Acara 6. Perancangan Perlakuan: Percobaan Faktorial Lengkap
|
|
- Yandi Chandra
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Acara 6. Perancangan Perlakuan: Percobaan Faktorial Lengkap Tujuan : Mahasiswa dapat melakukan perancangan perlakuan dan mengerjakan analisis varians yang sesuai dengan rancangan tersebut Mahasiswa dapat mengerjakan rancangan percobaan faktorial, melakukan analisis, serta menafsirkan hasilnya sesuai dengan model rancangan tersebut Acara 5 mempelajari bagaimana grup-grup perlakuan dapat dibuat terstruktur ataupun tidak. Dalam percobaan, struktur grup-grup perlakuan dibuat untukk membantu menjawab hipotesis-hipotesis ikutan secara sistematis. Strukturisasi perlakuan dikenal sebagai rancangan perlakuan (untuk membedakan dari rancangan lingkungan yang fungsinya adalah mengendalikan sesatan). Salah satu golongan rancangan perlakuan yang paling sering digunakan adalah apa yang dikenal sebagai keluarga rancangan faktorial, yang mengombinasi dua atau lebih faktor. Dalam percobaan, faktor adalah peubah terkendali berupa sekumpulan perlakuan yang memiliki ciri (kategori) yang sama. Acara-acara kita terdahulu membicarakan percobaan satu faktor. Dalam struktur faktorial, suatu faktor memiliki sejumlah perlakuan yang masing-masing disebut aras (Bhs. Inggris: level). Percobaan faktorial dengan dua faktor berarti mengombinasi/memasangkan satu aras faktor pertama dengan satu aras dari faktor kedua. Apabila semua aras pada satu faktor berpasangan dengan semua aras dari faktor yang lainnya, kita menyebutnya faktorial lengkap. Dilihat dari bagaimana kombinasi pasangan aras dibuat, ada dua kelompok percobaan faktorial lengkap, yaitu (1) berstruktur tersarang dan (2) berstruktur tersilang. Rancangan berstruktur Tersarang tidak akan dibahas dalam praktikum.
2 Rancangan Perlakuan dengan Struktur Tersilang (Crossed) Pada acara ini, akan dibahas ketika rancangan perlakuannya lebih dari satu faktor (faktorial), yang memiliki dua variasi: struktur tersarang (nested) dan struktur tersilang (cross) Walaupun rancangan tersarang tidak dibahas dalam praktikum ini, ada baiknya untuk mengetahui perbedaan mendasar struktur tersarang dan struktur tersilang karena sekilas nampak sama. Perhatikan skema 1 dan Skema 2. Gunungkidul (A1) Sleman (A2) Bantul (A3) Patuk (B1 A1) Pakem (B4 A2) Srandakan (B7 A3) Playen (B2 A1) Kalasan (B5 A2) Banguntapan (B8 A3) Tepus (B3 A1) Turi (B6 A2) Sedayu (B9 A3) Skema 1: Rancangan tersarang Skema rancangan di atas merupakan skema rancangan tersarang. Pada rancangan tersebut terdapat dua faktor, yaitu Kabupaten (tiga aras) dan Kecamatan (tiga aras). Namun, rancangan tersebut bukanlah struktur tersilang (crossed) karena faktor kecamatan tersarang dalam kabupaten. Kabupaten dan kecamatan tidak saling independen karena aras kecamatan tergantung pada setiap kabupaten. Rancangan faktorial dengan dua faktor tersilang dapat dilihat Skema 2. Mentik Wangi (A1) IR-64 (A2) Urea (B1) Organik (B2) Urea (B1) Organik (B2) Skema 2: Rancangan faktorial tersilang.
