RANCANGAN ACAK BLOK / TWO-WAY ANOVA

Slides:



Advertisements
Presentasi serupa
TRANSFORMASI DATA.
Advertisements

Analisis varians.
RANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN)
RANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN)
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOCK DESIGN) atau RANCANGAN KELOMPOK LENGKAP TERACAK (RANDOMIZED COMPLITE BLOCK DESIGN) Prof.Dr. Kusriningrum.
Uji Hipotesis.
Analisis Variansi.
TEKNIK ANALISIS MULTIVARIAT
Angelina Ika Rahutami Unika Soegijapranata Gasal 2011/2012.
TATAP MUKA 14 ANALISA REGRESI BERGANDA.
RANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN)
MATERI-9 STATISTIKA INFERENSIA (ANOVA)
UJI PERBEDAAN (Differences analysis)
STATISTIKA INFERENSIA
ANOVA (Analysis of Variance)
STATISTIKA INFERENSIA
ANALISIS KORELASI DAN REGRESI LINIER
Rancangan Penelitian Rancangan Eksperimen.
Rancangan Acak Kelompok
Analisis Varians.
STATISTIK daftar isi slide show # CHY SQUARE TEST ( TES KAI KUADRAT )
TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS MEDAN AREA
2. Independent-Sample T Test
Rancangan Acak Kelompok
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOcK Design)
created by Vilda Ana Veria Setyawati
MODUL XII ANALISIS RAGAM KLASIFIKASI DUA ARAH DENGAN INTERAKSI
RANCANGAN BUJUR SANGKAR LATIN (RBSL) (LATIN SQUARE DESIGN)
ANOVA (Analysis of Variance)
RANCANGAN BUJUR SANGKAR LATIN (RBSL) (LATIN SQUARE DESIGN)
PENGGUNAAN SPSS PADA RPT (SPSS FOR SPLIT PLOT Design)
PENGGUNAAN SPSS UNTUK RBSL (SPSS for lATIN SQUARE DESIGN)
ANALISIS VARIANSI (ANOVA)
STATISTIK BISNIS Pertemuan 10-11: Pengujian Hipotesis Dua Sampel dan ANOVA (SPSS) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
SPSS UNTUK RANCANGAN ACAK KELOMPOK (SPSS FOR RANDOMIZED BLOCK Design)
PENGgunaan spss untuk ral faktor tunggal
MODUL X Kn Kn  ( Xij X ) = [( Xi. X ..) [( Xij X )
Uji t Dua Sampel Independent dengan SPSS
Dalam Rancangan Acak Lengkap (RAL)
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOcK Design)
STATISTIK II Pertemuan 9: Pengujian Hipotesis Dua Sampel dan ANOVA (SPSS) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
MENDETEKSI PENGARUH NAMA : NURYADI.
RANCANGAN PERCOBAAN ACAK KELOMPOK
UJI F/UJI RAGAM (ANOVA)
Dalam Rancangan Acak Kelompok Lengkap (RAKL)
STATISTIKA Pertemuan 10-11: Pengantar Rancob dan Rancangan Acak Lengkap, Uji Lanjutan Dosen Pengampu MK:
ANOVA ANALYSIS OF VARIANCE.
Instruksi Kerja One – Way Anova
UJI t UNTUK SATU SAMPEL Oleh: kelompok 2 Mahfud Sirojudin
STATISTIK II Pertemuan 9: Pengujian Hipotesis Dua Sampel dan ANOVA (SPSS) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
Binomial.
TUGAS AKHIR PRAKTIKUM METODE STATISTIKA II
Binomial.
UJI LANJUTAN & RANCANGAN ACAK KELOMPOK
Makta Kuliah Bimbingan Penulisan Skripsi 2
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOCK DESIGN) atau RANCANGAN KELOMPOK LENGKAP TERACAK (RANDOMIZED COMPLITE BLOCK DESIGN) Prof.Dr. Kusriningrum.
RANCANGAN PERCOBAAN FAKTORIAL
Regresi Linier Beberapa Variable Independent
ANALYSIS OF VARIANCE (ANOVA)
STATISTIK BISNIS Pertemuan 10-11: Pengujian Hipotesis Dua Sampel dan ANOVA (SPSS) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
RANCANGAN SPLIT PLOT YAYA HASANAH.
RANCANGAN ACAK LENGKAP
Dalam Rancangan Acak Kelompok (RAK)
BAB 1 ANALISIS VARIANSI / KERAGAMAN Analysis of Variance ( ANOVA )
UJI LANJUTAN & RANCANGAN ACAK KELOMPOK
STATISTIKA 2 8. ANOVA OLEH: RISKAYANTO
UJI LANJUTAN DAN RANCANGAN ACAK KELOMPOK
STATISTIK II Pertemuan 9: Pengujian Hipotesis Dua Sampel dan ANOVA (SPSS) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
ANOVA (Analysis of Varians)
ANALYSIS OF VARIANCE (ANAVA) ANALISIS OF COVARIANCE (ANACOVA)
Transcript presentasi:

RANCANGAN ACAK BLOK / TWO-WAY ANOVA

1. Perancangan perlakuan Pada umumnya dalam penelitian, terdapat dua perancangan, yaitu: 1. Perancangan perlakuan Perancangan perlakuan berkaitan pengaturan, penyusunan macam, jenis dan aras perlakuan yang menjadi topik penelitian dan berkaitan dengan maksud serta tujuan penelitian. Hal ini penting dilakukan agar penentuan hipotesis penelitian dilakukan dengan benar, sehingga maksud dan tujuan penelitian dicapai dengan baik dan benar 2. Perancangan lingkungan. Perancangan lingkungan berkaitan penyusunan, pengaturan dan penempatan satuan percobaan seperti perlakuan dan ulangan pada tempat atau lingkungan yang sedemikian rupa sehingga pengaruh lingkungan mendekati nol terhadap perlakuan.

Perancangan percobaan yang umum meliputi perancangan: Rancangan Acak LengkapOne-way ANOVA Digunakan jika perlakuan yang digunakan sedikit dan bahan percobaannya homogen. Misal: Percobaan pada tiga varietas padi yang ditanam pada beberapa petak yang sama Rancangan Acak Kelompok Lengkap (RCBD)Two-way ANOVA Digunakan jika bahan percobaannya dikelompokkan menjadi kelompok/group atau block. Sehingga setiap kelompok menyusun sebuah ulangan bagi perlakuannya. Perlakuan diberikan secara acak pada setiap kelompok.

Ilustrasi rancangan acak blok / kelompok dengan 3 perlakuan dalam 4 blok adl sbb:

Susunan data dalam tabel amatan Kelompok Perlakuan Total Rata-rata t1 t2 t3 1 x11 x12 x13 X1. 2 x21 x22 x23 X2. 3 X31 x32 x33 X3. 4 x41 x42 x43 X4. x.1 x.2 x.3 x..

Rancangan tersebut secara matematis mengikuti model linear, dapat ditulis dengan persamaan matematis sebagai berikut Rancangan Acak Lengkap : xij = μ + αi + εij Rancangan Acak Kelompok Lengkap: xijk = μ + αi + βj + εijk Keterangan : xijk : Nilai peubah acak/data pengamatan ke-k pada kelompok ke-i dan perlakuan ke-j μ : rata-rata total αi : pengaruh blok/kelompok βj : pengaruh perlakuan/treatment εijk : pengaruh error (galat)

Pengelompokkan pada data amatan dapat mereduksi SSE pada ANOVA Pengelompokkan pada data amatan dapat mereduksi SSE pada ANOVA. Sehingga keragaman yang ada pada data dapat lebih terjelaskan. TABEL TWO-WAY ANOVA SOV SS DF MS Fob Block SSB r-1 Treatment SSTr c-1 Error SSE (c-1)(r-1) Total SST rc-1

Sehingga untuk menentukan apakah sebagian keragaman disebabkan oleh perbedaan kelompok / blok, kita lakukan uji hipotesis: H0: µ1.=µ2.= µ3.=…= µi. H1: Tidak semua µi. nilainya sama atau setara dengan H0: α1= α2 = α3 =…= αi= 0 H1: Tidak semua αi nilainya sama atau tidak ada pengaruh kelompok pada data amatan Sedangkan untuk menentukan apakah sebagian keragaman disebabkan oleh perbedaan perlakuan / treatment, kita lakukan uji hipotesis: H0: µ.1=µ.2= µ.3=…= µ.j H1: Tidak semua µ.j nilainya sama atau setara dengan H0: β1= β2 = β3 =…= βi= 0 H1: Tidak semua βi nilainya sama atau tidak ada pengaruh perlakuan pada data amatan

Sedangkan dalam hal ini:

Interpretasi Untuk menguji hipotesis nol bahwa pengaruh kelompok/blok sama dengan nol, dilihat dari: Yang merupakan nilai peubah acak yang mempunyai sebaran F dengan derajat bebas (r-1, (r-1)(c-1)). Jika nilai f1 >Ftabel atau signifkansi dari f1 < α, maka keputusannya tolak H0 atau terdapat pengaruh kelompok/blok pada data kita. Untuk menguji hipotesis nol bahwa pengaruh perlakuan/treatment sama dengan nol, dilihat dari: Yang merupakan nilai peubah acak yang mempunyai sebaran F dengan derajat bebas (c-1, (r-1)(c-1)). Jika nilai f2 >Ftabel atau signifkansi dari f2 < α, maka keputusannya tolak H0 atau terdapat pengaruh perlakuan/treatment pada data kita

