library(car)
## Loading required package: carData
#Data
data=read.table(file.choose(),header=TRUE,sep="\t",dec=",")
data
##       Merek   Pelarut Waktu
## 1       CDR  AirBiasa 46.18
## 2       CDR   AirSoda 54.54
## 3       CDR AirKelapa 56.63
## 4   Redoxon  AirBiasa 57.69
## 5   Redoxon   AirSoda 71.57
## 6   Redoxon AirKelapa 81.51
## 7 Enervon-C  AirBiasa 48.61
## 8 Enervon-C   AirSoda 51.01
## 9 Enervon-C AirKelapa 80.02
#Pendefinisian variabel
data$Merek=factor(data$Merek,levels=c("CDR","Redoxon","Enervon-C"))
data$Pelarut=factor(data$Pelarut,levels=c("AirBiasa","AirSoda","AirKelapa"))
str(data)
## 'data.frame':    9 obs. of  3 variables:
##  $ Merek  : Factor w/ 3 levels "CDR","Redoxon",..: 1 1 1 2 2 2 3 3 3
##  $ Pelarut: Factor w/ 3 levels "AirBiasa","AirSoda",..: 1 2 3 1 2 3 1 2 3
##  $ Waktu  : num  46.2 54.5 56.6 57.7 71.6 ...
data
##       Merek   Pelarut Waktu
## 1       CDR  AirBiasa 46.18
## 2       CDR   AirSoda 54.54
## 3       CDR AirKelapa 56.63
## 4   Redoxon  AirBiasa 57.69
## 5   Redoxon   AirSoda 71.57
## 6   Redoxon AirKelapa 81.51
## 7 Enervon-C  AirBiasa 48.61
## 8 Enervon-C   AirSoda 51.01
## 9 Enervon-C AirKelapa 80.02
#Pengecekan normalitas per Merek
for(i in levels(data$Merek)){
  cat("\nUji Normalitas untuk Merek:", i, "\n")
  print(shapiro.test(data$Waktu[data$Merek==i]))
}
## 
## Uji Normalitas untuk Merek: CDR 
## 
##  Shapiro-Wilk normality test
## 
## data:  data$Waktu[data$Merek == i]
## W = 0.89286, p-value = 0.3631
## 
## 
## Uji Normalitas untuk Merek: Redoxon 
## 
##  Shapiro-Wilk normality test
## 
## data:  data$Waktu[data$Merek == i]
## W = 0.99096, p-value = 0.8182
## 
## 
## Uji Normalitas untuk Merek: Enervon-C 
## 
##  Shapiro-Wilk normality test
## 
## data:  data$Waktu[data$Merek == i]
## W = 0.80695, p-value = 0.1312
#Pengecekan normalitas per Pelarut
for(j in levels(data$Pelarut)){
  cat("\nUji Normalitas untuk Pelarut:", j, "\n")
  print(shapiro.test(data$Waktu[data$Pelarut==j]))
}
## 
## Uji Normalitas untuk Pelarut: AirBiasa 
## 
##  Shapiro-Wilk normality test
## 
## data:  data$Waktu[data$Pelarut == j]
## W = 0.89987, p-value = 0.3851
## 
## 
## Uji Normalitas untuk Pelarut: AirSoda 
## 
##  Shapiro-Wilk normality test
## 
## data:  data$Waktu[data$Pelarut == j]
## W = 0.87434, p-value = 0.3079
## 
## 
## Uji Normalitas untuk Pelarut: AirKelapa 
## 
##  Shapiro-Wilk normality test
## 
## data:  data$Waktu[data$Pelarut == j]
## W = 0.79474, p-value = 0.102
#Pengecekan homogenitas variansi
leveneTest(Waktu~Merek, 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(Waktu~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
#Membentuk matriks Y 
Y <- tapply(data$Waktu, list(Faktor_Baris=data$Merek, Faktor_Kolom=data$Pelarut), sum)
Y
##             Faktor_Kolom
## Faktor_Baris AirBiasa AirSoda AirKelapa
##    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("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, alpha=0.05)
##        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(Waktu ~ Merek + Pelarut, data=data))
## Analysis of Variance Table
## 
## Response: Waktu
##           Df Sum Sq Mean Sq F value  Pr(>F)  
## Merek      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