UJI STATISTIK

MULTIVARIATE ANALYSIS OF COVARIANCE (MANCOVA)

Oleh:
NI PUTU DARMA YANTI 1713031015

PROGRAM STUDI PENDIDIKAN KIMIA

JURUSAN KIMIA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN GANESHA
SINGARAJA
2020
 KATA PENGANTAR

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.

Singaraja, 21 Maret 2020

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

1.1. Latar Belakang

Statistika adalah ilmu yang mempelajari statistik. Statistik adalah istilah yang
digunakan untuk menyatakan kumpulan data, bilangan aupun non bilangan yang
disusun dalam tabel dan atau diagram yang menggambarkan suatu persoalan. Statistik
yang menjelaskan sesuatu hal biasanya diberi nama statistik mengenai hal yang
bersangkutan, misalnya: statistik pendidikan, statistik penduduk, statistik kelahiran,
statistik pertanian, dan masih banyak lagi. Sehingga statistika dapat diartikan sebagai
pengetahuan yang berhubungan dengan cara-cara pengumpulan data, pengolahan data
dan penarik kesimpulan berdasarkan kumpulan data dan penganalisisan yang
dilakukan. Secara umum, statistika digolongkan menjadi dua, yaitu statistika
matematis atau statistika teoritis dan statistika terapan (Sudiana&Maruli, 2004).
Statistik banyak diterapkan dalam berbagai bidang, misalnya bidang sosial,
ekonomi, industri, politik, pemerintahan dan masih banyak lagi, sebagai contoh:
dalam bidang pemerintahan, statistik digunakan untuk menyensus penduduk. Menurut
Sudiana&Maruli (2004: 5) dalam suatu penelitian, peranan statistik antara lain: (1)
Alat untuk menghitung besarnya anggota sampel yang diambil dari suatu populasi, (2)
alat untuk menguji validitas dan reliabilitas instrumen, (3) teknik-teknik untuk
menyajikan data sehingga data lebih komunikatif, (4) alat untuk analisis data seperti
menguji hipotesis suatu penelitian.
Statistik sendiri dapat dibedakan menjadi dua golongan yaitu statistik
deskriftif dan statistik inferensial. Statistik inferensial dapat dibedakan kembali
menjadi statistik parametrik dan statistik non-parametrik. Statistik parametrik
digunakan untuk menganalisis data interval dan data rasio, yang diambil dari populasi
berdistribusi normal. Sedangkan statistik non-parametrik digunakan untuk
menganalisis data nominal dan ordinal dari populasi yang tidak harus berdistribusi
normal. Salah satu teknik analisis dalam statistik parametrik adalah analisis
MANCOVA (Multivariate Analysis of Covariance) yang merupakan analisis
multivariate dengan mengikutsertakan variabel tambahan yaitu kovariat. Dalam
makalah ini akan dibahas lebih lanjut mengenai analisis MANCOVA, asumsi atau
syarat yang harus dipenuhi sebelum penggunaan uji MANCOVA, serta contoh
penggunaan uji MANCOVA.
1
1.2. Rumusan Masalah
1. Apa yang dimaksud dengan uji statistik MANCOVA?
2. Apa sajakah asumsi-asumsi uji statistik MANCOVA?
3. Bagaimana contoh penerapan MANCOVA?
1.3. Tujuan
1. Untuk mengetahui pengertian dari uji statistik MANCOVA
2. Untuk mengetahui asumsi-asumsi uji statistik MANCOVA
3. Untuk mengetahui penerapan uji statistik MANCOVA dalam analisis data
1.4 Manfaat Penulisan
Adapun manfaat dari penulisan makalah ini ada;ah sebagai berikut.
1. Mampu mengetahui pengertian uji statistik MANCOVA
2. Mampu mengetahui asumsi-asumsi uji statistik MANCOVA
3. Mampu mengetahui penerapan uji statistik MANCOVA dalam analisis data

