Anda di halaman 1dari 35

UJI STATISTIK ANAKOVA

OLEH

I GUSTI AYU AGUNG NGURAH DIANA WATI

1613031038

PROGRAM STUDI PENDIDIKAN KIMIA


JURUSAN KIMIA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN GANESHA
2019
BAB I

PENDAHULUAN

1.1 Latar Belakang

Dalam beberapa bidang kehidupan seperti pada bidang pendidikan,


perdagangan, pertanian, kependudukan dan penelitian kita sering kali mendengar
istilah statistik. Statistik merupakan suatu metode ilmiah yang mempelajari proses
pengumpulan, pengaturan, perhitungan, penggambaran dan penganalisisan yang
dilakukan dalam membantu pembuatan keputusan yang rasional. Statistik pada
dasarnya merupakan alat bantu untuk memberi gambaran atas suatu kejadian
melalui bentuk yang sederhana, baik berupa angka-angka maupun grafik-grafik.
Mengingat peranannya sebagai alat bantu, maka perlu disadari bahwa kunci
keberhasilan analisis statistik terletak pada teknik pemakaiannya. Jika teknik
statistik yang digunakan sudah tepat maka dapat membantu dalam menarik
kesimpulan.
Saat hendak melakukan suatu riset, seringkali kita dihadapkan pada pilihan
pengolahan data yang cocok digunakan dalam riset kita tersebut. Dalam statistika
proses pengolahan data yang diperoleh dari hasil penelitian dibedakan menjadi 2
jenis tipe pengujian data diantaranya pengujian data secara parametric dan non
paramterik. Statistik parametrik digunakan jika kita telah mengetahui model
matematis dari distribusi populasi suatu data yang akan dianalisis. Jika kita tidak
mengetahui suatu model distribusi populasi dari suatu data dan jumlah data relatif
kecil atau asumsi kenormalan tidak selalu dapat dijamin penuh,maka kita harus
menggunakan statistik non parametrik (statistik bebas distribusi).
Untuk menguji kebenaran suatu hipotesis yang ada di dalam penelitian itu,
berbagai uji dilakukan. Hipotesis penelitian dibagi menjadi tiga yaitu hipotesis
deskriptif, komparatif, dan asosiatif. Hipotesis deskriptif adalah dugaan terhadap
nilai satu variabel dalam satu sampel walaupun di dalamnya bisa terdapat
beberapa kategori. Hipotesis komparatif adalah dugaan terhadap perbandingan
nilai dua sampel atau lebih dan hipotesis asosiatif adalah dugaan terhadap
hubungan antara dua variabel atau lebih.
Adapun salah satu teknik pengolahan data statistik parametrik yaitu analisis
kovarian (ANAKOVA). Anakova termasuk hipotesis komparatif. Anakova adalah
teknik statistik yang merupakan perpaduan antara analisis regresi (ANAREG)
dengan analisis varian (ANAVA). Secara lebih khusus dalam Anakova akan
diadakan analisis residu pada garis regresi, yaitu dilakukan dengan jalan
membandingkan varian residu antar kelompok dengan varian residu dalam
kelompok. Anakova akan dihitung dengan melakukan pengendalian statistik yang
gunanya untuk membersihkan atau memurnikan perubahan-perubahan yang
terjadi pada variabel terikat sebagai akibat dari pengaruh variabel-variabel luar.
Anakova pada dasarnya sama dengan ANAVA, hanya saja dalam anakova
terdapat variabel sebagai kovariabel yangdiyakini dapat membuat bias analisis.
Anakova biasanya digunakan dalam penelitian pengaruh strategi pembelajaran
terhadap hasil belajar, misalnya yang menjadi kovariabel yaitu motivasi belajar,
sehingga untuk menurunkan terjadinya bias, variabel motivasi belajar dikontrol
dengan memasukkannya sebagai kovariabel.
Agar lebih mudah dalam memahami analisis data dengan anakova, pada
makalah ini diberikan langkah-langkah dengan mengambil contoh data dari hasil
penelitian yang sudah dilakukan oleh Yuni pada tahun 2014 yang berjudul
“Komparasi Hasil Belajar Kimia Siswa SMA Kelas X Antara Menggunakan
Teknik Pencatatan Peta Pikiran (Mind Map) dan Peta Konsep”.

