<\/p>\n
ANOVA satu arah<\/a> digunakan untuk menentukan apakah terdapat perbedaan yang signifikan secara statistik antara rata-rata tiga atau lebih kelompok independen.<\/span><\/p>\n Tutorial ini memberikan panduan lengkap tentang cara menginterpretasikan hasil ANOVA satu arah di R.<\/span><\/p>\n Misalkan kita ingin menentukan apakah tiga program pelatihan yang berbeda menghasilkan rata-rata penurunan berat badan yang berbeda pada setiap individu.<\/span><\/p>\n Untuk mengujinya, kami<\/span> merekrut 90 orang untuk berpartisipasi dalam eksperimen yang secara acak kami menugaskan 30 orang untuk mengikuti Program A, Program B, atau Program C selama sebulan.<\/span><\/p>\n Kode berikut membuat bingkai data yang akan kita gunakan:<\/span><\/p>\n Selanjutnya, kita akan menggunakan perintah aov()<\/strong> untuk melakukan ANOVA satu arah:<\/span><\/p>\n Selanjutnya, kita akan menggunakan perintah ringkasan()<\/strong> untuk menampilkan hasil ANOVA satu arah:<\/span><\/p>\n Berikut cara menginterpretasikan setiap nilai hasil:<\/span><\/p>\n Program Df:<\/strong> Derajat kebebasan variabel program<\/em> . Ini dihitung sebagai #grup -1. Dalam hal ini terdapat 3 program latihan yang berbeda, sehingga nilainya adalah: 3-1 = 2<\/strong> .<\/span><\/p>\n Df Residuals:<\/strong> Derajat kebebasan residu. Ini dihitung sebagai #total observasi \u2013 #kelompok. Dalam hal ini terdapat 90 observasi dan 3 kelompok, sehingga nilainya adalah: 90 -3 = 87<\/strong> .<\/span><\/p>\n Program Sum Sq:<\/strong> Jumlah kuadrat yang terkait dengan variabel program<\/em> . Nilai ini adalah 98,93<\/strong> .<\/span><\/p>\n Jumlah sisa kuadrat:<\/strong> jumlah kuadrat yang terkait dengan sisa atau \u201ckesalahan\u201d. Nilai ini adalah 139,57<\/strong> .<\/span><\/p>\n Kotak sedang. Program:<\/strong> Jumlah rata-rata kuadrat yang terkait dengan program. Ini dihitung sebagai jumlah kuadrat. program\/program Df. Dalam hal ini, dihitung sebagai: 98.93 \/ 2 = 49.46<\/strong> .<\/span><\/p>\n Kotak sedang. Residual:<\/strong> jumlah rata-rata kuadrat yang terkait dengan residu. Ini dihitung sebagai jumlah kuadrat. residu\/residu Df. Dalam hal ini dihitung sebagai berikut: 139.57 \/ 87 = 1.60<\/strong> .<\/span><\/p>\n Nilai F :<\/strong> Statistik F keseluruhan model ANOVA. Ini dihitung sebagai kuadrat rata-rata. program \/ Mean kuadrat. Residu. Dalam hal ini dihitung sebagai berikut: 49.46 \/ 1.60 = 30.83<\/strong> .<\/span><\/p>\n Pr(>F):<\/strong> Nilai p yang terkait dengan statistik F dengan pembilang df = 2 dan penyebut df = 87. Dalam hal ini, nilai p adalah 7.552e-11<\/strong> , yang merupakan angka yang sangat kecil.<\/span><\/p>\n Nilai yang paling penting dalam kumpulan hasil adalah nilai p, karena nilai ini memberi tahu kita jika terdapat perbedaan yang signifikan dalam nilai rata-rata antara ketiga kelompok.<\/span><\/p>\n Ingatlah bahwa ANOVA satu arah menggunakan hipotesis nol dan hipotesis alternatif berikut:<\/span><\/p>\n Karena nilai p dalam tabel ANOVA kami (0,7552e-11) kurang dari 0,05, kami memiliki cukup bukti untuk menolak hipotesis nol.