2
 BAB II
PEMBAHASAN

2.1. Pengertian Uji Statistik MANCOVA

Pada banyak penelitian sering kali respon yang diukur bukan hanya satu, tetapi lebih
dari satu. Hal ini yang disebut sebagai penelitian dengan multirespon. Dalam statistika untuk
menghadapi permasalahan pada penelitian dengan multirespon, maka analisis yang
digunakan adalah analisis multivariat. Analisis multivariat berasal dari kata multi (banyak),
variate (variabel) sehingga analisis multivariate adalah teknik analisis statistik yang
memungkinkan peneliti melakukan penelitian terhadap lebih dari dua variabel secara
bersamaan. Dengan menggunakan teknik analisis ini maka kita dapat menganalisis pengaruh
beberapa variabel terhadap variabel lainnya dalam waktu yang bersamaan. Contoh kita dapat
menganalisis pengaruh variabel kualitas produk, harga dan saluran distribusi terhadap
kepuasan pelanggan. Contoh yang lain, misalnya pengaruh kecepatan layanan, keramahan
petugas dan kejelasan memberikan informasi terhadap kepuasan dan loyalitas pelanggan. 
Uji Mancova adalah uji Multivariat Analysis Covariance. Uji ini merupakan bentuk
multivariat dari uji Ancova. Analisis MANCOVA adalah penerapan analisis multivariate
yang mana setidaknya ada dua variabel dependen yang dianggap simultan untuk menguji
apakah terdapat perbedaan perlakuan terhadap sekelompok variabel dependen setelah
disesuaikan dengan pengaruh variabel konkomitan (kendali). Analisis MANCOVA
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. Kovarian atau yang disebut dengan variabel konkomitan merupakan variabel
yang tidak dapat dikontrol atau diubah oleh peneliti, namun variabel ini dapat mempengaruhi
variabel dependen. Secara umum, kovariat merupakan variabel yang secara teoritik
berkorelasi dengan variabel terikat atau beberapa variabel yang menunjukkan korelasi pada
beberapa jenis subjek yang sama. Contohnya adalah tingkat IQ yang dimiliki oleh siswa. IQ
yang dimiliki oleh siswa tidak akan bisa diubah oleh peneliti namun dapat mempengaruhi
hasil belajar siswa. Siswa dengan IQ tinggi cenderung memiliki hasil belajar yang lebih
tinggi dibandingkan dengan siswa yang dengan IQ rendah. Tujuan utama menggunakan
variabel kovarian dalam penelitian adalah untuk menghilangkan pengaruh variabel-variabel
yang dianggap dapat mengganggu hasil penelitian dan tidak dapat dikontrol peneliti sehingga
menghasilkan kesimpulan yang lebih akurat dan memperoleh presisi dengan menghilangkan
variansi kesalahan.
3
 MANCOVA merupakan perpaduan dari ANCOVA dan MANOVA yang
memungkinkan peneliti untuk mengendalikan pengaruh dari satu atau lebih kovariat. Apabila
dalam suatu percobaan terdapat variabel konkomitan, maka analisis yang tepat
digunakan adalah analisis kovarians atau sering disebut dengan ANCOVA. ANCOVA
berfungsi untuk memurnikan pengaruh variabel dependen dari pengaruh variabel
konkomitan. Tetapi 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). MANCOVA adalah perluasan dari Analysis of Covariance (ANCOVA),
perbedaannya yaitu ANCOVA menggunakan kovarian hanya satu sedangkan
MANCOVA menggunakan kovarian lebih dari satu.
Analisis MANCOVA hampir sama dengan MANOVA, perbedaannya terletak pada
variabel konkomitan yang diikutsertakan dengan tujuan mengurangi kesalahan serta
mengeliminasi efek kovariat pada hubungan antara variabel bebas dan variabel terikat.
MANOVA atau Multivariate Analysis of Variance merupakan pengembangan dari ANOVA,
yaitu sebagai metode statistik suatu teknik statistik yang digunakan untuk menghitung
pengujian signifikansi perbedaan rata-rata secara bersamaan antara kelompok untuk dua atau
lebih variable terikat. Karakteristik pada MANOVA yaitu variabel bebas bisa lebih dari satu
atau satu, namun variabel terikat harus lebih dari satu.

