PEMANFAATAN MSTAT-C DALAM ANALISA FAKTORIAL DATA HASIL PENELITIAN PERTANIAN
|
|
- Sukarno Kurniawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PEMANFAATAN MSTAT-C DALAM ANALISA FAKTORIAL DATA HASIL PENELITIAN PERTANIAN Sutarno Pranata Komputer pada Balai Penelitian Tanaman Kacang-kacangan dan Umbiumbian PO. Box 66 Malang ABSTRACT The factorial treatment in randomized complete block design is usuall used b researchers in agronom, breeding, postharvest, pest and disease programmes. The handling of data can be started with data tabulation that compatible with the format of programme. Therefore the data entr would be easier. The manual data entr via keboard in to data variable previousl prepared could ease the data processing. If there were missing data or zero number in the variable, the data transformation could be emploed. The Mstat-C program was used to analze the data. Informatika Pertanian Volume 13 (Desember 2004)
2 722 Analisis Faktorial dengan Program MStat - C PENDAHULUAN Tantangan untuk mencari jawab akan suatu persoalan merupakan tuntunan para ilmuwan ang dapat dituangkan dalam proses penelitian. Kegiatan penelitian ang bersifat pengumpulan data secara kuantitatif maupun kegiatan penelitian melalui percobaan diperlukan program statistika ang mudah aplikasina namun sesuai dengan kebutuhan (Yusnandar, 2002). Data penelitian merupakan informasi ang sangat diperlukan dalam proses menuju informasi pelaporan. Sedangkan proses menuju pelaporan, data perlu dianalisa terlebih dahulu dengan menggunakan program bantu. Salah satu program bantu ang digunakan di lingkup Badan Litbang Pertanian adalah Mstat-C, program ini menggunakan sistem menu sehingga mudah untuk pengoperasianna. Pada tulisan ini diangkat contoh data ubikau dari percobaan ang berlokasi di Lampung dengan keadaan tanah agak masam, sehingga untuk menaikkan ph tanah diberikan penambahan kapur tohor. Variabel ang digunakan aitu: Pengaruh pemberian kapur tohor terhadap kadar pati ubikau dan pengaruh umur panen terhadap berat ubi pertanaman. Rancangan acak kelompok faktorial (randomized complete block design), banak digunakan oleh para peneliti di berbagai bidang agronomi, pemuliaan, pasca panen, hama dan penakit. Rancangan acak lengkap faktorial mempunai lebih dari satu faktor. Blok ragam ang lebih dominan dari rancangan ini merupakan suatu rancangan ang sangat sederhana aitu dengan satu faktor (Budi Suseto dan Aunuddin, 1992). Rancangan acak kelompok faktorial lebih tepat digunakan pada tanah-tanah pertanian ang belum diketahui pasti kehomogenanna. Pendekatan penelitian dengan rancangan acak kelompok adalah untuk memperkecil galat (nilai sisaan). Sebagai patokan dapat dipakai jumlah derajat bebas (db) acak ang tersedia sekitar 20. Rancangan acak kelompok dapat dirumuskan : (n-1) (t-1) 20 = db acak, di mana: N = banakna ulangan atau kelompok T = banakna perlakuan Kelompok kehomogenan ini dapat dianggap sebagai ulangan, semakin banak ulangan semakin kecil simpangan baku dari
3 Informatika Pertanian 723 rata-rata perlakuan. Loekito Adi Soehono (1996) mengatakan, banakna ulangan dipengaruhi oleh berbagai faktor. Faktor ang paling penting adalah tingkat kepercaaan (degree of precision) ang diinginkan untuk menguji perbedaan antar perlakuan. Semakin banak ulangan percobaan tersebut semakin teliti. Namun demikian terlalu banak ulangan juga tidak efisien, karena bertambahna biaa dan waktu serta tenaga pelaksanaan tidak seimbang dibandingkan tambahan ketelitian ang diperoleh. Program statistika Mstat-C merupakan versi terbaru dari paket Mstat, dikeluarkan oleh Michigan State Universit sejak 25 tahun ang lalu. Program Mstat merupakan pilar program statistika ang dianggap sesuai untuk penelitian di bidang pertanaman. Kelebihan dari program ini adalah : (1) Mudah pengoperasianna karena menggunakan sistem menu. (2) Analisis data lebih lengkap untuk hasil penelitian pertanian. (3) Compatible dengan program lain, sehingga memungkinkan untuk transformasi data (4) Mudah digunakan untuk entr data secara manual melalui keboard. Tujuan tulisan ini adalah memberikan informasi dan analisis tata cara penelesaian analisis ragam faktorial data hasil pertanian. Adapun metode percobaan menggunakan rancangan Randomized Complete Block Design (RCBD) 2 faktor. Pengumpulan data dilakukan dengan cara manual dan entr data melalui keboard menggunakan program Mstat-C. LANGKAH KERJA a. Tabulasi data Urutan pekerjaan ang dilakukan dapat dimulai dengan tabulasi data aitu memilah-milah data sesuai variabel ang ditentukan, untuk memudahkan saat memasukan data ke dalam program statistik Mstat-C. b. Entr data (memasukkan data) Melakukan pengecekan data sebelum dilakukan entr data dan entr data dapat dilakukan dengan cara manual melalui keboard. Sedangkan variabel ang disiapkan disesuaikan dengan kerangka program ialah :
4 724 Analisis Faktorial dengan Program MStat - C 1. Variabel ulangan Pada penelitian ini terdapat 12 perlakuan dan di ulang sebanak tiga kali. Sehingga cara penulisan pada program Mstat-C adalah memesan jumlah digit ang diperlukan untuk entr data sebagai berikut: Append cases sebanak 36 cases Define: Title: Ulangan Tpe numeric size: 1 displa format (left): 1 (right): 0 Perlu diketahui tpe numeric size: diisi angka 1 (satu), displa format (left): 1 (satu) dan (right): 0 (nol) ini sesuai digit ang dibutuhkan untuk variabel ulangan, ang terdiri dari ulangan 1 (satu), ulangan 2 (dua) dan ulangan 3 (tiga). Tidak membutuhkan angka desimal sehingga ditulis dengan angka nol. Begitu pula pada variabel berikutna dengan cara pemberian format seperti pada variabel ini. 2. Variabel faktor A Title: Faktor A/pengapuran Tpe numeric size: 1 displa format (left): 1 (right): 0 3. Variabel faktor B Title: Faktor B/umur panen Tpe numeric size: 1 displa format (left): 1 (right): 0 4. Variabel kadar pati Title: Pengaruh pemberian kapur tohor terhadap kadar pati umur 10 bulan. Tpe numeric size: 3 displa format (left): 2 (right): 1 5. Variabel berat umbi/tanaman Title: Pengaruh umur panen terhadap berat umbi/tanaman Tpe numeric size: 4 displa format (left): 1 (right): 3 Kemudahan pada software ini adalah saat diberikan entr data secara otomatis dapat menimpan input data. Bentuk entr data pada program Mstat-C perlu disesuaikan formatna, sehingga compatible dengan kerangka program Microcomputer Statistical tersebut. Adapun bentuk tampilan format software ini secara utuh seperti pada Tabel 1.
