1. Suatu agen kerja telah melakukan penelitian untuk menentukan pengaruh dari jenis
pekerjaan dan jenis kelamin pada lama kerja. Sampel acak independen dari karyawan
yang bekerja dalam layanan, teknologi, penjualan, keamanan, dan tenaga kerja diperoleh.
Lama kerja (dalam minggu) dari setiap penugasan dicatat. Berikut adalah bagian dari
tabel ringkasan ANOVA.
𝐾𝑇𝐺
𝐽𝐾𝐺
=
𝑎𝑏(𝑛 − 1)
202.42
=
50
= 4.0484
Total 422.48 59
𝑎𝑏𝑛 − 1
= 60 − 1
= 59
a = 2, b = 5
𝑑𝑓 𝑔𝑎𝑙𝑎𝑡 = 𝑎b(𝑛 − 1)
50 = 2 ∗ 5 (𝑛 − 1)
50 = 10(𝑛 − 1)
𝑛 = 6
Total pengamatan = 𝑎 ∗ 𝑏 ∗ 𝑛
=2x5x6
= 60
Hipotesis :
𝐻0 : Tidak ada pengaruh interaksi terhadap jenis kelamin dan jenis pekerjaan.
𝐻1 : terdapat pengaruh interaksi terhadap jenis kelamin dan jenis pekerjaan.
Statistik uji:
𝐾𝑇𝐴𝐵
𝐹𝐴𝐵 = 𝐾𝑇𝐺
Kriteria keputusan :
𝑎 = 2, 𝑏 = 5, 𝑛 = 4, 𝐹0.01 ((𝑎−1)(𝑏−1) , 𝑎𝑏(𝑛−1)) =𝐹0.01 (4,50) = 3.719545
> qf(0.99,4,50)
[1] 3.719545
𝐻0 ditolak jika𝐹𝐴𝐵 > 3.719545 atau 𝐻0 ditolak jika p-value < 0.01
Hitungan :
𝐾𝑇𝐴𝐵 4.835
𝐹𝐴𝐵 = = 4.0484 = 1.194 atau p-value = 0.3250051
𝐾𝑇𝐺
> 1-pf(1.194,df1=4,df2=50)
[1] 0.3250051
Kesimpulan :
karena 𝐹𝐴𝐵 = 1.194 < 3.719545 atau p-value = 0.3250051 > 0.01 maka 𝐻0
diterima
d. Apakah ada bukti pengaruh jenis kelamin atau jenis pekerjaan terhadap lama
kerja? Lakukan pengujian hipotesis. Gunakan 𝜶 = 𝟎. 𝟎𝟏.
Hipotesis :
𝐻0 : Tidak ada pengaruh interaksi terhadap jenis kelamin.
𝐻1 : Ada pengaruh interaksi terhadap jenis kelamin.
Statistik uji :
𝐾𝑇𝐴
𝐹𝐴 = 𝐾𝑇𝐺
Kriteria keputusan :
𝐻0 ditolak jika 𝐹𝐴 > 𝐹0.01 ((𝑎−1) , 𝑎𝑏(𝑛−1)) =𝐹0.01 (1,50) = 7.170577 atau
p-value < 0.01
> qf(0.99,1,50)
[1] 7.170577
Hitungan :
𝐾𝑇𝐴 16.33
𝐹𝐴 = = 4.0484 = 4.033 atau p-value = 0.0500358
𝐾𝑇𝐺
Hipotesis :
𝐻0 : Tidak ada pengaruh interaksi terhadap jenis pekerjaan.
𝐻1 : Ada pengaruh interaksi terhadap jenis pekerjaan.