3 Skema 2 merupakan skema rancangan tersilang 2 2 karena faktor A, yaitu kultivar, memiliki dua level/aras (Mentik Wangi dan IR-64), dan faktor B, yaitu jenis pupuk, memiliki dua aras juga (Urea dan Organik). Perhatikan bahwa faktor A dan faktor B saling independen. Artinya, aras untuk faktor pupuk tidak tergantung pada faktor kultivar. Singkatnya, dalam rancangan faktorial tersilang semua aras pada suatu faktor akan bertemu dengan aras pada faktor yang lain. Aras urea akan bertemu dengan Mentik Wangi dan IR-64. Berbeda dengan tersarang, aras seperti Kecamatan Playen tidak mungkin bertemu dengan Kabupaten Sleman. Percobaan faktorial pada Skema 2 adalah percobaan faktorial tersilang dua faktor ( Kultivar dan Pupuk ) 2 2 yang merupakan bentuk paling sederhana rancangan faktorial. Rancangan faktorial tidak terbatas hanya dua faktor, tetapi bisa lebih. Sebagai misal, kombinasi Kultivar, Jenis Pupuk, dan Tipe Tanah merupakan jenis rancangan perlakuan faktorial tiga faktor. Namun, semakin banyak faktor yang digunakan, akan semakin kompleks pula pengambil kseimpulannya. Simple effects, Interaction effects, dan Main effects Pada perlakuan faktorial terdapat tiga macam efek perlakuan faktor, yaitu, simple effects (efek sederhana), interaction effects (efek interaksi), dan main effects (efek utama). Untuk memahami ketiga istilah di atas, akan lebih mudah dijelaskan dengan suatu teladan. Data berikut adalah data dengan rancangan lingkungan CRD dan rancangan faktorial 2 2 sehingga disebut CRD faktorial dua faktor. Ini adalah data perubahan/selisih bobot (dalam gram) akibat pemberian pakan tambahan yang merupakan kombinasi protein dan karbohidrat (sumber kalori). Tabel 1. Data perubahan/delta bobot Pakan tambahan Ulangan Protein tinggi dan kalori tinggi Protein rendah dan kalori rendah Protein tinggi dan kalori rendah Protein rendah dan kalori tinggi Dari tabel tersebut, dapat dibuat tabel 2.
4 Tabel 2. Perhitungan simple effects dan interaction effects data Tabel 1. Kalori B Simple effect Kalori Protein (A) Tinggi (B 1) Rendah (B 2) μ[a i B] Tinggi (A 1) 8 20 Rendah (A 2) Simple effect Protein μ[ab j ] Simple effect protein pada kalori tinggi μ[ab 1 ] = μ 21 μ 11 Simple effect protein pada kalori rendah μ[ab 2 ] = μ 22 μ Simple effect kalori pada protein tinggi Simple effect kalori pada protein rendah Efek interaksi μ[ab] μ[a 1 B] = μ 12 μ μ[a 2 B] = μ 22 μ (μ[ab 1 ] μ[ab 2 ]) (μ[a 1B] μ[a 2 B]) 8 Tabel 2 menunjukkan rerata tiap pasangan perlakuan A 1B 1, A 1B 2, A 2B 1, dan A 2B 2, secara berturut-turut 8, 20, 18, dan 14. Simple effect faktor A pada level/aras B ke j dinotasikan dalam bentuk μ[ab j ]. Dengan demikian, sebagai contoh, μ[ab 1 ] merupakan besarnya simple effect protein pada kalori tinggi dengan nilai 10. Simple effect ini mengukur perbedaan selisih bobot antara protein tinggi dan protein rendah ketika yang digunakan kalori tinggi dan rerata selisih bobot dengan protein rendah lebih tinggi daripada protein tinggi ketika yang digunakan kalori tinggi. Begitu pula besarnya simple effect protein pada kalori rendah adalah -6. Artinya, dan rerata selisih bobot dengan protein tinggi lebih tinggi daripada protein rendah ketika yang digunakan kalori rendah. Coba simpulkan simple effect untuk kalori. Efek interaksi dihitung dari selisih dua simple effects (simple effects protein atau simple effects kalori). Ketika efek interaksi bernilai nol, maka tidak ada interaksi pada faktor-faktor yang digunakan. Pada contoh di atas efek interaksi bisa dihitung dengan menghitung selisih simple effects protein ataupun simple effects kalori. Dengan perhitungan tersebut, maka terdapat interaksi antara protein dan kalori karena selisih dua simple effects, dalam hal ini simple effects protein yang dihitung dengan 1 2 (μ[a 1B] μ[a 2 B]) bernilai 8. Main effects atau efek utama adalah rerata dari dua simple effects. Sebagai contoh, main effects protein adalah rerata dari dua simple effects protein, yaitu 1 (12 + ( 4)) = 4. Artinya, 2 besarnya perubahan rerata selisih bobot ketika level/aras protein berubah dari tinggi rendah adalah sebesar 4. Begitu pula dengan kalori, besarnya perubahan rerata selisih