1.2 Rumusan Masalah


1. Bagaimana definisi anakova?
2. Apakah tujuan penggunaan anakova?
3. Apa saja istilah-istilah istilah dalam anakova?
4. Apa saja asumsi-asumsi yang harus dipenuhi dalam penggunaan anakova?
5. Bagaimanakah analisis data dengan anakova?
1.3 Tujuan
1. Untuk mengetahui definisi anakova.
2. Untuk mengetahui tujuan penggunaan anakova.
3. Untuk mengetahui saja istilah-istilah istilah dalam anakova.
4. Untuk mengetahui asumsi-asumsi yang harus dipenuhi dalam penggunaan
anakova.
5. Untuk mengetahui analisis data dengan anakova.

1.4 Manfaat
Diharapkan makalah ini dapat bermanfaat bagi pembaca dalam memahami
statistik, khususnya dalam analisis data menggunakan anakova.
BAB II
PEMBAHASAN

2.1 Definisi ANAKOVA


Analisis kovarian atau sering disebut dengan ANAKOVA adalah teknik
statistik yang merupakan perpaduan antara analisis regresi (ANAREG) dengan
analisis varian (ANAVA). Adapun perbedaan anakova dengan anova yaitu, kalau
anava hanya menguji perbandingan saja akan tetapi anakova menguji
perbandingan sekaligus hubungan. Istilah kova dalam anakova berasal dari kata
kovarian yang menunjukkan adanya variabel numerik sebagai kovariabel, yang
diyakini dapat membuat bias hasil analisis. Dalam anakova kita membandingkan
variable terikat (Y) ditinjau dari variable bebas (X1) sekaligus menghubungkan
variable tergantung tersebut dengan variable bebas lainnya (X2). Variable X2
yang digunakan memprediksi inilah yang dinamakan dengan kovarian.

2.2 Tujuan Penggunaan ANAKOVA


Adapun tujuan dari penggunaan teknik statistik anakova antara lain : 1).
Untuk mendapatkan kemurnian pengaruh variabel independen terhadap variabel
dependen. 2). Untuk mengontrol kondisi awal sebelum penelitian dengan cara pre
& post tes. 3). Untuk mengontrol variabel luar yang secara teoritis akan
mempengaruhi hasil penelitian.

2.3 Istilah-Istilah dalam ANAKOVA


Anakova merupakan teknik statistik yang sering digunakan pada penelitian
eksperimental dan juga observasional. Adapun istilah-istilah dalam teknik
statistik anakova antara lain: 1). kriterium, adalah variabel terikat (Y) yaitu
variabel yang dipengaruhi. 2). Kovariabel, disebut juga variabel kendali/variabel
kontrol yang diberi lambang X. 3). Faktor, yaitu sebutan untuk variabel bebas
atau variabel eksperimental yang ingin diketahui pengaruhnya.
2.4 Asumsi-Asumsi dalam ANAKOVA
Asumsi-asumsi yang harus dipenuhi dalam mengerjakan anakova adalah: 1).
Kovariabel berskala interval/rasio. 2). Kriterium berskala interval/rasio. 3) Faktor
berskala nominal/ordinal. 4) Secara teoritis Kovariabel dan Kriterium harus ada
hubungan. 5). Faktor harus tidak ada hubungan dengan kovariabel.

2.5 Analisis Data denagn Anakova


Anakova merupakan salah satu teknik analisis parametrik, sehingga bentuk
data yang dianalisis dengan anakova adalah data kuantitatif. Analisis kovarian
dilakukan dengan cara yang sama denga analisis varian, yakni dengan mengitung
F, hanya saja perhitungan sebelumnya mengalami perubahan karena adanya
kovariabel. Rumus yang digunakan adalah:

Keterangan :

F* = Koefiseien anakova

RK*A = Rata-rata kuadrat standar

RK*D = Rata-rata kuadrat dalam

Masing-masing RK* diperoleh dari :

Keterangan :
JK = Jumlah kuadrat
dK* = Derajat kebebasan
Adapun hipotesis statistik yang diuji adalah:
Ho :
Ha :
Dengan kriteria pengujian :
Tolak Ho jika F*A > F ( dbA : dbD)
Terima Ho jika F*A < F ( dbA : dbD)

Secara lengkap, langkah-langkah perhitungan anakova adalah sebagai berikut.


