Library :
# install.packages("knitr")
# install.packages("rmarkdown")
# install.packages("prettydoc")
# install.packages("equatiomatic")Bola golf adalah alat yang sangat penting dalam permainan golf. Desain bola golf dapat mempengaruhi kinerja pemain dalam memainkan permainan. Salah satu faktor yang mempengaruhi jarak tempuh bola adalah desain bola golf. Desain bola golf dapat mempengaruhi kecepatan dan arah bola ketika dihantam. Oleh karena itu, penelitian ini bertujuan untuk mengetahui pengaruh desain bola golf terhadap jarak tempuh bola.
Penelitian sebelumnya telah menunjukkan bahwa desain bola golf dapat mempengaruhi kinerja pemain golf. Misalnya, penelitian oleh L. Gregory Appelbaum, PhD; Yvonne Lu; Rajan Khanna dan Kimberly R. Detwiler (2016) menunjukkan bahwa perbaikan relatif yang signifikan untuk kelompok SVT dalam tiga tugas (Near-Far Quickness, Target Capture, dan Go / No- Go) dalam memukul bola softball. Hal ini menunjukkan bahwa desain bola dapat mempengaruhi kinerja pemain dalam memukul bola.
Dalam penelitian ini, metode yang digunakan adalah ANOVA satu arah untuk melihat adanya pengaruh desain bola golf terhadap jarak tempuh bola. Penelitian ini diharapkan dapat memberikan informasi yang lebih jelas tentang bagaimana desain bola golf mempengaruhi kinerja pemain golf dalam memainkan permainan. Dengan demikian, penelitian ini bertujuan untuk mengetahui pengaruh desain bola golf terhadap jarak tempuh bola menggunakan metode ANOVA satu arah.
Statistika deskriptif adalah metode statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku umum atau generalisasi.
Statistika deskriptif berfungsi untuk menggambarkan karakteristik suatu sampel data, seperti ukuran pemusatan data, ukuran penyebaran data, serta kecenderungan suatu gugus data. Penyajian data statistik pada dasarnya ada dua bentuk: bentuk penyajian dengan tabel-tabel dan bentuk penyajian dengan grafik-grafik.
Jenis statistika deskriptif umumnya dibagi menjadi tiga, yaitu:
Penyajian Data: Penyajian data meliputi cara menampilkan data dalam bentuk tabel, grafik, atau histogram untuk memudahkan analisis dan interpretasi.
Pemusatan Data: Pemusatan data meliputi ukuran pemusatan data seperti rata-rata, median, dan modus yang digunakan untuk menggambarkan posisi data pusat.
Penyebaran Data: Penyebaran data meliputi ukuran penyebaran data seperti standar deviasi dan range yang digunakan untuk menggambarkan seberapa jauh data berbeda dari data pusat.
Asumsi ANOVA adalah prosedur yang digunakan untuk memastikan bahwa data yang dianalisis memenuhi persyaratan-persyaratan dasar sebelum melakukan analisis ragam.
Uji normalitas galat adalah suatu metode statistik yang digunakan untuk menguji apakah data berdistribusi normal atau tidak. Uji normalitas sangat penting dalam analisis statistik karena data yang tidak berdistribusi normal dapat mempengaruhi hasil analisis yang dihasilkan. Uji normalitas digunakan sebagai syarat sebelum melakukan analisis statistik parametrik, seperti uji ANOVA, untuk memastikan bahwa data berdistribusi normal.
Jenis uji normalitas yang digunakan pada penelitian ini adalah Uji Shapiro-Wilk, uji ini digunakan untuk menguji apakah data berdistribusi normal atau tidak. Uji ini berbasis pada statistik yang digunakan untuk menghitung nilai probabilitas bahwa data berdistribusi normal.
Hipotesis:
\[ H_0: \text{Residual menyebar normal} \] \[ H_1 : \text{Residual tidak menyebar normal} \] Keputusan :
Jika p-value > α, maka keputusan Terima H0. Disimpulkan bahwa residual yang digunakan sudah berdistribusi normal
Jika p-value < α, maka keputusan Tolak H0. Disimpulkan bahwa residual yang digunakan tidak berdistribusi normal
Uji homogenitas ragam adalah suatu metode statistik yang digunakan untuk menguji apakah ragam galat yang diperoleh dari beberapa perlakuan berdistribusi homogen atau tidak. Uji homogenitas ragam sangat penting dalam analisis statistik karena data yang tidak berdistribusi homogen dapat mempengaruhi hasil analisis yang dihasilkan.
