# ANAVA 2 ARAH TANPA INTERAKSI
# PACKAGES
library(car)
## Loading required package: carData
library(agricolae)
# Memanggil Data
data = read.table(file.choose(), header = T)
data
## MerekTablet JenisPelarut Data
## 1 1 1 46.18
## 2 1 2 54.54
## 3 1 3 56.63
## 4 2 1 57.69
## 5 2 2 71.57
## 6 2 3 81.51
## 7 3 1 48.61
## 8 3 2 51.01
## 9 3 3 80.02
# Pendefinisian Variabel
data$MerekTablet = factor(data$MerekTablet,
levels = 1:3,
labels = c("Merek 1", "Merek 2", "Merek 3"))
data$JenisPelarut = factor(data$JenisPelarut,
levels = 1:3,
labels = c("Pelarut 1", "Pelarut 2", "Pelarut 3"))
data
## MerekTablet JenisPelarut Data
## 1 Merek 1 Pelarut 1 46.18
## 2 Merek 1 Pelarut 2 54.54
## 3 Merek 1 Pelarut 3 56.63
## 4 Merek 2 Pelarut 1 57.69
## 5 Merek 2 Pelarut 2 71.57
## 6 Merek 2 Pelarut 3 81.51
## 7 Merek 3 Pelarut 1 48.61
## 8 Merek 3 Pelarut 2 51.01
## 9 Merek 3 Pelarut 3 80.02
# UJI NORMALITAS PER MEREK TABLET
for(i in levels(data$MerekTablet)){
cat("\nUji Normalitas untuk Merek Tablet:", i, "\n")
print(shapiro.test(data$Data[data$MerekTablet == i]))
}
##
## Uji Normalitas untuk Merek Tablet: Merek 1
##
## Shapiro-Wilk normality test
##
## data: data$Data[data$MerekTablet == i]
## W = 0.89286, p-value = 0.3631
##
##
## Uji Normalitas untuk Merek Tablet: Merek 2
##
## Shapiro-Wilk normality test
##
## data: data$Data[data$MerekTablet == i]
## W = 0.99096, p-value = 0.8182
##
##
## Uji Normalitas untuk Merek Tablet: Merek 3
##
## Shapiro-Wilk normality test
##
## data: data$Data[data$MerekTablet == i]
## W = 0.80695, p-value = 0.1312
# UJI NORMALITAS PER JENIS PELARUT
for(j in levels(data$JenisPelarut)){
cat("\nUji Normalitas untuk Jenis Pelarut:", j, "\n")
print(shapiro.test(data$Data[data$JenisPelarut == j]))
}
##
## Uji Normalitas untuk Jenis Pelarut: Pelarut 1
##
## Shapiro-Wilk normality test
##
## data: data$Data[data$JenisPelarut == j]
## W = 0.89987, p-value = 0.3851
##
##
## Uji Normalitas untuk Jenis Pelarut: Pelarut 2
##
## Shapiro-Wilk normality test
##
## data: data$Data[data$JenisPelarut == j]
## W = 0.87434, p-value = 0.3079
##
##
## Uji Normalitas untuk Jenis Pelarut: Pelarut 3
##
## Shapiro-Wilk normality test
##
## data: data$Data[data$JenisPelarut == j]
## W = 0.79474, p-value = 0.102
# UJI HOMOGENITAS VARIANSI
leveneTest(Data ~ MerekTablet, 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(Data ~ JenisPelarut, 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
anava2arah = function(y, A, B){
a = nlevels(A)
b = nlevels(B)
N = length(y)
n = N/(a*b)
FK = sum(y)^2/N
JKT = sum(y^2) - FK
JK_A = sum(tapply(y, A, sum)^2)/(b*n) - FK
JK_B = sum(tapply(y, B, sum)^2)/(a*n) - FK
JK_G = JKT - JK_A - JK_B
db = c(a-1, b-1, (a-1)*(b-1), N-1)
JK = c(JK_A, JK_B, JK_G, JKT)
KT = JK/db
F = c(KT[1]/KT[3],
KT[2]/KT[3], NA, NA)
p = c(
pf(F[1], db[1], db[3], lower.tail = FALSE),
pf(F[2], db[2], db[3], lower.tail = FALSE),
NA, NA
)
data.frame(
Sumber = c("MerekTablet", "JenisPelarut",
"Galat", "Total"),
db, JK, KT, F, p
)
}
# Perhitungan ANAVA
anava2arah(data$Data, data$MerekTablet,
data$JenisPelarut)
## Sumber db JK KT F p
## 1 MerekTablet 2 479.9575 239.97874 4.269572 0.10176166
## 2 JenisPelarut 2 733.9193 366.95964 6.528748 0.05499073
## 3 Galat 4 224.8270 56.20674 NA NA
## 4 Total 8 1438.7038 179.83797 NA NA
# UJI ANAVA
uji_anava = aov(Data ~ MerekTablet + JenisPelarut,
data = data)
anova(uji_anava)
## Analysis of Variance Table
##
## Response: Data
## Df Sum Sq Mean Sq F value Pr(>F)
## MerekTablet 2 479.96 239.98 4.2696 0.10176
## JenisPelarut 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