Beruflich Dokumente
Kultur Dokumente
• Home
• Rancob
• Statistika
• Botum
• Tabel
• Makalah
• Tutorial
• Funs
Google Search
Daftar isi»
My Facebook
Abd Syahid
Kategori
• Botum
• Funs
• Home
• Makalah
• Perancangan Percobaan
• Statistika
• Tabel
• Tutorial
Arsip Blog
• Maret (1)
• November (1)
• Oktober (1)
• Juli (6)
• Juni (8)
• Mei (5)
• April (14)
• Maret (15)
Page Rank
widgeo.net
Blogroll
Daftar Buku
Oke, kali ini saya akan menjelaskan tentang Koefisien Keragaman (KK) dan selanjutnya saya
hanya menyebutnya dengan “KK”. KK bisa diartikan sebagai gambaran tentang seberapa jauh
keragaman yg terdapat di dalam suatu populasi pada suatu percobaan. Nilai KK yg dianggap
baik sampai sekarang belum dapat di bakukan karena banyak faktor yg mempengaruhinya.
Tetapi sebagai gambaran awal adalah jika KK semakin kecil berarti derajat ketelitian juga
semakin tinggi dan semakin tinggi pula validitas atau keabsahan dari kesimpulan yang
diperoleh.. Jika KK terlalu kecil akan menyebabkan terlalu banyak perlakuan-perlakuan yg
menonjol, sebaliknya jika terlalu besar akan menyebabkan tidak adanya perlakuan yg menonjol.
Jadi nilai KK yg baik sebenarnya tidak bergantung pada nilainya berapa, tapi yang penting KK
tersebut dapat menonjolkan suatu pengaruh perlakuan yang menonjol secara logis. Jadi anda
tidak perlu khawatir apabila KK percobaan anda besar katakanlah di atas 50% bukan berarti
percobaan anda gagal, tapi dengan catatan anda bisa mengungkapan suatu gambaran logis
mengapa KK anda demikian.
Namun demikian anda juga harus hati-hati dengan KK percobaan anda. Kalau ternyata KK
percobaan anda terlalu besar nanti dikira orang anda tidak teliti dan cermat atau sembarangan
dalam melakukan percobaan. Tapi di sisi lain kalau ternyata KK percobaan anda terlalu kecil
nanti dikira orang anda melakukan “modifikasi” pada data percobaan anda. Tapi itu semua
dikembalikan kepada anda sendiri sejauh anda bisa menerangkan secara logis mengapa KK
percobaan anda demikian.
Sebagai bahan acuan untuk menilai apakah KK percobaan anda termasuk besar, sedang, atau
kecil, berikut saya cantumkan beberapa kriteria KK menurut Kemas Ali Hanafiah, yaitu :
a) KK Besar; Jika nilai KK minimal 10% pada kondisi homogen atau 20% pada kondisi
heterogen.
b) KK Sedang; Jika nilai KK minimal 5 - 10% pada kondisi homogen atau 10 - 20% pada
kondisi heterogen.
c) KK Kecil; Jika nilai KK maksimal 5% pada kondisi homogen atau 10% pada kondisi
heterogen.
Sebagai contoh, misalkan KT galat percobaan anda 17,85 dan rata-rata umumnya dari data
pengamatan anda 50,73. Maka nilai KK-nya adalah :
Pustaka:
1. Gaspersz, Vincent. Metode Perancangan Perancangan Percobaan untuk Ilmu-Ilmu Pertanian,
Ilmu-Ilmu Teknik, Biologi. Bandung. CV. Armico. 1991.
2. Sastrosupadi, Adji. Rancangan Percobaan Praktis untuk Bidang Pertanian. Cetakan Pertama.
Yogyakarta. Kanisius. 1995.
3. Gomez.K.A and Gomez. A.A. Statistical Procedures For Agricultural Research. John Wiley &
Sons, Inc. 1995.
4. Hanafiah. K.A. Rancangan Percobaan: teori dan aplikasi. Cetakan ke-5. PT. Raja Grafindo
Persada. Jakarta Utara. 1991.
5. Sastrosupadi, Adji. Rancangan Percobaan Praktis untuk Bidang Pertanian. Cetakan Pertama.
Yogyakarta. Kanisius. 1995.
