Permasalahan Statistika dalam Penelitian Indonesia
PROYEK SEMI QUE-V P.S. AGRONOMI
FAKULTAS PERTANIAN UNRAM
PERMASALAHAN STATISTIKA
DALAM PENELITIAN PERTANIAN
oleh:
Ir. I Gde Ekaputra Gunartha, M.Agr., Ph.D.
mataram, 30 Juli 2003
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
Formulasi Tujuan dan Hipotesis Penelitian
Pelanggaran Prinsip Dasar Percobaan
Percobaan Faktorial dan Percobaan Tersarang
Percobaan Faktorial dengan Kontrol Terpisah
Rancangan Percobaan dengan Peubah Waktu
Pelanggaran Asumsi Dasar ANOVA
Analisis Regresi pada Rancangan Percobaan
Partisi dbperlakuan
Penyalahgunaan Uji Pembandingan Ganda
Tuntunan Memilih Analisis Statistika
Makna Signifikansi
Bandingkan
Tujuan: untuk mengetahui pengaruh beberapa jenis
pupuk nitrogen terhadap hasil kacang hijau.
Hipotesis: diduga jenis pupuk nitrogen yang berbeda
memberikan hasil kacang hijau yang berbeda
pula.
Tujuan Penelitian : ingin mengetahui
(1). Beda pengaruh antara pemberian pupuk nitrogen
dengan tanpa pemberian pupuk terhadap hasil
kacang hijau
(2). Perbedaan hasil kacang hijau akibat pemberian
pupuk organik dan pupuk anorganik
(3). Beda hasil kacang hijau antara pemberian pupuk Nanorganik yang bersumber dari ammonium dengan
yang lain
(4). Perbedaan hasil kacang hijau akibat pemberian
(NH4)2SO4 dengan NH4NO3
(5). Beda pengaruh antara pemberian pupuk Ca(NO3)2
dengan NaNO3
Hipotesis Penelitian :
1. Terdapat pengaruh yang berbeda terhadap hasil
kacang hijau akibat pemberian pupuk N dibandingkan
dengan tanpa pemberian N
2. Terdapat beda pengaruh pada hasil kacang hijau
antara yang diperlakukan pupuk N-organik dengan Nanorganik
3. Terdapat beda pengaruh pupuk N-anorganik sumber
ammonium dengan N-anorganik sumber lainnya
terhadap hasil kacang hijau
4. Terdapat beda pengaruh antara pemberian pupuk
(NH4)2SO4 dengan NH4NO3 terhadap hasil kacang hijau
5. Pupuk Ca(NO3)2 dan NaNO3 memberikan pengaruh
berbeda terhadap hasil kacang hijau
Replikasi
Percobaan
Yang Baik
Pengacakan
Pengawasan
Galat
Tujuannya untuk : (a) pendugaan galat, (b) meningkatkan presisi percobaan, (c) memperluas cakupan
kesimpulan, dsb
Tujuannya untuk : (a) meminimisasi bias, (b) memperoleh pengamatan yang tidak berkorelasi (independen), dsb.
Dapat dilakukan dengan: (a) melakukan stratifikasi
(pengelompokan/blok), (b) menggunakan pengamatan pengiring, (c) mengatur ukuran & bentuk unit percobaan, (d) pemilihan rancangan percobaan & analisis data yang sesuai, dan sebagainya.
Kasus-1: Lack of Replication
Faktor-1: Lama Blanching: b1, b2, dan b3
Faktor-2: Cara Pengeringan: MATAHARI dan OVEN
Menurut peneliti JUMLAH ULANGAN = 3????
Simak …
MATAHARI
OVEN
Jumlah unit percobaan =
Jumlah unit percobaan =
3 kombinasi x 3 ulangan
3 kombinasi x 3 ulangan
DIJEMUR BERSAMAAN
DIOVEN BERSAMAAN
Kasus-2: Lack of Replication
Perlakuan suhu : misal ada 6 aras
15oC
20oC
25oC
30oC
35oC
Jika diulang 3 kali, maka
Aparatus suhu 15oC harus ada 3
20oC
harus ada 3
25oC harus ada 3
30oC harus ada 3
35oC harus ada 3
Lalu bagaimana
caranya agar ulangan
bisa dibuat jika jumlah
aparatus suhu hanya
ada 5 buah?, sesuai
dengan perlakuan
Percobaan Faktorial:
1. Kita ingin melakukan penyelidikan secara bersamaan efek dari
beberapa faktor perlakuan yang dikaji, masing-masing faktornya terdiri atas beberapa aras/taraf (level);
2. Dicirikan oleh adanya persilangan antar setiap aras dari masing-masing faktor yang kemudian membentuk kombinasi
perlakuan.
