Mancova 1 Dan 2 Covariat

MANCOVA (MULTIVARIATE ANALYSIS OF COVARIANCE)
SATU COVARIAT, DUA COVARIAT DAN POS HOC
Diajukan untuk Memenuhi Tugas Mata Kuliah Statistika Multivariat

Dosen Pengampu: Prof. Dr. Dhoriva Urwatul Wutsqa, M.S.
Oleh:
Citra Ayu Fatimah (22309251020)
Umy Maysyaroh (22309251015)
PROGRAM STUDI PENDIDIKAN MATEMATIKA

UNIVERSITAS NEGERI YOGYAKARTA
2022
MANCOVA
A. Pendahuluan
Multivariate analysis of covariance (MANCOVA) adalah analisis kovarians dimana
setidaknya ada dua variabel dependen yang dianggap simultan (Raykov & Marcoulides, 2008 : 192).
MANCOVA merupakan perpaduan dari ANCOVA dan MANOVA yang memungkinkan peneliti
untuk mengendalikan pengaruh dari satu atau lebih kovariat (Salkind, 2010 : 861). MANCOVA
bertujuan untuk mengetahui apakah terdapat perbedaan perlakuan terhadap sekelompok variable
dependen setelah disesuaikan dengan pengaruh variabel konkomitan. 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.
B. MANCOVA dengan satu kovariat

Model umum persamaan MANCOVA untuk satu covariate dan satu dependent variabel
adalah :
𝒀𝑖𝑗 = 𝝁 + 𝝉𝒊 + 𝜷(𝑋𝑖𝑗 − 𝑋̅∙∙ ) + 𝜺𝑖𝑗 , 𝑖 = 1,2, … , 𝐾 𝑗 = 1,2, … , 𝑛𝑖
Atau 𝒀𝑎𝑑𝑗.𝑖𝑗 = 𝒀𝑖𝑗 − 𝜷(𝑋𝑖𝑗 − 𝑋̅∙∙ ) = 𝝁 + 𝝉𝑖 + 𝜺𝑖𝑗 ,
𝑖 = 1, 2, … , 𝐾 𝑗 = 1,2, … , 𝑛𝑖
dimana :
𝒀𝒊𝒋 = vektor pengamatan variabel dependen pengamatan ke j kelompok ke i
𝝉𝒊 = pengaruh treatment (perlakuan) (vektor) kelompok ke i
𝑋𝑖𝑗 = nilai pengamatan covariate yang bersesuaian dengan 𝑦𝑖𝑗
𝜷 = slope pada regresi hubungan 𝑋𝑖𝑗 dan 𝒀𝒊𝒋
𝜺𝒊𝒋 = vector error pada pengamatan ke j kelompok ke i
K = banyak kelompok
𝑛𝑖 = banyak pengamatan pada kelompok ke i
𝜺𝑖𝑗 berdistribusi normal multivariat 𝑁𝑝 (0, )
C. 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 :
𝒀𝑎𝑑𝑗.𝑖𝑗 = 𝒀𝑖𝑗 − 𝜷𝑊𝑦𝑥1 (𝑋𝑖𝑗1 − 𝑋̅1.. ) − 𝜷𝑊𝑦𝑥2 (𝑋𝑖𝑗2 − 𝑋̅2.. ) = 𝝁 + 𝝉𝑖 + 𝜺𝑖𝑗