1. Membuat tabel kerja anakova dengan bentuk sebagai berikut.

Statistik A1 A2 Total
N
𝛴X
𝛴X2
𝛴Y
𝛴Y2
𝛴

Rata-rata X
Rata-rata Y

2. Melakukan perhitungan
a. Sumber Variasi Total (Residu)
(∑ )
1) ∑ ∑
(∑ )
2) ∑ ∑
(∑ )(∑ )
3) ∑ ∑

4) ( )=∑

5) (∑ )
6)

b. Sumber variasi dalam (JK dalam residu)


(∑ )
1) ∑ ∑ ∑
(∑ )
2) ∑ ∑ ∑
(∑ )(∑ )
3) ∑ ∑ ∑

4) ( )=∑

5) (∑ )
6)

c. Sumber variasi antar

d. Menghitung derajat kebebasan


dk*A = dkA = a – 1
dk*D = dkD M=N a–M
dk*t = dkt M=N 1–M

Keterangan :
N = banyak data
M = banyak kovariabel
a = banyak kelompok
e. Menghitung rata-rata kuadrat (RK)

f. Menghitung harga F

Akhirnya diperoleh rangkuman anakova seperti berikut.


Sumber F tabel
JK dK RK F*A Keterangan
Variasi 5% 1%
Antar
Dalam
(error)
Total
(residu)
Untuk lebih jelas, analisis data hasil penelitian Yuni (2014) secara manual
maupun dengan bantuan SPSS akan disajikan pasa sub bab 2.2.

Salah satu contoh penelitian yang menggunakan anakova adalah penelitian


dari Yuni (2014) yang berjudul “Komparasi Hasil Belajar Kimia Siswa SMA
Kelas X Antara Menggunakan Teknik Pencatatan Peta Pikiran (Mind Map)
dan Peta Konsep”.
a. Judul : Komparasi Hasil Belajar Kimia Siswa SMA Kelas X Antara
Menggunakan Teknik Pencatatan Peta Pikiran (Mind Map) dan
Peta Konsep”.
b. Rumusan Masalah
1. Apakah terdapat perbedaan hasil belajar kimia siswa SMA yang
dibelajarkan menggunakan teknik pencatatan peta pikiran dan peta konsep?
2. Bagaimana aktivitas belajar siswa SMA yang dibelajarkan menggunakan
teknik pencatatan peta pikiran dan peta konsep?
3. Bagaimana respon siswa SMA yang dibelajarkan menggunakan teknik
pencatatan peta pikiran dan peta konsep?
c. Kerangka Berpikir
Dalam penelitian Yuni (2014), salah satu penyebab masih rendahnya mutu
pendidikan di Indonesia disebabkan oleh proses pembelajaran yang masih
berpusat pada guru. Apabila strategi yang digunakan guru kurang tepat, maka
pembelajaran yang dilaksanakan kurang maksimal. Kurangnya minat belajar
siswa umumnya disebabkan oleh pembelajaran di sekolah yang didominasi
oleh cara belajar menghafal melalui ceramah dan diskusi tanpa makna
sehingga terkesan membosankan. Hal ini berkaitan pada pemahaman siswa
yang terpisah-pisah, tidak berkaitan satu sama lain. Pemilihan metode belajar
yang baik dapat mempengaruhi keberhasilan dalam meningkatkan hasil belajar
siswa.
Untuk menanggulangi hal tersebut, salah satu upaya yang dapat dilakukan
yaitu membuat pembelajaran efektif yang melibatkan potensi pikiran dari
siswa itu sendiri. Pembelajaran melibatkan pemikiran yang bekerja secara
asosiatif, sehingga dalam setiap pembelajaran terjadi penghubungan antar satu
informasi dengan informasi yang lain. Upaya yang dapat digunakan dalam
proses pembelajaran adalah menggunakan teknik pencatatan dengan mind map
(peta pikiran) dan peta konsep.
Peta pikiran merupakan teknik grafik yang sangat ampuh dan menjadi
kunci yang universal untuk membuka potensi dari seluruh otak, karena
menggunakan seluruh keterampilan yang terdapat pada bagian otak kiri dan
otak kanan. Peta pikiran menggunakan pengingat visual dan sensorik alam
suatu pola dari ide-ide yang berkaitan. Peta ini dapat membangkitkan ide-ide
orisinil dan memicu ingatan yang mudah karena melibatkan kinerja otak kiri
dan otak kanan. Sedangkan peta konsep adalah piranti visual untuk
mengorganisir dan mempresentasikan pengetahuan. Di dalamnya terdapat
konsep-konsep yang dihubungkan dengan kata/kata-kata penghubung yang
jelas. Susunan hubungan antar konsep bisa disusun berdasarkan yang umum,
hingga yang khusus secara hirarkis.
Secara umum, banyak kesamaan antara peta pikiran dengan peta konsep.
Inti teori kedua model pemetaan itu sama. Perbedaannya terletak pada peluang
mengekspresikan aspek-aspek perasaan dalam bentuk gambar, warna, dan
simbol yang cukup dominan pada peta pikiran. Pada peta konsep, peluang
menonjolkan aspek-aspek perasaan tersebut tidak begitu dipersoalkan.

