UJI ANCOVA

Tugas Mata Kuliah

Metodologi Penelitian Pendidikan
Dosen : Dr. Endra Priawasana, M.Pd

Disusun oleh :
NOVIA LAILI PRAHARSIWI S.Pd
NIM.

UNIVERSITAS PGRI ARGOPURO JEMBER

Jl. Jawa No. 10 Jember Jawa Timur
TUGAS MATA KULIAH METODOLOGI PENELITIAN PENDIDIKAN
Soal No 1
Seorang peneliti ingin mengetahui hubungan antara inteligensi (IQ), motivasi belajar (MB) dan kebiasaan
belajar (KB) dengan prestasi belajar (PB) Fisika di SMA. Selain untuk mengetahui hubungan ketiga
variabel prediktor tersebut peneliti juga ingin membuat persamaan garis prediksi dan sumbangan masing-
masing variabel prediktor ke kriteriumnya. Untuk keperluan itu, dikumpulan data pada 60 orang siswa
yang diambil secara random.
Data IQ, MB, KB, dan PB saudara tentukan sendiri dan tidak boleh sama. Untuk menyelesaikan masalah
tersebut dibuatlah:
Solusi

Judul : HUBUNGAN ANTARA , KECERDASAN , MOTIVASI BELAJAR, dan KEBIASAAN BELAJAR

TERHADAP PRESTASI BELAJAR FISIKA di SMA X

a. Rumusan Masalah
1. Adakah hubungan antara Kecerdasan terhadap Prestasi Belajar ?

2. Adakah hubungan antara Motivasi Belajar terhadap Prestasi Belajar ?

3. Adakah hubungan antara Kebiasan Belajar terhadap Prestasi Belajar ?

4. Adakah hubungan antara Kecerdasan, Motivasi Belajar dan Kebiasaan Belajar terhadap Prestasi
Belajar.
b. Hipotesis
1. H0 yang berarti ada hubungan antara Kecerdasan terhadap Prestasi Belajar
H1 yang berarti tidak ada hubungan antara Kecerdasan terhadap Prestasi Belajar
2. H0 yang berarti ada hubungan antara Motivasi Belajar terhadap Prestasi Belajar
H1 yang berarti tidak ada hubungan antara Motivasi Belajar terhadap Prestasi Belajar
3. H0 yang berarti ada hubungan antara Kecerdasan, Motivasi Belajar dan Kebiasaan Belajar
terhadap Prestasi Belajar
H1 yang berarti tidak ada hubungan antara Kecerdasan, Motivasi Belajar dan Kebiasaan
Belajar terhadap Prestasi Belajar

c. Interprestasikan hasil analisis data tersebut secara lengkap untuk rumusan masalah yang telah
saudara rumuskan? hasil analisis berikut menunjukan solusi dari point g,h,i,j,k . disini saya
menggunakan Analisis Regresi Berganda sekaligus Uji Asumsi Klasik menggunakan SPSS version 25.
Tahapan Analisis Data

1. Mempersiapkan data tabulasi penelitian

No Responden X1 X2 X3 Y

1 1 96 90 88 96
2 2 96 92 88 96
3 3 94 92 87 94
4 4 90 90 86 90
5 5 92 92 86 92
6 6 90 96 92 90
7 7 90 92 88 90
8 8 94 100 90 94
9 9 92 96 90 92
10 10 92 90 90 92
11 11 86 90 86 92
12 12 90 100 90 90
13 13 88 90 88 90
14 14 88 90 88 90
15 15 90 96 90 96
16 16 90 96 90 96
17 17 90 94 90 94
18 18 88 90 88 90
19 19 88 92 96 92
20 20 88 90 96 90
21 21 88 90 94 90
22 22 90 94 90 94
23 23 90 92 92 92
24 24 90 92 90 92
25 25 96 92 90 92
26 26 96 90 94 90
27 27 94 92 92 92
28 28 90 90 92 90
29 29 92 98 92 98
30 30 90 90 90 90
31 31 88 90 92 90
32 32 88 90 90 90
33 33 90 90 90 90
34 34 90 92 90 92
35 35 88 94 88 94
36 36 90 94 90 94
37 37 90 96 90 96
38 38 88 90 88 90
39 39 88 90 88 90
40 40 88 92 88 92
41 41 86 86 86 92
42 42 86 86 86 92
43 43 86 86 86 92
 44 44 90 90 90 92
45 45 92 92 90 94
46 46 96 92 90 96
47 47 96 90 90 96
48 48 86 86 88 90
49 49 86 86 88 92
50 50 88 88 86 90
51 51 86 88 90 92
52 52 86 86 88 92
53 53 86 88 88 90
54 54 90 88 88 92
55 55 92 90 92 100
56 56 96 92 92 100
57 57 96 92 92 100
58 58 86 88 88 90
59 59 90 88 90 92
60 60 90 88 90 92

