Uji duncan adalah

uji duncan adalah

Menu • Home • Laporan Praktikum • Agrohidrologi • Budidaya Tanaman Hortikultura • Agroklimatologi • Praktikum Kimia Pangan • Praktikum Biologi Umum • Mikrobiologi • Laporan Praktikum Fisika • Ilmu Tanah • Praktikum Teknologi Fermentasi • Praktikum Evaluasi Sensori • Praktikum Pengolahan Pangan • Praktikum Pengolahan Minyak • Laporan Praktikum • Practicum Reports • Praktikum Pengemasan • Tugas Kuliah • Tugas Praktikum • Makalah • Materi Kuliah Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data.

Statistika merupakan ilmu yang berkenaan dengan data, sedang statistik adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu data. Dari kumpulan data, statistika dapat digunakan untuk menyimpulkan atau mendeskripsikan data. Statistika memiliki beberapa teknik. Beberapa pengujian dan prosedur yang banyak digunakan dalam penelitian antara lain: Pengambilan keputusan pada analisis varian (ANOVA) hanya akan menyatakan H 0 diterima atau ditolak, maka Uji duncan adalah diterima.

Pada Ha sering ditulis tidak demikian, atau selain H 0 yang berarti bahwa Ha mengandung beberapa kombinasi. Untuk menentukan kombinasi mana yang merepresentasikan Ha, maka diperlukan analisis lanjutan yang kemudian dikenal dengan istilah multiple comparisons.

Pada bahasan ini akan dibahas beberapa jenis multiple comparison yang paling sering digunakan dalam penelitian, yaitu uji Duncan. 4. Kemudian bandingkan selisih dua nilai tengah dengan nilai signifikansi duncan jika selisih dua nilai tengah > nilai signifikansi maka kita dapat menarik kesimpulan bahwa nilai tengah berbeda secara nyata.

Yang berarti pula perbandingan nilai tengah yang pertama dengan nilai tengah yang lain juga berbeda secara nyata. Namun jika selisih dua nilai tengah < nilai signifikansi maka kita dapat menarik kesimpulan bahwa nilai tidak berbeda secara nyata, nilai tengah pertama harus dibandingkan dengan nilai tengah yang lainnya hingga selisih dua nilai tengah > nilai signifikansi.

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. Sub bahasan: • Prosedur pengujian dengan Uji Duncan • Pengertian peringkat (p) dalam pembandingan uji duncan adalah dengan menggunakan uji jarak berganda (Multiple Range Test) • Contoh Penggunaan Uji Duncan: • Cara ke-1 • Cara ke-2 Perhitungan dengan Aplikasi Pengolah Data SmartstatXL (Excel Add-In) Perhitungan Analisis Ragam untuk berbagai Rancangan Percobaan dan Uji Lanjut uji duncan adalah, Tukey’s HSD, Scheffé’s test, Duncan, SNK, Dunnet, REGWQ, Scott Knott) dengan menggunakan SmartstatXL bisa dipelajari pada tautan berikut: Dokumentasi SmartstatXL Add-In Prosedur pengujian dengan Uji Duncan selengkapnya bisa anda baca pada dokumen di bawah ini: Document Script: Duncan’s Multiple Range Test (Uji wilayah berganda Duncan) Uji Duncan didasarkan pada sekumpulan nilai beda nyata yang ukurannya semakin besar, uji duncan adalah 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. Langkah perhitungan: 1. Urutkan nilai tengah perlakuan (biasanya urutan menaik) 2.

Hitung wilayah nyata terpendek untuk wilayah dari berbagai nilai tengah dengan menggunakan formula berikut: Dimana: KTG = Kuadrat Tengah Galat r = ulangan ra,p,n = nilai wilayah nyata Duncan a = taraf nyata p = jarak relatif antara perlakuan tertentu dengan peringkat berikutnya (2, 3.

.t); n = derajat bebas galat; 3.

uji duncan adalah

Kriteria pengujian:  Bandingkan nilai mutlak selisih kedua rata-rata yang akan kita lihat perbedaannya dengan nilai wilayah nyata terpendek (Rp) dengan kriteria pengujian sebagai berikut: • Pengertian peringkat (p) dalam pembandingan rata-rata dengan menggunakan uji jarak berganda (Multiple Range Test): 1. p = jarak relatif antara satu nilai rata-rata dengan rata-rata perlakuan pada peringkat berikutnya setelah rata-rata tersebut diurutkan, yang dihitung mulai dari nilai rata-rata tersebut (angka 1) sampai p rata-rata berikutnya.

2. Misal:  p = 2, berarti uji duncan adalah dengan 1 nilai rata-rata peringkat berikutnya (perbandingan antara dua nilai rata-rata yang bertetangga), misalnya: • jarak peringkat 1 dengan peringkat 2 (3Dok13 vs 3Dok4); atau • jarak peringkat 2 dengan peringkat 3 (3Dok4 vs Gabungan). • jarak peringkat 5 dengan peringkat 6 (3Dok5 vs 3Dok1), dst.  p = 3, berarti jarak dengan 2 nilai rata-rata peringkat berikutnya, misalnya: • jarak peringkat 1 dengan peringkat 3 (3Dok13 vs Gabungan), • jarak peringkat 2 dengan peringkat 4 (3Dok4 vs 3Dok7), • jarak peringkat n dengan peringkat n + (p-1)  p = t, berarti jarak dengan (t-1) nilai rata-rata peringkat berikutnya, misal untuk contoh di atas: • p = 6 berarti perbandingan antara rata-rata perlakuan terkecil (3Dok13) dengan rata-rata perlakuan terbesar (3Dok1) Contoh Penggunaan Uji Duncan Terdapat berbagai cara dalam menyusun notasi huruf untuk menguji perbedaan diantara rata-rata perlakuan.

Hal ini tergantung dari algoritma atau logika masing-masing, namun intinya membandingkan selisih diantara rata-rata perlakuan dengan nilai pembanding yang sesuai. Apabila nilai selisih mutlaknya lebih kecil atau sama dengan nilai pembanding, berarti kedua rata-rata tersebut tidak berbeda nyata.

Berbeda dengan penyusunan notasi pada penggunaan uji Tukey dan LSD yang hanya menggunakan satu nilai pembanding, kali ini kita akan menggunakan nilai selisih rata-rata perlakuan yang kemudian kita bandingkan dengan nilai pembanding yang sesuai. Tahapan Lengkapnya adalah sebagai berikut: Sebagai gambaran, kita uji duncan adalah kembali data percobaan Red Clover.

1. Langkah 1: Hitung nilai wilayah nyata terpendek (Rp):  Tentukan nilai KTG dan derajat bebasnya yang diperoleh dari Tabel Analisis Ragam. • KTG = 11.7887 • ν = db = 24  Tentukan nilai kritisnya dari tabel wilayah nyata student yang didasarkan pada derajat bebas galat dan banyaknya perlakuan yang akan dibandingkan. • Ada tiga parameter yang dibutuhkan untuk menentukan nilai qα, yaitu taraf nyata (α), p = banyaknya perlakuan yang akan dibandingkan, dan derajat bebas galat (db).

