Selamat Datang

Terima kasih Anda telah berkunjung ke blog matakuliah Epidemiologi Penyakit Tumbuhan. Melalui matakuliah ini Anda akan mempelajari cara mengukur penyakit dan menganalisis perkembangan penyakit dalam waktu dan ruang. Epidemiologi Penyakit Tumbuhan merupakan metodologi ilmu penyakit tumbuhan yang sangat penting bagi Anda yang akan memilih Minat Perlindungan Tanaman. Silahkan kunjungi blog secara berkala untuk memeriksa perubahan jadwal tugas dan perkembangan pelaksanaan kuliah. Klik halaman Kuliah Smt Genap 2016/2017 untuk memperoleh informasi rinci mengenai bahan ajar, tugas, praktikum dan berbagai hal lain yang berkaitan dengan perkuliahan. Sampaikan komentar dan pertanyaan terhadap isi tayangan tulisan untuk digunakan melakukan penilaian tugas dan softskill.
JANGAN LUPA MENULIS KOMENTAR

UNTUK MEMPEROLEH NILAI SOFTSKILL

LAKUKAN SEKARANG JUGA

Klik untuk Mengunduh Bahan Ajar

Klik untuk mengunduh Tips Mengerjakan Tugas 2

UJIAN AKAN DISELENGGARAKAN 1 APRIL 2014

BUKAN APRIL MOP!!!

Pemberitahuan Penting

Ujian semester dilaksanakan pada 1 April 2014. Untuk mengikuti ujian, mahasiswa harus mengunduh: (1) file SOAL UJIAN, (2) file TABEL KERJA 1, (3) file TABEL KERJA 2, (4) file data mosaik, dan (5) file kodeR. Silahkan klik tautan (link) masing-masing untuk mengunduh file tersebut satu per satu. Jawaban ujian terdiri atas file JAWABAN UJIAN, file TABEL KERJA 1, dan file TABEL KERJA 2. Untuk mengunduh dan mengunggah file, baca bagian Ujian Semester pada halaman Kuliah Smt Genap 2013/2014. Perhatikan pemberitahuan mengenai penyampaian komentar untuk penilaian softskill. Penyampaian komentar akan ditutup pada 2 April 2014. Daftar file jawaban ujian yang masuk dapat diperiksa di SINI. Mahasiswa diberikan kesempatan untuk melakukan perbaikan terhadap Tabel Kerja 1 dan Tabel Kerja 2. Harap ikuti ketentuan yang telah disampaikan tersebut. Sampai taenggat yang ditetapkan, file yang masuk hanya atas nama Dignansia Cimmir. Dengan demikian, file yang diperiksa adalah file yang telah dimasukkan sebelum perbaikan. Kesempatan sudah diberikan kepada mahasiswa untuk melakukan perbaikan, tetapi mahasiswa tidak memanfaatkan kesempatan tersebut.

Senin, 17 Maret 2014

Analisis Regresi: Teknik Analisis Statistik untuk Melakukan Pemodelan Perkembangan Penyakit dalam Waktu dan Ruang

Sampai pada saat ini Anda mungkin hanya mengenal analisis ragam (analysis of variance) karena telah diajarkan pada matakuliah Perancangan Percobaan. Dengan analisis ragam, Anda melakukan perbandingan antar taraf perlakuan untuk mengetahui pengaruh perlakuan. Pengaruh nyata adalah pengaruh yang terjadi benar-benar karena perlakuan, bukan pengaruh yang sifatnya acak. Kata kunci dalam analisis ragam adalah 'perbandingan'. Pembandingan dilakukan karena dalam analisis ragam, taraf perlakuan dipandang sebagai kelas-kelas diskret. Pertanyaannya kemudian adalah bagaimana bila taraf perlakuan bukan merupakan kelas-kelas diskret, melainkan sesuatu yang bersifat kontinyu? Bagaimana bila sebagai perlakuan adalah, misalnya, dosis fungisida yang tarafnya bersifat kualitatif kontinyu?

Bila taraf perlakauan bersifat kuantitatif dan kontinyu sebagaimana halnya dosis fungisida, analisis regresi (regression analysis) akan memberikan hasil yang bisa berbicara lebih banyak daripada sekedar berbeda nyata atau tidak. Tapi sebelum melanjutkan, analisis regresi itu sebenarnya apa? Sebenarnya sama saja seperti analisis ragam karena kedua-duanya menggunakan model linier umum (general linear model, GLM). Untuk rancangan acak lengkap dan regresi linier sederhana derajat satu, model linier yang digunakan adalah Yij = b+ b1Xij + eij, di mana Yij = data hasil pengamatan, misalnya saja keparahan penyakit, b0 dan b= parameter, Xij = perlakuan, dan eij = galat. Pada analisis ragam maupun analisis regresi, b0 menyatakan data seandainya tidak terjadi pengaruh. Perbedaan antara analisis ragam dan analisis regresi terletak pada Xij, pada analisis ragam bersifat sebagai kelas diskret sedangkan pada analisis regresi bersifat kuantitatif kontinyu. Karena Xij bersifat kuantitatif kontinyu, dengan analisis regresi dapat ditentukan berapa nilai Y bila X bernilai tertentu. Mengapa? Karena dengan analisis regresi akan diperoleh persamaan dan persamaan itu dapat digunakan untuk melakukan perhitungan.

Analisis regresi pada dasarnya merupakan teknik analisis statistika untuk menentukan nilai parameter regresi dari data peubah bebas X dan data peubah tidak bebas Y. Ini merupakan kebalikan dari perhitungan matematika untuk menentukan nilai Y dari setiap nilai X dengan nilai parameter persamaan yang diketahui. Misalkan, dari persamaan Y = 0,2 + 0,7X (parameter b0 = 0,2 dan b1 = 0,7) dapat dihitung nilai Y untuk nilai-nilai X=1, X=2, X=3, dan seterusnya. Dalam analisis regresi linier sederhana derajat satu, yang dilakukan adalah menentukan nilai parameter b0 dan b1 dari sejumlah nilai X dan nilai Y yang diketahui. Untuk memahami analisis regresi dengan lebih tuntas, silahkan unduh file data panduan dan klik lembar Pengertian. Pada lembar tersebut tersedia data X = keparahan penyakit dan Y = produksi. Dengan asumsi bahwa kedua peubah berhubungan secara linier derajat satu, analisis regresi dilakukan untuk menentukan nilai b0 dan nilai b1 dari persamaan Yi = b0 + b1Xi. Untuk melakukan analisis regresi, sama seperti analisis ragam, dahulu dilakukan secara manual. Kini, dengan tersedianya komputer, tentu saja hanya untuk kepentingan belajar matakuliah Statistika dan matakuliah Perancangan Percobaan maka analisis ragam dan analisis regresi dilakukan secara manual. Untuk kepentingan analisis data penelitian, analisis sebaiknya dilakukan dengan menggunakan program aplikasi statistika.

Saya menganjurkan Anda memulai dengan melakukan analisis regresi dengan Excel. Sebelum Excel dapat digunakan untuk melakukan analisis regresi (dan analisis statistika lainnya), terlebih dahulu perlu dipasang add-ins Analisis ToolPak. Untuk mempelajari cara memasang add-ins tersebut, pada file data panduan yang telah diunduh, silahkan klik lembar Pasang Analysis ToolPak dan ikuti langkah-langkah yang diberikan. Setelah add-ins Analysis ToolPak terpasang, klik lembar Langkah Analisis untuk mempelajari langkah-langkah melakukan analisis regresi. Selanjutnya, klik lembar Hasil Analisis untuk memeriksa hasilnya. Perlu diperhatikan bahwa agar hasil analisis regresi dapat digunakan, model analisis regresi yang diasumsikan, yaitu model linier derajat satu, memang benar adanya, yaitu sesuai untuk data yang dianalisis. Untuk itu, perlu dilakukan pemeriksaan dengan menggunakan kriteria sebagai berikut:
  • Signifikansi model, untuk memeriksa bahwa model memang benar sesuai untuk data, ditentukan oleh nilai Significance F < 0,01 (sangat nyata) atau Significance F < 0,05 (nyata).
  • Signifikansi parameter model, untuk memastikan nilai parameter tidak bernilai 0 (berbeda nyata dengan 0), ditentukan oleh nilai P-value < 0,01 (sangat nyata) atau P-value < 0,05 (nyata).
  • Nilai R2, untuk meenentukan kedekatan sebaran data terhadap garis persamaan regresi, ditentukan oleh nilai R-square yang mendekati 1.
  • Sebaran sisaan, merupakan selisih antara data hasil pengamatan dengan data hasil perhitungan dengan menggunakan persamaan regresi yang dihasilkan, ditentukan oleh sebaran sisaan yang acak (tidak membentuk pola tertentu) pada kurva sisaan.
Bila hasil analisis tidak memenuhi salah satu dari keempat syarat di atas maka analisis regresi harus diulangi dengan menggunakan model yang berbeda, misalnya dengan menggunakan model linier sederhana derajat dua: Y = b0 + b1X + b2X2. Selanjutnya, setelah mempelajari contoh, silahkan undah file data latihan dan lakukan sendiri analisis regresi berturut-turut antara peubah tidak bebas Monit, Logit, dan Gompit masing-masing dengan peubah bebas Hari. Silahkan baca kembali tulisan Pemodelan Perkembangan Penyakit Tumbuhan dalam Waktu: Model Monomolekuler, Logistik, dan Gompertz untuk memahami apa yang dimaksud dengan transformasi dan mengapa data harus terlebih dahulu diubah menjadi proporsi.

