STATISTIKA DALAM EVALUASI SENSORI

(1)

STATISTIKA DALAM EVALUASI SENSORI

DEPARTEMEN ILMU DAN TEKNOLOGI PANGAN FATETA - IPB

DEDE R ADAWIYAH, BUDI NURTAMA, DIAS INDRASTI, DASE HUNAEFI

(2)

SENSORY ANALYSIS – PROBLEMS &

DISTINCTIONS

It is imposible to obtain exacthle the same results when sensory evaluation are

repeated.

Be aware of factors that may have a negative influence on the repeatability of analysis

Do our best to reduce the effects

We can achieve results that are very precise

(3)

PANELIS

There are big differences between people in their ability to sense product variations

It is important to test people’s ability to sense product variatios  when good panelists have been selected  calibrate the ‘instrument’

(4)

SENSORY EVALUATION METHODS

(5)

An ilustration of the process

from problem to solution

(6)

RESPON SENSORI

(7)

TIPE RESPON

(8)

SKALA NOMINAL

 Jenis skala yang paling sederhana

 Angka menunjukkan label atau nama kategori dan bukan merupakan nilai angka tsb

 Dihitung dalam bentuk frekuensi

 Bisa dalam bentuk nama saja (bukan angka)

 Klasifikasi atau kategori

 Contoh:

- Untuk identifikasi karakteristik bau dari saus tomat 1 = fruity, 2 = sweet, 3 = spicy, 4 = pungent

- Klasifikasi: Acceptable dan Unacceptable

(9)

SKALA ORDINAL

 Angka menunjukkan urutan/ranking

 Ranking tidak menunjukkan besarnya perbedaan antar sample

 Digunakan untuk consumer-oriented (kesukaan) dan product-oriented test (intensitas)

(10)

SKALA INTERVAL



Sampel diurutkan berdasarkan besarnya

karakteristik tertentu atau penerimaan/kesukaan



Tidak ada true zero -> angka 0 bukan tidak ada sama sekali



Derajat atau tingkat perbedaan antar sampel



Panjang interval dalam skala harus sama



Skala kategori dan skala garis adalah dua jenis skala sensori yang diperlakukan sebagai skala interval



Skala kategori dibagi menjadi beberapa interval

atau kategori dengan ukuran yang sama.

(11)

SKALA INTERVAL



Kategori diberi label dengan istilah deskriptif dan/atau angka (bisa semua kategori atau

hanya beberapa, misalnya hanya di ujung dan di tengah)



Total jumlah kategori bervariasi biasanya 5 - 9



Bisa dalam bentuk gambar (untuk anak-anak)



Skala garis dengan label di ujung dan/atau di tengah  kuantifikasi karakteristik. Panjang skala garis biasanya 15 cm



Jika keseimbangan skala interval diragukan 

diperlakukan sebagai skala ordinal

(12)

SKALA RASIO



Hampir sama dengan skala interval, kecuali adanya true zero



Ujung nol pada skala interval berubah-ubah dan tidak perlu mengindikasikan tidak adanya

karakteristik yang diukur



Dalam skala ratio, titik 0 mengindikasikan tidak adanya karakteristik tersebut



Skala 6 = 2 x skala 3



Jarang digunakan untuk uji penerimaan/kesukaan

karena memerlukan training

(13)

SCALE OF MEASUREMENT

(14)

No Nama Kelas

NILAI

JUARA

KE HADIAH juri 1 juri 2 juri 3 total

1 adit 3 86 70 77 233 1 25 jt

2 irma 3 71 70 88 229 2 15 jt

3 ika 4 80 70 88 228 3 10 jt

4 desi 3 88 60 66 214 4 7.5 jt

5 eko 4 75 60 77 212 bingkisa

n

6 umar 4 70 70 66 206 bingkisa

n

7 lia 5 63 60 77 200 bingkisa

n

8 iin 5 59 60 77 196

bingkisa n

9 ana 6 55 50 77 182

bingkisa n

10 ani 6 60 50 66 176 bingkisa

n

(15)

