Tugas

TERJEMAH BAB VI BUKU HENDRICK, HAL W.VERCRUYSSEN, MAX

BEHAVIORAL RESEARCH AND ANALYSIS AN INTRODUCTION TO
STATISTICS WITHIN THE CONTEXT OF EXPERIMENTAL DESIGN,
FOURTH EDITION

Diajukan Untuk Memenuhi Tugas-Tugas

Dan Syarat-Syarat Mata Kuliah Metodologi Penelitian

Oleh:

SELVIYANA : 1909200170014
NURIL HUSNA : 1909200170016

PROGRAM PASCA SARJANA

MAGISTER PENDIDIKAN IPA KONSENTRASI FISIKA
UNIVERSITAS SYAH KUALA
DARUSSALAM, BANDA ACEH
2019/2020
 BAB 6
Analisis Multifaktor dari Varians

Ringkasan

1. In practice, the effect of an IV on a DM often depends on the degree of

presence or absence of one or more additional IVs. When this is the
case, there is an interaction between the IVs.
Dalam prakteknya, efek IV pada DM sering tergantung pada tingkat
kehadiran atau tidak adanya satu atau lebih infus tambahan. Ketika ini
terjadi, ada interaksi antara infus.

2. A multiple IV study has an advantage over separate single IV studies

in that we can determine interactions between the IVs. Studies in
which two or more IVs are manipulated simultaneously are referred
to as factorial designs.
Studi IV ganda memiliki keunggulan dibandingkan studi IV tunggal yang
terpisah karena kita dapat menentukan interaksi antara IV. Studi di mana
dua atau lebih infus dimanipulasi secara simultan disebut sebagai desain
faktorial.

3. In a two-factor study, the overall MSbetween may be partitioned into

three parts: MSA, MSB, and MSAB. These, together with MSwithin
comprise the MStotal. As the number of factors in a study increases
arithmetically, the number of possible interactions increases
algebraically
Dalam studi dua faktor, keseluruhan MSBetween dapat dipartisi menjadi tiga
bagian: MSA, MSB, dan MSAB. Ini, bersama dengan MSwithin terdiri dari
MStotal. Seperti banyaknya faktor dalam sebuah penelitian meningkat
secara hitung, jumlah interaksi yang mungkin meningkat secara aljabar.

4. Studies with many factors also result in many treatment conditions

and thus require large numbers of subjects. As a result, studies with
more than four factors are less common.
Studi dengan banyak faktor juga menghasilkan banyak kondisi perawatan
dan karenanya memerlukan banyak jumlah mata pelajaran. Akibatnya,
penelitian dengan lebih dari empat faktor lebih jarang terjadi.
5. Studies in which each level of every factor is crossed with each level of
every other factor are called fully crossed factorial designs. Two
factors are “crossed” when each possible combination of treatment
levels represents a treatment condition in the experiment.
Studi di mana setiap level dari setiap faktor dilintasi dengan setiap level
dari setiap faktor lainnya disebut desain faktorial sepenuhnya
menyeberang. Dua faktor "disilangkan" bila memungkinkan kombinasi
level perawatan mewakili kondisi perawatan dalam percobaan.

6. One way of reducing the number of treatment conditions is to “nest”

the levels of one factor under another factor. Nesting also has a
disadvantage when compared with fully crossed designs in that any
interaction involving the nested factors cannot be tested.
Salah satu cara untuk mengurangi jumlah kondisi perawatan adalah
dengan "menumpuk" tingkat satu faktor di bawah faktor lain. Nesting juga
memiliki kelemahan jika dibandingkan dengan sepenuhnya menyeberang
mendesain bahwa interaksi apa pun yang melibatkan faktor bersarang
tidak dapat diuji.

7. In a factorial study, each partitioned portion of the overall

MSbetween forms the numerator of an F-ratio. As was the case with
the simple ANOVA, an F-ratio is tested by comparing it with the
tabled value of F for the chosen significance level and numerator and
denominator df. Normally, if the interaction F-ratio is significant, the
associated main effects must be cautiously interpreted.
Dalam studi faktorial, setiap bagian yang dipartisi dari keseluruhan
MSbetween antara bentuk pembilang rasio-F. Seperti halnya ANOVA
sederhana, rasio-F diuji dengan membandingkannya dengan nilai F yang
diajukan untuk tingkat signifikansi yang dipilih dan pembilang dan
penyebut df. Biasanya, jika interaksi F-rasio signifikan, efek utama yang
terkait harus ditafsirkan dengan hati-hati.

8. ANOVA designs may be classified as (a) between groups, (b) within

subjects (repeated measures), or (c) mixed designs. In a between-
groups design, the MSA, MSB, and MSAB are divided by the within-
groups error term MSwithin for all F-ratios. In the within-subjects
(repeated measures) design, the MS values are divided by the within-
groups error term for each variable. Thus, MSJ is divided by MSJ/S,
MSK is divided by MSK/S, and MSJK is divided by MSJK/S to yield
the corresponding F-ratios. In the mixed design, the MS terms are
 divided by the residual MS values. Thus, MSA is divided by MSA/S,
MSJ is divided by MSAJ/S, and MSAJ is divided by MSAJ/S to yield
the corresponding F-ratios.
Desain ANOVA dapat diklasifikasikan sebagai (a) antara kelompok, (b)
dalam mata pelajaran (diulangi tindakan), atau (c) desain campuran.
Dalam desain antar kelompok, MSA, MSB, dan MSAB dibagi dengan istilah
kesalahan dalam grup MSwithin untuk semua F-rasio. Di dalam subyek
(tindakan berulang) desain, nilai-nilai MS dibagi dengan istilah kesalahan
dalam-kelompok untuk setiap variabel. Dengan demikian, MSJ dibagi
dengan MSJ / S, MSK dibagi dengan MSK / S, dan MSJK adalah dibagi
dengan MSJK / S untuk menghasilkan F-rasio yang sesuai. Dalam desain
campuran, istilah MS dibagi dengan nilai MS residual. Dengan demikian,
MSA dibagi dengan MSA / S, MSJ dibagi dengan MSAJ / S, dan MSAJ
dibagi oleh MSAJ / S untuk menghasilkan F-rasio yang sesuai.

