Uji MANOVA untuk Mengetahui Perbedaan Dampak Teratogenik dari Air Kelapa terhadap Perkembangan Janin

1 PENDAHULUAN

1.1 Latar Belakang

Penelitian ini berakar pada konsep teratogenesis, yang merupakan bidang studi yang mempelajari perubahan struktural sel, jaringan, dan organ sebagai akibat dari perubahan dalam proses fisiologi dan biokimia. Senyawa-senyawa teratogen diketahui memiliki kemampuan untuk mempengaruhi pembentukan organisme jika terpapar selama tahap kritis organogenesis. Namun, penting untuk dicatat bahwa jika teratogen diberikan setelah terbentuknya sel dan jaringan, dampak teratogeniknya tidak akan terjadi.

Penelitian ini mengarah pada keinginan untuk memahami secara lebih mendalam mengenai potensi efek teratogenik dari air kelapa. Dalam hal ini, pendekatan dilakukan dengan membandingkan biometrika janin yang dikenai dosis bertingkat mulai dari 1 hingga 6 pada sekelompok 30 ekor tikus putih. Tujuan utamanya adalah untuk mengidentifikasi apakah terdapat perbedaan signifikan dalam parameter biometrika janin di antara kelompok dosis tersebut.

Diharapkan bahwa penelitian ini akan memberikan wawasan yang lebih mendalam mengenai potensi risiko dan pengaruh dari konsumsi jamu gendong cabe lempuyang terhadap perkembangan janin. Temuan dari penelitian ini diharapkan dapat memberikan kontribusi berharga dalam konteks keamanan dan pemahaman lebih lanjut terhadap penggunaan bahan alami dalam pengobatan tradisional.

1.2 Rumusan Masalah

1. Bagaimana efek teratogenik dari air kelapa yang mengandung cabe lempuyang terhadap perkembangan janin pada tahap organogenesis?
2. Apakah terdapat perbedaan signifikan dalam parameter biometrika janin antara kelompok dosis air kelapa yang diberikan dosis 1 hingga dosis 6?
3. Bagaimana pengaruh pemberian air kelapa setelah terbentuknya sel dan jaringan terhadap perkembangan janin pada tahap selanjutnya?

1.3 Tujuan Penelitian

1. Menilai dampak teratogenik dari air kelapa terhadap perkembangan janin pada tahap organogenesis.
2. Mengidentifikasi apakah terdapat perbedaan yang signifikan dalam parameter biometrika janin antara kelompok dosis air kelapa dengan dosis berkisar antara 1 hingga 6.

1.4 Manfaat

1. Penelitian ini akan memberikan informasi penting mengenai potensi efek teratogenik dari air kelapa, sehingga dapat memberikan pedoman keamanan dalam penggunaannya, terutama pada wanita hamil.
2. Temuan dari penelitian ini dapat memberikan dasar ilmiah untuk pengembangan pedoman dan regulasi terkait dengan produksi dan pemasaran produk air kelapa untuk ibu hamil.

2 Analisis yang Digunakan

Analisis yang digunakan pada penelitian ini adalah MANOVA. Analisis MANOVA (Multivariate Analysis of Variance) adalah metode statistik yang digunakan untuk membandingkan rata-rata dari dua atau lebih variabel dependen antara dua atau lebih kelompok atau kondisi. MANOVA adalah ekstensi dari uji ANOVA tradisional, namun berbeda dalam hal bahwa mampu menangani lebih dari satu variabel dependen secara bersamaan.

Dalam konteks penelitian ini, MANOVA dapat digunakan untuk mengevaluasi apakah ada perbedaan signifikan dalam serangkaian biometrika janin (variabel dependen) antara kelompok dosis air kelapa yang berbeda (kelompok atau kondisi independen). Misalnya, biometrika janin dapat mencakup berbagai parameter seperti berat, panjang, lingkar kepala, dll.

Penggunaan MANOVA akan memungkinkan peneliti untuk memeriksa apakah ada perbedaan signifikan dalam kombinasi dari variabel dependen secara keseluruhan antara kelompok dosis. Selain itu, MANOVA dapat memberikan wawasan tambahan mengenai hubungan antara variabel dependen secara bersamaan, yang tidak dapat dilakukan dengan uji ANOVA tunggal.

