MANCOVA DAN ASUMSI

Disusun Guna Memenuhi Tugas Mata Kuliah Desain Eksperimen

Dosen Pengampu : Dr.Heri Retnowati

Disusun Oleh:
Melkianus Suluh 13708251091
Dima Riaulita 13708251090
Tursina Ratu 13708251001

PROGRAM STUDI PENDIDIKAN SAINS

PROGRAM PASCA SARJANA
UNIVERSITAS NEGERI YOGYAKARTA
2014
 BAB I
PENDAHULUAN

Analisis Kovariansi (ANCOVA) merupakan teknik statistika yang

mengkombinasikan analisis regresi dan analisis varians. Analisis Kovariansi
sangat membantu dalam menghasilkan kesimpulan yang lebih akurat. Pada variabl
dependen, terdapat satu atau lebih kuantitatif variabel yang dikenal kovariat atau
konkomitan variabel. Secara umum, kovariat merupakan variabel yang secara
teoritik berkorelasi dengan variabel terikat (dependen variabel) atau beberapa
variabel yang menunjukkan korelasi pada beberapa jenis subjek yang sama dapat
dipandang sebagai kovariat. Tujuan utama kovariat dilibatkan dalam penelitian
adalah untuk memperoleh presisi dengan menghilangkan variansi kesalahan.
Selain itu, pengikutsertaan kovariat juga bertujuan untuk menurunkan efek dari
beberapa faktor yang tidak dapat dikontrol oleh peneliti.
Dalam kasus tertentu, jika peneliti mengikutsertakan berbagai macam level
variabel sebagai faktor penuh maka akan berdampak pada rancangan yang sulit.
Jika faktor tersebut bersifat kuantitatif, maka dapat diikutsertakan sebagai kovariat
dimana hasil dari kovariat tersebut bersesuaian dengan variabel terikat sebelum
melakukan perbandingan kelompok. ANCOVA berfungsi untuk memurnikan
pengaruh variabel dependen dari pengaruh variabel konkomitan. Namun, analisis
ini tidak dapat digunakan untuk penelitian terhadap lebih dari dua variabel secara
bersamaan, sehingga diperlukan teknik analisis untuk penelitian terhadap lebih
dari dua variabel secara bersamaan. Teknik analisis multivariat yang digunakan
untuk mengatasi masalah tersebut adalah Multivariate Analysis of Covariance
(MANCOVA).
Multivariate Analysis of Covariance (MANCOVA) adalah analisis
kovarians dimana setidaknya ada dua variabel dependen yang diukur secara
simultan untuk menguji apakah terdapat perbedaan perlakuan terhadap
sekelompok variabel dependen setelah disesuaikan dengan pengaruh variabel
konkomitan. Dalam makalah ini penulis menekankan pada asumsi dari MANCOVA
sebelum pada tahapan analisis lebih lanjut.
 BAB II
PEMBAHASAN

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 μ
dan Ʃ jika mempunya densitas peluang :
 𝟏
𝟏 (𝒚−𝝅)′ Ʃ−𝟏 (𝒚−𝝅)
f(y1, y2, …, yp ) = 𝒑 𝟏 𝒆− 𝟐
(𝟐𝝅) ⁄𝟐 |Ʃ| ⁄𝟐

dengan :
y1 = variabel yang diamati (i= 1, 2,…p)
μ = rata-rata sampel
Ʃ = matriks varians kovarians

Jika y1, y2, …yp berdistribusi normal multivariate maka (𝒚 −

𝝅)′ Ʃ−𝟏 (𝒚 − 𝝅) berdistribusi χ2𝑝 . Berdasarkan sifat ini maka
pemeriksaan distribusi normal dapat dilakukan dengan cara
membuat plot chi square. Dalam hal ini dihitung jarak
Mahalanobis dari setiap observasi terhadap centroid group.