DEFINISI KATA KUNCI

 Between-Groups Design: Statistical procedure to determine whether

differences between independent groups of subjects are significant.
Desain Antara-Kelompok: Prosedur statistik untuk menentukan apakah
perbedaan antara kelompok-kelompok subjek independen adalah
signifikan.

 df: Degrees of freedom; number of independent observations on

which a statistic is based minus the number of restrictions placed on
the freedom of those observations.
df: Derajat kebebasan; jumlah pengamatan independen yang menjadi dasar
statistik minus jumlah pembatasan yang ditempatkan pada kebebasan
pengamatan tersebut.

 Factorial Design: Study in which two or more independent variables

are manipulated simultaneously.
Desain faktorial: Studi di mana dua atau lebih variabel independen
dimanipulasi serentak.

 Fully Crossed Design: Characteristic of designs in which each level of

every IV is crossed with every level of all other IVs.
Fully Crossed Design: Karakteristik desain di mana setiap level setiap IV
dilintasi setiap tingkat semua IV lainnya.
 Interaction Effect: Circumstance in which the combination of two or
more IVs produces an effect that is not simply an additive
representation of each factor’s effects singly.
Efek I nteraksi: Keadaan di mana kombinasi dua atau lebih IVs
menghasilkan efek itu bukan hanya representasi aditif dari efek masing-
masing faktor secara tunggal.

 Level: Different treatment values for a given IV or factor.

Level: Nilai perawatan yang berbeda untuk IV atau faktor yang diberikan.

 Main Effect: Treating results in multiple IV experiments as though

there was only one IV, variable B, or other factor.
Efek Utama: Memperlakukan hasil dalam beberapa percobaan IV seolah-
olah hanya ada satu IV, variabel B, atau faktor lainnya.

 Mixed Design: Statistical procedure with at least one between-groups

factor and one withinsubjects factor.
Desain Campuran: Prosedur statistik dengan setidaknya satu faktor antara
kelompok dan satu dengan faktor subjek.

 MS: Mean square; sum of squares of the differences between the

observations and the mean divided by its degrees of freedom.
MS: Berarti persegi; jumlah kuadrat dari perbedaan antara pengamatan dan
rata-rata dibagi oleh derajat kebebasannya.

 Multiple IV Experiment: Study employing more than one factor to

examine the interaction of experimental variable on the dependent
measure(s).
Multiple IV Experiment: Studi menggunakan lebih dari satu faktor untuk
menguji interaksi variabel eksperimental pada ukuran dependen.

 Single IV Experiment: Study employing only one experimental factor

with multiple levels.
Eksperimen IV Tunggal: Studi hanya menggunakan satu faktor
eksperimental dengan berbagai tingkatan.

 SS: Sum of squares; sum of squared deviations for some set of scores
about their mean.
SS: Jumlah kuadrat; jumlah penyimpangan kuadrat untuk beberapa set
skor tentang rata-rata mereka.

 Within-Subjects Design: Statistical procedure to determine whether

differences between repeated tests on the same subjects are
significant.
 Dalam-Subjek Desain: Prosedur statistik untuk menentukan apakah
perbedaan antara diulang tes pada mata pelajaran yang sama signifikan.

LATIHAN

1. Dalam studi faktorial 2 × 2 antar kelompok, data berikut diperoleh. Spesifik

tingkat dua dimensi perlakuan sengaja dipilih oleh peneliti.

a. Lakukan analisis varians untuk data ini pada tingkat α = 0,01 dan 0,05
b. Buat grafik cara perlakuan
c. Berdasarkan ANOVA dan inspeksi grafik, jelaskan hasil penelitian ini.

Jawab

11a. Between-groups ANOVA. (antar-kelompok ANOVA)

xi-
besar B1 xi-rata- B2 rata-
kelas metode b1^2 rata metode b2^2 rata
1 1 12.96 ΣX1 46 2 4 9 ΣX1 50
2 4 6.76 X 4.6 4 16 1 X 5
3 9 2.56 σ 2.5 4 16 1 σ 1.7
3 9 2.56 σX 0.8 4 16 1 σX 0.5
A1 4 16 0.36 n 10 5 25 0 n 10
5 25 0.16 5 25 0
5 25 0.16 5 25 0
6 36 1.96 6 36 1
9 81 19.36 7 49 4
8 64 11.56 8 64 9
jumblah 270 58.4 276 26
xi-
B1 xi-rata- B2 rata-
metode b1^2 rata metode b1^2 rata
3 9 16 ΣX1 70 5 25 18.49 ΣX1 93
4 16 9 X 7 7 49 5.29 X 9.3
 6 36 1 σ 2.2 8 64 1.69 σ 2.2
7 49 0 σX 0.7 9 81 0.09 σX 0.7
A2 7 49 0 10 9 81 0.09 10
8 64 1 10 100 0.49
8 64 1 10 100 0.49
8 64 1 11 121 2.89
9 81 4 12 144 7.29
10 100 9 12 144 7.29
532 42 909 44.1