d. Hipotesis Penelitian
Berdasarkan kerangka berpikir tersebut, Yuni menuliskan rumusan
hipotesis dalam penelitiannya adalah sebagai berikut. “Terdapat perbedaan
hasil belajar kimia siswa SMA antara siswa yang dibelajarkan menggunakan
teknik pencatatan peta pikiran dan siswa yang dibelajarkan menggunakan
teknik pencatatan peta konsep”.

e. Data
Pada sub bab ini akan dipaparkan bagaimana analisis data dengan anakova
secara manual dan dengan menggunakan SPSS. Berikut data hasil penelitian
Yuni.
 Nilai Pretest dan Posttest Siswa Pada Kelompok Mind Map
Nilai (Skala 100)
No. Nama
Pretest Posttest
1. Gede Sukrawan 37 81
2. Gede Widiawan 35 80
3. I Gede Riski Pambayu 40 91
4. I Kadek Buda Arnata 38 85
5. Kadek Aria Setiawan 36 82
6. Kadek Indah Kusuma Yani 37 91
7. Kadek Suwartini 42 82
8. Ketut Ariawan 44 85
9. Ketut Laksmi Dewi 40 84
10. Ketut Sukertayasa 31 85
11. Komang Enita 47 91
12. Komang Romeona 43 86
13. Komang Sri Ayu Widyastuti 34 80
14. Komang Sri Wahyuni 30 90
15. Komang Suastini 44 93
16. Luh Eka Candrayani 32 80
17. Ni Luh Mertaningsih 30 86
18. Luh Rika Ningsih 27 84
19. Made Aryawesi Nitya Saputra 33 91
20. Made Budiadnya 40 84
21. Putu Agus Sukrawan 39 92
22. Putu Arik Purwanto 48 93
23. Putu Bisma Adi Pratama 34 77
24. Putu Sudiarta 35 88
25. Thesalonicko Annesti Putra 37 90
26 Wayan Surya Pratama 47 92
Rata-Rata 37,69 86,26
Standar Deviasi 5,66 4,75

 Nilai Pretest dan Posttest Siswa Pada Kelompok Peta Konsep


Nilai (Skala 100)
No. Nama
Pretest Posttest
1. I Desak Putu Subudi Sewi 25 63
2. I Gusti Ayu Putu Mega Oktaviani 38 74
3. I Nyoman Ngurah Muliardana 30 70
4. Kadek Agus Gunama 55 80
5. I Kadek Gilang Andika 42 75
6. Kadek Rediantara 40 78
7. Kadek Soniva 43 75
8. Kadek Sudira 30 63
9. Kadek Sutawan 38 63
10. Ketut Kembar Tini Ariani 35 81
11. Ketut Rudika 40 73
12. Ketut Surya Dipa 32 70
13. Komang Deni Setiawan 48 74
14. Komang Kembar Tina Ariani 33 68
15. Komang Mega Kartika Yani 42 74
16. Komang Sri Ardani 38 75
17. Luh Rediastini 33 76
18. Luh Reditiani 31 69
19. Luh Sindi Andriani 35 78
20. Putu Agus Werdi Putra 40 73
21. Putu Desy Andriani 25 65
22. Putu Sri Widiasih 38 74
23. Putu Suryani 25 70
24. Wayan Adi Purnama 38 80
Rata-Rata 36,41 72,54
Standar Deviasi 7,18 5,37

