PERCOBAAN BERFAKTOR DENGAN ARAS NOL ATAU PERLAKUAN KONTROL TERPISAH 1
|
|
- Indra Yuwono
- 7 tahun lalu
- Tontonan:
Transkripsi
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 berikut: Percobaan-1: Peneliti ingin mengetahui pengaruh dosis pupuk P dan saat aplikasinya terhadap hasil tanaman kedelai. Aras faktor pupuk P yang dikaji meliputi: 0, 75, 150, 225 kg ha -1 ; dan saat aplikasi 0, 21, dan 35 HST. Percobaan-2: Peneliti ingin mengetahui pengaruh konsentrasi dan frekuensi pemberian Plant Catalyst terhadap hasil bawang merah. Aras konsentrasi Plant Catalyst meliputi: 0, 0,25, 0,50, 0,75, dan 1% ; dan frekuensi pemberiannya meliputi: 2 kali (7 dan 35 HST), 3 kali (7, 28, dan 49 HST), dan 4 kali (7, 21, 35, dan 49 HST). Sepintas kedua percobaan di atas merupakan percobaan berfaktor (ordinary cross factorial experiments), namun dengan adanya aras Nol pada Dosis Pupuk P (Percobaan-1) dan pada Konsentrasi Plant Catalyst (Percobaan-2) dapat menimbulkan masalah, karena aras Nol Dosis P di kombinasikan dengan saat aplikasi yang manapun tetap bermakna sebagai tanpa perlakuan P. Begitu juga pada aras Nol Konsentrasi Plant Catalyst yang dikombinasikan dengan frekuensi pemberian yang manapun tetap bermakna tanpa perlakuan Plant Catalyst. Jadi pada Percobaan-1 jumlah perlakuan tanpa pupuk P menjadi tiga kali lebih banyak dibandingkan dengan masing-masing kombinasi perlakuan yang lain; demikian juga pada Percobaan-2. Kalau perlakuan aras Nol itu hanya diambil satu saja, maka hal ini akan merusak struktur rancangan perlakuan faktorial. Hal ini menyebabkan percobaan tidak lagi memiliki sifat ortogonal, yakni sifat kemudahan untuk pengambilan kesimpulan dari gatra independensi. 1 Materi disampaikan pada Diskusi Bulanan Dosen Program Studi Agronomi Fakultas Pertanian Universitas Mataram, 03 September Ir. I Gde Ekaputra Gunartha, M.Agr., Ph.D. adalah staf pengajar Statistika pada Fakultas Pertanian Unram. I G Ekaputra G - 1
2 Di samping kasus yang ada pada kedua percobaan di atas, peneliti kadangkala sering juga melakukan rancangan perlakuan yang terdiri atas rancangan berfaktor ditambah kontrol yang terpisah, seperti ditunjukkan pada Percobaan-3. Percobaan-3: Peneliti ingin mengetahui pengaruh dosis dan saat aplikasi pupuk alternatif Phonska terhadap hasil padi. Dosis pupuk yang dikaji meliputi: 100, 200, 300, dan 400 kg ha -1 ; dan saat aplikasi sekali umur 21 HSPT (fase anakan); dua kali umur 21 HSPT (fase anakan) dan 42 HSPT (fase primordia); dan 3 kali umur 0 HSPT (saat pindah tanam), 21 HSPT (fase anakan) dan 42 HSPT (fase primordia). Untuk melihat efektivitas aplikasi pupuk tersebut juga dibandingkan dengan aplikasi rekomendasi Paket Standar Supra Insus. Pada Percobaan-3 menunjukkan perbedaan rancangan perlakuan, yakni perlakuan percobaan berfaktor 4x3 ditambah satu perlakuan kontrol. Dengan struktur rancangan perlakuan seperti ini maka keutuhan sifat rancangan faktorial masih dapat dipertahankan, artinya percobaan masih memiliki sifat ortogonal. Untuk itulah maka aras Nol pada Percobaan-1 dan Percobaan-2 harus dikeluarkan dari struktur rancangan perlakuan faktorial dan ditempatkan seperti yang diuraikan pada Percobaan-3. Hal ini dimaksudkan agar percobaan tetap memiliki sifat ortogonalitas, sebagaimana merupakan salah satu asumsi analisis ragam yang harus dipenuhi. Metode Pemecahan Derajat Bebas dan Jumlah Kuadrat Untuk menyederhanakan uraian pemecahan derajat bebas (db) dan jumlah kuadrat (JK) pada sumber keragaman, maka misal pada suatu persobaan, kita melibatkan a aras faktor A dan b aras faktor B ditambah satu perlakuan kontrol di luar struktur rancangan faktorial; maka jumlah perlakuan kita menjadi (ab + 1). Misal rancangan lingkungan (percobaan) yang kita gunakan adalah Rancangan Kelompok Lengkap Teracak (Randomized Complete Block Design, RCBD), dan setiap perlakuan diulang sebanyak r kali, maka pemecahan db dan JK dapat dilakukan dengan 3 langkah berikut: Langkah-1.-- Pemecahan dilakukan dengan memandang (ab + 1) perlakuan pada RCBD, sehingga model liniernya menjadi Yij (1) i j ij dimana pengaruh i = pengaruh perlakuan, terdiri atas beda pengaruh kontrol vs perlakuan, pengaruh utama faktor A, pengaruh utama faktor B dan interaksi A*B; j = pengaruh blok I G Ekaputra G - 2
