Library:

# install.packages("knitr")
# install.packages("rmarkdown")
# install.packages("prettydoc")
# install.packages("equatiomatic")

1 PENDAHULUAN

1.1 Latar Belakang

Banyak masyarakat di Indonesia masih menganggap remeh masalah pencemaran lingkungan yang diakibatkan oleh sampah. Setiap hari kita sering melihat dan menemui sampah di mana-mana, termasuk sampah organik dari rumah tangga dan daun kering. Sampah-sampah ini seringkali dibuang begitu saja tanpa penanganan yang tepat (Muttaqien dkk, 2019). Oleh karena itu, penting untuk melakukan pengelolaan sampah secara dini.

Salah satu opsi dalam pengelolaan sampah yaitu mengaitkannya dengan maggot yang biasanya bertelur pada bahan organik yang terbuang (Sastro dkk, 2016). Selain membantu mengatasi masalah sampah, maggot yang dihasilkan juga dapat digunakan sebagai pakan bagi peternak dan pembudidaya ikan (Alizahatie, 2019). Agar pertumbuhan dan produksi maggot optimal, penting untuk memperhatikan penggunaan sampah rumah tangga dan daun kering. Untuk itu, diperlukan perancangan eksperimen guna mengetahui pengaruh komposisi kedua jenis sampah tersebut.

Pada percobaan ini, akan diamati apakah variasi komposisi dapat mempengaruhi pertumbuhan dan produksi maggot. Dari berbagai model rancangan percobaan yang tersedia, rancangan acak lengkap dipilih sebagai yang paling cocok untuk eksperimen ini karena kelebihannya dalam kepraktisan dan efektivitas, terutama ketika unit percobaan homogen dan seragam.

1.2 Rumusan Masalah

Rumusan masalah pada percobaan ini adalah sebagai berikut:

Apakah kombinasi sampah rumah tangga dan daun kering memiliki pengaruh terhadap produksi maggot?
Apakah data amatan antara kombinasi sampah rumah tangga dan daun kering terhadap produksi maggot menyebar normal?
Apakah ragam antara perlakuan kombinasi sampah rumah tangga dan daun kering bersifat homogen?
Berapa persen kombinasi sampah rumah tangga dan daun kering yang paling berpengaruh terhadap produksi maggot?

1.3 Tujuan

Tujuan penelitian ini adalah sebagai berikut:

Untuk mengetahui pengaruh kombinasi yang optimal dari sampah rumah tangga dan daun kering untuk mencapai produksi maggot yang paling efisien.
Untuk mengetahui normalitas data amatan antara kombinasi sampah rumah tangga dan daun kering terhadap produksi maggot.
Untuk mengetahui homogenitas ragam antar kombinasi sampah rumah tangga dan daun kering.
Untuk mengetahui berapa persen kombinasi sampah rumah tangga dan daun kering yang paling berpengaruh terhadap produksi maggot.

1.4 Hipotesis

H₀ : \(\mu_1 = \mu_2 = \mu_3 = \mu_4 = \mu_5 =0\) (Tiap perlakuan kombinasi sampah rumah tangga dan daun kering memiliki rata-rata produksi maggot yang sama).

H₁ : Paling tidak terdapat satu k dimana \(\mu_k\neq 0\) (Paling tidak ada satu perlakuan kombinasi sampah rumah tangga dan daun kering memiliki rata-rata produksi maggot yang beda).

Taraf Nyata

\(\propto = 0.05\)

2 TINJAUAN PUSTAKA

2.1 One-Way ANOVA

Anova satu arah, atau yang juga dikenal sebagai One Way Anova, digunakan untuk membandingkan data dari lebih dari dua kelompok, dan merupakan pengembangan dari uji-t. Tujuan dari Anova satu arah adalah menguji signifikansi hasil penelitian, yang berarti jika terdapat perbedaan yang signifikan antara dua atau lebih sampel, maka dapat diasumsikan bahwa sampel-sampel tersebut dapat mewakili populasi. Untuk melakukan uji Anova, terdapat beberapa asumsi yang harus dipenuhi, yaitu:

Sampel terdiri dari kelompok yang independen, artinya nilai-nilai dalam satu kelompok tidak tergantung pada nilai-nilai di kelompok lain.
Variansi antar kelompok harus homogen, yang berarti variasi data dalam setiap kelompok harus sebanding.
Data dalam setiap kelompok harus terdistribusi secara normal.

Sebelum melakukan uji Anova, syarat-syarat tersebut harus dipenuhi dengan melakukan pengambilan sampel secara acak dari beberapa kelompok yang independen, dimana nilai-nilai dalam satu kelompok tidak dipengaruhi oleh nilai-nilai di kelompok lain dikemukakan oleh Basuki dalam (Palupi dan Prasetya, 2022).

