STATISTIK LANJUT DAN ANALISIS SPSS

“ANACOVA SATU JALUR”

Dosen Pengampu:
Dr. Ni Ketut Rapi, M. Pd.
Ni Putu Ayu Hervina Sanjayanti, M.Pd.

Disusun Oleh:
Naila Atsna Muna (1913021012/VA)
Agnes Cesarina Dwilestari (1913021016/VA)
Nur Afifa (1913021024/VA)

PROGRAM STUDI PENDIDIKAN FISIKA

JURUSAN FISIKA DAN PENGAJARAN IPA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN GANESHA
SINGARAJA
2021
 KATA PENGANTAR
Puji syukur kami panjatkan ke hadirat Tuhan Yang Maha Esa, karena telah
melimpahkan rahmat-Nya berupa kesempatan dan pengetahuan sehingga makalah
dengan judul “Anacova Satu Jalur” ini bisa selesai pada waktunya. Terima kasih
kami sampaikan kepada dosen pengampu mata kuliah Statistik Lanjut dan
Analisis SPSS, Dr. Ni Ketut Rapi, M.Pd. dan Ni Putu Ayu Hervina Sanjayanti,
M.Pd. yang membimbing kami dalam proses penyusunan makalah ini. Terima
kasih juga kami sampaikan kepada rekan-rekan mahasiswa yang telah
memberikan kontribusinya baik secara langsung maupun tidak langsung sehingga
makalah ini bisa selesai pada waktu yang telah ditentukan.
Kami menyadari bahwa makalah ini masih jauh dari kata sempurna. Oleh
sebab itu, kami senantiasa membuka diri terhadap kritik dan saran yang
membangun, untuk menyempurnakan makalah ini. Akhir kata kami ucapkan
terimakasih, semoga makalah ini bermanfaat bagi pembaca.

Singaraja, 13 Desember 2021

Penyusun

ii
 DAFTAR ISI

HALAMAN JUDUL................................................................................................i
KATA PENGANTAR.............................................................................................ii
DAFTAR ISI..........................................................................................................iii
BAB I PENDAHULUAN........................................................................................4
1.1 Latar Belakang..........................................................................................4
1.2 Rumusan Masalah.....................................................................................4
1.3 Tujuan........................................................................................................4
1.4 Manfaat......................................................................................................5
BAB II PEMBAHASAN.........................................................................................6
2.1 Konsep Analisis Kovarians (Anacova).....................................................6
2.2 Langkah-langkah Analisis Kovarians Satu Jalur.......................................8
2.3 Contoh Kasus Analisis Kovarians Satu Jalur dengan Satu Kovariat........9
BAB III PENUTUP...............................................................................................22
3.1 Kesimpulan..............................................................................................22
3.2 Saran........................................................................................................22
DAFTAR PUSTAKA

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Statistika adalah ilmu yang mempelajari bagaimana merencanakan,
mengumpulkan, menganalisis dan mempresentasikan data. Atau lebih
singkatnya statistika merupakan cabang ilmu yang bertujuan mengubah data
menjadi informasi. Pada hakikatnya Statistika mencangkup kegiatan-
kegiatan, gagasan-gagasan, serta hasil yang sangat beraneka ragam. Statistika
terbagi atas dua golongan besar, yaitu Statistika deskriptif dan Statistika
inferensial/induktif. Statistik deskriptif hanya berkaitan dengan mempelajari
cara-cara pengumpulan dan penyusunan data, pengolahan, analisis dan
penyajian data. Sedangkan menyangkut penarikan kesimpulan serta
pengambilan keputusan tergantung statistika inferensial (Irianto, 2003).
ANACOVA merupakan teknik analisis yang berguna untuk meningkatkan
presisi sebuah percobaan karena didalamnya dilakukan pengaturan terhadap
pengaruh peubah bebas lain yang tidak terkontrol. ANACOVA digunakan
jika peubah bebasnya mencakup variabel kuantitatif dan kualitatif. Dalam
ANACOVA digunakan konsep ANOVA dan analisis regresi. Tujuan
ANCOVA adalah untuk mengetahui/melihat pengaruh perlakuan terhadap
peubah respon dengan mengontrol peubah lain yang kuantitatif.
1.2 Rumusan Masalah
Berdasarkan latar belakang tersebut maka rumusan masalah yang akan
dibahas adalah sebagai berikut:
1. Bagaimanakah konsep analisis kovarians (anacova)?
2. Bagaiamanakah langkah-langkah analisis kovarians satu jalur?
3. Bagaimanakah contoh kasus uji analisis kovarians satu jalur?
1.3 Tujuan
Berdasarkan rumusan masalah tersebut maka tujuan yang ingin dicapai
dalam pembahasan adalah sebagai berikut:
1. Mengetahui konsep analisis kovarians (anacova).
2. Mengetahui langkah-langkah analisis kovarians satu jalur.

