MISSING DATA AND

DATA TRANSFORMATION
ANALYSIS (full package)

Asisten rancob 2022

.... .- .-.. --- ... . -- ..- .- -- .- ... .. .... ... . .... .- - -.- .- .... --..--
-- .- ... .. .... ... .- -. --. --. ..- .--. -... . .-. -- .- .. -. -.. . -. --. .- -. .-. .- -. -.-. --- -...
Pendahuluan

 Pada suatu percobaan akan ada suatu kondisi yang terkadang tidak dapat
diatasi oleh si pengamat atau terdapat kesalahan yang tidak disengaja, yang
dapat menyebabkan kehilangan data
 Hal-hal tersebut adalah
 Perlakuan yang tidak tepat (kadar aplikasi salah sehingga menyebabkan objek tidak
normal)
 Kerusakan tanaman akibat, lingkungan, hama, penyakit atau manusia
 Bagian dari sample pengamatan hilang
 Data tidak logis
 karena untuk melakukan analisa ragam diperlukan data yang lengkap, maka
data hilang tersebut harus dicari melalui estimasi dengan metode-metode
tertentu
 Bisa dengan mengulang penelitian atau dengan beberapa metode untuk
estimasi data hilang seperti
 Metode yates (yates correction)  untuk rancangan tunggal (except RAL)
 Metode kovarian/analisa peragam
 Metode bootstrap, dan fraksional  untuk rancangan faktorial
Data Hilang Pada RAL

 Khusus untuk RAL pendekatan untuk mencari data hilangnya menggunakan

analisa varian RAL dengan ulangan tidak sama
 Berikut contoh analisa data hilang RAL dg metode RAL ulangan tidak sama
RAL dg ulangan tak lagi sama

Ulangan
Perlakuan Total Rata-rata
1 2 3 4
A 7 6 7 -C 20 6,67
B 8 -A 11 12 31 10,33
C 9 8 10 11 38 9,5
D 12 -B 14 -D 26 13
E 6 10 7 6 29 7,25
TOTAL 42 24 49 29 144

A,B,C,D adalah data yang hilang

Analisa varian
 FK =
 JKP = -FK = {(20+(31+(382/4)+(262/2)+(292/4)}-1296= 66,92
 JKT = (Yij)2-FK = {(72+82+92+122+62+62+.......+62)-1296 = 94
 JKG = JKT-JKP = 94-66,92= 27,08
 Hitung
 db perlakuan = (t-1) = 5-1 = 4
 Db galat = (ni-1) = (3-1)+(3-1)+(4-1)+(2-1)+(4-1)= 11
 Db total = (ni)-1 = 16-1 = 15
SK DB JK KT FHIT F TABEL 5% F TABEL 1%
PERLAKUAN 4 66,92 16,73 6,79 ** 3,36 5,67
GALAT 11 27,08 2,46
TOTAL 15 94

Untuk uji lanjut rumusnya adalah

BNT α = t(α; db galat, v).

BNJ α = q (α; p ; db galat)

DMRT α = R (α, p, db galat).

Cara uji lanjut BNT pada RAL ulangan
tak sama
 Urutkan rataan kecil ke besar (soal diatas urutannya, A,E,C,B,D)
 Hit. Nilai BNTnya (utk kasus ul.tak sama nilai BNT tidak hanya 1, tapi
sejumlah nilai yang akan dibandingkan) lihat contoh
 Pembandingan A vs E
 BNTnya adalah= t(0,05, 11).=2,64
 Pembandingan A vs C
 BNTnya adalah= t(0,05, 11).=2,64
LANJUTAN
 Pembandingan E vs C
 BNTnya adalah= t(0,05, 11).=2,44
 Pembandingan E vs B
 BNTnya adalah= t(0,05, 11).=2,64
 Pembandingan C vs B
 BNTnya adalah= t(0,05, 11).=2,64
 Pembandingan C vs D
 BNTnya adalah= t(0,05, 11).=2,99
 Pembandingan B vs D
 BNTnya adalah= t(0,05, 11).=3,15
 Cara notasinya
A vs E A vs C E vs C E vs B C vs B C vs D B vs D NOTASI
FINAL

