Analisis Data Penelitian Menggunakan GEN
ANALI SI S DATA PENELI TI AN
MENGGUNAKAN GENSTAT
Oleh :
Ir. I Gde Ekaputra Gunartha, M.Agr., Ph.D.
gunartha_biometry@doctor.com
Materi disampaikan pada Semiloka Penyusunan Proposal dan
Publikasi Hasil Penelitian Fakultas Peternakan Unram,
28 Juli 2008
ANALISIS DATA (1)
Analisis Data Penelitian merupakan salah satu langkah
metode ilmiah (scientific method) untuk menyajikan informasi
dalam melakukan generalisasi terhadap hasil penelitian,
namun
1. banyak peneliti masih cenderung memaknai sebagai
proses perhitungan semata dalam penerapan metode
statistika, antara lain: perhitungan rerata, ragam, koefisien
regresi ataupun perhitungan jumlah kuadrat dalam analisis
ragam, dan sebagainya, sehingga PERANAN dan
KEGUNAAN ANALISIS DATA SERING TERLUPAKAN
atau TIDAK MENJADI PERHATIAN UTAMA;
©I
G.E. Gunartha (2008)- 2
ANALISIS DATA (2)
2. adanya kecenderungan peneliti yang keliru
menerapkan metode statistika secara umum, oleh
karena adanya kesan bahwa pengujian hipotesis
bersifat sederhana dan relatif mudah dilakukan
sesuai pedoman dalam buku-buku teks, maka tidak
jarang ditemukan suatu penelitian yang sebenarnya
menarik ternyata cukup diakhiri dengan pernyataan
bahwa hasil percobaan/penelitian tidak nyata secara
statistik.
©I
G.E. Gunartha (2008)- 3
Tujuan
Percobaan
Keagaman Antar
Unit Percobaan
- Respon yg diukur
- Waktu pengukuran:
√ Cross Section
√ Longitudinal
- Skala pengukuran
- Metode penskalaan:
√ Rating scale
√ Ranking scale
- Ragam pengukuran
Rancangan
Perlakuan
Rancangan
Percobaan
Rancangan
Respons
Rancangan
Pengukuran
Unsur-unsur yang
berpengaruh pada
Analisis Data
ANALISIS DATA
PENELITIAN
ANALISIS DATA
AWAL
ANALISIS DATA
INFERENSIAL
©I
G.E. Gunartha (2008)- 4
KERAGAMAN YANG
MENGGANGGU
Sumber Keragaman:
Materi/alat percobaan
Lingkungan percobaan
Pengamatan/pengukuran
Rancangan
Percobaan
Keragaman Antar Unit
Percobaan
Ragam
HOMOGEN
Ragam
HETEROGEN KE
SATU ARAH
Ragam
HETEROGEN KE
> 1 ARAH
Rancangan
Acak Lengkap
(RAL)
Rancangan
Kelompok Lengkap
Teracak (RKLT)
Rancangan
Bujur Sangkar
Latin (RBSL)
1 Faktor >1 Faktor
1 Faktor >1 Faktor
1 Faktor >1 Faktor
Rancangan
Perlakuan
Hubungan antara Rancangan Percobaan &
Rancangan Perlakuan
1. Faktorial
(Cross Factorial)
2. Hirarkhi (Nested
Experiment)
3. Petak Terbagi
(Split Plot Design)
1. Faktorial
(Cross Factorial)
2. Hirarkhi (Nested
Experiment)
3. Petak Terbagi
(Split Plot Design)
1. Faktorial
(Cross Factorial)
2. Hirarkhi (Nested
Experiment)
3. Petak Terbagi
(Split Plot Design)
©I
G.E. Gunartha (2008)- 5
Rancangan
Pengukuran
Cara
memperoleh
data
Mencacah, mengukur
menggunakan alat metrik
Menggolongkan, me-ranking
KUANTITATIF
PEUBAH/
DATA
KUALITATIF/KATEGORIK
Selang/interval dan Rasio
TIPE
DATA
Nominal dan Ordinal
OPERASI
ARITMATIKA
+
+ -
*
/
Kontinu dan Diskrit:
• bobot sapi
• banyak mikroba per cm2
• intensitas serangan penyakit
SIFAT
DATA
Atribut/kategorik:
• tingkat kesukaan konsumen
• jenis kredit usahatani
©I
G.E. Gunartha (2008)- 6
2. KETEPATAN (Accuracy):
seberapa jauh nilai pengamatan dekat dengan nilai
sesungguhnya (true value)
ketelitian
1. KETELITIAN (Precision):
seberapa jauh nilai setiap
ulangan perlakuan (r) mengumpul (dekat satu
