Library:
> # install.packages("knitr")
> # install.packages("rmarkdown")
> # install.packages("prettydoc")
> # install.packages("equatiomatic")1 PENDAHULUAN
1.1 LATAR BELAKANG
Masalah utama dalam pertanian yang sering dihadapi adalah adanya hama atau organisme yang mengganggu pertumbuhan tanaman. Hama merupakan organisme baik mikroba, tanaman, atau binatang yang menyebabkan kerusakan pada tanaman, manusia, hewan, dan lainnya. Perkembangan hama di daerah tropis sangat cepat karena kondisi iklimnya yang sangat mendukung perkembangan hama tersebut. Oleh karena itu pengendalian hama tanaman merupakan suatu hal ynag penting dilakukan untuk memperoleh keuntungan yang maksimal.
Pengendalian hama tanaman yang intensif antara lain dengan menggunakan pestisida. Pestisida adalah suatu bahan-bahan kimia atau organik yang digunakan untuk mengendalikan atau membunuh hama. Penggunaan pestisida meningkat dengan pesat dikarenakan dapat meningkatkan produksi. Pada umumnya petani mengandalkan penyemprotan pestisida secara intensif untuk mengatasi hama serangga. Akan tetapi, jika penggunaan pestisida tanpa didasari pengetahuan bioekologi hama dan teknik aplikasi yang banar menyababkan kerugian yaitu hama menjadi resisten terhadap pestisida. Sehingga menyebabkan penggunaan dosis dan interval penggunaan pestisida yang semakin tinggi. Hal ini tentu akan menimbulkan dampak negatif lingkungan dan terjadi ledakan hama.
Oleh karena itu, diperlukan penelitian untuk menguji keefektifan beberapa jenis pestisida terhadap hama serangga. Laporan mini project ini bertujuan untuk menguji keefektifan 6 jenis tipe pestisida yang berbeda terhadap hama serangga.
2 METODE ANALISIS
2.1 STATISTIKA DESKRIPTIF
Statistika deskriptif merupakan sebuah cara untuk menampilkan dan mendeskripsikan data dengan menggunakan perhitungan numerik atau menampilkan dalam bentuk visualisasi menggunakan tabel, grafik, atau diagram. Pada laporan ini menampilkan data menggunakan boxplot dan grafik, untuk melihat sebaran data.
2.2 ANOVA ONE WAY
ANOVA (Analysis of Varaince) atau biasa disebut analisis ragam adalah analisis yang digunakan untuk menguji perbedaan rata-rata dari beberapa kelompok dengan perlakuan yang berbeda. Analisis ini merupakan metode analisis statistika yang menguraikan keragaman total menjadi beberapa komponen yang mengukur berbagai komponen keragaman. Komponen tersebut sebisa mungkin bebas satu sama lain.
One Way ANOVA atau ANOVA satu arah digunakan untuk membandingkan varians dalam rata-rata grup dengan mempertimbangkan satu variabel yang bertindak sebagai faktor.Hipotesis dari One Way ANOVA yaitu:
\(H_0\): \(\mu_1 = \mu_2 =\mu_3= ...=\mu_n\) (Tidak terdapat perbedaan yang nyata antara rata-rata kelompok)
\(H_1\): Terdapat setidaknya 1 pasang rata-rata kelompok yang berbeda
2.3 UJI ASUMSI
Dalam ANOVA diperlukan pemeriksaan asumsi agar hasil yang diperoleh dapat lebih diyakini kebenarannya. Uji asumsi dapat melalui pemeriksaan sisaan menggunakan diagnostic sisaan. Pemeriksaan sisaan menggunakan beberapa plot yaitu:
- Plot Residual vs Fitted
- Q-Q Plot
- Plot Scale Location
2.3.1 PlOT RESIDUAL VS FITTED
Plot antara residual dan fitted digunakan untuk mengetahui ketepatan model dengan sisaan (residual) pada sumbu Y dan nilai duga (fitted) pada sumbu X. Jika plot membentuk pola horisontal maka mengindikasikan bahwa model yang dipilih sudah tepat.
2.3.2 Q-Q Plot
Q-Q Plot digunakan untuk mengetahui sebaran normal dari residual. Jika residual menyebar normal maka asumsi normalitas terpenuhi. Pada sumbu X yaitu kuantil sebaran normal dan sumbu Y yaitu sisaan yang dibakukan. Jika pada Q-Q Plot titik-titik jatuh di sekitar garis maka asumsi normalitas terpenuhi.
