Anda di halaman 1dari 21

MAKALAH

UJI T
Disusun untuk memenuhi tugas mata kuliah statistik pendidikan

Nama Dosen : Rahmad Muslihhuddin, M.Pd


Disusun Oleh Kelompok 9 :
Bina Ramadani 1702030026
Ayu Dwi Nanda 1702030028
Marina Hazmi M 1702030034
Sri Devi Apriliani 1702030041
Priya Darsini 1702030047
KELAS : Pendidikan Matematika 4 A PAGI

PRODI PENDIDIKAN MATEMATIKA


FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS MUHAMMADIYAH SUMATRA UTARA
MEDAN
2018/2019
KATA PENGANTAR

Assalamu’alaikum Warohmatullahi Wabarokatuh

Puji syukur kita panjatkan kepada Allah SWT., karena atas berkah dan karunia-Nya
sehingga penulis dapat menyelesaikan makalah persamaan garis polar, kuasa suatu titik, garis kuasa
pada lingkaran.

Tidak lupa penulis ucapkan terima kasih kepada bapak dosen statistic pendidikan yang telah
mencurahkan ilmunya kepada penulis, sehingga penulis dapat menyelesaikan dengan lancar dalam
penulisan makalah ini.

Selanjutnya kami mohon kepada bapak dosen khususnya dan pembaca pada umumnya, bila
ada kesalahan atau kekurangan dalam makalah ini, baik dari segi bahasa maupun isinya. Penulis
mengharapkan kritik dan saran yang bersifat membangun kepada semua pembaca demi lebih
baiknya karya-karya tulis yang akan datang.

Semoga makalah ini dapat bermanfaat untuk kita semua

Wassalamu’alaikum Warohmatullahi Wabarokatuh.

Medan, Juni 2019

i
DAFTAR ISI

KATA PENGANTAR ........................................................................................................... i

BAB I PENDAHULUAN ...................................................................................................... ii

1.1 Latar Belakang ............................................................................................................. 1

1.2 Rumusan Masalah........................................................................................................ 1

1.3 Tujuan ........................................................................................................................... 1

BAB II PEMBAHASAN ....................................................................................................... 3

2.1 Uji Rata – Rata .............................................................................................................. 3

2.2 Uji Beda Rata – Rata ..................................................................................................... 3

2.3 Uji Anova ...................................................................................................................... 5

2.4 Uji Anacova .................................................................................................................... 5

2.5 Uji Manova ..................................................................................................................... 6

2.6 Uji Mancova ................................................................................................................... 6

BAB III PENUTUP .............................................................................................................. 23

3.1 Kesimpulan .................................................................................................................... 23

DAFTAR PUSTAKA ........................................................................................................... 24

ii
ii
BAB I
PENDAHULUAN
BAB II
PEMBAHASAN

2.1 UJI RATA – RATA

1. Sampel besar (n > 30)


Untuk pengujian hipotesis satu rata-rata dengan sampel besar (n > 30), uji
statistiknya menggunakan distribusi Z. Prosedur pengujian hipotesisnya ialah
sebagai berikut.
1) Formulasi Hipotesisnya
a) Ho : µ = µ0
H1 : µ > µ0
Uji satu pihak (pihak kanan)
b) Ho : µ = µ0
H1 : µ < µ0
Uji satu pihak (pihak kiri)
c) Ho : µ = µ0 H1
: µ ≠ µ0 Uji
dua pihak
2) Penentuan nilai α (taraf nyata) dan nilai Z tabel (Z α)
Menentukan nilai α sesuai soal, kemudian nilai Z α atau Z α/2 ditentukan dari
tabel.
3) Kriteria Pengujian
a) Untuk Ho : µ = µ0 dan H1 : µ > µ0 yakni:
Ho diterima jika Zo ≤ Z α

Ho ditolak jika Zo > Z α

Daerah Penerimaan Ho α
Daerah kritis
1 Daerah penolakan Ho
b) Untuk Ho : µ = µ0 dan H1 : µ < µ0 yakni:
Ho diterima jika Zo ≥ - Z α
Ho ditolak jika Zo < Z α

daerah penerimaan Ho

daerah kritis

penolakan Ho

c) Untuk Ho : µ = µ0 dan H1 : µ ≠ µ0 yakni:


Ho diterima jika -Z α/2 ≤ Zo ≤ Z α/2
Ho ditolak jika Zo > Z α/2 atau Zo < -Z α/2

Daerah penerimaan Ho

Daerah penolakan Ho daerah penolakan Ho

α/2 α/2

4) Uji Statistik
a) Simpangan baku populasi (σ) diketahui:

Zo = =

b) Simpangan baku populasi (σ) tidak diketahui:

Zo = =

2
Keterangan:

S = simpangan baku sampel

µo = nilai µ sesuai dengan Ho

5) Kesimpulan
Menyimpulkan tentang penerimaan atau penolakan Ho (sesuai dengan kriteria
pengujiannya).

