Presentasi ini membahas tentang konsep dasar statistika dan peranannya dalam penelitian di bidang farmasi dan kimia. Topik utama yang dibahas antara lain definisi statistika, jenis-jenis analisis statistika seperti statistika deskriptif dan inferensial, serta perancangan percobaan menggunakan rancangan acak lengkap dan faktorial."
5. Tujuan Pelatihan
“Memahami konsep dasar statistika, peranan
dan penerapannya dalam penelitian bidang
farmasi dan kimia ”
UNIVERSITAS TADULAKO
6. Sejarah Statistika
Spiegel (1961) statistika berasal dari kata status (negara)
Karl Pearson (abad ke 19) mengembangkan statistika modern
dan terapannya dibidang kesehatan.
Raja Henry melakukan pencatatan kematian menurut jenis
kelamin.
UNIVERSITAS TADULAKO
Tahun 1700an
An. Stat
Deskriptif
Tahun 1800an
An. Stat
Inferensia
7. Peranan Statistika
Bagi Para Peneliti
Membantu memecahkan masalah penelitian yang
penyelesaiannya membutuhkan metode statistika
Bagi Para Peneliti
Membantu memecahkan masalah penelitian yang
penyelesaiannya membutuhkan metode statistika
Bagi Para Pembimbing Skripsi
Mengarahkan mahasiswa untuk lebih teliti memilih
untuk menggunakan analisis statistika deskriptif
atau statistika inferensia
Bagi Para Pembimbing Skripsi
Mengarahkan mahasiswa untuk lebih teliti memilih
untuk menggunakan analisis statistika deskriptif
atau statistika inferensia
Bagi Para Penguji Skripsi
Menambah kualitas lulusan sekaligus sebagai syarat
terpenuhinya asas etika
Bagi Para Penguji Skripsi
Menambah kualitas lulusan sekaligus sebagai syarat
terpenuhinya asas etika
UNIVERSITAS TADULAKO
10. STATISTIKA is ……………..
• Statistika berasal dari statistik pendugaan parameter
• Ilmu yang mempelajari dan mengusahakan agar data
menjadi informasi yang bermakna
Mengumpulkan data yang benar dan
efisien
Menganalisis data dengan metode
yang tepat
Menginterpretasikan dan menarik
kesimpulan yang benar dan sah
terhadap hasil analisis
UNIVERSITAS TADULAKO
13. Statistika Deskriptif
Eksplorasi Upaya untuk melihat ke dalam data guna mengungkap
informasi yang terkandung dalam data tersebut
manipulasi, penyarian/perangkuman, peragaan
Peragaan : tabel & grafik (histogram, diagram batang, diagram lingkaran/pie
chart, plot, dll.)
Peringkasan: ukuran pemusatan (mean, median, modus, quartil), ukuran
penyebaran (ragam, standard deviasi, range, jarak antar kuartil)
0
10
20
30
40
50
60
70
80
90
Tw-1 Tw-2 Tw-3 Tw-4
Jabar
Jatim
Lampung
79%
21%
Laki-Laki Perempuan
400
500
600
700
800
900
1000
20 40 60 80 100 120
Jarak (1000 Km)
EmisiHc(ppm)
14. Ukuran Pemusatan
“Nilai tempat mengumpulnya sebagian besar data”
Mean rataan atau rata-rata Populasi Contoh
Median nilai yang membagi pengamatan menjadi dua bagian yang sama
besar (50% < median, 50% > median)
Quartil nilai yang membagi pengamatan menjadi empat bagian yang sama
besar (Q1 : 25% < Q1 & 75% > Q1, Q2=median, Q3 : 75% < Q3 &
25% > Q3)
Modus nilai yang paling sering muncul
+
=
2
1n
x~x
+
=
)1(
4
11 x
n
Q
+
=
)1(
4
33 x
n
Q
∑=
=
N
1i
i
N
x
µ ∑=
=
n
1i
i
n
x
x
Nilai mean sangat berpengaruh terhadap nilai ekstrim
15. Ragam : Populasi Contoh
Standard Deviasi akar kuadrat dari ragam: Pop=σ , Contoh=s
Range atau Wilayah Selisih nilai terbesar dengan terkecil
R = X[n] – X[1]
Jarak Antar Kuartil Selisih antara Q3 dengan Q1 (JAK=Q3-Q1)
∑=
−
=
N
i N1
2
i2 )(x µ
σ ∑= −
−
=
n
i n
x
s
1
2
i2
1
)(x
2
σσ =
2
ss =
UKURAN PENYEBARAN
“Semakin besar nilainya berarti data semakin
bervariasi/beragam”
16. • Populasi : Keseluruhan pengamatan yang menjadi pusat
perhatian
• Contoh : Himpunan bagian dari populasi (mewakili)
• Parameter : Karakteristik numerik dari populasi
• Statistik : Karakteristik numerik dari contoh
• Peubah / Variabel : Ciri dari objek yang diamati
Istilah dalam Statistika
UNIVERSITAS TADULAKO
17. Sebuah karakteristik yang dapat mengandung BERBAGAI NILAI ANTAR
OBJEK yang diamati baik dari contoh maupun populasi
Skala Pengukuran Peubah
Penting karena berdampak pada analisis yang digunakan
Definisi Peubah
19. Cara Pengumpulan Data
No. Nama Paket A Paket B Paket C SMP
Terbuka
Kursus
1. Andi √
2. Budi √
3. Cici √
4. Dion √
5. Eva √
6. Firda √
7. Gani √
Percobaan
Survey / Observasi
Objek Pengamatan
Data
UNIVERSITAS TADULAKO
21. Prinsip Dasar Rancob
1. Pengulangan (Replication)
• Pengalokasian suatu perlakuan tertentu thd bbrp unit percobaan pada
kondisi seragam.
• Tujuan : Meningkatkan ketepatan percobaan
Wajib
hukumnya
UNIVERSITAS TADULAKO
2. Pengacakan (Randomization)
• Menjamin setiap perlakuan memperoleh
peluang yg sama utk diberikan pada
sembarang unit percobaan.
• Acak tidak sama dengan sembarangan,
maka dilakukan dengan pengundian
(pelemparan uang logam/dadu) atau
menggunakan tabel bilangan acak.
22. Lanjutan……………….
3. Pengendalian Lingkungan (Local
Control)
• Usaha mengendalikan keragaman akibat
heterogenitas kondisi lingkungan.
• Dilakukan dg pengelompokan (blocking)
satu/banyak arah. Pengelompokan yang baik
adalah jika keragaman dalam kelompok lebih
kecil dari keragaman antar kelompok.
• Kelompok dibuat berdasarkan kondisi atau
karakteristik obyek percobaan dg syarat
kelompok tidak berinteraksi dg perlakuan.
23. KlasifikasiRancob
Rancangan Perlakuan
• berkaitan dg pembentukan
perlakuan-perlakuan. (Faktorial,
Split Plot dan Split Blok)
Rancangan Lingkungan
• berkaitan dg penempatan
perlakuan-perlakuan pada unit-
unit percobaan. (RAL, RAK,
RBSL)
Rancangan Pengukuran
• berkaitan dg pengambilan
respon dari unit-unit percobaan.
