OKTOBER 2019
ANALISIS PENGARUH PERLAKUAN TERHADAP
KANDUNGAN YOGHURT MENGGUNAKAN METODE ONE
WAY MANOVA
A. Tinjaun Pustaka
A. 1. MANOVA
B. Hasil
Interpretasi
Berdasarkan output software R di atas dapat dilihat bahwa nilai
signifikansi menggunakan uji Wilks’ Lambda sebesar 4,938e-09 <
𝛼 (0,05) maka gagal tolak H0 yang berarti bahwa Perlakuan tidak
berpengaruh terhadap kandungan Youghurt.
B. 2. Uji Roy’s Largest Root
Hipotesis
H0 : 𝜇1 = 𝜇2 = ⋯ = 𝜇𝑘 (Perlakuan tidak berpengaruh terhadap
kandungan Youghurt)
H1 : Paling sedikit terdapat satu 𝜇 yang berbeda (Perlakuan
berpengaruh terhadap kandungan Youghurt)
Kriteria Penolakan
Tolak H0 jika P-Value > 𝛼 (0,05)
Output
Interpretasi
Berdasarkan output software R di atas dapat dilihat bahwa nilai
signifikansi menggunakan uji Roy’s Largest Root sebesar 1,5164-
10 < 𝛼 (0,05) maka gagal tolak H0 yang berarti bahwa Perlakuan
tidak berpengaruh terhadap kandungan Youghurt.
B. 3. Uji Pillai
Hipotesis
H0 : 𝜇1 = 𝜇2 = ⋯ = 𝜇𝑘 (Perlakuan tidak berpengaruh terhadap
kandungan Youghurt)
H1 : Paling sedikit terdapat satu 𝜇 yang berbeda (Perlakuan
berpengaruh terhadap kandungan Youghurt)
Kriteria Penolakan
Tolak H0 jika P-Value > 𝛼 (0,05)
Output
Interpretasi
Berdasarkan output software R di atas dapat dilihat bahwa nilai
signifikansi menggunakan uji Pillai sebesar 7,619e-06 < 𝛼 (0,05)
maka gagal tolak H0 yang berarti bahwa Perlakuan tidak
berpengaruh terhadap kandungan Youghurt.
B. 4. Uji Lawly-Hotelling
𝐻𝑖𝑝𝑜𝑡𝑒𝑠𝑖𝑠
H0 : 𝜇1 = 𝜇2 = ⋯ = 𝜇𝑘 (Perlakuan tidak berpengaruh terhadap
kandungan Youghurt)
H1 : Paling sedikit terdapat satu 𝜇 yang berbeda (Perlakuan
berpengaruh terhadap kandungan Youghurt)
Kriteria Penolakan
Tolak H0 jika P-Value > 𝛼 (0,05)
Output
Interpretasi
Berdasarkan output software R di atas dapat dilihat bahwa nilai
signifikansi menggunakan uji Lawly-Hotelling sebesar 5,254e-12
< 𝛼 (0,05) maka gagal tolak H0 yang berarti bahwa Perlakuan
tidak berpengaruh terhadap kandungan Youghurt.
C. Kesimpulan
D. Daftar Pustaka
A. Data
Kadar Kadar Kadar Pemberian Lama
No. protein lemak karbohidrat geatin Penyimpanan
(Y1) (Y2) (Y3) (X1) (X2)
1 5,61 4,1 4,19 0% 0
2 5,2 4,1 4,28 0% 0
3 5,85 4 4,78 0% 0
4 5,4 4 4,49 0% 7
5 5,4 4,1 4,87 0% 7
6 5,3 4 4,80 0% 7
7 5,1 4 4,14 0% 14
8 4,8 4 4,99 0% 14
9 5,36 3,9 4,23 0% 14
10 4 3,7 4,08 0% 21
11 4,6 3,9 4,07 0% 21
12 5,1 3,8 4,32 0% 21
13 5,48 3,8 4,66 3% 0
14 5,6 3,8 4,21 3% 0
15 5,8 3,6 4,51 3% 0
16 5,1 3,8 4,65 3% 7
17 5,1 3,7 4,45 3% 7
18 5,6 3,6 3,75 3% 7
19 5,1 3,6 3,87 3% 14
20 4,4 3,6 3,89 3% 14
B. Syntax
>library(ICSNP)
>library(openxlsx)
>data=read.xlsx("D:/multivariat/DATA MANOVA.xlsx")
>View(data)
>P =3
>P
>Y11=matrix(c(5.61,5.2,5.85,5.4,5.4,5.3,5.1,4.8,5.36,4,4.6,5.1,5.48,5.6,5.8,5.1,5.
1,5.6,5.1,4.4),10,2)
>Y12=matrix(c(4.1,4.1,4,4,4.1,4,4,4,3.9,3.7,3.9,3.8,3.8,3.8,3.6,3.8,3.7,3.6,3.6,3.6
),10,2)
>Y13=matrix(c(4.19,4.28,4.78,4.49,4.87,4.8,4.14,4.99,4.23,4.08,4.07,4.32,4.66,4
.21,4.51,4.65,4.45,3.75,3.87,3.89),10,2)
>Nj=c(10,10,10)
>Nj
>dfMan1=data.frame(Y=rbind(Y11,Y12,Y13),
>IV=factor(rep(1:P,Nj)))
>manRes1=manova(cbind(Y.1,Y.2)~IV,data=dfMan1)
>manRes1
>summary(manRes1,test="Wilks")
>summary(manRes1,test="Roy")
>summary(manRes1,test="Pillai")
>summary(manRes1,test="Hotelling-Lawley")