Wardhani, FitriEka (2011) Perbandingan Metode Kuadrat Terkecil, Analisis Peragam dan Metode Regresi untuk Mengatasi Lebih Dari Satu Data Hilang pada Rancangan Acak Kelompok. Sarjana thesis, Universitas Brawijaya.
Abstract
Seorang peneliti akan selalu berusaha agar penelitian yang dilakukan dapat berhasil. Kekeliruan dalam memilih rancangan percobaan dapat mempengaruhi proses percobaan bahkan dapat pula menggagalkannya. Karena peneliti sulit menemukan keadaan lingkungan homogen untuk menerapkan rancangan acak lengkap, maka sebagai jalan keluar digunakan rancangan acak kelompok. Adanya data hilang dalam percobaan menurut rancangan acak kelompok akan menimbulkan masalah dalam analisis ragam. Apabila masalah data hilang tidak diatasi maka perlakuan yang mengandung data hilang tersebut dikeluarkan dari analisis. Akibatnya jumlah unit percobaan yang tersedia untuk dianalisis berkurang. Adanya data hilang tersebut dapat diatasi dengan 3 metode, yaitu diduga dengan Metode Kuadrat Terkecil (MKT) dan Analisis Peragam, serta dapat diatasi dengan Metode Regresi. Tujuan dari penelitian ini adalah membandingkan Metode Kuadrat Terkecil (MKT), Analisis Peragam dan Metode Regresi dalam menganalisis data apabila terdapat lebih dari satu data hilang berdasarkan nilai-p atau p-value pada analisis ragam rancangan acak kelompok (RAK) dengan menggunakan bantuan software Microsoft Office Excel dan Genstat 13. Data yang digunakan sebanyak 13 pengamatan dari 5 penelitian yang dilakukan menurut rancangan acak kelompok. Data dihilangkan sebanyak 1, 2 dan 3 data. Pada rancangan acak kelompok, dicari penduga data hilang terlebih dahulu sebelum dilakukan analisis ragam. Setelah semua data hilang di duga dengan menggunakan Metode Kuadrat Terkecil dan Analisis Peragam serta diatasi dengan Metode Regresi, kemudian dilakukan analisis ragam. Tiga metode memberikan p-value yang tidak jauh berbeda sehingga dapat memberikan keputusan yang sama dalam analisis ragam. Dari penelitian ini, dapat disimpulkan bahwa metode regresi lebih baik untuk menganalisis data apabila terdapat data hilang. Oleh karena itu, disarankan melakukan analisis ragam menggunakan metode regresi, karena lebih sederhana dan tidak perlu menduga data hilang terlebih dahulu, tetapi dapat langsung di analisis, sehingga dapat menghemat waktu dalam proses analisis data.
English Abstract
A researcher will always try to research that can be done successfully. Error in choosing the experimental design can influence the trial process can even blow it anyway. Because researchers have trouble finding a homogeneous state of the environment to implement a complete randomized block design, then as an outlet used randomized block design. The existence of missing data in randomized block design experiment by going to cause problems in the analysis of variance. If the missing data problem is not addressed then treatment containing missing data were excluded from the analysis. As a result the number of experimental units available for analysis is reduced. The existence of missing data can be overcome by three methods, which is allegedly the Least Squares Method (MKT) and Analysis of Covariance, and can be overcome with Regression Methods. The purpose of this study was to compare the Least Squares Method (MKT), Analysis of Covariance and Regression Methods in analyzing the data when more than one missing data based on the p-values on the analysis of variance randomized block design (RAK) with the help of Microsoft Office Excel and Genstat 13. The data used were 13 observations from 5 studies conducted by randomized block design. Data removed as much as 1, 2 and 3 data. In the randomized block design, probe sought missing data before analysis of variance. After all data is lost in thought by using the Method of Least Squares and Analysis of Covariance and resolved by Regression Methods, and then performed the analysis of variance. The three methods gave p-values are not much different that can give the same decision in the analysis of variance. From this study, it can be concluded that a better regression method for analyzing data when there is missing data. Therefore, it is advisable to use a variety of methods of regression analysis, because it is simpler and does not need to suspect the data is lost in advance, but can be directly in the analysis, thus saving time in the process of data analysis.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2011/388/051103710 |
| Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Unnamed user with email repository.ub@ub.ac.id |
| Date Deposited: | 25 Oct 2011 09:47 |
| Last Modified: | 22 Oct 2021 09:00 |
| URI: | http://repository.ub.ac.id/id/eprint/152853 |
Preview |
Text
051103710.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |