Oleh:
NI PUTU DARMA YANTI 1713031015
Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa karena dengan
rahmat-Nyalah kami dapat menyelesaikan tugas statistika pendidikan tentang Uji
Statistik. Kami bersyukur karena dapat menyelesaikan makalah yang menjadi
tugas Statistika Pendidikan dengan judul "UJI STATISTIK MANCOVA’’.
Disamping itu, kami mengucapkan terima kasih kepada semua pihak yang telah
membantu kami selama pembuatan makalah ini.
Kami berharap makalah ini dapat berguna untuk menambah wawasan dan
pengetahuan kita tentang Uji Statistik MANCOVA. Semoga makalah ini bisa
dipahami dengan baik oleh pembaca dan berguna untuk semua.
Demikian yang dapat kami sampaikan, kami mohon maaf apabila terdapat
kesalahan yang kurang berkenan dan kami mohon kritik dan saran yang
membangun dari pembaca untuk kebaikan di masa yang akan datang.
Penyusun
i
DAFTAR ISI
KATA PENGANTAR........................................................................ i
DAFTAR ISI....................................................................................... ii
BAB I PENDAHULUAN
1.1 Latar Beakang........................................................................... 1
1.2 Rumusan Masalah..................................................................... 2
1.3 Tujuan....................................................................................... 2
1.4 Manfaat..................................................................................... 2
BAB II PEMBAHASAN
2.1 Definisi Uji Statistik MANCOVA............................................ 3
2.2 Prosedur Uji Statistik MANCOVA.......................................... 4
2.3 Penerapan Uji Statistik MANCOVA........................................ 11
BAB III PENUTUP
3.1 Simpulan................................................................................... 27
3.2 Saran......................................................................................... 27
DAFTAR PUSTAKA
ii
BAB I
PENDAHULUAN
2
BAB II
PEMBAHASAN
4
berdistribusi normal. Untuk menguji normalitas data dapat dilakukan dengan beberapa cara,
misalnya dengan menggunakan Chi Kuadrat untuk data dengan distribusi frekuensi
kelompok, atau dengan uji Lilliefors dan Kolmogorov-Smirnov untuk data dengan distribusi
frekuensi tunggal dan uji Shapiro-Wilk apabila subjek penelitian < 50. 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
' −1
( y−π ) Ʃ ( y−π )
2
f(y1, y2, …, yp ) = p 1
e
( 2 π ) |Ʃ |2
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 χ 2p .
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. Jika distribusi data tidak normal maka perlu dilakukan transformasi
data sehingga distribusi menjadi normal. Pada kasus multivariat, setiap variabel yang
berdistribusi marginalnya tidak normal ditransformasi untuk membuatnya menjadi normal.
Contoh tipe transformasi data adalah transformasi kuadratik, log, dan ln. Ketika mengunakan
SPSS, bila pvalue > α maka H0 diterima sehingga dapat dikatakan sampel yang digunakan pada
penelitian berasal dari populasi yang berdistribusi normal. Sedangkan bila pvalue < α maka H0
ditolak sehingga dapat dikatakan sampel yang digunakan pada penelitian berasal dari
populasi yang berdistribusi normal.
2. Homogenitas Varians
Asumsi kedua yang harus dipenuhi adalah homogenitas varians antar variabel
dependen. Asumsi ini dapat diuji dengan menggunakan uji Bartlet dengan kriteria pegujian
sebagai berikut:
H0 : Varians populasi adalah homogen
Ha : Varians populasi tidak homogen
Langkah dari uji ini adalah:
5
Menghitung varians gabungan dengan menggunakan rumus sebagai berikut:
2 ( dk S 2i )
S=
dk
2
S2 merupakan varians gabungan, dk merupakan derajat kebebasan, dan Si merupakan
varians antar variabel
Menghitung nilai B dengan rumus , B = (dk) log S2
Menghitung nilai Chi Kuadrat dengan rumus :
❑2=¿
Kemudian bandingkan nilai Chi Kuadrat yang diperoleh dengan Chi Kuadrat Tabel.