2. Analisis Regresi Linear Berganda + Uji Asumsi Klasik (Normalitas, Multikolinearitas,

Heteroskedastisitas, dan Auto korelasi) dengan SPSS 25.

3. Melihat dasar Pengambilan Keputusan dalam Uji normalitas, Multikolinearitas, Heteroskedastisitas,

dan Auto korelasi dan Regresi Linear Berganda (Uji t dan Uji F)

4. Pembahasan dan Kesimpulan

- Dasar Pengambilan Keputusan Uji Normalitas Probability Plot

Menurut Imam Ghozali (2011 : 161) Model Regresi dikatakan Normal jika data ploting ( titik-titik) yang
menggambarkan data sesungguhnya mengikuti garis diagonal ,

- Kesimpulan Uji Normalitas

sesuai grafik di bawah Ploting (titik – titik ) sudah mengikuti garis diagonal sehingga data tersebut dapat
disimpulkan Data Normal. ( Alternatif Uji Normalitas dengan Uji Kolmogorov Smirnov)
 - Dasar Pengambilan Keputusan Uji Multikolinearitas Tolerance dan VIF

Menurut Imam Ghozali (2011 : 107-108) tidak terjadi gejala multikolinearitas jika nilai tolerance >0.100
dan VIF <10.00

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 1.213 13.437 .090 .928
IQ .520 .101 .601 5.174 .000 .463 2.
MB -.030 .247 -.018 -.121 .904 .289 3.
KB .539 .223 .304 2.418 .019 .396 2.
a. Dependent Variable: PB

Dari Tabel diatas dapat dilihat bahwa nilai Tolerance pada setiap variabel baik IQ, MB, maupun KB
adalah lebih dari 0.100 dan Nilai VIF pada setiap variabel baik IQ, MB, maupun KB adalah kurang dari
10.00

Kesimpulan Tidak ada Gejala Multikolinearitas

- Dasar Pengambilan Keputusan Uji Heteroskedastisitas

Menurut Imam Ghozali (2011:139) tidak terjadi heteroskedastisitas, Jika tidak ada pola yang jelas
(bergelombang , melebar, kemudian menyempit) pada gambar scatterplots serta titik titik menyebar
diatas dan dibawah angka 0 pada sumbu Y.
Dari gambar diatas terdapat titik titik yang secara acak (random) atau tidak mempunyai pola yang jelas ,
serta titik titik nya menyebar diatas dan dibawah angka 0 pada sumbu Y. uji heteroskedastisitas bisa juga
dengan menggunakan Uji Glejser
Kesimpulan : Tidak ada Gejala Heteroskedastisitas
- Dasar Pengambilan Keputusan Uji Autokorelasi Durbin Watson

Menurut Imam Ghozali (2011:111) tidak ada gejala autokorelasi jika nilai Durbin Watson terletak diantara
du sampai dengan (4-du)

Model Summaryb
Std. Error of the
Model R R Square Adjusted R Square Estimate Durbin-Watson
1 .806 a
.650 .631 1.84147 1.826
a. Predictors: (Constant), KB, IQ, MB
b. Dependent Variable: PB
kita cari nilai du pada tabel nilai durbin watson dengan taraf signifikansi α =5 %

dengan k adalah banyak variabel independent yaitu k=3 dan n adalah banyak respondent yaitu n=60
sehingga menurut tabel diatas nilai du adalah 1.6889 sedangkan nilai durbin watson yang dihasilkan
pada tabel spss diatas adalah 1.826 sehingga du (1.6889) < durbin watson (1.826) < (4-du) ( 2.3111) jadi
dapat disimpulkan bahwa tidak ada gejala autokorelasi pada data tersebut.
dengan demikian Uji Asumsi klasik diatas mulai dari Uji normalitas,Uji multikolinearitas, Uji
Heteroskedastisitas serta Uji autokorelasi sudah terpenuhi sehingga dapat dilanjut dengan uji lanjut