A1 – B1 A1 – B2 A2 – B1 A2 – B2

𝑛 10 10 10 10

ΣX 46 50 70 93

Σ𝑋 2 270 276 532 909

𝑋𝑑 4.6 5.0 7.0 9.3

𝜎 2.5 5.6 7.7 5.4

𝜎𝑥 0.8 1.8 2.4 1.7

 Dengan cran R

A=c(1, 2, 3, 3, 4, 5, 5, 6, 7, 8)
B=c(3, 4, 6, 7, 7, 8, 8, 8, 9, 10)
C=c(2, 4, 4, 4, 5, 5, 5, 6, 7, 8)
D=c(5, 7, 8, 9, 9, 10, 10, 11, 12, 12)

tabel=data.frame(A,B,C,D)
tabel
a=sum(A)
a
b=sum(B)
b
c=sum(C)
c
d=sum(D)
d
tabel=data.frame(A*B*C*D)
tabel
e=sum(A*B*C*D)
e
tabel=data.frame(A^2)
tabel
f=sum((A)^2)
f
tabel=data.frame(B^2)
tabel
g=sum((B)^2)
g
tabel=data.frame(C^2)
tabel
h=sum((C)^2)
h
tabel=data.frame(D^2)
tabel
i=sum((D)^2)
i

(Σ𝑋1 + Σ𝑋2 + Σ𝑋3 + Σ𝑋4 )2

𝑆𝑆𝑡𝑜𝑡𝑎𝑙 = (Σ𝑋12 + Σ𝑋22 + Σ𝑋32 + Σ𝑋42 ) −
𝑁
(46 + 50 + 70 + 93)2
𝑆𝑆𝑡𝑜𝑡𝑎𝑙 = (270 + 276 + 532 + 909) −
40
(259)2
= 1987 −
40
67081
= 1987 −
40
= 1987 − 1677.025

= 309.975

 Dengan cran R

#SStotal

sum(A1B1kuadrat)+sum(A1B2kuadrat)+sum(A2B1kuadrat)+sum(A2B2kuadr
at)
 (sum(A1B1)+sum(A1B2)+sum(A2B1)+sum(A2B2))^2/40

sum(A1B1kuadrat)+sum(A1B2kuadrat)+sum(A2B1kuadrat)+sum(A2B2kuadr
at)-(sum(A1B1)+sum(A1B2)+sum(A2

(Σ𝑋1 )2 (Σ𝑋2 )2 (Σ𝑋3 )2 (Σ𝑋4 )2 (Σ𝑋1 + Σ𝑋2 + Σ𝑋3 + Σ𝑋4 )2

𝑆𝑆𝑏𝑒𝑡𝑤𝑒𝑒𝑛 = + + + −
𝑛1 𝑛2 𝑛3 𝑛4 𝑁

(46)2 (50)2 (70)2 (93)2

𝑆𝑆𝑏𝑒𝑡𝑤𝑒𝑒𝑛 = + + + − 1677.025
10 10 𝑛3 𝑛4

= 211.6 + 250 + 490 + 864.9 − 1677.025

= 1816.5 − 1677.025

= 139.475

 Dengan cran R

#SSbetwen

sum(A1B1)^2/10+sum(A1B2)^2/10+sum(A2B1)^2/10+sum(A2B2)^2/10-
1651.225

(Σ𝑋1 + Σ𝑋2 )2 (Σ𝑋3 + Σ𝑋4 )2 (Σ𝑋1 + Σ𝑋2 + Σ𝑋3 + Σ𝑋4 )2

𝑆𝑆𝐴 = + −
𝑛1 + 𝑛2 𝑛3 + 𝑛4 𝑁

(46 + 50)2 (70 + 93)2

= + − 1677.025
20 20
9216 26569
= + − 1677.025
20 20
= 460.8 + 1328.45 − 1677.025

= 1789.25 − 1677.025

= 112.225

 Dengan cran R

#SSa
(sum(A1B1)+sum(A1B2))^2/20

(sum(A2B1)+sum(A2B2))^2/20

(sum(A1B1)+sum(A1B2))^2/20+(sum(A2B1)+sum(A2B2))^2/20-1651.225

(Σ𝑋1 + Σ𝑋3 )2 (Σ𝑋2 + Σ𝑋4 )2 (Σ𝑋1 + Σ𝑋2 + Σ𝑋3 + Σ𝑋4 )2

𝑆𝑆 𝑩 = + −
𝑛1 + 𝑛3 𝑛2 + 𝑛4 𝑁

(46 + 70)2 (50 + 93)2

= + − 1677.025
20 20
13456 20449
= + − 1677.025
20 20
= 672.8 + 1022.45 − 1677.025

= 1695.25 − 1677.025

= 18.225

 Dengan cran R

#SSb

(sum(A1B1)+sum(A2B1))^2/20

(sum(A1B2)+sum(A2B2))^2/20

441.8+1328.45-1651.225

𝑆𝑆𝐴𝐵 = 𝑆𝑆𝑏𝑒𝑡𝑤𝑒𝑒𝑛 − (𝑆𝑆𝐴 + 𝑆𝑆𝐵 )

= 139.475 − (112.225 + 18.225)

= 139.475 − 130.45

= 9.025

 Dengan cran R

#SSab
 21.025+119.025

147.275-140.05

303.775-147.275

𝑆𝑆𝑤𝑖𝑡ℎ𝑖𝑛 = 𝑆𝑆𝑡𝑜𝑡𝑎𝑙 − 𝑆𝑆𝑏𝑒𝑡𝑤𝑒𝑒𝑛

= 309.975 − 139.475

= 170.5

SS DF MS F 𝐹05 𝐹01

A 11.2.225 1 11.2.225 23.69 4.17 7.56

B 18.225 1 18.225 3.84 4.17 7.56

AB 9.025 1 9.025 1.90 4.17 7.56

WITHIN 170.5 36 4.736

TOTAL 309.975 39
 𝑑𝑓 𝑢𝑛𝑡𝑢𝑘 𝐴, 𝐵, 𝑑𝑎𝑛 𝐴𝐵

𝑁 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑚𝑒𝑡𝑜𝑑𝑒 𝑦𝑎𝑛𝑔 𝑑𝑖 𝑔𝑢𝑛𝑎𝑘𝑎𝑛

𝑁𝑔𝑎𝑏𝑢𝑛𝑔𝑎𝑛 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑔𝑎𝑏𝑢𝑛𝑔𝑎𝑛

𝑛 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑠𝑎𝑚𝑝𝑒𝑙

Rumusnya

𝑁−1=2−1=1

𝑁𝑔𝑎𝑏𝑢𝑛𝑔𝑎𝑛 (𝑛 − 1) = 4(10 − 1) = 4 × 9 = 36

Rumus Untuk MS

𝑆𝑆 112.225
𝑀𝑆 = = = 112.225
𝑑𝑓 1

Rumus untuk F

𝑀𝑆 112.225
𝐹= = = 23.69
𝑀𝑆𝑒 4.736

At the 0.05 level, only the A main effect is significant

Pada level 0,05, hanya efek utama yang signifikan.

