VI. ANALISIS DWI RAGAM (ANALISIS KOVARIANS) COVARIANS ANALYSIS

Ukuran: px
Mulai penontonan dengan halaman:

Download "VI. ANALISIS DWI RAGAM (ANALISIS KOVARIANS) COVARIANS ANALYSIS"

Transkripsi

1 VI. ANALISIS DWI RAGAM (ANALISIS KOVARIANS) COVARIANS ANALSIS Dengan asar pemikiran bahwa berbagai ciri biofisik ari suatu plot percobaan tiak bereaksi secara terpisah tetapi seringkali secara fungsionil berhubungan satu engan yang lain, maka analisis wi ragam (analisis kovarians) secara bersamaan akan menguji varians an kovarians iantara variabel-variabel yang ipilih, seemikian sehingga efek perlakuan paa karakter yang menjai minat utama akan icirikan atau itampilkan lebih akurat ari paa hanya engan penggunaan analisis varians saja. Analisis kovarians membutuhkan pengukuran karakter yang menjai minat utama kita, itambah engan pengukuran satu atau lebih variabel lain, yang isebut sebagai covariates. Dalam hal ini juga ibutuhkan bahwa fungsi hubungan antara covariate engan karakter yang menjai minat utama iketahui sebelumnya. Memperhatikan suatu percobaan varietas pai yang mana aanya populasi gulma ipakai sebagai covariate. Dengan mengetahui fungsi hubungan antara populasi gulma an hasil gabah (sebagai karakter yang menjai minat utama), analisis kovarians apat mengkoreksi hasil gabah setiap plotnya terhaap level populasi gulma. Dengan pengkoreksian ini, variasi alam hasil gabah yang iakibatkan oleh aanya populasi gulma apat ihitung an ipisahkan secara efektif ari variasi yang iakibatkan oleh perbeaan varietas (perbeaan perlakuannya). Analisis kovarians apat iaplikasikan terhaap berapapun banyaknya covariate an terhaap segala macam fungsi hubungan antara variabel-variabelnya. Tapi alam bab ini ifokuskan terutama terhaap kasus Covariate Tunggal yang mana hubungannya engan karakter atau variabel yang menjai minat utama aalah linier. Hal ini berasarkan paa asumsi bahwa paa kebanyakan penelitian pertanian, konisi covariate tunggal yang mempunyai hubungan linier engan variabel utamanya aalah cukup memaai. Aa tiga kegunaan analisis kovarians yang penting alam penelitian pertanian aalah: 1. Untuk mengontrol error percobaan engan mengkoreksi rata-rata perlakuan meningkatkan pesisi.. Untuk membantu menginterpretasikan hasil percobaan 3. Untuk menuga ata hilang. Analisis Dwi Ragam 10

2 6. 1. ANALISIS KOVARIANS DALAM RAL Moel Linier: I= 1,, t J= 1,, t Dimana: ij ( ) i ij ij ij = hasil observasi ke-j ari perlakuan ke-i = rata-rata populasi i = pengaruh perlakuan ke-i ( ij ) = penyimpangan peragam ke-ij ari rata-rata peragam = Koefisien regresi error. b. ij = Komponen ranom yang bekerja paa perlakuan ke-i observasi ke-j Telaan: Suatu percobaan rumah kaca yang bertujuan untuk mempelajari kerusakan paa tanaman pai akibat penggerek batang coklat. Percobaan ini menguji beberapa macam banyaknya nympha penggerek batang coklat per anakan. Variabel yang menjai minat utama alam penelitian ini aalah malai prouktif per plot (. Banyaknya anakan yang iamati sebelum nympha penggerek batang coklat itempatkan, igunakan sebagai covariate (). Data malai prouktif ( an banyaknya anakan awal () untuk setiap pot ari ke-50 pot (10 perlakuan an 5 kali ulangan) terapat paa Tabel Preoseur perhitungan analisis kovarians-ral: 1. Hitung semua jumlah kuarat (JK) utnuk masing-masing variabel an sesuai engan analisis varians stanar untuk RAL. Hasilnya terapat paa tabel 10. ibawah lajur untuk an untuk variabel.. Dengan r= banyaknya ulangan an t= banyaknya perlakuan, Hitung jumlah hasil kali (JHK) untuk setiap sumber variasi (sumber keragaman) sebagai berikut: G. G FK r. t (443)(45) t JHK Total ( ( ij)( ij) i r j FK ( 5)(5) (1)(1)... (8)(7) FK Analisis Dwi Ragam 11

3 Table 10.1.Panicle Number per Hill ( an Initial Tiller Number per Hill a () in a Green House Stuy of Brown Planthopper Demage to Rice Rep. I Rep. II Rep. III Rep. IV Rep. V Treatment Replications Treatment No Nymphs, Total no./tiller b T T Total Gran Total (G) a Counte four ays after transplanting Place on 88 ay-ol plant. JHK Perlakuan ( JHK Error ( ( T )( T ) FK r (43)((46) (47)(40)... (4)(49) FK 5 = JHK Total ( JHK Perlakuan ( = = Hitung JK terkoreksi untuk total, error an perlakuan untuk veriabel, yakni sebagai berikut: JK Total* ( ( JHK Total ( )) JK Total ( ( JK Total ( )) (310.50) ( JHK Error ( )) JK Error* ( JK Error( ( JK Error ( )) (305.60) JK Perlakuan*( = JK Total*( JK Error*( = = Analisis Dwi Ragam 1

4 4. Hitung DB terkoreksi untuk error, total an perlakuan: DB Error* = DB error 1 = 40 1= 39 DB Total* = DB total 1 =49 1 = Hitung KT terkoreksi untuk variabel untuk perlakuan an error: KT Perl.* ( JK Perl.*( DBPerl.*( DB Perl.* = DB total* - DB Error* = = 9 KT error* JK Error *( DBError *( Hitung F-hitung sebagai F KT Perl.*( KT Error *( Selanjutnya nilai F-hitung ini ibaningkan engan F-tabel engan DB1 = DB perl.* an DB = DB Error* F 5% an 1%. (9.39) 7. Hitung efisiensi relatif Analisis kovarians ibaningkan terhaap analisis varians stanar, sebagai: RE KT Error( ) (100) % KT Perl.( ) KT Error *( ) 1 JK Error ( ) (100) (3.59) % Analisis Dwi Ragam 13

5 Tabel Analysis of Covariance of CRD Data in table 10.1 a Source of Degree of Sum of Cross Poucts Ajuste for Variation Freeom.f SS MS F b F5% Treatmen Error Total Treatment *.13 ajuste a cv=.3%, RE= 3% * = significant at 5% level. (KTE*) JK ( ) Perl. 1 ( ) r ( t 1)( JK ( ) Error ) S approx 8. Hitung Koefisien regresi error, yaitu: b y. x JHK Error( ) JK Error( ) Hitung nilai rata-rata perlakuan terkoreksi sebagai: i imana: i ' i b. ( i ) ' i= 1,, t y x = nilai rata-rata variabel terkoreksi, paa perlakuan ke-i i = nilai rata-rata variabel sebelum ikoreksi, paa perlakuan ke-i i = nilai rata-rata variabel paa perlakuan ke-i = nilai rata keseluruhan variabel Telaan: 1 ' ( 1 ) = ( ) = st (hasil keseluruhan apat ilihat paa tabel 10.3). 10. Hitung nilai S untuk bea rata-rata perlakuan ke-i an ke-j: ( i j ) S ( KT Error * ) r JK Error( ) Bila DB error > 0 nilai S (approx) yang ipakai: Analisis Dwi Ragam 14

6 (KTE*) JK Perl.( ) 1 r ( t 1) JK Error( S ( approx ) hanya satu nilai ) S yang ibutuhkan untuk semua perbaningan. Table Computation of The ajuste Treatment Means for Data on Panicle Number per Hill ( an Innitial tiller Number () in Table Treatment Number Unajuste treatment Mean i i Deviation D i Ajustment Faktor (C=0.593 D) Ajuste Treatmen Mean i ' i C Sum a -0.4 a 85.4 Av. 8.5= 8.9= 8.5 b a Except for Rouning error, the value shoul be zero. b Except for rouning error, this value shoul equal, the gran mean of the variable. Telaan: Untuk telaan i atas nilai S ( approx) (3.59) 5 S (approx): (10 1)(515.0) Seperti yang telah iterangkan paa penahuluan, bahwa antara variabel an mempunyai fungsi hubungan regresi yang linier: Dimana: a b b= Koefisien regresi antara an a= intersep Nilai b ini apat ihitung engan: JHK Perl.( ) b JK perl.( ) Analisis Dwi Ragam 15

