RStudio : Contoh ANOVA 2 Arah

Daftar nilai akhir mahasiswa:

Lakukan analisis variansi, dan gunakan taraf signifikansi 0.05 untuk menguji hipotesis bahwa : 

1. Keempat mata kuliah itu mempunyai tingkat kesulitan yang sama! 

2. Keempat mahasiswa itu mempunyai kemampuan yang sama!

___________________

Langkah awal lakukan import data : import data - Excel

> library(readxl)

> Rinapert15 <- read_excel("Rinapert15.xlsx", 

+ sheet = "TugasAnova2")

> View(Rinapert15)

> ANOVA2ARAH=data.frame(Rinapert15)

> HasilNilai=Rinapert15$Hasil

> JenisMataKuliah=Rinapert15$`Mata Kuliah`

> Mahasiswa=Rinapert15$Mahasiswa

> shapiro.test(HasilNilai)

 Shapiro-Wilk normality test

data: HasilNilai

W = 0.97526, p-value = 0.915

> ks.test(HasilNilai,"pnorm")

 Asymptotic one-sample Kolmogorov-Smirnov test

data: HasilNilai

D = 1, p-value = 2.531e-14

alternative hypothesis: two-sided

Analisis Uji Normalitas

Hipotesis :

H0 : data berdistribusi normal

H1 : data tidak berdistribusi normal

Statistik Uji :

Berdasarkan hasil uji Shapiro Wilk dan Kolmogorov Smirnov diperoleh p-value>α(0,915>0,05) maka H0 diterima. 

Kesimpulan :

data berdistribusi normal.

> bartlett.test(HasilNilai~JenisMataKuliah, data=Rinapert15)

 Bartlett test of homogeneity of variances

data: HasilNilai by JenisMataKuliah

Bartlett's K-squared = 0.10215, df = 3, p-value = 0.9916

> bartlett.test(HasilNilai~Mahasiswa, data=Rinapert15)

 Bartlett test of homogeneity of variances

data: HasilNilai by Mahasiswa

Bartlett's K-squared = 5.1488, df = 3, p-value = 0.1612

ANALISIS 

Hipotesis :

H0 : varian homogen

H1 : varian tidak homogen

Hasil Nilai berdasarkan jenis mahasiswa

Statistik Uji :

Berdasarkan hasil uji Shapiro Wilk dan Kolmogorov Smirnov diperoleh p-value>α(0,1612>0,05) maka H0 diterima. 

Kesimpulan :

Varian hasil nilai berdasarkan jenis mahasiswa sama.

Hasil Nilai berdasarkan jenis mata kuliah

Statistik Uji :

Berdasarkan hasil uji Shapiro Wilk dan Kolmogorov Smirnov diperoleh p-value>α(0,9916>0,05) maka H0 diterima. 

Kesimpulan :

Varian hasil nilai berdasarkan jenis mata kuliah sama.

> MataKuliah=as.factor(JenisMataKuliah)

> Mahasiswa2=as.factor(Mahasiswa)

> DataAnovaDuaArah=aov(HasilNilai~MataKuliah+Mahasiswa2)

> summary(DataAnovaDuaArah)

            Df Sum Sq Mean Sq F value Pr(>F)   

MataKuliah 3 188.7 62.9 1.449 0.29227   

Mahasiswa2 3 1342.3 447.4 10.305 0.00287 **

Residuals 9 390.8 43.4                   

---

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1