2.3.3 PLOT SCALE LOCATION
Plot Scale Location digunakan untuk memeriksa kesamaan ragam. Nilai duga terdapat pada sumbu X dan akar pembakuan sisaan pada sumbu Y. Jika ragam terindikasi sama maka akan membentuk pola horizontal dari plot ini.
Jika terdapat pelanggaran asumsi berdasarkan pemeriksaan sisaan, maka pengujian ausmsi secara formal harus dilakukan. Terdapat asumsi yang perlu dipenuhi, yaitu: 1. Uji Normalitas Galat
Uji normalitas galat dapat menggunakan uji Jarque Berra atau Uji Saphiro Wilk. Dengan Hipotesis:
\(H_0\): Pengamatan menyebar normal
\(H_1\): Pengamatan tidak menyebar normal
2.4 UJI LANJUT (POST HOC TEST)
Jika hasil dari uji ANOVA adalah tolak \(H_0\) yang berarti bahwa terdapat satu pasang perlakuan/kelompok yang memiliki rata-rata yang berbeda, maka diperlukan uji lanjut atau uji beda untuk menentukan pasangan mana yang berbeda nilai tengahnya.
Uji lanjut (Post Hoc Test) dapat menggunakan Fisher’s LSD Test (Uji BNT) atau Tukey’s HSD Test (Uji BNJ).
3 DATA
Data yang digunakan adalah data yang diambil dari dataset yang tersedia di R yaitu dataset InsectSprays.
Menggunakan data:
> data('InsectSprays')Membuat tabel data:
> library(knitr)
> kable(head(InsectSprays,72), caption = 'Data Pestisida')| count | spray |
|---|---|
| 10 | A |
| 7 | A |
| 20 | A |
| 14 | A |
| 14 | A |
| 12 | A |
| 10 | A |
| 23 | A |
| 17 | A |
| 20 | A |
| 14 | A |
| 13 | A |
| 11 | B |
| 17 | B |
| 21 | B |
| 11 | B |
| 16 | B |
| 14 | B |
| 17 | B |
| 17 | B |
| 19 | B |
| 21 | B |
| 7 | B |
| 13 | B |
| 0 | C |
| 1 | C |
| 7 | C |
| 2 | C |
| 3 | C |
| 1 | C |
| 2 | C |
| 1 | C |
| 3 | C |
| 0 | C |
| 1 | C |
| 4 | C |
| 3 | D |
| 5 | D |
| 12 | D |
| 6 | D |
| 4 | D |
| 3 | D |
| 5 | D |
| 5 | D |
| 5 | D |
| 5 | D |
| 2 | D |
| 4 | D |
| 3 | E |
| 5 | E |
| 3 | E |
| 5 | E |
| 3 | E |
| 6 | E |
| 1 | E |
| 1 | E |
| 3 | E |
| 2 | E |
| 6 | E |
| 4 | E |
| 11 | F |
| 9 | F |
| 15 | F |
| 22 | F |
| 15 | F |
| 16 | F |
| 13 | F |
| 10 | F |
| 26 | F |
| 26 | F |
| 24 | F |
| 13 | F |
Menampilkan struktur data:
> str(InsectSprays)
'data.frame': 72 obs. of 2 variables:
$ count: num 10 7 20 14 14 12 10 23 17 20 ...
$ spray: Factor w/ 6 levels "A","B","C","D",..: 1 1 1 1 1 1 1 1 1 1 ...Dataset ini terdiri dari 72 observasi dengan 6 jenis tipe pestisida yang berbeda dengan label A-F dan setiap tipe pestisida (spray) terdiri dari 12 obsevasi.
4 HASIL DAN PEMBAHASAN
4.1 STATISTIKA DESKRIPTIF
Statistika deskriptif dengan menggunakan boxplot untuk analisis pendahuluan. Source Code:
> boxplot(count~spray, data=InsectSprays, main="Boxplot Jumlah Hama Serangga per Tipe Pestisida", xlab ="Tipe Pestisida", ylab = "Jumlah Hama", col="Magenta")
Jumlah hama serangga yang masih ada paling tinggi pada tipe pestisida F. Untuk tipe pestisida C,D, dan E memiliki jumlah yang hampir sama rendah. Untuk tipe A dan B memiliki jumlah hama yang hampir sama.