f. Analisis Data
Sebelum dilakukan pengujian dengan analisis statistic inferensial berupa
analisis kovarian, maka terlebih dahulu perlu dilakukan uji prasyarat analisis
terhadap data hasil belajar siswa. Uji prasyarat tersebut meliputi:
1) Uji Normalitas
Uji normalitas bertujuan untuk menyakinkan bahwa sampel benar-benar
berasal dari populasi yang berdistribusi normal, sehingga uji hipotesis dapat
dilakukan. Uji normalitas data dalam penelitian Yuni (2014) menggunakan
statistik Kolmogorov-Smirnov dan Shapiro-Wilk. Uji Kolmogorov-Smirnov
adalah salah satu uji normalitas untuk dua sampel yang independen. Uji
Kolmogorov-Smirnov dapat digunakan untuk sampel besar maupun sampel
kecil dan berupa data interval. Kriteria pengujian yang digunakan adalah: data
memiliki sebaran normal jika angka signifikansi yang dihasilkan lebih dari
0,05 dan dalam hal lain dan tidak berdistribusi normal. Uji normalitas
dilakukan terhadap seluruh skor pemahaman awal dan hasil belajar siswa di
kelompok Mind Map dan Peta Konsep.
Berikut ini diberikan langkah pengujian normalitas data dengan
menggunakan SPSS.
i. Entry Data

ii. Memilih menu berikut : Analyze>>Descriptives Statistics>>Explore

Pindahkan variabel pretest dan posttest ke dependen list, pilih menu both
pada kotak display.
Pilih plots sehingga muncul kotak dialog berikut.

Centang pilihan seperti gambar di atas, kemudian klik continue dan OK.

iii. Menafsirkan Hasil Uji

Pada hasil analisis akan tampak tabel seperti gambar di atas. Pada tabel
tersebut terlihat besarnya bilangan signifikansi atau p-value pada pretest dan
posttest data keseluruhan pada kelompok mind map dan peta konsep lebih
besar dari 0,05 yang artinya data berdistribusi normal atau Ho diterima.

2) Uji Homogenitas
Uji homogenitas dilakukan untuk mengetahui homogenitas varians antar
kelompok, dengan membandingkan varians antar kelompok, yaitu hasil
belajar (posttest) kelompok mind map dan kelompok peta konsep. Hal ini
dilakukan untuk menguji perbedaan yang terjadi dalam uji hipotesis benar-
benar berasal dari perbedaan antara kelompok, bukan akibat dari perbedaan
yang terjadi di dalam kelompok. Uji homogenitas varians antar kelompok
menggunakan lavene’s test of equality of error variance. Kriteria pengujian
yang digunakan adalah : data memiliki varians yang sama (homogen) jika
angka signifikansi yang dihasilkan lebih besar dari 0,05 dan dalam hal lain,
varians sampel tidak homogen. Uji ini dilakukan dengan menghitung nilai W
dengan rumus:

( )∑ ( )
( )∑ ∑ ( )

Keterangan :
N = banyak data keseluruhan
N = banyak data tiap-tiap kelompok
K = banyak kelompok
| |
= data sampel ke-j pada kelompok ke-i
= rerata kelompok sampel ke-i
rerata untuk kelompok sampel ke-i
rerata seluruh
Berikut ini diberikan langkah-langkah pengujian homogenitas
menggunakan SPSS.

i. Entry Data
ii. Memilih menu berikut : Analyze>>General Linear Model>Univariate

Pindahkan variabel pretest dan posttest ke dependen list dan kelompok ke


fixed factor, dan pilih options sehingga muncul kotak dialog berikut.
Centang pilihan seperti gambar di atas, kemudian klik continue dan OK.

iii. Menafsirkan hasil uji

Pada hasil analisis akan tampak tabel seperti gambar di atas. Pada
tabel tersebut terlihat bahwa besarnya bilangan signifikan atau p-value pada
pretest = 0,381 > 0,05 dan bilangan signifikan atau p-value posttest = 0,751
> 0,05. Sehingga, Ho diterima atau data pretest dan posttest menunjukkan
varians kedua kelompok data adalah homogen.

