##Deskripsi Data Disini mengambil data iklim dari Website resmi BMKG Tegal. Membandingkan iklim harian saat sebelum pandemi (diambil dari tanggal 01 Agustus 2019 sampai 15 Agustus 2019, tanggal 01 Maret 2020 sapai 15 Maret 2020) dan sesudah pandemi Covid-19 (diambil dari tanggal 01 Oktober2020 sampai 15 Oktober 2020 ). Untuk mengetahui apakah ada perbedaan yang signifikan atau tidaknya ketika sebelum dan sesudah pandemi, saya mengambil sampelnya dari data 15 hari. Kemudian diambilah rata2 dari temperatur yang akan di uji. Dengan menggunakan level signifikansi 0.05, di study kasus ini melakukan pengujian apakah iklim harian ketika sebelum & sesudah pandemi sama atau berbeda.

##Link Data Data yang saya ambil, yaitu data temperatur rata-rata harian :

https://drive.google.com/drive/folders/1M7JId-FYRQ5WD_PeGWTL3HYbPTvvCszP?usp=sharing

##Proses Pengujian

  1. Langkah awal, yaitu mengambil data yang akan dibandingkan, export dengan format excell, dengan library(readxl) dan menampilkan data yang satu folder dengan project yaitu menggunakan rumus :
   library(readxl)
## Warning: package 'readxl' was built under R version 4.0.3

Warning: package ‘readxl’ was built under R version 4.0.3

datatemperatur = read_excel("temperatur.xlsx")
View(datatemperatur)

Langkah kedua, menggabungkan baris data menjadi vektor dengan menggunakan fungsi t (matrix transpose) agar nilai urut rumusnya.

a = c(t(as.matrix(datatemperatur)))
a
##  [1] 26.9 28.3 27.5 27.2 28.1 28.1 27.1 28.8 28.3 27.0 28.8 26.8 25.0 28.1 27.3
## [16] 25.5 28.7 27.5 25.9 28.1 27.0 25.5 28.9 27.3 26.4 28.6 27.9 26.2 28.7 28.7
## [31] 26.7 28.2 29.2 26.5 28.0 26.3 27.1 28.5 28.1 27.8 28.3 28.4 27.3 29.1 28.4

Langkah ketiga, membuat variabel baru untuk kategori, level treatment, dan data treatment (sesuaikan dengan data yang digunakan) dengan n = jumlah data yang digunakan tiap treatment

f = c("Tavg1", "Tavg2", "Tavg3")
k = 3 
n = 15

Langkah Keempat, Buat factor level sesuai anggota variabel r, gunakan fungsi gl.

tm = gl(k, 1, n*k, factor(f))
tm
##  [1] Tavg1 Tavg2 Tavg3 Tavg1 Tavg2 Tavg3 Tavg1 Tavg2 Tavg3 Tavg1 Tavg2 Tavg3
## [13] Tavg1 Tavg2 Tavg3 Tavg1 Tavg2 Tavg3 Tavg1 Tavg2 Tavg3 Tavg1 Tavg2 Tavg3
## [25] Tavg1 Tavg2 Tavg3 Tavg1 Tavg2 Tavg3 Tavg1 Tavg2 Tavg3 Tavg1 Tavg2 Tavg3
## [37] Tavg1 Tavg2 Tavg3 Tavg1 Tavg2 Tavg3 Tavg1 Tavg2 Tavg3
## Levels: Tavg1 Tavg2 Tavg3

Kelima, Menggunakan fungsi aov untuk uji Anova agar inference ditemukan, kemudian print out hasilnya menggunakan fungsi summary.

nilai = aov(a~tm)
summary(nilai)
##             Df Sum Sq Mean Sq F value   Pr(>F)    
## tm           2  28.99  14.496   32.29 3.22e-09 ***
## Residuals   42  18.86   0.449                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

#Hubungan Antar Baris Data atau Variabel

Hubungan antar baris data yaitu makin mendekati pertengahan bulan setiap tanggal 15 temperatur tiap bulan lebih tinggi dari temperatur tiap bulan pada tanggal 1nya.

#Deskripsi Temuan

Setelah dilakukan pengujian menggunakan ANOVA dapat disimpulkan bahwa rata-rata temperatur sebelum pandemi dan saat pandemi terjadi penurunan dikarenakan hasil pengujian ANOVA dengan menggunakan nilai significant 0.05, hasil dari nilai p-value 3.22e-09 lebih kecil daripada level significant 0.05, maka dari itu hipotesis bahwa rata-rata temperatur sebelum dan saat pandemi adalah sama , yaitu ditolak.