5 Informatika Pertanian 725 Data case no. 1 to 36 List of Variables Var Tpe Name / Description 1 NUMERIC ulangan 2 NUMERIC faktor A/pengapuran 3 NUMERIC faktor B/umur panen 4 NUMERIC kadar pati umur 10 bulan 5 NUMERIC berat ubi/tanaman Tabel 1. Contoh Susunan Variable dan Perlakuan dalam Rancangan Acak Kelompok Faktorial No
6 726 Analisis Faktorial dengan Program MStat - C c. Mengatasi missing data atau angka nol Apabila terjadi missing data atau angka nol, hasil analisis tidak valid dan anova akan menimpang. Hal ini kemungkinan berpengaruh terhadap koefisien keragaman (KK) aitu; menjadi lebih besar atau di atas 50%. Disebabkan adana hasil pengamatan ang fluktuatif antara sampel satu dengan sampel lainna. Sebagai contoh pada pengamatan percobaan ang terserang hama tikus, kemungkinan terjadi missing data atau angka nol. Untuk mengatasi hal tersebut dapat dilakukan dengan cara transformasi data. Dengan rumus 0,5 + X ; di mana X adalah angka nol dan semua bilangan/data ditambah dengan akar 0,5. HASIL ANALISIS Para kelompok peneliti di berbagai disiplin ilmu antara lain, agronomi, pemuliaan, pasca panen, hama dan penakit begitu akrap menggunakan program Mstat-C untuk analisis hasil-hasil penelitian pertanian sesuai bidang masing-masing. Analisa data melalui tahapan-tahapan ang harus dilakukan dengan teliti dan seksama. Pertama pengumpulan data dari lapang merupakan data dasar ang akan di analisa. Data dari lapang ini bila terjadi kesalahan di luar jangkauan kemampuan kita misalna pada plot tanaman percobaan dimakan kerbau, sapi atau diserang hama tikus atau hilang. Hal ini masih dapat diperhitungkan dengan cara transformasi data. Kedua analisis dengan pendekatan menggunakan program Mstat-C lebih praktis dan mudah dalam operasionalna, karena software ini menggunakan sistem menu, sehingga para pemulapun mudah untuk mempelajarina. Dari sekumpulan rangkaian pekerjaan ang dilakukan dari awal, ada ang lebih utama aitu rancangan penelitian dan analisis data untuk menjawab hasil penelitian ang telah dilakukan para peneliti melalui percobaan. Analisis data dapat dilakukan dengan menampilkan daftar pilihan ang disajikan dalam bentuk menu program. Rancangan acak kelompok faktorial dapat dipilih pada menu pilihan ang sesuai model tabel anova 1. Sumber keragaan dan derajat bebas untuk analisis ragam dengan anak perlakuan kapur tohor dan anak perlakuan umur panen pada penelitian kadar bahan pati ubikau dan berat umbi/tanaman.
7 Informatika Pertanian 727 Tabel anova 1. Rancangan Faktorial Acak Lengkap Model Anova Nilai Sumber keragaan Derajat bebas 1 Ulangan r Faktor A a Galat (r - 1 ) ( a - 1 ) 4 Faktor B b A x B ( a - 1 ) ( b - 1) -7 Galat a ( r 1 ) ( b - 1 ) Keterangan : r = ulangan, a=anak perlakuan (kapur tohor) b = anak perlakuan (klon) Model tabel anova bila sesuai sumber keragaan dan derajat bebas ang ditentukan adalah variabel ulangan, variabel faktor A dan variabel faktor B. Dua contoh variabel 4 dan variabel 5 hasil analisis disajikan dalam bentuk print out ialah: (1) Pengaruh pemberian kapur tohor terhadap kadar pati umur 10 bulan dan (2) Pengaruh umur panen terhadap berat umbi/tanaman. Proses analisis dilakukan dengan mengaktifkan program Mstat-C, tahapan ang dilaksanakan memilih item faktor RCBD 2 factor seperti tampilan menu program sebagai berikut:
8 728 Analisis Faktorial dengan Program MStat - C Randomized Complete Block Design for Factor A, with Factor B a Split Plot on A 1. CRD 2 Factor (a) 19. RCBD 2 Factor combined (a) 2. CRD 2 Factor (b) 20. RCBD 2 Factor combined (b) 3. CRD 3 Factor (a) 21. RCBD 2 Factor combined (c) 4. CRD 3 Factor (b) 22. RCBD 2 Factor combined (d) 5. CRD 3 Factor (c) 23. RCBD 2 Factor combined (e) 6. CRD 4 Factor 24. RCBD 2 Factor combined (f) 7. RCBD 1 Factor 25. RCBD 2 Factor combined (g) 8. RCBD 2 Factor (a) 26. RCBD 2 Factor combined (h) 9. RCBD 2 Factor (b) 27. RCBD 3 Factor combined (a) 10. RCBD 3 Factor (a) 28. RCBD 3 Factor combined (b) 11. RCBD 3 Factor (b) 29. RCBD 4 Factor combined (a) 12. RCBD 3 Factor (c) 30. RCBD 4 Factor combined (b) 13. RCBD 3 Factor (d) 31. RCBD 2 Factor Strip Plots 14. RCBD 4 Factor 32. RCBD 3 Factor Strip Plots 15. RCBD 1 Factor combined (a) 33. RCBD 4 Factor Split plots (a) 16. RCBD 1 Factor combined (b) 34. RCBD 4 Factor Split Plots (b) 17. RCBD 1 Factor combined (c) 35. Other Tpe of Design 18. RCBD 1 Factor combined (d)
9 Informatika Pertanian 729 Data file: Title: Function: FACTOR Experiment Model Number 9: Randomized Complete Block Design for Factor A, with factor B a Split Plot on A Data case no. 1 to 36. Factorial ANOVA for the factors: Replication with values from 1 to 3 Factor A with values from 1 to 3 Factor B with values from 1 to 4 Variable 4: Kadar bahan pati umur 10 bulan Grand Mean= Grand Sum= Total Count=36 TABLE OF MEANS Total 1 * * * * * * * 1 * * 2 * * 3 * * * * * * * * * * * * * * * * * * * * *
10 730 Analisis Faktorial dengan Program MStat - C ANALYSIS OF VARIANCE TABLE K Degrees of Sum of Mean F Value Source Freedom Squares Square Value Prob Replication Factor A * -3 Error Factor B ** 6 AB Error Total Coefficient of Variation: 8.272% s for means group 1: Number of Observations: 12 s for means group 2: Number of Observations: 12 s for means group 4: Number of Observations: 9 s for means group 6: Number of Observations: 3 Pada variabel 4, tabel anova perlakuan kapur tohor dalam uji berbeda nata terkecil (BNT) pada taraf 10% dan umur panen terhadap kadar pati 10 bulan nata (1%). Berarti dua faktor perlakuan significant terhadap perlakuan satu dengan ang lain. Pemberian kapur tohor dan perbedaan umur panen terdapat respon saling menunjang, sehingga penelitian ini laak dilakukan dan ditindaklanjuti.