Selanjutnya, hipotesis yang akan digunakan dalam ANOVA satu arah adalah sebagai berikut:

H₀ :\(\mu_i~ = ... = \mu_k~ =0\) (Rata-rata tiap perlakuan sama)

H₁ : Paling tidak terdapat satu k dimana \(\mu_k\neq 0\)

Model linier untuk analisis ragam satu arah adalah:

\[ Yij=\mu_i+\varepsilon_{ij}\] \[i=1,...,k\] \[ j=1,...,n_i \]

Keterangan

n_i= banyaknya pengamatan/ulangan di setiap kelompok i=1,…,k

Tolak H₀ jika F_hitung > \(F\alpha\)

2.2 Uji Asumsi

2.2.1 Uji Normalitas Galat

Pengujian normalitas dapat dilakukan dengan cara yang paling sederhana, yaitu dengan membuat grafik distribusi frekuensi berdasarkan skor data yang ada. Keberhasilan pengujian normalitas sangat tergantung pada kemampuan kita dalam mengamati pola data yang terbentuk. Jika jumlah data yang digunakan cukup besar dan distribusinya tidak 100% normal (tidak sempurna), maka kesimpulan yang diambil kemungkinan akan tidak akurat. Saat ini, telah dikembangkan berbagai metode oleh para ahli untuk melakukan pengujian normalitas. Beberapa di antaranya adalah Uji Saphiro Wilk dan Uji Jaque Berra.

Berikut merupakan hipotesis pada uji asumsi normalitas galat:

H₀ : Pengamatan (galat) menyebar normal.

H₁ : Pengamatan (galat) tidak menyebar normal.

Taraf Nyata

\(\propto = 0.05\)

2.2.2 Uji Homogenitas Ragam

Uji homogenitas digunakan untuk menentukan apakah variasi dari beberapa populasi sama atau berbeda. Uji ini merupakan persyaratan yang harus dipenuhi sebelum melakukan analisis independent sample t-test dan Anova. Asumsi yang mendasari analisis varian (Anova) adalah bahwa varians dari populasi adalah sama. Uji kesamaan dua varians digunakan untuk menguji apakah sebaran data-data tersebut homogen atau tidak dengan membandingkan kedua variansnya. Jika dua kelompok data atau lebih memiliki varians yang sebanding, maka uji homogenitas tidak perlu dilakukan lagi karena data-data tersebut dianggap homogen. Uji homogenitas dapat dilakukan jika kelompok data tersebut memiliki distribusi normal. Uji homogenitas dilakukan untuk memastikan bahwa perbedaan yang teramati dalam uji statistik parametrik (seperti uji t, Anova, Anacova) benar-benar disebabkan oleh perbedaan antara kelompok-kelompok, bukan perbedaan di dalam kelompok-kelompok itu sendiri. Uji homogenitas varians sangat penting sebelum membandingkan dua kelompok atau lebih, untuk memastikan bahwa perbedaan yang diamati tidak disebabkan oleh ketidakhomogenan dalam kelompok yang dibandingkan. Beberapa rumus yang dapat digunakan untuk uji homogenitas varians antara lain: uji Harley, uji Cohran, uji Levene, dan uji Bartlett (Usmadi, 2020).

Berikut merupakan hipotesis pada uji asumsi homogenitas ragam:

H₀ : \(\sigma_i^2 =...=\sigma_j^2 =0\)

H₁ : \(\sigma_i^2\neq \sigma_j^2\) untuk paling tidak satu pasang i,j

2.3 Uji Lanjut

Uji lanjut digunakan setelah uji F (Tabel ANOVA) apabila keputusannya H_0 ditolak. Uji ini digunakan untuk mengetahui pasangan perlakuan mana yang memiiki nilai tengah yang berbeda. Beberapa metode yag dapat digunakan untuk membandingkan nilai tengah perlakuan yaitu:

Uji Tukey, yang juga dikenal sebagai Beda Nyata Jujur (BNJ) atau Honestly Significant Difference Test (Tukey’s HSD), diperkenalkan oleh Tukey pada tahun 1953. Metode ini membandingkan rata-rata dari setiap sampel dengan sampel-sampel lainnya.
Uji Fisher, atau juga dikenal sebagai Metode Fisher’s LSD (Least Significant Difference), diperkenalkan oleh Fisher pada tahun 1935. Metode ini digunakan untuk menguji signifikansi antara perlakuan dengan menggunakan masing-masing perlakuan sebagai kontrol terhadap perlakuan lainnya. Secara umum, kesimpulan dari hasil uji Dunnett, Tukey, dan Fisher menggunakan program Minitab dapat ditarik dengan menganalisis rentang nilai 0 pada interval rata-rata dari setiap perlakuan dikutip dari Irawan dan Puji dalam (Nagara, 2019)

