1 / 52

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

. 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.

tallulah
Download Presentation

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

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. . 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

  2. Metode untuk Evaluasi Sensori DiscriminationTriangle test, Duo-trio test, Two-out-of five-test, Paired comparison test, Ranking Test DescriptiveFlavor profile, Textural profile and QDA AffectiveHedonic test, Scale tests, Rank preference, Paired preference test.

  3. ReviewStatistika • 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)

  4. AplikasiStatistika • StatistikDeskriptif : Menjelaskanataumenggambarkanberbagaikarakteristik data sepertiberapa rata-rata, seberapajauh data bervariasi • StatistikInduktif (Inferensi) : Membuatberbagaiinferensiterhadapsekumpulan data yang berasaldarisuatusampel. Inferensi Melakukanperkiraan, peramalan, pengambilankeputusan

  5. JENIS DATA

  6. TIPE SKALA PADA EVSE • Kategori (Category Scaling) • Skaladarimetodepengukurandimanapanelisdimintamenilaiintensitas stimulus tertentudenganmenetapkansuatunilaipadaskalanumerik yang terbatas (9 skalatingkatkesukaan) data ordinal / data interval

  7. TIPE SKALA PADA EVSE • Garis (Line Scales) • Skala yang menggunakangarisdimanapanelisdimintamenilaiintensitas stimulus tertentudenganmenandaigaristersebut data interval.

  8. TIPE SKALA PADA EVSE • Magnitude Estimation Scaling • Skalaproporsi yang diperolehdenganmembandingkanterhadapreferensi(with or without modulus) data interval/rasio

  9. METODE STATISTIKA UTK SENSORI Peluang Binomial UjiSegitiga Uji Duo-Trio Two-out-of-Five Test Directional Difference Test AnalisisKhi-kuadrat(Chi-square Analysis) Same/Differentt, "A" - "not A" , Acceptance Test Analisis Friedman (Friedman Analysis), data ordinal/peringkat Pairwise Ranking Simple Ranking

  10. METODE STATISTIKA UTK SENSORI • Uji t (Student’s t Test), populasi normal, data interval/rasio • Rating Approach Test • UntukStatistikanonparametrik:Uji Wilcoxon (~ pairs t-test) atauUji U Mann-Whitney (~independent t-test) • Analysis of Variance (ANOVA), • Difference-from-Control, Rating Approach Test • Statistikaparametrik:randomized block design (data interval, rasio) • Untuknonparametrik:ujiKruskal-Wallis (Completely random design) dan Friedman Test (Randomized block design) • Descriptives: • Qualitative Descriptive Analysis (QDA) • Multivariate analysis: PCA, Discriminant analysis, dll

  11. 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 • Terjadipada: eksperimen yang terdiriatas n trials, dengansetiaptrial mempunyaiprobabilitassukses p (konstan)

  12. PELUANG BINOMIAL untuk x = 0, 1, 2, ... , n n > 0 dan bilangan bulat 0  p  1 n = banyaknya ulangan (trials) p = peluang "sukses" pada sembarang ulangan

  13. Contoh:TRIANGLE TEST B A A Choose the sample that is most different 342 194 608 n = banyaknyapanelis = 20 x = banyaknyapanelis yang menjawab denganbenar = 13 p = 1/3 = 0.3333

  14. 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

  15. CHI-SQUARE ANALYSIS Membandingkan frekuensi kategori teoritis (expected) dari populasi, dengan frekuensi kategori aktual (observed), apakah sama atau tidak sama. O = frekuensi pengamatan (observed value) E = frekuensi harapan (expected value) 2hitung vs. 2tabel Tabel. Upper- probability points of 2 distribution

  16. Penerapan Chi-Square • sirupdenganpemanissintetis (sampel A) dibandingkansirupdenganpemanisgula (sampelBukan A). Lima belas panelismasing-masingmengevaluasi 2 pasangan sampel samadanpasangan sampel beda.

  17. Penerapan Chi-Square 2tabel (=0.05, v= 2-1) = 3,84

  18. Student'st Test Dua sampel berkaitan (Two-related samples)

  19. Student'st Test Duasampelindependen(Independent samples) d0 = 1 - 2 = 0 v= n1 + n2 - 2

  20. UjiWilcoxon & U Mann-Whitney Duasampelberkaitan(Two-related samples) Untukstatistikanonparametrik • Gunakan UjiWilcoxon (sepertijugauji t) digunakanuntukmenganalisis data pada 2 kelompok yang berkaitan DuasampelIndependen Untukstatistikanonparametrik • gunakanuji U Mann-Whitney • Jenis data untukuji Wilcoxon dan U Mann-Whitney: serendah-rendahnya level ordinal (uji-t tidakbisa)