11 Informatika Pertanian 731 Data file: Title: Function: FACTOR Experiment Model Number 9: Randomized Complete Block Design for Factor A, with factor B a Split Plot on A Data case no. 1 to 36. Factorial ANOVA for the factors: Replication with values from 1 to 3 Factor A with values from 1 to 3 Factor B with values from 1 to 4 Variable 5: Berat ubi/tanaman (kg) Grand Mean = Grand Sum = Total Count = 36 TABLE OF MEANS Total 1 * * * * * * * 1 * * 2 * * 3 * * * * * * * * * * * * * * * * * * * * *
12 732 Analisis Faktorial dengan Program MStat - C ANALYSIS OF VARIANCE TABLE K Source Degrees of Sum of Mean F Value Freedom Squares Square Value Prob 1 Replication Factor A * -3 Error Factor B * 6 AB Error Coefficient of Variation: % s for means group 1: Number of Observations: 12 s for means group 2: Number of Observations: 12 s for means group 4: Number of Observations: 9 s for means group 6: Number of Observations: 3 Koefisien keragaman (KK) menunjukkan besarna ragam ang diperoleh data dari lapang antara 8,272%-21,892% (variabel 4 dan variabel 5). Sebagai standardisasi untuk hasil penelitian tanaman pertanian tidak lebih besar dari 20%. Hal ini karena merupakan bias angka kesalahan, semakin kecil prosentase berarti semakin kecil pula tingkat kesalahan. UJI LANJUT ANALISIS Hasil analisis menunjukkan bahwa pemberian kapur tohor berpengaruh nata terhadap kadar pati umur 10 bulan dan berat ubi/tanaman. Contoh data diuji dengan analisis LSD (Least Significant Difference) ranks berdasarkan urutan dari ang terbesar hingga ang terkecil atau diberi notasi alpabet sesuai abjad. Pengaruh dosis kapur tohor terhadap kadar pati umur 10 bulan (Tabel 2) dan berat ubi/tanaman pada Tabel 3.
13 Informatika Pertanian 733 Tabel 2. Pengaruh Pemberian Kapur Tohor terhadap Kadar Pati Umur 10 bulan dan Berat Ubi/Tanaman Dosis kapur tohor Kadar bahan pati umur 10 bulan Berat ubi/tanaman (kg) a a a ab a b LSD Tabel 3. Pengaruh Umur Panen terhadap Kadar Pati dan Berat Ubi/Tanaman Umur panen (bulan) Kadar bahan pati Berat ubi/tanaman (kg) a a a ab a b b b LSD KESIMPULAN Secara umum dapat disimpulkan bahwa suatu percobaan ang dilakukan oleh peneliti harus melalui pendekatan rancangan percobaan sebelum penelitian dilakukan dan dipikirkan pula untuk penelesaian analisis data agar percobaan dapat menghasilkan informasi laporan ang bermanfaat. Kemudahan program bantu Mstat-C antara lain: (1) Mstat-C mudah pengoperasianna karena menggunakan sistem menu (2) Menganalisis data dengan rancangan acak kelompok sederhana dan rancangan acak lengkap faktorial sesuai kebutuhan di bidang penelitian pertanaman (3) Bila terjadi missing data atau angka nol dapat diatasi dengan transformasi data (4) Input data dapat diperoleh dengan cara manual melalui keboard dan software ini dapat menimpan data secara otomatis.
14 734 Analisis Faktorial dengan Program MStat - C DAFTAR PUSTAKA Anonmous Microcomputer Program for the Design, Management, and Analsis of Agronomic Research Experiments. Michigan State Universit. Original Version p Anonmous Microcomputer Program for the Design, Management, and Analsis of Agronomic Research Experiments. Michigan State Universit. Original Version p Budi, S. dan Aunuddin Warta Informatika Pertanian. Vol. 11 Th Dalam: M.E. Yusnandar. Aplikasi Rancangan Acak Lengkap Kelompok dan Analisis Faktorial dengan Paket Program Statistik untuk Analisis data Hasil Penelitian. hal Loekito, A.S Pengantar Perancangan Percobaan Suatu Pendekatan Praktis. Penerbit IKIP Malang. hal Yusnandar, M.E Pemanfaatan Program Statistical Product Service Solution (SPSS) dalam Pengolahan Data Statistika. Prosiding Temu Teknik Fungsional non Peneliti. Bogor, 30 Juli hal
PENERAPAN PROGRAM MSTAT-C PADA ANALISIS SPLIT PLOT PADA HASIL PENELITIAN AMELIORASI PADA KACANG TANAH
PENERAPAN PROGRAM MSTAT-C PADA ANALISIS SPLIT PLOT PADA HASIL PENELITIAN AMELIORASI PADA KACANG TANAH Sutarno Pranata Komputer pada Balai Penelitian Tanaman Kacang-kacangan dan Umbiumbian PO. Box 66 Malang
Lebih terperinciMODEL RAK DI LINTAS LOKASI (OVER LOCATIONS) UNTUK HASIL DAN KOMPONEN HASIL KACANG TANAH
MODEL RAK DI LINTAS LOKASI (OVER LOCATIONS) UNTUK HASIL DAN KOMPONEN HASIL KACANG TANAH Randomized Block Design Model in Over Locations for Yield and Yield Component of Peanut Sutarno Balai Penelitian
Lebih terperinciME Yusnandar * PENDAHULUAN
ME Yusnandar * PENDAHULUAN Rancangan acak lengkap (randomize complete design), rancangan acak lengkap kelompok (randomize complete block design) dan rancangan acak lengkap faktorial (randomize complete
Lebih terperinciBAB 4. APLIKASI RANCANGAN ACAK LENGKAP DUA FAKTOR
BAB 4. APLIKASI RANCANGAN ACAK LENGKAP DUA FAKTOR Sebagaimana telah dijelaskan pada bab sebelumnya bahwa Metode Rancangan Acak Lengkap (RAL) umumnya dipakai pada kondisi lingkungan yang homogen diantaranya
Lebih terperinciRancangan Percobaan dengan SPSS 13.0 (Untuk kalangan sendiri)
Rancangan Percobaan dengan SPSS 13.0 (Untuk kalangan sendiri) Statistical Product and Service Solution (SPSS) merupakan salah satu perangkat lunak/software statistik yang dapat digunakan sebagai alat pengambil
Lebih terperinciBAB 3 APLIKASI RANCANGAN ACAK KELOMPOK 1 FAKTOR
BAB 3 APLIKASI RANCANGAN ACAK KELOMPOK 1 FAKTOR Rancangan Acak Kelompok atau biasa disingkat RAK digunakan jika kondisi unit percobaan yang digunakan tidak homogen. Dalam rancangan ini, petakan percobaan
Lebih terperinciBAB 7 APLIKASI RANCANGAN PETAK TERPISAH
BAB 7 APLIKASI RANCANGAN PETAK TERPISAH Rancangan split plot design atau dalam bahasa Indonesia disebut Rancangan Petak Terpisah atau Rancangan Petak Terbagi (RPT) merupakan jenis percobaan faktorial (lebih
