Library:

> # install.packages("knitr")
> # install.packages("rmarkdown")
> # install.packages("prettydoc")
> # install.packages("equatiomatic")
> # install.packages("tseries")
> # install.packages("rsconnect")

1 PENDAHULUAN

1.1 Latar Belakang

Limbah peternakan merupakan hasil samping dari proses berjalannya usaha peternakan. Limbah peternakan berupa kotoran ternak sapi atau feses dan urin dapat mengakibatkan pencemaran lingkungan apabila tidak ditangani dengan benar. Pengolahan limbah mempunyai peran penting dalam mencegah pencemaran dan menjaga keseimbangan lingkungan serta memberikan nilai ekonomi pada masyarakat yang mengolah limbah menjadi produk baru.

Kompos merupakan bahan organik yang diuraikan oleh bantuan mikroorganisme dengan mengatur kelembabannya melalui penutupan seluruh permukaan bahan penyusun kompos sehingga terlindung dari hujan. Tanah yang sudah diberikan kompos sebagai media tanam untuk tanaman pakan ternak dapat meningkatkan produktivitas tanaman pakan ternak.Arang sekam merupakan salah satu media tanam yang dapat digunakan untuk berbagai jenis tanaman. Fungsi dari arang sekam adalah sebagai penyimpan sementara unsur hara dalam tanah sehingga tidak mudah tercuci oleh air dan akan sangat mudah dilepaskan ketika dibutuhkan atau diambil oleh akar tanaman. Arang sekam mampu memperbaiki struktur tanah sehingga sistem irigasi dan drainase menjadi lebih baik.

Oleh karena itu, diperlukan penelitian untuk menguji keefektifan pencampuran kompos dengan arang sekam sebagai media tanam. Laporan mini project ini bertujuan untuk menguji keefektifan 6 perlakuan penambahan kompos dan arang sekam terhadap pertumbuhan panjang akar tanaman rumput Odot.

1.2 Tinjauan Pustaka

1.2.1 Statistika Deskriptif

Metode statistik digunakan untuk pengumpulan, penyajian, analisis, dan penafsiran data. Pada pelaksanaannya terdapat suatu metode yang memberikan informasi hanya mengenai data dan tidak menarik kesimpulan. Metode ini disebut sebagai Statistika Deskriptif. Informasi yang diperoleh selanjutnya disajikan dalam bentuk tabel, grafik, diagram. Informasi yang disediakan berupa mean, median, n(jumlah amatan), quartil 1, quartil 2, quartil 3, nilai maksimum dan nilai minimum, serta standar deviasi.

1.2.2 ANOVA ONE WAY

ANOVA (Analysis of Varaince) atau biasa disebut analisis ragam adalah analisis yang digunakan untuk menguji perbedaan rata-rata dari beberapa kelompok dengan perlakuan yang berbeda. Analisis ini merupakan metode analisis statistika yang menguraikan keragaman total menjadi beberapa komponen yang mengukur berbagai komponen keragaman. Komponen tersebut sebisa mungkin bebas satu sama lain.

One Way ANOVA atau ANOVA satu arah digunakan untuk membandingkan varians dalam rata-rata grup dengan mempertimbangkan satu variabel yang bertindak sebagai faktor. Hipotesis dari One Way ANOVA yaitu: H0: μ1 = μ2 = μ3 = … = μn (Tidak terdapat perbedaan yang nyata antara rata-rata kelompok) H1: Terdapat setidaknya 1 pasang rata-rata kelompok yang berbeda

1.2.3 Uji Asumsi

Dalam memastikan keabsahan hasil analisis ragam atau ANOVA perlu dilakukan pemeriksaan asumsi melalui pemeriksaan sisaan menggunakan Diasnogtic Plots sebagai berikut:

  • Plot Residuals vs Fitted
  • Q-Q Plot
  • Plot Scale-Location

Pengujian hipotesis pada ANOVA perlu memperhatikan beberapa asumsi yaitu sebagai berikut:

  • Asumsi Normalitas. Pemeriksaan asumsi dapat dilakukan dengan menggunakan Q-Q Plot atau Uji Shapiro Wilk. Pada Uji Shapiro Wilk hipotesis yang digunakan adalah sebagai berikut:

H0: Pengamatan menyebar Normal vs H1: Pengamatan tidak menyebar Normal

  • Asumsi Homogenitas Ragam. Pemeriksaan asumsi dapat dilakukan dengan menggunakan Plot Scale-Location atau Uji Levene. ANOVA dibagi menjadi tiga macam yaitu ANOVA satu arah, ANOVA dua arah, dan ANOVA multi arah. Pada Uji Levene hipotesis yang digunakan adalah sebagai berikut:

H0: Ragam antar perlakuan homogen vs H1: Ragam antar perlakuan tidak homogen

1.3 Data

Data yang digunakan adalah dataset yang telah di import dari excel di R yaitu dataset RumputOdot. Dataset ini menunjukkan efek pertumbuhan panjang akar rumput odot pada 24 sampel. Variabel pengamatan yang digunakan adalah panjang akar rumput odot (cm). Dataset ini terdiri dari 24 observasi dengan 6 jenis perlakuan yang berbeda dengan label A-F dan setiap tipe perlakuan terdiri dari 4 observasi.