3. Kajian utama terletak pada adanya INTERAKSI antar faktor
yang dikaji (apabila perubahan dalam sebuah faktor mengakibatkan perubahan nilai peubah respon, yang berbeda pada tiap
aras faktor yang lain).
Percobaan Tersarang (Nested Experiment)
1. Pada percobaan tersarang aras faktor tidak saling silang membentuk kombinasi perlakuan. Aras suatu faktor hanya berlaku untuk
faktor itu sendiri tidak berlaku untuk faktor yang lain. Misal
faktor-1 adalah jenis pestisida (3 aras) dan faktor-2 adalah
konsentrasi (4 aras). Maka satu pertanyaan yang dapat digunakan
untuk mengidentifikasi apakah termasuk percobaan faktorial atau
percobaan tersarang, adalah:
“APAKAH ANTARA JENIS PESTISIDA DAN KONSENTRASI TERJADI PERSILANGAN SEHINGGA MEMBENTUK KOMBINASI PERLAKUAN”
2. Pada percobaan tersarang tidak ada INTERAKSI antara faktorfaktor yang dikaji.
a1
Faktor A
Faktor B
Observasi
b1
a2
b2
b1
b2
X111
X121
X211
X221
X112
X122
X212
X222
X113
X123
X213
X223
Pertanyaan: Apakah jenis percobaan diatas?
FAKTORIAL
a1
Faktor A
Faktor B
Observasi
b1
a2
b2
b1
b2
X111
X121
X211
X221
X112
X122
X212
X222
X113
X123
X213
X223
Pertanyaan: Apakah jenis percobaan diatas?
TERSARANG
Faktor-1 (Konsentrasi): k aras
Faktor-2 (frekuensi semprot): f aras
Kontrol: tanpa Plant Catalyst
Jumlah
Perlakuan:
(k*f +1)
Uji Hipotesis:
1. Kontrol vs Kombinasi Perlakuan dengan Uji Kontras
Ortogonal
2. Interaksi antar faktor dengan ANOVA Faktorial
Biasa
1. Penelitian PERTUMBUHAN TANAMAN sering dilakukan
dengan PENGAMATAN BERULANG (REPEATED
MEASUREMENT).
2. Dengan demikian terdapat interes untuk mencari
INTERAKSI antara PERLAKUAN dengan WAKTU (UMUR
TANAMAN).
3. Pendekatan analisis statistika yang sesuai untuk
percobaan ini adalah ANALISIS SPLIT PLOT DESIGN,
dengan menempat-kan PEUBAH WAKTU sebagai anak
petak dan PERLAKUAN pada petak utama.
1. Model Eksponensial:
yi y0 e
μti
dimana:
yi = peubah respon pada hari ke-i
y0 = ukuran awal peubah respon
= laju pertumbuhan nisbi (relative growth
rate = RGR) tanaman
ti = hari pertumbuhan tanaman ke-i
i = galat percobaan/pengukuran, dimana
i ~ NID(0, 2).
εi
2. Model Logistik
yi
a
1 e
c(t i m)
εi ,
dimana:
yi
= peubah respon pada hari ke-i
a
= hasil akhir (potensial) peubah respon
c
= laju pertumbuhan (= RGR awal pertumbuhan tanaman)
m
= saat tanaman mencapai pertumbuhan
maksimum
ti = hari pertumbuhan tanamanke-i
i = galat percobaan/pengukuran, dimana
i ~ NID(0, 2).
2. Model Gompertz:
yi a e
e
c(t i m)
εi ,
dimana:
yi
= peubah respon pada hari ke-i
a
= hasil akhir (potensial) peubah respon
c
= laju pertumbuhan (= RGR saat pertumbuhan tanaman maksimum)
m
= saat tanaman mencapai pertumbuhan
maksimum
ti = hari pertumbuhan tanamanke-i
i = galat percobaan/pengukuran, dimana
i ~ NID(0, 2).
1. Perlakuan & Lingkungan harus mengikuti
model aditif
2. Data harus berdistribusi NORMAL
3. Ragam data hendaknya HOMOGEN
(homoscedasticity)
4. Data harus bersifat BEBAS (independent)
Teladan Sifat Aditif
Replikasi/Blok
Perlakuan
Pengaruh Blok
(I – II)
I
II
A
180
120
60
B
160
100
60
20
20
Pengaruh
Perlakuan
(A – B)
Pengaruh PERLAKUAN dan BLOK bersifat ADITIF
RKLT:
(1)
yij i j ij
(2)
yij i j ij
linier
tak linier
agar linier ditransformasi ke logaritma:
(3)
ln( yij ) ln( ) ln( i ) ln( j ) ln( ij )
Persamaan (3) sudah bersifat aditif (linier) yaitu sama dengan (1)
Pemeriksaan Data Awal
Mengapa Penting?