2. Homogenitas matriks varians kovarian

Asumsi yang harus dipenuhi dalam MANCOVA adalah kesamaan
matriks varians kovarians (Ʃ) antar grup pada variabel dependen.
Untuk meneguji syarat ini dapat menggunakan uji Box’s M dengan
langkah sebagai berikut :
 Hipotesis:
H0: Ʃ1 = Ʃ2 = …..= Ʃk (matriks varians kovarians
homogen)
H1: ∃Ʃi ≠ Ʃj untuk i ≠ j (matriks varians kovarians tidak
homogen)
 Taraf signifikansi α= 0.05
 Statistik uji
M = Ʃ𝑘𝑖=𝑗 (𝑛𝑖 − 1)ln |𝑆| − Ʃ𝑘𝑖=𝑗 (𝑛𝑖 − 1) ln |𝑆𝑖 |
2𝑝2 + 3𝑝−1 1 1
C-1= 1- {6(𝑝+1)(𝑘−1)} {Ʃ𝑘𝑖=𝑗 𝑛 − }
1 −1 Ʃ𝑘
𝑖=𝑗 (𝑛1 −1)

Ʃ𝑘
𝑖=𝑗 (𝑛1 −1)𝑆𝑖
Dimana S= , S adalah matriks kovariansi
Ʃ𝑘
𝑖=𝑗 (𝑛1 −1)

gabungan penduga bagi Ʃ, 𝑆𝑖 adalah matriks kovarians Ʃ𝑖

untuk i= 1, 2, …, k dan p adalah banyaknya respon yang
 diamati, n𝑖 adalah ukuran contoh ke-i, selanjutnya
menghitung MC-1 .
 Kriteria keputusan
H0 ditolak jika MC-1 > χ2𝑣=1(𝑘−1)(𝑝)(𝑝+1);(∝)
2

H0 diterima jika MC-1 < χ2𝑣=1(𝑘−1)(𝑝)(𝑝+1);(∝)

2

Jika nilai MC-1 ≤ χ2𝑣=1(𝑘−1)(𝑝)(𝑝+1);(∝) maka H0 diterima

2

sehingga asumsi homogenitas matriks varians kovarians

terpenuhi.
3. Ada hubungan linear antara variabel dependen dengan
variabel konkomitan
 Hipotesis :
H0: B = 0 (variabel X tidak mempengaruhi variabel Y)
H0: B ≠ 0 (variabel X mempengaruhi variabel Y)

 Taraf signifikansi Taraf signifikansi α= 0.05

 Statistik uji menggunakan uji Wilks’ Lambda sebagai berikut :
|𝐸𝑦𝑥 | −1 𝐸 |
|𝐸𝑦𝑦 − 𝐸𝑦𝑧 .𝐸𝑥𝑥. 𝑥𝑦
Λ= |𝐸𝑦𝑥 + 𝐻𝑧 |
= |𝐸𝑦𝑦 |

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 <
𝛼 sehingga dapat diartikan bahwa variabel konkomitan
mempengaruhi terhadap variabel dependen.
4. Kesamann kemiringan antar perlakuan (Homogeneity of
Regression Slopes)
Pada model MANCOVA, harus memenuhi asumsi bahwa terdapat
hubungan variabel dependen dengan variabel konkomitan
homogen antar perlakuan. Untuk menguji hipotesis ini, maka
dilakukan perhitungan matriks jumlah kuadrat dan hasil kali silang
galat tiap kelompok.
Misalkan 𝐸𝑙𝑘 merupakan matriks jumlah kuadrat, maka hasil kali
silang galat tiap kelompok adalah sebagai berikut :
𝐸𝑥𝑥𝑙𝑘 𝐸𝑥𝑦𝑙𝑘
𝐸𝑙𝑘 = [ ]
𝐸𝑦𝑥𝑙𝑘 𝐸𝑦𝑦𝑙𝑘
Matriks untuk regresi dihitung secara terpisah pada masing-masing
kelompok dan hasilnya dijumlahkan.
 Hipotesis :
H0: koefisien regresi homogen antar perlakuan
H0 : B1 = B2 = B3
H1: koefisien regresi tidak homogen antar perlakuan
H1 : B1 ≠ B2 ≠ B3
 Taraf signifikansi α = 0.05
 Statistik uji
𝑔 𝑏
−1 −1
𝐻𝑙𝑘 = ∑ ∑ 𝐸𝑦𝑥𝑙𝑘 . 𝐸𝑥𝑥𝑙𝑘 . 𝐸𝑥𝑦𝑙𝑘 − 𝐸𝑦𝑥 . 𝐸𝑥𝑥 . 𝐸𝑥𝑦
𝑙=1 𝑘=1

