HP CS Kami 0852.25.88.77.47(AS), 0857.0.1111.632(IM3), email:IDTesis@gmail.com

Analysis Of Covariance (Ancova)

ANCOVA merupakan teknik analisis yang berguna untuk meningkatkan presisi sebuah percobaan karena di dalamnya dilakukan pengaturan terhadap pengaruh peubah bebas lain yang tidak terkontrol. ANCOVA digunakan jika peubah bebasnya mencakup variable kuantitatif dan kualitatif. Dalam ANCOVA digunakan konsep ANOVA dan analisis regresi. Dalam ancova kita membandingkan variable tergantung (Y) ditinjau dari variable bebas (X1) sekaligus menghubungkan variable tergantung tersebut dengan variable bebas lainnya (X2). Variable X2 yang digunakan memprediksi inilah yang dinamakan dengan kovarian.

Tujuan ANCOVA ini adalah untuk mengetahui atau melihat pengaruh perlakuan terhadap peubah dengan mengontrol peubah lain yang kuantitatif. Seperti yang telah dijelaskan sebelumnya, ancova dapat dikatakan sebagai gabungan antara teknik anova dan regresi. Sehingga dapat kita perjelas dengan :

Anova                   :    digunakan untuk menguji perbandingan variable tergantung (Y) ditinjau dari variable bebas (X1)

Regresi                 :    digunakan untuk memprediksi variable tergantung (Y) melalui variable bebas (X2).

Dalam ancova mempunyai karakteristik variable pengujian sebagai berikut:

-          Variable tergantung (Y)         : kontinum

-          Variable bebas (X1)                 : Kategorikal

-          Variable bebas (X2)                 : Kontinum

a.       Kontinum

Variable yang memiliki nilai kuantitatif yang bergerak dalam kontinum dari rendah hingga tinggi (dengan menggunakan skala interval atau rasio). Contoh : harga diri, motivasi belajar, IQ, hasil tes suatu mata pelajaran.

b.      Kategorikal

Variable hasil pengkodean terhadap kategori (nominal). Misalnya : Jenis kelamin, kelas, lokasi tempat tinggal, jenis pekerjaan dan lain sebagainya.

Terdapat beberapa persyaratan yang harus dipenuhi sebelum melakukan analisa dengan teknik ancova, yakni:

  • Ada hubungan linier antara kovarian (variable kontrol) dengan variable dependen. Hubungan ini dibuktikan dengan analisis korelasi, jika ada korelasi yang signifikan antara kovarian dan post test, maka analisis kovarian dapat dilanjutkan.
  • Kemiringan garis regresi antar kelompok harus sama. Kesamaan kemiringan garis ini dibuktikan dengan tidak adanya interaksi antara kovarian (variable kontrol) dengan perlakukan (variable bebas)
  • Pengukuran kovarian harus memiliki reliabilitas yang cukup memuaskan. Misal dengan alpha lebih dari 0.8.

Contoh kasus:

Seorang peneliti ingin mengetahui apakah ada pengaruh metode mengajar terhadap nilai mata pelajaran siswa. Dalam kelas tersebut terdapat 3 macam metode pembelajaran yang diterapkan dalam satu kelas yakni Metode A, Metode B, dan Metode C. Tetapi dalam kenyataannya nilai siswa tersebut tidak hanya ditentukan oleh metode pembelajaran itu saja, melainkan terdapat faktor lain yang mempengaruhinya. Misalnya nilai IQ. Dalam hal ini IQ digunakan sebagai peubah kontrol (covariate) untuk mengurangi tingkat kesalahan. Berikut adalah datanya.

No. Responden

metode A

metode B

metode C

Nilai

IQ

Nilai

IQ

Nilai

IQ

1

80

105

77

105

91

122

2

87

105

76

102

80

110

3

86

108

85

111

74

110

4

88

115

87

115

70

105

5

90

120

88

120

81

112

6

95

116

90

117

80

112

7

80

110

67

100

80

105

8

67

101

66

105

84

115

9

80

101

64

110

84

116

10

76

105

66

105

90

121

11

98

115

90

124

91

117

12

64

105

86

120

78

110

Langkah-langkahnya sebagai berikut:

  1. Buka program SPSS
  2. Masukkan nama variable “metodeâ€, “nilaiâ€, dan “IQ†ke dalam sheet Variable View

Untuk variabel metode kita masukkan nilai value nya, yakni:

1 = metode A

2 = metode B

3 = metode C

  1. Masukkan data-data pada tabel nilai ke dalam sheet Data View.
  2. Klik Analyze > General Linear Model > Univariate.

-          Masukkan variabel “nilai†ke dalam kotak Dependent Variables

-          Masukkan variable “metode†ke dalam kotak Fixed Factor(s)

-          Masukkan variable “IQ†ke dalam kotak Covariate

  1. Klik OK
  2. Output.

Between-Subjects Factors

Value Label

N

metode1Metode A

12

2Metode B

12

3Metode C

12

Dari tabel output Between-Subjects Factors menjelaskan banyaknya N (responden) yang terdapat pada metode yang digunakan. Misalnya Metode A sebanyak 12 siswa, Metode B sebanyak 12 siswa dan Metode C sebanyak 12 siswa juga.

Tests of Between-Subjects Effects

Dependent Variable:nilai
Source

Type III Sum of Squares

df

Mean Square

F

Sig.

Corrected Model

1872.860a

3

624.287

18.826

.000

Intercept

196.266

1

196.266

5.919

.021

IQ

1757.693

1

1757.693

53.005

.000

metode

279.667

2

139.834

4.217

.024

Error

1061.140

32

33.161

Total

239130.000

36

Corrected Total

2934.000

35

a. R Squared = ,638 (Adjusted R Squared = ,604)

Dari tabel output Tests of Between-Subjects Effects dapat kita ketahui bahwa angka sig. untuk peubah IQ adalah 0.000. Karena nilai sig (0.000) < 0.05 (? = 5%) dengan tingkat kepercayaan 95% dapat kita simpulkan bahwa ada hubungan linear antara IQ dengan nilai yang diperoleh siswa. Sehingga asumsi ancova telah terpenuhi.

Incoming search terms:

Agar artikel ini bisa bermanfaat bagi orang banyak dalam komunitas anda… bantu saya untuk menginfomasikannya pada teman-teman anda di Facebook , Twitter, atau Email.

Jika Bermanfaat Berbagilah...

Leave a Reply

Current day month ye@r *

Email
Print