Excel sebenarnya bukan merupakan program aplikasi analisis statistika, melainkan program aplikasi tabel lajur. Untuk melakukan analisis statistika, sebaiknya memang digunakan program aplikasi khusus untuk analisis statistika. Terdapat sangat banyak program aplikasi analisis statistika, baik yang berbayar maupun yang gratis. Program aplikasi analisis statistika berbayar yang digunakan secara luas adalah Minitab, SPSS, Statistica, dan SAS/STAT. Dosen matakuliah Statistika dan Perancangan Percobaan mungkin menggunakan salah satu dari program aplikasi tersebut, meskipun mungkin bajakan. Saya tidak menganjurkan mahasiswa menggunakan program aplikasi berbayar, apalagi bila bajakan. Daripada menggunakan program aplikasi bajakan, saya menganjurkan mahasiswa menggunakan program aplikasi analisis statistika gratis yang juga tersedia sangat banyak. Dari berbagai program aplikasi analisis statistika gratis tersebut, saya menganjurkan mahasiswa menggunakan program aplikasi R. Anda dapat mengunduh program aplikasi besutan R Project for Statistical Computing ini dari CRAN mirror untuk Indonesia, yaitu BPPT, dan mempelajari cara menggunakannya pada situs Quick-R atau dengan mengunduh buku R in Action.

R merupakan program aplikasi analisis statistika dengan kemampuan yang sangat tinggi. Namun program dasar R mengharuskan pengguna untuk memahami pemrograman R yang tentu saja sangat menyulitkan bagi kebanyakan orang. Untungnya R merupakan program aplikasi terbuka (open access)berarsitektur modular yang memungkinkan orang mengembangkan program dasar R atau menambahkan program aplikasi tambahan yang disebut paket (package)ke dalam R. Salah satu pengembangan program dasar R adalah program aplikasi R Studio untuk mengubah tampilan layar R. Sama seperti R, R Studio dapat diunduh, dipasang dan digunakan dengan gratis. Berbagai paket dapat diunduh dan dipasang secara gratis dari CRAN mirror sebagai sumber program dasar dan program paket yang tersebar luas di seluruh dunia. Satu di antara sangat banyak paket tersebut adalah paket Rcmdr, paket untuk mengubah tampilan layar R. Saya akan menjelaskan penggunaan Rcmdr dan berbagai paket lainnya pada tulisan lain. Sekarang, silahkan nyalakan R Studio untuk melakukan analisis regresi sederhana derajat satu menggunakan R.

Untuk belajar menggunakan R melakukan analisis regresi sederhana derajat satu, silahkan unduh file data latihan yang sama dengan yang dilakukan untuk mengerjakan latihan analisis regresi menggunakan Excel. File data tersebut memuat data perkembangan penyakit netblotch pada tanaman barley. Pada file data tersebut terdapat peubah sebagai berikut:
  • Hari, menyatakan hari kalender dalam satu tahun.
  • Keparahan, menyatakan keparahan penyakit dalam satuan %.
  • Proporsi, menyatakan keparahan penyakit dalam satuan proporsi.
  • Monit, menyatakan hasil transformasi data menggunakan transformasi monit.
  • Logit, menyatakan hasil transformasi data menggunakan transformasi logit.
  • Gompit, menyatakan hasil transformasi data menggunakan transformasi logit.
Untuk mentransformasikan data dengan menggunakan transformasi monit, logit, dan gompit, data harus dalam satuan proporsi. Baca kembali tulisan Pemodelan Perkembangan Penyakit Tumbuhan dalam Waktu: Model Monomolekuler, Logistik, dan Gompertz untuk memahami mengapa demikian.