3 ke j; dan ij = galat perlakuan ke-i pada blok ke-j. Hasil pemecahan db dan JK-nya sebagai berikut: Tabel 1. Pemecahan db dan JK pada RCBD Sumber Keragaman Derajat Bebas Jumlah Kuadrat Blok (r 1) JKBlok Perlakuan (ab + 1) 1 = ab JKPerlakuan Galat (ab + 1)(r 1) JKGalat Total r(ab +1) - 1 JKTotal Langkah-2.-- Lakukan pemecahan db dan JK untuk percobaan faktorial a x b saja (artinya perlakuan kontrol diabaikan), hasilnya seperti pada Tabel 2. Tabel-2. Pemecahan db dan JK pada rancangan perlakuan faktorial axb Sumber Keragaman Derajat Bebas Jumlah Kuadrat Blok Tidak dipakai Tidak dipakai Faktor A (a 1) JKA Faktor B (b 1) JKB Interaksi A*B (a 1)(b 1) JKAB Galat Tidak dipakai Tidak dipakai Total Tidak dipakai Tidak dipakai Langkah-3.-- Substitusi hasil Langkah-2 yang ada dalam kotak garis putus-putus (hasil pemecahan pengaruh utama faktor utama A, faktor B, dan interkasi A*B) ke dalam Tabel 1, dan diperoleh Tabel 3. I G Ekaputra G - 3
4 Tabel 3. Pemecahan db dan JK untuk percobaan berfaktor dengan kontrol terpisah Sumber Keragaman Derajat Bebas Jumlah Kuadrat Blok (r 1) JKBlok Perlakuan (ab + 1) 1 = ab JKPerlakuan Kontrol vs Perlakuan lain ab (a-1) (b-1) (a-1)(b-1) = 1 JKKvsP = JKPerlakuan JKA JKB JKAB Faktor A (a 1) JKA Faktor B (b 1) JKB Interaksi A*B (a 1)(b 1) JKAB Galat (ab + 1)(r 1) JKGalat Total r(ab +1) - 1 JKTotal Analisis data seperti yang ditunjukkan pada Tabel 1 3 dapat dilakukan dengan banyak piranti lunak Statistika, namun pada makalah ini penulis mensosialisasikannya dengan menggunakan Microsoft Excel dan MINITAB. Teladan Numerik Data percobaan berikut merupakan data hipotetik untuk kebutuhan elaborasi teori dalam makalah ini. Seorang peneliti melakukan percobaan untuk mengetahui pengaruh saat aplikasi dan dosis pupuk P terhadap hasil jagung, menggunakan RCBD. Saat aplikasi (faktor A) yang dikaji meliputi: saat awal tanam (a 1 ), saat pertumbuhan vegetatif cepat (a 2 ), saat pertumbuhan akhir vegetatif (a 3 ), dan saat primordia (a 4 ). Dosis pupuk P (faktor B) meliputi: 150, 225, dan 300 kg ha -1. Hasil panen diperoleh sebagai berikut: Perlakuan (t) Blok (r) Faktor A Faktor B I II III b 1 21,6 18,9 17,6 a 1 b 2 19,4 19,4 19,4 b 3 17,6 19,8 21,5 b 1 8,1 5,0 9,6 a 2 b 2 15,3 11,1 10,2 b 3 19,2 13,8 16,2 b 1 15,2 13,5 11,4 a 3 b 2 19,4 14,5 17,6 b 3 21,8 19,1 22,5 b 1 16,9 17,2 15,0 a 4 b 2 20,9 16,2 20,0 b 3 18,5 18,7 20,2 Kontrol 9,7 8,3 8,7 I G Ekaputra G - 4
5 Untuk melihat efektivitas pengaruh pupuk P juga dikaji perlakuan tanpa pupuk P (kontrol). Jumlah perlakuan pada percobaan di atas menjadi (4*3 + 1 = 13). I. ANALISIS DATA MENGGUNAKAN MICROSOFT EXCEL Langkah-1: Pemecahan db dan JK dengan RCBD Untuk melakukan ini pada MS Excel, klik Tools>Data Analysis>Anova: Two- Factor Without Replication, diperoleh: Tabel 4. ANOVA RCBD dengan t = 4*3 + 1 Source of Variation SS df MS F P-value F crit Perlakuan E Blok Error Total Langkah-2: Pemecahan db dan JK pada rancangan perlakuan faktorial 4 x 3 Untuk melakukan ini pada MS Excel, klik Tools>Data Analysis>Anova: Two- Factor With Replication, diperoleh: Tabel 5. ANOVA Percobaan Faktorial 4 x 3 Source of F crit Variation SS df MS F P-value Saat Aplikasi E Dosis E Interaction Within Tidak dipakai ( ) Total dipakai Langkah-3: Susun hasil ANOVA lengkap untuk percobaan di atas Hasil ANOVA pada Tabel 4 dilengkapi dengan Hasil ANOVA pemecahan pengaruh perlakuan menjadi pengaruh utama Saat Aplikasi dan Dosis P pada Tabel 5, diperoleh hasil pada Tabel 6. I G Ekaputra G - 5
