DATA TRANSFORMATION
ANALYSIS (full package)
.... .- .-.. --- ... . -- ..- .- -- .- ... .. .... ... . .... .- - -.- .- .... --..--
-- .- ... .. .... ... .- -. --. --. ..- .--. -... . .-. -- .- .. -. -.. . -. --. .- -. .-. .- -. -.-. --- -...
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
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
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
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
DATA YANG
DIGUNAKAN
lanjutan
Total 30,53
c 31,40 38,55 100,48 G
Yj B
n = 3 dan t = 5
B = 30,53 a1=
T = 15,93
G = 100,48 + 7,93 = 7,85
= 108,41
n = 3 dan t = 5 b2=
B = 31,40 T = 15,50
G = 100,48 + 7,85 = 7,92
= 108,33
lanjutan
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
Total (comp.val.) 12
(u-1)(p-1)= (3-1)(5-1)=8
X=
: jumlah perlakuan
R0 : jumlah total pada baris yang datanya hilang
C0 : jumlah total pada kolom yang datanya hilang
G0 : grand total
contoh
X=
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
• 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.
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)
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)
• 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)]}.