Total Poin : 20
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
#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
#Function
av = aov(r ~ tm)
summary(av) #tabel ANOVA
#CONTOH SOAL 2
#Input Data
setwd("D://Statdas")
library(readxl)
vitaminC <- read_excel("DATA ANOVA.xlsx", sheet = "kadar asam")
vitaminC
#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
#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))
#SOAL LATIHAN 1
#Input Data
setwd("D://Statdas")
library(readxl)
Hormone <- read_excel("DATA ANOVA.xlsx", sheet = "latihan no 1")
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
#Function
av = aov(r ~ tm)
summary(av) #tabel ANOVA
#Latihan Soal No 2
setwd("D://Statdas")
library(readxl)
Hormone <- read_excel("DATA ANOVA.xlsx", sheet = "latihan no 2")
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
#Function
av = aov(r ~ tm)
summary(av) #tabel ANOVA
#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
#Function
av = aov(r ~ tm)
summary(av) #tabel ANOVA
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