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,

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

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

ANALISIS DATA

PENELITIAN

ANALISIS DATA AWAL

ANALISIS DATA INFERENSIAL

-Respon yg diukur

-Waktu pengukuran:

√Cross Section

√Longitudinal

-Skala pengukuran

-Metode penskalaan:

√Rating scale

√Ranking scale -Ragam pengukuran

KERAGAMAN YANG MENGGANGGU

Keragaman Antar Unit Percobaan

Sumber Keragaman:

 Materi/alat percobaan

 Lingkungan percobaan

 Pengamatan/pengukuran

Ragam

HOMOGEN

Ragam

HETEROGEN KE SATU ARAH

Ragam

HETEROGEN KE > 1 ARAH

1 Faktor >1 Faktor

1. Faktorial

(Cross Factorial) 2. Hirarkhi (Nested

Experiment) 3. Petak Terbagi

(Split Plot Design)

1 Faktor >1 Faktor

1. Faktorial

(Cross Factorial) 2. Hirarkhi (Nested

Experiment) 3. Petak Terbagi

(Split Plot Design)

1 Faktor >1 Faktor

1. Faktorial

(Cross Factorial) 2. Hirarkhi (Nested

Experiment) 3. Petak Terbagi

(Split Plot Design)

Rancangan

Pengukuran

Cara memperoleh

data

Mencacah, mengukur

menggunakan alat metrik Menggolongkan, me-ranking

KUANTITATIF

Selang/interval dan Rasio

+ - * /

Kontinu dan Diskrit:

• bobot sapi

• banyak mikroba per cm2

• intensitas serangan penyakit

KUALITATIF/KATEGORIK

Nominal dan Ordinal

+

Atribut/kategorik:

• tingkat kesukaan konsumen

• jenis kredit usahatani

1. KETELITIAN (Precision):

seberapa jauh nilai setiap ulangan perlakuan (r) me-ngumpul (dekat satu

dengan lain)

2. KETEPATAN (Accuracy):

seberapa jauh nilai peng-amatan dekat dengan nilai sesungguhnya (true value)

ketepatan

Ragam Dalam Pengukuran

RAGAM dalam

PENGUKURAN

BIOLOGICAL VARIATIONS:

♣ inherent variations ternak (faktor genetika) ♣ umur ternak

♣ lingkungan ♣ jender (sex)

TECHNICAL ERRORS:  HUMAN ERRORS:

♣ menetapkan prosedur pengukuran ♣ pembulatan angka (data)

♣ digit preference

 INSTRUMENTAL ERRORS:

input

a). Zero error b). Non-linearity c). Scale error

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

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.



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 ₎



Asumsi Klasik Analisis Regresi (Ganda)

 Tidak terdapat multikolinieritas antar peubah bebas (X_j) 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 (X_j), dan pengukuran peubah bebas (X_j) konstan dari pengukuran yang satu dengan pengukuran lainnya.

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 Me

K₁ K₃ (K₁+K₃)/2

b. Diagram Kotak-Garis (Boxplot):

 Luas Kotak diagram merupakan BESARNYA

KERAGAMAN (baik untuk membandingkan perla-kuan 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

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. Ada-nya 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

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,

Ryan-Joiner (Shapiro-Milke), dan Kolmogorov-Smirnov; dengan rumusan hipotesis:

H₀ : data mengikuti sebaran normal

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

PENGENALAN GENSTAT (1)

1.

Genstat merupakan piranti lunak statistika yang

dirancang oleh pakar/peneliti statistika dari

Rothamsted Agricultural Research Station (UK),

diperuntukan pada penelitian bidang hayati

.

2.

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

PENGENALAN GENSTAT (2)

3.

Entry

data dapat dilakukan dengan

Genstat

atau

copy paste dari Microsoft Excel

.

4.

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

PENGENALAN GENSTAT (3)

√

VARIATE

: untuk

peubah tak-bebas (Y)



Data hasil pengukuran/observasi

√

TEXT

: menyatakan

entry

data dalam

bentuk text/label, baik untuk Perlakuan, Blok,

maupun Data Hasil.

5.

Untuk berhasilnya menggunakan Genstat dalam

analisis ragam (ANOVA) data penelitian

dibutuhkan pemahaman tentang

TREATMENT

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)

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

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

TELADAN (2)

DATA:

Block Basal Diet Basal+ acetate

Basal+ propionate

Basal+ butyrate

Ewes I 16.3 18.9 19.4 18.0

II 16.4 18.2 17.6 17.5

III 16.7 18.9 17.6 18.6

IV 17.7 19.5 19.8 19.1

Wethers I 18.0 17.4 19.3 18.4

II 19.1 18.0 16.5 17.6

III 19.1 21.0 18.9 21.3

s2d1 s1d0 s1d3 s2d2

s2d2 s2d1 s1d3 s2d0

s1d2 s2d3 s2d0 s1d1

s1d2 s2d3 s1d0 s1d1 s1d3 s2d0 s2d1 s1d2

s2d1 s1d2 s1d0 s2d3

s1d1 s2d3 s1d0 s2d2

s2d0 s1d3 s2d2 s1d1

I

II

III

IV

s1d3 s1d0 s1d1 s1d2

s2d1 s2d2 s2d0 s2d3

s2d1 s2d0 s2d3 s2d2

s1d3 s1d2 s1d0 s1d1

s1d1 s1d0 s1d3 s1d2

s2d2 s2d1 s2d3 s2d0

s1d0 s1d2 s1d3 s1d1

s2d3 s2d2 s2d0 s2d1

TELADAN (3)

Sebelum menganalisis sidik ragamnya, mari kita simak pemecahan sumber keragaman ketiga Layout tersebut:

SK db SK db SK db

Blok sr-1 = 7 Blok r-1 = 3 Blok r-1 = 3

Sex s-1 = 1 Sex s-1 = 1 Sex s-1 = 1

Blok dlm Sex s(r-1) = 6 Galat-a (r-1)(s-1) = 3

Diet d-1 = 3 Diet d-1 = 3 Diet d-1 = 3

Sex * Diet (s-1)(d-1) = 3 Sex*Diet (s-1)(d-1) = 3 Sex*Diet (s-1)(d-1) = 3

Galat s(r-1)(d-1) = 18 Galat (sd-1)(r-1) = 21 Galat-b s(r-1)(d-1) = 18

Total sdr -1 =31 Total sdr-1 =31 Total sdr-1 = 31

DEMO MENGGUNAKAN

GENSTAT DE 3

:

1.

MENGGUNAKAN

MENU RANCANGAN

STANDAR

2.

MENGGUNAKAN

RANCANGAN

GENERAL