Rancangan Acak Kelompok
Alfisyahrina Hapsery, Wara Pramesti, Auralia Putri, Aira Fairana, Elpi Nainggolan
2024-01-16
install beberapa aplikasi terlebih dahulu data : Pemberian pupuk NPK terhadap pertumbuhan kacang tanah. treatmen pada analisis ini adalah dosis NPK kelompok yaitu V1, V2, V3
Data_RAK <- read_excel("D:/Data RAK.xlsx")
head(Data_RAK)## # A tibble: 6 × 3
## perlakuan kelompok respon
## <dbl> <dbl> <dbl>
## 1 1 1 4.75
## 2 1 1 4.93
## 3 1 1 4.44
## 4 2 1 6.33
## 5 2 1 6.17
## 6 2 1 6.76Data_RAK$perlakuan <- as.factor(Data_RAK$perlakuan)
Data_RAK$kelompok <- as.factor(Data_RAK$kelompok)
Data_RAK$respon <- as.numeric(Data_RAK$respon)#Uji Asumsi homogenitas
rak <- ea1(Data_RAK, design = 2);rak
## $`Analysis of variance`
## df type III SS mean square F value p>F
## treatments 5 230.0777 46.0155 9.2764 <0.001
## blocks 2 779.6293 389.8146 78.5839 <0.001
## residuals 46 228.1824 4.9605 - -
##
## $`Adjusted means`
## treatment adjusted.mean sd sem tukey snk duncan t scott_knott
## 1 5 16.4333 2.5209 0.7424 a a a a a
## 2 2 12.4522 4.8219 0.7424 b b b b b
## 3 3 11.9478 7.2538 0.7424 b b b b b
## 4 4 11.4967 2.3346 0.7424 b b bc bc b
## 5 1 11.4800 5.1192 0.7424 b b bc bc b
## 6 6 9.6478 3.4780 0.7424 b b c c b
##
## $`Multiple comparison test`
## pair contrast p(tukey) p(snk) p(duncan) p(t)
## 1 5 - 2 3.9811 0.0055 0.0004 0.0004 0.0004
## 2 5 - 3 4.4855 0.0013 0.0003 0.0001 0.0001
## 3 5 - 4 4.9366 0.0003 0.0001 0.0000 0.0000
## 4 5 - 1 4.9533 0.0003 0.0002 0.0001 0.0000
## 5 5 - 6 6.7855 0.0000 0.0000 0.0000 0.0000
## 6 2 - 3 0.5044 0.9966 0.6332 0.6332 0.6332
## 7 2 - 4 0.9555 0.9420 0.6368 0.3973 0.3675
## 8 2 - 1 0.9722 0.9377 0.7911 0.4067 0.3593
## 9 2 - 6 2.8044 0.1010 0.0741 0.0191 0.0104
## 10 3 - 4 0.4511 0.9980 0.6695 0.6695 0.6695
## 11 3 - 1 0.4678 0.9976 0.8966 0.6784 0.6580
## 12 3 - 6 2.3000 0.2618 0.1411 0.0494 0.0336
## 13 4 - 1 0.0167 1.0000 0.9874 0.9874 0.9874
## 14 4 - 6 1.8489 0.5002 0.1941 0.1023 0.0849
## 15 1 - 6 1.8322 0.5102 0.0876 0.0876 0.0876
##
## $`Residual analysis`
## $`Residual analysis`$`residual analysis`
## values
## p.value Shapiro-Wilk test 0.0502
## p.value Bartlett test 0.0148
## coefficient of variation (%) 18.1900
## first value most discrepant 9.0000
## second value most discrepant 43.0000
## third value most discrepant 45.0000
##
## $`Residual analysis`$residuals
## 1 2 3 4 5 6 7
## -1.4392593 -1.2592593 -1.7492593 -0.8314815 -0.9914815 -0.4014815 -3.2970370
## 8 9 10 11 12 13 14
## -3.4470370 -4.3370370 2.2540741 2.1440741 3.9040741 3.2274074 0.2874074
## 15 16 17 18 19 20 21
## 2.9774074 1.2029630 0.7529630 1.0029630 1.0585185 1.9185185 0.1685185
## 22 23 24 25 26 27 28
## 3.2462963 3.1862963 2.8262963 -1.1392593 -1.4692593 1.9307407 -2.0081481
## 29 30 31 32 33 34 35
## -2.1181481 -1.9981481 -0.6048148 -1.1448148 -0.3548148 -1.0992593 -1.1092593
## 36 37 38 39 40 41 42
## -1.2892593 0.4407407 0.4707407 0.3907407 -2.5214815 -2.5914815 -1.9214815
## 43 44 45 46 47 48 49
## 4.0329630 3.7529630 3.9729630 -0.7359259 -0.6759259 -0.7659259 -1.5125926
## 50 51 52 53 54
## -1.6325926 -1.2425926 0.1829630 0.2429630 0.1129630
##
## $`Residual analysis`$`standardized residuals`
## 1 2 3 4 5 6
## -0.69364281 -0.60689283 -0.84304554 -0.40072777 -0.47783886 -0.19349171
## 7 8 9 10 11 12
## -1.58898824 -1.66127988 -2.09021032 1.08633817 1.03332430 1.88154628
## 13 14 15 16 17 18
## 1.55543063 0.13851436 1.43494455 0.57976115 0.36288621 0.48337229
## 19 20 21 22 23 24
## 0.51014698 0.92461908 0.08121654 1.56453402 1.53561737 1.36211741
## 25 26 27 28 29 30
## -0.54905952 -0.70810114 0.93050951 -0.96781557 -1.02082944 -0.96299613
## 31 32 33 34 35 36
## -0.29148706 -0.55173698 -0.17100098 -0.52978174 -0.53460119 -0.62135116
## 37 38 39 40 41 42
## 0.21241249 0.22687082 0.18831528 -1.21521365 -1.24894975 -0.92604706
## 43 44 45 46 47 48
## 1.94366355 1.80871914 1.91474689 -0.35467531 -0.32575865 -0.36913364
## 49 50 51 52 53 54
## -0.72898539 -0.78681871 -0.59886043 0.08817796 0.11709462 0.05444186interpretasi : hipotesis awal yaitu varians dari percobaan pemberian pupuk NPK homogen, Nilai F(9,27) dan pvalue 0,001. artinya varians dari percobaan pupuk NPK tidak homogen.namun pada kasus ini akan tetap dilanjutkan.
