Translate to…
Tutorial Excel, SPSS, Minitab, etc
- Daftar Tutorial Microsoft Excel
- Tutorial Excel: Statistik Deskriptif
- Tutorial Excel: Korelasi dan Regresi Linier
- Tutorial Excel: Regresi Linier Sederhana
- Tutorial Excel: Regresi Linier Berganda
- Tutorial Excel: Cara mengaktifkan Add-Ins Analysis Toolpak
- Tutorial Excel: Statistik Deskriptif (Toolpak)
- Tutorial Excel: Histogram (Toolpak)
- Tutorial Excel: Korelasi (Toolpak)
- Tutorial Excel: Regresi Linier Sederhana (Toolpak)
Komentar Terakhir
 | ghazwanie on Daftar Isi |
 | basuki rahmat on Contoh RAL Faktorial (1) |
 | ristiani on Tutorial |
 | Yulfi Desi on Daftar Isi |
 | didik setyawan on Daftar Isi |
 | fajar on Daftar Isi |
 | dewi on Daftar Isi |
 | rani on Uji wilayah berganda Dunc… |
 | hilman Fuadi on Uji LSD (BNT) |
 | agatha pratama on Uji Tukey HSD (Beda Nyata… |
| ANALISA KORELASI PEA… on Mengenal Box-Plot (Box and Whi… | |
 | peremadi on Download |
 | friska on Uji wilayah berganda Dunc… |
 | xcvbnm on Download |
 | jaka on Uji Tukey HSD (Beda Nyata… |
Makasih mas atas webnya..sangat membantu sekali…mas saya coba untuk print berdasarkan daftar isi namun ada sebagian halaman yang tidak lengkap kalo gak salah halaman 149 – 183 dan ada lagi tapi saya lupa…. mohon infonya mas biar bisa lengkap belajarnya mas..
trima kasih banyak mas
sukses selalu
Sama-sama, terimakasih juga sudah menyempatkan tuk berkunjung ke blog smartstat. Untuk beberapa posting/artikel, materinya disimpan di situs lain, scr*** dan slide****, tidak di site wordpress (wp tidak bisa menampilkan file pdf secara langsung), sehingga tidak bisa di print berdasarkan daftar isi. Solusinya, ya berkunjung lagi ke blog smartstat
bapak maaf saya agus jurusan tek pangan unpad ingin bertanya bedanya simpangan model dan galat murni apa? dan cara mengisi derajat bebasnya dari mana asalnya terimakasih
Agus.., Maaf baru di balas…
Pada Analisis Model Linier, seperti Analisis Regresi, Galat yang muncul bisa disebabkan oleh variabel yang tidak bisa dijelaskan atau karena kesalahan model yang kita tentukan. Untuk mengetahui apakah model sudah tepat, JK Galat dipecah menjadi dua komponen, JK Simpangan Model + JK Galat Murni. F-hit Simpangan Model di dapatkan dari Kuardat Tengah Simpangan Model di bagi dengan Galat Murni-nya. Apabila F-hitung lebih besar di banding dengan F-tabel (atau P-Value/sig > 0.05) berarti Model yang kita buat belum tepat. Contoh perhitungannya bisa di download pada artikel ini: http://smartstat.wordpress.com/2009/06/29/anava-regresi-simpangan-model-dan-galat-murni/
mas saya mau tanya rancangan berulang dalam waktu itu bagaimana penjelasannya dan bagaimana cara menentukan data tersebut merupakan rancangan berulang dalam waktu??bukan split plot……..kalau split plot sudah dibahas kelompok sebelumnya…….
Rancangan berulang dalam waktu dikenal juga dengan istilah Repeated Measure, pengukuran parameter respons-nya dilakukan secara berulang-ulang pada sampel yang sama secara periodik, misalnya pengukuran tinggi tanaman per minggu, populasi bakteri per minggu, dsb. Waktu disana bisa jam, hari, minggu dsb. dan diperlakukan sebagai faktor pada saat analisis data, sehingga selain kita bisa melihat pengaruh dari perlakuan yang kita coba, kita pun bisa melihat pengaruh/perbedaan antar waktu. Apakah ada interaksi antara perlakuan dengan waktu, ataukah hanya pengaruh mandiri saja (main effect).
Kalau mau memperdalam, bagaimana penjelasan detail dan cara menganlisisnya, coba browse di Om Google dengan keyword “Repeated Measures”
Makasih maz.,. Minta tolong kasih tau rumus-rumusnya nyari JK nya dong maz ?
Formula perhitungan Analisis Sidik Ragamnya persis sama dengan RAL Split-Plot.
Perlakuan ditempatkan sebagai Petak Utama (Main Plot) dan Waktu ditempatkan sebagai Anak Petak (Sub plot).
Coba download Model Linier dan Perhitungan RAL Split Plot di sini: http://smartstat.files.wordpress.com/2009/12/8-split-plot.pdf
Like dulu atuh ma: http://www.facebook.com/smartstat
uda q like mas fb na heheheeee……mas kalo rancangan berulang dalam waktu yang RAK gitu ada contohnya ga mas???????n gimana cara menganalisisnya, bingung neh……………..