UNIVERSITAS TADULAKO
24. Keterangan RAL RAK Faktorial
Ciri-ciri Satuan percobaan
homogen
Keragaman respon hanya
dipengaruhi oleh
perlakuan dan galat
Satuan percobaan
heterogen
Keragaman respon
dipengaruhi oleh
perlakuan, kelompok dan
galat
Perlakuan yang
merupakan komposisi
semua kemungkinan
kombinasi dari taraf-taraf
2 faktor atau lebih
Keuntungan Permasalahan data hilang
beih mudah ditangani
Ketepatan presisi
kesimpulan lebih tinggi
karena melihat perbedaan
diantara kelompok
Mampu mendeteksi
respon dari taraf masing-
masing faktor dan
pengaruh interaksi dua
faktor
Kerugian Kurang efisien karena
hanya untuk percobaan
dengan jumlah perlakuan
yang sedikit
Sulit untuk mengetahui
pengaruh interaksi
perlakuan * kelompok
Terdapat kesulitan dalam
menyediakan satuan
percobaan yang relatif
homogen
UNIVERSITAS TADULAKO
25. Contoh Kasus Rancangan Lingkungan
RAL
• Apabila lingkungan homogen
(status kesuburan tanah
homogen), maka rancangan
lingkungan yang tepat adalah RAL
RAK
• Apabila kondisi lingkungan tidak
homogen, misalnya ada
perbedaan kesuburan tanah yang
disebabkan oleh arah kemiringan,
maka rancangan lingkungan yang
tepat adalah RAK
Datar
Kombinasi Perlakuan
ditempatkan secara acak dan
bebas pada petak percobaan
Arah kemiringan lahan
Kelompok 1 Kelompok 2 Kelompok 3
Pengacakan
untuk setiap
kelompok
harus
dipisahkan
Pengacakan
untuk setiap
kelompok
harus
dipisahkan
Pengacakan
untuk setiap
kelompok
harus
dipisahkan
26. PANDUAN PENGELOMPOKAN
Variabel Pengganggu Unit Percobaan
Perbedaan arah kesuburan Petak Percobaan
Perbedaan arah kandungan air/kelembaban
Perbedaan kemiringan
Perbedaan komposisi tanah
Arah terhadap sudut penyinaran matahari Rumah Kaca
Aliran air
Umur Orang/Partisipan
Kepadatan
Jenis kelamin
Usia
IQ
Pendapatan
Pendidikan
Sikap
27. Contoh Kasus Faktorial
Contoh Kasus Penelitian :
Perbedaan lama sembuh pasien akibat penggunaan obat luka dan jenis yang
berbeda
Faktor
Obat Luka (O)
Respon
Lama Sembuh
Betadine
(O1)
Taraf O = 3 taraf
Perlakuan
Perlakuan = kombinasi
taraf faktor (3x2 = 6
buah)
J1O1, J1O2, ... , J2O3
Faktor
Jenis Luka (J)
Nebacitin
(O2)
Bioplasenton
(O3)
Parah
(J1)
Tidak
Parah
(J2)
Taraf J = 2 taraf
28. Faktorial
• Apabila kita melakukan percobaan dengan menggunakan
lebih dari satu Faktor, kita namakan dengan percobaan
Faktorial
• Faktorial: bukan Rancangan melainkan susunan
perlakuan
• Percobaan faktorial adalah suatu percobaan yang
perlakuannya terdiri atas semua kemungkinan kombinasi taraf
dari beberapa faktor.
29. Sumber
Keragaman
Derajat
Bebas (db)
Jumlah
Kuadrat
(JK)
Kuadrat
Tengah (KT)
F-hitung F(α,dbp,dbg) P
Perlakuan dbp=t-1 JKP KTP KTP/KTG ……….. ………..
Blok dbb=r-1 JKB KTB KTB/KTG ……….. ………..
Interaksi dbi=(a-1)(b-1) JKAB KTAB KTAB/KTG ……….. ………..
Galat dbg=t(r-1) JKG KTG
Total dbt=tr-1 JKT
Dibandingkan untuk penarikan
kesimpulan
Nilai α dipilih berdasarkan tingkat
resiko penelitian yang dihadapi
STRUKTUR TABEL SIDIK
RAGAM……….
Tolak Ho jika F-hitung > F tabel
Atau tolak Ho jika nilai P < α
30. PERBANDINGAN RATA-RATA (UJI
LANJUT)
A. Perbandingan terencana
• LSD (Fisher)
• BNJ (Tukey)
• BNT
• Duncan
B. Perbandingan tidak terencana
• Kontras Ortogonal
• Uji Dunnet
31.
32. Survey
Seorang mahasiswa ingin mengetahui persepsi
masyarakat di hulu sungai malinau Kaltim
tentang penyebab demam berdarah
Caranya ???
34. ILUSTRASI
Menurut kamu lebih baik
mana? (A) Dapat informasi
terperinci yang akurat dari
beberapa individu saja atau
(B) berusaha dengan cepat
mendapatkan sedikit
informasi dari banyak
individu?
Hmm….
Mana ya??
Saya Cuma mau bilang
bahwa dari 100 orang
pasien yang saya survey itu
ternyata mereka semua
menderita penyakit………
35. Mengapa harus contoh ?
Pengamatan kadang
bersifat merusak
Mustahil mengamati
seluruh anggota
populasi
Sumber daya
terbatas
Waktu yang tersdia
terbatas
Bagaimana caranya dengan menggunakan data contoh kita dapat
mengambil kesimpulan terhadap populasi ?
36. Peranan Metode Sampling
• Mendapatkan sampel yang mewakili (representatif)
populasi
– Memilih metode yang tepat
– Menentukan jumlah sampel yang memadai sesuai
dengan tingkat akurasi yang diharapkan
• Metode Sampling :
Probability vs Non Probability Sampling
38. HIPOTESIS PENELITIAN
Anjing : Gan, kira-kira sebentar akan
turun hujan gak ya?
Bocah : Gak tau ya bro...menurut aku sih
bakal turun hujan, tuh langit kelihatan
mendung....
Anjing : Ah... Belum tentu gan kan
mendung tak berarti hujan.
Bocah : oh...iya ya. Kalau begitu mari kita
uji hipotesisnya terlebih dahulu
Tapi kalo gak hujan,
kenapa atuh saudaraku
kebanjiran??? Aneh
pisan...........
39. Hipotesis Statistik: Pernyataan/dugaan mengenai parameter
populasi yang ingin dibuktikan kebenarannya
H0 hipotesis nol
H1 atau Ha hipotesis satu atau hipotesis alternatif
Misalnya:
H0: µ=60 vs H1: µ≠60 uji dwi arah
H0: µ=160 vs H1: µ>160 uji eka arah
H0: µ=500 vs H1: µ<500 uji eka arah
Pengujian Hipotesis
Berdasarkan data yang dikumpulkan, H1 atau H0 yang benar ?