- Dasar Pengambilan Keputusan Uji t Parsial (Regresi Linear Berganda) Berdasarkan nilai
Signifikansi

Menurut Imam Ghozali (2001:101) jika nilai signifikansi sig. < 0.05 maka artinya variabel independent (X)
secara parsial Berpengaruh terhadap variabel dependent (Y)

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 1.213 13.437 .090 .928
IQ .520 .101 .601 5.174 .000 .463 2.
MB -.030 .247 -.018 -.121 .904 .289 3.
KB .539 .223 .304 2.418 .019 .396 2.
a. Dependent Variable: PB

berdasarkan tabel diatas nilai signifikansi IQ (0.000) , MB (0.904) dan KB(0.019)

artinya IQ dan KB berpengaruh pada Prestasi Belajar (PB) sedangkan MB tidak berpengaruh terhadap
Prestasi Belajar (PB)

- Dasar Pengambilan Keputusan Uji F Simultan (Regresi Linear Berganda) Berdasarkan nilai
Signifikansi
Menurut Imam Ghozali (2011:101) jika nilai Sig.<0.05 maka artinya variabel independent (X) secara
simultan berpengaruh terhadap variabel dependent (Y)

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 352.703 3 117.568 34.670 .000b
Residual 189.897 56 3.391
Total 542.600 59
a. Dependent Variable: PB
b. Predictors: (Constant), KB, IQ, MB

perhatikan tabel diatas. Nilai Signifikansi sebesar 0.000 artinya lebih kecil dari taraf signifikansi yang
telah ditentukan yaitu 0.05 sehingga dapat disimpulkan bahwa IQ (X1), MB(X2) dan KB(X3) Secara
Simultan Berpengaruh terhadap PB (Y).

Model Summaryb
Std. Error of the
Model R R Square Adjusted R Square Estimate Durbin-Watson
1 .806 a
.650 .631 1.84147 1.826
a. Predictors: (Constant), KB, IQ, MB
b. Dependent Variable: PB

Besaran (dalam %) pengaruh X1,X2, dan X3 secara simultan terhadap Y adalah sebesar 65%

d. Apakah ada hubungan antara IQ dan motivasi belajar? tidak karena motivasi belajar tidak
berpengaruh terhadap hasil belajar
e. Apakah ada hubungan antara IQ dan kebiasaanbelajar? berpengaruh, karena keduanya baik IQ
maupun Kebiasaan Belajar mempunyai pengaruh terhadap hasil belajar
f. Apakah ada hubungan antara kebiasaan belajar dan motivasi belajar? tidak karena motivasi belajar
tidak berpengaruh terhadap hasil belajar
g. Apakah ada hubungan antara IQ dan prestasi belajar? ada

h. Apakah ada hubungan antara motivasi belajar dan prestasi belajar? tidak ada
i. Apakah ada hubungan antara kebiasaan belajar dan prestasi belajar? ada
j. Apakah IQ, motivasi, dan kebiasaan belajar secara simultan memiliki kontribusi terhadap keragamaan
pada prestasi belajar fisika? IQ, motivasi, dan kebiasaan belajar secara simultan memiliki kontribusi
terhadap keragamaan pada prestasi belajar fisika sebesar 65%
k. Apakah IQ, motivasi, dan kebiasaan belajar secara simultan memiliki pengaruh terhadap prestasi
belajar fisika? IQ, Motivasi dan Kebiasaan belajar secara simultan berpengaruh terhadap prestasi belajar

l. Uji data tersebut,dengan uji- normalitas, uji - homogenitas,uji-analisa data dan uji lanjut
dari paparan diatas untuk Uji Normalitas sudah terbukti bahwa data tersebut adalah Normal.
dan Uji analisa dan Uji Lanjut juga sudah di paparkan diatas menggunakan Uji Analisis Regresi Linear
Berganda, Untuk uji Homogenitas akan dipaparkan berikut ini