Taraf signifikansi : 𝛼 = 0.01
Statistik uji:
𝐾𝑇𝐵
𝐹𝐵 = 𝐾𝑇𝐺
Kriteria keputusan:
𝐻0 ditolak jika 𝐹𝐵 > 𝐹0.01((b−1) , 𝑎𝑏(𝑛−1)) =𝐹0.01 (4,50) = 3.719545
atau p-value < 0.01
> qf(0.99,4,50)
[1] 3.719545
Hitungan :
𝐾𝑇𝐵 46.0975
𝐹𝐵 = 𝐾𝑇𝐺 = 4.0484 = 11.3865 atau p-value = 1.202566e-06
Kesimpulan :
karena 𝐹𝐵 = 11.3865 > 3.719545 atau p-value = 1.202566e-06 < 0.01 maka
𝐻0 ditolak
Lakukan analisis variansi dua arah. Interpretasikan hasilnya. Gunakan 𝛼 = 0.001 untuk
setiap pengujian hipotesis.
a) Buat plot rata-rata respons dan berikan interpretasi.
b) Tentukan hipotesis nol dan hipotesis alternatif dalam kalimat dan simbol.
➢ Uji Pengaruh Interaksi :
H0 : Tidak ada pengaruh interaksi antara tipe penyelaman dan kelompok umur
terhadap waktu menyelam.
H1 : Ada pengaruh interaksi antara tipe penyelaman dan kelompok umur
terhadap waktu menyelam.
➢ Uji pengaruh utama kelompok umur (Faktor A):
H0 : Tidak ada pengaruh kelompok umur terhadap waktu menyelam.
H1 : Ada pengaruh kelompok umur terhadap waktu menyelam.
$Age.group
diff lwr upr p adj
20-30->=50 2.4375 -2.1341163 7.009116 0.1529136
30-40->=50 4.8750 0.3033837 9.446616 0.0004170
40-50->=50 3.9375 -0.6341163 8.509116 0.0056109
30-40-20-30 2.4375 -2.1341163 7.009116 0.1529136
40-50-20-30 1.5000 -3.0716163 6.071616 0.5558817
40-50-30-40 -0.9375 -5.5091163 3.634116 0.8431479
❖ IK 99.9% bagi 𝜇 30-40 > 𝜇 >=50 adalah 0.30338 dan 9.44661. Sehingga dapat disi
mpulkan bahwa rata-rata waktu penyelaman lebih tinggi kelompok dengan um
ur >=50 daripada kelompok dengan umur 30-40(𝜇 30-40 > 𝜇 >=50)
❖ IK 99.9% bagi beda rata-rata waktu penyelaman dari kelompok umur lain me
muat 0,sehingga tidak ada perbedaan rata-rata waktu penyelaman
➢ Uji perbandingan berganda pengaruh Tipe penyelaman (factor B) dengan uji tukey
❖ Pada uji perbandingan pengaruh Tipe penyelam dengan uji tukey tidak dilakuk
an karena H0 diterima.
➢ Uji perbandingan berganda pengaruh interaksi dengan uji tukey.
> levels(int)
[1] ">=50.Cave" "20-30.Cave" "30-40.Cave" "40-50.
Cave" ">=50.Open water"
[6] "20-30.Open water" "30-40.Open water" "40-50.Open water"
> pchisq(0.999,7)
[1] 0.005155348
➢ Kesimpulan :
Karena Bartlett’s K-squared = 8.8143 dan P-value = 0.2663 > 0.001 maka H0
diterima. Jadi pada taraf signifikansi 0.001 dapat disimpulkan bahwa kedelapan
populasi memiliki variansi yang sama (asumsi homogenitas variansi terpenuhi)
data: grup1
W = 0.95797, p-value = 0.7906
data: grup2
W = 0.96507, p-value = 0.8568
data: grup3
W = 0.95899, p-value = 0.8004
data: grup4
W = 0.96849, p-value = 0.8859
data: grup6
W = 0.94526, p-value = 0.6635
data: grup7
W = 0.97862, p-value = 0.9558
data: grup8
W = 0.94293, p-value = 0.6402
sample(x=3:6,size=1,replace=FALSE)
Output:
> sample(x=3:6,size=1,replace=FALSE)
[1] 6
6. ingots.dat.txt. Dari dataset eksperimen konstruksi plat baja, lakukan analisis variansi dua
arah untuk mengetahui pengaruh pre-treatment dan metode slabbing terhadap breaking
strain.
