Disusun Oleh:
Melkianus Suluh 13708251091
Dima Riaulita 13708251090
Tursina Ratu 13708251001
A. MANCOVA
MANCOVA (Multiple analysis of covariance (MANCOVA) merupakan
gabungan antara MANOVA dan regresi multivariate. Analisis MANCOVA
merupakan analisis dimana setidaknya ada dua variabel dependen yang
dianggap simultan. MANCOVA memiliki kemiripan dengan MANOVA,
namun terdapat independen interval yang ditambahkan sebagai kovariat.
Dalam MANCOVA, peneliti memperkirakan adanya perbedaan statistik pada
variabel terikat ganda dengan mengelompokkan variabel bebas sementara
mengontrol variabel ketiga yakni kovariat. Kovariat diikutsertakan sehingga
dapat mereduksi eror serta adanya analisis yang dilakukan dapat
mengeliminasi efek kovariat pada hubungan antara variabel bebas dan
variabel terikat. Dengan demikian, MANCOVA bertujuan untuk mengetahui
apakah terdapat perbedaan perlakuan terhadap sekelompok variabel
dependen setelah disesuaikan dengan pengaruh variabel konkomitan.
B. ASUMSI MANCOVA
Dalam multivariate analysis of covariance (MANCOVA), smua
asumsi sama dengan MANOVA, namun terdapat beberapa asumsi
tambahan terkait dengan kovariat. Untuk MANCOVA, terdapat
beberapa asumsi yang harus dipenuhi sebelum pengujian MANCOVA
dilakukan yakni sebagai berikut :
1. Normalitas
Distribusi normal multivariate merupakan perluasan dari distribusi
normal univariat. Dalam analisis multivariate asumsi multivariat
normal perlu diperiksa untuk memastikan data pengamatannya
mengikuti distribusi normal agar statistik inferensi dapat
digunakan dalam menganalisis data tersebut. Variabel y1, y2, yp
dikatakan berdistribusi normal multivariate dengan parameter
dan jika mempunya densitas peluang :
1
1 2
( y ) ' 1 ( y )
f(y1, y2, , yp ) = p 1
e
( 2 ) ||2
2
dengan :
y1 = variabel yang diamati (i= 1, 2,p)
= rata-rata sampel
= matriks varians kovarians
{ }{
2
C-1= 1-
2 p +3 p1
6 ( p+1 ) (k 1)
k
i= j
1
k
1
n 11 i= j( n11) }
ki= j ( n 11 ) S i
Dimana S= , S adalah matriks kovariansi
ki= j ( n1 1 )
=
|E yx|
=
| xx . E xy|
E yyE yz . E1
|E yx + H z| |E yy|
Statistik Wilks Lambda dapat ditranformasikan ke statistik F,
dengan demikian dapat dilakukan perbandingan dengan table
distribusi F.
Kriteria keputusan :
Pada distribusi F, H0 ditolak jika F hitung > F table atau
pvalue < sehingga dapat diartikan bahwa variabel konkomitan
mempengaruhi terhadap variabel dependen.
l =1 k=1
Jika menggunakan statistic uji Wilks Lambda, maka :
| |
g b
| E| E yy E yxlk . E1
xxlk . E xylk
= = l=1 k=1
|E+ H lk|
| E yyE yx . E1
xx . Exy|
Kriteria keputusan
H 0 ditolak jika pvalue koefisien regresi < dan H0 diterima
jika pvalue koefisien regresi > atau dengan kata lain terdapat
kesamaan kemiringan pada grup (treatmen)
Selanjutnya, setelah asumsi MANCOVA terpenuhi dilakukan uji MANCOVA
dengan menggunakan uji Wilks Lambda dengan hipotesis tergantung pada tujuan
dari masing-masing penelitian.
Contoh:
Seorang peneliti ingin mengetahui apakah terdapat pengaruh metode diskusi
dengan diskoveri terhadap hasil belajar IPA dan matematika siswa. Dalam hal ini
terdapat variabel lain yaitu IQ yang diperkirakan dapat mempengaruhi pencapaian
hasil belajar siswa.
VD : IPA (Y1) I : Metode
Matematika (Y2) V 1: Diskusi
KO : IQ (X) 2: Diskoveri
V
No X Y1 Y2 Metode
1 106.00 35.00 36.00 1.00
2 97.00 54.00 56.00 1.00
3 102.00 31.00 31.00 1.00
4 95.00 58.00 59.00 1.00
5 103.00 35.00 34.00 1.00
6 94.00 62.00 62.00 1.00
7 104.00 39.00 36.00 1.00
8 104.00 41.00 38.00 1.00
9 92.00 68.00 66.00 1.00
10 90.00 45.00 41.00 1.00
11 105.00 47.00 42.00 1.00
12 90.00 74.00 70.00 1.00
13 105.00 51.00 45.00 2.00
14 88.00 78.00 73.00 2.00
15 90.00 75.00 81.00 2.00
16 106.00 57.00 49.00 2.00
17 87.00 79.00 85.00 2.00
18 107.00 61.00 52.00 2.00
19 85.00 88.00 80.00 2.00
20 83.00 85.00 91.00 2.00
21 82.00 87.00 93.00 2.00
22 83.00 94.00 84.00 2.00
23 108.00 71.00 59.00 2.00
24 84.00 98.00 82.00 2.00
Pengujian Asumsi
1. Normalitas
Kriteria pengujian
Ho : Sampel berasal dari populasi yang berdistribusi normal
Ha : Sampel tidak berasal dari populasi yang berdistribusi normal
Dalam hal ini peneliti mengacu pada uji Shapiro-Wilk karena subjek
penelitian <50. Untuk menguji normalitasmultivariate data dengan SPSS
terhadap kelas dan model, dapat dilakukan langkah-langkah berikut ini:
Selanjutnya:
Pilih Y1, Y2 sebagai dependent list
Pilih metode sebagai factor list
Klik tombol Plots
Pilih Normality test with plots
Menu SPSS akan tampak seperti gambar berikut:
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
2. Uji Homogenitas
a. Uji persamaan varians
Kriteria pengujian
H0: varians populasi adalah identik
H1: varians populasi tidak identik(berbeda)
Dengan kriteria jika probabilitas >0.05 berarti H0 diterima dan Jika
probabilitas <0.05 maka H0 ditolak. Uji kesamaan varian dengan SPSS
diperoleh hasil sebagai berikut :
Y1 .834 1 22 .371
Y2 1.647 1 22 .213
Dari uji persamaan varians dengan uji Levene, dapat dilihat bahwa
nilai probabilitas untuk Y1 dan Y2 > , sehingga H0 diterima
b. Uji persamaan Kovarians
Ho: kovariansi variabel dependen pada setiap grup adalah sama
H1: Kovariansi variabel dependen pada setiap grup tida sama
1) Kriteria pengujian bahwa probabilitias>0.05 berarti H0 diterima dan
Box's M 13.976
F 4.200
df1 3
df2 87120.000
Sig. .006
Depend
ent Type III Sum of
Source Variable Squares df Mean Square F Sig.
Y2 1189.000 20 59.450
Total Y1 104611.000 24
Y2 96151.000 24
Y2 9149.958 23
DAFTAR PUSTAKA