Lebih terperinciPERCOBAAN BERFAKTOR DENGAN ARAS NOL ATAU PERLAKUAN KONTROL TERPISAH 1
PERCOBAAN BERFAKTOR DENGAN ARAS NOL ATAU PERLAKUAN KONTROL TERPISAH 1 oleh: I Gde Ekaputra Gunartha 2 Pendahuluan Sering terjadi pada percobaan berfaktor, peneliti melibatkan aras Nol. Seperti pada kasus
Lebih terperinciANALISIS DATA TERHADAP MUTU KIMIA ph KEFIR SUSU KACANG TANAH
74 LAMPIRAN 1 ANALISIS DATA TERHADAP MUTU KIMIA ph KEFIR SUSU KACANG TANAH Variasi Bahan Inokulum Ulangan Jumlah Rataan Baku (G) (F) 1 Perlakuan Perlakuan F1 4,4 4,5 8,900 4,450 G1 F 4,5 4,5 9,000 4,500
Lebih terperinciPENDUGAAN DATA HILANG PADA RANCANGAN ACAK KELOMPOK LENGKAP DENGAN ANALISIS KOVARIAN
PENDUGAAN DATA HILANG PADA RANCANGAN ACAK KELOMPOK LENGKAP DENGAN ANALISIS KOVARIAN SKRIPSI Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Statistika FSM UNDIP Oleh
Lebih terperinciPRAKTIKUM 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 terperinciBAB 2. APLIKASI RANCANGAN ACAK LENGKAP 1 FAKTOR
BAB 2. APLIKASI RANCANGAN ACAK LENGKAP 1 FAKTOR Rancangan Acak Lengkap (RAL) merupakan rancangan yang paling sederhana dibanding rancangan lainnya. Penggunaan RAL di berbagai bidang penelitian telah banyak
Lebih terperinciPENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL
PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL Prasetyo Universitas Negeri Malang E-mail : pras_kazekage@yahoo.com Pembimbing: (I) Ir. Hendro
Lebih terperinciLampiran 1 Rekapitulasi data tegakan akasia (Acacia mangium)
Lampiran 1 Rekapitulasi data tegakan akasia (Acacia mangium) Data Plot 1 Plot 2 Plot 3 Plot 4 Plot 5 Volume total petak 2.667164112 2.741236928 2.896762245 2.572835298 2.753163234 Volume per hektar 66.6791028
Lebih terperinciJenis Pupuk o B1 B2 B3 B4
TUTORIAL SPSS RANCANGAN ACAK KELOMPOK (RAK) oleh : Hendry http://teorionline.wordpress.com/ Rancangan acak kelompok (RAK) sering disebut dengan randomized complete block design (RCBD). Pada rancangan ini
Lebih terperinciBAB III METODOLOGI PENELITIAN. Definisi operasional yang dimaksud yaitu untuk menghindari kesalahan
BAB III METODOLOGI PENELITIAN 3.1 Definisi Operasional Definisi operasional yang dimaksud yaitu untuk menghindari kesalahan pemahaman dan perbedaan penafsiran yang berkaitan dengan istilah-istilah dalam
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 9 ANOVA (3)
STK511 Analisis Statistika Pertemuan 9 ANOVA (3) 9. ANOVA (3) Diagnosis Asumsi dalam Uji Hipotesis 1. bersifat bebas terhadap sesamanya. Nilai harapan dari nol, E 0 3. Ragam homogen, Var 4. Pola sebaran
Lebih terperinciANALISIS KERAGAMAN PADA DATA HILANG DALAM RANCANGAN KISI SEIMBANG SKRIPSI
ANALISIS KERAGAMAN PADA DATA HILANG DALAM RANCANGAN KISI SEIMBANG SKRIPSI Disusun oleh: NARISWARI DIWANGKARI 24010211120003 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG
Lebih terperinciBAB 5. APLIKASI RANCANGAN ACAK KELOMPOK DUA FAKTOR
A 5. APLIKASI RANCANGAN ACAK KELOMPOK DUA FAKTOR Dalam percobaan faktorial, pengaruh dua faktor atau lebih diselidiki secara bersama-sama. Apabila pengaruh suatu faktor diperkirakan akan berubah menurut
Lebih terperinciLAMPIRAN A UJI F KURVA BAKU
58 LAMPIRAN A UJI F KURVA BAKU Replikasi 1 Konsentrasi Absorbansi x 2 y 2 xy 1,01 0,029 1,0201 0,0008 0,0293 3,03 0,031 9,1809 0,0010 0,0939 5,05 0,045 25,5025 0,0020 0,2273 15,15 0,104 229,5225 0,0108
Lebih terperinciBAB 6 APLIKASI RANCANGAN ACAK KELOMPOK TIGA FAKTOR
BAB 6 APLIKASI RANCANGAN ACAK KELOMPOK TIGA FAKTOR Pada bab sebelumnya telah dibahas aplikasi rancangan acak kelompok satu faktor dan dua faktor. Bab ini akan membahas aplikasi SPSS dan SAS untuk analisis
Lebih terperinciLAMPIRAN A Percobaan Validasi Metode Analisa Propranolol HCl. 1. Penentuan Kurva Baku Berikut ini adalah data dari kurva baku selama tiga hari C 1
LAMPIRAN A Percobaan Validasi Metode Analisa Propranolol HCl 1. Penentuan Kurva Baku Berikut ini adalah data dari kurva baku selama tiga hari C 1 A 1 C 2 A 2 C 3 (µg/ml) (µg/ml) (µg/ml) 2,04 0,03 2 0,03
Lebih terperinciPENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP (Studi kasus: Cara Mengajar Dosen Jurusan Statistika UNDIP)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 183-192 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP (Studi
Lebih terperinciTwo-Factors Factorial Design
Two-Factors Factorial Design Materi Kuliah Ke-5 & 6 DESAIN EKSPERIMEN Dimas Yuwono Wicaksono, ST., MT. dimas_w@ahoo.com 1 Two-Factors Factorial Design Disain faktorial faktor adalah untuk melihat pengaruh
Lebih terperinci: - Mahasiswa dapat melakukan eksperimen dengan bantuan software MINITAB
A. TUJUAN Tujuan Umum Tujuan Khusus : - Mahasiswa dapat melakukan eksperimen dengan bantuan software MINITAB : - Mahasiswa dapat menggunakan MINITAB dengan metode ANOVA - Mahasiswa dapat menggunakan MINITAB
Lebih terperinciTIN309 - Desain Eksperimen Materi #10 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN
Materi #10 TIN309 DESAIN EKSPERIMEN Pendahuluan 2 Disain 2 Faktorial dan 3 Faktorial yang telah dipelajari sebelumnya adalah random desain. Apabila terdapat nuisance factors yaitu suatu faktor yang memberikan
Lebih terperinciLampiran 1. Langkah Penelitian. Air Limbah dengan kadar phosphate tinggi. Pengukuran Suhu dan ph sebelum perlakuan
Lampiran 1. Langkah Penelitian Air Limbah dengan kadar phosphate tinggi Pengukuran Suhu dan ph sebelum perlakuan Masukkan dalam wadah sebanyak 1 liter Masukkan Poly Aluminium Chloride (PAC). Proses Koagulasi
Lebih terperinciLAMPIRAN A PERCOBAAN VALIDASI METODE ANALISA PROPRANOLOL HCL. Berikut ini adalah data dari kurva baku selama tiga hari berturut turut A 2 C 3.