• pola sebaran normal yang banyak mendasari
analisis statistika sering tidak tercermin pada
data kita
• adanya anggapan bahwa pengamatan yang
kita telah lakukan merupakan contoh acak
dari populasi tertentu
1. Struktur Data
Pemeriksaan:
• Penelusuran
• Pengungkapan
apakah data dapat diuraikan menjadi beberapa komponen?
apakah komponen tersebut bersifat ADITIF atau MULTIPLIKATIF?
DATA = DUGAAN
+ GALAT
(k. teratur)
(k. tak-teratur)
(deterministik)
(stokhastik)
2. Pola Sebaran Data
apakah cenderung mengumpul di satu nilai tertentu atau
beberapa nilai tertentu?
apakah ada data memencil (outlier)
Teknik Pemeriksaan Data
• Titik (dotplot)
• Dahan-dan Daun (stem-and-leaf)
Diagram (Plot)
• Kotak-Garis (boxplot)
• Histogram
• Pencar (scatter plot)
Ringkasan 5-Angka
dan
Ringkasan 3-Angka
Ringkasan 5-Angka
Ringkasan 3-Angka
Me
Me
Q1
Q3
(Q1+Q3)/2
k
b
(k+b)/2
TRANSFORMASI DATA
(b)
0
galat
galat
(a)
0
nilai tercocokkan
nilai tercocokkan
galat
galat
0
nilai tercocokkan
(c)
0
(d)
nilai tercocokkan
Beberapa Macam Transformasi
Nama transformasi
Akar kuadrat
Logaritma
Kebalikan Akar Kuadrat
Kebalikan Data (Y)
Arscine
Kuadrat
Kubik
Perhitungan
Y = (X + c)
Y = ln(X + c)
Y = 1/ (X + c)
Y = 1/(X + c)
Y = sin-1(X)
Y = X2
Y = X3
Transformasi balik
XT = Y2 - c
XT = eY - c
XT = (1/Y2) -c
XT = (1/Y) - c
XT = (sin(Y))2
XT = Y
XT = Y1/3
Kasus
(b)
(b)
(b)
(b)
(d)
(c)
(c)
b. BENAR
a. SALAH
Sumber
Keragaman
Sumber
Keragaman
db
Regresi:
2
Perlakuan:
db
(t – 1) = 4
•Linier
1
•Linier
1
•Kuadratik
1
•Kuadratik
1
•Deviasi
2
Galat
(rt – 3) = 22
Total
rt – 1 = 24
Analisis Regresi dalam Perancangan
Percobaan
Kelompok
(r – 1) = 4
Galat
(t-1)(r-1) = 16
Total
(rt – 1) = 24
Simak ‘research questions’ berikut:
1. Apakah ada beda pengaruh pemulsaan antara materi organik dibandingkan
dengan materi sintetik?
2. Apakah ada perbedaan antar materi organik tersebut?
3. Apakah respon hasil bawang merah cenderung bersifat linier atau kuadratik
akibat peningkatan aplikasi dosis pupuk NPK?
4. Apakah respon linier hasil bawang merah cenderung sama pada pemulsaan
materi organik atau plastik?
5. Apakah respon kuadratik hasil bawang merah cenderung sama pada
pemulsaan materi organik atau plastik
Partisi db-main effect dan db-interaksi
Faktor M
Faktor D
Jerami Padi
0
150
Seresah Lamtoro
300
0
150
Plastik
300
0
150
300
Koefisien kontras (ci)
Mulsa:
(m1,m2)vsm3
1
1
1
1
1
1
-2
-2
-2
m1 vs m2
1
1
1
-1
-1
-1
0
0
0
linier
-1
0
1
-1
0
1
-1
0
1
kuadratik
1
-2
1
1
-2
1
1
-2
1
(m1,m2)vsm3
*(linier)
-1
0
1
-1
0
1
2
0
-2
(m1,m2)vsm3
*(kuadratik)
1
-2
1
1
-2
1
-2
4
-2
(m1 vs m2)*
(linier)
-1
0
1
1
0
-1
0
0
0
(m1 vs m2)*
(kuadratik)
1
-2
1
-1
2
-1
0
0
0
Dosis:
Interaksi (M*D)
PEMBANDINGAN GANDA
TERENCANA
Tipe
Pembandingan
TAK-TERENCANA
Basis Kontrol
error rate
Hubungan E dan C:
E 1 - (1 - C ) t -1 ,
t banyaknya perlakuan
prob. suatu pembandingan
C P
salah menyatakan signifikan
prob. meny. minimal ada
E P satu pemb. yg salah meny.
signifikan dlm suatu percob.
prob. meny. minimal ada
F P satu pemb. yg salah meny.
signifikan dlm suatu famili pemb.