Berikut merupakan hipotesis pada uji lanjut:

H₀ : \(\mu_i - \mu_{i'} = 0\)

H₁ : \(\mu_i - \mu_{i'} \neq 0\) untuk seluruh pasangan perlakuan i dan i’

3 METODE PENELITIAN

3.1 Data

Dalam penelitian ini data yang digunakan yaitu data primer berdasarkan kasus pengelolaan sampah di daerah Cikondang Kelurahan Katulampa Kecamatan Bogor Timur. Kemudian dalam mendapatkan keseluruhan data yaitu menghitung bobot atau jumlah produksi maggot dari setiap perlakuan unit percobaan rancangan acak lengkap yang di fermentasi selama 14 hari (Akbar dkk, 2022).

Perlakuan	Pengulangan 1	Pengulangan 2	Pengulangan 3	Pengulangan 4
A	625	590	595	615
B	610	640	660	645
C	715	760	795	775
D	625	655	650	635
E	525	550	555	545

3.2 Tahapan Penelitian

3.2 Tahapan Penelitian Tahapan analisis yaitu sebagai berikut: 1. Pengumpulan data dari hasil pengamatanrancangan percobaan rancangan acak lengkap dengan taraf 5 perlakuan dan 4 kali ulangan dari wadah yang menampung 10 liter. Adapun perlakuan yang diterapkan sebagai berikut:

Perlakuan A. sampah rumah tangga 90% daun kering 10%;
Perlakuan B. sampah rumah tangga 80% daun kering 20%;
Perlakuan C. sampah rumah tangga 70% daun kering 30%;
Perlakuan D. sampah rumah tangga 60% daun kering 40%;
Perlakuan E. sampah rumah tangga 50% daun kering 50%.

Uji homogenitas dengan uji Barlett dan uji normalitas dengan Uji Kolmogorov- Smirnov terhadap data produksi maggot yang dihasilkan.
Uji ANOVA dengan hipotesis sebagai berikut:

H₀ : \(\mu~1~ = \mu~2~ = \mu~3~ = \mu~4~ = \mu~5~ =0\) (Tiap perlakuan kombinasi sampah rumah tangga dan daun kering memiliki rata-rata produksi maggot yang sama).

H₁ : Paling tidak terdapat satu k dimana \(\mu_k\neq 0\) (Paling tidak ada satu perlakuan kombinasi sampah rumah tangga dan daun kering memiliki rata-rata produksi maggot yang beda).

Kemudian menghitung analisis ragam dengan formula sebagai berikut.

\[ FK = \sum_{i=1}^{P}\sum_{j=1}^{n}Yij \]

\[ JKT= \sum_{i=1}^{P}\sum_{j=1}^{n}{{Yij}^2-FK} \]

\[ JKP = \frac{\sum_{i=1\ }^{P}{\left(\sum_{j=1}^{n}{Yij}^2\right)\ }}{n} - FK \]

\[ JKG = JKT - JKP \]

\[ KTP = \frac{JKP}{(p-1)} \]

\[ KTG = \frac{JKP}{p(n-1)} \]

\[ F_{hitung}= \frac{KTP}{KTG} \]

Keterangan

FK : Faktor Koreksi
JKT : Jumlah Kuadrat Total
JKP : Jumlah Kuadrat Perlakuan
JKG : Jumlah Kuadrat Galat
KTP : Kuadrata Tengah Perlakuan
KTG : Kuadrat Tengah Galat
T_ij : Jumlah total data
r : Jumlah pengulangan
t : Jumlah perlakuan
Ts : Jumlah data untuk setiap perlakuan

Jika terima H₀ maka diasumsikan agar diketahui rata-rata setiap perlakuan tersebut berbeda nyata atau tidak.

Melakukan uji lanjut dengan uji beda dalam perhitungan koefisien keragaman.

Jika KK besar (> 10% pada kondisi homogen), uji lanjut yang digunakan adalah uji Duncan (Duncan Multiple Range Test, DMRT). adalah uji Beda Nyata Terkecil (BNT) atau (Least Significance Difference test, LSD test).
Jika KK sedang (5-10% pada kondisi homogen), uji lanjut yang digunakan adalah uji Beda Nyata Terkecil (BNT) atau (Least Significance Difference test, LSD test).
Jika KK kecil (< 5% pada kondisi homogen), uji lanjut yang digunakan adalah uji Beda Nyata Jujur (BNJ) atau (Honestly Significance Difference test, HSD test; Uji Tukey).