dengan lain)
tinggi
Kualitas Data
(Pengukuran)
ketepatan
rendah
tinggi
©I
G.E. Gunartha (2008)- 7
Ragam Dalam Pengukuran
BIOLOGICAL VARIATIONS:
♣ inherent variations ternak (faktor genetika)
♣ umur ternak
♣ lingkungan
♣ jender (sex)
RAGAM
dalam
PENGUKURAN
TECHNICAL ERRORS:
HUMAN ERRORS:
♣ menetapkan prosedur pengukuran
♣ pembulatan angka (data)
♣ digit preference
INSTRUMENTAL ERRORS:
♣ systematic errors (Grafik a) – e))
♣ random errors (Grafik f))
©I
G.E. Gunartha (2008)- 8
b). Non-linearity
input
input
input
e). Instability
f). Random error
output
output
d). Hysteresis
output
c). Scale error
output
output
output
a). Zero error
••
•
• •
••• • •
• •
input
input
•••••••••
•• ••
••••••••••••• •
• ••••••••
• •••
••• •
input
©I
G.E. Gunartha (2008)- 9
ANALISIS DATA (3)
Jadi :
PROSES ANALISIS DATA pada dasarnya meliputi
upaya PENELUSURAN dan PENGUNGKAPAN
INFORMASI yang gayut terkandung dalam data dan
PENYAJIAN HASILNYA dalam bentuk yang lebih
ringkas dan sederhana, yang pada akhirnya mengarah
kepada KEPERLUAN ADANYA PENJELASAN dan
PENAFSIRAN.
©I
G.E. Gunartha (2008)- 10
ANALISIS DATA AWAL (1)
TUJUAN:
1. Untuk memberi keyakinan kepada kita apakah data cukup
baik diwakili oleh SUATU MODEL TERTENTU. Namun
yang lebih penting adalah untuk MENGUNGKAP
ADANYA PENYIMPANGAN-PENYIMPANGAN DARI
SUATU MODEL TERTENTU dan berusaha untuk
MENCARI CARA PENYELESAIANNYA.
2. Upaya pemenuhan ASUMSI-ASUMSI KETAT YANG
DIBERLAKUKAN SETIAP ANALISIS STATISTIKA
TERTENTU.
©I
G.E. Gunartha (2008)- 11
ANALISIS DATA AWAL (2)
ASUMSI UJI-z dan UJI-t
jika n ≥ 30 (gunakan uji-z) dan jika n < 30 (gunakan uji-t)
data berdistribusi Normal
setiap individu sampel harus independen (tidak berkorelasi)
setiap individu sampel harus dipilih secara acak
ASUMSI ANALISIS RAGAM (ANOVA)
Perlakuan dan pengaruh faktor lingkungan harus bersifat ADDITIF.
GALAT diasumsikan BERDISTRIBUSI NORMAL dan BEBAS
(independen) dengan rerata = 0 dan ragam = σ2, biasa ditulis
ε ∼ NID(0,σ2 )
RAGAM GALAT HARUS HOMOGEN (HOMOSKEDASTISITAS).
©I
G.E. Gunartha (2008)- 12
Asumsi Klasik Analisis Regresi (Ganda)
Tidak terdapat multikolinieritas antar peubah bebas (Xj)
pada model.
Keragaman (varians) semua galat harus sama (tidak
terdapat asumsi heteroskedastisitas)
Tidak terdapat korelasi antar galat yang satu dengan galat
yang lain (asumsi otokorelasi).
Tidak terdapat korelasi antara galat pengukuran dengan
setiap peubah bebas (Xj), dan pengukuran peubah bebas
(Xj) konstan dari pengukuran yang satu dengan pengukuran
lainnya.
Galat pengukuran harus berdistribusi normal & independen dengan rerata sama dengan nol dan varians σ2.
©I
G.E. Gunartha (2008)- 13
ANALISIS DATA AWAL (3)
TEKNIK ANALISIS DATA EKPLORASI dilakukan dengan
menggunakan STATISTIKA DESKRIPTIF.
1. Pola Sebaran Data & Pencilan, dapat menggunakan:
a. Ringkasan Lima-Angka dan Tiga-Angka:
Me
K1
Ymin
Me
K3
Ymax
(K1+K3)/2
(Ymin+Ymax)/2
©I
G.E. Gunartha (2008)- 14
b. Diagram Kotak-Garis (Boxplot):
Luas Kotak diagram merupakan BESARNYA
KERAGAMAN (baik untuk membandingkan perlakuan yang dikaji)
Kotak diagram dibatasi oleh nilai Kuartil-1 (K1) dan
Kuartil-3 (K3), dan garis yang membagi kotak
merupakan nilai Median (Me).