Blog Abdulsyahid-forum
abdulsyahid-forum Blog Edukasi & Funs
• Home
• Rancob
• Statistika
• Botum
• Tabel
• Makalah
• Tutorial
• Funs
Google Search
Daftar isi»
My Facebook
Abd Syahid
Kategori
• Botum
• Funs
• Home
• Makalah
• Perancangan Percobaan
• Statistika
• Tabel
• Tutorial
Arsip Blog
• Maret (1)
• November (1)
• Oktober (1)
• Juli (6)
• Juni (8)
• Mei (5)
• April (14)
• Maret (15)
Page Rank
widgeo.net
Blogroll
Daftar Buku
Oke, kali ini saya akan menjelaskan tentang salah rancangan lingkungan yang paling sederhana
yaitu rancangan acak lengkap atau biasa disebut RAL saja. Penggunaan RAL ini akan tepat
apabila bahan percobaan dan kondisi percobaan anda bersifat HOMOGEN. Juga apabila jumlah
perlakuan anda terbatas.
Kelebihan Penggunaan RAL adalah pertama denah perancangan percobaan lebih mudah dan
analisis statistiknya sangat sederhana.
Langkah pertama adalah dengan menggunakan Tabel bilangan acak, maka tentukan terlebih
dahulu nomor urut dari 1 hingga 15 pada satuan-satuan percobaan yang sesuai. Tabel bilangan
acak ini mungkin berbeda-beda pada beberapa referensi buku. Tapi yang penting adalah anda
menggunakan tabel bilangan acak yang jelas referensinya. Di sini saya menggunakan tabel
bilangan acak dari buku Gomez & Gomez.
Langkah kedua adalah tempatkan ujung pensil anda secara sembarang. Misalnya dari
penempatan ujung pensil anda tersebut tepat pada baris ke-21 kolom ke-23.
Langkah ketiga, anda pilih 15 angka dalam susunan 3 digit (mengapa 15 angka? karena jumlah
satuan percobaan kita ada 15), baik secara vertikal (ke bawah atau ke atas) atau horizontal ke kiri
atau ke kanan), misalnya anda tetapkan saja secara vertikal ke bawah.
Berikut saya lampirkan sebagian dari tabel tersebut berikut ini :
Anda perhatikan angka-angka yang saya blok dengan kotak merah berjumlah 15 angka.
Tempatkan ke-15 bilangan acak tersebut pada pada tabel berikut :
Kemudian anda berikan peringkat sesuai dari angka bilangan acak yang terkecil hingga terbesar
seperti pada tabel berikut :
Setelah anda susun peringkatnya, maka anda tentukan satuan-satuan percobaan dengan peringkat
7, 8, 10, 11, dan 6 ditempatkan sebagai perlakuan A, peringkat 15, 14, 5, 1, dan 4 ditempatkan
sebagai perlakuan B, dan peringkat 2, 12, 13, 9, dan 3 ditempatkan sebagai perlakuan C, seperti
terlihat pada tabel berikut :
Langkah terakhir, anda tempatkan perlakuan-perlakuan tersebut pada lay out percobaan anda
dengan prosedur :
Pertama anda buat 15 kotak/petak dan beri nomor 1 hingga 15 seperti pada lay out berikut :
Kemudian anda tempatkan perlakuan-perlakuan sesuai dengan pengacakan yang anda lakukan
tadi seprti pada lay out berikut :
H1 : minimal ada satu τi ≠ 0, untuk i = 1, 2, … ,t atau paling sedikit ada sepasang τi yang tidak
sama.
Statistik Uji :
Kaidah Keputusan :
a. Apabila F Hitung ≤ F tabel 5%, Terima H0, berarti perlakuan tidak berpengaruh nyata, diberi
tanda tn (tidak nyata) atau ns (non significant).
b. Apabila F Hitung ≥ F Tabel 5% tapi ≤ F Tabel 1%, tolak H0 yang berarti perlakuan
berpengaruh nyata (diberi tanda *) atau F Hitung ≥ F Tabel 1%, tolak H0 yang berarti perlakuan
berpengaruh sangat nyata (diberi tanda **)
Pustaka:
1. Gaspersz, Vincent. Metode Perancangan Percobaan untuk Ilmu-Ilmu Pertanian, Ilmu-Ilmu
Teknik, Biologi. Bandung. CV. Armico. 1991.