Contoh soal 1:
Pimpinan bagian pengendalian mutu barang pabrik susu merk SAYA SEHAT ingin
mengetahui apakah rata-rata berat bersih satu kaleng susu bubuk yang diproduksi dan
dipasarkan masih tetap 400gram atau sudah lebih kecil dari itu. Dari data sebelumnya diketahui
bahwa simpangan baku bersih per kaleng sama dengan 125gram. Dari sampel 50 kaleng yang
diteliti, diperoleh rata-rata bersih 375 gram. Dapatkah diterima bahwa berat bersih rata-rata
yang dipasarkan tetap 400 gram? Ujilah dengan taraf nyata 5%!

Penyelesaian:

Diketahui: n = 50;

= 375gram;

σ = 125;

µo = 400;

a) Formulasi hipotesisnya:
Ho : µ = 400
H1 : µ < 400
b) Taraf Nyata dan nilai Z tabelnya:
α = 5% = 0,05
Z0,05 = -1,64 (pengujian sisi kiri)
c) Kriteria Pengujian:

3
Daerah penerimaan Ho

daerah penolakan Ho

d) Uji statistik:

Z =

= - 0,22

e) Kesimpulan:
Karena Z0 = -0,22 ≥ -Z0,05 = -1,64 maka Ho diterima. Jadi, berat bersih rata-rata susu
bubuk merk SAYA SEHAT per kaleng yang dipasarkan sama dengan 400 gram.

2. Sampel Kecil (n < 30)


Untuk pengujian hipotesis satu rata-rata dengan sampel kecil (n < 30), uji
statistiknya menggunakan distribusi t. Prosedur pengujian hipotesisnya ialah
sebagai berikut:
1) Formulasi hipotesisnya
a) Ho : µ = µ0
H1 : µ > µ0
Uji satu pihak (pihak kanan)
b) Ho : µ = µ0
H1 : µ < µ0
Uji satu pihak (pihak kiri)
c) Ho : µ = µ0 H1
: µ ≠ µ0 Uji
dua pihak
4
Menentukan nilai α sesuai soal, kemudian menentukan derajat bebas, yaitu: db = n – 1, lalu
menetukan nilat t α;n-1 atau t α/2; n-1 dari tabel.

2) Kriteria Pengujian
a) Untuk Ho : µ = µo dan H1 : µ > µ0:
Ho diterima jika to ≤ tα
Ho ditolak jika to > tα

daerah penerimaan
Ho

daerah
penolakan
α

b) Untuk Ho : µ0 dan H1 : µ < µ0:


Ho diterima jika to ≥ -tα
Ho ditolak jika t0 < -tα

daerah penerimaan Ho

daerah penolakan α

c) Untuk Ho : µ = µ0 dan H1 : µ ≠ µ0
Ho diterima jika –tα/2 ≤ t0 ≤ tα/2
Ho ditolak jika t0 > tα/2 atau t0 < -tα/2

5
daerah penerimaan Ho

Daerah penolakan daerah penolakan

α α

3) Uji Statistik
a) Simpangan baku (σ) populasi diketahui:

to = =

b) Simpangan baku (σ) populasi tidak diketahui:

to = =

4) Kesimpulan
Menyimpulkan tentang penerimaan atau penolakan Ho (sesuai dengan kriteria
pengujianya).