Pada contoh ini, p = 2, 3, 4, 5, 6, nilai db = 24 (lihat db galat pada tabel Analisis Ragamnya) dan α = 0.05. Selanjutnya, tentukan nilai r0.05(6, 24). • Untuk mencari nilai r0.05(6, 24) kita dapat melihatnya pada tabel Significant Ranges for Duncan’s Multiple Range Test pada taraf nyata α = 0.05 dengan p = 6 dan derajat bebas (v) = 24.

uji duncan adalah

Perhatikan gambar berikut untuk menentukan q-tabel. • Dari tabel tersebut kita dapatkan nilai nilai ra,p,n yaitu 2.92; 3.07; 3.15; 3.22; dan 3.28 • Hitung wilayah nyata terpendek (Rp): •  Kriteria pengujian: • Bandingkan nilai mutlak selisih kedua rata-rata yang akan kita lihat perbedaannya dengan nilai wilayah nyata terpendek (Rp) yang sesuai dengan kriteria pengujian sebagai berikut: • 2.

Langkah 2: Urutkan nilai rata-rata perlakuan dari kecil ke besar atau sebaliknya. Pada contoh ini, rata-rata perlakuan diurutkan dari kecil ke besar. Langkah selanjutnya adalah menghitung perbedaan diantara rata-rata perlakuan. Uji duncan adalah ke-1 Buat Tabel Matrik (Crosstabulasi) selisih rata-rata diantara semua kombinasi pasangan perlakuan.

Karena bersifat setangkup, cukup buat tabel matrik segitiga bawah saja seperti yang disajikan pada Tabel di bawah ini. Tabel Matriks selisih rata-rata perlakuan No Perlakuan 3Dok13 3Dok4 Gabungan 3Dok7 3Dok5 3Dok1 Rataan 13.26 14.64 18.7 19.92 23.98 28.82 Notasi 1 2 3 4 5 6 7 8 9 10 a 5 3Dok13 13.26 0.00 b a 3 3Dok4 14.64 1.38 (2) tn 0.00 c ab 6 Gabungan 18.70 5.44 (3) * 4.06 (2) tn 0.00 d bc 4 3Dok7 19.92 6.66 (4) * 5.28 (3) * 1.22 (2) tn 0.00 cd 2 3Dok5 23.98 10.72 (5) * 9.34 (4) * 5.28 (3) * 4.06 (2) tn 0.00 e d 1 3Dok1 28.82 15.56 (6) * 14.18 (5) * 10.12 (4) * 8.9 (3) * 4.84 (2) * 0.00 e Tabel Nilai pembanding (Rp) p 2 3 4 5 6 1.536 1.536 1.536 1.536 1.536 ra,p,n uji duncan adalah 3.07 3.15 3.22 3.28 4.50 4.73 4.85 4.96 5.05 Keterangan: 1.

Angka pada badan Tabel adalah nilai selisih di antara rataan perlakuan 2.

uji duncan adalah

Superscript (2); (3); …; (6) = p, yaitu jarak relatif (peringkat) antara rataan perlakuan yang satu dengan perlakuan lainnya 3. Bandingkan selisih rata-rata dengan pembanding yang sesuai dengan peringkatnya (Rp).

Apabila lebih kecil dari nilai Rp (tn), berikan garis yang sama di sebelah kanannya. Pemberian garis yang sama dihentikan apabila nilai selisih rata-rata > nilai Rp. Lanjutkan ke pembandingan perlakuan berikutnya.  Misalnya apabila kita membandingkan 3Dok13 dengan 3Dok4, bandingkan selisihnya (1.38) dengan peringkat Rp yang sesuai, Rp(2) = 4.50. Karena 1.38 ≤ 4.50 yang menunjukkan tidak ada uji duncan adalah, maka kita berikan garis yang sama pada kedua rataan tersebut.

 3Dok13 vs Gabungan: Bandingkan selisihnya (5.44) dengan Rp(3) = 4.73. Karena 5.44 ≥ 4.73 (*); stop! Garis yang sama tidak diberikan lagi.

Lanjutkan dengan pembandingan 3Dok4 vs lainnya.  3Dok4 vs Gabungan. Bandingkan selisihnya (4.06) dengan Rp(2) = 4.50. Karena 4.06 ≤ 4.50 (tn) sehingga berikan garis yang sama pada kolom 3Dok4;  3Dok4 vs 3Dok7: 5.28 ≥ 4.73 (*); stop! garis yang sama tidak diberikan lagi. Lanjutkan dengan pembandingan Gabungan vs lainnya. dst. sampai pada perbandingan pada kolom ke-9.

4. Abaikan (buang) Garis yang berwarna merah, karena garis tersebut sudah terwakili oleh garis yang terdapat pada Gabungan! 5. Terakhir, berikan kode huruf untuk garis tersebut. Garis yang diberi notasi hanya garis yang berwarna hitam. Garis hitam pertama diberi huruf “a”, kedua huruf “b”, ketiga huruf “c”, keempat huruf “d”, abaikan pemberian kode huruf pada garis merah (garis yang sudah terwakili oleh garis lainnya, dalam hal ini huruf “d”), terakhir garis ke-5 huruf “e”.

Cara ke-2 1. Langkah Maju ke #1:  Berikan huruf mutu “a” pada nilai rata-rata perlakuan terkecil pertama, yaitu 13.26.  Bandingkan perbedaan antara 3Dok13 (13.26) dan perlakuan peringkat berikutnya dengan menggunakan nilai Rp yang sesuai.

 Berikan huruf yang sama (dalam hal ini “a”) apabila selisihnya ≤ Rp yang sesuai  p = 2: 3Dok13 vs 3Dok4: -13.26 – 14.64-= 1.38. Bandingkan nilai ini dengan Rp(2) = 4.50. Karena 1.38 ≤ 4.50, yang berarti tidak berbeda, maka 3Dok4 diberi huruf “a”  p = 3: 3Dok13 vs Gabungan: -13.26 – 18.70- = 5.44.

Bandingkan nilai ini dengan Rp(3) = 4.73. Karena 5.44 > 4.73, yang berarti berbeda nyata, maka Gabungan diberi huruf yang berbeda, yaitu “b”.

 Pembandingan antara 3Dok13 dengan perlakuan selanjutnya tidak usah dilakukan karena pasti berbeda. Dengan demikian, pada langkah maju, pembandingan selanjutnya untuk grup yang sama dihentikan uji duncan adalah perlakuan berikutnya sudah diberikan notasi yang berbeda.

No Perlakuan Rataan Notasi Selisih p Rp 5 3Dok13 13.26 a ↓ 3Dok13 vs… 1 3 3Dok4 14.64 a 1.38 tn 2 4.50 6 Gabungan 18.70 → b 5.44 * 3 4.73 4 3Dok7 19.92 2 3Dok5 23.98 1 3Dok1 28.82  2. Langkah Mundur:  Kita sudah memberikan huruf b pada perlakuan Gabungan, namun kita belum tahu apakah gabungan berbeda dengan perlakuan lain yang terletak di antara 3Dok13 (“a”) dan Gabungan (“b”)! Dalam contoh ini hanya satu perlakuan, yaitu 3Dok4.