Simpangan Kuartil (SK) jarak antara K1 ke K3,
jadi SK = K3 – K1, menyatakan 50% data
mengumpul di jarak antara K1 dan K3
Rentang dalam diagram Kotak-garis dengan
kisaran K1 – 1.5*SK dan K3 + 1.5*SK disebut
PAGAR DALAM, sedang pada kisaran K1 – 3*SK
dan K3 + 3*SK disebut PAGAR LUAR
Data di luar PAGAR LUAR disebut PENCILAN
©I
G.E. Gunartha (2008)- 15
Perbaikan sifat kesimetrian ini dapat dilakukan dengan
TRASFORMASI DATA (baik dengan akar pangkat dua
atau logaritma)
2. Deteksi sifat Multiplikatif, dapat dilakukan dengan melihat
diagram antara NILAI RERATA dan NILAI RAGAM. Adanya kenaikan nilai rerata menyebabkan kenaikan nilai
ragam berarti nilai ragam = f(nilai rerata). Fakta ini
menunjukkan adanya sifat multiplikasi yang merupakan
penyimpangan dari asumsi ANOVA. Penyelesaian
dilakukan dengan TRASFORMASI DATA.
3. Deteksi asumsi kehomoginan ragam (homoskedastisitas),
dapat dilakukan dengan menghitung nisbah nilai ragam
terbesar dengan ragam terkecil. Secara empirik jika nilai
nisbah < 1,5 untuk pembandingan 2 rerata sampel maka
©I
G.E. Gunartha (2008)- 16
kedua sampel dinyatakan memiliki ragam yang homogin.
Namun untuk pembandingan ragam lebih dari dua sampel
maka nilai nisbah harus < 2,0 maka baru dikatakan
sampel sampel tersebut memiliki nilai ragam yang
homogin.
4. Deteksi normalitas data, dapat dilakukan dengan grafik
galat (jika galat membentuk grafik garis lurus maka data
dikatakan mengikuti pola distribusi normal) atau
menggunakan uji normalitas Anderson-Darling, RyanJoiner (Shapiro-Milke), dan Kolmogorov-Smirnov; dengan
rumusan hipotesis:
H0 : data mengikuti sebaran normal
H1 : data tidak mengikuti sebaran normal
©I
G.E. Gunartha (2008)- 17
ANALISIS DATA INFERENSIAL
1). PENDUGAAN PARAMETER:
mengukur BESARNYA PENGARUH/PERBEDAAN
umumnya dinyatakan dalam bentuk SELANG
KEPERCAYAAN (confidence interval)
2). PENGUJIAN HIPOTESIS:
mengetahui ARAH PENGARUH/PERBEDAAN
3). ANALISIS HUBUNGAN FUNGSIONAL
©I
G.E. Gunartha (2008)- 18
PENGENALAN GENSTAT (1)
1.
2.
Genstat merupakan piranti lunak statistika yang
dirancang oleh pakar/peneliti statistika dari
Rothamsted Agricultural Research Station (UK),
diperuntukan pada penelitian bidang hayati.
Sampai saat ini sudah di- release Genstat Ver.
11 (komersial), namun untuk negara-negara
sedang berkembang (third countries) diberikan
secara bebas dalam bentuk Discovery Edition
(saat ini sudah edisi 3) with agreement.
©I
G.E. Gunartha (2008)- 19
PENGENALAN GENSTAT (2)
3.
4.
Entry data dapat dilakukan dengan Genstat
atau copy paste dari Microsoft Excel.
Ada 3 hal penting yang harus dipahami dengan
penyiapan data, yaitu:
√ FACTOR : ditandai dengan tanda seru (!)
identifikasi PERLAKUAN & BLOK
PERLAKUAN dapat berupa:
• Label : Peubah Kualitatif
• Level : Peubah Kuantitatif
©I
G.E. Gunartha (2008)- 20
PENGENALAN GENSTAT (3)
5.
√ VARIATE : untuk peubah tak-bebas (Y)
Data hasil pengukuran/observasi
: menyatakan entry data dalam
√ TEXT
bentuk text/label, baik untuk Perlakuan, Blok,
maupun Data Hasil.
Untuk berhasilnya menggunakan Genstat dalam
analisis ragam (ANOVA) data penelitian
dibutuhkan pemahaman tentang TREATMENT
STRUCTURE dan BLOCK STRUCTURE.
©I
G.E. Gunartha (2008)- 21
PENGENALAN GENSTAT (4)
BLOCK STRUCTURE (STRUKTUR BLOK):
Berkait dengan tatacara mengaplikasikan
perlakuan/kombinasi perlakuan pada unit
percobaan.
Jadi sama dengan rancangan percobaan
(experimental design) – Lihat Bagan di Halaman 4.
