1 SYAWAL 2011 BERBEDA ?

1 Syawal 1432 H berdasarkan Hisab dan Rukyah Beda?

Sebuah  Kajian website dan sosial masyarakat  

satu rumah dua hari raya idul fitri ?  Mungkin hal ini hanya terjadi di Indonesia....

1 Syawal 1432 H berdasarkan Hisab dan Rukyah kemungkinan Berbeda
Dari informasi yang kita terima dan kita baca akhir-akhir ini, kemungkinan Hari Raya Idul Fitri 1 Syawal 1432 H ada perbedaan penetapan. Hal ini disebabkan ketinggian bulan (moon altitude) pada tanggal 29 Agustus kurang dari 2 derajat sehingga tak memungkinkan hilal terlihat dengan mata telanjang.
Apa sih yang dimaksud dengan informasi di atas tersebut ? Sekarang mari kita sedikit belajar bersama-sama tentang ilmu hisab atau astronomi ini. Tapi sebelum melangkah lebih jauh silahkan di download dulu program MoonTools for Windows di artikel Perhitungan Matahari dan Bulan dengan SunMoon atau Perhitungan Matahari dan Bulan – Astronomical Algorithms.

PENYUSUNAN HIPOTESIS UJI DALAM ANAVA

               Kita sering melakukan sutu kesimpulan dari kasus-kasus yang terjadi di masyarakat, seperti  melihat awan  mendung maka sering kita beranggapan akan terjadi hujan, meskipun  nantinya belum tentu terjadi hujan,  dan anggapan ini akan terbukti jika terjadi hujan.  Dalam penelitian kita juga melakukan anggapan-anggapan seperti hal tersebut di atas, namun anggapan atau asumsi ini disusun dalam suatu hipotesis yang dimunculkan berdasarkan hasil identifikasi dari permasalahan yang dihadapi, selanjutnya hipotesis ini dilakukan pengujian empirik berdasarkan kaidah penelitian eksperimen. 

               Analisis varian (AVAVA) adalah uji yang dilakukan menurut distribusi F, sehingga anava ini sering disebut juga sebagai uji F, Anava ini dilakukan untuk menguji hipotesis tentang pengaruh faktor perlakuan terhadap keragaman data   hasil dari percobaan yang telah dilakukan.  Model umum (matematis) dari uji F ini adalah.

Ho = τ = ε

Hi =  τ ≠ ε

Dengan kaidah pengujian  jika

Atau dapat diartikan sebagai berikut.

Ø  Jika F hitung kecil atau samadengan  F tabel 5% dan 1% maka terima Ho

Ø  Jika F hitung lebih besar dari F tabel 5% dan 1% maka terima Ho

Keterangan :

S² τ             =   Ragam data akibat perlakuan atau kuadrat tengah perlakuan (KTP)

S² ε             =   Ragam data akibat pengaruh non perlakuan atau kuadrat tengah galat  (KTG)

F_α               =   Nilai F (dari tabel F) pada derajat bebas V1 (perlakuan) dan V2 (galat) dengan taraf uji   

                        sebesar α (biasanya 5% dan 1%).

  

          Sebagai teladan dalam penyusunan hipotesis uji dapat dilihat pada contoh kasus penelitian berikut ini.

Dilakukan sebuah penelitian terhadap pertumbuhan ikan gabus, dengan judul penelitian.

Respon Laju Pertumbuhan  Ikan Gabus (Ophiocephalus striatus L) dengan Subtitusi  Rucah Keong  Mas dengan Interval Waktu Berbeda Pada Pemberian Pakan.