5 bobot ketika level/aras kalori berubah dari tinggi rendah adalah sebesar 2. Untuk lebih memahami simple, interaction, dan main effects, perhatikan grafik interaksi di bawah ini. Grafik 1. Empat skenario pada rancangan perlakuan faktorial 2 2 Berikut tabel rerata untuk masing-masing skenario grafik di atas. Tabel 3. Rerata faktor per skenario Skenario (1) B1 B2 Rerata A Skenario (2) B1 B2 Rerata A A A A A Rerata B Rerata B Skenario (3) B1 B2 Rerata A Skenario (4) B1 B2 Rerata A A A A A Rerata B 10,5 15,5 Rerata B 15,5 13
6 Pada Skenario (1), tidak terdapat interaksi karena rerata selisih simple effects adalah 0, yaitu [(10 12) (18 20)] = 2 ( 2) = 0. Selain itu, kedua garis tersebut paralel yang jelas mengindikasikan tidak ada interaksi. Namun, terdapat signifikansi pada efek utama B karena selisih rerata antar aras faktor B cukup besar yaitu 8. Efek utama A tidak signifikan karena selisih reratanya cukup kecil, yaitu 2. Pada Skenario (2), terdapat interaksi karena rerata selisih simple effects tidak 0, melainkan 4. Namun, tidak ada efek utama yang signifikan karena baik rerata faktor dan faktor B yang mengakibatkan selisihnya 0. Pada Skenario (3), terdapat interaksi karena rerata selisih simple effects bernilai 1. Efek utama yang signifikan hanyalah faktor B karena selisih rerata antar aras faktor B adalah 5. Sedangkan, selisih antar aras faktor A adalah 0. Pada Skenario (4), terdapat interaksi dan kedua efek utama yang signifikan. Efek interaksi bernilai 3,5. Selisih antar aras faktor A adalah 2. Begitu juga untuk faktor B. Dengan demikian, pada skenario ini baik efek interaksi dan efek utama signifikan. Sekarang, coba perhatikan grafik interaksi antara faktor protein dan faktor kalori terhadap perubahan bobot di bawah ini. Jelas, dari grafik maupun tabel 2 menunjukkan adanya efek interaksi. Apakah terdapat efek utama yang signifikan? Coba perkirakan. Grafik 2. Interaksi Protein dan Kalori
7 Pengujian Hipotesis Pengujian hipotesis untuk percobaan faktorial dapat dilihat sebagai kombinasi dua faktor yang lengkap berpasangan aras-arasnya: A 1B 1, A 1B 2, A 2B 1, dan A 2B 2. Jika empat kombinasi ini kita pandang tanpa memperhatikan faktor-faktornya, H 0 yang diuji adalah H 0: μ A1B1 = μ A1B2 = μ A2B1 = μ A2B2 = μ Namun demikian, struktur faktorial yang dibuat membuat kita dapat menggali informasi lebih jauh mengenai i. H 0: ½ (μ A1B1 μ A1B2) = ½ (μ A2B1 μ A2B2)= μ (hipotesis nol mengenai A*B, yaitu interaksi A dengan B). ii. H 0: μ A1 = μ A2 = μ (hipotesis nol mengenai efek A, penyederhanaan dari H 0: ½ (μ A1B1+ μ A1B2)= ½ (μ A2B1+ μ A2B2)=μ), iii. H 0: μ B1 = μ B2 = μ (hipotesis nol mengenai efek B, penyederhanaan dari H 0: ½ (μ A1B1 + μ A2B1) = ½ (μ A1B2 + μ A2B2)= μ), dan Dalam praktik, orang jauh lebih banyak menggunakan struktur tersilang karena informasi yang tersedia lebih banyak, sehingga inilah yang akan kita bahas. ANOVA Faktorial Menggunakan Kontras Analisis varians bagi struktur tersilang dapat mendeteksi keberadaan interaksi, selain pengaruh utama. Dalam contoh kita, pengaruh utama protein, kalori dan interaksi pengaruh protein-kalori dapat diuji dengan hipotesis-hipotesis nol berikut: Pengaruh utama protein: H 0: μ P1 = μ P2; pengaruh utama kalori: H 0: μ K1 = μ K2 ; dan pengaruh interaksi protein-kalori: H 0: (μ P1K1+μ P2K2)/2= (μ P1K2+μ P2K1)/2. Perhatikan bahwa sesungguhnya μ P1=(μ P1K1+μ P1K2)/2, μ K2= (μ P1K2+μ P2K2)/2, dst. Akibatnya, pengaruh utama protein sesungguhnya adalah Kontras1, pengaruh utama kalori sesungguhnya adalah Kontras2, dan pengaruh interaksi adalah Kontras3. Jadi, rancangan faktorial tersilang tidak lain adalah suatu struktur perlakuan yang menerapkan set kontras ortogonal. Pendekatan kontras dapat dilakukan untuk menganalisis struktur faktorial tersilang ini. Sebagai latihan, lakukanlah analisis kontras ortogonal untuk contoh data di atas! Mulailah dengan membuat seri kontras ortogonal (ada tiga kontras, sebut saja kontras1, kontras2, dan kontras3) sesuai dengan tiga hipotesis formal di atas. Bukalah file R untuk acara ini.