Hemm.., mksh ya
Nah kalo yang itu, saya belum nemu contoh referensinya. Kalo RAK yang di ulang pada beberapa lokasi atau Musim/Tahun sih perhitungannya sama dengan perhitungan RAL Split-Plot, hanya saja yang jadi main plot-nya adalah Musim/Tahun/atau Lokasi. Kalau pengulangan pengamatannya secara periodik (Repeated Measure) untuk RAK??He2…, sebagian ada yang memperlakukan perhitungannya sama dengan rancangan dasar RAL, jadi perhitungannya tetep seperti cara perhitungan RAL Split-Plot. Ulangan/Kelompok di perlakukan sama. Tapi?? ok, itu jadi PR buat semua ya.., nanti kalo nemu dan ada waktu untuk mempelajari, saya share…
okey makasiiiii banyak yah……………
Salam,,,,
mas saya mau tanya,,,,
nested design tuh yang seperti apa yah mas?
mohon pencerahannya,,,,,
terima kasih,,,,
salam
-XOTA-
Nested Design = Rancangan tersarang.
Terkadang sering tertukar dengan Rancangan Faktorial.
Coba perhatikan kasus Metode Pengajaran (3 taraf) dan Pengajar (2 taraf)
Misalkan Metode Pengajaran kita simbolkan A dan Pengajar B.
Jumlah semua Perlakuan AB = 3×2 = 6 perlakuan.
Apabila Percobaan disusun dengan Pola Faktorial, Kita hanya perlu 2 Pengajar, dimana masing-masing guru tersebut harus memberikan 3 taraf metode pengajaran, atau dengan makna yang sama, ketiga metode pengajaraan tersebut dicoba/diberikan oleh setiap guru.
Perhatikan bahwa dengan pola faktorial, setiap Guru harus mencoba semua metode mengajar.
Apabila Percobaan disusun dengan Pola Nested, Kita perlu 6 Pengajar, 2 guru pertama memberikan metode ke-1, 2 guru berikutnya memberikan Metode ke-2, dan terakhir, 2 guru berikutnya memberikan metode ke-3. Dengan demikian, Metode pengajaran ke-1 hanya diberikan oleh 2 Guru pertama.
Kombinasinya:
Dengan demikian, Pada Rancangan Faktorial, taraf yang sama pada Faktor B akan dikombinasikan dengan masing-masing taraf dari Faktor A atau sebaliknya. Sedangkan pada Nested, taraf tertentu pada Faktor B hanya dikombinasikan dengan salah satu dari taraf Faktor A. Pada Nested Design tidak terdapat interaksi!
Contoh Kasus Lain:
Dosis yang tersarang dalam Obat
Obat (O): 4 jenis
Dosis (D): masing-masing 2 taraf
Contoh Lain:
Doses Pupuk tersarang dalam Berbagai Jenis Pupuk Organik.
Terima kasih sekali atas pencerahannya mas,,,
tapi yang saya bingungkan,,,
kapan kita pakai nested dan kapan kita harus pakai faktorial,,,
bagaimana nantinya dengan uji anova untuk nested?
apa yang bisa diinterpretasikan mas dari hasil anovanya?
mohon petunjuknya yah mas,,,
terima kasih,,,
Wah wah…, jadi bingung juga menjawabnya.. ada yang bisa bantu saya untuk menjelaskannya??
Saya tidak tahu, XoTa interest di bidang kajian apa, so susah juga untuk mencari contoh kasus yang sesuai untuk Xota. Meski demikian dan mungkin malah tambah membingungkan, saya akan mencoba untuk memberikan tanggapan (maaf kalau salah, coz saya juga sama-sama lagi belajar, he2.. Halo para pakar statistik/rancob…, jangan diam saja! Tolong share juga dong ilmunya)
Nested Design merupakan perluasan dari rancangan faktor tunggal, di mana selain Faktor utama yang akan kita teliti, ada tambahan faktor lain yang tersarang pada Faktor Utama (kajian kita) . Yang membedakan antara Nested dengan Faktorial lainnya adalah bahwa taraf dari faktor tersarang pada setiap faktor utama, berbeda (dengan kata lain: dalam nested desain taraf satu faktor tidak terjadi pada semua taraf faktor lain), sehingga tidak mungkin untuk melihat interkasinya, sedangkan pada faktorial, setiap taraf dari faktor tambahan terdapat pada setiap taraf faktor utama. Faktor utama dapat tetap atau acak sedangkan faktor bersarang biasanya acak meskipun ada juga yang tetap.
Kapan Nested digunakan?
Terkadang para peneliti tidak mampu/mungkin, tidak ingin mengukur interkasinya atau tidak ingin menggunakan rancangan faktorial lengkap.
Contoh:
Apabila peneliti tidak ingin menggunakan rancangan faktorial lengkap:
Peneliti ingin melihat Pengaruh Beberapa Pupuk Organik terhadap Hasil tanaman tertentu. Yang menjadi pusat kajian adalah pupuk organik dan faktor tambahannya adalah dosis dari masing2 pupuk organik tersebut. Misalkan:
Faktor Pupuk Organik (A) ada 3 taraf: Pupuk Kandang Domba (a1); Ayam (a2); dan Sapi (a3)
Faktor Tambahan: Dosis (B) ada 2 taraf: 5 dan 8 ton/ha.