Untuk menganalisis data dengan R, data terlebih harus dimasukkan ke dalam lingkungan R. Banyak cara dapat dilakukan untuk memasukkan data ke dalam lingkungan R, di antaranya adalah mengimpor data sebagai obyek dalam format tab delimited file. Untuk melakukan itu, silahkan buka file data dengan Excel dan kemudian simpan dengan mengklik logo Office>>Safe As dan pada jendela yang tampil simpan data pada Desktop dengan nama file netblotch_tab dan memilih Text (tab delimited) pada kotak Save As Type, lalu klik tombol Save. Sekarang silahkan nyalakan R atau R Studio dan kenali bagian-bagian layarnya. Pada jendela konsol (console), ketik perintah data1 <- read.delim(file.choose(), header=T) setelah tanda >. Pada perintah tersebut, tanda <- menyatakan obyek disimpan sebagai data1, data1 menyatakan nama obyek untuk mengimpor data, read menyatakan untuk membaca file obyek, delim menyatakan untuk membaca file obyek berupa file tab delimited, file.choose() menyatakan untuk memilih lokasi file obyek data yang akan diimpor, dan header=T menyatakan bahwa nama peubah terdapat pada baris 1 dalam file. Untuk memeriksa, ketik perintah data1. Cara lain untuk memasukkan data adalah dengan mengklik pilihan From Text File... pada bilah Import Dataset pada kotak kiri atas layar R Studio. Untuk mempelajari cara mengimpor data tersebut dan cara lainnya, silahkan unduh dan saksikan video tutorial.

Sekarang Anda siap melakukan analisis regresi dengan R. Agar data dalam obyek data1 dapat dibaca sebagai data, perlu terlebih dahulu dimasukkan perintah attach(data1). Untuk memeriksa pola sebaran data, buat kurva dengan mengetikkan perintah plot(Hari, Keparahan). Perhatikan, R bersifat case sensitif sehingga Hari dibaca berbeda dari hari. Tampak pada plot dalam kotak kanan bawah pada layar R Studio bahwa data tersebar dengan pola menyerupai huruf S (sigmoid). Dengan demikian, diharapkan bahwa model regresi linier derajat satu akan sesuai untuk memodelkan hasil transformasi logit dari data. Untuk memeriksa dugaan tersebut, ketik perintah cor(Hari, Logit), perintah cor menyatakan korelasi (correlation). Ternyata diperoleh koefisien korelasi sebesar 0.9284019. Lakukan hal yang sama antara peubah Hari berturut-turut dengan peubah Monit dan Gompit. Koefisien korelasi yang diperoleh adalah 0.7616927 dan 0.852527. Ini menunjukkan, dugaan bahwa regresi linier derajat satu lebih sesuai dilakukan antara peubah Hari sebagai peubah bebas dengan hasil transformasi Logit sebagai peubah tidak bebas daripada hasil transformasi monit maupun gompit.

Untuk melakukan analisis regresi linier derajat satu antara peubah bebas Hari dengan peubah tidak bebas Logit, tuliskan perintah mod <- lm(Logit ~ Hari) dan kemudian disusul dengan perintah summary(mod). Pada perintah tersebut, mod menyatakan nama untuk menyimpan hasil analisis regresi, lm menyatakan perintah untuk melakukan analisis regresi, (Logit ~ Hari) menyatakan model regresi Logit = b0 + b1Hari, dan summary menyatakan perintah untuk menampilkan hasil analisis. Hasilnya dapat dilihat pada kotak konsol R Studio. Hasil analisis menunjukkan bahwa persamaan regresi yang diperoleh adalah Logit(Yt) = -7,68796 + 0,11053X atau Logit(Keparahan) = -7,68796 + 0,11053Hari. Untuk memperoleh tabel signifikansi model secara lengkap, ketik perintah anova(mod); anova menyatakan perintah untuk membuat tabel analisis ragam. Hasilnya tampak pada layar konsel R Studio bahwa persamaan Logit(Keparahan) = -7,68796 + 0,11053Hari adalah nyata pada taraf 1.665e-06 (*** atau amat sangat nyata). Itu berarti bahwa penyakit yang datanya dianalisis memang benar bertipe polisiklik dengan laju intrinsik perkembangan sebesar 0,11053/tanaman sakit/satuan waktu. Untuk memperoleh nilai selang kepercayaan 95%, ketik perintah confint(mod, level=0.95). Perintah confint menyatakan untuk menghitung nilai selang kepercayaan (confident intervals) dan level menyatakan taraf selang kepercayaan, dalam hal ini 95%. Nilai selang kepercayaan yang diperoleh dapat dilihat pada konsol R Studio. Silahkan kemudian bandingkan hasil analisis regresi linier derajat satu yang diperoleh dari penggunaan program aplikasi R dengan yang diperoleh dari penggunaan program aplikasi Excel.