Pada penelitian kali ini menggunakan Uji homogenitas ragam Breusch-Pagan, yakni suatu metode statistik yang digunakan untuk menguji apakah ragam galat yang diperoleh dari beberapa perlakuan berdistribusi homogen atau tidak.
Hipotesis:
\[ H_0: \sigma_1^2 = \sigma_2^2 = \cdots = \sigma_k^2 \] \[ H_1: \text{Setidaknya ada satu atau lebih ragam yang berbeda} \]
Keputusan :
Jika p-value > α, maka keputusan Terima H0. Disimpulkan bahwa data mempunyai ragam galat yang homogen
Jika p-value < α, maka keputusan Terima H0. Disimpulkan bahwa data mempunyai ragam galat yang homogen
ANOVA satu arah (One Way Anova) adalah sebuah metode analisis statistik yang digunakan untuk membandingkan rata-rata dari lebih dari dua kelompok yang memiliki satu variabel bebas. Metode ini digunakan untuk menguji pengaruh atau efek terhadap variabel dependen yang disebabkan oleh suatu faktor yang terdiri dari beberapa level faktor.
Tujuan dari ANOVA satu arah adalah untuk mengetahui pengaruh atau efek terhadap variabel dependen yang disebabkan oleh suatu faktor yang terdiri dari beberapa level faktor. Kriteria pengujian ANOVA meliputi F-test dan uji asumsi. F-test digunakan untuk membandingkan rata-rata dari berbagai kelompok data, sedangkan uji asumsi digunakan untuk memastikan bahwa data memenuhi asumsi ANOVA, seperti normalitas, heterokedastisitas, dan random sampling.
Hipotesis:
\[ H_0: \mu_1 = \mu_2 = \mu_3 = \cdots = \mu_k \] \[ H_1: \text{Setidaknya ada satu atau lebih rata-rata yang berbeda} \] Keputusan :
Selain itu, juga dapat dilihat berdasarkan nilai \(p\), yaitu sebagai berikut.
##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union## Warning: package 'tidyr' was built under R version 4.3.3## Warning: package 'AOV1R' was built under R version 4.3.3## Warning: package 'tseries' was built under R version 4.3.3## Registered S3 method overwritten by 'quantmod':
## method from
## as.zoo.data.frame zoo## Warning: package 'car' was built under R version 4.3.3## Loading required package: carData## Warning: package 'carData' was built under R version 4.3.3##
## Attaching package: 'car'## The following object is masked from 'package:dplyr':
##
## recodeJarak <- data.frame(
Design1 = c(206.32, 207.94, 206.19, 204.45, 209.65, 203.81, 206.75, 205.68, 204.49, 210.86),
Design2 = c(217.08, 221.43, 218.04, 224.13, 211.82, 213.9, 221.28, 229.43, 213.54, 214.51),
Design3 = c(226.77, 224.79, 229.75, 228.51, 221.44, 223.85, 223.97, 234.3, 219.5, 233),
Design4 = c(230.55, 227.95, 231.84, 224.87, 229.49, 231.1, 221.53, 235.45, 228.35, 225.09)
)
Jarak## Design1 Design2 Design3 Design4
## 1 206.32 217.08 226.77 230.55
## 2 207.94 221.43 224.79 227.95
## 3 206.19 218.04 229.75 231.84
## 4 204.45 224.13 228.51 224.87
## 5 209.65 211.82 221.44 229.49
## 6 203.81 213.90 223.85 231.10
## 7 206.75 221.28 223.97 221.53
## 8 205.68 229.43 234.30 235.45
## 9 204.49 213.54 219.50 228.35
## 10 210.86 214.51 233.00 225.09Jarak <- Jarak %>% pivot_longer(c(Design1, Design2, Design3, Design4))
names(Jarak) <- c("Design","Jarak.Bola")
Jarak$Design <- as.factor(Jarak$Design)
