Kasus 12 Uji Hipotesis Anova

Perhitungan Manual

Perumusan Hipotesis

H0 : μa = μb = μc = μd

H1 : Minimal ada satu perbedaan

Langkah 1 : Masukkan Data

A <- c(75, 80, 72, 78, 70)
B <- c(82, 88, 85, 90, 80, 86)
C <- c(88, 92, 95, 85, 90, 87, 93)
D <- c(78, 82, 80, 75, 85, 77)

Langkah 2 : Susun Ulang Data

skor <- c(A, B, C, D)
metode <- factor(rep(c("A", "B", "C", "D"),
                     times = c(length(A), length(B), length(C), length(D))))
data_adk <- data.frame(skor, metode)
head(data_adk)

##   skor metode
## 1   75      A
## 2   80      A
## 3   72      A
## 4   78      A
## 5   70      A
## 6   82      B

Langkah 3 : Tetapkan Taraf

alpha <- 0.05

Uji Anova Satu Arah

hasil_aov <- aov(skor ~ metode, data = data_adk)
summary_aov <- summary(hasil_aov)
f_hit <- summary_aov[[1]][["F value"]][1]  # Ambil nilai F hitung
summary_aov

##             Df Sum Sq Mean Sq F value  Pr(>F)    
## metode       3  764.6  254.88   18.31 5.9e-06 ***
## Residuals   20  278.3   13.92                    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Kriteria Pengujian

# Parameter
alpha <- 0.05
df1 <- 3         
df2 <- 20         

# F Tabel (nilai kritis)
f_tabel <- qf(1 - alpha, df1, df2)

# Tampilkan
cat("Taraf signifikansi α =", alpha, "\n")

## Taraf signifikansi α = 0.05

cat("Derajat bebas: (", df1, ",", df2, ")\n")

## Derajat bebas: ( 3 , 20 )

cat("Nilai F tabel: F(", df1, ",", df2, ") =", round(f_tabel, 2), "\n")

## Nilai F tabel: F( 3 , 20 ) = 3.1

Kesimpulan

if(f_hit > f_tabel){
  cat("Terdapat perbedaan rata-rata skor proyek final secara signifikan antara metode pengajaran yang diuji.")
} else {
  cat("Tidak terdapat perbedaan signifikan antar metode pengajaran.")
}

## Terdapat perbedaan rata-rata skor proyek final secara signifikan antara metode pengajaran yang diuji.

Pada taraf nyata 5%, terdapat cukup bukti untuk menyatakan bahwa setidaknya ada satu metode pengajaran yang menghasilkan skor proyek final yang berbeda secara signifikan dibandingkan metode lainnya.