2.2. Asumsi-Asumsi Uji Statistik MANCOVA

Sebelum beranjak pada asumsi-asumsi MANCOVA, perlu diketahui bahwa dalam
kriteria keputusan H0 pada uji asumsi akan berbeda dengan kriteria keputusan H0 pada uji
MANCOVA. Pada uji asumsi, jika P value < , maka H0 ditolak, jika P value > , maka H0
diterima. Sedangkan pada uji MANCOVA, jika P value > , maka H0 ditolak, jika P value <
, maka H0 diterima. Dalam uji MANCOVA, semua asumsi sama dengan MANOVA, namun
terdapat asumsi tambahan terkait dengan variabel kovariat. Beberapa asumsi yang harus
dipenuhi sebelum dilakukan pengujian dengan menggunakan MANCOVA adalah sebagai
berikut:
1. Normalitas Multivariat
MANCOVA merupakan salah satu teknik analisis data dalam statistik parametrik
yang mana memiliki syarat utama yaitu data yang diperoleh harus berasal dari populasi yang

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.

3. Homogenitas Matrik Varians Kovarian

Asumsi yang harus dipenuhi dalam MANCOVA adalah kesamaan matriks varians
kovarians () antar grup pada variabel dependen. Untuk menguji syarat ini dapat
menggunakan Box’s M. Hipotesis untuk uji Box’s M:
H0: 1 = 2 = ⋯ = 𝑘 (matriks varians-kovarians homogen)
Ha: (𝑖 ≠ 𝑗) 𝑢𝑛𝑡𝑢𝑘 (𝑖 ≠ 𝑗) (matriks varians-kovarians tidak homogen)
Statistik uji Box’s M adalah sebagai berikut:
k k
M =∑ (ni ¿−1) ln|S|−∑ (ni ¿ ¿−1) ln |S|¿ ¿ ¿
i= j i= j

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.

4. Linieritas antara Variabel Dependen dengan Variabel Konkomitan/Kovarian

Asumsi keempat dari uji MANCOVA adalah adanya linieritas antara variabel
dependen dengan variabel konkomitan. Asumsi ini dapat diuji dengan menggunakan uji
Wilks’ Lambda () dengan hipotesis yang digunakan adalah:
H0: 𝑩 = 0 (variable X tidak mempengaruhi variable Y)
Ha: 𝑩 ≠ 0 (variable X mempengaruhi variable Y)
Statistik uji yang digunakan adalah sebagai berikut:

Statistik Wilks’ Lambda dapat ditransformasikan ke statistik F, dengan demikian

dapat dibandingkan dengan tabel distribusi F. Nilai Lambda Wilks yang diperoleh
selanjutnya diubah menjadi nilai F hitung dengan rumus yang berbeda-beda tergantung dari
jumlah banyaknya variabel respons yang diamati dan jumlah derajat bebas perlakuan. Berikut
merupakan tabel cara mengubah nilai  menjadi F hitung,
Tabel 1. Transformasi nilai  menjadi nilai F
Parameter Transformasi F Derajat Bebas
P VH
1 1 ¿ VH, VE

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.

