ANALISA PENGARUH PLANT GROWTH PROMOTING RHIZOBACTERIA DAN TRICHODERMA TERHADAP TINGGI TANAMAN PADI
Muhammad Rizal Zuhdi
22 Mei 2022
1 PENDAHULUAN
1.1 Latar Belakang
Kegiatan alternatif yang dapat dilakukan untuk menanggulangi permasalahan tersebut adalah dengan diterapkannya konsep pengendalian hama terpadu. Salah satu agen hayati yang dapat dimanfaatkan adalah rhizobacteria karena kemampuannya dalam mengendalikan patogen yang sangat baik. Salah satu diantaranya adalah Plant Growth Promoting Rhizobacteria (PGPR). Penelitian ini akan memantau pengaruh dari PGPR itu sendiri dan pengaruhnya jika dikombinasikan dengan Trichoderma.
1.2 Asumsi Normalitas
Sampel data yang diperoleh berasal dari populasi yang memiliki pola distribusi data yang normal.
Data yang dijadikan sampel diperoleh dengan penentuan secara acak.
Skala pengukuran harus bersifat kontinu
Nilai variansi harus sama.
Uji normalitas digunakan untuk mengetahui apakah residual berdistribusi normal atau tidak, Residual harus mengikuti distribusi normal dengan rata rata 0 dan varians 2. Penyebab tidak normal kemungkinan karena terdapat nilai ekstrim data yang kita ambil.
H 0 : Data atau residual data mengikuti distribusi normal.
H 1 : Data atau residual data tidak mengikuti distribusi normal.
Statistik uji Shapiro-Wilk sesuai digunakan untuk data dalam kasus ini karena ukuran < 100. Berikut merupakan rumus Statistik Uji Shapiro-Wilk :
\[ T = \frac{1}{D}[\Sigma~\alpha_i~(X_{n-i+1}-X_i)]^2 \] Dengan kriteria pengambilan keputusan :
\[ Terima ~H_0~jika ~p-value >\alpha \] Artinya data mengikuti distribusi normal.
1.3 Asumsi Homogenitas
Hipotesis untuk uji asumsi homogenitas :
\[ H_0 : \sigma^2_1=\sigma^2_2=... = \sigma^2_k \]
\[ H_1 : \text{Terdapat minimal satu } (i,j) ~ \sigma^2_i \neq \sigma^2_j \] Statistik uji yang digunakan
\[ W = \frac{n-k}{k-1} \frac{\Sigma~n_i(Z_i- \bar Z)^2}{\Sigma \Sigma (Z_i,_j-Z_i)^2} \] Dengan nilai kritis : \[ Tolak ~ H_0 ~ jika ~W~> F_{(a~;~k-1,k-1)} \] atau melalui nilai-p dengan kriteria pengambilan keputusan :
\[ Terima~ H_0~jika ~p-value >\alpha \] Artinya data bersifat homogen.
1.4 One-Way Anova
Analisis ANOVA satu jalur (one-way ANOVA) merupakan jenis uji statistika parametrik yang digunakan untuk pengujian perbedaan beberapa kelompok rata-rata, di mana hanya terdapat satu variabel bebas (independent) yang dibagi dalam beberapa kelompok dan satu variabel terikat (dependen). Dalam teknik one-way ANOVA biasanya digunakan dalam penelitian eksperimen atau Ex-Post-Facto (Widiyanto, 2013).
Dalam pengujian one-way ANOVA menggunakan beberapa parameter yang perlu diperhatikan yaitu:
Data sampel yang digunakan berdistribusi normal atau dianggap normal.
Populasi tersebut memiliki varian yang homogen.
Sampel tidak berhubungan satu dengan lain (independen), sehingga uji ANOVA tidak bisa digunakan untuk sampel berpasangan (paired).
1.5 Uji Lanjut Duncan’s Multiple Range Test
Dilakukan untuk perlakuan yang banyak
Digunakan banyak pembanding
Rumus yang digunakan untuk uji Duncan
\[ D=d_\alpha, _p,_v * \sqrt{KTG/n} \] dimana :
α = Taraf nyata
p = Jarak peringkat 2 perlakuan p
v = Derajat bebas galat
Nilai d αpv dapat dilihat pada tabel Duncan, di mana p adalah jarak peringkat dua perlakuan dan db galat adalah derajat bebas galat.
