TRANSFORMASI DATA

DEFINISI

Merupakan Suatu Proses Untuk Merubah Bentuk

Data Sehingga Data Siap Untuk Dianalisis

Untuk mengubah skala pengukuran data asli

menjadi bentuk lain sehingga data dapat
memenuhi asumsi-asumsi yang mendasari
analisis ragam.

MACAM-MACAM TRANSFORMASI
DATA

Pada umumnya yang digunakan adalah :

Transformasi Logaritma
Transformasi Akar Kuadrat
Transfromasi Arcus Sin

Transformasi Logaritma

Digunakan untuk data yang mempunyai simpangan baku proporsional

terhadap nilai tengahnya atau tidak memenuhi asumsi pengaruh aditif

Syarat dalam penggunaan Transformasi Logaritma:

1. Bila data asli X maka X adalah hasil transformasi, dimana X = Log X
2. Nilai sebaran data < 10 atau mendekati nol, maka X= Log X + 1
3. Data banyak mengandung nilai nol, sebaiknya gunakan transformasi lain,
misalnya transformasi akar kuadrat
4. Data banyak yang mendekati nol (misalnya bilangan desimal), maka
X = Log 10X

Hasil percobaan berupa populasi H. armigera per petak seperti pada tabel
berikut ini :

SYARAT PERTAMA

Dan hasil analisis ragam data asli adalah berikut ini :

Hasil pengujian BNT5% terhadap

data asli sebagai berikut :

Berikut ini adalah data hasil transformasi dari data asli :

Dan hasil analisis ragam dari data transformasi

adalah berikut ini :

Hasil pengujian BNT5% terhadap

data transformasi sebagai berikut :

Apabila kedua hasil uji BNT5% digabungkan, maka akan tampak

perbedaan hasil analisis pengujian dari kedua data tersebut seperti berikut
ini :

Dari tabel di atas terlihat adanya perbedaan hasil pengujian antara data
asli dengan data transformasi dimana perlakuan Ha NPV-Asb dan Ha
NPV-Tub yang tadinya tidak berbeda nyata tetapi setelah data
memenuhi asumsi analisis ragam kedua perlakuan tersebut berbeda
nyata.

Transformasi Akar Kuadrat

Digunakan untuk untuk data yang ragamnya cenderung proporsional

dengan nilai tengahnya atau tidak memenuhi asumsi kehomogenan ragam,
Digunakan juga untuk data persentase dengan kisaran 0-30%

Syarat dalam penggunaan Transformasi Akar Kuadrat:

1. Nilai sebaran data 0 - 10, maka X= (X + 0,5)
2. Nilai ragam data lebih kecil, maka X = (X + 1)
3. Nilai sebaran antara 0 30%, jika kebanyakan nilainya kecil (khususnya
jika ada nilai 0), maka X = (X + 0,5)

Hasil percobaan berupa populasi H. armigera pada tanaman umur 90 hari

seperti pada tabel berikut ini :

SYARAT PERTAMA

Dan hasil analisis ragam data asli adalah berikut ini :

Hasil pengujian BNT5% terhadap

data asli sebagai berikut :

Berikut ini adalah data hasil transformasi dari data asli :

Dan hasil analisis ragam dari data transformasi

adalah berikut ini :

Hasil pengujian BNT5% terhadap

data transformasi sebagai berikut :

Apabila kedua hasil uji BNT5% digabungkan, maka akan tampak

perbedaan hasil analisis pengujian dari kedua data tersebut seperti berikut
ini :

Dari tabel di atas terlihat adanya perbedaan hasil pengujian antara data
asli dengan data transformasi dimana perlakuan A dan B yang tadinya
tidak berbeda nyata tetapi setelah data memenuhi asumsi analisis
ragam terlihat semua perlakuan berbeda nyata satu sama lainnya.

Transfromasi Arcus Sin

Digunakan pada data proporsi atau persentase yang diperoleh dari nisbah
jumlah data

Syarat dalam penggunaan Transformasi Arcus Sin :

1. Apabila data asli anda menunjukkan sebaran nilai antara 30% - 70%, tidak
memerlukan transformasi.
2. Apabila data asli anda menunjukkan sebaran nilai antara 0% - 30% dan
70% - 100%, maka lakukan transformasi arcsin.
3. Apabila data anda banyak yang bernilai nol, maka gunakan transformasi
arcsin akar (% + 0,5).

Hasil hasil pengamatan dari percobaan lima macam fungisida A, B, C, D, dan E untuk
pengendalian cendawan Rhizoctinia pada tanaman kenaf. Persentase serangan yang
diamati seperti pada tabel berikut ini :

SYARAT KEDUA

Dan hasil analisis ragam data asli adalah

berikut ini :

Hasil pengujian BNT5% terhadap

data asli sebagai berikut :

Berikut ini adalah data hasil transformasi dari data asli :

Dan hasil analisis ragam dari data transformasi

adalah berikut ini :

Hasil pengujian BNT5% terhadap

data transformasi sebagai berikut :

Apabila kedua hasil uji BNT5% digabungkan, maka akan tampak

perbedaan hasil analisis pengujian dari kedua data tersebut seperti berikut
ini :

Dari tabel di atas terlihat adanya perbedaan hasil pengujian antara data
asli dengan data transformasi dimana perlakuan A dan B yang tadinya
tidak berbeda nyata tetapi setelah data memenuhi asumsi analisis
ragam kedua perlakuan tersebut berbeda nyata. Begitu juga dengan
perlakuan D da E.

KESIMPULAN

Transformasi data mengubah data dari data yang

tidak mengikuti sebaran normal dengan keragaman
antar perlakuan tidak homogen menjadi mengikuti
sebaran normal dengan keragaman antar
perlakuan menjadi homogen (menyediakan data
baru dengan sebaran yang lebih setangkup).