40. Pengujian Hipotesis (lanjutan)
H0 benar H1 benar
Hasil Pengujian
H0 benar Benar Salah Jenis 1
( α)
Salah Jenis 2
( β)
H1 benar
Keadaan
Sebenarnya
Benar
α = Peluang menolak H0 padahal H0 benar
β = Peluang menerima H0 padahal H1 yang benar
41. Pengujian Hipotesis (lanjutan)
Secara Umum:
Satu Nilai Tengah Populasi: H0: µ = µ0 vs H1: µ ≠ µ0
H0: µ ≤ µ0 vs H1: µ > µ0
H0: µ ≥ µ0 vs H1: µ < µ0
Dua Nilai Tengah Populasi:
Saling Bebas Berpasangan
H0: µ1= µ2 vs H1: µ1 ≠ µ2 H0: µD = 0 vs H1: µD ≠ 0
H0: µ1 ≤ µ2 vs H1: µ1> µ2 H0: µD ≤ 0 vs H1: µD > 0
H0: µ1 ≥ µ2 vs H1: µ1< µ2 H0: µD ≥ 0 vs H1: µD < 0
42. Pengujian Hipotesis (lanjutan)
Beberapa langkah yang perlu diperhatikan dalam pengujian hipotesis:
(1) Tuliskan hipotesis yang akan diuji
Ada dua jenis hipotesis:
– Hipotesis sederhana
Hipotesis nol dan hipotesis alternatif sudah ditentukan pada nilai tertentu
• H0 : µ = µ0 vs H1 : µ = µ1
• H0 : σ2
= σ0
2
vs H1 : σ2
= σ1
2
• H0 : P = P0 vs H1 : P = P1
– Hipotesis majemuk
Hipotesis nol dan hipotesis alternatif dinyatakan dalam interval nilai tertentu
b.1. Hipotesis satu arah
H0 : µ ≥ µ0 vs H1 : µ < µ0
H0 : µ ≤ µ0 vs H1 : µ > µ0
b.2. Hipotesis dua arah
H0 : µ = µ0 vs H1 : µ ≠ µ0
43. (2). Deskripsikan data sampel yang diperoleh (hitung rataan, ragam,
standard error dll)
(3). Hitung statistik ujinya
Statistik uji yang digunakan sangat tergantung pada sebaran
statistik dari penduga parameter yang diuji
CONTOH
H0: µ = µ0 maka maka statistik ujinya bisa t-student atau normal
baku (z)
atau
(4). Tentukan batas kritis atau daerah penolakan H0
Daerah penolakan H0 sangat tergantung dari bentuk hipotesis
alternatif (H1)
CONTOH
H1: µ < µ0 Tolak H0 jika th < -t(α; db)(tabel)
H1: µ > µ0 Tolak H0 jika th > t(α; db)(tabel)
H1: µ ≠ µ0 Tolak H0 jika |th | > t(α/2; db)(tabel)
(5). Tarik kesimpulan
ns
x
th
/
0µ−
=
n
x
zh
/
0
σ
µ−
=
46. Suatu industri farmasi memproduksi tablet dengan menggunakan 3 mesin yang
berbeda, yakni mesin A, mesin B dan mesin C. Sampel-sampel diambil secara periodik.
Sebanyak 4 sampel tablet diambil dan beratnya ditimbang (dalam mg). Hasilnya adalah
sebagaimana dalam tabel di bawah ini. Data diasumsikan mengikuti distribusi normal.
Apakah ada perbedaan berat tablet yang dihasilkan antara 3 mesin?
Mesin A Mesin B Mesin C
277 271 275
282 274 276
279 271 267
276 273 274
Bentuk pengujian hipotesis :
Ho : tidak ada ada perbedaan tablet dengan menggunakan 3 mesin
H1 : ada perbedaan tablet dengan menggunakan 3 mesin
47. Rancangan Acak Lengkap (RAL)
Pembuatan Tablet Menggunakan Mesin 1= M1
Pembuatan Tablet Menggunakan Mesin 2= M2
Pembuatan Tablet Menggunakan Mesin 3= M3
Faktor: Variabel Bebas (X) yaitu variabel yang di kontrol oleh peneliti
Dalam hal ini faktornya adalah faktor mesin
Biasanya disimbolkan dengan huruf kapital, misal Faktor Mesin disimbolkan dengan
huruf M.
Taraf/Level:
Faktor terdiri dari beberapa taraf/level
Biasanya disimbolkan dengan huruf kecil yang dikombinasikan dengan subscript
angka.
Dalam hal ini terdapat 3 taraf dari Faktor Mesin adalah: M1, M2, M3
48. Perlakuan: merupakan taraf dari Faktor atau kombinasi taraf dari
faktor.
Untuk Faktor Tunggal:
Perlakuan = Taraf Faktor
M1, M2, M3
Apabila > 1 Faktor:
Perlakuan = Kombinasi dari masing-masing taraf Faktor
Misal: M1N0; M1N1; dst
Respons: Variabel tak bebas (Y) yaitu:
variabel yang merupakan sifat atau parameter dari satuan percobaan
yang akan diteliti
sejumlah gejala atau respons yang muncul karena adanya peubah
bebas.
Dalam kasus ini yang menjadi var.respon adalah hasil perbedaan berat
tablet
49. Pengacakan dan Tata Letak Percobaan
• Misal kita merancang :
Perlakuan (t) = 3 taraf , misal M1,M2 dan M3
Ulangan (r) = 4 kali
• M1, M1, M1, M1
M2, M2, M2, M2
M3, M3, M3, M3
• Diperoleh :
tr = 3x4 = 12 satuan percobaan
Perlakuan tersebut kita
tempatkan secara acak
ke dalam 12 satuan
percobaan
M1 M2 M3
M2 M1 M3
M3 M2 M1
M1 M3 M2
M2 M1 M3
M1 M3 M2
M3 M2 M1
M1 M2 M3
M2 M1 M3
M1 M2 M3
M1 M3 M2
M3 M2 M1
50. Tabulasi Data
Ulangan Perlakuan Total
BarisM1 M2 M3
1 Y11 Y21 Y31 Y.1
2 Y12 Y22 Y32 Y.2
3 Y13 Y23 Y33 Y.3
4 Y14 Y24 Y34 Y.4
Total
Kolom
Y1. Y2. Y3. Y..
Tabulasi Data
Rancangan Acak
Lengkap dengan 3
Perlakuan dan 4
Ulangan
52. OUTPUT
One-way ANOVA: Berat Tablet versus Mesin
Source DF SS MS F P
Mesin 2 93,17 46,58 5,39 0,029
Error 9 77,75 8,64
Total 11 170,92
S = 2,939 R-Sq = 54,51% R-Sq(adj) = 44,40%
Individual 95% CIs For Mean Based on
Pooled StDev
Level N Mean StDev --+---------+---------+---------+-------
1 4 278,50 2,65 (---------*--------)
2 4 272,25 1,50 (---------*--------)
3 4 273,00 4,08 (--------*--------)
--+---------+---------+---------+-------
269,5 273,0 276,5 280,0
Pooled StDev = 2,94
F-hit ≤/≥ F-tabel P value ≤/≥ α
53. INTERPRETASI OUTPUT ANOVA
• Anggap pada kasus ini kita menggunakan α = 5%
• Pada tabel ANOVA menunjukkan nilai F-hitung sebesar 5,39.
Jika kita lihat Tabel F(5%;2;9) = 4,26. Karena nilai F-hitung
lebih besar daripada F-tabel maka kesimpulannya adalah
tolak Ho. Artinya ada perbedaan berat tablet yang diproduksi
oleh masing-masing mesin.