Menghitung nilai D masing-masing perlakuan melalui tabel duncan dan nilai KTG
Mengurutkan rata-rata perlakuan
Membandingkan selisih rata-rata perlakuan dengan nilai D
Perlakuan tidak berbeda nyata jika selisih < D, lalu berikan notasi yang sama untuk perlakuan yang tidak berbeda nyata
2 SOURCE CODE
2.1 Library yang Dibutuhkan
> # Library(readxl)
> # Library(knitr)
> # Library(rmarkdown)
> # Library(prettydoc)
> # Library(prettydoc)
> # Library(equatiomatic)
> # Library(car)
> # Library(agricole)
> # Library(Hmisc)
> # Library(readxl)2.2 Membangkitkan Data
> library(readxl)
> Data_Padi <- read_excel("F:/Tinggi Tanaman.xlsx", range = "A14:B38")Penjelasan :
- Source code di atas merupakan perintah untuk menampilkan data tinggi pengamatan dari file excel.
> library(rmarkdown)
> paged_table(as.data.frame(Data_Padi))Penjelasan :
Tabel di atas merupakan data hasil pengamatan tinggi tanaman padi terhadap 9 perlakuan yaitu :
P1 : PGR dengan konsentrasi 10ml/L
P2 : PGR dengan konsentrasi 20ml/L
P3 : PGR dengan konsentrasi 30ml/L
P1T : PGR dengan konsentrasi 10ml/L + Trichoderma
P2T : PGR dengan konsentrasi 20ml/L + Trichoderma
P3T : PGR dengan konsentrasi 30ml/L + Trichoderma
Tabel diatas disajikan dalam bentuk data.frame
2.3 ANOVA
> anova <- aov(Tinggi~Perlakuan, data=Data_Padi)
> summary(anova)
Df Sum Sq Mean Sq F value Pr(>F)
Perlakuan 5 452.8 90.56 5.39 0.00335 **
Residuals 18 302.5 16.80
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Penjelasan :
Source code diatas merupakan perintah untuk melakukan uji One-Way Anova.
2.4 Uji Lanjut Duncan’s Multiple Range Test (DMRT)
> library(agricolae)
> Uji_Duncan<- duncan.test(aov(Tinggi~Perlakuan, data=Data_Padi), trt = "Perlakuan", group = TRUE)
> Uji_Duncan
$statistics
MSerror Df Mean CV
16.8029 18 93.03333 4.406092
$parameters
test name.t ntr alpha
Duncan Perlakuan 6 0.05
$duncan
NULL
$means
Tinggi std r Min Max Q25 Q50 Q75
P1 87.50000 5.507571 4 81.0 93.0 84.000 88.00 91.500
P1T 92.22500 5.034796 4 85.0 96.0 90.700 93.95 95.475
P2 92.33333 4.041452 3 90.0 97.0 90.000 90.00 93.500
P2T 98.25000 2.928595 4 96.0 102.5 96.525 97.25 98.975
P3 89.42000 2.777049 5 87.0 93.0 87.300 88.00 91.800
P3T 99.20000 3.922584 4 96.4 105.0 97.150 97.70 99.750
$comparison
NULL
$groups
Tinggi groups
P3T 99.20000 a
P2T 98.25000 ab
P2 92.33333 bc
P1T 92.22500 bc
P3 89.42000 c
P1 87.50000 c
attr(,"class")
[1] "group"Penjelasan :
Source code diatas merupakan perintah untuk melakukan uji lanjut Duncan.
2.5 Uji Asumsi Untuk ANOVA
2.5.1 Uji Asumsi Normalitas
> shapiro.test(Data_Padi$Tinggi)
Shapiro-Wilk normality test
data: Data_Padi$Tinggi
W = 0.97956, p-value = 0.8877Penjelasan :
Source code diatas merupakan perintah untuk menguji normalitas data untuk dibandingkan dengan taraf signifikansi.
> plot(anova, 2)
Penjelasan :
Source code diatas merupakan perintah untuk menampilkan distribusi data.
> qqPlot(Data_Padi$Tinggi)
Error in qqPlot(Data_Padi$Tinggi): could not find function "qqPlot"Penjelasan :
Source code diatas merupakan perintah untuk menampilkan distribusi data sekaligus batas bagi data agar dapat masuk kategori berdistribusi normal.
2.5.2 Uji Asumsi Homogenitas
> library(car)
> leveneTest(Tinggi~Perlakuan, data=Data_Padi)
Levene's Test for Homogeneity of Variance (center = median)
Df F value Pr(>F)
group 5 0.4806 0.7861
18 Penjelasan :
Source code diatas merupakan perintah untuk menguji apakah data tersebut homogen antar variabelnya.
3 HASIL DAN PEMBAHASAN
3.1 Uji Asumsi
3.1.1 Uji Asumsi Normalitas
- Berdasarkan Persebaran Data
> qqPlot(Data_Padi$Tinggi)
[1] 2 24Berdasarkan grafik di atas terlihat bahwa persebaran data masih dalam batas biru dan mengikuti garis distribusi normal. Jadi dapat disimpulkan bahwa persebaran data mengikuti distribusi normal.