LAMPIRAN A PERCOBAAN VALIDASI METODE ANALISA PROPRANOLOL HCL 1. Penentuan Kurva Baku Berikut ini adalah data dari kurva baku selama tiga hari berturut turut C 1 (µg/ ml) A 1 C 2 (µg/ ml) A 2 C 3 (µg/ ml)
Lebih terperinciPEMANFAATAN PROGRAM STATISTICAL PRODUCT SERVICE SOLUTION(SPSS) DALAM PENGOLAHAN DATA STATISTCKA
Temn Tekms Fungsional.%on Penelin 100-1 PEMANFAATAN PROGRAM STATISTICAL PRODUCT SERVICE SOLUTION(SPSS) DALAM PENGOLAHAN DATA STATISTCKA M.E. Y(!SNANDAR Balai Penelitian Ternak, PO Box 16/)02, Bogor RINGKASAN
Lebih terperinciLAMPIRAN. Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama
48 LAMPIRAN Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama No. ID Sapi... Selanjutnya Ke Tanggal Tanggal Kawin Pertama Jumlah Servis (Kali) Service Period Lama Kosong Selang 1 776 1 13/08/2009
Lebih terperinciPENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP. Cara Mengajar Dosen Jurusan Statistika UNDIP)
PENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP (Studi kasus: Cara Mengajar Dosen Jurusan Statistika UNDIP) SKRIPSI Disusun oleh : ILHAM MUHAMMAD J2E 008 027 JURUSAN STATISTIKA FAKULTAS SAINS
Lebih terperinciLAPORAN PRAKTIKUM STATISTIK ELEMENTER UJI ANALISIS VARIAN DUA ARAH (TWO WAY ANOVA) Dosen Pengampu Dr. Sri Harini, M.Si
LAPORAN PRAKTIKUM STATISTIK ELEMENTER UJI ANALISIS VARIAN DUA ARAH (TWO WAY ANOVA) Dosen Pengampu Dr. Sri Harini, M.Si Oleh Nurul Anggraeni Hidayati NIM. 14610002 JURUSAN MATEMATIKA FAKULTAS SAINS DAN
Lebih terperinciAPLIKASIANALISIS RANCANGAN ACAK LENGKAP DALAM PENGOLAHAN DATAHASILPENELITIAN PERCOBAAN PAKAN TERNAK PADAKAMBINGINDUK
APLIKASIANALISIS RANCANGAN ACAK LENGKAP DALAM PENGOLAHAN DATAHASILPENELITIAN PERCOBAAN PAKAN TERNAK PADAKAMBINGINDUK M.E. Yusnandar Balai Penelitian Ternak, PO Box 221, Bogor 16002 RINGKASAN Kambing BKC
Lebih terperinciJika Ho ditolak berarti ada minimal satu mean yang berbeda nyata dengan yang lain :
perlu dilakukan pengujian lanjutan melacak perbedaan diantara nilai-nilai rerata perlakuan uji perbandingan berganda: LSD : least Significant Difference Uji Tukey : Honestly Significant Difference DMRT
Lebih terperinciLAMPIRAN A HASIL UJI MUTU FISIK GRANUL. Formula Tablet Bukoadhesif
LAMPIRAN A HASIL UJI MUTU FISIK GRANUL Mutu fisik yang diuji Kelembaban (Kadar air) (Persen) Waktu alir (detik) Sudut diam (derajat) Indeks kompresibilitas (persen) Batch Formula Tablet Bukoadhesif Atenolol
Lebih terperinciBAB 8. APLIKASI RANCANGAN PETAK PETAK TERPISAH
BAB 8. APLIKASI RANCANGAN PETAK PETAK TERPISAH Rancangan split split plot design atau Rancangan Petak Petak merupakan jenis percobaan yang melibatkan tiga faktor atau lebih sekaligus dengan tingkat ketelitian
Lebih terperinciANALISIS KERAGAMAN PADA DATA HILANG DALAM RANCANGAN KISI SEIMBANG
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 5, Nomor, Tahun 206, Halaman 53-62 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian ANALISIS KERAGAMAN PADA DATA HILANG DALAM RANCANGAN KISI SEIMBANG Nariswari
Lebih terperinciBAB IV HUBUNGAN PROFESIONALITAS GURU DALAM PEMBELAJARAN DENGAN PRESTASI BELAJAR SISWA DI MI SALAFIYAH BEJI TULIS BATANG
BAB IV HUBUNGAN PROFESIONALITAS GURU DALAM PEMBELAJARAN DENGAN PRESTASI BELAJAR SISWA DI MI SALAFIYAH BEJI TULIS BATANG A. Analisis data tentang Profesionalitas Guru Dalam Pembelajaran di MI Salafiyah
Lebih terperinciBAB IV KORELASI ANTARA PEMAHAMAN PESERTA DIDIK TENTANG TATA TERTIB SEKOLAH DENGAN KEDISIPLINAN PESERTA DIDIK DI MA YIC BANDAR BATANG
BAB IV KORELASI ANTARA PEMAHAMAN PESERTA DIDIK TENTANG TATA TERTIB SEKOLAH DENGAN KEDISIPLINAN PESERTA DIDIK DI MA YIC BANDAR BATANG A. Analisis Pemahaman Peserta Didik Tentang Tata Tertib Sekolah di MA
Lebih terperinciVI. SPSS RANCANGAN ACAK KELOMPOK (RAK)
VI. SPSS RANCANGAN ACAK KELOMPOK (RAK) Syarat : Ada satu peuabah bebas yang disebut perlakukan Ada satu peubah sampingan/pengganggu yang disebut kelompok Model Matematis : Yij = µ + Ki + Pj + єij i = 1,
Lebih terperinciLAMPIRAN A HASIL UJI MUTU FISIK GRANUL
LAMPIRAN A HASIL UJI MUTU FISIK GRANUL Mutu fisik yang diuji Kadar air (%) Waktu alir (detik) Sudut diam ( ) Indeks kompresibilitas (%) Replikasi Formula I II III IV I 3,34 3,35 3,31 3,25 II 3,01 3,04
Lebih terperinciLAMPIRAN A HASIL UJI MUTU FISIK GRANUL
LAMPIRAN A HASIL UJI MUTU FISIK GRANUL Pengujian Kadar air (persen) Waktu alir (detik) Sudut diam (derajat) Indeks kompresibilitas (persen) Formula Replikasi 1 2 3 4 I 3,64 4,71 4,38 2,78 II 4,66 3,11
Lebih terperinciPengenalan SPSS 15.0
Pengenalan SPSS 15.0 1.1 Pengantar SPSS SPSS atau kepanjangan dari Statistical Product and Service Solution merupakan salah satu dari sekian banyak software statistika yang banyak digunakan oleh berbagai
Lebih terperinciANALISIS RANCANGAN BUJUR SANGKAR GRAECO LATIN
ANALISIS RANCANGAN BUJUR SANGKAR GRAECO LATIN SKRIPSI Disusun Oleh: YUYUN NAIFULAR J2E009052 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG 2013 ANALISIS RANCANGAN BUJUR
Lebih terperinciANOVA SATU ARAH Nucke Widowati Kusumo Projo, S.Si, M.Sc
ANOVA SATU ARAH Nucke Widowati Kusumo Proo, S.Si, M.Sc It s about: Ui rata-rata untuk lebih dari dua populasi Ui perbandingan ganda (ui Duncan & Tukey) Output SPSS PENDAHULUAN Ui hipotesis yang sudah kita
