14 Pengantar Statistik Evse 2010 Nes Terbaru

5/16/2018 14 Pengantar Statistik Evse 2010 Nes Terbaru - slidepdf.com

http://slidepdf.com/reader/full/14-pengantar-statistik-evse-2010-nes-terbaru 1/52

Dr. Ir. Nugraha Edhi Suyatma, DEA

Ir. Budi Nurtama, MAgr

.

PENGANTAR ANALISIS DATA DALAM

UJI SENSORI

Departemen Ilmu dan Teknologi Pangan

Fakultas Teknologi Pertanian

Institut Pertanian Bogor



a) Discrimination Triangle test, Duo-trio test, Two-out-of five-test, Paired comparison test,

Ranking Test

b) Descriptive Flavor profile, Textural profile and

QDA

c) Affective Hedonic test, Scale tests, Rank

preference, Paired preference test .

Metode untuk Evaluasi Sensori



Statistika Parametrik:• Menggunakan asumsi mengenai populasi

• Membutuhkan pengukuran kuantitatif denganlevel data interval atau rasio

Statistika Non parametrik (distribution-free statistics for use with nominal / ordinaldata):

• Menggunakan lebih sedikit asumsi mengenaipopulasi (atau bahkan tidak ada sama sekali)

• Membutuhkan data dengan level serendah-rendahnya ordinal (ada beberapa metode untuk

nominal)

Review Statistika



Aplikasi Statistika

4

Statistik Deskriptif : Menjelaskan ataumenggambarkan berbagai karakteristik dataseperti berapa rata-rata, seberapa jauh databervariasi

Statistik Induktif (Inferensi) : Membuatberbagai inferensi terhadap sekumpulan

data yang berasal dari suatu sampel.Inferensi Melakukan perkiraan,peramalan, pengambilan keputusan



JENIS DATANominal Ordinal Interval Rasio

Bilangan menunjukkan

perbedaan

Pengukuran dapat digunakan

untuk membuat peringkat

atau mengurutkan obyek

Perbedaan bilangan

mempunyai arti

Mempunyai nol mutlak dan

rasio antara dua bilangan

mempunyai arti



TIPE SKALA PADA EVSE

• Kategori (Category Scaling)

Skala dari metode pengukuran dimana panelisdiminta menilai intensitas stimulus tertentudengan menetapkan suatu nilai pada skalanumerik yang terbatas (9 skala tingkat kesukaan) data ordinal / data interval




• Garis (Line Scales)

Skala yang menggunakan garis dimana panelisdiminta menilai intensitas stimulus tertentudengan menandai garis tersebut data interval.




• Magnitude Estimation Scaling

Skala proporsi yang diperoleh dengan membandingkan terhadap referensi (with or without modulus) data interval/rasio



METODE STATISTIKA UTK SENSORI

Peluang Binomial

Uji SegitigaUji Duo-TrioTwo-out-of-Five Test Directional Difference Test

Analisis Khi-kuadrat (Chi-square Analysis) Same/Differentt,"A" - "not A" ,Acceptance Test

Analisis Friedman (Friedman Analysis), data ordinal/peringkat Pairwise Ranking Simple Ranking



METODE STATISTIKA UTK SENSORI

Uji t (Student’s t Test), populasi normal, data

interval/rasio Rating Approach Test

Untuk Statistika nonparametrik: Uji Wilcoxon (~ pairs t- test) atau Uji U Mann-Whitney (~ independent t-test)

Analysis of Variance (ANOVA), Difference-from-Control, Rating Approach Test • Statistika parametrik: randomized block design (data

interval, rasio)

• Untuk nonparametrik: uji Kruskal-Wallis (Completely random design) dan Friedman Test (Randomized block design)

Descriptives: •

Qualitative Descriptive Analysis (QDA)• Multivariate analysis: PCA, Discriminant analysis, dll



PELUANG BINOMIAL

• Peluang binomial : suatu peluang yangberkaitan dengan percobaan (trials) yanghanya menghasilkan jawaban dua hal yangberlawanan misalnya ya/tidak,

benar/salah, hitam/putih,laki/perempuan, dsb

• Terjadi pada: eksperimen yang terdiri atasn trials, dengan setiap trial mempunyaiprobabilitas sukses p (konstan)



untuk x = 0, 1, 2, ... , n

n > 0 dan bilangan bulat

0 p 1

n = banyaknya ulangan (trials)

p = peluang "sukses" pada sembarang ulangan

x n xnb (x n , p) = p (1 p)

x

X n xq p

X n X

n X P

)!(!