5. Koefisien Regresi Homogen Antar Perlakuan

Pada MANCOVA juga terdapat asumsi bahwa hubungan antara variable dependen
dan variable konkomitan homogen antar perlakuan, seperti pada ANCOVA. Hipotesis untuk
uji ini adalah sebagai berikut:
H0: koefisien regresi homogen antar perlakuan
Ha: koefisien regresi tidak homogen antar perlakuan
Untuk menguji hipotesis ini, terlebih dahulu dihitung matrik jumlah kuadrat dan hasil kali
silang galat tiap kelompok. Misalkan Elk merupakan matrik jumlah kuadrat dan hasil kali
silang galat tiap kelompok yang didefinisikan:

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:

Sedangkan model turunan (reduced model) yang merupakan HR dirumuskan:

selisih antara model penuh dengan model turunan, yaitu:

dan matrik jumlah kuadrat dalam model penuh adalah:

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

|E+ H lk| |E yy −E yx . E−1

xx . E xy|

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.

6. Variabel konkomitan tidak berkorelasi dengan perlakuan yang dicobakan

Asumsi terakhir yang harus dipenuhi adalah variabel konkomitan tidak berkorelasi
dengan perlakuan yang dicobakan. Asumsi ini menunjukkan bahwa pada MANCOVA,
variabel konkomitan tidak boleh dipengaruhi oleh faktor yang ada dalam percobaan. Jika
banyaknya variabel konkomitan hanya satu, maka pengujian asumsi ini sama pada pengujian
asumsi ANCOVA dua arah yang dapat diperiksa dengan analisis univariat yaitu
menggunakan uji ANAVA pada kovariat. Ketika mengunakan SPSS, bila pvalue > α maka H0
diterima sehingga dapat dikatakan variabel konkomitan tidak berkorelasi dengan perlakuan
yang dicobakan. Sedangkan bila pvalue < α maka H0 ditolak sehingga dapat dikatakan variabel
konkomitan berkorelasi dengan perlakuan yang dicobakan.
 Melakukan pengujian MANCOVA
Pengujian hipotesis merupakan tahap paling penting dalam statistik inferensia.
Pengujian hipotesis dalam MANCOVA seperti pengujian dalam MANOVA, hanya saja
dalam MANCOVA perlu mempertimbangkan hipotesis terhadap koefisien regresi yang
ada karena adanya variabel konkomitan. Dengan demikian hipotesis dalam MANCOVA
adalah untuk menguji perbedaan perlakuan terhadap sekelompok variabel dependen
setelah disesuaikan dengan pengaruh variabel konkomitan. Tabel Multivariate Tests
digunakan untuk mengetahui hasil uji Mancova.

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

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 66.00 1.00
11 105.00 47.00 41.00 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
Jumlah 1513 1445
Average 63.04 60.21

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.