Contoh soal 2:
Sebuah sampel terdiri dari 15 kaleng susu, memiliki isi berat kotor seperti yang
diberokan berikut ini.
(isi berat kotor dalam kg/kaleng)

1,21 1,21 1,23 1,20 1,21

1,24 1,22 1,24 1,21 1,19

1,19 1,18 1,19 1,23 1,18

Jika digunakan taraf nyata 1%, dapatkah kita meyakini bahwa populasi susu dalam
kaleng rata-rata memiliki berat kotor 1,2kg/kaleng? (dengan alternatif tidak sama dengan).
Berikan evaluasi anda!
6
Penyelesaian:

Diketahui: n = 15;

α = 1% = 0,01;

µo = 1,2

ΣX = 18,23

ΣX2 = 21,9189

= = 1,208

S= = 0,02

a) Formulasi hipotesis:

Ho : µ = 1,2

H1 : µ ≠ 1,2

b) Taraf Nyata dan nilat t-tabel:


α = 1% = 0,01;
α/2 = 0,005 dengan db = 15-1 = 14
t0,005;14 = 2,977

c) Kriteria Pengujian:

-2,977 2,977
Ho diterima jika : -2,977 ≤ t0 ≤ 2,977
Ho ditolak jika : t0 > 2,977 atau t0 < -2,977
d) Uji Statistik:
t0 =

7
=

= 1,52
e) Kesimpulan
karena –t0,005;14 = -2,977 ≤ t0 = 1,52 ≤ t0,005;14 = 2,977, maka Ho diterima.
Jadi, populasi susu dalam kaleng secara rata-rata berisi berat kotor 1,2 kg/kaleng.

2.2 UJI BEDA RATA – RATA

INDEPENDENT SAMPLE 2 TEST (UJI PERBEDAAN 2 SAMPEL INDEPENDEN)

Untuk melakukan uji beda rata-rata dua sampel independen dapat terjadi pada beberapa kondisi.
Kondisi pertama adalah dimana nilai varians populasi diketahui sedangkan kondisi kedua dimana
nilai varians tidak diketahui.

Berikut merupakan statistik uji yang digunakan dengan kondisi varians populasi diketahui:

Rumus di atas dapat digunakan ketika menuhi asumsi dimana populasi harus berdistribusi normal,
observasi sampel dilakukan secara independen, σ1 dan σ2 diketahui.
Kondisi kedua adalah uji beda rata-rata dimana nilai varians populasi tidak diketahui. Statistik uji
yang cocok digunakan adalah nilai t statistik dengan formula sebagai berikut:

PAIRED SAMPLE 2 TEST (UJI DUA SAMPEL BERPASANGAN)

Perbedaan paired sample dengan independent sample adalah terletak pada kelompok yang kita
bandingkan. Jika kelompok yang kita bandingkan berasal dari populasi yang berbeda maka disebut
dengan independent sample. sebaliknya jika kelompok yang dibandingkan berasal dari populasi
yang sama maka disebut paired sample. Contohnya adalah kita membandingkan tingkat
kemiskinan di suatu daerah pada dua periode yang berbeda. Berikut merupakan formula yang
dapat digunakan untuk uji beda rata-rata pada paired sample.

8
(perbedaan mean harus berdistribusi normal) dan tidak diketahui or dengan ukuran sampel n <
30.

Z=

INDEPENDENT SAMPLE 2 TEST (UJI PERBEDAAN 2 SAMPEL INDEPENDEN)

Untuk melakukan uji beda rata-rata dua sampel independen dapat terjadi pada beberapa kondisi.
Kondisi pertama adalah dimana nilai varians populasi diketahui sedangkan kondisi kedua dimana
nilai varians tidak diketahui.
Berikut merupakan statistik uji yang digunakan dengan kondisi varians populasi diketahui:

Rumus di atas dapat digunakan ketika menuhi asumsi dimana populasi harus berdistribusi normal,
observasi sampel dilakukan secara independen, σ1 dan σ2 diketahui.
Kondisi kedua adalah uji beda rata-rata dimana nilai varians populasi tidak diketahui. Statistik uji
yang cocok digunakan adalah nilai t statistik dengan formula sebagai berikut:

PAIRED SAMPLE 2 TEST (UJI DUA SAMPEL BERPASANGAN)

Perbedaan paired sample dengan independent sample adalah terletak pada kelompok yang kita
bandingkan. Jika kelompok yang kita bandingkan berasal dari populasi yang berbeda maka disebut

9
dengan independent sample. sebaliknya jika kelompok yang dibandingkan berasal dari populasi
yang sama maka disebut paired sample. Contohnya adalah kita membandingkan tingkat
kemiskinan di suatu daerah pada dua periode yang berbeda. Berikut merupakan formula yang
dapat digunakan untuk uji beda rata-rata pada paired sample.

