BAB XV.

ANALISIS KOVARIANS

Analisis kovarians (Anakova) atau analysis of covarians (Anacova)

digunakan untuk penelitian yang memerlukan pengendalian atau
pengontrolan yang lebih teliti dari pada analisis varians (Anava).
Anakova merupakan perpaduan antara Anava dan analisis regresi.
Dengan analisis varians kita dapat mengendalikan sejumlah variabel
bebas ke dalam sampel-sampel penyelidikan. Misalnya jenis kelamin,
tempat tinggal dan beberapa variabel diskrit lainnya dapat kita
perhatikan dalam sampling kita melalui cluster sampling. Variabel
ekonomi, tingkat pendidikan, inteligensi, dan sebagainya dapat kita
kendalikan melalui stratified sampling. Hal ini memberikan indikasi
dengan Anava memungkinkan kita mengadakan sampling control.
Melalui analisis kovarians selain pengendalian melalui
sampel juga melakukan pengendalian individual. Ini merupakan salah
satu keunggulan teoritik analisis kovarians. Keunggulan lainnya
disebut dengan keunggulan praktikal akan dimiliki analisis kovarians
terutama untuk penelitian eksperimental, karena tidak perlu untuk
mengadakan “matching” dalam upaya menyeimbangkan antara
kelompok eksperimen dengan kelompok kontrol. Dengan
perkembangan analisis kovarians maka pengaruh variabel-variabel
bebas terhadap variabel terikat yang dalam banyak penelitian
terdahulu diabaikan, sekarang menjadi diperhatikan.

Bab XV. Analisis Kovarians Abdul Muin Sibuea 280

Langkah-langkah yang ditempuh dalam analisis kovarians adalah:
1. Belanja statistik (Statistik induk)
Statistik induk dalam Anakova merupakan perpaduan antara
analisis varians (Anava) dan analisis regresi (Anareg), karena
memang Anakova merupakan gabungan dari Anava dan Anareg.
2. Menghitung Jumlah Kuadrat (JK) dan Jumlah Produk (JP) sumber
variasi dalam dan sumber variasi antar.
3. Menghitung JK regresi dan JK residu dalam sumber variasi total
dan sumber variasi dalam.

Contoh: A = metode mengajar

A1 = metode 1 (kontrol)
A2 = metode 2
A3 = metode 3
X1 = kovariat IQ
X2 = kovariat pengetahuan awal Bahasa Inggeris
Y = prestasi Bahasa Inggeris

Misalkan datanya seperti yang ditunjukkan pada tabel di bawah ini :

A1 A2 A3
X1 X2 Y X1 X2 Y X1 X2 Y
6 4 3 2 6 5 8 4 4
4 4 6 5 7 5 4 3 8
7 6 5 4 5 8 6 6 7
5 5 7 6 5 4 7 6 9
3 4 4 4 5 6 7 5 8
6 7 2 4 6 6 5 4 7

Bab XV. Analisis Kovarians Abdul Muin Sibuea 281

Langkah 1. Membuat Tabel Statistik Induk

Statistik A1 A2 A3 Total
N 6 6 6 18
ΣX1 31 25 37 93
ΣX12 171 113 239 523
ΣX2 30 34 28 92
ΣX22 158 196 138 492
ΣY 27 34 43 104
ΣY2 139 202 323 664
ΣX1X2 161 141 177 479
ΣX1Y 136 139 260 535
ΣX2Y 131 191 204 526

Langkah 2. Menghitung JK dan JP pada variasi dalam dan variasi

antar
a. JK dan JP Total
Rumus :
( YT ) 2
JKYT = Σy2 = Σ Y2 T -
nT
( X 1T ) 2
JKx1 = Σ x1 = Σ X1
2 2
T -
nT
( X 2 T ) 2
JKx2 = Σ x22 = Σ X22T -
nT
( X 1T )( X 2 T )
JPx1x2 = Σx1x2 = ΣX1X2T -
nr
( X 1T )( YT )
JPx1y = Σx1y = ΣX1YT -
nr
( X 2T )( YT )
JPx2y = Σx2y = ΣX2YT -
nr

Bab XV. Analisis Kovarians Abdul Muin Sibuea 282

 Contoh perhitungan:
(104) 2
JKY = 664 - = 63,1
18
(93) 2
JKx1 = 523 - = 42,5
18
(92) 2
JKx2 = 492 - = 21,77
18
(93)(92)
JPx1x2 = 479 - = 3,66
18
(93)(104)
JPx1y = 535 - = -2,333
18
(92)(104)
JPx2y = 526 - = -5,555
18

