Kami menggunakan ANOVA dua arah ketika kami ingin mengetahui apakah dua faktor spesifik mempengaruhi variabel respon tertentu.<\/span><\/p>\n Namun terkadang terdapat efek interaksi<\/strong> antara kedua faktor tersebut, yang dapat mempengaruhi cara kita menafsirkan hubungan antara faktor dan variabel respon.<\/span><\/p>\n Misalnya, kita mungkin ingin mengetahui apakah faktor (1) olahraga<\/em> dan (2) jenis kelamin<\/em> memengaruhi variabel respons penurunan berat badan<\/em> . Meskipun kedua faktor tersebut mungkin mempengaruhi penurunan berat badan, ada kemungkinan juga keduanya berinteraksi satu sama lain.<\/span><\/p>\n Misalnya, olahraga mungkin menyebabkan penurunan berat badan pada tingkat yang berbeda pada pria dan wanita. Dalam hal ini terdapat efek interaksi antara olahraga dan gender.<\/span><\/p>\n Cara paling sederhana untuk mendeteksi dan memahami pengaruh interaksi antara dua faktor adalah dengan menggunakan grafik interaksi<\/strong> .<\/span><\/p>\n Ini adalah jenis plot yang menampilkan nilai pas dari variabel respons pada sumbu y dan nilai faktor pertama pada sumbu x. Sedangkan garis-garis pada grafik mewakili nilai faktor kepentingan kedua.<\/span> <\/p>\n Tutorial ini menjelaskan cara membuat dan menafsirkan plot interaksi di R.<\/span><\/p>\n Katakanlah peneliti ingin menentukan apakah intensitas olahraga dan jenis kelamin berdampak pada penurunan berat badan. Untuk menguji hal ini, mereka merekrut 30 pria dan 30 wanita untuk berpartisipasi dalam percobaan di mana mereka secara acak menugaskan 10 dari mereka untuk mengikuti program tanpa olahraga, olahraga ringan, atau olahraga intens selama sebulan.<\/span><\/p>\n Gunakan langkah-langkah berikut untuk membuat bingkai data di R, lakukan ANOVA dua arah, dan buat plot interaksi untuk memvisualisasikan efek interaksi antara olahraga dan gender.<\/span><\/p>\n Langkah 1: Buat datanya.<\/strong><\/span><\/p>\n Kode berikut menunjukkan cara membuat bingkai data di R:<\/span><\/p>\n Langkah 2: Pasangkan model ANOVA dua arah.<\/strong><\/span><\/p>\n Kode berikut menunjukkan cara memasukkan ANOVA dua arah ke data:<\/span><\/p>\n Perhatikan bahwa nilai p ( 0,0141<\/strong> ) untuk interaksi antara olahraga dan gender signifikan secara statistik, yang menunjukkan bahwa terdapat efek interaksi yang signifikan antara kedua faktor tersebut.<\/span><\/p>\n Langkah 3: Buat plot interaksi.<\/strong><\/span><\/p>\n Kode berikut menunjukkan cara membuat plot interaksi untuk olahraga dan gender:<\/span> <\/p>\n Secara umum, jika dua garis plot interaksi sejajar maka tidak ada efek interaksi. Namun, jika garis tersebut bersilangan, kemungkinan besar terjadi efek interaksi.<\/span><\/p>\n Dari grafik tersebut terlihat adanya persilangan garis antara laki-laki dan perempuan, yang menunjukkan kemungkinan adanya pengaruh interaksi antara variabel intensitas olahraga dan gender.<\/span><\/p>\n Hal ini sesuai dengan fakta bahwa nilai p pada hasil tabel ANOVA signifikan secara statistik untuk istilah interaksi dalam model ANOVA.<\/span><\/p>\n Bagaimana melakukan ANOVA satu arah di R<\/a> ANOVA dua arah digunakan untuk menentukan apakah terdapat perbedaan antara rata-rata tiga atau lebih kelompok independen yang dibagi berdasarkan dua faktor. Kami menggunakan ANOVA dua arah ketika kami ingin mengetahui apakah dua faktor spesifik mempengaruhi variabel respon tertentu. Namun terkadang terdapat efek interaksi antara kedua faktor tersebut, yang dapat mempengaruhi cara kita menafsirkan hubungan antara […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"Plot](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/interactionplot1.png\")
<\/p>\n Contoh: plot interaksi di R<\/strong><\/span><\/h3>\n
#make this example reproducible\n<\/span>set.seed(10)\n\n#create data frame\n<\/span>data <- data.frame(gender = rep<\/span> (c(\"Male\", \"Female\"), each<\/span> = 30<\/span> ),\n exercise = rep<\/span> (c(\"None\", \"Light\", \"Intense\"), each<\/span> = 10<\/span> , times<\/span> = 2<\/span> ),\n weight_loss = c(runif(10, -3, 3), runif(10, 0, 5), runif(10, 5, 9),\n runif(10, -4, 2), runif(10, 0, 3), runif(10, 3, 8)))\n\n#view first six rows of data frame\n<\/span>head(data)\n\n gender exercise weight_loss\n1 Male None 0.04486922\n2 Male None -1.15938896\n3 Male None -0.43855400\n4 Male None 1.15861249\n5 Male None -2.48918419\n6 Male None -1.64738030<\/strong><\/pre>\n #fit the two-way ANOVA model\n<\/span>model <- aov(weight_loss ~ gender * exercise, data = data)\n\n#view the model output<\/span>\nsummary(model)\n\n# Df Sum Sq Mean Sq F value Pr(>F) \n#gender 1 15.8 15.80 11.197 0.0015 ** \n#exercise 2 505.6 252.78 179.087 <2e-16 ***\n#gender:exercise 2 13.0 6.51 4.615 0.0141 * \n#Residuals 54 76.2 1.41 \n#---\n#Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1<\/strong><\/pre>\n interaction.plot(x.factor = data$exercise, #x-axis variable<\/span>\n trace.factor = data$gender, #variable for lines<\/span>\n response = data$weight_loss, #y-axis variable<\/span>\n fun = median, #metric to plot<\/span>\n ylab = \"Weight Loss\",\n xlab = \"Exercise Intensity\",\n col = c(\"pink\", \"blue\"),\n lty = 1, #line type<\/span>\n lwd = 2, #linewidth<\/span>\n trace.label = \"Gender\")\n<\/strong><\/pre>\n<\/p>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara melakukan ANOVA dua arah di R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"