Cara yang lebih praktis adalah dengan pengecekan langkah mundur, yaitu membandingkan Gabungan dengan perlakuan sebelumnya yang nilainya lebih kecil dari Gabungan namun lebih besar dari 3Dok13.

 p = 2: Gabungan vs 3Dok4: -18.70 – 14.64- = 4.06. Bandingkan nilai ini dengan Rp(2) uji duncan adalah 4.50. Karena 4.06 ≤ 4.50, yang berarti tidak berbeda, maka 3Dok4 selain uji duncan adalah sudah diberi huruf “a”, juga diberi huruf “b” karena tidak berbeda dengan gabungan. No Perlakuan Rataan Notasi Selisih p Rp 5 3Dok13 13.26 a 3 3Dok4 14.64 a b 4.06 ns 2 4.50 6 Gabungan 18.70 ↑ b … vs Gabungan 1 4 3Dok7 19.92 2 3Dok5 23.98 1 3Dok1 28.82 3.

Langkah Maju ke #2:  Titik awal sekarang mulai dari perlakuan terkecil yang mendapatkan huruf “b”, dalam hal ini pada perlakuan 3Dok4 (14.64).  Bandingkan perbedaan antara 3Dok4 (14.64) dan perlakuan peringkat berikutnya yang belum diberi notasi huruf yaitu 3Dok7 dst dengan menggunakan nilai Rp yang sesuai. Dengan demikian, p = 2: 3Dok4 vs Gabungan: tidak perlu dilakukan!

karena sebelumnya sudah diberi notasi “b”!  Berikan huruf yang sama (dalam hal ini “b”) apabila selisihnya ≤ Rp yang sesuai  p = 3: 3Dok4 vs 3Dok7: -14.64 – 19.92- = 5.28. Bandingkan nilai ini dengan Rp(3) = 4.73. Karena 5.28 > 4.73, yang berarti berbeda nyata, maka 3Dok4 diberi huruf yang berbeda, yaitu “c”.

Pembandingan antara 3Dok4 dengan perlakuan selanjutnya tidak usah dilakukan karena pasti berbeda. No Perlakuan Rataan Notasi Selisih p Rp 5 3Dok13 13.26 a 3 3Dok4 14.64 a b ↓ 3Dok4 vs… 1 6 Uji duncan adalah 18.70 b - 2 4.50 4 3Dok7 19.92 → c 5.28 * 3 4.73 2 3Dok5 23.98 4 1 3Dok1 28.82  4. Langkah Mundur:  Kita sudah memberikan huruf c pada perlakuan 3Dok7, namun kita belum tahu apakah 3Dok7 berbeda dengan perlakuan sebelumnya yang nilainya terletak di antara 3Dok7 dan 3Dok4!

Dalam contoh ini hanya Gabungan.  p = 2: 3Dok7 vs Gabungan: -19.92 – 18.70- = 1.22.

uji duncan adalah

Bandingkan nilai ini dengan Rp(2) = 4.50. Karena 1.22 ≤ 4.50, yang berarti tidak berbeda, maka Gabungan selain tadi sudah diberi huruf “b”, juga diberi huruf “c” karena tidak berbeda dengan 3Dok7. No Perlakuan Rataan Notasi Selisih p Rp 5 3Dok13 13.26 a 3 3Dok4 14.64 a b 6 Gabungan 18.70 b c 1.22 tn 2 4.50 4 3Dok7 19.92 ↑ c 3Dok7 vs… 1 2 3Dok5 23.98 1 3Dok1 28.82 5. Langkah Maju ke #3::  Titik awal sekarang mulai dari perlakuan terkecil yang mendapatkan huruf “c”, dalam hal ini pada perlakuan Gabungan (18.70).

 Bandingkan perbedaan antara Gabungan (18.70) dan perlakuan peringkat berikutnya yang belum diberi notasi huruf yaitu 3Dok5 dst dengan menggunakan nilai Rp yang sesuai. Dengan demikian p = 2: Gabungan vs 3Dok7 tidak perlu dilakukan lagi!  Berikan huruf yang sama (dalam hal ini “c”) apabila selisihnya ≤ Rp uji duncan adalah sesuai  p = 3: Gabungan vs 3Dok5: -18.70 – 23.98- = 5.28.

Bandingkan nilai ini dengan Rp(3) = 4.73. Karena 5.28 > 4.73, yang berarti berbeda nyata, maka 3Dok5 diberi huruf yang berbeda, yaitu “d”. Pembandingan antara Gabungan dengan perlakuan selanjutnya tidak usah dilakukan karena pasti berbeda.

 No Perlakuan Rataan Notasi Selisih p Rp 5 3Dok13 13.26 a 3 3Dok4 14.64 a b 6 Gabungan 18.70 b c ↓ Gabungan vs… 1 4 3Dok7 19.92 c - 2 4.50 2 3Dok5 23.98 → d 5.28 * 3 4.73 1 3Dok1 28.82  6. Langkah Mundur:  Sekarang kita bandingkan perlakuan 3Dok5 dengan perlakuan sebelumnya yang terletak antara 3Dok5 dan Gabungan.  p = 2: 3Dok5 vs 3Dok7: -23.98 – 19.92- = 4.06 Bandingkan nilai ini dengan Rp(2) = 4.50.

Karena uji duncan adalah ≤ 4.50, yang berarti tidak berbeda, maka 3Dok5 selain tadi sudah diberi huruf “c”, juga diberi huruf “c” karena tidak berbeda dengan 3Dok5.

uji duncan adalah

No Perlakuan Rataan Notasi Selisih p Rp 5 3Dok13 13.26 a 3 3Dok4 14.64 a b 6 Gabungan 18.70 b c - 3 4.73 4 3Dok7 19.92 c d 4.06 2 4.50 2 3Dok5 23.98 ↑ d … vs 3Dok5 1 1 3Dok1 28.82 7. Langkah Maju ke #4:  Titik awal sekarang mulai dari perlakuan terkecil yang mendapatkan huruf “d”, dalam hal ini pada perlakuan 3Dok7 (19.92).  p = 2: 3Dok7 vs 3Dok5. Sudah!  p = 3: 3Dok7 vs 3Dok1: -19.92 – 28.82- = 8.90.

