CONTOH : Lakukan analisis variansi, dan ujilah hipotesis pada taraf signifikansi 0.05 bahwa rata-rata lamanya tablet itu mengurangi rasa sakit adalah sama untuk kelima tablet sakit kepala berikut ini:
Panggil package Rcmdr dengan
> library(Rcmdr)
1. Klik Data – Import data – From Excel file
2. Selanjutnya pilih Statistics lalu Pilih Summaries – Test of Normality
3. Pilih Data yang akan diuji normalitas - Misalkan kita akan menguji dengan uji Liliefors/Kolmogorov Smirnov - OK
RcmdrMsg: [7] NOTE: The dataset rina_per13 has 25 rows and 2 columns.
Rcmdr> normalityTest(~Data, test="lillie.test", data=rina_per13)
Lilliefors (Kolmogorov-Smirnov) normality test
data: Data
D = 0.11919, p-value = 0.4766
Analisis Uji Normalitas dengan Kolmogorov Smirnov :
Hipotesis :
H0 : data berdistribusi normal
H1 : data tidak berdistribusi normal
Hasil Kriteria Uji :
Karena p-value >α (0,4766>0,05) maka H0 diterima
Kesimpulan :
Varian data tersebut berdistribusi normal.
Karena data berdistribusi normal, maka akan dilanjut dengan Uji ANOVA, sebagai berikut.
Uji ANOVA
Rcmdr> AnovaModel.2 <- aov(Data ~ Variabel, data=rina_per13)
Rcmdr> summary(AnovaModel.2)
Df Sum Sq Mean Sq F value Pr(>F)
Variabel 4 79.76 19.94 7.669 0.000647 ***
Residuals 20 52.00 2.60
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Rcmdr> with(rina_per13, numSummary(Data, groups=Variabel, statistics=c("mean",
Rcmdr+ "sd")))
mean sd data:n
A 5.6 1.516575 5
B 7.8 1.303840 5
C 4.0 2.000000 5
D 2.8 1.303840 5
E 6.6 1.816590 5
Analisis ANOVA:
Hipotesis :
H0 : Waktu hilangnya rasa sakit tiap tipe data sama
H1 : Waktu hilangnya rasa sakit tiap tipe data berbeda
Hasil Kriteria Uji :
Karena p-value<α (0,000647<0,05) maka H0 ditolak
Kesimpulan :
Waktu hilangnya rasa sakit tiap tipe data berbeda




Tidak ada komentar:
Posting Komentar