8 ANOVA Faktorial Menggunakan Model Linear Model linear rancangan faktorial apabila menggunakan rancangan lingkungan CRD adalah Penduga berbagai komponennya adalah ˆ Y..., Aˆ i Yi.. Y...,, Bˆ j Y. j. Y..., ( AB) Y Y Y Y ˆ ijk ij ijk ij. i.. i. j. j..., dan Y A B ( AB) mengenai blok pada model. Y ijk = ijk ij. Untuk RCBD dan LS Design perlu tambahan komponen Untuk mempelajari pendekatan ini, lengkapi tabel berikut (buatlah di MSExcel, misalnya) Kalori (B) Protein (A) Y i.. A Tinggi Rendah i Tinggi Y 11 Y 12 Rendah Y 21 Y 22 Y.j. ˆ B j Kemudian, seperti biasa, lengkapi tabel berikut: i j k Y ijk Y ij μˆ A i B j ( B ij ˆ ijk Σ () Σ () 2 JK Data JK Perl FK JK P JK K JK P*K JK S Lengkapi tabel analisis varians berikut dan ujilah pengaruh perlakuan:
9 Sumber Keragaman db JK RK F hit Prob F Perlakuan Protein (Main effect A) Kalori (Main effect B) A*B (Interaction effects) Sesatan Total Keuntungan menggunakan model adalah kita dapat secara langsung menggunakan perintah aov pada perangkat lunak, misalnya R. Dengan model linear matematis seperti di atas, baris perintah R yang bersesuaian adalah > hasil~protein+kalori+protein:kalori atau > hasil~protein*kalori Tunjukkan bahwa analisis varians dengan kontras dan dengan model interaksi memberikan hasil yang sama! Penataan dataframe dibuat dengan membuat kolom-kolom terpisah untuk Protein dan Kalori, tidak digabungkan dalam kolom tunggal Perlakuan. Dalam manajemen data selalu gunakan satu kolom hanya untuk satu faktor. Jangan gunakan satu kolom untuk lebih dari satu faktor, misalnya, pada satu kolom ditulis A1B1, A1B2, dan seterusnya. Kolom untuk faktor A dan B harus dipisah sehingga total terdapat dua kolom. Penyajian data yang menggunakan rancangan perlakuan faktorial adalah dengan menggunakan grafik interaksi, bukan menggunakan tabel interaksi saja. Grafik mempermudah kita untuk dapat melihat apakah interaksi signifikan atau tidak seperti yang sudah ditunjukkan pada Grafik 1. Analisis pengaruh sederhana untuk menafsirkan interaksi Jika hipotesis nol mengenai tidak ada pengaruh interaksi (Protein*Kalori) tidak ditolak, analisis lanjutan setelah anova dilakukan terhadap pengaruh utama (main effects), berupa pembandingan rerata (Acara 5 & Acara 7) aras-aras faktor utama yang nyata jika faktornya tidak berstruktur, atau kontras ortogonal aras-aras faktor utama jika faktornya berstruktur (Ingat: Protein maupun Kalori di sini merupakan faktor kualitatif!). Jika interaksi bermakna, analisis dilanjutkan dengan menggabung JK pengaruh utama dengan JK interaksi dan kemudian dipecah kembali menjadi JK pengaruh sederhana faktor pertama (atau kedua) untuk tiap aras faktor kedua (atau pertama) jika aras faktor kedua
10 (pertama) tidak berstruktur. Yang mana yang dipilih mendasarkan hasil analisis dalam kaitan dengan kemudahan dalam mengambil kesimpulan. Perhatikan uji simple effects pada suplemen acara ini. Hasil pengujian pengaruh utama dapat diabaikan jika interaksinya bermakna (nyata) karena interaksi yang bermakna berarti bahwa masing-masing faktornya berpengaruh, tetapi pengaruhnya tergantung faktor yang lainnya. Oleh sebab itu, kita berusaha menjelaskan bagaimana kerjasama kedua faktor yang dicoba. Cara analisisnya tergantung dari macam faktornya, apakah keduanya faktor kualitatif (dengan analisis pengaruh sederhana), atau kuantitatif (dengan model-model regresi permukaan tanggap), atau salah satu faktornya kualitatif dan faktor yang kedua kuantitatif (dengan analisis pengaruh sederhana). Jika faktornya kualitatif, apakah pemilihan grup perlakuannya terstruktur (lanjutan dengan kontras ortogonal pada tiap aras) atau tidak (lanjutan dengan uji pembandingan rerata pada tiap aras).