No Nama Kelas

NILAI

JUARA

KE HADIAH juri 1 juri 2 juri 3 total

1 adit 3 86 70 77 233 1 25 jt

2 irma 3 71 70 88 229 2 15 jt

3 ika 4 80 70 88 228 3 10 jt

4 desi 3 88 60 66 214 4 7.5 jt

5 eko 4 75 60 77 212 bingkisa

n

6 umar 4 70 70 66 206 bingkisa

n

7 lia 5 63 60 77 200 bingkisa

n

8 iin 5 59 60 77 196

bingkisa n

9 ana 6 55 50 77 182

bingkisa n

10 ani 6 60 50 66 176 bingkisa

n

nominal ordinal

interval ordinal rasio

(16)

1. KLASIFIKASI

__ manis __ berserat __ asam__ refreshing

__ rasa lemon__ aftertaste Tidak ada standar

Hasil dilaporkan dalam jumlah orang yang memberi tanda

Istilah yang tepat harus dirumuskan terlebih dahulu (panelis tidak terlatih  istilah umum)

Pemilihan istilah disarankan berhubungan dengan sifat kimia & fisik produk

METODE PENGUKURAN RESPON

(17)

2. GRADING  grader

 Melindungi konsumen dari produk bermutu rendah tetapi harga tinggi

 Contohnya: kopi, t e h, rempah, butter, ikan dan daging

3. RANKING

Urutan intensitas

Cepat dan sedikit training

METODE PENGUKURAN RESPON

(18)

4. SKALA

Menggunakan angka, kata-kata untuk

mengekspresikan intensitas atribut (kemanisan, kekerasan, kelembutan) atau suatu reaksi atribut tertentu (terlalu lunak, just right, too hard).

METODE PENGUKURAN RESPON

(19)

A. SKALA KATEGORI (ISO = RATING)

Rate/tingkat intensitas berupa skala numerik Merupakan skala ordinal

Tidak mengukur derajat perbedaan antar skala (skala 6  2 x skala 3)

METODE PENGUKURAN RESPON

(20)

No Skala kategori

Deskripsi skala kategori I

Deskripsi skala kategori II

0 1 2 3 4 5 6 7

0 1 2.5 5 7.5 10 12.5 15

Tidak ada Threshold

Sangat ringan Ringan

Agak moderat Moderat

Moderat-kuat Kuat

Tidak ada sama sekali Baru terdeteksi

Ringan-jelas Jelas

Jelas-kuat Kuat

(21)

Nilai Numerik Deskripsi 0

)(

½ 1 1 ½ 2 2 ½ 3

Tidak terdeteksi Threshold

Ringan-moderat Moderat

Moderat-kuat

Kuat

(22)

B. SKALA GARIS (ISO: SCORING)

Menghasilkan data interval Kemanisan:

Lemon :

Kelembaban:

Kekerasan:

Hedonik :

(23)

C. SKALA ESTIMASI BESARAN (MAGNITUDE ESTIMATION SCALING)

Skala Rasio

1.

Dengan modulus: kukis pertama yang dicicip memiliki rating

kerenyahan 25. Beri rating pada

semua sampel berdasarkan proporsi nilai 25 tersebut. Jika kerenyahan

sampel setengah dari sampel

pertama, beri nilai kerenyahan 12.5 Sampel pertama : ___

Sampel 549 : ___

Sampel 306 : ___

(24)

C. SKALA ESTIMASI BESARAN (MAGNITUDE ESTIMATION SCALLING)

Skala Rasio

2. Tanpa modulus: Ciciplah sampel pertama; buatlah angka/nilai

kerenyahan dari kukis tersebut.

