DATA SENSORIS DAN ANALISANYA

Slides:



Advertisements
Presentasi serupa
BIOSTATISTIK (MATERI MATRIKULASI)
Advertisements

PROBABILITAS STATISTIKA &
Statistika Statistika : suatu metode ilmiah dalam mengumpulkan, mengklasifikasikan, meringkas, menyajikan, menginterpretasikan dan menganalisis data 
STATISTIKA NON PARAMETRIK
Uji Statistik Non Parametrik
STATISTIK vs STATISTIKA
Statistik Non Parametrik TEMU I DIAKHIR PERTEMUAN MAHASISWA 1.MENGENAL DATA DAN JENISNYA, 2.MENGETAHUI KEGUNAAN STATISTIK NON- PARAMETRIK 3.MEMBUAT HIPOTESIS.
PENGOLAHAN DAN ANALISIS DATA
STATISTIK NONPARAMETRIK Kuliah 1: Pengertian Statistika Nonparametrik Dosen: Dr. Hamonangan Ritonga, MSc Sekolah Tinggi Ilmu Statistik Jakarta Tahun.
STATISTIK vs STATISTIKA
Pelatihan SPSS Basic.
ANALISIS DATA Pokok Bahasan Oleh: SAPJA ANANTANYU
Aplikasi Komputer & Pengolahan Data SKALA PENGUKURAN DATA
Pengumpulan Dan Pengolahan Data
PENGERTIAN STATISTIK DAN DATA
Statistik Inferensial Diskriptif Assalamu’alaikum Parametrik
ANALISA STATISTIK DAN KUALITATIF
Pengenalan Dasar-dasar Statistika Non Parametrik
Statistik Inferensial
Universitas Negeri Malang Oleh : SENO ISBIYANTORO ( ) STATISTIK PARAMETRIK & NON-PARAMETRIK.
PENGANTAR STATISTIKA MANAJEMEN
TEORI SEDERHNA PEMILIHAN UJI HIPOTESIS
STATISTIK dalam RISET Anas Tamsuri Disampaikan pada One Day Training:
TEKNIK ANALISIS DATA.
PENGERTIAN STATISTIK DAN STATISTIKA
SKALA NOIR : BAHAN AJAR STATISTIKA
STATISTIK INFERENSIAL
BIO STATISTIKA JURUSAN BIOLOGI
KULIAH I STATISTIK, VARIABEL, PENGUKURAN
Irman Somantri, S.Kp., M.Kep.
APLIKASI SPSS DALAM STATISTIK
Nurratri Kurnia Sari, M. Pd
Analisis Korelasi Bertujuan untuk mengetahui hubungan dua variabel atau lebih. Korelasi sederhana: jika variabel ada 2 Korelasi berganda: jika variabel.
PENGOLAHAN dan analisis DATA
Konsep dasar Statistik
PERTEMUAN 4 Hipotesis Statistik , Uji Normalitas, Uji Homogenitas dan Uji Hipotesis.
Pemrosesan data Tim Dosen MSI.
Statistik Non Parametrik
METODE PENELITIAN KUANTITATIF (13) FIKOM UNIVERSITAS BUDILUHUR.
BAHAN AJAR STATISTIKA PROGRAM PASCA SARJANA MAGISTER ADMINISTRASI PUBLIK UNIVERSITAS MUHAMMADIYAH PALANGKARAYA Oleh : Bulkani.
Metode Statistik Non Parametrik
STATISTIKA Pertemuan 12: Analisis Nonparametrik Dosen Pengampu MK:
Statistika.
PENGANTAR STATISTIKA.
Metode Penilitian Kelompok 4 TEKNIK ANALISIS DATA.
Statistik Komputasi Pendahuluan.
PENGERTIAN STATISTIK DAN DATA
PENGERTIAN STATISTIKA
UNIVERSITAS WIRARAJA SUMENEP
Praktikum statistik “Dengan spss”
Kuliah ke-1 Statistik Inferensial
Statistika dan Penerapannya
02 STATISTIK Pengumpulan Data Bethriza Hanum ST., MT Teknik
DATA.
Statistika Parametrik & Non Parametrik
UJI PEMBEDAAN.
PENGOLAHAN DAN ANALISIS DATA.
Teknik Analisis Data dengan Statistik Non Parametrik
Statistik Inferensial
PENDAHULUAN.
ANALISis DATA statistik
Ilmu yg digunakan untuk mengolah statistik
BIOSTATISIK INFERENSIAL
Dalam Analisis Statistik
STATISTIKA DASAR.
Statistik Dasar Kuliah 8.
PENGOLAHAN DAN ANALISIS DATA Ida Ekawati Fakultas Pertanian Universitas Wiraraja.
BIOSTATISTIK INFERENSIAL
Statistika Non-Parametrik
Statistika Non-Parametrik
Transcript presentasi:

DATA SENSORIS DAN ANALISANYA

BENTUK DATA SENSORIS Frekuensi Rangking/urutan Numerik kuantitatif  Tergantung skala pengukuran yang digunakan

SKALA PENGUKURAN Digunakan untuk mengkuantifikasikan informasi sensoris 4 macam skala pengukuran : - Skala nominal - Skala ordinal - Skala interval - Skala rasio ~ Pemilihan skala akan mempengaruhi tipe analisa statistik ~ memperhatikan tujuan

1. SKALA NOMINAL Paling sederhana Angka tak menunjukkan apapun kecuali label/nama atau katrgori ~ tak mempunyai nilai numerik nyata Contoh skala nominal untuk aroma khas saus tomat 1 = fruity 2 = manis 3 = spicy 4 = pungent (pedas/tajam) Bisa juga langsung menggunakan nama tanpa nomor

Data frekuensi munculnya setiap karakteristik pada setiap sampel ditabulasi Produk dibandingkan dengan memperhatikan frekuensi setiap aroma khas pada setiap sampel Kalisifikasinya bisa juga : - diterima – tak diterima Jumlah panelis yang memilih sampel diterima dibandingkan dengan yang tidak diterima

2. SKALA ORDINAL Data menunjukkan rangking atau urutan Sampel diurutkan berdasar besar atribut yang dinilai Rangking tak menunjukkan besarnya perbedaan antar sampel Mis : 4 sampel ~ nilai = 1,2,3 dan 4 1 lebih dulu drpd 2, 2 idem 3, 3 idem 4 Namum jarak 1-2, 2-3, 3-4 tidak harus sama

Angka pada skala ordinal memberi informasi lebih banyak drpd angka pd skala nominal Pengujian berorientasi produk  intensitas karakteristik produk diurutkan Pengujian berorientasi konsumen sampel diurutkan berdasar kesukaan / penerimaan

3. SKALA INTERVAL Angka menampilkan kuantitas nyata Sampel dinilai berdasarkan karakteristik tunggal produk atau berdasar kesukaan/penerimaan Tak hanya urutan nilai yang diketahui tapi juga seberapa besar berbeda Agar tingkat perbedaan antar sampel dapat diukur  panjang interval pada skala hrs sama

Mis : skala sampai 8  jarak 0 - 4 = 4 – 8 (intervalnya sama ) Tapi = Nilai 8 tidak harus kelipatan 4 Nilai 4 tidak harus kelipatan 2 Nilai 0 tidak harus benar-benar ada

Pada skala interval dikenal skala kategori dan skala garis. - Diberi nama dengan istilah deskriptif &/ angka - Semua kategori dpt diberi nama atau hanya pada tempat ttt (mis awal/akhir, tengah) - Total kategori bervariasi, yg biasa digunakan 5-9

Contoh : 5 titik skala kategori untuk intensitas karakteristik ttt Kode sampel ------ lemah (1) ------ sedikit intens (2) ------ cukup intens (3) ------ sangat intens (4) ------ ekstrim intens (5)

Skala garis - Dengan label pada ttk akhir/tengah - Digunakan untuk mengkuantifikasi karakteristik ttt - Panjang skala dpt bervariasi, yg biasa digunakan : 15 cm Contoh skala garis Lemah Kuat

4. SKALA RASIO Mirip dengan skala interval kecuali nilai 0 (nol) benar-benar ada S. interval  nilai 0 tak hrs menunjukkan ketiadaan nilai tsb S. rasio  niali 0 menunjukkan karakteristik benar-benar tidak ada Tak digunakan untuk pengujian berorientsi konsumen

Nilai benar-benar menunjukkan intensitas Mis : kemanisan nilai 8  intensitas manisnya hrs 2 x lipat dari kemanisan nilai 4

ANALISA DATA Data nominal & ordinal  analisa dengan uji statistik non-parametrik Data interval dan rasio  analisa dengan uji statistik parametrik Uji parametrik : - Memberi informasi lebih banyak drpd non parametrik - Angka/data memberi informasi lebih eksak

- Pembedan 2 seri data  pembedaan lebih baik - Korelasi  mendeteksi lebih baik Tapi harus memenuhi asumsi bahwa data terdistribusi secara normal

PENGUJIAN DATA Data nominal  - Uji bonimial - Chi- Square Data ordinal/rangking  Uji Friedman Data interval dan rasio (parametrik)  Uji Anava ~ Untuk melihat perbedaan antar sampel dilanjutkan dengan = Uji Duncan, Tukey, LSD/BNT

Uji korelasi  Uji Spearman, Pearson Statistik lebih lanjut, lihat O’Mahony (1986) Catatan : - Uji parametrik juga perlu interval/kategori yg sama antara phisiologi dan ukuran - Bila tidak kategori diperlakukan sebagai data nominal dan dianalisa dengan metode non-parametrik