Tahapan Uji Homogenitas

1. Siapkan data tabulasi seperti diatas lalu dengan menggunakan Uji Homogenitas mengguunakan uji
bartlet 3 sampel (Uji Chi Square atau uji chi kuadrat)
2. Dasar pengambilan keputusan jika nilai hasil chi kuadrat hitung kurang dari chi kuadrat tabel maka
data tersebut homogen , sebaliknya jika chi kuadrat hitung lebih dari chi kuadrat tabel maka data tersebut
tidak homogen.
3. Menurut hasil penghitungan Uji Chi kuadrat hitung dengan menggunakan excel diperoleh nilai chi
kuadrat hitungnya adalah 40.48 (lihat tabel dibawah)

sedangkan untuk chi kuadrat tabel dengan melihat dk= 60-1 dengan taraf 0.05 diperoleh sebesar 77.93
(lihat tabel dibawah)

sehingga karena nilai chi kuadrat hitung kurang dari chi kuadrat tabel maka dapat disimpulkan data –data
yang kita uji diatas adalah Homogen
MASALAH
SOAL 2

Seorang peneliti melakukan peeitian untuk mengetahui perbedaan pengajaran terhadap nilai
mata kuliah mahasiswa statistika, di perguruan tinggi tersebut terdapat 4 orang dosen yanng sama sama,
misalkan dosen 1, dosen 2, dosen 3, dan dosen 4 dalam kasus di atas variable yang di gunakan adalah
variabel dependen (Y) yaitu nilai yang diperoleh mahasiswa untuk mata kuliah statistik dan variable bebas
(treatmen/perlakuan yaitu dosen pengajar (4 dosen) dalam kenyataannya terdapat faktor faktorlain yang
mempengaruhi nilai mahasiswa, di antaranya misalkan Iq dan motivasi berprestasi (MB)
Untuk keperluan penelitian ini di ambil secara acaak 60 orang mahasiswa dan di kelompokkan dalam 4
kelas masing masing 15 mahasiswa pada setiap kelas (dosen Pengajar). Pertanyaannya dengan
mengontrol faktor IQ dan MB apakah cara mengajar dari ke 4 dosen yang berbeda akan menyebabkan
perbedaan hasil belajar? Interprestasi hasil analisis data secara lengkap dalam bentuk laporan penelitian.
DEFINISI dan PENGERTIAN
Uji Ancova adalah teknik analis 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 variavel kuantitatif dan kualitatif.

VARIABEL dan TIPE DATA ANCOVA

Peubah – peubah atau variabel dalam ANCOVA dan tipe data lainnya antara lain :
- Peubah Respon atau variabel terikat (Y) ,skala data kontinu (kuantitatif),Interval/rasio
- Peubah bebas atau variabel (X) campuran antara skala data kontinu (Kuantitatif) dan skala data
kualitatif/kategorik(ordinal/nominal). Data Kuantitatif disebut Covariate.Data kuantitatif disebut
Treatmen/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
y ij =μ+ τ i+ β x ij + ε ij i=1,2 , … . ,a dan j=1,2 ,… . , n
keterangan
y ij = nilai peubah respon pada perlakuan ke-i observasi ke-j
x ij = nilai covariate pada observasi yang bersesuaian dengan y ij
τ i = pengaruh perlakuan ke i
β = koefisien regresi linear
ε ij = random error
a = banyaknya kategori pada perlakuan
ni = banyaknya observasi pada kategori ke –i

ASUMSI dalamANCOVA
1. X adalah fixed, dukur tanpa error dan independen terhadap perlakuan (tidak dipengaruhi oleh
perlakuan).
2 ε ij mengikuti sebaran NID (0 , σ 2 ¿
3. β ≠ 0 yang mengindikasikan bahwa x dan y terdapat hubungan linear
HIPOTESIS ANCOVA
H 0 :τ 1=τ 2=…=τ a =0
H 1 : Sekurang−kurangnya ada sa tu τ i ≠ 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.

TIPE ANCOVA
- TIPE I
Dalam SS Type I . Proses dilakukan dengan memasukkan covariate kedalam persamaan/ model
terlebih dahulu dan diasumsikan covariate memiliki hubungan linear dengan peubah respon.
sehingga pengujian hipotesis hanya dilakukan satu kali yaitu untuk mengetahui pengaruh
perbedaan kategori perlakuan terhadap peubah respon
- TIPE III
Dalam SS tipe III, 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 ,mengetahui adanya hubungan linear antara covariate dengan peubah
respon dan untuk mengetahui perbedaan kategori perlakuan terhadap peubah respon