(perbedaan mean harus berdistribusi normal) dan tidak diketahui or dengan ukuran sampel n <
30.

Z=

2.3 UJI ANOVA

Analisis of variance atau ANOVA merupakan salah satu teknik analisis multivariate yang
berfungsi untuk membedakan rerata lebih dari dua kelompok data dengan cara membandingkan
variansinya. Analisis varian termasuk dalam kategori statistik parametric. Sebagai alat statistika
parametric, maka untuk dapat menggunakan rumus ANOVA harus terlebih dahulu perlu dilakukan
uji asumsi meliputi normalitas, heterokedastisitas dan random sampling (Ghozali, 2009). Seperti
yang dikatakan oleh Agustinus Bandur dalam bukunya “Penelitian Kuantitatif-Desain Dan
Analisis Data Dengan SPSS”, analisys of variance (ANOVA) dapat digunakan dalam situasi ketika
kita memiliki satu variable interval atau rasio sebagai variable dependen dan satu atau lebih
variable nominal atau ordinal sebagai variable dependen.

Analisis varian dapat dilakukan untuk menganalisis data yang berasal dari berbagai macam
jenis dan desain penelitian. Analisis varian banyak dipergunakan pada penelitian-penelitian yang
banyak melibatkan pengujian komparatif yaitu menguji variabel terikat dengan cara
membandingkannya pada kelompok-kelompok sampel independen yang diamati. Analisis varian
saat ini banyak digunakan dalam penelitian survey dan penelitian eksperimen.

10
ANOVA bisa dikatakan sebagai salah satu teknik penelitian statistic yang sering digunakan
oleh banyak peneliti karena memiliki dua karakteristik seperti (Bandur, 283:2013):

 ANOVA akan membantu kita untuk menganalisis data dari hasil desain penelitian
eksperimental.
 ANOVA akan membantu kita untuk melihat hubungan sebab akibat. Hal inilah yang
membedakan t-test dengan ANOVA dengan correlation dan multi-regretion. Dalam
kedua tes statistic yang disebutkan terakhir, kita bisa menguku hubungan sebab akibat
pada variable independen dan dependen.

Anova dapat digolongkan kedalam beberapa kriteria, yaitu :

1. Klasifikasi satu arah (One Way ANOVA)

Anova klasifikasi satu arah merupakan ANOVA yang didasarkan pada pengamatan satu
kriteria atau satu faktor yang menimbulkan variasi.

2. Klasifikasi dua arah (Two Way ANOVA)

ANOVA klasifikasi dua arah merupakan ANOVA yang didasarkan pada pengamatan dua
kritenia atau dua faktor yang menimbulkan variasi.

One way ANOVA


Analisis of variance atau ANOVA merupakan salah satu teknik analisis
multivariate yang berfungsi untuk membedakan rata-rata lebih dari dua kelompok data
dengan cara membandingkan variansinya. Sedangkan menurut Teguh Wahyono dalam
bukunya, “25 Metode Anlisis dengan menggunakan SPSS 17” One Way ANOVA
merupakan prosedur yang digunakan untuk menghasilkan analisis variansi satu arah
untuk variabel dependen dengan tipe data kuantitatif dengan sebuah variabel
independen sebagai variabel faktor.
Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher (Bapak
Statistika Modern). Dalam praktek, analisis varians dapat merupakan uji hipotesis
(lebih sering dipakai) maupun pendugaan (estimasi khususnya di bidang genetika
terapan). Analisis varian dapat dilakukan untuk menganalisis data yang berasal dari
berbagai macam jenis dan desain penelitian.

11
Sebelum menguji dengan ANOVA, data harus berdistribusi normal dan
mempunyai varians yang sama. Data yang digunakan pada One Way ANOVA untuk
nilai variabel pada faktor harus integer sedangkan variabel dependen harus berupa data
kuantitatif (tingkat pengukuran interval).Asumsi yang digunakan pada One Way
ANOVA, yaitu setiap kelompok pada sampel acak independen dari populasi yang
normal dan bervarian homogen. Dari output uji Anova akan diperoleh nilai F hitung.
Jika nilai F hitung tidak signifikan, berarti rata-rata variabel dependen pada tingkat
faktor yang ditentukan identik. Jika F hitung signifikan berarti terdapat perbedaan rata-
rata variabel dependen pada tingkat faktor yang telah ditentukan.