1b.Plot kesalahan rata-rata dan standar: (Plot of means and standard error)
1c. Interpretation: The interaction of A and B was not significant (𝑝 > 0.05) nor
was the B main effect (0.05 > 𝑝 > 0.01). However, A2 was significantly
greater than 𝐴1 (𝐹1,36 = 27.37; 𝑝 < 0.01). The significant A effect may also
be illustrated as follows:

Interpretasi: Interaksi A dan B tidak signifikan (𝑝 > 0,05) juga tidak ada efek
utama 𝐵 (0,05 > 𝑝 > 0,01). Namun, A2 secara signifikan lebih besar dari
𝐴1 (𝐹1,36 = 27,37; 𝑝 < 0,01). Efek signifikan A juga dapat digambarkan
sebagai berikut:

2. Menganalisis matriks data 2x4 berikut sebagai desain antar-kelompok,

sepenuhnya dengan desain subjek, dan desain campuran 2 × 4 dengan
tindakan berulang pada faktor kedua. (Sumber: Diadaptasi dari Freedman,
1958, hlm. 585–586; McCall, 1970, hlm. 272– 280).

a. Tampilkan matriks data Σx, Σx2, x , 𝜎, 𝜎 x

b. Perlihatkan tabel ringkasan ANOVA 2 × 4 antar-kelompok.
 c. Perlihatkan tabel ringkasan ANOVA 2 × 4 sepenuhnya dalam subjek.
d. Perlihatkan tabel ringkasan ANOVA 2 × 4 campuran di mana faktor
pertama adalah faktor antara kelompok (yaitu, faktor kedua adalah
ukuran yang diulang untuk setiap subjek dalam yang pertama
kelompok faktor).
e. Mengilustrasikan efek utama dan sarana interaksi dan kesalahan
standar.
f. Lakukan tes post hoc Tukey WSD pada data yang dianalisis dalam
desain antar- kelompok.
g. Ilustrasi hasil WSD menggunakan prosedur garis bawah Duncan.
h. Menginterpretasikan hasil desain ANOVA antar kelompok.
i. Jelaskan perbedaan dalam menemukan setiap desain.

Jawab

3a. Data matrix statistics. (Data Statistik matriks)

1 2 3 4 Efek baris

𝑛 6 𝑛 6 𝑛 6 𝑛 6 𝑛 24

Σ𝑋 13 Σ𝑋 50 Σ𝑋 45 Σ𝑋 475 Σ𝑋 161

A1 Σ𝑋 2 35 Σ𝑋 2 430 Σ𝑋 2 355 Σ𝑋 2 8.83 Σ𝑋 2 1295

𝑋̅ 2.17 𝑋̅ 8.33 𝑋̅ 7.50 𝑋̅ 1.17 𝑋̅ 26.83

𝜎𝑛 1.65 𝜎𝑛 1.63 𝜎𝑛 2.12 𝜎𝑛 0.48 𝜎𝑛 6.57

𝜎𝑋̅ 0.67 𝜎𝑋̅ 0.67 𝜎𝑋̅ 0.87 𝜎𝑋̅ 6 𝜎𝑋̅ 2.68

1 2 3 4 Efek baris

𝑛 6 𝑛 6 𝑛 6 𝑛 6 𝑛 24

Σ𝑋 16 Σ𝑋 49 Σ𝑋 11 Σ𝑋 23 Σ𝑋 99

A2 Σ𝑋 2 56 Σ𝑋 2 415 Σ𝑋 2 31 Σ𝑋 2 99 Σ𝑋 2 601

𝑋̅ 2.67 𝑋̅ 8.17 𝑋̅ 1.83 𝑋̅ 3.83 𝑋̅ 16.50

𝜎𝑛 1.63 𝜎𝑛 1.72 𝜎𝑛 1.47 𝜎𝑛 1.47 𝜎𝑛 6.30

𝜎𝑋̅ 0.67 𝜎𝑋̅ 0.70 𝜎𝑋̅ 0.60 𝜎𝑋̅ 0.60 𝜎𝑋̅ 3.87
Efek
kolom

𝑛 12 𝑛 12 𝑛 12 𝑛 12 𝑛 48

Σ𝑋 29 Σ𝑋 99 Σ𝑋 56 Σ𝑋 76 Σ𝑋 260

Σ𝑋 2 91 Σ𝑋 2 845 Σ𝑋 2 386 Σ𝑋 2 574 Σ𝑋 2 1896

𝑋̅ 4.83 𝑋̅ 16.50 𝑋̅ 9.33 𝑋̅ 12.67 𝑋̅ 43.33

𝜎𝑛 3.28 𝜎𝑛 3.36 𝜎𝑛 3.59 𝜎𝑛 2.64 𝜎𝑛 12.87

𝜎𝑋̅ 1.34 𝜎𝑋̅ 1.37 𝜎𝑋̅ 1.47 𝜎𝑋̅ 1.08 𝜎𝑋̅ 6.55

A=c(1, 4, 3, 1, 2, 2)
B=c(7, 10, 10, 9, 6, 8)
C=c(6, 9, 7, 8, 5, 10)
D=c(9, 7, 10, 10, 8, 9)
E=c(5, 1, 4, 1, 2, 3)
F=c(9, 9, 8, 10, 5, 8)
G=c(1, 0, 3, 1, 2, 4)
H=c(2, 6, 3, 4, 5, 3)

