Disusun oleh:
Kelompok III
AYU NURUL AMALIA
M. EDI SULAKSONO
SUCIATI RAHAYU WIDYASTUTI
c. Rumusan Masalah
Adapun rumusan masalah dalam makalah ini sebagai berikut:
1. Apakah makna dan kegunaan korelasi sederhana dalam penelitian?
2. Apakah makna dan kegunaan multiple regresi dalam penelitian?
3. Apakah makna dan kegunaan path analisis dalam penelitian?
4. Apakah makna dan kegunaan ANAVA dalam penelitian?
5. Apakah makna dan kegunaan ANAKOVA dalam penelitian?
6. Apakah makna dan kegunaan MANOVA dalam penelitian?
d. Tujuan Penulisan
Tujuan dari penulisan makalah ini adalah:
1. Untuk mengetahui makna dan kegunaan korelasi sederhana dalam penelitian.
2. Untuk mengetahui makna dan kegunaan multiple regresi dalam penelitian.
3. Untuk mengetahui makna dan kegunaan path analisis dalam penelitian.
4. Untuk mengetahui makna dan kegunaan ANAVA dalam penelitian.
5. Untuk mengetahui makna dan kegunaan ANAKOVA dalam penelitian.
6. Untuk mengetahui makna dan kegunaan MANOVA dalam penelitian.
e. Metode Penulisan
Metode yang penulis pakai dalam penulisan makalah ini adalah metode kepustakaan yakni
menggunakan sarana kepustakaan untuk menggali bahan yang berkenaan dengan judul
makalah yang ada.
B. PEMBAHASAN
a. Asosiatif
1. Korelasi Sederhana
Korelasi adalah suatu hubungan antara variable satu dengan variable lainnya.
Jika hubungan tersebut tidak menunjukkan sifat hubungan sebab-akibat maka korelasi
tersebut dapat dikatakan korelasional, artinya, sifat hubungan variable satu dengan
variable lainnya tidak jelas mana yang variable sebab dan mana yang variable akibat.
Akan tetapi, jika hubungan antar variable tersebut menunjukkan sifat sebab-akibat
maka korelasinya dikatakan sebagai kausal, artinya, jika variable yang satu
merupakan sebab dan variable lainnya merupakan akibat.(Irianto, 2003:191)
Korelasi sederhana merupakan suatu teknik statistik yang dipergunakan untuk
mengukur kekuatan hubungan dua variabel dan juga untuk mengetahui bentuk
hubungan antara dua variabel tersebut dengan hasil yang sifatnya kuantitatif.
Kekuatan hubungan antara dua variabel yang dimaksud disini adalah apakah
hubungan tersebut ERAT atau TIDAK ERAT.(Kadir, 2003:473)
Pola / Bentuk Hubungan antara dua variabel :
1. Korelasi Linear Positif (+1)
Perubahan salah satu Nilai Variabel diikuti perubahan Nilai Variabel yang lainnya
secara teratur dengan arah yang sama. Jika Nilai Variabel X mengalami kenaikan,
maka Variabel Y akan ikut naik. Jika Nilai Variabel X mengalami penurunan,
maka Variabel Y akan ikut turun.
Apabila Nilai Koefisien Korelasi mendekati +1 (positif Satu) berarti pasangan data
Variabel X dan Variabel Y memiliki Korelasi Linear Positif yang kuat/erat.
2. Korelasi Linear Negatif (-1)
Perubahan salah satu Nilai Variabel diikuti perubahan Nilai Variabel yang lainnya
secara teratur dengan arah yang berlawanan. Jika Nilai Variabel X mengalami
kenaikan, maka Variabel Y akan turun. Jika Nilai Variabel X mengalami
penurunan, maka Nilai Variabel Y akan naik.
Apabila Nilai Koefisien Korelasi mendekati -1 (Negatif Satu) maka hal ini
menunjukan pasangan data Variabel X dan Variabel Y memiliki Korelasi Linear
Negatif yang kuat/erat.
3. Tidak Berkorelasi (0)
Kenaikan Nilai Variabel yang satunya kadang-kadang diikut dengan penurunan
Variabel lainnya atau kadang-kadang diikuti dengan kenaikan Variable yang
lainnya. Arah hubungannya tidak teratur, kadang-kadang searah, kadang-kadang
berlawanan.(Rustam, 2016:135)
Apabila Nilai Koefisien Korelasi mendekati 0 (Nol) berarti pasangan data Variabel
X dan Variabel Y memiliki korelasi yang sangat lemah atau berkemungkinan tidak
berkorelasi.
Tabel tentang Pedoman umum dalam menentukan Kriteria Korelasi :
r Kriteria Hubungan
1 Korelasi Sempurna
2. Multi Regresi
Regresi adalah hubungan secara linear antara dua (X) dengan variabel dependen
(Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan
variabel dependen apakah masing-masing variabel berhubungan positif atau negatif dan
untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen
mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval
atau rasio.(Irianto, 2003: 191)
Regresi ganda/ majemuk adalah analisis regresi linier berganda adalah hubungan
secara linear antara dua atau lebih variabel independen (X 1, X2,….Xn) dengan variabel
dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen
dengan variabel dependen apakah masing-masing variabel independen berhubungan
positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai
variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya
berskala interval atau rasio.(Kadir, 2015:187)
3. Path Analisis
Sejarah perkembangan analisis jalur, Teknik analisis jalur, yang dikembangkan
oleh Sewal Wright di tahun 1934, sebenarnya merupakan pengembangan korelasi yang
diurai menjadi beberapa interpretasi akibat yang ditimbulkannya. Lebih lanjut, analisis
jalur mempunyai kedekatan dengan regresi berganda; atau dengan kata lain, regresi
berganda merupakan bentuk khusus dari analisis jalur. Teknik ini juga dikenal sebagai
model sebab-akibat (causing modeling). Penamaan ini didasarkan pada alasan yang
bahwa analisis jalur memungkinkan pengguna dapat menguji proposisi teoritis mengenai
hubungan sebab dan akibat tanpa memanipulasi variabel-variabel. Memanipulasi variabel
maksudnya ialah memberikan perlakuan (treatment) terhadap variabel-variabel tertentu
dalam pengukurannya. Asumsi dasar model ini ialah beberapa variabel sebenarnya
mempunyai hubungan yang sangat dekat satu dengan lainnya. Dalam perkembangannya
saat ini analisis jalur diperluas dan diperdalam kedalam bentuk analisis “Structural
Equation Modeling” atau dikenal dengan singkatan SEM.
Pengembangaan suatu bidang ilmu yang dilakukan dengan pendekatan penilaian
kuantitatif sangat membutuhkan statistika. Dalam penelitian pendidikan dan ilmu social,
terdapat pengaruh terhadap suatu variabel, yang idak selamanya didominasi oleh satu
variabel bebas atau beberapa variabel bebas secara langsung. Seiring terjadi sifat
pengaruh itu tidak langsung, yaitu melalui satu variabel yang paling dekat dengan
variabel terikat (dependent variabel). Variabel perantara (intervening variabel) merupakan
variabel yang menerima pengaruh dari banyak variabel bebas, yang kemudian variabel ini
mempengaruhi secara langsung terhadap variabel terkait.
Jika diteliti, tidak dimungkinkan akan menemukan hubungan antarvariabel bebas
terhadap variabel terikat secara murni lanngsung. Untuk menganalisis pola hubungan
yang tidak langsung itu diperlukan analisis khusus, yaitu analisis jalur (path analysis).
