Anda di halaman 1dari 17

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).