5 pada a1 berbeda dengan 5 pada a2 dan a3. Pada a1, angka 5 tersebut adalah 5 ton pupuk kandang domba, dan 5 pada a2 adalah 5 ton pupuk kandang ayam.
Apabila peneliti ingin membuat rancangan faktorial lengkap, maka rancangan perlakuannya akan lain.
Faktor 1 (A): Pupuk Domba (2 taraf: 5 dan 8 )
Faktor 2 (B): Pupuk Ayam (2 taraf: 5 dan 8 )
Faktor 3 (C): Pupuk Sapi (2 taraf: 5 dan 8 )
Dengan demikian, ada 2x2x2 = 8 kombinasi perlakuan (AxBxC)!
Secara teoritis, rancangan faktorial kurang tepat, karena kemungkinan terjadi interaksi di antara ke3 jenis pupuk tersebut sangat kurang, karena komponen haranya hampir sama (N, P, K) hanya prosentasenya saja yang berbeda. Pencampuran ketiga pupuk pada berbagai taraf hanya akan menambah jumlah hara tertentu dan tidak/kecil kemungkinan akan terjadi interaksi.
Contoh Tidak Mampu/Mungkin:
Ngarang aja ya, he2..maaf kalo salah dalam menggunakan istilah, bukan ahli gizi, he2..
Peneliti ingin meneliti Efektivitas Brand susu tertentu dengan dosis yang berbeda terhadap pertambahan berat badan bayi.
Faktor 1: Brand Susu (3 taraf: a1; a2; a3)
Faktor 2: Dosis (2 taraf: b1;b2)
Berarti ada 3×2=6 kombinasi. Apabila diulang 3 kali, maka perlu 18 bayi.
Logikanya: Apabila disusun dengan pola faktorial, mungkinkah setiap bayi diberi kombinasi dosis dari kedua Brand susu? Misalnya b1(a1)b1(a2). Mungkin saja, tapi akhirnya selain ada bayi yang over dosis
, kita juga tidak bisa melihat Brand susu mana yang terbaik! Dengan demikian, satu orang bayi hanya diberi Brand susu tertentu dengan dosis tertentu!
Catatan: b1(a1) maksudnya b1 tersarang dalam a1; so jika b1 = 5 gelas perhari maka artinya 5 gelas per hari susu a1.
bagaimana nantinya dengan uji anova untuk nested?
apa yang bisa diinterpretasikan mas dari hasil anovanya?
Model Liniernya: yijk = µ + αi + βj(i) + εijk
Dengan demikian, selain kita bisa melihat pengaruh dari Faktor Utama (αi), kita juga bisa melihat pengaruh dari Faktor Tambahan [ βj(i)]. Hanya saja, pada nested kita tidak bisa melihat pengaruh Interaksinya (berbeda dengan faktorial)!
wah trim’s infonya tentang rancangan tersarang. sangat membantu saya memahami bukunya krik,. kalo bisa saya minta penjelasan kelanjutan nested desain model tetap acak dan campuran serta nested faktorial..
Maaf mas saya baru Ol…
Alhamdulilah penjelasan mas sangat rinci,,,
yaah meskipun tidak 100% saya mengerti semuanya tapi terima kasih sekali mas atas penjelasannya,,,
Terima kasih ya Mas…
mas mau tanya apa aja kelebihan dan kekurangan rancangan bersarang ( nested design ) ??
Hemmm…., susah juga pertanyaannya…
Sebenarnya hal tersebut tergantung kepada peniliti, rancangan apa yang sekiranya tepat/sesuai dengan kasus yang tengah dia teliti. Apabila tidak tepat, akibatnya fatal, kesimpulan yg diambil bisa menyesatkan.
Nested design satu tahap (Faktor B tersarang dalam faktor A) merupakan perluasan dari One Way Anova (RAL).
Kelebihan:
Kekurangan:
mas mo nanya,,,, kalo mau ngitung LC50 tetapi sebelumnya itu menggunakan rumus abbot karena kontrolnya ada yang mati. jadi penggunaan data u/ menghitung LC50 apakah data sebelumnya atw data setelah kita menggunakan rumus abbot?
Sebenarnya saya baru mengenal istilah LC50 dan rumus Abbott’s correction dari Nia
Analogi aja ya dengan analisis anova. Terkadang data yang diperoleh dari suatu percobaan hilang atau tidak dapat dipergunakan. Nilai dari data tersebut diganti dengan nilai dugaannya, dan selanjutnya baru dilakukan Analisis Anova.
so…
Logikanya sih perhitungan LC50 juga dilaksanakan setelah data tersebut dikoreksi dengan rumus abbott tersebut.
