Ravilia Miranda Pramesthi

140610170048
SOAL 1:
Observasi secara acak terhadap pengembangan volume semacam zat karena adanya
perubahan temperature telah dilakukan. Hasilnya diperoleh seperti berikut.

Temperatur(˚C)
Jumlah
20 25 30 35 40
10 18 25 27 23
8 16 20 26 20
Pengembangan(%)
9 16 24 25 18
10 15 23 29 20
Jumlah 37 65 92 107 81 382

• Kasus
Kasus diatas adalah kasus mengenai observasi pengembangan volume semacam zat yang
disebabkan oleh perubahan temperature dengan lima tingkatan temperature yang berbeda
(20˚C, 25˚C, 30˚C, 35˚C, 40˚C,), dimana setiap zat memiliki 4 replikasi pada setiap
tingkatan temperaturnya.
Diasumsikan menggunakan taraf signifikansi sebesar 0.05 (α =5%)
• Pengujian Hipotesis

H0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 = 𝜇5
Artinya semua tingkatan temperatur tidak memberikan efek yang berarti terhadap
pengembangan volume semacam zat.

H1: Paling sedikit satu tanda sama dengan tidak berlaku.

Artinya, minimal ada satu tingkatan temperatur yang memberikan efek yang berarti
terhadap pengembangan volume semacam zat.

• Kriteria Uji
Tolak H0 jika F hitung > Ftabel, terima dalam hal lainnya. Atau
Tolak H0 jika P value < α, terima dalam hal lainnya

• Input Data

Analisis data di atas dilakukan dengan menggunakan bantuan software R. Sebelum

dilakukan analisis, data diinput terlebih dahulu dengan syntax sebagai berikut :
> temp <- c(rep(1,4),rep(2,4),rep(3,4),rep(4,4),rep(5,4))
 Ravilia Miranda Pramesthi
140610170048
> pengemb <- c(10,8,9,10,18,16,16,15,25,20,24,23,27,26,25,29,23,20,18,20)
> dataku <- data.frame(temp=factor(temp),pengemb=pengemb)
> dataku

Sehingga akan diperoleh output data sebagai berikut :

• Analisis Varians (ANOVA)

Dengan menggunakan syntax :

> hasil <- aov(pengemb~temp,dataku)

> anova(hasil)

Didapat hasil ANAVA sebagai berikut :

Analysis of Variance Table

Response: pengemb
Df Sum Sq Mean Sq F value Pr(>F)
temp 4 720.8 180.200 62.861 3.435e-09 ***
Residuals 15 43.0 2.867
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Berdasarkan hasil perhitungan di atas, diperoleh bahwa df perlakuan yaitu temperature

sebesar 4, dan df residu adalah 15. Sum of Square(SS) temperatur bernilai 720.8 dan
residunya bernilai 43. Nilai dari Mean of Square (MS) temperatur bernilai 180.200 dan
 Ravilia Miranda Pramesthi
140610170048
residunya bernilai 2.867. Sehingga didapatkan nilai F Value sebesar 62.861 dan nilai
Pr(>F) sebesar 3.435e-09.

Jika dilihat dari nilai p-valuenya, ternyata nilai p-value yang didapatkan lebih kecil dari
nilai α sebesar 0.05 yang berarti H0 ditolak. Serta jika dilihat dari nilai F hitung yang
didapat sebesar 62.861, ternyata lebih besar dari nilai F tabel(4,15) yang bernilai 3.06.

Sehingga dapat disimpulkan dengan taraf signifikansi sebesar 0.05 bahwa H0 ditolak.
Artinya, minimal ada satu tingkatan temperatur yang memberikan efek yang berarti
terhadap pengembangan volume semacam zat.

• Plot Data
Dari data diatas, akan ditampilkan scatter plot untuk melihat bentuk dari data tersebut,
dari plot ini dapat diketahui apakah data diatas termasuk regresi linear biasa atau regresi
lengkung. Plot data dilakukan dengan syntax sebagai berikut :
> plot(temp,pengemb)
25
pengemb

20
15
10

1 2 3 4 5

temp

Dari plot di atas dapat dilihat bahwa data temperature dan pengembangan volume tidak
membentuk suatu pola garis lurus, namun cenderung berbentuk regresi lengkung. Oleh
karena itu, model regresi yang digunakan dapat berupa model regresi kuadratik, kubik,
kuartik, dst. Maka, pencarian model regresi dilakukan dengan menggunakan metode
polinom orthogonal.

• Metode Polinom Orthogonal

Analisis polinom orthogonal dilakukan dengan menggunakan bantuan software R dengan
syntax sebagai berikut :
> linier <- c(-2,-1,0,1,2)
 Ravilia Miranda Pramesthi
140610170048
> kuadratik <- c(2,-1,-2,-1,2)
> kubik <- c(-1,2,0,-2,1)
> kuartik <- c(1,-4,6,-4,1)
> polinom <- data.frame (linier,kuadratik,kubik,kuartik)
> jumlah <- c(37,65,92,107,81)
> ksi <- c(10,14,10,70)
> hasil <- polinom*jumlah
> jum <- colSums(hasil)
> pembilang <- jum^2
> penyebut <- 4*ksi
> JK1 <- pembilang/penyebut
> RJK1 <- JK1/1
> Fhit<-RJK1/2.867
> dke <- 15 ## dari tabel anava
> Ftabel1 <-qf(0.95,1,dke)
> RJK1
>Fhit
>Ftabel1

Dari syntax di atas didapat hasil sebagai berikut :

Dari hasil perhitungan di atas diperoleh nilai F Hitung dibandingkan dengan F Tabel
adalah sebagai berikut:
❖ F hitung (linier) = 147.3665853 > F tabel = 4.543077 (signifikan)
❖ F hitung (kuadratik) = 89.6905675 > F tabel = 4.543077 (signifikan)
❖ F hitung (kubik) = 13.9518661 > F tabel = 4.543077 (signifikan)
❖ F hitung (kuartik) = 0.4036076 < F tabel = 4.543077 (tidak signifikan)
 Ravilia Miranda Pramesthi
140610170048
Ternyata perhitungan memberikan hasil yang signifikan hanya sampai pada model regresi
kubik saja, sementara bentuk kuartik bernilai tidak signifikan.

Sehingga dapat disimpulkan bahwa dengan taraf signifikansi 0.05, efek pola liner,
kuadratik dan kubik yang cocok dan memiliki pola hubungan fungsional pada kasus
observasi secara acak terhadap pengembangan volume semacam zat karena adanya
perubahan temperature.

SOAL 2 :

KELOMPOK
Periode Laki- Perempuan Campuran Jumlah
Laki(k1) (k2) (k3)
3 -2 0
P1 6 -6 -3
(90 menit) -1 0 -5
5 3 -6
Jumlah 13 -5 -14 -6
4 -1 -1
P2 3 3 -5
(100 menit) 6 4 4
4 -3 5
Jumlah 17 3 3 23
5 3 1
P3 7 4 0
(110 menit) 4 5 5
9 -1 5
Jumlah 25 11 11 47
8 4 5
P4 10 5 4
(120 menit) 15 7 1
13 4 7
Jumlah 46 20 17 83
TOTAL 101 29 17 147

• Kasus
Kasus di atas mengenai hasil penilaian latihan keterampilan tiga kelompok anak selama
empat periode latihan, dengan kelompok anak dengan tiga taraf faktor yang terdiri dari
laki-laki, perempuan serta campuran. Sedangkan untuk periode latihan terdapat empat
taraf faktor yang terdiri dari 90 menit, 100 menit, 110 menit, 120 menit.
 Ravilia Miranda Pramesthi
140610170048
Pada kasus ini, periode merupakan data kuantitatif yang memiliki 4 faktor, dan kelompok
merupakan data kualitatif yang memiliki 3 faktor.
Analisis dilakukan dengan menggunakan bantuan software R.
Diasumsikan menggunakan taraf signifikansi sebesar 0.05 (α =5%)

• Pengujian Hipotesis
H01: Ai= 0 artinya tidak terdapat efek faktor periode latihan terhadap hasil penilaian
H02:Bj=0, artinya tidak terdapat efek faktor kelompok anak terhadap hasil penilaian
H03:ABij=0 artinya tidak ada efek interaksi antara kelompok dengan periode
H11: Ai# 0 artinya terdapat efek faktor periode latihan terhadap hasil penilaian
H12:Bj#0, artinya terdapat efek faktor kelompok anak terhadap hasil penilaian
H13:ABij#0 artinya ada efek interaksi antara kelompok dengan periode

• Kriteria Uji
Tolak H0 jika F hitung > Ftabel, terima dalam hal lainnya. Atau
Tolak H0 jika P value < α, terima dalam hal lainnya

• Input Data

Analisis data di atas dilakukan dengan menggunakan bantuan software R. Sebelum

dilakukan analisis, data diinput terlebih dahulu dengan syntax sebagai berikut :
> periode <- c(rep(1,12),rep(2,12),rep(3,12),rep(4,12))
> kelompok <- rep(c(rep(1,4),rep(2,4),rep(3,4)),4)
> hasil <- c(3,6,-1,5,-2,-6,0,3,0,-3,-5,-6,4,3,6,4,-1,3,4,-3,-1,-5,4,5,5,7,4,9,3,4,5,-
1,1,0,5,5,8,10,15,13,4,5,7,4,5,4,1,7)
> dataku <-data.frame(periode=factor(periode),kelompok=factor(kelompok), +
hasil=hasil)
> dataku

Sehingga akan diperoleh output data sebagai berikut :

periode kelompok hasil

1 1 1 3
2 1 1 6
3 1 1 -1
4 1 1 5
5 1 2 -2
 Ravilia Miranda Pramesthi
140610170048
6 1 2 -6
7 1 2 0
8 1 2 3
9 1 3 0
10 1 3 -3
11 1 3 -5
12 1 3 -6
13 2 1 4
14 2 1 3
15 2 1 6
16 2 1 4
17 2 2 -1
18 2 2 3
19 2 2 4
20 2 2 -3
21 2 3 -1
22 2 3 -5
23 2 3 4
24 2 3 5
25 3 1 5
26 3 1 7
27 3 1 4
28 3 1 9
29 3 2 3
30 3 2 4
31 3 2 5
32 3 2 -1
33 3 3 1
34 3 3 0
35 3 3 5
36 3 3 5
37 4 1 8
38 4 1 10
39 4 1 15
40 4 1 13
41 4 2 4
42 4 2 5
43 4 2 7
44 4 2 4
45 4 3 5
46 4 3 4
47 4 3 1
48 4 3 7

• Analisis Varians (ANOVA)

Dengan menggunakan syntax :

> anv <- aov(hasil~kelompok+periode+kelompok*periode,data=dataku)

 Ravilia Miranda Pramesthi
140610170048
> summary(anv)

Didapat hasil ANAVA sebagai berikut :

Df Sum Sq Mean Sq F value Pr(>F)
kelompok 2 258.0 129.00 15.239 1.60e-05 ***
periode 3 355.1 118.35 13.981 3.35e-06 ***
kelompok:periode 6 29.0 4.83 0.571 0.751
Residuals 36 304.8 8.47
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Berdasarkan hasil perhitungan di atas, diperoleh bahwa df untuk kelompok sebesar 2,
periode sebesar 3, df untuk efek interaksi antara kelompok danperiode sebesar 6, dan df
untuk residual sebesar 36.

Dari tabel ANAVA di atas, didapat nilai F untuk kelompok sebesar 15.239, untuk periode
sebesar 13.981, dan sebesar 0.571 untuk interaksi antara kelompok dan periode.

Jika dilihat dari nilai p-value, H0 ditolak jika p-value <α. Hal ini terjadi pada kelompok
dimana p-value kelompok sebesar 1.60e-05 lebih kecil dari α (0.05), serta pada periode
dimana p-value kelompok sebesar 3.35e-06 lebih kecil dari α (0.05), Sedangkan pada efek
interaksi antara kelompok dengan periode memiliki p- value sebesar 0.751 lebih besar
dari α (0.05) sehingga H0 diterima.

Dapat disimpulkan bahwa dengan taraf signifikansi 0.05, terdapat efek faktor periode
latihan dan factor kelompok anak terhadap hasil penilaian Namun tidak ada efek
interaksi antara kelompok dengan periode .

• Polinom Orthogonal
Akan dilihat pola hubungan fungsional pada data periode dengan menggunakan polinom
orthogonal dengan syntax sebagai berikut :
> linier <- c(-3,-1,1,3)
> kuadratik <- c(1,-1,-1,1)
> kubik <- c(-1,3,-3,1)
> polinom <- data.frame (linier,kuadratik,kubik)
> jumlah <- c(-6,23,47,83)
 Ravilia Miranda Pramesthi
140610170048
> ksi <- c(20,4,20)
> hasil <- polinom*jumlah
> jum <- colSums(hasil)
> pembilang <- jum^2
> penyebut <- 12*ksi
> JK1 <- pembilang/penyebut
> RJK1 <- JK1/1
> dke <- 36 ## dari tabel anava
> Ftabel1 <-qf(0.95,1,dke)
>RJK1
>Fhit<-RJK1/8.47
>Fhit
>Ftabel1
Dari syntax diatas, didapat hasil sebagai berikut :

Dari hasil perhitungan di atas diperoleh nilai F Hitung dibandingkan dengan F Tabel
adalah sebagai berikut:
❖ F hitung (linier) = 41.6573200 > F tabel = 4.113165 (signifikan)
❖ F hitung (kuadratik) = 0.1205234 < F tabel = 4.113165 (tidak signifikan)
❖ F hitung (kubik) = 0.1421684 < F tabel = 4.113165 (tidak signifikan)

Ternyata perhitungan memberikan hasil yang signifikan hanya sampai pada model regresi
linier saja, sementara bentuk kuadratik dan kubik bernilai tidak signifikan.

Sehingga dapat disimpulkan bahwa dengan taraf signifikansi 0.05, efek pola liner yang
cocok dan memiliki pola hubungan fungsional pada kasus efek periode latihan
terhadap hasil penilaian.

• Hubungan Fungsional antar Interaksi

Hubungan fungsional antar interaksi dapat dilihat dengan syntax sebagai berikut :
 Ravilia Miranda Pramesthi
140610170048
menggunakan replikasi sebanyak 4, dan dilakukan input data frame :
> rep<-4 ## replikasi
> J1 <- c(13,17,25,46)
> J2 <- c(-5,3,11,20)
> J3 <- c(-14,3,11,17)
> J <- data.frame(J1,J2,J3)
> J <- data.frame(J1,J2,J3)
>J
Didapat hasil sebagai berikut :
J1 J2 J3
1 13 -5 -14
2 17 3 3
3 25 11 11
4 46 20 17
Mencari nilai sum of square dari periode pola linear, kuadratik serta kubik dengan
kelompok anak dengan data periode bersifat kuantitatif.

> ## JK Pl x K
> Pl <- colSums(linier*J)
> PlxK <- sum(Pl^2)/(rep*ksi[1])-(sum(Pl))^2/(3*rep*ksi[1])
> ## JK Pd x K
> Pd <- colSums(kuadratik*J)
> PdxK <- sum(Pd^2)/(rep*ksi[2])-(sum(Pd))^2/(3*rep*ksi[2])
> ## JK Pt x K
> Pt <- colSums(kubik*J)
> PtxK <- sum(Pt^2)/(rep*ksi[3])-(sum(Pt))^2/(3*rep*ksi[3])
> JK2 <- data.frame(PlxK,PdxK,PtxK)
> JK2

Didapat hasil sum of square dari masing-masing interaksi dengan pola linear, kuadratik
serta kubik sebagai berikut :

PlxK PdxK PtxK

1 3.9 24.66667 0.4333333

Mencari nilai mean of square dari periode pola linear, kuadratik serta kubik dengan
kelompok anak dengan data periode bersifat kuantitatif.
 Ravilia Miranda Pramesthi
140610170048
> Ftabel2 <-qf(0.95,2,dke)
> RJK2 <-JK2/2
> RJK2

Didapat hasil mean of square dari masing-masing interaksi dengan pola linear, kuadratik
serta kubik sebagai berikut :

PlxK PdxK PtxK

1 1.95 12.33333 0.2166667

Mencari nilai F hitung dan F tabel

>Fhit2 <- RJK2/8.465

>Fhit2
>Ftabel2

Didapat hasil sebagai berikut :

> Fhit2
PlxK PdxK PtxK
0.2303603 1.45698 0.02559559
> Ftabel2
[1] 3.259446

Dari hasil perhitungan di atas diperoleh nilai F Hitung dibandingkan dengan F Tabel
adalah sebagai berikut:
❖ F hitung (PlxK) = 0.2303603 < F tabel = 3.259446(tidak signifikan)
❖ F hitung (PdxK) = 1.45698 < F tabel = 3.259446(tidak signifikan)
❖ F hitung (PtxK) = 0.02559559 < F tabel = 3.259446(tidak signifikan)

Dapat Disimpulkan bahwa, dengan taraf signifikansi 0.05, tidak ada efek interaksi
antara periode linear, kuadratik, maupun kubik dengan kelompok anak terhadapat
hasil penilaian latihan keterampilan.
 Ravilia Miranda Pramesthi
140610170048
SOAL 3 :
Pengukuran tentang pengembangan volume roti menggunakan sejenis ragi dicatat tiap
dua menit selama lima kali setelah 10 menit dibakar pada temperature tertentu. Hasilnya
diberikan di bawah ini :

Waktu Pengukuran
12' 14' 16' 18' 20'
2.7 2.0 2.0 1.8 1
2.9 1.9 1.7 1.7 1.2
pengembangan dalam cm kubik 3.4 2.1 1.9 1.6 1.3
3.0 2.5 2.1 1.8 0.9
2.8 2.2 1.8 1.6 1.0
jumlah 14.8 10.7 9.5 8.5 5.4

• Kasus
Kasus diatas adalah kasus mengenai observasi pengembangan volume roti menggunakan
sejenis ragi yang dicatat tiap dua menit selama lima kali setelah 10 menit . Waktu yang
dicatat adalah pada saat 12’,14’,16’,18’20’. Dimana setiap waktu yang dicatat memiliki 5
replikasi roti
Diasumsikan menggunakan taraf signifikansi sebesar 0.05 (α =5%)

• Pengujian Hipotesis

H0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 = 𝜇5
Artinya semua tingkatan waktu pembakaran tidak memberikan efek yang berbeda
terhadap pengembangan volumeroti

H1: Paling sedikit satu tanda sama dengan tidak berlaku.

Artinya, minimal ada satu tingkatan waktu pembakaran yang memberikan efek yang
berarti terhadap pengembangan volume roti.

• Kriteria Uji
Tolak H0 jika F hitung > Ftabel, terima dalam hal lainnya. Atau
Tolak H0 jika P value < α, terima dalam hal lainnya
 Ravilia Miranda Pramesthi
140610170048
• Input Data

Analisis data di atas dilakukan dengan menggunakan bantuan software R. Sebelum

dilakukan analisis, data diinput terlebih dahulu dengan syntax sebagai berikut :
> waktu <- c(rep(1,5),rep(2,5),rep(3,5),rep(4,5),rep(5,5))
>pengemb<-c(2.7,2.9,3.4,3,2.8,2,1.9,2.1,2.5,2.2,2,1.7,1.9,2.1,1.8,1.8,1.7,1.6,1.8,1.6,1,
1.2,1.3,0.9,1)
> dataku <- data.frame(waktu=factor(waktu),pengemb=pengemb)
> dataku

Sehingga akan diperoleh output data sebagai berikut :

• Analisis Varians (ANOVA)

Dengan menggunakan syntax :

> hasil <- aov(pengemb~waktu,dataku)

> anova(hasil)

Didapat hasil ANAVA sebagai berikut :

Analysis of Variance Table

Response: pengemb
Df Sum Sq Mean Sq F value Pr(>F)
waktu 4 9.3896 2.3474 62.431 5.155e-11 ***
 Ravilia Miranda Pramesthi
140610170048
Residuals 20 0.7520 0.0376
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Berdasarkan hasil perhitungan di atas, diperoleh bahwa df perlakuan yaitu waktu
pembakaran sebesar 4, dan df residu adalah 15. Sum of Square(SS) waktu pembakaran
bernilai 9.3896 dan residunya bernilai 0.7520. Nilai dari Mean of Square (MS) waktu
pembakaran bernilai 2.3474 dan residunya bernilai 0.0376 Sehingga didapatkan nilai F
Value sebesar 62.4311 dan nilai Pr(>F) sebesar 5.155e-11.

Jika dilihat dari nilai p-valuenya, ternyata nilai p-value yang didapatkan lebih kecil dari
nilai α sebesar 0.05 yang berarti H0 ditolak. Serta jika dilihat dari nilai F hitung yang
didapat sebesar 62.4311, ternyata lebih besar dari nilai F tabel(4,20) yang bernilai 2.87

Sehingga dapat disimpulkan dengan taraf signifikansi sebesar 0.05 bahwa H0 ditolak.
Artinya, minimal ada satu tingkatan waktu pembakaran yang memberikan efek
yang berarti terhadap pengembangan volume roti.

• Plot Data
Dari data diatas, akan ditampilkan scatter plot untuk melihat bentuk dari data tersebut,
dari plot ini dapat diketahui apakah data diatas termasuk regresi linear biasa atau regresi
lengkung. Plot data dilakukan dengan syntax sebagai berikut :
> plot(waktu,pengemb)
3.5
3.0
2.5
pengemb

2.0
1.5
1.0

1 2 3 4 5

waktu

Dari plot di atas, untuk memastikan polinom yang cocok dan efek-efek polinom
orthogonal mana sajakah yang menjadi pola fungsional untuk pengembangan volume roti
berdasarkan waktu pembakaran, maka akan dicari menggunakan polinom orthogonal.
 Ravilia Miranda Pramesthi
140610170048

• Metode Polinom Orthogonal

Analisis polinom orthogonal dilakukan dengan menggunakan bantuan software R dengan
syntax sebagai berikut :
> linier <- c(-2,-1,0,1,2)
> kuadratik <- c(2,-1,-2,-1,2)
> kubik <- c(-1,2,0,-2,1)
> kuartik <- c(1,-4,6,-4,1)
> polinom <- data.frame (linier,kuadratik,kubik,kuartik)
> jumlah <- c(14.8,10.7,9.5,8.5,5.4)
> ksi <- c(10,14,10,70)
> hasil <- polinom*jumlah
> jum <- colSums(hasil)
> pembilang <- jum^2
> penyebut <- 5*ksi
> SS <- pembilang/penyebut
> SS
> MS <- SS/1
>MS
> Fhit<-MS/0.0376
> dke <- 20 ## dari tabel anava
> Ftabel1 <-qf(0.95,1,dke)
> Fhit
> Ftabel1
Dari syntax di atas didapat hasil sebagai berikut :

- SS
linier kuadratik kubik kuartik
8.8200000000 0.0691428571 0.5000000000 0.0004571429

- MS
linier kuadratik kubik kuartik
8.8200000000 0.0691428571 0.5000000000 0.0004571429

- Fhit
linier kuadratik kubik kuartik
234.57446809 1.83890578 13.29787234 0.01215805
 Ravilia Miranda Pramesthi
140610170048

- Ftabel1
4.351244

Dari hasil perhitungan di atas diperoleh nilai F Hitung dibandingkan dengan F Tabel
adalah sebagai berikut:
❖ F hitung (linier) = 234.57446809 > F tabel = 4.35124(signifikan)
❖ F hitung (kuadratik) = 1.83890578< F tabel = 4.351244(tidak signifikan)
❖ F hitung (kubik) = 13.29787234 > F tabel = 4.351244(signifikan)
❖ F hitung (kuartik) = 0.01215805< F tabel = 4.351244 (tidak signifikan)

Ternyata perhitungan memberikan hasil yang signifikan pada model regresi

linier dan kubik saja. sementara bentuk kuadratik dan kuartik bernilai tidak signifikan.

Sehingga dapat disimpulkan bahwa dengan taraf signifikan 5%, efek pola liner dan
kubik yang cocok dan memiliki pola hubungan fungsional pada efek waktu
pembakaran terhadap pengembanagan volume roti menggunakan sejenis ragi.