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 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 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 II KAJIAN PUSTAKA. sehingga dapat diamati dan diidentifikasi alasan-alasan perubahan yang terjadi
BAB II KAJIAN PUSTAKA A. Rancangan Percobaan Rancangan percobaan dapat diartikan sebagai serangkaian uji dimana perubahan yang berarti dilakukan pada variabel dari suatu proses atau sistem sehingga dapat
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 terperinciPERANCANGAN PERCOBAAN
PERANCANGAN PERCOBAAN OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 SPLIT PLOT Tepat digunakan pada percobaan faktorial jika pengaruh salah satu faktor sudah bisa diprediksi
Lebih terperinciPERANCANGAN PERCOBAAN
PERANCANGAN PERCOBAAN OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011 SPLIT PLOT Tepat digunakan pada percobaan faktorial jika pengaruh salah satu faktor sudah bisa diprediksi
Lebih 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 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 terperinciKuswanto-2012 Macam Mating Design Mating Design I 2 faktor, nested (tersarang) Mating Design II 2 faktor, faktorial Mating Design III ull faktorial Mixed ull nested Dialel Mating !! " " #! Apakah nested
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 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 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 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 terperinciPERANCANGAN PERCOBAAN
PERANCANGAN PERCOBAAN OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011 PERCOBAAN FAKTORIAL PERCOBAAN UNTUK MENGETAHUI PENGARUH BEBERAPA FAKTOR TERHADAP VARIABEL RESPON TUJUAN
Lebih terperincifaktornya berbeda, misalnya 2 taraf untuk faktor A dan 3 taraf untuk 2x2x3 maksudnya percobaan faktorial yang terdiri dari 3 faktor dengan taraf
RANCANGAN FAKTORIAL faktorial adalah suatu percobaan yang perlakuannya terdiri atas semua kemungkinan kombinasi taraf dari beberapa faktor. Percobaan dengan menggunakan f faktor dengan t taraf untuk setiap
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 terperinciPendahuluan RRL Model Pengaruh Tetap Model Pengaruh Random
RANCANGAN RANDOM LENGKAP Pendahuluan RRL RRL atau Rancangan Random Lengkap merupakan rancangan di mana unit eksperimen yang dikenai perlakuan secara random dan menyeluruh lengkap untuk setiap perlakuan.
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 terperinciPengaruh Interaksi dan Nilai Interaksi pada Percobaan Faktorial (Review) ABSTRACT
AGROTROP, 5 (1): 9 0 (015) ISSN: 008-155X Fakultas Pertanian Universitas Udayana Denpasar Bali - Indonesia Pengaruh Interaksi dan Nilai Interaksi pada Percobaan Faktorial (Review) I MADE NARKA TENAYA Laboratorium
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 Pengertian dasar Faktor Taraf Perlakuan (Treatment) Respons Layout Percobaan & Pengacakan Penyusunan Data Analisis Ragam Perbandingan Rataan Pengertian dasar 3 Faktor: Variabel Bebas
Lebih terperinciPerancangan Percobaan
Perancangan Percobaan Ade Setiawan 009 Review RAL: Satuan percobaan homogen Keragaman Respons disebabkan pengaruh perlakuan RAK: Satuan percobaan heterogen Keragaman Respons disebabkan pengaruh Perlakuan
Lebih 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 terperinciBAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan
6 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini yaitu analisis regresi, analisis regresi multilevel, model regresi dua level, model regresi tiga
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 terperinciBAHAN 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 terperinciBerbagai 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 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 terperinciPerancangan Percobaan
Perancangan Percobaan Rancangan lingkungan: Rancangan Acak Lengkap (RAL), (RAK) dan Rancangan Bujur Sangkar Latin (RBSL), Lattice. Ade Setiawan 009 RAL Ade Setiawan 009 Latar Belakang RAK 3 Perlakuan Sama
Lebih terperinciLampiran 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A Jenis Penelitian Jenis penelitian ini merupakan penelitian kuantitatif, karena ingin mengetahui hasil belajar matematika siswa ditinjau dari asal sekolah dan kemampuan Bahasa
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 terperinciM 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 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 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 terperinciRancangan Persilangan 2 Pengertian dan kegunaan, Tujuan Bahan dan pelaksanaan Perancangan bagan persilangan Penempatan lapang Analisis ragam rancangan
Kuswanto, 2012 Rancangan Persilangan 2 Pengertian dan kegunaan, Tujuan Bahan dan pelaksanaan Perancangan bagan persilangan Penempatan lapang Analisis ragam rancangan persilangan I Penafsiran Pengertian
Lebih terperinciVI. PEMBAHASAN. dengan metode kemungkinan maksimum, tetapi terhadap
89 VI. PEMBAHASAN Pada analisis yang menggunakan pendekatan model acak satu faktor (model persamaan 4.1), metode kuadrat terkecil secara umum memberikan hasil dugaan yang berbeda dengan metode kemungkinan
Lebih terperinciKONSEP NILAI HARAPAN KUADRAT TENGAH
