UJI LANJUTAN & RANCANGAN ACAK KELOMPOK

Slides:



Advertisements
Presentasi serupa
RANCANGAN ACAK BLOK / TWO-WAY ANOVA
Advertisements

Analisis Varians Satu Arah (One Way Anova)
UJI HOMOGENITAS DATA SATU VARIABEL UJI T DAN ANOVA
Rancangan Acak Kelompok
Korelasi Fungsi : Mempelajari Hubungan 2 (dua) variabel Var. X Var. Y.
Factorial Design Faktor yang diduga mempengaruhi hal yang diteliti lebih dari satu faktor Faktor terdiri atas beberapa level Perlakuan merupakan kombinasi.
Statistika Inferensi : Estimasi Titik & Estimasi Interval
Rancangan Acak Lengkap
ANOVA Dr. Srikandi Kumadji, MS.
STATISTIKA 1 Jurusan Ekonomi Syariah IAIN Antasari Banjarmasin Disampaikan oleh Hafiez Sofyani, SE., M.Sc. Pertemuan 8: ANALYSIS OF VARIANCE (ANOVA) KEGUNAAN.
Percobaan satu faktor (single factor exp.)
BAB 1 ANALISIS VARIANSI / KERAGAMAN Analysis of Variance ( ANOVA )
PENDUGAAN SELANG (INTERVAL) NILAI TENGAH
MULTIPLE COMPARISON TEST (UJI LANJUT, POSTHOC TEST ) MULTIPLE COMPARISON TEST (UJI LANJUT, POSTHOC TEST ) Dr. Nugraha E. Suyatma, STP, DEA Dr. Ir. Budi.
PERANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN)
Rancangan Acak Lengkap (RAL) (Completely Randomized Design)
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOcK Design)
RANCANGAN ACAK LENGKAP FAKTORIAL
ANALISIS VARIANSI (ANOVA)
PERANCANGAN PERCOBAAN
UJI LANJUT PEMBANDINGAN BERGANDA
RANCANGAN ACAK LENGKAP (FULLY RANDOMIZED DESIGN, COMPLETELY RANDOMIZED DESIGN) Untuk percobaan yang mempunyai media atau tempat percobaan yang seragam.
Dalam Rancangan Acak Lengkap (RAL)
CARA PENGUMPULAN DATA SENSUS DATA POPULASI ANALISIS NILAI PARAMETRIK
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOcK Design)
Perancangan Percobaan (Rancob)
RAL (Rancangan Acak Lengkap)
Rancangan Acak Lengkap (RAL) (Completely Randomized Design)
STK511 Dr. Ir. Rahmat Kurnia, M.Si.
Analisis Varians Satu Arah (One Way Anova)
RANCANGAN PERCOBAAN ACAK KELOMPOK
PERANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN)
Dalam Rancangan Acak Kelompok Lengkap (RAKL)
STATISTIKA Pertemuan 10-11: Pengantar Rancob dan Rancangan Acak Lengkap, Uji Lanjutan Dosen Pengampu MK:
RANCANGAN ACAK KELOMPOK
Statistika Nonparametrik (Uji hipotesis k sample)
RANCANGAN SPLIT PLOT.
ANALISA VARIANS DENGAN 2 KLASIFIKASI (two way anova)
TIM ASISTEN STATISTIKA 2016
TIM ASISTEN STATISTIKA 2016
NUR LAILATUL RAHMAH, S.Si., M.Si.
Rancangan Satu Faktor Rancangan Acak Lengkap
Statistika Uji hipotesis 1 Populasi & 2 Populasi
Uji Hipotesis 2 Populasi
UJI LANJUTAN & RANCANGAN ACAK KELOMPOK
Nilai UTS.
RANCANGAN PERCOBAAN DENGAN MINITAB DAN SAS
ANALYSIS OF VARIANCE (ANOVA).
Rancangan Acak Lengkap
Rancangan Acak Kelompok Lengkap (RAK)
Statistika uji hipotesis (1 populasi)
TIM ASISTEN STATISTIKA 2017
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.)
KONSEP ANALISIS OF VARIANCE
RANCANGAN ACAK KELOMPOK
UJI BEDA RATAAN.
UJI BEDA RATAAN.
RANCANGAN ACAK LENGKAP
HYPOTHESIS TESTING Beberapa Pengertian Dasar : Hipotesis Statistik
RANCANGAN ACAK KELOMPOK (RAK)
BAB 1 ANALISIS VARIANSI / KERAGAMAN Analysis of Variance ( ANOVA )
PERANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN)
Uji Hipotesis 2 Populasi
TIM ASISTEN STATISTIKA 2017/2018
Statistika Uji hipotesis 1 Populasi
UJI LANJUTAN DAN RANCANGAN ACAK KELOMPOK
PENGENALAN RANCANGAN PERCOBAAN DAN RANCANGAN ACAK LENGKAP
Uji Hipotesis 2 Populasi
Statistika Uji hipotesis 1 Populasi & Uji Hipotesis 2 Populasi
Transcript presentasi:

UJI LANJUTAN & RANCANGAN ACAK KELOMPOK TIM ASISTEN STATISTIKA 2017

TUJUAN UJI LANJUTAN Mampu mengetahui pengolahan data rancangan percobaan pada Uji Lanjutan dan Uji Asumsi Mampu menginterpretasikan hasil pengolahan data rancangan percobaan pada Uji Lanjutan dan Uji Asumsi

RAK Mampu mengetahui pengolahan data pada rancangan percobaan acak kelompok (RAK) Mampu menginterpretasikan hasil pengolahan data pada rancangan percobaan acak kelompok (RAK) Mampu mengambil keputusan berdasarkan kaidah pengambilan keputusan

UJI LANJUTAN Kapan memakai uji lanjutan? Mengapa memakai uji lanjutan? Ketika uji rancangan percobaan tolak H0 Mengapa memakai uji lanjutan? Untuk mengetahui dimana letak pengaruh perbedaanya

UJI ASUMSI Menguji asumsi yang harus dipenuhi dalam ANOVA : 1. Sebaran normal H0: residual berdistribusi normal H1: residual tidak berdistribusi normal 2. Homogenitas ragam H0: residual ragam homogen H1: residual ragam tidak homogen

UJI LANJUTAN UJI POST HOC TEST : BNT (beda nyata terkecil), disebut juga dengan uji fisher. Digunakan apabila perlakuan kurang dari 5. Biasanya untuk perbandingan terencana. BNJ (beda nyata jujur), disebut juga dengan uji tukey. Digunakan apabila perlakuan banyak atau lebih dari 5. Biasanya untuk perbandingan tidak terencana. Duncan/Dunnet (perlakuan banyak atau lebih dari 5) Menggunakan t hit yang membutuhkan standart eror.

RANCANGAN ACAK KELOMPOK Rancangan acak kelompok (RAK) biasa disebut klasifikasi dua-arah ‘Two-way ANOVA’ karena perlakuan yang diujikan ada DUA jenis Tujuan pengelompokkan untuk MENGONTROL keragaman yang timbul Pengembangan dari RAL dimana terdapat PENGELOMPOKAN satuan-satuan percobaan Menciptakan KERAGAMAN dalam percobaan → pengaruh perlakuan, pengaruh kelompok (jumlah perlakuan sama pada tiap kelompok), dan pengaruh acak

Kelompok/blok bisa berupa : Pemisahan tempat Pemisahan dimensi bahan Pemisahan waktu dsb.

CIRI-CIRI RAK Kondisi percobaan heterogen Keragaman variabel yang diamati BUKAN hanya berasal dari treatment/perlakuan, tetapi juga dari pengelompokkan/blok

HIPOTESIS RAK H0 : µ1=µ2=µ3=… (tidak ada perbedaan) H1 : minimal ada sepasang µ yang tidak sama

Keuntungan menggunakan RAK Ketepatan dan ketelitian yang lebih tinggi Fleksibilitas yang lebih tinggi Penarikan kesimpulan lebih luas

Kekurangan menggunakan RAK Peningkatan ketepatan pengelompokkan akan menurun dengan semakin meningkatnya jumlah satuan percobaan dalam kelompok Interaksi antara kelompok dan perlakuan sulit dianalisis Derajat bebas kelompok akan menurunkan derajat bebas error

KAIDAH PENARIKAN KESIMPULAN 1. F hit < F tab 5% atau P value > α 5% Gagal tolak H0 atau terima H0 artinya tidak ada perbedaan yang nyata atas pemberian perlakuan 2. F hit > F tab 5% atau P value < α 5% Tolak H0, terima H1. Artinya ada perbedaan yang nyata antar perlakuan yang diberikan (dengan selang kepercayaan 95%)

Menuju minitab

TERIMA KASIH