2. Masukkan data ke SPSS

3. Uji Asumsi Normalitas

Hipotesis:
H0 : Sampel berasal dari populasi yang berdistribusi normal
Ha : Sampel tidak berasal dari populasi yang berdistribusi normal
12
 Kriteria keputusan
- Jika P value (Sig.) < 0.05, maka H0 ditolak
- Jika P value (Sig.) > 0.05, maka H0 diterima
Untuk menguji normalitas multivariate data dengan cara manual dapat dilakukan
langkah-langkah berikut ini:
H0 diterima jika nilai D hitung < D tabel.
Selanjutnya dibuat tabel kerja sebagai berikut:
52 1 10 0.4167 0.0347 0.0764 0.0764
56 1 11 0.4583 -0.2111 0.4164 0.0003 0.0419 0.0419
59 2 13 0.5417 -0.0607 0.4758 0.0175 0.0659 0.0659
62 1 14 0.5833 0.0898 0.5358 0.0059 0.0476 0.0476
66 1 15 0.6250 0.2904 0.6142 0.0309 0.0108 0.0309
70 1 16 0.6667 0.4910 0.6883 0.0633 0.0216 0.0633
73 1 17 0.7083 0.6414 0.77394 0.0727 0.0310 0.0727
80 1 18 0.7500 0.9925 0.8395 0.1312 0.0895 0.1312
81 1 19 0.7917 1.0426 0.8514 0.1014 0.0598 0.1014
82 1 20 0.8333 1.0928 0.8628 0.0711 0.0294 0.0711
84 1 21 0.8750 1.1931 0.8836 0.0502 0.0086 0.0502
85 1 22 0.9167 1.2432 0.8931 0.0181 0.0236 0.0236
91 1 23 0.9583 1.5441 0.9387 0.0221 0.0196 0.0221
93 1 24 1.0000 1.6444 0.9500 0.0084 0.0500 0.0500
D 0.1312
hitung
Dari tabel tersebut diperoleh D hitung untuk kedua variabel adalah 0.0829 dan 0.1312
sementara D tabel untuk N= 24 dan  sebesar 0.05 adalah 0.269. sehingga D hitung < D
tabel sehingga H0 diterima, yang artinya sampel berasal dari populasi yang berdistribusi
normal.
85 1 20 0.8333 1.0964 0.8635 0.0719 0.0302 0.0719
87 1 21 0.8750 1.1962 0.8842 0.0509 0.0092 0.0509
88 1 22 0.9167 1.2461 0.8936 0.0186 0.0230 0.0230
94 1 23 0.9583 1.5457 0.9389 0.0222 0.0194 0.0222
98 1 24 1.0000 1.7454 0.9595 0.0012 0.0405 0.0405
D 0.0829
hitung
Tabel kerja untuk nilai matematika
X = 1445
Rata-rata = 60.21
S2 = 397.8243
S = 19.94
X F FK PK Z F(Z) D-1 D0 MAX

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

Menghitung Varians Gabungan :

S2=¿ ¿
Log S2= log 399.54 = 2.6015

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

 Maka akan muncul menu sebagai berikut:

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.

 Akan muncul tampilan seperti berikut:

 Centang menu descriptive statistics dan homogeneity tests. Kemudian pada

significance ketik .05 untuk  = 5 % dan .01 untuk  = 1 %. Kemudian klik
continue dan OK.
 Kemudian akan dihasilkan output. Output ini yang dihasilkan sekaligus
digunakan juga untuk menganalisis uji asumsi homogenitas matrik varian
kovarian.
5. Uji asumsi linieritas
Hipotesis:
H0: 𝑩 = 0 (variable X tidak mempengaruhi variable Y)

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.

 Dan akan muncul tampilan berikut:

 Kemudian masukkan IPA dan Matematika sebagai dependent list dan IQ

sebagai independent list, kemudian klik options.

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:

UJI ASUMSI MANCOVA

 Uji asumsi Normalitas

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.

Pada uji normalitas di atas, diperoleh nilai signifikansi keseluruhan

pada uji Shapiro-Wilks > . Dengan demikian dapat diketahui bahwa sampel
yang digunakan pada penelitian ini berasal dari populasi yang berdistribusi
normal.
 Uji Asumsi Homogenitas Varians

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.

 Uji asumsi homogenitas varians kovarians

Box's Test of Equality of Covariance Matricesa
Box's M .448
F .135
df1 3
df2 87120.000
Sig. .939
Tests the null hypothesis that the observed covariance matrices of the
dependent variables are equal across groups.
a. Design: Intercept + IQ + Metode

a. Design: Intercept + IQ + Metode

Dari tabel tersebut dapat dilihat pvalue (0,939) >  sehingga dapat dikatakan
bahwa varians kovarian dari data tersebut bersifat homogen.
 Uji asumsi linieritas
ANOVA Table
Sum of
Squares df Mean Square F Sig.
IPA * IQ Between (Combined) 8355.792 17 491.517 3.377 .070
Linearity 5746.693 1 5746.693 39.489 .001
Groups
Deviation 2609.099 16 163.069 1.121 .477
from
Linearity
Within Groups 873.167 6 145.528
Total 9228.958 23
(Combined) 8588.292 17 505.194 12.647 .002
Linearity 7206.849 1 7206.849 180.422 .000

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