Mini Project Penggunaan ANOVA Satu Arah untuk Mengetahui Perbedaan Biakan terhadap Kadar Nitrogen pada Tumbuhan
Calvin Raido Devanca
01-06-2023
Library:
> # install.packages("knitr")
> # install.packages("rmarkdown")
> # install.packages("prettydoc")
> # install.packages("equatiomatic")
> # install.packages("car")
> # install.packages("tseries")
> # install.packages("agricolae")
> # install.packages("dplyr")
> # install.packages("tidyr")1. PENDAHULUAN
1.1 Latar Belakang
Unsur hara atau nutrisi tanaman merupakan faktor penting bagi pertumbuhan tanaman yang dapat diibaratkan sebagai zat makanan bagi tanaman. Menurut Sugito (2012) bahwa terdapat empat jenis unsur yang paling banyak dijumpai dalam jaringan tanaman ialah C, H, O dan N. Namun Nitrogen (N) yang merupakan penyusun utama protein, relative tidak tersedia bagi tanaman. Oleh karena itu, penelitian ini dilakukan untuk mengetahui jenis tanaman yang memiliki tingkat efisien tinggi dalam penyerapan nitrogen.Penelitian ini dilakukan pada tanaman clover merah dengan 4 macam jenis biakan. Kadar nitrogen tanaman ini akan diukur lalu digunakan sebagai data untuk melakukan uji statistik analisis ragam satu arah. Dengan menggunakan ilmu statistika dalam penelitian, biaya yang dibutuhkan akan relatif menurun serta hasil yang diberikan dapat bersifat objektif sehingga metode statistik dalam penelitian ini berperan penting untuk mengambil keputusan pasca penelitian.
2. TINJAUAN PUSTAKA
2.1 Statistika Deskriptif
Statistika deskriptif merupakan bagian dari ilmu statistika yang berfungsi untuk mendeskripsikan, menggambarkan dan menjelaskan data. Penerapan statistika deskriptif yaitu seperti menghitung mean, median, modus, standar deviasi, kemiringan distribusi data dan lainnya (Singgih, 2019). Statistika deskriptif berperan penting untuk menyiapkan data-data yang akan digunakan dalam statistika inferensia.
2.2 Analysis of Variance (ANOVA) One-Way
ANOVA (Analysis of Variance) One-Way atau analisis ragam satu arah adalah salah satu ilmu statistika inferensia yang bermanfaat untuk mengetahui perbedaan terhadap respons dalam satu jenis perlakuan. Analisis ragam satu arah ini digunakan pada penelitian dengan satu jenis perlakuan dengan data amatan tiap perlakuan dapat berbeda-beda jumlahnya.
3. SOURCE CODE
3.1 Library
> library(car)
> library(tseries)
> library(ggplot2)
> library(agricolae)
> library(dplyr)
> library(tidyr)3.2 Data
> A <- data.frame(d1 = c(19.4,32.6,27,32.1,33),
+ d5 = c(17.7,24.8,27.9,25.2,24.3),
+ d4 = c(17,19.4,9.1,11.9,15.8),
+ d0 = c(17.3,19.4,19.7,16.9,20.8))3.3 Statistika Deskriptif
> summary(A)
d1 d5 d4 d0
Min. :19.40 Min. :17.70 Min. : 9.10 Min. :16.90
1st Qu.:27.00 1st Qu.:24.30 1st Qu.:11.90 1st Qu.:17.30
Median :32.10 Median :24.80 Median :15.80 Median :19.40
Mean :28.82 Mean :23.98 Mean :14.64 Mean :18.82
3rd Qu.:32.60 3rd Qu.:25.20 3rd Qu.:17.00 3rd Qu.:19.70
Max. :33.00 Max. :27.90 Max. :19.40 Max. :20.80
> data.frame(Biakan=c("d1","d5","d4","d0"),
+ Ragam=c(var(A$d1),var(A$d5),var(A$d4),var(A$d0)))3.4 ANOVA
> A <- A %>% pivot_longer(c(d1,d5,d4,d0))
> names(A) <- c("Biakan","Kadar_N")
> A$Biakan <- as.factor(A$Biakan)
> A> anova<-aov(Kadar_N~Biakan,A)
> summary(anova)
Df Sum Sq Mean Sq F value Pr(>F)
Biakan 3 569.8 189.9 11.24 0.000325 ***
Residuals 16 270.4 16.9
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
>
> e=residuals(anova)
> summary(e)
Min. 1st Qu. Median Mean 3rd Qu. Max.