7 atau engan rumus: b N x N xy x ( i ) ; y ( i ) Untuk menguji apakah regresi paa nyata atau tiak, ilakukan engan Analisis regresi ari Error. Sumber Deraja Jumlah Kuarat F-tabel F-hitung Keragaman Bebas Kuarat Tengah 5% 1% Regresi linier ** Sisa (Error Terkoreksi) Total (Error ( JHK Error ) (605.60) Dimana: JK Regresi JK Error ANALISIS KOVARIANS DALAM RAK Moel linier: ij j i b. ( ij ) ij i= 1,, t j= 1,, r Dimana: keterangan untuk semua simbol sama engan keterangan paa moel linier untuk RAL, kecuali: j = pengaruh ulangan ke-j Telaan: Suatu percobaan imaksukan untuk menguji 15 varietas pai yang itanam paa lahan engan level Fe yang meracun. Percobaan ilakukan alam RAK engan 3 ulangan. Baris-baris pelinung itanami engan varietas pai yang peka sebagai kontrol an itanam paa keua sisi untuk setiap plot. Skor toleransi terhaap keracunan fe iamati untuk setiap plot termasuk juga paa baris baris pelinung. Untuk masing-masing plot, skor untuk varietas yang peka itentukan sebagai nilai covariate untuk plot tersebut. Data skor toleransi untuk masing-masing varietas yang iuji (variabel an skor untuk varietas peka yang bersangkutan (variabel ) itunjukkan paa tabel Analisis Dwi Ragam 16

8 Proseur Perhitungan Analisis Kovarians-RAK 1. Hitung semua jumlah kuarat untuk masing-masing ari keua variabel an sesuai engan analisis varians stanar untuk RAK. Hasilnya apat ilihat paa tabel 10.5, paa kolom an. Table Scores for Tolerance for Iron Toxicity ( of 15 Rice Varieties an Those of the Corresponing Guar Rows of a Susceptible Check Variety () in a RCB Trial Variety Number Rep. I Rep. II Rep. III Variety Total T T Total Dengan r= banyaknya ulangan an t= banyaknya perlakuan. Hitung FK, JHK total, JHK Perlakuan, JHK Ulangan an JHK Error, sebagai berikut: (51)(19) FK (3)(15) JHK Total ( ( ij )( ij ) FK t i JHK Perlakuan ( JHK Ulangan ( r j ( 5)() (6)(3)... (6)(6) FK ( T )( T ) FK r (17)(9) (16)(10)... (16)(15) FK R R FK t (88)(67) (8)(6) (81)(63) FK Analisis Dwi Ragam 17

9 JHK Error ( = JHK Total ( JHK Perlakuan ( JHK Ulangan ( = = Hitung JK Error ( terkoreksi: ( JHK Error ( )) JK Error* ( JK Error( ) ( JK Error ( )) (7.4000) Hitung JK (perl. + Error)( terkoreksi: JK (perl. + Error)*( JK ( Perl. Error)( JHK( perl. Error)( JK ( perl. Error)( ) ) ( ) ( ) ( ) (6.800) ( ) (1.0667) 5. Hitung JK perl. ( terkoreksi: (engan menggunakan hasil paa 3 an 4) JK perl.*( = JK (perl.+error)*( JK Error*( = = Untuk setiap JK terkoreksi paa langkah 3 5, hitunglah DB terkoreksi yang bersangkutan: DB Error* = DB Error 1 = 8 1 =7 DB (perl.+error)* = (DB perl.+error) 1 DB (perl.)* = = 41 = DB (perl.+error)* DB error* = 41 7 = Hitung KT perl.* an KT Error* untuk, sebagai berikut: KT Perl.* ( JK Perl.*( ) DB Perl.* KT error* JK Error *( DBError * Analisis Dwi Ragam 18

10 Table Analysis of Covariance of RCB Data in Table 10.4 Source of Degree of Sum of Cross Poucts Variation Freeom.f SS MS F b Total Replication Treatment Error Treatment ** +Error Treatment ajuste a cv= 13.%, RE= 143% b * = significant at 1% level. 8. Hitung nilai F-hitung: F KT Perl.*( KT Error *( ** Selanjutnya nilai F-hitung iatas ibaningkan engan nilai F-tabel engan DB 1 = DB Perl.* an DB = DB Error paa 5% an 1%, imana F (14;7) 5%.08 an F (14;7) 1% Langkah selanjutnya sama seperti paa analisis kovarians alam RAL, langkah Efisiensi relatif analisis kovarians terhaap analisis varians stanar: KT Error( ) (100) RE % KT Perl.( ) KT Error *( ) 1 JK Error ( ) (100) 8 143% (0.301) Koefisien regresi error, yaitu: JHK Error( ) b y. x JK Error( ) Analisis Dwi Ragam 19

11 Nilai rata-rata perlakuan terkoreksi ihitung sebagai berikut: imana: i i ' i b. ( i ) i= 1,, t ' y x = nilai rata-rata variabel terkoreksi, paa perlakuan ke-i i = nilai rata-rata variabel sebelum ikoreksi, paa perlakuan ke-i i = nilai rata-rata variabel paa perlakuan ke-i = nilai rata keseluruhan variabel Telaan: 1 ' ( 1 ) = ( ) = ' = ( ) = 5.17 st (hasil keseluruhan apat ilihat paa tabel 10.3). Nilai S (approx) untuk pembaningan sembarang an semua pasangan rata-rata perlakuan, ihitung sebagai berikut: (KTE*) JK Perl.( ) 1 r ( t 1) JK Error( S ( approx ) ) (0.301) (15 1) Untuk menghitung nilai koefisien regresi antara variabel an, b aalah sebagai berikut: JHK Perl.( ) b JK perl.( ) Analisis Dwi Ragam 130

12 Analisis Regresi ari Error Sumber Deraja Jumlah Kuarat F-tabel F-hitung Keragaman Bebas Kuarat Tengah 5% 1% Regresi linier ** Sisa (Error Terkoreksi) Total (Error ( JHK Error ) (7.4000) Dimana: JK Regresi JK Error ANALISIS KOVARIANS DALAM SPLIT PLOT DENGAN RAK Moel Linier: ijk k i ik j ( ) ij b a ( ij ) b ( b ijk ik ) k ij i= 1,,a j= 1,, b k= 1,, r Dimana: keterangan untuk semua symbol sama engan keterang yang lalu, kecuali: ba = Koefisien regresi error (a) bb = Koefisien regresi error (b) ( ik ) = eviasi ari variabel rata-rata ke-ik ari rata-rata peragam ( ik ijk ) = eviasi ari variabel rata-rata ke-ijk ari rata-rata variabel x ke-ik. Telaan: Suatu percobaan lapangan yang imaksukan untuk mengevaluasi 8 pengelolaan pemupukan N paa 3 varietas pai ilakukan engan menggunakan esain split-plot alam 4 ulangan. Sebagai faktor main plot aalah varietas an faktor sub plot aalah pengelolaan pemupukan N. Variabel utama, yang iamati aalah banyaknya gabah berisi per malai; an sebagai variabel covariate,, aalah skor kerusakan tanaman pai oleh pengerek batang coklat. Keseluruhan ata itunjukkan paa tabel Table 10.6 Number of Fille Grain per Panicle ( an Score of Brown Planthopper Damage a () of Three Varieties (V1 to V3) teste with Eight Different Fertilizer Managements (F1 to F8) Analisis Dwi Ragam 131

13 Treatment Treatment Total Variety Fertilizer Rep. I Rep. II Rep. III Rep. IV Management V1 F F F F F F F F V F F F F F F F F V3 F F F F F F F F a Brown Planthopper amage is base on scores 0 to 9 with 1 refering to the lowest, an 9 to greatest, amage. Proseur Perhitungan Analisis Kovarians Split-Plot 1. Hitung semua Jumlah Kuarat (JK) untuk variabel an, masing-masing sesuai engan analisis varians stanar untuk split-plot. Hasilnya semua Jk tersebut itunjukkan paa tabel 10.7 ibawah kolom untuk variabel an ibawah kolom untuk variabel.. Susun tabel ua arah: ulangan x faktor A, seperti itunjukkan paa tabel juga tabel ua arah: faktor A x faktor B seperi paa tabel Hitung jumlah hasil kali (JHK untuk analisis main plot, yaitu: (tabel 10.6) G. G FK r. a. b (383)(5893.3) (5)(3)(8) Analisis Dwi Ragam 13

14 JHK Total ( FK ( 3)(46.9) (1)(37.3)... (9)(0.0) FK JHK Ulangan ( JHK A ( R R ab FK (104)(1413.1)... (105)(1458.3) FK 3.8 A rb A FK (106)(1967.0)... (141)(150.5) FK Table The Replication x variety Table of Totals (RA) Compute from Data in Table 10.6 Replication V1 V V3 Replication Total (R) I ,413.1 II ,638. III ,338.7 IV ,458.3 Variable total 106 1, , ,150.5 (A) Gran total (G) 383 5,893.3 ( RA) ( RA) JHK error (a)( FK JHK Ulangan( ) JHK A( ) b (30)(498.8)... (39)(554.3) 8 FK JHKU ( ) JHK A( ) Hitung Jumlah hasil kali (JHK untuk analisis sub plot, yaitu: (tabel 10.9) JHK B ( B B ra FK (33)(585.6) (38)(875.1)... (58)(563.7) FK ( AB) ( AB) JHK AB ( FK JHK A( ) JHK B( ) r Analisis Dwi Ragam 133

