ANALISIS KOVARIANS

Makalah
Mata Kuliah Statistik Pendidikan

Semester VII
Jurusan Pendidikan Agama Islam

Oleh :

Kelompok 6

NURUL SAFINA
SINAR
KHARIMAH TUNNIZA
SITTIANA

SEKOLAH TINGGI AGAMA ISLAM

DARUD DA’WAH WAL-IRSYAD
PANGKAJENE SIDRAP
2022/2023

1
 KATA PENGANTAR

Puji syukur kami panjatkan ke hadirat Allah SWT, yang mana atas berkat rahmat

dan hidayah-Nya penulis dapat menyelesaikan makalah tersebut. Makalah ini di

ajukan dosen untuk memenuhi nilai penulis dalam mata kuliah STATISTIK

PENDIDIKAN prodi PAI semester VII. Penulis menyadari dalam pembuatan

makalah ini masih banyak kekurangan, penulis mohon maaf yang sebesar-besarnya

jika ada kesalahan di dalamnya.

Penulis sangat mengharapkan kritik dan saran dari para pembaca. Harapan

penulis semoga makalah ini bermanfaat dan menjadikan sumber pengetahuan bagi

para pembaca.

i
 DAFTAR ISI

DAFTAR ISI

KATA PENGANTAR ............................................................................................... i

DAFTAR ISI ............................................................................................................. ii

BAB I : PENDAHULUAN

A. Latar Belakang .................................................................................. 1

B. Rumusan Masalah ............................................................................. 1

BAB II : PEMBAHASAN

A. Pengertian Analisis Konvarian ......................................................... 2

B. Penerapan Analisis Konvrian ........................................................... 3

C. Persamaan dan Asumsi Analisis Konvariana ................................ 8

BAB III PENUTUP

A. Kesimpulan………………………………………………………… 11

B. Saran ……………………………………………………………..... 11

DAFTAR PUSTAKA

ii
 BAB I

PENDAHULUAN

A. Latar Belakang

Analisis Kovarians merupakan teknik analisis yang berguna untuk meningkatkan

presisi sebuah percobaan karena di dalamnya dilakukan pengaturan terhadap
pengaruh peubah bebas lain yang tidak terkontrol. Analisis Kovarians digunakan jika
peubah bebasnya mencakup variabel kuantitatif dan kualitatif. Analisis Kovariansi
sangat membantu dalam menghasilkan kesimpulan yang lebihakurat. Ancova juga
dapat dikatakan sebagai teknik statistika yang mengkombinasikan analisis regresi dan
analisis Covarians.

Analisis kovarians (Anacova) adalah teknik statistik yang menggabungkan

analisis regresi dan analisis varian. Analisis Kovarians (Anakova), 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
variable 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 statistic 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.

B. Rumusan Masalah

1. Apa yang Dimaksud Dengan Analisis Kovarian ?

2. Apa Penerapan Dari Analisis Kovarian ?

3. Bagaimana Persamaan dan Asumsi Dari Analisis Kovarian?

1
 BAB II

PEMBAHASAN

A. Pengertian Analisis Kovarian

Analisis Kovarian (ancova) adalah penggabungan antara uji komparatif dan

korelasional. Berbeda dengan anova yang hanya menguji perbandingan saja, akan
tetapi untuk ancova yang diuji adalah perbandingan sekaligus hubungan. Isitilah cova
dalam ancova berasal dari kata covariance (kovarian), co dalam Bahasa Inggris
artinya bersama, artinya hal tersebut menunjukkanadanya hubungan. Pada variabel
dependen, terdapat satu atau lebih kuantitatif variabel yang dikenal kovariat atau
konkomitan variabel. Ancova dilakukan berdasarkan pertimbangan bahwa dalam
kenyataannya ada peubah tertentuyang tidak dapat dikendalikan, tetapi sangat
berkorelasi dengan peubah terikatyang diamati. Peubah yang demikian disebut
kovarians.