• Selain membandingkan antara nilai F-hitung dan F-tabel, juga
bisa melihat perbandingan antara nilai-p dengan α. Dari tabel
ANOVA diperoleh nilai-p sebesar 0,029 kurang dari taraf
nyata 5%. Ini artinya bahwa kita menolak hipotesis nol. Atau
dengan kata lain ada perbedaan yang signifikan antara ketiga
macam berat tablet yang diproduksi oleh masing-masing
mesin.
55. Ti
Bagian Penting dari Analisis Regresi
Variabel bebas dan variabel tak bebas ????
Persamaan Regresi2
1
Interpretasi3
56. TELADAN
Konsentrasi
(ppm)
Intensitas
Fluoresensi (%)
0 0.2
1 3.6
2 7.5
3 11.5
4 15.0
5 17.0
6 20.4
7 22.7
8 25.9
9 27.6
10 30.2
Dalam analisis instrumental diperoleh hubungan antara konsentrasi dengan sinyal
intensitas fluoresensi (%) sebagai berikut :
1. Variabel bebas (X) ?
2. Variabel respon (Y)?
3. Uji asumsi terpenuhi atau tidak?
57. Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .995a
.990 .989 1.027 .606
a. Predictors: (Constant), Konsentrasi
b. Dependent Variable: Intensitas_Fluoresensi
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 984.009 1 984.009 932.219 .000a
Residual 9.500 9 1.056
Total 993.509 10
a. Predictors: (Constant), Konsentrasi
b. Dependent Variable: Intensitas_Fluoresensi
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 1.555 .580 2.682 .025
Konsentrasi 2.991 .098 .995 30.532 .000 1.000 1.000
a. Dependent Variable: Intensitas_Fluoresensi
R2
adalah koefisien determinasi.
Digunakan untuk melihat seberapa
besar sumbangan X terhadap
keragaman Y. Mendekati 100%
lebih baik.
Nilai F-hitung pada regresi
digunakan untuk melihat
pengaruh variabel secara
simultan. F-hitung
dibandingkan dengan F-
tabel (F(α;dbg;dbr)) atau
nilai sig. dengan α
Nilai t-hitung pada regresi
digunakan untuk melihat
pengaruh variabel secara
simultan. t-hitung
dibandingkan dengan t-
tabel (t(α;n-1)) atau nilai
sig. dengan α
xY
xbboY
299,1555,1
1
+=
++=
ε
58. Tampak bahwa titik-titik
pengamatan mengikuti garis
lurus, tidak ada data yang
memencil apalagi ekstrim.
Fungsinya untuk memprediksi
suatu nilai yang terletak
diantara dua nilai yang
diketahui
Editor's Notes
Tema ini sy angkat krn pertimbangan bahwa Statistik selalu bekerja dengan Angka atau Bilangan. Angka-angka statistik dapat digunakan sebagai alat pencari fakta, mengungkapkenyataan yang ada dan memberikan keterangan yang benar dan apa adanya. Kesimpulan dan interpretasi yang dihasilkan oleh statistik didasarkan pada data yang diolah dan tidak berdasarkan pengaruh dari luar. Sedangkan tentang bagaimana menggunakan kenyataan-kenyataan hasil statistik tersebut merupakan persoalan lain yang berada diluar kompetensi statistik.
Statistik dapat digunakan secara umumdalam berbagai macam disiplin ilmu pengetahuan dan ruang lingkup yang luas dalam kehidupan manusia baik di bidang pendidikan, kesehatan, kimia, pertanian, kependudukan, perdagangan dsb.
Perkembangan statistika diawali sebagai suatu ilmu yang membahas cara-cara mengumpulkan angka sebagai hasil pengamatan menjadi bentuk yang lebih mudah dipahami. Menurut Spiegel (1961) statistika berasal dari kata “status” yang berarti negara. Sehingga pada awalnya statistika berkaitan dengan ilmu untuk angka-angka (keterangan) atas perintah raja suatu negara, yang ingin mengetahui kekayaan negaranya, jumlah penduduk, hewan piaraan, hasil pertanian, dan modal. Contoh tertua mengenai hal ini dapat diambil dari zaman Kaisar Agustus yang membuat pernyataan bahwa seluruh dunia harus dikenai pajak, sehingga setiap orang harus melapor kepada statistikawan terdekat (pengumpul pajak).Peristiwa lain di dalam sejarah yang dapatdikemukakan ialah sewaktu William si Penaklukmemerintahkan mengadakan pencacahan jiwa dankekayaan di seluruh wilayah Inggris untukpengumpulan pajak dan tugas militer. Semuapengamatan dicatat di dalam sebuah buku yang dikenal dengan Domesday Book. Dari keperluan semacam ini maka pada tahun 1700an timbullahteknik pencatatan angka-angka pengamatan dalambentuk daftar dan grafik. Bagian statistika yangmembicarakan cara mengumpulkan danmenyederhanakan angka-angka pengamatan inidikenal sebagai statistika deskriptif. Statistikadeskriptif dapat berkembang tanpa memerlukandasar matematika yang kuat, selain kecermatandalam teknik berhitung.
Pada taraf selanjutnya yaitu pada tahun 1800an orang tidak puas hanyamengumpulkan angka-angka pengamatan saja.Mereka juga tidak puas bahwa yang diperoleh darisampel digunakan untuk mencirikan populasi.Timbullah usaha-usaha untuk memperbaikikesimpulan dalam melakukan ramalan-ramalanpopulasi berdasarkan angka-angka statistikyang dikumpulkan dari sampel tersebut.
Karl Pearson (1857-1936) sebagai pelopornya. Masa ini merupakan titik awalperkembangan statistika modern. Pada abad 19Karl Pearson menerapkan statistika pada biologi untuk masalah hereditas dan proses evolusi biologiyang diterbitkan dalam jurnal Biometrika.
Penggunaan statistika pada masa sekarang dapat dikatakan telah menyentuh semua bidang ilmu pengetahuan, termasuk didalamnya Bidang-bidang farmasi dan kimia dan cabang-cabang terapannya, Akibatnya lahirlah ilmu-ilmu gabungan seperti biostatiostika dan statistika dibidang kesehatan.
Di Inggris, penggunaan statistika dalam bidang kesehatan diawali oleh Raja Henry VII yang memerintahkan untuk melakukan pencatatan kematian pada tahun 1532. Hal ini dilanjutkan hingga tahun 1632 dan pada tahun tersebut secara resmi Inggris membuat undang-undang kematian yang mencatat kelahiran dan kematian menurut jenis kelamin. Pada tahun 1662, John Graunt menggunakan catatan undang-undang kematian selama 30 tahun untuk memperkirakan jumlah orang yang akan meninggal karena berbagai macam penyakit, proporsi kelahiran laki-laki dan wanita, serta membuat tabel perjalanan hidup. Dari hasil kegiatan ini, John Graunt dinyatakan sebagai orang pertama yang mengadakan analisis secara statistik dari data yang telah ada untuk memperkirakan keadaan di masa yang akan datang.