Ketika mengunakan SPSS, bila pvalue > α maka H0 diterima sehingga dapat dikatakan varians
populasi bersifat homogen. Sedangkan bila pvalue < α maka H0 ditolak sehingga dapat
dikatakan varians populasi bersifat tidak homogen.
k
2 p 2+ 3 p−1
{ } ∑ n 1−1 − 1
C−1=1−
6 ( p+ 1 ) (k −1)
{ i= j 1
k
∑ (n1−1)
i= j
}
S merupakan matriks kovariansi gabungan penduga bagi , Si merupakan matriks kovarians
I untuk I = 1, 2, ... , k, p merupakan banyaknya respon yang diamati, dan n i merupakan
besarnya data ke-i, nilai M dan C−1yang diperoleh kemudian dikalikan lalu dibandingkan
dengan nilai Chi Kuadrat tabel. Jika hasil kali M dengan C−1lebih kecil atau sama dengan
nilai Chi Kuadrat maka H0 diterima sehingga dapat dikatakan matriks varians kovarian
bersifat homogen. Jika hasil kali M dengan C−1lebih besar atau sama dengan nilai Chi
Kuadrat sehingga dapat dikatakan matriks varians kovarian bersifat tidak homogen. Ketika
mengunakan SPSS, bila pvalue > α maka H0 diterima sehingga dapat dikatakan matriks
6
varians kovarian bersifat homogen. Sedangkan bila pvalue < α maka H0 ditolak sehingga dapat
dikatakan matriks varians kovarian bersifat tidak homogen. Apabila asumsi ini tidak
terpenuhi, maka dapat dilakukan transformasi data. Contoh tipe transformasi data adalah
transformasi kuadratik, log, dan ln.
2 1
( 1−√❑√❑ )( VV−1 )
E
H
2 VH, 2(VE -1)
¿
p, V E +V H −p
1 1
( 1−√❑√❑ )( V +V p− p−1 )
E H
2 p, 2(V E +V H −p−1)
1 2
7
p merupakan banyaknya variabel respons yang diamati, VH merupakan derajat bebas
perlakuan, dan VE merupakan derajat bebas galat. Nilai F hitung yang diperoleh selanjutnya
dapat dibandingkan dengan nilai F tabel. Pada distribusi F, H 0 ditolak jika Fhitung > Ftabel atau
pvalue < α ketika menggunakan SPSS, maka disimpulkan bahwa variabel konkomitan
mempengaruhi variabel dependen sehingga dapat dilakukan uji MANCOVA. Tetapi apabila
nilai Fhitung < Ftabel atau pvalue > α ketika menggunakan SPSS maka H 0 diterima, sehingga tidak
perlu dilakukan uji MANCOVA karena variabel konkomitan tidak mempengaruhi variabel
dependen.
Matrik untuk regresi dihitung secara terpisah pada masing-masing kelompok dan hasilnya
dijumlahkan. Dengan demikian, model penuh (full model) untuk MANCOVA dua arah
dinotasikan dengan HlkF dan dirumuskan:
8
Dengan menggunakan statistik uji Wilk’s Lambda, lambda ditransformasikan ke sebaran F
atau F dapat ditransformasikan ke uji Bartlett’s dan didapat nilai 2 sehingga didapatkan
rumus Wilk’s Lambda sebagai statistik uji homogenitas koefisien regresi antar perlakuan
yang diperoleh dari persamaan di atas yaitu:
g b
¿
|E| |
=
E yy – ∑ ∑ E yxlk . E−1
l=1 k=1
|
xxlk . E xylk
Nilai F hitung yang diperoleh dibandingkan dengan nilai F tabel, apabila F hitung > Ftabel
atau pvalue koefisien regresi < α ketika menggunakan SPSS maka H0 ditolak sehingga koefisien
regresi antar kelompok bersifat tidak homogen. Apabila Fhitung < Ftabel atau pvalue koefisien
regresi > α ketika menggunakan SPSS, maka H 0 diterima sehingga koefisien regresi antar
kelompok bersifat homogen.
9
Ketika membaca Tabel Multivariate Tests, perlu diketahui pada bagian manakah
yang harus kita baca untuk menentukan keputusan yang diambil apakah hipotesis
diterima atau ditolak. Maka dari itu penting untuk mengetahui uji signifikansi
multivariat. Dalam MANCOVA terdapat beberapa statistik uji yang dapat digunakan
untuk membuat keputusan dalam perbedaan antar-kelompok.
2.3. Contoh Penerapan Mancova dalam Analisis Data
Seorang peneliti ingin mengetahui apakah terdapat pengaruh metode diskusi dengan
discovery terhadap hasil belajar IPA dan matematika siswa. Dalam hal ini terdapat variabel
lain yaitu IQ yang diperkirakan dapat mempengaruhi pencapaian hasil belajar siswa. Adapun
hipotesis yang diuji yaitu:
Hipotesis pertama :
H0: tidak terdapat pengaruh metode diskusi dan metode discovery terhadap hasil belajar
IPA dan Matematika siswa
Ha: terdapat pengaruh metode diskusi dan metode discovery terhadap hasil belajar IPA
dan Matematika siswa
Hipotesis kedua :
H0 : tidak terdapat pengaruh metode diskusi dan metode discovery terhadap hasil belajar
IPA siswa
Ha : terdapat pengaruh metode diskusi dan metode discovery terhadap hasil belajar IPA
siswa
Hipotesis ketiga :
H0 : tidak terdapat pengaruh metode diskusi dan metode discovery terhadap hasil
Matematika siswa
Ha : terdapat pengaruh metode diskusi dan metode discovery terhadap hasil belajar
Matematika siswa
Dengan = 0,05 dan kriteria keputusan yaitu H 0 diterima jika signifikansi lebih kecil dari
dan H0 ditolak jika nilai signifikansi lebih dari .
No. Metode Diskusi Metode Discovery
IPA Matematika IQ IPA Matematika IQ
1 35.00 36.00 106.00 51.00 45.00 105.00
2 54.00 56.00 97.00 78.00 73.00 88.00
3 31.00 31.00 102.00 75.00 81.00 90.00
4 58.00 59.00 95.00 57.00 49.00 106.00
5 35.00 34.00 103.00 79.00 85.00 87.00
6 62.00 62.00 94.00 61.00 52.00 107.00
7 39.00 36.00 104.00 88.00 80.00 85.00
10
8 41.00 38.00 104.00 85.00 91.00 83.00
9 68.00 66.00 92.00 87.00 93.00 82.00
10 45.00 41.00 90.00 94.00 84.00 83.00
11 47.00 42.00 105.00 71.00 59.00 108.00
12 74.00 70.00 90.00 98.00 82.00 84.00
Variabel Dependen : IPA dan Matematika
Variabel Independen : Metode Diskusi dan Discovery
Variabel Kovariat : IQ
No IQ IPA Matematika Metode
Berikut merupakan uji MANCOVA pada data diatas dengan menggunakan SPSS 25.
Langkah-langkah pengujian dengan SPSS yang akan dilakukan sudah termasuk uji
asumsi normalitas, uji homogenitas varians, homogenitas varians kovarian, dan
linieritas antara variabel dependen dengan variabel konkomitan dan uji mancova.
11
Langkah pengujian menggunakan SPSS:
1. Definisikan tabel.
13
(D-1,
D0)
31 1 1 0.0417 -1.4649 0.0715 0.0715 0.0298 0.0715
34 1 2 0.0833 -1.3144 0.0943 0.0527 0.0110 0.0527
36 2 4 0.1667 -1.2141 0.1123 0.0290 0.0543 0.0543
38 1 5 0.2083 -1.1138 0.1327 0.0340 0.0737 0.0757
41 1 6 0.2500 -0.9634 0.1677 0.0407 0.0823 0.0823
42 1 7 0.2917 -0.9132 0.1806 0.0694 0.1111 0.1111
45 1 8 0.3333 -0.7628 0.2228 0.0689 0.1105 0.1105
49 1 9 0.3750 -0.5622 0.2870 0.0463 0.0880 0.0880
Tabel kerja untuk nilai IPA
X = 1513
Rata-rata = 63.04
S2 = 401.2591
S = 20.03
X F FK PK Z F(Z) D-1 D0 MAX
(D-1,
D0)
31 1 1 0.0417 -1.5996 0.0548 0.0548 0.0132 0.0548
35 2 3 0.1250 -1.3999 0.0808 0.0391 0.0442 0.0442
39 1 4 0.1667 -1.2002 0.1150 0.0100 0.0516 0.0516
41 1 5 0.2083 -1.1003 0.1356 0.0311 0.0727 0.0727
45 1 6 0.2500 -0.9006 0.1839 0.0244 0.0661 0.0661
47 1 7 0.2917 -0.8008 0.2116 0.0384 0.0800 0.0800