  21. 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+)

  22. ANALYSIS OF VARIANCE (ANOVA) • Data Rating • Experimental Designs : - Randomized Complete Block Design  banyaknya perlakuan @ blok • Perlakuan (Treatments) > 2

  23. APLIKASI ANOVAAnalisis Difference-from-Control Test Manager R&D di PT.XYZ, ingin membandingkan 2 sampelsaus A dan B dengankonsentrasibahanpengental yang berbedadengansampelKontrol (K) yang sudah existing.Panelis yang mengikutiujiadalah 15 orang. Setiappanelismencobasampel K terlebihdahulukemudianmembandingkankekentalannyadengan 3 sampel (K, A, dan B) yang berkode. Skalapenilaianadalah 0 = tidakberbeda s/d 9 = amatsangatberbeda. Denganhasil yang ditabulasikanberikutini, apakahterdapatperbedaandiantaraketigasampelpadataraf 5% ? Jikabenar berbeda, sampelmana yang berbedadengansampelkontrol (K) ?

  24. APLIKASI ANOVAAnalisis Difference-from-Control Test

  25. Tabel ANOVA RCBDRandomized Complete Block Design

  26. Tabel ANOVA RCBDRandomized Complete Block Design Faktorkoreksi (FK) = (Total skor)2 / (Sampel x Panelis) Jumlahkuadratsampel (JKS) =  (Subtotal skor @ sampel)2/(Panelis) – FK Jumlahkuadratpanelis (JKP) =  (Subtotal skor @ panelis)2/(Sampel) – FK Jumlahkuadrat total (JKT) =  (@ skor)2 – FK Jumlahkuadratgalat (JKG) = JKT – JKS – JKP s = banyaknyasampel KTS = Kuadrat Tengah Sampel p = banyaknyapanelis KTP = Kuadrat Tengah Panelis KTG = Kuadrat Tengah Galat

  27. Tabel ANOVA RCBDRandomized Complete Block Design

  28. Tabel ANOVA RCBDRandomized Complete Block Design Faktorkoreksi (FK) = (167)2 / (4 x 15) = 619.756 Jumlahkuadratsampel (JKS) = (382 + 542 + 752) / (15) – 619.756 = 45.911 Jumlahkuadratpanelis (JKP) = (72 + 102 + … + 52) / (3) – 619.756 = 65.911 Jumlahkuadrat total (JKT) = (02 + 32 + 42 + … + 02 + 32 + 22) – 619.756 = 179.244 Jumlahkuadratgalat (JKG) = 179.244 – 45.911 – 65.911 = 67.422

  29. Tabel ANOVA yang diperoleh PembacaanNilai F Tabel --  = 0.05 Untuksampel : v1 = 2 dan v2 = 28 diperolehnilaiFtabel = 3.34 Kesimpulan : NilaiFhitungsampel (=9.533) > Ftabel (=3.34). Jadiadaperbedaandiantarasampelpadataraf 5% danperludilanjutkandenganujiDunnett

  30. TabelNilaiKritisSebaran F0.05 ( v1 , v2 )v1 : db pembilangv2 : db penyebut

  31. Uji Lanjut Dunnett • Keduasampel yang dibandingkandengansampelKontrolyg jelaslebihkental; jadimenggunakanujisatusisi (t berekor satu). • Untuk = 0.05, k = 3, dferror = 28 diperolehnilai D = 1.997 (interpolasi 2.01 – 1.99 padadferror = 24 – 30). • Nilai KTG = 2.408 dan n = 15. • Besarnyaselanguji = RataansampelKontrol = 2.53, • sampel A = 3.60 dansampel B = 5.00. • Sampel A - Kontrol = 3.60 – 2.53 = 1.07 < 1.132 Sampel A tidakberbedanyatakekentalannyadenganKontrolpadataraf 5%. • Sampel B - Kontrol = 5.00 – 2.53 = 2.47 > 1.132 Sampel B secarasignifikanlebihkentaldibandingdenganKontrolpadataraf 5%.