TREATMENT STRUCTURE (STRUKTUR PERLAKUAN):
Berkait dengan perlakuan/kombinasi perlakuan
yang diteliti (ditentukan Tujuan Penelitian)
Jadi sama dengan rancangan perlakuan di Hal-4
©I
G.E. Gunartha (2008)- 22
PENGENALAN GENSTAT (5)
6. Aturan dasar yang sering dipakai dalam pengembangan
rumus, baik untuk Block Structure dan Treatment Structure:
Tanda Operasi Aritmatika: . / * + dan –
Aturan Dasar: (misal A, B, C, D dan E nama FACTOR)
1. Operasi Titik (.): Contoh (A+B).(C+D.E) = A.C + B.C +
A.D.E + B.D.E
2. Operasi *, contoh: A*B = A + B +A.B
3. Operasi /, contoh: A/B = A + A.B
4. Operasi -, contoh: (A+B) – (A+C) = B
©I
G.E. Gunartha (2008)- 23
TELADAN (1)
Exercise 2.2 from Morris, T.T. (1999). Experimental Design and Analysis
in Animal Sciences. CABI Publishing, Wallingford, UK.
The data below are from an experiment in which growing
sheep were fed a basal diet and the same diet plus
isoenergetic amounts of salts of three fatty acids. Four
ewe lambs and four wether lambs were started on each
diet and the animals were allocated to blocks according
to initial liveweight (see the layout). The sheep were all
penned separately and the allocation of sheep to pens
was random.
©I
G.E. Gunartha (2008)- 24
TELADAN (2)
DATA:
Ewes
Wethers
Block
Basal Diet
I
II
III
IV
I
II
III
IV
16.3
16.4
16.7
17.7
18.0
19.1
19.1
18.0
Basal+
acetate
18.9
18.2
18.9
19.5
17.4
18.0
21.0
21.3
Basal+
propionate
19.4
17.6
17.6
19.8
19.3
16.5
18.9
19.9
©I
Basal+
butyrate
18.0
17.5
18.6
19.1
18.4
17.6
21.3
21.1
G.E. Gunartha (2008)- 25
Layout-01
s1
I
II
s2
I
II
d3
d0
d1
d2
d1
d0
d3
d2
d1
d0
d3
d2
d0
d2
d3
d1
d1
d2
d0
d3
d3
d2
d0
d1
d2
d1
d3
d0
d3
d2
d0
d1
IV
III
IV
III
Layout-02
I
III
s1d3
s2d0
s2d1
s1d2
s1d1
s2d3
s1d0
s2d2
s2d1
s1d0
s1d3
s2d2
s1d2
s2d3
s2d0
s1d1
s2d1
s1d2
s1d0
s2d3
s2d0
s1d3
s2d2
s1d1
s2d2
s2d1
s1d3
s2d0
s1d2
s2d3
s1d0
s1d1
II
IV
Layout-03
II
I
IV
III
s1d3
s1d0
s1d1
s1d2
s2d1
s2d0
s2d3
s2d2
s1d1
s1d0
s1d3
s1d2
s1d0
s1d2
s1d3
s1d1
s2d1
s2d2
s2d0
s2d3
s1d3
s1d2
s1d0
s1d1
s2d2
s2d1
s2d3
s2d0
s2d3
s2d2
s2d0
s2d1
Huruf Romawi = Blok, S = sex (1=Ewes, 2=Wether), dan D = Diet (1=basal,2=+acetate,3=+propionate,4=+butyrate)
©I
G.E. Gunartha (2008)-26
TELADAN (3)
Sebelum menganalisis sidik ragamnya, mari kita simak
pemecahan sumber keragaman ketiga Layout tersebut:
Layout-01
SK
Blok
Sex
Blok dlm Sex
Diet
Sex * Diet
Galat
Total
db
sr-1 = 7
s-1 = 1
s(r-1) = 6
d-1 = 3
(s-1)(d-1) = 3
s(r-1)(d-1) = 18
sdr -1 =31
Layout-02
SK
Blok
Sex
Diet
Sex*Diet
Galat
Total
Layout-03
db
SK
r-1 = 3
s-1 = 1
d-1 = 3
(s-1)(d-1) = 3
(sd-1)(r-1) = 21
sdr-1 =31
Blok
Sex
Galat-a
Diet
Sex*Diet
Galat-b
Total
©I
db
r-1 = 3
s-1 = 1
(r-1)(s-1) = 3
d-1 = 3
(s-1)(d-1) = 3
s(r-1)(d-1) = 18
sdr-1 = 31
G.E. Gunartha (2008)- 27
TELADAN (4)
DEMO MENGGUNAKAN GENSTAT DE 3:
1.
MENGGUNAKAN MENU RANCANGAN
STANDAR
2.