Lebih terperinciSIMULASI RANCANGAN ACAK KELOMPOK TAK LENGKAP SEIMBANG DAN EFISIENSINYA
Agusrawati //Paradigma, Vol. 16 No.1, April 2012, hlm. 31-38 SIMULASI RANCANGAN ACAK KELOMPOK TAK LENGKAP SEIMBANG DAN EFISIENSINYA Agusrawati 1) 1) Jurusan Matematika FMIPA Unhalu, Kendari, Sulawesi Tenggara
Lebih terperinciANALISIS VARIAN DUA FAKTOR DALAM RANCANGAN PENGAMATAN BERULANG ( REPEATED MEASURES )
ANALISIS VARIAN DUA FAKTOR DALAM RANCANGAN PENGAMATAN BERULANG ( REPEATED MEASURES ) SKRIPSI Disusun Oleh: ALIF HARTATI J2E009036 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciBAB 1 PENDAHULUAN. Arus globalisasi dan teknologi saat ini berkembang demikian cepat di seluruh
BAB 1 PENDAHULUAN 1.1 Latar Belakang Arus globalisasi dan teknologi saat ini berkembang demikian cepat di seluruh dunia. Teknologi-teknologi baru di berbagai bidang banyak bermunculan dan dengan cepat
Lebih terperinciAPLIKASI SPSS DAN SAS UNTUK PERANCANGAN PERCOBAAN
APLIKASI SPSS DAN SAS UNTUK PERANCANGAN PERCOBAAN Aplikasi Pertanian Aplikasi Peternakan Aplikasi Kehutanan Aplikasi MIPA Muhammad Aqil Roy Efendi KATA PENGANTAR Keberhasilan pembangunan di bidang pertanian,
Lebih terperinciMETODE LENTH PADA RANCANGAN FAKTORIAL FRAKSIONAL DENGAN ESTIMASI EFEK ALGORITMA YATES
METODE LENTH PADA RANCANGAN FAKTORIAL FRAKSIONAL DENGAN ESTIMASI EFEK ALGORITMA YATES SKRIPSI Disusun oleh : MUTIARA ARDIN RIFKIANI 24010211140102 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciBAHAN DAN METODE. Tempat dan Waktu
BAHAN DAN METODE Tempat dan Waktu Penelitian ini dilaksanakan di Kebun Percobaan Cikabayan, IPB yang berada pada ketinggian 220 m di atas permukaan laut dengan tipe tanah latosol. Penelitian dilakukan
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN Empat bagian penting yaitu bagian deskripsi data, pengujian persyaratan analisis, pengujian hipotesis penelitian, dan bagian keterbatasan penelitian akan disajikan di sini, dan
Lebih terperinciLAMPIRAN A HASIL UJI MUTU FISIK GRANUL. Propranolol Hidroklorida
LAMPIRAN A HASIL UJI MUTU FISIK GRANUL Replikasi Formula Tablet Sublingual Mutu fisk Propranolol Hidroklorida yang diuji F I F II F III F IV Persyaratan Waktu alir I 9.57 8.54 7.56 6.01 Tidak lebih (detik)
Lebih terperinci1.1 Memulai SPSS SPSS Data Editor PENGENALAN SPSS. Margaretha Ohyver 1, Anita Rahayu 1, Rokhana Dwi Bekti 2
PENGENALAN SPSS Margaretha Ohyver 1, Anita Rahayu 1, Rokhana Dwi Bekti 2 Statistical Product and Service Solution (SPSS) merupakan salah satu dari beberapa program aplikasi komputer untuk menganalisis
Lebih terperinciDesain 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 terperinciBAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA
BAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA SPSS menyediakan fasilitas untuk melakukan analisis deskriptif data seperti uji deskriptif, validitas dan normalitas data. Uji deskriptif yang dilakukan
Lebih terperinciSTATISTIKA DESKRIPTIF
STATISTIKA DESKRIPTIF 1 Statistika deskriptif berkaitan dengan penerapan metode statistika untuk mengumpulkan, mengolah, menyajikan dan menganalisis data kuantitatif secara deskriptif. Statistika inferensia
Lebih terperinciLAMPIRAN A SKALA PENELITIAN
51 LAMPIRAN A SKALA PENELITIAN 52 A 1 SKALA PERILAKU MEMBELI DAGING SAPI IMPOR 53 SKALA PERILAKU MEMBELI DAGING SAPI IMPOR No Pernyataan Jawaban 1 Dalam 1 bulan berapa kali anda membeli di CV RAB : a.
Lebih terperinciLampiran 1 Kuesioner Penelitian Yth. Responden Dalam rangka memenuhi penelitian, saya sebagai mahasiswa Universitas Katolik Widya Mandala Surabaya,
Lampiran 1 Kuesioner Penelitian Yth. Responden Dalam rangka memenuhi penelitian, saya sebagai mahasiswa Universitas Katolik Widya Mandala Surabaya, sangat mengharapkan kesediaan Bapak/Ibu/Sdr/i meluangkan
Lebih terperinciPENGARUH PERENDAMAN BAHAN BASIS GIGITIRUAN RESIN AKRILIK POLIMERISASI PANAS DALAM EKSTRAK BONGGOL NANAS
Lampiran 1 Kerangka Konsep Skripsi PENGARUH PERENDAMAN BAHAN BASIS GIGITIRUAN RESIN AKRILIK POLIMERISASI PANAS DALAM EKSTRAK BONGGOL NANAS Queen DAN REBUSAN DAUN SIRIH TERHADAP PERTUMBUHAN Candida albicans
Lebih terperinciBAB IV ANALISIS KORELASI ANTARA NILAI BTQ DENGAN PRESTASI BELAJAR MAPEL PAI DI SD KANDANG PANJANG 01 PEKALONGAN
BAB IV ANALISIS KORELASI ANTARA NILAI BTQ DENGAN PRESTASI BELAJAR MAPEL PAI DI SD KANDANG PANJANG 01 PEKALONGAN A. Analisis Data tentang Nilai BTQ SD Kandang Panjang 01 Pekalongan Setelah dikumpulkan dengan
Lebih terperinciLampiran 1. Analisis presentase karkas ayam pedaging. Perlakuan
Lampiran 1. Analisis presentase karkas ayam pedaging Perlakuan 1 2 3 4 5 total Rata-rata P0 61.50 61.23 61.51 62.00 61.02 307.26 61.45 P1 61.19 62.30 62.06 62.46 62.00 310.01 62.002 P2 62.30 63.20 63.20
Lebih terperinciPERTUMBUHAN SEMAI Shorea seminis (de VRIESE) SLOOTEN PADA KANDUNGAN AIR TANAH YANG BERBEDA (Growth of Shorea seminis (de Vriese) Slooten Seedling at
PERTUMBUHAN SEMAI Shorea seminis (de VRIESE) SLOOTEN PADA KANDUNGAN AIR TANAH YANG BERBEDA (Growth of Shorea seminis (de Vriese) Slooten Seedling at Different Soil Moisture Content) Tabel (Table) 1.