Secara umum,kovarian merupakan variabel yang secara teoritik berkorelasi

dengan variabelterikat (dependen variabel) atau beberapa variabel yang menunjukkan
korelasi pada beberapa jenis subjek yang sama dapat dipandang sebagai kovariat.
Tujuan utama kovariat dilibatkan dalam penelitian adalah untuk memperoleh presisi
dengan menghilangkan variansi kesalahan. Selain itu, pengikutsertaankovariat juga
bertujuan untuk menurunkan efek dari beberapa faktor yangtidak dapat dikontrol oleh
peneliti. Kovariats dalam ancova perlu dipilihdengan hati-hati agar penggunaan
peubah penggiring tersebut sesuai dengantujuannya untuk mengurangi keragaman
perlakuan (Sudiana dan Simamora,2004). Dalam ANCOVA digunakan konsep
ANOVA dan analisis regresi. Dalam ancova yang dibandingkan adalah variable
tergantung (Y) ditinjau dari variable bebas (X1) sekaligus menghubungkan variable
tergantung tersebut dengan variable bebas lainnya (X2). Variable X2 yang digunakan
memprediksi inilah yang dinamakan dengan kovariat.

Dalam kasus tertentu, jika peneliti mengikut sertakan berbagai macam level
variabel sebagai faktor penuh maka akan berdampak pada rancangan yang sulit. Jika
faktor tersebut bersifat kuantitatif, maka dapat diikut sertakan sebagai kovariat
dimana hasil dari kovariat tersebut bersesuaian dengan variabel terikat sebelum
melakukan perbandingan kelompok. ANCOVA berfungsi untuk memurnikan
pengaruh variabel dependen dari pengaruhvariabel konkomitan. Namun, analisis ini
tidak dapat digunakan untuk penelitian terhadap lebih dari dua variabel secara
bersamaan (Sudjana, 2002).
2
 Ancova akan dihitung dengan melakukan pengendalian statistik yang gunanya
untuk membersihkan atau memurnikan perubahan-perubahanyang 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 fungsiyang penting terutama untuk mempelajari pengaruh murni
suatu perlakuan pada variabel tertentu terhadap variabel lain.

Anakova merupakan teknik statistik yang sering digunakan pada penelitian

eksperimental dan juga observasional. Keunggulan-keunggulan Anakova dalam
analisis data penelitian antara lain :

1. Dapat meningkatkan presisi rancangan penelitian terutarna apabila peneliti

masih ragu pada pengelompokan-pengelompokan subyek perlakuan yang
diterapkan dalam penelitian, yaitu apakah sudah benar- benar dapat
mengendalikan pengaruh variabel luar ataukah belum.

2. Dapat digunakan untuk mengendalikan kondisi-kondisi awal darivariabel

terikat

3. Dapat digunakan untuk mereduksi variabel-variabel luar yang tidakdiinginkan

dalam penelitian.

Beberapa pengertian variabel yang akan digunakan dalam Anakova 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. Rancangan Anakova satu jalur 1 kovarian.

B. Penerapan Analisis Kovarians (Anacova) dalam penelitian

a. Analisis Kovarians Satu Jalur (Satu Kovariabel)

1. Rumusan masalah penelitian

3
 Setelah dikendalikan oleh skor tes IQ (X), apakah terdapat perbedaan hasil
belajar (Y) antara siswa yang mengikuti pembelajaran dengan metode
kooperatif (A1) dengan metode ceramah (A2) dan pemberian tugas (A3 )?

2. Rumusan Hipotesis Penelitian

Hipotesis penelitian: Setelah dikendalikan oleh kovariabel skor tes IQ (X),

terdapat perbedaan hasil belajar (Y) antara siswa yang mengikuti
pembelajaran dengan metode kooperatif (A1) dengan metode ceramah (A2)
dan pemberian tugas (A3 ).

3. Hipotesis Statistik:

H0: µ1 = µ2 = µ3 (tidak ada Perbedaan)

H1: µ1 ≠ µ2≠ µ3 (ada Perbedaan)

Kriteria pengujian: Jika Fhitung > Ftabel, Maka Ho ditolak dan Jika Fhitung
< Ftabel, Maka Ho diterima Atau Jika angka Sig.>0.05 maka H0 diterima, dan
Jika angka Sig.< 0.05 maka H0 ditolak.

Contoh Aplikasi dalam analisis Data

Tabel Data

Tabel 1. Data Hasil Penelitian (fiktif)

A1 A2 A3

X Y X Y X Y

29 15 22 20 33 14
49 19 24 34 45 20
48 21 49 28 35 30
35 27 46 35 39 32
53 35 52 42 36 34
47 39 43 44 48 42
46 23 64 46 63 40
74 38 61 47 57 38
72 33 55 40 56 54
67 50 54 54 78 56

4
 Keterangan:

A = Metode Mengajar ( A1 = metode ceramah, A2 = metode pemberian tugas,

dan A3 = metode kooperatif.