Dataset: ingots.dat
Source: Riley (1887). Some Investigations as to the Effects of Different
Methods
of Treatment of Mild Steel in the Manufacture of Plates. Journal of the
Iron and
Steel Institute, Vol. 30 #1, pp. 121-162
Variables/Columns
Pre treatment 8 (1=Reheated,0=Soaked)
Slabbing Method 16 (1=Hammered, 0=Cogged)
Slab Thickness 24 (4ò,8ò)
Plate Thickness 29-32 (1ò,0.5ò,0.25ò)
Annealing 40 (1=Yes,0=No)
Breaking Strain 45-48
Contraction of Area 53-56
Interpretasi:
• Terlihat adanya gars-garis yang paralel sehingga mengindikasikan tidak adanya
pengaruh interaksi pre-tratment dengan metode slabbing.
• Dari plot teerlihat bahwa rata-rata breaking strain bagi kedua pre-treatment lebih kuat
pada metode hammered dbanding metode cogged.
• Pada pre-treatment Reheated, terlihat adanya perbedaan rata-rata breaking strain yang
cukup besar antara metode Hammered dibanding metode cogged. Rata-rata breaking
strain pre-treatment Soaked antara pada kedua metode hampir sama.
b) Tentukan hipotesis nol dan hipotesis alternatif dalam kalimat dan simbol.
Uji bagi pengaruh interaksi
Hipotesis:
𝐻0 : (𝛼𝛽)11 = (𝛼𝛽)12 = ⋯ = (𝛼𝛽)22 (Tidak ada pengaruh interaksi pre-treatment dan
metode slabbing terhadap breaking strain)
𝐻1 : ∃(𝛼𝛽)𝑖𝑗 ≠ 0, 𝑖 = 1,2; 𝑗 = 1,2 (Ada pengaruh interaksi pre-treatment dan metode
slabbing terhadap breaking strain)
Uji pengaruh utama faktor A (pre-treatment)
Hipotesis:
𝐻0 : 𝛼1 = 𝛼2 = 0 (Tidak ada pengaruh pre-treatment terhadap breaking strain)
𝐻1 : ∃𝛼𝑖 ≠ 0, 𝑖 = 1,2,3,4,5 (Ada pengaruh pre-treatment terhadap breaking strain)
Uji pengaruh utama faktor B (metode slabbing)
Hipotesis:
𝐻0 : 𝛽1 = 𝛽2 = 0 (Tidak ada pengaruh metode slabbing terhadap breaking strain)
𝐻1 : 𝛽𝑗 ≠ 0, 𝑗 = 1,2 (Ada pengaruh metode slabbing terhadap breaking strain)
c) Jika taraf signifikansi 𝛼 = 0.05, maka tentukan kriteria keputusan yang bersesuaian.
Uji bagi pengaruh interaksi
Kriteria keputusan:
𝑎 = 2, 𝑏 = 2, 𝑛 = 1, 𝐹0.05((𝑎−1)(𝑏−1),𝑎𝑏(𝑛−1)) = 𝐹0.05(1,44) =4.06170646
> a<-nlevels(pretrt)
> a
[1] 2
> b<-nlevels(method)
> b
[1] 2
> n<-12
> qf(0.95,df1 = (a-1)*(b-1),df2 = a*b
*(n-1))
[1] 4.06170646
𝐻0 ditolak jika 𝐹𝐴𝐵 > 4.06170646 atau 𝐻0 ditolak jika 𝑝 − 𝑣𝑎𝑙𝑢𝑒 < 0.05
Uji pengaruh utama faktor A (pre-treatment)
Kriteria keputusan:
𝑎 = 2, 𝑏 = 2, 𝑛 = 1, 𝐹0.05(𝑎−1,𝑎𝑏(𝑛−1)) = 𝐹0.05(1,44) = 4.06170646
> qf(0.95,df1 = a-1,df2 = a*b*(n-1))
[1] 4.06170646
𝐻0 ditolak jika 𝐹𝐴 > 4.06170646 atau 𝐻0 ditolak jika 𝑝 − 𝑣𝑎𝑙𝑢𝑒 < 0.05