Bandingkan nilai ini dengan Rp(3) = 4.73. Karena 8.9 > 4.73, yang berarti berbeda nyata, maka 3Dok1 diberi huruf yang berbeda, yaitu “e”. No Perlakuan Rataan Notasi Selisih p Rp 5 3Dok13 13.26 a 3 3Dok4 14.64 a b 6 Gabungan 18.70 b c 4 3Dok7 19.92 c d ↓ 3Dok7 vs … 1 2 3Dok5 23.98 d - 2 4.50 1 3Dok1 28.82 → e 8.90 * 3 uji duncan adalah 8. Langkah Mundur:  Terakhir kita cek kembali apakah perlakuan 3Dok1 berbeda dengan perlakuan sebelumnya yang terletak antara 3Dok1 dan 3Dok7, yaitu dengan 3Dok5.

 p = 2: 3Dok1 vs 3Dok5: -28.82 – 23.98- = 4.84. Bandingkan nilai ini dengan Rp(2) = 4.50. Karena 4.84 > 4.50, yang berarti berbeda, maka 3Dok5 tidak diberi huruf “e”. No Perlakuan Rataan Notasi Selisih p Rp 5 3Dok13 13.26 a 3 3Dok4 14.64 a b 6 Gabungan 18.70 b c - 4 3Dok7 19.92 c d - 3 4.73 2 3Dok5 23.98 d 4.84 * 2 4.50 1 3Dok1 28.82 ↑ e … vs 3Dok1 uji duncan adalah   Hasil akhirnya adalah sebagai berikut: No Perlakuan Rataan Notasi Notasi Akhir 5 3Dok13 13.26 a a 3 3Dok4 14.64 a b ab 6 Gabungan 18.70 b c bc 4 3Dok7 19.92 c d cd 2 3Dok5 23.98 d d 1 3Dok1 28.82 e e Apabila kita sudah terbiasa, prosedur penyusunan notasi huruf di atas sebenarnya bisa diringkas dalam bentuk pengelompokan pada kolom yang sama untuk nilai rata-rata yang tidak berbeda nyata, seperti pada contoh tabel berikut: No Perlakuan Subset Rataan a b c d e Notasi 5 3Dok13 13.26 13.260 ↓ a 3 3Dok4 uji duncan adalah 14.640 14.640 ↓ ab 6 Gabungan 18.70 → ↑ 18.700 18.700 ↓ bc 4 3Dok7 19.92 → ↑ 19.920 19.920 ↓ cd 2 3Dok5 23.98 → ↑ 23.980 d 1 3Dok1 28.82 → ↑ 28.820 e Keterangan: ↓ Pembandingan dengan peringkat berikutnya (langkah maju) → pemberian notasi baru (pindah pada kolom berikutnya) ↑ Pembandingan dengan peringkat sebelumnya (langkah mundur)
Uji lanjut duncan merupakan satu dari beberapa metode yang dapat digunakan untuk mengetahui ada tidaknya perbedaan yang signifikan antar perlakuan.

Uji duncan ini merupakan kelanjutan dari uji ANOVA. Masih ingat dengan artikel Exsight sebelumnya yang membahas bagaimana cara melakukan uji ANOVA dengan R Studio? Jika kamu belum membacanya, kamu bisa klik link ini yaa. Uji duncan adalah, di artikel kali ini, Exsight akan melanjutkan tutorial uji Duncan pada sebagai follow up dari artikel ANOVA tersebut. Sebelum artikel ini, Exsight sebenarnya juga sudah pernah memberikan tutorial mengenai uji lanjut ANOVA, namun menggunakan metode lain, yaitu uji Fisher's LSD dan Tukey's HSD.

Jika belum, kamu bisa membaca di link berikut. Daftar Isi • 2 CARA POST-HOC TEST (UJI LANJUT ANOVA) MENGGUNAKAN R STUDIO • Uji Lanjut Duncan • Langkah Perhitungan Uji Duncan • Uji Hipotesis Duncan • • Hipotesis • Taraf Signifikansi • Statistik Uji • Krtieria Uji • Langkah Uji Duncan di RStudio • 1. Install dan Aktivasi Library "Agricoale" • 2.

Input Code duncan.test() 2 CARA POST-HOC TEST (UJI LANJUT ANOVA) MENGGUNAKAN R STUDIO Uji Lanjut Duncan Uji duncan atau Uji Wilayah Berganda Duncan (Duncan Multiple Range Test - DMRT) merupakan satu uji yang dapat digunakan untuk menentukan perlakuan mana saja yang menyebabkan hipotesis nol ditolak (Gaspersz, 1991). Sama halnya dengan uji lanjut yang lain, dengan uji ini kita akan mengetahui perlakuan atau faktor mana yang merupakan faktor terbaik yang dikenakan pada subjek penelitian.

Kita juga bisa mengetahui pasangan perlakuan mana saja yang berbeda secara signfikan. Perlu diingat bahwa uji lanjut hanya dilakukan jika kesimpulan pada ANOVA memberikan hasil H0 ditolak yang berarti ada perbedaan antar kelompok yang diuji. Jika diperoleh hasil bahwa H0 diterima, maka pengujian ini tidak perlu dilakukan. Langkah Perhitungan Uji Duncan Langkah-langkah perhitungan uji ini adalah sebagai berikut: • Menyusun nilai tengah atau rata-rata perlakuan dalam urutan menaik • Menghitung residual baku dari nilai tengah perlakuan dengan KTG adalah kuadrat tengah residual, t adalah derajat bebas perlakuan.

Nilai KTG dapat kamu peroleh dari tabel ANOVA seperti pada penjelasan artikel ini. 3. Menghitung “wilayah beda nyata terpendek ( shortest significant ranges)” untuk berbagai wilayah dari nilai tengah dengan : r p (p = 2, 3. .

uji duncan adalah

., t); db residual; α adalah wilayah nyata yang ditentukan dari tabel significant ranges for duncan multiple range test yang didasarkan pada derajat bebas residual dan α adalah taraf signifikansi. 4. Dua rata-rata perlakuan dikatakan berbeda jika mutlak dari selisih dua rata-rata tersebut lebih besar dari R p yang bersesuaian Uji Hipotesis Duncan Hipotesis H 0 : µ i = uji duncan adalah j untuk semua i dan j yang memiliki pengaruh yang sama H 1 : µ i ≠ µ j untuk semua i dan j yang memiliki pengaruh yang berbeda Taraf Signifikansi Menggunakan α Statistik Uji Di mana dengan KTG adalah kuadrat tengah residual dan t adalah banyaknya perlakuan.

Krtieria Uji Tolak H0 jika - µ i - µ j - > R p atau sig < α Langkah Uji Duncan di RStudio Pada tutorial kali ini, masih digunakan data yang sama dengan tutorial ANOVA pada artikel sebelumnya. Dengan asumsi data telah diinput saat melakukan uji ANOVA, maka kita dapat secara langsung uji duncan adalah uji Duncan pada tutorial kali ini. Berikut tampilan data yang akan dianalisis. Tampilan Data Uji ANOVA Berdasarkan artikel ANOVA sebelumnya, ingin diketahui apakah terdapat pengaruh jenis pupuk terhadap tinggi tanaman.

Hasil uji ANOVA memberikan hasil bahwa H0 ditolak sehingga terdapat pengaruh jenis pupuk terhadap tinggi tanaman atau dapat dikatakan bahwa tinggi tanaman antar jenis pupuk berbeda signifikan. Karena, kita memperoleh hasil bahwa H0 ditolak, maka analisis akan dilanjutkan dengan uji duncan untuk mengetahui pasangan kelompok jenis pupuk mana yang berbeda signifikan. 1. Install dan Aktivasi Library "Agricoale" Pada RStudio, uji duncan terdapat pada library " agricolae", sehingga sebelum melakukan uji tersebut kamu terlebih dahulu harus menginstall dan mengaktifkan library " agricolae".