X = Skor Tes Bakat (Aptitude Test Score) = covariabel

Y = Skor Prestasi Belajar

4. Langkah-langkah Perhitungan Secara Manual Bantuan (exel)

Menghitung Sumber Variasi dalam ( JK dal.residu)

1) JKY =  2 y = YT 2     2 A A n Y = 40706 - (3002 /10 +3902 /10 +

3602 /10) =3536

2) JKXd = x 2 d = X 2 T     2 A A n X = 78840 – (5202 /10 +4702 /10

+ 4902 /10) = 5700

3) JPXY=xyd =XYTot        A A A n X Y = 54822 – (520x300/10)

+ (470 x 390/10) + (490x360)/10) = 3252

4) Beta dal. =   d d x xy 2 = = 3252 / 5700 = 0,5705

5) JK reg.dal. =  x xy = 0,5705 x 3252 =1855,352

6) JK res. dal = JKY  JKreg. = 3536 – 1855,352 =1680,65 Menghitung Sumber

Variasi Antar (JK Antar ) SVTot  SVdal. = JK res.tot  JK res. dal. =
2388,641 - 1680,65 = 707,993 Menghitung derajat kebebasan 7 Db A* = db A
= a – 1 = 3-1= 2 Db D* = db D – M = N – a – M ( jumlah kovariabel) = 30-3-
1 = 26 Db Tot.* = db Tot. – M = N – 1 – M = 30-1-1=28

Dari perhitungan diperoleh Fhitung = 5,476, sedangkan F tab = 3,37 pada taraf
signifikansi 5% dengan db 2 : 26. Jadi nilai Fhitung > Ftabel artinya H0 ditolak dan
H1 diterima, dengan demikian dapat disimpulkan bahwa “Terdapat perbedaan hasil
belajar yang signifikan antara siswa yang mengikuti pembelajaran dengan metode
ceramah, metode pemberian tugas dan metode kooperatif, setelah dikendalikan oleh
kovariabel skor tes bakat”

5
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:

Jadi Konstribusi kovariabel terhadap kriterium sebesar R2 = 72,4% .

berdasarkan hasil ini dapat disimpulkan bahwa konstrbusi atau determinasi bakat
terhadap hasil belajar sebesar 72,4% dan sisanya dipengaruhi oleh faktor lain.

5. Langkah-langkah Perhitungan dengan menggunakan SPSS

a. Membuka program SPSS

b. Menginput data

c. Menganalisis data dengan memilih menu Analyze,

d. Memilih General Linear Model, pilih Univariate.

e. Masukkan variabel Y ke bagian Dependent Variables yaitu data Hasil Belajar

f. Masukkan ke bagian Fixed Factor(s). Fixed Factor(s) yaitu data tentang

Metode Pembelajaran dan selalu berisi data bertipe nominal (kualitatif).

g. Masukkan variabel X ke bagian Covariate(s) yaitu data Bakat

h. Pilih Options terus pilih Descriptive Statistics dan Homogenity Test.

i. Klik OK

Interpretasi Hasil Analisis data

Dari output di atas terlihat bahwa angka signifikansi untuk peubah Bakat adalah
0,000. karena nilai Sig.< 0,05 maka H0 ditolak. Sehingga dapat disimpulkan bahwa
Terdapat perbedaan hasil belajar mahasiswa yang menggunakan metode ceramah,
Metode Pemberian Tugas dan Metode kooperatif, setelah dikendalikan covariabel
bakat. Selanjutnya dilakukan pengujian terkait dengan penggunaan metode dengan
mengendalikan variabel bakat.

6
 Dari hasil pengolahan data terlihat bahwa angka signifikansi untuk peubah
Metode pembelajaran adalah 0,010. Karena nilainya sig < 0,05 maka H0 ditolak.
Sehingga dapat disimpulkan bahwa Terdapat perbedaan hasil belajar mahasiswa yang
menggunakan metode ceramah, Metode Pemberian Tugas dan Metode kooperatif,
setelah dikendalikan covariabel bakat.

