkar Latin (RBSL), Lattice. Ade Setiawan 009 RAL Ade Setiawan 009 Latar Belakang RAK 3 Perlakuan Sama
Lebih terperinciBAB II LANDASAN TEORI. Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan
BAB II LANDASAN TEORI 21 Konsep Dasar Analisis Regresi Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan
Lebih terperinciPercobaan Rancangan Petak Terbagi dalam RAKL
Percobaan Rancangan Petak Terbagi dalam RAKL Kuliah 12 Perancangan Percobaan (STK 222) rahmaanisa@apps.ipb.ac.id Review Kapan rancangan split-plot digunakan? Apakah perbedaan split-plot dibandingkan dengan
Lebih terperinciANALISIS PERANCANGAN PERCOBAAN 2 MATERI 3: KONSEP NILAI HARAPAN KUADRAT TENGAH
ANALISIS PERANCANGAN PERCOBAAN MATERI 3: KONSEP NILAI HARAPAN KUADRAT TENGAH Pengantar Salah satu komponen penting dalam perancangan percobaan adalah analisis ragam (anova) Komponen utama dalam menyusun
Lebih terperinciREGRESI LINEAR SEDERHANA
REGRESI LINEAR SEDERHANA DAN KORELASI 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 5. Kecocokan Model Regresi 6. Korelasi
Lebih terperinciKONSEP NILAI HARAPAN KUADRAT TENGAH
ROZA AZIZAH PRIMATIKA, M.Si KONSEP NILAI HARAPAN KUADRAT TENGAH Pengantar Salah satu komponen penting dalam perancangan percobaan adalah analisis ragam (anova) Komponen utama dalam menyusun analisis ragam
Lebih terperinciPENGENDALIAN VARIABEL PENGGANGGU / CONFOUNDING DENGAN ANALISIS KOVARIANS Oleh : Atik Mawarni
PENGENDALIAN VARIABEL PENGGANGGU / CONFOUNDING DENGAN ANALISIS KOVARIANS Oleh : Atik Mawarni Pendahuluan Dalam seluruh langkah penelitian, seorang peneliti perlu menjaga sebaik-baiknya agar hubungan yang
Lebih terperinciBab 2 LANDASAN TEORI
9 Bab 2 LANDASAN TEORI 21 Uji Kecukupan Sampel Dalam melakukan penelitian yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel Pengujian
Lebih terperinciContoh RAK Faktorial
68 (1) Olah Tanah Pupuk Kelompok (K) Grand Total (A) Organik (B) 1 2 3 AB 1 0 154 151 165 470 10 166 166 160 492 20 177 178 176 531 30 193 189 200 582 2 0 143 147 139 429 10 149 156 171 476 20 160 164
Lebih terperinciRancangan Acak Lengkap (RAL) Completely Randomized Design Atau Fully Randomized Design
Rancangan Acak Lengkap (RAL) Completely Randomized Design Atau Fully Randomized Design CIRI - CIRI R.A.L. : 1. Media atau bahan percobaan seragam (dapat dianggap se- ragam ) 2. Hanya ada satu sumber kera-
Lebih terperinciBAB IV DESKRIPSI DAN ANALISIS DATA
BAB IV DESKRIPSI DAN ANALISIS DATA A. Deskripsi Data tentang Pemahaman terhadap Konsep Akhlaqul Karimah Siswa Kelas VIII SMP IT Al Ma ruf Candisari Mranggen Demak Sebelum melakukan penelitian dan memperoleh
Lebih terperinciKuliah Statistika Industri II Regresi & Korelasi Berganda
Regresi & Korelasi Berganda Regresi & Korelasi Berganda Model regresi linier berganda melibatkan lebih dari satu variabel bebas. Persamaan n Contoh: - Hubungan antara suhu warehouse dan viskositas cat
Lebih terperinciBAB 2 LANDASAN TEORI. bebas X yang dihubungkan dengan satu peubah tak bebas Y.