Mengambil kesimpulan dan saran.

4 SOURCE CODE

4.1 Library

library(tseries)
library(car)
library(agricolae)

4.2 Import Data

#IMPORT DATA
perlakuan <- c(rep("A",4),rep("B",4),rep("C",4),rep("D",4), rep("E",4))
perlakuan

##  [1] "A" "A" "A" "A" "B" "B" "B" "B" "C" "C" "C" "C" "D" "D" "D" "D" "E" "E" "E"
## [20] "E"

respon <-c(625,590,595,615,610,640,660,645,715,760,795,775,625,655,650,635,525,550,555,545)
respon

##  [1] 625 590 595 615 610 640 660 645 715 760 795 775 625 655 650 635 525 550 555
## [20] 545

#MEMBUAT DATA FRAME
data <-data.frame(perlakuan,respon)
data

##    perlakuan respon
## 1          A    625
## 2          A    590
## 3          A    595
## 4          A    615
## 5          B    610
## 6          B    640
## 7          B    660
## 8          B    645
## 9          C    715
## 10         C    760
## 11         C    795
## 12         C    775
## 13         D    625
## 14         D    655
## 15         D    650
## 16         D    635
## 17         E    525
## 18         E    550
## 19         E    555
## 20         E    545

4.3 Uji ANOVA

#ANOVA
anova<-aov(respon~perlakuan,data=data)
summary(anova)

##             Df Sum Sq Mean Sq F value  Pr(>F)    
## perlakuan    4 100370   25092   56.23 7.5e-09 ***
## Residuals   15   6694     446                    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

#BOXPLOT ANOVA
boxplot(respon~perlakuan,data=data,main="Kombinasi Sampah Rumah Tangga dan Daun Kering terhadap Produksi Maggot", xlab="Perlakuan (Dosis)", ylab="pH")

4.4 Pemeriksaan Sisaan

#DIAGNOSTIC PLOT
plot(anova,1)

plot(anova,2)

plot(anova,3)

4.5 Uji Asumsi

4.5.1 Uji Normalitas Galat

sisa<-residuals(anova)

#UJI JARQUE BERA
library(tseries)
JBT<-jarque.bera.test(sisa)
JBT

## 
##  Jarque Bera Test
## 
## data:  sisa
## X-squared = 1.3487, df = 2, p-value = 0.5095

#UJI SHAPIRO WILK
ST <-shapiro.test(sisa)
ST

## 
##  Shapiro-Wilk normality test
## 
## data:  sisa
## W = 0.96509, p-value = 0.6497

4.5.2 Uji Homogenitas Ragam

#UJI LEVENE
library(car)
LT <-leveneTest(respon~perlakuan,data=data)

## Warning in leveneTest.default(y = y, group = group, ...): group coerced to
## factor.

LT

## Levene's Test for Homogeneity of Variance (center = median)
##       Df F value Pr(>F)
## group  4  0.8146 0.5353
##       15

4.6 Uji Lanjut

library(agricolae)

#UJI BNT
BNT <-LSD.test(anova,"perlakuan",alpha=0.05)
BNT

## $statistics
##   MSerror Df   Mean       CV t.value      LSD
##    446.25 15 638.25 3.309774 2.13145 31.83825
## 
## $parameters
##         test p.ajusted    name.t ntr alpha
##   Fisher-LSD      none perlakuan   5  0.05
## 
## $means
##   respon      std r     LCL     UCL Min Max    Q25   Q50    Q75
## A 606.25 16.52019 4 583.737 628.763 590 625 593.75 605.0 617.50
## B 638.75 20.96624 4 616.237 661.263 610 660 632.50 642.5 648.75
## C 761.25 34.00368 4 738.737 783.763 715 795 748.75 767.5 780.00
## D 641.25 13.76893 4 618.737 663.763 625 655 632.50 642.5 651.25
## E 543.75 13.14978 4 521.237 566.263 525 555 540.00 547.5 551.25
## 
## $comparison
## NULL
## 
## $groups
##   respon groups
## C 761.25      a
## D 641.25      b
## B 638.75      b
## A 606.25      c
## E 543.75      d
## 
## attr(,"class")
## [1] "group"

#UJI BNJ
BNJ <-TukeyHSD(anova,conf.level=0.95)
BNJ

##   Tukey multiple comparisons of means
##     95% family-wise confidence level
## 
## Fit: aov(formula = respon ~ perlakuan, data = data)
## 
## $perlakuan
##       diff        lwr        upr     p adj
## B-A   32.5  -13.62547   78.62547 0.2408730
## C-A  155.0  108.87453  201.12547 0.0000003
## D-A   35.0  -11.12547   81.12547 0.1851085
## E-A  -62.5 -108.62547  -16.37453 0.0060888
## C-B  122.5   76.37453  168.62547 0.0000055
## D-B    2.5  -43.62547   48.62547 0.9998018
## E-B  -95.0 -141.12547  -48.87453 0.0001080
## D-C -120.0 -166.12547  -73.87453 0.0000071
## E-C -217.5 -263.62547 -171.37453 0.0000000
## E-D  -97.5 -143.62547  -51.37453 0.0000809

4.7 Plot

plot(BNT)

plot(BNJ)

5 HASIL DAN PEMBAHASAN

5.1 Statistika Deskriptif

Statistika deskriptif dalam penelitian ini adalah mengamati rata-rata produksi dari maggot . Dalam pengamatan ini dilakukan selama 2 bulan untuk mendapatkan produksi maggot dapat dilihat pada Tabel.

Perlakuan	Pengulangan 1	Pengulangan 2	Pengulangan 3	Pengulangan 4
A	625	590	595	615
B	610	640	660	645
C	715	760	795	775
D	625	655	650	635
E	525	550	555	545

Diperoleh nilai rataan dan simpangan baku dari setiap perlakuan.

Tabel Hasil Statistik Deskriptif

Perlakuan	Rata-rata	Simpangan Baku
A	606,25	16,52
B	638,75	20,97
C	761,25	34,00
D	637,59	20,21
E	543,75	13,15

Berdasarkan Tabel Hasil Statistik Deskriptif, dapat dilihat nilai rata-rata dan simpangan baku tertinggi ada pada perlakuan C dengan nilai rata-rata 761,25 gram dan simpangan baku-nya 34,00. Kemudian nilai rata-rata dan simpangan baku terendah ada pada perlakuan E dengan nilai rata-rata 543,75 gram dan simpangan baku-nya 13,15.

5.2 Uji Hipotesis

Hipotesis

H₀ : \(\mu_1 = \mu_2 = \mu_3 = \mu_4 = \mu_5 =0\) (Tiap perlakuan kombinasi sampah rumah tangga dan daun kering memiliki rata-rata produksi maggot yang sama).

H₁ : Paling tidak terdapat satu k dimana \(\mu_k\neq 0\) (Paling tidak ada satu perlakuan kombinasi sampah rumah tangga dan daun kering memiliki rata-rata produksi maggot yang beda).

Taraf Nyata

\(\propto = 0.05\)

Output Hasil Perhitungan

summary(anova)

##             Df Sum Sq Mean Sq F value  Pr(>F)    
## perlakuan    4 100370   25092   56.23 7.5e-09 ***
## Residuals   15   6694     446                    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

F_hitung(56.23)>F_0.05;(4,15)(3.06) , maka tolak H₀.

Interpretasi

Dengan taraf nyata 5%, dapat disimpulkan bahwa terdapat perlakuan kombinasi sampah rumah tangga dan daun kering yang memiliki rata-rata atau pengaruh berbeda terhadap produksi maggot.

Boxplot

boxplot(respon~perlakuan,data=data,main="Kombinasi Sampah Rumah Tangga dan Daun Kering terhadap Produksi Maggot", xlab="Perlakuan (Dosis)", ylab="pH")

Interpretasi

Tiap-tiap perlakuan perlakuan kombinasi sampah rumah tangga dan daun kering memiliki dua perlakuan rata-rata produksi maggot yang sama (Perlakuan B dan D). Artinya, perlakuan B (kombinasi sampah rumah tangga 80% dan daun kering 20%) dan perlakuan D (kombinasi sampah rumah tangga 60% dan daun kering 40%) memiliKi rata-rata dan pengaruh yang sama terhadap produksi maggot.

5.3 Pemeriksaan Sisaan

5.3.1 Residuals vs Fitted Plot

plot(anova,1)

Interpretasi

Garis merah yang menghubungkan pusat dari 5 perlakuan sisaan masih terlihat datar (horizontal). Model ANOVA ini dapat diasumsikan sudah tepat.

5.3.2 Q-Q Plot

plot(anova,2)

Interpretasi

Titik-titik data amatan berada tidak jauh dari garis dengan sudut 45 derajat antara sumbu X dan Y di kuadran I. Secara grafis, tidak terdapat indikasi pelanggaran normalitas.

5.3.3 Scale-Location Plot

plot(anova,3)

Interpretasi

Garis merah yang menghubungkan pusat dari 5 perlakuan akar sisaan yang dibakukan cenderung membentuk garis mendatar (horizontal). Tidak terdapat kecurigaan terhadap ketidaksamaan ragam.

5.4 Uji Asumsi

5.4.1 Uji Normalitas Galat

Hipotesis

H₀ : Pengamatan (galat) menyebar normal.

H₁ : Pengamatan (galat) tidak menyebar normal.

Taraf Nyata

\(\propto = 0.05\)

5.4.1.1 Uji Jarque Bera

Output Hasil Perhitungan

JBT

## 
##  Jarque Bera Test
## 
## data:  sisa
## X-squared = 1.3487, df = 2, p-value = 0.5095

P-value(0.5095) > \(\alpha\) (0.05), maka terima H₀

Interpretasi

Dengan taraf nyata 5%, dapat disimpulkan bahwa asumsi normalitas terpenuhi, galat (pengamatan) pada data ini berdistribusi/menyebar normal.

5.4.1.2 Uji Saphiro Wilk

Output Hasil Perhitungan

ST

## 
##  Shapiro-Wilk normality test
## 
## data:  sisa
## W = 0.96509, p-value = 0.6497

P-value(0.6497) > \(\alpha\)(0.05), maka terima H₀

Interpretasi

Dengan taraf nyata 5%, dapat disimpulkan bahwa asumsi normalitas terpenuhi, galat (pengamatan) pada data ini berdistribusi/menyebar normal.

5.4.2 Uji Homogenitas Ragam

Uji Levene

Hipotesis

H₀ : \(\sigma_1^2 = \sigma_2^2 = \sigma_3^2 =\sigma_4^2 =\sigma_5^2 =0\) (Tiap perlakuan kombinasi sampah rumah tangga dan daun kering memiliki ragam yang sama).

H₁ : Paling tidak terdapat satu i dan j dimana \(\sigma_i^2\neq \sigma_j^2\) (Paling tidak ada satu perlakuan kombinasi sampah rumah tangga dan daun kering memiliki ragam yang berbeda).

Taraf Nyata

\(\propto = 0.05\)

Output Hasil Perhitungan

LT

## Levene's Test for Homogeneity of Variance (center = median)
##       Df F value Pr(>F)
## group  4  0.8146 0.5353
##       15

P-value(0.533) > \(\alpha\)(0.05), maka terima H₀

Interpretasi

Dengan taraf nyata 5%, dapat disimpulkan bahwa tiap perlakuan kombinasi sampah rumah tangga dan daun kering memiliki ragam yang sama, artinya asumsi homogenitas terpenuhi.

5.5 Uji Lanjut

Hipotesis

H₀ : \(\mu_i - \mu_{i'} = 0\) (Tiap perlakuan kombinasi sampah rumah tangga dan daun kering memberi pengaruh yang sama terhadap produksi maggot).

H₁ : Paling tidak terdapat satu k dimana \(\mu_i - \mu_{i'}i\neq 0\) (Tiap perlakuan kombinasi sampah rumah tangga dan daun kering memberi pengaruh yang berbeda terhadap produksi maggot). untuk seluruh pasangan perlakuan i dan i’

Taraf Nyata

\(\propto = 0.05\)

5.5.1 Uji BNT (Fisher’s LSD Test)

BNT

## $statistics
##   MSerror Df   Mean       CV t.value      LSD
##    446.25 15 638.25 3.309774 2.13145 31.83825
## 
## $parameters
##         test p.ajusted    name.t ntr alpha
##   Fisher-LSD      none perlakuan   5  0.05
## 
## $means
##   respon      std r     LCL     UCL Min Max    Q25   Q50    Q75
## A 606.25 16.52019 4 583.737 628.763 590 625 593.75 605.0 617.50
## B 638.75 20.96624 4 616.237 661.263 610 660 632.50 642.5 648.75
## C 761.25 34.00368 4 738.737 783.763 715 795 748.75 767.5 780.00
## D 641.25 13.76893 4 618.737 663.763 625 655 632.50 642.5 651.25
## E 543.75 13.14978 4 521.237 566.263 525 555 540.00 547.5 551.25
## 
## $comparison
## NULL
## 
## $groups
##   respon groups
## C 761.25      a
## D 641.25      b
## B 638.75      b
## A 606.25      c
## E 543.75      d
## 
## attr(,"class")
## [1] "group"

plot(BNT)

Interpretasi

Terlihat pada grafik bahwa tiap-tiap perlakuankombinasi sampah rumah tangga dan daun kering berada pada group dan range yang berbeda artinya tiap-tiap perlakuan kombinasi sampah rumah tangga dan daun kering memiliki rata-rata dan pengaruh yang berbeda terhadap produksi maggot. Rata-rata kombinasi sampah rumah tangga dan daun kering tertinggi dimiliki oleh C (kombinasi sampah rumah tangga 70% dan daun kering 30%) kemudian dilanjut dengan B dan D memiliki pengaruh yang sama, A (kombinasi sampah rumah tangga 90% dan daun kering 10%), dan terendah E (kombinasi sampah rumah tangga 50% dan daun kering 50%).

5.5.2 Uji BNJ (Tukey’s HSD Test)

BNJ

##   Tukey multiple comparisons of means
##     95% family-wise confidence level
## 
## Fit: aov(formula = respon ~ perlakuan, data = data)
## 
## $perlakuan
##       diff        lwr        upr     p adj
## B-A   32.5  -13.62547   78.62547 0.2408730
## C-A  155.0  108.87453  201.12547 0.0000003
## D-A   35.0  -11.12547   81.12547 0.1851085
## E-A  -62.5 -108.62547  -16.37453 0.0060888
## C-B  122.5   76.37453  168.62547 0.0000055
## D-B    2.5  -43.62547   48.62547 0.9998018
## E-B  -95.0 -141.12547  -48.87453 0.0001080
## D-C -120.0 -166.12547  -73.87453 0.0000071
## E-C -217.5 -263.62547 -171.37453 0.0000000
## E-D  -97.5 -143.62547  -51.37453 0.0000809

plot(BNJ)

Interpretasi

Grafik di atas adalah grafik yang membandingkan antar tiap dua perlakuan kombinasi sampah rumah tangga dan daun kering. Range perbandingan antar tiap dua perlakuan melewati bilangan positif, artinya perbandingan tiap dua perlakuan pada perlakuan (B-A, D-A, D-B) memiliki persamaan rata-rata dan pengaruh terhadap produksi maggot.

6 PENUTUP

6.1 Kesimpulan

Berdasarkan hasil dan pembahasan di atas, maka kesimpulan yang dapat diperoleh adalah sebagai berikut:

Terdapat perlakuan B(kombinasi sampah rumah tangga 80% dan daun kering 20%) dan perlakuan D (kombinasi sampah rumah tangga 60% dan daun kering 40%) memiliKi rata-rata dan pengaruh yang sama terhadap produksi maggot.
Asumsi normalitas pada data ini terpenuhi, artinya galat (pengamatan) pada data ini berdistribusi/menyebar normal.
Asumsi homogenitas pada data ini terpenuhi, artinya tiap perlakuan kombinasi sampah rumah tangga dan daun kering memiliki ragam yang sama.
Tiap-tiap perlakuankombinasi sampah rumah tangga dan daun kering memiliki rata-rata dan pengaruh yang berbeda terhadap produksi maggot. Rata-rata kombinasi sampah rumah tangga dan daun kering tertinggi dimiliki oleh C (kombinasi sampah rumah tangga 70% dan daun kering 30%) kemudian dilanjut dengan D dan B memiliki pengaruh yang sama, A (kombinasi sampah rumah tangga 90% dan daun kering 10%), dan terendah E (kombinasi sampah rumah tangga 50% dan daun kering 50%).
perbandingan tiap dua perlakuan pada perlakuan (B-A, D-A, D-B) memiliki persamaan rata-rata dan pengaruh terhadap produksi maggot.

6.2 Saran

Berdasarkan uraian hasil dan pembahasan di atas, maka saran yang dapat diberikan adalah sebagai berikut:

Melakukan penelitian dengan media kombinasi sampah rumah tangga dan daun kering yang berbeda jauh dengan media kombinasi pada penelitian ini agar dapat menemukan pengaruh yang berbeda terhadap produksi maggot.
Pilih kombinasi sampah rumah tangga dan daun kering yang takaran sampah rumah tangga lebih besar daripada daun kering agar menghasilkan produksi maggot yang tinggi.

7 DAFTAR PUSTAKA

Akbar, M. H., Setyaningsih, S., & Virgantari, F. (2022). PENGUJIAN PERTUMBUHAN PRODUKSI MAGGOT MELALUI KOMBINASI SAMPAH RUMAH TANGGA DAN DAUN KERING MENGGUNAKAN RANCANGAN ACAK LENGKAP. Interval: Jurnal Ilmiah Matematika, 2(1), 13-22.
Alizahatie, H. (2019) ‘Budidaya Black Soldier Fly Dengan Memanfaatkan Limbah Rumah Tangga Sebagai Alternatif Pakan Ikan Air Tawar Dan Unggas’[tesis]. Blitar ;Akademi Komunitas Negeri Putra Sang Fajar Blitar
Muttaqien, K., Sugiarto and Sarifudin, S. (2019) ‘Upaya Meningkatkan Kesadaran Masyarakat Terhadap Kesehatan Lingkungan Melalui Program Bank Sampah’, Indonesian Journal of Adult and Community Education, 1(1), pp. 6–10. Available at: https://ejournal.upi.edu/index.php/IJACE/article/view/19997.
NAGARA, C. J. (2018). EVALUASI KUALITAS KAYU MAHONI YANG TERSEBAR DI DAERAH LOMBOK BERDASARKAN SNI 7973-2013 DENGAN MENGGUNAKAN METODE STATISTIK INFERENSIAL THE EVALUATION OF THE MAHOGANY QUALITY IN LOMBOK BASED ON SNI 7973-2013 USING INFERENTIAL STATISTIC METHOD (Doctoral dissertation, Universitas Mataram).
Palupi, R., & Prasetya, A. E. (2022). Pengaruh Implementasi Content Management System Terhadap Kecepatan Kinerja Menggunakan One Way Anova. Jurnal Ilmiah Informatika, 10(01), 74-79.Raharjo E.I, Rachimi, Arief M. (2016). Penggunaan Ampas Tahu dan Kotoran Ayam untuk Meningkatkan Produksi Maggot [laporan penelitian] Universitas Muhammadiyah, Pontianak.
Sastro, Y. (2016). Teknologi Pengomposan Limbah Organik Kota Menggunakkan Black Soldier Fly. https://bit.ly/3NHT5IL.
Usmadi, U. (2020). Pengujian persyaratan analisis (Uji homogenitas dan uji normalitas). Inovasi Pendidikan, 7(1).

Perlakuan	Pengulangan 1	Pengulangan 2	Pengulangan 3	Pengulangan 4
A	625	590	595	615
B	610	640	660	645
C	715	760	795	775
D	625	655	650	635
E	525	550	555	545

Perlakuan	Pengulangan 1	Pengulangan 2	Pengulangan 3	Pengulangan 4
A	625	590	595	615
B	610	640	660	645
C	715	760	795	775
D	625	655	650	635
E	525	550	555	545

Perlakuan	Pengulangan 1	Pengulangan 2	Pengulangan 3	Pengulangan 4
A	625	590	595	615
B	610	640	660	645
C	715	760	795	775
D	625	655	650	635
E	525	550	555	545

Perlakuan	Pengulangan 1	Pengulangan 2	Pengulangan 3	Pengulangan 4
A	625	590	595	615
B	610	640	660	645
C	715	760	795	775
D	625	655	650	635
E	525	550	555	545

Penerapan Metode One-Way Anova terhadap Pengujian Pertumbuhan Produksi Maggot Melalui Kombinasi Sampah Rumah Tangga dan Daun Kering Menggunakan Rancangan Acak Lengkap

Nauvelin Audina

2023-05-28

1 PENDAHULUAN

1.1 Latar Belakang

1.2 Rumusan Masalah

1.3 Tujuan

1.4 Hipotesis

2 TINJAUAN PUSTAKA

2.1 One-Way ANOVA

2.2 Uji Asumsi

2.2.1 Uji Normalitas Galat

2.2.2 Uji Homogenitas Ragam

2.3 Uji Lanjut

3 METODE PENELITIAN

3.1 Data

3.2 Tahapan Penelitian

4 SOURCE CODE

4.1 Library

4.2 Import Data

4.3 Uji ANOVA

4.4 Pemeriksaan Sisaan

4.5 Uji Asumsi

4.5.1 Uji Normalitas Galat

4.5.2 Uji Homogenitas Ragam

4.6 Uji Lanjut

4.7 Plot

5 HASIL DAN PEMBAHASAN

5.1 Statistika Deskriptif

5.2 Uji Hipotesis

5.3 Pemeriksaan Sisaan

5.3.1 Residuals vs Fitted Plot

5.3.2 Q-Q Plot

5.3.3 Scale-Location Plot

5.4 Uji Asumsi

5.4.1 Uji Normalitas Galat

5.4.1.1 Uji Jarque Bera

5.4.1.2 Uji Saphiro Wilk

5.4.2 Uji Homogenitas Ragam

5.5 Uji Lanjut

5.5.1 Uji BNT (Fisher’s LSD Test)

5.5.2 Uji BNJ (Tukey’s HSD Test)

6 PENUTUP

6.1 Kesimpulan

6.2 Saran

7 DAFTAR PUSTAKA

Perlakuan	Pengulangan 1	Pengulangan 2	Pengulangan 3	Pengulangan 4
A	625	590	595	615
B	610	640	660	645
C	715	760	795	775
D	625	655	650	635
E	525	550	555	545

Perlakuan	Pengulangan 1	Pengulangan 2	Pengulangan 3	Pengulangan 4
A	625	590	595	615
B	610	640	660	645
C	715	760	795	775
D	625	655	650	635
E	525	550	555	545