MENGGUNAKAN RANCANGAN
GENERAL
©I
G.E. Gunartha (2008)- 28
Sekian dan Terimakasih
MENGGUNAKAN GENSTAT
Oleh :
Ir. I Gde Ekaputra Gunartha, M.Agr., Ph.D.
gunartha_biometry@doctor.com
Materi disampaikan pada Semiloka Penyusunan Proposal dan
Publikasi Hasil Penelitian Fakultas Peternakan Unram,
28 Juli 2008
ANALISIS DATA (1)
Analisis Data Penelitian merupakan salah satu langkah
metode ilmiah (scientific method) untuk menyajikan informasi
dalam melakukan generalisasi terhadap hasil penelitian,
namun
1. banyak peneliti masih cenderung memaknai sebagai
proses perhitungan semata dalam penerapan metode
statistika, antara lain: perhitungan rerata, ragam, koefisien
regresi ataupun perhitungan jumlah kuadrat dalam analisis
ragam, dan sebagainya, sehingga PERANAN dan
KEGUNAAN ANALISIS DATA SERING TERLUPAKAN
atau TIDAK MENJADI PERHATIAN UTAMA;
©I
G.E. Gunartha (2008)- 2
ANALISIS DATA (2)
2. adanya kecenderungan peneliti yang keliru
menerapkan metode statistika secara umum, oleh
karena adanya kesan bahwa pengujian hipotesis
bersifat sederhana dan relatif mudah dilakukan
sesuai pedoman dalam buku-buku teks, maka tidak
jarang ditemukan suatu penelitian yang sebenarnya
menarik ternyata cukup diakhiri dengan pernyataan
bahwa hasil percobaan/penelitian tidak nyata secara
statistik.
©I
G.E. Gunartha (2008)- 3
Tujuan
Percobaan
Keagaman Antar
Unit Percobaan
- Respon yg diukur
- Waktu pengukuran:
√ Cross Section
√ Longitudinal
- Skala pengukuran
- Metode penskalaan:
√ Rating scale
√ Ranking scale
- Ragam pengukuran
Rancangan
Perlakuan
Rancangan
Percobaan
Rancangan
Respons
Rancangan
Pengukuran
Unsur-unsur yang
berpengaruh pada
Analisis Data
ANALISIS DATA
PENELITIAN
ANALISIS DATA
AWAL
ANALISIS DATA
INFERENSIAL
©I
G.E. Gunartha (2008)- 4
KERAGAMAN YANG
MENGGANGGU
Sumber Keragaman:
Materi/alat percobaan
Lingkungan percobaan
Pengamatan/pengukuran
Rancangan
Percobaan
Keragaman Antar Unit
Percobaan
Ragam
HOMOGEN
Ragam
HETEROGEN KE
SATU ARAH
Ragam
HETEROGEN KE
> 1 ARAH
Rancangan
Acak Lengkap
(RAL)
Rancangan
Kelompok Lengkap
Teracak (RKLT)
Rancangan
Bujur Sangkar
Latin (RBSL)
1 Faktor >1 Faktor
1 Faktor >1 Faktor
1 Faktor >1 Faktor
Rancangan
Perlakuan
Hubungan antara Rancangan Percobaan &
Rancangan Perlakuan
1. Faktorial
(Cross Factorial)
2. Hirarkhi (Nested
Experiment)
3. Petak Terbagi
(Split Plot Design)
1. Faktorial
(Cross Factorial)
2. Hirarkhi (Nested
Experiment)
3. Petak Terbagi
(Split Plot Design)
1. Faktorial
(Cross Factorial)
2. Hirarkhi (Nested
Experiment)
3. Petak Terbagi
(Split Plot Design)
©I
G.E. Gunartha (2008)- 5
Rancangan
Pengukuran
Cara
memperoleh
data
Mencacah, mengukur
menggunakan alat metrik
Menggolongkan, me-ranking
KUANTITATIF
PEUBAH/
DATA
KUALITATIF/KATEGORIK
Selang/interval dan Rasio
TIPE
DATA
Nominal dan Ordinal
OPERASI
ARITMATIKA
+
+ -
*
/
Kontinu dan Diskrit:
• bobot sapi
• banyak mikroba per cm2
• intensitas serangan penyakit
SIFAT
DATA
Atribut/kategorik:
• tingkat kesukaan konsumen
• jenis kredit usahatani
©I
G.E. Gunartha (2008)- 6
2. KETEPATAN (Accuracy):
seberapa jauh nilai pengamatan dekat dengan nilai
sesungguhnya (true value)
ketelitian
1. KETELITIAN (Precision):
seberapa jauh nilai setiap
ulangan perlakuan (r) mengumpul (dekat satu
dengan lain)
tinggi
Kualitas Data
(Pengukuran)
ketepatan
rendah
tinggi
©I
G.E. Gunartha (2008)- 7
Ragam Dalam Pengukuran
BIOLOGICAL VARIATIONS:
♣ inherent variations ternak (faktor genetika)
♣ umur ternak
♣ lingkungan
♣ jender (sex)
RAGAM
dalam
PENGUKURAN
TECHNICAL ERRORS:
HUMAN ERRORS:
♣ menetapkan prosedur pengukuran
♣ pembulatan angka (data)
♣ digit preference
INSTRUMENTAL ERRORS:
♣ systematic errors (Grafik a) – e))
♣ random errors (Grafik f))
©I
G.E. Gunartha (2008)- 8
b). Non-linearity
input
input
input
e). Instability
f). Random error
output
output
d). Hysteresis
output
c). Scale error
output
output
output
a). Zero error
••
•
• •
••• • •
• •
input
input
•••••••••
•• ••
••••••••••••• •
• ••••••••
• •••
••• •
input
©I
G.E. Gunartha (2008)- 9
ANALISIS DATA (3)
Jadi :
PROSES ANALISIS DATA pada dasarnya meliputi
upaya PENELUSURAN dan PENGUNGKAPAN
INFORMASI yang gayut terkandung dalam data dan
PENYAJIAN HASILNYA dalam bentuk yang lebih
ringkas dan sederhana, yang pada akhirnya mengarah
kepada KEPERLUAN ADANYA PENJELASAN dan
PENAFSIRAN.
