Empat puluh sembilan lansia yang berpartisipasi dalam studi tentang “human aging” dikelompokkan ke dalam kategori diagnostik “adanya faktor kepikunan / snile factor” dan “tidak ada faktor kepikunan / no snile factor” pada test psikiatri yang intensiv. Test psikiatri meliputi empat sub test, yaitu Informasi, Similaritas, Aritmetik, dan Gambar.
Lakukan pengujian dengan taraf nyata 5%, apakah profile Lansia yang teridentifikasi ada faktor kepikunan dengan yang teridentifikasi tidak ada faktor kepikunan sejajar, berhimpit, atau konstan?
Data ada di bawah ini.
data.kepikunan=read.csv("D:/Praktikum R/Data Latihan/Data Profil.csv", sep=";")
head(data.kepikunan,n=49)
Untuk bisa menjalankan syntax profile analysis dibutuhkan install package profileR.
library(profileR)
## Loading required package: ggplot2
## Loading required package: RColorBrewer
## Loading required package: reshape
## Loading required package: lavaan
## This is lavaan 0.6-7
## lavaan is BETA software! Please report any bugs.
Analisis Profil
mod <- pbg(data.kepikunan[,2:5], data.kepikunan[,6], profile.plot = TRUE)
print(mod)
##
## Data Summary:
## Pikun Tidak Pikun
## v1 8.750000 12.567568
## v2 5.333333 9.486486
## v3 8.500000 11.513514
## v4 4.750000 7.972973
summary(mod)
## Call:
## pbg(data = data.kepikunan[, 2:5], group = data.kepikunan[, 6],
## profile.plot = TRUE)
##
## Hypothesis Tests:
## $`Ho: Profiles are parallel`
## Multivariate.Test Statistic Approx.F num.df den.df p.value
## 1 Wilks 0.97461349 0.3907166 3 45 0.7602428
## 2 Pillai 0.02538651 0.3907166 3 45 0.7602428
## 3 Hotelling-Lawley 0.02604778 0.3907166 3 45 0.7602428
## 4 Roy 0.02604778 0.3907166 3 45 0.7602428
##
## $`Ho: Profiles have equal levels`
## Df Sum Sq Mean Sq F value Pr(>F)
## group 1 114.3 114.31 17.44 0.000128 ***
## Residuals 47 308.1 6.56
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## $`Ho: Profiles are flat`
## F df1 df2 p-value
## 1 51.80163 3 45 1.223077e-14