TES AKHIR PRAKTIKUM

MA2081 STATISTIKA DASAR

Materi : ANOVA Nama / NIM : Muhammad Luthfi Idhar
Muharom/12121098
Shift (Hari Jam) : . . . K-02 Sapto Wahyu Indratno S.Si., M.Sc.,
Ph.D.

Total Poin : 20

I. Masalah dalam soal (10% point)

II. Syntax R (25% point)

III. Keluaran R (25% point)

IV. Diskusi Pengolahan Data dan Interpretasi (40% point)

Tes akhir diupload pada folder “Submisi Tes Akhir” dengan nama file TA_Praktikum ke-_NIM.docx
(contoh : TA_5_12111111.docx) .
#CONTOH SOAL 1
#Input Data
setwd("D://Statdas")
library(readxl)
Hormone <- read_excel("DATA ANOVA.xlsx", sheet = "contoh hormone")
Hormone

#Bentuk data menjadi sebuah vektor

r = c(t(as.matrix(Hormone)))

#Variabel perlakuan
f = c("Au","Si","Gi") #faktor variabel perlakuan
k=3 #banyak perlakuan
n=5 #banyak pengamatan per perlakuan
N=15 #banyak seluruh pengamatan

#Vektor faktor perlakuan sesuai vektor r

tm = gl(k,1,n*k,factor(f))

#Function
av = aov(r ~ tm)
summary(av) #tabel ANOVA

#F critical atau tabel

df1 = k-1
df2 = N-k
alpha = 0.05
Fcrit = qf(1-alpha,df1,df2)
Fcrit

#CONTOH SOAL 2
#Input Data
setwd("D://Statdas")
library(readxl)
vitaminC <- read_excel("DATA ANOVA.xlsx", sheet = "kadar asam")
vitaminC

#Bentuk data menjadi sebuah vektor

r1 = c(t(as.matrix(vitaminC$`0_hari`)))
r2 = c(t(as.matrix(vitaminC$`3_hari`)))
r3 = c(t(as.matrix(vitaminC$`7_hari`)))
r2 = na.omit(r2) #menghapus missing value
r3 = na.omit(r3)
r=c(r1,r2,r3)

#Variabel perlakuan
f=c("0 hari","3 hari","7 hari") #faktor variabel perlakuan
k=3 #banyak perlakuan
n1=length(r1) #banyak pengamatan pada perlakuan ke-1
n2=length(r2) #banyak pengamatan pada perlakuan ke-2
n3=length(r3) #banyak pengamatan pada perlakuan ke-3

N=n1+n2+n3 #banyak seluruh pengamatan

#Vektor faktor perlakuan sesuai vektor r

tm = factor(rep(f,times=c(n1,n2,n3)))

#Function
av = aov(r ~ tm)
summary(av) #tabel ANOVA

#CONTOH SOAL 3
#Input Data
setwd("D://Statdas")
library(readxl)
df = read_excel("DATA ANOVA.xlsx",sheet = "contoh soal sistem rudal")
df=df[,2:5]
r=c(t(as.matrix(df)))
f1 = c("a1","a2","a3")
f2 = c("b1","b2","b3","b4")
k1 = length(f1)
k2 = length(f2)
n=2

#vektor perlakuan
rudal = gl(k1,n*k2,n*k1*k2,factor(f1))
bahanbakar = gl(k2,1,n*k1*k2,factor(f2))

#tabel ANOVA two way

av <- aov(r ~ bahanbakar*rudal)
summary(av)

#SOAL LATIHAN 1
#Input Data
setwd("D://Statdas")
library(readxl)
Hormone <- read_excel("DATA ANOVA.xlsx", sheet = "latihan no 1")
Hormone

#Bentuk data menjadi sebuah vektor

r = c(t(as.matrix(Hormone)))

#Variabel perlakuan
f = c("Jan","Feb","Mar") #faktor variabel perlakuan
k=3 #banyak perlakuan
n=10 #banyak pengamatan per perlakuan
N=30 #banyak seluruh pengamatan

#Vektor faktor perlakuan sesuai vektor r

tm = gl(k,1,n*k,factor(f))

#Function
av = aov(r ~ tm)
summary(av) #tabel ANOVA

#F critical atau tabel

df1 = k-1
df2 = N-k
alpha = 0.05
Fcrit = qf(1-alpha,df1,df2)
Fcrit

#Diperoleh bahwa fhitung < ftabel maka pernyataan tidak ditolak

#Tidak ada perbedaan produksi minyak pada bulan Januari, Februari, dan Maret

#Latihan Soal No 2
setwd("D://Statdas")
library(readxl)
Hormone <- read_excel("DATA ANOVA.xlsx", sheet = "latihan no 2")
Hormone

#Bentuk data menjadi sebuah vektor

r = c(t(as.matrix(Hormone)))

#Variabel perlakuan
f = c("Jan","Feb","Mar") #faktor variabel perlakuan
k=4 #banyak perlakuan
n=4 #banyak pengamatan per perlakuan
N=16 #banyak seluruh pengamatan