tabel=data.frame(A,B,C,D,E,F,G,H)
tabel
a=sum(A)
a
b=sum(B)
b
c=sum(C)
c
d=sum(D)
d
e=sum(E)
e
f=sum(F)
f
g=sum(G)
g
h=sum(H)
h
tabel=data.frame(A*B*C*D*E*F*G*H)
tabel
i=sum(A*B*C*D*E*F*G*H)
i
tabel=data.frame(A^2)
tabel
j=sum((A)^2)
j
tabel=data.frame(B^2)
tabel
k=sum((B)^2)
k
tabel=data.frame(C^2)
tabel
l=sum((C)^2)
l
tabel=data.frame(D^2)
tabel
m=sum((D)^2)
m
tabel=data.frame(E^2)
tabel
n=sum((E)^2)
n
tabel=data.frame(F^2)
tabel
o=sum((F)^2)
o
tabel=data.frame(G^2)
tabel
p=sum((G)^2)
p
tabel=data.frame(H^2)
tabel
q=sum((H)^2)
q

2b. 2 × 4 tabel ringkasan antar kelompok ANOVA. (2 × 4 between-groups

ANOVA summary table.)

source SS Df MS F F0.5 F0.1 P

A 80.09 1 80.08 8.42 4.08 7.31 <.0001

B 221.17 3 73.72 8.01 2.84 4.31 <.0001

AB 92.08 3 30.69 3.23 2.84 4.31 <.0001

EROR 380.17 40 9.5

TOTAL 487.67 47

2.c. Calculations(peritungan)

(ΣX)2
𝐶=
𝑁
(Σ𝑋1 + Σ𝑋2 + Σ𝑋3 +Σ𝑋4 + Σ𝑋5 + Σ𝑋6 + Σ𝑋7 + Σ𝑋8 )2
=
𝑁
(13 + 50 + 45 + 53 + 16 + 49 + 11 + 23)2
=
48
(260)2
=
48
67600
= = 1408.33
48

 Dengan cran R
#C
sum
(sum(A1B1)+sum(A1B2)+sum(A1B3)+sum(A1B4)+sum(A2B1)+sum(A2
B2)+sum(A2B3)+sum(A2B4))
260^2/48

𝑆𝑆𝑡𝑜𝑡𝑎𝑙 = (Σ𝑋1 2 + Σ𝑋2 2 + Σ𝑋3 2 + Σ𝑋4 2 + Σ𝑋5 2 + Σ𝑋6 2 + Σ𝑋7 2 + Σ𝑋8 2 ) − 𝐶

= (31 + 430 + 355 + 475 + 56 + 415 + 31 + 99) − 1408.33

= 1896 − 1408.33 = 487.67

 Dengan cran R
 #SStotal

sum(A1B1kuadrat)+sum(A1B2kuadrat)+sum(A1B3kuadrat)+sum(A1B4kuadr
at)+sum(A2B1kuadrat)+sum(A2B2kuadrat)+sum(A2B3kuadrat)+sum(A2B4k
uadrat)

1966-1408.333

(Σ𝑋1 + Σ𝑋2 + Σ𝑋3 + (Σ𝑋5 + Σ𝑋6 + Σ𝑋7 + Σ𝑋8 )2

𝑆𝑆𝐽 = −𝐶
(𝑛)(𝑘)

(13 + 50 + 45 + 53)2 + (16 + 49 + 11 + 23)2

= − 1408.33
(6)(4)

25921 + 9801
= − 1408.33
24
= 1488.416 − 1408.33 = 80.086

 Dengan cran R

#SSJ

sum(A1B1)+sum(A1B2)+sum(A1B3)+sum(A1B4)

sum(A2B1)+sum(A2B2)+sum(A2B3)+sum(A2B4)

161^2+99^2

35722/24-1408.333

(Σ𝑋1 + Σ𝑋5 )2 + (Σ𝑋2 + Σ𝑋6 )2 + (Σ𝑋3 + Σ𝑋7 )2 + (Σ𝑋4 + Σ𝑋8 )2

𝑆𝑆𝑘 = −𝐶
(𝑛)(𝑗)

(13 + 16)2 + (50 + 49)2 + (45 + 11)2 + (53 + 23)2

= − 1408.33
(6)(2)

841 + 9801 + 3136 + 5776

= − 1408.33
12
19.55
= − 1408.33
12
 = 1629.5 − 1408.33 = 221.17

 Dengan cran R
#SSk
sum(A1B1)+sum(A2B1)
(29)^2
sum(A1B2)+sum(A2B2)
(99)^2
sum(A1B3)+sum(A2B3)
(56)^2
sum(A1B4)+sum(A2B4)
(76)^2
841+9801+3136+5776
19554/12
1629.5-1408.333

(Σ𝑆1 )2 + (Σ𝑆2 )2 + (Σ𝑆3 )2 + (Σ𝑆4 )2 + (Σ𝑆5 )2 + (Σ𝑆6 )2

𝑆𝑆𝑆 = −𝐶
𝐽𝐾

402 + 462 + 482 + 442 + 352 + 472

= − 1408.33
(2)(4)