Ikan yang uji berukuran 10-12 cm yang dipelihara selama 2,5 bulan dalam bak pastik terkontrol.    Dengan persentase pemberian pakan adalah 5% dari berat populasi setiap perlakuan dengan pakan utama adalah pelet comfeed dan frekuensi pemberian pakan 3 kali sehari.  Cara pemberian pakan adalah setelah pellet comfeed diberikan sesuai takaran  (5%) maka selang beberapa saat kemudian diberikan ikan rucah dengan takaran yang sama (5%), dimana interval waktu pemberian subtitusi rucah keong mas  berbeda di masing-masing  perlakuan, dengan interval waktu sebagai berikut

Perlakuan A    =         Kontrol tanpa subtitusi rucah keong gabus/hanya pellet comfeed

Perlakuan B      =       Interval waktu pemberian  subtitusi rucah keong mas  3 jam/hari

Perlakuan C      =       Interval waktu pemberian  subtitusi rucah keong mas 4 jam/hari

Perlakuan D      =       Interval waktu pemberian  subtitusi rucah keong mas 5 jam/hari

Dari kasus di atas menimbulkan pertanyaan pada peneliti bagaimana laju pertumbuhan ikan gabus jika diberikan  rucah keong mas dengan interval waktu yang berbeda.  Apakah memberikan laju pertumbuhan  yang sama dari ke 4 perlakuan yang dicobakan atau sebaliknya memberikan laju pertumbuhan  yang signifikan dari perlakuan yang diujikan.

                   Dengan demikian, maka kita dapat membuat satu asumsi pengujian yang dituangkan dalam hipotesis uji, yang selanjutnya dilakukan pengujian secara empirik terhadap hipotesis tersebut,  pada kasusu ini di uji  dengan Anava (uji F).    Berdasarkan uraian tersebut  maka dapat disusun hipotesis uji sebagai berikut.

Ho = τ = ε

Hi =  τ ≠ ε

Selanjutnya hipotesis umum ini dijabarkan dalam hipotesis operasional berdasarkan justifikasi peneliti sebagai berikut.

Ho       =    Interval waktu pemberian subtitusi rucah keong mas tidak memberikan pengaruh pada laju pertumbuhan ikan gabus.

Hi        =    Interval waktu pemberian subtitusi rucah keong mas tidak memberikan pengaruh pada laju pertumbuhan ikan gabus.

            Dengan demikian maka sudah tersusun satu hipotesis pengujian dari penelitian yang berjudul “Respon Laju Pertumbuhan  Ikan Gabus (Ophiocephalus striatus L) dengan Subtitusi  Rucah Keong  Mas dengan Interval Waktu Berbeda Pada Pemberian Pakan” yang siap di uji  dengan ANAVA.  Analisis Varian ini dapat dilakukan jika juga telah tersusun data hasil penelitiannya. Dengan kata lain Hipotesis di uji setelah penelitian lapangan berlangsung atau penelitian lapangan selesai  dilaksanakan

Unduh File Ver Pdf DI SINI

UJI BEDA RERATA PENGARUH PERLAKUAN

UJI BEDA RERATA PENGARUH PERLAKUAN 
(BNT,BNJ & WILAYAH BERGANDA DUNCAN) 

uji beda rerata perlakuan merupakan rangkaian pengujian dalam rangka penarikan suatu kesimpulan dari penelitian  eksperimen yang dilakukan, sehingga tidak bisa  dipisahkan dengan pengujian yang telah mendahuluinya, dalam hal ini Uji F.  Terdapat banyak cara untuk membandingkan rerata perlakuan yang diuji dalam suatu percobaan, akan tetapi perlu diperhatikan ketepatan kita menggunakan uji pembanding rerata perlakuan ini. 

Jika dalam uji F (anava)  kita fokus dalam pengujian hipotesis untuk mengetahui apakah perlakuan yang kita ujikan memberikan respon terhadap objek uji. Namun dalam  uji respon (ANAVA) ini tidak bisa memberikan inforgabusi  tetang perlakuan mana yang memberikan pengaruh terhadap objek uji.  Selain itu juga, jika tidak dilakukan uji rerata perlakuan dan hanya mengandalkan uji F, maka kita tidak bisa menentukan  perlakuan mana yang memberikan pengaruh  optimal.    

