Anda di halaman 1dari 52

PENGANTAR ANALISIS DATA

DALAM UJI SENSORI


Dr. Ir. Nugraha Edhi Suyatma, DEA
Ir. Budi Nurtama, MAgr

Departemen Ilmu dan Teknologi


Pangan
Fakultas Teknologi Pertanian
Institut Pertanian Bogor

Metode untuk Evaluasi Sensori


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.

Review Statistika
Statistika Parametrik:
Menggunakan asumsi mengenai populasi
Membutuhkan pengukuran kuantitatif dengan
level data interval atau rasio

Statistika Non parametrik

(distribution-free statistics for use with


nominal / ordinal data):
Menggunakan lebih sedikit asumsi mengenai
populasi (atau bahkan tidak ada sama sekali)
Membutuhkan data dengan level serendahrendahnya ordinal (ada beberapa metode untuk
nominal)

Aplikasi Statistika
Statistik Deskriptif : Menjelaskan
atau menggambarkan berbagai
karakteristik data seperti berapa ratarata, seberapa jauh data bervariasi
Statistik Induktif (Inferensi) :
Membuat berbagai inferensi terhadap
sekumpulan data yang berasal dari
suatu sampel. Inferensi Melakukan
perkiraan, peramalan, pengambilan
keputusan
4

JENIS DATA
Nominal Ordinal Interval
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

Rasio

TIPE SKALA PADA EVSE


Kategori (Category Scaling)
Skala dari metode pengukuran dimana panelis
diminta menilai intensitas stimulus tertentu
dengan menetapkan suatu nilai pada skala
numerik yang terbatas (9 skala tingkat
kesukaan) data ordinal / data interval

TIPE SKALA PADA EVSE


Garis (Line Scales)
Skala yang menggunakan garis dimana panelis
diminta menilai intensitas stimulus tertentu
dengan menandai garis tersebut data interval.

TIPE SKALA PADA EVSE


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 Segitiga
Uji Duo-Trio
Two-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 (Students t Test), populasi normal, data
interval/rasio
Rating Approach Test
Untuk Statistika nonparametrik: Uji Wilcoxon (~ pairs ttest) 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 yang berkaitan
dengan percobaan (trials)
yang hanya menghasilkan
jawaban dua hal yang
berlawanan misalnya ya/tidak,
benar/salah, hitam/putih,
laki/perempuan, dsb
Terjadi pada: eksperimen yang
terdiri atas n trials, dengan
setiap trial mempunyai

PELUANG
BINOMIAL
n
b (x n , p) = px (1 p)n x
x

n!
P( X )
p x q n X
X !(n X )!
untuk x = 0, 1, 2, ... , n
n > 0 dan bilangan bulat
0p1
n = banyaknya ulangan (trials)
p = peluang "sukses" pada sembarang
ulangan

Contoh: TRIANGLE TEST


A

608

194

Choose the sample


342
that is most
different
n = banyaknya panelis = 20

x = banyaknya panelis yang


menjawab
dengan benar = 13
p = 1/3 = 0.3333
P (x 13) = 1 P (x < 12)
12

= 1

b (x

x=0

= 1 0.996
= 0.004

20 , 0.3333)

Uji Segitiga, p = 1/3


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

Dengan Tabel Standar


Minimum Panelis agar Produk Beda Nyata

CHI-SQUARE ANALYSIS
Membandingkan frekuensi kategori teoritis
(expected) dari populasi, dengan frekuensi
kategori aktual (observed), apakah sama
atau tidak sama.

(O E) 2
E

O = frekuensi pengamatan (observed


value)
E = frekuensi harapan (expected value)

2hitung

vs.

2tabel

Tabel. Upper- probability points of 2

Penerapan Chi-Square
sirup dengan pemanis sintetis
(sampel A) dibandingkan sirup
dengan pemanis gula (sampel
Bukan A). Lima belas panelis
masing-masing mengevaluasi 2
pasangan sampel sama dan
Sampel yang
disajikan
pasangan sampel
beda.
Penilaian
Panelis

Pasangan
Sama
(AA atau BB)

Pasangan
Beda
(AB atau BA)

Total

Sama

17

26

Berbeda

13

21

34

Total

30

30

60

Penerapan Chi-Square
Sampel yang disajikan
Penilaian
Panelis

Pasangan
Sama
(AA atau BB)

Pasangan
Beda
(AB atau BA)

