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