Dengan demikian dapat dikatakan bahwa pengujian statistik rerata nilai tengah perlakuan  inilah yang menjadi sasaran kita atau tujuan akhir  dalam analisis untuk dapat mengungkap fakta sebenarnya  dari pelaksanaan prosedur penelitian dilapangan sehingga kita dapat menarik suatu kesimpulan dari hipotesis yang kita ujikan dengan analisis sidik ragam (ANAVA).  Perhatikan Gambar 1 berikut yang merupakan alur kerja analisis data dalam Rancangan Percobaan dan apa yang menjadi perbedaan dalam alur analisis tersebut, apa penjelasan anda ? 

JENIS DATA DALAM PENELITIAN

Untuk memperjelas gambaran tentang konsep data dalam penelitian silahkan unduh pada tautan Gratis lho....  KLIK DISNI

Asumsi Dasar Dalam Rancangan Percobaan (Asumsi Homogenitas)

UJI HOMOGENITAS RAGAM DENGAN METODE BARTLETT 

Perlu kita  ingat bahwa analisis varian ANAVA) (sebagian literatur menyebut analisis sidik ragam ANSIRA) menghendaki terpenuhinya andaian ragam (Varian) galat  konstan dari pengamatan yang satu kepengamatan yang lain, yaitu sebesar  σ². Hal ini bertujuan dalam Analisis varian kesimpulan akhir tidak menjadi bias.

Pahami dahulu konsep galat berikut ini!

Jika satu perlakuan di ulang sebanyak n ulangan dan nilai respon di setiap n ulangan pada perlakuan tersebut terjadi perbedaan nilai respon.

Contoh     Pada perlakuan A di ulang 2 kali dengan hasil sebagai berikut

                   A₁       =   20

                   A₂     =   25

                   Selisih nilai respon 25-20 = 5

                   Nilai 5 tersebut disebut sebagai galat.

 

Asumsi Dasar Dalam Rancangan Percobaan (Asumsi Normalitas)

UJI NORMALITAS DENGAN METODE LILLIFORS

Mengapa Perlu Uji Normalitas ?

Sebelum kita menjawab pertanyaan di atas Gambar lihat pohon data dibawah ini dan pelajari. dengan seksama maka kita akan tahu ternyata data memiliki karakteristik masing-masing, dan itu menentukan arah analisis kita.

Pahami dengan perlahan konsep ini.

Pengertian normal secara sederhana dapat dianalogikan dengan sebuah karamba yang berisi ikan mas misal sebanyak 30 ekor. Dalam karamba tersebut ada beberapa ikan yang gemuk sekali dan ada beberapa ikan yang kurus sekali namun kedua kondisi gemuk dan kurus ini jumlah ikan hanya sedikit dan sebagian besar berada pada kategori sedang atau rata-rata.

Jika ikan di karamba tersebut gemuk semua maka tidak normal, atau kondisi ikan kurus semua maka tidak normal. Pengamatan data yang normal akan memberikan nilai ekstrim rendah (ikan kurus) dan ekstrim tinggi (ikan gemuk) yang sedikit dan kebanyakan mengumpul di tengah. Demikian juga nilai rata-rata, modus dan median relatif dekat.

Lihat ilustrasi Ikan dalam karamba 30 ekor dengan berat (gr/ekor) sebagai hasil pengukuran dengan menggunakan penimbang triple beam balance, data disajikan sebagai berikut

Perlakuan A = 125,130,128, 135 gr/ekor

Perlakuan B = 165,178,180, 155 gr/ekor

Perlakuan C = 175,180, 195,178 gr/ekor

BUKTIKAN DATA BERAT IKAN MAS INI MENYEBAR NORMAL

 

Mengapa persyaratan data normal dalam rancangan percobaan menjadi penting ?