6 Tabel 6 : ANOVA lengkap percobaan pada hasil jagung di atas Source of Variation SS df MS F P-value F crit Perlakuan E Kontrol E Saat Aplikasi E Dosis E Interaksi Blok Error Total Dari Tabel 6 diperoleh bahwa perlakuan pupuk P memberikan peningkatan hasil jagung yang sangat nyata (P < 0,01), demikian juga baik pengaruh utama Saat Aplikasi dan Dosis P serta Interaksinya juga menunjukkan pengaruh yang sangat nyata (P<0,01). I. ANALISIS DATA MENGGUNAKAN MINITAB Langkah-1: Pemecahan db dan JK dengan RCBD Untuk melakukan ini pada MINITAB, klik Stat>ANOVA>Balanced ANOVA> lakukan manipulasi model (sesuaikan dengan model linier RCBD), dan diperoleh: Tabel 7. ANOVA RCBD dengan t = 4*3 + 1 ANOVA: Y-corn versus Blok; Plk Factor Type Levels Values Blok fixed Plk fixed Analysis of Variance for Y-corn Source DF SS MS F P Blok 2 30,376 15,188 5,20 0,013 Plk ,439 56,453 19,33 0,000 Error 24 70,104 2,921 Total ,919 Langkah-2: Pemecahan db dan JK pada rancangan perlakuan faktorial 4 x 3 Untuk melakukan ini pada MINITAB, klik Stat>ANOVA>Balanced ANOVA> lakukan manipulasi model (sesuaikan dengan model linier faktorial RCBD), dan diperoleh: I G Ekaputra G - 6
7 Tabel 8. ANOVA Percobaan Faktorial 4 x 3 Factor Type Levels Values Blok fixed A fixed B fixed Analysis of Variance for Y-corn Source DF SS MS F P Blok 2 29,727 14,864 4,69 0,020 tidak dipakai A 3 285,103 95,034 29,99 0,000 B 2 145,417 72,709 22,95 0,000 A*B 6 77,116 12,853 4,06 0,007 Error 22 69,713 3,169 tidak dipakai Total ,076 tidak dipakai Langkah-3: Susun hasil ANOVA lengkap untuk percobaan di atas Hasil ANOVA pada Tabel 7 dilengkapi dengan Hasil ANOVA pemecahan pengaruh perlakuan menjadi pengaruh utama Saat Aplikasi dan Dosis P pada Tabel 8, diperoleh hasil pada Tabel 9. Tabel 9 : ANOVA lengkap percobaan pada hasil jagung di atas Analysis of Variance for Y-corn Source DF SS MS F P Blok 2 30,376 15,188 5,20 0,013 Plk ,439 56,453 19,33 0,000 Kontrol 1 169, ,803 58,13 0,000 A 3 285,103 95,034 32,53 0,000 B 2 145,417 72,709 24,89 0,000 A*B 6 77,116 12,853 4,40 0,004 Error 24 70,104 2,921 Total ,919 Dari dua pendekatan analisis (menggunakan Microsoft Excel dan MINITAB) diperoleh hasil yang sama. Untuk mengetahui interaksi mana yang nyata dilakukan uji pembandingan 1 db rerata perlakuan. Peubah Saat Aplikasi merupakan peubah kualitatif dengan asumsi teori bahwa pemupukan P lebih awal akan lebih baik dibandingkan pemupukan P yang terlambat, maka ada 3 (tiga) hipotesis statistik nol (Ho) yang dapat dikemukakan: a1 a2 a3 1. a4 ; 2. a3 ; dan 3. a1 a2 3 a1 2 a2 I G Ekaputra G - 7
8 Sedangkan peubah Dosis P (dengan 3 aras) merupakan peubah kuantitatif kontinyu sehingga pengaruhnya cenderung berpola model linier atau kuadratik. Untuk itu berikut diberikan rekapitulasi koefisien pembandingan 1 db percobaan di atas (lihat Lampiran 1) Analisis ragam pada MINITAB dilakukan dengan pendekatan General Linier Model (GLM). Hasil analisis disajikan pada Tabel 10. Tabel 10. ANOVA lengkap uji pembandingan 1 db Analysis of Variance for Y-corn Source DF SS MS F P Blok 2 30,376 15,188 5,20 0,013 Plk ,439 56,453 19,33 0,000 KvsP 1 169, ,803 58,13 0,000 SavsSl 1 25,133 25,133 8,60 0,007 (Sa1+2)vsSa3 1 12,809 12,809 4,39 0,047 Sa1vsSa , ,161 84,62 0,000 Linier 1 144, ,550 49,49 0,000 Kuadratik 1 0,867 0,867 0,30 0,591 1*4 1 9,173 9,173 3,14 0,089 1*5 1 2,428 2,428 0,83 0,371 2*4 1 10,347 10,347 3,54 0,072 2*5 1 0,027 0,027 0,01 0,925 3*4 1 55,041 55,041 18,84 0,000 3*5 1 0,100 0,100 0,03 0,855 Error 24 70,104 2,921 Total ,919 Dari Tabel 10 terlihat bahwa terdapat kecenderungan respon hasil jagung yang mengikuti model linier untuk aplikasi pupuk saat awal tanam dan saat pertumbuhan vegetatif cepat (P< 0,01). Penutup Seorang peneliti harus berhati-hati melakukan rancangan perlakuan, seperti pada Percobaa-1 dan Percobaan-2. Adanya aras Nol akan menggangu sifat ortogonalitas pada analisis ragam. Untuk itu, rancangan perlakuan semestinya ditata seperti pada Percobaan- 3. Microsoft Excel dan MINITAB dapat memberikan bantuan yang sangat user friendly kepada kita, hanya saja kemampuan manipulasi langkah sangat dibutuhkan dalam hal ini, hampir semua piranti lunak statistika yang ada saat ini hanya menyajikan analisis ragam yang standar (artinya ANOVA untuk rancangan percobaan dasar). Selamat mencoba! I G Ekaputra G - 8
9 Lampiran 1. Rekapitulasi koefisien kontras Sumber Keragaman Kontrol a 1 a a a b 1 b b b b b b b b b b b Kontrol vs Lain Saat Aplikasi (A) Sa vs Sl (Sa1+2) vs Sa Sa1 vs Sa Dosis P (B) Linier Kuadratik Interaksi (A*B) (Sa_Sl) * Linier (Sa_Sl) * Kuadratik (Sa1+2)_Sa3 * Linier (Sa1+2)_Sa3 * Kuadratik Sa1_Sa2 * Lin Sa1_Sa2 * Kdw I G Ekaputra G - 9