  • A = Tanah endapan tanpa pupuk kompos

  • B = Penambahan kompos 400 gram + arang sekam 0 (0%)

  • C = Penambahan kompos 350 gram + arang sekam 50 gram (12.5%)

  • D = Penambahan kompos 300 gram + arang sekam 100 gram (25%)

  • E = Penambahan kompos 250 gram + arang sekam 150 gram (37.5%)

  • F = Penambahan kompos 200 gram + arang sekam 200 gram (50%)

Dataset ini bersumber dari data skripsi yang berjudul Pengaruh Pencampuran Kompos Dengan Arang Sekam Sebagai Media Tanam Terhadap Penampilan Rumput Odot.

1.4 Tujuan

Analisis ini dilakukan bertujuan untuk mengetahui kemampuan media tanam dalam menumbuhkan rumput odot, memngetahui keefektifan pencampuran kompos dengan arang sekam terhadap panjang akar rumput odot, serta mengetahui proporsi media tanam yang optimal dalam menampilkan produktivitas rumput odot.

2 SOURCE CODE, HASIL & PEMBAHASAN

2.1 Library

> library(readxl)
> library(ggplot2)
> library(tseries)

Library yang digunakan adalah readxl untuk membaca file excel. ggplot2 untuk membaca atau memvisualisasikan grafik data. tseries untuk membaca data time series.

2.2 Impor Data

> #menginput data dari excel
> DataSet_RumputOdot <- read_excel("D:/DataSet RumputOdot.xlsx")
> head(DataSet_RumputOdot)
# A tibble: 6 × 2
  Perlakuan Ulangan
  <chr>       <dbl>
1 A            21.8
2 A            25.4
3 A            20.3
4 A            32.4
5 B            35.4
6 B            53.7
> str(DataSet_RumputOdot)
tibble [24 × 2] (S3: tbl_df/tbl/data.frame)
 $ Perlakuan: chr [1:24] "A" "A" "A" "A" ...
 $ Ulangan  : num [1:24] 21.8 25.4 20.3 32.4 35.4 53.7 52.8 40.3 36.1 50.8 ...

2.3 Membentuk Data Frame

> Data_RumputOdot <- data.frame(A = c(21.8, 25.4, 20.3, 32.4),
+                               B = c(35.4, 53.7, 52.8, 40.3),
+                               C = c(36.1, 50.8, 58.4, 32.7),
+                               D = c(41.3, 52.1, 53.6, 56.3),
+                               E = c(24.5, 41, 49.4, 28.9),
+                               F = c(36.8, 35.6, 40.8, 40.6))
> Data_RumputOdot
     A    B    C    D    E    F
1 21.8 35.4 36.1 41.3 24.5 36.8
2 25.4 53.7 50.8 52.1 41.0 35.6
3 20.3 52.8 58.4 53.6 49.4 40.8
4 32.4 40.3 32.7 56.3 28.9 40.6

2.4 BoxPlot

> boxplot(DataSet_RumputOdot$'Ulangan'~DataSet_RumputOdot$'Perlakuan', main = "Boxplot Data Panjang Akar Rumput Odot", xlab = "Perlakuan", ylab = "Ulangan", col = "magenta")

Berdasarkan Boxplot tersebut, diketahui bahwa tidak terdapat pencilan dan dapat dilihat bahwa pengaruh perlakuan B, C, dan D dapat dikatakan hampir mirip atau seimbang, sedangkan untuk pengaruh perlakuan A cenderung tidak sebaik pengaruh perlakuan yang lainnya. Namun, untuk perlakuan E dan F juga cenderung lebih baik daripada A tapi tidak sebaik B, C, dan D.

2.5 Analisis ANOVA

Selanjutnya akan dilakukan analisis ragam agar diperoleh tabel analisis ragam dan uji F menggunakan fungsi aov.

Argumen Ulangan~Perlakuan untuk menunjukkan bahwa perlakuan mempengaruhi ulangan.

summary(anova) untuk menunjukkan hasil analisis anova

Df -> derajat bebas; Sum sq -> Jumlah kuadrat; Mean sq -> Kuadrat tengah; F value -> F hitung; Pr(>F) -> nilai p atau P value

> anova <- aov(Ulangan~Perlakuan, data=DataSet_RumputOdot)
> summary(anova)
            Df Sum Sq Mean Sq F value  Pr(>F)   
Perlakuan    5   1651   330.2   4.511 0.00769 **
Residuals   18   1318    73.2                   
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Hipotesis:

H0: Tidak terdapat pengaruh dari penggunaan campuran kompos dengan aram sekam sebagai media tanam terhadap panjang akar rumput Odot.