#Vektor faktor perlakuan sesuai vektor r

tm = gl(k,1,n*k,factor(f))

#Function
av = aov(r ~ tm)
summary(av) #tabel ANOVA

#F critical atau tabel

df1 = k-1
df2 = N-k
alpha = 0.05
Fcrit = qf(1-alpha,df1,df2)
Fcrit
#Latihan soal no 4
#CONTOH SOAL 2
#Input Data
setwd("D://Statdas")
library(readxl)
nilai_stat <- read_excel("DATA ANOVA.xlsx", sheet = "latihan no 4")
nilai_stat

#Bentuk data menjadi sebuah vektor

r1 = c(t(as.matrix(nilai_stat$`A`)))
r2 = c(t(as.matrix(nilai_stat$`B`)))
r3 = c(t(as.matrix(nilai_stat$`C`)))
r2 = na.omit(r2) #menghapus missing value
r3 = na.omit(r3)
r=c(r1,r2,r3)

#Variabel perlakuan
f=c("0 hari","3 hari","7 hari") #faktor variabel perlakuan
k=3 #banyak perlakuan
n1=length(r1) #banyak pengamatan pada perlakuan ke-1
n2=length(r2) #banyak pengamatan pada perlakuan ke-2
n3=length(r3) #banyak pengamatan pada perlakuan ke-3

N=n1+n2+n3 #banyak seluruh pengamatan

#Vektor faktor perlakuan sesuai vektor r

tm = factor(rep(f,times=c(n1,n2,n3)))

#Function
av = aov(r ~ tm)
summary(av) #tabel ANOVA

#F critical atau tabel

df1 = k-1
df2 = N-k
alpha = 0.05
Fcrit = qf(1-alpha,df1,df2)
Fcrit

#Diperoleh bahwa fhitung < ftabel maka pernyataan tidak ditolak

#Tidak ada perbedaan yang berarti dalam nilai rata-rata yang diberikan oleh ketiga pengajar

Analisis Variansi (ANOVA) adalah salah satu metode untuk menguji apakah terdapat
perbedaan yang signifikan antara rata-rata dari tiga atau lebih kelompok populasi, melalui
ukuran-ukuran penyebaran (variansi) dari masing-masing kelompok populasi tersebut.
Asumsi
• Populasi yang akan diuji berdistribusi normal
• Variansi dari populasi tersebut sama
• Populasi tidak berhubungan satu dengan yang lainnya (saling bebas)
Misalkan terdapat k populasi. Sampel acak ukuran n diambil masing-masing dari k populasi.
Diketahui bahwa k populasi itu saling bebas dan berdistribusi normal dengan rataan
μ1 , μ 2, … , μ kdan variansi σ 2 .
1. Definisikan hipotesis nol dan tandingan.
H 0 : μ1=μ2=…=μ k
H 1 : μ i ≠ μ j , i≠ j
2. Hitung besaran-besaran dalam ANOVA

(∑ ∑ ) ( ∑ )
k ni 2 ni 2

y ij k ni k
y ij
b=∑ ∑ y c= ∑
i=1 j=1 2 j=1
a= ij
N i=1 j=1 i=1 ni
3. Tabel ANOVA
4. Daerah Penolakan:
Ho ditolak jika f hitung > f α ( k−1 , N −k ) atau p-value < α

ANOVA TWO-WAY
Dalam ANOVA dwifaktor kita akan mencoba melihat dua faktor yang berpengaruh dalam
suatu percobaan dan juga interaksi dari kedua faktor tersebut.
Pandanglah n replikasi pada tiap kombinasi perlakuan, faktor A diamati pada a taraf dan
faktor B diamati pada b taraf. Dapat dilihat pada matriks, yang barisnya menyatakan taraf
faktor A dan kolom menyatakan taraf faktor B .Kombinasi perlakuan menentukan suatu sel
dalam matrik. Terdapat sebanyak ab sel, masing-masing berisi n pengamatan. Pengamatan
ke-k yang diambil pada taraf ke-i dari A dan taraf ke- j dari B disebut y ijk .

Langkah2nya
1. Hipotesis-hipotesis yang ingin diuji adalah :
'
a. H 0 :α 1=α 2=…=α a=0
'
H 1 : paling sedikit satu α i yang tidak sama dengan 0
''
b. H 0 : β 1=β 2=…=β b=0
''
H 1 : paling sedikit satu β j yang tidak sama dengan 0
' ''
c. H 0 :(αβ )11=(αβ )12=…=(αβ )ab=0
H '1' : paling sedikit satu (αβ )ij yang tidak sama dengan 0
2. Hitung jumlah kuadrat
3. Hitung JKA, JKB, JK(AB), JKG, dan JKT
JKA dan JKB masing-masing menyatakan jumlah kuadrat pengaruh utama A dan B. JK(AB)
jumlah kuadrat interaksi A dan B serta JKG jumlah kuadrat galat.
JKT=JKA+ JKB+ JK ( AB )+ JKG
4. Buat tabel ANOVA two-way