3 Variabel yang digunakan

Variabel yang digunakan dalam penelitian ini adalah :

1. Berat plasenta yang diukur dengan satuan ons.

2. Berat Janin yang diukur dengan satuan ons.

3. Panjang janin yang diukur dengan satuan cm

4 SOURCE CODE

4.1 Library

> library(readxl)
> library(mvnormtest)
> library(car)
> library(MVTests)

4.2 Impor Data

> Data_prakt = read_excel("E:/Kuliah/SEMESTER 5/ANMUL/fix data.xlsx")
> data = Data_prakt[,-1]
> Data_prakt
# A tibble: 30 × 5
   Ulangan Berat_Plasenta Berat_Janin Panjang_Janin Dosis
     <dbl>          <dbl>       <dbl>         <dbl> <dbl>
 1       1           6.7         28.7          53       1
 2       2           6.48        31.0          52.5     1
 3       3           6.72        26.9          52.5     1
 4       4           6.52        27.4          52.8     1
 5       5           6.37        29.4          52.7     1
 6       1           8.89        27.2          45.7     2
 7       2           8.98        28.5          45.7     2
 8       3           9.13        29.1          45.8     2
 9       4           8.96        30.2          45.7     2
10       5           9.11        29.9          45.8     2
# ℹ 20 more rows

4.3 Uji Asumsi Normalitas

> library(mvnormtest)
> mshapiro.test(t(data[,-4]))

    Shapiro-Wilk normality test

data:  Z
W = 0.93346, p-value = 0.06071

4.4 Uji Asumsi Homogenitas Ragam

> library(car)
> library(carData)
> leveneTest(Berat_Plasenta ~ as.factor(Dosis), Data_prakt)
Levene's Test for Homogeneity of Variance (center = median)
      Df F value Pr(>F)
group  5  1.4607 0.2394
      24               
> leveneTest(Berat_Janin ~ as.factor(Dosis), Data_prakt)
Levene's Test for Homogeneity of Variance (center = median)
      Df F value Pr(>F)
group  5  0.6674 0.6518
      24               
> leveneTest(Panjang_Janin ~ as.factor(Dosis), Data_prakt)
Levene's Test for Homogeneity of Variance (center = median)
      Df F value Pr(>F)
group  5  0.8435 0.5324
      24               

4.5 Homogenity of Covariance Matrix Test

> library(MVTests)
> BoxM(data = data[,-4], Data_prakt$Dosis)
$Chisq
[1] 41.858

$df
[1] 30

$p.value
[1] 0.07360083

$Test
[1] "BoxM"

attr(,"class")
[1] "MVTests" "list"   

4.6 Korelasi Pearson

> cor(data[,1:3])
               Berat_Plasenta Berat_Janin Panjang_Janin
Berat_Plasenta      1.0000000   0.8096321     0.8365223
Berat_Janin         0.8096321   1.0000000     0.9464683
Panjang_Janin       0.8365223   0.9464683     1.0000000

4.7 Uji MANOVA

> uji=manova(cbind (Berat_Plasenta,Berat_Janin,Panjang_Janin)~Dosis, data=data) 
> cbind(data$Berat_Plasenta, data$Berat_Janin, data$Panjang_Janin)
        [,1]   [,2]   [,3]
 [1,]  6.700 28.684 53.000
 [2,]  6.478 31.028 52.508
 [3,]  6.720 26.864 52.457
 [4,]  6.522 27.352 52.836
 [5,]  6.368 29.382 52.666
 [6,]  8.893 27.228 45.694
 [7,]  8.980 28.477 45.663
 [8,]  9.134 29.077 45.800
 [9,]  8.959 30.244 45.703
[10,]  9.112 29.871 45.767
[11,]  7.202 25.867 50.213
[12,]  8.607 26.601 50.116
[13,]  7.641 31.154 49.937
[14,]  8.234 31.515 50.178
[15,]  7.598 26.523 49.896
[16,] 10.715 41.572 74.429
[17,] 14.337 38.546 74.077
[18,] 11.132 42.108 74.423
[19,] 11.812 39.485 74.189
[20,] 12.141 38.198 74.334
[21,] 13.898 48.996 76.248
[22,] 13.678 42.308 76.208
[23,] 13.173 42.964 76.056
[24,] 12.537 45.075 75.870
[25,] 11.044 44.729 76.174
[26,] 12.756 49.496 85.995
[27,] 12.998 50.797 85.699
[28,] 13.283 57.818 85.511
[29,] 12.559 51.309 85.592
[30,] 10.583 56.075 85.688