Berikut sintaksnya. install.packages("agricolae") library(agricolae) 2. Input Code duncan.test() Setelah berhasil menginstall dan mengaktifkan library, gunakan code duncan.test() untuk melakukan uji duncan. > anova_pupuk <- aov(tinggi_tanaman ~ jenis_pupuk, data = data) > dun_test=duncan.test(anova_pupuk,"jenis_pupuk",alpha=0.05) > dun_test $statistics ____MSerror Df __Mean ______ CV __0.3801667 15 15.815 3.898682 $parameters ____test _____name.t ntr alpha __Duncan jenis_pupuk __5 _0.05 $duncan _____Table CriticalRange 2 3.014325 ____0.9292810 3 3.159826 ____0.9741374 4 3.250248 ____1.0020134 5 3.311848 ____1.0210040 $means __tinggi_tanaman ______std r _Min _Max ___Q25 __ Q50 ___Q75 A ________15.075 0.5560276 4 14.7 15.9 14.775 14.85 15.150 B ________16.875 0.6130525 4 16.1 17.6 16.700 16.90 17.075 C ________17.850 0.1732051 4 17.6 18.0 17.825 17.90 17.925 D ________20.650 0.5196152 4 20.2 21.4 20.425 20.50 20.725 E _________8.625 0.9569918 4 _7.3 _9.5 _8.275 _8.85 _9.200 $comparison NULL $groups __tinggi_tanaman groups D ________20.650 _____a C _______ _17.850 _____b B ________16.875 _____c A ________15.075 _____d E _________8.625 _____e attr(,"class") [1] "group" Dari output di atas, kamu bisa mengetahui statistik deskriptif dari setiap kelompok pada output $means.

Kamu juga bisa mengetahui nilai kritis duncan untuk p = 2, 3, 4 dan 5 pada output $duncan. Untuk mengetahui kelompok mana saja yang berbeda, kamu dapat mengetahuinya dari output $groups.

Kelompok dengan huruf groups yang sama memiliki arti bahwa kedua pasangan kelompok tersebut tidak berbeda secara signifikan. Dari output tersebut ternyata semua kelompok ditempatkan pada grup yang berbeda sehingga semua kelompok berbeda secara signifikan.

Selain itu, kita juga bisa mengetahui manakah jenis pupuk terbaik dari kelima pupuk. Pupuk terbaik pastilah pupuk yang merangsang pertumbuhan tanaman paling cepat. Artinya, kelompok yang dikenai pupuk tersebut adalah kelompok dengan nilai rata-rata tanaman tertinggi dan berbeda secara signifkan dengan semua kelompok lainnya. Untuk memudahkan penarikan kesimpulan kita dapat membuat plot dengan sintaks sebagai berikut.

out <- duncan.test(anova_pupuk,"jenis_pupuk", main="Tinggi Tanaman dengan Pemberian Jenis Pupuk yang Berbeda") uji duncan adalah Berikut hasil boxplotnya Secara default, plot tersebut telah mengurutkan grup berdasarkan rata-rata tertinggi. Dari plot di atas, sangat jelas terlihat bahwa jenis pupuk dengan rata-rata tinggi tanaman tertinggi adalah kelompok tanaman dari pupuk D.

Karena kelompok ini juga berbeda signifikan dari kelompok lainnya, maka dapat kita simpulkan bahwa jenis pupuk terbaik untuk tanaman tersebut adalah jenis pupuk D.

Nah, itu dia tutorial uji duncan di RStudio. Kamu bisa menggunakan uji lanjut yang mana saja tergantung dari kebutuhan dan referensi yang kamu gunakan. Hal ini karena masing-masing metode tentu memiliki kelebihan dan kekurangan masing-masing. Jadi, jika kamu masih merasa bingung uji lanjut mana yang lebih sesuai untuk data dan penelitianmu, langsung komen di kolom komentar atau klik tombol whatsapp di pojok kanan bawah yaa.

See you! Baca juga: RUN R DI GOOGLE COLAB? IK UTI LANGKAH MUDAH BERIKUT! (PART 1) Berbicara tentang rancangan percobaan pada ral dan rakbiasanya dikenal dengan istilah analisis Anova atau Manova yang menghitung keberagaman dan signifikan atau tidaknya rata – rata dari 3 kelompok group atau lebih dengan satu faktor (anova) atau lebih (Manova).

Pada analisis ini diketahui ada tidaknya group yang signifikan berbeda diantara group lain. namun pada tahapan ini belum diketahui secara pasti manakah group yang signifikan tersebut.

Oleh karena itu, perlu adanya uji lanjut untuk mengetahui secara detil group data mana yang berbeda secara signifikan. Perlu diketahui bahwa uji lanjut ini diperlukan hanya jika analisis Anova signifikan ada perbedaan signifikan diantara group tersebut. Jika pada anova tidak signifikan (α > 0.05) maka tidak perlu dilakukan uji lanjut karena kesimpulannya sudah berakhir pada tidak adanya perbedaan yang signifikan antara group tersebut.

Artinya kesemua kelompok data dinyatakan sama. Meminta atau memaksa untuk uji lanjut hanya akan memberikan kesan bahwa anda belum paham terhadap teori rancangan percobaan. Uji lanjut sendiri ada berbagai jenis. Di indonesia sendiri sering terdengar Uji Beda Nyata Terkecil ( Least Significance Uji duncan adalah, atau Uji Beda Nyata Jujur ( Honestly Significance Difference), Duncan atau DMRT ( Duncan’s Multiple Range Test), atau uji perbandingan terhadap kontrol ( Dunnet Method).

Uji ini masih dalam lingkup rancangan percobaan atau rancob dalam skala parametrik. Non parametrik pun memiliki uji seperti Mann-Whitney, Wilcoxon signed rank test, dan Kruskal-Wallis test. Lalu timbullah pertanyaan uji lanjut yang mana yang sebaiknya digunakan. Beberapa paper yang saya baca hampir mayoritas menggunakan duncan sehingga timbul persepsi bagi orang yang masih belajar bahwa uji lanjut biasanya menggunakan duncan.

Bersumber kepada sebuah artikel jurnal yang berjudul “What is the proper way to apply the multiple comparison test?” setidaknya terdapat beberapa group uji lanjut tersebut sehingga akan dengan mudah apa perbedaan duncan, BNT, BNJ atau dunnet. Multiple comparison test Sebelum membahas tentang duncan dan teman- temannya, uji lanjut sebenarnya berasal dari uji perbandingan rata – rata atau comparison test yang biasa menggunakan uji T test. Uji T test baik dengan one tailed atau two tailed (satu arah atau dua arah), biasanya menghitung hipotesis apakah mean dari kedua group tersebut berbeda nyata atau tidak.

H0 biasanya diidentifikasikan bahwa kedua group memiliki mean yang sama, sedangkan H 1 biasanya diidentifikasikan bahwa kedua group memiliki mean yang tidak sama (untuk satu arah), atau group pertama lebih kecil / lebih besar dibandingkan group yang kedua (untuk dua arah).

Jika dihasilkan menolak H0, artinya ada beda yang signifikan antara kedua group tersebut, atau terima H 1. Permasalahan timbul jika group yang ingin dibandingkan lebih dari dua.

Dalam artikel tersebut timbul yang disebut sebagai “ Type I error”, suatu kondisi dimana hasil analisis perbandingan H0 bernilai salah, tetapi pada kenyataannya bahwa H0 bernilai uji duncan adalah.