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 terperinciPENGUJIAN 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 terperinciAnalysis 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 terperinciMateri 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 terperinciMASALAH DAN PERTANYAAN STATISTIKA PADA PENELITIAN TEKNOLOGI PANGAN
DUE-like PS TEKNOLOGI PERTANIAN FAKULTAS PERTANIAN UNRAM MASALAH DAN PERTANYAAN STATISTIKA PADA PENELITIAN TEKNOLOGI PANGAN Oleh: Ir. I Gde Ekaputra Gunartha, M.Agr., Ph.D. Laboratorium Statistika dan
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 terperinciPERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian
1 2 PERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian MENGAPA PERLU DIRANCANG? Untuk mendapatkan penduga yang tidak berbias Untuk meningkatkan
Lebih 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 terperinciSTK511 Analisis Statistika. Pertemuan 7 ANOVA (1)
STK511 Analisis Statistika Pertemuan 7 ANOVA (1) Metode Pengumpulan Data Metode Percobaan Memiliki keleluasaan untuk melakukan pengawasaan terhadap sumber-sumber keragaman data Dapat menciptakan jenis
Lebih terperinciRancangan 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 terperinciB. Kontrol negatif C. Sediaan ekstrak pegagan D. Sediaan pegagan segar E. Sediaan air rebusan pegagan
Lampiran 1. Data Uji Statistik Tabel 1.1. Data dan analisis histologis pankreas tikus putih yang diinduksi aloksan monohidrat dengan berbagai bentuk sediaan pegagan (Centella asiatica (L.) Urban) dalam
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 terperinciIII. 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 terperinciPERMASALAHAN STATISTIKA DALAM PENELITIAN PERTANIAN
PROYEK SEMI QUE-V P.S. AGRONOMI FAKULTAS PERTANIAN UNRAM PERMASALAHAN STATISTIKA DALAM PENELITIAN PERTANIAN oleh: Ir. I Gde Ekaputra Gunartha, M.Agr., Ph.D. mataram, 3 Juli 23 . Formulasi Tujuan dan Hipotesis
Lebih terperinciStatus Daerah SMA 5, 4, 4, 2, 3 2, 2, 3, 2, 1 PT 4, 3, 3, 2, 2 2, 1, 2, 0, 1
UGAS MODEL LINEAR Dosen: Dr. Purhadi, M.Sc Kasus: Menurut hasil penelitian, terdapat perbedaan ukuran (size) rumah tangga antara pedesaan dan perkotaan. Selain itu, pendidikan ibu turut andil dalam menentukan
Lebih terperinciBentuk 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 terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Tahapan penelitian Untuk melakukan penelitian dilakukan melalui beberapa tahap. Tahapan penelitian disajikan pada Gambar 3.1 Untuk metode Diallel, variabel bebasnya adalah
Lebih terperinciPENDEKATAN REGRESI POLINOMIAL ORTHOGONAL PADA RANCANGAN DUA FAKTOR (DENGAN APLIKASI SAS DAN MINITAB) Tatik Widiharih Jurusan Matematika FMIPA UNDIP
PENDEKATAN REGRESI POLINOMIAL ORTHOGONAL PADA RANCANGAN DUA FAKTOR (DENGAN APLIKASI SAS DAN MINITAB) Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Pendekatan regresi polinomial orthogonal dapat
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 terperinciOLEH : WIJAYA. FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009
PERANCANGAN PERCOBAAN OLEH : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 PERCOBAAN SATU FAKTOR RANCANGAN ACAK LENGKAP ( R A L ) Percobaan Satu
Lebih terperinciPERCOBAAN 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 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 terperinciRANCANGAN BUJUR SANGKAR LATIN DAN RANCANGAN BUJUR SANGKAR GRAECO - LATIN
RANCANGAN BUJUR SANGKAR LATIN DAN RANCANGAN BUJUR SANGKAR GRAECO - LATIN JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 007 1. PENDAHULUAN 1 Pada suatu
Lebih terperinciPERANCANGAN PERCOBAAN
PERANCANGAN PERCOBAAN OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 PERCOBAAN SATU FAKTOR RANCANGAN ACAK LENGKAP ( R A L ) Percobaan Satu Faktor : Pengaruh Takaran Pupuk
Lebih terperinciAcara 6. Perancangan Perlakuan: Percobaan Faktorial Lengkap