Untuk mengetahui pengaruh Bakat mahasiswa dan perbedaaan Metode

Pembelajaran terhadap nilai yang diperoleh mahasiswa secara simultan dapat dilihat
dari angka signifikansi pada bagian Corrected Model. Terlihat bahwa angka
signifikansinya adalah sebesar 0,000. Karena nilai signifikansi jauh di bawah 0,05
maka H0 ditolak. Sehingga pada tingkat kepercayaan 95% dapat disimpulkan bahwa
secara simultan Bakat mahasiswa dan Metode Pembelajaran berpengaruh terhadap
nilai yang diperoleh mahasiswa.

b. Analisis Kovarians Satu Jalur (Dua Kovariabel

1. Rumusan masalah penelitian

Setelah dikendalikan oleh skor tes bakat (X1) dan Motivasi Berprestasi (X2),
apakah terdapat perbedaan hasil belajar IPA (Y) antara siswa yang mengikuti
pembelajaran dengan metode konvensional (A1) dengan metode kooperatif
(A2) ?

2. Rumusan Hipotesis Penelitian

Hipotesis penelitian: Setelah dikendalikan oleh kovariabel skor tes bakat (X1) dan
Motivasi Berprestasi (X2), terdapat perbedaan hasil belajar (Y) antara siswa yang
mengikuti pembelajaran dengan metode konvensional (A1) dengan metode
kooperatif (A2).

3. Hipotesis Statistik:

H0: µ1 = µ2 (Tidak terdapat perbedaan....) H1: µ1 ≠ µ2 (Terdapat perbedaan...)

Kriteria pengujian: Jika Fhitung > Ftabel, Maka Ho ditolak dan Jika Fhitung <
Ftabel, Maka Ho diterima Atau Jika angka Sig.>0.05 maka H0 diterima, dan Jika
angka Sig.< 0.05 maka H0 ditolak.

7
C. Persamaan dan Asumsi Analisis Kovarian

Model dari analisis kovarian (ancova) yaitu :yij = µ+ τi + βxij + εij ,i = 1, 2, ...a j
= 1, 2, ...ni

dimana,yij : nilai peubah respon pada perlakuan ke-i observasi ke-jxij : nilai covariate
pada observasi yang bersesuaian dengan yij τi: pengaruh perlakuan ke-I εij: random
errora : banyaknya kategori pada perlakuanni : banyaknya observasi pada kategori ke
I β: koefisien regresi linier

Ada beberapa asumsi yang digunakan dalam mengerjakan Ancova adalah:

1. Variabel luar yang dikendalikan (kovariabel) harus berskala interval ataurasio.

2. Kriterium (variabel terikat) harus berskala interval atau rasio.

3. Faktor (variabel bebas) harus berskala nominal atau ordinal.

4. Harus ada dugaan yang kuat bahwa ada hubungan antara variabel kendalidan
variabel terikat.

5. Harus ada dugaan bahwa variabel kendali tidak dipengaruhi oleh variabel
bebas atau variabel eksperimental.

Asumsi dalam Analisis Kovarian yaitu:

1. X adalah fixed, diukur tanpa error dan independen terhadap perlakuan (tidak
dipengaruhi oleh perlakuan).

2. εij mengikuti sebaran NID (o,σ2).

3. β ≠ 0 yang mengindikasikan bahwa antara x dan y terdapat hubungan linier.

Hipotesis: H0 : τ1 = τ2 = ...= τa = 0 H1 : sekurang-kurangnya ada satu τi ≠ 0, i = 1,

2, ...a

Dalam ANCOVA terdapat 2 tipe Dekomposisi (penguraian) jumlah

kuadratyang biasa digunakan, yaitu SS Type I dan SS Type III. Perbedaaan keduatipe
dekomposisi tersebut adalah sebagai berikut.

8
Type I :

Dalam SS Type I, proses dilakukan dengan memasukkan covariate kedalam

persamaan/model terlebih dahulu dan diasumsikan covariate memilikihubungan linier
dengan peubah respon. Sehingga pengujian hipotesis hanyadilakukan satu kali yaitu
untuk mengetahui pengaruh perbedaaan kategori perlakuan terhadap peubah respon.