Rating kerenyahan sampel lain

berdasarkan proporsi nilai yang pada sampel pertama yang telah diberi

nilai

Sampel 928 : ___

Sampel 549 : ___

Sampel 306 : ___

(25)

JENIS DATA

BERDASARKAN BILANGAN

PENGUKURANNYA

Jenis data berdasarkan

bilangan

pengukurannya

Jenis data

berdasarkan skala pengukurannya

Diskrit •Nominal

•Ordinal

Kontinyu •Interval

•Rasio

(26)

UJI STATISTIK UNTUK DATA SKALA

 Metode non parametrik kurang mampu mendiskriminasi daripada uji parametrik tetapi tidak memerlukan data yang memiliki sebaran normal

TIPE SKALA JENIS STATISTIK CONTOH UJI STATISTIK NOMINAL NON PARAMETRIK Chi-square,

Friedman test ORDINAL

INTERVAL PARAMETRIK ANOVA

MANOVA (PCA) RASIO

(27)

WHY DO WE NEED STATISTICS?

 Variation and/or error in measurements always exists

 Statistics allows us to estimate this variation and determine what is an acceptable level

 Variance in measurement introduces a level of risk in decision-making

 Statistical methods help to minimize, control and estimate this risk

Without Statistics, all we have is a bunch of numbers

(28)

INPU T

Setumpuk data

8 5 1 4

7 7 7 6

9 7 8 4

8 3 4 5

6 4 6 7

3 9 7 4

3 8 6 4

STATISTI K

OUT PUT

Beberapa Angka

(29)

Sample Population

parameter



29

• Sample

• Statistic  part of population

 a measure/value which is obtained from a sample

• Population  the entire element or elements to be examined

• Parameter  a measure/value which is derived from the population

statistic

� ´

(30)

30

(31)

STATISTICS AND SENSORY EVALUATION

1. Descriptive Function

 Descriptive Statistics help to summarize raw data

 Plots are used to visualize data 2. Inferential Function

Determine if any observed effects are real or simply due to chance variation

3. Measurement Function

 Estimate degree of association between the experimental variables and the attributes

(32)

Internationally Recognized Undergraduate Program by IFT & IUFoST

STATISTIKA

DESKRIPTIF

INFERENSIAL

Drawing conclusion about a population based on data observed in a sample

Presenting, organizing and summarizing data

(33)

JENIS STATISTIK

A.

Descrip tive

statisti cs

(statisti ka

deskrip tif)

 Han ya me mbe rikan infor masi data

 Tida k

men guji hipo tesis

 Perh itung an sede rhan a

 Pen yajia n

tabel dan graf s

yang digu naka n

dala m stati stika desk riptif dapa t

beru pa:

 Distr ibusi frek uens i

 Pres enta si graf s

sepe

rti

histo

gram

, Pie

char

t, dll

(34)

34

(35)

Descriptive statistics

35

Measures of Central Tendency:

• Mean

• Median

• Modus

• Quartil

Measures of the “spread” of the data:

- Standard Deviation (s.d.) - Range

- Coefficient of Variation = s.d./mean*100%

(36)

Table or graph



Data are summarized in the form of a table or graph

before statistically analyzed

 table/chart of frequency distribution (histogram)

 Shows an overview of the data collected

36

(37)

Central tendency



The most common is : sample mean/arithmetic mean

 The value of the interval or ratio

37

(38)

Geometric Mean

• a type of average (mean/arithmetic mean)

• usually used for growth rates, like population

growth or interest rate

(39)



The mean value can be misleading or meaningless, if:

39

 There are extreme values (outliers) in the data

 The central value that can be used:

 Median

 Calculate the average value after some data are dumped (e.g. 5% of the top and bottom data is removed)  trimmed mean

(40)



Median:

40

 The middle number in a set of data that has been sorted from

the smallest to the largest or vice versa

 Ordinal, interval and ratio

 Example:

Data (n = 9) : 65, 70, 90, 40, 35, 45, 70, 80, 50 Median: ?

List of ordered value: 35, 40, 45, 50, 65, 70,70, 80, 90

Median = value of [½ (n+1)]th item = value of [½ (9+1)]th item = 5^thitem = 65

Note: if n = even then median = average of 2 middle numbers

(41)



Mode:

41

 The value of some numbers which have highest

frequency or value which often appear in a group of data

 Nominal, ordinal, interval and ratio

 Example:

 Distribution of test scores of 10 students = 40, 60, 60, 65, 72, 60, 70, 60, 80

 Mode = ?