A 6,67 A 6,67 E 7,25 E 7,25 C 9,5 C 9,5 B 10,33 A 6,67

a a b b c c d a

E 7,25 C 9,5 C 9,5 B 10,33 B 10,33 D 13 D 13 E 7,25

a b b c c d d ab

BNT = 2,64 BNT = 2,64 BNT = 2,44 BNT = 2,64 BNT = 2,64 BNT = 2,99 BNT = 2,99 C 9,5
bc

B 10,33
cd

D 13 d
DATA HILANG RAK
 X=
X = data yang hilang
t = jumlah perlakuan
r = jumlah ulangan
B0 = jumlah nilai per ulangan yang mengandung data hilang
T0 = jumlah nilai per perlakuan yang mengandung data hilang
G0 = grand total
Langkah-langkahnya

 Hitung nilai estimasi data yang hilang dengan rumus

 Masukkan nilai estimasi pada tabulasi data untuk analisa varian
 Hitung varian sementara
 Lalu hitung nilai bias
 Kurangi JKp dan JKT dengan nilai bias
 Kurangi dbG dan dbT dengan banyaknya data yang hilang
 Hitung anova sesungguhnya
 Bandingkan
 Uji lanjut bila nyata (standar deviasi utk BNT lihat dibawah)
SATU DATA PENGAMATAN HILANG u/ RAK

Perla Kelompok Total

kuan 1 2 3 4

1 9 6 - 4 19
2 8 7 14 5 34
3 11 9 15 6 41
4 14 11 16 8 49
Total 42 33 45 23 143

Setelah didapat nilai yg

hilang hitung anovanya
Anova RAK (dengan satu nilai duga data hilang)

S.K. d.b. J.K. K.T. Fhitung

Kelompok 3 165,5 55,167 88,267
Perlakuan 3 44,5 14,833 23,733 **
Galat 8 5,0 0,625
Total 14 214,0

DATA YANG
DIGUNAKAN
lanjutan

 X1,3 Nilai dugaan yang menggantikan data hilang

 Menghasilkan :
 JKG percobaan paling kecil (minimum)
 JKP Berbias positif (lebih tinggi dari sebenarnya)
Besar bias:

JKP tak berbias = 44,5-3 = 41,5------------ KTP terkoreksi =41,5/3 = 13,83

Fhit = 13,83/0,625 =22,13......................tidak mengubah interpretasi awal
Dua data yang hilang pada RAK

Perlakuan Kelompok Total 

Data awal saat ada
Original value
I II III missing data

A a 8,00 7,93 15,93 Yi

B 8,14 8,15 7,87 24,16
C 7,76 b 7,74 15,50 T
D 7,17 7,57 7,80 22,54
E 7,46 7,68 7,21 22,35

Total 30,53
c 31,40 38,55 100,48 G

Yj B

Data hilang lebih dari 1 → proses pendugaan/pencariannya berulang-ulang

Tahapan penyelesaian
1. Dugalah a dengan
NILAI a0/a

2. Dengan begini seolah hanya ada 1 nilai hilang

Yaitu b--------------- n: 3, t: 5, T: 15,5, B: 31,4, G: 100,48+7,8=108,28
n=ulangan
t=perlakuan
Lanjutan..........
(3). Dengan diketahui nilai b1 = 7,93 → sekarang seakan-akan
hanya ada 1 nilai yang hilang yaitu a.

n = 3 dan t = 5
B = 30,53 a1=
T = 15,93
G = 100,48 + 7,93 = 7,85
= 108,41

(4). Dengan nilai a1 = 7,85 → dicari b2

n = 3 dan t = 5 b2=
B = 31,40 T = 15,50
G = 100,48 + 7,85 = 7,92
= 108,33
lanjutan

(5). Dengan nilai b2 = 7,92 → dicari a2 .

n = 3 dan t = 5
B = 30,53 a2=
T = 15,93
G = 100,48 + 7,92 = 7,86
= 108,40

(6). Perhatikan:
b1 = 7,93 Selisih 0,01
b2 = 7,92 Beda cukup
kecil
Maka pencarian
a1 = 7,85 dihentikan
a2 = 7,86 Beda cukup
kecil
Jadi yang dipakai adalah:  a=7,86 (a2); b=7,92 (b2)
Masukkan nilai yg didapat