ROZA AZIZAH PRIMATIKA, M.Si KONSEP NILAI HARAPAN KUADRAT TENGAH Pengantar Salah satu komponen penting dalam perancangan percobaan adalah analisis ragam (anova) Komponen utama dalam menyusun analisis ragam
Lebih terperinciBAB III LANDASAN TEORI
11 BAB III LANDASAN TEORI 3.1 Tinjauan Statistik 3.1.1 Analisis Deskriptif Analisis statistik deskriptif adalah suatu metode analisis yang merupakan teknik mengumpulkan, mengolah, menyederhanakan, menyajikan
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 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 terperinciII. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data
5 II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data panel ini, penulis menggunakan definisi, teorema dan konsep dasar yang berkaitan dengan pendugaan parameter,
Lebih terperinciTINJAUAN PUSTAKA. Rancangan petak teralur (strip plot design) merupakan susunan petak-petak (plotplot)
II. TINJAUAN PUSTAKA 2.1 Rancangan Petak Teralur Rancangan petak teralur (strip plot design) merupakan susunan petak-petak (plotplot) sebagai satuan percobaan yang terdiri dari plot baris untuk perlakuan
Lebih terperinciUJI ASUMSI KLASIK (Uji Normalitas)
UJI ASUMSI KLASIK (Uji Normalitas) UJI ASUMSI KLASIK Uji Asumsi klasik adalah analisis yang dilakukan untuk menilai apakah di dalam sebuah model regresi linear Ordinary Least Square (OLS) terdapat masalah-masalah
Lebih terperinciBujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc.
Percobaan Satu Faktor: Rancangan Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc. Rancangan Bujur Sangkar Latin (RBSL) Pada kondisi-kondisi tertentu, keheterogenan unit percobaan tidak
Lebih terperinciBAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
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 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 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 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 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 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 terperinciTIN309 - Desain Eksperimen Materi #6 Genap 2015/2016 TIN309 DESAIN EKSPERIMEN
Materi #6 TIN309 DESAIN EKSPERIMEN Desain Latin Squares 2 Digunakan untuk mengontrol atau mengeliminasi dua jenis faktor nuisance. Dibuat jika terdapat 3 faktor, yaitu: 1 faktor percobaan, dan 2 faktor
Lebih terperinciAnalisis Varians Satu Arah (One Way Anova)
Analisis Varians Satu Arah (One Way Anova) Fungsi Uji : Untuk mengetahui perbedaan antara 3 kelompok/ perlakuan atau lebih Asumsi : Data berskala minimal interval Data berdistribusi Normal Varians data
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 terperinciIII BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah 10 ekor sapi perah Fries
20 III BAHAN DAN METODE PENELITIAN 3.1. Bahan dan Alat Penelitian 3.1.1. Ternak Percobaan Ternak yang digunakan dalam penelitian ini adalah 10 ekor sapi perah Fries Holland pada laktasi pertama. Produksi
Lebih terperinciI. PENDAHULUAN II. TINJAUAN PUSTAKA
I. PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari pasti kita dihadapi oleh suatu pilihan dan masalah pengambilan keputusan. Salah satu ilmu yang dapat digunakan untuk membantu pengambilan keputusan
Lebih terperinciMODEL-MODEL LEBIH RUMIT
MAKALAH MODEL-MODEL LEBIH RUMIT DISUSUN OLEH : SRI SISKA WIRDANIYATI 65 JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA 04 BAB I PENDAHULUAN. Latar Belakang
Lebih terperinciMENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL
MENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL E. JULIANTINI Balai Besar Penelitian dan Pengembangan Bioteknologi dan Sumberdaya Genetik Pertanian, Jl. Tentara Pelajar No.,
Lebih terperinciBAB III METODOLOGI PENELITIAN
36 BAB III METODOLOGI PENELITIAN 3.1 Variabel Peneltian dan Definisi Operasional Untuk mempermudah analisis dan memperjelas variabel-variabel yang ada dalam penelitian ini maka dilakukan variabel operasional
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 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 terperinciANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA. Bahriddin Abapihi 1)
Bahriddin Abapihi//Paradigma, Vol.15 No.1 Pebruari 2011 hlm.11 18 11 ANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA Bahriddin Abapihi 1) 1) Jurusan Matematika FMIPA, Universitas Haluoleo,
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 terperinciUmur 50% keluar rambut : ± 60 hari setelah tanam (HST) : Menutup tongkol dengan cukup baik. Kedudukan tongkol : Kurang lebih di tengah-tengah batang
Lampiran 1. Deskripsi Jagung Varietas Bisma Golongan : Bersari bebas Umur 50% keluar rambut : ± 60 hari setelah tanam (HST) Umur panen : ± 96 HST Batang : Tinggi sedang, tegap dengan tinggi ± 190 cm Daun
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Konsep Dasar Statistika Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, menyusun atau mengatur, menyajikan, menganalisa dan memberi interpretasi terhadap
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Populasi dan Sampel Populasi adalah kelompok besar individu yang mempunyai karakteristik umum yang sama atau kumpulan dari individu dengan kualitas serta ciri-ciri yang telah ditetapkan.