©I
G.E. Gunartha (2008)- 10
ANALISIS DATA AWAL (1)
TUJUAN:
1. Untuk memberi keyakinan kepada kita apakah data cukup
baik diwakili oleh SUATU MODEL TERTENTU. Namun
yang lebih penting adalah untuk MENGUNGKAP
ADANYA PENYIMPANGAN-PENYIMPANGAN DARI
SUATU MODEL TERTENTU dan berusaha untuk
MENCARI CARA PENYELESAIANNYA.
2. Upaya pemenuhan ASUMSI-ASUMSI KETAT YANG
DIBERLAKUKAN SETIAP ANALISIS STATISTIKA
TERTENTU.
©I
G.E. Gunartha (2008)- 11
ANALISIS DATA AWAL (2)
ASUMSI UJI-z dan UJI-t
jika n ≥ 30 (gunakan uji-z) dan jika n < 30 (gunakan uji-t)
data berdistribusi Normal
setiap individu sampel harus independen (tidak berkorelasi)
setiap individu sampel harus dipilih secara acak
ASUMSI ANALISIS RAGAM (ANOVA)
Perlakuan dan pengaruh faktor lingkungan harus bersifat ADDITIF.
GALAT diasumsikan BERDISTRIBUSI NORMAL dan BEBAS
(independen) dengan rerata = 0 dan ragam = σ2, biasa ditulis
ε ∼ NID(0,σ2 )
RAGAM GALAT HARUS HOMOGEN (HOMOSKEDASTISITAS).
©I
G.E. Gunartha (2008)- 12
Asumsi Klasik Analisis Regresi (Ganda)
Tidak terdapat multikolinieritas antar peubah bebas (Xj)
pada model.
Keragaman (varians) semua galat harus sama (tidak
terdapat asumsi heteroskedastisitas)
Tidak terdapat korelasi antar galat yang satu dengan galat
yang lain (asumsi otokorelasi).
Tidak terdapat korelasi antara galat pengukuran dengan
setiap peubah bebas (Xj), dan pengukuran peubah bebas
(Xj) konstan dari pengukuran yang satu dengan pengukuran
lainnya.
Galat pengukuran harus berdistribusi normal & independen dengan rerata sama dengan nol dan varians σ2.
©I
G.E. Gunartha (2008)- 13
ANALISIS DATA AWAL (3)
TEKNIK ANALISIS DATA EKPLORASI dilakukan dengan
menggunakan STATISTIKA DESKRIPTIF.
1. Pola Sebaran Data & Pencilan, dapat menggunakan:
a. Ringkasan Lima-Angka dan Tiga-Angka:
Me
K1
Ymin
Me
K3
Ymax
(K1+K3)/2
(Ymin+Ymax)/2
©I
G.E. Gunartha (2008)- 14
b. Diagram Kotak-Garis (Boxplot):
Luas Kotak diagram merupakan BESARNYA
KERAGAMAN (baik untuk membandingkan perlakuan yang dikaji)
Kotak diagram dibatasi oleh nilai Kuartil-1 (K1) dan
Kuartil-3 (K3), dan garis yang membagi kotak
merupakan nilai Median (Me).