LAJU KESALAHAN
BNT
E
DMRT
BNT
BNJ
DMRT
Jumlah rerata perlakuan
C
BNJ
Jumlah rerata perlakuan
Data sekunder dan data primer
Data kualitatif dan data kuantitatif
Data nominal, ordinal, selang,
dan nisbah
Data sensorik (organoleptik)
1. IDENTIFIKASI CARA PENGUMPULAN/PENGUKURAN DATA
2. PLOT DATA MENGGUNAKAN SOFTWARE GRAFIK,
DIANTARANYA EXCEL. LIHAT KECENDERUNGAN
KARAKTERISTIKNYA.
3. JIKA TIDAK MEMENUHI ASUMSI ANOVA SEPERTI
BERSIFAT MULTIPLIKATIF LAKUKAN TRANSFORMASI DATA.
4. PILIH ALAT UJI HIPOTESIS YANG PALING SESUAI
DENGAN KARAKTERISTIK DATA.
JENIS DATA
kontinu
Tipe Pertanyaan?
pendugaan/pembandingan
diskret
hubungan
Uji - X2
Apakah ada peubah
bebas yang sebenarnya?
(satu contoh dan 2 contoh)
ya
Analisis Regresi
ragam
tidak
Analisis Korelasi
Uji Barlett, dsb
(uji homogenitas)
parametrik
r - Pearson
Perbedaan antar apa?
(rerata atau ragam)
non-parametrik
r - Spearman
Barapa jumlah group contoh?
(2 group atau lebih)
2 group
> 2 group
Apakah sesuai asumsi?
parametrik
Uji-t & Uji-z
Apakah sesuai asumsi?
non-parametrik
Uji Tanda,
Uji Wilcoxon, dsb
H0 ditolak (p < ),
uji lanjut, BNT, dsb.
parametrik
ANOVA
non-parametrik
Kruskal-Wallis,
Friedman, dsb.
Uji Rerata Contoh
Tests of Means
1-Contoh
(H0: = 0)
2-Contoh
(H0: 1 = 2)
2-Contoh atau lebih
(H0: 1 = 2 = … = t )
Apakah contoh
berpasangan?
uji beda
berpasangan
Apakah
diketahui?
1-contoh
Uji-Z
tak-berpasangan
Apakah 1 dan
2 diketahui?
tidak
1-contoh
Uji-t
ya
2-contoh
Uji-Z
tidak
ya
takberpasangan
Uji-t
1 = 2?
tidak
ya
ANOVA
1. Kemungkinan dalam kenyataannya memang tidak
terdapat beda antar rerata perlakuan yang dikaji.
2. Jika terjadi beda antar rerata perlakuan (in reality) sangat
kecil dibandingkan kemampuan alat uji statistika yang
digunakan untuk mendeteksinya.
3. Kemungkinan adanya high background noises.
4. Rancangan percobaan yang digunakan kurang sesuai
(poor design), kurang mengindahkan prinsip dasar
percobaan, i.e. lack of replication, lack of randomization.
“… ketika berhadapan dengan statistical pitfall, segera berkonsultasi
dengan ahli Biometrika untuk mendapatkan bantuan bisa keluar dari
jebakan itu.”
SUMMARY:
1. Formulasikan tujuan dan hipotesis penelitian yang jelas, operasional, padat dan dapat diukur (measurable)
2. Hindari pelanggaran terhadap prinsip dasar percobaan (gunakan
ulangan yang tepat, randomisasi, dan lokal kontrol yang baik.
3. Hati-hati mendefinisikan faktor perlakuan pada percobaan faktorial
dan percobaan tersarang
4. Hati-hati mendefinisikan dan menganalisis faktor perlakuan pada
percobaan faktorial dan percobaan tersarang yang melibatkan kontrol
5. Gunakan analisis yang sesuai dengan tujuan terhadap pengukuran data
berulang (repeated measurement).
6. Minimisasi pelanggaran terhadap asumsi yang diprasyaratkan ANOVA
7. Perlu tindakan keberhati-hatian menggunaan analisis regresi pada
percobaan yang menggunakan experimental design.
8. Gunakan partisi db-perlakuan pada pembandingan rerata perlakuan
ANOVA percobaan faktorial.