2. Sastrosupadi, Adji. Rancangan Percobaan Praktis untuk Bidang Pertanian. Cetakan Pertama.
Yogyakarta. Kanisius. 1995.
3. Gomez.K.A and Gomez. A.A. Statistical Procedures For Agricultural Research. John Wiley &
Sons, Inc. 1995.
4. Hanafiah. K.A. Rancangan Percobaan: teori dan aplikasi. Cetakan ke-5. PT. Raja Grafindo
Persada. Jakarta Utara. 1991.
5. Sastrosupadi, Adji. Rancangan Percobaan Praktis untuk Bidang Pertanian. Cetakan Pertama.
Yogyakarta. Kanisius. 1995.
Silahkan baca artikel terkait:
Perancangan Percobaan
10 komentar:
Anonim mengatakan...
Asslkm.
Sangat membantu sekali, apa yang bpk jelas di dlam artikel tersebut, saya belajar dari
NOL mengenai ini, kebetulan skripsi saya menggunakan RANCANGAN PERCOBAAN,
jd saya sangat terbantu sekali, kebetulan wkt ngambil mata kuliah, saya tdk memilih mata
kuliah rancob, saya belajar simulasi & pemodelan, jadi saya tadinya bingung. terimakasih
banyak pak, mudah2an ilmu yang diberikan, akan menjadi kan amalan pahala yang tiada
putus2nya. Amin...
Wslm,
Anonim mengatakan...
Assalm..
Saya mau tanya bgmn rancangannya kl menggunakn rancangan acak misalnya rancangan
acak lengkap untuk industri kayu, tetapi sy mengaplkasikannya pada analisis kovarian.
Untuk anonim, saya mohon maaf sementara ini postingan saya belum nyampe pada
analisis kovarian (masih pengeditan), tapi saya berikan acuan pada anda untuk
mempelajarinya di buku Gaspersz, Vincent. Judulnya Metode Perancangan Perancangan
Percobaan untuk Ilmu-Ilmu Pertanian, Ilmu-Ilmu Teknik, Biologi. Bandung. CV.
Armico. 1991. Bab XII tentang analisis peragam. hal.382. terima kasih
Abdsyahid mengatakan...
mmd mengatakan...
sips...sips...
Hani mengatakan...
Rancangan seperti penjelasan di atas digunakan utk budidaya, kalau rancangan utk
penelitian pengolahan pangan lebih pasnya seperti apa, apakah harus menggunakan
angka bilangan acak juga pak? mohon penjelasannya terimakasin.
To; Hani
Apapun bentuk rancangannya, pengacakan dengan bilangan acak tetap wajib kita
lakukan, karena pengacakan adalah unsur yang wajib ada dalam setiap perancangan
percobaan, apapun bentuk percobaan atau penelitian kita yang menggunakan
perancangan percobaan.
btw: thanks atas kunjungannya ke blog saya yang sederhana ini.
Nabih mengatakan...
hamamania mengatakan...
Apapun bentuk rancangannya, pengacakan dengan bilangan acak tetap wajib kita
lakukan, karena pengacakan adalah unsur yang wajib ada dalam setiap perancangan
percobaan, . saya kok kurang setuju dengan pernyataan penulis yang satu ini. emang
biasanya dalam rancangan percobaan digunakan pengacakan ( yang kemudian disebut
metode acak). namun saya lihat kita juga bisa meninggalkan kewajiban acak ini jika
menggunakan metode fixed ( tertentu) yaitu nilai nilai yang akan kita teliti telah kita
tentukan sebelum dilakukan percobaan. perbedaanya apa? jika menggunakan metode
acak hasil penelitian bersifat general untuk seluruh nilai perlakuan, namun kalo metode
fixed kesimpulan yang didapat hanya diterapkan khusus untuk nilai ditetapkan (tidak
general). kasus bila perlakuan A dengan nilai fixed 0,5 maka bila kesimpulan yang
didapat H0 diterima maka hanya diterima khusus untuk nilai 0,5 sedangkan nilai yang
lain kita tidak tahu karena tidak menggunakan metode acak. sumber Mongomeri
To Hamamamia.
Apa yg anda katakan saya setuju. terima kasih atas tambahan informasinya. Dalam hal
artikel ini maksud saya adalah perancangan dengan model acak. Jadi bersifat general.
Thanks atas kunjungannya.
