MULTIPLE COMPARISON TEST (UJI LANJUT, POSTHOC TEST ) MULTIPLE COMPARISON TEST (UJI LANJUT, POSTHOC TEST ) Dr. Nugraha E. Suyatma, STP, DEA Dr. Ir. Budi.

Slides:



Advertisements
Presentasi serupa
2 Faktor (EXPERIMENTAL DESIGN)
Advertisements

RANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN)
2 FAKTOR – Bagian 2B (EXPERIMENTAL DESIGN)
RANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN)
PEMBANDINGAN BERGANDA (Prof. Dr. Kusriningrum)
MK. PENGELOLAAN DATA MUTU PANGAN
Uji beda rata-rata Kalau dalam ANOVA menunjukkan bahwa F hitung > F tabel yang berarti bahwa menolak hipotesis yang menyatakan rata-rata antar perlakuan.
Uji Perbandingan Berganda
RANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN)
RAKL (Rancangan Acak Kelompok Lengkap)
RANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN) Ke-1
RBSL (Rancangan Bujur Sangkar Latin)
Rancangan Acak Kelompok
Dr. Nugraha E. Suyatma, STP, DEA PS. SUPERVISOR JAMINAN MUTU PANGAN
Rancangan Acak Lengkap
Percobaan 2 faktor dalam RAK
Percobaan satu faktor (single factor exp.)
Percobaan Berfaktor Perlakuan : kombinasi antara taraf faktor satu dengan taraf faktor yang lain Penempatan perlakuan dalam : RAL, RAK, SPLIT PLOT atau.
PS. SUPERVISOR JAMINAN MUTU PANGAN INSTITUT PERTANIAN BOGOR
RESPONSI METODE GRAFIK
Uji Perbandingan Ganda (Multiple Comparison)
STATISTIK INDUSTRI 1 MATERI KE-13 PEMBANDINGAN BERGANDA
Rancangan Acak Lengkap (RAL) (Completely Randomized Design)
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOcK Design)
RANCANGAN ACAK LENGKAP FAKTORIAL
Rancangan Percobaan (II) Pertemuan 26
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
RANCANGAN ACAK LENGKAP (RAL) COMPLETTED RANDOMIZED DESIGN (CRD)
PERBANDINGAN ANTAR NILAI RERATA PERLAKUAN
ANALISIS VARIANSI (ANOVA)
PERANCANGAN PERCOBAAN
Rancangan Acak Lengkap
MUHAMAD SABAR EDI PUTERA
UJI DMRT Oleh: Afita Ismawati ( / Kelas F)
UJI LANJUT PEMBANDINGAN BERGANDA
RANCANGAN ACAK LENGKAP (FULLY RANDOMIZED DESIGN, COMPLETELY RANDOMIZED DESIGN) Untuk percobaan yang mempunyai media atau tempat percobaan yang seragam.
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOcK Design)
RAL (Rancangan Acak Lengkap)
Rancangan Acak Lengkap (RAL) (Completely Randomized Design)
Forcep Rio Indaryanto, S.Pi., M.Si
STATISTIKA Pertemuan 10-11: Pengantar Rancob dan Rancangan Acak Lengkap, Uji Lanjutan Dosen Pengampu MK:
Uji Lanjut: Uji Berganda Duncan (DMRT) (Duncan's Multiple Range Test)
RANCANGAN ACAK KELOMPOK
Rancangan Cross-Over Dalam kondisi-kondisi tertentu pemberian perlakuan dilakukan secara serial dimana setiap objek diterapkan seluruh perlakuan pada periode.
Rancangan Bujur Sangkar Latin (RBSL)
PENGUJIAN RATAAN PERLAKUAN
UJI PERBANDINGAN BERGANDA
Rancangan Acak Lengkap
Rancangan Satu Faktor Rancangan Acak Lengkap
Perbandingan Berganda
Materi Pokok 21 RANCANGAN KELOMPOK
PENGUJIAN RATAAN PERLAKUAN
PEMBANDINGAN GANDA PADA RANCANG KELOMPOK
UJI PERBANDINGAN GANDA
Nilai UTS.
Perbandingan Berganda
RANCANGAN ACAK LENGKAP (FULLY RANDOMIZED DESIGN, COMPLETELY RANDOMIZED DESIGN) Untuk percobaan yang mempunyai media atau tempat percobaan yang seragam.
Percobaan satu faktor (single factor exp.)
UJI BEDA RATAAN.
UJI BEDA RATAAN.
Perbandingan Berganda
UJI HIPOTESIS MK. PENGELOLAAN DATA MUTU PANGAN PS. SUPERVISOR JAMINAN MUTU PANGAN PROGRAM DIPLOMA INSTITUT PERTANIAN BOGOR Dr. Ir. Budi Nurtama, Magr Dr.
Rancangan Acak Lengkap
Uji Nilai Tengan Lebih dari 2 populasi
UJI LANJUTAN & RANCANGAN ACAK KELOMPOK
ANOVA SATU ARAH (Oneway Anova).
STATISTIKA 2 8. ANOVA OLEH: RISKAYANTO
Uji Perbandingan Berganda Kuswanto, Uji perbandingan berganda Untuk membandingkan rerata antar perlakuan Untuk membandingkan rerata antar perlakuan.
UJI LANJUTAN DAN RANCANGAN ACAK KELOMPOK
Rancangan acak lengkap faktorial
Transcript presentasi:

MULTIPLE COMPARISON TEST (UJI LANJUT, POSTHOC TEST ) MULTIPLE COMPARISON TEST (UJI LANJUT, POSTHOC TEST ) Dr. Nugraha E. Suyatma, STP, DEA Dr. Ir. Budi Nurtama, M.Agr. PS. SUPERVISOR JAMINAN MUTU PANGAN PROGRAM DIPLOMA – IPB PS. SUPERVISOR JAMINAN MUTU PANGAN PROGRAM DIPLOMA – IPB

Multiple Comparison Tests Uji pembandingan nilai-nilai tengah perlakuan Uji lanjut (posthoc tests) dari ANOVA jika terdapat hasil yang signifikan (hipotesis H 0 ditolak) Beberapa uji adalah : -Uji BNT (Beda Nyata Terkecil, Least Significance Difference) -Uji BNJ (Beda Nyata Jujur, Honestly Significance Difference) -Uji Perbandingan Berganda Duncan (Duncan's Multiple Range Test) -Uji Perbandingan thd Kontrol (uji Dunnett)

Uji Beda Nyata Terkecil (Uji BNT) Fisher's Least Significance Difference Test (LSD Test) Menguji ada/tidaknya perbedaan perlakuan yang berpasang-pasangan, misalnya 4 perlakuan berarti terdapat C 2 4 = 6 pasangan. Semakin besar banyaknya perlakuan yg dibandingkan, semakin besar tingkat kesalahan. Uji hipotesis : H 0 :  i =  i ' vs. H 1 :  i   i ' Kriteria pengambilan keputusan :  Y i  Y i'   BNT  kedua perlakuan berbeda nyata pada taraf .

CONTOH UJI BNT Data CONTOH I-A : Tabel ANOVA Sumber Keragaman Jumlah Kuadrat derajat bebas Kuadrat Tengah F h i t u n g Perlakuan Galat Total Dari Tabel Nilai Kritis Sebaran F diperoleh : F 0.05, 2, 6 = 5.14 Nilai F hitung perlakuan  F 0.05, 2, 6 maka H 0 ditolak. Perlakuan tiga jenis pepaya berpengaruh nyata terhadap viskositas saos pepaya pada taraf signifikansi 0.05.

Data CONTOH I-A : Rata-rata viskositas saos pepaya A = ; B = ; dan C = KTG = , db galat = 6, r i = r i ' = 3 Kriteria pengambilan keputusan :    =  BNT  kedua perlakuan berbeda nyata pada taraf Latihan : Bgm utk perlakuan pepaya A dg C maupun B dg C ?

Uji Beda Nyata Jujur (Uji BNJ) Tukey's Honestly Significance Difference Test (HSD Test) Menguji ada/tidaknya perbedaan perlakuan yang berpasang-pasangan, misalnya 4 perlakuan berarti terdapat C 2 4 = 6 pasangan. Semua perbandingan pasangan yg mungkin, kesalahannya = . Untuk 4 perlakuan dgn  = 5% maka setiap pasangan mempunyai kesalahan =  /(2*6) = 0.413%. Uji hipotesis : H 0 :  i =  i ' vs. H 1 :  i   i '

Langkah-langkah pembandingan uji BNJ : 1.Urutkan rataan perlakuan dari yg terkecil s/d terbesar atau sebaliknya. 2.Nilai awal i = 1 dan j = 1. 3.Hitung beda absolut antara rataan terkecil ke-i dg terbesar ke-j. 4.Bandingkan dg BNJ. Jika lebih kecil, lanjut ke langkah 6. 5.Berikan j = j + 1, jika j  p kembali ke langkah 3. 6.Buat garis di bawah rataan ke-i sampai ke-j. 7.Berikan i = i + 1, jika i  p kembali ke langkah 3. 8.Stop. Penarikan kesimpulan : Perlakuan-perlakuan pada garis yg sama berarti tidak berbeda nyata pada taraf .