4.8 Pengujian

> summary.manova(uji,test="Pillai")
          Df  Pillai approx F num Df den Df    Pr(>F)    
Dosis      1 0.87583   61.129      3     26 6.567e-12 ***
Residuals 28                                             
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
> summary.manova(uji,test="Wilks")
          Df   Wilks approx F num Df den Df    Pr(>F)    
Dosis      1 0.12417   61.129      3     26 6.567e-12 ***
Residuals 28                                             
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
> summary.manova(uji,test="Hotelling-Lawley")
          Df Hotelling-Lawley approx F num Df den Df    Pr(>F)    
Dosis      1           7.0533   61.129      3     26 6.567e-12 ***
Residuals 28                                                      
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
> summary.manova(uji,test="Roy")
          Df    Roy approx F num Df den Df    Pr(>F)    
Dosis      1 7.0533   61.129      3     26 6.567e-12 ***
Residuals 28                                            
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

4.9 Uji ANOVA

> summary.aov(uji)
 Response Berat_Plasenta :
            Df  Sum Sq Mean Sq F value    Pr(>F)    
Dosis        1 145.371 145.371  78.829 1.242e-09 ***
Residuals   28  51.636   1.844                      
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

 Response Berat_Janin :
            Df  Sum Sq Mean Sq F value    Pr(>F)    
Dosis        1 2348.87 2348.87  137.45 2.574e-12 ***
Residuals   28  478.47   17.09                      
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

 Response Panjang_Janin :
            Df Sum Sq Mean Sq F value    Pr(>F)    
Dosis        1 5615.9  5615.9  122.79 9.522e-12 ***
Residuals   28 1280.6    45.7                      
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

5 HASIL DAN PEMBAHASAN

5.1 Data

Data yang digunakan data berat plasenta, berat janin, panjang janin, dengan ulangan 1-5 dan dosis 1-6. Adapun data penelitian sebagai berikut:

Ulangan	Berat Plasenta	Berat Janin	Panjang Janin	Dosis
1	6.7	28.684	53	1
2	6.478	31.028	52.508	1
3	6.72	26.864	52.457	1
4	6.522	27.352	52.836	1
5	6.368	29.382	52.666	1
1	8.893	27.228	45.694	2
2	8.98	28.477	45.663	2
3	9.134	29.077	45.8	2
4	8.959	30.244	45.703	2
5	9.112	29.871	45.767	2
1	7.202	25.867	50.213	3
2	8.607	26.601	50.116	3
3	7.641	31.154	49.937	3
4	8.234	31.515	50.178	3
5	7.598	26.523	49.896	3
1	10.715	41.572	74.429	4
2	14.337	38.546	74.077	4
3	11.132	42.108	74.423	4
4	11.812	39.485	74.189	4
5	12.141	38.198	74.334	4
1	13.898	48.996	76.248	5
2	13.678	42.308	76.208	5
3	13.173	42.964	76.056	5
4	12.537	45.075	75.87	5
5	11.044	44.729	76.174	5
1	12.756	49.496	85.995	6
2	12.998	50.797	85.699	6
3	13.283	57.818	85.511	6
4	12.559	51.309	85.592	6
5	10.583	56.075	85.688	6

5.2 Uji Asumsi Normalitas

Hipotesis:

\(H_0\): Data berdistribusi normal multivariat

\(H_1\): Data tidak berdistribusi normal multivariat

Taraf nyata 5%

Statistik Uji:

p-value	alpha
0.06071	0.05

Keputusan:

p-value > \(\alpha\), maka \(H_0\) diterima

Kesimpulan:

Dengan taraf nyata 5% dapat disimpulkan bahwa data bayi berdistribusi secara normal multivariat.

5.3 Uji Asumsi Homogenitas Ragam

Hipotesis:

\(H_0\): Ragam antar grup sama

\(H_1\): Ragam antar grup berbeda

Taraf nyata 5%

Statistik Uji:

Berat Plasenta	Berat Janin	Panjang Janin
0.2394	0.6518	0.5324

Keputusan:

• Berat Plasenta : p-value (0.2394) > \(\alpha\) (0.05)

• Berat Janin : p-value (0.6518) > \(\alpha\) (0.05)

• Panjang Janin : p-value (0.5324) > \(\alpha\) (0.05)

p-value > \(\alpha\) maka \(H_0\) diterima.

Kesimpulan:

Dengan taraf nyata 5% dapat disimpulkan bahwa data studi kasus pada ketiga grup diasumsikan sama sehingga asumsi homogenitas ragam terpenuhi.

5.4 Uji Asumsi Homogenitas Matriks Varian - Kovarian

\(H_0\) : matriks varian - kovarian antar grup sama

\(H_1\) : matriks varian - kovarian antar grup berbeda

Taraf nyata 5%

Statistik Uji:

p-value	alpha
0.07360083	0.05

Keputusan:

p-value > \(\alpha\) maka \(H_0\) diterima.

Kesimpulan:

Dengan taraf nyata 5% dapat disimpulkan bahwa data studi kasus pada ketiga grup diasumsikan sama sehingga asumsi homogenitas matriks varian-kovarian terpenuhi.

5.5 Korelasi

Berdasarkan hasil korelasi Pearson, didapati nilai korelasi sebagai berikut:

• Berat Plasenta dengan Berat Janin : 0.8096321

• Berat Plasenta dengan Panjang Janin : 0.8365223

• Berat Janin dengan Panjang Janin : 0.9464683

Maka dapat disimpulkan data studi kasus pada ketiga grup memiliki hubungan/korelasi yang cukup tinggi dan searah.

5.6 Uji MANOVA

\(H_0\) : \(\mu_1 = \mu_2 = \mu_3\)

\(H_1\) : \(\mu_1 \neq \mu_2 \neq \mu_3\)

\(H_1\) : terdapat minimal salah satu pasang \(\mu_i\) yang tidak sama

Taraf nyata : 5%

Statistika Uji :

• Pillai’s Trace : p-value (6.567e-12) < \(\alpha\) (0.05)

• Wilk’s Lamda : p-value (6.567e-12) < \(\alpha\) (0.05)

• Hotellung’s Trace : p-value (6.567e-12) < \(\alpha\) (0.05)

• Roy’s Largest Root : p-value (6.567e-12) < \(\alpha\) (0.05)

Keputusan :

p-value < \(\alpha\), maka \(H_0\) ditolak.

Kesimpulan:

Dengan taraf nyata 5% dapat disimpulkan bahwa data studi kasus terdapat perbedaan pengaruh yang signifikan antara 6 dosis perlakuan.

5.7 Uji ANOVA

\(H_0\) : \(\mu_1 = \mu_2 = \mu_3\)

\(H_1\) : terdapat minimal salah satu pasang \(\mu_i\) yang tidak sama

Taraf nyata : 5%

Statistik Uji:

• Berat Plasenta : p-value (1.242e-09) < \(\alpha\) (0.05)

• Berat Janin : p-value (2.5743e-12) < \(\alpha\) (0.05)

• Panjang Janin : p-value (9.522e-12) < \(\alpha\) (0.05)

Keputusan :

p-value < \(\alpha\), maka \(H_0\) ditolak

Kesimpulan :

Dengan taraf nyata 5% dapat disimpulkan bahwa data studi kasus terdapat perbedaan pengaruh yang signifikan antara 6 dosis perlakuan pada Berat Plasenta, Berat Janin, dan Panjang Janin.

6 KESIMPULAN

Berdasarkan hasil analisis di atas, dapat disimpulkan bahwa terdapat perbedaan pengaruh yang sangat signifikan antara penggunaan enam dosis air kelapa terhadap berat plasenta, berat janin, dan panjang janin tikus putih secara keseluruhan. Secara spesifik, setiap dosis 1 hingga 6 jamu gendong air kelapa juga menunjukkan perbedaan pengaruh yang signifikan terhadap ketiga biometrika janin tersebut.