9. Perlu keberhati-hatian dalam menggunakan Uji Pembandingan Ganda
10. STATISTIKA berperan hampir di semua tahapan penelitian.
sukses
semoga informasi
ini bermanfaat
pada pelatihan
ini
FAKULTAS PERTANIAN UNRAM
PERMASALAHAN STATISTIKA
DALAM PENELITIAN PERTANIAN
oleh:
Ir. I Gde Ekaputra Gunartha, M.Agr., Ph.D.
mataram, 30 Juli 2003
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
Formulasi Tujuan dan Hipotesis Penelitian
Pelanggaran Prinsip Dasar Percobaan
Percobaan Faktorial dan Percobaan Tersarang
Percobaan Faktorial dengan Kontrol Terpisah
Rancangan Percobaan dengan Peubah Waktu
Pelanggaran Asumsi Dasar ANOVA
Analisis Regresi pada Rancangan Percobaan
Partisi dbperlakuan
Penyalahgunaan Uji Pembandingan Ganda
Tuntunan Memilih Analisis Statistika
Makna Signifikansi
Bandingkan
Tujuan: untuk mengetahui pengaruh beberapa jenis
pupuk nitrogen terhadap hasil kacang hijau.
Hipotesis: diduga jenis pupuk nitrogen yang berbeda
memberikan hasil kacang hijau yang berbeda
pula.
Tujuan Penelitian : ingin mengetahui
(1). Beda pengaruh antara pemberian pupuk nitrogen
dengan tanpa pemberian pupuk terhadap hasil
kacang hijau
(2). Perbedaan hasil kacang hijau akibat pemberian
pupuk organik dan pupuk anorganik
(3). Beda hasil kacang hijau antara pemberian pupuk Nanorganik yang bersumber dari ammonium dengan
yang lain
(4). Perbedaan hasil kacang hijau akibat pemberian
(NH4)2SO4 dengan NH4NO3
(5). Beda pengaruh antara pemberian pupuk Ca(NO3)2
dengan NaNO3
Hipotesis Penelitian :
1. Terdapat pengaruh yang berbeda terhadap hasil
kacang hijau akibat pemberian pupuk N dibandingkan
dengan tanpa pemberian N
2. Terdapat beda pengaruh pada hasil kacang hijau
antara yang diperlakukan pupuk N-organik dengan Nanorganik
3. Terdapat beda pengaruh pupuk N-anorganik sumber
ammonium dengan N-anorganik sumber lainnya
terhadap hasil kacang hijau
4. Terdapat beda pengaruh antara pemberian pupuk
(NH4)2SO4 dengan NH4NO3 terhadap hasil kacang hijau
5. Pupuk Ca(NO3)2 dan NaNO3 memberikan pengaruh
berbeda terhadap hasil kacang hijau
Replikasi
Percobaan
Yang Baik
Pengacakan
Pengawasan
Galat
Tujuannya untuk : (a) pendugaan galat, (b) meningkatkan presisi percobaan, (c) memperluas cakupan
kesimpulan, dsb
Tujuannya untuk : (a) meminimisasi bias, (b) memperoleh pengamatan yang tidak berkorelasi (independen), dsb.
Dapat dilakukan dengan: (a) melakukan stratifikasi
(pengelompokan/blok), (b) menggunakan pengamatan pengiring, (c) mengatur ukuran & bentuk unit percobaan, (d) pemilihan rancangan percobaan & analisis data yang sesuai, dan sebagainya.
Kasus-1: Lack of Replication
Faktor-1: Lama Blanching: b1, b2, dan b3
Faktor-2: Cara Pengeringan: MATAHARI dan OVEN
Menurut peneliti JUMLAH ULANGAN = 3????
Simak …
MATAHARI
OVEN
Jumlah unit percobaan =
Jumlah unit percobaan =
3 kombinasi x 3 ulangan
3 kombinasi x 3 ulangan
DIJEMUR BERSAMAAN
DIOVEN BERSAMAAN
Kasus-2: Lack of Replication
Perlakuan suhu : misal ada 6 aras
15oC
20oC
25oC
30oC
35oC
Jika diulang 3 kali, maka
Aparatus suhu 15oC harus ada 3
20oC
harus ada 3
25oC harus ada 3
30oC harus ada 3
35oC harus ada 3
Lalu bagaimana
caranya agar ulangan
bisa dibuat jika jumlah
aparatus suhu hanya
ada 5 buah?, sesuai
dengan perlakuan
Percobaan Faktorial:
1. Kita ingin melakukan penyelidikan secara bersamaan efek dari
beberapa faktor perlakuan yang dikaji, masing-masing faktornya terdiri atas beberapa aras/taraf (level);
2. Dicirikan oleh adanya persilangan antar setiap aras dari masing-masing faktor yang kemudian membentuk kombinasi
perlakuan.