Path Analysis diartikan oleh Bohrnstedt (1974 dalam Kusnendi, 2005 :1)
Jadi, model path analysis digunakan untuk menganalisis pola hubungan antar variabel
dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat
variabel bebas (eksogen) terhadap variabel terikat (endogen).
Model Recursif dan Non Recursif
Dari sisi pandang arah sebab akibat, ada dua tipe model jalur, yaitu recursif dan non
recursif. Model recursif ialah jika semua anak panah menuju satu arah seperti gambar di
bawah ini
Model tersebut dapat diterangkan sebagai berikut:
a. Anak panah menuju satu arah, yaitu dari 1 ke 2, 3, dan 4; dari 2 ke 3 dan dari 3
menuju ke 4. Tidak ada arah yang terbalik, misalnya dari 4 ke 1
b. Hanya terdapat satu variabel exogenous, yaitu 1 dan tiga variabel endogenous, yaitu
2,3, dan 4. Masing-masing variabel endogenous diterankan oleh variabel 1
dan error (e2, e3 dan e4).
c. Satu variabel endogenous dapat menjadi penyebab variabel endogenous lainnya tetapi
bukan ke variabel exogenous.
Model non recursif terjadi jika arah anak panah tidak searah atau terjadi arah yang
terbalik (looping), misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersifat sebab akibat
(reciprocal casue).
Pada bagian berikut ini untuk mempermudah pembaca dalam memahami analisis jalur,
penulis akan menggunakan model-model jalur sbb:
a. Model persamaan satu jalur
b. Model persamaan dua jalur
c. Model persamaan tiga jalur
Ketiga model ini akan diaplikasikan dalam riset pemasaran, keuangan, manjemen sumber
daya manusia dan kewirausahaan.
Diagram Jalur (Path Diagram)
Langkah pertama analisis jalur adalah menterjemahkan hipotesis penelitian yang
bentuknya proposisional ke dalam bentuk diagram yang disebut diagram jalur.
X1 X2
3. Panah berkepala dua menggambarkan hubungan korelatif antar variabel eksogen.
Misalkan :
X1 X2
4. Tidak pernah seseorang bisa mengisolasi hubungan pengaruh secara murni artinya
bahwa sesuatu kejadian banyak sekali yang mempengaruhinya, tetapi pada conceptual
framework hanya dapat digambarkan beberapa pengaruh yang bisa diamati. Variabel
lainnya yang tidak bisa digambarkan (tidak bisa diukur) diperlihatkan oleh suatu
variabel tertentu yang disebut residu dan diberi simbol dengan .
Contoh :
1)
p2
p21
X1 X2
Diagram jalur ini adalah diagram jalur yang paling sederhana. Besarnya pengaruh
langsung dari X1 ke X2 diperlihatkan oleh koefisien jalur (path coefficient, p). Apabila
diagram jalur sederhana seperti ini yaitu variabel eksogen hanya satu, maka p21 = r21
2) Contoh diagram jalur yang melibatkan kaitan korelatif :
p3
X1 p31
r12 X3
P32
X2
X1 dan X2 merupakan dua buah variabel eksogen yang satu dengan yang lainnya
mempunyai kaitan korelatif. Secara bersama-sama X1 dan X2 mempengaruhi X3.
3) Penelitian mengenai hubungan kausal melibatkan empat buah variabel X1, X2, X3,
dan X4. Menurut teori, hubungan struktural antara variabel-variabel tersebut
adalah :
(a) X3 dipengaruhi oleh X1 dan X2
(b) antara X1 dan X2 terdapat hubungan korelatif
(c) X4 dipengaruhi oleh X3.
1 2
p31 p42
X1 p31 p43
r12 P32 X3 X4
X2
4) Seorang peneliti mempunyai empat variabel X1, X2, X3 dan X4 yang menurut
kerangka konseptual terdapat hubungan sebagai berikut :
a) X2 dipengaruhi oleh X1
b) X3 dipengaruhi oleh X1 dan X2
c) X4 dipengaruhi oleh X3 dan X2
Hubungan antar variabel dapat dinyatakan dalam diagram jalur sebagai berikut.
2
p32
p31
X1 X3
3
p21 p32 p43
p43
p42
X2 X4
P21
1
Model regresinya :
Y = 1 X1 + 2 X2 + . . . (1)
Dalam analisis jalur kita hanya menggunakan X baik sebagai variabel eksogen maupun
endogen, untuk itu variabel Y diganti menjadi X3, sehingga model regresi di atas menjadi :
X 3 = 1 X 1 + 2 X 2 + . . . (2)
x ij - x j
Z ij
sj
(4) . . .
maka model (2) menjadi
Dimana px3x1 dan px3x2 adalah koefisien-koefisien jalur yaitu sama dengan koefisien-
koefisien regresi untuk variabel yang dibakukan. Persamaan (3) disebut Persamaan
Struktural.
Secara struktural model (3) dapat digambarkan dalam diagram jalur sebagai berikut :
p3
X1 p31
r12 X3
P32
X2
2. Regresi linier multipel dengan tiga variabel independen yang dinyatakan dalam
diagram jalur
Prinsip-prinsip regresi dengan tiga variabel independen tidak berbeda dengan dua variabel
independen.
Perhatikan diagram jalur di bawah ini :
X1
p41
r12 p4
p42
r13 X2 X4
r23
p43
X3
Diagram jalur ini memperlihatkan tiga buah variabel eksogen X 1, X2 dan X3, serta sebuah
variabel endogen, yaitu X4.
X3
2) Identifikasi substruktur dan persamaan strukturnya dari diagram jalur di bawah ini !
2
p32
p31
X1 X3
3
p21 p32 p43
p43
p42
X2 X4
P21
1
Persamaan strukturnya :
X2 = p21 X1 + 1
X3 = p31 X1 + p32 X2 + 2
X4 = p42 X2 + p43 X3 + 3
b. Komparatif
Menurut Nazir (2005: 58) penelitian komparatif adalah sejenis penelitian deskriptif
yang ingin mencari jawaban secara mendasar tentang sebab-akibat, dengan menganalisis
faktor-faktor penyebab terjadinya ataupun munculnya suatu fenomena tertentu. Penelitian
komparatif merupakan penelitian yang bersifat membandingkan. Penelitian inidilakukan
untuk membandingkan persamaan dan perbedaan dua atau lebih fakta-fakta dan sifat-sifat
objek yang di teliti berdasarkan kerangka pemikiran tertentu. Pada penelitian ini variabelnya
masih mandiri tetapi untuk sampel yang lebih dari satu atau dalam waktu yang berbeda. Jadi,
penelitian komparatif adalah jenis penelitian yang digunakan untuk membandingkan antara
dua kelompok atau lebih dari suatu variabel tertentu.
Penelitian komparatif bersifat “expost facto”, artinya data yang dikumpulkan setelah
peristiwa yang dipermasalahkan terjadi. Expost fackto merupakan suatu penelitian emperis
yang sistematis dimana peneliti tidak mengendalikan variabel bebas secara langsung karena
perwujudann variabel tersebut telah terjadi atau karena variabel tersebut pada dasarnya
memang tidak dapat dimanipulasi. Peneliti tidak melakukan perlakuan dalam
membandingkan dan mencari hubungan sebab-akibat dari variabelnya. Peneliti hanya
mencari satu atau lebih akibat-akibat yang ditimbulkan dan mengujinya dengan menelusuri
kembali masa lalu untuk mencari sebab-sebab, kemungkinan hubungan, dan maknanya.