4.2 ANOVA ONE WAY
Source Code:
> Ujianova <- aov(count~spray, data=InsectSprays)
> summary(Ujianova)
Df Sum Sq Mean Sq F value Pr(>F)
spray 5 2669 533.8 34.7 <2e-16 ***
Residuals 66 1015 15.4
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1- Hipotesis
\(H_0\): \(\mu_1 = \mu_2 =\mu_3= \mu_4=\mu_5 =\mu_6\)
\(H_1\): Terdapat setidaknya 1 pasang rata-rata kelompok yang berbeda
- Statistik Uji
Fhitung = 34.7 Pvalue = <2e-16
- Keputusan
Pvalue < \(\alpha\)(0.05), maka tolak \(H_0\)
- Kesimpulan
Dengan taraf nyata 5%, sudah cukup bukti bahwa terdapat paling sedikit satu pasang perlakuan yang secara nyata memiliki rata-rata yang berbeda.
4.3 UJI ASUMSI
4.3.1 PLOT RESIDUAL VS FITTED
Source Code:
> plot(Ujianova,1)
Pada plot pertama membentuk plot antara residual dan ketepatan model. Garis merah yang terdapat pada plot, menghubungkan pusat dari 6 kelompok sisaan berbentuk datar lurus (horizontal), sehingga model yang digunakan sudah tepat.
4.3.2 Q-Q Plot
Source Code:
> plot(Ujianova,2)
Pada model kedua, membentuk Q-Q plot untuk pemeriksaan normalitas. Pada gambar di samping menunjukkan bahwa plot menyebar disekitar garis 45 derajat yang terdapat di antara sumbu X dan Y di kuadran I, sehingga dapat disimpulkan tidak ada indikasi pelanggaran normalitas.
4.3.3 PLOT SCALE LOCATION
Source Code:
> plot(Ujianova,3)
Plot ketiga untuk memeriksakan kesamaan ragam. Pada gambar di samping, garis merah tidak membentuk garis lurus dan cenderung membentuk trend. Sehingga terdapat kemungkinan ragam tidak sama. Terdapat kecurigaan akan ketidaksamaan ragam.
Karena dicurigia adanya pelanggaran asumsi berdasarkan pemeriksaan sisaan, maka pengujian asumsi secara formal harus dilakukan.
UJI NORMALITAS GALAT
Source Code:
> library(tseries)> sisa <- residuals(Ujianova)
> jarque.bera.test(sisa)
Jarque Bera Test
data: sisa
X-squared = 2.4208, df = 2, p-value = 0.2981Nilai pvalue cukup besar dan lebih dari \(\alpha\)(0.05), sehingga asumsi normalitas galat masih terpenuhi.
4.4 UJI LANJUT (POST HOC TEST)
Keputusan dari uji anova adalah tolak \(H_0\), hal ini menunjukkan bahwa terdapat satu pasang perlakuan atau lebih yang memiliki rata-rata yang berbeda. Sehingga diperlukan uji lanjut untuk mengetahui pasangan manakah yang berbeda.
Source Code:
> TukeyHSD (Ujianova, conf.level=0.95)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = count ~ spray, data = InsectSprays)
$spray
diff lwr upr p adj
B-A 0.8333333 -3.866075 5.532742 0.9951810
C-A -12.4166667 -17.116075 -7.717258 0.0000000
D-A -9.5833333 -14.282742 -4.883925 0.0000014
E-A -11.0000000 -15.699409 -6.300591 0.0000000
F-A 2.1666667 -2.532742 6.866075 0.7542147
C-B -13.2500000 -17.949409 -8.550591 0.0000000
D-B -10.4166667 -15.116075 -5.717258 0.0000002
E-B -11.8333333 -16.532742 -7.133925 0.0000000
F-B 1.3333333 -3.366075 6.032742 0.9603075
D-C 2.8333333 -1.866075 7.532742 0.4920707
E-C 1.4166667 -3.282742 6.116075 0.9488669
F-C 14.5833333 9.883925 19.282742 0.0000000
E-D -1.4166667 -6.116075 3.282742 0.9488669
F-D 11.7500000 7.050591 16.449409 0.0000000
F-E 13.1666667 8.467258 17.866075 0.0000000Hasil dari uji Tukey menunjukkan bahwa batas bawah dan batas atas selang kepercayaan data perlakuan C dan A, D dan A, E dan A, C dan B, D dan B, E dan B, F dan C, F dan D, serta F dan E tidak berbeda tanda (tidak memuat nilai nol), hal ini berarti pada perlakuan tersebut memiliki rata-rata yang berbeda.
> plot (TukeyHSD(Ujianova))
5 DAFTAR PUSTAKA
Irfan, M. (2016). Uji pestisida nabati terhadap hama dan penyakit tanaman. Jurnal Agroteknologi, 6(2), 39-45.
Prayogo, Y. (2006). Upaya mempertahankan keefektifan cendawan entomopatogen untuk mengendalikan hama tanaman pangan. Jurnal Litbang Pertanian, 25(2), 47-54.