Your SlideShare is downloading. ×
0
5. rancangan penelitian minggu-4
5. rancangan penelitian minggu-4
5. rancangan penelitian minggu-4
5. rancangan penelitian minggu-4
5. rancangan penelitian minggu-4
5. rancangan penelitian minggu-4
5. rancangan penelitian minggu-4
5. rancangan penelitian minggu-4
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

5. rancangan penelitian minggu-4

95

Published on

rancangan penelitian minggu 4

rancangan penelitian minggu 4

Published in: Data & Analytics
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
95
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
2
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. ASUMSI DAN TEKNIK ANALISIS VARIANSI (PARAMETRIK) SERTA GENERAL LINEAR MODEL (GLM) ANALISIS VARIANSI (ANAVA)ANALISIS VARIANSI (ANAVA) Adalah suatu prosedur/metode yang memungkinkan untuk menguji beberapa kelompok data secara serentak dengan memecah seluruh variansi/ragam dari data yang dimiliki menjadi komponen-komponen untuk mengukur sumber variasi yang asalnya berbeda. Dalam percobaan, sumber variasi dibagi menjadi dua komponen yaitu : a. pengukuran keragaman karena galat percobaan b. pengukuran keragaman karena perlakuannya sendiri.
  • 2. Pengujian dengan metode Anava berdasarkan pada asumsi- asumsi : 1. Pengaruh perlakuan dan lingkungan harus bersifat aditiv (penjumlahan). Yij = µ + αi + εij Yij : Nilai variabel hasil pengamatan µ : Rataan umum αi : Pengaruh perlakuan εij : Pengaruh perlakuan Persamaan di atas disebut juga Model Matematik Model matematik merupakan bentuk penyederhanaan proses biologis untuk pendekatan dalam analisis variansi Suatu prosedur untuk pengujian ketidakaditifan dapat dilakukan dengan pengujian TUKEY (lihat dan pelajari dalam Steel dan Torrie (1989) Prinsip dan Prosedur Statistika. Halaman 447-450)
  • 3. 2. Ragam galat harus homogen, menyebar bebas dan menyebar normal Untuk memenuhi asumsi bahwa ragam galat menyebar bebas, maka penerapan perlakuan harus dilakukan secara acak. Oleh karena itu pengacakan perlakuan harus dilakukan sesuai dengan ketentuan pengacakan sesuai dengan jenis rancangan percobaan yang digunakan. Untuk pengujian homogenitas ragam galat dapat menggunakan Uji Bartlett, atau Uji Levene. UJI BARTLETT Uji Bartlett merupakan metode pengujian homogenitas varian. Pada pengujian ini terdapat syarat data harus berdistrbusi normal. Pengujiannya adalah sebagai berikut. Hipotesis : 22 2 2 1 ...: kHo σσσ === 22 2 2 11 ...: kH σσσ ≠≠≠ (Homogen) (Tidak Homogen)
  • 4. Statistik uji : ∑ −−= }log)1(){10(ln 22 iihitung SnBχ ∑ ∑ − − = )1( )1( 2 2 i ii n Sn S ∑ −= )1()(log 2 inSB 2 )1)(1( 2 −−= ktabel αχχ k = banyaknya perlakuan Kesimpulan : 22 tabelhitung χχ < 22 tabelhitung χχ ≥ Galat homogen Galat tidak homogen Contoh uji Bartlett dapat dipelajari dalam Steel dan Torrie (1989) Prinsip dan Prosedur Statistika. Halaman 559-560
  • 5. UJI LEVENE Uji Levene juga merupakan metode pengujian homogenitas varians yang hampir sama dengan uji Bartlet. Perbedaan uji Levene dengan uji Bartlett yaitu bahwa data yang diuji dengan uji Levene tidak harus berdistribusi normal, namun harus kontinue. Hipotesis : Sama seperti uji Bartlett Statistik uji : ∑∑ ∑ = = = −− −− = k i n j iij k i i i ZZk ZiZNkN W 1 1 2 1 2 . .)()1( )...()( Zi = median data pada kelompok ke-i Z.. = median untuk keseluruhan data Kesimpulan : Ho ditolak jika ),1,( kNkFW −−> α Uji Levene merupakan uji homogenitas yang digunnakan dalam SPSS
  • 6. Untuk pengujian sebaran normal ragam galat dapat menggunakan Uji Chi Square atau Uji Satu Sampel Kolmogorov-Smirnov. Uji ini disebut juga uji distribusi normal dan kedua uji di atas termasuk kategori Goodness Of Fit Test yaitu uji apakah data empirik yang dapatkan dari lapangan itu sesuai dengan distribusi teoritik tertentu. UJI Chi Square Uji distribusi normal Chi Square telah diajarkan pada mata kuliah STATISTIKA. Pelajari kembali prosedur pengujiannya dalam handout statistika. UJI Satu Sampel Kolmogorov-Smirnov Prosedur dan contoh uji ini dapat dipelajari dalam Steel dan Torrie (1989) Prinsip dan Prosedur Statistika. Halaman 635-638 . Uji ini juga telah tersedia dalam paket program SPSS .
  • 7. GENERAL LINEAR MODEL (GLM)GENERAL LINEAR MODEL (GLM)  GLM adalah suatu kesatuan kerangka metode statistika yang besar dan kompleks.  Prosedur GLM menggunakan pendekatan model linear dengan melibatkan variabel bebas atau faktor dan variabel terikat.  Prosedur GLM menggunakan metode kuadrat terkecil (least squares) untuk membangun model linear.  Cakupan area analisis dari GLM meliputi : 1. simple regression 2. multiple regression 3. analysis of variance (ANOVA) 4. analysis of covariance 5. response-surface models 6. weighted regression 7. polynomial regression 8. partial correlation 9. multivariate analysis of variance (MANOVA) 10. repeated measures analysis of variance
  • 8. ASUMSI DAN TEKNIK ANALISIS NON PARAMETRIK Teknik analisis non parametrik umumnya digunakan jika persyaratan asumsi analisis parametrik tidak dapat diketahui. Teknik analisis non parametrik tidak menetapkan syarat-syarat mengenai parameter-parameter populasi yang merupakan induk sampel penelitian. Teknik analisis non parametrik tidak menuntut pengukuran sekuat tes parametrik. Sebagian besar tes non parametrik diterapkan untuk data dalam skala ordinal dan nominal. Teknik analisis non parametrik dikenal dengan tes bebas distribusi. Dalam melakukan uji statistik non-parametrik kebaikan hasil uji-nya relatif lebih rendah dibanding dengan uji parametrik. Untuk meningkatkan kebaikan hasil ujina, ukuran sampel harus diperbesar. Akan tetapi bagaimanapun juga uji non-parametrik sangatlah mudah dimengerti dan relatif lebih sederhana dibandingkan dengan uji parametrik.

×