Poskan Komentar
Terima kasih atas minat anda untuk membaca posting saya, silahkan beri komentar pada posting
ini.
Change Language
Powered by Translate
Related Websites
• Buy Text Links
• Text Link Ads
• Order Text Link Here
•
•
Free Blog Content
About Me
Abdul Syahid
Lihat profil lengkapku
search
Your Ad Here
Pengikut
Advertisement
BAB II LANDASAN TEORI 2.1 Tinjauan Non Statistik Kacang kedelai merupakan
kelompok atau keluarga dari kacang-kacangan. Berdasarkan penelitian yang sudah dilakukan
kacang kedelai mengandung berbagai macam kebaikan gizi. Berbagai macam kandungan nilai
gizi yang terdapat dalam kacang kedelai diantaranya adalah vitamin, karbohidrat, protein dan
lainnya. Untuk mengetahui bagaimana tingkat pertumbuhan tinggi kacang kedelai, maka
digunakan tiga media yang berbeda untuk menanam kacang kedelai yaitu kapas, tanah biasa dan
tanah organik. 2.2 Tinjauan Statistik 2.2.1 Prinsip RAL (Rancangan Acak Lengkap) RAL
(Rancangan Acak Lengkap) merupakan salah satu rancangan yang paling sederhana diantara
rancangan-rancangan percobaan yang baku. Jika ingin mempelajari t buah perlakuan atau
menggunakan total rt satuan percobaan, maka RAL membutuhkan mengalokasikan t perlakuan
secara acak kepada rt satuan percobaan. Pola ini dikenal sebagai pengacakan lengkap atau
pengacakan dengan tiada pembatasan. RAL dipandang lebih berguna dalam percobaan
laboratorium, dalam bebrapa percobaan rumah kaca, atau dalam percobaan pada beberapa jenis
bahan percobaan tertentu yang mempunyai sifat relative homogen. Beberapa keuntungan dari
penggunaan RAL, antara lain: 1) Denah perancangan percobaan lebih mudah. 2) Analisis
Statistika terhadap subjek percobaan sangat sederhana 3) Fleksibel dalam penggunaan jumlah
perlakuan dan jumlah ulangan, dan 4) Kehilangan inforamasi relatif sedikit dalam hal data hilang
dibandingkan rancangan lain.
Penggunaan RAL akan tepat dalam kasus: Bila bahan percobaan homogen atau relatif
homogen. Bila jumlah perlakuan terbatas. 2.3 Pengacakan dan Denah Rancangan Pengacakan
adalah suatu proses yang membuat hukum-hukum peluang dapat ditetapakan sehingga analisis
data menjadi sahih. Melalui pengacakan setipa satuan percobaan mempunyai peluang yang sama
untuk menerima suatu perlakuan. Pengacakan dapat dikerjakan dengan cara undian (lotere) atau
menggunakan tabel angka acak. 2.4 Statistika Deskriptif Analisis Deskriptif yaitu analisis yang
berhubungan dengan pengumpulan dan peringkasan data, serta penyajian data sehingga dapat
memberikan informasi yang diinginkan. Statistik Deskriptif dapat menjelaskan dan
menggambarkan karakteristik data yaitu dengan rata-ratanya, seberapa jauh data bervariasi dan
sebagainya. Dalam statistika deskriptif tidak sampai pada penarikan kesimpulan, tetapi sampai
pada tingkat memberikan suatu bentuk ringkasan data sehingga dapat dipahami informasi yang
terkandung dalam data. Tahap I Ukuran Pemusatan Setelah pengumpulan data tentunya ingin
mengetahui bagaimana karakteristik data yang diperoleh. Dari data yang telah dikumpulkan
dicari informasinya sehingga dapat menjelaskan data secara keseluruhan. Untuk keperluan
tersebut dalam statistika dikenal sebagai Ukuran Pemusatan dan Ukuran Penyebaran sebagai
kecukupan Statistika. Ukuran Pemusatan merupakan gambaran atau informasi yang memberikan
penjelasan tentang karakteristik data dan bahwa data memiliki satu atau lebih titik
pemusatannya. Ukuran-ukuran pemusatan yang sering digunakan antara lain: 1. Median Median
adalah suatu nilai data yang membagi dua sama banyak kumpulan data yang telah diurutkan.