!)(

PELUANG BINOMIAL



Contoh: TRIANGLE TEST

n = banyaknya panelis = 20

x = banyaknya panelis yang menjawab

dengan benar = 13

p = 1/3 = 0.3333

12

x=0

P (x 13) = 1 P (x < 12)

= 1 b (x 20 , 0.3333)

= 1 0.996

= 0.004

342 608 194

A A BChoose the sample that is

most different



Uji Segitiga, p = 1/3

Uji Duo-Trio, p = 1/2Two-out-of-Five Test, p = 1/10

• Dengan Tabel Standar

• Minimum Panelis agar Produk Beda Nyata



CHI - SQUARE ANALYSIS

O = frekuensi pengamatan (observed value)

E = frekuensi harapan (expected value)

2

hitung vs. 2

tabel

Tabel. Upper- probability points of 2

distribution

22 (O E)=

E

Membandingkan frekuensi kategori teoritis

(expected) dari populasi, dengan frekuensikategori aktual (observed), apakah samaatau tidak sama.



Penerapan Chi-Square

PenilaianPanelis

Sampel yang disajikan

TotalPasanganSama

(AA atau BB)

PasanganBeda

(AB atau BA)Sama 17 9 26

Berbeda 13 21 34

Total 30 30 60

sirup dengan pemanis sintetis (sampel A)

dibandingkan sirup dengan pemanis gula(sampel Bukan A). Lima belas panelismasing-masing mengevaluasi 2 pasangansampel sama dan pasangan sampel beda.



Penerapan Chi-Square

PenilaianPanelis

Sampel yang disajikan

TotalPasanganSama

(AA atau BB)

PasanganBeda

(AB atau BA)

Sama 17 9 26

Berbeda 13 21 34

Total 30 30 60

26 x 30 34 x 30

E 13 dan E 17sama beda60 60

2 2 2 22 (17 13) (9 13) (13 17) (21 17)

4.3413 13 17 17

2

tabel (=0.05, v= 2-1) = 3,84



Dua sampel berkaitan (Two-related samples)

: :

2

2

0 1

hitung tabel 0

hitung

dtS / N

ddimana d =

N

d = beda antar pasangan nilai

N = banyaknya pasangan nilai

dd

NS =N 1

Uji hipotesis : H d 0 vs. H d 0

t t H DITERIMA

t t

tabel 0H DITOLAK

Student's t Test



Dua sampel independen (Independent samples)

Student's t Test

t x x d

s n s n

1 2 0

12

1 22

2

( / ) ( / )

d0 = 1 - 2 = 0

v= n1 + n2 - 2



Dua sampel berkaitan (Two-related samples)

Untuk statistika nonparametrik

Uji Wilcoxon & U Mann - Whitney

Gunakan Uji Wilcoxon (seperti juga uji t)digunakan untuk menganalisis data pada 2

kelompok yang berkaitanDua sampel Independen Untuk statistika nonparametrik

gunakan uji U Mann-Whitney

Jenis data untuk uji Wilcoxon dan U Mann-Whitney: serendah-rendahnya level ordinal

(uji-t tidak bisa)



• n = banyaknya pasangan data

• Urutkan perbedaan antara kedua data (d), dari yangterkecil sampai yang terbesar, tanpamemperhatikan apakah perbedaan tersebut (-) atau(+)

• Jika perbedaan tersebut (-) maka peringkatnya jugadiberi tanda (-)

• Perbedaan (d) yang bernilai 0 (apabila ada)diabaikan, dan banyak data (n) dikurangi sebanyak

d yang bernilai 0• Jumlahkan peringkat yang bertanda (-), sebut T-.

Tanda (-) tidak ikut didalam perjumlahan

• Jumlahkan peringkat yang bertanda (+), sebut T+.

• Statistik uji: T = min (T- dan T+)

Prosedur Uji Wilcoxon



ANALYSIS OF VARIANCE

(ANOVA) Data Rating

Experimental Designs :

- Randomized Complete Block Design

banyaknya perlakuan @ blok

Perlakuan (Treatments) > 2



APLIKASI ANOVA

Analisis Difference-from-Control Test

Manager R&D di PT.XYZ, ingin membandingkan 2 sampel

saus A dan B dengan konsentrasi bahan pengental yang

berbeda dengan sampel Kontrol (K) yang sudah existing.

Panelis yang mengikuti uji adalah 15 orang. Setiap

panelis mencoba sampel K terlebih dahulu kemudianmembandingkan kekentalannya dengan 3 sampel (K, A,

dan B) yang berkode. Skala penilaian adalah 0 = tidak

berbeda s/d 9 = amat sangat berbeda. Dengan hasil yang

ditabulasikan berikut ini, apakah terdapat perbedaandiantara ketiga sampel pada taraf 5% ? Jika benar

berbeda, sampel mana yang berbeda dengan sampel

kontrol (K) ?



APLIKASI ANOVA

Analisis Difference-from-Control Test

Panelis Sampel K Sampel A Sampel B 1 0 3 4

2 3 3 4

3 4 3 7

4 1 1 5

5 5 4 9 6 3 2 5

7 2 4 6

8 4 4 8

9 0 5 2

10 1 3 5 11 6 4 3

12 2 4 7

13 3 5 3

14 4 6 5

15 0 3 2



Tabel ANOVA RCBD

Randomized Complete Block Design

Sumber Keragaman

derajat bebas (db)

Jumlah

Kuadrat (JK)

Kuadrat Tengah

(KT) Fhitung

Sampel

(perlakuan) (s-1) JKS JKS / (s-1) KTS / KTG

Panelis (blok)(p-1) JKP JKP / (p-1) KTP / KTG

Galat(Error) (s-1) (p-1) JKG JKG / (s-1)(p-1)

Total (sp-1) JKT



Tabel ANOVA RCBD


Faktor koreksi (FK) = (Total skor)2 / (Sampel x Panelis)

Jumlah kuadrat sampel (JKS) = (Subtotal skor @ sampel)2 /(Panelis) – FK

Jumlah kuadrat panelis (JKP) = (Subtotal skor @ panelis)2 /(Sampel) – FK

Jumlah kuadrat total (JKT) = (@ skor)2

– FKJumlah kuadrat galat (JKG) = JKT – JKS – JKP

s = banyaknya sampel KTS = Kuadrat Tengah Sampel

p = banyaknya panelis KTP = Kuadrat Tengah Panelis

KTG = Kuadrat Tengah Galat



Tabel ANOVA RCBD


Panelis Sampel K Sampel A Sampel B Total baris 1 0 3 4 7

2 3 3 4 10

3 4 3 7 14

4 1 1 5 7

5 5 4 9 18 6 3 2 5 10

7 2 4 6 12

8 4 4 8 16

9 0 5 2 7

10 1 3 5 9

11 6 4 3 13

12 2 4 7 13

13 3 5 3 11

14 4 6 5 15

15 0 3 2 5

Total kolom 38 54 75 167



Tabel ANOVA RCBD


Faktor koreksi (FK) = (167)2 / (4 x 15) = 619.756

Jumlah kuadrat sampel (JKS) = (382 + 542 + 752) / (15) – 619.756 = 45.911

Jumlah kuadrat panelis (JKP) = (72 + 102 + … + 52) / (3) – 619.756 = 65.911

Jumlah kuadrat total (JKT) = (02 + 32 + 42 + … + 02 + 32 + 22) – 619.756

= 179.244

Jumlah kuadrat galat (JKG) = 179.244 – 45.911 – 65.911 = 67.422



Tabel ANOVA yang diperoleh

Sumber

Keragaman

derajat

bebas (db)

Jumlah

Kuadrat (JK)

Kuadrat

Tengah (KT)

Fhitung

Sampel

(perlakuan)2 45.911 22.956 9.533

Panelis

(blok)14 65.911 4.708 1.955

Galat

(Error) 28 67.422 2.408

Total 44 179.244

Pembacaan Nilai F Tabel -- = 0.05 Untuk sampel : v1 = 2 dan v2 = 28 diperoleh nilai Ftabel = 3.34