Acara 6. Perancangan Perlakuan: Percobaan Faktorial Lengkap Tujuan : Mahasiswa dapat melakukan perancangan perlakuan dan mengerjakan analisis varians yang sesuai dengan rancangan tersebut Mahasiswa dapat
Lebih terperinciRANCANGAN ACAK LENGKAP
RANCANGAN ACAK LENGKAP Pengertian Merupakan jenis rancangan percobaan dimana perlakuan diberikan secara acak kepada seluruh unit percobaan. Hal ini dapat dilakukan karena lingkungan tempat percobaan diadakan
Lebih terperinciANALISIS VARIANSI DUA JALAN
ANALISIS VARIANSI DUA JALAN Untuk menguji signifikansi efek DUA variabel bebas terhadap SATU variabel terikat, dan untuk menguji signifikansi INTERAKSI kedua variabel bebas terhadap variabel terikat. Kedua
Lebih terperinciMODUL DISTRIBUSI F (ANOVA)
MODUL DISTRIBUSI F (ANOVA) Tujuan Praktikum: Membantu mahasiswa memahami materi Distribusi ANOVA Pengambilan keputusan dari suatu kasus dengan menggunakan kaidah dan syarat Distribusi ANOVA I. PENDAHULUAN
Lebih terperinciContoh RAK Faktorial
68 (1) Olah Tanah Pupuk Kelompok (K) Grand Total (A) Organik (B) 1 2 3 AB 1 0 154 151 165 470 10 166 166 160 492 20 177 178 176 531 30 193 189 200 582 2 0 143 147 139 429 10 149 156 171 476 20 160 164
Lebih terperinciPERCOBAAN 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 terperinciBasic Design of Experiment. Dimas Yuwono W., ST., MT.
Basic Design of Experiment Dimas Yuwono W., ST., MT. RANCANGAN PERCOBAAN Desain eksperimen (rancangan percobaan) bertujuan untuk menentukan rencana pelaksanaan eksperimen yang tepat agar dapat memperoleh
Lebih 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 terperinciPercobaan Dua Faktor: Percobaan Faktorial. Arum Handini Primandari, M.Sc.
Percobaan Dua Faktor: Percobaan Faktorial Arum Handini Primandari, M.Sc. Pendahuluan Dalam berbagai bidang penerapan perancangan percobaan diketahui bahwa respon dari individu merupakan akibat dari berbagai
Lebih terperinciRancangan 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 terperinciPerancangan Percobaan
Perancangan Percobaan Ade Setiawan 009 Faktorial Faktor Pengertian dasar Faktor Taraf Perlakuan (Treatment) Respons Layout Percobaan & Pengacakan Penyusunan Data Analisis Ragam Perbandingan Rataan Ade
Lebih 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 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 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 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 terperinciLAPORAN PRAKTIKUM I METODE STATISTIKA II PENGUJIAN HIPOTESIS INDEPENDENT DENGAN PENDEKATAN ANALISIS RAGAM
LAPORAN PRAKTIKUM I METODE STATISTIKA II PENGUJIAN HIPOTESIS INDEPENDENT DENGAN PENDEKATAN ANALISIS RAGAM Oleh : Nama : Ivan Prima Harlis NIM : 125090501111017 Asisten I : Candra Dian F Asisten II : Putri
Lebih terperinciPercobaan Rancangan Petak Terbagi dalam RAKL
Percobaan Rancangan Petak Terbagi dalam RAKL Kuliah 12 Perancangan Percobaan (STK 222) rahmaanisa@apps.ipb.ac.id Review Kapan rancangan split-plot digunakan? Apakah perbedaan split-plot dibandingkan dengan
Lebih terperinciAnalysis of Variance. Bab Percobaan Faktor Tunggal
Bab 3 Analysis of Variance 3.1 Percobaan Faktor Tunggal Misalnya terdapat suatu percobaan untuk menguji kecepatan proses empat jenis komputer yang masing-masing memiliki spesifikasi yang sama, kecuali
Lebih terperinciStatistika untuk Keteknikan Analisis Ragam
Statistika untuk Keteknikan Analisis Ragam Teknik Analisis Ragam : Pengolahan data anova satu arah dan anova dua arah dengan rumus statistik dan SPSS. Oleh Delvi Yanti, S.TP, MP Page 0 1.1 Rumus Anova
Lebih 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 terperinciREGRESI 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 terperinciPEMANFAATAN MSTAT-C DALAM ANALISA FAKTORIAL DATA HASIL PENELITIAN PERTANIAN
PEMANFAATAN MSTAT-C DALAM ANALISA FAKTORIAL DATA HASIL PENELITIAN PERTANIAN Sutarno Pranata Komputer pada Balai Penelitian Tanaman Kacang-kacangan dan Umbiumbian PO. Box 66 Malang 65101 ABSTRACT The factorial
Lebih 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 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 terperinciUji Perbandingan Ganda. Arum Handini Primandari, M.Sc.