3. Kajian utama terletak pada adanya INTERAKSI antar faktor
yang dikaji (apabila perubahan dalam sebuah faktor mengakibatkan perubahan nilai peubah respon, yang berbeda pada tiap
aras faktor yang lain).
Percobaan Tersarang (Nested Experiment)
1. Pada percobaan tersarang aras faktor tidak saling silang membentuk kombinasi perlakuan. Aras suatu faktor hanya berlaku untuk
faktor itu sendiri tidak berlaku untuk faktor yang lain. Misal
faktor-1 adalah jenis pestisida (3 aras) dan faktor-2 adalah
konsentrasi (4 aras). Maka satu pertanyaan yang dapat digunakan
untuk mengidentifikasi apakah termasuk percobaan faktorial atau
percobaan tersarang, adalah:
“APAKAH ANTARA JENIS PESTISIDA DAN KONSENTRASI TERJADI PERSILANGAN SEHINGGA MEMBENTUK KOMBINASI PERLAKUAN”
2. Pada percobaan tersarang tidak ada INTERAKSI antara faktorfaktor yang dikaji.
a1
Faktor A
Faktor B
Observasi
b1
a2
b2
b1
b2
X111
X121
X211
X221
X112
X122
X212
X222
X113
X123
X213
X223
Pertanyaan: Apakah jenis percobaan diatas?
FAKTORIAL
a1
Faktor A
Faktor B
Observasi
b1
a2
b2
b1
b2
X111
X121
X211
X221
X112
X122
X212
X222
X113
X123
X213
X223
Pertanyaan: Apakah jenis percobaan diatas?
TERSARANG
Faktor-1 (Konsentrasi): k aras
Faktor-2 (frekuensi semprot): f aras
Kontrol: tanpa Plant Catalyst
Jumlah
Perlakuan:
(k*f +1)
Uji Hipotesis:
1. Kontrol vs Kombinasi Perlakuan dengan Uji Kontras
Ortogonal
2. Interaksi antar faktor dengan ANOVA Faktorial
Biasa
1. Penelitian PERTUMBUHAN TANAMAN sering dilakukan
dengan PENGAMATAN BERULANG (REPEATED
MEASUREMENT).
2. Dengan demikian terdapat interes untuk mencari
INTERAKSI antara PERLAKUAN dengan WAKTU (UMUR
TANAMAN).
3. Pendekatan analisis statistika yang sesuai untuk
percobaan ini adalah ANALISIS SPLIT PLOT DESIGN,
dengan menempat-kan PEUBAH WAKTU sebagai anak
petak dan PERLAKUAN pada petak utama.
1. Model Eksponensial:
yi y0 e
μti
dimana:
yi = peubah respon pada hari ke-i
y0 = ukuran awal peubah respon
= laju pertumbuhan nisbi (relative growth
rate = RGR) tanaman
ti = hari pertumbuhan tanaman ke-i
i = galat percobaan/pengukuran, dimana
i ~ NID(0, 2).
εi
2. Model Logistik
yi
a
1 e
c(t i m)
εi ,
dimana:
yi
= peubah respon pada hari ke-i
a
= hasil akhir (potensial) peubah respon
c
= laju pertumbuhan (= RGR awal pertumbuhan tanaman)
m
= saat tanaman mencapai pertumbuhan
maksimum
ti = hari pertumbuhan tanamanke-i
i = galat percobaan/pengukuran, dimana
i ~ NID(0, 2).
2. Model Gompertz:
yi a e
e
c(t i m)
εi ,
dimana:
yi
= peubah respon pada hari ke-i
a
= hasil akhir (potensial) peubah respon
c
= laju pertumbuhan (= RGR saat pertumbuhan tanaman maksimum)
m
= saat tanaman mencapai pertumbuhan
maksimum
ti = hari pertumbuhan tanamanke-i
i = galat percobaan/pengukuran, dimana
i ~ NID(0, 2).
1. Perlakuan & Lingkungan harus mengikuti
model aditif
2. Data harus berdistribusi NORMAL
3. Ragam data hendaknya HOMOGEN
(homoscedasticity)
4. Data harus bersifat BEBAS (independent)
Teladan Sifat Aditif
Replikasi/Blok
Perlakuan
Pengaruh Blok
(I – II)
I
II
A
180
120
60
B
160
100
60
20
20
Pengaruh
Perlakuan
(A – B)
Pengaruh PERLAKUAN dan BLOK bersifat ADITIF
RKLT:
(1)
yij i j ij
(2)
yij i j ij
linier
tak linier
agar linier ditransformasi ke logaritma:
(3)
ln( yij ) ln( ) ln( i ) ln( j ) ln( ij )
Persamaan (3) sudah bersifat aditif (linier) yaitu sama dengan (1)
Pemeriksaan Data Awal
Mengapa Penting?