Kesimpulan : Nilai Fhitung sampel (=9.533) > Ftabel (=3.34).Jadi ada perbedaan diantara sampel pada taraf 5% dan perlu dilanjutkan

dengan uji Dunnett



Tabel Nilai Kritis Sebaran F0.05 ( v 1 , v 2 ) v 1 : db pembilang v 2 : db penyebut

v 1 v 2

1 2 3 4 5 6 7 8 9 10 12 15 20

1 161.4 199.5 215.7 224.6 230.2 234.0 236.8 238.9 240.5 241.9 243.9 245.9 248.0

2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40 19.41 19.43 19.45

3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79 8.74 8.70 8.66

4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.91 5.86 5.80

5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74 4.68 4.62 4.56

6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.00 3.94 3.87

7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.57 3.51 3.44

8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.28 3.22 3.15

9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 3.07 3.01 2.94

10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.91 2.85 2.77

11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.79 2.72 2.65

12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.69 2.62 2.54

13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67 2.60 2.53 2.46

14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 2.53 2.46 2.39

15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.48 2.40 2.33

16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.42 2.35 2.28

17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45 2.38 2.31 2.23

18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.34 2.27 2.19

19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38 2.31 2.23 2.16

20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.28 2.20 2.12

28 3.34



Uji Lanjut Dunnett

Kedua sampel yang dibandingkan dengan sampel Kontrol yg

jelas lebih kental; jadi menggunakan uji satu sisi (t berekorsatu).Untuk = 0.05, k = 3, df error = 28 diperoleh nilai D = 1.997(interpolasi 2.01 – 1.99 pada df error = 24 – 30).

Nilai KTG = 2.408 dan n = 15.Besarnya selang uji = Rataan sampel Kontrol = 2.53,sampel A = 3.60 dan sampel B = 5.00.• Sampel A - Kontrol = 3.60 – 2.53 = 1.07 < 1.132

Sampel A tidak berbeda nyata kekentalannya dengan Kontrolpada taraf 5%.

• Sampel B - Kontrol = 5.00 – 2.53 = 2.47 > 1.132 Sampel B secara signifikan lebih kental dibanding denganKontrol pada taraf 5%.

T b l 10 C iti l V l f th D tt T t f C i T t t M



df error k = number of treatment means, including control

2 3 4 5 6 7 8 9 10

20 0.05

0.01

1.72

2.53

2.03

2.81

2.19

2.97

2.30

3.08

2.39

3.17

2.46

3.23

2.51

3.29

2.56

3.34

2.60

3.38

24 0.05

0.01

1.71

2.49

2.01

2.77

2.17

2.92

2.28

3.03

2.36

3.11

2.43

3.17

2.48

3.22

2.53

3.27

2.57

3.31

30 0.05

0.01

1.70

2.46

1.99

2.72

2.15

2.87

2.25

2.97

2.33

3.05

2.40

3.11

2.45

3.16

2.50

3.21

2.54

3.24

40 0.05

0.01

1.68

2.42

1.97

2.68

2.13

2.82

2.23

2.92

2.31

2.99

2.37

3.05

2.42

3.10

2.47

3.14

2.51

3.18

60 0.05 0.01

1.672.39

1.952.64

2.102.78

2.212.87

2.282.94

2.353.00

2.393.04

2.443.08

2.483.12

120 0.05

0.01

1.66

2.36

1.93

2.60

2.08

2.73

2.18

2.82

2.26

2.89

2.32

2.94

2.37

2.99

2.41

3.03

2.45

3.06

∞ 0.05

0.01

1.64

2.33

1.92

2.56

2.06

2.68

2.16

2.77

2.23

2.84

2.29

2.89

2.34

2.93

2.38

2.97

2.42

3.00

Tabel 10. Critical Values of the Dunnett Test for Comparing Treatment Means with a Control (One-tailed comparisons).



Uji Kruskal-Wallis

• Statistika Parametrik: ANOVA RCBD. – Asumsi: populasi terdistribusi normal, data interval atau

rasio

• Statistika Nonparametrik: uji Kruskal-Wallis. – Asumsi: populasi tidak harus terdistribusi normal, data

serendah-rendahnya peringkat (ordinal) MISALNYAuntuk kasus sebelumnya: panelis hanya dimintameranking: kontrol, sampel A dan B.

• Asumsi lain pada Uji Kruskal-Wallis: – Tidak ada interaksi antara blok dan treatment

(Independent)

– Lebih dari 2 kelompok yang diuji

– Untuk Completely random Design





Uji HEDONIK

• Suatu uji hedonik yang diikuti oleh 30 panelis

dilakukan untuk menguji kesukaan panelis

terhadap 4 sampel kue kering (A, B, C, dan D).