Two way Anova

Anova dua jalur memiliki perbedaan dibanding anova satu jalur. Perbedaannya
adalah pada jumlah variabel independen. Pada anova satu jalur hanya ada satu variabel
independen, sementara pada anova dua jalur ada dua atau lebih variabel independen.

Uji statistik parametrik ANOVA dua arah ini dapat membantu peneliti kuantitatif
untuk melihat pengaruh dua variable independen terhadap sebuah variable dependen.
(Bandur, 292:2013)

Jika kita menggunakan two way ANOVA kita bisa menguji main effect dan juga
interaction effect dari masing-masing variable independent terhadap variable
dependen. Main effect merupakan pengaruh langsung salah satu variable independen
terhadap variable depenen dengan membandingkan rata-rata skor pada masing-masing
kategori variabel dependen. Sedangkan interaction effect memberikan gambaran
kepada peneliti apakah pengaruh sebuah variable independen terhadap variabel
dependen berlaku untuk variabel dependen lainnya atau tidak.

12
2.3 UJI ANACOVA

Uji ANCOVA adalah teknik analisis yang berguna untuk meningkatkan presisi sebuah percobaan
karena didalamnya dilakukan pengaturan terhadap pengaruh peubah bebas lain yang tidak
terkontrol. ANCOVA digunakan jika peubah bebasnya mencakup variabel kuantitatif dan
kualitatif. Dalam ANCOVA digunakan konsep ANOVA dan analisis regresi.

Variabel dan Tipe Data Ancova


Peubah-peubah atau variabel dalam ANCOVA dan tipe datanya antara lain:
Peubah Respon atau Variabel Terikat (Y): Skala Data Kontinu (Kuantitatif): Interval/Rasio.
Peubah Bebas atau Variabel Bebas (X): Campuran antara Skala Data Kontinu (Kuantitatif) dan
Skala Data Kualitatif/Kategorik (Ordinal/Nominal). Data Kuantitatif disebut Covariate. Data
Kualitatif disebut Treatment/Perlakuan/Faktor.

Tujuan Uji Ancova


Tujuan ANCOVA adalah untuk mengetahui atau untuk melihat pengaruh perlakuan terhadap
peubah respon dengan mengontrol peubah lain yang kuantitatif.
Model Matematis: Model Ancova dengan 1 covariates.
Persamaan Ancova
yij : nilai peubah respon pada perlakuan ke-i observasi ke-j
xij : nilai covariate pada observasi yang bersesuaian dengan yij
τi : pengaruh perlakuan ke-i
β : koefisien regresi linier
εij : random error
a : banyaknya kategori pada perlakuan
ni : banyaknya observasi pada kategori ke-i.

Hipotesis Ancova
H0 : τ1 = τ2 = …= τa = 0
H1 : sekurang-kurangnya ada satu τi ≠ 0, i = 1, 2, …a
Dalam ANCOVA terdapat 2 tipe Dekomposisi (penguraian) jumlah kuadrat yang biasa
digunakan, yaitu SS Type I dan SS Type III. Perbedaaan kedua tipe dekomposisi tersebut adalah

13
sebagai berikut:
Tipe Ancova

Type I:
Dalam SS Type I, proses dilakukan dengan memasukkan covariate ke dalam persamaan/model
terlebih dahulu dan diasumsikan covariate memiliki hubungan linier dengan peubah respon.
Sehingga pengujian hipotesis hanya dilakukan satu kali yaitu untuk mengetahui pengaruh
perbedaaan kategori perlakuan terhadap peubah respon.

Type III:
Dalam SS Type I, proses dilakukan tanpa didasari asumsi apapun, apakah covariate atau
perlakuan yang masuk ke dalam persamaan/model terlebih dahulu. Sehingga pengujian hipotesis
dilakukan dua kali yaitu untuk mengetahui adanya hubungan linier antara covariate dengan
peubah respon dan untuk mengetahui pengaruh perbedaaan kategori perlakuan terhadap peubah
respon. (default dalam SPSS adalah SS Type III)

2.5 UJI MANOVA

MANOVA adalah perluasan multivariate dari analisis ANOVA. MANOVA merupakan metode
statistik untuk mengeksplorasi hubungan diantara beberapa variable independen yang berjenis
kategorikal (bisa data nominal atau ordinal) dengan beberapa variable dependen yang berjenis
metric (bisa data interval atau rasio).