Untuk membut kurva pencaran data dan garis persamaan regresi, terlebih dahulu perlu dimasukkan perintah plot(Hari, Logit) untuk membuat plot pencaran data dan kemudian perintah abline(mod, col=2, lwd=3). Perintah plot menyatakan pembuatan plot pencaran data, sedangkan perintah abline menyatakan pembuatan garis persamaan regresi, col menyatakan garis warna 2, yaitu merah, dan lwd menyatakan ketebalan garis, yaitu 3. Hasil pembuatan plot pencaran dan garis persamaan regresi dapat dilihat pada bilah Plots dalam jendela kerja bagian bawah pada layar R Studio. Pada jendela kerja tersebut juga ditampilkan kurva diagnostik. R menyediakan empat macam kurva untuk melakukan diagnosis, yaitu kurva sisaan dan 3 kurva lainnya. Untuk menyajikan keempat kurva tersebut sekaligus, ketik perintah par(mfrow=c(2,2)) lalu di bawahnya perintah plot(mod). Dengan kedua perintah ini akan ditampilkan 4 kurva sekaligus, yaitu Residuals vs Fitted (sisaan vs persamaan garis regresi), Normal QQ (kuantil-kuantil), Scale-Location, dan Residuals vs Leverage. Kurva dapat disimpan dengan mengklik tanda segitiga terbalik pada menu Export sebagai file gambar, file PDF, atau disalin sementara ke dalam clipboard untuk kemudian ditempel dalam dokumen. Untuk memperoleh paparan lebih lengkap mengenai cara menggunakan R untuk analisis regresi, silahkan unduh dan saksikan video tutorial dan untuk memperoleh penjelasan mengenai diagnosis, silahkan unduh dan saksikan video tutorial lainnya.

Melalui tulisan ini saya memperkenalkan apa itu analisis regresi, dengan menggunakan analisis regresi linier derajat satu sebagai contoh untuk memodelkan perkembangan penyakit dalam waktu. Saya memulai dengan memaparkan cara menggunakan Excel karena Excel merupakan program aplikasi yang telah terpasang pada hampir semua komputer. Kemudian saya lanjutkan dengan memaparkan cara menggunakan R untuk melakukan analisis regresi yang sama. Uraian mengenai penggunaan R ini saya berikan dengan pendekatan bahwa Anda belum mengenal, apalagi pernah menggunakan R sebelumnya. Langkah-langkah yang sama juga dapat dilakukan untuk menganalisis perkembangan penyakit dalam ruang, mudah-mudahan juga akan diajarkan oleh dosen berikutnya. Bila tidak, silahkan pelajari sendiri dan bila menghadapi kesulitan, dapat menghubungi saya melalui email. Untuk Anda yang sudah pernah menggunakan R, silahkan pelajari penggunaan R lebih lanjut dalam dalam bidang epidemiologi penyakit tumbuhan dari halaman pengantar ke lingkungan pemrograman R pada situs APS (American Phytopathological Society).

Saya sangat berharap Anda para mahasiswa peserta kuliah Epidemiologi Penyakit Tumbuhan berkenan mempelajari cara menggunakan R. Silahkan kunjungi situs Quick-R atau atau unduh dan baca buku R in Action. Bagi Anda yang lebih suka belajar dengan menonton video, silahkan unduh dan tonton video tutorial oleh Mike Marin dan Ladan Hamadani berikut ini:
Saya merekomendasikan video tutorial tersebut karena penjelasannya mudah dipahami, terlebih bagi yang belum pernah mengenal R.

Sebelumnya saya menggunakan SAS/STAT karena universitas tempat saya kuliah, McGill University, membayar lisensi program aplikasi tersebut untuk para dosen dan mahasiswanya. Entah apa alasannya sehingga universitas-universitas di Indonesia tidak melakukan hal itu, meskipun anggaran untuk pendidikan mencapai lebih dari 20% APBN. Daripada mengeluh tetapi pimpinan tidak akan pernah mendengar, saya kemudian belajar sendiri cara menggunakan R. Percayalah, menggunakan program aplikasi gratis seperti R lebih bisa menjaga harga diri daripada menggunakan program aplikasi berbayar tapi bajakan. Sampai saat ini, setelah mengajar hampir selama 30 tahun, memang saya belum pernah mempunyai mahasiswa yang mempunyai keterampilan pemrograman. Tapi mudah-mudahan pada era teknologi informasi ini, setelah sumber belajar menjadi begitu mudah diperoleh, ada mahasiswa yang kuliah bukan hanya karena untuk memperoleh gelar, sehingga bisa menjadi pemecah rekor. Tapi terlepas dari itu, ingat bahwa kemampuan menggunakan R akan sangat membantu Anda nanti dalam menganalisis data pada saat menyusun skripsi.