15 (8)(171.) (8)(180.8)... (6)(01.) FK JHK A( ) JHK B( ) JHK Error (b) ( = JHK Total ( JHK Ulangan ( JHK A ( JHK Error (a) - JHK B ( JHK AB ( = Hitung JK ( terkoreksi untuk A; Error (a); B; AB; an Error (b), engan menggunakan rumus umum: JK *( JK ( JHK ( ) JK ( ) Table The Variety x Fertilizer Management Table of Totals (AB) Compute from Data in Table 10.6 Fertilizer V1 V V3 Fertilizer Total (R) Management F F F F F F F F JK Error(a)*( JK Error( a)( ) ( JHK Error( a)( ) JK Error( a)( ) JK ( ) A Error( a) *( JKA Error( a)( ) JHK JK A Error( a)( ) A Error( a) ( ) (91.150) JK Error(b)*( JK Error( b)( ) ( JHK Error( b)( ) JK Error( b)( ) ( ) Analisis Dwi Ragam 134

16 JK B Error( b) * ( JKB Error( b)( ) JHK JK B Error( b)( ) B Error( b) ( ) JK ( ) AB Error( a) * ( JKAB Error( b)( JHK JK AB Error( b)( ) AB Error( b) ( ) ( ) JKA*( JKA Error( a) *( JK Error( a)*( = = JKB*( JKB Error( b) *( JK Error( b)*( = = JKAB*( JKAB Error( b) *( JK Error( b)*( = = Hitung DB terkoreksi untuk masing-masing JK terkoreksi paa langkah 5 yaitu: DB Error (a)*= DB Error (a) 1 = 6 1 = 5 DBA Error(a) * = DB A + DB Error (a)* - 1 = = 7 DB A* = DBA Error(a) * - DB Error (a)* = 7 5 =. DB Error (b)*= DB Error (b) 1 = 63 1 = 6 DBB Error(b) * = DB B + DB Error (b)* - 1 = = 69 DB B* = DBB Error(b) * - DB Error (a)* = 69 6 = 7. DBAB Error(b) * = DB AB + DB error (b) 1 = = 76 DB AB*= DBAB Error(b) * - DB Error (b)* = 76 6 = Hitung Kuarat tengah terkoreksi (KT*) untuk : JK Error( a)*( KT Error (a)* ( DB Error( a)* 5 JK A*( KT A* ( DB A* JK Error( b)*( KT Error (b)* ( DB Error( b)* 6 Analisis Dwi Ragam 135

17 JK B*( KT B* ( DB B* 7 JK AB *( KT AB* ( DB AB * Hitung nilai F-hitung untuk setiap efek yang perlu iuji (efek A, efek B an efek AB), yaitu sebagai berikut: KT A*( F (A).58 ( ns) KT Error( a)*( KT B*( F (B) 4.00* * KT Error( b)*( KT AB *( F (AB).00* KT Error( b)*( Selanjutnya nilai-nilai F-hitung iatas ibaningkan engan F-tabel engan DB yang sesuai; yaitu: F-tabel (A): F 5% (;5) = 5.79 F 1% (;5) = 13.7 F-tabel (B): F 5% (7;6) =.16 F 1% (7;6) =.94 F-tabel (AB): F 5% (14;6) = 1.86 F 1% (14;6) = Hitung koefisien regresi error untuk keua macam error yang aa (yaitu error (a) an error (b)): b y x b y x JHK Error( a)( ) ( a).314 JK Error( a)( ) JHK Error( b)( ) ( b) JK Error( b)( ) Hitung rata-rata perlakuan terkoreksi, engan: I= 1, a J= 1, b b ( a) i b ( b i j i ij* i j y. x y. x ) Analisis Dwi Ragam 136

18 Dimana: ij * an ij = nilai rata-rata variabel an tak terkoreksi untuk kombinasi perlakuan faktor A ke-i an faktor B ke-j. i ij = nilai rata-rata variabel untuk faktor A level ke-i = rata-rata variabel untuk kombinasi perlakuan faktor A level ke-i an faktor B ke-j. = nilai rata keseluruhan variabel. Jai untuk menghitung nilai rata-rata terkoreksi ari kombinasi perlakuan V1F1 (atau A1B1) aalah: b ( a) 1 b ( b y. x y. x ) * imana: b. ( a) b. ( b) (4)(8)(3) Jai: 11 * = (.314)( ) (-7.513)( ) = Perhitungan ini ilakuan untuk semua kombinasi perlakuan yang aa (3 x 8 kombinasi perlakuan), an hasilnya itunjukkan paa tabel berikut: Analisis Dwi Ragam 137

19 Tabel Rata-rata perlakuan terkoreksi untuk ata banyaknya gabah berisi permalai, menggunakan skor kerusakan oleh penggerek batang coklat sebagai covariate, ihitung ari ata paa tabel 10.8 an Pengelolaan Rata-rata terkoreksi, gabah isi/malai Pemupukan V1 V V3 Rata-rata F F F F F F F F Rata-rata Lakukan pengujian signifikansi bea rata-rata perlakuan terkoreksi. Untuk membuat perbaningan pasangan, nilai S ihitung sebagai: a. untuk pasangan rata-rata perlakuan A terkoreksi, paa level B yang sama atau berbea: S rb Untuk telaan iatas: S (4)(8) JKA( ) ( b 1) KTE *( KTE *( 1 b a ( a 1) JKE.3958 (3 1)(7.854) a ( ) (8 1)( ) b. Untuk pasangan rata-rata perlakuan B terkoreksi, paa level A yang sama: S KTE r Untuk telaan iatas: S 4 b * ( 1 ( ) 1 JKB( ) JKAB ( ) a( b 1) JKE ( ) ( ) 3(8 1)( ) b c. Untuk pasangan rata-rata perlakuan A terkoreksi, mencakup seluruh level perlakuan B: Analisis Dwi Ragam 138

20 S KTE rb a *( 1 JKA( ) ( a 1) JKE a ( ) Untuk telaan iatas: karena efek interaksi AB nyata paa taraf nyata 5% (lihat tabel 10.7), maka perbaningan rata-rata perlakuan A varietas yang mencakup seluruh level B, tiak seharusnya ilakukan. ihitung. Nilai S tiak. Untuk pasangan rata-rata perlakuan B terkoreksi, mencakup seluruh level S perlakuan A: KTE ra b *( 1 JKB( ) ( b 1) JKE b ( ) Untuk telaan iatas: perbaningan rata-rata perlakuan B (pengelolaan pemupukan) yang mencakup seluruh level A, tiak seharusnya ilakukan, engan alasan yang sama seperti paa c). Nilai S tiak ihitung. 1. Hitung efisiensi relatif analisis kovarians terhaap analisis varians stanar, sebagai berikut: a) RE (main plot) JK Error( a)( 100 JKA( ) ( a 1)( r 1) KTEa *( 1 ( a 1) JKEa ( ) %.3958 (3 1)(4 1)(4.6390) 1 (3 1)7.854 JK Error( b)( b) RE (sub plot) 100 JKB( ) a( r 1)( b 1) KTEb *( 1 ( b 1) JKE b ( ) % (4 1)(8 1)( ) 1 (8 1) Analisis Dwi Ragam 139

21 c) RE (sub plot alam main plot) JK Error( b)( 100 JKB( ) JKAB ( ) a( r 1)( b 1) KTEb *( 1 a( b 1) JKE b ( ) % ( ) 3(4 1)(8 1)( ) 1 3(8 1)( ) Dari hasil iatas tampak bahwa pwmakaian kovariate (kerusakan oleh pengerek batang coklat) meningkatkan ketelitian (presisi) efek utama faktor B an efek interaksi A x B untuk banyaknya gabah per malai (variabel engan masing-masing 34% an 36%, tehaap bila ilakukan engan analisis varians stanar. Namun tiak meningkatkan presisi untuk efek utama faktor A. 6.4 Interpretasi Percobaan Anakova Pengaruh perlakuan paa: No. Sebelum Kovariat Setelah kovariat Kesimpulan 1. N.S. Signifikan N.S Pengaruh perlakuan paa iperbesar oleh Interpretasi harus engan hati-hati.. N.S N.S. Signifikan Pengaruh yang sebenarnya perlakuan terhaap ihambat oleh keragaman alam. 3. Signifikan Signifikan Signifikan Perlakuan memberikan pengaruh yang nyata paa yang melebihi pengaruh keragaman. 4. Signifikan Signifikan N.S Pengaruh perlakuan paa lebih isebabkan oleh keragaman alam. 5. Signifikan N.S. Signifikan Pengaruh perlakuan paa ihalangi oleh keragaman yang signifikan Analisis Dwi Ragam 140

