Dr. Ir. Nugraha Edhi Suyatma, DEA

Ir. Budi Nurtama, MAgr

.

PENGANTAR ANALISIS DATA DALAM UJI

SENSORI

Departemen Ilmu dan Teknologi Pangan

Fakultas Teknologi Pertanian

Institut Pertanian Bogor

a) DiscriminationTriangle test, Duo-trio test, Two-out-of five-test, Paired comparison test, Ranking Test

b) DescriptiveFlavor profile, Textural profile and QDA

c) Affective Hedonic test, Scale tests, Rank preference, Paired preference test.

Metode untuk Evaluasi Sensori

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 serendah-rendahnya ordinal (ada beberapa metode untuk nominal)

Review Statistika

Aplikasi Statistika

4

Statistik Deskriptif : Menjelaskan atau menggambarkan berbagai karakteristik data seperti berapa rata-rata, seberapa jauh data bervariasi

Statistik Induktif (Inferensi) : Membuat berbagai inferensi terhadap sekumpulan data yang berasal dari suatu sampel. Inferensi Melakukan perkiraan, peramalan, pengambilan keputusan

JENIS DATANominal Ordinal Interval Rasio

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

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 BinomialUji SegitigaUji Duo-TrioTwo-out-of-Five TestDirectional Difference Test

Analisis Khi-kuadrat (Chi-square Analysis)Same/Differentt,"A" - "not A" ,Acceptance Test

Analisis Friedman (Friedman Analysis), data ordinal/peringkatPairwise RankingSimple Ranking

METODE STATISTIKA UTK SENSORI

Uji t (Student’s t Test), populasi normal, data interval/rasio

Rating Approach TestUntuk Statistika nonparametrik: Uji Wilcoxon (~ pairs t-

test) 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 probabilitas sukses p (konstan)

untuk x = 0, 1, 2, ... , n n > 0 dan bilangan bulat 0 p 1

n = banyaknya ulangan (trials)p = peluang "sukses" pada sembarang ulangan

x n xnb (x n , p) = p (1 p)

x

XnxqpXnX

nXP

)!(!

!)(

PELUANG BINOMIAL

Contoh: TRIANGLE TEST

n = banyaknya panelis = 20

x = banyaknya panelis yang menjawab

dengan benar = 13

p = 1/3 = 0.333312

x=0

P (x 13) = 1 P (x < 12)

= 1 b (x 20 , 0.3333)

= 1 0.996

= 0.004

342 608 194

A A BChoose the sample that is most different

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

O = frekuensi pengamatan (observed value)E = frekuensi harapan (expected value)

2hitung vs. 2

tabel

Tabel. Upper- probability points of 2

distribution

22 (O E) =

E

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

Penerapan Chi-Square

Penilaian Panelis

Sampel yang disajikan

TotalPasanganSama

(AA atau BB)

PasanganBeda

(AB atau BA)

Sama 17 9 26

Berbeda 13 21 34

Total 30 30 60

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 pasangan sampel beda.

Penerapan Chi-Square

Penilaian Panelis

Sampel yang disajikan

TotalPasanganSama

(AA atau BB)

PasanganBeda

(AB atau BA)

Sama 17 9 26

Berbeda 13 21 34

Total 30 30 60

26 x 30 34 x 30E 13 dan E 17sama beda60 60

2 2 2 22 (17 13) (9 13) (13 17) (21 17)

4.3413 13 17 17

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

Dua sampel berkaitan (Two-related samples)

: :

2

2

0 1

hitung tabel 0

hitung

dt

S / N

ddimana d =

N d = beda antar pasangan nilai

N = banyaknya pasangan nilai

dd

N S = N 1

Uji hipotesis : H d 0 vs. H d 0

t t H DITERIMA

t t

tabel 0H DITOLAK

Student's t Test

Dua sampel independen (Independent samples)

Student's t Test

tx x d

s n s n

1 2 0

12

1 22

2

( / ) ( / )

d0 = 1 - 2 = 0

v= n1 + n2 - 2

Dua sampel berkaitan (Two-related samples)

Untuk statistika nonparametrik

Uji Wilcoxon & U Mann-Whitney

Gunakan Uji Wilcoxon (seperti juga uji t) digunakan untuk menganalisis data pada 2 kelompok yang berkaitan

Dua sampel Independen Untuk statistika nonparametrikgunakan uji U Mann-Whitney

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

• 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+)

Prosedur Uji Wilcoxon

ANALYSIS OF VARIANCE (ANOVA)

Data Rating Experimental Designs : - Randomized Complete Block

Design banyaknya perlakuan @ blok

Perlakuan (Treatments) > 2

APLIKASI ANOVAAnalisis Difference-from-Control 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 sampel pada taraf 5% ? Jika benar berbeda, sampel mana yang berbeda dengan sampel kontrol (K) ?