Hal ini disebabkan semakin banyak group yang dibandingkan atau number of hypothesis test, terjadi kecenderungan α inflation yang menyebabkan terjadi kenaikan probabilitas sehingga taraf kepercayaannya berkurang. Sebagai gambaran: jika pada tahap pertama dibandingkan antara group A dan B dengan selang kepercayaan 95% atau α = 0.05. selanjutnya akan dibandingkan group C diantara A dan B. selang kepercayaan akan berubah karena membandingkan A dan B, dan B dan C yakni 95% x 95% = 90.25%.

konsekuensinya terjadi kenaikan α yakni = 1 – 90.25% yaitu 0.0975, tidak lagi 0.05.

uji duncan adalah

(ingat, berbicara selang kepercayaan berarti berbicara tentang peluang. Makin banyak komponen yang akan dibandingkan, maka peluang akan semakin kecil sehingga selang kepercayaan pun akan semakin kecil). Lee S, 2018 Karena pergeseran nilai α inilah yang menyebabkan type Uji duncan adalah error. Untuk itu, penggunaan uji perbandingan antara tiga group keatas menggunakan multiple comparison.

Multiple comparison sendiri terdapat berbagai jenis atau klasifikasi kurang lebih sebagai berikut: Single Step Pada single step ini dilakukan uji perbandingan dengan asumsi satu hipotesis meskipun ada beberapa group.

Artinya, masing masing group dipasangkan satu persatu secara terpisah. Uji lanjut yang menggunakan tehnik ini adalah Fisher’s Least Significant Difference (LSD) atau biasa kita kenal sebagai BNT.

Jadi misalnya terdapat A, B dan C. maka perbandingannya A dengan B, B dengan C, dan A dengan C secara terpisah dan masing masing perbandingan tersebut independen.

Contoh lain uji perbandingan yang menggunakan uji duncan adalah ini adalah Bonferroni, Sidak, Scheffe, Tukey, Tukey Kramer, Hochberg’s GF2, Gabriel dan Dunnet Test. Stepwise Procedurs Berbeda dengan single step, stepwise procedurs menghitung multiple comparison secara bertahap. Pada intinya hipotesis akan dilanjutkan jika hipotesis sebelumnya dinyatakan signifikan. Jika sudah tidak signifikan, maka prosedur akan dihentikan. Contoh uji lanjut yang menggunakan tipe ini adalah Ryan_Elnot-Gabriel-Welsch Q (REGWQ), Ryan-Einot-Gabriel-Welsch F (REGWF), Student-Newman-Keuls (SNK) dan Duncan test.

Ada dua tipe dalam klasifikasi ini yakni step-down procedurs (most significant test) dan step-up (least significant test). Pada tipe step-down, pertama group yang memiliki nilai selisih mean yang paling besar dibandingkan terlebih dahulu. Jika pada tahap ini diperoleh tolak H 0, maka dilanjutkan ke selisih nilai mean terbesar kedua, begitu seterusnya.

Tahapan akan berhenti uji duncan adalah didapati terima H0 karena diasumsikan pada selisih mean yang lebih kecil tidak signifikan berbeda.

Contoh yang menggunakan ini adalah SNK. Sedangkan pada step-up procedurs adalah kebalikan dari step down. Pasangan group pertama yang dibandingkan adalah group yang memiliki nilai selisih mean terkecil. Keutamaan tipe ini adalah bisa mendeteksi kedekatan group meskipun kecil, sehingga pada notasi huruf dijumpai kelompok ab. Kelompok yang menggunakan ini adalah kelompok uji stepwise diatas (termasuk Duncan) selain SNK.

Namun, terdapat syarat penggunaan stepwise procedur ini yakni variance kesemua group diasumsikan sama atau istilahnya equal variance assumption. Kemudian, jumlah data dari kesemua group harus sama, misalnya semua group terdapat 15 data, maka tidak boleh satu group hanya ada 13 data (ada data yang hilang). Oke, berhenti sejenak. Dari sini kita sudah bisa membedakan antara BNT dan Duncan. Lalu bagaimana dengan BNJ dan Dunnet yang keduanya juga termasuk kelompok single step.

Tukey method Mari kita lanjutkan. Masih dari sumber yang sama. BNJ atau Honestly Significance Difference digunakan untuk kelompok group yang tidak memenuhi syarat pada stepwise procedures diatas.

Misalnya jumlah data dalam group tidak sama atau variance antar group tidak sama. Pada awalnya Tukey sebenarnya membuat methode ini berdasarkan t distribusi yang mensyaratkan jumlah data yang sama. Namun selanjutnya Kramer memodifikasinya menjadi data yang unbalanced, sehingga saat ini disebut sebagai Tukey-Kramer test.

Bonferroni method Teknik ini lebih keras dibandingkan tukey. Yakni tidak hanya syarat variance dan jumlah data yang berbeda pada teknik stepwise procedurs. Melainkan skala data non parametrik bisa digunakan pada methode ini. Oleh sebab itu, kelompok uji perbandingan pada nonparametrik berkumpul pada metode ini seperti pearson correlation, Mann-Whitney, Wicoxon, dan Kruskal-wallis.

Dunnet method Uji dunnet atau biasa dikenal sebagai uji perbandingan terhadap kontrol sebenarnya hampir sama dengan single step diatas yakni uji duncan adalah satu persatu pasangan secara independen. Namun pada dunnet ini tidak dilakukan semua, melainkan hanya kepada kontrol saja.

Misalkan ada perlakuan A, B dan C. ketiga perlakuan tersebut diujikan masing – masing terhadap kontrol. Namun tidak membandingkan antara mereka sendiri (tidak membandingkan A dengan B, B dengan C, dan A dengan C). Demikianlah perbedaan masing masing uji hipotesis. Uji berawal dari Uji T test yang dikembangkan menjadi multiple comparison dengan berbagai teknik. Jika memahami ini, tentunya dapat dipahami mengapa duncan terkesan lebih populer dibandingkan lainnya karena pada umumnya rancob yang digunakan memiliki data yang sama, variance sama dengan teknik stepwise procedure yang dapat mengukur kedekatan dari selisih mean setiap group yang tidak dimiliki oleh BNT.

BNJ digunakan jika syarat duncan tidak dipenuhi atau memiliki data yang tidak sama disetiap kelompok. Khusus untuk non parametrik, menggunakan bonferroni methode. Kali ini saya tidak menjelaskan teknik perhitungan uji lanjut tersbeut secara satu persatu. Semoga ada waktu untuk belajar itu semua dan saya tuliskan di blog ini. Terima kasih Selamat Belajar Sumber: What is the proper way to apply the multiple comparison test?
Oke, kali ini saya akan menjelaskan bagaimana cara menggunakan uji Duncan's Multiple Range Test atau sering disebut uji DMRT.

Di beberapa referensi ada yang menamakan dengan ”Uji Jarak Berganda Duncan”. Dan untuk selanjutnya saya hanya menyebutnya dengan Uji DMRT. Uji DMRT berbeda dengan Uji BNT atau BNJ. Kalau pada Uji BNT atau BNJ, perbandingan terhadap nilai-nilai rata-rata perlakuan hanya menggunakan satu nilai pembanding, sedangkan Uji DMRT nilai pembandingnya sebanyak P – 1 atau tergantung banyaknya perlakuan.