22 6.5 Confouning Dalam Percobaan Faktorial Confouning umumnya igunakan alam situasi: (a) Banyaknya kombinasi perlakuan lebih besar ari unit percobaan yang terseia. (b) (c) () Banyaknya kombinasi perlakuan tiak apat iaplikasikan ke material yang homogen alam suatu blok lengkap. Banyaknya unit percobaan yang apat itangani teknisi terbatas untuk jangka waktu tertentu. Dalam ketelitian (presisi) hasil percobaan, vairans error percobaan meningkat engan meningkatnya ukuran blok. Perhatikan; Percobaan faktorial 3, engan faktor A, B, & C. Banyak blok = 4. A B C (1) A B C ab ac bc abc Kemungkinan kombinasi perlakuan Efek Total kombinasi perlakuan (1) a b c ab ac bc abc SUM Mean M A A B B C C AB AB AC AC BC BC ABC ABC Penuga untuk A: Penuga untuk AB: Penuga untuk ABC: kalau kita punya blok berikut: (abc + a+ ab + ac) (1 + b + c + bc) (abc + ab + c + 1) (a + b + ac + bc) (abc + a + b + c) (ab + ac + bc + 1) Analisis Dwi Ragam 141

23 Blok 1 Blok 1 b abc ab c bc A ac Perbeaan antara (Blok Blok 1) = efek Blok abc a ab ac ( 1) b c bc Efek blok ekivalen engan efek utama A. Dapat isebut bahwa efek utama A ipautkan engan blok. Blok 1 Blok a b ab ac abc c 1 bc Blok 1 Blok = Penugaan interaksi ABC Efek ABC terpautkan engan efek blok. Ranomisasi: 1) Set kombinasi perlakuan i tempatkan secara acak kealam blok-blok engan pengacakan yang berbea untuk setiap ulangan ) Kombinasi perlakuan alam tiap blok itempatkan secara acak ke alam plot-plo 3) Pengacakan yang berbea ilakukan untuk setiap blok an untuk tiap ulangan. Contoh: Percobaan faktorial 3 blok i ulang 3 kali an alam tiap blok aa 4 plot. Analisis Dwi Ragam 14

24 Efek interaksi tertinggi: I = (a, b, c, abc) II= (ab, ac, bc, (1)) II ac (1) (1) ab Incomplete blok II I bc ab ac bc b a c abc I b a abc c bc ac I II c abc b a (1) ab Rep. 1 Rep. Rep. 3 SoV Blok: B 1 = 5 Rep R 1 = ABC (a-1)(b-1)(c-1) = 1 Rep. ABC (r-1)(a-1)(b-1)(c-1) = Perlakuan: (6) A (a-1) = 1 B (b-1) = 1 AB (a-1)(b-1) = 1 AC (a-1)(c-1) = 1 BC (b-1)(c-1) = 1 Error r (abc-)(r-1) = 1 Total (abcr-1) = 13 Keuntungan esain Confoune 1) Mengurangi eror pecobaaan engan menggunakan blok yang lebih homogen. ) Kemungkinan untuk menuga error percobaan jika confouning tiak iterapkan. Perhitungan JK: CF JKA M 8r A 3. r f n 3 Analisis Dwi Ragam 143

25 JKBC BC 3. r JKABC ABC 3. r JK Total yijk CF JK Blok JK Re p ( Blok ) (Re p) CF r CF r JK(Re p ABC) JK Blok JK Re p JK ABC Analisis Dwi Ragam 144

26 Peranan Ha (hipotesis alternatif) alam penentuan aerah kritis (aerah penolakan): a. Jika Ha mempunyai perumusan tiak sama ( ) maka alam istribusi statistik yang igunakan, (yaitu istribusi normal untuk uji Z, an istribusi stuent untuk uji t, an seterusnya) terapat ua aerah kritis, masing-masing paa ujung istribusi luar aerah kritis paa tiap ujung = 1. Pengujian hipotesis ini isebut Uji ua Pihak Daerah penolakan Ho Luas 1 aerah penerimaan Ho Daerah penolakan Ho Luas 1 Kriteria: 1 - terima Ho jika harga statistik hitung terletak antara 1 an - tolak Ho jika harag statistik hitung <1 atau >. b. Untuk Ha yang mempunyai rumusan lebih besar (>) maka alam istribusi statistik yang igunakan terapat satu aerah kritis yang letaknya iujung sebelah kanan, luasnya = Pengujian ini inamakan Uji satu pihak atau Uji pihak kanan. Daerah Penerimaan Ho Daerah penolakan Ho (luas = ) 1 Analisis Dwi Ragam 145

27 c. Untuk Ha yang mempunyai rumusan lebih kecil (<) maka alam istribusi statistiknya terapat satu aerah kritis yang terletak iujung sebelah kiri, an luasnya = Pengujian ini isebut: Uji satu pihak atau Uji pihak kiri. Daerah penolakan Ho Luas = Daerah penerimaan Ho Catatan: Uji Z (istribusi stanar Normal: (0,1)) Z o n (Uji Z igunakan bila nilai atau nya iketahui). Uji t (istribusi t-stuent) t o s n (Uji t igunakan bila nilai atau nya tiak iketahui). Uji Z untuk pengujian proporsi Z n o o(1 o n Z Z Z terima Ho jika: 1 (1 ) 1 (1 ) o =peluang terjainya peristiwa Analisis Dwi Ragam 146

28 Analisis Dwi Ragam 147 Uji untuk menguji varians 0 ) ( S n terima Ho jika: ) 1 1)(1 ( 1 1); ( n n

Pengacakan dan Tata Letak

Pengacakan 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 terperinci

PERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian

PERENCANAAN (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 terperinci

Rancangan Petak Berjalur

Rancangan Petak Berjalur Rancangan Petak Berjalur Ade Setiawan 009 Nama lain untuk Rancangan Split-Blok adalah Strip-Plot atau Rancangan Petak-Berjalur (RPB. Rancangan ini sesuai untuk percobaan dua faktor dimana ketepatan pengaruh

Lebih terperinci

PERCOBAAN MENGGUNAKAN SPLIT PLOT DENGAN RANCANGAN DASAR RAK RANCANGAN PERCOBAAN

PERCOBAAN MENGGUNAKAN SPLIT PLOT DENGAN RANCANGAN DASAR RAK RANCANGAN PERCOBAAN PERCOBAAN MENGGUNAKAN SPLIT PLOT DENGAN RANCANGAN DASAR RAK RANCANGAN PERCOBAAN Kelompok 11 : Devita Arum S. 12110101015 Saiful Fadillah 12110101027 Wafiyatul Khusna 12110101047 Firstyan Puguh N.C. 12110101051

Lebih terperinci

RANCANGAN PERCOBAAN TIGA FAKTOR DENGAN PENGUKURAN BERULANG (THREE FACTOR EXPERIMENTS WITH REPEATED MEASUREMENT) SKRIPSI

RANCANGAN PERCOBAAN TIGA FAKTOR DENGAN PENGUKURAN BERULANG (THREE FACTOR EXPERIMENTS WITH REPEATED MEASUREMENT) SKRIPSI RANCANGAN PERCOBAAN TIGA FAKTOR DENGAN PENGUKURAN BERULANG (THREE FACTOR EXPERIMENTS WITH REPEATED MEASUREMENT) SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri

Lebih terperinci

Perancangan Percobaan

Perancangan 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 terperinci

BAB III UJICOBA KALIBRASI KAMERA

BAB III UJICOBA KALIBRASI KAMERA BAB III UJICOBA KALIBRASI KAMERA 3.1 Spesifikasi kamera Kamera yang igunakan alam percobaan paa tugas akhir ini aalah kamera NIKON Coolpix 7900, engan spesifikasi sebagai berikut : Resolusi maksimum :

Lebih terperinci

PERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAK-PETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG

PERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAK-PETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG PERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAKPETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG Sri Wahyuningsih R 1, Anisa 2, Raupong ABSTRAK Analisis variansi

Lebih terperinci

ANALISAPERHITUNGANWAKTU PENGALIRAN AIR DAN SOLAR PADA TANGKI

ANALISAPERHITUNGANWAKTU PENGALIRAN AIR DAN SOLAR PADA TANGKI ANALISAPERITUNGANWAKTU PENGALIRAN AIR DAN SOLAR PADA TANGKI Nurnilam Oemiati Staf Pengajar Jurusan Sipil Fakultas Teknik Universitas Muhammaiyah Palembang Email: nurnilamoemiatie@yahoo.com Abstrak paa

Lebih terperinci

BAB 3 MODEL DASAR DINAMIKA VIRUS HIV DALAM TUBUH

BAB 3 MODEL DASAR DINAMIKA VIRUS HIV DALAM TUBUH BAB 3 MODEL DASA DINAMIKA VIUS HIV DALAM TUBUH 3.1 Moel Dasar Moel asar inamika virus HIV alam tubuh menggunakan beberapa asumsi sebagai berikut: Mula-mula tubuh alam keaaan tiak terinfeksi virus atau

