{"id":3348,"date":"2023-07-17T23:22:52","date_gmt":"2023-07-17T23:22:52","guid":{"rendered":"https:\/\/statorials.org\/id\/python-anova-tiga-arah\/"},"modified":"2023-07-17T23:22:52","modified_gmt":"2023-07-17T23:22:52","slug":"python-anova-tiga-arah","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/python-anova-tiga-arah\/","title":{"rendered":"Cara melakukan anova tiga arah dengan python"},"content":{"rendered":"

<\/p>\n

\n

ANOVA tiga arah<\/strong> digunakan untuk menentukan apakah terdapat perbedaan yang signifikan secara statistik antara rata-rata tiga atau lebih kelompok independen yang telah didistribusikan pada tiga faktor.<\/span><\/p>\n

Contoh berikut menunjukkan cara melakukan ANOVA tiga arah dengan Python.<\/span><\/p>\n

Contoh: ANOVA tiga arah dengan Python<\/strong><\/span><\/h2>\n

Misalkan seorang peneliti ingin menentukan apakah dua program pelatihan menghasilkan peningkatan rata-rata yang berbeda dalam tinggi lompatan di antara pemain bola basket perguruan tinggi.<\/span><\/p>\n

Peneliti menduga bahwa jenis kelamin dan pembagian (Divisi I atau II) juga dapat mempengaruhi tinggi lompatan, oleh karena itu ia juga mengumpulkan data mengenai faktor-faktor tersebut.<\/span><\/p>\n

Tujuannya adalah melakukan ANOVA tiga arah untuk menentukan bagaimana program pelatihan, jenis kelamin, dan pembagian mempengaruhi tinggi lompatan.<\/span><\/p>\n

Gunakan langkah-langkah berikut untuk melakukan ANOVA tiga arah ini dengan Python:<\/span><\/p>\n

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

Pertama, mari buat pandas DataFrame untuk menampung data:<\/span><\/p>\n

 import<\/span> numpy as<\/span> np\nimport<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' program<\/span> ': np.repeat<\/span> ([1,2],20),\n                   ' gender<\/span> ': np. tile<\/span> (np. repeat<\/span> (['M', 'F'], 10), 2),\n                   ' division<\/span> ': np. tile<\/span> (np. repeat<\/span> ([1, 2], 5), 4),\n                   ' height<\/span> ': [7, 7, 8, 8, 7, 6, 6, 5, 6, 5,\n                              5, 5, 4, 5, 4, 3, 3, 4, 3, 3,\n                              6, 6, 5, 4, 5, 4, 5, 4, 4, 3,\n                              2, 2, 1, 4, 4, 2, 1, 1, 2, 1]})\n\n#view first ten rows of DataFrame \n<\/span>df[:10]\n\n\tprogram gender division height\n0 1 M 1 7\n1 1 M 1 7\n2 1 M 1 8\n3 1 M 1 8\n4 1 M 1 7\n5 1 M 2 6\n6 1 M 2 6\n7 1 M 2 5\n8 1 M 2 6\n9 1 M 2 5\n<\/strong><\/span><\/pre>\n
 Langkah 2: Lakukan ANOVA tiga arah<\/strong><\/span><\/p>\n
 Selanjutnya, kita dapat menggunakan fungsi anova_lm()<\/strong> dari perpustakaan statsmodels<\/strong> untuk melakukan ANOVA tiga arah:<\/span><\/p>\n
 import<\/span> statsmodels. api<\/span> as<\/span> sm\nfrom<\/span> statsmodels. formula<\/span> . api<\/span> import<\/span> ols\n\n#perform three-way ANOVA\n<\/span>model = ols(\"\"\"height ~ C(program) + C(gender) + C(division) +\n               C(program):C(gender) + C(program):C(division) + C(gender):C(division) +\n               C(program):C(gender):C(division)\"\"\", data=df) .fit<\/span> ()\n\nsm. stats<\/span> . anova_lm<\/span> (model, typ= 2<\/span> )\n\n\t                          sum_sq df F PR(>F)\nC(program) 3.610000e+01 1.0 6.563636e+01 2.983934e-09\nC(gender) 6.760000e+01 1.0 1.229091e+02 1.714432e-12\nC(division) 1.960000e+01 1.0 3.563636e+01 1.185218e-06\nC(program):C(gender) 2.621672e-30 1.0 4.766677e-30 1.000000e+00\nC(program):C(division) 4.000000e-01 1.0 7.272727e-01 4.001069e-01\nC(gender):C(division) 1.000000e-01 1.0 1.818182e-01 6.726702e-01\nC(program):C(gender):C(division) 1.000000e-01 1.0 1.818182e-01 6.726702e-01\nResidual 1.760000e+01 32.0 NaN NaN<\/strong><\/span><\/pre>\n
 Langkah 3: Interpretasikan hasilnya<\/strong><\/span><\/p>\n
 Kolom Pr(>F)<\/strong> menampilkan nilai p untuk masing-masing faktor dan interaksi antar faktor.<\/span><\/p>\n
 Dari hasil tersebut, kita dapat melihat bahwa tidak ada interaksi antara ketiga faktor tersebut yang signifikan secara statistik.<\/span><\/p>\n
 Kita juga dapat melihat bahwa ketiga faktor tersebut (program, gender, dan pembagian) signifikan secara statistik dengan nilai p berikut:<\/span><\/p>\n