library(dplyr)
library(rio)
library(reshape2)
library(sjPlot)
library(ggplot2)
  dataset = import("C:/Users/jwst2.DESKTOP-66MSEOO/Desktop/dataset.csv")
  data_melt = dataset %>%  melt(id = 1:2)

  data_melt$zeng = as.factor(data_melt$zeng)
  data_melt$blok = as.factor(data_melt$blok)
  data_melt$variable = as.factor(data_melt$variable)  
  colnames(data_melt)[3] = "minyak"

  head(dataset)
##   zeng blok Minyak_1 Minyak_2 Minyak_3
## 1    0    1    0.550    0.750    0.800
## 2    0    2    0.491    0.790    0.772
## 3    0    3    0.436    0.718    0.667
## 4   25    1    0.768    0.804    0.643
## 5   25    2    0.772    0.737    0.624
## 6   25    3    0.667    0.744    0.692
  model = lm(data = data_melt, value ~blok+ zeng+ minyak +zeng:minyak)
  anova(model)
## Analysis of Variance Table
## 
## Response: value
##             Df   Sum Sq  Mean Sq F value    Pr(>F)    
## blok         2 0.005827 0.002913  0.6838  0.515105    
## zeng         3 0.291315 0.097105 22.7925 6.063e-07 ***
## minyak       2 0.129214 0.064607 15.1646 7.252e-05 ***
## zeng:minyak  6 0.153237 0.025539  5.9946  0.000782 ***
## Residuals   22 0.093729 0.004260                      
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Kesimpulan :

  1. Terdapat perbedaan pengaruh signifikan faktor zeng pada respon berat badan sapi
  2. Terdapat perbedaan pengaruh signifikan faktor minyak pada respon berat badan sapi
  3. Terdapat interaksi zeng dan minyak yang menyababkan pengaruh perbedaan pada respon berat badan sapi
  4. Tidak terdapat perbedaan pengaruh blok terhadap berat badan sapi
plot_model(model, type =  "int") + geom_line()