Lebih terperinci

IV. ANALISA RANCANGAN

IV. ANALISA RANCANGAN IV. ANALISA RANCANGAN A. Rancangan Fungsional Dalam penelitian ini, telah irancang suatu perontok pai yang mempunyai bentuk an konstruksi seerhana an igerakkan engan menggunakan tenaga manusia. Secara

Lebih terperinci

Rancangan Petak-petak Terbagi (RPPT)

Rancangan Petak-petak Terbagi (RPPT) Rancangan Petak-petak Terbagi (RPPT) Ade Setiawan 009 Rancangan Petak-Petak Terbagi (RPPT/Split-split Plot) merupakan perluasan dari Rancangan Petak Terbagi (RPT). Pada RPT kita hanya melakukan percobaan

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data 4.1.1 Pelaksanaan Eksperimen Pelaksanaan eksperimen adalah proses pembuatan paving block yang dilakukan langsung di CV. Riau Jaya Paving. Paving

Lebih terperinci

Praktikum Total Quality Management

Praktikum Total Quality Management Moul ke: 09 Dr. Fakultas Praktikum Total Quality Management Aries Susanty, ST. MT Program Stui Acceptance Sampling Abstract Memberikan pemahaman tentang rencana penerimaan sampel, baik satu tingkat atau

Lebih terperinci

4.4 ANALISA VARIANS (ANOVA)

4.4 ANALISA VARIANS (ANOVA) . ANALISA VARIANS (ANOVA) Anova banyak macamnya iantaranya: anova satu jalur; anova ua jalur. Anova satu jalur igunakan untuk perbeaan mean ari lebih ua sampel atau apat igunakan untuk uji perbeaan variabel

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 7 ANOVA (1)

STK511 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 terperinci

ANALISIS VARIANS TIGA FAKTOR PADA RANCANGAN SPLIT-SPLIT PLOT

ANALISIS VARIANS TIGA FAKTOR PADA RANCANGAN SPLIT-SPLIT PLOT Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (015), hal 379 386. ANALISIS VARIANS TIGA FAKTOR PADA RANCANGAN SPLIT-SPLIT PLOT Silvia Widayanti, Muhlasah Novitasari Mara, Neva Satyahadewi

Lebih terperinci

BAB III PROSES PERANCANGAN DAN PERHITUNGAN

BAB III PROSES PERANCANGAN DAN PERHITUNGAN BB III PROSES PERNCNGN DN PERHITUNGN 3.1 Diagram alir penelitian MULI material ie an material aluminium yang iekstrusi Perancangan ie Proses pembuatan ie : 1. Pemotongan bahan 2. Pembuatan lubang port

Lebih terperinci

METODE PENELITIAN Data Langkah-Langkah Penelitian

METODE PENELITIAN Data Langkah-Langkah Penelitian METODE PENELITIAN Data Inonesia merupakan salah satu negara yang tiak mempunyai ata vital statistik yang lengkap. Dengan memperhatikan hal tersebut, sangat tepat menggunakan Moel CPA untuk mengukur tingkat

Lebih terperinci

BAB III LANDASAN TEORI. Beton bertulang merupakan kombinasi antara beton dan baja. Kombinasi

BAB III LANDASAN TEORI. Beton bertulang merupakan kombinasi antara beton dan baja. Kombinasi 16 BAB III LANDASAN TEORI 3.1. Umum Beton bertulang merupakan kombinasi antara beton an baja. Kombinasi keuanya membentuk suatu elemen struktur imana ua macam komponen saling bekerjasama alam menahan beban

Lebih terperinci

3. Kegiatan Belajar Medan listrik

3. Kegiatan Belajar Medan listrik 3. Kegiatan Belajar Mean listrik a. Tujuan Kegiatan Pembelajaran Setelah mempelajari kegiatan belajar 3, iharapkan Ana apat: Menjelaskan hubungan antara kuat mean listrik i suatu titik, gaya interaksi,

Lebih terperinci

PANJANG PENYALURAN TULANGAN

PANJANG PENYALURAN TULANGAN 131 6 PANJANG PENYALURAN TULANGAN Penyauran gaya seara sempurna ari baja tuangan ke beton yang aa i sekeiingnya merupakan syarat yang muthak harus ipenuhi agar beton bertuang apat berfungsi engan baik

Lebih terperinci

M 1 P 0.1 M 1 P 2.3 M 0 P 3.2 M 1 P 1.3 M 1 P 3.1

M 1 P 0.1 M 1 P 2.3 M 0 P 3.2 M 1 P 1.3 M 1 P 3.1 44 Lampiran 1. Tataletak Percobaan Penelitian U S M 0 P 0.2 M 1 P 1.3 M 1 P 0.2 M 0 P 3.1 M 0 P 2.3 M 1 P 2.3 M 0 P 2.1 M 1 P 3.3 M 1 P 3.1 M 1 P 1.2 M 1 P 1.1 M 0 P 3.3 M 0 P 0.3 M 0 P 1.1 M 1 P 0.3 M

Lebih terperinci

PENGUJIAN HIPOTESIS BEDA TIGA RATA-RATA ATAU LEBIH. Statistik Industri II Teknik Industri Universitas Brawijaya

PENGUJIAN HIPOTESIS BEDA TIGA RATA-RATA ATAU LEBIH. Statistik Industri II Teknik Industri Universitas Brawijaya PENGUJIAN HIPOTESIS BEDA TIGA RATA-RATA ATAU LEBIH Statistik Industri II Teknik Industri Universitas Brawijaya Pengujian Hipotesis 3 rata-rata atau lebih Dengan teknik ANOVA (Analisis Varians) Pengujian

Lebih terperinci

IMPLEMENTASI TEKNIK FEATURE MORPHING PADA CITRA DUA DIMENSI

IMPLEMENTASI TEKNIK FEATURE MORPHING PADA CITRA DUA DIMENSI IMPLEMENTSI TEKNIK FETURE MORPHING PD CITR DU DIMENSI Luciana benego an Nico Saputro Jurusan Intisari Pemanfaatan teknologi animasi semakin meluas seiring engan semakin muah an murahnya penggunaan teknologi

Lebih terperinci

VIII. ALIRAN MELALUI LUBANG DAN PELUAP

VIII. ALIRAN MELALUI LUBANG DAN PELUAP VIII. ALIRAN MELALUI LUBANG DAN PELUAP 8.. Penahuluan Lubang aalah bukaan paa ining atau asar tangki imana zat cair mengalir melaluinya. Lubang tersebut bisa berbentuk segi empat, segi tiga, ataupun lingkaran.

Lebih terperinci

BAB III INTERFERENSI SEL

BAB III INTERFERENSI SEL BAB NTEFEENS SEL Kinerja sistem raio seluler sangat ipengaruhi oleh faktor interferensi. Sumber-sumber interferensi apat berasal ari ponsel lainya ialam sel yang sama an percakapan yang seang berlangsung

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 9 ANOVA (3)

STK511 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 terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Agar penelitian yang dilakukan lebih terarah dan sistematis, maka perlu dibuat tahapan-tahapan dari penelitian itu sendiri. Adapun tahapan dalam penelitian

Lebih terperinci

Contoh RAK Faktorial

Contoh 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 terperinci

PRAKTIKUM RANCANGAN PERCOBAAN KATA PENGANTAR

PRAKTIKUM RANCANGAN PERCOBAAN KATA PENGANTAR PRAKTIKUM RANCANGAN PERCOBAAN 2012-2013 1 KATA PENGANTAR Buku ini dibuat untuk membantu mahasiswa dalam mempelajari, melilih dan melakukan prosedur analisis data berdasarkan rancangan percobaan yang telah

Lebih terperinci

Percobaan Dua Faktor: Percobaan Faktorial. Arum Handini Primandari, M.Sc.

Percobaan 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 terperinci

Basic Design of Experiment. Dimas Yuwono W., ST., MT.

