# Load library
library(readxl)
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union# Baca data dari file Excel
file_path <- "DATA.xlsx" # Ganti dengan path file Excel Anda
data <- read_excel(file_path)
data$hari <- as.factor(data$hari)
data$suhu <- as.factor(data$suhu)
data## # A tibble: 12 × 5
## hari suhu ulangan kadar_air pH
## <fct> <fct> <dbl> <dbl> <dbl>
## 1 0 32 1 0.29 5
## 2 0 32 2 0.29 5
## 3 0 32 3 0.29 5
## 4 1 37.5 1 0.228 4
## 5 1 37.5 2 0.222 4
## 6 1 37.5 3 0.23 4
## 7 1 39.5 1 0.22 4
## 8 1 39.5 2 0.22 4
## 9 1 39.5 3 0.218 4
## 10 2 37.5 1 0.194 4
## 11 2 37.5 2 0.19 4
## 12 2 37.5 3 0.22 4model_RAK <- aov(kadar_air ~ hari + suhu, data=data) # Urutan blok+treat harus benar. Blok selalu lebih dulu diikuti dengan perlakuannya
anova(model_RAK)## Analysis of Variance Table
##
## Response: kadar_air
## Df Sum Sq Mean Sq F value Pr(>F)
## hari 2 0.0133340 0.0066670 93.9014 2.787e-06 ***
## suhu 1 0.0000807 0.0000807 1.1362 0.3176
## Residuals 8 0.0005680 0.0000710
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Cara baca signifikan dari bintangnya biasanya semakin kecil Pr(>f) atau yang biasa disebut P value maka hasil semakin signifikan.