Penelitian ini cenderung menggunakan data kuantitatif.
Rumusan Masalah Penelitian Komparatif yang digunakan adalah rumusan masalah
komparatif. Rumusan masalah komparatif adalah rumusan masalah penelitian yang
membandingkan keberadaan satu variabel atau lebih pada dua atau lebih sampel yang
berbeda atau waktu yang berbeda.
Tujuan dari penelitian komparatif menurut Dra. Aswani Sudjud (dikutip dari
Suharsimi Arikunto, 2006:267) adalah untuk menemukan persamaan-persamaan dan
perbedaan-perbedaan tentang benda-benda, tentang orang, tentang prosedur kerja, tentang
ide-ide, kritik tehadap orang lain, kelompok, terhadap suatu idea tau prosedur kerja. Dapat
juga membadingkan kesamaan pandangan dan perubahan-perubahan pandangan orang, grup
atau Negara terhadap kasus, terhadap orang, terhadap peristiwa atau terhadap ide-ide.
Selain itu, penelitian komparatif juga memiliki beberapa tujuan diantaranya sebagai berikut:
a. Untuk membandingkan persamaan dan perbedaan dua atau lebih fakta-fakta dan sifat-
sifat objek yang di teliti berdasarkan kerangka pemikiran tertentu.
b. Untuk membuat generalisasi tingkat perbandingan berdasarkan cara pandang atau
kerangka berpikir tentu.
c. Untuk bisa menentukan mana yang lebih baik atau mana yang sebaiknya dipilih.
d. Untuk menyelidiki kemungkinan hubungan sebab-akibat dengan cara berdasar atas
pengamatan terhadap akibat yang ada dan mencari kembali faktor yang mungkin menjadi
penyebab melalui data tertentu.
Pilih subjek yang digunakan dengan teknik pengumpulan data yang diinginkan.
Kategorikan sifat-sifat atau atribut-atribut atau hal-hal lain yang sesuai dengan masalah yang
ingin dipecahkan, untuk memudahkan analisa sebab akibat.
a. Uji hipotesa, buat interpretasi terhadap hubugan dengan teknik statistic yang tepat.
b. Buat generalisasi, kesimpulan seta implikasi kebijakan.
c. Susun laporan dengan cara penulisan ilmiah.
Disamping kelebihan yang sudah dijelaskan diatas, penelitian kausal komparatif juga
memiliki beberapa kelemahan sebagai berikut:
1. Kelemahan utama desain penelitian komparatif adalah tidak adanya kontrol terhadap
variabel bebas.
2. Kesulitan dalam menentukan faktor penyebab yang relevan yang secara aktual termasuk
diantara banyak faktor dibawah penelitian.
3. Kesulitan bahwa tidak ada faktor tunggal yang menyebabkan suatu hasil, tapi merupakan
kombinasi dan interaksi dari berbagai faktor yang berkaitan dibawah kondisi tertentu
untuk menghasilkan hasil yang ditentukan.
4. Suatu fenomena tidak hanya dihasilkan dari berbagai penyebab, tetapi juga dari satu
penyebab dalam suatu kejadian dan dari penyebab lain dari kejadian yang lain.
5. Apabila hubungan antara dua variabel telah terungkap, penentuan mana penyebab dan
mana akibat mungkin sulit.
6. Terdapat fakta bahwa dua atau lebih faktor yang berhubungan tidak harus mempunyai
implikasi hubungan sebab-akibat.
7. Pengklasifikasian subyek kedalam kelompok dikotomi (seperti kelompok berprestasi dan
kelompok tidak berprestasi) untuk tujuan perbandingan, penuh dengan masalah karena
kategori ini adalah samar, berubah-ubah, dan bersifat sementara.
8. Studi perbandingan dalam suatu situasi yang alamiah tidak memungkinkan pemilihan
subyek penelitian yang terkontrol.
Menurut Gay desain dasar penelitian komparatif adalah sangat sederhana dan walaupun
variabel bebas tidak dimanipulasi, ada prosedur kontrol yang dapat diterapkan. Studi
komparatif juga melibatkan variasi teknik statistik yang luas.
Desain dasar penelitian komparatif melibatkan pemilihan dua kelompok yang berbeda pada
beberapa variabel bebas dan membandingkan mereka pada beberapa variabel terikat. Kedua
kelompok mungkin berbeda, satu kelompok memiliki karakteristik yang tidak dimiliki
kelompok lain atau satu kelompok memiliki pengalaman yang tidak dimiliki kelompok lain.
Atau kedua kelompok berbeda dalam tingkatan; satu kelompok memiliki lebih dari satu
karakteristik daripada kelompok lain atau kedua koelompok mungkin memiliki perbedaan
jenis pengalaman.
Teknik yang digunakan sebagai analisis data dalam penelitian komparatif yaitu sebagai
berikut:
a. Apabila datanya berbentuk nominal, maka digunakan teknik statistic : binomial dan chi
kuadrat satu sampel.
b. Apabila datanya berbentuk ordinal, maka digunakan teknik statistik : run test.
c. Apabila datanya berbentuk interval atau ratio maka digunakan tes satu sampel.
Untuk memperoleh predikat guru professional perlu dilakukannya sertifikasi. Sertifikasi bagi
guru dalam jabatan dilaksanakan melalui uji kompetensi berupa penilaian dokomen
( portofolio ) dan ada uji kompetensi yang lain yaitu melalui jalur pendidikan profesi selama
1 tahun, ini diperuntukan bagi guru yang berprestasi pada masing – masing daerah. Dari
kegiatan sertifikasi tersebut akan tampak kinerja guru.Beberapa permasalahan yang terjadi
sekarang dalam kegiatan sertifikasi adalah banyaknya guru yang tidak lulus sertifikasi.
Menurut data yang diperoleh dari dinas pendidikan kabupaten Semarang terdapat 35 guru
bimbingan dan konseling tingkat SMA Negeri Se Kabupaten Semarang. Diperoleh data pada
tahun 2007 sampai pada tahun 2009 terdapat 16 guru bimbingan dan konseling yang lulus
sertifikasi, 7 guru yang lulus melalui portofolio dan 9 guru lulus melalui PLPG.
Dari data diatas, sedikit sekali guru bimbingan dan konseling yang mengikuti dan lulus
sertifikasi. Untuk itu peneliti tertarik untuk mengadakan penelitian tentang perbedaan kinerja
guru lulus sertifikasi melalui portofolio dengan PLPG.
Rumusan Masalah :
Adakah perbedaaan kinerja guru bimbingan dan korseling yang lulus sertifikasi melalui jalur
portofolio dengan PLPG di SMA negeri sekabupaten Semarang?
Judul :
PERBEDAAN KINERJA GURU BIMBINGAN DAN KONSELING YANG LULUS
SERTIFIKASI MELALUI JALUR PORTOFOLIO DENGAN PLPG DI SMA NEGERI SE
KABUPATEN SEMARANG
Variabel bebas :
Guru bimbingan dan konseling yang lulus portofolio (X1) dengan yang ikut PLPG (X2 )
Variabel terikat :
Kinerja guru bimbingan dan konseling ( Y )
1. ANAVA
Prosedur penentuan apakah dua buah populasi memiliki rata-rata yang sama atau
tidak telah dibahas didalam pembahasan tentang hipotesis uji-t. Tetapi, sering terjadi
bahwa masalah-masalah manajemen yang timbul adalah lebih dari dua populasi,
sedangkan pembuat keputusan ingin mengetahui apakah rata-rata dari populasi-populasi
itu sama atau tidak. Dalam menganalisis data seperti itu (lebih dari 2 populasi) tidak
dianjurkan menggunakan uji-t lagi karena terdapat beberapa kelemahan, seperti kita harus
melakukan uji-t berulang-ulang sehingga dapat meningkatkan nilai α (taraf signifikasi),
artinya akan meningkatkan peluang mendapatkan hasil yang keliru.
