2. 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
3. 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
4. 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
5. RAL dg ulangan tak lagi sama
Perlakuan
Ulangan
Total Rata-rata
1 2 3 4
A 7 6 7 - 20 6,67
B 8 - 11 12 31 10,33
C 9 8 10 11 38 9,5
D 12 - 14 - 26 13
E 6 10 7 6 29 7,25
TOTAL 42 24 49 29 144
A
B
C
D
A,B,C,D adalah data yang hilang
7. 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). 𝐾𝑇𝐺
1
𝑛1
+
1
𝑛2
BNJ α = q (α; p ; db galat)
1
2
𝐾𝑇𝐺
1
𝑛1
+
1
𝑛2
DMRT α = R (α, p, db galat).
1
2
𝐾𝑇𝐺
1
𝑛1
+
1
𝑛2
8. 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). 2,46
1
3
+
1
4
=2,64
Pembandingan A vs C
BNTnya adalah= t(0,05, 11). 2,46
1
3
+
1
4
=2,64
9. LANJUTAN
Pembandingan E vs C
BNTnya adalah= t(0,05, 11). 2,46
1
4
+
1
4
=2,44
Pembandingan E vs B
BNTnya adalah= t(0,05, 11). 2,46
1
3
+
1
4
=2,64
Pembandingan C vs B
BNTnya adalah= t(0,05, 11). 2,46
1
3
+
1
4
=2,64
Pembandingan C vs D
BNTnya adalah= t(0,05, 11). 2,46
1
4
+
1
2
=2,99
Pembandingan B vs D
BNTnya adalah= t(0,05, 11). 2,46
1
3
+
1
2
=3,15
10. 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
A 6,67
a
E 7,25
b
E 7,25
b
C 9,5
c
C 9,5
c
B 10,33
d
A 6,67
a
E 7,25
a
C 9,5
b
C 9,5
b
B 10,33
c
B 10,33
c
D 13
d
D 13
d
E 7,25
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
11. DATA HILANG RAK
X=
𝑟𝐵0
+𝑡𝑇0
−𝐺0
(𝑟−1)(𝑡−1)
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
12. 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)
13. SATU DATA PENGAMATAN HILANG u/ RAK
Perla
kuan
Kelompok Total
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
14. Anova RAK (dengan satu nilai duga data hilang)
S.K. d.b. J.K. K.T. Fhitung
Kelompok
Perlakuan
Galat
3 165,5 55,167 88,267
3 44,5 14,833 23,733 **
8 5,0 0,625
Total 14 214,0
DATA YANG
DIGUNAKAN
15. 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
16. Dua data yang hilang pada RAK
Perlakuan Kelompok
I II III
Total
A
B
C
D
E
a 8,00 7,93
8,14 8,15 7,87
7,76 b 7,74
7,17 7,57 7,80
7,46 7,68 7,21
15,93
24,16
15,50
22,54
22,35
Total 30,53 31,40 38,55 100,48
T
G
B
Data hilang lebih dari 1 → proses pendugaan/pencariannya berulang-ulang
Original value
Yi
c
Yj
Data awal saat ada
missing data
17. Tahapan penyelesaian
1. Dugalah a dengan
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
NILAI a0/a
18. 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=
(3 x 30,53) + (5 x15,93) –108,41
(3 – 1) (5 – 1)
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=
(3 x 31,4) + (5 x 15,5) – 108,33
(3 – 1) (5 – 1)
B = 31,40 T = 15,50
G = 100,48 + 7,85 = 7,92
= 108,33
19. lanjutan
(5). Dengan nilai b2 = 7,92 → dicari a2 .