Data setelah missing

 Complete value data terisi

Perlakuan Kelompok Total

I a2 II III
A 7,86 8,00 7,93 23,79
B 8,14 8,15 b2 7,87 24,16
C 7,76 7,92 7,74 23,42
D 7,17 7,57 7,80 22,54
E 7,46 7,68 7,21 22,35
Total 38,39 39,32 38,55 116,26
Penyelesaian perhitungan
Hit dengan data missing

1. JKT (org. value) = (82+7,932+.....+7,212)- 100,482/13= 1,1679

JKK (org. Value) = (30,532/4+31,42/4+38,552/5)-FK = 0,0976
2. JKT (comp. Value) = (7,862+82+........+7,212)- 116,262/15 =1,2145
Hit dengan data lengkap
JKK (comp. Value) = (38,392+.....+38,552)/5- FK = 0,098
JKP (comp. Value) = (23,792+......+22,352)/3- FK = 0,82
JKG (comp. Value) = 1,2145-0,098-0,82 = 0,295
3. JKP terkoreksi = JKT (org.value)-JKK (org. Value)-JKG (comp.value)
= 1,167-0,097-0,29
= 0,7756
Anova RAK dua data hilang dengan JKP terkoreksi

S.K. d.b. JK K.T. Fhitung F tabel

0,05 0,01
Kelompok (comp.val.) 2 0,0989 0,0495 1,01
Perlakuan (terkoreksi) 4 0,7756 0,1939 3,95 4,53 9,15
Galat (comp.val.) 6 0,2947 0,0491

Total (comp.val.) 12
(u-1)(p-1)= (3-1)(5-1)=8

8-2 Banyaknya data yang hilang

14-2
(p*u)-1= (5*3)-1=14
Uji lanjut nya, misal BNT= tα x
Data hilang RBSL

 X=

 : jumlah perlakuan
 R0 : jumlah total pada baris yang datanya hilang
 C0 : jumlah total pada kolom yang datanya hilang
 G0 : grand total
contoh

BARIS Hasil biji ton/ha Total baris

Kolom 1 Kolom 2 Kolom 3 Kolom 4
1 1,640 B 1,210 D 1,425 C 1,345 A 5,62
2 1,475 C 1,185 A 1,400 D 1,29 B 5,35
3 1,670 A 0,710 C 1,665 A 1,18 D 5,225
4 1,565 D 1,290 B XB 0,66 C 3,515
TOTAL 6,350 4,395 4,49 4,475
 KOLOM
=1,567
TOTAL 19,71
 Hitung anova sementara dengan data yang baru diestimasi
 Kurangi JKA, JKB dan JKT dengan nilai bias berikut
 Hitung nilai F hitung baru setelah JK perlakuan dan totalnya dikurangi dengan
nilai bias (lanjut interpretasi)
 Db total dan galat harus dikurangi dengan sejumlah data hilang
 Uji lanjut nya, misal BNT= tα x
Data hilang pada split plot

 X=

 : jumlah perlakuan anak petak

 r : jumlah ulangan
 M0 : jumlah total khusus petak utama yang datanya hilang
 T0 : jumlah total pada perlakuan kombinasi yang datanya hilang
 P0 : jumlah total pada perlakuan petak utama yg datanya hilang
Berikut Standar eror untuk nilai uji
BNTnya (saat ada data hilang)
 NORMALITAS,
HOMOGENITAS dan
TRANSFORMASI DATA
 Uji Kenormalan dan Homogenitas Data