Basic 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 terperinci

Lampiran 1. Perhitungan Kandungan Klorofil a,b dan total. Tabel 6. Absorbansi Ekstrak Kulit Buah Jeruk Nipis (4HSP)

Lampiran 1. Perhitungan Kandungan Klorofil a,b dan total. Tabel 6. Absorbansi Ekstrak Kulit Buah Jeruk Nipis (4HSP) 45 Lampiran 1. Perhitungan Kandungan Klorofil a,b dan total Tabel 6. Absorbansi Ekstrak Kulit Buah Jeruk Nipis (4HSP) Ulangan 663 nm 645 nm Kontrol Perlakuan Kontrol Perlakuan 1 0,586 0,405 0,281 0,241

Lebih terperinci

PERENCANAAN PENULANGAN LENTUR DAN GESER BALOK PERSEGI MENURUT SNI 03-847-00 Slamet Wioo Staf Pengajar Peniikan Teknik Sipil an Perenanaan FT UNY Balok merupakan elemen struktur yang menanggung beban layan

Lebih terperinci

ANALISIS CLUSTER PSIKOGRAFIS KONSUMEN KEDIRI TOWN SQUARE (CLUSTER ANALYSIS PSYCHOGRAPHIC CONSUMERS KEDIRI TOWN SQUARE)

ANALISIS CLUSTER PSIKOGRAFIS KONSUMEN KEDIRI TOWN SQUARE (CLUSTER ANALYSIS PSYCHOGRAPHIC CONSUMERS KEDIRI TOWN SQUARE) ANALISIS CLUSTER PSIKOGRAFIS KONSUMEN KEDIRI TOWN SQUARE (CLUSTER ANALYSIS PSYCHOGRAPHIC CONSUMERS KEDIRI TOWN SQUARE) Amin Tohari Universitas Nusantara PGRI Keiri, amin.tohari@unpkeiri.ac.i Abstrak Perkembangan

Lebih terperinci

V. HASIL DAN PEMBAHASAN

V. HASIL DAN PEMBAHASAN 34 V. HASIL DAN PEMBAHASAN 5.1. Hirarki Pusat-Pusat Pelayanan i Kecamatan Leuwiliang Analisis hirarki pusat-pusat pelayanan i Kecamatan Leuwiliang ilakukan engan menggunakan metoe skalogram berbobot berasarkan

Lebih terperinci

Analysis of Variance. Bab Percobaan Faktor Tunggal

Analysis 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 terperinci

Rancangan Petak Terpisah dalam RAL

Rancangan Petak Terpisah dalam RAL Rancangan Petak Terpisah dalam RAL KULIAH 11 PERANCANGAN PERCOBAAN (STK222) rahmaanisa@apps.ipb.ac.id Latar Belakang Sejarah : Rancangan ini awalnya berkembang pada bidang pertanian (Montgomery, 1997;

Lebih terperinci

Perancangan Percobaan

Perancangan 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 terperinci

BAB 4 ANALISIS DAN MINIMISASI RIAK TEGANGAN DAN ARUS SISI DC

BAB 4 ANALISIS DAN MINIMISASI RIAK TEGANGAN DAN ARUS SISI DC BAB ANAL DAN MNMA RAK EGANGAN DAN ARU DC. Penahuluan ampai saat ini, penelitian mengenai riak sisi DC paa inverter PWM lima-fasa paa ggl beban sinusoial belum pernah ilakukan. Analisis yang ilakukan terutama

Lebih terperinci

Ax b Cx d dan dua persamaan linier yang dapat ditentukan solusinya x Ax b dan Ax b. Pada sistem Ax b Cx d solusi akan

Ax b Cx d dan dua persamaan linier yang dapat ditentukan solusinya x Ax b dan Ax b. Pada sistem Ax b Cx d solusi akan SOLUSI SISTEM PERSAMAAN LINIER PADA ALJABAR MAX-PLUS Bui Cahyono Peniikan Matematika, FSAINSTEK, Universitas Walisongo Semarang bui_oplang@yahoo.com Abstrak Dalam kehiupan sehari-hari seringkali kita menapatkan

Lebih terperinci

Perancangan Percobaan

Perancangan 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 terperinci

Perancangan Percobaan

Perancangan 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 terperinci

KEMENTRIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI FAKULTAS PERTANIAN, UNIVERSITAS HALUOLEO, KENDARI Kampus Baru Bumi Tridharma, Andounohu - Kendari

KEMENTRIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI FAKULTAS PERTANIAN, UNIVERSITAS HALUOLEO, KENDARI Kampus Baru Bumi Tridharma, Andounohu - Kendari KEMENTRIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI FAKULTAS PERTANIAN, UNIVERSITAS HALUOLEO, KENDARI Kampus Baru Bumi Tridharma, Andounohu - Kendari UJIAN AKHIR SEMESTER Semester Ganil Tahun Akademik 2015/2016

Lebih terperinci

PERCOBAAN RAK FAKTORIAL DENGAN MENGGUNAKAN R-STUDIO

PERCOBAAN RAK FAKTORIAL DENGAN MENGGUNAKAN R-STUDIO PERCOBAAN RAK FAKTORIAL DENGAN MENGGUNAKAN R-STUDIO RANCANGAN PERCOBAAN Anggota Kelompok : Wahyu Nikmatus Sholihah 121810101010 Vivie Aisyafi Fatimah 121810101050 Reyka Bella Desvandai 121810101080 Ratna

Lebih terperinci

ANALISIS KLASTER UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH BERDASARKAN INDIKATOR KESEJAHTERAAN RAKYAT

ANALISIS KLASTER UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH BERDASARKAN INDIKATOR KESEJAHTERAAN RAKYAT ANALISIS KLASTER UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH BERDASARKAN INDIKATOR KESEJAHTERAAN RAKYAT 1 Safa at Yulianto, Kishera Hilya Hiayatullah 1, Ak. Statistika Muhammaiyah Semarang

Lebih terperinci

RANCANGAN PERCOBAAN (catatan untuk kuliah MP oleh Bambang Murdiyanto)

RANCANGAN PERCOBAAN (catatan untuk kuliah MP oleh Bambang Murdiyanto) RANCANGAN PERCOBAAN (catatan untuk kuliah MP oleh Bambang Murdiyanto) RANCANGAN : Bentuk, model, pola PERCOBAAN: - Rangkaian kegiatan untuk mencari jawaban terhadap permasalahan dengan menguji hipotesis.

Lebih terperinci

Analysis of Variance (ANOVA) Debrina Puspita Andriani /

Analysis of Variance (ANOVA) Debrina Puspita Andriani    / Analysis of Variance (ANOVA) 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline Kegunaan ANOVA 3 Kontrol investigator 1 atau lebih variabel independen Disebut dgn faktor

Lebih terperinci

Percobaan Rancangan Petak Terbagi dalam RAKL

Percobaan 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 terperinci

Kombinasi Gaya Tekan dan Lentur

Kombinasi Gaya Tekan dan Lentur Mata Kuliah Koe SKS : Perancangan Struktur Beton : CIV-204 : 3 SKS Kombinasi Gaya Tekan an Lentur Pertemuan 9,10,11 Sub Pokok Bahasan : Analisis an Desain Kolom Penek Kolom aalah salah satu komponen struktur

Lebih terperinci

BAB I PENDAHULUAN 1.1 Maksud 1.2 Tujuan

BAB I PENDAHULUAN 1.1 Maksud 1.2 Tujuan BAB I PENDAHULUAN 1.1 Maksu 1.1.1 Memisahkan fraksi butiran seimen paa ukuran (iameter) butir tertentu. 1.1.2 Menentukan nilai koefisien sortasi, skewness an kurtosi baik secara grafis maupun matematis.

Lebih terperinci

Jurnal Teknika ISSN : Fakultas Teknik Universitas Islam Lamongan Volume 2 No.2 Tahun 201

Jurnal Teknika ISSN : Fakultas Teknik Universitas Islam Lamongan Volume 2 No.2 Tahun 201 akultas Teknik Universitas Islam Lamongan Volume 2 No.2 Tahun 20 PEMBUATAN APLIKASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DALAM PENGEMBANGAN INDUSTRI POTENSIAL DENGAN METODE PROMETHEE II Ahma Jalaluin )

Lebih terperinci

Materi Persyaratan analisis regresi dari rancangan percobaan Penentuan model regresi dengan ortogonal polinomial Dari rancangan acak lengkap Dari ranc

Materi Persyaratan analisis regresi dari rancangan percobaan Penentuan model regresi dengan ortogonal polinomial Dari rancangan acak lengkap Dari ranc Kuswanto, 2012 Materi Persyaratan analisis regresi dari rancangan percobaan Penentuan model regresi dengan ortogonal polinomial Dari rancangan acak lengkap Dari rancangan acak kelompok Apabila ulangan/blok

Lebih terperinci

BAB VI PERENCANAAN TEKNIS

BAB VI PERENCANAAN TEKNIS BAB I PERENCANAAN TEKNIS I.1. Umum Paa Bab telah ipilih satu alternatif jalur penyaluran an sistem pengolahan air buangan omestik Ujung Berung Regency. Paa bab ini akan itentukan imensi jaringan pipa,

Lebih terperinci

BAB 4 HASIL PENELITIAN. identitas responden seperti jenis kelamin. Tabel 4.1 Identitas Jenis Kelamin Responden. Frequ Percent

BAB 4 HASIL PENELITIAN. identitas responden seperti jenis kelamin. Tabel 4.1 Identitas Jenis Kelamin Responden. Frequ Percent BAB 4 HASIL PENELITIAN 4.1 Hasil Penelitian 4.1.1 Ientitas Responen Dari analisis ata ang iperoleh peneliti ari lapangan akan iuraikan alam bab ini. Penelitian ini bertujuan untuk mengetahui pengaruh taangan

