PENGUJIAN RATAAN PERLAKUAN

Slides:



Advertisements
Presentasi serupa
Integral tak tentu Kelas XII - IPS.
Advertisements

STATISTIK INDUSTRI I PEMBANDINGAN BERGANDA
PEMBANDINGAN BERGANDA (Prof. Dr. Kusriningrum)
KELOMPOK 1 Anggota : 1.Adeleida Wilhelmina M. (1) 2. Ezra P Donny A (9) 3.I Komang Deddy S.P. (17) 4.Nurul Lia S.D. (25) 5.Wening Ulinnuha M. (34)
Uji beda rata-rata Kalau dalam ANOVA menunjukkan bahwa F hitung > F tabel yang berarti bahwa menolak hipotesis yang menyatakan rata-rata antar perlakuan.
Menyusun Persamaan Kuadrat
Pengujian Hipotesis.
Uji Perbandingan Berganda
Rancangan Acak Lengkap
Rancangan Acak Kelompok Faktorial
Rancangan Acak Kelompok Faktorial
Percobaan 2 faktor dalam RAK
1 SAMPLING ACAK STRATIFIKASI. 2 Populasi berukuran N dikelompokkan menjadi L strata : Sampel berukuran n dan setiap strata akan terpilih subsample berukuran.
Bab 4 Pengujian Hipotesis Tentang Rata2
Percobaan Berfaktor Perlakuan : kombinasi antara taraf faktor satu dengan taraf faktor yang lain Penempatan perlakuan dalam : RAL, RAK, SPLIT PLOT atau.
STATISTIK INDUSTRI 1 MATERI KE-13 PEMBANDINGAN BERGANDA
MULTIPLE COMPARISON TEST (UJI LANJUT, POSTHOC TEST ) MULTIPLE COMPARISON TEST (UJI LANJUT, POSTHOC TEST ) Dr. Nugraha E. Suyatma, STP, DEA Dr. Ir. Budi.
VII. RAK FAKTORIAL Percobaan RAK pola faktorial adalah penelitian dengan rancangan dasar RAK dan faktor perlakuan labih dari atau sama dengan 2. Contoh.
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOcK Design)
PERBANDINGAN ANTAR NILAI RERATA PERLAKUAN
Rancangan Acak Lengkap
PEMBANDINGAN ORTOGONAL ( Prof.Dr. Kusriningrum )
PERCOBAAN FAKTORIAL.
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.
PERCOBAAN FAKTORIAL.
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOcK Design)
Forcep Rio Indaryanto, S.Pi., M.Si
KIMIA ANALISIS Konsep Statistika.
STATISTIKA Pertemuan 10-11: Pengantar Rancob dan Rancangan Acak Lengkap, Uji Lanjutan Dosen Pengampu MK:
NOTASI SIGMA Maka:.
Uji Lanjut: Uji Berganda Duncan (DMRT) (Duncan's Multiple Range Test)
RANCANGAN ACAK KELOMPOK
RANCANGAN BUJUR SANGKAR LATIN (RBL)
CONTOH SOAL UJI HIPOTESA
Regresi Linier Sederhana
Percobaan 2 faktor dalam RAK
Modus dan Median.
UJI PERBANDINGAN BERGANDA
Assalamu’alaikum Wr. Wb.
Rancangan Acak Lengkap
Rancangan Satu Faktor Rancangan Acak Lengkap
Perbandingan Berganda
PENGUJIAN RATAAN PERLAKUAN
PERTEMUAN III Penyajian Data Berkelompok
UJI PERBANDINGAN GANDA
UJI LANJUTAN & RANCANGAN ACAK KELOMPOK
Perbandingan Berganda
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOCK DESIGN) atau RANCANGAN KELOMPOK LENGKAP TERACAK (RANDOMIZED COMPLITE BLOCK DESIGN) Prof.Dr. Kusriningrum.
REGRESI 1 1.OBSERVASI 2.PENGAMATAN 3.PENGUKURAN (Xi, Yi)
UKURAN DIPERSI (PENYIMPANGAN)
ANALYSIS OF VARIANCE (ANOVA)
RANCANGAN ACAK LENGKAP (FULLY RANDOMIZED DESIGN, COMPLETELY RANDOMIZED DESIGN) Untuk percobaan yang mempunyai media atau tempat percobaan yang seragam.
UJI BEDA RATAAN.
UJI BEDA RATAAN.
Perbandingan Berganda
Rancangan Acak Lengkap
Uji Nilai Tengan Lebih dari 2 populasi
UJI LANJUTAN & RANCANGAN ACAK KELOMPOK
DISTRIBUSI PROBABILITAS TEORITIS
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
MEMBEDAKAN LEBIH DARI 2 PERLAKUAN
MEMBEDAKAN LEBIH DARI 2 PERLAKUAN
MEMBEDAKAN LEBIH DARI 2 PERLAKUAN
NOTASI SIGMA Maka:.
UJI HIPOTESIS Indah Mulyani.
RUMUS mencari Nilai Rata-rata : =AVERAGE(…,…,…,).
Transcript presentasi:

PENGUJIAN RATAAN PERLAKUAN 1.UJI BEDA NYATA TERKECIL (BNT) 2.UJI BEDA NYATA JUJUR (BNJ) 3.UJI JARAK DUNCAN 1.UJI BEDA NYATA TERKECIL (BNT) Pada uji ini digunakan untuk membedakan 2 rataan perlakuan dengan rumus sbb.: BNT α % = t (α %, db.galat) x SE ____________ SE = √(2 KTGalat ) / r

Contoh : pada soal diatas ____________ ____________ SE = √(2 KTGalat ) / r = √(2 x 0,0083) / 3 = 0,0743 BNT 1 % = t (1 %, dbgalat=8) x SE = 3,36 x 0,0743 = 0,2496 t (α %, db.galat) dilihat pada tabel t dengan db = 8, α % α % : 1 % atau 5 %

RAL BNT 1 %= 0,2496 BNT 5 %= Perlakuan Rataan Notasi(1%) notasi ( 5%) A 1,0333 a D 1,10 a C 1,20 ab B 1,40 b Kesimpulan : Ransum B memberikan bobot badan yang paling tinggi pada ayam pedaging akan tetapi pengaruhnya tidak berbeda dengan ransum C

2.UJI BEDA NYATA JUJUR (BNJ) Pada prinsipnya sama dengan pada uji BNT yaitu digunakan untuk menguji perbedaan perlakuan dengan dasar pemikiran menggunakan selang kepercayaan. Perbedaannya nilai kritis yg digunakan yaitu studentized range untuk p buah rataan perlakuan dengan db galat

BNJ α % = (qp, db.galat, α %) x SE __________ SE = √(KTGalat ) / r Tabel BNJ dilihat pada db galat dan banyaknya perlakuan yang diuji Contoh soal diatas : _________ _________ SE = √(KTGalat ) / r = √(0,0083) / 3 = 0,0526 BNJ 1 % = 6,20 x 0,0526 = 0,3261

Perlakuan Rataan Notasi 0,3261 D 1,10 ab C 1,20 ab B 1,40 b Kesimpulan : Ransum B memberikan bobot badan yang paling tinggi pada ayam pedaging akan tetapi pengaruhnya tidak berbeda dengan ransum C dan D

3.UJI JARAK DUNCAN (JARAK NYATA DUNCAN=JND) Pada prinsipnya sama dengan BNT dan BNJ hanya yang membedakan faktor pembeda tergantung banyaknya perlakuan yg akan diuji dan tabel yang digunakan juga beda JNT α % = JND (α %, db galat,p) x SE __________ SE = √(KTGalat ) / r

Contoh soal diatas: _________ _________ SE = √(KTGalat ) / r = √(0,0083) / 3 = 0,0526 JNT 1 % = 4,74 x 0,0526 = 0,2493 JND 1 % 4,74 5,00 5,14 (lihat Tabel) JNT 1 % 0,2493 0,2630 0,2704

Perlakuan Rataan Notasi D 1,10 a C 1,20 ab B 1,40 b Kesimpulan : Ransum B memberikan bobot badan yang paling tinggi pada ayam pedaging akan tetapi pengaruhnya tidak berbeda dengan ransum C