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

  33. UjiKruskal-Wallis • StatistikaParametrik: ANOVA RCBD. • Asumsi: populasiterdistribusi normal, data interval ataurasio • StatistikaNonparametrik: ujiKruskal-Wallis. • Asumsi: populasitidakharusterdistribusi normal, data serendah-rendahnyaperingkat (ordinal) MISALNYA untuk kasus sebelumnya: panelis hanya diminta meranking: kontrol, sampel A dan B. • Asumsi lain padaUjiKruskal-Wallis: • Tidakadainteraksiantarablokdantreatment (Independent) • Lebihdari 2 kelompok yang diuji • Untuk Completely random Design

  34. UjiHEDONIK • Suatuujihedonik yang diikutioleh 30 panelisdilakukanuntukmengujikesukaanpanelisterhadap 4 sampelkuekering (A, B, C, dan D). Skalakesukaan yang digunakanadalahstructured scaling (1 = amatsangattidaksuka, 2 = sangattidaksuka, …, 5 = biasa, …, 8 = sangatsuka, 9 = amatsangatsuka). Apakahadaperbedaandiantarakeempatsampelpadataraf 5% ? Jikabenar, lakukanujilanjutnya.

  35. UjiHEDONIK • Data diolahdenganmenggunakan ANOVA untukRancangan Blok AcakLengkapsamasepertidalamDifference-from-Control Test; sedangkanujilanjutnyadapatmemilihsalahsatuMultiple Comparison Tests, misalnyaujiLSD, Duncan, Tukey, ataupun yang lainnya. • Jikahanya 2 sampel yang diuji, gunakanUjit.

  36. Tabel ANOVA PembacaanTabelNilaiKritik F untuk = 0.05, Untuksampel : v1 = 3 dan v2 = 87 diperolehnilaiFtabel = 2.733 (interpolasi 2.76 – 2.68 pada v2 = 60 – 120).

  37. UJI PEMERINGKATAN(SIMPLE RANKING TEST) • Divisi R & D suatuindustripanganinginmengetahuiperingkatproduksosisnya (A) jikadibandingkandengan 3 produkpesaingnya (B, C, dan D). UjipemeringkatandilakukanuntuktujuantersebutdenganRancangan Blok AcakLengkap(Randomized Complete Block Design) yaiturancangan yang disusunberdasarkanperlakuandanblok (pengelompokanterhadapperlakuan). Ada 13 panelisdimanasetiappanelismemeringkat 1 s/d 4 terhadapatribut rasa dari 4 sampel yang disajikan. Peringkat 1 untuksampel yang paling disukaisedangkanperingkat 4 untuksampel yang paling tidakdisukai. Tidakdiperbolehkanadaperingkat yang sama.

  38. UJI PEMERINGKATAN(SIMPLE RANKING TEST) Uji Friedman digunakanuntukmengolah data karena level datanya adalah Ordinal dan merupakan Randomized Block Design.

  39. FRIEDMAN TEST p = banyaknyapanelis t = banyaknyaperlakuan R = jumlahperingkatsetiapperlakuan Pembacaannilaikritik2menggunakan data = 0.05 dan v = t  1 Nilaikritik2dengan db = 3 padataraf 0.05 adalah 7.81

  40. FRIEDMAN TEST KesimpulanUji Friedman : Nilai T > nilaikritik2jadiberartiadaperbedaanperingkatkesukaandiantarakeempatsampelpadataraf 5 %. Urutan R sampelterbesar – 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 RB – RA = 30 – 20 = 10 < LSDrank → B = A C D B A

  41. Quantitative Descriptive Analysis • Analisis jaring laba-laba (spider web analysis) • Statistika lanjut dengan multivariate analysis

  42. Diagram Laba-laba - paling sederhana ContohKasus Ujikesukaanterhadap 2 produkeskrim (A dan B) yang diikutioleh 7 panelisterlatih. Sebanyak 6 atributditanyakankepadasetiappanelis. Garissepanjang 15 cm digunakanuntuksetiapatribut. Berikutinitabulasi data penilaianketujuhpanelis.

  43. TAMPILAN DATA YANG DIPEROLEH:

  44. RATA-RATA DATA YANG DIPEROLEH:

  45. 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 • Regresiberganda, analisisdiskriminan, analisisfaktor, cluster, principal component analysis (PCA) dll.

  46. KEUNGGULAN MULTIVARIAT • Dapatmenghitunglebih dari duavariabelsecarabersama-sama (simultan) • Banyakpenelitianselalumelibatkanbanyakvariabel • Contoh: perilakukonsumenterhadapprodukbaru akan melibatkanbanyakvariabelspt: harga, motivasibeli, pengaruhlingkungan, kualitasproduk, pendapatan, jenis kelamin, dll.

  47. 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.

  48. 1. ANALISIS FAKTOR • Tujuan: • 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. • Data reduction, membuat sebuah variabel set baru yg dinamakan faktor. Jumlah sampel yg dianjurkan lebih dari 50 sampel.

  49. 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 : • Uji BNT (LSD, Least Significance Difference) • Uji Perbandingan Berganda Duncan (Duncan's Multiple Range Test) • Uji Perbandingan thd Kontrol (uji Dunnett)

More Related