Permasalahan-permasalahan ini tentunya dapat dipecahkan, yaitu dengan
menggunakan sebuah teknik penting yang dikenal sebagai Analysis of variance atau yang
sering disingkat Anova. Anova adalah uji yang dapat digunakan untuk menganalisis
perbedaan lebih dari 2 populasi kelompok yang independent.
Teknik Anova ini dikembangkan oleh Ronald A. Fisher, dengan memanfaatkan
distribusi F. Teknik ini sering dipakai untuk penelitian terutama pada rancangan
penelitian yang memiliki implikasi pengambilan keputusan untuk menggunakan teknologi
baru, prosedur-prosedur baru, ataupun kebijakan-kebijakan baru. Teknik Anova berasal
dari penelitian pertanian (agricultural research). Tetapi di tahun-tahun terakhir ini telah
dikembangkan sebagai alat yang ampuh didalam menganalisis masalah-masalah ilmiah
lainnya seperti dalam masalah-masalah bisnis dan ekonomi.
Pengujian ini disebut analisis varian karena didalam pembentukannya, kita
menentukan apakah menerima atau menolak hipotesisnya mengenai rata-rata populasi
yang berarti sama dengan kita menganalisis variasi (varian) didalam rata-rata cuplikan.
Anova te dibentuk atas dasar cuplikan-cuplikan acak sederhana yang ditarik secara bebas,
sebuah dari setiap populasi. Pengujian itu beranggapan bahwa populasi-populasi
disebarkan secara normal dan memiliki varian-varian yang sama.
Menurut Mendenhall, prosedur analis varian bertujuan untuk menganalisis variasi
dari sebuah response dan untuk menentukan bagian daripada variasi ini bagi setiap
kelompok variable bebas. Pemikiran dibelakang prosedur itu adalah bahwa variable-
variabel jawaban berbeda-beda semata-mata dikarenakan oleh suatu variasi di dalam
kelompok variable bebas yang diketahui. Hal itu berarti, tujuan daripada analisis varian
adalah untuk menempatkan variable-variabel bebas penting didalam suatu studi dan untuk
menentukan bagaimana mereka berinteraksi dan saling mempengaruhi (Mendenhall, &
Reinmuth, 1982; hlm. 542).
Anova atau yang sering disebut juga uji-F pada prinsipnya yang dipakai dalam
pengujian hipotesis ini adalah apabila mean dari kelompok bagian sangat berbeda maka
variansi kombinasi dari seluruh kelompok jauh lebih besar dari variansi masing-masing
kelompok bagian. Misalnya akan diuji sebanyak k sampel maka untuk menguji perbedaan
mean antar sampel diperlukan perbandingan variansi kombinasi dari sebanyak k mean
sampel oleh rata-rata variansi dari masing-masing sampel. Atau dengan kata lain, uji F
merupakan perbandingan Variance between means oleh variance within groups.
Analisis ragam (Analysis of Variance) atau yang lebih dikenal dengan istilah
ANOVA adalah suatu teknik untuk menguji kesamaan beberapa rata-rata secara
sekaligus. Uji yang dipergunakan dalam ANOVA adalah uji F karena dipakai untuk
pengujian lebih dari 2 sampel.
Anova dapat digolongkan kedalam beberapa kritenia, yaitu :
1. Klasifikasi 1 arah
ANOVA kiasifikasi 1 arah merupakan ANOVA yang didasarkan pada pengamatan 1
kriteria.
2. Klasifikasi 2 arah
ANOVA klasifikasi 2 arah merupakan ANOVA yang didasarkan pada pengamatan 2
kriteria.
3. Klasifikasi banyak arah
ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan banyak
kriteria.
Analisis varians (analisis ragam) adalah suatu metode untuk menguraikan
keragaman total menjadi komponen-komponen yang mengukur berbagai sumber
keragaman. Dalam analisis ini, kita selalu mengasumsikan bahwa sampel acak yang
dipilih berasal dari populasi yang normal dengan varians (ragam) yang sama, kecuali
bila sampel yang dipilih cukup besar, asumsi tentang distribusi normal tidak
diperlukan lagi, (Wibisono, 2005:479).Untuk menguji dengan analisis varians, dengan
mudah dapat diketahui apakah terdapat perbedaan yang signifikan atau tidak dari
beberapa nilai rata-rata sampel yang diselidiki, yang pada akhirnya diperoleh satu
keyakinan: menerima hipotesis nol atau menerima hipotesis alternatifnya
Tipe ANOVA
Pemilihan tipe ANOVA tergantung dari rancangan percobaan (experiment design) yang
kita pilih .
a. ANOVA 1 arah:
Sampel dibagi menjadi beberapa kategori dan ulangan
kolom = kategori
baris = ulangan/replika
Cat : Dalam banyak kasus untuk mempermudah perhitungan, ulangan untuk setiap
kategori dibuat sama banyak
Contoh : Terdapat 4 metode diet dan tiap metode dibagi menjadi 3 blok.
Blok berupa kelompok umur.
metode Metode-1 Metode-2 Metode-3 Metode-4
kel. umur
< 20 tahun
20 - 40
tahun
>40 tahun
2. ANOVA 1 arah
Tabel ANOVA 1 Arah
Sumber Jumlah derajat bebas Kuadrat f hitung f tabel
Keragama Kuadrat (db) Tengah (KT)
n (SK) (JK)
=
Rata-rata JKK db = KTK f hitung db numer =
Kolom numerator = = db denum =
k-1
= f tabel =
Galat JKG db = KTG
denumerator= =
N-k
JKG = JKT-JKK
member#1 4 8 7 6
member#2 6 12 3 5
member#3 4 - - 5
Total kolom
=14 =20 =10 =16 =60
Apakah keempat metode diet tersebut memberikan rata-rata penurunan berat badan yang
sama?
Uji pendapat tersebut dengan taraf nyata 5 %
Solusi :
KTG = = 3.22
4. Wilayah kritis : Penolakan jika F hitung > F tabel; F hitung > 4.76
Penerimaan F hitung < F tabel; F hitung < 4.76
5. Kesimpulan :
Karena F hitung ada di daerah penerimaan (F hitung < F tabel) maka terima,
Setiap metode memberikan rata-rata penurunan berat badan yang sama
: data pada baris ke-i, kolom ke-j : total (jumlah) baris ke-i
Contoh 2: Terdapat 4 metode diet dan 3 golongan usia peserta program diet
Berikut data rata-rata penurunan berat peserta keempat metode dalam
tiga kelompok umur.
Metode-1 Metode-2 Metode-3 Metode- Total Baris
4
<20 thn 5 6 2 3
= 16
20 -40 2 7 5 3
= 17
>40 thn 7 3 4 3
= 17
Total Total
= 14 =16 = 11 =9
Kolom pengamata
n
=50
Ujilah pendapat yang menyatakan bahwa keempat metode diet dalam ketiga kelompok umur
memberikan rata-rata penurunan berat badan yang sama.
Buktikan jawaban saudara dengan pengujian varians, dengan tingkat nyata = 1 %
Solusi :
1. : Setiap metode pada setiap kelompok umur memberikan rata-rata
penurunan berat badan yang sama
: Ada suatu metode pada suatu kelompok umur yang memberikan rata-rata
penurunan berat badan yang tidak sama
2 Selesaikan Tabel ANOVA berikut :
Tabel ANOVA
Sumber Jumlah derajat Kuadrat f hitung f tabel
Keragama Kuadrat bebas (db) Tengah (KT)
n (SK) (JK)
f tabel =
10.92
f tabel = 9.78
r.k -1=
Total JKT = 3x4-1=11
35.67
3. Penyelesaian JKT, JKB, JKK dan JKG
=
= 244 - 208.33 ... = 35.67
= =
218 - 208.33 = 9.67
JKG = JKT-JKB-JKK = 35.67 - 0.17 - 9.67 = 25.83
7. Kesimpulan
Menurut Baris dan Blok, nilai F hitung berada di daerah penerimaan .
Berarti : setiap metode pada setiap kelompok umur memberikan rata-rata
penurunan berat badan yang sama
r
r
T k n 2 ∑ T 2i** T 2***
JKT =∑ ∑ ∑ x 2ijm− *** JKB= i=1
−
i=1 j=1 m=1 rkn kn rkn
k r k r k
∑ T ¿ j∗¿2 T 2*** ∑ ∑ T ij∗¿2 ∑ T 2i** ∑ T ¿ j∗¿2 T 2***
j=1 i=1 j=1 i=1 j=1
JKK = − ¿ JK [ BK ]= − − + ¿¿
rn rkn n kn rn rkn
Perhatikan : Sebagian Notasi dalam JKT, JKB dan JKK digunakan dalam penghitungan
JK[BK]
di mana :
r : banyak baris i = 1,2,3,...r
k : banyak kolom j = 1,2,3....k
n : banyak ulangan m = 1,2,3,...n
x ijm : data pada baris ke-i, kolom ke-j dan ulangan ke-m
T i ** : Total baris ke-i
Contoh 3:
Terdapat 4 metode diet, 3 kelompok umur dan 3 ulangan. Berikut adalah data rata-rata
penurunan berat badan setelah 1 bulan melakukan diet. Ujilah apakah penurunan berat badan
sama untuk setiap metode diet, kelompok umur dan interaksi dengan taraf uji 5 %?
metode metode 1 metode- metode- metode-
2 3 4
kel. umur
< 20 tahun, #1 5 0 3 4
#2 4 2 4 2
#3 5 1 8 2
20-40 tahun,#1 5 4 2 5
#2 6 2 2 3
#3 2 1 4 2
>40 tahun, #1 4 5 2 6
#2 4 5 1 4
#3 5 0 2 4
r = 3, k = 4, n=3
Solusi :
1. : Semua perlakuan [metode diet, kelompok umur, interaksi] memberikan
penurunan berat badan yang bernilai sama
: Ada suatu perlakuan [suatu metode diet, kelompok umur, interaksi]
memberikan penurunan berat badan yang bernilai tidak sama
2. =5%
3. Statistik Uji : F
4, 5, 6 : Selesaikan Tabel Data dan Tabel ANOVA
metode metode 1 metode-2 metode-3 metode-4 Total
Baris
kel. umur
1202
JKT =[52 + 4 2 +52 +52 +. ..+6 2 +42 +4 2 ] - 3 ´ 4 ´ 3 = 516 - 400 = 116
402 +382 + 422 1202
JKB=
4´ 3 - 3 ´ 4 ´ 3 = 400.66... - 400 = 0.66.. = 0.67
402 + 202 +28 2 +322 1202
JKK =
3´3 - 3 ´ 4 ´ 3 = 423.11...- 400 = 23.11.. = 23.11
2 2 2 2 2 2 2 2 2 2 2 2
14 +13 +13 +. ..+10 +14 40 +38 + 42 40 +20 + 28 +32
JK [ BK ]=
3 - 4´ 3 - 3´ 3 +
1202
3 ´ 4 ´ 3 = 455.33... - 400.66... - 423.11... + 400 = 31.55... = 31.56
JKG = 116 - 0.66.. - 23.11.. - 31.56 = 60.66... = 60.67
Tabel ANOVA
Sumber Jumlah derajat bebas Kuadrat f hitung f tabel
Keragama Kuadrat (db) Tengah (KT)
n (SK) (JK)
Nilai JKB = db numer1= = KTB = f hitung = = 5%
tengah r-1 = db numer1= 2
Baris 0.67 3-1 = 2 = 0.34 = db denum = 24
2.53
Total JKT = [r.k.n] -1=
[3 x 4 x 3]-1
116 = 35
7. Kesimpulan :
Perhitungan menunjukkan bahwa rata-rata penurunan berat badan pada Baris [Kel. Umur]
dan Interaksi tidak berbeda [masih dianggap sama] sedangkan rata-rata penurunan berat
badan dalam Kolom [metode diet] dapat dikatakan berbeda.
2. ANAKOVA
Analisis kovairans (ANAKOVA) atau dalam bahasa Inggris Analisys of
Covarians (ANCOVA), namun Kerlinger (1990) mengistilahkan Anakova dengan
sebagai analisis struktur kovarian. Analisis struktur kovarian adalah suatu perpaduan
antara analisis multi-regresi. Kekuatannya terpenting adalah bahwa ia memungkinkan
penaksiran efek-efek variabel laten antara variabel laten yang satu dengan yang lain, dan
efek variabel laten terhadap variabel-variabel yang teramati.
Untuk dapat menganalisis variabel respon Y sebagai efek faktor atau efek faktor-
faktor, maka terlebih dahulu memurnikan variabel Y dari variabel konkomitan. Hal ini
dapat dilakukan dengan jalan menyingkirkan pengaruh X terhadap Y baru lalu kemudian
melakukan analisis terhadap Y yang sudah dimurnikan untuk melihat efek faktor-faktor
yang dipelajari. Analisis ini dinamakan analisis kovarians atau disingkat ANAKOVA.
(Sudjana, 2012: 342).
Teknik analisis kovarians merupakan teknk uji beda multivariate yang merupakan
perpaduan teknik analisis regersi dan analisis varians. Secara khusus analisis kovarians
sering ditekankan pada analisis residu pada garis regresi, yaitu dengna membandingkan
varians residu antara kelompok dengan varians residu dalam kelompok. (Yusuf, 2013:
320).
ANAKOVA dikembangkan oleh R.A Fisher yang telah dipublikasi pada tahun
1932, desain ANAKOVA pada dasarnya memiliki kesamaan dengan Analisis Varians
(ANAVA). Perbedaannya adalah pada ANAKOVA digunakan model regresi linear untuk
menghilangkan pengaruh variabel yang tak terkontrol yang biasa disebut variabel
pengiring atau kovariat terhadap variabel kriterion. Pada penelitian di bidang pendidikan
variabel kovariat dapat berbentuk nilai pre-tes, kemampuan awal, IQ dan lain-lain.
(Kadir, 411: 2015).
Menurut Freguson (1981) tujuan umum dari analisis kovarians adalah untuk
pengontrolan dengan prosedur statistik atas suatu atau beberapa variabel yang tidak
terkontrol secara kondisional atau luput dari kontrol eksperimental, untuk meningkatkan
presisi atau kecermatan eksperimen dengan mengurangi varians kesalahan, untuk
memahami atau mengkritisi dari perlakuan yang diselidiki, untuk mempelajari perbedaan
rerata-simpangan variabel (Y) antara kelompok yang dibentuk oleh faktor perlakuan, dan
untuk mempelajari homogenitas dari serangkaian koefisien regresi atau asumsi pengaruh
X terhadap Y dalam suatu kelompok atau kategori.
Keunggulan-keunggulan Anakova dalam analisis data penelitian antara lain: dapat
meningkatkan presisi rancangan penelitian terutarna apabila peneliti masih ragu pada
pengelompokan-pengelompokan subyek perlakuan yang diterapkan dalam penelititan,
yaitu apakah sudah benar-benar dapat mengendalikan pengaruh variabel luar ataukah
belum, dapat digunakan untuk mengendalikan kondisi-kondisi awal dari variabel terikat,
dan dapat digunakan untuk mereduksi variabel-variabel luar yang tidak diinginkan dalam
penelitian.
Asumsi analisis kovarians adalah kombinasi asumsi analisis varians dan asumsi
untuk analisis regresi linear. Variabel kovariat (X) bersifat tetap, diukur tanpa kesalahan,
dan tidak berkorelasi dengan perlakuan yang dicobakan, asumsi ini menunjukkan bahwa
kovariat (X) tidak dipengaruhi oleh perlakuan. Koefisien regresi homogen di antara
berbagai kelompok perlakuan atau klasifikasi, asumsi ini merupakan suatu keharusan
yang perlu dipenuhi agar data percobaan yang dianalisis dengan analisis kovarians
menjadi sah. Hubungan atau pengaruh antara kovariat (X) dan variabel respons atau
kriterion (Y) harus bersifat linear dan bebas dari pengaruh perlakuan atau kelompok
percobaan. Galat percobaan harus muncul secara acak, berdistribusi normal dengan nilai
rata-rata sama dengan nol dan ragam atau variansi σ 2. (Kadir, 412-413: 2015).
Desain analisis kovarian terdiri dari satu jalan dan dua jalan hampir sama seperti
analisis varians. Pada dasarnya rumus dasar sama dengan rumus dasar analisis varians.
Perbedaannya terdapat pada bila ANAVA hanya dikenal Jumlah Kuadrat (JK), maka pada
ANAKOVA selain JK ada pula Jumlah Perkalian (JP). Berikut diberikan ilustrasi dan
rumus untuk analisis kovarians dengan satu kovariat dalam analisis kovarians satu jalan:
1) Desain ANAKOVA Satu Jalan
Misalkan bagaimana mengontrol ancaman pengaruh pre-test terhadap hasil post-test
dalam penelitian eksperimen dengan menggunakan randomized pre-post test control
group design:
Sampel G O1 T O2
R E1 X1 A1 Y1
R E2 X2 A2 Y2
R E3 X3 A3 Y3
Keterangan:
G = grup/kelompok
O1 = X (pre-test)/kovariat
T = Treatment
O2 = Y (post-test)/variabel kriterium
R = menggunakan taknik sampling random
Model matematika untuk analisis kovarians diekspresikan sebagai berikut:
Y ij =μ+ τ i+ β ( X ij− X t ) + ε ij i=1 , 2 ,3 , … , n ; j=1, 2 , 3 ,… , m
Secara umum rancangan penulisan data, disajikan sebagai berikut:
Tabel .... Desain Data ANAKOVA
E1 E2 EK
X1 Y1 X2 Y2 Xm Ym
X11 Y11 X21 Y21 Xm1 Ym1
X12 Y12 X22 Y22 Xm2 Ym2
.... .... .... .... .... ....
.... .... .... .... .... ....
X1n Y1n X2n Y2n Xmn Ymn
Hipotesis statistika:
H0 : μ1=μ 2=μ3 ¿ ....=μ k
H1 : Paling tidak salah satu tanda sama dengan (=) tidak berlaku
Rumus :
(1) Menentukan Jumlah Perkalian (JP)
( ∑ X t )( ∑ Y t )
JP (T )=∑ X t Y t −
nt
{ ( ∑ X i )( ∑ Y i )
}
a
JP ( D )=∑ ∑ X i Y i−
i=1 ni
∑{ }
a
(∑ X i )( ∑ Y i ) ( ∑ X t )( ∑ Y t )
JP ( A )= −
i=1 ni nt
(2) Menentukan Jumlah Kuadrat Kovariat X (JKX)
(∑ X t )
2
JK X ( T )=∑ X −
2
i
nt
(∑ )
2
a
(∑ X i )
JK X ( D )=∑ X − 2
i
i−1 ni
{ }
2 2
a
(∑ X i ) (∑ X t )
JK X ( A )=∑ −
ni
i=1 nt
(3) Menentukan Jumlah Kuadrat Variabel Respon Y (JKY)
2
(∑ Y t )
JK Y ( T )=∑ Y −
2
i
nt
(∑ )
2
a
(∑ Y i )
JK Y ( D )=∑
2
Y −
i
i−1 ni
{ }
2 2
a
( ∑ Y i) (∑ Y t )
JK Y ( A ) =∑ −
ni
i=1 nt
(4) Menentukan JKY dikoreksi (JKres) melalui langkah-langkah sebagai berikut:
a. Menentukan Koefisien Regresi Y atas X (bXY)
JP (T )
b XY (T )=
JK X (T )
JP( D)
b XY ( D )=
JK X ( D)
JP( A)
b XY ( A )=
JK X ( A)
b. Menentukan JKreg untuk berbagai sumber varians
JK reg ( T )=b XY (T ) , JP ( T )
JK r eg ( D )=b XY ( D ) , JP ( D )
JK reg ( A ) =JK reg ( T )−JK reg (D)
c. Menentukan Jumlah Kuadrat Y Residu (JKres)
JK res ( T )=JK Y ( T )−JK reg (T )
JK res ( D )=JK Y ( D )−JK reg (D)
JK res ( A ) =JK Y ( A )−JK reg ( A)
(5) Menentukan derajat kebebasan (db)
db res ( T )=nt−m−1( m=banyaknya kovariat )
db res ( A )=na−1
db res =nt−m−na (na=banyaknya kelompok )
(6) Menghitung rata-rata Jumlah Kuadrat Residu (JKres)
JK res ( A )
RJK res ( A ) =
db res ( A)
JK res ( D)
RJK res ( D )=
dbres ( D)
(7) Menentukan harga F-Hitung
RJK RES ( A)
F= bandingkan dengan F tabel=F (( 0,05 ;) ) db res( A) dbres (D)
RJK RES (D )
Jika Fhitung ≤ Ftabel maka H0 diterima atau tidak terdapat perbedaan rata-rata Y di
antara kelompok Ai setelah mengontrol variabel X.
Jika Fhitung > Ftabel maka H0 ditolak atau terdapat perbedaan rata-rata Y di antara
kelompok Ai setelah mengontrol variabel X.
(8) Uji lanjut
Jika H0 ditolak atau terdapat perbedaan di antara kelompok perlakuan setelah
mengontrol konvariat (pre-test), maka dilakukan uji lanjut dengan statistika uji-t
ANAKOVA dengan rumus sebagai berkut:
t 0=¿ ¿
Y res ( i )=Y ( i ) −b XY { X ( i )−x (t )}
Jika t0 ≤ ttabel maka H0 tidak ditolak
Jika t0 > ttabel maka H0 ditolak
Perhitungan ANAKOVA menggunakan SPSS:
Dosen akan meneliti pengaruh metode pembelajaran terhadap kemampuan berpikir
kritis matematis siswa. Untuk mengetahui kondisi awal siswa maka dilakukan pre-test
pada kelas eksperimen dan kelas kontrol. Metode pembelajaran (X) yang dijadikan
variabel bebas adalah Metode Inquiri (A1), Metode Penemuan Terbimbing (A2), dan
Metode Drill (A3). Dengan α = 0,05. Berikut merupakan data contoh untuk
perhitungan ANAKOVA dengan SPSS:
Tabel .... Data ANAKOVA
A1 A2 A3
X Y X Y X Y
40 50 40 50 40 30
40 60 40 60 40 40
50 70 50 60 50 50
50 80 50 60 50 60
60 80 70 70 50 60
70 90 70 70 60 60
80 90 70 80 60 70
90 100 80 90 70 70
Satu variabel terikat Kemampuan Berpikir Kritis Matematis (Y).
X = pre-test (kovariat)
Hipotesis Statistik:
H0 : μ1=μ 2=μ3
H1 : Paling tidak salah satu tanda sama dengan (=) tidak berlaku
Uji kriteria:
H0 ditolak jika nilai sig. ≤ 0,05
H0 tidak ditolak jika nilai sig. > 0,05
Input Data pada SPSS:
A X Y
1 40 50
1 40 60
1 50 70
1 50 80
1 60 80
1 70 90
1 80 90
1 90 100
2 40 50
2 40 60
A X Y
2 50 60
2 50 60
2 70 70
2 70 70
2 70 80
2 80 90
3 40 30
3 40 40
3 50 50
3 50 60
3 50 60
3 60 60
3 60 70
3 70 70
Langkah pengolahan
a. Buka file data yang sudah dientry di SPSS Data Editor.
b. Dari menu Analyze, pilih submenu General Linear Model, pilih Univariate.
Lalu akan muncul kotak dialog. Pengisian kotak dialog:
• Masukkan variabel Y (Postest) ke bagian Dependent Variables
• Masukkan variabel A (Metode Pembelajaran) ke bagian Fixed Factor(s).
Fixed Factor(s) selalu berisi data bertipe nominal (kualitatif).
• Masukkan variabel X (Pretest) ke bagian Covariate(s)
• Klik OK
c. Default dari SPSS adalah SS Type III. Untuk mendapatkan SS Type I caranya
adalah sebelum klik OK, terlebih dahulu klik Model dan pada bagian Sum of
squares pilih Type I, lalu klik Continue dan terakhir klik OK
OUTPUT SPSS
Tests of Between-Subjects Effects
Dependent Variable:POST_TEST
Total 113200.000 24
Parameter Estimates
Dependent Variable:POSTEST
[A=3,00] 0a
. . . . .
Interpretasi Hasil:
Berdasarkan hasil output di atas pada tabel Tests of Between-Subjects Effects terlihat
bahwa angka signifikansi pada baris metode pembelajaran adalah 0,001. Maka nilai
Sig. = 0,001 < 0,05 maka H0 ditolak. Dapat disimpulkan terdapat perbedaan
kemampuan berpikir kritis siswa antara yang diajarkan dengan metode inquir,
penemuan terbimbing, dan drill setelah mengontrol pre-test. Hal ini menandakan
metode pembelajaran mempunyai pengaruh terhadap kemampuan berpikir kritis
matematis siswa. Dari hasil tersebut maka dilakukan uji lanjut.
Berdasarkan tabel baris Corrected Model diperoleh F0 = 41,903 dengan db = (3,20),
dan nilai sig. = 0,000 < 0,05 maka H0 ditolak, sehingga kovariat pre-test (X) dan
metode pembelajaran (A) secara simultan berpengaruh terhadap kemampuan berpikir
kritis matematis.
Uji lanjut yang dilakukan dengan hipotesis sebagai berikut:
a) H 0=μ 1 ≤ μ 3
H 1=μ1 > μ3
b) H 0=μ 2 ≤ μ3
H 1=μ2 > μ3
c) H 0=μ 1 ≤ μ 2
H 1=μ1 > μ2
d) H 0=δ ≤ 0
H 1=δ >0
Berdasarkan tabel Parameter Estimates diperoleh hasil sebagai berikut:
a) t 0=(A 1 × A 3) = 4,679, db = 20, nilai sig. 0,000 < 0,05 maka H 0 ditolak,
disimpulkan kemampuan berpikir kritis matematis siswa yang diajarkan
menggunakan metode Inquiri lebih tinggi dibandingkan sengan siswa yang diajar
menggunakan metode Drill setelah mengontrol pengaruh pre-test.
b) t 0=( A 2 × A 3 ) = 2,089, db = 20, nilai sig. 0,050 = 0,05/2 = 0,025 < 0,05 maka H 0
ditolak, disimpulkan kemampuan berpikir kritis matematis siswa yang diajarkan
menggunakan metode Penemuan Terbimbing lebih tinggi dibandingkan sengan
siswa yang diajar menggunakan metode Drill setelah mengontrol pengaruh pre-
test.
c) Uji hipotesis pengaruh kovariat pre-test dari tabel diperoleh t 0=¿ 0,863 dengan
nilai sig = 0,000 < 0,05 maka maka H 0 ditolak, disimpulkan pengaruh positif pre-
test terhadap kemampuan berpikir kritis matematis siswa.
3. MANOVA
Multivariate Analisis of Variance atau biasa disingkat dengan MANOVA
merupakan analisis yang mirip dengan analisis varian (ANAVA), bedanya terletak pada
banyaknya variabel terikat (Y). (Supranto: 2004: 51). Pada ANAVA hanya ada satu
variabel terikat (Y), sedangkan pada MANOVA terdapat lebih dari satu variabel terikat
(Y). Seperti yang sudah diduga oleh orang, ANAVA memiliki pasangan yaitu
multivariatnya, yaitu analisis varian multivariat. Analisis ini memungkinkan penelaahan
menaksir akibat-akibat dari k variabel bebas dan m variabel terikat. Seperti ANAVA,
MANOVA digunakan atau seharusnya dipergunakan untuk data hasil penelitian
eksperimental. (Kerlinger: 989-990: 1990).
MANOVA seperti yang telah dijelaskan sebelumnya merupakan perluasan dari
ANAVA yang secara luas sudah lama digunakan pada baerbagai bidang ilmu.
Pemahaman mengenai ANAVA akan memudahkan memahami cara kerja MANOVA.
Proses dasar MANOVA sebenarnya sederhana yaitu menguji asumsi-asumsi pada data
MANOVA, menguji perbedaan-perbedaan antar-grup (inti dari MANOVA), dan
mengiterpretasi Output serta proses validasi hasil. Sedangkan asumsi pada MANOVA
sebagai berikut: adanya idenpendensi antar anggota grup, kesamaan matriks kovarians
antar-gurp pada variabel dependen, variabel-variabel dependen seharunsya berdistribusi
normal, antar-variabel dependen seharusnya tidak terjadi koerlasi yang kuat atau
dikatakan terjadi multikorlinearitas, dan MANOVA cukup sensitif terhadap keberadaan
data yang bernilai sangat ekstrim. (Santoso, 2010).
Hipotesis statistika dari uji MANOVA secara umum adalah sebagai berikut:
μ11 μ12 μ 1 k
H O : μ21 = μ22 = μ 2 k
μ p 1 μ p 2 μ pk
H 1=adatanda ti dak sama dengan
Dapat diartikan:
H O =tidak ada perbedaan rata−rata variabel terikat
H 1=ada perbedaan rata−rata variabel terikat
Berikut beberapa contoh judul penelitian yang menggunakan analisis MANOVA:
Contoh kasus 1
Perbedaan Kinerja Guru dan Profesionalitas Guru antara Tipe Kepemimpinan
Demokratis, Permisif dan Otoriter Pada Sekolah Menengah Atas di Kota Cirebon.
Pada contoh kasus 1 terdapat dua variabel terikat yaitu Perbedaan Kinerja Guru (Y1) dan
Profesionalitas Guru (Y2) serta terdapat tiga variabel bebas yaitu Tipe Kepemimpinan
Demogratis (X1), Permisif (X2), dan Otoriter (X3).
Contoh kasus 1 tidak menggunakan eksperimen, namun merupakan contoh kasus
penelitian Expost Facto, yaitu pada variabel terikat bersifat kondisi yang sudah terjadi
dengan sendirinya tanpa ada manipulasi.
Contoh kasus 2:
Pengaruh Pendidikan Matematika Realistik terhadap Pemahaman Konsep dan Daya
Matematika Siswa SMP Negeri 6 Cirebon.
Pada kasus 2 terdapat dua variabel terikat (Y) yaitu Pemahaman Konsep (Y1) dan Daya
Matematika (Y2), serta terdapat satu variabel bebas (X) yaitu Pendidikan Matematika
Realitik (X). Penelitian ini merupakan penelitian eksperimen atau kuasi eksperimen.
Maka dapat memilih desain the nonequivalent postest only control group design.
Desain penelitiannya:
R E X OE1
OE2
R K OK1
OK2
Keterangan :
R = Kelompok dipilih secara random
E = Kelompok Eksperimen
K = Kelompok Kontrol
X = Variabel Bebas/Perlakuan (Pendidikan Matematika Realistik)
OE1 = Pemahaman Konsep Kelompok Eksperimen
OE2 = Daya Matematika Kelompok Eksperimen
OK1 = Pemahaman Konsep Kelompok Kontrol
OK2 = Daya Matematika Kelompok Kontrol
Berikut merupakan data dari contoh kasus 2:
A1 A2
Y11 Y12 Y21 Y22
40 50 40 50
40 60 40 60
50 70 50 60
50 80 50 60
60 80 70 70
70 90 70 70
80 90 70 80
90 100 80 90
Keterangan:
A1 = Metode Pembelajaran Konvensional
A2 = Pendidikan Matematik Realistik
Y11 = Pemahaman Konsep Kelompok Eksperimen
Y12 = Daya Matematika Kelompok Eksperimen
Y21 = Pemahaman Konsep Kelompok Kontrol
Y22 = Daya Matematika Kelompok Kontrol
μ11
H O : μ21
¿
H 1=adatanda tidak sama dengan
Uji kriteria:
H0 ditolak jika nilai sig. ≤ 0,05
H0 tidak ditolak jika nilai sig. > 0,05
1. Masukan data pada data view di SPSS, kemudian pada variabel view beri nama pada
label pendekatan pembelajaran dan pada kolom value beri kode 1 untuk
KONVENSIONAL dan 2 untuk PENDIDIKAN MATEMATIK REALISTIK. Y1
pada label PEMAHAMAN KONSEP dan Y2 pada label DAYA MATEMATIKA.
Untuk variabel X pada baris Measure pilih nominal, dan variabel yang lainya pilih
scale.
2. Langkah berikutnya: pada menu di SPSS, klik Analyze, General Linear Model,
Multivariate:
Lihat Tabel di bawah ini: Lalu masukkan variabel pemahaman konsep dan daya
matematika ke kotak "Dependent Variables". Masukkan Variabel pendekatan
pembelajaran ke dalam kotak Fixed Factor (s).
3. Klik Tombol Model. Anda bisa menggunakan nilai bawaan (default) yaitu Full
Factorial atau menggunakan nilai Custom, yaitu dengan memilih Custom dan
memasukkan Pendekatan pembelajaran ke dalam kotak Model dan mengubah Type ke
Main Effects. Klik Continue.
4. Klik Tombol Post Hoc. Maka akan muncul jendela seperti di bawah ini: Lalu
masukkan Factor Pendekatan Pembelajaran ke kotak Post Hoc Test For, pada Equal
Variances Assumed centang Bonferroni dan pada Equal Variances Not Assumed
centang Games-Howell. (uji Bonferroni dipakai untuk membedakan kategori mana
yang berbeda pada variabel independen apabila hasil uji homogenitas test pada
Levene's Test menunjukkan memiliki varians yang berbeda dengan nilai sig. > 0,05.
Sedangkan Games-Howell dipakai apabila sig. <0,05). Klik Continue
5. Klik OK dan Lihat hasilnya pada jendela Output.
OUTPUT SPSS
Descriptive Statistics
PENDEKATAN
PEMBELAJARAN Mean Std. Deviation N
PENDIDIKAN MATEMATIKA
58.7500 15.52648 8
REALISTIK
PENDIDIKAN MATEMATIKA
67.5000 12.81740 8
REALISTIK
Hypothesis Noncent.
Effect Value F df Error df Sig. Parameter Observed Powerb
Intercept Pillai's Trace .972 2.255E2a 2.000 13.000 .000 450.924 1.000
Roy's Largest Root 34.686 2.255E2a 2.000 13.000 .000 450.924 1.000
Roy's Largest Root .682 4.433a 2.000 13.000 .034 8.866 .655
a. Exact statistic
c. Design: Intercept + X
2. Komparatif
a. ANAVA
b. ANAKOVA
Analisis kovarians atau biasa disingkat dengan ANAKOVA merupakan model regresi
linear untuk menghilangkan pengaruh variabel yang tak terkontrol yang biasa disebut
variabel pengiring atau kovariat terhadap variabel kriterion. Pada penelitian di bidang
pendidikan variabel kovariat dapat berbentuk nilai pre-tes, kemampuan awal, IQ dan
lain-lain.
c. MANOVA
Multivariate Analisis of Variance atau disingkat dengan MANOVA merupakan
analisis yang mirip dengan analisis varian (ANAVA), bedanya terletak pada
banyaknya variabel terikat (Y). Analisis ini memungkinkan penelaahan menaksir
akibat-akibat dari k variabel bebas dan m variabel terikat.
Kesimpulan dapat diringkas dalam bentuk tabel:
TIPE ANALISIS UJI PARAMETRIK
Menganalisis hubungan dua variabel Korelasi Sederhana
Menganalisis pengaruh lebih dari satu variabel Multiple Regresi
bebas dan satu variabel terikat (fix)
Menganalisis pengaruh lebih dari satu variabel Path Analisis
bebas dan lebih dari satu variabel bebas
Menganalisis perbandingan lebih dari satu variabel ANAVA
bebas dan satu variabel terikat
Menganalisis perbandingan lebih dari satu variabel ANAKOVA
bebas dengan mengontrol variabel kovariat dan satu
variabel terikat
Menganalisis perbandingan lebih dari satu variabel MANOVA
bebas dan lebih dari satu variabel terikat
DAFTAR PUSTAKA