$$\begin{matrix}JKT=\sum_{i,j,k}{Y_{ijk}}^2-FK\\=(12)^2+(15)^2+...+(37)^2-10000\\=1170\\\end{matrix}$$
$$\begin{matrix}JKR=\frac{\sum_{k}{(r_k)^2}}{ab}-FK\\=\frac{(92)^2+(99)^2+(108)^2+(101)^2}{2\times2}-10000\\=32.5\\\end{matrix}$$
Buat Tabel Untuk Total Perlakuan
a0
a1
ΣB = Y.j.
b0
54
119
173
b1
85
142
227
ΣA=Yi..
139
261
400
$$\begin{matrix}JKA=\frac{\sum_{i}{(a_i)^2}}{rb}-FK\\=\frac{(139)^2+(261)^2}{4\times2}-10000\\=930.25\\\end{matrix}$$
$$\begin{matrix}JKB=\frac{\sum_{j}{(b_j)^2}}{ra}-FK\\=\frac{(173)^2+(227)^2}{4\times2}-10000\\=182.25\\\end{matrix}$$
$$\begin{matrix}JK(AB)=\frac{\sum_{i,j}{(a_ib_j)^2}}{r}-FK-JKA-JKB\\=\frac{(54)^2+(85)^2+(119)^2+(142)^2}{4}-10000-930.25-182.25\\=4\\\end{matrix}$$
Catatan: JKP = JKA + JKB + JK(AB)
$$\begin{matrix}JKG=\ JKT\ -\ JKK\ -\ JKA\ -\ JKB\ -JK(AB)\\=1170-32.5-930.25-182.25-4\\=21\\\end{matrix}$$
Tabel 27. Analisis Ragam Rancangan Faktorial Dua Faktor Dalam RAK
Sumber
keragaman
Derajat
Bebas
Jumlah
Kuadrat
Kuadrat
Tengah
F-hitung
F0.05
F0.01
Kelompok (R)
r-1 = 3
32.5
10.833
4.64*
3.86
6.99
Perlakuan
A
a-1 = 1
930.25
930.25
398.679**
5.11
10.56
B
b-1 = 1
182.25
182.25
78.107**
5.11
10.56
AB
(a-1) (b-1) = 1
4
4
1.714
5.11
10.56
Galat
ab(r-1) = 9
21
2.33
Total
abr-1 = 15
1170
Post-Hoc
Berdasarkan analisis ragam, pengaruh interaksi antara Faktor A dan Faktor B tidak nyata, sedangkan kedua pengaruh utamanya nyata sehingga pengujian lanjut hanya dilakukan terhadap pengaruh utama dari kedua faktor yang kita cobakan.
Pada pengujian lanjut ini, perbedaan di antara pasangan rata-rata perlakuan dilakukan dengan menggunakan uji LSD.
Kami berharap bahwa Anda menikmati presentasi ini . Untuk men-download , silahkan rekomendasi presentasi ini kepada teman-teman Anda dalam jaringan sosial . Tombol yang haris diklik terletak di bawah posting ini . Terima kasih .
Tombol:
Uji lanjut dapat dilakukan dengan library emmeans. Pada dasarnya, emmeans menghasilkan output yang mirip dengan uji lanjut seperti TukeyHSD:
library(emmeans) marginal = emmeans(mod,~ LamaFumigasi:Dosis) knitr::kable(head(pairs(marginal,adjust="Tukey"),n=5))
contrastestimateSEdft.ratiop.value2 0 - 4 042.347576201.7038850.1038913knitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni
difflwruprp adj4:0-2:0-4.000000-12.313024.3130180.78131252:16-2:0-6.000000-14.313022.3130180.29872794:16-2:0-4.666667-12.979683.6463520.61584802:32-2:0-6.000000-14.313022.3130180.29872794:32-2:0-18.000000-26.31302-9.6869820.00000822:48-2:0-24.000000-32.31302-15.6869820.0000001Urutan pengurangannya berbeda saja, sehingga hasil emmeans memiliki beda positif dan TukeyHSD memiliki beda negatif. Library multcomp memiliki output yang lebih rapi, yaitu langsung berupa pengelompokan:
## Loading required package: mvtnorm## Loading required package: survival## Loading required package: TH.data## Loading required package: MASS## ## Attaching package: 'MASS'## The following object is masked from 'package:dplyr': ## ## select## ## Attaching package: 'TH.data'## The following object is masked from 'package:MASS': ## ## geyserknitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni0
knitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni1LamaFumigasiDosisemmeanSEdflower.CLupper.CL.group84480.000001.65998720-5.217845.21784a104640.000001.65998720-5.217845.21784a926451.333331.6599872046.1154956.55117b724872.000001.6599872066.7821677.21784c643278.000001.6599872072.7821683.21784c321690.000001.6599872084.7821695.21784d523290.000001.6599872084.7821695.21784d441691.333331.6599872086.1154996.55117d24092.000001.6599872086.7821697.21784d12096.000001.6599872090.78216101.21784dSelain itu, dapat diuji kontras orthogonal dari data ini. Karena hanya ada dua taraf untuk lama fumigasi, kontras hanya dapat dibuat untuk dosis. Misal dibuat kontras untuk membandingkan pengaruh ada dosis (dosis 0 vs lainnya), dosis rendah vs tinggi (16,32 vs 48,64), serta perbandingan antara dosis 16 vs 32 dan 48 vs 64:
knitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni2knitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni3
knitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni4knitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni5
knitr::kable(head(TukeyHSD(aovFact, conf.level=.95)$`LamaFumigasi:Dosis`),n=5) #metode tukey, tapi bisa saja cara lain seperti bonferroni6Dapat juga dibuat polinomial orthogonal, dengan koefisien-koefisien sesuai yang ditentukan saat taraf faktor tersebut 4.