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 (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.
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.