Apabila banyaknya data ganjil maka median adalah
kar dari ragam dikenal dengan simpangan baku yang dinotasikan dengan
sedangkan simpangan baku sampel dinotasikan dengan s. 2.5 Model Linier dan
Analisis Ragam untuk RAL RAL (Rancangan Acak Lengkap) merupakan salah satu
rancangan yang paling sederhana diantara rancangan-rancangan percobaan yang
baku. Jika ingin mempelajari t buah perlakuan atau menggunakan total rt satuan
percobaan, maka RAL membutuhkan mengalokasikan t perlakuan secara acak
kepada rt satuan percobaan. Pola ini dikenal sebagai pengacakan lengkap atau
pengacakan dengan tiada pembatasan. Dalam RAL, data percobaan diabstraksikan
melalui model : Model : Yij = µ1 + ∈ij Dimana : Yij = Hasil pengamatan pada
treatmen ke-i, dan blok ke-j µ = Overall mean ε ij = Random error dengan asumsi
IIDN (0, 2) 2.6 Uji Kenormalan Data Dalam menguji kenormalan data digunakan
data hasil pengamatan terhadap rasa baso. Apabila plot sudah mendekati garis
linier, dapat dikatakan bahwa data tersebut memenuhi asumsi yaitu berdistribusi
normal. Uji kenormalan data dapat juga dilihat dari nilai P-Value yang diperoleh dari
hasil uji Kolmogorov Smirnov, nilai P-Value dibandingkan dengan nilai α . Hipotesis :
H0 : Residual berdistribusi normal H1 : Residual tidak berdistribusi normal α = Taraf
nyata yang digunakan (0.05) Daerah kritis : Tolak H0, jika nilai P-Value < α 2.7 Uji
Kehomogenan Ragam Dalam melakukan suatu eksperimen terhadap sesuatu hal,
harus memeriksa varians dari beberapa kelompok treatmen (perlakuan) yang ada.
Apakah kelompok treatmen tersebut sudah homogen atau tidak. Pemeriksaan
Tidak ada kontrol lokal; yang diamati hanya pengaruh perlakuan dan galat saja.
Sesuai untuk meneliti masalah yang kondisi lingkungan, alat, bahan dan
medianya homogen atau untuk kondisi heterogen yang kasusnya tidak
memerlukan kontrol lokal, misalnya masalah erosi yang kisaran pengaruhnya
besar.
Randomisasi
Bagan percobaan
Contoh dengan A 13 A 12 A 31
jumlah unit
percobaan = t x r
= 4 x 3 = 12 A 01
A 11 A 02 A 03 A 32
A 33 A 22 A 21 A 23
Biasanya kalau mendapat saran dosen bimbing untuk menggunakan metode hitungan (statistik),
langsung timbul 'bad mood'. Jangankan cepat-cepat membuat proposal, minat untuk
makan/minum atau tidur pun jadi berkurang. Tekanan darah jadi meningkat alias stress
(terkadang sampai merepotkan dokter di poliklinik). Bahkan ada yang mengalami 'ketakutan
terhadap statistik' (mungkin 'Tastatophobia'=Taruna-Statistik phobia), alasannya dulu dosennya
galak ('killer') dan menyeramkan karena sering memberi banyak tugas , kalo buat soal kadang
jawabannya baru selesai 2 hari atau jumlah yang harus 'remedial' pasti lebih dari jumlah soal
waktu ujian.
Padahal, statistik adalah bagian dari kehidupan. Di rumah atau di asrama, sepertinya tidak jauh
dari yang namanya 'eksak terapan' ini. Contohnya, untuk ke ruang makan saja kita sudah
menggunakan 'teori peluang' (menunya enak atau tidak) dan akan lebih banyak lagi prilaku yang
menggunakan statistik.
RANCANGAN FAKTORIAL
Posted on Oktober 22, 2009 by smartstat
Pendahuluan
Pada pembahasan sebelumnya kita sudah mendiskusikan mengenai pengaruh perlakuan tunggal
terhadap respons tertentu. Perlakuan tunggal tersebut dinamakan faktor, dan taraf atau level dari
faktor tersebut dinamakan taraf. Faktor disimbolkan dengan huruf kapital sedangkan taraf dari
faktor tersebut disimbolkan dengan huruf kecil. Apabila secara serempak kita mengamati
pengaruh beberapa faktor dalam suatu penelitian yang sama, maka percobaan tersebut
dinamakan dengan percobaan faktorial.