-9.420 -1.845 0.850 0.000 2.590 4.760 3.5 Plot
3.5.1 Boxplot
> library(ggplot2)
> p1 <- ggplot(A) +
+ aes(x = Biakan, y = Kadar_N, fill = Biakan) +
+ geom_boxplot() +
+ scale_fill_hue(direction = 1) +
+ theme_minimal() +
+ theme(legend.position = "none")
> p1
3.5.2 Plot 1
> plot(anova,1)
3.5.3 Plot 2
> plot(anova,2)
3.5.4 Plot 3
> plot(anova,3)
3.6 Asumsi ANOVA
> #Normalitas
> jarque.bera.test(e)
Jarque Bera Test
data: e
X-squared = 2.9964, df = 2, p-value = 0.2235
> shapiro.test(e)
Shapiro-Wilk normality test
data: e
W = 0.91546, p-value = 0.08107
> #Homogenitas
> leveneTest(Kadar_N~Biakan,A)3.7 Uji Lanjut
- BNT
> Uji_BNT<-LSD.test(anova,"Biakan")
> Uji_BNT$groups> plot(Uji_BNT)
- BNJ
> Uji_BNJ<-TukeyHSD(anova)
> Uji_BNJ
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = Kadar_N ~ Biakan, data = A)
$Biakan
diff lwr upr p adj
d1-d0 10.00 2.560853 17.439147 0.0070113
d4-d0 -4.18 -11.619147 3.259147 0.4022524
d5-d0 5.16 -2.279147 12.599147 0.2344595
d4-d1 -14.18 -21.619147 -6.740853 0.0002803
d5-d1 -4.84 -12.279147 2.599147 0.2826461
d5-d4 9.34 1.900853 16.779147 0.0117406
> plot(Uji_BNJ)
4. HASIL DAN PEMBAHASAN
4.1 Statistika Deskriptif
Berdasarkan output diperoleh :
- Rata-rata Sebagian besar kadar nitrogen perlakuan secara berurutan adalah 28.82, 23.98, 14.64, 18.82
2.Ragam Keragaman data dari perlakuan secara berurutan adalah 33.462, 14.267, 16.943, 2.757
- Median
Perlakuan d1 Terdapat 50% data yang memiliki nilai di bawah 32.10
Perlakuan d5 Terdapat 50% data yang memiliki nilai di bawah 24.80
Perlakuan d4 Terdapat 50% data yang memiliki nilai di bawah 16.64
Perlakuan d0 Terdapat 50% data yang memiliki nilai di bawah 18.82
4.2 ANOVA Satu-Arah
Hipotesis :
H0 : mu1=mu2=mu3=mu4=0
H1 : Terdapat minimal satu pasang mu i tidak sama dengan mu j
Tingkat signifikansi : alpha = 0.05
Statistik Uji nilai-p = 0.0003
Keputusan : Tolak H0, karena nilai-p (0.0003) < alpha (0.05)
Interpretasi : Berdasarkan hasil output diperoleh nilai-p < (0.05), maka terdapat minimal satu perbedaan biakan tanaman terhadap kadar nitrogen.
4.3 Plot
4.3.1 Boxplot
Interpretasi : Boxplot tiap perlakuan tidak saling beririsan, maka semua perlakuan berbeda satu sama lain berdasarkan median.
4.3.2 Plot 1
Interpretasi : Garis merah pada plot terlihat cukup datar maka model sudah tepat
4.3.3 Plot 2
Interpretasi : nilai galat berada di sekitar garis merah, maka galat menyebar normal
4.3.4 Plot 3
Interpretasi : Kurva cenderung membentuk kurva kuadrat namun tidak cukup ekstrem sehingga dapat disimpulkan ragam homogen namun memerlukan uji asumsi untuk hasil yang lebih akurat.
4.4 Asumsi Anova
- Uji Normal
- Uji Jarque Bera Hipotesis :
H0 : Galat menyebar normal
H1 : Galat tidak menyebar normal
Tingkat signifikansi : alpha = 0.05
Statistik Uji nilai-p = 0.2235
Keputusan : Terima H0, karena nilai-p (0.2235) > alpha (0.05)
Interpretasi : Galat menyebar normal, maka asumsi normalitas terpenuhi
- Uji Shapiro Wilk
Hipotesis :
H0 : Galat menyebar normal
H1 : Galat tidak menyebar normal
Tingkat signifikansi : alpha = 0.05
Statistik Uji nilai-p = 0.08
Keputusan : Terima H0, karena nilai-p (0.08) > alpha (0.05)
Interpretasi : Galat menyebar normal, maka asumsi normalitas terpenuhi
-Uji Homogenitas
Uji Levene
Hipotesis :
H0 : Perlakuan memiliki ragam yang homogen
H1 : Perlakuan memiliki ragam yang tidak homogen
Tingkat signifikansi : alpha = 0.05
Statistik Uji nilai-p = 0.66
Keputusan : Terima H0, karena nilai-p (0.66) > alpha (0.05)
Interpretasi : Perlakuan memiliki ragam yang homogen, maka asumsi homogenitas terpenuhi
4.5 Uji Lanjut
Perlakuan d1 tidak sama dengan perlakuan d0 dan d4 namun sama dengan perlakuan d5
Perlakuan d5 tidak sama dengan perlakuan d4 namun sama dengan perlakuan lainnya
Perlakuan d0 tidak sama dengan perlakuan d1 namun sama dengan perlakuan lainnya
Perlakuan d4 sama dengan perlakuan d0 namun tidak sama dengan perlakuan lainnya.
5. KESIMPULAN
Berdasarkan hasil uji analisis ragam satu arah dan uji lanjut dapat disimpulkan bahwa terdapat perbedaan antara jenis biakan tanaman terhadap kadar nitrogen. Biakan d1 memiliki kemampuan menyerap kadar nitrogen tertinggi sehingga tanaman clover merah d1 direkomendasikan dibanding biakan tanaman lainnya dalam model.
DAFTAR PUSTAKA
Santoso, S. (2019). Mahir statistik parametrik. Elex Media Komputindo.
Tando, E. (2019). Upaya efisiensi dan peningkatan ketersediaan nitrogen dalam tanah serta serapan nitrogen pada tanaman padi sawah (Oryza sativa L.).
Buana Sains, 18(2), 171-180. Miller Jr, R. G. (1997). Beyond ANOVA:basics of applied statistics. CRC press.