Simpangan Kuartil (SK) jarak antara K1 ke K3,
jadi SK = K3 – K1, menyatakan 50% data
mengumpul di jarak antara K1 dan K3
Rentang dalam diagram Kotak-garis dengan
kisaran K1 – 1.5*SK dan K3 + 1.5*SK disebut
PAGAR DALAM, sedang pada kisaran K1 – 3*SK
dan K3 + 3*SK disebut PAGAR LUAR
Data di luar PAGAR LUAR disebut PENCILAN
©I
G.E. Gunartha (2008)- 15
Perbaikan sifat kesimetrian ini dapat dilakukan dengan
TRASFORMASI DATA (baik dengan akar pangkat dua
atau logaritma)
2. Deteksi sifat Multiplikatif, dapat dilakukan dengan melihat
diagram antara NILAI RERATA dan NILAI RAGAM. Adanya kenaikan nilai rerata menyebabkan kenaikan nilai
ragam berarti nilai ragam = f(nilai rerata). Fakta ini
menunjukkan adanya sifat multiplikasi yang merupakan
penyimpangan dari asumsi ANOVA. Penyelesaian
dilakukan dengan TRASFORMASI DATA.
3. Deteksi asumsi kehomoginan ragam (homoskedastisitas),
dapat dilakukan dengan menghitung nisbah nilai ragam
terbesar dengan ragam terkecil. Secara empirik jika nilai
nisbah < 1,5 untuk pembandingan 2 rerata sampel maka
©I
G.E. Gunartha (2008)- 16
kedua sampel dinyatakan memiliki ragam yang homogin.
Namun untuk pembandingan ragam lebih dari dua sampel
maka nilai nisbah harus < 2,0 maka baru dikatakan
sampel sampel tersebut memiliki nilai ragam yang
homogin.
4. Deteksi normalitas data, dapat dilakukan dengan grafik
galat (jika galat membentuk grafik garis lurus maka data
dikatakan mengikuti pola distribusi normal) atau
menggunakan uji normalitas Anderson-Darling, RyanJoiner (Shapiro-Milke), dan Kolmogorov-Smirnov; dengan
rumusan hipotesis:
H0 : data mengikuti sebaran normal
H1 : data tidak mengikuti sebaran normal
©I
G.E. Gunartha (2008)- 17
ANALISIS DATA INFERENSIAL
1). PENDUGAAN PARAMETER:
mengukur BESARNYA PENGARUH/PERBEDAAN
umumnya dinyatakan dalam bentuk SELANG
KEPERCAYAAN (confidence interval)
2). PENGUJIAN HIPOTESIS:
mengetahui ARAH PENGARUH/PERBEDAAN
3). ANALISIS HUBUNGAN FUNGSIONAL
©I
G.E. Gunartha (2008)- 18
PENGENALAN GENSTAT (1)
1.
2.
Genstat merupakan piranti lunak statistika yang
dirancang oleh pakar/peneliti statistika dari
Rothamsted Agricultural Research Station (UK),
diperuntukan pada penelitian bidang hayati.
Sampai saat ini sudah di- release Genstat Ver.
11 (komersial), namun untuk negara-negara
sedang berkembang (third countries) diberikan
secara bebas dalam bentuk Discovery Edition
(saat ini sudah edisi 3) with agreement.
©I
G.E. Gunartha (2008)- 19
PENGENALAN GENSTAT (2)
3.
4.
Entry data dapat dilakukan dengan Genstat
atau copy paste dari Microsoft Excel.
Ada 3 hal penting yang harus dipahami dengan
penyiapan data, yaitu:
√ FACTOR : ditandai dengan tanda seru (!)
identifikasi PERLAKUAN & BLOK
PERLAKUAN dapat berupa:
• Label : Peubah Kualitatif
• Level : Peubah Kuantitatif
©I
G.E. Gunartha (2008)- 20
PENGENALAN GENSTAT (3)
5.
√ VARIATE : untuk peubah tak-bebas (Y)
Data hasil pengukuran/observasi
: menyatakan entry data dalam
√ TEXT
bentuk text/label, baik untuk Perlakuan, Blok,
maupun Data Hasil.
Untuk berhasilnya menggunakan Genstat dalam
analisis ragam (ANOVA) data penelitian
dibutuhkan pemahaman tentang TREATMENT
STRUCTURE dan BLOCK STRUCTURE.
©I
G.E. Gunartha (2008)- 21
PENGENALAN GENSTAT (4)
BLOCK STRUCTURE (STRUKTUR BLOK):
Berkait dengan tatacara mengaplikasikan
perlakuan/kombinasi perlakuan pada unit
percobaan.
Jadi sama dengan rancangan percobaan
(experimental design) – Lihat Bagan di Halaman 4.