Lebih terperinciKEPERCAYAAN DIRI. Corrected Item-Total Correlation
LAMPIRAN 61 KEPERCAYAAN DIRI PUTARAN 1 N % Cases Valid 60 100.0 Excluded( a) 0.0 Total 60 100.0 a Listwise deletion based on all variables in the procedure. Reliability Statistics Alpha N of Items.756
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Rancangan Penelitian 1. Pendekatan Penelitian Penelitian merupakan sarana untuk mengembangkan ilmu pengetahuan, baik secara teori maupun praktik. Penelitian juga merupakan
Lebih terperinciPerancangan dan Analisis Data Percobaan Pertanian. Sutoro BB BIOGEN
Perancangan dan Analisis Data Percobaan Pertanian Sutoro BB BIOGEN PRINSIP PERANCANGAN PERCOBAAN Ulangan (replication) Pengacakan (randomization) Pengendalian tempat percobaan (local control) Percobaan
Lebih terperinciModul 2017/2018 TUTORIAL SIMULASI KOMPUTER. Laboratorium Pemodelan dan Simulasi Industri Universitas Islam Indonesia
TUTORIAL SIMULASI KOMPUTER 5 2017/2018 Modul DESAIN EKSPERIMENT & PEMILIHAN ALTERNATIF Laboratorium Pemodelan dan Simulasi Industri Universitas Islam Indonesia DAFTAR ISI 1. Tujuan Umum... 2 2. Desain
Lebih terperinciBELAJAR SPSS. Langkah pertama yang harus dilakukan adalah dengan cara menginstal terlebih dahulu software SPSS
BELAJAR SPSS SPSS merupakan software statistik yang paling populer, fasilitasnya sangat lengkap dibandingkan dengan software lainnya, penggunaannya pun cukup mudah. Langkah pertama yang harus dilakukan
Lebih terperinciRANCANGAN 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 terperinciSTATISTIK DESKRIPTIF. Statistics. Strategi Membaca
2 Lampiran 8 Statistics N Mean Median Mode Std. Deviation Variance Range Minimum Maximum Sum Valid Missing STATISTIK DESKRIPTIF Statistics Strategi Membaca Variables Penguasaan Kosakata Kemampuan Memahami
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. website, uji validitas dan reabilitas, uji asumsi, analisis regresi linear berganda.
BAB IV HASIL DAN PEMBAHASAN Pada bab ini akan membahas mengenai hasil dari analisis yang dilakukan. Hasil dan pembahasan ini terdiri dari gambaran umum responden, kualitas website, uji validitas dan reabilitas,
Lebih terperinciMODUL 1 PRINSIP DASAR PERANCANGAN PERCOBAAN
MODUL 1 PRINSIP DASAR PERANCANGAN PERCOBAAN A. Pendahuluan Bahan Pembelajaran 1 berupa modul ini adalah suatu pengantar dalam perancangan percobaan yang akan dibahas hubungannya dengan sasaran, analisis
Lebih terperinciStatistika Psikologi 2
Modul ke: Statistika Psikologi 2 Fakultas Psikologi Program Studi Psikologi Sampling, Sampling Distribution, Confidence Intervals, Effect Size, dan Statistical Power SAMPLING Teknik menentukan sampel dari
Lebih terperinciberlaku pada perusahaan
KUISIONER Identitas Responden Nama : Jenis Kelamin : (Laki-laki)/Perempuan) Usia : Pendidikan : Status : (Kawin)/(Belum Kawin) Bidang Kerja : Petunjuk pengisian : 1. Anda diharapkan memilih pernyataan-pernyataan
Lebih terperinciXII. SPSS RANCANGAN ACAK LENGKAP POLA BERJENJANG
XII. SPSS RANCANGAN ACAK LENGKAP POLA BERJENJANG Rancangan Acak Lengkap Pola Berjenjang adalah rancangan percobaan dengan materi homogen atau tidak ada peubah pengganggu, rancangan ini sebenarnya merupakan
Lebih terperinciLampiran 1. Kuesioner Self Efficacy (I) dan Persepsi Manajemen Perusahaan (II) Pendidikan terakhir : SMA / D3 / S1 / S2 / S3 / Lainnya,.
Lampiran 1. Kuesioner Self Efficacy (I) dan Persepsi Manajemen Perusahaan (II) IDENTITAS RESPONDEN Nama (boleh samaran) : Jenis Kelamin : P / L Usia :. Tahun Pendidikan terakhir : SMA / D3 / S1 / S2 /
Lebih terperinciMEMAHAMI ANALISIS VARIANS oleh: Kusnendi Sekolah Pascasarjana Universitas Pendidikan Indonesia, 2016 (http://file.upi.edu/dosen)
MEMAHAMI ANALISIS VARIANS oleh: Kusnendi Sekolah Pascasarjana Universitas Pendidikan Indonesia, 016 (http://file.upi.edu/dosen) 1. Pendahuluan Analisis varians penting dipahami karena melalui analisis
Lebih terperinciBAB IV HASIL PENELITIAN. beberapa guru PAI yang belum tersertifikasi dan guru PAI yang sudah. dan 15 item untuk penilaian kompetensi professional.
126 BAB IV HASIL PENELITIAN A. Deskripsi Data Penelitian ini dilakukan pada tanggal 20 Maret sampai dengan 12 Mei 2016 terhadap penilaian siswa yang diajar guru PAI yang belum tersertifikasi dan sudah
Lebih terperinciBAB 08 ANALISIS VARIAN 8.1 ANALISIS VARIAN SATU JALAN
BAB 08 ANALISIS VARIAN Sebagaimana yang sudah dijelaskan sebelumnya bahwa salah satu statistik parametrik yang sering digunakan dalam penelitian pendidikan yaitu Analisis Varian. Oleh karena itu pada bagian
Lebih terperinciPERCOBAAN FAKTORIAL DENGAN RANCANGAN DASAR BUJUR SANGKAR LATIN
PERCOBAAN FAKTORIAL DENGAN RANCANGAN DASAR BUJUR SANGKAR LATIN SKRIPSI Oleh: Umi Sholikha J2A 606 050 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 2010
Lebih terperinciTo test the significant effect of two independent variables to one dependent variable, and to test the significant interaction of the two independent
TWO-WAY ANOVA To test the significant effect of two independent variables to one dependent variable, and to test the significant interaction of the two independent variables to the dependent variable.