Dan matriks jumlah kuadrat dalam model penuh adalah

𝑔 𝑏
−1
𝐸 = 𝐸𝑦𝑦 − ∑ ∑ 𝐸𝑦𝑥𝑙𝑘 . 𝐸𝑥𝑥𝑙𝑘 . 𝐸𝑥𝑦𝑙𝑘
𝑙=1 𝑘=1

Jika menggunakan statistic uji Wilks’ Lambda, maka :

𝑔
|𝐸| |𝐸𝑦𝑦 − ∑𝑙=1 ∑𝑏 −1
𝑘=1 𝐸𝑦𝑥𝑙𝑘 .𝐸𝑥𝑥𝑙𝑘 .𝐸𝑥𝑦𝑙𝑘 |
Λ= |𝐸+ 𝐻𝑙𝑘 |
= −1 .𝐸 |
|𝐸𝑦𝑦 − 𝐸𝑦𝑥 .𝐸𝑥𝑥 𝑥𝑦
  Kriteria keputusan
𝐻0 ditolak jika 𝑝𝑣𝑎𝑙𝑢𝑒 koefisien regresi < α dan H0 diterima jika
𝑝𝑣𝑎𝑙𝑢𝑒 koefisien regresi > α 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) IV : Metode
Matematika (Y2) 1: Diskusi
KOV : IQ (X) 2: Diskoveri
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

Metode Statistic df Sig. Statistic df Sig.

Y1 Diskusi .142 12 .200* .942 12 .530
Diskoveri .123 12 .200* .958 12 .751
Y2 Diskusi .239 12 .057 .880 12 .087
Diskoveri .247 12 .042 .877 12 .081
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Pada uji normalitas di atas, diperoleh nilai signifikansi pada tes Shapiro-Wilks
lebih dari 𝛼 (Peneliti menggunakan 𝛼 0.05). Dengan demikian dapat diketahui
bahwa sampel yang digunakan pada penelitian ini berasal dari populasi yang
berdistribusi normal.

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 :

Levene's Test of Equality of Error Variancesa

F df1 df2 Sig.

Y1 .834 1 22 .371

Y2 1.647 1 22 .213

Tests the null hypothesis that the error variance of the

dependent variable is equal across groups.

a. Design: Intercept + X + PEKERJAAN

Dari uji persamaan varians dengan uji Levene, dapat dilihat bahwa
nilai probabilitas untuk Y1 dan Y2 > 𝛼, 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

probabilitas<0.05 berarti H0 ditolak. Langkah mencari homogenitas

matriks varians kovarians

 Entry data atau buka file data yang akan dianalisis

 Pilih menu berikut ini:
 Analyze
General Linear Model Multivariate
Selanjutnya:
• Pilih Y1, Y2 sebagai dependent list
• Pilih metode sebagai factor list
• Pilih IQ, sebagai covariat
• Klik tombol Options
•Kemudian pilih homogenity test pada display, klik OK.
Menu SPSS akan tampak seperti pada hasil perhitungan

Box's Test of Equality of Covariance Matricesa

Box's M 13.976

F 4.200

df1 3

df2 87120.000

Sig. .006

Tests the null hypothesis that the observed covariance

matrices of the dependent variables are equal across groups.

a. Design: Intercept + X + PEKERJAAN

Berdasarkan output SPSS pada tabel Box’s M test diperoleh nilai

Box’s M sebesar 13.976 dan nilai signifikansi > 𝛼 = 0,05 maka 𝐻0
diterima. Artinya ketiga variabel dependen (Y1 dan Y2) mempunyai
matriks varians kovarians yang sama pada grup-grup yang ada
(pekerjaan).

