TRANSFORMASI DATA YAYA HASANAH.

Slides:



Advertisements
Presentasi serupa
TRANSFORMASI DATA.
Advertisements

RAKL (Rancangan Acak Kelompok Lengkap)
RBSL (Rancangan Bujur Sangkar Latin)
Rancangan Cross-Over Dalam kondisi-kondisi tertentu pemberian perlakuan dilakukan secara serial dimana setiap objek diterapkan seluruh perlakuan pada periode.
Pemeriksaan Asumsi.
Rancangan Petak Terbagi
Rancangan Acak Kelompok
VIII. RANCANGAN PETAK TERBAGI (RPT)
Pengujian asumsi dalam ANOVA dan Transformasi Data
Percobaan dengan 3 Faktor dan Split-Plot
Rancangan Acak Kelompok Lengkap (RAK)
Rancangan Acak Kelompok Faktorial
Percobaan satu faktor (single factor exp.)
Rancangan Percobaan (I) Pertemuan 25 Matakuliah: I0014 / Biostatistika Tahun: 2008.
Rancangan SPLIT PLOT Percobaan dengan menggunakan rancangan split plot bila - ada salah satu faktor yang lebih penting daripada faktor yang lain. - ada.
Percobaan Berfaktor Perlakuan : kombinasi antara taraf faktor satu dengan taraf faktor yang lain Penempatan perlakuan dalam : RAL, RAK, SPLIT PLOT atau.
Analisis Peragam (Kovarians) pada RAK
ANALISIS REGRESI DAN KORELASI
Rancangan Acak Kelompok
Rancangan Acak Lengkap (RAL) (Completely Randomized Design)
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOcK Design)
UNSUR DASAR PERANCANGAN PERCOBAAN, KERAGAMAN, MODEL PERCOBAAN
RANCANGAN ACAK LENGKAP (RAL) COMPLETTED RANDOMIZED DESIGN (CRD)
Ukuran Gejala Pusat dan Ukuran Letak
MODUL X Kn Kn  ( Xij X ) = [( Xi. X ..) [( Xij X )
RANCANGAN ACAK LENGKAP (FULLY RANDOMIZED DESIGN, COMPLETELY RANDOMIZED DESIGN) Untuk percobaan yang mempunyai media atau tempat percobaan yang seragam.
Dalam Rancangan Acak Lengkap (RAL)
PERCOBAAN FAKTORIAL.
Program Studi Statistika Semester Ganjil 2012
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOcK Design)
Perancangan Percobaan (Rancob)
RAL (Rancangan Acak Lengkap)
Rancangan Acak Lengkap (RAL) (Completely Randomized Design)
Forcep Rio Indaryanto, S.Pi., M.Si
RANCANGAN ACAK KELOMPOK LENGKAP
Dalam Rancangan Acak Kelompok Lengkap (RAKL)
STATISTIKA Pertemuan 10-11: Pengantar Rancob dan Rancangan Acak Lengkap, Uji Lanjutan Dosen Pengampu MK:
Uji Lanjut: Uji Berganda Duncan (DMRT) (Duncan's Multiple Range Test)
Rancangan Bujur Sangkar Latin
RANCANGAN ACAK KELOMPOK
RANCANGAN BUJUR SANGKAR LATIN (RBL)
Rancangan Cross-Over Dalam kondisi-kondisi tertentu pemberian perlakuan dilakukan secara serial dimana setiap objek diterapkan seluruh perlakuan pada periode.
Rancangan Bujur Sangkar Latin (RBSL)
RANCANGAN SPLIT PLOT.
Program Studi Statistika Semester Ganjil 2012
Pertemuan 23 Penerapan model not full rank
RANCANGAN ACAK LENGKAP (RAL)
Rancangan Acak Lengkap
Materi Pokok 21 RANCANGAN KELOMPOK
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Pertemuan 24 Penerapan model not full rank
Perbedaan Taksiran Nisbah dengan Rataan Per Unit
Agribusiness Study of Programme Wiraraja University
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOCK DESIGN) atau RANCANGAN KELOMPOK LENGKAP TERACAK (RANDOMIZED COMPLITE BLOCK DESIGN) Prof.Dr. Kusriningrum.
Rancangan Acak Kelompok Lengkap (RAK)
Pengujian asumsi dalam ANOVA dan Transformasi Data
ANALYSIS OF VARIANCE (ANOVA)
RANCANGAN ACAK LENGKAP (FULLY RANDOMIZED DESIGN, COMPLETELY RANDOMIZED DESIGN) Untuk percobaan yang mempunyai media atau tempat percobaan yang seragam.
Percobaan satu faktor (single factor exp.)
REGRESI LINIER BERGANDA
KONSEP ANALISIS OF VARIANCE
RANCANGAN SPLIT PLOT YAYA HASANAH.
RANCANGAN BUJUR SANGKAR LATIN
RANCANGAN ACAK KELOMPOK
RANCANGAN ACAK LENGKAP
Dalam Rancangan Acak Kelompok (RAK)
RANCANGAN ACAK KELOMPOK (RAK)
Rancangan acak lengkap faktorial
KORELASI ANTARA KOMPONEN HASIL DENGAN HASIL PADA POPULASI F6 TANAMAN CABAI MERAH BESAR (Capsicum annuum L.)
Rancangan Petak Petak Terbagi (Split Split Plot Design)
Transcript presentasi:

TRANSFORMASI DATA YAYA HASANAH

TRANSFORMASI DATA PERCOBAAN Dalam menganalisis data percobaan dengan ANOVA perlu diperhatikan asumsi/syarat yang harus dipenuhi : Galat/error menyebar secara acak, bebas dan normal (€ij~N (0, σ2E) Homogenitas dari varians/keragaman Ragam dan rata-rata perlakuan tidak berkorelasi Efek perlakuan dan lingkungan harus bersifat aditif misalnya (Yij = μ + σi + €ij) Untuk data yang tidak memenuhi syarat di atas maka sebelum dianalisis,data harus ditransformasi terlebih dahulu

Tidak ada hubungan antara Ragam dengan rata-rata perlakuan o o o o Rata-rata perlakuan

CARA DETEKSI HOMOGENITAS RAGAM Ulangan Perlakuan A B C D E 1 2 3 n Rata-rata Ragam Gambarkan hubungan rata-rata perlakuan dengan ragamnnya !

1. TRANSFORMASI LOGARITMA (Y' = LOG Y) Syarat : Data yang simpangan baku nya (s) proporsional terhadap rata-rata perlakuan (σ = kμ) Data bilangan positif dengan range besar Umumnya dijumpai pada pengamatan hama (contoh : banyak serangga per petak percobaan, jumlah telur per tanaman atau per satuan luas tertentu. Cara : Jika ada data empirik = 0  (Y' = Log (Y + 1) ) Jika ada data < 1 maka untuk menghilangkan nilai negatif  semua data dikalikan dengan suatu konstanta  (Y' = Log (kY) )

Semakin besar nilai rata-rata  simpangan baku makin bear CONTOH : Data percobaan pengendalian hama H. armigera dengan penyemprotan isolat virus dan bakteri Macam perlakuan Ulangan Total Rata-rata s   I II III IV Ha NPV-Asb 20 22 23 19 84 21.00 1.83 Ha NPV-Tub 24 29 31 27 111 27.75 2.99 Ha NPV -MIS 25 35 33 124 31.00 4.32 Bt 41 30 131 32.75 5.56 Kontrol (tanpa disemprot) 45 60 55 71 231 57.75 10.81 145 187 170 179 681 Terlihat hubungan proporsional antara rata-rata perlakuan dengan simpangan baku Semakin besar nilai rata-rata  simpangan baku makin bear

ANOVA SK db JK Kt F hit F 5% F 1% Ulangan 3 198.95 - Perlakuan 4   Perlakuan 4 3130.70 782.675 27.85** 3.26 5.41 Galat 12 330.30 28.108 Total 19 3666.95

Data ditransformasi ke log X Macam perlakuan Ulangan Total Rata-rata s   I II III IV Ha NPV-Asb 1.30 1.34 1.36 1.28 5.28 1.32 0.037 Ha NPV-Tub 1.38 1.46 1.49 1.43 5.77 1.44 0.047 Ha NPV -MIS 1.40 1.54 1.52 5.95 0.062 Bt 1.61 1.48 6.04 1.51 0.068 Kontrol (tanpa disemprot) 1.65 1.78 1.74 1.85 7.02 1.76 0.083 7.22 7.74 7.56 7.54 30.07 Koefisien korelasi antara rata-rata perlakuan dengan simp. baku nilanya sangat rendah (r=0.16) sehingga ragam perlakuan dapat dikatakan homogen

Anova setelah Data Ditransformasi SK db JK Kt F hit F 5% F 1% Ulangan 3 0.02717 -   Perlakuan 4 0.40500 0.10125 41.03** 3.26 5.41 Galat 12 0.02961 0.00247 Total 19 0.46178 Kesimpulan : Anova data setelah transformasi ke log X, Uji F lebih meningkat, sebelum transformasi 27.85, setelah transformasi 41.03

