BAB III

ANALISIS KOVARIANS
A. Pendahuluan
Analysis

of

Covariance

(ANCOVA)

adalah

analisis

yang

menggabungkan Regression Analysis dan Analysis of Variance (ANOVA). Di

dalam ANCOVA, terdapat satu atau lebih variabel yang disebut variabel
concomitant atau covariate. Jika unit-unit eksperimen (subjek) mempunyai
karakteristik-karakteristik yang dapat mempengaruhi hasil, maka karakteristikkarakteristik itu mungkin merupakan covariate. Variabel yang dapat dipilih
menjadi kovariat adalah variabel yang mempunyai hubungan yang signifikan
dengan variabel dependen.
Tujuan utama untuk mengikutsertakan covariate di dalam sebuah
eksperimen adalah untuk mendapatkan presisi (precision)/ketelitian dengan cara
mengurangi varians error. Tujuan lainnya adalah untuk mengurangi efek dari
faktor yang tidak terkontrol dalam eksperimen tersebut.

Sebagai contoh dalam

penelitian noneksperimen tujuan ANCOVA adalah untuk menyesuaikan mean

postes dengan perbedaan kondisi awal antar kelompok.
B. ANCOVA dengan satu kovariat
Model umum persamaan ANCOVA untuk satu covariate dan satu
dependent variabel adalah :
X
..)+ ij ,

ij
X
(
Y ij =+ i+
X

( ij X )=+ i + ij ,
Y adjij =Y ij

Atau

i=1,2, , K

j=1,2, , ni

i=1, 2, , K

dimana :
Y ij

= variabel dependen

= pengaruh treatment (perlakuan)

X ij

= variabel covariate yang bersesuaian dengan Y ij

= mean dari X ij

dan Y ij

= slope pada regresi hubungan

ij

= error pada pengamatan ke j kelompok ke i

= banyak kelompok
ni

ij

X ij

= banyak pengamatan

berdistribusi normal N (0, 2

Asumsi yang harus dipenuhi dalam ANCOVA adalah ada hubungan linear antara
kovariat

x ij

y ij , slope persamaan regresi antara

dan variabel dependen

sama. Dengan demikian terdapat tiga uji hipotesis dalam ancova, yang ketiga
adalah untuk menguji adanya pengaruh perlakuan atau perbedaan mean yang
disesuaikan dengan kovariat antar kelompok.
1. Hipotesis untuk menguji apakah terdapat hubungan linier antara dependent
variable dan covariate adalah
=0

H0 :

(tidak ada hubungan linear antara kovariat

X ij

dan variabel dependen Y ij

)
0

H1 :

X ij

(ada hubungan linear antara kovariat

dan variabel dependen Y ij )

Untuk menguji hipotesis tersebut, digunakan langkah-langkah berikut ini :

(1) Hitung matriks SSCP1 (W1), SSCP2 (W2),...,SSCPk (Wk), K = banyaknya
group/kelompok
(2) Hitung matriks W =W 1+ W 2 +...+W K =

S yy S yx
S xy S xx

( S xy ) /S xx
(3) Hitung F0 =
[ S yy( S xy )2 / S xx ] /( N K1)
(4) Tolak H0 jika

F0

>

F (1, NK 1).

2. Hipotesis untuk menguji apakah slope sama untuk semua groups (perlakuan)
atau bisa disebut uji kesamaan slopes (homogeneity of slopes), yaitu :
H0 :
H1 :

1= 2== K
i

i'

(1) Hitung S1, S2 dan dengan rumus

S xy

S 2=S yy

[ ]
2

S 1=S yy
i=1

( S xyi )
S xxi

S 4 =S 2S1
F=

(2) Hitung

S 4 /( K 1)
S1 /( N 2 K)
F >

(3) Tolak H0 jika

F (K 1, N 2 K ).

3. Hipotesis untuk menguji apakah terdapat pengaruh dari treatments (perlakuanperlakuan) terhadap y, yaitu :
H 0 : 1= 2== K ,

: i i '

atau
H 0 : 1adj = 2adj == Kadj , H 1 : iadj i ' adj
Untuk menguji hipotesis tersebut, digunakan langkah-langkah sebagai berikut

(1) Hitung matriks T =

T yy T yx
T xy T xx

T xy

(2) Hitung
2

S 3=T yy
(3) Hitung S 5=S3 S 2
(4) Hitung

F =

S5 /(K 1)
S 2 /( N K1)
F >

(5) Tolak H0 jika

F (K 1, N K1) .