Lebih terperinci

Hukum Coulomb. a. Uraian Materi

Hukum Coulomb. a. Uraian Materi Hukum oulomb a. Tujuan Kegiatan Pembelajaran Setelah mempelajari kegiatan belajar, iharapkan ana apat: - menjelaskan hubungan antara gaya interaksi ua muatan listrik, besar muatan-muatan, an jarak pisah

Lebih terperinci

PETA KENDALI R ADAPTIF SEBAGAI ALTERNATIF PETA KENDALI R SHEWHART DALAM MENDETEKSI PERGESERAN KECIL PADA VARIANS

PETA KENDALI R ADAPTIF SEBAGAI ALTERNATIF PETA KENDALI R SHEWHART DALAM MENDETEKSI PERGESERAN KECIL PADA VARIANS PETA KENDALI ADAPTIF SEBAGAI ALTENATIF PETA KENDALI SHEWHAT DALAM MENDETEKSI PEGESEAN KECIL PADA VAIANS Oleh : Farihatul Usro 7 7 Dosen Pembimbing : Dra. Faria Agustini W. MS Dra. Laksmi Prita W. MSi Jurusan

Lebih terperinci

REGRESI LANJUTAN RETNO DWI ANDAYANI, SP. MP

REGRESI LANJUTAN RETNO DWI ANDAYANI, SP. MP REGRESI LANJUTAN RETNO DWI ANDAYANI, SP. MP REGRESI LANJUTAN Regresi Linier Berganda Regresi Kuadratik Regresi Kubik Analisis regresi dari RAL atau RAK REGRESI LANJUTAN Regresi Linier Berganda Regresi

Lebih terperinci

PERCOBAAN FAKTORIAL: RANCANGAN ACAK LENGKAP. Arum Handini Primandari

PERCOBAAN FAKTORIAL: RANCANGAN ACAK LENGKAP. Arum Handini Primandari PERCOBAAN FAKTORIAL: RANCANGAN ACAK LENGKAP Arum Handini Primandari PENDAHULUAN Dalam berbagai bidang penerapan perancangan percobaan diketahui bahwa respon dari individu merupakan akibat dari berbagai

Lebih terperinci

PENENTUAN RUMUS KETIDAKPASTIAN PENGUKURAN UJI KEKERASAN VICKERS

PENENTUAN RUMUS KETIDAKPASTIAN PENGUKURAN UJI KEKERASAN VICKERS 3 ISSN 016-318 PENENTUAN RUMUS KETIDAKPASTIAN PENGUKURAN UJI KEKERASAN VICKERS Pusat Teknologi Bahan Bakar Nuklir BATAN Serpong. ABSTRAK PENENTUAN RUMUS KETIDAKPASTIAN PENGUKURAN UJI KEKERASAN VICKERS.

Lebih terperinci

FORMULIR UJI KESUKAAN (UJI HEDONIK)

FORMULIR UJI KESUKAAN (UJI HEDONIK) Lampiran FORMULIR UJI KESUKAAN (UJI HEDONIK) Nama : Umur : Jenis Kelamin : Petunjukan Penilaian Ujilah sampel satu persatu dengan sebaik-baiknya dan nyatakan pendapat anda tentang apa yang dirasakan oleh

Lebih terperinci

matriks A. PENGERTIAN MATRIKS Persija Persib baris

matriks A. PENGERTIAN MATRIKS Persija Persib baris Kolom 1. Pengertian Matriks matriks A. PENGERTIAN MATRIKS Dalam kehiupan sehari-hari an alam matematika, berbagai keterangan seringkali isajikan alam bentuk matriks. Contoh 1: Hasil pertaningan grup I

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB LANDASAN TEORI.1 Kerangka Teori Statistika.1.1 Perancangan Percobaan Percobaan merupakan suatu bentuk penelitian dimana ingin diketahui respon suatu objek sebagai akibat dari berbagai keadaan yang

Lebih terperinci

BAHAN DAN METODE. Waktu dan Tempat. Bahan dan Alat. Rancangan Penelitian

BAHAN DAN METODE. Waktu dan Tempat. Bahan dan Alat. Rancangan Penelitian BAHAN DAN METODE Waktu dan Tempat Penelitian ini dilaksanakan pada bulan November 010 Maret 011, kecuali lokasi Sukabumi pada bulan Maret Juni 011. Tempat Penelitian dilaksanakan di 7 lokasi yaitu Bogor,

Lebih terperinci

Desain Tersarang dan Split Plot

Desain Tersarang dan Split Plot Desain Tersarang dan Split Plot A. Desain Tersarang Dua Tahap Di dalam suatu eksperimen multifaktor, taraf-taraf suatu faktor (misal faktor B) bersifat sebangun tapi tidak serupa untuk taraf yang berbeda

Lebih terperinci

II. PERCOBAAN NON FAKTORIAL

II. 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 terperinci

PERANCANGAN PERCOBAAN

PERANCANGAN 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 terperinci

PERANCANGAN PERCOBAAN

PERANCANGAN 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 terperinci

dan E 3 = 3 Tetapi integral garis dari keping A ke keping D harus nol, karena keduanya memiliki potensial yang sama akibat dihubungkan oleh kawat.

dan E 3 = 3 Tetapi integral garis dari keping A ke keping D harus nol, karena keduanya memiliki potensial yang sama akibat dihubungkan oleh kawat. E 3 E 1 -σ 3 σ 3 σ 1 1 a Namakan keping paling atas aalah keping A, keping keua ari atas aalah keping B, keping ketiga ari atas aalah keping C an keping paling bawah aalah keping D E 2 muatan bawah keping

Lebih terperinci

1.1. Sub Ruang Vektor

1.1. Sub Ruang Vektor 1.1. Sub Ruang Vektor Dalam membiarakan ruang vektor, tiak hanya vektoer-vektornya saja yang menarik, tetapi juga himpunan bagian ari ruang vektor tersebut yang membentuk ruang vektor lagi terhaap operasi

Lebih terperinci

BAB III PERENCANAAN PEMILIHAN TALI BAJA PADA ELEVATOR BARANG. Q = Beban kapasitas muatan dalam perencanaan ( 1 Ton )

BAB III PERENCANAAN PEMILIHAN TALI BAJA PADA ELEVATOR BARANG. Q = Beban kapasitas muatan dalam perencanaan ( 1 Ton ) BAB III PERENCANAAN PEMILIHAN TALI BAJA PADA ELEVATOR BARANG 3.1 Perencanaan Beban Total Paa Elevator Barang Q total = Q + WM + WO ( Persamaan 2.1.10 ) Q = Beban kapasitas muatan alam perencanaan ( 1 Ton

Lebih terperinci

III. MATERI DAN METODE. Hortikultura yang beralamat di Jl. Kaharudin Nasution KM 10, Padang Marpoyan

III. MATERI DAN METODE. Hortikultura yang beralamat di Jl. Kaharudin Nasution KM 10, Padang Marpoyan III. MATERI DAN METODE 3.1. Tempat dan Waktu Penelitian ini dilaksanakan di Dinas Tanaman Pangan, Balai Benih Induk Hortikultura yang beralamat di Jl. Kaharudin Nasution KM 10, Padang Marpoyan Pekanbaru,

Lebih terperinci

PROGRAM KOMPUTER UNTUK PEMODELAN SEBARAN PERGERAKAN. Abstrak

PROGRAM KOMPUTER UNTUK PEMODELAN SEBARAN PERGERAKAN. Abstrak PROGRAM KOMPUTER UNTUK PEMODELAN SEBARAN PERGERAKAN Ruy Setiawan, ST., MT. Sukanto Tejokusuma, Ir., M.Sc. Jenny Purwonegoro, ST. Staf Pengajar Fakultas Staf Pengajar Fakultas Alumni Fakultas Teknik Sipil

Lebih terperinci

PERCOBAAN BERFAKTOR DENGAN ARAS NOL ATAU PERLAKUAN KONTROL TERPISAH 1

PERCOBAAN 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 terperinci

ANALISIS PERANCANGAN PERCOBAAN 2 MATERI 3: KONSEP NILAI HARAPAN KUADRAT TENGAH

ANALISIS 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 terperinci

Penerapan Model Deformasi Horizontal Mogi untuk Prediksi Perubahan Volume Sumber Tekanan pada Gunungapi Guntur

Penerapan Model Deformasi Horizontal Mogi untuk Prediksi Perubahan Volume Sumber Tekanan pada Gunungapi Guntur Reka Geomatika Jurusan Teknik Geoesi Itenas No. Vol. 1 ISSN 8-50X Desember 01 Jurnal Online Institut Teknologi Nasional Penerapan Moel Deformasi Horizontal Mogi untuk Preiksi Perubahan Volume Sumber Tekanan

