# PACKAGE #
library(car)
## Loading required package: carData
# MEMANGGIL DATA #
data <- read.table(file.choose(), header=TRUE)
data
## merk pelarut 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$merk <- factor(data$merk, levels=1:3,
labels=c("CDR", "Redoxon", "Enervon-C"))
data$pelarut <- factor(data$pelarut, levels=1:3,
labels=c("Air Biasa", "Air Soda", "Air Kelapa"))
data
## merk pelarut data
## 1 CDR Air Biasa 46.18
## 2 CDR Air Soda 54.54
## 3 CDR Air Kelapa 56.63
## 4 Redoxon Air Biasa 57.69
## 5 Redoxon Air Soda 71.57
## 6 Redoxon Air Kelapa 81.51
## 7 Enervon-C Air Biasa 48.61
## 8 Enervon-C Air Soda 51.01
## 9 Enervon-C Air Kelapa 80.02
# PENGECEKAN NORMALITAS MEREK #
for(i in levels(data$merk)){
cat("\nUji Normalitas untuk merk:", i, "\n")
print(shapiro.test(data$data[data$merk==i]))
}
##
## Uji Normalitas untuk merk: CDR
##
## Shapiro-Wilk normality test
##
## data: data$data[data$merk == i]
## W = 0.89286, p-value = 0.3631
##
##
## Uji Normalitas untuk merk: Redoxon
##
## Shapiro-Wilk normality test
##
## data: data$data[data$merk == i]
## W = 0.99096, p-value = 0.8182
##
##
## Uji Normalitas untuk merk: Enervon-C
##
## Shapiro-Wilk normality test
##
## data: data$data[data$merk == i]
## W = 0.80695, p-value = 0.1312
# PENGECEKAN NORMALITAS PELARUT #
for(j in levels(data$pelarut)){
cat("\nUji Normalitas untuk Pelarut:", j, "\n")
print(shapiro.test(data$data[data$pelarut==j]))
}
##
## Uji Normalitas untuk Pelarut: Air Biasa
##
## Shapiro-Wilk normality test
##
## data: data$data[data$pelarut == j]
## W = 0.89987, p-value = 0.3851
##
##
## Uji Normalitas untuk Pelarut: Air Soda
##
## Shapiro-Wilk normality test
##
## data: data$data[data$pelarut == j]
## W = 0.87434, p-value = 0.3079
##
##
## Uji Normalitas untuk Pelarut: Air Kelapa
##
## Shapiro-Wilk normality test
##
## data: data$data[data$pelarut == j]
## W = 0.79474, p-value = 0.102
# PENGECEKAN HOMOGENITAS VARIANSI #
leveneTest(data ~ merk, 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 ~ pelarut, 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
# MENGUBAH DATA MENJADI MATRIKS #
Y <- tapply(data$data,
list(merk=data$merk,
pelarut=data$pelarut), sum)
Y
## pelarut
## merk 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
# 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("Merek", "Pelarut", "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
## Merek 2 479.96 239.979 4.2696 6.9443 0.101762
## Pelarut 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
# MEMBANDINGKAN DENGAN FUNGSI BAWAAN R #
anova(aov(data ~ merk + pelarut, data=data))
## Analysis of Variance Table
##
## Response: data
## Df Sum Sq Mean Sq F value Pr(>F)
## merk 2 479.96 239.98 4.2696 0.10176
## pelarut 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