Lebih terperinciLAMPIRAN A DATA TRY OUT
LAMPIRAN A DATA TRY OUT 58 A-1 DATA TRY OUT HUBUNGAN SEKSUAL 59 x1 x2 x3 x4 x5 a1 1 1 1 1 2 a2 1 1 1 1 1 a3 1 2 1 2 2 a4 1 1 1 1 1 a5 1 1 1 1 1 a6 1 1 1 1 1 a7 1 1 1 1 1 a8 2 2 1 1 2 a9 1 1 1 1 1 a10 2
Lebih terperinciSuatu percobaan dilaksanakan untuk mendapatkan informasi dari populasi. Informasi yang diperoleh digunakan untuk:
PENDAHULUAN Program Percobaan Suatu percobaan dilaksanakan untuk mendapatkan informasi dari populasi. Informasi yang diperoleh digunakan untuk: Inferensia tentang parameter populasi Membuat keputusan tentang
Lebih terperinciHANDOUT METODE PENELITIAN KUANTITATIF ANALISIS DATA MENGGUNAKAN SPSS
HANDOUT METODE PENELITIAN KUANTITATIF ANALISIS DATA MENGGUNAKAN SPSS UJI RELIABILITAS DAN SELEKSI ITEM a. Pindahkan hasil data item dari tabulasi di Excel ke data view SPSS b. Di bagian variable view rubah
Lebih terperinciANALYSIS OF VARIANCE (ANOVA)
ANALYSIS OF VARIANCE (ANOVA) Pendahuluan ANOVA Uji dengan ANOVA Post hoc procedure Materi Kuliah PENDAHULUAN Jika uji t digunakan untuk membandingkan ratarata/parameter sampel ANOVA digunakan untuk membandingkan
Lebih terperinciBAB II LANDASAN TEORI
8 BAB II LANDASAN TEORI 2.1 Kerangka Teori 2.1.1 Rekayasa Piranti Lunak Menurut Prahasta (2005, p223), rekayasa piranti lunak adalah sekumpulan aktifitas aktifitas kerja yang berkaitan erat dengan perancangan
Lebih terperinciLampiran 1. Skema pengolahan limbah sayuran. Sayuran dikumpulkan, dipilah dan dicuci dengan air. Ditiriskan menggunakan jaring
33 Lampiran 1. Skema pengolahan limbah sayuran Sayuran dikumpulkan, dipilah dan dicuci dengan air Ditiriskan menggunakan jaring Dicacah dan diangin-anginkan dilapangan terbuka Dikeringkan sampai kadar
Lebih terperinciMODUL V REGRESI, KORELASI, ANALISIS VARIAN, VALIDITAS DAN RELIABILITAS
REGRESI, KORELASI, ANALISIS VARIAN, VALIDITAS DAN RELIABILITAS A. TUJUAN PRAKTIKUM Dengan adanya Praktikum Statistika Industri Modul V tentang Regresi, Korelasi, Analisis Varian, Validitas dan Reliabilitas
Lebih terperinciLampiran 1. Skema Penelitian
105 Lampiran 1. Skema Penelitian DOC (Day Old Chick) Ampas kecap - Diberikan air gula & vaksin antistress - Vaksin ND (umur 4 & 20 hari) - Vaksin gumboro (umur 10 & 25 hari) - umur 0-2 minggu (protein
Lebih terperinciLampiran 1. Data Eksperimen
1 Lampiran 1. Data Eksperimen No. Kelas Kelompok Lingkungan Produksi Insentif Moneter Kinerja Kelompok Uji Manipulasi 1 A 0 Lini Perakitan Piece Rate 13 Lolos 2 A 1 Lini Perakitan Piece Rate 6 Lolos 3
Lebih terperinciANALISIS REGRESI Oleh : Andi Rusdi
ANALISIS REGRESI Oleh : Andi Rusdi A. Sekilas Mengenai Regresi Regresi diperkenalkan oleh Francis Galton dalam makalah (Family in Stature, Processing of Royal Society, London, vol.4, 1886), yang mengemukakan
Lebih terperinciLampiran 1 LEMBAR ANGKET (KUESIONER)
Lampiran 1 LEMBAR ANGKET (KUESIONER) Nomor Responden : Bagian 1 Identitas Pribadi Responden Isi dan beri tanda ( ) pada jawaban-jawaban yang sesuai dengan Bapak/Ibu/Saudara. 1. Nama : 2. Alamat : 3. Usia
Lebih terperinciBAB IV PENGARUH PENDIDIKAN GURU TERHADAP KREATIFITAS INOVASI MANAJEMEN PEMBELAJARAN MADRASAH DI MIN KEDUNGWUNI
BAB IV PENGARUH PENDIDIKAN GURU TERHADAP KREATIFITAS INOVASI MANAJEMEN PEMBELAJARAN MADRASAH DI MIN KEDUNGWUNI A. Analisis Data Tentang Pendidikan Guru MIN Kedungwuni Setelah dikumpulkan dengan lengkap,
Lebih terperinciJenis kelamin : a. Laki-laki b. Perempuan. Pekerjaan : a. Pelajar b. PNS c.karyawan. d. Mahasiswa e... Lama menjadi Anggota : a. 1 Tahun b.
LAMPIRAN A : KUISIONER PENELITIAN KUESIONER PENELITIAN PENGARUH MUTUAL BENEFIT, KEPERCAYAAN DAN KOMITMEN MELALUI (MEDIATOR) KEPUASAN KONSUMEN TERHADAP LOYALITAS ANGGOTA KOPERASI BANGUN JAYA CABANG PONOROGO.
Lebih terperinciSaya sering bermimpi buruk SS S TS STS
64 Pernyataan Dengan hormat, Di tengah-tengah kesibukan Anda saat ini, perkenankanlah saya mohon kesediaan Anda meluangkan waktu sejenak untuk mengisi dua macam skala yang telah disediakan.tujuan skala
Lebih terperinciBAB 11 ANALISIS REGRESI LINIER BERGANDA
BAB 11 ANALISIS REGRESI LINIER BERGANDA Selain regresi linier sederhana, metode regresi yang juga banyak digunakan adalah regresi linier berganda. Regresi linier berganda digunakan untuk penelitian yang
Lebih terperinciMETODOLOGI HASIL DAN PEMBAHASAN
3 berada pada jarak sejauh tiga atau empat kali simpangan baku dari nilai tengahnya (Aunuddin 1989). Pendekatan pencilan dapat dilakukan dengan melihat plot peluang normal. Apabila terdapat loncatan vertikal
Lebih terperinciMATERI II STK 222 PERANCANGAN PERCOBAAN PRINSIP DASAR PERANCANGAN PERCOBAAN
MATERI II STK 222 PERANCANGAN PERCOBAAN PRINSIP DASAR PERANCANGAN PERCOBAAN Pendahuluan Percobaan? Suatu kegiatan yang dilakukan untuk membangkitkan data yang merupakan respons dari objek/individu/unit
Lebih terperinciRancangan Acak Lengkap. Created by : Ika Damayanti, S.Si, M.Si
Rancangan Acak Lengkap Created b : Ika Damaanti, S.Si, M.Si RAL (Rancangan Acak Lengkap) Desain dimana perlakuan dikenakan sepenuhna secara acak kepada unit- unit eksperimen. Desain ini dapat digunakan
Lebih terperinciBahan Kuliah Statistik 2 ANALISIS VARIANS. Toto Sugiharto
Bahan Kuliah Statistik ANALISIS VARIANS Toto Sugiharto Fakultas Ekonomi 009 Analisis Varians (Analysis of Variance) Analisis Varians Satu-Arah (One-Way Analysis of Variance ANOVA) Prosedur analisis varians
Lebih terperinci