23 komentar:

  1. Pengguanaan R untuk saat ini bagi saya masi kurang dikuasai ,tetapi jika benar-benar dikuasai maka akan terasa lebih mudah.Masalah pada R terutama ketelitian dalam mengetik dan jika salah akan terus diketik berulang.

    BalasHapus
  2. Excel sebenarnya bukan merupakan program aplikasi analisis statistika, melainkan program aplikasi tabel lajur, tetapi mengapa pak menganjurkan untuk analisis regresi menggunakan excel dan tidak langsung menggunakan aplikasi analisis statistika, misalnya R atau aplikasi lainnya?

    BalasHapus
    Balasan
    1. Karena Excel biasanya sudah terpasang pada setiap komputer dan mahasiswa sudah diajar menggunakan Excel pada matakuliah Aplikasi Komputer. Untuk analisis data penelitian saya menganjurkan agar mahasiswa menggunakan R atau SAS. Pertanyaannya, bagaimana mahasiswa bisa menggunakan R atau SAS bila tidak ada dosen yang mau mengajarkan penggunaan program aplikasi tersebut dan mahasiswa tidak ada yang berinisiatif untuk belajar sendiri?

      Hapus
  3. untuk penggunaan R saya benar-benar butuh training dalam mengoprasikan.
    dan semua yang saya belajar pada epidemiologi saat ini belum saya paham semua..
    terutama persamaan yang didapatkan pada akhir analisis rergresi.
    makasi Bp

    BalasHapus
  4. Pemodelan diperlukan untuk: (1) menentukan apakah penyakit bertipe monosiklik atau polisiklik dan (2) mengetahui laju intrinsik perkembangan penyakit (r), yaitu kecepatan penyakit berkembang per satuan penyakit per satuan waktu. Analisis regresi dilakukan untuk memilih apakah penyakit berkembang menurut model monomolekuler, logistik, atau Gompertz. Bila menurut model monomolekuler berarti penyakit monosiklik, bila menurut model logistik atau Gompertz berarti berkembang secara polisiklik. Untuk menentukan hal tersebut dilakukan analisis regresi linier derajat satu terhadap data hasil transformasi monit, logit, dan gompit. Untuk memilih mana di antara ketiga transformasi tersebut yang paling sesuai, dilakukan evaluasi terhadap hasil analisis regresi dengan menggunakan kriteria signifikansi model, signifikansi parameter model, R-square, dan pola sisaan. Dari hasil evaluasi tersebut akan diperoleh satu model dengan persamaan Yi = Y0 + b1X, dalam hal ini b1 menyatakan r untuk model terpilih. Misalkan model terpilih adalah model logistik, berarti penyakit bertipe polisiklik dengan laju perkembangan r logistik (rL) sebesar b1. Untuk mempelajari EPT tidak cukup hanya melalui kuliah mengingat waktu yang sangat terbatas. Perlu belajar sendiri, terutama mengenai analisis regresi dan penggunaan R.

    BalasHapus
  5. Misalkan dari hasil analisis regresi diperoleh persamaan Y = 0,3 + 0,02X dari data hasil transformasi logit. Ini berarti penyakit bertipe polisiklik berkembangan dengan laju rL sebesar 0,02 per satuan penyakit per satuan waktu.

    BalasHapus
  6. untuk analisis menggunakan R saya rasa masi agak sulit karena sangad membutuhkan ketelitian dan ketepatan dalam mengetik perintah.

    BalasHapus
  7. Untuk menganlisis data menggunakan aplikasi R saya tidak mengusai aplikasi tersebut sehingga membuat saya tidak bisa menyelesaikan soal yang diberikan. saran saya mungkin butuh waktu khusus yang diberikan pada saat perkuliahan agar kami mahasiswa belajar menggunkan aplikasi ini. Terima kasih

    BalasHapus
    Balasan
    1. Untuk bisa menggunakan R, Leni perlu mempelajari kode dan skrip yang diperlukan untuk memasukkan data dan untuk menjalankan analisis tertentu, misalnya untuk membuat kurva dan untuk melakukan analisis regresi. Saya tidak mungkin dapat membahas khusus cara penggunaan R secara mendalam pada perkuliahan EPT sebab analisis hanya merupakan alat, bukan tujuan utama mempelajari EPT. Sebaiknya ajukan permintaan untuk mempelajari R kepada dosen pengampu matakuliah Statistika atau Perancangan Percobaan (sekaligus beralih dari kalkulator yang sudah ketinggalan zaman).