Jarak## # A tibble: 40 × 2
## Design Jarak.Bola
## <fct> <dbl>
## 1 Design1 206.
## 2 Design2 217.
## 3 Design3 227.
## 4 Design4 231.
## 5 Design1 208.
## 6 Design2 221.
## 7 Design3 225.
## 8 Design4 228.
## 9 Design1 206.
## 10 Design2 218.
## # ℹ 30 more rows## Df Sum Sq Mean Sq F value Pr(>F)
## Design 3 2991.0 997.0 53.03 2.73e-13 ***
## Residuals 36 676.8 18.8
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1N <- nrow(Jarak)
p <- Jarak$Design %>% unique() %>% length()
DBt <- N - 1
DBp <- p - 1
DBg <- N - p
DBt; DBp; DBg## [1] 39## [1] 3## [1] 36perlakuan.mean <- aggregate(Jarak.Bola ~ Design, Jarak, mean )[,2]
n <- aggregate(Jarak.Bola ~ Design, Jarak, length)[,2]
grand.mean <- mean(Jarak$Jarak.Bola)
JKt <- sum((Jarak$Jarak.Bola - grand.mean)^2)
JKp <- sum(n*(perlakuan.mean - grand.mean)^2)
JKg <- JKt - JKp
JKt; JKp; JKg## [1] 3667.814## [1] 2990.99## [1] 676.8244## [1] 996.9966## [1] 18.80068## [1] 53.02982## [1] 2.731991e-13data.frame(
SK = c("Perlakuan", "Galat", "Total"),
DB = c(DBp, DBg, DBt),
JK = c(JKp, JKg, JKt),
KT = c(KTp, KTg, NA),
Fhit = c(Fp, NA, NA),
p.Val = c(pVal, NA, NA)
)## SK DB JK KT Fhit p.Val
## 1 Perlakuan 3 2990.9898 996.99660 53.02982 2.731991e-13
## 2 Galat 36 676.8244 18.80068 NA NA
## 3 Total 39 3667.8142 NA NA NABerdasarkan hasil uji Saphiro Wilk, diperoleh P-value sebesar 0.6624. Karena P-value > alpha(0.05), maka didapatkan keputusan terima H0 yang artinya residual menyebar normal.Sehingga dapat disimpulkan bahwa asumsi normalitas residual dalam ANOVA terpenuhi.
Ragam Berdasarkan hasil uji Breusch-Pagan test, diperoleh p-value sebesar 0.1536. Karena P-value > alpha(0.05), maka didapatkan keputusan terima H0 yang artinya data mempunyai ragam galat yang homogen. Sehingga dapat disimpulkan bahwa asumsi homogenitas varians dalam ANOVA terpenuhi.
Dari Hasil ANOVA didapatkan p-value < alpha. Karena p-value kurang dari alpha dengan menggunakan taraf nyata 5%, maka didapatkan keputusan tolak H0. Sehingga menunjukkan bahwa ada pengaruh signifikan dari desain bola golf terhadap jarak tempuh bola. Desain-desain bola golf tersebut berbeda secara signifikan dalam hal pengaruhnya terhadap jarak tempuh. Ini berarti bahwa variasi dalam desain bola golf berkontribusi secara signifikan terhadap perbedaan dalam jarak tempuh bola golf.
Hasil ANOVA menunjukkan bahwa ada pengaruh signifikan dari desain bola golf terhadap jarak tempuh bola. Desain-desain bola golf tersebut berbeda secara signifikan dalam hal pengaruhnya terhadap jarak tempuh. Ini berarti bahwa variasi dalam desain bola golf berkontribusi secara signifikan terhadap perbedaan dalam jarak tempuh bola golf.
Miranti, A. (2018). Pengaruh metode latihan imagery dan koordinasi mata tangan terhadap hasil latihan memukul bola softball pada atlet UKM Softball-Baseball UNNES (Tesis Pascasarjana, Universitas Negeri Semarang). Program Studi Pendidikan Olahraga, Pascasarjana Universitas Negeri Semarang. Wahyuni, M. (n.d.). Statistik deskriptif untuk penelitian olah data manual dan SPSS versi 25. Bintang Pustaka Madani.