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Regresi linier sederhana merupakan suatu prosedur untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal dengan
Lebih terperinciTabel 7. Data rata-rata kadar air (%) litter yang sudah ditransformasi (Archin)
LAMPIRAN 58 Tabel 7. Data rata-rata kadar air (%) litter yang sudah ditransformasi (Archin) Ulangan Perlakuan P1 P2 P3 ------------------------(%)---------------------------- 1 31,76 33,26 25,48 2 31,53
Lebih terperinciUJI F Tabel transformasi arcsin data kelangsungan hidup larva ikan nilem. Perlakuan Ulangan Jumlah Kuadrat Perlakuan (JKP) =
LAMPIRAN 40 Lampiran 1. Analisis Data Menggunakan Uji F dan Uji Lanjut Duncan untuk efektifitas nauplii Artemia yang diperkaya dengan susu bubuk afkir sebagai pakan terhadap kelangsungan hidup larva Nilem.
Lebih terperinciPERANCANGAN PERCOBAAN
PERANCANGAN PERCOBAAN OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011 MATERI : 1. PENDAHULUAN 2. RANCANGAN ACAK LENGKAP ( RAL ) 3. RANCANGAN ACAK KELOMPOK ( RAK ) 4. RANCANGAN
Lebih terperinciANALISIS RAGAM KLASIFIKASI 2 ARAH. b. Mengetahui perbedaan keragaman disebabkan perbedaan antarkolom. Kolom 1 2. j. c. Nilai rata I... R..
ANALISIS RAGAM KLASIFIKASI 2 ARAH 1) Analisis Ragam Klasifikasi Dua Arah Analisis ragam klasifikasi dua arah adalah analisis ragam klasifikasi pengamatan yang berdasarkan dua kriteria Dalam analisis ini
Lebih terperinciDimana : a = konstanta b = koefisien regresi Y = Variabel dependen ( variabel tak bebas ) X = Variabel independen ( variabel bebas ) Untuk mencari rum
MODUL REGRESI LINIER SEDERHANA Modul Praktikum Pendahuluan Di dalam analisa ekonomi dan bisnis, dalam mengolah data sering digunakan analisis regresi dan korelasi. Analisa regresi dan korelasi telah dikembangkan
Lebih terperinciRegression. Fisheries Data Analysis Ledhyane I. Harlyan
Regression Fisheries Data Analysis Ledhyane I. Harlyan TIK (TUJUAN INSTRUKSIONAL KHUSUS) Mahasiswa mampu melakukan analisis regresi sederhana dengan menggunakan metode fit-by eye dan metode kuadrat terkecil
Lebih terperinciBAB III METODOLOGI 3.1 Lokasi dan Waktu Penelitian 3.2 Bahan dan Alat Penelitian 3.3 Metode Penelitian Pengumpulan Data
12 BAB III METODOLOGI 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di KPH Bojonegoro Perum Perhutani Unit II Jawa Timur pada Bagian Kesatuan Pemangkuan Hutan (BKPH) Bubulan, Dander, Clebung,
Lebih terperinciBAB IV ANALISIS HASIL PENELITIAN. Satriyan kecamatan Tersono kabupaten Batang. Langkah-langkah yang dilakukan
64 BAB IV AALISIS HASIL PEELITIA Pembahasan tentang analisis data ini mengarah pada penyelesaian permasalahan yang telah diajukan pada Bab I yakni: Bagaimana pengaruh tingkat pendidikan orang tua terhadap
Lebih terperinciBAB II TINJAUAN PUSTAKA. konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma
BAB II TINJAUAN PUSTAKA Bab ini akan membahas pengertian metode klasifikasi berstruktur pohon, konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma CHAID, keakuratan dan kesalahan dalam
Lebih terperinciLAMPIRAN. Universitas Sumatera Utara
LAMPIRAN Tabel 1. Data Hasil Pengukuran Ketebalan (cm) Pada Nata de Watermelonskin Perlakuan Ulangan Analisa (berat kulit semangka) I II III Total Rataan 30 gram (tanpa )/kontrol 0,70 0,65 0,65 2,00 0,67
Lebih terperinciBAB ΙΙ LANDASAN TEORI
7 BAB ΙΙ LANDASAN TEORI Berubahnya nilai suatu variabel tidak selalu terjadi dengan sendirinya, bisa saja berubahnya nilai suatu variabel disebabkan oleh adanya perubahan nilai pada variabel lain yang
Lebih terperinciBab II. Rancangan Acak Lengkap (RAL) Completed randomized design (CRD)
Bab II. Rancangan Acak Lengkap (RAL) Completed randomized design (CRD) Rancangan yang paling sederhana Paling murah Pelaksanaan percobaan paling mudah Keabsahan kesimpulan paling rendah Untuk bahan atau
Lebih terperinciBujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc.