Artinya apabila perlakuan anda berjumlah 10, maka nilai pembandingnya sebanyak 9. Kalau anda telah menguasai uji DMRT ini, maka saya sangat menyarankan anda lebih baik menggunakan uji ini daripada misalnya dengan uji BNT atau BNJ. Mengapa demikian? Karena Uji DMRT lebih teliti dan bisa digunakan untuk membandingkan pengaruh perlakuan dengan jumlah perlakuan yang besar.

Uji DMRT ini dalam penggunaannya agak rumit sedikit tapi tidak susah asalkan anda bisa memahaminya tahap demi tahap. Untuk menggunakan uji ini, atribut yang anda perlukan adalah 1) data rata-rata perlakuan, 2) taraf nyata, 3) jumlah perlakuan, 4) derajad bebas (db) galat, dan 5) tabel Duncan untuk menentukan nilai kritis uji perbandingan.

Perlu anda ketahui bahwa uji DMRT ini dilakukan hanya apabila hasil analisis ragam minimal berpengaruh nyata. Tapi bagaimana kalau hasil analisis ragam tidak berpengaruh nyata apakah bisa dilanjutkan dengan uji DMRT?

Jawabnya bisa. Tapi yang menjadi pertanyaan selanjutnya adalah apakah perlu menguji perbedaan pengaruh perlakuan jika ternyata perlakuan yang dicobakan sudah tidak memberikan pengaruh yang nyata?

Bukankah apabila perlakuan tidak berpengaruh berarti perlakuan t1 = t2 = t3 = tn, yang berarti pengaruh perlakuannya sama. Jadi sebenarnya pengujian rata-rata perlakuan pada perlakuan-perlakuan yang tidak berpengaruh nyata tidak banyak memberikan manfaat apa-apa. Oke, sebagai contoh saya ambil data berikut ini yang merupakan data hasil uji duncan adalah pengaruh pemupukan P terhadap bobot polong isi (gram) kedelai varitas Slamet. Percobaan dilakukan dengan rancangan acak kelompok dengan tujuan untuk mengetahui pengaruh pemupukan P terhadap bobot polong isi kedelai.

Data hasil pengamatan adalah sebagai berikut : Hasil analisis ragam (anova) dari data di atas adalah berikut ini : Oke, sekarang kita mulai saja bagaimana cara menggunakan uji DMRT ini. Langkah pertama yang harus anda lakukan adalah menentukan nilai jarak (R) sebanyak p - 1 (dalam contoh ini p = 7, maka p – 1 = 7 – 1 = 6) berdasarkan data jumlah perlakuan (dalam contoh ini perlakuan, uji duncan adalah = 7), derajat bebas (db) galat (dalam contoh ini db galat = 12, lihat angka 12 yang berwarna kuning pada tabel analisis ragam), dan taraf nyata (dalam contoh ini misalkan taraf nyata = 5% atau 0,05 (disimbolkan dengan alfa).

Sehingga nilai jarak (R) ini ditulis dengan R(p, v, α).

uji duncan adalah

Setelah semua nilai sudah anda tentukan, barulah anda bisa menentukan nilai jarak (R) dengan cara melihat pada tabel nilai kritis uji perbandingan berganda Duncan. Berikut saya lampirkan sebagian dari tabel tersebut : Anda perhatikan angka-angka yang saya blok dengan kotak merah pada tabel di atas. Jumlah angka –angka pada blok tersebut ada 6 yang saya ambil berdasarkan P – 1 atau 7 – 1 = 6 dan db galat = 12 seperti yang sudah kita tentukan sebelumnya. Untuk lebih jelasnya angka-angka tersebut saya pindahkah pada tabel berikut : Nah, selanjutnya kita akan menghitung nilai kritis atau nilai baku dari DMRT untuk masing-masing nilai P dengan rumus berikut : Berikut ini saya coba menghitung untuk P = 2 dimana KT galat = 14,97 dan r (kelompok) = 3 (lihat pada tabel analisis ragam): Dengan cara yang sama anda dapat menghitung nilai kritis DMRT untuk P = 3, P = 4, P = 5, P = 6, dan P = 7.

Uji duncan adalah hasilnya dapat anda lihat pada tabel berikut: Langkah selanjutnya adalah menentukan perbedaan pengaruh antar uji duncan adalah. Untuk ini saya menggunakan kodifikasi dengan huruf. Caranya adalah sebagai berikut : Langkah pertama anda susun nilai rata-rata perlakuan dari yang terkecil hingga yang terbesar seperti berikut : Oke, langkah kedua adalah menentukan huruf pada nilai rata-rata tersebut.

Perlu anda ketahui uji duncan adalah menentukan huruf ini agak rumit dan berbeda dengan Uji BNJ atau BNT, tapi anda jangan khawatir asalkan anda mengikuti petunjuk saya pelan-pelan tahap demi tahap. Dan saya yakin apabila anda menguasai cara ini, saya jamin anda hanya butuh waktu paling lama 5 menit untuk menyelesaikan pengkodifikasian huruf pada nilai rata-rata perlakuan. Baik kita mulai saja. Pertama-tama anda jumlahkan nilai DMRT pada P = 2 yaitu 6,88 dengan nilai uji duncan adalah perlakuan terkecil pertama, yaitu 17,33 + 6,88 = 24,21 dan beri huruf “a” dari nilai rata-rata perlakuan terkecil pertama (17,33) hingga nilai rata-rata perlakuan berikutnya yang kurang dari atau sama dengan nilai 24,21.

Dalam contoh ini huruf “a” diberi dari nilai rata-rata perlakuan 17,33 hingga 22,67. Lebih jelasnya lihat pada tabel berikut : Selanjutnya anda jumlahkan nilai DMRT pada P = 3 yaitu 7,22 dengan nilai rata-rata perlakuan terkecil kedua, yaitu 21,00 + 7,22 = 28,22 dan beri huruf “b” dari nilai rata-rata perlakuan terkecil kedua (21,00) hingga nilai rata-rata perlakuan berikutnya yang kurang dari atau sama dengan nilai 28,22. Dalam contoh ini huruf “b” diberi dari nilai rata-rata perlakuan 21,00 hingga 26,00.

Lebih jelasnya lihat pada tabel berikut : Selanjutnya jumlahkan lagi nilai DMRT pada P = 4 yaitu 7,44 dengan nilai rata-rata perlakuan terkecil ketiga, yaitu 22,67 + 7,44 = 30,11 dan beri huruf “c” dari nilai rata-rata perlakuan terkecil ketiga (22,67) hingga nilai rata-rata perlakuan berikutnya yang kurang dari atau sama dengan nilai 30,11.

Dalam contoh ini huruf “c” diberi dari nilai rata-rata perlakuan 22,67 hingga 26,00. Lebih jelasnya lihat pada tabel berikut : Sampai disini anda perhatikan huruf “c” pada tabel di atas. Huruf “c” tersebut harus anda abaikan (batalkan) karena sebenarnya huruf “c” sudah terwakili oleh huruf b (karena pemberian huruf c tidak melewati huruf “b”).