- Berdasarkan Nilai-P
Hipotesis :
H0 : Data mengikuti sebaran normal
VS
H1 : Data tidak mengikuti sebaran normal
> shapiro.test(Data_Padi$Tinggi)
Shapiro-Wilk normality test
data: Data_Padi$Tinggi
W = 0.97956, p-value = 0.8877Berdasarkan Uji Shapiro Wilk terlihat bahwa nilai-p = 0.8877 lebih dari taraf signifikansi 0.05 maka Terima H0. Artinya Data mengikuti sebaran normal.
3.1.2 Uji Asumsi Homogenitas
Hipotesis :
H0 : Data berasal dari populasi yang sama (homogen)
VS
H1 : Data tidak berasal dari populasi yang sama (heterogen)
Statistik Uji Levene
> library(car)
> leveneTest(Tinggi~Perlakuan, data=Data_Padi)
Levene's Test for Homogeneity of Variance (center = median)
Df F value Pr(>F)
group 5 0.4806 0.7861
18 Berdasarkan Statistik uji Levene didapatkan nilai signifikansi lebih dari 0.05 maka terima H0 artinya data berasal dari populasi yang homogen atau sama.
Karena data sudah memenuhi asumsi normalitas dan homogenitas maka bisa dilanjutkan ke Uji One-Way anova.
3.2 One-Way ANOVA
Hipotesis :
H0: α1 = α2 = α3 = α4 (tidak terdapat perbedaan anatar keenam perlakuan terhadap pertumbuhan padi)
VS
H1: Paling sedikit ada 1 αi yang tidak sama (terdapat perbedaan anatar keenam perlakuan terhadap pertumbuhan padi)
Tabel 1 One-Way Anova Pertumbuhan Tanaman Padi
| SK | Df | JK | KT | F Hitung | P-Value |
|---|---|---|---|---|---|
| Perlakuan | 5 | 452.8 | 90.56 | 5.39 | 0.00335 |
| Residuals | 18 | 302.5 | 16.80 |
Keputusan : Berdasarkan statistik uji F didapatkan nilai F hitung = 5.39 dan P-value 0.00335. karena F hitung < F (0.05, 5;18) = 2.773 dan nilai signifikansi kurang dari α = 0.05 maka Tolak H0.
Interpretasi : Pada taraf nyata 5% sudah cukup bukti untuk menolak H0 artinya terdapat perbedaan antar ke 6 perlakuan tersebut terhadap pertumbuhan padi.
3.3 Uji lanjut Duncan’s Multiple Range Test
Tabel 2 Rata rata panjang Tanaman Padi
| Perlakuan | Tinggi | Groups |
|---|---|---|
| P3T | 99.20 | a |
| P2T | 98.25 | ab |
| P2 | 92.33 | bc |
| P1T | 92.225 | bc |
| P3 | 89.42 | c |
| P1 | 87.5 | c |
Interpretasi :
Berdasarkan Uji lanjut DMRT terlihat bahwa P3T memberikan perbedaan nyata paling tinggi. Dengan kata lain meberikan PGR dengan konsentrasi 30ml/L + Trichoderma dapat memaksimalkan pertumbuhan tanaman padi. Akan tetapi jika terdapat keterbatasan biaya, memberikan perlakuan PGR dengan konsentrasi 20ml/L + Trichoderma hanya berbeda kurang dari 1 satuan. Namun untuk perlakuan selanjutnya lebih baik dipilih pernambahan PGR dengan konsentrasi 20ml/L tanpa Trichoderma daripata perlakuan P1T agar pertumbuhan padi masih bisa dimaksimalkan.
4 Kesimpulan
Namun perlakuan P2T juga layak dipilih jika terdapat keterbatasan biaya atau bahan perlakuan karena perlakuan P2T tidak berbeda nyata dengan perlakuan P3T.
5 DAFTAR PUSTAKA
Aqil, M., & Efendi, R. (2017). Aplikasi SPSS dan SAS untuk Perancangan Percobaan. BALITSEREAL.
Usmadi. (2020). Pengujian Persyaratan Analisis (Uji Homogenitas dan Uji Normalitas). Jurnal Inovasi PendidikanI, 7(1), 50-62.
Steel, R. G. D. dan Torrie, J. H. (1980). Principles and Procedures of Statistics. Second Ed.McGraw-Hill Kogakusha Ltd., Tokyo.
Yuni. (2013). Formulasi dan Uji Aktivitas Gel Antijerawat Ekstrak Umbi Bakung (Crinum Asiaticum L.) Terhadap Bakteri. Jurnal Ilmiah Farmasi, 24-25.