 Mode = 60 (appears 4 times, the highest frequency)

(42)



Quartile (Q)

42

 The value or number which divide the data into 4 same parts,

after data sorted from the smallest to the largest data

 3 types of quartile:

 Quartile 1: a value in distribution at the limit of 25% in the top and 75% in the bottom of frequency distribution

(43)



Example:

43

 Sort the data from small to large value

 Specify the position of the quartile, formula:

Qi = value of [i(n+1)/4]th item

i = 1, 2, 3

n = number of data observation

Data (n = 13):

40, 30, 50, 65, 45, 55, 70, 60, 80, 35, 85, 95, 100

Determine the value of Q1, Q2 and Q3

30, 35, 40, 45, 50, 55, 60, 65, 70, 80, 85, 95, 100 (ordered from lowest-highest) Q1 = value of [1(13+1)/4]th item = value of 3.5^thitem = (40+45)/2 = 42.5

Q2 = value of [2(13+1)/4]th item = value of 7^thitem = 60 Q3 = value of [(13+1)/4]th item = value of 10.5^thitem = (80+85)/2 = 82.5

(44)

JENIS STATISTIK

B.

Inferen sial

statisti c

(statisti k

inferen sial)

 Stati stik indu ktif

 Berk aitan deng an anali sis data (sam pel) untu k

kem udia n

dilak ukan peny imp ulan (infe rensi )

yang dige neral isasi pada kesel uruh an subj ek tem pat data itu diam bil (pop ulasi )

 Men guji hipo tesis

 Ada tidak nya hub unga n, perb edaa n

 Kore lasi, t-

test,

anali

sis

varia

n,

chi-

kuad

rat,

regr

esi,

dll

(45)

STATISTIK INFERENSIAL

1. PARAMETRIK

 Data interval / rasio

 Distribusi normal

 Analisis varian (Anova), t-Test 2. NON PARAMETRIK

 Data nominal dan ordinal

 Tdk mengikuti sebaran distribusi normal

 Chi-square, Friedman

(46)

Normal

Curve

(47)



Normal distribution, a symmetrical frequency distribution

47

(48)



Asymmetrical distribution

48

(49)



Bimodal distribution

49

(50)

REVIEW TIPE ANALISIS

STATISTIK DALAM UJI

SENSORI

(51)

ANALISIS STATISTIK

 Digunakan sebagai alat bantu dalam mengambil kesimpulan

 Sebelum melakukan percobaan, dibuat asumsi atau informed guess mengenai populasi dan hasil yang diharapkan dari percobaan

 Asumsi tersebut dinamakan hipotesa

 Ho (hipotesa nol) : asumsi tidak ada perbedaan antara sampel ( diterima atau ditolak)

 H1 (hipotesa alternatif/research): ada perbedaan

(52)

Contoh:

Suatu percobaan untuk membuktikan apakah

penambahan garam dalam air pemasak menghasilkan kacang yang lebih lunak?

Ho : Tidak ada perbedaan tekstur antara yang diberi garam dan tidak

H1 : Kacang yang direbus dalam larutan garam lebih lunak drpd tanpa garam

 Statistical analysis  terima atau tolak Ho

(53)

 Klasifikasi uji-uji sensori tidak didasarkan pada teknik pengolahan datanya.

 pengolahan data uji sensori tergantung pada tujuan, uji organoleptik yang digunakan dan tipe data yang diperoleh.

 Interpretasi hasil pengolahan data, berupa angka-angka maupun grafik/gambar, yang dilakukan dengan benar akan memudahkan dalam menyusun kesimpulan yang baik.