TREATMENT STRUCTURE (STRUKTUR PERLAKUAN):
Berkait dengan perlakuan/kombinasi perlakuan
yang diteliti (ditentukan Tujuan Penelitian)
Jadi sama dengan rancangan perlakuan di Hal-4
©I
G.E. Gunartha (2008)- 22
PENGENALAN GENSTAT (5)
6. Aturan dasar yang sering dipakai dalam pengembangan
rumus, baik untuk Block Structure dan Treatment Structure:
Tanda Operasi Aritmatika: . / * + dan –
Aturan Dasar: (misal A, B, C, D dan E nama FACTOR)
1. Operasi Titik (.): Contoh (A+B).(C+D.E) = A.C + B.C +
A.D.E + B.D.E
2. Operasi *, contoh: A*B = A + B +A.B
3. Operasi /, contoh: A/B = A + A.B
4. Operasi -, contoh: (A+B) – (A+C) = B
©I
G.E. Gunartha (2008)- 23
TELADAN (1)
Exercise 2.2 from Morris, T.T. (1999). Experimental Design and Analysis
in Animal Sciences. CABI Publishing, Wallingford, UK.
The data below are from an experiment in which growing
sheep were fed a basal diet and the same diet plus
isoenergetic amounts of salts of three fatty acids. Four
ewe lambs and four wether lambs were started on each
diet and the animals were allocated to blocks according
to initial liveweight (see the layout). The sheep were all
penned separately and the allocation of sheep to pens
was random.
©I
G.E. Gunartha (2008)- 24
TELADAN (2)
DATA:
Ewes
Wethers
Block
Basal Diet
I
II
III
IV
I
II
III
IV
16.3
16.4
16.7
17.7
18.0
19.1
19.1
18.0
Basal+
acetate
18.9
18.2
18.9
19.5
17.4
18.0
21.0
21.3
Basal+
propionate
19.4
17.6
17.6
19.8
19.3
16.5
18.9
19.9
©I
Basal+
butyrate
18.0
17.5
18.6
19.1
18.4
17.6
21.3
21.1
G.E. Gunartha (2008)- 25
Layout-01
s1
I
II
s2
I
II
d3
d0
d1
d2
d1
d0
d3
d2
d1
d0
d3
d2
d0
d2
d3
d1
d1
d2
d0
d3
d3
d2
d0
d1
d2
d1
d3
d0
d3
d2
d0
d1
IV
III
IV
III
Layout-02
I
III
s1d3
s2d0
s2d1
s1d2
s1d1
s2d3
s1d0
s2d2
s2d1
s1d0
s1d3
s2d2
s1d2
s2d3
s2d0
s1d1
s2d1
s1d2
s1d0
s2d3
s2d0
s1d3
s2d2
s1d1
s2d2
s2d1
s1d3
s2d0
s1d2
s2d3
s1d0
s1d1
II
IV
Layout-03
II
I
IV
III
s1d3
s1d0
s1d1
s1d2
s2d1
s2d0
s2d3
s2d2
s1d1
s1d0
s1d3
s1d2
s1d0
s1d2
s1d3
s1d1
s2d1
s2d2
s2d0
s2d3
s1d3
s1d2
s1d0
s1d1
s2d2
s2d1
s2d3
s2d0
s2d3
s2d2
s2d0
s2d1
Huruf Romawi = Blok, S = sex (1=Ewes, 2=Wether), dan D = Diet (1=basal,2=+acetate,3=+propionate,4=+butyrate)
©I
G.E. Gunartha (2008)-26
TELADAN (3)
Sebelum menganalisis sidik ragamnya, mari kita simak
pemecahan sumber keragaman ketiga Layout tersebut:
Layout-01
SK
Blok
Sex
Blok dlm Sex
Diet
Sex * Diet
Galat
Total
db
sr-1 = 7
s-1 = 1
s(r-1) = 6
d-1 = 3
(s-1)(d-1) = 3
s(r-1)(d-1) = 18
sdr -1 =31
Layout-02
SK
Blok
Sex
Diet
Sex*Diet
Galat
Total
Layout-03
db
SK
r-1 = 3
s-1 = 1
d-1 = 3
(s-1)(d-1) = 3
(sd-1)(r-1) = 21
sdr-1 =31
Blok
Sex
Galat-a
Diet
Sex*Diet
Galat-b
Total
©I
db
r-1 = 3
s-1 = 1
(r-1)(s-1) = 3
d-1 = 3
(s-1)(d-1) = 3
s(r-1)(d-1) = 18
sdr-1 = 31
G.E. Gunartha (2008)- 27
TELADAN (4)
DEMO MENGGUNAKAN GENSTAT DE 3:
1.
MENGGUNAKAN MENU RANCANGAN
STANDAR
2.
MENGGUNAKAN RANCANGAN
GENERAL
©I
G.E. Gunartha (2008)- 28
Sekian dan Terimakasih