<\/span><\/p>\n Artinya, kami memiliki cukup bukti untuk mengatakan bahwa rata-rata penurunan berat badan yang dialami individu tidak sama antara ketiga program pelatihan.<\/span><\/p>\n Jika nilai p pada keluaran ANOVA kurang dari 0,05, kami menolak hipotesis nol. Hal ini menunjukkan bahwa nilai rata-rata antar masing-masing kelompok tidak sama. Namun, hal ini tidak memberi tahu kita kelompok mana<\/em> yang berbeda satu sama lain.<\/span><\/p>\n Untuk mengetahuinya, kita perlu melakukan tes post hoc<\/a> . Di R, kita bisa menggunakan fungsi TukeyHSD()<\/strong> untuk melakukan ini:<\/span><\/p>\n Berikut cara menafsirkan hasilnya:<\/span><\/p>\n Karena masing-masing nilai p yang disesuaikan kurang dari 0,05, kita dapat menyimpulkan bahwa terdapat perbedaan rata-rata penurunan berat badan yang signifikan antara masing-masing<\/em> kelompok.<\/span><\/p>\n Pengantar ANOVA Satu Arah<\/a> ANOVA satu arah digunakan untuk menentukan apakah terdapat perbedaan yang signifikan secara statistik antara rata-rata tiga atau lebih kelompok independen. Tutorial ini memberikan panduan lengkap tentang cara menginterpretasikan hasil ANOVA satu arah di R. Langkah 1: Buat datanya Misalkan kita ingin menentukan apakah tiga program pelatihan yang berbeda menghasilkan rata-rata penurunan berat badan yang berbeda […]<\/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 Langkah 1: Buat datanya<\/strong><\/h3>\n
#make this example reproducible\nset. seeds<\/span> (0)\n<\/span>\n#create data frame\ndata <- data. frame<\/span> (program = rep(c(' A<\/span> ', ' B<\/span> ', ' C<\/span> '), each = 30),\n weight_loss = c(runif(30, 0, 3),\n runif(30, 0, 5),\n runif(30, 1, 7)))<\/span>\n\n#view first six rows of data frame\nhead(data)\n<\/span>\nprogram weight_loss\n1 A 2.6900916\n2 A 0.7965260\n3 A 1.1163717\n4 A 1.7185601\n5 A 2.7246234\n6 A 0.6050458<\/span>\n<\/span><\/strong><\/pre>\n Langkah 2: Lakukan ANOVA<\/strong><\/h3>\n
#fit one-way ANOVA model\nmodel <- aov(weight_loss ~ program, data = data)<\/span>\n<\/span><\/strong><\/pre>\n Langkah 3: Interpretasikan hasil ANOVA<\/strong><\/span><\/h3>\n
#view summary of one-way ANOVA model\nsummary(model)\n\n Df Sum Sq Mean Sq F value Pr(>F) \nprogram 2 98.93 49.46 30.83 7.55e-11 ***\nResiduals 87 139.57 1.60 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n<\/span><\/span><\/strong><\/pre>\n\n
Langkah 4: Lakukan Pengujian Post-Hoc (Jika Perlu)<\/strong><\/span><\/h3>\n
#perform Tukey post-hoc test\nTukeyHSD(model)\n\n$program\n diff lwr upr p adj\nBA 0.9777414 0.1979466 1.757536 0.0100545\nCA 2.5454024 1.7656076 3.325197 0.0000000\nCB 1.5676610 0.7878662 2.347456 0.0000199\n<\/span><\/span><\/strong><\/pre>\n\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Bagaimana cara memeriksa asumsi ANOVA<\/a>
Cara melakukan ANOVA satu arah secara manual<\/a>
Kalkulator ANOVA satu arah<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"