Skala kesukaan yang digunakan adalah structured

scaling (1 = amat sangat tidak suka, 2 = sangat

tidak suka, …, 5 =

biasa, …, 8 =

sangat suka, 9 =amat sangat suka). Apakah ada perbedaan

diantara keempat sampel pada taraf 5% ? Jika

benar, lakukan uji lanjutnya.



Uji HEDONIK

• Data diolah dengan menggunakan ANOVA

untuk Rancangan Blok Acak Lengkap sama

seperti dalam Difference-from-Control Test ;

sedangkan uji lanjutnya dapat memilih salah

satu Multiple Comparison Tests , misalnya uji

LSD, Duncan, Tukey, ataupun yang lainnya.

• Jika hanya 2 sampel yang diuji, gunakan Uji t .



Tabel ANOVASumber

Keragaman

derajat

bebas (db)

Jumlah

Kuadrat (JK)

Kuadrat

Tengah (KT) Fhitung

Sampel

(perlakuan)3 169,092 56,364 33,097

Panelis(blok)

29 119,075 4,106 2,411

Galat

(Error) 87 148,158 1,703

Total 119 436,325

Pembacaan Tabel Nilai Kritik F untuk = 0.05, Untuksampel : v1 = 3 dan v2 = 87 diperoleh nilai Ftabel = 2.733

(interpolasi 2.76 – 2.68 pada v2 = 60 – 120).



UJI PEMERINGKATAN

(SIMPLE RANKING TEST) • Divisi R & D suatu industri pangan ingin mengetahui

peringkat produk sosisnya (A) jika dibandingkan dengan 3produk pesaingnya (B, C, dan D). Uji pemeringkatandilakukan untuk tujuan tersebut dengan Rancangan Blok

Acak Lengkap (Randomized Complete Block Design) yaiturancangan yang disusun berdasarkan perlakuan dan blok(pengelompokan terhadap perlakuan). Ada 13 panelisdimana setiap panelis memeringkat 1 s/d 4 terhadap

atribut rasa dari 4 sampel yang disajikan. Peringkat 1 untuksampel yang paling disukai sedangkan peringkat 4 untuksampel yang paling tidak disukai. Tidak diperbolehkan adaperingkat yang sama.



UJI PEMERINGKATAN

(SIMPLE RANKING TEST) Panelis Sampel A Sampel B Sampel C Sampel D

1 1 2 4 3

2 1 2 3 4

3 3 2 4 1

4 1 3 2 4

5 2 3 4 1

6 3 2 4 1

7 1 3 2 4

8 2 3 4 1

9 1 2 4 3

10 1 2 3 4

11 2 1 3 4 12 1 2 3 4

13 1 3 4 2

Rank sum (R) 20 30 44 36

Uji Friedman digunakan untuk mengolah data karena level datanyaadalah Ordinal dan merupakan Randomized Block Design.



FRIEDMAN TEST

1t3pR1tpt

12 T 2

p = banyaknya panelist = banyaknya perlakuanR = jumlah peringkat setiap perlakuanPembacaan nilai kritik 2 menggunakan data = 0.05dan v = t 1

14.17 1413*336443020

14*4*13

12 T

2222

Nilai kritik 2 dengan db = 3 pada taraf 0.05 adalah 7.81



FRIEDMAN TEST Kesimpulan Uji Friedman :

Nilai T > nilai kritik 2 jadi berarti ada perbedaan peringkatkesukaan diantara keempat sampel pada taraf 5 %.

Urutan R sampel terbesar – terkecil : C (=44) – D (=36) – B (=30) – A

(=20)

RC – R

A= 44 – 20 = 24 > LSD

rank → C ≠ A

RC – RB = 44 – 30 = 14 > LSDrank → C ≠ B

RC – RD = 44 – 36 = 8 < LSDrank → C = D

RD – RA = 36 – 20 = 16 > LSDrank → D ≠ A

RD – RB = 36 – 30 = 6 < LSDrank → D = B

RB – RA = 30 – 20 = 10 < LSDrank → B = A

C D B A



Quantitative Descriptive

Analysis

• Analisis jaring laba-laba (spider web analysis)

• Statistika lanjut dengan multivariate analysis



• Diagram Laba-laba - paling sederhana

Contoh Kasus

Uji kesukaan terhadap 2 produk es krim (A

dan B) yang diikuti oleh 7 panelis terlatih.Sebanyak 6 atribut ditanyakan kepadasetiap panelis. Garis sepanjang 15 cmdigunakan untuk setiap atribut. Berikut initabulasi data penilaian ketujuh panelis.