4
 3. Menjelaskan contoh kasus uji analisis kovarians satu jalur.
1.4 Manfaat
Adapun manfaat yang diperoleh dari pihak penulis maupun pembaca
adalah sebagai berikut:
1. Bagi Penulis
Manfaat yang diperoleh penulis dalam pembuatan makalah ini
yaitu penulis lebih memahami struktur dan tata cara pembuatan makalah
atau tulisan yang baik serta penulis dapat belajar berdiskusi dengan baik
bersama kelompok dan belajar menyampaikan hasil diskusi. Selain itu,
penulis juga lebih mengetahui tentang uji analisis kovarians serta
permasalahan di dalamnya.
2. Bagi Pembaca
Manfaat yang dapat diperoleh pembaca setelah membaca makalah
ini yaitu dapat lebih menembah wawasan mengenai konsep uji analisis
kovarians dan dapat mengetahui permasalahan yang muncul di dalamnya.

5
 BAB II
PEMBAHASAN

2.1 Konsep Analisis Kovarians (Anacova)

Menurut Syarifuddin (2019) Analisis kovarians (Anacova) adalah teknik
statistik yang menggabungkan analisis regresi dan analisis varian. Analisis
Kovarians (Anacova), fungsinya sama dengan Anava, hanya saja dalam
Anacova ditambah pengendalian secara statistik terhadap variabel numerik.
Variabel numerik dimasukkan sebagai kovariabel dengan tujuan untuk
menurunkan error varianss, dengan jalan menghilangkan pengaruh variabel
tersebut. Termasuk salah satu statistik yang kuat. Berguna untuk penelitian
eksperimen maupun non eksperimen. Dengan menggunakan Rancangan
Anakova, pengambilan sampel secara acak tidak lagi sangat diperlukan.
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
atau karena rancangan penelitian yang tidak kuat. Pengendalian terhadap
pengaruh luar dalam penelitian memiliki fungsi yang penting terutama untuk
mempelajari pengaruh murni suatu perlakuan pada variabel tertentu terhadap
variabel lain (Syarifuddin, 2019).
Anacova merupakan teknik statistik yang sering digunakan pada penelitian
eksperimental dan juga observasional. Keunggulan-keunggulan Anacova
dalam analisis data penelitian antara lain: (1) Dapat meningkatkan presisi
rancangan penelitian terutama apabila peneliti masih ragu pada
pengelompokan-pengelompokan subyek perlakuan yang diterapkan dalam
penelitian. (2) Dapat digunakan untuk mengendalikan kondisi-kondisi awal
dari variabel terikat. (3) Dapat digunakan untuk mereduksi variabel-variabel
luar yang tidak diinginkan dalam penelitian. Asumsi yang harus dipenuhi
dalam Anacova dalam Syarifuddin (2019) adalah:
1. Data berdistribusi normal.
2. Varians dalam kelompok homogen.
3. Bentuk regresi linear.