H1: Terdapat pengaruh dari penggunaan campuran kompos dengan aram sekam sebagai media tanam terhadap panjang akar rumput Odot.

Keputusan: nilai p (0.00769) < α (0.05), maka Tolak H0

Kesimpulan: Dengan taraf nyata 5% dapat dinyatakan bahwa setidaknya terdapat paling tidak satu perlakuan (penggunaan campuran kompos dengan aram sekam sebagai media tanam) yang secara signifikan berpengaruh terhadap panjang akar rumput odot.

2.6 Uji Asumsi

2.6.1 Plot Residual vs Fitted

Uji asumsi Plot Residual vs Fitted ini sama hal nya dengan Asumsi Homogenitas Galat dimana ragam biasanya bernilai sama untuk setiap amatan pada faktor yang sama dan apabila terlanggar semua pendugaan parameter menjadi bias.

> plot(anova,1)

Hipotesis:

H0: σ1 = σ2 = … = σi = 0

H1: Paling tidak terdapat satu pasang σ yang berbeda

Kesimpulan: Berdasarkan Plot Residual vs Fitted ini menunjukkan bahwa residuals tersebar secara acak di sekitar garis horizontal pada 0 tanpa adanya pola yang jelas. Ini menunjukkan bahwa asumsi homogenitas terpenuhi dan model yang digunakan kemungkinan sudah sesuai dengan data.

2.6.2 Q-Q Plot

Uji asumsi Q-Q Plot ini sama hal nya dengan Asumsi Normalitas Galat dimana pengamatan menyebar secara normal untuk setiap amatan pada faktor yang sama dan apabila terlanggar semua pengujian menjadi tidak sah.

> plot(anova,2)

Hipotesis:

H0: Residual menyebar normal

H1: Residual tidak menyebar normal

Kesimpulan: Berdasarkan Q-Q Plot ini menunjukkan bahwa, plot menyebar disekitar garis 45 derajat yang terdapat di anatara sumbu X dan Y di kuadran I, hal ini sudah cukup mendekati distribusi normal. Meskipun ada beberapa titik yang sedikit menyimpang dari garis diagonal, tetapi model dapat disimpulkan tidak ada indikasi pelanggaran normalitas dan tampak memenuhi asumsi normalitas residual.

2.6.3 Plot Scale Location

Uji asumsi Plot Scale Location ini sama hal nya dengan Asumsi Homogenitas Galat dimana ragam biasanya bernilai sama untuk setiap amatan pada faktor yang sama dan apabila terlanggar semua pendugaan parameter menjadi bias.

> plot(anova,3)

Hipotesis:

H0: σ1 = σ2 = … = σi = 0

H1: Paling tidak terdapat satu pasang σ yang berbeda

Kesimpulan:

  • Homogenitas -> Plot scale-location menunjukkan akar dari residual standar terhadap nilai fitted. Garis merah menggambarkan tren dari residual standar. Jika varians residual konstan (homogenitas), titik-titik akan tersebar secara acak di sekitar garis horizontal (tanpa pola yang jelas).

  • Pola Varians Residual -> Dari plot ini, terlihat bahwa titik-titik menyebar di sekitar garis merah dengan sedikit variasi, tetapi tidak ada pola yang jelas yang menunjukkan peningkatan atau penurunan varians secara sistematis. Namun, ada sedikit peningkatan varians di sekitar nilai fitted sekitar 45, tetapi ini mungkin tidak cukup signifikan untuk menandakan homogenitas yang serius.

  • Residual Standar -> Titik-titik yang tersebar menunjukkan beberapa outlier yang bisa mempengaruhi analisis, terutama di bagian nilai fitted yang lebih tinggi.

2.6.4 Uji Normalitas Galat

> sisa <- residuals(anova)
> jarque.bera.test(sisa)

    Jarque Bera Test

data:  sisa
X-squared = 0.93927, df = 2, p-value = 0.6252

Hipotesis:

H0: Residual menyebar normal

H1: Residual tidak menyebar normal

Kesimpulan: Berdasarkan uji asumsi normalitas galat tersebut menunjukkan bahwa, p value > α (0.05) sehingga asumsi normalitas galat masih terpenuhi.

2.7 Uji Lanjut (Post HOC Test)

Keputusan dari uji anova adalah tolak H0, hal ini menunjukkan bahwa terdapat satu pasang perlakuan atau lebih yang memiliki rata-rata yang berbeda. Sehingga diperlukan uji lanjut untuk mengetahui pasangan manakah yang berbeda.

