Packages

library(car)
## Warning: package 'car' was built under R version 4.6.1
## Loading required package: carData
## Warning: package 'carData' was built under R version 4.6.1

Input Data dan Pendefinisian Variabel (Baris = Merek Tablet, Kolom = Jenis Pelarut)

#DATA (baris = Merek, kolom = Pelarut)
Y <- matrix(c(46.18, 54.54, 56.63,
              57.69, 71.57, 81.51,
              48.61, 51.01, 80.02),
            nrow=3, byrow=TRUE,
            dimnames=list(Faktor_Baris=c("CDR", "Redoxon", "Enervon-C"),
                          Faktor_Kolom=c("Air Biasa", "Air Soda", "Air Kelapa")))
Y
##             Faktor_Kolom
## Faktor_Baris Air Biasa Air Soda Air Kelapa
##    CDR           46.18    54.54      56.63
##    Redoxon       57.69    71.57      81.51
##    Enervon-C     48.61    51.01      80.02
# Konversi ke data.frame untuk uji asumsi dan pembanding fungsi bawaan R
data <- as.data.frame(as.table(Y))
data
##   Faktor_Baris Faktor_Kolom  Freq
## 1          CDR    Air Biasa 46.18
## 2      Redoxon    Air Biasa 57.69
## 3    Enervon-C    Air Biasa 48.61
## 4          CDR     Air Soda 54.54
## 5      Redoxon     Air Soda 71.57
## 6    Enervon-C     Air Soda 51.01
## 7          CDR   Air Kelapa 56.63
## 8      Redoxon   Air Kelapa 81.51
## 9    Enervon-C   Air Kelapa 80.02

Pengecekan Normalitas

# Normalitas per Faktor Baris (Merek Tablet)
for(i in levels(data$Faktor_Baris)) {
  cat("\nUji Normalitas untuk Merek Tablet:", i, "\n")
  print(shapiro.test(data$Freq[data$Faktor_Baris == i]))
}
## 
## Uji Normalitas untuk Merek Tablet: CDR 
## 
##  Shapiro-Wilk normality test
## 
## data:  data$Freq[data$Faktor_Baris == i]
## W = 0.89286, p-value = 0.3631
## 
## 
## Uji Normalitas untuk Merek Tablet: Redoxon 
## 
##  Shapiro-Wilk normality test
## 
## data:  data$Freq[data$Faktor_Baris == i]
## W = 0.99096, p-value = 0.8182
## 
## 
## Uji Normalitas untuk Merek Tablet: Enervon-C 
## 
##  Shapiro-Wilk normality test
## 
## data:  data$Freq[data$Faktor_Baris == i]
## W = 0.80695, p-value = 0.1312
# Normalitas per Faktor Kolom (Jenis Pelarut)
for(j in levels(data$Faktor_Kolom)) {
  cat("\nUji Normalitas untuk Jenis Pelarut:", j, "\n")
  print(shapiro.test(data$Freq[data$Faktor_Kolom == j]))
}
## 
## Uji Normalitas untuk Jenis Pelarut: Air Biasa 
## 
##  Shapiro-Wilk normality test
## 
## data:  data$Freq[data$Faktor_Kolom == j]
## W = 0.89987, p-value = 0.3851
## 
## 
## Uji Normalitas untuk Jenis Pelarut: Air Soda 
## 
##  Shapiro-Wilk normality test
## 
## data:  data$Freq[data$Faktor_Kolom == j]
## W = 0.87434, p-value = 0.3079
## 
## 
## Uji Normalitas untuk Jenis Pelarut: Air Kelapa 
## 
##  Shapiro-Wilk normality test
## 
## data:  data$Freq[data$Faktor_Kolom == j]
## W = 0.79474, p-value = 0.102

Pengecekan Homogenitas Variansi

leveneTest(Freq ~ Faktor_Baris, center=mean, data=data)
## Levene's Test for Homogeneity of Variance (center = mean)
##       Df F value Pr(>F)
## group  2  2.4902 0.1632
##        6
leveneTest(Freq ~ Faktor_Kolom, center=mean, data=data)
## Levene's Test for Homogeneity of Variance (center = mean)
##       Df F value Pr(>F)
## group  2  1.9806 0.2185
##        6

Uji ANAVA 2 Arah Tanpa Interaksi

#ANAVA 2 ARAH TANPA INTERAKSI#
anava2arah_tanpa <- function(Y, alpha=0.05){
  a <- nrow(Y)
  b <- ncol(Y)
  N <- a*b
  FK <- sum(Y)^2 / N
  JKT <- sum(Y^2) - FK
  JK_A <- sum(rowSums(Y)^2)/b - FK
  JK_B <- sum(colSums(Y)^2)/a - FK
  JKG <- JKT - JK_A - JK_B
  db <- c(a-1, b-1, (a-1)*(b-1), N-1)
  JK <- c(JK_A, JK_B, JKG, JKT)
  KT <- JK / db
  F <- c(KT[1:2]/KT[3], NA, NA)
  Ft <- c(qf(1-alpha, db[1:2], db[3]), NA, NA)
  p <- c(pf(F[1:2], db[1:2], db[3], lower.tail=FALSE), NA, NA)
  hasil <- data.frame(Sumber=c("Faktor Baris", "Faktor Kolom", "Galat", "Total"),
                      db, JK, KT, F_hit=F, F_tabel=Ft, p_value=p)
  print(hasil, digits=5, na.print="", row.names=FALSE)
}
anava2arah_tanpa(Y)
##        Sumber db      JK      KT  F_hit F_tabel  p_value
##  Faktor Baris  2  479.96 239.979 4.2696  6.9443 0.101762
##  Faktor Kolom  2  733.92 366.960 6.5287  6.9443 0.054991
##         Galat  4  224.83  56.207     NA      NA       NA
##         Total  8 1438.70 179.838     NA      NA       NA
#PEMBANDING DENGAN FUNGSI BAWAAN R#
anova(aov(Freq ~ Faktor_Baris + Faktor_Kolom, data=data))
## Analysis of Variance Table
## 
## Response: Freq
##              Df Sum Sq Mean Sq F value  Pr(>F)  
## Faktor_Baris  2 479.96  239.98  4.2696 0.10176  
## Faktor_Kolom  2 733.92  366.96  6.5287 0.05499 .
## Residuals     4 224.83   56.21                  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1