Anova split plot dan uji lanjut Tukey menggunakan R

R merupakan salah satu aplikasi statistik yang bagus, walaupun open source tetapi boleh diadu dengan aplikasi sejenis seperti SAS, SPSS, Minitab dan lain-lain. Ya sekali lagi tentu semua ada kekurangan dan kelebihannya. Saat ini di kalangan dunia ilmiah banyak menggunakan R untuk pengolahan data sampai pembuatan grafik, selain karena mumpuni, juga memiliki sifat repeatability. Peneliti atau kelompok lain bisa menguji data yang sama karena semua orang bisa mengakses R. Misal pengolahan data menggunakan SAS, tidak semua universitas atau lembaga memiliki licencenya karena mahal. Juga karena sifatnya opensource, setiap orang bisa berkontribusi terhadap pengembangan R, baik dari segi teori dasar statistiknya, pemrograman sampai tutorial. Jadi kalau ada teknik statistik terbaru, R akan lebih cepat beradaptasi. Hanya, kadang butuh waktu untuk learning curve dalam mempelajari R. Kadang membingungkan karena tidak satu cara dalam mengolah data, serta orang yang berkontribusi beragam latar belakang mulai dari programmer, ahli statistik sampai pengguna praktis. Tutorial bisa sangat beragam dari mulai sederhana sampai yang bikin puyeng. Versi R pun ada beberapa seperti Rstudio, saya lsendiri ebih suka menggunakan aplikasi dari sumbernya langsung di Cran project.

Mari kita mulai berkenalan dengan R. Daripada menggunakan aplikasi bajakan, kenapa tidak kita menggunakan aplikasi open source yang halal. R bisa juga digunakan seperti SPSS dan Minitab, tinggal klik lalu dapat hasil. Saya asumsikan, anda sudah mempunyai R. Kalau belum, bisa lihat tutorial dari mulai menginstal R sampai package Rcmdr di tag aplikasi statistik R gratis. Kekuatan R sesungguhnya adalah di perintah berbasis text, seperti aplikasi SAS. Anda yang familiar dengan SAS akan lebih mudah untuk migrasi ke R. Segala macam metode statistik bisa di akses melalui package yang tersedia. Package yang sesuai dengan uji yang kita ingin lakukan harus diinstal terlebih dahulu ke R aplikasi, kemudian dijalankan melalui Rcmdr, sebuah interface untuk R aplikasi (lihat pembahasan pada tutorial sebelumnya ya).

Dengan asumsi sahabat sudah bermain-main dengan Rcmdr, klik sana sini, saatnya kita mencoba perintah berbasis text, kalau di sas biasanya disebut dengan syntax. Untuk data latihan, silahkan download data bobot saga manis, hasil dari penelitian S1 saya. lalu masukkan data tersebut ke Rcmdr sesuai tutorial sebelumnya.

Rancangan asli penelitian tersebut adalah split plot. Ini bukan rancangan yang palinf sulit, tapi lebih rumit dari rancangan acak kelompok karena ada faktor yang masuk dalam faktor lain. Jadi ada petak utama dan anak petak, dimana anak petak diharapkan memiliki akurasi lebih tinggi. Untuk lebih detil mengenai split plot design, bagaimana rancangan denahnya, silahkan merujuk ke buku statistik terdekat.

Untuk mengolah data anova dan uji lanjut, kita gunakan package agricolae, silahkan download dan instal ke Rcmdr. Dengan asumsi Rcmdr sahabat sudah terbuka, kita eksekusi syntax berikut.:

library(agricolae)
#splitplot (urutan dalam sp.plot adalah ulangan, faktor A, faktor B, Y, jangan terbalik!!)
model<-with(bobot,sp.plot(Ulangan,Rambatan,Pupuk,Daun))

#Uji Tukey/ Beda Nyata Jujur (BNT)
model1<-aov(Daun ~ Rambatan + Pupuk, data=bobot)
Tukey1 <- HSD.test(model1,”Rambatan”, group=TRUE,console=TRUE, main=”Bobot Daun Saga Manis”)
Tukey2 <- HSD.test(model1,”Pupuk”, group=TRUE,console=TRUE, main=”Bobot Daun Saga Manis”)

Nah sederhana kan?? gampang kan?? setiap baris tersebut dieksekusi dengan cara menekan tombol ctr+r di keyborad, atau menekan tombol submit di Rcmdr.

 

Hasilnya sebagai berikut:

ANALYSIS SPLIT PLOT:  Daun
Class level information
Rambatan :  R0 R1
Pupuk :  P0 P1 P2 P3
Ulangan :  U1 U2 U3 U4
Number of observations:  32
Analysis of Variance Table
Response: Daun
Df Sum Sq Mean Sq F value Pr(>F)
Ulangan 3 1.85E+08 61799683 6.7561 0.07548 .
Rambatan 1 71769413 71769413 7.846 0.06779 .
Ea 3 27441838 9147279
Pupuk 3 1.73E+09 5.76E+08 38.023 5.36E-08 ***
Rambatan:Pupuk 3 39352413 13117471 0.8658 0.47684
Eb 18 2.73E+08 15150350
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ‘ 1
cv(a) = 34.9 %, cv(b) = 45 %, Mean = 8654.157
> Tukey1 <- HSD.test(model1,”Rambatan”, group=TRUE,console=TRUE, main=”Bobot Daun Saga Manis”)
Study: Bobot Daun Saga Manis
HSD Test for Daun
Mean Square Error:  19440726
Rambatan,  means
Daun std r Min Max
R0 7156.561 8369.788 16 0.918 25398
R1 10151.75 8952.776 16 0.964 28572
alpha: 0.05 ; Df Error: 27
Critical Value of Studentized Range: 2.901727
Honestly Significant Difference: 3198.547
Means with the same letter are not significantly different.
Groups, Treatments and means
a  R1 10150
a  R0 7157
> Tukey2 <- HSD.test(model1,”Pupuk”, group=TRUE,console=TRUE, main=”Bobot Daun Saga Manis”)
Study: Bobot Daun Saga Manis
HSD Test for Daun
Mean Square Error:  19440726
Pupuk,  means
Daun std r Min Max
P0 5604.583 4310.731 8 6.66 12564
P1 21217.25 5022.681 8 12968 28572
P2 5246.145 5733.976 8 11.09 12814
P3 2548.651 2924.077 8 0.918 6426
alpha: 0.05 ; Df Error: 27
Critical Value of Studentized Range: 3.870086
Honestly Significant Difference: 6032.979
Means with the same letter are not significantly different.
Groups, Treatments and means
a  P1 21220
b  P0 5605
b  P2 5246
b  P3 2549

Hasil anova menunjukkan bahwa faktor pemupukan berbeda nyata sedangkan perambatan tidak berpengaruh nyata terhadap bobot daun. Perhatikan juga nilai CV cenderung tinggi, bisa dipertimbangkan untuk transformasi data, tetapi harus diuji dulu mengenai kenormalan data serta menentukan jenis transformasi data yang diperlukan, atau malah tidak diperlukan transformasi data sama sekali. Untuk rancangan split plot, ada dua error yang berasal dari petak utama dan anak petak.

Hasil uji Tukey mengkonfirmasi hasil anova. Uji pupuk P1 berbeda nyata dengan dosis pupuk lainnya. Cukup mudah kan? ayo jangan ragu untuk mulai mencoba R. Asik kok sekalian belajar statistik dengan cara yang menyenangkan dan mudah.

 

Location: Göttingen, German

Time: May 2017

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s