= 1423.75 − 1408.33 = 15.42

 Dengan cran R

#SSs
S1=c(1, 7, 6, 9, 23, 5, 9, 1, 2, 17)
S2=c(4, 10, 9, 7, 30, 1, 9, 0, 6, 16)
S3=c(3, 10, 7, 10, 30, 4, 8, 3, 3, 18)
S4=c(1, 9, 8, 10, 28, 1, 10, 1, 4, 16)
S5=c(2, 6, 5, 8, 21, 2, 5, 2, 5, 14)
S6=c(8, 10, 9, 29, 3, 8, 4, 3, 18, 2)

sum(S1)/2
40^2
sum(S2)/2
46^2
sum(S3)/2
48^2
sum(S4)/2
44^2
sum(S5)/2
35^2
sum(S6)/2
 47^2

1600+2116+2304+1936+1225+2209
11390/8
1423.75-1408.3

𝑆𝑆𝐽𝐾
(Σ𝑋1 )2 + (Σ𝑋2 )2 + (Σ𝑋3 )2 + (Σ𝑋4 )2 + (Σ𝑋5 )2 + (Σ𝑋6 )2 + (Σ𝑋7 )2 + (Σ𝑋8 )2
=
𝑛
− 𝐶 − 𝑆𝑆𝐽 − 𝑆𝑆𝑘

(13)2 + (50)2 + (45)2 + (43)2 + (16)2 + (49)2 + (11)2 + (23)2

=
6
− 1408.33 − 80.09 − 221.17

= 1801.67 − 1408.33 − 80.09 − 221.17

= 92.08

 Dengan cran R
#SSjk
sum(A1B1)
13^2
sum(A1B2)
50^2
sum(A1B3)
45^2
sum(A1B4)
53^2
sum(A2B1)
16^2
sum(A2B2)
49^2
sum(A2B3)
11^2
sum(A2B4)
23^2

169+2500+2025+2809+256+2401+121+529
10810/6
1801.667-1408.33-80.09-221.17
 Σ(𝑆𝑢𝑏𝑗𝑒𝑘𝑡𝑜𝑡𝑎𝑙 𝑏𝑎𝑟𝑖𝑠)2
𝑆𝑆𝑗⁄𝑆 = − 𝐶 − 𝑆𝑆𝐽
𝑘
− 𝑆𝑆𝑆

232 + 302 + 302 + 282 + 212 + 292 + 172 + 162 + 182 + 162 + 142 + 182
=
4
− 𝐶 − 𝑆𝑆𝐽 − 𝑆𝑆𝑆

= 1510.00 − 1408.33 − 80.08 − 15.42

= 37

 Dengan cran R

#SSj/s

23^2+30^2+30^2+28^2+21^2+29^2+17^2+16^2+18^2+16^2+14^2+18^2

6040/4

1510.00-1408.33

101.67-80.09

21.58-15.42

62 + 52 + 72 + 22 + 42 + 52 + 162 + 192 +
182 + 192 + 112 + 162 + 72 + 92 + 102 + 92 +
𝑆𝑆𝐾/𝑠 = 72 + 142 + 112 + 132 + 142 + 132 + 122 − 𝐶 − 𝑆𝑆𝑘 − 𝑆𝑆𝑠
2
= 1679 − 1408.33 − 221.17 − 15.42 = 64.92

 Dengan cran R

#SSk/s

6^2+5^2+7^2+2^2+5^2+4^2+16^2+19^2+

18^2+19^2+11^2+16^2+7^2+9^2+10^2+9^2+

7^2+14^2+11^2+13^2+13^2+14^2+13^2+12^2

3358/2

1679-1408.33-221.7-15.42
 𝑆𝑆𝐽𝐾/𝑆 = 𝑆𝑆𝑡𝑜𝑡𝑎𝑙 − 𝑆𝑆𝐽 − 𝑆𝑆𝐾 − 𝑆𝑆𝑠 − 𝑆𝑆𝐽𝐾 − 𝑆𝑆𝐽/𝑆 − 𝑆𝑆𝐾/𝑆

= 487.67 − 80.09 − 221.17 − 15.42 − 92.08 − 37 − 64.92 = 21.67

 Dengan cran R

SSjk/s

557.667-80.09-15.42-221.167-6.16-33.55

Source SS Df MS F 𝐹05 𝐹01 P P

S 15.42 5 3.084

J 80.09 1 80.09 10.82 6.61 16.26 < <

0005 .0005

J/S 37 5 7.4

K 221.7 3 73.72 17.03 3.29 5.42 < .002

0005

K/S 64.92 15 4.328

JK 92.08 3 30.69 2.17 3.29 5.42 < 018

0005

JK/S 211.67 15 14.11

Total 487.67

2d. Calculations(peritungan)

(ΣX)2
𝐶=
𝑁
(Σ𝑋1 + Σ𝑋2 + Σ𝑋3 +Σ𝑋4 + Σ𝑋5 + Σ𝑋6 + Σ𝑋7 + Σ𝑋8 )2
=
𝑁
(13 + 50 + 45 + 53 + 16 + 49 + 11 + 23)2
=
48
 (260)2
=
48
67600
= = 1408.33
48

𝑆𝑆𝑡𝑜𝑡𝑎𝑙 = (Σ𝑋1 2 + Σ𝑋2 2 + Σ𝑋3 2 + Σ𝑋4 2 + Σ𝑋5 2 + Σ𝑋6 2 + Σ𝑋7 2 + Σ𝑋8 2 ) − 𝐶

= (31 + 430 + 355 + 475 + 56 + 415 + 31 + 99) − 1408.33

= 1896 − 1408.33 = 487.67

Σ(𝑆𝑢𝑏𝑗𝑒𝑘𝑡𝑜𝑡𝑎𝑙 𝑏𝑎𝑟𝑖𝑠)2
𝑆𝑆𝑏𝑒𝑡𝑤𝑒𝑒𝑛 = − 𝐶 − 𝑆𝑆𝐽
𝑘
− 𝑆𝑆𝑆

232 + 302 + 302 + 282 + 212 + 292 + 172 + 162 + 182 + 162 + 142 + 182
=
4
−𝐶

= 1510.00 − 1408.33
= 101.67

(Σ𝑋1 + Σ𝑋2 + Σ𝑋3 + (Σ𝑋5 + Σ𝑋6 + Σ𝑋7 + Σ𝑋8)2

𝑆𝑆𝐴 = −𝐶
(𝑛)(𝑘)