51 1 8 0.3333 -0.6011 0.2739 0.0178 0.0594 0.0594
54 1 9 0.3750 -0.4513 0.3259 0.0075 0.0491 0.0491
57 1 10 0.4167 -0.3015 0.3815 0.0065 0.0352 0.0352
58 1 11 0.4583 -0.2516 0.4007 0.0160 0.0577 0.0577
61 1 12 0.5000 -0.1018 0.4594 0.0011 0.0406 0.0406
62 1 13 0.5417 -0.0519 0.4793 0.0207 0.0624 0.0624
68 1 14 0.5833 0.2476 0.5978 0.0561 0.0145 0.0561
71 1 15 0.6250 0.3974 0.6545 0.0711 0.0295 0.0711
74 1 16 0.6667 0.5472 0.7079 0.0829 0.0412 0.0829
75 1 17 0.7083 0.5971 0.7248 0.0581 0.0164 0.0581
78 1 18 0.7500 0.7469 0.7724 0.0641 0.0224 0.0641
79 1 19 0.7917 0.7968 0.7872 0.0372 0.0044 0.0372
Untuk menguji normalitas multivariate data dengan SPSS terhadap kelas dan
model, dapat dilakukan langkah-langkah berikut ini:
14
Setelah memasukkan data, pilih IPA dan Matematika sebagai dependent list
Pilih metode sebagai factor list
Klik tombol Plots
Pilih Normality test with plots, klik continue, kemudian klik OK
Akan muncul kotak dialog
4. Uji Asumsi Homogenitas Varians
Hipotesis:
H0 : Varians populasi adalah homogen
Ha : Varians populasi tidak homogen
Kriteria keputusan
- Jika P value (Sig.) < 0.05, maka H0 ditolak
- Jika P value (Sig.) > 0.05, maka H0 diterima
Untuk menguji homogenitas varians data dengan cara manual dapat dilakukan uji
dengan langkah-langkah berikut ini:
Sebelumnya telah diperoleh S2 untuk nilai IPA dan Matematika adalah sebesar
401.2591 dan 397.8243. selanjutnya dibuat tabel kerja sebagai berikut:
Sampel dk I/dk S2l Log S2l dk * S2l dk * Log
S2l
1 23 0.0435 401.2591 2.6034 9228.9593 59.8782
2 23 0.0435 397.8243 2.5997 9149.9589 59.7931
Jumlah 46 0.0870 799.0834 5.2031 18378.918 119.6713
15
Menghitung nilai B :
B = (dk) log S2= 46 (2.6051) = 119.8346
Menghitung 2 :
2
2 = (ln 10) (B - (dk log Sl )) = (2.303) (119.8346 – 119.6713) = 0.376
Dari perhitungan di atas diperoleh nilai Chi Kuadrat hitung sebesar 0.376
sementara Chi Kuadrat tabel untuk derajat kebebasan 1 dan 0.05 adalah 3.84.
jadi nilai Chi Kuadrat hitung < Chi Kuadrat tabel sehingga hipotesis nol diterima
yang artinya varians populasi homogen.
Untuk menguji homogenitas varians data dengan menggunakan SPSS dapat
dilakukan langkah-langkah berikut ini:
Pada data yang sudah dimasukkan, pilih menu Analyze, general linier mode
multivariate
16
Kemudian masukkan IPA dan Matematika sebagai dependent variables,
metode sebagai fixed factor dan IQ sebagai covariate. Selanjutnya klik menu
option yang terletak pada samping kanan.
17
Ha: 𝑩 ≠ 0 (variable X mempengaruhi variable Y)
Kriteria keputusan
- Jika P value (Sig.) < 0.05, maka H0 ditolak
- Jika P value (Sig.) > 0.05, maka H0 diterima
Uji asumsi linieritas lakukan langkah berikut:
Klik menu analyze, compre means, means.
18
Akan muncul tampilan menu sebagai berikut:
Centang pilihan test for linearity, kemudian klik continue dan OK. Setelah itu
tunggu beberapa saat sampai output SPSS muncul.
6. Uji perlakuan memiliki kesamaan kemiringan (Homogeneity of Regression
Slopes)
Uji ini tidak dilakukan karena karakteristik data pada contoh tidak perlu
menggunakan uji asumsi ini.