(54)

METODE STATISTIK DALAM UJI SENSORI

Peluang Binomial

 Uji Segitiga (Triangle Test)

 Uji Duo-Trio (Duo-Trio Test)

 Two-out-of-Five Test

 Directional Difference Test

Analisis Khi-kuadrat (Chi-square Analysis)

 Same/Different Test

 "A" - "not A" Test

 Acceptance Test

(55)

METODE STATISTIK DALAM UJI SENSORI

(Friedman Analysis)

 Pairwise Ranking Test

 Simple Ranking Test Uji t (Student’s t Test)

 Rating Approach Test (jenis sampel = 2)

Analisis Sidik Ragam (Analysis of Variance, ANOVA)

 Difference-from-Control Test

 Rating Approach Test (jenis sampel  2) Grafik Sarang Laba-laba (Spider Web)

 Qualitative Descriptive Analysis (QDA)

(56)

BINOMIAL PROBABILITY

17



A probability that related with trials and only produce 2 opposite answers, e.g. yes/no,

true/false, black/white, man/woman, etc.



Experiments of n trials, each trial has a p

probability of success (constant)

(57)

18

(58)

Application of binomial probability

19

 Triangle test : p = 1/3

 Duo-Trio test : p = 1/2

 Two-out-of-Five Test : p = 1/10

 Directional Difference Tests : p

= 1/2

(59)

•

Table of Sum of Binomial Probabilities

•

Table of Probability of Correct Responses

•

Table of Critical Number of Correct Responses

20

METHODS OF

PROCESSING DATA

(60)

TRIANGLE TEST

n = number of panelist = 20

x = number of panelist with correct answer = 13

p = 1/3 = 0.3333

• Hypothesis test:

H₀: p = p₀ vs. H₁: p > p₀

• H₀IS REJECTED if P(X  13) < , or vice versa

• If H₀is rejected, it means product A differ from B, or vice versa

21

(61)

22

(62)

p

23

p p

n r 1/10 1/3 1/2 n r 1/10 1/3 1/2 n r 1/10 1/3 1/2

5 0 0.5905 0.1317 0.0313 15 0 0.2059 0.0023 0.0000 20 0 0.1216 0.0003 0.0000

1 0.9185 0.4610 0.1875 1 0.5490 0.0194 0.0005 1 0.3917 0.0033 0.0000

2 0.9914 0.7902 0.5000 2 0.8159 0.0794 0.0037 2 0.6769 0.0176 0.0002

3 0.9995 0.9547 0.8125 3 0.9444 0.2093 0.0176 3 0.8670 0.0605 0.0013

4 1.0000 0.9959 0.9688 4 0.9873 0.4042 0.0592 4 0.9568 0.1516 0.0059

5 1.0000 1.0000 1.0000 5 0.9978 0.6185 0.1509 5 0.9887 0.2973 0.0207

6 0.9997 0.7970 0.3036 6 0.9976 0.4795 0.0577

10 0 0.3487 0.0174 0.0010 7 1.0000 0.9118 0.5000 7 0.9996 0.6616 0.1316

1 0.7361 0.1041 0.0107 8 1.0000 0.9692 0.6964 8 0.9999 0.8095 0.2517

2 0.9298 0.2992 0.0547 9 1.0000 0.9915 0.8491 9 1.0000 0.9082 0.4119

3 0.9872 0.5594 0.1719 10 1.0000 0.9982 0.9408 10 1.0000 0.9624 0.5881

4 0.9984 0.7869 0.3770 11 1.0000 0.9997 0.9824 11 1.0000 0.9870 0.7483

5 0.9999 0.9235 0.6230 12 1.0000 1.0000 0.9963 12 1.0000 0.9963 0.8684

6 1.0000 0.9803 0.8281 13 1.0000 1.0000 0.9995 13 1.0000 0.9991 0.9423

7 1.0000 0.9966 0.9453 14 1.0000 1.0000 1.0000 14 1.0000 0.9998 0.9793

8 1.0000 0.9996 0.9893 15 1.0000 1.0000 1.0000 15 1.0000 1.0000 0.9941

9 1.0000 1.0000 0.9990 16 1.0000 1.0000 0.9987

10 1.0000 1.0000 1.0000 17 1.0000 1.0000 0.9998

18 1.0000 1.0000 1.0000 19 1.0000 1.0000 1.0000 20 1.0000 1.0000 1.0000

Table of Sum of Binomial Probabilities

(63)

