Anda di halaman 1dari 7

BAB V

ANAISIS KOVARIAN SATU JALUR


(ANAKOVA SATU JALUR)
Kompetensi Dasar
Mahasiswa memahami tentang analisis kovarian satu jalur, serta mampu
menggunakannya untuk menganalisis data kuantitatif.
Indikator pencapaian
Mahasiswa dapat:
1. konsep dasar analisis kovarian
2. menjelaskan manfaat analisis kovarian
3. melakukan analisis kovarian satu jalur
4. menggunakan analisis kovarian satu jalur untuk menganalisis data penelitian
kuantitatif
Uraian Materi
Analisis Kovarians (Anakova), fungsinya sama dengan ANAVA, hanya saja
dalam ANAKOVA ditambah pengendalian secara statistik terhadap variabel numerik.
Variabel numerik dimasukkan sebagai kovariabel dengan tujuan untuk menurunkan error
varians, dengan jalan menghilangkan pengaruh variable tersebut. Termasuk salah satu
statistik yang kuat. Berguna untuk penelitian eksperimen maupun non eksperimen.
Dengan menggunakan Rancangan Anakova, pengambilan sampel secara acak tidak lagi
sangat diperlukan. Anakova merupakan gabungan antara analisis varian dan analisis
regresi.
Asumsi yang harus dipenuhi dalam ANAKOVA adalah: (1) data berdistribusi
normal, (2) varians dalam kelompok homogen, (3) bentuk regresi linear, (4) koefisien
arah regresi tidak sama dengan nol, dan (5) koefisien arah regresi homogen.
Rumus yang digunakan: F
A
* = JKA* / DbA*
JKd* / Dbd*
107
Contoh aplikasi dalam analisis data
A. Rumusan masalah penelitian
Setelah dikendalikan oleh skor tes bakat (X), apakah terdapat perbedaan hasil
belajar (Y) antara siswa yang mengikuti pembelajaran dengan metode kooperatif (A
1
)
dengan metode ceramah (A
2
) dan pemberian tugas (A
3
)?
B. Rumusan Hipotesis Penelitian
Hipotesis penelitian: Setelah dikendalikan oleh kovariabel skor tes bakat (X), terdapat
perbedaan hasil belajar (Y) antara siswa yang mengikuti pembelajaran dengan metode
kooperatif (A
1
) dengan metode ceramah (A
2
) dan pemberian tugas (A
3
).
Hipotesis Statistik:
H
0
:
1
=
2
=
3
H
1
:
1

2

3
Kriteria pengujian: Tolak H
0
jika F*A > F
t(; db A:db D)
Terima H
0
jika F* < F
t(; db A:db D)
C. Contoh Aplikasi dalam analisis Data
108
1. Tabel Data
Tabel 49. Data Hasil Penelitian
A1 A2 A3
X Y X Y X Y
29
49
48
35
53
47
46
74
72
67
15
19
21
27
35
39
23
38
33
50
22
24
49
46
52
43
64
61
55
54
20
34
28
35
42
44
46
47
40
54
33
45
35
39
36
48
63
57
56
78
14
20
30
32
34
42
40
38
54
56
Keterangan:
A = Metode Mengajar ( A
1
= metode ceramah, A
2
= metode
pemberian tugas, dan A
3
= metode kooperatif.
X = Skor Tes Bakat (Aptitude Test Score) = kovariabel (X)
Y = Skor Prestasi Belajar Biologi
2. Langkah-langkah Perhitungan
Tabel 50. Format Tabel Statistik (data hasil penelitian)
Statistik A
1
A
2
A
3
Total
n 10 10 10 30
X
520 470 490 1480
X
2
29054 23888 25898 78840
Y
300 390 360 1050
Y
2
10064 16106 14536 40706
XY
16603 19241 18978 54822
_
X
_
Y
52
30
47
39
49
36
49,33
35
a. Menghitung Sumber Variasi Total (Residu)
1). Jumlah Kuadrat Total Y ( y
2
)
109

JK
Yt
= y
2

t
= (SS
tot
) = Y
T
2

( Y
T
)
2
= 40706 - (1050)
2
= 3956
N 30
2). Jumlah Kuadrat Total X

JK
Xt
=

x
2

t
= X
t
2

( X
T
)
2
= 5826,67

N
3). Jumlah Produk Total (XY)
JP
XYt
= xy

= XY
T
( X
T
)( Y
T
) = 3022

N
4). Menghitung Beta
Beta
t
=

2
x
xy

= 0,519

5). Menghitung JK
Reg. Tot.
= * xy = 0,519
*
3022 =

1567,359
6). Menghitung JK
Res. Tot.
= JK
Yt
JK
Reg. Tot
= 3956-1567,359 = 2388,641
b. Menghitung Sumber Variasi dalam ( JK dal.residu)

1). JK
Y
=
2
y
= Y
T
2


( )
2
A
A
n
Y

= 40706 - (300
2
/10 +390
2
/10 + 360
2
/10) =3536
2). JK
Xd
= x
2

d
= X
2

T


( )
2
A
A
n
X

= 78840 (520
2
/10 +470
2
/10 + 490
2
/10)
5700
3).JP
XY
=xy
d
= Tot
XY

( )( )


A
A A
n
Y X
=54822 - 520*300:10 + 470*390:10 +
490*360:10) = 3252
4). Beta
dal.
=

d
d
x
xy
2
= 3252 : 5700 = 0,5705
5). JK reg.dal. = * xy = 0,5705*3252 =1855,352
6). JK dal res. = JK
Y
JK
reg.
= 3536 1855,352 =1680,648 = 1680,65
c. Sumber Variasi Antar
SV
Tot
SV
dal.
= JK res.tot JK res. dal. = 2388,641-1680,65= 707,993
d. Memnghitung derajat kebebasan
Db A* = db A = a 1 = 3-1= 2
110
Db D* = db D M = N a M ( jumlah kovariabel) = 30-3-1 = 26
Db Tot.* = db Tot. M = N 1 M = 30-1-1=28
e. Rata-Rata Residu ( Adjusted Mean)
_ _ _
M
A1
= Y
1

dal.
(X
A1
X
T
) = 30 - 0,57(52 - 49,33) = 28,48
_ _ _
M
A2
= Y
2

dal.
(X
A2
X
T
) = 39 0,57 (47 49,33) = 40,33
_ _ _
M
A3
= Y
3

dal.
(X
A3
X
T
) = 36 0,57 (49 49,33) = 36,19
Tabel 51. Rangkuman Analisis Kovarian Satu Jalur
SV JK*(SS) db* RJK*(MS) F* F tab
(Taraf Sig.5%)
Antar A
Dalam
(error) res
707,993
1680,648
2
26
353,9965
64,640
5,476
--
3,37
--
Total (res) 2388,641 28 - - --
Dari perhitungan diperoleh F* = 5,476, sedangkan F table pada taraf signifikansi
5% dengan db 2 : 26 adalah 3,37. Dengan demikian, H0 ditolak dan H1 diterima,
sehingga dapat disimpulkan bahwa setelah dikendalikan oleh kovariabel skor tes bakat,
terdapat perbedaan hasil belajar yang signifikan antara siswa yang mengikuti
pembelajaran dengan metode kooperatif dengan siswa yang mengikuti pembelajaran
dengan metode ceramah dan metode pemberian tugas. Karena hasilnya/ harga F*
signifikan, maka dilanjutkan dengan uji lanjut.
3. Uji Lanjut
1). Fisher Protected LSD (Least Significant Difference)
2). Tukey HSD (Honestly Significant Difference)
3). Dunn Bonferroni Procedure
4). t-Scheffe (jika banyak sel)
Protected LSD
111
Rumus: t
1-2
= ( )
1
1
]
1

,
_

.
2
2 1
2 1
2 1
1 1
dal
JK
X X
n n
RJKd
M M
= 3,26 sig (t tab. 2,056 )
t
1-3
= 2,14 . Sig
t
2-3
= 1,15 ..ns

6. Menarik Kesimpulan ( khusus tiap sel)
(latihan menyimpulkan)

Daftar Pustaka
112
Anrderson, T.W., An Introductin to Multivariate Statistical Analysis, John Wiley & Sons,
Inc., New York, 1958.
Ching Chun Lie, Path Analysis a primer, , California: Pasific Grove, 1975.
Everit, Brian S & Graham Dunn, Applied Multivariate Data Analysis, New York: Halsted
Press, 1991.
Guilford, J.P. and fruchter, B., Fundamental Statistics in Psycholoy and Education, New
York: McGraw-Hill Ltd, 1978.
Hair, Joseph F. Jr. cs., Multivariate Data Analysis, Upper Saddl River, NJ: Prentice Hall
International Inc., 1998.
Imam Ghazali, Applied Analisis Multivariat dengan Program SPSS, Semarang: Badan
Penerbit Universitas Diponegoro, 2001.
Kerlinger, F.N. and Pedhazur, E.J., Multiple Regression in Behavioral Research, New
York: Holt Rinehart and Winston, Inc., 1973.
Singgih Santoso, SPSS Statistik Multivariat, Jakarta: Elex Media Komputindo, 2002
Sutrisno Hadi, Statistik, Jilid 2, 3, Yogyakarta: UGM, 1986.
Sutrisno Hadi, Analisis Regresi, Yoyakarta: UGM, 1986.
Sudjana, Metoda Statistika, Bandung: Tarsito, 1992.
Sudjana, Teknik Analisis Regresi dan Korelasi bagi Para Peneliti, Penerbit Tarsito,
Bandung, 1992.
Sugiyono, Statistika untuk Penelitian, Bandung: Penerbit CV Alfabeta, 2002.
113

Anda mungkin juga menyukai