7. Uji Asumsi Variabel konkomitan tidak berkorelasi dengan perlakuan yang
dicobakan
Dapat dilihat pada tabel Tests of Between Subject Effect bagian output saat
interpretasi data.
8. Interpretasi Data
Akan terdapat beberapa tabel pada output yang akan kita gunakan untuk
interpretasi data hasil uji MANCOVA. Tabel Test of Normality digunakan untuk
mengetahui hasil uji asumsi normalitas. Tabel Levene’s Test of Equality of Error
19
Variances digunakan untuk mengetahui hasil uji asumsi homogenitas varians. Tabel
Box’s Test of Equality of Covariance Matrices digunakan untuk mengetahui hasil uji
asumsi homogenitas varians kovarian. Tabel Anova digunakan untuk mengetahui
hasil uji asumsi linieritas. Tests of Between-Subject Effect digunakan untuk
mengetahui perlakuan memiliki kesamaan kemiringan regresi dan untuk mengetahui
hasil uji asumsi variabel konkomitan tidak berkorelasi dengan perlakuan yang
dicobakan. Tabel Multivariate Tests digunakan untuk mengetahui hasil uji Mancova.
Hasil dari analisis menggunakan SPSS adalah sebagai berikut:
Tests of Normality
Metod Kolmogorov-Smirnova Shapiro-Wilk
e Statistic df Sig. Statistic df Sig.
Y1 Diskus .142 12 .200* .942 12 .530
i
Diskov .123 12 .200* .958 12 .751
eri
Y2 Diskus .239 12 .057 .880 12 .087
i
Diskov .247 12 .042 .877 12 .081
eri
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
20
Levene's Test of Equality of Error Variancesa
F df1 df2 Sig.
IPA .834 1 22 .371
Matematika .022 1 22 .884
Tests the null hypothesis that the error variance of the
dependent variable is equal across groups.
a. Design: Intercept + IQ + Metode
a. Design : Intercept + IQ +Metode
Dari tabel tersebut dapat dilihat pvalue (0,371 dan 0,884)> , H0 diterima,
sehingga dapat dikatakan bahwa varians dari data tersebut homogen.
21
Matematik Between Deviation 1381.442 16 86.340 2.162 .174
a * IQ Groups from
Linearity
Within Groups 239.667 6 39.944
Total 8827.958 23
Berdasarkan output dari tabel di atas, dapat dilihat nilai signifikansi dari
Deviation From Liniarity variabel dependen IPA dan Matematika adalah p value
(0.477 dan 0.174) > , H0 ditolak yang berarti bahwa variabel dependen
berhubungan secara linier terhadap variabel konkomitan.
Uji Asumsi Variabel konkomitan tidak berkorelasi dengan perlakuan yang
dicobakan
Tests of Between-Subjects Effects
Dependent Type III Sum
Source Variable of Squares df Mean Square F Sig.
Corrected IPA 7871.616a 3 2623.872 38.662 .000
Matematika 8269.806b 3 2756.602 98.776 .000
Model
Intercept IPA 5669.820 1 5669.820 83.543 .000
Matematika 7811.937 1 7811.937 279.921 .000
Metode IPA 45.451 1 45.451 .670 .423
Matematika 137.927 1 137.927 4.942 .038
IQ IPA 2822.156 1 2822.156 41.584 .000
Matematika 4492.062 1 4492.062 160.962 .000
Metode * IQ IPA 106.491 1 106.491 1.569 .225
Matematika 199.031 1 199.031 7.132 .015
Error IPA 1357.342 20 67.867
Matematika 558.153 20 27.908
Total IPA 104611.000 24
Matematika 98743.000 24
Corrected Total IPA 9228.958 23
Matematika 8827.958 23
a. R Squared = .853 (Adjusted R Squared = .831)
b. R Squared = .937 (Adjusted R Squared = .927)
Pada tabel Tests of Between Subject Effect digunakan untuk mengetahui bahwa
IQ tidak berkorelasi dengan perlakuan yang dicobakan. Untuk IPA nilai
signifikansi yang diperoleh adalah 0,000 yang artinya IQ tidak berkorelasi
terhadap metode diskusi dan discovery untuk hasil belajar IPA siswa. Untuk
Matematika, nilai signifikansinya sebesar 0,000 yang berarti bahwa IQ tidak
berkorelasi dengan metode diskusi dan discovery untuk hasil belajar matematika
siswa.