Uji pengaruh utama faktor B (metode slabbing)
Kriteria keputusan:
𝑎 = 2, 𝑏 = 2, 𝑛 = 1, 𝐹0.05(𝑏−1,𝑎𝑏(𝑛−1)) = 𝐹0.05(1,44) = 4.06170646
> qf(0.95,df1 = b-1,df2 = a*b*(n-1))
[1] 4.06170646
𝐻0 ditolak jika 𝐹𝐵 > 4.06170646 atau 𝐻0 ditolak jika 𝑝 − 𝑣𝑎𝑙𝑢𝑒 < 0.05
> tapply(breaking,int,sum)
Soaked.Cogged Reheated.Cogged Soaked.Hammered Reheated.Hamme
red
336.2 332.7 338.8 34
0.0
> tapply(breaking,pretrt,sum)
Soaked Reheated
675.0 672.7
> tapply(breaking,method,sum)
Cogged Hammered
668.9 678.8
+ 26.12 + 27.82 +
26.52 + 28.62 + 27.22 + 27.72 + 262 + 29.32 + 27.62 + 292 + 25.82 + 27.92
+ 27.32 +
28.72 + 27.92 + 28.42 + 27.62 + 28.72 + 27.82 + 292 + 272 + 292 + 26.32
+ 31.72 +
27.62 + 29.12 + 26.82 + 30.62 + 27.82 + 30.42 + 26.42 + 312 + 28.42
+ 29.72 + 27.42 +
1347.72
32.62 + 26.52 + 31.52 + 27.12 ) −
48
= 37955.27 − 37839.485208333 = 115.784791667
∑2𝑖=1 𝑡𝑖2 𝑡…2 672.72 + 675.02 1347.72
𝐽𝐾𝐴 = − = −
(2)(12) (2)(2)(12) 24 48
= 37839.595416666 − 37839.485208333 = 0.11021
∑2𝑗=1 𝑡𝑗2 𝑡…2 678.82 + 668.92 1347.72
𝐽𝐾𝐵 = − = −
(2)(12) (2)(2)(12) 24 48
= 37841.527083332 − 37839.485208333 = 2.0418
∑2𝑖=1 ∑2𝑗=1 𝑡𝑖𝑗
2
∑2𝑖=1 𝑡𝑖2 ∑2𝑗=1 𝑡𝑗2 𝑡…2
𝐽𝐾𝐴𝐵 = − − +
(12) (2)(12) (2)(12) (2)(2)(12)
340.0 + 332.72 + 338.82 + 336.22
2
= − 37839.595416666
12
− 37841.527083332
+37839.485208333
= 37842.0975 − 37839.595416666 − 37841.527083332 + 37839.485208333
= 0.460208335
𝐽𝐾𝐺 = 𝐽𝐾𝑇 − 𝐽𝐾𝐴 − 𝐽𝐾𝐵 − 𝐽𝐾𝐴𝐵
= 115.784791667 − 0.11021 − 2.0418 − 0.460208335 = 113.17
Menghitung F hitung
𝐾𝑇𝐴 0.11021
𝐹𝐴 = = = 0.04285
𝐾𝑇𝐺 2.572
𝐾𝑇𝐵 2.0418
𝐹𝐵 = = = 0.7938569
𝐾𝑇𝐺 2.572
𝐾𝑇𝐴𝐵 0.460208335
𝐹𝐴𝐵 = = = 0.1789
𝐾𝑇𝐺 2.572
Tabel ANOVA
Derajat
Sumber variansi Jumlah kuadrat Kuadrat tengah F p-value
bebas
Faktor A 0.11021 1 0.11021 0.04285 𝑝𝐴
Faktor B 2.0418 1 2.0418 0.7938569 𝑝𝐵
Interaksi 0.460208335 1 0.460208335 0.1789 𝑝𝐴𝐵
Galat 113.17 44 2.572
Total 115.784791667 47
Dengan R:
> options(digits = 10)
> fit<-aov(breaking~pretrt*method)
> summary(fit)
Df Sum Sq Mean Sq F value Pr(>F)
pretrt 1 0.11021 0.1102083 0.04285 0.83697
method 1 2.04188 2.0418750 0.79385 0.37778
pretrt:method 1 0.46021 0.4602083 0.17892 0.67436
Residuals 44 113.17250 2.5721023
Kesimpulan:
Uji bagi pengaruh interaksi
Kesimpulan: 𝐹𝐴𝐵 = 0.1789, 𝑝 − 𝑣𝑎𝑙𝑢𝑒 > 0.05
Oleh karena 𝐹𝐴𝐵 = 0.1789 < 4.06170646 (atau 𝑝 − 𝑣𝑎𝑙𝑢𝑒 =0.67436 > 0.05) maka 𝐻0
tidak ditolak. Jadi pada taraf signifikansi 0.05 dapat disimpulkan bahwa tidak ada
pengaruh interaksi pre-treatment dan metode slabbing terhadap breaking strain.
