Dalam jenis desain ini, satu variabel independen memiliki dua level<\/a> dan variabel independen lainnya memiliki empat level.<\/span> <\/p>\n Misalnya, seorang ahli botani ingin memahami pengaruh sinar matahari (tidak ada, rendah, sedang, atau tinggi) dan frekuensi penyiraman (setiap hari atau mingguan) terhadap pertumbuhan spesies tanaman tertentu.<\/span> <\/p>\n Ini adalah contoh desain faktorial 2\u00d74 karena terdapat dua variabel bebas, satu dengan dua tingkat dan satu lagi dengan empat tingkat:<\/span><\/p>\n Dan ada variabel terikat: pertumbuhan tanaman.<\/span><\/p>\n Desain faktorial 2\u00d74 memungkinkan untuk menganalisis efek berikut:<\/span><\/p>\n Pengaruh utama:<\/strong> Ini adalah pengaruh yang dimiliki satu variabel independen terhadap variabel dependen.<\/span><\/p>\n Misalnya, dalam skenario sebelumnya, kita dapat menganalisis efek utama berikut:<\/span><\/p>\n Efek interaksi:<\/strong> Terjadi ketika pengaruh satu variabel independen terhadap variabel dependen bergantung pada tingkat variabel independen lainnya.<\/span><\/p>\n Misalnya, dalam skenario sebelumnya, kita dapat menganalisis efek interaksi berikut:<\/span><\/p>\n Kita dapat melakukan ANOVA dua arah<\/a> untuk menguji secara formal apakah variabel independen memiliki hubungan yang signifikan secara statistik dengan variabel dependen atau tidak.<\/span><\/p>\n Misalnya, kode berikut menunjukkan cara melakukan ANOVA dua arah untuk skenario pabrik hipotetis kami di R:<\/span><\/p>\n Berikut cara menginterpretasikan hasil ANOVA:<\/span><\/p>\n Efek utama #1 (sinar matahari)<\/strong> : Nilai p yang terkait dengan sinar matahari adalah <2e-16<\/strong> . Karena angka ini kurang dari 0,05, berarti paparan sinar matahari mempunyai pengaruh yang signifikan secara statistik terhadap pertumbuhan tanaman.<\/span><\/p>\n Efek utama #2 (Air)<\/strong> : Nilai p yang terkait dengan air adalah 0,016<\/strong> . Karena angka ini kurang dari 0,05, berarti frekuensi penyiraman juga mempunyai pengaruh yang signifikan secara statistik terhadap pertumbuhan tanaman.<\/span><\/p>\n Efek interaksi<\/strong> : Nilai p untuk interaksi antara sinar matahari dan air adalah 0,000061<\/strong> . Karena nilainya kurang dari 0,05 berarti terdapat efek interaksi antara sinar matahari dan air.<\/span><\/p>\n Tutorial berikut memberikan informasi tambahan tentang desain dan analisis eksperimental:<\/span><\/p>\n Panduan lengkap: desain faktorial 2\u00d72<\/a> Desain faktorial 2\u00d74 adalah jenis desain eksperimen yang memungkinkan peneliti memahami pengaruh dua variabel independen terhadap satu variabel dependen. Dalam jenis desain ini, satu variabel independen memiliki dua level dan variabel independen lainnya memiliki empat level. Misalnya, seorang ahli botani ingin memahami pengaruh sinar matahari (tidak ada, rendah, sedang, atau tinggi) dan frekuensi penyiraman (setiap […]<\/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![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/2x4_1.jpg\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/2x4_2.jpg\")
<\/p>\n\n
\n
\n
Tujuan dari desain faktorial 2\u00d74<\/strong><\/span><\/h2>\n
\n
\n
\n
\n
Cara menganalisis desain faktorial 2\u00d74<\/strong><\/span><\/h2>\n
#make this example reproducible<\/span>\nset. seeds<\/span> (0)\n\n#createdata\n<\/span>df <- data. frame<\/span> (sunlight = rep(c(' None<\/span> ', ' Low<\/span> ', ' Medium<\/span> ', ' High<\/span> '), each= 10<\/span> , times= 2<\/span> ),\n water = rep(c(' Daily<\/span> ', ' Weekly<\/span> '), each= 40<\/span> , times= 2<\/span> ),\n growth = c(rnorm(10, 8, 2), rnorm(10, 8, 3), rnorm(10, 13, 2),\n rnorm(10, 14, 3), rnorm(10, 10, 4), rnorm(10, 12, 3),\n rnorm(10, 13, 2), rnorm(10, 14, 4)))\n\n#fit the two-way ANOVA model\n<\/span>model <- aov(growth ~ sunlight * water, data = df)\n\n#view the model output\n<\/span>summary(model)\n\n Df Sum Sq Mean Sq F value Pr(>F) \nsunlight 3 744.1 248.04 34.16 < 2e-16 ***\nwater 1 43.1 43.05 5.93 0.016 * \nsunlight:water 3 195.8 65.27 8.99 1.61e-05 ***\nResiduals 152 1103.5 7.26 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1<\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
Panduan lengkap: desain faktorial 2\u00d73<\/a>
Apa itu ANOVA Faktorial?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"