BAB III

ANALISIS KOVARIANS MULTIVARIAT

A. Pendahuluan
Analysis of Covariance (ANCOVA) adalah analisis yang
menggabungkan Regression Analysis dan Analysis of Variance (ANOVA). Di
dalam ANCOVA, terdapat satu atau lebih variabel yang disebut variabel
concomitant atau covariate. Jika unit-unit eksperimen (subjek) mempunyai
karakteristik-karakteristik yang dapat mempengaruhi hasil, maka karakteristik-
karakteristik itu mungkin merupakan covariate. Variabel yang dapat dipilih
menjadi kovariat adalah variabel yang mempunyai hubungan yang signifikan
dengan variabel dependen.
Tujuan utama untuk mengikutsertakan covariate di dalam sebuah
eksperimen adalah untuk mendapatkan presisi (precision)/ketelitian dengan cara
mengurangi varians error. Tujuan lainnya adalah untuk mengurangi efek dari
faktor yang tidak terkontrol dalam eksperimen tersebut. Sebagai contoh dalam
penelitian noneksperimen tujuan ANCOVA adalah untuk menyesuaikan mean
postes dengan perbedaan kondisi awal antar kelompok. Pada MANCOVA
terdapat beberapa variabel terikat dan covariate dalam analisisnya.

B. MANCOVA dengan satu kovariat

Model umum persamaan MANCOVA untuk satu covariate dan satu
dependent variabel adalah :
Y ij =μ+ τ i+ β( X ¿ ¿ ij− X ∙∙ )+ ε ij ¿, i=1,2 , … , K j=1,2 ,… , ni
Atau Y adj .ij =Y ij −β ( X ¿ ¿ij−X ∙∙ )=μ+ τ i +ε ij ¿,
i=1 , 2 ,… , K j=1,2 ,… , ni

dimana :
Y ij = vektor pengamatan variabel dependen pengamatan ke j kelompok ke i
τ i = pengaruh treatment (perlakuan) (vektor) kelompok ke i
X ij = nilai pengamatan covariate yang bersesuaian dengan y ij
 β = slope pada regresi hubungan X ij dan Y ij
ε ij = vector error pada pengamatan ke j kelompok ke i
K = banyak kelompok
ni = banyak pengamatan pada kelompok ke i
ε ij berdistribusi normal multivariat N p (0, ¿

B. MANCOVA dengan Dua Kovariat

Prosedur analisis yang digunakan dalam analisis satu kovariat dapat diperluas
penggunaannya pada kasus dua kovariat atau lebih. Misalkan dalam suatu kasus
terdapat dua kovariat, X1 dan X2, dan melibatkan satu variabel dependen, yaitu Y.
Dalam hal ini diasumsikan bahwa antara Y, X1 dan X2 terdapat hubungan
berbentuk :
Y adj .ij =Y ij −β W ( X ij 1−X 1.. ) −β W ( X ij2 −X 2.. )=μ+ τ i +ε ij
y x1 y x2

Jika dua kovariat mereprsentasikan pilihan yang bagus, maka kovariat ketiga tidak
perlu diikutsertakan untuk mereduksi variansi eror atau bias. Situasi analog terjadi
dalam multiple regression (regresi ganda): terdapat suatu kondisi dimana
penambahan variabel predictor tidak diperlukan untuk meningkatkan ketepatan
prediksi. Uji yang dilakukan sama dengan yang Mancova dengan satu kovariat
dan dua kovariat sama.
Asumsi yang harus dipenuhi dalam MANCOVA adalah ada hubungan linear
antara kovariat X ij ( X ij 1 dan X ij 2, untuk dua kovariat) dan vector variabel
dependen Y ij, slope persamaan regresi antara kelompok sama. Dengan demikian
terdapat tiga uji hipotesis dalam ancova, yang ketiga adalah untuk menguji adanya
pengaruh perlakuan atau perbedaan mean yang disesuaikan dengan kovariat antar
kelompok.
1. Hipotesis untuk menguji apakah terdapat hubungan linier antara dependent
variable dan covariate adalah
H0 : β=0
(tidak ada hubungan linear antara kovariat X ij ( X ij 1 dan X ij 2, untuk dua
kovariat) dan vector variabel dependen y ij)
H1 : β ≠ 0

1
 (ada hubungan linear antara kovariat X ij ( X ij 1 dan X ij 2 untuk dua kovariat)
dan vector variabel dependen y ij)
Untuk menguji hipotesis tersebut, digunakan langkah-langkah berikut ini :
(1) Hitung matriks SSCP1 (E1), SSCP2 (E2),...,SSCPK (EK), K = banyaknya
group/kelompok

(2) Hitung matriks E=E1 + E2 +...+ E K = [ E yy E yx

E xy E xx ]
Hitung ⋀=
|EYY −EYX E XX E XY|
−1

2
| EYY|
Tolak H0 jika ⋀ 2 <⋀ α , p , q , v −q , v E =N−K
E

2. Hipotesis untuk menguji apakah slope sama untuk semua groups (perlakuan)
atau bisa disebut uji kesamaan slopes (homogeneity of slopes), yaitu :
H0 : β 1=β 2=…=β K
H1 : β i≠ β i '

| |
K
E yy −∑ E y x E−1
x x Ex y
i i i
i=1
Λ3 =
|E yy −E yx E−1xx E xy|
Tolak H0 jika Λ3 < Λ (0,05 ; p ;q ( K −1) ;N −K (1+q ))
3. Hipotesis untuk menguji apakah terdapat pengaruh dari treatments (perlakuan)
terhadap variabel dependen Y, yaitu :
H 0 :τ 1=τ 2=…=τ K , H 1 : τ i ≠ τ i '
atau
H 0 : μ1 =μ 2 =… ¿ μ K , H 1 : μi ≠ μi '
adj adj adj

Untuk menguji hipotesis tersebut, digunakan langkah-langkah sebagai berikut

⋀(x , y) |E|/|E+ H|
⋀ 1= =
⋀ ( x ) |E XX|/|E XX + H XX|

Tolak H0 ⋀ 1 <⋀ α , p , v K−1 , N−K −q

Catatan : Perhitungan matriks E sama dengan matriks W matriks dan matriks H

sama dengan matriks B tapi dengan melibatkan semua variabel Y dan X.

2
3