2.TRANSFORMASI AKAR-KUADRAT (Y' =√Y) Tujuan  agar ragam perlakuan homogen Digunakan untuk data enumerasi kecil (small whole number), misal : data terkait hama dan penyakit tanaman seperti data jumlah tanaman terinfeksi per plot, jumlah hama yang tertangkap per plot, koloni bakteri. Sebaran data mengikuti SEBARAN POISSON Untuk data yang ada nol dan atau kurang dari 10 digunakan : Y' =√Y + 0.5

CONTOH : Percobaan pengendalian H. armigera dengan parasit telur T. armigera pada tanaman kapas. Perlakuan yang dicoba adalah : A (pelepasan parasitoid telur dosis 200.000 (100 pias) per ha B 400.000/ha C disemprot insektisida D tanpa perlakuan Parasitoid telur dilepas tiap 5 hari, sehari sebelum menjadi imago. Rancangan RAK.

larva H. armigera/10 tanaman DATA PERCOBAAN Macam perlakuan Ulangan Total Rata-rata s   I II III IV larva H. armigera/10 tanaman A 3 5 4 15.00 3.75 0.96 B 2 10.00 2.50 0.58 C 6 7 22.00 5.50 1.29 D 8 9 29.00 7.25 1.71 14 20 19 23 76.00 ANOVA SK db JK KT F hit F 5% F 1% Ulangan 3 10.5   - Perlakuan 51.5 17.16667 22.07** 3.86 6.99 Galat 9 7 0.77778 Total 15 69

SETELAH DITRANSFORMASI Macam perlakuan Ulangan Total Rata-rata s   I II III IV larva H. armigera/10 tanaman A 1.87 2.35 2.12 8.21 2.05 0.23 B 1.58 6.90 1.73 0.17 C 2.55 2.74 9.75 2.44 0.27 D 2.92 3.08 11.08 2.77 0.31 7.92 9.30 8.92 9.81 35.95 SK db JK KT F hit F 5% F 1% Ulangan 3 0.48115  - -   Perlakuan 2.49485 0.83162 27.61** 3.86 6.99 Galat 9 0.27110 0.03012 Total 15 3.24710 Anova

3. TRANSFORMASI ARCSIN (Y' =Arcsin√ P) Syarat : Data enumerasi % Sebaran binomial (Data binomial  data dengan ragam kecil bila mendekati data 0 dan 100% ; ragam menjadi besar pada pertengahan data di sekitar 50%. Data yang menyebar antara 0-30% atau 30-70% tidak perlu ditransformasi ke arcsin %, cukup ditransformasi ke x, Kisaran data 30 -70% data dianggap berdistribusi normal  tidak perlu ditransformasi. Untuk jumlah sampel yang diamati dalam unit percobaan/perlakuan tertentu, n < 50, data dengan nilai 0% disarankan sebelum ditrasnformasi dihitung sebagai 1/4n dan data 100% dihitung sebagai (100-1/4 n) , n adalah transformasi ke arcsin.

DATA PERCOBAAN ANOVA Macam perlakuan Ulangan Total Rata-rata s I II   I II III IV A 4 5 6 20 5.00 0.82 B 7 8 9 33 8.25 0.96 C 11 16 17 18 62 15.50 3.11 D 15 25 73 18.25 4.57 E 38 50 40 48 176 44.00 5.89 77 94 87 106 364 ANOVA SK db JK KT F hit F 5% F 1% Ulangan 3 89.2   - Perlakuan 4 3784.7 946.175 102.01** 3.26 5.41 Galat 12 111.3 9.275 Total 19 3985.2

SETELAH DITRANSFORMASI arcsin (% Macam perlakuan Ulangan Total Rata-rata s   I II III IV A 11.54 12.92 14.18 51.56 12.89 1.08 B 15.34 16.43 17.46 66.69 16.67 1.01 C 19.37 23.58 24.36 25.10 92.41 23.10 2.56 D 22.79 30.00 100.73 25.18 3.28 E 38.06 45.00 39.23 43.85 166.14 41.54 3.40 108.67 120.72 117.55 130.59 ANOVA SK db JK KT F hit F 5% F 1% Ulangan 3 49.1527  - -   Perlakuan 4 1946.9019 486.7255 132.55** 3.26 5.41 Galat 12 44.0637 3.6720 Total 19 2040.1183

KESIMPULAN Dapat meningkatkan Nilai F hitung dari 102.01 menjadi 132.55

TERIMA KASIH