CONTOH UJI BNJ Data CONTOH I-A : Rata-rata viskositas saos pepaya A = , B = dan C = KTG = , p = 3, db galat = 6, r = 3 Urutan rataan : C = B = A = Beda rataan terkecil ke-1 dg terbesar ke-1 = I  І =  BNJ Beda rataan terkecil ke-1 dg terbesar ke-2 = I  І =  BNJ Perlakuan C B Beda rataan terkecil ke-2 dg terbesar ke-1 = I  І =  BNJ Perlakuan C B A Jadi perlakuan C dan B berbeda nyata dg A sedangkan C tidak berbeda nyata dg B pada taraf Latihan : Uji BNJ untuk CONTOH I-B

Uji Perbandingan Berganda Duncan Duncan's Multiple Range Test (DMRT). Mirip dg uji Tukey. Nilai-nilai pembanding meningkat sesuai dg jarak peringkat dua perlakuan yg dibandingkan. Uji hipotesis : H 0 :  i =  i ' vs. H 1 :  i   i '

Langkah-langkah pembandingan uji Duncan : 1.Urutkan rataan perlakuan dari yg terkecil s/d terbesar atau sebaliknya. 2.Nilai awal i = 1 dan j = 1. 3.Hitung beda absolut antara rataan terkecil ke-i dg terbesar ke-j. 4.Bandingkan dg nilai R p. Jika lebih kecil, lanjut ke langkah 6; jika tidak lanjut ke langkah 5. 5.Berikan j = j + 1, jika j  p kembali ke langkah 3. 6.Buat garis di bawah rataan perlakuan ke-i sampai ke-j. 7.Berikan i = i + 1, jika i  p kembali ke langkah 3. 8.Stop. Penarikan kesimpulan : Perlakuan-perlakuan pada garis yg sama berarti tidak berbeda nyata pada taraf .

CONTOH UJI DUNCAN Data CONTOH I-A : Rata-rata viskositas saos pepaya A = , B = dan C = KTG = , p = 2 dan 3, db galat = 6, r = 3 Urutan rataan : C = B = A = Beda rataan terkecil ke-1 dg terbesar ke-1 = I  І =  R 3 Beda rataan terkecil ke-1 dg terbesar ke-2 = I  І =  R 2 Beda rataan terkecil ke-2 dg terbesar ke-1 = I  І =  R 2 Perlakuan C B A Jadi perlakuan C dan B berbeda nyata dg A sedangkan C tidak berbeda nyata dg B pada taraf Latihan : Uji Duncan untuk CONTOH I-B

Uji Dunnett Menguji ada/tidaknya perbedaan suatu perlakuan terhadap perlakuan kontrol Uji hipotesis : H 0 :  0 =  i vs. H 1 :  0   i Kriteria pengambilan keputusan : Jika  d i   d  /2, k, v maka perlakuan i berbeda nyata dg perlakuan kontrol pada taraf . Nilai d  /2, k, v dari Tabel Dunnett dg k = banyaknya perlakuan yg dibandingkan (termasuk kontrol) dan v = db galat.

CONTOH UJI DUNNETT Misalnya data CONTOH II-B (Faktorial-RAKL) dimana perlakuan dg pengawet A dijadikan sbg perlakuan tanpa pengawet (Kontrol). Umur simpan rata-rata : kontrol = 2.0, pengawet B = 6.5 dan pengawet C = 8.0 KTG = 1.73, db galat = 5, n = 4, k = 3 Nilai d 0.05, 3, 5 dari Tabel Dunnett (berekor dua) = 3.03 Penarikan kesimpulan : Karena  d i   d 0.05, 3, 5 maka perlakuan pengawet B berbeda nyata dg perlakuan kontrol pada taraf Latihan : Lakukan pembandingan pengawet C dengan kontrol !

Pengaruh penggunaan bahan pengembang (foaming agent: 0, 100, 200 dan 300 ppm) terhadap overrun es krim yang dihasilkan (%). Data pengamatannya diperoleh sebagai berikut: Konsentrasi BTPUlangan 1Ulangan 2Ulangan a)Jika rancangan yang digunakan adalah RAL, tulisanlah model liniernya. Lengkap dengan keterangan! b)Jika perlakuan berpengaruh nyata, lanjutkanlah dengan perbandingan Duncan (DMRT). c)Apakah kesimpulan yang dapat anda tarik?