Type III:

Dalam SS Type I, proses dilakukan tanpa didasari asumsi apapun, apakahcovariate

atau perlakuan yang masuk ke dalam persamaan/model terlebih dahulu. Sehingga
pengujian hipotesis dilakukan dua kali yaitu untukmengetahui adanya hubungan linier
antara covariate dengan peubah respondan untuk mengetahui pengaruh perbedaaan
kategori perlakuan terhadap peubah respon. (default dalam SPSS adalah SS Type III)

Analisis Kovarians Satu Jalur (Tiga Kovariabel) 17

1. Tabel Data

Tabel Data Fiktif

A1 A2

X1 X2 X3 Y X1 X2 X3 Y

7 8 7 6 7 7 7 8
8 9 8 7 8 8 8 9
6 8 5 6 6 6 6 7
7 7 6 6 5 6 5 6
5 6 4 5 3 5 4 4
8 8 6 7 7 8 7 8
7 7 5 6 6 7 6 7
6 7 6 6 6 6 6 7
8 8 7 7 9 9 8 8
4 6 6 5 7 5 7 6

9
 Keterangan Notasi:

A = Asal Mahasiswa

A1 = asal SMA Jurusan IPA

A2 = asal SMA Jurusan IPS

Y = Nilai Statistika Dasar

X1 = Indeks Prestasi SMA (IPK)

X2 = Koefisien Kecerdasan (IQ)

X3 = Bakat Numerik (BN

2. Hipotesis Statistik:

H0: µ1 = µ2 H1: µ1 ≠ µ2 Kriteria pengujian: Jika Fhitung > Ftabel, Maka Ho

ditolak dan Jika Fhitung < Ftabel, Maka Ho diterima Atau Jika angka
Sig.>0.05 maka H0 diterima, dan Jika angka Sig.< 0.05 maka H0 ditolak.

3. Langkah-langkah perhitungan

Langkah-langkah perhitungan pada anakova satu jalur dengan tiga kovariabel,

sama dengan langkah-langkah perhitungan pada anakova satu jalur dengan
dua kovariabel, hanya ada penambahan perhitungan untuk menghitung 18
beta masing-masing. Untuk menghitung beta 1, beta 2, dan beta 3,
menggunakan persamaan linear pada analisis regresi tiga predictor.

10
 BAB III

PENUTUP

A. Kesimpulan

Analisis kovarian (ancova) adalah penggabungan antara ujikomparatif dan

korelasional. Ancova dilakukan berdasarkan pertimbangan bahwa dalam
kenyataannya ada peubah tertentu yang tidakdapat dikendalikan, tetapi sangat
berkorelasi dengan peubah terikat yang diamati. Peubah yang demikian disebut
kovariats.

Secara umum, kovariatmerupakan variabel yang secara teoritik berkorelasi

dengan variabelterikat (dependen variabel) atau beberapa variabel yang
menunjukkankorelasi pada beberapa jenis subjek yang sama dapat dipandang
sebagaikovariat. Tujuan utama kovariat dilibatkan dalam penelitian adalah untuk
memperoleh presisi dengan menghilangkan variansi kesalahan. Selain itu, pengikut
sertaan kovariat juga bertujuan untuk menurunkan efek dari beberapa faktor yang
tidak dapat dikontrol oleh peneliti.

Dalam ANCOVA digunakan konsep ANOVA dan analisis regresi. Dalam

ancova yang di bandingkan adalah variable tergantung (Y) ditinjau darivariable bebas
(X1) sekaligus menghubungkan variable tergantung tersebut dengan variable bebas
lainnya (X2). Variable X2 yang digunakan memprediksi inilah yang dinamakan
dengan kovariat.

B. Saran

Suatu model Analisis Konvarian dapat dikatakan tepat bila persyaratan asumsi
dari model yang digunakan dapat terpenuhi. Untuk itu suatu model analisis kovarians
yang telah berhasil dibangun perlu diperiksa kembali ketepatannya dengan menguji
asumsi-asumsinya. Sehingga dapat diketahui apakah asumsi yang diajukan
merupakan persyaratan model yang tepat atau tidak.

11
 DAFTAR PUSTAKA

Santoso, Singgih. 2002.

Buku Latihan SPSS Statistik Multivariat (Modul 17:General Linear Model-Univariat)

Jakarta: PT Elex Media Komputindo.Sudiana, I Ketut dan Simamora, Maruli. 2004.

Statistika Dasar

Singaraja : JurdikKimia FMIPA IKIP N.Sudjana. 2002

Metode Statistik

Bandung : Tarsito.

12