4
TRANSFORMASI DATA
Analisis Data Eksplorasi
2
Outline
1. Tujuan Transformasi Kesimetrian Data
2. Transformasi Kesimetrian Data
3. Pemilihan Transformasi yang unggul melalui
tangga Transformasi Tukey
3
Transformasi untuk Kesimetrian Data
▪ Tujuan transformasi, yaitu membuat sedekat mungkin dengan
bentuk standar, yaitu berpuncak tunggal, simetri, mengecil dengan
mulus di kedua sisinya.
▪ Tujuan utama transformasi data secara eksplorasi adalah
untuk memenuhi asumsi kenormalan sehingga memenuhi
asumsi-asumsi yang mendasari analisis ragam. Pada
eksplorasi data, asumsi kenormalan dapat dilihat dari
4
kesimetrisan data.
Transformasi untuk Kesimetrian Data
▪ Transformasi yang dilakukan bertujuan untuk membuat data
menjadi lebih baik yang dapat diuraikan sebagai berikut:
1. Membuat sebaran distribusi data yang menceng kanan
maupun kiri menjadi lebih simetris.
2. Membuat sebaran data dari boxplot menjadi simetris.
3. Meliniearkan kurva scatter plot.
4. Membuat titik-titik sebaran data pada scatter plot tersebar
5
lebih mendatar.
Transformasi untuk Kesimetrian Data
▪ Data yang kita miliki, terutama data asli, seringkali tidak
menunjukkan pola simetrik.
▪ Ketidaksimetrian data (kemiringan pola sebaran) dapat dilihat dari
posisi Me di dalam kotak suatu box-plot.
6
Transformasi untuk Kesimetrian Data
▪ Letak Me yang lebih dekat ke Q1 mencirikan suatu sebaran
dengan kemiringan positif (menjulur ke atas).
▪ Letak Me yang lebih dekat ke Q3 mencirikan suatu sebaran
dengan kemiringan negatif (menjulur ke bawah).
▪ Panjang garis yang menjulur dari kotak, menjadi petunjuk adanya
data yang agak jauh dari kumpulannya dan hal ini tidak selalu 7
berarti pola sebaran tersebut miring.
Transformasi untuk Kesimetrian Data
▪ Selama posisi Me terhadap Q1 maupun Q3 relatif seimbang, garis
yang terlalu panjang hanya menunjukkan bahwa sebaran data itu
memiliki ekor atau kemenjuluran yang lebih panjang dari
semestinya.
▪ Transformasi Data adalah upaya yang dilakukan dengan tujuan
utama untuk mengubah skala pengukuran data asli menjadi
bentuk lain sehingga data dapat memenuhi asumsi-asumsi yang
mendasari analisis ragam. 8
Mengapa Butuh Transformasi?
• Telah banyak berkembang teknik-teknik yang didasarkan pada asumsi
kenormalan pada sebaran data-nya
– Selang kepercayaan untuk rata-rata
– t-test
– ANOVA
• Pelanggaran terhadap bentuk sebaran, mengakibatkan keraguan
terhadap kevalidan hasil inferensia yang dibuat.
• Pada kenyataannya, data tidak selalu berdistribusi normal (atau
mendekati normal). Kecenderungan lebih banyak yang bersifat 9
menjulur.
Transformasi Tangga Tukey
• Pertama kali diusulkan Tukey tahun 1957
• Tukey (1977) memaparkan pendekatan sederhana bagaimana
melakukan trasnformasi menggunakan pangkat.
• Andaikan suatu variabel x ditransforamsi menjadi xλ, dan ini
menghasilkan bentuk QQplot normal yang lebih mendekati garis lurus,
maka kita dapat mempertimbangkan penggunaan data hasil transformasi
untuk dilibatkan dalam analisis selanjutnya.
• Tidak ada batasan terkait dengan nilai λ. Jelas bahwa menggunakan λ = 1
sama saja dengan tidak melakukan transfrmasi. Nilai λ yang negatif juga
dapat dijadikan sebagai kemungkinan yang dapat dipilih.
• Tukey (1977) mengusulkan untuk mendefinisikan transformasi logaritma10
untuk λ = 0.
