Analisis perbedaan akurasi model prediksi antar kelompok algoritma dengan ANOVA Satu Arah

Info proyek

• Bidang studiInformatika dan Sistem Informasi
• JenjangSkripsi (S1)
• Jenis metodeStatistika Inferensial
• Perkiraan pengerjaan± 3 hari kerja
• Perangkatscipy.stats f_oneway, levene, tukey_hsd
• HargaRp 300.000 - Rp 2.000.000

Tujuan analisis

Menguji perbedaan atau hubungan akurasi model menurut kelompok algoritma dengan memperhitungkan ukuran data latih menggunakan ANOVA Satu Arah pada taraf signifikansi 5%.

Variabel

Contoh hasil

• 16.692F statistic
• <0.001ANOVA p-value
• 0.252Eta squared
• 0.235Omega squared
• 0.644Levene p-value
• 0.47Shapiro p-value

ANOVA satu arah pada Akurasi model antar 3 kelompok signifikan (F = 16.692, p < 0.001); ukuran efek eta kuadrat 0.252.

Dihitung dari data sintetis sebagai ilustrasi, bukan dari penelitian nyata.

Tentang ANOVA Satu Arah

ANOVA satu arah menguji apakah rata-rata tiga kelompok atau lebih berbeda secara signifikan. Dipakai untuk membandingkan beberapa perlakuan, lalu dilanjutkan uji lanjut untuk mengetahui pasangan yang berbeda.

Langkah pengerjaan

1. 1Rumuskan hipotesis dan kumpulkan data per kelompok
2. 2Uji normalitas residual dan homogenitas varians (Levene)
3. 3Jalankan ANOVA satu arah
4. 4Bila signifikan, lakukan uji lanjut Tukey HSD
5. 5Hitung ukuran efek (eta kuadrat)
6. 6Plot boxplot per kelompok

Asumsi yang perlu diperiksa

• Residual berdistribusi normal
• Varians antar kelompok homogen
• Pengamatan saling bebas

Membaca dan melaporkan hasil

Laporkan F, derajat bebas, p-value, dan eta kuadrat, kemudian pasangan kelompok yang berbeda menurut Tukey. Bila varians tidak homogen, gunakan ANOVA Welch atau uji nonparametrik.

Contoh kode Python

Skrip awal singkat dengan nama variabel proyek ini. Versi yang diserahkan disesuaikan dengan data Anda dan diberi komentar lengkap.

import numpy as np
import matplotlib.pyplot as plt
import scipy.stats as st

rng = np.random.default_rng(26)
algorithm_group = rng.normal(50, 6, 30)   # treatment A
training_set_size = rng.normal(55, 6, 30)   # treatment B
x3 = rng.normal(60, 6, 30)       # treatment C
model_accuracy = np.concatenate([algorithm_group, training_set_size, x3])
groups = [algorithm_group, training_set_size, x3]

print("Levene p:", round(st.levene(*groups).pvalue, 3))
res = st.f_oneway(*groups)
print("F =", round(res.statistic, 3), "p =", round(res.pvalue, 5))

grand = model_accuracy.mean()
ssb = sum(len(g) * (g.mean() - grand) ** 2 for g in groups)
sst = ((model_accuracy - grand) ** 2).sum()
print("Eta squared:", round(ssb / sst, 3))

if res.pvalue < 0.05:
    tk = st.tukey_hsd(*groups)
    print(tk)

plt.boxplot(groups)
plt.xticks([1, 2, 3], ["A", "B", "C"])
plt.ylabel("Response")
plt.show()

Paket dan harga

Pilih seberapa banyak bantuan yang Anda perlukan. Setiap paket yang lebih tinggi sudah mencakup semua item paket di bawahnya. Harga belum termasuk PPN 11%.

• Pembayaran: DP 50% sebelum pekerjaan dimulai, pelunasan setelah hasil diserahkan
• Pajak: Harga belum termasuk PPN 11%
• Data dan integritas akademik: Hasil dihitung dari data penelitian Anda sendiri; Anda yang menulis dan mempertanggungjawabkan naskah, kami membantu analisis dan pemahaman
• Revisi: Maksimal 2 kali revisi termasuk dalam harga (Paket 3: 3 kali)

Pertanyaan umum