Transformasi Data

-

Transformasi data adalah merubah skala data kedalam bentuk lain sehingga data memiliki distribusi yang diharapkan.Setiap data yang dilakukan transformasi dilakukan operasi matematika yang sama pada semua data aslinya, hal ini dimaksudkan untuk menjaga perbedaan antar data relatif tetap.Jika data kita memiliki lebih dari satu variabel, maka kita mentransformasikan semua variabel agar hubungan antar data tidak berubah.  Pada umumnya untuk menentukan jenis transformasi mana yang paling tepat digunakan adalah dengan memplot data kita dan melihat trend dari data tersebut atau berdasarkan histogram dari data tersebut : 

Plot data/Histogram Skewness
(Source: Hanif, 2017)

Jenis Transfromasi Data 

Tranformasi Data
(Source: Bambang, 2010)
  • Transformasi Akar Transformasi jenis ini disebut juga dengan istilah transformasi akar kuadrat (square root). Transformasi akar digunakan apabila data anda tidak memenuhi asumsi kehomogenen ragam. Dengan kata lain transformasi akar berfungsi untuk membuat ragam menjadi homogen.
  • Tranformasi Logaritma Transformasi Logaritma digunakan apabila data anda tidak memenuhi asumsi pengaruh aditif.Beberapa hal yang penting dalam transformasi logaritma yaitu: (1) ØApabila data asli anda menunjukkan sebaran < 10, maka digunakan transfromasi log X + 1. (2) Apabila data banyak mengandung nilai nol, maka sebaiknya gunakan transformasi yang lain, misalnya transformasi akar.
  • Transformasi Arcsin Transformasi Arcsin digunakan data dlm bentuk persentase.Umumnya data yang demikian mempunyai sebaran binomial.Bentuk transformasi arcsin ini biasa disebut juga transformasi kebalikan sinus atau transformasi arcus sinus. Kalau X adalah data asli anda, maka X’ (X aksen) adalah data hasil transformasi berupa Arcsin X.
  • Transformasi Inverse Transformasi ini dilakukan dengan membalik nilai asli, yaitu dengan rumus: 1/Variabel. Misal Nilai asli -1,4 maka nilai transformasi: 1/-1,4 = -0,714. Apabila data anda ada nilai 0, maka tambahkan dengan konstanta, misal: =1/(Var+1).
  • Transformasi Inverse Square Transformasi ini dilakukan dengan membalik nilai kuadrat, yaitu dengan rumus: 1/Square(Variabel).Misal Nilai asli -1,4 maka nilai transformasi: 1/(-1,4^2) = 0,510. Apabila data anda ada nilai 0, maka tambahkan dengan konstanta, misal: =1/(Var^2+1)
  • Transformasi Inverse Square Root Trnasformasi ini berupa membalik akar kuadrat nilai asli, yaitu dengan rumus : 1/Sqrt(Variabel).Misal: nilai asli 1,4 maka nilai transformasi adalah 1/Sqrt(1,4)=0,845.Apabila data terdapat nilai 0, maka tambahkan dengan konstanta, misal: =1/Sqrt(Var+1).
  • Transformasi Cubic Transformasi cubic adalah mengoperasikan pangkat tiga nilai asli. Misal: nilai asli 0,3 maka nilai transformasi adalah 0,3^3=0,027. Misal Nilai asli -0,3 maka nilai transformasi: -0,3^3= -0,027.
  • Transformasi Inverse Cubic Transformasi ini dilakukan dengan membalik nilai pangkat tiga, yaitu dengan rumus: 1/Cubic(Variabel).Misal Nilai asli -0,3 maka nilai transformasi: 1/(-0,3^3) = -37,037. Apabila data anda ada nilai 0, maka tambahkan dengan konstanta, misal: =1/(Var^3+1).
  • Transformasi Reserve Score Transformasi ini dilakukan apabila dalam data terdapat nilai negatif dan ingin menggunakan transformasi seperti transformasi inverse square root atau transformasi logaritma.Cara melakukan transformasi ini adalah dengan mengurangi nilai terbesar atau maksimal dalam variabel dengan data asli. 