Perhitungan :
r

S yy = ( Y ij Y j )

j=1 i=1

S xx = ( X ij X j )

j=1 i=1

S xy =S yx = ( X ij X j )( Y ij Y j )
j =1 i=1

2
T yy= ( Y ij Y ) ,
j=1 i=1

) 2
T xx = ( X ij X
j=1 i=1

T xy=T yx = ( X ij X )( Y ij Y )
j=1 i=1

C. Ancova dengan Dua Kovariat

Prosedur analisis yang digunakan dalam analisis satu kovariat dapat
diperluas penggunaannya pada kasus dua kovariat atau lebih. Misalkan dalam
suatu kasus terdapat dua kovariat, X1 dan X2, dan melibatkan satu variabel
dependen, yaitu Y. Dalam hal ini diasumsikan bahwa antara Y, X1 dan X2
terdapat hubungan berbentuk (Kirk, 1995: 727) :
Y adjij =Y ij W

y x1

( X 1.ij X .. ) W ( X 2.ij X ..) =+ ij + i( j )

y x2

Jika dua kovariat mereprsentasikan pilihan yang bagus, maka kovariat

ketiga tidak perlu diikutsertakan untuk mereduksi variansi eror atau bias. Situasi
analog terjadi dalam multiple regression (regresi ganda): terdapat suatu kondisi
dimana penambahan variabel predictor tidak diperlukan untuk meningkatkan
ketepatan prediksi.
Banyak kovariat harus memenuhi (C + (K1))/N < 0,10
Asumsi yang harus dipenuhi dalam ANCOVA adalah ada hubungan linear
antara kovariat dan variable dependen, slope persamaan regresi antara sama.
Dengan demikian terdapat tiga uji hipotesis dalam ancova, yang ketiga adalah
untuk menguji adanya pengaruh perlakuan atau perbedaan mean yang disesuaikan
dengan kovariat antar kelompok.

Pengujian hipotesis mirip dengan cara yang digunakan dalam analisis satu
kovariat, untuk menguji hipotesis kesamaan rata-rata populasi tentang Y pada
kasus dua kovariat atau lebih, perlu dihitung:

Si . yy S i. y x
SSCP i= S i . x y Si . x x
S i . x y Si . x x

W = SSCP i=
i=1

T yy T y x
T= Tx y Tx x
Tx y Tx x

Si . y x
Si . x x
Si . x x

S yy S yx
S xy S xx

][

T yx
T
T yx
T x x = yy
T xy T xx
Tx x
2

Sum of Squares

N.D.F

v 1=N ( p+1 ) K

S 1=S yy Sk . yx S1
k. xx S k . xy
i=1

v 2=N KC

S 2=S yy S yx S1
xx S xy
S 3=T yyT yx T xx T xy

v 3=N ( C+1)

S 4 =S 2S1

v 4=v 2v 1=C (K 1)

S 5=S3 S 2

v 5=v 3v 2=K1

Dimana N= total banyak data, K= banyak kelompok, p= banyak kovariat

1

Hipotesis untuk menguji apakah terdapat hubungan linier antara dependent

variable dan covariate adalah
H0 :

=0

(tidak ada hubungan linear antara kovariat dan variable dependen)

4

H1 :

(ada hubungan linear antara kovariat dan variable dependen)

Fo =

S yx S1
xx S xy /C
S 2 /v 2

H0 ditolak jika Fo > F ( C , v 2 ) , C banyak kovariat

2

Hipotesis untuk menguji apakah slope sama untuk semua groups (perlakuan)
atau bisa disebut uji kesamaan slopes (homogeneity of slopes), yaitu :
H0 :

1= 2== K

H1 :
F=

i i'
S 4 /v 4
S 1 /v 1

H0 ditolak jika F > F (v 4 , v1 ).

3. Hipotesis untuk menguji apakah terdapat pengaruh dari treatments(perlakuanperlakuan) terhadap y, yaitu :
H 0 : 1= 2== K , H

: i i'

atau
H 0 : 1adj = 2adj == Kadj , H 1 : i i '
F =

S 5 /v 5
S 2 /v 2

H0 ditolak jika F > F (v 5 , v 2) .