Uji Perbandingan Ganda (Multiple Comparison) Arum Handini Primandari, M.Sc. Beberapa uji perbandingan ganda: Uji BNT/LSD Uji Tukey Uji Duncan Uji Bonferroni H : dengan i, j 1,2,..., t dan i j H 0 1 i :
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. Percobaan telah dilakukan di rumah kaca yang lokasinya berada di Balai Penelitian
BAB 4 HASIL DAN PMBAHASAN 4.1 Gambaran mum Pelaksanaan Percobaan Percobaan telah dilakukan di rumah kaca yang lokasinya berada di Balai Penelitian dan Pengembangan Sumberdaya Genetika Pertanian (BB_BIOGN).
Lebih terperinciRancangan Acak Lengkap (RAL) Completely Randomized Design Atau Fully Randomized Design
Rancangan Acak Lengkap (RAL) Completely Randomized Design Atau Fully Randomized Design CIRI - CIRI R.A.L. : 1. Media atau bahan percobaan seragam (dapat dianggap se- ragam ) 2. Hanya ada satu sumber kera-
Lebih 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 terperinciPENINGKATAN EFISIENSI BIAYA PERCOBAAN DENGAN MENGGUNAKAN RANCANGAN FAKTORIAL PECAHAN 2 k-1 MARTA SUNDARI
PENINGKATAN EFISIENSI BIAYA PERCOBAAN DENGAN MENGGUNAKAN RANCANGAN FAKTORIAL PECAHAN 2 k- MARTA SUNDARI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2007
Lebih terperinciBAB 2 TINJAUAN TEORI
BAB 2 TINJAUAN TEORI 2.1 Rancangan Percobaan Percobaan didefinisikan sebagai suatu uji coba (trial) atau pengamatan khusus yang dibuat untuk menegaskan atau membuktikan keadaan dari sesuatu yang meragukan,
Lebih terperinciANALISIS PERANCANGAN PERCOBAAN 2 MATERI 3: KONSEP NILAI HARAPAN KUADRAT TENGAH
ANALISIS PERANCANGAN PERCOBAAN MATERI 3: KONSEP NILAI HARAPAN KUADRAT TENGAH Pengantar Salah satu komponen penting dalam perancangan percobaan adalah analisis ragam (anova) Komponen utama dalam menyusun
Lebih terperinciMODUL II ANALYSIS OF VARIANCE (ANOVA)
MODUL II ANALYSIS OF VARIANCE (ANOVA) TUJUAN 1. Mahasiswa mampu memahami uji hipotesis harga rata-rata multi populasi dengan menggunakan Analysis of Variance (ANOVA). 2. Mahasiswa mampu memahami penyelesaian
Lebih terperinciDidonwload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Pada bab sebelumnya telah dibahas rancangan faktorial secara umum, seringkali peneliti berhadapan pada rancangan yang melibatkan sejumlah faktor yang masing-masing faktor hanya terdiri
Lebih terperinciOPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran)
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 05, No. 2 (2016), hal 113 118. OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran) Eka Dian Rahmawati,
Lebih terperinciPengacakan dan Tata Letak
Pengacakan dan Tata Letak 26 Pengacakan dan Tata Letak Pengacakan bisa dengan menggunakan Daftar Angka Acak, Undian, atau dengan perangkat komputer (bisa dilihat kembali pada pembahasan RAL/RAK/RBSL satu
Lebih terperinciLAPORAN STATISTIK ELEMENTER UJI ANALISIS VARIAN SATU ARAH (ANOVA) Dosen pengampu Dr. Sri Harini, M.Si. Oleh Nurul Anggraeni Hidayati NIM.