n = 3 dan t = 5
B = 30,53 a2=
(3 x 30,53) + (5 x 15,93) – 15,93
(3 – 1) (5 – 1)
T = 15,93
G = 100,48 + 7,92 = 7,86
= 108,40
(6). Perhatikan:
b1 = 7,93
b2 = 7,92
a1 = 7,85
a2 = 7,86
Beda cukup
kecil
Beda cukup
kecil
Maka pencarian
dihentikan
a=7,86 (a2); b=7,92 (b2)
Jadi yang dipakai adalah:
Selisih 0,01
20. Masukkan nilai yg didapat
Complete value
Perlakuan Kelompok
I II III
Total
A
B
C
D
E
7,86 8,00 7,93
8,14 8,15 7,87
7,76 7,92 7,74
7,17 7,57 7,80
7,46 7,68 7,21
23,79
24,16
23,42
22,54
22,35
Total 38,39 39,32 38,55 116,26
Data setelah missing
data terisi
a2
b2
21. Penyelesaian perhitungan
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
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
Hit dengan data missing
Hit dengan data lengkap
22. Anova RAK dua data hilang dengan JKP terkoreksi
Uji lanjut nya, misal BNT= tα x 𝐾𝑇𝐺(
2
𝑟 + 𝑡/𝑟(𝑟 − 1)(𝑡 − 1)
S.K. d.b. JK K.T. Fhitung F tabel
0,05 0,01
Kelompok (comp.val.)
Perlakuan (terkoreksi)
Galat (comp.val.)
2
4
6
0,0989
0,7756
0,2947
0,0495
0,1939
0,0491
1,01
3,95 4,53 9,15
Total (comp.val.) 12
8-2
14-2
(u-1)(p-1)= (3-1)(5-1)=8
(p*u)-1= (5*3)-1=14
Banyaknya data yang hilang
23. Data hilang RBSL
X=
𝑡 𝑅0
+𝐶0
+𝑇0
−2𝐺0
(𝑟−1)(𝑡−1)
𝑡 : jumlah perlakuan
R0 : jumlah total pada baris yang datanya hilang
C0 : jumlah total pada kolom yang datanya hilang
G0 : grand total
24. contoh
𝑋 =
[4 3,515+4,49+4,2 −2 19,71 ]
3𝑥2
=1,567
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 X B 0,66 C 3,515
TOTAL
KOLOM
6,350 4,395 4,49 4,475
TOTAL 19,71
25. Hitung anova sementara dengan data yang baru diestimasi
Kurangi JKA, JKB dan JKT dengan nilai bias berikut
26. 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 𝐾𝑇𝐺(
2
𝑟 + 1/𝑟(𝑟 − 1)(𝑡 − 1)
27. Data hilang pada split plot
X=
𝑟𝑀0
+𝑏𝑇0
−𝑃0
(𝑏−1)(𝑟−1)
𝑏 : 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
30. 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.
31. 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
35. 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
43. 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”
44. Contoh data
Aditif Multiplikatif
Perlakuan
Ulangan Pengaruh
Ulangan
(1-2)
1 2
A 180 120 60
B 160 100 60
Pengaruh
Perlakuan
(A-B)
20 20
Perlakuan
Ulangan Pengaruh
Ulangan
(1-2)
1 2
A 90 180 90
B 100 200 100
Pengaruh
Perlakuan
(A-B)
10 20
45. 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.
46. 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
47. 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
48. lanjutan
Perlakuan
Ulangan
1 2 3
A 45 46 48
B 66 70 71
C 23 24 30
Perlakuan
Ulangan
1 2 3
A 1.65 1.66 1.68
B 1.82 1.85 1.85
C 1.36 1.38 1.48
49. 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-
30% atau 70-100%
Apabila gugus data hasil pengamatan adalah
Xi, maka sebelum di analisis varian semua
data ditransformasi dengan diakarkan, atau
X = √ Xi
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
Perlakuan
Ulangan
1 2 3
A 89 90 91
B 77 78 82
C 86 86 70
Perlakuan
Ulangan
1 2 3
A 9.43 9.49 9.54
B 8.77 8.83 9.06
C 9.27 9.27 8.37
50. Transformasi Arc sin 𝑥
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()
51. 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))
52. Perl
Ulangan
1 2 3
A 44.00 25.33 100.00
B 0 0 0
C 21.33 49.33 80.00
Perl
Ulangan
1 2 3
A 41.55 30.22 89.67
B 0.33 0.33 0.33
C 27.51 44.62 63.43
53. Catatan penting:
• Data hasil transformasi hanya diperlukan untuk analisis ragam
• Pada laporan/pembahasan, data yang ditulis adalah data asli (tanpa
transformasi)