# 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