Tujuan MANOVA yaitu untuk mengetahui apakah ada perbedaan yang nyata pada variable-
variabel dependen antar-anggota sebuah grup (variable independen).
Berikut jenis analisis varians :

Metode ANOVA dan MANOVA memiliki konsep yang sama yaitu untuk menganalisis
perbedaaan rata-rata secara serempak antara dua kelompok atau lebih dan menganalisis
hubungan atau pengaruh variabel independen terhadap variable dependen. Perbedaannya terletak
pada jumah variable dependentnya.

14
Jumlah sampel pada MANOVA sebaiknya 20 kasus per grup. Sebagai contoh , jika ada 3 grup ,
maka sebaiknya ada 3×20=60 sampel.
Untuk menggunakan metode manova, terdapat beberapa asumsi yang harus terpenuhi yaitu
sebagai berikut :

Adanya independensi antar-anggota grup. Sebagai contoh respon antar grup responden
seharusnya tidak berkorelasi.

Linearitas yaitu hubungan yang linear diantara seluruh pasangan varaibel dependen.
Adanya kesamaan matriks kovarians antar group pada variable dependent (Homogeneity of
covariance matrices)
Variable-variabel dependen seharusnya berdistribusi normal. Karena pada MANOVA jumlah
variable dependen lebih dari satu, maka pengukuran normalitas adalah untuk multivariate.
Karena pengukuran normalitas untuk multivariat sulit dilakukan, maka bisa diasumsikan bahwa
jika masing-masing variable dependen sudah berdistribusi normal atau mendekati normal, maka
kumpulan variable dependen juga dianggap akan berdistribusi normal.
Antar-variabel dependen seharusnya tidak terjadi korelasi yang kuat (multikolinearitas).
MANOVA cukup sensitive terhadap keberadaan data yang bernilai sangat ekstrem (outlier).
Karena itu, data terlebih dahulu perlu dideteksi apakah mengandung outlier atau tidak.

2.6 UJI MANCOVA

MANCOVA ( analisis multivariat kovarians )


Multivariate Analysis of Covariance adalah analisis kovarian di mana 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 (kendali) (Raykov & Marcoulides, 2008: 192).
Analisis multi kovarian digunakan untuk membandingkan dua data atau lebih yang
semuanya bersifat interval dari dua kelompok atau lebih, disertai pengendalian satu atau lebih data
yang juga semuanya bersifat interval. 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

15
secara teoritik berkorelasi dengan variabel terikat atau beberapa variabel yang menunjukkan
korelasi pada beberapa jenis subjek yang sama. 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.
Contoh kasus!
Seorang peneliti tertarik untuk melakukan penelitian mengenai apakah metode pembelajaran
(tradisional dan discovery) dan perbedaan kelas berdasarkan waktu perkuliahan ( kelas A yaitu
kelas perkuliahan pagi pukul 08.00, kelas B yaitu kelas perkuliahan siang pukul 14.00, dan kelas
C yaitu kelas perkuliahan malam pukul 20.00) dalam pembelajaran fisika berpengaruh terhadap
nilai tes di bidang mekanik, panas, dan bunyi setelah disesuaikan dengan nilai IQ mahasiswa.
Berdasarkan contoh di atas, nilai tes di bidang mekanik, panas, dan bunyi dapat diklasifikasikan
sebagai variabel dependen, sedangkan nilai IQ bertindak sebagai variabel konkomitan atau
kovariat. Terdapat pula 2 variabel independen yaitu metode pembelajaran dan perbedaan kelas.
MANCOVA merupakan perpaduan dari ANCOVA dan MANOVA yang memungkinkan
peneliti untuk mengendalikan pengaruh dari satu atau lebih kovariat (Salkind, 2010 : 861).
Perbedaan antara Mancova dan Anacova diformulasikan sebagai berikut;
MANCOVA
Y1 + Y2 + Y3 + ... + Yn + p1 + p2 + ... + pn = X1 + X2 + X3 + ... + Xn
(Dependen) (Kovariat) (Independen)
Anakova
Y1 + Yp1 + Yp2 + ... + YPN = X1 + X2 + X3 + ... + Xn
(Tergantung) (Kovariat) (Independen)

16
BAB III

PENUTUP

3.1 Kesimpulan

DAFTAR PUSTAKA

17