> TukeyHSD(anova, conf.level = 0.95)
  Tukey multiple comparisons of means
    95% family-wise confidence level

Fit: aov(formula = Ulangan ~ Perlakuan, data = DataSet_RumputOdot)

$Perlakuan
       diff         lwr       upr     p adj
B-A  20.575   1.3474875 39.802512 0.0319986
C-A  19.525   0.2974875 38.752512 0.0453555
D-A  25.850   6.6224875 45.077512 0.0051844
E-A  10.975  -8.2525125 30.202512 0.4817442
F-A  13.475  -5.7525125 32.702512 0.2734124
C-B  -1.050 -20.2775125 18.177512 0.9999738
D-B   5.275 -13.9525125 24.502512 0.9485113
E-B  -9.600 -28.8275125  9.627512 0.6167655
F-B  -7.100 -26.3275125 12.127512 0.8434480
D-C   6.325 -12.9025125 25.552512 0.8960918
E-C  -8.550 -27.7775125 10.677512 0.7191150
F-C  -6.050 -25.2775125 13.177512 0.9119692
E-D -14.875 -34.1025125  4.352512 0.1885346
F-D -12.375 -31.6025125  6.852512 0.3567933
F-E   2.500 -16.7275125 21.727512 0.9981822

Hipotesis:

  • B-A -> H0: µB = µA vs H1: µB ≠ µA

  • C-A -> H0: µC = µA vs H1: µC ≠ µA

  • D-A -> H0: µD = µA vs H1: µD ≠ µA

  • E-A -> H0: µE = µA vs H1: µE ≠ µA

  • F-A -> H0: µF = µA vs H1: µF ≠ µA

  • F-B -> H0: µF = µB vs H1: µF ≠ µB

  • E-B -> H0: µE = µB vs H1: µE ≠ µB

  • D-B -> H0: µD = µB vs H1: µD ≠ µB

  • C-B -> H0: µC = µB vs H1: µC ≠ µB

  • F-c -> H0: µF = µc vs H1: µF ≠ µc

  • E-c -> H0: µE = µc vs H1: µE ≠ µc

  • D-c -> H0: µF = µc vs H1: µF ≠ µc

  • E-D -> H0: µE = µD vs H1: µE ≠ µD

  • F-D -> H0: µF = µD vs H1: µF ≠ µD

  • F-E -> H0: µF = µE vs H1: µF ≠ µE

Keputusan:

  • nilai p B-A (0.0319986) < α (0.05), maka Tolak H0

  • nilai p C-A (0.0453555) < α (0.05), maka Tolak H0

  • nilai p D-A (0.0051844) < α (0.05), maka Tolak H0

  • nilai p E-A, F-A, F-B, D-B, C-B, E-B, F-C, E-C, D-C, F-D, E-D, F-E > α (0.05), maka Terima H0

Kesimpulan: Dengan taraf nyata 5% dapat disimpulkan bahwa, terdapat perbedaan yang signifikan antara perlakuan B dan A, C dan A, serta D dan A terhadap panjang akar rumput odot.Sedangkan pasangan perlakuan lainnya tidak berpengaruh signifikan terhadap terhadap panjang akar rumput odot karena nilai p > 0.05.

3 KESIMPULAN

Analisis ragam (ANOVA) yang dilakukan pada data hasil pengamatan panjang akar tanaman rumput odot menunjukkan bahwa pencampuran kompos dan arang sekam sebagai media tanam memberikan pengaruh yang sangat nyata terhadap panjang akar rumput odot. Dengan melakukan uji lanjut Tukey dapat menunjukkan bahwa pasangan perlakuan B-A, C-A, dan, D-A memberikan pengaruh yang signifikan terhadap panjang akar rumput odot daripada pasangan perlakuan yang lain.

Dengan melakukan uji asumsi, dapat memastikan bahwa data pengamatan memenuhi syarat dan kondisi yang diperlukan untuk validitas uji statistik yang akan dilakukan. Uji asumsi ini penting karena pelanggaran asumsi dapat menyebabkan hasil analisis yang tidak valid atau menyesatkan. Hasil dari uji asumsi normalitas (Q-Q Plot dan Asumsi Normalitas Galat) menunjukkan bahwa data pengamatan berdistribusi normal dan hasil dari uji homogenitas varians (Plot Residual vs Fitted dan Plot Scale Location) menunjukkan bahwa varians antar kelompok data adalah sama.

4 DAFTAR PUSTAKA

Rizkiana, Wahyu Rahma. (2019). Pengaruh Pencampuran Kompos Dengan Arang Sekam Sebagai Media Tanam Terhadap Panjang Akar Rumput Odot. (Skripsi Sarjana, Universitas Brawijaya).

Walpole, Ronald E. (1982). Pengantar Statistika. Jakarta:PT Gramedia Pustaka Umum.