Lebih terperinci

PENGENDALIAN VARIABEL PENGGANGGU / CONFOUNDING DENGAN ANALISIS KOVARIANS Oleh : Atik Mawarni

PENGENDALIAN 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 terperinci

PEMODELAN PENJADWALAN LINIER DENGAN ALOKASI SUMBER DAYA MANUSIA PADA PROYEK PERUMAHAN. Hedwig A Tan 1, Ratna S Alifen 2

PEMODELAN PENJADWALAN LINIER DENGAN ALOKASI SUMBER DAYA MANUSIA PADA PROYEK PERUMAHAN. Hedwig A Tan 1, Ratna S Alifen 2 PEMODELAN PENJADWALAN LINIER DENGAN ALOKASI SUMBER DAYA MANUSIA PADA PROYEK PERUMAHAN Hewig A Tan, Ratna S Alifen ABSTRAK: Metoe penjawalan linier cocok untuk proyek engan aktivitas seerhana, an repetitif

Lebih terperinci

Bahan Kuliah Statistik 2 ANALISIS VARIANS. Toto Sugiharto

Bahan 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 terperinci

BAB 2 TINJAUAN TEORI

BAB 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 terperinci

Didonwload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didonwload 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 terperinci

II. Materi dan Metode. Pekanbaru. waktu penelitian ini dilaksanakan empat bulan yaitu dari bulan

II. Materi dan Metode. Pekanbaru. waktu penelitian ini dilaksanakan empat bulan yaitu dari bulan II. Materi dan Metode 1.1. Tempat dan Waktu Penelitian ini dilaksanakan di lahan Balai Benih Induk Hortikultura Pekanbaru. waktu penelitian ini dilaksanakan empat bulan yaitu dari bulan Januari-Mei 2013.

Lebih terperinci

Lampiran 1. Prosedur Kerja Mesin AAS

Lampiran 1. Prosedur Kerja Mesin AAS 49 Lampiran 1. Prosedur Kerja Mesin AAS Prinsip Kerja berdasarkan penguapan larutan sampel. kemudian logam berat yang terkandung di dalamnya diubah menjadi atom bebas. Atom tersebut mengabsorbsi radiasi

Lebih terperinci

Solusi Tutorial 6 Matematika 1A

Solusi Tutorial 6 Matematika 1A Solusi Tutorial 6 Matematika A Arif Nurwahi ) Pernyataan benar atau salah. a) Salah, sebab ln tiak terefinisi untuk 0. b) Betul. Seerhananya, titik belok apat ikatakan sebagai lokasi perubahan kecekungan.

Lebih terperinci

DIFERENSIAL FUNGSI SEDERHANA

DIFERENSIAL FUNGSI SEDERHANA DIFERENSIAL FUNGSI SEDERHANA Salah satu metoe yang cukup penting alam matematika aalah turunan (iferensial). Sejalan engan perkembangannya aplikasi turunan telah banyak igunakan untuk biang-biang rekayasa

Lebih terperinci

Penerapan Aljabar Max-Plus Pada Sistem Produksi Meubel Rotan

Penerapan Aljabar Max-Plus Pada Sistem Produksi Meubel Rotan Jurnal Graien Vol 8 No 1 Januari 2012:775-779 Penerapan Aljabar Max-Plus Paa Sistem Prouksi Meubel Rotan Ulfasari Rafflesia Jurusan Matematika, Fakultas Matematika an Ilmu Pengetahuan Alam, Universitas

Lebih terperinci

PERSAMAAN DIFFERENSIAL. Disusun untuk memenuhi tugas mata kuliah Matematika

PERSAMAAN DIFFERENSIAL. Disusun untuk memenuhi tugas mata kuliah Matematika PERSAMAAN DIFFERENSIAL Disusun untuk memenuhi tugas mata kuliah Matematika Disusun oleh: Aurey Devina B 1211041005 Irul Mauliia 1211041007 Anhy Ramahan 1211041021 Azhar Fuai P 1211041025 Murni Mariatus

Lebih terperinci

Berbagai Jenis Rancangan Percobaan

Berbagai Jenis Rancangan Percobaan Berbagai Jenis Rancangan Percobaan jenis-jenis rancangan percobaan dapat digolongkan / dikelompokkan berdasarkan rancangan dasar/lingkungan dengan berbagai kombinasi pola percobaan: keseimbangan jumlah

Lebih terperinci

3 TEORI KONGRUENSI. Contoh 3.1. Misalkan hari ini adalah Sabtu, hari apa setelah 100 hari dari sekarang?

3 TEORI KONGRUENSI. Contoh 3.1. Misalkan hari ini adalah Sabtu, hari apa setelah 100 hari dari sekarang? Paa bab ini ipelajari aritmatika moular yaitu aritmatika tentang kelas-kelas ekuivalensi, imana permasalahan alam teori bilangan iseerhanakan engan cara mengganti setiap bilangan bulat engan sisanya bila

Lebih terperinci

BAB 3 APLIKASI RANCANGAN ACAK KELOMPOK 1 FAKTOR

BAB 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 terperinci

III. PERCOBAAN FAKTORIAL

III. PERCOBAAN FAKTORIAL III. PERCOBAAN FAKTORIAL A. Pendahuluan Mengapa peneliti memilih melakukan percobaan factorial? atau bagaimana kalau beberapa factor penelitian ingin diterapkan sekaligus dalam percobaan? Untuk menjawab

Lebih terperinci

ANALISIS DATA TERHADAP MUTU KIMIA ph KEFIR SUSU KACANG TANAH

ANALISIS 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 terperinci

Bentuk khusus dari rancangan faktorial dimana kombinasi perlakuan tidak diacak secara sempurna terhadap unit-unit percobaan.

Bentuk khusus dari rancangan faktorial dimana kombinasi perlakuan tidak diacak secara sempurna terhadap unit-unit percobaan. RANCANGAN FAKTORIAL SPLIT PLOT Diyan Herdiyantoro, SP., MSi. Laboratorium Biologi Tanah Jurusan Ilmu Tanah Fakultas Pertanian Universitas Padjadjaran 2013 Bentuk khusus dari rancangan faktorial dimana

Lebih terperinci

Lampiran 1. Deskripsi Varietas Tembakau (Nicotiana tabacum)

Lampiran 1. Deskripsi Varietas Tembakau (Nicotiana tabacum) 72 Lampiran 1. Deskripsi Varietas Tembakau (Nicotiana tabacum) Nama Varietas : Coker 176 Tanggal uji : 23 Juli 2010 Uji daya kecambah : 98% Uji kadar air : 6,9% penyimpanan : 16-18 C Tahun Lepas : 2011

Lebih terperinci

PENALAAN KENDALI PID UNTUK PENGENDALI PROSES

PENALAAN KENDALI PID UNTUK PENGENDALI PROSES PENALAAN KENDALI PID UNTUK PENGENDALI PROSES Raita.Arinya Universitas Satyagama Jakarta Email: raitatech@yahoo.com Abstrak Penalaan parameter kontroller PID selalu iasari atas tinjauan terhaap karakteristik

Lebih terperinci

RANCANG BANGUN ALAT UKUR UJI TEKANAN DAN LAJU ALIRAN FLUIDA MENGGUNAKAN POMPA CENTRIFUGAL

RANCANG BANGUN ALAT UKUR UJI TEKANAN DAN LAJU ALIRAN FLUIDA MENGGUNAKAN POMPA CENTRIFUGAL Jurnal J-Ensitec: Vol 0 No. 0, Mei 06 RANCANG BANGUN ALAT UKUR UJI TEKANAN DAN LAJU ALIRAN FLUIDA MENGGUNAKAN POMPA CENTRIFUGAL Gugun Gunai, Asep Rachmat, Teknik Mesin, Fakultas Teknik Universitas Majalengka

Lebih terperinci

KAPASITOR. Pengertian Kapasitor

KAPASITOR. Pengertian Kapasitor 7/3/3 KAPASITOR Pengertian Kapasitor Dua penghantar berekatan yang imaksukan untuk iberi muatan sama tetapi berlawanan jenis isebut kapasitor. Sifat menyimpan energi listrik / muatan listrik. Kapasitas

Lebih terperinci

Rancangan Blok Terpisah (Split Blok)

Rancangan Blok Terpisah (Split Blok) Rancangan Blok Terpisah (Split Blok) KULIAH 13 PERANCANGAN PERCOBAAN (STK 222) rahmaanisa@apps.ac.id Rancangan Split Blok Kedua faktor merupakan petak utama Pengaruh yang ditekankan adalah pengaruh interaksi

Lebih terperinci

PERANCANGAN ANTENA MIKROSTRIP PATCH SEGI EMPAT SLOTS DUAL-BAND PADA FREKUENSI 2,4 GHz DAN 3,3 GHz

PERANCANGAN ANTENA MIKROSTRIP PATCH SEGI EMPAT SLOTS DUAL-BAND PADA FREKUENSI 2,4 GHz DAN 3,3 GHz PERANCANGAN ANTENA MIKROSTRIP PATCH SEGI EMPAT SLOTS DUAL-BAND PADA FREKUENSI 2,4 DAN 3,3 Zul Hariansyah Hutasuhut, Ali Hanafiah Rambe Departemen Teknik Elektro Fakultas Teknik Universitas Sumatera Utara

Lebih terperinci