Lebih terperinciLampiran 1. Perhitungan Kelangsungan Hidup Benih Ikan Koi Pada Penelitian Pendahuluan.
Lampiran 1. Perhitungan Kelangsungan Hidup Benih Ikan Koi Pada Penelitian Pendahuluan. Perlakuan N0 Nt SR% A (0,1 ml/l) 10 2 20 B (0,3 ml/l) C (0,5 ml/l) D (0,7 ml/l) E (0,9 ml/l) F (1,1 ml/l) G (1,3 ml/l)
Lebih terperinciIdentifikasi Faktor Signifikan pada Rancangan Faktorial Fraksional dan
Vol. 10, No. 2, 92-101, Januari 2014 Identifikasi Faktor Signifikan pada Rancangan Faktorial Fraksional dan Fachrun Arifianto S., M. Saleh AF., Anisa Abstrak Rancangan faktorial dengan jumlah faktor yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. 2.1 Matriks Sebuah matriks, biasanya dinotasikan dengan huruf kapital tebal seperti A,
Lebih terperinciBAB 2 LANDASAN TEORI
14 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Kata regresi (regression) diperkenalkan pertama kali oleh Francis Dalton pada tahun 1886. Menurut Dalton, analisis regresi berkenaan dengan studi
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 terperinciIII. MATERI DAN METODE
III. MATERI DAN METODE 3.1. Tempat dan Waktu Penelitian ini dilaksanakan di Balai Benih Induk Hortikultura Jalan Kaharuddin Nasution Pekanbaru. Penelitian ini dilaksanakan pada bulan Desember 2014 sampai
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Semakin berkembangnya peradaban manusia maka perkembangan ilmu pengetahuan dan teknologi berbanding lurus. Pada dasarnya ini merupakan usaha manusia untuk melangsungkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Repeated Measurement Dalam repeated measurement setiap perlakuan menunjukkan pengukuran terhadap satu sampel (unit eksperimen ) atau beberapa sampel yang memiliki karakter sama
Lebih terperinciRegresi linier berganda Pada regresi linier sederhana variabel bebas (X) dan variabel tak bebas (Y) Regresi linier berganda : atau lebih variabel beba
Kuswanto-0 Regresi linier berganda Pada regresi linier sederhana variabel bebas (X) dan variabel tak bebas (Y) Regresi linier berganda : atau lebih variabel bebas (X, X,,Xn) variabel tak bebas (Y) Apabila
Lebih terperinciBAB. IX ANALISIS REGRESI FAKTOR (REGRESSION FACTOR ANALYSIS)
BAB. IX ANALII REGREI FAKTOR (REGREION FACTOR ANALYI) 9. PENDAHULUAN Analisis regresi faktor pada dasarnya merupakan teknik analisis yang mengkombinasikan analisis faktor dengan analisis regresi linier
Lebih terperinciKERAGAMAN KARAKTER TANAMAN
MODUL I KERAGAMAN KARAKTER TANAMAN 1.1 Latar Belakang Tujuan akhir program pemuliaan tanaman ialah untuk mendapatkan varietas unggul baru yang sesuai dengan preferensi petani dan konsumen. Varietas unggul
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 terperinciLogika Permainan Sudoku
Logika Permainan Sudoku Aminah Nuraini (13509055) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia aminah.nuraini@students.itb.ac.id
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 terperinciREGRESI LINIER. b. Variabel tak bebas atau variabel respon -> variabel yang terjadi karena variabel bebas. Dapat dinyatakan dengan Y.