APLIKASI ANOVAAnalisis Difference-from-Control Test

Panelis Sampel K Sampel A Sampel B1 0 3 42 3 3 43 4 3 74 1 1 55 5 4 96 3 2 57 2 4 68 4 4 89 0 5 2

10 1 3 511 6 4 312 2 4 713 3 5 314 4 6 515 0 3 2

Tabel ANOVA RCBDRandomized Complete Block

DesignSumberKeragaman

derajatbebas (db)

JumlahKuadrat

(JK)

KuadratTengah

(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)

Total (sp-1) JKT

Tabel ANOVA RCBDRandomized Complete Block

DesignFaktor 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 RCBDRandomized Complete Block

DesignPanelis Sampel K Sampel A Sampel B Total baris

1 0 3 4 72 3 3 4 103 4 3 7 144 1 1 5 75 5 4 9 186 3 2 5 107 2 4 6 128 4 4 8 169 0 5 2 7

10 1 3 5 911 6 4 3 1312 2 4 7 1313 3 5 3 1114 4 6 5 1515 0 3 2 5

Total kolom 38 54 75 167

Tabel ANOVA RCBDRandomized Complete Block

DesignFaktor 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

SumberKeragaman

derajatbebas (db)

JumlahKuadrat (JK)

KuadratTengah (KT) Fhitung

Sampel (perlakuan) 2 45.911 22.956 9.533Panelis (blok) 14 65.911 4.708 1.955Galat (Error) 28 67.422 2.408Total 44 179.244

Pembacaan Nilai F Tabel -- = 0.05Untuk 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

v1

v2

1 2 3 4 5 6 7 8 9 10 12 15 20

1 161.4 199.5 215.7

224.6 230.2 234.0 236.8 238.9 240.5 241.9 243.9 245.9 248.0

2 18.51 19.00 19.16

19.25 19.30 19.33 19.35 19.37 19.38 19.40 19.41 19.43 19.45

3 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

4 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

5 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

6 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

7 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

8 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

9 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

28 3.34

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%.

dferror k = number of treatment means, including control

2 3 4 5 6 7 8 9 10

20 0.050.01

1.722.53

2.032.81

2.192.97

2.303.08

2.393.17

2.463.23

2.513.29

2.563.34

2.603.38

240.050.01

1.712.49

2.012.77

2.172.92

2.283.03

2.363.11

2.433.17

2.483.22

2.533.27

2.573.31

300.050.01

1.702.46

1.992.72

2.152.87

2.252.97

2.333.05

2.403.11

2.453.16

2.503.21

2.543.24

40 0.050.01

1.682.42

1.972.68

2.132.82

2.232.92

2.312.99

2.373.05

2.423.10

2.473.14

2.513.18

60 0.050.01

1.672.39

1.952.64

2.102.78

2.212.87

2.282.94

2.353.00

2.393.04

2.443.08

2.483.12

120 0.050.01

1.662.36

1.932.60

2.082.73

2.182.82

2.262.89

2.322.94

2.372.99

2.413.03

2.453.06

∞ 0.050.01

1.642.33

1.922.56

2.062.68

2.162.77

2.232.84

2.292.89

2.342.93

2.382.97

2.423.00

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

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 ANOVASumber

Keragamanderajat

bebas (db)Jumlah

Kuadrat (JK)Kuadrat

Tengah (KT) Fhitung

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

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 Sampel A Sampel B Sampel C Sampel D1 1 2 4 32 1 2 3 43 3 2 4 14 1 3 2 45 2 3 4 16 3 2 4 17 1 3 2 48 2 3 4 19 1 2 4 3

10 1 2 3 411 2 1 3 412 1 2 3 413 1 3 4 2

Rank sum (R) 20 30 44 36

Uji Friedman digunakan untuk mengolah data karena level datanya adalah Ordinal dan merupakan Randomized Block Design.

FRIEDMAN TEST

1t3p R1tpt

12 T 2

p = banyaknya panelist = banyaknya perlakuanR = jumlah peringkat setiap perlakuanPembacaan nilai kritik 2 menggunakan data = 0.05 dan v = t 1

14.17 1413*3 3644302014*4*13

12 T 2222

Nilai kritik 2 dengan db = 3 pada taraf 0.05 adalah 7.81

FRIEDMAN TESTKesimpulan 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 ≠ ARC – RB = 44 – 30 = 14 > LSDrank → C ≠ BRC – RD = 44 – 36 = 8 < LSDrank → C = DRD – RA = 36 – 20 = 16 > LSDrank → D ≠ ARD – RB = 36 – 30 = 6 < LSDrank → D = BRB – RA = 30 – 20 = 10 < LSDrank → B = AC D B A

Quantitative Descriptive Analysis

• Analisis jaring laba-laba (spider web analysis)• Statistika lanjut dengan multivariate analysis

• Diagram Laba-laba - paling sederhana

Contoh KasusUji 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 variabel² 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. Uji BNT (LSD, Least Significance Difference)

2. Uji Perbandingan Berganda Duncan (Duncan's Multiple Range Test)

3. Uji Perbandingan thd Kontrol (uji Dunnett)

• Uji Dunnett (perbandingan dg kontrol)Selang Uji = D 2 KTG banyaknya panelis

Multiple Comparison Test • Uji LSD

• Uji Duncan

,db galat2 KTG

LSD t n

p

KTGMultiple ranges = r

n

REFERENCES O’Mahony, 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)