G O



TAMPILAN DATA YANG DIPEROLEH:

RATA RATA DATA YANG DIPEROLEH



RATA-RATA DATA YANG DIPEROLEH:

ANALISIS MULTIVARIAT



ANALISIS MULTIVARIAT

• Analisis terhadap lebih dari dua variabel secara

simultan• Merupakan perluasan dari analisis Univariat (uji t) dan

Bivariat (korelasi, regresi sederhana atau hubunganvariabel Y dan X)

• Variat: dapat didefinisikan sebagai suatu kombinasilinier dari variabel² dgn persamaan regresi berganda:

• Nilai variat = w1.X1 + w2.X2 + w3.X3+...... + wn.Xn

METODE ANALISIS MULTIVARIAT

• Regresi berganda, analisis diskriminan, analisis faktor,cluster, principal component analysis (PCA) dll.

KEUNGGULAN MULTIVARIAT



KEUNGGULAN MULTIVARIAT

• Dapat menghitung lebih dari dua variabel

secara bersama-sama (simultan)

• Banyak penelitian selalu melibatkanbanyak variabel

• Contoh: perilaku konsumen terhadapproduk baru akan melibatkan banyakvariabel spt: harga, motivasi beli,pengaruh lingkungan, kualitas produk,pendapatan, jenis kelamin, dll.

KLASIFIKASI METODE MULTIVARIAT



KLASIFIKASI METODE MULTIVARIAT

• Analisis untuk kasus yang memiliki variabel dependen

dan independen: metode multivariat yg dipakai adalahregresi berganda, analisis diskriminan, korelasikanonik, Manova, analisis Conjoint atau SEM.

• Analisis pada kasus yang bersifat interdependence,

yang ditandai dengan tidak adanya variabel bebasmaupun bergantung: metode yg dipakai adalah Analisisfaktor, analisis Cluster, dan analisis caterogical.

Pada Evaluasi sensori dan survei konsumen: umumnyavariabel bersifat bebas sehingga Analisis Faktor, analisiscluster dan categorical lbh sering dipakai.

1 ANALISIS FAKTOR



1. ANALISIS FAKTOR

• Tujuan:

1.Data summarization, yaitu mengidentifikasi adanya

hubungan antar variabel dengan melakukan ujikorelasi. Jika korelasi dilakukan antar variabel (dlmpengertian SPSS adalah Kolom) disebut R Factor

Analysis. Jika dilakukan antar responden (sampel)disebut cluster analysis atau Q factor analysis.

2.Data reduction, membuat sebuah variabel set baru

yg dinamakan faktor.

Jumlah sampel yg dianjurkan lebih dari 50 sampel.



Multiple Comparison Test •

Uji pembandingan nilai-nilai tengahperlakuan

• Uji lanjut (posthoc tests) dari ANOVA jikaterdapat hasil yang signifikan (hipotesis H0

ditolak)

• Beberapa uji adalah :

1. Uji BNT (LSD, Least Significance Difference)

2. Uji Perbandingan Berganda Duncan (Duncan's Multiple Range Test)

3. Uji Perbandingan thd Kontrol (uji Dunnett)



• Uji Dunnett (perbandingan dg kontrol)

Selang Uji = D 2 KTG banyaknya panelis

Multiple Comparison Test

• Uji LSD

• Uji Duncan

,db galat2 KTG

LSD tn

p

KTGMultiple ranges = r

n



REFERENCES

O’Mahony, M. 1986. Sensory Evaluation ofFood. Marcel Dekker, Inc., New York, U.S.A.

Meilgaard, M., Civille, G.V., dan Carr, T.1999. Sensory Evaluation Techniques. CRCPress, Florida, U.S.A.

Santosa, S. 2005. Menggunakan SPSS untukStatistik Non Parametrik. Elex MediaKomputindo, Jakarta.

Simamora, B. 2005. Analisis MultivariatePemasaran. Gramedia Pustaka Utama, Jakarta.

Uyanto, S. S. 2006. Pedoman Analisis Datadengan SPSS. Graha Ilmu, Jakarta.

Documents

14 Pengantar Statistik Evse 2010 Nes Terbaru