Uji pengaruh utama faktor A (pre-treatment)
Kesimpulan: 𝐹𝐴 = 0.04285, 𝑝 − 𝑣𝑎𝑙𝑢𝑒 > 0.05
Oleh karena 𝐹𝐴 = 0.04285 < 4.06170646 (atau 𝑝 − 𝑣𝑎𝑙𝑢𝑒 =0.83697 > 0.05) maka 𝐻0
tidak ditolak. Jadi pada taraf signifikansi 0.05 dapat disimpulkan bahwa tidak ada
pengaruh pre-treatment terhadap breaking strain.
Uji pengaruh utama faktor B (metode slabbing)
Kesimpulan: 𝐹𝐵 = 0.7938569, 𝑝 − 𝑣𝑎𝑙𝑢𝑒 > 0.05
Oleh karena 𝐹𝐵 = 0.7938569 < 4.06170646 (atau 𝑝 − 𝑣𝑎𝑙𝑢𝑒 =0.37778 > 0.05) maka
𝐻0 tidak ditolak. Jadi pada taraf signifikansi 0.05 dapat disimpulkan bahwa tidak ada
pengaruh metode slabbing terhadap breaking strain.
e) Jika hipotesis pada pengaruh interaksi ditolak, lakukan perbandingan berganda dengan
prosedur Tukey. Berikan kesimpulan dan rekomendasi. Gunakan 𝛼 = 0.05.
Karena hipotesis pada pengaruh interaksi tidak ditolak maka tidak dilakukan
perbandingan berganda dengan prosedur Tukey.
f) Jika hipotesis pada pengaruh interaksi tidak ditolak, lakukan perbandingan berganda
dengan prosedur Tukey pada pengaruh faktor utama yang signifikan. Berikan kesimpulan
dan rekomendasi. Gunakan 𝛼 = 0.05.
Karena pengaruh pada faktor utama tidak signifikan pada uji anava dua arah, maka tidak
didak dilakukan perbandingan berganda dengan prosedur Tukey pada pengaruh faktor
utama.
data: grup2
W = 0.96987836, p-value = 0.909526
> grup3<-subset(ingot$breaking,ingot$int=="Soaked.Hammered")
> shapiro.test(grup3)
data: grup3
W = 0.82538916, p-value = 0.01848067
> grup4<-subset(ingot$breaking,ingot$int=="Reheated.Hammered")
> shapiro.test(grup4)
> levels(int)
[1] "Soaked.Cogged" "Reheated.Cogged" "Soaked.Hammered" "Rehe
ated.Hammered"
> bartlett.test(breaking~int,data = ingot)
Hipotesis:
𝐻0 = 𝜎12 = 𝜎22 = 𝜎32 = 𝜎42
𝐻1 = ∃𝜎𝑖2 ≠ 𝜎𝑗2 , 𝑖 ≠ 𝑗, 𝑖, 𝑗 = 1,2,3,4
Oleh karena Bartlett’s K-squared =3.4398717 dan 𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0.3286447 > 0.05
maka 𝐻0 tidak ditolak. Jadi pada taraf signifikansi 0.05 dapat disimpulkan bahwa
keempat populasi memiliki variansi yang sama. (Asumsi homogenitas variansi terpenuhi)