Untuk lebih meyakinkan.., coba baca link berikut:
ACUTE BIOASSAYS WITH CONTROL MORTALITY
pada jurnal tersebut dilakukan perbandingan penggunaan LC50 untuk data yang telah dikoreksi denga rumus Abbott vs. tanpa dikoreksi.
Assalamualaikum ka?
aQu boleh minta Modul Statistik ngga?????
makasih ka….
Assalamualaikum ka….
boleh minta Modul Statistik????
makasih….
Wass..
Maaf baru dbls, kmrn gk enak badan cup..
Kk gk punya tuh Modul Statistik.., paling yg ada di blog ini, he2..
mas mau nannya kalo analisi data yang hilang dalam ral gmn ya ??
Rumus perhitungan untuk Data Hilang hanya digunakan untuk rancangan lain, RAK, RBSL, SPlit-Plot dsb. Hanya saja perhitungan Analisis Varians-nya ada sedikit modifikasi/penyesuaian.
Untuk RAL, meskipun ada data yang hilang, perhitungan Analisis Varians tetap seperti biasa tanpa ada modifikasi, yaitu dengan menggunakan Anova untuk ulangan yang tidak sama. Contoh perhitungan bisa di lihat di postingan ini: http://smartstat.wordpress.com/2009/10/28/rancangan-acak-lengkap-contoh/
Tolong ditampilkan bahasan tentang distribusi normal, dana apakah dalam setiap pengolahan data statistik penting untuk melihat distribusi normal terlebih dahulu ?
thanks sebelumnya
Semua analisis parametrik (korelasi/regresi linier, uji-t, Anova, dsb) mengacu kepada sebaran normal, konsekuensinya, data yang akan di analisis harus berdisrtribusi normal.
Analisis yang tidak memperhatikan apakah data berdistribusi normal atau tidak yaitu analisis non-parametrik.
Bahasan mengenai asumsi normalitas sebagian sudah di bahas pada postingan berikut: http://smartstat.wordpress.com/2010/03/09/asumsi-asumsi-anova-satu-faktor/
Bahasan khusus mengenai distribusi normal belum sempat saya buat. Insya4JJl apabila ada waktu luang saya buat…
Minta penjelasan buat rancangan faktorial dengan 3 faktor dong… sekalian contoh soal dan penyelesaiannya… tks…
Wah, kebetulan saya belum sempet membuat dokumen/slide Faktorial 3 Faktor… Prinsipnya masih sama sebenranya..
Coba link ini (Hanya saja hanya belum ada contoh perhitungannya)
smartstat.info : RAK Faktorial 3 Faktor
Atau bisa baca buku: Gaspersz, Vincen. 1991. METODE PERANCANGAN PERCOBAAN. Armico, hal 226. => Percobaan Faktorial dengan Rancangan Dasar RAK (mungkin sekarang sudah ada edisi terbaru).
wah njlimet jg yaa…hehe
tp ttp akan sy coba pahami…
jk swaktu2 mngalami ksulitan dlm statistika,sy akan mampir lg n mohon d bantu yaa…
absen dulu..dr Mah. Farmasi UNLAM KalSel
sip, kita sama-sama belajar….
Ok, dengan senang hati saya siap sharing dg Masguh
ditunggu kungjungan berikutnya ya… klo perlu, coba cek site saya yang baru http://www.smartstat.info
salam kenal.
mas, mw tanya mengenai bagaimana cara menentukan besar sampel untuk penelitian di lab.
apakah menggunakan rumus federer atw uji hipotesis? apakah mas punya link untuk bisa mendapatkan reference mengenai uji federer?
terima kasih
Jumlah sampel menurut rumus Federer
t(n-1) > 15.
t = banyaknya perlakuan dan n = banyaknya ulangan
Federer WT. Experimental design, theory and application, Oxford and IBH Publ. Co, New Delhi, 1967. Ramsey SC, Galeano
Sedangkan menurut Gomez, Uji F seharusnya dihitung hanya bila db Galat enam atau lebih.
Gomez and Gomez. 1995. Prosedur Statistik untuk penelitian pertanian, ada di hal 16.
Banyaknya ulangan ditentukan oleh beberapa hal, yaitu tingkat ketelitian yang diinginkan (1- α), tingkat keragaman dari bahan percobaan (s), sumber-sumber yang tersedia, termasuk personal dan peralatan.
r=[2t(α/2)^2*s^2]/…[d^2]
Dimana:
α = taraf nyata
s = simpangan baku
d = besarnya penyimpangan yang diinginkan
* = tanda kali; ^ tanda pangkat.
Contoh, jika taraf nyata (α) = 5%, berarti tingkat ketelitian 95% dengan db Galat = 6, maka t(α/2)= 2.447 (diperoleh dari t-tabel atau bisa juga dengan menggunakan bantuan MS Excel dengan formula: =TINV(0.05,6) ). Selanjutnya, berdasarkan penelitian sblmnya diperoleh simpangan baku =7.6, dan besarnya penyimpangan yang diinginkan (d) tidak lebih dari 7, maka:
r=[2*(2.447)^2*(7.6)^2]/(7^2) = 14.12 ~ 14 ulangan.