D. Uji perbandingan Ganda satu Kovariat

1. Uji t
t=

Y adj. iY adj .i '

[
MS S adj

2
1 1 ( X .i X .i ' )
+ +
ni n i'
S xx

dengan
Y adj .i : adjusted mean untuk grup j
S xy

S xx

Y adj .i=Y . i ^ ( X .i X

.. ) = Y .i

S
S
M SS = adj = 2
v2 v2

adj

H 0 ditolak jika t > t ( N K 1) ( /2)

2. Statistik Uji Bryant Poulsan
BP=

BP=

Y adj .iY adj .i '

adj

M SS

2
2 ( X i X i ' )
+[
] /2
n
S xx

Y adj .iY adj .i '

{ [
MS S adj

2
1 1 ( X .i X .i ' )
+ +
ni ni'
S xx

]}

H 0 ditolak jika qBP > q (N K 1) ( ) , (Tabel A7 Buku Steven)

3. Statistik Uji Fisher Hayter
qFH =

Y adj.i Y adj. i'

{ [
MS Sadj

.i ' ) 2
1 1 ( X .i X
+ +
ni ni '
S xx

]}

H 0 ditolak jika qFH

> q (K 1,N K 1) ( ) (Tabel E 6 bukunya Kirk)

6

E. Uji perbandingan Ganda Untuk Dua Kovariat

1. Uji t
t=

Y adj. iY adj .i '

[
MS S adj

1 1
+ + d ' W 1 d
ni n i'

dengan
d=

.1i '
X .1i X
.2i '
X .2i X

M SSadj =

W=

Sx
Sx

1 x1

1 x2

Sx
Sx

1 x2

2 x2

Sadj S2
=
v2 v2

^ ^
Y
adj . j =Y . j x 1 ( X .1 j X .. ) x 2 ( X .2 j X .. )
^ = S x 2 x 2 S x 1 y S x 1 x 2 S yx 2
yx 1
S x 1 x 1 S x2 x2 S 2x 1 x 2
^ yx 2= S x 1 x 1 S yx2 S x 1 x 2 S x 1 y
S x 1 x 1 S x2 x2 S 2x 1 x 2

H 0 ditolak jika t > t ( N K 2) ( /2)

2. Statistik Uji Bryant Poulsan
BP=

Y adj. jY
adj . j '

M SSadj

( 2n +d ' W d)/2
1

Atau
BP=

Y adj. jY adj. j '

MS S adj

1 1
+ +d ' W 1 d
n j n j'

]}

H 0 ditolak jika qBP > q (N K 2) ( ) , Tabel A7 Buku Steven)

3. Statistik Uji Fisher Hayter

qFH =

Y adj . j Y adj . j '

{ [
MS Sadj

.1 j ' )2S x 1 x 2 ( X
.1 j X .1 j ' )( X
.2 j X .2 j ' ) + S x1 x1 ( X .2 j X
.2 j ' )2
1 1 S x2 x2 ( X .1 j X
+ +
nj nj '
S x 1 x 1 S x 2 x 2S2x1 x2
2

H 0 ditolak jika qFH

> q (K 1, N K 2) ( ) (Tabel E 6 bukunya Kirk)

Model MANCOVA
X
..)+ ij ,
( ij X
Y ij =+ i+

i=1,2, , K

j=1,2, , ni

Atau

X
)=+ i + ij ,
( ij X
Y adjij =Y ij

1.

Pengujian hubungan antara variabel terikat dengan kovariat:

i=1, 2, , K

H 0 : =0
S yy S yx S1
|
xx S xy|
=
2

|S yy|

H 0 ditolak jika

2 <

( 0,05; p ; C; N KC ) (Tabel lambda di buku Rencher)

Pengujian Homogenitas:

[ ][ ] [ ]

1Y X
2 Y X
K Y X
H0:
=
==

1 p X
2Y X
K Y X
1

Wilks Lambda adalah:

]}

S yy S yxj S1
xxj S xyj

3=

j=1

|S yyS yx S1xx S xy|

H 0 ditolak jika

3 <

H 0 : 1 =2 == K
Statistik Uji
adj

1=

adj

( 0,05; p ;C(K 1);N K CK )

adj

( x , y ) |W |/|T|
=
( x ) |S xx|/|T xx|

S xx + H xx

S
S yy + H yy ( S yx + H yx )

1
S
S
|
yy
yx S xx S xy|
1=

H 0 ditolak jika

1 <

( 0,05; p ; K 1 ; N KC )