Sejak beberapa dekade terakhir ini, kemajuan bidang kesehatan didukung oleh pemakaian metode statistika. Oleh karena itu, pengetahuan tentang prinsip dasar metode statistika serta aplikasinya dibutuhkan oleh para tenaga kesehatan. Statistika dapat dikatakan sebagai suatu metode ilmiah yang dapat digunakan sebagai alat bantu dalam mengambil keputusan, mengadakan analisis data hasil penelitian, dan lain-lain. Metode statistika sebagai alat bantu untuk mengembangkan ilmu pengetahuan diterapkan pada berbagai disiplin ilmu, termasuk bidang kedokteran dan kesehatan masyarakat.
Dalam kehidupan dan penghidupan sehari – hari di tengah ledakan data, kita tdk dpt melepaskan diri dari yang namanya data. Dalam menghadapi data yang berserakan itu, aliran kuantitatif yang berakar dari paham positivisme memandang bahwa data dan kebenaran itu sudah ada di sekitar kita. Kita ditantang untuk mengumpulkannya melalui teknik pengumpulan data baik melalui pengamatan, wawancara, angket, maupun dokumentasi secara objektif. Setelah data tersebut terkumpul, maka dilanjutikan dengan mengolah data tersebut dalam bentuk penyajian data. Bentuk mana yang dipilih, hal ini tergantung kebutuhannya masing-masing. Dalam hal ini statistik deskriptif sangat diperluhkan karena peneliti akan dapat mendeskriptifkan data yang akan dikumpulkan. Pada perkembangan selanjutnya, mungkin peneliti ingin membedakan data berdasarkan rata-rat kelompoknya atau ingin menghubungkan data yang satu dengan yang lainya atau ingin meramalkan pengaruh data yang yang satu dengan yang lainya sehingga akhirnya peneliti dapat menarik suatau kesimpulan dari data yang telah dianalisnya. Dalam hal ini teknik statistik inferensial sangatlah diperluhkan. Jadi, statistika berperan sebagai alat untuk deskripsi, komparasi, korelasi, dan regresi.
Peneliti maupun pembimbing yang bijaksana mempunyai pandangan yang luas dalam mencari kebenaran. Peneliti dan pembimbing janganlah terlalu picik, dan menganggap bahwa hanya metode itulah satu-satunya alat yang dapat dipakai mencari kebenaran. Karena tidak semua metode kualitatif dapat menyelesaikan semua permasalahan. Demikian pula, tidak semua metode kuantitatif dapat menyelesaikan semua permasalahan.
Penguji skripsi, tesis ataau disertasi yang menguji skripsi, tesis, atau disertasi mahasiswanya yang menggunakan metode kuantitatif sudah selayaknya memahami statistik sehingga dapat meningkatkan kualitas lulusannya dan wibawa penguji sendiri. Jangan sampai penguji yang buta statistik tetapi nekat menguji mahasiswanya dengan mengajukan sanggahan bahwa korelasinya 0,90 artinya sangat kecil dan mohon dibetulkan. Sementara mahasiswa lainya yang turut mendengarkan dapat menilai betapa bodohnya penguji tersebut. Atau karena lemah statistiknya sehingga tidak berani menguji analisis statistiknya.
Apa Itu Statistika Farmasi ??
Secara harfiah, statistika farmasi dapat di bagi dalam dua kata, yaitu statistika dan farmasi. Statistika dapat diartikan sebagai suatu ilmu pengetahuan yang berhubungan dengan cara-cara mengumpulkan fakta/data, pengolahan data, kemudian menganalisis data tersebut sehingga dapat diperoleh suatu kesimpulan/keputusan. Dan Farmasi adalah suatu profesi yang berkaitan dengan kesehatan yang berkaitan dengan ilmu pengetahuan kesehatan dan kimia. Farmasi juga adalah suatu profesi di bidang kesehatan yang meliputi kegiatan-kegiatan di bidang penemuan, pengembangan, produksi, pengolahan, peracikan, dan distribusi obat. Jadi, Statistika Farmasi dapat diartikan sebagai ilmu pengetahuan yang mempelajari bagaimana cara-cara mengumpulkan fakta/data, pengolahan data, yang kemudian menganalisis sehingga dapat diperoleh suatu kesimpulan/keputusan yang berhubungan dengan ilmu kefarmasian itu sendiri. Untuk Bidang Kedokteran dan Farmasi, statistika berfungsi untuk penemuan jenis bahan obat baru : membantu mengidentifikasi dampak bahan antibiotika agar memenuhi syarat kelayakan produksi.
Untuk Apa Statistika Dipelajari ??
Statistik sangat dibutuhkan dalam penelitian dan memiliki peranan:
1. Statistik memungkinkan pencatatan secara lengkap dari data penyelidikan
2. Statistik memampukan seorang peneliti untuk bekerja secara berurutan dari awal sampai akhir
3. Statistic menyediakan cara-cara meringkas data kedalam bentuk yang lebih banyak artinya dan lebih gampang mengerjakannya
4. Statistic memberikan dasar-dasar melalui proses-proses yang mengikuti aturan yang dapat diterima oleh ilmu pengetahuan
5. Statistic memberikan landasan untuk meramalkan secara ilmiah tentang bagaimana sesuatu gejala akan terjadi dalam kondisi-kondisi yang telah diketahui
6. Statistic memungkinkan peneliti menganalisa, menguraikan sebab akibat yang kompleks dan rumit yang tanpa statistic akan merupakan persoalan yang membingungkan serta kejadian yang tak teruraikan
Fungsi statistika
1. Menggambarkan data dalam bentuk tak tentu
2. Menyederhanakan data yang komplek menjadi data yang mudah dimengerti
3. Merupakan teknik untuk membuat perbandingan
4. Memperluas pengalaman individu
5. Menentukan tingkat hubungan atau peranan antar variable
6. Mengukur besar besaran variable
Statistika berperan dalam setiap kegiatan kehidupan. Sebagai contoh, dalam ilmu farmasi itu sendiri digunakan untuk menganailsa suatu takaran ataupun dosis yang tepat dalam membuat obat-obatan.
Sebagian besar orang pasti sudah lumayan familiar bila mendengar kata statistika. Jika ditanya sejak kapan mereka mengenal statistika mungkin sebagian besar orang akan menjawabnya “ oh saat saya mulai sekolah, hmm mungkin sekitar SMP atau SMA”. Tetapi sadarkah Anda, sebenarnya kita mengenal statistika semenjak kita lahir. Tanpa kita sadari saat lahir, kita sudah dikenalkan yang namanya statistika. Hal yang paling sederhana misalnya : berat dan panjang badan kita saat lahir. Namun karena saat itu kita masih sangat kecil dan belum bisa berpikir, dan merasakan apa-apa jadi kita tidak mengetahuinya.
Seringkali kita tidak menyadari bahwa dalam kehidupan kita sehari-hari kita seringkali sudah melakukan penelitian, misalnya dalam membeli suatu barang yang berharga mahal seperti komputer, kita tentu saja melakukan penelitian ke toko-toko komputer untuk membandingkan harga, fitur, maupun jaminannya. Memilih pasangan hidup mungkin juga bisa digolongkan sebagai penelitian. Namun tentu saja kedua macam penelitian ini berbeda dengan penelitian yang biasa kita baca di jurnal ilmiah, karena mungkin dalam melakukan penelitian tersebut kita seringkali tidak menggunakan metode ilmiah melainkan terkadang hanya emosi saja, terlebih lagi dalam hal memilih pasangan hidup.