b. Menghitung JK dan JP variasi dalam

Rumus :
( Y A ) 2
JKY = Σy2 = ΣYT - Σ
2
nA
 X 1  2

JKX1 = Σx12 = ΣΧ12T - Σ

A

nA

 X 2  2

JKX2 = Σx22 = ΣΧ22T -Σ

A

nA
 X 1  X 2 
JPX1X2 = Σx1x2 =ΣX1X2T - Σ
A A

nA
 X 1  Y 
JPX1y = Σx1y =ΣX1YT - Σ
A A

nA
 X 2  Y 
JPX2y = Σx2y =ΣX2YT - Σ
A A

nA

Contoh perhitungan :
 27 2 342 432 
JKY = 664 -     = 41,66
 6 6 6 

 312 252 37 2 
JKx1 = 523 -     = 30,5
 6 6 6 

Bab XV. Analisis Kovarians Abdul Muin Sibuea 283

 
30 2
34 28 2 2

JKx2 = 492 -     = 18,66
 6 6 6 

 31x30 25 x34 37 x 28 
JPx1x2 = 479 -     = 9,66
 6 6 6 
 31x 27 25 x34 37 x 43 
JPx1y = 535 -     = -11,333
 6 6 6 
 30 x 27 34 x34 28 x 43 
JPx2y = 526 -     = -2,333
 6 6 6 
Perhitungan di atas dapat diringkas dalam satu tabel sebagai
berikut :
Tabel Ringkasan JK dan JP
Stat Total Dalam Antar A
JK Y 63,1 41,6
JK X1 42,5 30,5
JK X2 21,7 18,6
JP X1X2 3,6 9,6
JP X1Y -2,3 -11,3
JP X2Y -5,5 -2,3
Catatan : JP memang bisa negatif

Langkah ketiga. Mencari JK regresi dan JK residu dalam sumber

variasi total dan sumber variasi dalam

a. JK regresi dan JK residu dalam sumber variasi total

JK reg = a1Σx1y + a2Σx2y
Jk res = JKY - JK reg
Untuk menentukan JK reg dipergunakan persamaan simultan skor
deviasi (meregres)
(1). Σx1y = a1 Σx12 + a2 Σx1x2
(2). Σx2y = a1 Σx1x2 + a2 Σx22
(1). -2,3 = 42,5 a1 + 3,6 a2
(2). -5,5 = 3,6 a1 + 21,7 a2
(3). -30,4 = 912,1 a1

Bab XV. Analisis Kovarians Abdul Muin Sibuea 284

 a1 = -30,4 : 912,1
= -0,033 377 99
Dengan memasukkan harga a1 ke dalam persamaan (2) maka
diperoleh:
a2 = -0,249 482 27
JK reg = -0,033 377 99 x (-2,3) + (-0,249 482 27) x (-5,5)
= 1,463894639
JK res = 63,1 - 1,463 894 639
= 61,647 216 47

b. JK regresi dan JK residu dalam “sumber variasi dalam”

Langkahnya adalah sama persis dengan di atas.
(1). -11,3 = 30,5 a1 + 9,6 a2
(2). -2,3 = 9,6 a1 + 18,6 a2

(3). -188,9 = 475,8 a1

Maka: a1 = -188,9 : 475,8
= -0,397 151 52
Dengan memasukan harga a1 ke dalam persamaan (2) maka
diperoleh
a2 = 0,080 667 755
JK regresi = -0,397 151 52 x (-11,3) + (0,080 667 755) x (-2,3)
= 4,501 050 638 + (-188 244 76)
= 4,312 825 876
JK residu = 41,6 – 4,312 825 876
= 37,355 384 078
Anakova adalah analisis residu dari regresi. Oleh sebab itu yang
dipakai hanya nilai yang berkenaan dengan residu. Dengan
demikian tabel ringkasan analisisnya adalah sebagai berikut:

Bab XV. Analisis Kovarians Abdul Muin Sibuea 285

 Tabel Ringkasan Anakova
Sumber JK* db* RJK* F* p
Variasi
Antar A 24,293 2 12,1465 4,227 <0,05
Dalam 37,354 13 2,873
Total 61,647 15 - - -

Untuk membedakan dengan tanda-tanda yang tidak digunakan

dalam Anareg dan Anava, maka dalam Anakova tanda tersebut
ditambah dengan tanda * (bintang = residu, adjustment)
JK* antar = JkT* - Jkd* dbF = dba ;dbb
dba = a–1 a = cacah kelompok
dbb = N–a–m m = cacah kovariabel
dbT = N–m–1 N = jumlah total n
Dari hasil diatas kita akan menyimpulkan adanya perbedaan yang kuat
antara metode A1, A2 dan A3.
Bagaimana kesimpulan kita jika data di muka kita analisis
dengan menggunakan Anava?
Untuk keperluan ini kita tidak perlu bekerja dari awal. Dengan
Anava kita hanya menggunakan variabel (nilai y 2). Dalam hal ini kita
tidak bermaksud melihat interaksi antara X1 X2;; dan itu memang tidak
perlu.
Tabel Ringkasan Anava

Sumber Variasi JK db RJK F p

Antar 21,44 2 10,77 3,664 >0,05
Dalam 41,66 15 2,77
Total 63,1 17 - - -

JKA = JKT - JKd

dba =a–1
dbb =N–1

Bab XV. Analisis Kovarians Abdul Muin Sibuea 286

dbT =N–1
dbF = dba;dbb

Kesimpulan: Tidak ada perbedaan antara metode A1, A2, dan A3.
Dengan demikian jika kita tidak membersihkan pengaruh dari X
terhadap Y, maka kesimpulan yang kita perolah akan meleset dari
kenyataan yang sebenarnya.