Berbeda dengan pemberian huruf “b” sebelumnya. Pemberian huruf b melewati huruf a sehingga huruf b tidak diabaikan/dibatalkan. Langkah selanjutnya jumlahkan lagi nilai DMRT pada P = 5 yaitu 7,51 dengan nilai rata-rata perlakuan terkecil keempat, yaitu 26,00 + 7,51 = 33,51 dan beri huruf “c” (karena pemberian huruf “c” sebelumnya dibatalkan, maka pemberian dengan huruf “c” kembali digunakan) dari nilai rata-rata perlakuan terkecil keempat (26,00) hingga nilai rata-rata perlakuan berikutnya yang kurang dari atau sama dengan nilai 33,51.

Dalam contoh ini huruf “c” diberi dari nilai rata-rata perlakuan 26,00 hingga 30,67. Lebih jelasnya lihat pada tabel berikut : Anda perhatikan huruf c di atas. Karena pemberian huruf c melewati huruf b sebelumnya, maka pemberian huruf c ini tidak dibaikan/dibatalkan.

Langkah selanjutnya jumlahkan lagi nilai DMRT pada P = 6 yaitu 7,60 dengan nilai rata-rata perlakuan terkecil kelima, yaitu 30,67 + 7,60 = 38,27 dan beri huruf “d” dari nilai rata-rata perlakuan terkecil kelima (30,67) hingga nilai rata-rata perlakuan berikutnya yang kurang dari atau sama dengan nilai 38,27. Dalam contoh ini huruf “d” diberi dari nilai rata-rata perlakuan 30,67 hingga 36,00.

uji duncan adalah

Lebih jelasnya lihat pada tabel berikut : Langkah selanjutnya jumlahkan lagi nilai DMRT pada P = 7 yaitu 7,64 dengan nilai rata-rata perlakuan terkecil keenam, yaitu 36,00 + 7,60 = 43,20 dan beri uji duncan adalah “d” dari nilai rata-rata perlakuan terkecil kelima (36,00) hingga nilai rata-rata perlakuan berikutnya yang kurang dari atau sama dengan nilai 43,20. Dalam contoh ini huruf “e” diberi dari nilai rata-rata perlakuan 36,00 hingga 41,00.

Lebih jelasnya lihat pada tabel berikut : Terakhir anda susun kembali nilai rata-rata perlakuan tersebut sesuai dengan perlakuannya, seperti tabel berikut: Oke, sekarang akan saya jelaskan arti huruf-huruf pada tabel diatas? Prinsip yang harus anda pegang adalah bahwa “perlakuan yang diikuti oleh huruf yang sama berarti tidak berbeda nyata pengaruhnya menurut DMRT5%”.

Pada perlakuan P2 dan P3 sama-sama diikuti huruf “e” artinya perlakuan P2dan P3 tidak berbeda nyata pengaruhnya. Menentukan Perlakuan Terbaik Untuk menentukan perlakuan mana yang terbaik, langkah-langkahnya adalah berikut ini: Langkah pertama anda harus melihat perlakuan mana yang nilai rata-ratanya tertinggi.

Dalam contoh ini perlakuan yang nilai rata-ratanya tertinggi adalah P2. Langkah kedua anda lihat pada rata-rata perlakuan P2 itu diikuti oleh uji duncan adalah apa. Dalam contoh ini perlakuan P2 diikuti oleh huruf “e”. Langkah ketiga anda lihat rata-rata perlakuan mana saja yang diikuti oleh huruf “e”. Dalam contoh ini rata-rata perlakuan yang diikuti oleh huruf “e” adalah P2 itu sendiri dan P3.

Langkah keempat anda perhatikan kembali perlakuan P2 dan P3. Dalam contoh ini perlakuan P2=45,00 kg/ha dan P3=67,50 kg/ha. Sampai di sini anda harus bisa mempertimbangkan secara logis perlakuan mana yang terbaik. Logikanya seperti ini, apabila perlakuan dengan dosis lebih rendah tetapi mempunyai mempunyai pengaruh yang sama dengan perlakuan dengan dosis yang lebih tinggi dalam meningkatkan hasil, maka perlakuan dosis yang lebih rendah tersebut lebih baik daripada perlakuan dosis yang lebih tinggi di atasnya.

Dalam contoh ini perlakuan P2 lebih baik daripada perlakuan P3 dan P4. Jadi dapat disimpulkan perlakuan P2-lah yang terbaik. peachy 6 Februari 2020 09.31 mau nanya untuk di bab isi kan biasanya dicantumin tabel beserta notasi huruf,kemudian dibawah tabel biasanya ada tulisan duncan 5%/bnt5%/bnj5% kemudian = dan hasil akhirnya.

kalau dmrt angka yg ditulis yang mana yah?karna bnj uji duncan adalah kan hanya ada 1 hasil.

uji duncan adalah

tapi dmrt lebih dari 1. Balas Hapus Teddy 7 April 2022 00.07 Kabar baik!!! Nama saya teddy dan saya dari Jawa Tengah Indonesia dan alamat saya KP. KADU RT 10 RW 04 KEL SUKAMULYA KEC CIKUPA KAB TANGERANG BANTEN, Saya baru saja menerima pinjaman Rp 3 Miliar (Small Business Admintration (SBA) dari Perusahaan Pinjaman Dangote setelah membaca artikel dari Lady Jane Alice (ladyjanealice@gmail.com) dan Mahammad Ismali (mahammadismali234@gmail.com) tentang cara mendapatkan pinjaman dari Perusahaan Pinjaman Dangote dengan tingkat bunga 2% tanpa lisensi atau biaya uji duncan adalah, saya baru saja melamar melalui email dan ikhlas selama prosesnya, awalnya saya takut mengira itu seperti penipuan perusahaan peminjaman sebelumnya, tetapi yang mengejutkan uji duncan adalah ini nyata bahwa saya juga berjanji akan memberi tahu lebih banyak orang, percayalah itu nyata 100%, pelamar lain dari negara lain juga dapat bersaksi.

Email Perusahaan Pinjaman Dangote Melalui email: Dangotegrouploandepartment@gmail.com Email saya: teddyteddy2234@gmail.com Balas Hapus
ANOVA Uji Duncan Jika hipotesis nol dalam uji ANOVA ditolak bahwa rata-rata tidak semuanya sama, kita tetap tidak tahu rata-rata mana yang tidak sama. Salah satu uji untuk menentukan mana rata-rata yang berbeda adalah Uji Duncan.

Oleh Tju Ji Long · Statistisi Analisis ragam (ANOVA) berguna menguji kehomogenan beberapa rata-rata. Namun, bila hipotesis nol kita tolak bahwa rata-rata tidak semuanya sama, kita tetap tidak tahu rata-rata mana yang sama dan mana yang tidak sama. Beberapa uji telah tersedia untuk memisahkan segugus rata-rata yang berbeda nyata menjadi beberapa kelompok yang homogen. Salah satu uji tersebut yakni Uji Duncan.

Apa Bedanya Uji Lanjut BNT dan DMRT?




2022 www.videocon.com