Ruang lingkup statistika secara umum dibagi ke dalam dua fase, yaitu statistika deskriptif dan statistika inferensi. Aktivitas atau ruang lingkup statistika dapat diperluas lagi menjadi empat kategori, yaitu: perancangan penelitian, analisis data eksplorasi, penaksiran, dan pengujian hipotesis. Aktivitas dalam perancangan penelitian dan analisis data eksplorasi masuk ke dalam fase statistika deskriptif, sedangkan aktivitas penaksiran dan pengujian hipotesis masuk ke dalam fase statistika inferensia.
Statistika dalam pengertian sebagai ilmu dibedakan menjadi dua, yaitu :
a. Statistika Deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna (Ronald E. Walpole, Pengantar Statistika). Dalam statistika deskriptif ini dikemukakan cara-cara penyajian data dalam bentuk tabel maupun diagram, penentuan rata-rata (mean), modus, median, rentang serta simpangan baku.
b. Statistika Inferensia (Induktif)adalah mencakup semua metode yang berhubungan dengan analisis sebagian data untuk kemudian sampai pada peramalan atau penarikan kesimpulan mengenai keseluruhan gugus data iduknya (Ronald E. Walpole, Pengantar Statistika) atau dengan kata lain sebelum menarik kesimpulan dilakukan dugaan yang dapat diperoleh dari statistika deskriptif.
Contoh : Catatan kelulusan selama 5 tahun terakhir di suatu perguruan tinggi menunjukkan bahwa 72% diantara mahasiswa baru yang masuk ke perguruan tinggi tersebut berhasil menyelesaikan studinya.Nilai numeric 72% tersebut adalah suatu statistika deskriptif. Jika berdasarkan ini kemudian disimpulkan bahwa peluang lulus sarjana untuk satu orang mahasiswa adalah lebih dari 70%, berarti telah dilakukan statistika inferensia yang tentu saja mempunyai sifat tidak pasti.
Statistik Inferensia dibagi menjadi dua, yaitu :
Statistika Parametik adalah mempertimbangkan nilai parameter populasi, biasanya dengan skala ukuran interval dengan asumsi populasi berdistribusi normal. Contoh metode statistika parametrik: uji-z (1 atau 2 sampel), uji-t (1 atau 2 sampel), korelasi pearson, Perancangan Percobaan (1 or 2-way ANOVA parametrik), dll.
Statistika Non Parametik adalah tidak memperhatikan nilai parameter populasinya, biasanya data lebih banyak dengan skala ukuran nominal atau ordinal dan distribusi tidak dapat diasumsikan normal. Contoh metode Statistika non-parametrik:Binomial test, Chi-square test, Median test, Friedman Test, dll.
Apabila distribusinya normal, digunakan statistik parametrik, apabila distribusinya tidak normal digunakan statistik non-parametrik. Terdapat beberapa cara untuk mengetahui normalitas suatu obyek penelitian, yaitu:a. cara pengambilan sampel. Distribusi suatu obyek diharapkan normal bila sampel diambil secara random dan besar sampel dihitung secara statistik berdasarkan besar populasi.b. Menghitung mean dan standart deviasi (SD) suatu obyek pada distribusi normal harga SD pada umumnya tidak lebih besar 50 persen dari harga mean.c. Uji normalitas. Cara sederhana adalah dengan membuat histogram, dievaluasi bentuk distribusinya (simetris atau menceng), atau gunakan statistik kolmogorov smirnov.Pada pemilihan uji statistik yang menjadi pertimbangannya adalah jenis skala datanya, apakah interval, rasio, nominal atau ordinal. Secara praktis antara skala interval dan rasio digunakan uji statistik yang tidak berbeda. Apabila penelitian bertujuan membedakan antara berbagai variabel (uji signifikansi), dengan distribusi normal, dan skala datanya interval/rasio, maka gunakan statistik parametrik. Pada penggunaan praktis, untuk uji sifnifikansi membutuhkan sampel cukup besar (&gt;30 unit). Walaupun distribusi normal, tetapi skala datanya interval/rasio gunakan saja statistik parametrik.
a. Statistik Parametris
Adalah bagian statistik yang digunakan untuk menganalisis data Interval atau Rasio yang parameter populasinya harus memenuhi syarat-syarat tertentu berupa syarat berdistribusi normal (Normalitas) dan memiliki varian yang homogen (Homogenitas).
b. Statistik Non Parametris
Adalah bagian statistik yang digunakan untuk menganalisis data Nominal dan Ordinal yang parameter populasinya Tidak memenuhi syarat-syarat Normalitas dan Homogenitas.
Seorng peneliti, setelah mengumpulkan data tentunya ingin mengetahui bagaimana karakteristik data yang diperolehnya. Dia akan mncari sesederhana mungkin informasi dari data yang dikumpulkannya tapi memiliki pengertian yang dapat menjelaskan data secara keseluruhan. Untuk keperluan ini dalam statistika dikenal istilah ukuran pemusatan dan ukuran penyebaran sebagai kecukupan statistik.
Ukuran pemusatan merupakan suatu gambaran (informasi) yang memberikan penjelasan bahwa data memiliki satu atau bahkan mungkin lebih titik dimana dia memusat atau mengumpul. Ukuran2 pemusatan yang sering digunakan antara lain:................
Ukuran penyebaran data memberikan gambaran seberapa besar data menyebar dalam kumpulannya. Dengan ukuran penyebaran kita dapat melihat seberapa jauh data-data menyebar dari titik pemusatannya. Ukuran penyebaran yang sering digunakan antara lain: .................
Parameter dan Statistik
Parameter adalah bilangan nyata yang menyatakan sebuah karakteristik dari sebuah populasi, contohnya mean populasi, varians populasi dan simpangan baku Statistik adalah bilangan nyata yang menyatakan sebuah karakteristik dari sebuah sampel, contohnya mean/rata-rata sampel, varians sampel, simpangan baku sampel Pada umumnya parameter populasi tidak diketahui karena banyaknya anggota populasi yang umumnya sangat besar sehingga peneliti tidak mampu atau tidak mau meneliti seluruh anggota populasi, sedangkan statistik sampel dapat dihitung karena banyaknya anggota sampel realtif sedikit. Atau statistik adalah gambaran tentang perincian data yang sudah disajikan dalam bentuk angka, tabel, grafik atau gambar-gambar dan statistik sebagai koefisien karakteristik sampel.Sehingga, hakikat belajar statistik yaitu:Menghitung statistik sampel untuk menduga/menguji parameter populasi, (notes; dalam menduga, menguji ada peluang kesalahan)
Pada pemilihan uji statistik yang menjadi pertimbangannya adalah jenis skala datanya, apakah interval, rasio, nominal atau ordinal.