Table of Probability of Correct Responses

24

• For a certain n

• Find x with probability value  0.05

• Minimum panelist = x + 1

(64)

25

(65)

Table of Critical Number of Correct Responses

26

(66)

27

(67)

28

(68)

29

(69)

30

(70)

=1-BINOMDIST(B4-1; A4; 0,3333;

TRUE)

(71)

MINIMAL U BERBEDA NYATA

(72)

Uji Duo Trio

=1-BINOMDIST(B4-1; A4; 0,5; TRUE)

(73)

=1-BINOMDIST(B4-1; A4; 0,1; TRUE)

Uji Two of Five Test

(74)

CHI-SQUARE ANALYSIS

  Test a hypothesis that is related to the frequency of occurrence

  Comparing the expected frequency of a distribution with the observed frequency.



Hypothesis:

 H₀: no difference ...

 H₁: a difference ...



Criteria:

 Reject H₀if ²calculated >

²_table

2

31



2

=  (O  E E)

O = observed value

E = expected value

(75)

Example of Application of Chi-Square

32

 A syrup with a synthetic sweetener (sample A) is compared with syrup with sucrose (sample B).

Each of 15 panelist evaluate 2 pairs of same samples and pairs of different samples.

Panelist

Evaluation Presented Samples Total Same Pairs

(AA or BB) Different Pairs (AB or BA)

Same 17 9 26

Different 13 21 34

Total 30 30 60

(76)

33

(77)

SIMPLE DIFFERENT TEST

(78)

SIMPLE DIFFERENT TEST

(79)

(80)

(81)

(82)

(83)

(84)

(85)

(86)

(87)

Dua sampel berkaitan (Two-related samples)

Student's t Test

(88)

SAMPEL INDEPENDEN OR DEPENDEN?

Sampel independen: bila anggota dari sampel pertama bukan anggota dari sampel kedua Sampel dependen: dua kelompok orang yang

sama mendapat perlakuan yang berbeda Excel:

t-Test: paired two sample for means

P(T  t) one tail karena hipotesisnya ingin mengetahui apakah karakter A lebih dari B atau tidak

(89)

UJI INDEPENDENT SAMPLE T TEST

(90)

UJI INDIPENDENT SAMPLE T TEST

(91)

(92)

(93)

(94)

(95)

(96)

(97)

(98)

UJI INDIPENDENT SAMPLE T TEST

(99)

(100)

(101)

PAIRED SAMPLE T-TERHADAP TEST

 Pengujian yang dilakukan dua sample yang berpasangan. Sampel yang berpasangan dapat diartikan sebagai sampel dengan obyek yang sama namun mengalami dua treatment atau perlakuan yang berbeda.

 Misal :

 Uji hedonik dengan skalar (interval) Minuman sari buah jambu dengan dan tanpa flavor

(102)

UJI PAIRED T TEST

(103)

UJI PAIRED SAMPLE T TEST

(104)

(105)

(106)

(107)

(108)

(109)

CONTOH KASUS :

 Dua produk mie basah dengan dan tanpa

bahan pengawet alami (A dan B) diuji tingkat kesukaannya oleh 16 panelis. Kedua sampel disajikan sudah dalam keadaan siap

dikonsumsi dengan resep dan cara

pemasakan yang sama. Skala kesukaan menggunakan unstructured scaling yaitu skala garis 10 cm untuk tidak suka – suka.

Apakah ada perbedaan kesukaan diantara kedua sampel pada taraf 5% ?