3) Uji Linieritas
Uji linieritas dilakukan dengan menggunakan teknik statistik Test of
linearity Uji linieritas bertujuan untuk mengetahui hubungan antara
pemahaman awal (pretest) dan hasil belajar siswa (posttest) pada kelompok
mind map dan peta konsep. Hubungan linieritas ditunjukkan pada nilai
signifikansi deviation from linearity. Hubungan dikatakan linier apabila nilai
signifikansi yang diperoleh > 0,05.
i. Entry Data

ii. Memilih menu berikut : Analyze>>Compare Means>>Means

Pindahkan variabel pretest ke independen list dan posttest ke dependent


list, dan pilih options sehingga muncul kotak dialog berikut.
Centang pilihan sperti gambar di atas, kemuadian klik continue dan OK.
iii. Menafsirkan hasil uji
Kelompok Mind Map

Pada hasil analisis akan tampak tabel seperti gambar di atas, angka
signifikansi pada lajur deviation from linearity pada kelompok mind map
yaitu 0,495 lebih besar dari 0,05. Hal ini menunjukkan bahwa hubungan
antara skor pretest dan posttest siswa adalah linier. Untuk kelompok peta
konsep dilakukan langkah yang sama dan didapatkan hasil sebagai berikut.

Kelompok Peta Konsep

Pada hasil analisis akan tampak tabel seperti gambar di atas, angka
signifikansi pada lajur deviation from linearity pada kelompok peta konsep
yaitu 0,673 lebih besar dari 0,05. Hal ini menunjukkan bahwa hubungan
antara skor pretest dan posttest siswa adalah linier.

4) Uji Kemiringan Garis Regresi


Uji kemiringan garis regresi dilakukan untuk mengetahui ada atau
tidaknya interaksi antara nilai pretest dan posttest pada kelompok mind map
dengan nilai pretest dan posttest pada kelas peta konsep. Kemiringan garis
regresi dikatakan tidak terjadi interaksi apabila angka signifikan lebih besar
dari 0,05. Berdasarkan hasil nilai posttest dari masing-masing kelompok
diperoleh hasil uji kemiringan garis sebagai berikut.
i. Entry Data

ii. Memilih menu berikut : Analyze>>General Linear Model>Univariate

Pindahkan variabel pretest covariate, variabel kelompok ke fixed factor, dan


variabel posttest ke dependent variable dan muncul gambar sebagai berikut.
Kemudian pilih model dan custom. Kemudian masukkan kelompok sebagai
main effect pada build term(s), masukkan pretest sebagai main effect pada
build term(s) dan masukkan kelompok lalu pretest sebagai interaction pada
build term(s), dan pilih continue seperti gambar berikut.

Kemudian pilih menu option, lalu centang descriptive statistic, estimates of


effect size dan homogeneity tests lalu pilih continue seperti gambar berikut.
iii. Menafsirkan hasil uji

Tests of Between-Subjects Effects


Dependent Variable: Posttest

Partial
Eta
Type III Sum of Squar
Source Squares df Mean Square F Sig. ed

Corrected a
2695.541 3 898.514 46.685 .000 .753
Model
Intercept 5600.061 1 5600.061 290.965 .000 .863
Kelompok 96.377 1 96.377 5.008 .030 .098
Pretest 311.162 1 311.162 16.167 .000 .260
Kelompok *
4.790 1 4.790 .249 .620 .005
Pretest
Error 885.339 46 19.246
Total 321026.000 50
Corrected
3580.880 49
Total

a. R Squared = .753 (Adjusted R Squared = .737)


Berdasarkan data di atas, nilai signifikansi yang diperoleh pada jalur
kelompok*pretest yaitu sebesar 0,620. Angka signifikansi ini lebih besar dari
0,05, ini menunjukkan tidak terdapat interaksi antara nilai pretest dan posttest
pada kelompok mind map dengan nilai pretest dan posttest pada kelompok
peta konsep. Dengan tidak adanya interaksi ini menyebabkan pretest cocok
digunakan sebagai variabel kovariat.
Setelah semua uji prasyarat dilakukan dan memenuhi syarat untuk dapat
dianalisis dengan anacova barulah data dapat dianalisis dengan anakova.
Terdapat dua cara menganalisis data dengan anacova, yaitu secara manual dan
dengan bantuan SPSS. Namun, jika data tidak berdistribusi normal maka
anakova tidak dapat dijalankan, sehingga harus memiliki salah satu teknik
analisis non-parametrik yang sesuai yaitu Uji Mann-Whitney.