Ketidaksempurnaan data dapat muncul dalam berbagai situasi. Penyebab utamanya adalah adanya kekeliruan atau galat pengukuran. Mengukur tinggi badan seorang individu mungkin merupakan persoalan yang mudah. Tetapi dalam banyak aspek melakukan pengukuran untuk objek yang diteliti adalah sulit dilakukan. Sebagai contoh, misalnya dalam penelitian sosial, untuk mengukur tingkat kesejahteraan rakyat bukan merupakan pekerjaan yang mudah. Apabila yang dijadikan kriteria untuk mengukur tingkat kesejahteraan adalah penghasilan yang diperoleh individu tersebut setiap tahunnya, maka seringkali ukuran ini memberikan galat pengukuran yang tinggi yang disebabkan oleh ketidakjujuran responden dalam menjawab pertanyaan. Hal-hal lain yang menyebabkan data itu tidak sempurna adalah ketersediaan data, ketersediaan biaya dan waktu untuk pengumpulan data.
percobaan merupakan suatu tindakan atau kegiatan yang diselenggarakan dengan seksama dalam rangka menemukan beberapa pengaruh yang tak diketahui, atau menguji suatu kebenaran yang diketahui atau membayangkan suatu kebenaran yang dipikirkan.
Mencoba atau Mengadakan Percobaan adalah satu cara dalam mendapatkan keterangan (data) yang diperlukan seseorang untuk memperoleh pengetahuan baru. Oleh karena itu suatu percobaan tidak diperlukan bilamana sesuatu yang hendak diketahui itu, sebelumnya sudah diketahui.
Merancang : dapat diartikan sebagai merencanakan, memikirkan atau menimbang-nimbang apa yang hendak diperbuat, yang segala sesuatunya diatur terlebih dahulu.
Rancangan adalah apa yang sudah dirancangkan, dipersiapkan, direncanakan atau diprogramkan.
Rancangan Percobaan: dapat diartikan sebagai rangkaian kegiatan berupa pemikiran dan tindakan yang dipersiapkan secara kritis dan seksama mengenai berbagai aspek yang dipertimbangkan dan sedapat mungkin diupayakan kelak dapat diselenggarakan dalam suatu percobaan dalam rangka menemukan sesuatu pengetahuan baru. Semua pemikiran, perkiraan, pedoman dan rencana itu dituangkan dalam suatu
Pengulangan artinya : Pengalokasian suatu perlakuan tertentu thd bbrp unit percobaan pada kondisi seragam.
Pengulangan bertujuan untuk:
Menduga ragam dari galat percobaan,
Meningkatkan ketepatan percobaan: memperkecil simpangan baku, nilai tengah perlakuan, dan mengendalikan ragam galat percobaan.
Banyaknya ulangan tergantung pada (a) derajat ketepatan yang dikehendaki, (b) homogenitas bahan percobaan, (c) rancangan percobaan, (d) biaya dan waktu.
2. Pengacakan (Randomization)
Menjamin setiap perlakuan memperoleh peluang yg sama utk diberikan pada sembarang unit percobaan.
Acak tidak sama dengan sembarangan, maka dilakukan dengan pengundian (pelemparan uang logam/dadu) atau menggunakan tabel bilangan acak.
Untuk memastikan bhw akan diperoleh nilai-dugaan yang sahih atau tak bias bagi nilaitengah perlakuan, beda antar nilaitengah, dan galat percobaan.
Tanpa pengacakan (perlakuan diberikan pada unit percobaan dengan pola tertentu) mempunyai resiko galat percobaan terlalu besar atau kecil.
3. Pengendalian Lingkungan (Local Control)
Usaha mengendalikan keragaman akibat heterogenitas kondisi lingkungan.
Dilakukan dg pengelompokan (blocking) satu/banyak arah. Pengelompokan yang baik adalah jika keragaman dalam kelompok lebih kecil dari keragaman antar kelompok.
Kelompok dibuat berdasarkan kondisi atau karakteristik obyek percobaan dg syarat kelompok tidak berinteraksi dg perlakuan.
Rancangan Perlakuan
berkaitan dg pembentukan perlakuan-perlakuan.
Rancangan Lingkungan
berkaitan dg penempatan perlakuan-perlakuan pada unit-unit percobaan.
Rancangan Pengukuran
berkaitan dg pengambilan respon dari unit-unit percobaan.
Pemberian nama suatu rancangan harus memperhatikan bagaimana perlakuan-perlakuan tsb disusun dan bagaimana pengalokasian perlakuan-perlakuan tsb ke dalam unit-unit percobaan.
Panduan dalam mengidentifikasi faktor yang bisa dijadikan acuan dalam pembuatan kelompok (pengelompokan).
Analisis ragam merupakan suatu analisis untuk memecah keragaman total menjadi beberapa komponen pembentuknya. Tujuannya adalah untuk menguji apakah mengubah faktor yang dikendalikan akan berpengaruh terhadap perbedaan yang bermakna antara rata-rata yang diperoleh. Menguji apakah ada perbedaan antara perlakuan atau kelompok. Uji F menunjukkan terdapatnya perbedaan yang signifikan diantara rata-rata perlakuan.
Derajat kepercayaan (level signifikan)
Peluang membuat kesalahan tipe 1 dikenal dengan taraf signifikan atau taraf nyata dan biasa disimbolkan dengan α.
Harga yang umum digunakan α = 0,05 dan α = 0,01
Contoh α = 0,05 :
a. α = 0,05 sering pula disebut taraf nyata 5% yang berarti kira-kira 5 dari 100 kesimpulan bahwa kita menolak hipotesis yang seharusnya diterima
b. Hal ini berarti kita mungkin salah dengan peluang 5% atau dengan kata lain kira-kira 95% kita yakin bahwa kita sudah menarik kesimpulan dengan benar.
1. Uji Lanjut Fisher&apos;s LSD
Uji BNT merupakan prosedur pengujian perbedaan diantara rata-rata perlakuan yang paling sederhana dan paling umum digunakan. Metode ini diperkenalkan oleh Fisher (1935), sehingga dikenal pula dengan Metoda Fisher’s LSD [Least Significant Difference]. Untuk menggunakan uji BNT, atribut yang kita perlukan adalah nilai kuadrat tengah galat (KTG), taraf nyata, derajat bebas (db) galat, dan tabel t-student untuk menentukan nilai kritis uji perbandingan.
2. Uji Lanjut Tukey HSD (BNJ)
Uji Tukey sering juga disebut dengan uji beda nyata jujur (BNJ), diperkenalkan oleh Tukey (1953). Prosedur pengujiannya mirip dengan LSD, yaitu mempunyai satu pembanding dan digunakan sebagai alternatif pengganti LSD apabila kita ingin menguji seluruh pasangan rata-rata perlakuan tanpa rencana. Uji Tukey digunakan untuk membandingkan seluruh pasangan rata-rata perlakuan setelah uji Analisis Ragam di lakukan.
3. Uji Lanjut Duncan
Uji Duncan didasarkan pada sekumpulan nilai beda nyata yang ukurannya semakin besar, tergantung pada jarak di antara pangkat-pangkat dari dua nilai tengah yang dibandingkan. Dapat digunakan untuk menguji perbedaan diantara semua pasangan perlakuan yang mungkin tanpa memperhatikan jumlah perlakuan.
4. Uji Lanjut SNK
Langkah pengerjaan perbandingan diantara rata-rata perlakuan mirip dengan penggunaan Uji Duncan. Perbedaannya hanya terletak pada nilai pembanding yang digunakan.