 Sebelum menentukan bahwa suatu data yang kita miliki harus ditransformasi
atau tidak maka harus diketahui dulu tentang kenormalan data dan
homogenitas datanya. (jika sudah normal dan homogen tidak perlu
transformasi)
 Berikut beberapa cara untuk uji normalitas dan homogenitas suatu data
1. Uji Liliefors
Uji ini menggunakan data yang belum diolah kedalam tabel distribusi frekuensi. Data
ditransformasikan ke dalam nilai Z untuk dapat dihitung luasan kurva normal sebagai
probabilitas kumulatif normal.
Lanjutan
 Langkah-langkah uji nya adalah
 Membuat tabel 7 kolom
 Masukkan nilai dalam tabel
 Mencari nilai Z score dg rumus Z=(Xi-mean)/SD
 Menentukan Z tabel
 Menentukan S(x) =f kum:N
 Menghitung harga liliefors, Lh=|F(x)-S(x)|
 Mencari nilai liliefors terbesar sebagai Lhitung
 Menentukan harga liliefors tabel (Lt) dengan rumus = (a,n)
 Jika nilai Lh <>Lt maka data berdistribusi normal
 Jika nilai Lh > Lt maka data tidak berdistribusi normal
Contoh uji liliefors
 Data
 96, 106,106, 102, 98, 84, 106, 94, 103, 106, 102, 84, 92, 94, 99, 80, 106, 102, 99, 96, 87, 98, 92, 98, 88,
88, 96, 99, 87, 98, 100, 103, 86, 99, 90, 98, 103, 95, 100, 92
 Tentukan mean = 96,3, SD = 6,918
 Buat tabel seperti ini
Uji chi square

 Metode X2 ini disebut juga uji Goodness of fit distribusi normal

 Uji ini mengharuskan data tersusun atas kelompok distribusi frekuensi
 Cocok untuk data n > 30
 Signifikansi jika X2 hit < nilai X2 tabel, H0 diterima, jika X2 hit > X2 tabel H0
ditolak
Uji homogenitas data
Uji Bartlet
Contoh uji bartlet
Transformasi Data
Proses konversi data dalam skala baru agar memenuhi homogenitas ragam dan sebaran data menjadi
normal sehingga mendukung analisis data untuk mencapai penelitian atau riset yang objektif.

• Data yang perlu ditransformasikan adalah data yang akan dianalisis ragam.
• Data hasil pengukuran adalah data yang dapat dianalisis langsung.
• Transformasi data  bias data tidak terlalu besar.

Syarat suatu data dapat dianalisis ragam

1. Pengaruh Aditif
Pengaruh dari faktor perlakuan (τi) dan lingkungan (βj) dan galat (εij) bersifat aditif,
maksudnya tinggi rendahnya respons semata-mata akibat dari pengaruh penambahan perlakuan
dan atau kelompok.

Pernyataan tsb dpt ditunjukkan dari “model matematika” setiap “rancangan percobaan” yang
disebut “model aditif linier”
Contoh data

 Aditif  Multiplikatif
Ulangan Ulangan
Pengaruh Pengaruh
Perlakuan Ulangan Perlakuan Ulangan
1 2 (1-2) 1 2 (1-2)

A 180 120 60 A 90 180 90

B 160 100 60 B 100 200 100
Pengaruh Pengaruh
Perlakuan 20 20 Perlakuan 10 20
(A-B) (A-B)
2. Kebebasan Galat
Galat suatu pengamatan dikatakan bebas apabila tidak berkaitan dengan
atau tidak tergantung pada yang lain. Asumsi tersebut dapat terjamin dengan
pengacakan yang tepat (yaitu perlakuan ditempatkan secara acak dalam satuan
percobaan).

3. Heterogenitas Ragam dan Ketidaknormalan Sebaran Data

Biasanya apabila data bersifat aditif, maka data tersebut mempunyai
ragam yang homogen  sebaran data normal.
Sebaliknya apabila data bersifat tidak aditif, maka data tersebut
mempunyai ragam yang heterogen  sebaran data tidak normal.
MACAM-MACAM TRANSFORMASI DATA
Transformasi data memiliki banyak cara tapi yang paling sering
digunakan ada 3 yaitu:
Terdapat 3 macam yang paling umum digunakan :

1.Transformasi logaritma
2.Transformasi akar kuadrat
3.Transformasi arc sin
Transformasi logaritma

 Sesuai untuk data yang memiliki simpangan baku sebanding dengan rata-rata atau dimana
pengaruhnya kelipatan.
 Keadaan tsb umumnya diperoleh bila data merupakan bila ngan bulat dan mencakup wilayah
yang lebar.
 Data mengenai banyaknya serangga per petak atau banyaknya telur per tanaman (atau
persatuan luas) merupakan contoh jenis ini.

 Apabila gugus data hasil pengamatan adalah Xi, maka sebelum dianalisis varian
semua data ditransformasi dengan logaritma, atau
X = Log Xi
 Apabila gugus data nilainya kecil (<10) maka digunakan
X = Log (Xi+1)
Contoh: data pengatamatan jumlah telur serangga X pertanaman yang diberi perlakuan A, B dan C
lanjutan

Ulangan Ulangan
Perlakuan Perlakuan
1 2 3 1 2 3
A 45 46 48 A 1.65 1.66 1.68
B 66 70 71 B 1.82 1.85 1.85
C 23 24 30 C 1.36 1.38 1.48
 Transformasi akar kuadrat
 Untuk data bilangan bulat kecil, seperti
data yang diperoleh dari menghitung
kejadian yang jarang
Contoh :
 Banyaknya tanaman terkena penyakit per
petak
 Banyaknya serangga yang tertangkap dalam
perangkap
 Banyaknya gulma per petak
 Untuk data persentase yang kisarannya 0- Ulangan Ulangan
Perlakuan Perlakuan
30% atau 70-100% 1 2 3 1 2 3
 Apabila gugus data hasil pengamatan adalah
Xi, maka sebelum di analisis varian semua
A 89 90 91 A 9.43 9.49 9.54
data ditransformasi dengan diakarkan, atau B 77 78 82 B 8.77 8.83 9.06
X = √ Xi C 86 86 70 C 9.27 9.27 8.37
 Apabila gugus datanya banyak yang nilainya
kecil (<10) terutama angka 0, digunakan
X = √ (Xi + 0,5)

Contoh: data persentase perkecambahan benih

X setelah penambahan hormon A, B dan C
Transformasi Arc sin
 Disebut juga transformasi sudut
 Untuk data pembandingan
 Untuk data yang diperoleh dengan penghitungan
 Untuk data yang dinyatakan sebagai desimal atau persentase (yang berasal dari
pembandingan), dengan kisaran 0-100%
 Digunakan tabel transformasi arc sin (ada tabelnya), atau gunakan computer
 Nilai 0% digantikan (1/4n) dan nilai 100% diganti (100-1/4n), di mana n adalah
banyaknya satuan yang data persentase tersebut dibuat (atau penyebut yang
digunakan dalam menghitung persentase)
 Transformasi bila data berkisar 0-30% dan atau 70-100%
 Rumus excel =ASIN(SQRT(Data Asli/100))*180/PI()
lanjutan
 Contoh

• Data persentase serangga yang hidup dalam percobaan varietas padi. Pada setiap individu
tanaman disungkup dan diinfestasikan 75 serangga dan jumlah serangga yang tetap hidup dalam
periode waktu tertentu dihitung.

• Tranformasi arc sin digunakan karena persentase data berkisar antara 0 sampai 100

• Sebelum transformasi, nilai 0 diganti dengan [1/4(75)] dan nilai 100 diganti dengan {100-
[1/4(75)]}.

• Hasil transformasi arc sin dari contoh di atas: (n = 75)

⊸ buat desimalnya
⊸ cari nilai akar dari desimal pada poin 1
⊸ masukkan ke rumus arcsin
Rumus: arcsin(√y)
Jika di kalkulator maka syntax sin
Jika di excel maka = degrees(asin(nilai pada poin 2))
 Ulangan
Perl
Ulangan Perl
1 2 3 1 2 3
A 44.00 25.33 100.00 A 41.55 30.22 89.67
B 0 0 0 B 0.33 0.33 0.33
C 21.33 49.33 80.00 C 27.51 44.62 63.43
 Catatan penting:

• Data hasil transformasi hanya diperlukan untuk analisis ragam

• Pada laporan/pembahasan, data yang ditulis adalah data asli (tanpa

transformasi)
 THANK YOU

 .--. . .-.. .- .--- .- .-. .. .--. . .-. .-.. .- .... .-

-. .-.. .- .... .- -. ... . -- --- --. .- .--. .- .... .- --
-.. .- -. -... . .-. -.- .- .... .. .-.. -- ..- -. -.-- .-
.- -.. .. -.- .- -.. .. -.-