PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN UNIVERSITAS BRAWIJAYA MALANG 2014 FRIEDMAN TWO WAYS 1. Deskripsi Uji Friedman merupakan metode di dalam statistika nonparametrik yang digunakan untuk melakukan analisis ragam 2-arah (two way analysis of variance). Friedman Test mensaratkan tidak ada ulangan (replication) bagi perlakuan yang diberikan kepada unit-unit percobaan. Maksudnya, hanya ada tepat 1 (satu) pengamatan untuk setiap perlakuan di dalam setiap blok. Selain itu, perlakuan yang digunakan setidak-tidaknya sebanyak 3 perlakuan. Metode analisis friedman two ways merupakan suatu metode analisis yang digunakan untuk menguji suatu interaksi dengan menggunakan data ordinal untuk sampel tunggal pengukuran berulang. Dalam metode friedman kita dapat melihat bagaimana keselaran akan efek ketahanan dan kekuatan peringkat Friedman. Berbagai prosedur statistik menyarankan untuk menganalisis data dari split- plot ketika model parametric asumsi dilanggar 2. Kelebihan Dan Kekurangan Metode Friedman : Friedman Test digunakan manakala seseorang tidak mempertimbangkan asumsi kenormalan dari distribusi sampel. Bisa juga, ketika asumsi-asumsi yang dibutuhkan oleh metode 2-way ANOVA parametrik tidak terpenuhi. Atau, apabila data hasil pengamatan berupa ranking-ranking (misal pada uji organoleptik, dll.), maka Friedman Test lebih tepat digunakan, karena data berupa ranking tergolong tipe data ordinal, sehingga metode parametrik tidak tepat untuk diterapkan. Friedman Test mensaratkan tidak ada ulangan (replication) bagi perlakuan yang diberikan kepada unit-unit percobaan. Maksudnya, hanya ada tepat 1 (satu) pengamatan untuk setiap perlakuan di dalam setiap blok. Beasley ( 2000) menyatakan bahwa dalam uji statistik untuk jajaran Friedman mempertahankan tingkat kesalahan yang diharapkan Type ketika tindakan berulang sedikit muncul. Namun , tanpa mengeluarkan tindakan berulang utama melalui alignment, statistik untuk menguji interaksi disarankan oleh Beasley (2000) mungkin menunjukkan kekuatan statistik yang rendah ketika tindakan utama berulang yang kuat hadir dalam setiap kelompok . Oleh karena itu , tujuan dari penelitian ini adalah untuk menguji apakah menyelaraskan data sebelum menerapkan Friedman peringkat hasil dalam ( a) Tipe I error tarif yang lebih konsisten dengan alpha nominal dan ( b ) lebih banyak kekuatan statistik. 3. Tahapan implementasi Dalam metode yang digunakan untuk distribusi eksponensial ganda dipilih sebagai kondisi dimana kesalahan yang simetris tapi berat ekor dengan skewness dan kurtosis nilai 1 = 0 dan 2 = 3 , masing-masing. Distribusi eksponensial terpilih sebagai kondisi dimana kesalahan yang miring ( 1 = 2) dan sangat berat ekor ( 2 = 6 ) . Dalam hal tingkat alpha empiris , distribusi berat ekor cenderung untuk memimpin tingkat kesalahan Tipe I yang berada di bawah alpha nominal. Distribusi normal disimulasikan untuk tujuan perbandingan . Untuk mensimulasikan distribusi kesalahan untuk kedua kondisi non - normal, nilai korelasi antara populasi berasal (lihat Headrick dan Sawilowsky ,1999) untuk masing-masing dari tiga kondisi struktur kovarians yang dijelaskan di atas . Pertama,random variates normal ( Xj) Yang dihasilkan . Kemudian , matriks komponen koefisien utama , F , berasal dari nilai-nilai antara untuk korelasi matriks pra - speciHed . Selanjutnya, struktur kovarians dengan nilai menengah yang dikenakan menggunakan ( 7 ) . Kemudian , Data transformasi menggunakan diperpanjang Fleishman (1978) . Ketika F dilakukan pada Friedman ( Rijk ) dan selaras Friedman peringkat ( Aijk ) data dengan eksponensial atau 2 (1) distribusi kesalahan, namun tingkat kesalahan Tipe I lebih konsisten dengan alpha nominal bahkan dengan ukuran sampel kecil. Pendekatan multivariat menggunakan FH (3) adalah liberal, terutama untuk Rijk dan Aijk Dengan nilai nj=620. Namun, hasil ini mungkin merupakan fungsi dari ukuran sampel dalam yang tingkat I error empiris Type lebih konsisten dengan alpha nominal 0,05 ketika ukuran sampel meningkat to nj = 30. 4. Interpretasi Dapat disimpulkan bahwa prosedur rank yang selaras Friedman sebagai tes parameter lokasi akan agak kuat untuk varians heterogen dan differences dalam bentuk ketika ukuran sampel adalah sama. Jika asumsi bahwa data untuk masing-masing kelompok J adalah sampel dari distribusi berbentuk identik dapat dipertahankan , maka uji statistik statistik signifikan menyiratkan interaksi karena parameter lokasi . Namun, jika asumsi bentuk identik dan varians konstan tidak terpenuhi, uji statistik berdasarkan sejajar Friedman peringkat mungkin menjadi lebih sensitif terhadap mendeteksi setiap difference distribusi dan dengan demikian harus benar-benar dipertimbangkan tes homogenitas stokastik. Alamat online : http://www.researchgate.net/publication/4897666_Comparison_of_aligned_Friedman_rank_and _parametric_methods_for_testing_interactions_in_splitplot_designs/file/3deec5182f2c8b 01a0.pdf