22
UJI MANCOVA
Setelah semua uji asumsi sudah dilaksanakan maka selanjutnya dilakukan uji
statistic MANCOVA dengan menganalisis tabel Multivariate Tests
Multivariate Testsa
Hypothesis
Effect Value F df Error df Sig.
Intercept Pillai's Trace .933 133.128b 2.000 19.000 .000
Wilks' Lambda .067 133.128b 2.000 19.000 .000
Hotelling's Trace 14.013 133.128b 2.000 19.000 .000
Roy's Largest 14.013 133.128b 2.000 19.000 .000
Root
Metode Pillai's Trace .203 2.418b 2.000 19.000 .116
Wilks' Lambda .797 2.418b 2.000 19.000 .116
Hotelling's Trace .254 2.418b 2.000 19.000 .116
Roy's Largest .254 2.418b 2.000 19.000 .116
Root
IQ Pillai's Trace .889 76.463b 2.000 19.000 .000
Wilks' Lambda .111 76.463b 2.000 19.000 .000
Hotelling's Trace 8.049 76.463b 2.000 19.000 .000
Roy's Largest 8.049 76.463b 2.000 19.000 .000
Root
Metode * Pillai's Trace .263 3.398b 2.000 19.000 .055
Wilks' Lambda .737 3.398b 2.000 19.000 .055
IQ
Hotelling's Trace .358 3.398b 2.000 19.000 .055
Roy's Largest .358 3.398b 2.000 19.000 .055
Root
a. Design: Intercept + Metode + IQ + Metode * IQ
b. Exact statistic
Berdasarkan hasil tabel Multivariate Tests* tersebut dapat dilihat bahwa pada
Pillae Trace, Wilk Lambda, Hotelling Trace, Roy’s Largest Root.x pvalue (0,055) >
sehingga H0 ditolak yang berarti metode diskusi dan discovery mempengaruhi
hasil belajar IPA dan Matematika siswa. Tapi pada hasil analisis ini, yang dilihat
hanya pada uji Wilks Lambda saja karena hasil uji asumsi MANCOVA memenuhi
kriteria uji signifikansi Wilks Lambda dimana terdapat lebih dari dua kelompok
variabel independen dan asumsi homogenitas terpenuhi.
23
24
BAB III
PENUTUP
3.1. Kesimpulan
Dari penjabaran pembahasan di atas, dapat diambil kesimpulan diantaranya:
1. MANCOVA adalah analisis multivariate kovarians yang mana digunakan untuk
menguji dua atau lebih variabel secara simultan dengan mengendalikan variabel
konkomitan yang diduga dapat menyebabkan bias penelitian sehingga didapatkan
kesimpulan yang lebih akurat.
2. Dalam analisis MANCOVA terdapat 2 prosedur yaitu uji asumsi MANCOVA dan
Uji statistic MANCOVA. Beberapa asumsi yang harus dipenuhi sebelum
dilakukan pengujian dengan MANCOVA antara lain variabel dependen
berdistribusi normal multivariat, homogenitas matriks varians, homogenitas
matriks varians kovarians, ada hubungan linear antara variabel, dependen dan
variabel konkomitan, koefisien regresi homogen antar perlakuan, dan variabel
konkomitan tidak berkorelasi dengan perlakuan yang dicobakan. statistik uji
dalam MANCOVA terdiri dari beberapa analisis, yaitu Pillai’s Trace, Wilk’s
Lambda , Hotelling’s Trace dan Roy’s Largest Root.
3. Contoh penerapan MANCOVA dalam analisis data yaitu 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 IPA dan
matematika siswa.
3.2. Saran
Dalam penulisan makalah ini penulis menyadari masih banyak terdapat
kesalahan serta sumber-sumber yang masih kurang, sehingga masih perlu
disempurnakan agar dapat menjelaskan Uji Statistik MANCOVA dengan lebih baik
lagi.
25
DAFTAR PUSTAKA
Candiasa, I Made. 2010. Statistik Multivariat Disertai Aplikasi SPSS. Singaraja:
Universitas Pendidikan Ganesha
Sugiono. 2014. Statistika untuk Penelitian. Bandung: Alfabeta.
Wulandari, Mita. 2011. Skripsi: Analisis Kovarians Multivariat Dua Arah dengan
Satu Kovariat. Universitas Negeri Yogyakarta
26