Percobaan Satu Faktor: Rancangan Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc. Rancangan Bujur Sangkar Latin (RBSL) Pada kondisi-kondisi tertentu, keheterogenan unit percobaan tidak
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Konsep dan Definisi Pendapatan Regional adalah tingkat (besarnya) pendapatan masyarakat pada wilayah analisis. Tingkat pendapatan dapat diukur dari total pendapatan wilayah maupun
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 terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan
Lebih terperinciMODEL-MODEL LEBIH RUMIT
MAKALAH MODEL-MODEL LEBIH RUMIT DISUSUN OLEH : SRI SISKA WIRDANIYATI 65 JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA 04 BAB I PENDAHULUAN. Latar Belakang
Lebih terperinciBAB 2 LANDASAN TEORI. Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang
13 BAB 2 LANDASAN TEORI 2.1 Analisis Regresi Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang terkenal Galton menemukan bahwa meskipun terdapat tendensi atau kecenderungan
Lebih terperinciPerancangan Percobaan
Perancangan Percobaan Pengertian dasar Faktor Taraf Perlakuan (Treatment) Respons Layout Percobaan & Pengacakan Penyusunan Data Analisis Ragam Perbandingan Rataan Pengertian dasar 3 Faktor: Variabel Bebas
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Lebih terperinciLedhyane I. Harlyan Fakultas Perikanan dan Ilmu Kelautan Universitas Brawijaya 2013
Regression Ledhyane I. Harlyan Fakultas Perikanan dan Ilmu Kelautan Universitas Brawijaya 2013 TUJUAN INSTRUKSIONAL KHUSUS Mahasiswa mampu melakukan analisis regresi sederhana dengan menggunakan metode
Lebih terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Penelitian ini dilakukan pada bulan Juni hingga bulan Juli 2011 di IUPHHK-HA PT Mamberamo Alasmandiri, Provinsi Papua. 3.2 Alat dan Bahan
Lebih terperinciBAB III METODE PENELITIAN A. Jenis dan Desain Penelitian Jenis penelitian ini merupakan penelitian kuantitatif. Menurut Sutama (2015:43) penelitian
BAB III METODE PENELITIAN A. Jenis dan Desain Penelitian Jenis penelitian ini merupakan penelitian kuantitatif. Menurut Sutama (2015:43) penelitian kuantitatif antara lain berhubungan erat dengan kontruksi
Lebih terperinciBerdasarkan data nilai HU telur itik tegal pada Tabel 5 diperoleh perhitungan
LAMPIRAN 45 46 Berdasarkan data nilai HU telur itik tegal pada Tabel 5 diperoleh perhitungan analisis ragam sebagai berikut : Faktor koreksi C = Y.. 2 = (1815,31) 2 r.p 24 = 3.295.350,40 24 = 137.306,27
Lebih terperinciBab V. Rancangan Bujur Sangkar Latin
Bab V. Rancangan Bujur Sangkar Latin Rancangan yang mengelompokkan perlakuan perlakuannya dlm cara yaitu berdasarkan baris dan kolom. Jumlah ulangan harus sama dengan jumlah perlakuan Merupakan keterbatasan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. meliputi (a) hasil pengujian analisis deskriptif data penelitian untuk memperoleh
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini akan disajikan berturut-turut (1) hasil penelitian yang meliputi (a) hasil pengujian analisis deskriptif data penelitian untuk memperoleh gambaran tentang
Lebih terperinciPercobaan Dua Faktor: Percobaan Faktorial. Arum Handini Primandari, M.Sc.
Percobaan Dua Faktor: Percobaan Faktorial Arum Handini Primandari, M.Sc. Pendahuluan Dalam berbagai bidang penerapan perancangan percobaan diketahui bahwa respon dari individu merupakan akibat dari berbagai
Lebih terperinciPercobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc.
Percobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc. Rancangan Acak Lengkap (RAL) RAL merupakan rancangan paling sederhana di antara rancangan-rancangan percobaan baku.