Total

Sama

17

26

Berbeda

13

21

34

Total

30

30

60

26 x 30
E

13
sama
60

dan

34 x 30
E

17
beda
60

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


4.34
13
13
17
17
2

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

Student's t
Dua sampel berkaitan
(Two-related samples)
Test
t

d
S/

dimana

d =

N
d = beda antar pasangan nilai
N = banyaknya pasangan nilai

S=

N1

Uji hipotesis : H0 : d 0 vs. H1 : d 0


thitung ttabel H0 DI TERI MA
thitung ttabel H0 DI TOLAK

Student's t
Test
Dua sampel independen
(Independent
samples)

x1 x2 d 0
( s12 / n1 ) (s22 / n2 )

d0 = 1 - 2 = 0
v= n1 + n2 - 2

Uji Wilcoxon & U Mann-Whitney


Dua sampel berkaitan (Two-related samples)
Untuk statistika nonparametrik

Gunakan Uji Wilcoxon (seperti juga uji t)


digunakan untuk menganalisis data pada 2
kelompok yang berkaitan
Dua sampel Independen Untuk statistika
nonparametrik

gunakan uji U Mann-Whitney


Jenis data untuk uji Wilcoxon dan U MannWhitney: serendah-rendahnya level ordinal
(uji-t tidak bisa)

Prosedur Uji Wilcoxon


n = banyaknya pasangan data
Urutkan perbedaan antara kedua data (d), dari yang
terkecil sampai yang terbesar, tanpa
memperhatikan apakah perbedaan tersebut (-) atau
(+)
Jika perbedaan tersebut (-) maka peringkatnya juga
diberi 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+)

ANALYSIS OF VARIANCE
(ANOVA)
Data Rating
Experimental Designs :
- Randomized Complete Block
Design

banyaknya perlakuan @ blok


Perlakuan (Treatments)

> 2

APLIKASI ANOVA
Analisis Difference-fromControl 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 kemudian membandingkan
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 perbedaan diantara ketiga

Panelis
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

APLIKASI ANOVA
Analisis Difference-fromControl
Test
Sampel K
Sampel A
Sampel B
0
3
4
1
5
3
2
4
0
1
6
2
3
4
0

3
3
3
1
4
2
4
4
5
3
4
4
5
6
3

4
4
7
5
9
5
6
8
2
5
3
7
3
5
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)

(sp-1)

JKT

Total

Tabel ANOVA RCBD


Randomized Complete Block
Design
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 FK
Jumlah 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


Randomized Complete Block
Design

Panelis
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Total kolom

Sampel K
0
3
4
1
5
3
2
4
0
1
6
2
3
4
0
38

Sampel A
3
3
3
1
4
2
4
4
5
3
4
4
5
6
3
54

Sampel B
4
4
7
5
9
5
6
8
2
5
3
7
3
5
2
75

Total baris
7
10
14
7
18
10
12
16
7
9
13
13
11
15
5
167

Tabel ANOVA RCBD


Randomized Complete Block
Design
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 derajat
Jumlah
Keraga
bebas
Kuadrat
man
(db)
(JK)
Sampel
(perlaku
2
45.911
an)
Panelis
14
65.911
(blok)
Galat
28
67.422
(Error)
Total
44 -- = 0.05
179.244
Pembacaan Nilai F Tabel

Kuadrat
Tengah
(KT)

Fhitung

22.956

9.533

4.708

1.955

2.408

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 ( v1 , v2 )

v1 : db pembilang

v2 : db penyebut

10

12

15

20

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

18.51

19.00

19.1
6

19.25

19.30

19.33

19.35

19.37

19.38

19.40

19.41

19.43

19.45

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

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

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

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

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

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

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

v1
v2

Uji Lanjut Dunnett


Kedua sampel yang dibandingkan dengan sampel Kontrol yg
jelas lebih kental; jadi menggunakan uji satu sisi (t berekor
satu).
Untuk = 0.05, k = 3, dferror = 28 diperoleh nilai D = 1.997
(interpolasi 2.01 1.99 pada dferror = 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 Kontrol
pada taraf 5%.
Sampel B - Kontrol = 5.00 2.53 = 2.47 > 1.132
Sampel B secara signifikan lebih kental dibanding dengan
Kontrol pada taraf 5%.

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

k = number of treatment means, including control


2

10

20

0.05 1.72
0.01 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 1.71
0.01 2.49

2.01 2.17

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 1.70
0.01 2.46

1.99 2.15
2.72

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 1.68
0.01 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 1.67
0.01 2.39

1.95
2.64

2.10
2.78

2.21
2.87

2.28
2.94

2.35
3.00

2.39
3.04

2.44
3.08

2.48
3.12

120

0.05 1.66
0.01 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 1.64
0.01 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

2.77

2.92

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) MISALNYA
untuk kasus sebelumnya: panelis hanya diminta
meranking: 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 ANOVA
Sumber
Keraga
man
Sampel
(perlaku
an)
Panelis
(blok)
Galat
(Error)
Total

derajat
bebas
(db)

Jumlah
Kuadrat
(JK)

Kuadrat
Tengah
(KT)

Fhitung

169,092

56,364

33,097

29

119,075

4,106

2,411

87

148,158

1,703

119

436,325

Pembacaan Tabel Nilai Kritik F untuk = 0.05, Untuk


sampel : 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 3
produk pesaingnya (B, C, dan D). Uji pemeringkatan
dilakukan untuk tujuan tersebut dengan Rancangan Blok
Acak Lengkap (Randomized Complete Block Design) yaitu
rancangan yang disusun berdasarkan perlakuan dan blok
(pengelompokan terhadap perlakuan). Ada 13 panelis
dimana setiap panelis memeringkat 1 s/d 4 terhadap
atribut rasa dari 4 sampel yang disajikan. Peringkat 1 untuk
sampel yang paling disukai sedangkan peringkat 4 untuk
sampel yang paling tidak disukai. Tidak diperbolehkan ada
peringkat yang sama.