• pola sebaran normal yang banyak mendasari
analisis statistika sering tidak tercermin pada
data kita
• adanya anggapan bahwa pengamatan yang
kita telah lakukan merupakan contoh acak
dari populasi tertentu
1. Struktur Data
Pemeriksaan:
• Penelusuran
• Pengungkapan
apakah data dapat diuraikan menjadi beberapa komponen?
apakah komponen tersebut bersifat ADITIF atau MULTIPLIKATIF?
DATA = DUGAAN
+ GALAT
(k. teratur)
(k. tak-teratur)
(deterministik)
(stokhastik)
2. Pola Sebaran Data
apakah cenderung mengumpul di satu nilai tertentu atau
beberapa nilai tertentu?
apakah ada data memencil (outlier)
Teknik Pemeriksaan Data
• Titik (dotplot)
• Dahan-dan Daun (stem-and-leaf)
Diagram (Plot)
• Kotak-Garis (boxplot)
• Histogram
• Pencar (scatter plot)
Ringkasan 5-Angka
dan
Ringkasan 3-Angka
Ringkasan 5-Angka
Ringkasan 3-Angka
Me
Me
Q1
Q3
(Q1+Q3)/2
k
b
(k+b)/2
TRANSFORMASI DATA
(b)
0
galat
galat
(a)
0
nilai tercocokkan
nilai tercocokkan
galat
galat
0
nilai tercocokkan
(c)
0
(d)
nilai tercocokkan
Beberapa Macam Transformasi
Nama transformasi
Akar kuadrat
Logaritma
Kebalikan Akar Kuadrat
Kebalikan Data (Y)
Arscine
Kuadrat
Kubik
Perhitungan
Y = (X + c)
Y = ln(X + c)
Y = 1/ (X + c)
Y = 1/(X + c)
Y = sin-1(X)
Y = X2
Y = X3
Transformasi balik
XT = Y2 - c
XT = eY - c
XT = (1/Y2) -c
XT = (1/Y) - c
XT = (sin(Y))2
XT = Y
XT = Y1/3
Kasus
(b)
(b)
(b)
(b)
(d)
(c)
(c)
b. BENAR
a. SALAH
Sumber
Keragaman
Sumber
Keragaman
db
Regresi:
2
Perlakuan:
db
(t – 1) = 4
•Linier
1
•Linier
1
•Kuadratik
1
•Kuadratik
1
•Deviasi
2
Galat
(rt – 3) = 22
Total
rt – 1 = 24
Analisis Regresi dalam Perancangan
Percobaan
Kelompok
(r – 1) = 4
Galat
(t-1)(r-1) = 16
Total
(rt – 1) = 24
Simak ‘research questions’ berikut:
1. Apakah ada beda pengaruh pemulsaan antara materi organik dibandingkan
dengan materi sintetik?
2. Apakah ada perbedaan antar materi organik tersebut?
3. Apakah respon hasil bawang merah cenderung bersifat linier atau kuadratik
akibat peningkatan aplikasi dosis pupuk NPK?
4. Apakah respon linier hasil bawang merah cenderung sama pada pemulsaan
materi organik atau plastik?
5. Apakah respon kuadratik hasil bawang merah cenderung sama pada
pemulsaan materi organik atau plastik
Partisi db-main effect dan db-interaksi
Faktor M
Faktor D
Jerami Padi
0
150
Seresah Lamtoro
300
0
150
Plastik
300
0
150
300
Koefisien kontras (ci)
Mulsa:
(m1,m2)vsm3
1
1
1
1
1
1
-2
-2
-2
m1 vs m2
1
1
1
-1
-1
-1
0
0
0
linier
-1
0
1
-1
0
1
-1
0
1
kuadratik
1
-2
1
1
-2
1
1
-2
1
(m1,m2)vsm3
*(linier)
-1
0
1
-1
0
1
2
0
-2
(m1,m2)vsm3
*(kuadratik)
1
-2
1
1
-2
1
-2
4
-2
(m1 vs m2)*
(linier)
-1
0
1
1
0
-1
0
0
0
(m1 vs m2)*
(kuadratik)
1
-2
1
-1
2
-1
0
0
0
Dosis:
Interaksi (M*D)
PEMBANDINGAN GANDA
TERENCANA
Tipe
Pembandingan
TAK-TERENCANA
Basis Kontrol
error rate
Hubungan E dan C:
E 1 - (1 - C ) t -1 ,
t banyaknya perlakuan
prob. suatu pembandingan
C P
salah menyatakan signifikan
prob. meny. minimal ada
E P satu pemb. yg salah meny.
signifikan dlm suatu percob.
prob. meny. minimal ada
F P satu pemb. yg salah meny.
signifikan dlm suatu famili pemb.
