{"id":1616,"date":"2023-07-25T15:47:14","date_gmt":"2023-07-25T15:47:14","guid":{"rendered":"https:\/\/statorials.org\/id\/welchs-anova-di-sungai\/"},"modified":"2023-07-25T15:47:14","modified_gmt":"2023-07-25T15:47:14","slug":"welchs-anova-di-sungai","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/welchs-anova-di-sungai\/","title":{"rendered":"Cara melakukan anova welch di r (langkah demi langkah)"},"content":{"rendered":"

<\/p>\n

\n

ANOVA Welch<\/strong> merupakan alternatif dari ANOVA satu arah<\/a> ketika asumsi persamaan varians<\/a> tidak terpenuhi.<\/span><\/p>\n

Contoh langkah demi langkah berikut menunjukkan cara melakukan ANOVA Welch di R.<\/span><\/p>\n

Langkah 1: Buat datanya<\/strong><\/span><\/h3>\n

Untuk menentukan apakah tiga teknik belajar yang berbeda menghasilkan hasil ujian yang berbeda, seorang profesor secara acak menugaskan 10 siswa untuk menggunakan masing-masing teknik (Teknik A, B, atau C) selama seminggu, kemudian memberikan tes dengan tingkat kesulitan yang sama kepada setiap siswa.<\/span><\/p>\n

Hasil ujian 30 siswa disajikan di bawah ini:<\/span><\/p>\n

 #create data frame<\/span>\ndf <-data. frame<\/span> (group = rep<\/span> (c(' A<\/span> ', ' B<\/span> ', ' C<\/span> '), each<\/span> =10),\n                score = c(64, 66, 68, 75, 78, 94, 98, 79, 71, 80,\n                          91, 92, 93, 85, 87, 84, 82, 88, 95, 96,\n                          79, 78, 88, 94, 92, 85, 83, 85, 82, 81))\n\n#view first six rows of data frame\n<\/span>head(df)\n\n   group score\n1 to 64\n2 to 66\n3 to 68\n4 to 75\n5 to 78\n6 to 94<\/strong><\/pre>\n
 Langkah 2: Uji Perbedaan Setara<\/strong><\/span><\/h3>\n
 Selanjutnya, kita dapat melakukan uji Bartlett<\/a> untuk menentukan apakah varians antar kelompok sama.<\/span><\/p>\n
 Jika nilai p<\/a> dari statistik uji berada di bawah tingkat signifikansi tertentu (misalnya \u03b1 = 0,05), maka kita dapat menolak hipotesis nol dan menyimpulkan bahwa tidak semua kelompok memiliki varian yang sama.<\/span><\/p>\n
 Untuk melakukan tes Bartlett kita dapat menggunakan fungsi bartlett.test<\/strong> di basis R, yang menggunakan sintaks berikut:<\/span><\/p>\n
 bartlett.test(rumus, data)<\/strong><\/span><\/p>\n
 Berikut cara menggunakan fungsi ini dalam contoh kita:<\/span><\/p>\n
 #perform Bartlett's test\n<\/span>bartlett. test<\/span> (score ~ group, data = df)\n\n\tBartlett test of homogeneity of variances\n\ndata: score by group\nBartlett's K-squared = 8.1066, df = 2, p-value = 0.01737\n<\/strong><\/pre>\n
 Nilai p ( 0,01737<\/strong> ) dari uji Bartlett lebih kecil dari \u03b1 = 0,05, yang berarti kita dapat menolak hipotesis nol yang menyatakan bahwa setiap kelompok memiliki varians yang sama.<\/span><\/p>\n
 Dengan demikian, asumsi persamaan varians dilanggar dan kita dapat melanjutkan dengan ANOVA Welch.<\/span><\/p>\n
 Langkah 3: Lakukan ANOVA Welch<\/strong><\/span><\/h3>\n
 Untuk melakukan ANOVA Welch di R, kita dapat menggunakan fungsi oneway.test()<\/strong> basis R sebagai berikut:<\/span><\/p>\n
 #perform Welch's ANOVA\n<\/span>oneway. test<\/span> (score ~ group, data = df, var. equal<\/span> = FALSE<\/span> )\n\n\tOne-way analysis of means (not assuming equal variances)\n\ndata: score and group\nF = 5.3492, num df = 2.00, denom df = 16.83, p-value = 0.01591\n<\/strong><\/pre>\n
 Nilai p keseluruhan ( 0,01591<\/strong> ) dari tabel ANOVA kurang dari \u03b1 = 0,05, yang berarti kita dapat menolak hipotesis nol bahwa hasil ujian di antara ketiga teknik belajar adalah sama.<\/span><\/p>\n
 Kami kemudian dapat melakukan tes post hoc untuk menentukan mean kelompok mana yang berbeda. Lihat tutorial berikut untuk melihat cara melakukan berbagai tes post-hoc di R:<\/span><\/p>\n