Contoh: Sebuah uji silvikultur dilakukan untuk mengetahui pengaruh dosis pemupukan dan pengelompokkan petak tanam terhadap besarnya diameter tanaman meranti dengan rancangan acak berkelompok, dengan 0,05. Pada pengamatan terhadap diameter tanaman umur 2 bulan diperoleh rata-rata data sebagai berikut: Blok Diameter (mm) Kontrol 0 Kg Dosis 2 Kg Dosis 4 Kg Dosis 6 Kg I 119 153 150 130 II 152 140 143 III 132 100 104 111

Prosedur komputasinya adalah sebagai berikut: Entri data dengan format seperti dibawah ini:

Sesuaikan jenis data masukkan pada tab Variable View Klik Analyze  General Linear Model Univariate, sehingga muncul kotak dialog spt dibawah ini:

Pindahkan variabel diameter ke kolom Dependent Variabel, variabel Dosis dan Blok ke kolom Fixed Factor Klik Model  Custom, lalu pindahkan variabel dosis dan Blok ke kolom Model. Pada Build Terms(S), pilih menu Main effec, dan berikan tanda cek pada Include intercept in model:

Klik Continue Post Hoc, sehingga akan muncul menu seperti di bawah ini:

Kemudian sorot dosis dan blok, kemudian pindahkan ke kolom Post Hoc Tes For. Pada kolom Equal Variances Assumed, pilih Duncan dan Tukey Klik Continue, lalu OK

Hasil dan interpretasi (1): Univariate Analysis of Variance

Interpretasi: Tabel Test of Between-Subject Effect, digunakan untuk menguji hipotesis: H0: α1= α2 = α3 =…= αi= α H1: Tidak semua αi nilainya sama atau tidak ada pengaruh kelompok pada data amatan Dasar pengambilan keputusan: Jika F hitung<Ftabel dengan derajat bebas (r-1,(r-1)(c-1)) yaitu F0,05(2,11), maka H0 tidak ditolak. Atau jika signifikansi dari f observasi dari blok kurang dari 0,05, maka H0 ditolak. Keputusan: Dari tabel diketahui signifikansi dari f observasi dari blok sebesar 0,044, sehingga H0 ditolak atau dapat disimpulkan bahwa pengelompokkan petak tanam memberikan pengaruh pada besar diameter pohon meranti tsb.

Interpretasi : H0: β1= β2 = β3 =…= βi= β H1: Tidak semua βi nilainya sama atau tidak ada pengaruh perlakuan pada data amatan Dasar pengambilan keputusan: Jika F hitung<Ftabel dengan derajat bebas (c-1,(r-1)(c-1)) yaitu F0,05(3,11), maka H0 tidak ditolak. Atau jika signifikansi dari f observasi dari blok kurang dari 0,05, maka H0 ditolak. Keputusan: Dari tabel diketahui signifikansi dari f observasi dari blok sebesar 0,945, sehingga H0 tidak ditolak atau dapat disimpulkan bahwa pemberian pupuk dengan berbagai dosis tidak memberikan pengaruh pada besar diameter pohon meranti tsb.

Hasil & interpretasi (2) Homogeneous Subsets

Tabel Post Hoc Test, Homogeneous Subsets Pada tabel ini rata-rata yang nilainya dianggap sama dikelompokkan menjadi satu. Dapat dilihat bahwa dari Duncan’s Test dan Tukey’s Test berdasarkan dosis pemupukan, rata-rata diameter meranti berada dalam satu subset atau tidak menunjukkan perbedaan. Sedangkan berdasarkan pengelompokkan petak tanam, dari tabel Duncan’s Test dan Tukey’s Test, rata-rata diameter meranti dikelompokkan menjadi 2. Dimana kelompok 1 terdiri dari meranti dari petak tanam 1 dan 3, sedangkan kelompok 2 terdiri dari meranti petak tanam 1 dan 2. Sehingga yang menunjukkan perbedaan adalah meranti yang ditanam pada petak 2 dan 3.

Latihan1 Seorang teknisi laboratorium ingin membandingkan kekuatan dari 3 jenis tali. Sebenarnya ia ingin mengulang percobaan untuk masing-masing tambang 6 kali. Tetapi karena waktu penelitian tidak cukup melakukan hal tersebut, penelitian hanya didasarkan dari data berikut: Tali Kekuatan tali (ons) 1 18 16,4 15,7 19,6 16,5 18,2 2 21,1 17,8 18,6 20,8 17,9 19,2 3 16,1   Dengan tingkat signifikansi = 5%, tunjukkan rata-rata kekuatan jenis tali mana yang berbeda!

Latihan2 Berikut adalah data mengenai jumlah barang yang tidak layak jual dari 4 orang pekerja yang mewakili shift jam kerjanya, dengan menggunakan 3 jenis mesin yang berbeda: Mesin Pekerja Shift Pagi Shift Siang Shift Sore Shift Malam A 30 31 28 39 B 42 55 65 C 47 58 71 74 Dengan =0,05, tunjukkan apakah perbedaan jam kerja dan mesin mempengaruhi rata-rata jumlah barang yang tidak layak jual.