      Hapus
  8. dengan adanya kode R yang diberikan kami dapat mengerjakan menggunakan R,
    apakah pada saat menggunakan R kita harus menyediakan kode-kode yang akan kita kerjakan?
    makasi pak

    BalasHapus
    Balasan
    1. R, seperti juga SAS, merupakan program aplikasi berbasis pemrograman sehingga untuk menggunakannya perlu dikuasai 'bahasa pemrogramannya' dalam bentuk skrip dan kode-kode. Untuk mempelajarinya, silahkan pelajari Help yang disediakan atau kunjungi situs Quick-R. Bila telah menguasai bahasa pemrograman tersebut, kita dapat melakukan analisis sesuai dengan yang kita inginkan, tidak hanya bergantung pada tombol yang harus diklik (seperti m isalnya pada Excel).

      Hapus
  9. R merupakan suatu aplikasi yang pernah saya dengar saat kuliah MI , tapi saya masih sangat sulit untuk mengaplikasikannya.

    BalasHapus
  10. Dengan menggunakan kode R saya merasa di bantu dalam mengerjakan tugas dan juga cara kerjanya cukup sulit bagi saya

    BalasHapus
  11. saya belum terlalau paham tentang penggunaan program R sehinggga saya kesulitan dalam mengerjakan soal yang berkaitan dengan R.

    BalasHapus
  12. tidak salah kalau kebanyakan mahasiswa agronomi menganalisis data hasil penelitian mereka menggunakan anova, karena mereka tidak memasukan waktu untuk diperhitungkan sedangkan mahasiswa perlindungan tanaman yang melakukan penelitian perkembangan penyakit sangat penting menggunakan analisis regresi yang jelas mempunyai data yang kebenarannya dapat dipercaya.
    tapi apakah hasil analisis yang dilakukan kebanyakan mahasiswa agronomi yang kebanyakan ingin melihat nyata atau tidaknya hasil percobaan juga dapat dianalisis menggunakan analisis regresi, jika yang diamati misalnya pertumbuhan tanaman?

    BalasHapus
    Balasan
    1. Tentu saja mahasiswa agronomi dapat menggunakan analisis regresi untuk menganalisis data hasil percobaan, bahkan terhadap data yang tidak melibatkan waktu sekalipun. Misalkan pada percobaan aplikasi dosis zat pengatur tumbuh, katakan dosis 0 (P1), 10 (P2), 100 (P3), 1000 (P4), dan 10000 (P5) mg/tanaman. Daripada melakukan analisis ragam untuk mengetahui perbedaan nyata antar taraf perlakuan P, lebih baik dilakukan analisis regresi untuk menentukan respon (tanggapan) tanaman terhadap taraf perlakuan P sehingga diperoleh persamaan Y = b0 + b1P. Analisis regresi akan menghasilkan nilai b0 dan nilai B1 sehingga dengan menggunakan persamaan tersebut dapat ditentukan, misalnya, berapa produksi tanaman pada P=100, P=150, P=500, dst. Produksi tanaman pada dosis tersebut tidak dapat ditentukan bila mahasiswa melakukan analisis ragam. Tetapi, bagaimana mahasiswa agronomi bisa melakukan analisis regresi bila dosennya hanya mengajarkan analisis ragam seakan-akan analisis ragam adalah satu-satunya teknik analisis statistika yang dapat digunakan untuk menganalisis data percobaan?

      Hapus
  13. program R telah membantu saya. pengetahuan saya bertambah lagi. tapi yang saya belum paham apakah program R ini hanya untuk mengetahui perkembangan penyakit?
    bagaimana dan bila datanya bukan data penyakit? bagaimana perintah yang kita harus ketik dalam R. saya sangat tertarik mempelajari program R karena sangat menarik. saya masih sangat ingin tahu banyak tentang R.
    mksh.