(13 + 50 + 45 + 53)2 + (16 + 49 + 11 + 23)2

= − 1408.33
(6)(4)

25921 + 9801
= − 1408.33
24
= 1488.416 − 1408.33 = 80.086

𝑆𝑆𝐴/𝑆 = 𝑆𝑆𝐴 − 𝑆𝑆𝑏𝑒𝑡𝑤𝑒𝑒𝑛

= 80.09 − 101.67

= 21.58
 𝑆𝑆𝑤𝑖𝑡ℎ𝑖𝑛 = 𝑆𝑆𝑡𝑜𝑡𝑎𝑙 − 𝑆𝑆𝑏𝑒𝑡𝑤𝑒𝑒𝑛

= 386.00

(Σ𝑋1 + Σ𝑋5 )2 + (Σ𝑋2 + Σ𝑋6 )2 + (Σ𝑋3 + Σ𝑋7 )2 + (Σ𝑋4 + Σ𝑋8 )2

𝑆𝑆𝐽 = −𝐶
(𝑛)(𝑗)

(13 + 16)2 + (50 + 49)2 + (45 + 11)2 + (53 + 23)2

= − 1408.33
(6)(2)

841 + 9801 + 3136 + 5776

= − 1408.33
12
19.55
= − 1408.33
12
= 1629.5 − 1408.33 = 221.17

𝑆𝑆𝐴𝐽
(Σ𝑋1 )2 + (Σ𝑋2 )2 + (Σ𝑋3 )2 + (Σ𝑋4 )2 + (Σ𝑋5 )2 + (Σ𝑋6 )2 + (Σ𝑋7 )2 + (Σ𝑋8 )2
=
𝑛
− 𝐶 − 𝑆𝑆𝐴 − 𝑆𝑆𝑗

(13)2 + (50)2 + (45)2 + (43)2 + (16)2 + (49)2 + (11)2 + (23)2

=
6
− 1408.33 − 80.09 − 221.17

= 1801.67 − 1408.33 − 80.09 − 221.17

= 92.08

𝑆𝑆𝑤𝑖𝑡ℎ𝑖𝑛 = 𝑆𝑆𝑡𝑜𝑡𝑎𝑙 − 𝑆𝑆𝑏𝑒𝑡𝑤𝑒𝑒𝑛 − 𝑆𝑆𝐽

= 386.00 − 92.08 − 221.17 = 75.72

source SS DF MS F 𝐹05 𝐹01 P P P

Between 101.67 1 80.08 37.10 4.96 10.04 <.0005

A 80.08 10 2.16

A/S 21.58

Within 386.00

J 221.17 3 73.72 30.40 2.92 4.51 <.0005 <.0005 <.0005

AJ 92.08 3 30.69 12.66 2.92 4.51 <.0005 <.0005 <.0005

AJ/S 72.75 30 2.42

Total 487.67 47

a. Tukey’s WSD calculations:

Perhitungan WSD Tukey:
√𝑀𝑆𝐸
WSDinteraksi = q (𝛼, 𝑘, 𝑑𝑓MSE) 𝑛
√2.36
= q (.05,8,40) 6
= (4.521) (0,627)
= 2,85

b. Duncan underline (underscore indicates no significant difference):

Garis bawah Duncan (garis bawah menunjukkan tidak ada perbedaan
signifikan):
1.83.17 2.67 3.83 7.50 8.17 8.33 8.83

c. Interpretation: The effects of the column factor depend on the level of the
row factor such that there are no differences between Row 1 and Row 2 at
the levels of Column 1 and Column 2, but at Column 3 and Column 4,
these differences are significant (p ≤ .002). Within Row 1, the only
significant difference was in the increase from Column 1 to Column 2. For
Row 2, Column 2 was significantly higher than Columns 1, 3, and 4.
 Interpretasi: Efek dari faktor kolom tergantung pada tingkat faktor baris
tersebutbahwa tidak ada perbedaan antara Baris 1 dan Baris 2 pada tingkat
Kolom 1 dan Kolom 2, tetapi pada Kolom 3 dan Kolom 4, perbedaan-
perbedaan ini signifikan (p ≤ 0,002). Dalam Baris 1, satu-satunya perbedaan
yang signifikan adalah peningkatan dari Kolom 1 ke Kolom 2. Untuk Baris 2,
Kolom 2 secara signifikan lebih tinggi daripada Kolom 1, 3, dan 4.

d. Design differences: Although all the F-ratios were different in this case,
the decisions were identical across designs. Regardless of analysis method,
the main and interaction effects were significant at least at the 0.0025 level.
It is important to note the required F values from the F table required for
significance. Despite the fact that the data were identical across designs, as
degrees of freedom change, dramatic changes occur in the critical values
used in decision making. (Note: This problem is based on the example used
in Vercruyssen and Edwards, 1988, originally based on a between-groups
design described in Freedman, 1958, pp. 585–586, and McCall, 1970, pp.
272–280.)
Perbedaan desain: Meskipun semua F-rasio berbeda dalam hal ini, keputusan
identik di seluruh desain. Terlepas dari metode analisis, utama dan interaksi
efeknya signifikan setidaknya pada level 0,0025. Penting untuk mencatat yang
diperlukan Nilai F dari tabel F diperlukan untuk signifikansi. Terlepas dari
kenyataan bahwa data itu 176 Penelitian dan Analisis Perilaku identik di
seluruh desain, saat derajat kebebasan berubah, perubahan dramatis terjadi
pada nilai-nilai kritis yang digunakan dalam pengambilan keputusan. (Catatan:
Masalah ini didasarkan pada contoh digunakan dalam Vercruyssen dan
Edwards, 1988, awalnya didasarkan pada desain antar-kelompok dijelaskan
dalam Freedman, 1958, hlm. 585-586, dan McCall, 1970, hlm. 272–280.)

Jawab:

3. A researcher wants to determine whether differences exist between the

amount of physical fitness improvement that can be achieved between
males and females after members of each sex go through one of two types
of training regimens. One group of each sex participated in a running
program and the other group in a swimming program. Fitness was
determined by measuring the number of minutes it took to return the
individuals to their resting heart rates.
Seorang peneliti ingin menentukan apakah ada perbedaan antara jumlah fisik
peningkatan kebugaran yang dapat dicapai antara pria dan wanita setelah
anggota setiap jenis kelamin menjalani salah satu dari dua jenis rejimen
pelatihan. Satu kelompok dari setiap jenis kelamin berpartisipasi dalam
 program lari dan kelompok lainnya dalam program renang. Kebugaran adalah
ditentukan dengan mengukur jumlah menit yang diperlukan untuk
mengembalikan individu ke mereka detak jantung istirahat.

B1 B2
Swimming Running

A1 8 8
Males 7 9
8 7
5 6
6 7

A2 9 9
Female 6 7
8 8
8 8
7 7

a. Is this ANOVA a between, within, or mixed design? Why?

Apakah ini ANOVA antara, di dalam, atau desain campuran?
Mengapa?
b. Conduct an ANOVA for these data at the 0.05 level of significance.
Lakukan ANOVA untuk data ini pada tingkat signifikansi 0,05.
c. Construct an ANOVA summary table.
Buat tabel ringkasan ANOVA.
d. Interpret the findings.
Tafsirkan temuan.

Jawab:

a. This is a between-groups ANOVA because each group is fully independent

from the other
Ini adalah ANOVA antar-grup karena masing-masing grup sepenuhnya
independen dari yang lain.

b. Between-groups ANOVA
Antara-kelompok ANOVA:
 A1-B1 A1-B2 A2-B2 A2-B2

N 5 5 5 5
∑X 34 37 38 39
∑X 2 238 279 294 307

 Dengan cran R

A=c(8,7,8,5,6)
B=c(8,9,7,6,7)
C=c(9,6,8,8,7)
D=c(9,7,8,8,7)

tabel=data.frame(A,B,C,D)
tabel
a=sum(A)
a
b=sum(B)
b
c=sum(C)
c
d=sum(D)
d
tabel=data.frame(A*B*C*D)
tabel
e=sum(A*B*C*D)
e
tabel=data.frame(A^2)
tabel
f=sum((A)^2)
f
tabel=data.frame(B^2)
tabel
g=sum((B)^2)
g
tabel=data.frame(C^2)
tabel
h=sum((C)^2)
h
tabel=data.frame(D^2)
tabel
i=sum((D)^2)
i
 2

 x2 -
(∑𝑥)
SStotal = 𝑛
2
(34+37+38+39)
= (238+279+294+307) – 20
= 1118 – 1095,2
= 22,8
 Dengan cran R

(sum(A1B1)+sum(A1B2)+sum(A2B1)+sum(A2B2))^2/20

sum(A1B1kuadrat)+sum(A1B2kuadrat)+sum(A2B1kuadrat)+sum(A2B2kuadr
at)-(sum(A1B1)+sum(A1B2)+sum(A2B1)+sum(A2B2))^2/20

2
(∑𝑥)
SSAntara = - x
𝑛
2 2 2 2
(34) (37) (38) (39)
= + + +
5 5 5 5
= 1098 – 1095,2
= 2,8
 Dengan cran R

sum(A1B1)^2/5+sum(A1B2)^2/5+sum(A2B1)^2/5+sum(A2B2)^2/5-1095.2

2
(∑𝑥 𝐴 1 𝐵 1 + ∑𝑥 𝐴2𝐵 1 ) + (∑𝑥 𝐴 1 𝐵2 + ∑𝑥 𝐴2𝐵2)
SSA = 𝑛
2 2
(34+38) (37+39)
= + - 1095,2
10 10
= 1096 – 1095,2
= 0,8
 Dengan cran R

(sum(A1B1)+sum(A2B1))^2/10+(sum(A1B2)+sum(A2B2))^2/10-1095.2

2
(∑𝑥 𝐴 1 𝐵 1 + ∑𝑥 𝐴1𝐵2) + (∑𝑥 𝐴2𝐵1 + ∑𝑥 𝐴2𝐵2)
SSB = 𝑛
2 2
(34+37) (38+39)
= + - 1095,2
10 10
= 1097 – 1095,2
= 1,8
  Dengn cran R

(sum(A1B1)+sum(A1B2))^2/10+(sum(A2B1)+sum(A2B2))^2/10-1095.2

SSAB = SSAntara – (SSA - SSB)

= 2.8 - (0,8+1,8)
= 0,2

 Dengan cran R

2.8-(0.8+1.8)

SSdalam = (SStotal - SSAntara)

= 22,8 – 2,8
= 20

 Dengan cran R

22.8-2.8

c. ANOVA summary table

Tabel ringkasan ANOVA:

Source SS df MS Fcalc F0,05

A 0,8 1 0,8 0,64 4,49

B 1,8 1
AB 0,2 1 1,8 1,44 4,49
Within 20,0 1 0,2 0,16 4,49
Total 22,8 19 1,25

d. In each case Fcalc < 4.49, and therefore not significant; do not reject H0.
Conclude that neither a swimming nor running program is better for
either sex.
Fcalc <4,49, dan ini tidak signifikan: jangan menolak H0. Catatan: program
berenang maupun lari tidak ada perbedaan yang signifikan anatara laki-laki dan
perempuan terhadap peningkatan kebugaran.