 Anakova secara manual


Secara manual, analisis data dengan anakova dilakukan dengan
menghitung harga F. Langkah-langkah analisis data dengan anakova secara
manual adalah sebagai berikut.
1. Menyusun Data Hasil Penelitian
Data hasil penelitian disusun seperti tabel berikut ini.

A1 A2
No X Y X Y
1 37 81 25 63

2 35 80 38 74

3 40 91 30 70

4 38 85 55 80

5 36 82 42 75

6 37 91 40 78

7 42 82 43 75
8 44 85 30 63

9 40 84 38 63

10 31 85 35 81

11 47 91 40 73

12 43 86 32 70

13 34 80 48 74

14 30 90 33 68

15 44 93 42 74

16 32 80 38 75

17 30 86 33 76

18 27 84 31 69

19 33 91 35 78

20 40 84 40 73

21 39 92 25 65

22 48 93 38 74

23 34 77 25 70

24 35 88 38 80

25 37 90

26 47 92
Keterangan :
A = model pembelajaran
A1 = kelompok mind map
A2 = kelompok peta konsep
X = hasil pretest (kovariabel)
Y = hasil belajar (posttest)

2. Tabel statistik anakova


Tabel statitstik anakova membantu dalam melakukan perhitungan
rumus-rumus dalam mencari harga F hitung.
Statistik A1 A2 Total
N
26 24 50
ΣX
980 874 1854
ΣX 2
37740 33014 70754
ΣY 2243 1741 3984
ΣY 2
194067 126959 321026
ΣXY 84827 63939 148766

Rata-rata X 37,69 36,41 74,1


Rata-rata Y 86,26 72,54 158,8

3. Perhitungan
Perhitungan dilakukan sesuai dengan rumus –rumus dalam mencari
harga F hitung sebagai berikut.
a. Sumber Variasi Total (Residu)
(∑ )
1) ∑ ∑

( )

(∑ )
2) ∑ ∑

( )
(∑ )(∑ )
3) ∑ ∑
( )( )
1039,28


4) ( ) ∑

0,52

5) (∑ )
( )( )
6)
3040,46
b. Sumber variasi dalam (JK dalam residu)
(∑ )
1) ∑ ∑ ∑

( ) ( )
( )

(∑ )
2) ∑ ∑ ∑

( ) ( )
( )

(∑ )(∑ )
3) ∑ ∑ ∑

( )( ) ( )( )
( )


4) ( ) ∑

0,41
5) (∑ )
( )( )
6)
c. Sumber variasi antar

d. Menghitung derajat kebebasan


dk*A = dkA = a - 1 = 2-1 = 1
dk*D = dkD – M= N-a-M = 50-2-1= 47
dk*t = dkt – M= N-1-M = 50-1-1 = 48
e. Menghitung rata-rata kuadrat (RK)

f. Menghitung harga F

4. Rangkuman
Membuat rangkuman hasil perhitungan sangat penting agar kita lebih
mudah untuk mengambil kesimpulan. Rangkuman hasil perhitungan
sebagai berikut.

Sumber F tabel
JK dk RK FA* Keterangan
Variasi 5% 1%

Antar 1 2147,88 113,10 4,05 7.02 signifikan


Dalam 47 18,99 - - -
(error)
Total 3040,46 48 - - - -
(residu)

Penelitian Nurindra menggunakan α = 0,05. Berdasarkan perhitungan


diperoleh FA* = 113,10 sedangkan F(0,05;1:47) = 4,05. Berarti FA* > F(0,05;1:47).
Sesuai dengan kriteria pengujian, H0 ditolak dan Ha diterima.
5. Kesimpulan
Jadi, kesimpulannya terdapat perbedaan hasil belajar kimia yang
signifikan antara siswa yang belajar menggunakan teknik pencatatan peta
pikiran (mind map) dan siswa yang belajar menggunakan teknik
pencatatan peta konsep.

 Anakova dengan bantuan SPSS


Anakova yang dicontohkan berikut ini menggunakan aplikasi SPPS 16 for
windows.
1. Entry Data
Sebelum Entry data, klik Variabel View seperti tampak pada gambar di
bawah ini.

Selanjutnya masukan pada baris 1 = “Hasil”, baris 2 = “Pretest” dan baris


3 = “Posttest pada kolom Name dan akan muncul gambar seperti di bawah
ini.
Kemudian pada kolom Values baris ke- 1, klik tanda  masukkan
value = 1 dan label = Mind Map kemudian klik Add. Begitu juga dengan
value = 2 diberi label Peta Konsep kemudian klik Add, maka akan muncul
gambar seperti di bawah ini.