REGRESI LINIER 1. Hubungan Fungsional Antara Variabel Variabel dibedakan dalam dua jenis dalam analisis regresi: a. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia.
Lebih terperinciBAB IV HASIL PENELITIAN. penambahan berat badan Mencit (Mus musculus). Jarak penimbangan pada
BAB IV HASIL PENELITIAN A. Deskripsi Data Data hasil penelitian ini berupa data yang diambil berdasarkan dari penambahan berat badan Mencit (Mus musculus). Jarak penimbangan pada objek penelitian berkisar
Lebih terperinciMETODE PENELITIAN. Gambar 2 Ternak dan Kandang Percobaan
14 METODE PENELITIAN Penelitian ini dibagi menjadi dua percobaan yaitu 1) Percobaan mengenai evaluasi kualitas nutrisi ransum komplit yang mengandung limbah taoge kacang hijau pada ternak domba dan 2)
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 terperinciIII. 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 terperinciStatistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak
BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang
Lebih terperinciS T A T I S T I K A OLEH : WIJAYA
S T A T I S T I K A OLEH : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 009 V. PENGUJIAN HIPOTESIS Hhipotesis adalah jawaban sementara terhadap suatu
Lebih terperinciLampiran 1 FORMULIR UJI KESUKAAN (UJI HEDONIK) 3. Netralkan indera pengecap anda dengan air putih setelah selesai mencicipi satu sampel.
Lampiran 1 FORMULIR UJI KESUKAAN (UJI HEDONIK) Nama panelis : Umur : Jenis kelamin : Tlp/HP : Peminatan : Instruksi 1. Ciciplah sampel satu persatu. 2. Pada kolom kode sampel berikan penilaian anda dengan
Lebih terperinciPENARIKAN SAMPEL & PENDUGAAN PARAMETER
PENARIKAN SAMPEL & PENDUGAAN PARAMETER Arti Penarikan Sampel Populasi ( Universe) adalah totalitas dari semua objek atau individu yang memiliki karakteristik tertentu, jelas dan lengkap yang akan diteliti
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Tempat Pelaksanaan Penelitian dilaksanakan di Desa Moutong Kecamatan Tilong Kabila Kab. Bone Bolango dengan ketinggian tempat + 25 meter diatas permukaan laut. 3.2. Bahan
Lebih terperinciFORMULIR 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 terperinciMETODE SCHEFFE DALAM UJI KOMPARASI GANDA ANALISIS VARIANS DUA FAKTOR DENGAN INTERAKSI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3(2015), hal 371 378. METODE SCHEFFE DALAM UJI KOMPARASI GANDA ANALISIS VARIANS DUA FAKTOR DENGAN INTERAKSI Yuvita Erpina Rosa, Neva
Lebih terperincipendekatan dalam penelitian ini dinilai cukup beralasan.
Tabel Hasil pendugaan model pengaruh tetap dengan Y sebagai peubah respon dan X, X dan X sebagai C -. 00 X -5 0.50 X.05 00 X 00 R 0.6 Adjusted R 0.6 Hasil pendugaan model data panel dengan Y sebagai peubah
Lebih terperinciBAHAN DAN METODE PENELITIAN. Pertanian, Universitas Sumatera Utara, Medan. Percobaan ini dilakukan mulai
BAHAN DAN METODE PENELITIAN Tempat dan Waktu Penelitian Percobaan ini dilakukan di Laboratorium Teknologi Benih Fakultas Pertanian,, Medan. Percobaan ini dilakukan mulai dari bulan April 2016 hingga Mei
Lebih terperinciAcak Kelompok Lengkap (Randomized Block Design) Arum H. Primandari, M.Sc.
Percobaan Satu Faktor: Rancangan Acak Kelompok Lengkap (Randomized Block Design) Arum H. Primandari, M.Sc. Latar belakang Rancangan Acak kelompok adalah suatu rancangan acak yang dilakukan dengan mengelompokkan
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 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 terperinciLampiran I.34 PENETAPAN DAERAH PEMILIHAN DAN JUMLAH KURSI ANGGOTA DEWAN PERWAKILAN RAKYAT DAERAH PROVINSI DALAM PEMILIHAN UMUM TAHUN 2014
Lampiran I. : Keputusan Komisi Pemilihan Umum : 106/Kpts/KPU/TAHUN 01 : 9 MARET 01 ANGGOTA DEWAN PERWAKILAN RAKYAT DAERAH PROVINSI DALAM PEMILIHAN UMUM TAHUN 01 No DAERAH PEMILIHAN JUMLAH PENDUDUK JUMLAH
Lebih terperinci