Lebih terperinciIII OBJEK DAN METODE PENELITIAN. Objek penelitian ini menggunakan catatan reproduksi sapi FH impor
III OBJEK DAN METODE PENELITIAN 2.1. Objek dan Peralatan Penelitian 2.1.1. Objek Penelitian Objek penelitian ini menggunakan catatan reproduksi sapi FH impor periode pertama tahun 2009. Sapi yang diamati
Lebih terperinciRegresi Linier Berganda
Regresi Linier Berganda Regresi Berganda Contoh Menguji hubungan linier antara variabel dependen (y) dan atau lebih variabel independen (x n ) Hubungan antara suhu warehouse dan viskositas cat dengan jumlah
Lebih terperinciS T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 PENDUGAAN PARMETER IV. PENDUGAAN PARAMETER Populasi N Sampling Sampel n Rata-rata : μ Simp. Baku : σ Ragam
Lebih terperinciKelompok (Lama. Penyimpanan/hari) A0 A1 A2 A3 6,422 6,832 7,179 7,862 24,286 26, ,969 5,892 6,244 6,926 7,032 7,491 7.
LAMPIRAN Lampiran 1. Persentase Kadar Air Kerupuk Ikan Selais ( Crytopterus bicirhis) Dengan Penambahan Jamur Tiram Putih (Pleurotus Ostreatus) Yang Berbeda Selama Penyimpanan. Kelompok (Lama Penyimpanan/hari)
Lebih terperinciBAB IV ANALISIS HASIL PENELITIAN. Wonopringgo Pekalongan (Variabel X), peneliti menggunakan metode angket yang
40 BAB IV AALISIS HASIL PEELITIA A. Analisis Kompetensi Profesional Guru MTs. Syarif Hidayatullah Wonopringgo Pekalongan Untuk mengetahui kompetensi profesional guru MTs. Syarif Hidayatullah Wonopringgo
Lebih terperinciHASIL DAN PEMBAHASAN
22 HASIL DAN PEMBAHASAN Data spektra campuran senyawa dianalisis menggunakan beberapa metode statistika, yaitu Plot Korelasi, Plot Jarak Euclid, Analisis Komponen Utama (AKU), dan Metode Kemungkinan Maksimum
Lebih terperinciBAB II METODE ANALISIS DATA. memerlukan lebih dari satu variabel dalam membentuk suatu model regresi.
10 BAB II METODE ANALISIS DATA 2.1 Pengertian Regresi Berganda Banyak data pengamatan yang terjadi sebagai akibat lebih dari dua variabel, yaitu memerlukan lebih dari satu variabel dalam membentuk suatu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 21 Analisis Regresi Perubahan nilai suatu variabel tidak selalu terjadi dengan sendirinya, namun perubahan nilai variabel itu dapat disebabkan oleh berubahnya variabel lain yang berhubungan
Lebih terperinciLinier Regression. Statistik (MAM 4137) Ledhyane I. Harlyan
Linier Regression Statistik (MAM 4137) Ledhyane I. Harlyan TIK (TUJUAN INSTRUKSIONAL KHUSUS) Mahasiswa mampu melakukan analisis regresi sederhana dengan menggunakan metode kuadrat galat terkecil History
Lebih terperinciBAB 2 LANDASAN TEORI. Bentuk umum persamaan regresi linier berganda adalah
BAB LANDASAN TEORI Regresi Linier Berganda Bentuk umum persamaan regresi linier berganda adalah Y = b 0 + b X + b X + b 3 X 3 + + b k X k + e () dengan: Y = variabel respon b 0 = konstanta regresi b i
Lebih terperinciBAB 2 LANDASAN TEORI. Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada
19 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada variabel-variabel lain yang mempengaruhinya.misalnya pada seorang
Lebih terperinciREGRESI LINIER BERGANDA. Debrina Puspita Andriani /
REGRESI LINIER BERGANDA 9 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline 03//04 Regresi Berganda : PENGERTIAN 3 Menguji hubungan linier antara variabel dependen (y) dan
Lebih terperinciA. Analisis tentang Kegiatan Kelompok Kerja Guru (KKG) PAI. dapat ditafsirkan bahwa Variabel X (Kelompok Kerja Guru PAI) yang
BAB IV PENGARUH KEGIATAN KELOMPOK KERJA GURU (KKG) PENDIDIKAN AGAMA ISLAM TERHADAP KREATIVITAS MENGAJAR GURU PAI DI KECAMATAN WONOKERTO KABUPATEN PEKALONGAN A. Analisis tentang Kegiatan Kelompok Kerja