    BalasHapus
    Balasan
    1. R dapat digunakan untuk melakukan analisis statistik apapun, termasuk tentu saja untuk melakukan analisis ragam dan uji pemisahan rerata taraf perlakuan (misalnya uji Duncan). Untuk menggunakan R dalam melakukan berbagai teknik analisis statistika, perlu dipelajari 'perintah' yang diperlukan dengan membaca Help yang disediakan atau mengunjungi situs Quick-R. Kalau saja saya mengajar matakuliah perancangan percobaan, tentu saya akan mengajarkan cara menggunakan R untuk melakukan analisis ragam dan uji pemisahan rerata taraf perlakuan.

      Hapus
  14. Selamat pagi Pak, mengenai aplikasi R bagaimana cara agar kita dapat menghapus yang erorr dan Mengenai materi penyebaran penyakit, mengapa pemencaran patogen menitikberatkan pada pemindahan inokulum dengan gradien penyakit hanya sebagai akibat?
    Terima Kasih Pak.

    BalasHapus
    Balasan
    1. (1) Untuk menghapus error, klik Edit>>Clear console. (2) Agar suatu penyakit dapat berkembang, diperlukan inokulum. Analisis gradien pencar dilakukan untuk mengetahui padat populasi inokulum dari titik, baris, atau bidang asalnya ke arah luar sehingga sampai pada tanaman di sekitarnya. Pemencaran inokulum tersebut menentukan gradien penyakit sebab penyakit hanya bisa berkembang bila terdapat inokulum virulen dan tanaman rentan (dengan asumsi bahwa kondisi lingkungan sesuai dengan kebutuhan perkembangan penyakit). Ini menunjukkan bahwa untuk mempelajari EPT perlu terlebih dahulu dikuasai IPT secara tuntas.

      Hapus
  15. Kepada semua yang telah menyampaikan komentar, saya sampaikan: (1) analisis regresi sebenarnya sama dengan analisis ragam karena sama-sama didasarkan atas model linier umum (general linear model, GLM), bedanya hanya pada taraf yang dalam analisis regresi diperlakukan sebagai kontinyu dan pada analisis ragam diperlakukan sebagai kelas dan (2) R dapat digunakan bukan hanya untuk melakukan analisis regresi, melainkan untuk melakukan analisis statistik apapun, termasuk analisis ragam dan uji pemisdahan rerata taraf perlakuan semacam uji Duncan. R sama seperti SAS karena untuk menggunakannya diperlukan penguasaan terhadap bahasa pemrograman. Karena itu, untuk mempelajari cara menggunakan R, silahkan unduh panduan yang disediakan oleh situs R atau kunjungi situs Quick-R.

    BalasHapus
  16. sundul77.com Situs Agen Bola Terbaik | Judi Casino Online | poker uang asli | Bandar Slot Terpercaya
    sundul77.com Adalah Situs Agen Bola Terbaik | Judi Casino Online | poker uang asli | Bandar Slot Terpercaya, Game Slot Mesin, Agen Sbobet, Agen Ibcbet, Agen Mansion88 sundul77 Merupakan Salah Satu Bandar Bola, Bandar Casino, Poker Online Terpercaya IDNSPORT. Kelebihan Bandar Bola Terbesar www.sundul77.com Desain Website Menarik, Live Casino Online 24 Jam Non-Stop Bersama Dealer Eropa & Dealer Asia..
    Situs Agen Bola Terbaik | Judi Casino Online | poker uang asli | Bandar Slot Terpercaya, Game Slot Mesin, Agen Sbobet, Agen Ibcbet, Agen Mansion88
    Bolagaming mempunyai tim berpengalaman dalam melayani setiap member yang bergabung di situs judi taruhan bola terbaik ini. Kami menyediakan customer service online 24 jam yang akan menemani anda dan membantu memberikan arahan kepada anda agar mudah saat melakukan pendaftaran. Anda bisa memilih jenis permainan judi taruhan online apa saja sesuai keinginan anda.
    Ayo Bergabung Bersama Situs Judi Taruan Bola Terlengkap Bolagaming
    situs agen bola terbaik,judi casino online,poker uang asli,poker uang asli,agen ibcbet

    BalasHapus
  17. Bosan tidak tahu mau mengerjakan apa pada saat santai, ayo segera uji keberuntungan kalian
    hanya di D*EW*A*P*K / pin bb D87604A1
    dengan hanya minimal deposit 10.000 kalian bisa memenangkan uang jutaan rupiah
    dapatkan juga bonus rollingan 0.3% dan refferal 10% :D

    BalasHapus

Untuk memahami tulisan singkat ini secara lebih tuntas, silahkan klik setiap tautan (link) yang tersedia. Bila Anda mempunyai komentar atau pertanyaan, silahkan sampaikan melalui kotak komentar di bawah ini.