Kriteria Keputusan Uji ANCOVA

Jika angka sig.>0.05 maka H 0 tidak ditolak yang berarti tidak berhubungan linear antara covariate
dengan peubah respon
jika angka sig.< 0.05 maka H 0 ditolak yang berarti ada hubngan linear antara covariate dengan peubah
respon.
PEMBAHASAN

Dalam kasus diatas, peubah-peubah yang digunakan adalah:

a. Peubah respon (Y) yaitu nilai yang di peroleh mahasiswa untuk mata kuliah tersebut.
b. Perlakuan/Treatmen yaitu dosen pengajar (terdapat 4 kategori).
Dalam kenyataannya terdapat faktor-faktor lain yang juga mempengaruhi nilai mahasiswa yaitu IQ dan
MB , oleh karenanya IQ dan MB di sebut sebagai peubah kontrol (Covariate). sampel masing-masing
kelas adalah 15 orang mahasiswa dari setiap dosen pengajar. Data yang diperoleh sebagai berikut
Dosen 1 Dosen 2 Dosen 3 Dosen 4
No
Nilai IQ MB Nilai IQ MB Nilai IQ MB Nilai IQ MB
1 96 105 80 77 105 80 91 122 90 90 115 88
 2 96 105 80 76 102 78 80 110 82 87 102 82
3 96 108 82 85 111 82 74 110 80 86 110 82
4 96 115 84 87 115 82 70 105 96 70 105 74
5 94 120 86 88 120 84 81 112 96 74 107 96
6 90 116 84 90 117 88 80 112 94 80 112 96
7 92 110 84 67 100 78 80 105 90 80 112 94
8 90 101 74 64 105 76 84 115 92 92 115 90
9 80 101 76 66 110 76 84 116 90 72 102 92
10 76 105 78 64 105 78 96 121 90 76 105 90
11 68 115 72 90 124 88 96 117 94 77 105 90
12 64 105 72 86 120 84 94 110 76 80 110 94
13 80 116 78 86 115 84 90 110 80 86 110 80
14 87 106 80 84 117 82 92 116 90 84 105 80
15 86 106 84 67 105 78 76 105 74 70 105 78

LANGKAH-LANGKAH PENGOLAHAAN Uji ANCOVA dengan SPSS 25.0

- Buka SPSS 25.0 for windows
- isi data-data yang sudah dipersiapkan pada menu data view
- pada menu variabel view kita tambah untuk kelas dengan tipe (Dosen 1,2,3 dan 4) tipe data
Nominal
- Setelah semua variabel sudah di inputkan lalu pilih menu Analyze ,General Linear model,
unvariate seperti pada gambar berikut

- Akan muncul jendela baru Seperti gambar dibawah ini

 Nilai (Y) di inputkan ke Dependent Variabel , Dosen pengajar diinputkan ke Fixed factor dan IQ
serta MB diinputkan ke covariate
- Lalu Klik Ok

INTEPRETASI Uji Ancova

SS TIPE III

Tests of Between-Subjects Effects

Dependent Variable: NILAI
Type III Sum of
Source Squares df Mean Square F Sig.
Corrected Model 2906.682 a
5 581.336 27.677 .000
Intercept 451.446 1 451.446 21.493 .000
IQ 118.430 1 118.430 5.638 .021
MB 1004.596 1 1004.596 47.827 .000
Dosen 304.801 3 101.600 4.837 .005
Error 1134.251 54 21.005
Total 393178.000 60
Corrected Total 4040.933 59
a. R Squared = .719 (Adjusted R Squared = .693)
Ancova Type SS III
 Dari output diatas terlihat bahwa angka signifikansi untuk peubah IQ adalah 0.021 dan MB
adalah 0.000, karena nilai Sig.<0.05 maka H 0 ditolak. hal ini berarti bahwa pada tingkat kepercayaan
95% dengan nilai yang diperoleh oleh mahasiswa. dan nilai signifikansi pada Dosen (pengajar) adalah
0.005 yang mana ini juga kurang dari nilai signifikansi yang telah ditetapkan yaitu 0.05. Pernyataan ini
mengindikasikan bahwa asumsi ANCOVA telah terpenuhi .

KESIMPULAN
Dari Intepretasi hasil uji Ancova diatas maka dapat disimpulkan bahwa dengan mengontrol
faktor IQ dan dan MB cara mengajar dari ke 4 dosen yang berbeda akan menyebabkan hasil perbedaan
belajar.