3. Ada hubungan linear antara variabel dependen dengan variabel

konkomitan
Kriteria pengujian :
𝐻0 ∶ 𝑩 = 0 (artinya nilai IQ tidak mempengaruhi nilai tes dalam bidang
IPA dan matematika).
 𝐻1 ∶ 𝑩 ≠ 0(artinya nilai IQ mempengaruhi nilai tes dalam bidang IPA dan
matematika).
Hal ini berarti bahwa 𝐻0 ditolak jika 𝑝𝑣𝑎𝑙𝑢𝑒 < 𝛼

Untuk mengetahui ada tidaknya hubungan linear antara variabel dependen

dengan konkomitan maka dapat dilakukan dengan langkah sebagai berikut :

Maka akan tampil output sebagai berikut :

Berdasarkan output dari syntax, dapat dilihat nilai Wilks’ Lambda

sebesar 0.226, dengan F (1,21) sebesar 0.226 dan nilai p = 0.000, atau
p < 𝛼. Dengan demikian dapat dilihat bahwa variabel dependen (Y1,
dan Y2) berhubungan secara linear dengan variabel konkomitan.

4. Perlakuan memiliki kesamaan kemiringan (Homogeneity of

Regression Slopes)
Kriteria pengujian
Hipotesis :
H0 : B1 = B2 = B3 ( koefisien regresi homogen antar perlakuan)
H1 : B1 ≠ B2 ≠ B3 (koefisien regresi tidak homogen antar perlakuan)
 Dengan kriteria keputuasan yaitu 𝐻0 ditolak jika 𝑝𝑣𝑎𝑙𝑢𝑒 < α dan H0
diterima jika 𝑝𝑣𝑎𝑙𝑢𝑒 > α atau dengan kata lain terdapat kesamaan
kemiringan pada grup (treatmen)
Langkah pengujian kesamaan kemiringan dilakukan dengan cara sebagai
berikut :

Tests of Between-Subjects Effects

Depend
ent Type III Sum of
Source Variable Squares df Mean Square F Sig.

Corrected Model Y1 7871.616a 3 2623.872 38.662 .000

Y2 7960.958b 3 2653.653 44.637 .000

Intercept Y1 5669.820 1 5669.820 83.543 .000

Y2 6169.993 1 6169.993 103.785 .000

METODE Y1 45.451 1 45.451 .670 .423

Y2 3.642 1 3.642 .061 .807

X Y1 2822.156 1 2822.156 41.584 .000

Y2 3325.430 1 3325.430 55.937 .000

METODE * X Y1 106.491 1 106.491 1.569 .225

Y2 22.577 1 22.577 .380 .545

Error Y1 1357.342 20 67.867

Y2 1189.000 20 59.450

Total Y1 104611.000 24

Y2 96151.000 24

Corrected Total Y1 9228.958 23

Y2 9149.958 23

a. R Squared = .853 (Adjusted R Squared = .831)

b. R Squared = .870 (Adjusted R Squared = .851)

Atau dapat menggunakan syntax dengan format sebagai berikut :

Sehingga diperoleh hasil sebagai berikut :

Berdasarkan hasil tersebut dapat dilihat bahwa interaksi antara
pekerjaan*IQ memiliki signifikansi pada Y1 dan Y2 sebesar 0.225 dan
0.545 serta hasil output syntax dapat dilihat bahwa nilai Wils Lambda
sebesar 0.917 dengan signifikansi sebesar 0.443, dimana < dari α sehingga
H0 diterima dan berari bahwa perlakuan memiliki kesamaan kemiringan
regresi.
 BAB III
PENUTUP
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. Untuk MANCOVA, terdapat beberapa
asumsi yang harus dipenuhi sebelum pengujian MANCOVA dilakukan
yakni normalitas, homogenitas matriks varians kovarian, ada hubungan
linear antara variabel dependen dengan variabel konkomitan serta erlakuan
memiliki kesamaan kemiringan (Homogeneity of Regression Slopes).

DAFTAR PUSTAKA

Rencher, A. (1998). Multivariat statistical inference dan application.

Newyork: John Willey & Sons Inc.
Huberty, Carl & Olejnik Stephen. (2006). Applied MANOVA and
Discriminant Analysis Second Edition. Newyork: John Willey & Sons Inc.