Transformasi Tangga Tukey
-1/x2 -1/x logx X1/2 X X2 X3 anti log X
lebih kuat sedang tetap sedang lebih kuat
Mengoreksi juraian ke atas Mengoreksi juraian ke bawah
Catatan:
Data yang ditampilkan pada laporan tetap data aslinya sedangkan data transformasi
hanya membantu untuk membuat data asli memenuhi asumsi-asumsi analisis ragam.
11
Transformasi untuk Kesimetrian Data
Contoh Kasus: Data tingkat bunuh diri di berbagai Negara
Negara L/p 25-34 35-44 45-54 55-64 65-74 Negara L/p 25-34 35-44 45-54 55-64 65-74
L 21.6 27.3 31.1 335 23.5 L 7.8 10.6 17.9 20.2 28.2
Kanada Belanda
P 7.8 11.5 14.8 12.3 9.2 P 4.7 8.2 10.5 15.8 17.3
L 9.4 9.8 10.2 14 27.3 L 26.2 29.1 35.9 32.3 27.5
Israel Polandia
P 7.6 4.2 6.7 22.9 19.1 P 4.4 4.7 6.6 7.3 7
L 21.5 18.7 21.1 31.1 48.7 L 4.1 7 9.6 13.7 21.9
Jepang Spanyol
P 14 10.3 13.2 21 40.1 P 1.4 1.6 3.8 5.4 5.7
L 28.8 40.3 52.3 52.8 68.5 L 27.6 40.5 45.7 51.2 35.1
Austria Swedia
P 8.4 16.4 22.4 21.5 29.4 P 13 17.5 19.6 22.4 17.1
L 16.4 25.2 36.1 47.3 56 L 21.7 33.6 41.1 50.3 50.8
Perancis Swiss
P 6.6 8.9 13 16.7 18.5 P 10.4 15.9 18.2 20.1 20.6
L 28.3 34.6 41.3 49.1 51.8 L 9.6 12.7 14.6 17 21.7
Jerman Inggris
P 11.3 15.6 24.2 25.6 27.3 P 5.1 6.5 10.7 13 14.1
L 48.2 65 84.1 81.3 107.4 L 19.6 22.2 27.8 32.8 36.5 12
Hongaria USA
P 12.7 18.4 26.9 34.7 47.9 P 8.6 12.1 12.5 11.4 9.3
L 7.1 8.3 10.8 17.9 26.6
Italia
P 3.5 3.7 5.5 6.7 7.7
Transformasi untuk Kesimetrian Data
Jika dilihat dari boxplot
tersebut, maka dapat
dilihat bahwa data
menjulur ke atas, jadi
transformasi yang dapat
disarankan adalah:
13
Transformasi untuk Kesimetrian Data
Transformasi Tangga Tukey
1. Urutkan data dari nilai yang terendah sampai dengan nilai yang tertinggi.
2. Rumus transformasi:
𝑦 = 𝑥𝜆
➢ 𝜆 < 1, jika data
➢ 𝜆 > 1, jika data
14
Transformasi Untuk Kesimetrian Data
3. Menentukan hasil transformasi
4. Tentukan nilai r dengan rumus:
𝑄3 −𝑄2
𝑟=
𝑄2 −𝑄1
Semakin r mendekati 1, maka data semakin simetris.
5. Tentukan nilai 𝜆 dimana r paling mendekati nilai 1.
6. Buktikan dengan menggunakan Box-Plot.
7. Tariklah kesimpulan data yang dapat digunakan dari hasil
transformasi. 15
Contoh Kasus
▪ Periksalah pola sebaran BULAN Jumlah
Januari 78.500
dari data berikut dan
Februari 74.800
lakukan transformasi Maret 115.900
yang sesuai untuk April 138.600
Mei 126.700
memperoleh pola Juni 118.200
sebaran data yang Juli 97.600
simetris dari Tabel di Agustus 99.600
September 86.900
samping: Oktober 74.400
November 71.400
Desember 58.900
16
Contoh Kasus
17
Contoh Kasus
transformasi
18
Contoh
Contoh Kasus
Transformasi Akar Transformasi log x Transformasi log -1/x
Kesimpulan: berdasarkan perbandingan boxplot diatas,
transformasi yang paling simetris adalah
transformasi log x.
19
Page 19
Video
Pelajari Video berikut
20
Transformasi untuk Kesimetrian Data
Latihan:
Gunakan data yang anda peroleh pada tugas sebelumnya untuk
dilakukan transformasi Tangga Tukey.
21
22