Catatan:
Sbnrnya banyaknya ulangan dapat disesuaikan dengan pertimbangan peneliti. Rumus di atas hanya sebagai pendekatan saja.
Informasi keragaman bahan percobaan diperoleh dari penelitian sebelumnya.
mas boleh tanya dapat rumus frederer sumbernya dari mana nggak? saya cari2 gak pernah ketemu mas.makasih
Aww . .
Mas klo ngitung anova untuk RAK tersarang spt apa? Bsa ksh cntoh ga? Misal dg 2 ulangan.
Trims.
boleh gabung ya….soalnya rancangan penelitianku nested rcbd atau tersarang dari rancangan dasar RAKL.
penelitianku ttg usahatani terpadu di 1 kecamatan, krn penelitian lapangan itu heterogen maka harus dibuat blok-blok agar homogen, aku membagi dlm 4 blok atas dasar ketinggian tmp (stratified random sampling) yg masing2 blok diwakili 1 desa, jadi blok = desa…trus perlakuannya itu adl model usahatani terpadu, ada 3 model yaitu tanaman (T), tanaman+ternak (TT), & tanaman-ternak-ikan (TTI)…sampelnya adalah petani, petani sbg ulangan, nah di tiap2 desa kan jml petani yg menerapkan msg-msg model usahatani itu jml nya kan beda-beda maka ulangannya tdk sama.. lebih mudahnya gini nih
!—————————————–!——————KEC. XX————!————————————-!
! ! ! !
DESA A DESA B DESA C DESA D
! ! ! !
!- –!—–! !—–!——! !—-!—–! ! —–!——!
T T TTI T TT TTI T TT TTI T TT TTI
_______________________________________________________________________________
91 PETANI
——————————————————————————————————————————————-
sampel total petani 91 orang, petani Desa A = 22 org, Desa B = 34 org, Desa C = 11 org, Desa D = 24 org, msg-msg model di tiap2 desa ini jml petaninya br bs diketahui stlah survei penelitian, yg pasti jml total tiap2 desa ga boleh krg ato lbh dr yg ditentukan.
aku ga tau menau pake spss…aku pake SAS (statistical analisis system),
contohnya, aku mau analisis produktivitas cabe.
dr msg2 desa penelitian, jml petani yg menanam cabe beda-beda pada tiap2 model.
ini cara penyusunan SAS, disusun sec vertikal (maap ga bs nampilin printscreennya)
data cabe;
input desa $ model $ blok $ cabe;
datalines;
A T 1 9.8
A T 1 4.2
A T 1 2.6
A TT 1 7.86667
A TT 1 6.16
A TT 1 3.6
A TTI 1 7.2
B T 2 4.16667
B T 2 2.61333
B T 2 1.8
B T 2 1.2
B T 2 1.11111
B T 2 8
B T 2 5
B T 2 2.66667
B T 2 5
B T 2 3.96
B TT 2 5.2
B TT 2 1.875
B TT 2 3.14667
B TT 2 2.52
B TT 2 3.75
B TT 2 1.5
B TT 2 1.25
B TTI 2 6
C T 3 2.8
D T 4 5.1
D TT 4 15
D TT 4 13
D TT 4 5.49
D TT 4 3.75
D TTI 4 7.03125
D TTI 4 21.2
D TTI 4 7.04167
;
proc print data = cabe;
run;
proc glm data = cabe;
class desa model ;
model cabe = desa model(desa);
means desa/duncan;
proc glm data = cabe;
class blok desa model;
model cabe = blok desa desa(blok) model desa*model;
means model desa*model/duncan;
run;
quit;
INI HASIL OUTPUTNYA:
The SAS System 00:43 Sunday, February 10, 2002 27
The GLM Procedure
Class Level Information
Class Levels Values
desa 4 A B C D
model 3 T TT TTI
Number of observations 34
The SAS System 00:43 Sunday, February 10, 2002 28
The GLM Procedure
Dependent Variable: cabe
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 9 276.9243911 30.7693768 2.34 0.0467
INI SUMBER KERAGAMAN PETANI (MODEL*DESA)
Error 24 315.5832824 13.1493034
Corrected Total 33 592.5076736
R-Square Coeff Var Root MSE cabe Mean
0.467377 67.51990 3.626197 5.370560
CV = 67,519
KARENA CV BESAR MAKA PAKE DMRT (DUNCAN)
Source DF Type I SS Mean Square F Value Pr > F
desa 3 230.4136092 76.8045364 5.84 0.0038
model(desa) 6 46.5107819 7.7517970 0.59 0.7354
YG DIMASUKKAN DLM ANOVA YG TYPE III SS KRN ULANGAN TDK SAMA
Source DF Type III SS Mean Square F Value Pr > F
SUMBER KERAGAMAN DESA DIANBIL DR ANOVA INI
desa 3 78.72358611 26.24119537 2.00 0.1415
model(desa) 6 46.51078189 7.75179698 0.59 0.7354
The SAS System 00:43 Sunday, February 10, 2002 29
The GLM Procedure
Duncan’s Multiple Range Test for cabe
NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise error rate.