LAPORAN STATISTIK ELEMENTER UJI ANALISIS VARIAN SATU ARAH (ANOVA) Dosen pengampu Dr. Sri Harini, M.Si Oleh Nurul Anggraeni Hidayati NIM. 14610002 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS
Lebih 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 terperinciS T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011 PENGUJIAN HIPOTESIS V. PENGUJIAN HIPOTESIS Hipotesis adalah jawaban sementara terhadap suatu masalah. Setiap
Lebih terperinciMetode Statistika Pertemuan XII. Analisis Korelasi dan Regresi
Metode Statistika Pertemuan XII Analisis Korelasi dan Regresi Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran variabel Pemodelan Keterkaitan Relationship vs Causal Relationship
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 10 Analisis Korelasi & Regresi (1)
STK511 Analisis Statistika Pertemuan 10 Analisis Korelasi & Regresi (1) Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran peubah Pemodelan Keterkaitan anang kurnia (anangk@apps.ipb.ac.id)
Lebih terperinciPENGARUH JENIS PUPUK KANDANG DAN JARAK TANAM TERHADAP PERTUMBUHAN DAN HASIL TANAMAN JAGUNG MANIS (Zea mays L. var. saccharata Sturt) SKRIPSI
PENGARUH JENIS PUPUK KANDANG DAN JARAK TANAM TERHADAP PERTUMBUHAN DAN HASIL TANAMAN JAGUNG MANIS (Zea mays L. var. saccharata Sturt) SKRIPSI Oleh : Amin Suyitno NIM : 201141037 PROGRAM STUDI AGROTEKNOLOGI
Lebih terperinci3 METODOLOGI. Sumber: Google maps (2011) Gambar 9. Lokasi penelitian
3 METODOLOGI 3.1 Waktu dan Tempat Penelitian dilaksanakan dengan pengumpulan data di lapangan sejak tanggal 16 Agustus 2011 hingga 31 September 2011 di Desa Kertajaya, Palabuhanratu, Kabupaten Sukabumi,
Lebih terperinciRancangan 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 terperinciSTATISTIKA UNTUK KETEKNIKAN. Teknik Analisis Ragam
STATISTIKA UNTUK KETEKNIKAN Teknik Analisis Ragam oleh: Delvi Yanti, S.TP, MP PS TEP Fateta Unand 1 Pengolahan Data dengan Rumus 2 Rumus Anova Satu Arah 1. RAL untuk Banyak Ulangan Masing-masing Perlakuan
Lebih terperinciPERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc.
PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc. PENGUJIAN HIPOTESIS Langkah-langkah pengujian hipotesis: 1) Merumuskan hipotesis 2) Memilih taraf nyata α 3) Menentukan
Lebih terperinci2) Ukuran Data Tidak Sama k n i T 2.. JKT = X 2 ij - i=1 j=1 N k JKK = T 2 i. T 2.. i=1 n i N JKG = JKT - JKK Sumber Jumlah db Kuadrat Tengah F. Hitun
MODUL DISTRIBUSI F (ANOVA) I. PENDAHULUAN Ditemukan oleh seorang ahli statistik yang bernama R.A. Fisher pada tahun 1920. Distribusi F/ANOVA adalah prosedur statistika untuk mengkaji (mendeterminasi) apakah
Lebih terperinciKEMENTRIAN 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 terperinciBAB 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 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 terperinciRespon Pertumbuhan dan Produksi Tanaman Jagung Terhadap Frekuensi Pemberian Pupuk Organik Cair dan Aplikasi Pupuk NPK
Jurnal Online Agroekoteknologi. ISSN No. 2337-6597 Vol.3. No.4, September 2015. (510) :1303-1308 Respon Pertumbuhan dan Produksi Tanaman Jagung Terhadap Frekuensi Pemberian Pupuk Organik Cair dan Aplikasi
Lebih terperinciII. PERCOBAAN NON FAKTORIAL
II. PERCOBAAN NON FAKTORIAL A. Rancangan Acak Lengkap (RAL) 1. Rancangan Acak Lengkap (Completely Randomized Design) termasuk rancangan faktor tunggal (hanya terdiri dari satu faktor) merupakan rancangan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Kerangka Teori.1.1 Konsep Dasar Rekayasa Piranti Lunak.1.1.1 Pengertian Rekayasa Piranti Lunak Pengertian rekayasa piranti lunak pertama kali diperkenalkan oleh Fritz Bauer pada suatu
Lebih terperinciAnalisis Korelasi dan Regresi. Dr. Kusman Sadik, M.Si Dept. Statistika IPB
Analisis Korelasi dan Regresi Dr. Kusman Sadik, M.Si Dept. Statistika IPB - 015 1 Hubungan Dua Peubah atau Lebih PEUBAH KASUS PENGUMPULAN DATA JENIS HUBUNGANNYA 1.Dosis pupuk.banyaknya padi yg dihasilkan
Lebih terperinciPembauran (Confounding) Pada Percobaan Faktorial Tiga Taraf
Jurnal Gradien Vol 8 No 1 Januari 2012: 763.-774 Pembauran (Confounding) Pada Percobaan Faktorial Tiga Taraf Nur Afandi, Sigit Nugroho dan Pepi Novianti Jurusan Matematika, Fakultas Matematika dan Ilmu
Lebih terperinciUtriweni Mukhaiyar BI5106 Analisis Biostatistik 29 November 2012
ANALISIS VARIANSI DWIFAKTOR Utriweni Mukhaiyar BI5106 Analisis Biostatistik 29 November 2012 ANOVA one-way vs two-way 2 Dalam ANOVA one-way ( satu faktor), diperhatikan hanya satu faktor saja yang berpengaruh
Lebih terperinciV. HASIL PENELITIAN DAN PEMBAHASAN: SAMBUNGAN KAYU MANGIUM 17 TAHUN DAN APLIKASI PADA BALOK SUSUN
81 V. HASIL PENELITIAN DAN PEMBAHASAN: SAMBUNGAN KAYU MANGIUM 17 TAHUN DAN APLIKASI PADA BALOK SUSUN 1. Hasil Densifikasi Kayu Mangium Pemadatan kayu mangium telah dilakukan terhadap 24 lempengan papan
Lebih terperinciMatematika dan Statistika
ISSN 4-6669 Volume, Juni 0 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Model Permukaan Respon pada(4 3) MODEL PERMUKAAN RESPON PADA PERCOBAAN
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 terperinciAnalisis Ragam & Rancangan Acak Lengkap Statistik (MAM 4137)
10th Meeting Analisis Ragam & Rancangan Acak Lengkap Statistik (MAM 4137) by Ledhyane I.H Tujuan Instruksional Khusus Mahasiswa akan dapat menggunakan rangkaian prosedur percobaan dengan menggunakan analisis
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 terperinciESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER
ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan
Lebih terperinciPercobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc.
Percobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc. Rancangan Acak Lengkap (RAL) RAL merupakan rancangan paling sederhana di antara rancangan-rancangan percobaan baku.
Lebih terperinciPERANCANGAN PERCOBAAN
BUKU PRAKTIKUM PERANCANGAN PERCOBAAN Oleh: TIM PENYUSUN NAMA NIM KELOMPOK ASISTEN :... :... :... :... FOTO UKURAN 3X4 FAKULTAS PERTANIAN UNIVERSITAS BRAWIJAYA 2014 PRAKTIKUM RANCANGAN PERCOBAAN 2014 1
Lebih terperinciPERCOBAAN 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 terperinciPemodelan Linier menggunakan SPPS pada Penelitian Ilmu-Ilmu Pertanian Saiful Bahri
Pemodelan Linier menggunakan SPPS pada Penelitian Ilmu-Ilmu Pertanian Saiful Bahri INTISARI Banyak perangkat lunak komputer menyediakan fasilitas analisis statistik dengan menggunakan pemodelan linier
Lebih terperinciPENGARUH KONSENTRASI DAN INTERVAL APLIKASI EKSTRAK DAUN INSULIN (Thitonia difersifolia) TERHADAP PERTUMBUHAN DAN HASIL BAWANG MERAH
PENGARUH KONSENTRASI DAN INTERVAL APLIKASI EKSTRAK DAUN INSULIN (Thitonia difersifolia) TERHADAP PERTUMBUHAN DAN HASIL BAWANG MERAH (Allium ascalonicum L.) SKRIPSI Oleh : Khoirul Abdul Anam NIM:2013-41-026
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 terperinciRESPON PERTUMBUHAN PRODUKSI TANAMAN JAGUNG TERHADAP FREKUENSI PEMUPUKAN PUPUK ORGANIK CAIR DAN APLIKASI PUPUK DASAR NPK SKRIPSI
RESPON PERTUMBUHAN PRODUKSI TANAMAN JAGUNG TERHADAP FREKUENSI PEMUPUKAN PUPUK ORGANIK CAIR DAN APLIKASI PUPUK DASAR NPK SKRIPSI MASTOR PALAN SITORUS 100301028 AGRROEKOTEKNOLOGI-BPP PROGRAM STUDI AGROEKOTEKNOLOGI
Lebih terperinciAnacova Dua Jalur ( 3 x 3,
Komang Suardika, S.Pd, Pendidikan Fisika 013 Anacova Dua Jalur ( 3 x 3, I. Judul Penelitian : Pengaruh Model Pembelajaran ( CTL, PBL dan Model Kooperative) terhadap hasil belajar mahasiswa semester V untuk
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 terperinciKATA PENGANTAR. Malang, Agustus Penyusun
1 KATA PENGANTAR Buku ini dibuat untuk membantu mahasiswa dalam mempelajari, melilih dan melakukan prosedur analisis data berdasarkan rancangan percobaan yang telah dipilih Buku panduan dan latihan praktikum
Lebih terperinciBAHAN DAN METODE. Tempat dan Waktu
BAHAN DAN METODE Tempat dan Waktu Penelitian dilaksanakan pada bulan Mei hingga Agustus 2009 di Kebun Karet Rakyat di Desa Sebapo, Kabupaten Muaro Jambi. Lokasi penelitian yang digunakan merupakan milik
Lebih terperinciBAB III METODE PENELITIAN. larutan kulit bawang dengan konsentrasi 10%-100%. Penelitian ini terdiri dari
BAB III METODE PENELITIAN A. Jenis dan Penelitian Jenis penelitian ini termasuk penelitian eperimen. Faktor pemberian larutan kulit bawang dengan konsentrasi 10%-100%. Penelitian ini terdiri dari 10 taraf
Lebih terperinciS T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 PENGUJIAN HIPOTESIS V. PENGUJIAN HIPOTESIS Hipotesis adalah jawaban sementara terhadap suatu masalah. Setiap
Lebih terperinciPengujian One-Way ANOVA dengan manual dan dilengkapi analisis dengan SPSS 19 SOWANTO-KEMPO ANALYSIS OF VARIANS (ANOVA)
ANALYSIS OF VARIANS (ANOVA) A. Memahami ANOVA Analysis of variance (ANOVA) atau Analisis Variansi (ANAVA) adalah tehnik statistik yang dikembangkan dan diperkenalkan pertama kali oleh Sir. R. A. Fisher.
Lebih terperinci