UJI PEMERINGKATAN
(SIMPLE RANKING TEST)

Panelis
1
2
3
4
5
6
7
8
9
10
11
12
13
Rank sum (R)

Sampel A
1
1
3
1
2
3
1
2
1
1
2
1
1
20

Sampel B
2
2
2
3
3
2
3
3
2
2
1
2
3
30

Sampel C
4
3
4
2
4
4
2
4
4
3
3
3
4
44

Sampel D
3
4
1
4
1
1
4
1
3
4
4
4
2
36

Uji Friedman digunakan untuk mengolah data karena level datanya


adalah Ordinal dan merupakan Randomized Block Design.

FRIEDMAN TEST

12
2
T
R 3p t 1

pt t 1

p = banyaknya panelis
t = banyaknya perlakuan
R = jumlah peringkat setiap perlakuan
Pembacaan nilai kritik 2 menggunakan data = 0.05
dan v = t 1

12
2
2
2
2
T
20 30 44 36 3 * 13 4 1 14.17
13 * 4 * 4 1

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 peringkat kesukaan diantara
keempat sampel pada taraf 5 %.
Urutan R sampel terbesar terkecil : C (=44) D
(=36) B (=30) A (=20)
RC RA = 44 20 = 24 > LSDrank 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
RC
RAB= A
30 20 = 10 < LSDrank B = A
B D

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 kepada
setiap panelis. Garis sepanjang 15 cm
digunakan untuk setiap atribut. Berikut ini
tabulasi data penilaian ketujuh panelis.

TAMPILAN DATA YANG DIPEROLEH:

RATA-RATA DATA YANG DIPEROLEH:

ANALISIS MULTIVARIAT
Analisis terhadap lebih dari dua variabel secara
simultan
Merupakan perluasan dari analisis Univariat (uji t) dan
Bivariat (korelasi, regresi sederhana atau hubungan
variabel Y dan X)
Variat: dapat didefinisikan sebagai suatu kombinasi
linier dari variabel 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
Dapat menghitung lebih dari dua variabel
secara bersama-sama (simultan)
Banyak penelitian selalu melibatkan
banyak variabel
Contoh: perilaku konsumen terhadap
produk baru akan melibatkan banyak
variabel spt: harga, motivasi beli,
pengaruh lingkungan, kualitas produk,
pendapatan, jenis kelamin, dll.

KLASIFIKASI METODE MULTIVARIAT


Analisis untuk kasus yang memiliki variabel dependen
dan independen: metode multivariat yg dipakai adalah
regresi berganda, analisis diskriminan, korelasi
kanonik, Manova, analisis Conjoint atau SEM.
Analisis pada kasus yang bersifat interdependence,
yang ditandai dengan tidak adanya variabel bebas
maupun bergantung: metode yg dipakai adalah Analisis
faktor, analisis Cluster, dan analisis caterogical.

Pada Evaluasi sensori dan survei konsumen: umumnya


variabel bersifat bebas sehingga Analisis Faktor, analisis
cluster dan categorical lbh sering dipakai.

1. ANALISIS FAKTOR
Tujuan:

1. Data summarization, yaitu mengidentifikasi adanya


hubungan antar variabel dengan melakukan uji
korelasi. Jika korelasi dilakukan antar variabel (dlm
pengertian 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 tengah
perlakuan
Uji lanjut (posthoc tests) dari ANOVA jika
terdapat hasil yang signifikan (hipotesis H0
ditolak)
Beberapa uji adalah :
1.
2.
3.

Uji BNT (LSD, Least Significance Difference)


Uji Perbandingan Berganda Duncan
(Duncan's Multiple Range Test)
Uji Perbandingan thd Kontrol (uji Dunnett)

Multiple Comparison Test


Uji LSD

LSD t ,db galat

2 KTG
n

Uji Duncan

Multiple ranges = rp

KTG
n

Uji Dunnett (perbandingan dg


kontrol)

Selang Uji = D

2 KTG banyaknya panelis

REFERENCES
OMahony, M. 1986. Sensory Evaluation of
Food. Marcel Dekker, Inc., New York, U.S.A.
Meilgaard, M., Civille, G.V., dan Carr, T.
1999. Sensory Evaluation Techniques. CRC
Press, Florida, U.S.A.
Santosa, S. 2005. Menggunakan SPSS untuk
Statistik Non Parametrik. Elex Media
Komputindo, Jakarta.
Simamora, B. 2005. Analisis Multivariate
Pemasaran. Gramedia Pustaka Utama, Jakarta.
Uyanto, S. S. 2006. Pedoman Analisis Data
dengan SPSS. Graha Ilmu, Jakarta.
(recommended)