Contoh Soal 

Berikut adalah data hasil pengamatan dari percobaan pengobatan Bakteri Clostridium dengan 5 jenis antibiotik. Hasil Percobaan berupa banyaknya bakteri yang mati seperti pada tabel berikut ini: 

Data Analisis Lapang
(Source: Dok. Pribadi)

Transformasi Data
(Source : Dok. Pribadi)
SOURCE: 

PPT pak Arifin 

Anwar,H. 2013. Pengertian Dan Jenis Transformasi Data. Diakses dari https://www.statistikian.com/2013/01/transformasi-data.html diakses dari 27 April 2020

Bambang, Priyanto. 2010. Perancangan Percobaan. Fakultas Pertanian, Unhalu dan Unlaki.

Hanif,A. 2017. Cara Mengatasi Data Berdistribusi Tidak Normal. Diakses dari https://www.semestapsikometrika.com/2017/12/mengatasi-data-tidak-normal.html pada 27 April 2020



Komentar

Posting Komentar

Postingan populer dari blog ini

Uji Rerata (BNT, BNJ, Duncan)

-
Gambar
Uji BNT Uji BNT merupakan prosedur pengujian perbedaan diantara rata-rata perlakuan yang paling sederhana dan paling umum digunakan. Metode ini diperkenalkan oleh Fisher (1935), sehingga dikenal pula dengan Metoda Fisher’s LSD (Least Significance Difference). Untuk menggunakan uji BNT, atribut yang kita perlukan adalah nilai kuadrat tengah galat (KTG), taraf nyata, derajat bebas(db) galat, dan tabel t-student untuk menentukan nilai kritis uji perbandingan  (Susilawati, 2015) .  Uji BNT menguji perlakuan secara berpasang – pasangan, misalkan jika terdapat 6 perlakuan yang akan dibangdingkan berarti terdapat pasangan pengujian dimana setiap pasangan memiliki peluang galat jenis I sebesar . Berarti semakin banyak jumlah perlakuan yang akan dibandingkan akan mengakibatkan kesalahan yang harus ditanggung juga semakin besar. Oleh karena itu, BNT akan sangat sensitive terhadap perbedaan yang muncul dalam perlakuan karena kriteria pemisahan perlakuan tidak terlalu ketat. Umunya, perlakuan
Baca selengkapnya

RPT dalam RAL dan RAK (2 Pertemuan)

-
Gambar
Rancangan split plot design atau dalam bahasa Indonesia disebut Rancangan Petak Terpisah atau Rancangan Petak Terbagi (RPT) merupakan jenis percobaan faktorial (lebih dari satu faktor). Rancangan ini dicirikan oleh adanya petak utama dan anak petak.  Split Splot Design merupakan percobaan faktorial atau dengan kata lain setiap percobaan yang menggunakan split splot design pasti faktorial, tetapi setiap percobaan faktorial tidak selalu split splot design. Rancangan ini digunakan bagi percobaan-percobaan yang dimaksudkan untuk menyelidiki pengaruh-pengaruh utama dan interaksi dengan derajad ketelitian yang tidak sama (Hanafiah, 2001). Faktor dengan derajad ketelitian yang lebih rendah disebut sebagai faktor utama (main plot faktor), sedangkan faktor dengan ketelitian yang lebih tinggi disebut faktor anak petak (sub plot faktor). Rancangan ini dapat diaplikasikan pada semua rancangan lingkungan (RAL, RAK, dan RBSL). Model Matematika RPT (Source: Nugroho, 2008) Kondisi untuk RPT 
Baca selengkapnya

Rancangan Acak Lengkap (RAL)

-
Gambar
  Rancangan acak lengkap (RAL) merupakan jenis rancangan percobaan yang paling sederhana.  Rancangan acak lengkap merupakan jenis rancangan percobaan dimana perlakuan diberikan secara acak kepada seluruh unit percobaan. Hal ini dapat dilakukan karena lingkungan tempat percobaan diadakan relatif homogen sehingga media atau tempat percobaan tidak memberikan pengaruh berarti pada respon yang diamati (Sastrosupadi,2000).  Dalam Rancangan ini tidak terdapat lokal kontrol, sehingga sumber keragaman yang diamati hanya perlakuan dan galat. Hanafiah (2001) menyatakan bahwa kondisi homogen umunya dicapai di ruang-ruang terkontrol seperti di laboratorium dan rumah kaca (green house). Namun, demikian pada kondisi tertentu, seperti penelitian tentang erosi, karena penonjolan pengaruh-pengaruh perlakuan terhadap erosi yang terjadi dan kisaran erosi yang terjadi umunya lebar, maka mesipun kondisi heterogen di lapangan tidak diperlukan adanya lokal kontrol, sehingga RAL untuk kasus semacam ini dapa
Baca selengkapnya