Lebih terperinciBAB II TINJAUAN PUSTAKA. Hal ini sangat membantu dalam proses pembuktian sifat-sifat dan perhitungan
6 BAB II TINJAUAN PUSTAKA 2.1 Matriks Persamaan regresi linear berganda dapat dinyatakan dalam bentuk matriks. Hal ini sangat membantu dalam proses pembuktian sifat-sifat dan perhitungan matematis dari
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 7 ANOVA (1)
STK511 Analisis Statistika Pertemuan 7 ANOVA (1) Metode Pengumpulan Data Metode Percobaan Memiliki keleluasaan untuk melakukan pengawasaan terhadap sumber-sumber keragaman data Dapat menciptakan jenis
Lebih terperinciBAB VI UJI PRASYARAT ANALISIS
BAB VI UJI PRASYARAT ANALISIS A. Uji Normalitas 1. Dengan Kertas Peluang Normal Buatlah daftar distribusi frekuensi kumulatif kurang dari berdasarkan sample yang ada dan gambarkan ogivenya. Pindahkan ogive
Lebih terperinciKeterangan : A = Berat Cawan Alumunium B = Berat cawan alumunium + sampel sebelum dioven C = Berat cawan alumunium + sampel setelah dioven
42 Lampiran 1. Prosedur Penentuan Kadar Bahan Kering Alat : 1. Oven listrik 2. Timbangan analitik 3. Cawan Alumunium 4. Eksikator/Desikator 5. Tang Penjepit Cara Kerja : 1. Cawan alumunium dikeringkan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tempat dan Waktu Penelitian 1. Tempat Penelitian Lokasi penelitian adalah SMK Negeri 6 Surakarta dengan subyek penelitian adalah siswa kelas X Multimedia semester genap tahun
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Analisa Regresi Regresi pertama kali dipergunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Galton melakukan studi tentang kecenderungan tinggi badan
Lebih terperinciUji Beda Nyata Terkecil (BNT)
Uji Beda Nyata Terkecil (BNT) Oke, kali ini saya akan menjelaskan bagaimana cara menggunakan uji Beda Nyata Terkecil atau sering disebut uji BNT. Seperti pada uji BNJ, Uji BNT sebenarnya juga sangat simpel.
Lebih terperinciTINJAUAN PUSTAKA. Rancangan petak teralur (strip plot design) merupakan susunan petak-petak (plotplot)
II. TINJAUAN PUSTAKA 2.1 Rancangan Petak Teralur Rancangan petak teralur (strip plot design) merupakan susunan petak-petak (plotplot) sebagai satuan percobaan yang terdiri dari plot baris untuk perlakuan
Lebih terperinciBAB 2 LANDASAN TEORI. regresi adalah sebuah teknik statistik untuk membuat model dan menyelediki
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan, dan hal tersebut biasanya diselidiki sifat hubungannya.
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 terperinciII. PERCOBAAN NON FAKTORIAL
II. PERCOBAAN NON FAKTORIAL A. Rancangan Acak Lengkap (RAL) 1. Rancangan Acak Lengkap (Completely Randomized Design) termasuk rancangan faktor tunggal (hanya terdiri dari satu faktor) merupakan rancangan
Lebih terperinciANALISIS RAGAM PEUBAH GANDA (MANOVA)
ANALISIS RAGAM PEUBAH GANDA (MANOVA) ANOVA VS MANOVA Analisis Ragam Satu Peubah (Anova) Analisis Ragam Peubah Ganda (Manova) Pengaruh perlakuan terhadap respon tunggal Pengaruh Perlakuan terhadap multi
Lebih terperinciLampiran 1. Prosedur Pengambilan Sampel dan Data. kemudian dipanaskan dalam oven pada suhu 105 o C selama 12 jam untuk
LAMPIRAN 40 41 Lampiran 1. Prosedur Pengambilan Sampel dan Data a. Kadar Lemak 1. Menimbang 5 gram sampel dan dibungkus dengan kertas saring bebas lemak, kemudian dipanaskan dalam oven pada suhu 105 o
Lebih terperinciBAB IV HASIL PENELITIAN. Data yang dikumpulkan dalam penelitian ini terdiri dari tiga variabel yaitu
BAB IV HASIL PENELITIAN A. Deskripsi Data Data yang dikumpulkan dalam penelitian ini terdiri dari tiga variabel yaitu data tentang kepemimpinan kepala sekolah (X 1 ), sikap guru terhadap pekerjaan (X 2
Lebih terperinci