LAJU KESALAHAN
BNT
E
DMRT
BNT
BNJ
DMRT
Jumlah rerata perlakuan
C
BNJ
Jumlah rerata perlakuan
Data sekunder dan data primer
Data kualitatif dan data kuantitatif
Data nominal, ordinal, selang,
dan nisbah
Data sensorik (organoleptik)
1. IDENTIFIKASI CARA PENGUMPULAN/PENGUKURAN DATA
2. PLOT DATA MENGGUNAKAN SOFTWARE GRAFIK,
DIANTARANYA EXCEL. LIHAT KECENDERUNGAN
KARAKTERISTIKNYA.
3. JIKA TIDAK MEMENUHI ASUMSI ANOVA SEPERTI
BERSIFAT MULTIPLIKATIF LAKUKAN TRANSFORMASI DATA.
4. PILIH ALAT UJI HIPOTESIS YANG PALING SESUAI
DENGAN KARAKTERISTIK DATA.
JENIS DATA
kontinu
Tipe Pertanyaan?
pendugaan/pembandingan
diskret
hubungan
Uji - X2
Apakah ada peubah
bebas yang sebenarnya?
(satu contoh dan 2 contoh)
ya
Analisis Regresi
ragam
tidak
Analisis Korelasi
Uji Barlett, dsb
(uji homogenitas)
parametrik
r - Pearson
Perbedaan antar apa?
(rerata atau ragam)
non-parametrik
r - Spearman
Barapa jumlah group contoh?
(2 group atau lebih)
2 group
> 2 group
Apakah sesuai asumsi?
parametrik
Uji-t & Uji-z
Apakah sesuai asumsi?
non-parametrik
Uji Tanda,
Uji Wilcoxon, dsb
H0 ditolak (p < ),
uji lanjut, BNT, dsb.
parametrik
ANOVA
non-parametrik
Kruskal-Wallis,
Friedman, dsb.
Uji Rerata Contoh
Tests of Means
1-Contoh
(H0: = 0)
2-Contoh
(H0: 1 = 2)
2-Contoh atau lebih
(H0: 1 = 2 = … = t )
Apakah contoh
berpasangan?
uji beda
berpasangan
Apakah
diketahui?
1-contoh
Uji-Z
tak-berpasangan
Apakah 1 dan
2 diketahui?
tidak
1-contoh
Uji-t
ya
2-contoh
Uji-Z
tidak
ya
takberpasangan
Uji-t
1 = 2?
tidak
ya
ANOVA
1. Kemungkinan dalam kenyataannya memang tidak
terdapat beda antar rerata perlakuan yang dikaji.
2. Jika terjadi beda antar rerata perlakuan (in reality) sangat
kecil dibandingkan kemampuan alat uji statistika yang
digunakan untuk mendeteksinya.
3. Kemungkinan adanya high background noises.
4. Rancangan percobaan yang digunakan kurang sesuai
(poor design), kurang mengindahkan prinsip dasar
percobaan, i.e. lack of replication, lack of randomization.
“… ketika berhadapan dengan statistical pitfall, segera berkonsultasi
dengan ahli Biometrika untuk mendapatkan bantuan bisa keluar dari
jebakan itu.”
SUMMARY:
1. Formulasikan tujuan dan hipotesis penelitian yang jelas, operasional, padat dan dapat diukur (measurable)
2. Hindari pelanggaran terhadap prinsip dasar percobaan (gunakan
ulangan yang tepat, randomisasi, dan lokal kontrol yang baik.
3. Hati-hati mendefinisikan faktor perlakuan pada percobaan faktorial
dan percobaan tersarang
4. Hati-hati mendefinisikan dan menganalisis faktor perlakuan pada
percobaan faktorial dan percobaan tersarang yang melibatkan kontrol
5. Gunakan analisis yang sesuai dengan tujuan terhadap pengukuran data
berulang (repeated measurement).
6. Minimisasi pelanggaran terhadap asumsi yang diprasyaratkan ANOVA
7. Perlu tindakan keberhati-hatian menggunaan analisis regresi pada
percobaan yang menggunakan experimental design.
8. Gunakan partisi db-perlakuan pada pembandingan rerata perlakuan
ANOVA percobaan faktorial.
9. Perlu keberhati-hatian dalam menggunakan Uji Pembandingan Ganda
10. STATISTIKA berperan hampir di semua tahapan penelitian.
sukses
semoga informasi
ini bermanfaat
pada pelatihan
ini