Percobaan faktorial adalah suatu percobaan yang perlakuannya terdiri atas semua kemungkinan
kombinasi taraf dari beberapa faktor. Percobaan dengan menggunakan f faktor dengan t taraf
untuk setiap faktornya disimbolkan dengan percobaan faktorial ft. Misalnya, percobaan faktorial
22 artinya kita menggunakan 2 faktor dan taraf masing-masing faktornya terdiri dari 2 taraf.
Percobaan faktorial 22 juga sering ditulis dalam bentuk percobaan faktorial 2×2. Penyimbolan
yang terakhir sering digunakan untuk percobaan faktorial dimana taraf dari masing-masing
faktornya berbeda, misalnya 2 taraf untuk faktor A dan 3 taraf untuk faktor B, maka
percobaannya disebut percobaan faktorial 2×3. Percobaan faktorial 2x2x3 maksudnya percobaan
faktorial yang terdiri dari 3 faktor dengan taraf untuk masing-masing faktornya berturut-turut 2,
2, dan 3. Dengan demikian, dalam percobaan faktorial, ada dua tahap yang perlu dilakukan,
pertama yaitu rancangan perlakuannya, seperti yang sudah diuraikan sebelumnya, dan
selanjutnya tahap pemilihan rancangan lingkungannya yaitu yang menyangkut bentuk desain
percobaan seperti RAL, RAKL, RBSL, Split-plot, Split-Blok.
Tujuan dari percobaan faktorial adalah untuk melihat interaksi antara faktor yang kita cobakan.
Adakalanya kedua faktor saling sinergi terhadap respons (positif), namun adakalanya juga
keberadaan salah satu faktor justru menghambat kinerja dari faktor lain (negatif). Adanya kedua
mekanisme tersebut cenderung meningkatkan pengaruh interaksi antar ke dua faktor. Interaksi
mengukur kegagalan dari pengaruh salah satu faktor untuk tetap sama pada setiap taraf faktor
lainnya atau secara sederhana, Interaksi antara faktor adalah apakah pengaruh dari faktor tertentu
tergantung pada taraf faktor lainnya? Misalnya apabila pengaruh sederhana N sama pada setiap
taraf pemberian pupuk P maka kedua faktor tersebut saling bebas (independent) dan dikatakan
tidak ada interaksi, sedangkan apabila pemberian N memberikan pengaruh yang berbeda pada
setiap taraf dari P, maka dikatakan terjadi interaksi antara Faktor N dan Faktor P.
Sebagai contoh, apabila kita ingin mengamati pengaruh pemberian Nitrogen (N) yang terdiri dari
2 taraf (n0, dan n1) dan pemberian fosfor (P) yang terdiri dari 2 taraf (p0, p1) terhadap respons
tertentu, dengan hasil sebagai berikut:
Perkiraan pengaruh interaksi dan pengaruh utama dari rata-rata perlakuan dapat dihitung dengan
formula berikut:
Pengaruh Interaksi:
Pengaruh sederhana ini diperlukan oleh pengguna (petani, misalnya), apabila dia hanya
membatasi pada penggunaan taraf tertentu dari salah satu faktor. Misalnya, apabila petani ingin
melihat perbedaan pengaruh N pada setiap taraf pemupukan P, pengaruh sederhana N pada taraf
p0 = 8 dan pada taraf p1 = 9.
Perbedaan antara pengaruh sederhana dan interaksi secara grafis dapat divisualisasikan sebagai
berikut:
Perbedaan antara pengaruh utama dan Interaksi
Kemungkinan yang bisa terjadi antara pengaruh utama dan interkasi disajikan pada Tabel
berikut:
Sumber
1 2 3 4 5 6 7 8
Keragaman
A tn * tn * tn * tn *
B tn tn * * tn tn * *
AxB tn tn tn tn * * * *
Keuntungan:
1. Lebih efisien dalam menggunakan sumber-sumber yang ada
2. Informasi yang diperoleh lebih komprehensif karena kita bisa mempelajari pengaruh
utama dan interaksi
3. Hasil percobaan dapat diterapkan dalam suatu kondisi yang lebih luas karena kita
mempelajari kombinasi dari berbagai faktor
Kerugian: