Notes Theme: - Kelas A: cayman
- Kelas B: tactile
- Kelas C: architect
- Kelas D: hpstr

Library:

> # install.packages("tseries")
> # install.packages("car")
> # install.packages("agricolae")

1 1. PENDAHULUAN

1.1 1.1 Latar Belakang

Dilakukan pengujian terhadap tiga restoran yang baru buka di suatu mall yaitu restoran a1 yang menjual makanan jepang, restoran a2 yang menjual makanan padang, dan restoran a3 yang menjual makanan korea. Data yang digunakan adalah data fiktif yang mencatat jumlah pelanggan dari masing-masing restoran pada 10 hari pertama. Harapannya dengan dilakukan penujian Anova dapat diketahui perbedaan rata-rata antar restoran.

2 1.2 TINJAUAN PUSTAKA

2.1 1.2.1 Uji Anova

uji Anova (Analysis of Varience) menjadi salah satu uji yang dibutuhkan untuk menganalisis data pada berbagai bidang. Uji Anova juga diidentikkan dengan analisis regresi yang mengelompokkan variabel-variabel independen dan dependen.

Hipotesis:

H0: α1=α2=…=αi=0

H1: Setidaknya ada satu αi bernilai tidak sama dengan nol

2.2 1.2.2 Asumsi-Asumsi uji Anova

Ada beberapa asumsi yang harus dipenuhi untuk melakukan uji Anova yaitu: 1. Homogenitas varians: variabel dependen harus memiliki varians yang sama dalam variabel independen 2. Random Sampling: subjek yang diambil harus diambil secara acak 3. Normalitas: variabel yang diuji harus berdistribusi normal

3 2.SOURCE CODE

3.1 2.1 Membuat Data

melakukan pendefinisian dari variabel-variabel yang akan digunakan

a1=c(4,9,8,7,10,6,4,3,5,5)
a2=c(6,7,3,8,3,5,7,2,9,10)
a3=c(6,2,4,7,9,4,9,20,1,7)

lalu buat data frame dari variabel Nilai dan restoran

Nilai=c(a1,a2,a3)
Nilai
restoran=factor(c(rep("a1",10),rep("a2",10),rep("a3",10)))
restoran

data = data.frame(restoran,Nilai)

3.2 2.2 Plot

`boxplot(Nilai~restoran,data=data.frame(restoran,Nilai),main="Data perlakuan",xlab="restoran",ylab="Nilai")

hingga diperoleh boxplot sebagai berikut

3.3 2.3 Uji Anova

HasilAnova=aov(Nilai~restoran,data=data)
HasilAnova

Call:
   aov(formula = Nilai ~ restoran, data = data)

Terms:
                restoran Residuals
Sum of Squares    4.8667  371.8000
Deg. of Freedom        2        27

Residual standard error: 3.710845
Estimated effects may be unbalanced

summary(HasilAnova)
             Df Sum Sq Mean Sq F value Pr(>F)
restoran     2    4.9   2.433   0.177  0.839
Residuals   27  371.8  13.770

3.4 2.4 Diagnostik sisaan

plot(HasilAnova, 1)

plot(HasilAnova, 2)

plot(HasilAnova, 3)

3.5 2.5 Uji Jaque Bera

install.packages("tseries")
library(tseries)
sisa<-residuals(HasilAnova)
jarque.bera.test(sisa)

Jarque Bera Test

data:  sisa
X-squared = 31.57, df = 2, p-value = 1.395e-07

3.6 2.6 Uji Normalitas Saphiro Wilk

shapiro.test(sisa)

Shapiro-Wilk normality test

data:  sisa
W = 0.88771, p-value = 0.004259

3.7 2.7 Uji Levene

install.packages("car")
library(car)
leveneTest(Nilai~restoran, data = data)

Levene's Test for Homogeneity of Variance (center = median)
      Df F value Pr(>F)
group  2  1.1322 0.3372
      27

4 3. HASIL DAN PEMBAHASAN

Berdasarkan hasil pengujian didapatkan F hitung sebesar 0,177 dan P-value sebesar 0,839 yang menunjukkan rata-rata antar kelompok

5 KESIMPULAN

Dengan P-value 0,839 yang menunjukkan bahwa P-value >0,05 maka dapat disimpulkan bahwa terdapat perbedaan rata-rata antara restoran a1, a2, dan a3

6 DAFTAR PUSTAKA

Bluman, A.G. 2018. Elementary Statistics: A Step By Step Approach, Tenth Edition. McGraw-Hill: New York.

Triola, M.F. 2019. Essentials of Statistics, Sixth Edition. Pearson: New York.