5. Uji Lanjut Dunnet
Pada beberapa kasus percobaan tertentu, mungkin kita hanya tertarik pada perbandingan antara kontrol dengan perlakuan lainnya. Misalnya, membandingkan suatu varietas lokal atau bahan kimia standar dengan yang baru. Untuk kasus tersebut, kita dapat menggunakan uji Dunnet. Dunnet mengembangkan uji ini dan mempopulerkannya pada tahun 1955. Uji Dunnet mempertahankan MEER pada level yang tidak lebih dari taraf nyata yang ditentukan, misal α= 0.05. Pada metode ini, hanya membutuhkan satu nilai pembanding yang digunakan untuk membandingkan antara kontrol dengan perlakuan lainnya. Formulanya mirip dengan LSD, namun pada uji ini, nilai t yang digunakan bukan t-student yang digunakan pada uji LSD. Dunnet menggunakan tabel t tersendiri, yang biasanya terlampir pada buku-buku perancangan percobaan.
6. Uji Lanjut Scheffe
Uji Scheffe&apos;s kompatibel dengan uji analisis ragam, dimana uji ini tidak pernah menyatakan kontras signifikan jika Uji F tidak nyata. Uji Scheffe&apos;s dikembangkan oleh Henry Scheffe (1959) yang digunakan untuk pembanding yang tidak perlu orthogonal. Uji ini mengontrol MEER untuk setiap kontras termasuk pada perbandingan berpasangan. Prosedur pengujiaannya memperbolehkan berbagai macam tipe pembandingan sehingga kurang sensitif dalam menemukan perbedaan nyata dibanding dengan prosedur pembandingan lainnya.
7. Kontras Ortogonal
Metoda analisis ragam berguna dan merupakan alat yang handal untuk membandingkan beberapa rata-rata perlakuan. Dalam membandingkan t perlakuan, hipotesis null menyatakan bahwa semua rata-rata perlakuan tidak berbeda (H0: µ1 = µ2 = ... = µt). Apabila uji F nyata, maka HA diterima, yang menyatakan bahwa tidak semua rata-rata perlakuan sama atau adalah salah satu rata-rata perlakuan yang berbeda dengan yang lainnya. Selanjutnya dilakukan perbandingan untuk menentukan perlakuan mana yang berbeda dengan mengurai Jumlah Kuadrat Perlakuan untuk pengujian F tambahan untuk menjawab beberapa pertanyaan yang sudah direncanakan. Metoda kontras atau orthogonal untuk memisahkan rata-rata memerlukan tingkat pengetahuan tertentu yang bersifat a priori, baik berdasarkan pertimbangan keilmuan tertentu atau berdasarkan hasil penelitian sebelumnya. Hal inilah yang menyebabkan metode ini disebut juga dengan Uji F yang terencana.
Namun secara garis besar, mungkin ada beberapa acuan yang bisa kita jadikan pedoman dalam memilih uji lanjut yang akan kita gunakan. Hal ini tergantung kepada beberapa pertimbangan, misalnya Apakah perbandingan di antara rata-rata tersebut sudah direncanakan sebelum data tersebut diperoleh? Apabila ya, disarakan untuk menggunakan uji Dunnet (perbandingan dengan kontrol), atau dengan Kontras orthogonal. Namun apabila perbandingan dari rataan tersebut dilakukan setelah data penelitian diperoleh (perbandingan tidak terencana), terdapat banyak pilihan yang bisa kita gunakan. Dalam hal ini, yang menjadi pertimbangan adalah nilai kesalahan jenis I (α). Terdapat dua jenis kesalahan (taraf nyata, α), yaitu experiment wise error (αEW) dan pair wise comparison error (αPC). Ada uji lanjut yang mengontrol nilai αEW, (misal Tukey) dan ada juga yang mengontrol αPC (misal LSD). Uji yang terakhir (LSD) hanya boleh digunakan apabila Uji F (Anava) signifikan, sedangkan untuk uji Tukey bisa tidak melalui Anava terlebih dulu! (Catatan: Uji DMRT tidak mengontrol nilai αEW maupun αPC, sehingga beberapa pakar statistik tidak merekomendasikannya)
Untuk membandingkan 3 perlakuan atau kurang, LSD lebih sensitif di banding Tukey. Namun apabila banyaknya perlakuan yang kita bandingkan lebih dari 3, disarankan untuk menggunakan uji Tukey. Mengapa? Mungkin kalau ada kesempatan, saya akan membahas mengenai perbandingan di antara beberapa uji lanjut serta penjelasan mengenai konsep kesalahan jenis I, experiment wise error (αEW) dan pair wise comparison error (αPC).
Analisis lanjut untuk menentukan secara tepat dimana letak perbedaan diantara rata-rata perlakuan dan bagaimana urutannya. Dua rata-rata dikatakan berbeda apabila selisih perbedaannya lebih besar dibandingkan nilai kritisnya.
Uji Tukey sering juga disebut dengan uji beda nyata jujur, diperkenalkan oleh Tukey (1953). Prosedur pengujiannya mirip dengan LSD, yaitu mempunyai satu pembanding dan digunakan sebagai alternatif pengganti LSD apabila kita ingin menguji seluruh pasangan rata-rata perlakuan tanpa rencana. Uji Tukey digunakan untuk membandingkan seluruh pasangan rata-rata perlakuan setelah uji Analisis Ragam di lakukan.
b. Masalah biayaBanyaknya biaya yang dikeluarkan dalam melakukan penelitian sangat tergantung pada banyak sedikitnya obyek yang diteliti. Makin sedikit obyek yang diteliti maka makin murah biaya yang dikeluarkan, dan sebaliknya.c. Masalah waktuSemakin lama waktu yang dilakukan dalam penelitian, maka kemungkinan mendapatkan hasil yang valid akan semakin besar, terutama penelitian yang menggunakan metode sensus. Untuk lebih mempercepat proses penelitian ini, maka peneliti bisa menggunakan metode sampling.d. Percobaan yang sifatnya merusakJika penelitian terhadap obyek sifatnya merusak, maka jelas sampling harus dilakukan.
Teknik-teknik statistik juga dapat digunakan dalam pengujian hipotesa. Mengingat tujuan penelitian pada umumnya adalah untuk menguji hipotesa-hipotesa yang telah dirumuskan, maka statistik telah banyak sekali menolong peneliti dalam mengambil keputusan terhadap kesimpulan-kesimpulan yang ingin ditarik.
Statistika parametrik diadasarkan atas asumsi yang ketat tentang keadaan populasi. Asumsi utama adalah populasi atau sampel harus berdistribusi normal, dipilih secara acak mempunyai hubungan yang linier, dan data bersifat homogen. Statistik parametrik lebih banyak bekerja dengan data interval dan ratio.Pasangan dari statistik paramtetrik adalah statistik nonparametrik. Statistik nonparametrik tidak menganut asumsi bahwa data populasi atau sampel harus berdistribusi normal, dipilih secara acak, mempunyai hubungan yang linier dan data bersifat homogen. Oleh sebab itu, statistik nonparametrik disebut juga dngan ”statistik bebas distribusi”. Statistik nonparametrik lebih banyak bekerja dengan data ordinal dan nominal.