(110)

Panelis Sampel A Sampel B

1 4.3 3.8

2 5.8 4.4

3 4.0 7.3

4 6.5 6.2

5 6.0 4.6

6 4.8 7.7

7 5.7 5.2

8 7.2 5.5

9 6.4 4.0

10 7.6 4.6

11 4.7 3.5

12 5.3 4.3

13 5.9 5.4

14 4.9 6.2

15 7.1 5.7

16 5.7 4.6

(111)

PENGOLAHAN DATA UJI T DENGAN

PROGRAM MICROSOFT EXCEL

(112)

ANALYSIS OF VARIANCE (ANOVA)

 Data Rating

 Experimental Designs :

- Randomized Complete Block Design - Balanced Incomplete Block Design 

banyaknya perlakuan @ blok

 Perlakuan (Treatments) > 2

(113)

 Hipotesis nol (Ho) dalam uji ANOVA adalah bahwa semua (minimal 3) populasi yang sedang dikaji memiliki rata-rata hitung (mean) sama

Jenis ANOVA:

• One way ANOVA

• Two way ANOVA

• FAKTORIAL

(114)

Tabel ANOVA RCBD

Sumber Keragaman

derajat bebas

(db)

Jumlah Kuadrat

(JK)

Kuadrat Tengah

(KT)

F_hitung 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

(115)

CONTOH KASUS

 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% ?

(116)

Sumber

Keragaman derajat bebas

(db)

Jumlah

Kuadrat (JK) Kuadrat

Tengah (KT) F_hitung 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

(117)

PENGOLAHAN DATA MENGGUNAKAN

SPSS

(118)

DIFFERENT FROM CONTROL TEST



Penentuan adanya perbedaan antara dua sampel saus A dan saus B, yang berbeda konsentrasi bahan

pengentalnya atau yang disebut sampel kontrolnya.



15 orang panelis mengikuti uji ini.

Masing-masing kemudian mencoba sampel kontrol terlebih dahulu. Baru kemudian membandingkan baru

dengan 3 sampel kontrol, A dan B yang diacak.



Skor penilaian yaitu dari 0 sampai 9

yaitu dari amat sangat tidak berbeda

sampai berbeda nyata sekali.

(119)

(120)

(121)

(122)

(123)

DIFFERENT FROM CONTROL TEST

(124)

(125)

(126)

(127)

(128)

(129)

(130)

(131)

(132)

DIFFERENT FROM CONTROL TEST

(133)

(134)

(135)

(136)

(137)

(138)

UJI HEDONIK/UJI RATING

(139)

HEDONIK

(140)

HEDONIK

(141)

HEDONIK

(142)

HEDONIK

(143)

HEDONIK

(144)

HEDONIK

(145)

HEDONIK

(146)

HEDONIK

(147)

HEDONIK

(148)

HEDONIK

(149)

HEDONIK

(150)

HEDONIK

(151)

HEDONIK

(152)

MULTIPLE COMPARISON

 When Ho is rejected, we cannot conclude

which of samples are different from others or which of samples are responsible for the

rejection of Ho

H0 = sampel tidak berbeda nyata H1 = sampel berbeda nyata

(153)

STRATEGIES FOR MULTIPLE COMPARISONS

Statement:

 D is significantly sweeter than E and A

 B and D are significantly sweeter than E

 There is no significant difference between E, C and A

 There is no significant difference between A, C and B

 There is no significant difference between C, B, D

(154)

E is equal to A and C, C is equal to D, B is equal to D

E significantly less sweet than B and B and D and E and A less signifanctly less sweet than D

Consequently E is equal to D  in fact all variety are equally sweet

(155)

• Uji Dunnett

Multiple Comparison Test

• Uji LSD

• Uji Duncan

(156)

Uji ANOVA satu arah hanya memberikan kesimpulan tentang ada tidaknya perbedaan antar tiga atau lebih kelompok data, sedangkan kelompok mana yang berbeda belum dapat disimpulkan.

Untuk memecahkan masalah itu pada ANOVA satu arah tersedia uji lanjut Post Hoc...

Jika tombol Post Hoc... diklik, akan muncul pilihan 18 jenis

uji lanjut

(157)

18 jenis pilihan uji lanjut Post Hoc...

Uji lanjut yang lazim digunakan:

1. LSD 2. Tukey 3. Duncan 4. Dunnet

(158)

UJI DUNNET

 perbandingan antara kontrol dengan perlakuan lainnya.

 Digunakan dalam uji different from control

(159)

Continued ……

SEE YOU NEXT WEEK