LOAD PACKAGE

library(stats)  #berisi fungsi analisis statistika umum
library(readxl) #untuk membaca data dari file (.xls dan .xlsx)
library(readr)  #untuk baca data dalam bentuk (.csv)
library(car)    #Analisis lanjutan
## Loading required package: carData
library(tidyr)  #Merapikan Data

MEMBANGKITKAN DATA

Input dari Excel-Part 1

RAK_1 <- read.csv("D:\\AGH 25\\RAK-DATA 1.csv") #BENTUK UMUM
head(RAK_1) #Menampilkan 6 data teratas
##    Hari   A   B   C   D
## 1 Hari1 260 308 323 330
## 2 Hari2 280 358 343 345
## 3 Hari3 298 353 350 333
## 4 Hari4 288 323 365 363
str(RAK_1)
## 'data.frame':    4 obs. of  5 variables:
##  $ Hari: chr  "Hari1" "Hari2" "Hari3" "Hari4"
##  $ A   : int  260 280 298 288
##  $ B   : int  308 358 353 323
##  $ C   : int  323 343 350 365
##  $ D   : int  330 345 333 363

Mengonversi Bentuk Variabel

RAK_1$Hari <- as.factor(RAK_1$Hari)
str(RAK_1)
## 'data.frame':    4 obs. of  5 variables:
##  $ Hari: Factor w/ 4 levels "Hari1","Hari2",..: 1 2 3 4
##  $ A   : int  260 280 298 288
##  $ B   : int  308 358 353 323
##  $ C   : int  323 343 350 365
##  $ D   : int  330 345 333 363

Merapikan Data

RAK_1_1 <- pivot_longer(RAK_1,
                       cols=c(A,B,C,D),
                        names_to ="Perlakuan", 
                       values_to = "Hasil")
head(RAK_1_1)
## # A tibble: 6 × 3
##   Hari  Perlakuan Hasil
##   <fct> <chr>     <int>
## 1 Hari1 A           260
## 2 Hari1 B           308
## 3 Hari1 C           323
## 4 Hari1 D           330
## 5 Hari2 A           280
## 6 Hari2 B           358

UJI ANOVA

hasil_anova <- aov(Hasil ~ Perlakuan + Hari, data = RAK_1_1)
summary(hasil_anova)
##             Df Sum Sq Mean Sq F value   Pr(>F)    
## Perlakuan    3  10886    3629  19.031 0.000309 ***
## Hari         3   2373     791   4.149 0.042052 *  
## Residuals    9   1716     191                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1