6
 4. Koefisien arah regresi tidak sama dengan nol.
5. Koefisien arah regresi homogen.
Selanjutnya ada beberapa asumsi lain juga yang perlu diperhatikan
diantaranya: (1) Variabel luar yang dikendalikan (covariabel) harus berskala
interval atau rasio. (2) Kriterium (Variabel terikat) harus berskala Interval dan
rasio. (3) Variabel Faktor (variabel bebas) harus berskala nominal dan ordinal.
(4) Harus ada dugaan yang kuat bahwa ada hubungan antara variabel kendali
dengan variabel terikat. (5) Harus ada dugaan bahwa variabel kendali tidak
dipengaruhi oleh variabel bebas (faktor) atau variabel eksperimen.
Beberapa pengertian variabel yang akan digunakan dalam Anakova dalam
Syarifuddin (2019) antara lain:
1. Kriterium, adalah variabel Dependen (Y) yaitu variabel yang
dipengaruhi dimana data harus berbentuk interval dan rasio.
2. Kovariabel, disebut juga dengan variabel kendali, variabel control,
yang diberi lambang X, dan data harus bersifat interval dan rasio.
3. Factor yaitu sebutan untuk variabel Independen atau variabel
eksperimental yang ingin diketahui pengaruhnya dan data harus
berbentuk nominal atau ordinal.
Adapun bentuk tabel data dari analisis kovarians satu jalur dengan satu
kovariat
A1 A2 A3
X Y X Y X Y
… …. … … … …
… …. … … … …
… …. … … … …
… …. … … … …
… …. … … … …
∑x ∑y ∑x ∑y ∑x ∑y
Keterangan:
A, B, C = Faktor
X = Kovariabel
Y = Kriterium
7
 Adapun rumus yang digunakan dalam analisis kovarians untuk menentukan
nilai F adalah:
¿ J K A /dbA RJ K A
F A= =
J K dal / d b dal RJ K dal
2.2 Langkah-langkah Analisis Kovarians Satu Jalur
Setelah diperoleh data penelitian, maka dibuatkan tabel bantu hitung manual
untuk analisis kovarians. Kemudian dilakukan langkah-langkah perhitungan
sebagai berikut:
 Menghitung Sumber Variasi Total (Residu)
1. Jumlah Kuadrat Total Y (∑ y2 )
2
(∑ Y )
J K yt =∑ y =∑ Y −
2 2
n
2. Jumlah Kuadrat Total X

(∑ X t )
2

J K xt =¿ ∑ X −
2
t
n
3. Jumlah Produk Total XY
( ∑ X t )(∑ Y t )
J Pxyt =∑ xy=∑ X Y t −
n
4. Menghitung Beta

Betat =
∑ xy
∑ x2
5. Menghitung JKReg.Total
J K Reg . Total =β ( ∑ xy )
6. Menghitung JKRes.Total
J K Res . total =J K Yt −J K Reg . Total
 Menghitung Sumber Variasi dalam ( JK dal.residu)
1. Menghitung J K Y
2
(∑ Y A )
J K Y =∑ y = ∑ Y −∑
2 2
T
nA
2. Menghitung J K Xd

(∑ X A )
2

J K Xd=∑ x =∑ X −∑
2 2
d T
nA
8
 3. Menghitung J P XY

( ∑ X A )( ∑ Y A )
J P XY =∑ x y d =∑ X Y Total −∑
nA
4. Menghitung Bet adal

Bet adal =
∑ x yd
∑ x 2d
5. Menghitung J K reg .dal
J K reg .dal =β × ∑ xy
6. Menghitung J K res. dal
J K res. dal =J K Y −J K reg
 Menghitung Sumber Variasi Antar (JK Antar )
S V Tot −S V dal =J K res. tot −J K res. dal
 Menghitung Derajat Kebebasan
Db A ¿=db A=a−1
¿
Db D =db D−M =N −a−M ( jumlah kovariabel )
Db Tot .¿ =db Tot .−M =N −1−M
Jika kita ingin mengetahui harga koefisien korelasi antara kriterium
dengan kovariabel, harga rxy itu dapat dicari dengan menggunakan bahan-
bahan sumber variasi dalam kelompok, sebagai berikut:

r xy =
∑ xy
√∑ x2 ∑ y 2
2.3 Contoh Kasus Analisis Kovarians Satu Jalur dengan Satu Kovariat
Suatu penelitian dilakukan di sebuah perguruan tinggi untuk mengetahui
apakah ada pengaruh perbedaan dosen pengajar terhadap nilai mata kuliah
Mekanika mahasiswa di UNDIKSHA. Di perguruan tinggi tersebut terdapat 3
orang dosen yang mengajar mata kuliah yang sama, misal Dosen I, Dosen II,
dan Dosen III.
Dalam kenyataaannya terdapat faktor-faktor lain yang juga mempengaruhi
nilai mahasiswa, misalnya IQ. Oleh karenanya digunakan IQ sebagai peubah
kontrol (covariate) untuk mengurangi tingkat kesalahan. Untuk keperluan
penelitian ini, diambil sampel masing-masing 30 orang mahasiswa dari setiap
dosen pengajar. Data yang diperoleh adalah sebagai berikut.
9
 I. Judul
“Pengaruh perbedaan dosen pengajar terhadap nilai mata kuliah Mekanika
mahasiswa di UNDIKSHA”
II. Rumusan Masalah
1. Apakah terdapat pengaruh perbedaan dosen pengajar terhadap nilai
mata kuliah Mekanika mahasiswa di UNDIKSHA?
III. Rumusan Hipotesis Penelitian
H0 : Tidak terdapat pengaruh perbedaan dosen pengajar terhadap nilai mata
kuliah Mekanika mahasiswa di UNDIKSHA.
Ha : Terdapat pengaruh perbedaan dosen pengajar terhadap nilai mata kuliah
Mekanika mahasiswa di UNDIKSHA.
IV. Rumusan Hipotesis Statisti
H 0 : μ1=μ2=μ 3
H 1 : μ 1 ≠ μ2 ≠ μ3
Kriteria pengujian:
Analisis Secara Manual
Jika Fhitung ≤ Ftabel, maka H0 diterima
Jika Fhitung > Ftabel, maka H0 ditolak, sehingga Ha diterima
Analisis Melalui SPSS
Jika nilai Sig. ≥ 0,05, maka H0 diterima
Jika nilai Sig. < 0,05, maka H0 ditolak, sehingga Ha diterima
V. Data Fiktif
Tabel 1. Data Fiktif
Dosen I Dosen II Dosen III
Nilai Nilai Nilai
No
Mekanika IQ Mekanika IQ Mekanika IQ
Mahasiswa Mahasiswa Mahasiswa
1 90 115 50 100 75 110
2 85 115 60 110 80 110
3 88 120 54 100 78 120
4 90 115 67 100 85 115
5 95 115 85 100 80 115
10
 Dosen I Dosen II Dosen III
Nilai Nilai Nilai
No
Mekanika IQ Mekanika IQ Mekanika IQ
Mahasiswa Mahasiswa Mahasiswa

6 90 110 89 120 72 100

7 100 120 88 115 75 115
8 95 120 85 105 80 105
9 89 100 92 115 85 115
10 90 120 90 120 80 120
11 80 115 85 110 87 110
12 95 105 95 110 82 110
13 95 115 85 115 75 115
14 95 120 82 105 76 105
15 80 110 83 115 78 115
16 85 110 88 115 78 115
17 90 115 78 120 75 120
18 87 105 85 120 76 120
19 85 115 87 115 74 100
20 85 115 80 105 72 105
21 95 120 85 105 80 105
22 90 120 79 110 70 100
23 95 115 80 115 80 115
24 85 105 85 105 75 105
25 85 105 95 115 78 115
26 93 110 90 120 77 120
27 84 115 85 115 75 115
28 80 105 80 110 78 110
29 94 115 92 120 75 120
30 95 120 88 120 70 120

11
VI. Analisis Data dengan SPSS
Sebelum melaksanakan uji anacova satu jalus dengan SPSS, langkah
pertama yang harus dilakukan adalah uji prasyarat yang meliputi uji
normalitas data, uji homogenitas dan uji linieritas data. Adapun langkah-
langkah uji prasyarat dalam uji anacova satu jalur adalah sebagai berikut:
 Uji Normalitas
1. Masuk ke aplikasi SPSS lalu klik Variable View, selanjutnya pada kolom
Name untuk baris pertama tulis X, baris kedua Y dan baris ketiga A. Lalu
pada kolom Label baris pertama tulis IQ, baris kedua tulis nilai mekanika
mahasisa dan baris ketiga tulis Dosen pengajar (untuk pilihan lainnya biarkan
tetap default).

2. Selanjutnya pada kolom Values baris ketiga tulis kode 1 untuk Dosen
pengajar 1, Dosen pengajar 2, dan Dosen pengajar 3.

12
3. Langkah selanjutnya klik Data View (dari tampilan Data View terlihat ada
dua nama variabel yakni X, Y dan A). Masukkan data penelitian sesuai
dengan pengkodean. Untuk A dengan kode 1 maka masukkan data dengan X
dan Y yang berada pada A1 (sesuai tabel data) begitu seterusnya hingga A
dengan kode 3. Pada saat memasukkan data penelitian harus dilakukan
dengan teliti dan cermat karena jika terjadi kesalahan pada proses
penginputan ini, maka output SPSS tidak akan mengeluarkan hasil yang
akurat sesuai dengan harapan.

4. Langkah selanjutnya yaitu uji normalitas data. Klik Analyze kemudian klik
Descriptive Stastistics lalu klik Explore

5. Setelah itu masukkan variabel X dan Y ke Dependent kemudian masukkan

variabel A ke kotak Independent. Selanjutnya pilih plot dan centang
normality plots with test, bila sudah kemudian klik Continue lalu klik Ok.

13
6. Setelah menekan OK maka akan muncul hasil output uji normalitas yang kita
lakukan

Analisis Uji Normalitas

Tabel 2. Uji Normalitas

Tabel 2 merupakan hasil atau output untuk uji normalitas sebaran data.
Berdasarkan kesepakatan/ dasar pengambilan keputusan, data disebut berdistribusi
normal apabila nilai signifikansi > 0,05. Maka berdasarkan output yang dihasilkan
14
menunjukan harga Asymp.Sig (0,200) > 0,05, maka data dikatakan bahwa data
yang diperoleh telah berdistribusi normal.
 Uji Homogenitas
Untuk uji homogenitas dapat dilakukan bersamaan dengan uji hipotesis atau uji
anacova. Berikut adalah hasil atau output untuk uji homogenitas.
Tabel 3. Uji Homogenitas

Levene's Test of Equality of Error

Variancesa
Dependent Variable: Nilai Mekanika Mahasiswa
F df1 df2 Sig.
1.317 2 87 .273
Tests the null hypothesis that the error variance of
the dependent variable is equal across groups.
a. Design: Intercept + X + A

Tabel 3 merupakan hasil atau output untuk uji homogenitas. Berdasarkan

kesepakatan/ dasar pengambilan keputusan, data disebut homogen apabila nilai
signifikansi > 0,05. Maka berdasarkan output yang dihasilkan menunjukan
harga.Sig (0,273) > 0,05, maka data dikatakan bahwa data yang diperoleh berasal
dari populasi yang homogen.

 Uji Linieritas
1. Untuk melakukan uji linieritas, kita dapat menggunakan data yang sama pada
uji normalitas sebelumnya, dengan mengarahkan kursor kembali pada
halaman data.

15
2. Kemudian untuk melakukan uji linieritas, klik Analyze kemudian klik
Compare Means lalu klik Means

3. Selanjutnya akan muncul kotak dialog seperti pada gambar dibawah.

Kemudian masukkan X pada kotak Independen List dan Y pada kotak
Dependen List.

16
4. Selanjutnya klik Options kemudian akan muncul kotak dialog baru, klik
centang pada bagian Test for linearity selanjutnya klik Continue dan terakhir
klik Ok.

5. Setelah itu akan muncul Output untuk uji linieritas. Kita akan disajikan 3
tabel berbeda dan untuk melihat hasil uji linieritas kita akan melakukan
analisis pada tabel ANOVA Table.

Analisis Uji Linieritas

Tabel 4. Uji Linieritas

Tabel 4 merupakan hasil atau output untuk uji lineritas dan uji keberartian arah
regresi. Untuk uji linieritas, maka output yang digunakan adalah nilai atau harga
Sig. pada baris Deviation from Linearity. Jika nilai Sig. > 0,05 maka arah regresi
17
dari variabel bebas ke variabel terikat bersifat linier. Berdasarkan tabel, nilai atau
harga Sig.(0,055) > 0,05 maka arah regresi dari variabel bebas ke variabel terikat
bersifat linier. Sementara untuk uji keberartian arah regresi, maka output yang
digunakan adalah nilai atau harga Sig. pada baris Linearity. Jika nilai Sig. ≤0,05
maka hubungan antara variabel bebas dengan variabel terikat berarti atau
memiliki hubungan. Berdasarkan tabel nilai Sig.(0,000) < 0,05 maka hubungan
antara variabel bebas dengan variabel terikat berarti atau terdapat hubungan antara
variable bebas dengan variable terikat.

 Uji Anacova
Setelah semua uji prasyarat terpenuhi, maka selanjutnya dapat dilakukan uji
anacova menggunakan SPSS. Adapun langkah-langkah untuk melakukan uji
anacova adalah sebagai berikut.
1. Untuk Melakukan uji anacova, kita dapat menggunakan data yang sama pada
uji prasyarat sebelumnya, dengan mengarahkan kursosr kembali ke halaman
data.

2. Kemudian klik Analyze, kemudian klik General Linear Model, lalu klik
Unvariate.

18
3. Selanjutnya, akan muncul kotak dialog seperti gambar di bawah. Masukkan X
pada kotak Covariate, Y pada kotak Dependen Variabel, dan A pada kotak
Fixed Factor.

4. Kemudian, klik Option sehingga muncul kotak dialog baru, lalu centang bagian
Descrptive statistics dan Homogenity test, kemudian Continue.

19
5. Kemudian, klik Model dan pilih Type 1 pada Sum of squares, karena kita akan
melakukan uji Anacova 1 jalur.

6. Setelah itu, klik Continue, dan Ok, maka akan muncul output seperti di bawah
ini. Untuk uji anacova kita akan melakukan analisis pada Test of Between-
Subjects Effects.

20
Analisis Output SPSS Uji Anacova

Tabel 5. Descriptive Statistics

Descriptive Statistics
Dependent Variable: Nilai Mekanika Mahasiswa
Dosen Pengajar Mean Std. Deviation N
Dosen Pengajar 1 113.50 5.746 30
Dosen Pengajar 2 111.67 6.865 30
Dosen Pengajar 3 112.17 6.524 30
Total 112.44 6.371 90

Tabel 5 memberikan informasi mengenai variabel yang digunakan serta banyak

data yang diuji. Selain itu, tabel ini juga memberikan informasi terkait rata-rata
dan standar deviasi untuk setiap variabel.
Tabel 6. Tests of Between-Subject Effects

Tests of Between-Subjects Effects

Dependent Variable: Nilai Mekanika Mahasiswa
Type I Sum of
Source Squares df Mean Square F Sig.
Corrected Model 732.392 a
3 244.131 7.290 .000
Intercept 1137937.778 1 1137937.778 33982.093 .000
X 611.706 1 611.706 18.267 .000
A 120.687 2 60.343 1.802 .171

21
Error 2879.830 86 33.486
Total 1141550.000 90
Corrected Total 3612.222 89
a. R Squared = .203 (Adjusted R Squared = .175)

Untuk uji Anacova, yang perlu diperhatikan pada Tabel 6 adalah nilai Sig. pada
baris A (Dosen Pengajar). Dasar pengambilan keputusan adalah sebagai berikut:
Jika nilai Sig. ≥ 0,05, maka H0 diterima
Jika nilai Sig. < 0,05, maka H0 ditolak, sehingga Ha diterima
Berdasarkan output yang ditunjukkan pada Tabel 6 diperoleh nilai atau harga sig.
(0,171) > 0,05, maka H0 diterima. Sehingga diperoleh kesimpulan bahwa
“ Tidak terdapat pengaruh perbedaan dosen pengajar terhadap nilai mata
kuliah Mekanika mahasiswa di UNDIKSHA”.

22
 BAB III
PENUTUP
3.1 Kesimpulan
Berdasarkan pembahasan yang telah dipaparkan, maka dapat diperoleh
kesimpulan sebagai berikut:
1. ANACOVA merupakan teknik analisis yang berguna untuk meningkatkan
presisi sebuah percobaan karena didalamnya dilakukan pengaturan
terhadap pengaruh peubah bebas lain yang tidak terkontrol. ANACOVA
digunakan jika peubah bebasnya mencakup variabel kuantitatif dan
kualitatif. Dalam ANACOVA digunakan konsep ANOVA dan analisis
regresi. Tujuan ANCOVA adalah untuk mengetahui/melihat pengaruh
perlakuan terhadap peubah respon dengan mengontrol peubah lain yang
kuantitatif
2. Beberapa pengertian variabel yang akan digunakan dalam Anacova dalam
antara lain: Kriterium, adalah variabel Dependen (Y) yaitu variabel yang
dipengaruhi dimana data harus berbentuk interval dan rasio. Kovariabel,
disebut juga dengan variabel kendali, variabel control, yang diberi
lambang X, dan data harus bersifat interval dan rasio. Factor yaitu sebutan
untuk variabel Independen atau variabel eksperimental yang ingin
diketahui pengaruhnya dan data harus berbentuk nominal atau ordinal.
3. Asumsi yang harus dipenuhi dalam Anacova adalah: Data berdistribusi
normal. Varians dalam kelompok homogen. Bentuk regresi linear.
Koefisien arah regresi tidak sama dengan nol. Koefisien arah regresi
homogen.
3.2 Saran
Saran yang bisa disampaikan penulis kepada para pembaca yaitu melalui
makalah yang berjudul “Analisis Kovarians Satu Jalur” agar bisa menambah
wawasan pengetahuan dan mampu memahami sesuai dengan tujuan
pembelajaran. Untuk itu kami berharap para pembaca bisa lebih mendalami
tentang materi ini.

23
 DAFTAR PUSTKA
Syarifuddin. 2019. Analisis Covarians (ANACOVA). Bima: Institut Agama Islam
Muhammadiyah Bima.
Krisparinama, CG, I Wayan Santyasa, dan Putu Yasa. 2020. Pengaruh Model E-
Learning Berbasis Group Investigation Terhadap Keterampilan Berpikir
Kritis Siswa Di SMA [Online]. Singaraja: Universitas Pendidikan
Ganesha. Jurnal Pendidikan Fisika Vol. 10 No. 2. Terdapat dalam:
https://ejournal.undiksha.ac.id/index.php/JJPF/article/view/29927.
Diakses pada 13 Desember 2021.
Hidayat, Anwar. 2012. Tutorial Uji Ancova (Analysis of Covariance) [Online].
Terdapat dalam : https://www.statistikian.com/2012/07/uji-ancova.html
diakses pada 13 Desember 2021.

24