Alpha 0.05
Error Degrees of Freedom 24
Error Mean Square 13.1493
Harmonic Mean of Cell Sizes 3.022489
NOTE: Cell sizes are not equal.
Number of Means 2 3 4
Critical Range 6.088 6.394 6.591
BS DILIAT BEDA NYATA ANTARDESA DR DMRT:
Means with the same letter are not significantly different.
Duncan Grouping Mean N desa
A 9.702 8 D
A
B A 5.918 7 A
B A
B A 3.376 18 B
B
B 2.800 1 C
The SAS System 00:43 Sunday, February 10, 2002 30
The GLM Procedure
Class Level Information
Class Levels Values
blok 4 1 2 3 4
desa 4 A B C D
model 3 T TT TTI
Number of observations 34
The SAS System 00:43 Sunday, February 10, 2002 31
The GLM Procedure
Dependent Variable: cabe
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 9 276.9243911 30.7693768 2.34 0.0467
Error 24 315.5832824 13.1493034
Corrected Total 33 592.5076736
R-Square Coeff Var Root MSE cabe Mean
0.467377 67.51990 3.626197 5.370560
Source DF Type I SS Mean Square F Value Pr > F
blok 3 230.4136092 76.8045364 5.84 0.0038
desa 0 0.0000000 . . .
desa(blok) 0 0.0000000 . . .
model 2 27.6167534 13.8083767 1.05 0.3654
desa*model 4 18.8940284 4.7235071 0.36 0.8351
Source DF Type III SS Mean Square F Value Pr > F
blok 0 0.00000000 . . .
desa 0 0.00000000 . . .
desa(blok) 0 0.00000000 . . .
model 2 30.88494224 15.44247112 1.17 0.3261
INI SUMBER KERAGAMAN MODEL(DESA)
desa*model 4 18.89402844 4.72350711 0.36 0.8351
The SAS System 00:43 Sunday, February 10, 2002 32
The GLM Procedure
Duncan’s Multiple Range Test for cabe
NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise error rate.
Alpha 0.05
Error Degrees of Freedom 24
Error Mean Square 13.1493
Harmonic Mean of Cell Sizes 8.873239
NOTE: Cell sizes are not equal.
Number of Means 2 3
Critical Range 3.553 3.732
Means with the same letter are not significantly different.
Duncan Grouping Mean N model
A 9.695 5 TTI
B 5.293 14 TT
B
B 4.001 15 T
The SAS System 00:43 Sunday, February 10, 2002 33
The GLM Procedure
Level of Level of ————-cabe————
desa model N Mean Std Dev
A T 3 5.5333333 3.78065250
A TT 3 5.8755567 2.14751001
A TTI 1 7.2000000 .
B T 10 3.5517780 2.12777028
B TT 7 2.7488100 1.40183583
B TTI 1 6.0000000 .
C T 1 2.8000000 .
D T 1 5.1000000 .
D TT 4 9.3100000 5.52262619
D TTI 3 11.7576400 8.17732529
di dlm SAS bs lsg diliat beda nyata antardesa n antarmodel usahatani dengan DMRT (duncan) (jd bs lsg dibuat data matangnya dgn dikasih notasi dr uji duncan)
jg bs langsung dibuat anovanya, (he..ga bs dicopas printscreennya)
buat data yg hilang, dlm SAS diganti dgn titik (.)
sekali ngerjakan udah dpt hasilnya se-uji lanjutnya
CORRECT ME IF I’M WRONG……………
Terimakasih Rinda sudah bergabung dan ikut berpartisipasi dalam blog ini. Sebelumnya mohon maaf baru bisa memberikan komentar
Saya sudah lama tidak mencoba software SAS (terakhir tahun 1997), he2… dah lupa lagi. Skrg blm punya softwarenya
Namun demikian, syntaks nya hampir mirip dg software lainnya, Statistica, SPSS, ataupun Minitab.
Sy setuju model:
proc glm data = cabe;
class desa model ;
model cabe = desa model(desa);
means desa/duncan;
Mungkin untuk model (T, TT, TTI) hanya boleh dibandingkan pada masing-masing desa, dan tidak bisa digeneralisir untuk keseluruhannya (Nested dalam Desa-nya).
Sekali lagi, terimakasih atas kontribusinya dan ditunggu kontribusi selanjutnya
Pak..saya bingung gimana pengujian statistik utk permodelan skripsi saya tentang pengaruh kemiringan dan posisi lereng..
saya disuruh menggunakan t-student saja habis itu langsung dianalisis korelasi dan regresinya utk mngetahui pengaruh dan hubungannya..
pengaplikasiannya gimana ya pak?? saya bingung bgt pak.. mohon dibales ya pak..
makasih (fetty ^_^)
Fetty…., maaf baru di balas.. Ketemu aja di kampus ya…
salam kenal !
Pak, judul tesis saya Pengaruh Model Pembelajaran Berbasis Masalah terhadap Kemampuan Berpikir Kritis dan Pemahaman Konsep. Saya menguji hipotesis dgn Manova dilanjutkan dgn LSD, karena jumlah pengamatan masing-masing sel adalah sama, maka digunakan formula Montgomery. Ini benar apa tidak? Bagaimana pengoperasiannya dgn SPSS ?
Pada kasus tersebut terdapat dua variabel repons/dependent variables, dan hipotesisnya yaitu apakah keduanya (Kemampuan Berpikir Kritis dan Pemahaman Konsep) dipengaruhi oleh Model Pembelajaran?
Ya, apabila kedua respons/var dependent (Kemampuan Berpikir Kritis dan Pemahaman Konsep) mau dianalisis secara bersamaan/serempak lebih cocok menggunakan MANOVA dibanding Anova.
Apabila Uji Manova signifikan, kita menyimpulkan pengaruh media media pembelajaran signifikan, artinya Model pembelajaran secara serempak mempengaruhi kedua respons tersebut Namun, pertanyaan selanjutnya tentunya adalah apakah hanya Kemampuan Berpikir Kritis ditingkatkan, atau hanya Pemahaman Konsep diperbaiki, ataukah keduanya. Untuk menafsirkan efek terhadap masing-masing respons biasanya dilanjutkan dengan uji Univariate (ANOVA) terhadap masing-masing variabel respons.
Perbedaan nilai rata-rata perlakuan bisa menggunakan prosedur Uji Lanjut seperti LSD, Tukey, dsb. Apabila level dari model pembalajaran kurang dari 4, bisa menggunakan LSD namun apabila levelnya 4 atau lebih, sebaiknya menggunakan Uji Lanjut Tukey.
permisi,
mau tanya dong.
peneltian tentang uji efektivitas antibakteri yang diaplikasikan dengan susu pasteurisasi
penelitian menggunakan 3 macam indikator bakteri uji (Bakteri A, B , dan C)
kemudian perlakuan pada sampel menggunakan antibakteri nisin dengan variasi 3 dosis.
pengamatan sampel dilakukan selama 4 hari ( h0, h1, h2, h3, h4)
lalu untuk pengolahan data menggunakan rancangan apa ya ?
bingung…..
mohon bantuannya
kerennn webnya…jd bisa bljr ED, dan g hrus liat bkuny douglas yg super tebl
assalamualaikum
saya sekarang sedang mengerjakan skripsi mengenai RAL reapeated measurement
dan skrg saya kesulitan mencari referensinya. bisa tolong dibantu??? terimakasih…..
buku-buku apa yg sekiranya membahas masalah ini ya?
Coba link berikut: http://www.stat.tamu.edu/~fliang/STAT652/st652lect18.pdf
semoga bisa membantu
terima kasih….
kalo untk buku2 yang ada itu ada tidak??
Assalamualaikum
Saya mau tanya tentang rancangan petak berjalur (RPB)
Apakah rancangan petak berjalur diolah menggunakan program SPSS. Karena kalo saya beberapa referensi di websiite, katanya RPB lebih mudah menggunakan Program Statistical Analysis System (SAS).
Gimana cara menggunakan PRogram SPSS untuk Rancangan Petak Berjalur.
Terima Kasih atas Bantuannya
thank you..glad you could help me a alot, friend.
minta software bilog,,
ada ga’??
mohon bantuanny pak, bisa kasih syntax dmrt test dgn sas pa?makasih pak,smg sukses!
proc anova;
class A B;
model Y=A B A*B;
means A B / duncan;
means A*B;
run;
webnya keren sekali mas.. belajar banyak dr websitenya… saya mau tanya untuk analisa optimasi menggunakan metode RSM (Response Surface Methode) sebainya pakai software apa yah? punya tutorialnya ga mas.. terima kasih..
askum
ms mau nanya, pada regresi terboboti di minitab muncul
WARNING * The prediction interval output assumes a weight of 1. An
adjustment must be made if a weight other than 1 is used.
ini maksudnya apa ya mz??
tlong dijawab ya krn buat UTS hari Rabu besok
makasiih
Coba pelajari di link ini:
http://people.stern.nyu.edu/jsimonof/classes/2301/pdf/mcdonald.pdf
Pernyataannya ada di hal 24.
aslkmu..
pak bsa mnta syntax sas untuk rancanngan petak teralur c..
terima ksih sblum ny..
proc glm data=yourdata;
class rep A B;
model y = rep A rep*A B rep*B A*B;
test h = A e=rep*A;
test h = B e=rep*B;
run;
terima kasih sangat membantu sya sekali..
pengertian statistik deskriptif menurut laura irwin?plis bantuannya
Mas gmn ya caranya uji lanjutan duncan dari anova two way tp secara manualnya??
tolong dong mas…
klw ada bukunya,ap judul,penerbit, n di jual di toko buku mana aja ya di samarinda??
trimakasih…
Untuk mempelajari Uji lanjut duncan:
http://www.smartstat.info/rancangan-percobaan/perbandingan-rata-rata/uji-lanjut-duncan.html
Contoh Uji Duncan Untuk Faktorial:
http://www.smartstat.info/rancangan-percobaan/ral-faktorial/contoh-ral-faktorial.html
SLIDE:
http://www.smartstat.info/slide/rancangan-percobaan/slide-perbandingan-rata-rata.html
http://www.smartstat.info/slide/rancangan-percobaan/slide-rancangan-faktorial.html
Download Slidenya: http://www.smartstat.info/download/rancangan-percobaan/slide/
mas bisa tolong tuliskan syntax untuk paired sample t-test dengan program sas?terimakasih sblumnya
proc ttest data = “path_file_yang_akan_dianalisis”;
paired var1*var2;
run;
——
nb:
path_file_yang_akan_dianalisis: ganti dengan path file yg akan dianalisis, misal: D:/mydata/pairedttest
var1, var2 = ganti dengan nama Variabel1 dan Variabel2
saya ingin bertanya.. beda nya metode 1 faktorial dan 2 faktorial dalam desaign eksperimen apa ya ?
Faktorial: faktor yang dicoba lebih dari satu faktor, jadi tidak ada istilah 1 faktorial, yang ada Faktor tunggal
Faktorial: 2 faktor; 3 faktor; 4 faktor dst…
2 Faktorial: mungkin mksdnya, faktor yang dicobanya ada 2, misal Faktor A dan Faktor B.
1 Lagi ya …
berikan contoh metode kontras ortogonaL donk .
saya ada tugas itu . hikhiks
thx
Contoh Kontras Ortogonal: http://www.smartstat.info/rancangan-percobaan/perbandingan-rata-rata/kontras-ortogonal.html
mas, selain di bidang pertanian,, metode respon permukaan bisa diaplikasikan di bidang apalgi???
makasi
saya nyari analisis ragamnya rancangan tersarang koq ndak ada yaaa?
kalo ada tolong dikirm ke email saya olliveoil221207@yahoo.co.id
terimakasih sebelumnya:)
Assalam
Saya sangat bangga dengan blog ini.
Mohon info apakah ada tutrial terkait RSM (Response Surface Method)
,atau alamat link dimana saya bisa belajar.
terimakasih
Assalamualaikum Wr. Wb.
Pak Ade Yth. Dari beberapa toturial yang sempat saya baca diblog anda ini baik itu mengenai analisis data RAL, RAK & lainnya saya lihat anda tidak ada membahas mengenai uji kehomogenan ragam (biasa saya pakai Barttlett) sebelum uji F dilakukan. Setahu saya waktu dulu kuliah sebelum analisis ragam itu pakai kehomogenan dulu, gimana ya Pak Ade ? Mohon pencerahannya ! Kemudian punyakah Bapak Toturial NCSS 2007 (number cruncher statistical system) ? Kalau ada bisa dong di upload!
Wassalamualaikum Wr. Wb.
Betul Mahdianoor, saya setuju. Sebelum dilakukan Anova, terlebih dahulu harus diperiksa asumsi-asumsi anovanya (normalitas, homoskedastisitas (kehomogenan ragam), independensi, dan aditif), Apabila tidak memenuhi asumsi, Anova tidak bisa dilaksanakan, karena interpretasi terhadap hasilnya bisa menyesatkan.
Pemeriksaan asumsi tersebut saya bahas dalam topik tersendiri. Ini tautannya:
http://www.smartstat.info/rancangan-percobaan/asumsi-analisis-varians/asumsi-asumsi-anova-satu-faktor.html
Mohon maaf, saya tidak punya tutorial tersebut
berilah contoh ral 2 faktor dg uji BNT nya sekalian..trims
Balasan untuk komentar Irfan sudah saya bahas pada balasan komentar berikut:
http://smartstat.wordpress.com/2009/10/29/uji-wilayah-berganda-duncan/#comment-980
mas, mau tanya uji MANOVA untuk RAK tersarang tu ada nggak?
mohon penjelasannya.. trims
mas..
mohon bantuan nya..saya menganalisis menggunakan anova dua arah memakai minitab. punya dasar teori ttg it?
mksh sbelumnya
mas, saya masih newbie nih., baru belajar metode penelitian sama statistik, klo misalnya saya bikin penelitian pake judul pengaruh risk based capital dan rasio investasi terhadap penyelesaian pembayaran klaim perusahaan asuransi kerugian di indonesia, itu pake uji statistik dan analisis apa ya? terus kan ada 2 variabel independent nih (risk based capital dan rasio investasi), klo misalnya cuma ada 1 variabel. tetep bisa dijadikan penelitian g?, trus pake uji statistik dan analisis apa, atau minimum harus pake 2 variabel, thanks
Saya mau bertanya. Apakah setelah uji anova 2 jalan, diketahui hasil uji untuk antar kolom, perbedaan signifikan, antar baris perbedaan signifikan, tetapi tidak terdapat interaksi, apakah masih diperlukan uji lanjut (Tukey test)?
Terimakasih jawabannya
Bagus sekali web ini…. semoga dapat meningkatkan pengetahuan dan wawasan terutama Statistik. Terima kasih…
saya mau tanya pak
benarkah uji BNT itu kurang teliti apabila dipakai untuk 5 perlakuan ke atas?
apabila ya, adakah referensi yg mendukung pendapat tersebut?
terima kasih..