#hipotesis RAK tanpa interaksi #H0 : Pemberian pupuk npk dengan dosis yang berbeda tidak menyebabkan perbedaan pertumbuhan kacang tanah #H1 : Pemberian pupuk npk dengan dosis yang berbeda paling tidak ada satu yang menyebabkan perbedaan pertumbuhan kacang tanah
anova <- aov(respon ~ perlakuan + kelompok, data = Data_RAK)
summary(anova)## Df Sum Sq Mean Sq F value Pr(>F)
## perlakuan 5 230.1 46.0 9.276 3.68e-06 ***
## kelompok 2 779.6 389.8 78.584 1.45e-15 ***
## Residuals 46 228.2 5.0
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1interpretasi : faktor perlakuan yaitu dosis NPK berpengaruh signifikan terhadap pertumbuhan kacang tanah.Sedangkan kelompok yaitu V1, V2, dan V3 juga berpengaruh terhadap pertumbuhan kacang tanah. untuk mengetahui level yang mana dalam faktor atau dalam kelompok yang berpengaruh perlu dilakukan uji perbandingan ganda.
# Membuat boxplot
boxplot(respon ~ perlakuan, data = Data_RAK,
xlab = "Pupuk NPK", ylab = "Panjang Kacang Tanah",
frame = FALSE, col = c("#FF00FF", "#FFEE93", "#FC4E07"))
proses menginput data secara manual
perlakuan=c(rep(c(1,1,1,2,2,2,3,3,3,4,4,4,5,5,5,6,6,6),3));perlakuan## [1] 1 1 1 2 2 2 3 3 3 4 4 4 5 5 5 6 6 6 1 1 1 2 2 2 3 3 3 4 4 4 5 5 5 6 6 6 1 1
## [39] 1 2 2 2 3 3 3 4 4 4 5 5 5 6 6 6kelompok=c(rep(1,18),rep(2,18),rep(3,18));kelompok## [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3
## [39] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3respon=c(4.75,4.93,4.44,6.33,6.17,6.76,3.36,3.21,2.32,8.46,8.35,10.11,14.37,11.43,14.12,5.56,5.11,5.36,14.37,15.23,13.48,17.53,17.47,17.11,12.64,
12.31,15.71,11.32,11.21,11.33,17.66,17.12,17.91,10.38,10.37,10.19,15.38,
15.41,15.33,13.39,13.32,13.99,19.44,19.16,19.38,14.22,14.28,14.19,18.38,
18.26,18.65,13.29,13.35,13.22);respon## [1] 4.75 4.93 4.44 6.33 6.17 6.76 3.36 3.21 2.32 8.46 8.35 10.11
## [13] 14.37 11.43 14.12 5.56 5.11 5.36 14.37 15.23 13.48 17.53 17.47 17.11
## [25] 12.64 12.31 15.71 11.32 11.21 11.33 17.66 17.12 17.91 10.38 10.37 10.19
## [37] 15.38 15.41 15.33 13.39 13.32 13.99 19.44 19.16 19.38 14.22 14.28 14.19
## [49] 18.38 18.26 18.65 13.29 13.35 13.22data.Rancob=cbind(perlakuan,kelompok,respon)
colnames(data.Rancob)=c("perlakuan","kelompok","respon")
data.Rancob=as.data.frame(data.Rancob)
data.Rancob## perlakuan kelompok respon
## 1 1 1 4.75
## 2 1 1 4.93
## 3 1 1 4.44
## 4 2 1 6.33
## 5 2 1 6.17
## 6 2 1 6.76
## 7 3 1 3.36
## 8 3 1 3.21
## 9 3 1 2.32
## 10 4 1 8.46
## 11 4 1 8.35
## 12 4 1 10.11
## 13 5 1 14.37
## 14 5 1 11.43
## 15 5 1 14.12
## 16 6 1 5.56
## 17 6 1 5.11
## 18 6 1 5.36
## 19 1 2 14.37
## 20 1 2 15.23
## 21 1 2 13.48
## 22 2 2 17.53
## 23 2 2 17.47
## 24 2 2 17.11
## 25 3 2 12.64
## 26 3 2 12.31
## 27 3 2 15.71
## 28 4 2 11.32
## 29 4 2 11.21
## 30 4 2 11.33
## 31 5 2 17.66
## 32 5 2 17.12
## 33 5 2 17.91
## 34 6 2 10.38
## 35 6 2 10.37
## 36 6 2 10.19
## 37 1 3 15.38
## 38 1 3 15.41
## 39 1 3 15.33
## 40 2 3 13.39
## 41 2 3 13.32
## 42 2 3 13.99
## 43 3 3 19.44
## 44 3 3 19.16
## 45 3 3 19.38
## 46 4 3 14.22
## 47 4 3 14.28
## 48 4 3 14.19
## 49 5 3 18.38
## 50 5 3 18.26
## 51 5 3 18.65
## 52 6 3 13.29
## 53 6 3 13.35
## 54 6 3 13.22