Seperti dalam Anava, dalam Anakova-pun ada uji-t post hoc.

Rumusnya:
* *
Y1  Y 2
t*1 – 2 = dimana n1 ≠ n2
1 1 
RJK *d   
 n1 n2 
* *
Y1  Y 2
t*1 – 2 =
2 RJK *d
n
dalam mana :
Y* = adjusted mean of dependent variable (residu)
db*t = db*d
Mencari rerata sesuaian Y*
Rumusnya :
Y*A1 = YA1 – { a1d x (X1A1 – X1T) + a2d ( X2A1 – X2T) }
Stat ad A1 A2 A3 Total
N 6 6 6 18
X1 -0,397… 5,16 4,16 6,16 5,16
X2 0,081… 5,00 5,66 4,66 5,10
Y 4,50 5,66 7,16 5,77
Y* 4,509 5,225 7,600

Y*A1 = 4,5 – {-0,397… X (5,16 -5,16 ) + 0,081… (5 – 5,1)

= 4,5 – { 0 + ( -0,008 963 08)}
= 4,508 963 08 = 4,509

Bab XV. Analisis Kovarians Abdul Muin Sibuea 287

Y*A2 = 5,6 – {-0,397… X (4,16 – 5,16) + 0,081…(5,6 – 5,1)}
= 5,6 – { 0,397 151 52 + 0,048 154 19}
= 5,22466727 = 5,225
Y*A3 = 7,16 – {-0,397… X (6,16 – 5,16) + 0,081… (4,6 – 5,1)
= 7,16 – {-0,397 151 52 + (-0,035 852 33)}
= 7,599 670 52 = 7,600
Setelah itu barulah kita dapat melaksanakan uji-t karena n1 = n2 = n3,
maka rumus yang digunakan adalah rumus t yang kedua.
* 4,509  5,225
t =
1 2 2 x 2,873
6
= - 0,716 : 0,978604448 = - 0,732 (p > 0,50)
* 4,509  7,600
t =
1 3 0,978604448
= 3,159 (p < 0,01)
* 5,225  7,600
t =
23 0,978604448
= - 2,427 (p < 0,05)
db*t = db*d

Soal :
1. Dari suatu penelitian diperoleh data sebagai berikut;
A1 A2 A3
X1 X2 X3 Y X1 X2 X3 Y X1 X2 X3 Y
6 4 7 3 2 6 6 5 8 4 2 4
4 4 2 6 5 7 6 5 4 3 6 8
7 6 4 5 4 5 9 8 6 6 4 7
5 5 0 7 6 5 4 4 7 6 1 9
3 4 5 4 4 5 1 6 7 5 8 8
6 7 5 2 4 6 2 6 5 4 5 7
4 3 3 4 5 6 3 7 3 4 3 6
5 4 4 5 3 4 4 6 4 5 4 8
Keterangan:
A = Metode mengajar
A1 = Metode 1

Bab XV. Analisis Kovarians Abdul Muin Sibuea 288

A2 = Metode 2
A3 = Metode 3
X1 = Kovariat IQ
X2 = Pengetahuan awal mata pelajaran Bahasa Inggeris
X3 = Kemampuan verbal
Y = Prestasi belajar Bahasa Inggeris
Pertanyaan : Berikan kesimpulan apakah ada perbedaan prestasi
belajar Bahasa Inggeris antara yang diberi metode 1,
metode 2, dan metode 3.

2. Dari hasil penelitian ditemukan data seperti pada tabel berikut.

A1 A2 A3
X1 X2 Y X1 X2 Y X1 X2 Y
5 3 6 5 5 7 7 5 8
6 5 5 4 4 8 8 5 8
5 4 6 6 4 7 4 4 7
7 3 5 3 4 7 8 6 9
4 5 7 5 3 6 3 4 8
4 3 4 3 5 5 3 5 7
2 5 3 4 4 7 4 5 9
6 4 4 3 3 6 2 6 9
4 4 6 3 4 6 3 5 8
3 2 4 4 4 7 3 4 6

Keterangan:
A = metode mengajar
A1 = metode 1 (kontrol)
A2 = metode 2
A3 = metode 3
X1 = kovariat kemampuan numerik
X2 = kovariat kemampuan berpikir abstrak
Pertanyaan:
Apakah ada pengaruh metode terhadap prestasi belajar
Matematika? Bila ada lanjutkan dengan uji post-hoc.

Bab XV. Analisis Kovarians Abdul Muin Sibuea 289