Maka Variable View akan terlihat seperti pada gambar di bawah ini.
Selanjutnya klik Data View, pada Data View telah terdapat variabel
kelompok, pretest dan posttest. Sehingga dapat langsung memasukkan
data (Entry Data).

2. Analisis Data
Menu ANAKOVA terletak di General Linear Model, dengan langkah-
langkah berikut : Analyze >> General Linear Mode >> Univariate

Setelah dipilih, akan tampak kotak dialog seperti gambar di bawah ini.
Masukkan posttest pada kotak dependent variable, kelompok pada fixed
factor, dan pretest pada covariate. Selanjutnya pilih OK, sehingga akan
muncul hasil analisis. Hasil analisis yang muncul adalah seperti gambar
berikut ini.

Hasil analisis menunnjukkan bahwa harga F untuk kelompok besarnya


113,669. Dapat terlihat bahwa harga ini tidak berbeda jauh dengan
perhitungan secara manual. Hasil analisis menunnjukkan bahwa nilai
signifikansi pretest (0,000) lebih kecil dari probabilitas (0,05). Hal ini
menunjukkan bahwa terdapat hubungan yang signifikan antara variabel
kovariat (pretest) terhadap variabel terikat (posttest). Namun, dengan uji
anakova, pengaruh variabel kovariat secara otomatis telah dikoreksi.
Nilai signifikansi pada kelompok diperoleh sebesar 0,000. Angka
signifikansi ini kurang dari 0,05. Bandingkan α dengan signifikansi yang
diperoleh dengan SPSS (sig.). Apabila sig. > α, maka Ho diterima Ha
ditolak, sebaliknya sig. α., maka Ho ditolak Ha diterima. Dengan
demikian dapat diambil keputusan sebagai berikut.
 Ho = Tidak terdapat perbedaan hasil belajar kimia siswa antara siswa
yang dibelajarkan menggunakan teknik pencatatan peta pikiran dengan
siswa yang dibelajarkan menggunakan teknik pencatatan peta konsep
ditolak.
 Ha = Terdapat perbedaan hasil belajar kimia siswa antara siswa yang
dibelajarkan menggunakan teknik pencatatan peta pikiran dengan
siswa yang dibelajarkan menggunakan teknik pencatatan peta konsep
diterima.
BAB III
PENUTUP
3.1 Kesimpulan
Adapun simpulan dari makalah ini adalah sebagai berikut.
1. Anakova digunakan untuk menguji perbandingan sekaligus hubungan. Istilah
kova dalam anakova berasal dari kata kovarian (covariance) yang
menunjukkan adanya variabel numeric sebagai kovariabel, yang diyakini dapat
membuat bias hasil analisis. Variabel numeric dimasukkan sebagai kovariabel
untuk menurunkan error variance, dengan jalan menghilangkan pengaruh
variabel tersebut.
2. Analisis data dengan anakova dapat dilakukan secara manual ataupun dengan
SPSS. Secara manual, analisis data dilakukan dengan menghitung harga F
hitung dan kemudian dibandingkan dengan harga F tabel. Dengan bantuan
SPSS, analisis data dilakukan dengan menggunakan pilihan General Linear
Mode >> Univariate dan kemudian harga sig. hasil analisis dibandingkan
dengan angka probabilitas (α).
DAFTAR PUSTAKA

Candidasa, I Made. 2010. Statistik Multivariat Disertai Aplikasi SPSS. Singaraja :


Undiksha Press.
Candidasa, I Made. 2010. Statistik Univariat dan Bivariat Disertai Aplikasi SPSS.
Singaraja : Undiksha Press.
Koyan, I Wayan. 2012. Statistik Pendidikan Teknik Analisis Data Kuantitatif.
Singaraja : Undikha Press.
Siregar, Syofian. 2011. Statistika Deskriptif Untuk Penelitian Dilengkapi
Perhitungan Manual dan Aplikasi SPSS Versi 17. Jakarta : Rajawali Pers.
Sudjana. 2002. Metoda Statistik. Bandung : Tarsito.
Sugiyono, 1999. Statistik Nonparametris Untuk Penelitian. Bandung: Alfabeta.

Anda mungkin juga menyukai