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 𝑋𝑖𝑗 ( 𝑋𝑖𝑗1
dan 𝑋𝑖𝑗2, untuk dua kovariat) dan vector variabel dependen 𝒀𝑖𝑗 , 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. UJI HOMOGENITAS
Untuk menguji apakah slope sama untuk semua groups (perlakuan) atau bisa disebut uji kesamaan
slopes (homogeneity of slopes).
a. Hipotesis
H0 : 𝜷𝟏 = 𝜷2 = ⋯ = 𝜷𝐾 (Rata-rata populasi tidak berbeda secara signifikan)
H1 :  𝜷𝒊 ≠ 𝜷𝒊′ (Rata-rata populasi berbeda secara signifikan)
b. Statistik Uji
|Eyy − ∑𝐾 −1
𝑖=1 𝐸𝑦𝑥𝑖 𝐸𝑥𝑥𝑖 𝐸𝑥𝑦𝑖 |
Λ3 = −1 𝐸 |
|Eyy − 𝐸𝑦𝑥 𝐸𝑥𝑥 𝑥𝑦
c. Kriteria Keputusan
H0 ditolak jika Λ 3 < Λ (0,05;𝑝; 𝑞(𝐾−1);𝑁−𝐾(1+𝑞))
2. UJI LINEARITAS
Untuk menguji apakah terdapat hubungan linier antara dependent variable dan covariate:
a. Hipotesis
H0 : 𝜷 = 0 (tidak ada hubungan linear antara variabel kovariat dengan variabel terikat)
H1 : 𝜷 ≠ 0 (ada hubungan linear antara variabel kovariat dengan variabel terikat)
b. Statistik Uji
|𝐸𝑌𝑌 − 𝐸𝑌𝑋 𝐸𝑋𝑋−1
𝐸𝑋𝑌 |
⋀2 =
|𝐸𝑌𝑌 |
Tolak H0 jika ⋀2 < ⋀(𝛼,𝑝,𝑞,𝑁−𝐾−𝑞 )
3. UJI PERBEDAAN RATA-RATA POPULASI
Untuk menguji apakah terdapat pengaruh dari treatments (perlakuan) terhadap variabel dependen
Y, yaitu :
a. Hipotesis
𝐻0 : 𝝁1𝑎𝑑𝑗 = 𝝁2𝑎𝑑𝑗 = ⋯ = 𝝁𝐾𝑎𝑑𝑗 (Tidak terdapat pengaruh variabel bebas terhadap variabel
terikat)
𝐻1 ∶  𝝁𝒊 ≠ 𝝁𝑖 (Terdapat pengaruh variabel bebas terhadap variabel terikat)
b. Statistik Uji
⋀(𝑥, 𝑦) |𝐸|/|𝐸 + 𝐻|
⋀1 = =
⋀(𝑥) |𝐸𝑋𝑋 |/|𝐸𝑋𝑋 + 𝐻𝑋𝑋 |
H0 ditolak jika ⋀1 < ⋀(𝛼,𝑝,𝑘−1,𝑁−𝐾−𝑞)
Catatan : Perhitungan matriks E sama dengan matriks W dan matriks H sama dengan matriks
B tapi dengan melibatkan semua variabel Y dan X.
D. UJI POST-HOC
Hipotesis Statistik:
𝐻0 ∶ 𝜇𝑖𝑗(𝑎𝑑𝑗) = 𝜇𝑖𝑗′(𝑎𝑑𝑗)
𝐻1 ∶ 𝜇𝑖𝑗(𝑎𝑑𝑗) ≠ 𝜇𝑖𝑗′(𝑎𝑑𝑗)
Uji Post-Hoc
Jenis Uji Statistik Uji Kriteria Keputusan
T 𝑌̅𝑖𝑗(𝑎𝑑𝑗) − 𝑌̅𝑖𝑗′(𝑎𝑑𝑗) 𝐻0 ditolak jika:

𝑡=
Bonferroni |𝑡| > 𝑡 𝛼
1 1 ;𝑁−𝐾−2
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑) 𝑝𝐾(𝐾−1)
𝑗 𝑗
2
F Scheffe 𝐻0 ditolak jika:
(𝑌̅𝑖𝑗(𝑎𝑑𝑗) − 𝑌̅𝑖𝑗′(𝑎𝑑𝑗) )
𝐹𝑆 = |𝐹𝑆| > (𝐾 − 1)𝐹𝛼;𝐾−1;𝑁−𝐾−2
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
Bryant- 𝑌̅𝑖𝑗(𝑎𝑑𝑗) − 𝑌̅𝑖𝑗′(𝑎𝑑𝑗) 𝐻0 ditolak jika:

𝐵𝑃 =
Paulson 1 1 ′ −1
|𝐵𝑃| > 𝑞𝛼;𝑞;𝐾;𝑁−𝐾−2
𝑀𝑆𝑆 (
𝑛𝑗 𝑛𝑗′ + 𝑑 𝑊 𝑑)
√ 𝑎𝑑𝑗 +
2
Fisher 𝑌̅𝑖𝑗(𝑎𝑑𝑗) − 𝑌̅𝑖𝑗′(𝑎𝑑𝑗) 𝐻0 ditolak jika:
𝑞𝐹𝐻 =
Hayter 1 1 ′ −1
|𝑞𝐹𝐻| > 𝑞𝛼,𝐾−1,𝑁−𝐾−2
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 𝑊 𝑑)
𝑗 𝑗
2
Keterangan:
𝑆𝑆𝑎𝑑𝑗
𝑀𝑆𝑆𝑎𝑑𝑗 =
𝑁−𝐾−2
𝑁 = 𝑛1 + 𝑛2 + ⋯ + 𝑛𝐾
𝑋1𝑗 𝑋1𝑗′
𝑑=[ ]
𝑋2𝑗 𝑋2𝑗′
𝐸𝑥1𝑥1 𝐸𝑥1 𝑥2
𝑊=[ ]
𝐸𝑥2𝑥1 𝐸𝑥2 𝑥2
E. CONTOH KASUS MANCOVA SATU KOVARIAT
Seseorang meneliti tentang keefektifan metode pembelajaran Problem Based Learning yang
dilakukan dalam 3 kelompok. Variabel yang akan diteliti adalah kemampuan pemecahan masalah
(𝑌1 ) dan kemampuan Penalaran (𝑌2 ) dengan kovariatnya adalah Self Efficacy (𝑋).
Berikut merupakan data yang diperoleh dari penelitian tersebut.
Kelompok 1 Kelompok 2 Kelompok 3
No
𝒀𝟏 𝒀𝟐 𝑿 𝒀𝟏 𝒀𝟐 𝑿 𝒀𝟏 𝒀𝟐 𝑿
1 77 85 107 76 79 105 67 75 95
2 69 83 101 84 79 110 64 81 105
3 63 69 93 70 70 101 78 70 103
4 73 77 100 60 78 96 77 75 100
5 63 90 104 74 75 109 80 85 104
6 60 80 98 83 79 111 79 90 103
7 75 73 106 63 78 100 67 89 99
8 73 83 101 50 60 90 83 88 106
9 60 85 95 60 90 98 88 80 110
10 80 89 102 60 87 99 85 84 105
Perhitungan dengan Menggunakan SPSS
1) UJI HOMOGENITAS
a. Hipotesis
H0 : 𝜷𝟏 = 𝜷2 = ⋯ = 𝜷𝐾 Tidak ada perbendaan slope populasi ketiga kelompok (Slope
kelompok homogen)
H1 :  𝜷𝒊 ≠ 𝜷𝒊′ Ada perbendaan slope populasi ketiga kelompok (Slope
kelompok tidak homogen)
2) UJI LINEARITAS (Hubungan antara Variabel Terikat dengan Kovariat)
a. Hipotesis
H0 ∶ 𝜷 = 0 (Tidak ada hubungan linear antara kemampuan pemecahan masalah (𝑌1 ) dan
kemampuan penalaran (𝑌2 ) dengan Self Efficacy (𝑋))
H1 : 𝜷 ≠ 0 (Ada hubungan linear antara kemampuan pemecahan masalah (𝑌1 ) dan

kemampuan penalaran (𝑌2 ) dengan Self Efficacy (𝑋)
3) UJI PERBEDAAN RATA-RATA POPULASI

a. Hipotesis
𝐻0 : 𝝁1𝑎𝑑𝑗 = 𝝁2𝑎𝑑𝑗 (Tidak terdapat pengaruh pembelajaran Problem Based
= ⋯ = 𝝁𝐾𝑎𝑑𝑗 Learning terhadap kemampuan pemecahan masalah (𝑌1 ) dan

kemampuan Penalaran (𝑌2 )
𝐻1 ∶  𝝁𝒊 ≠ 𝝁𝑖 (Terdapat pengaruh pembelajaran Problem Based Learning
terhadap kemampuan pemecahan masalah (𝑌1 ) dan
Kriteria Keputusan:
𝐻0 ditolak jika 𝑠𝑖𝑔. < 0,05
Cara I
Langkah – Langkah:
1. Input data
2. Analyze – General Linear Model – Multivariate

3. Masukan Y1, Y2 ke Dependent Variables, X ke Covariate (s), dan Kelas ke Fixed Factor (s).
4. Klik Model – Specify factorial diganti Build Term
Type: Main effects lalu masukkan Kelompok ke Model dan X ke Model.

Lalu Type diganti Interaction, masukkan Kelompok dan X secara bersamaan ke dalam Model.
Klik Continue.
5. Klik EM Means, pindahkan Kelas ke Display Means for.
6. Klik Options, Centang Descriptive statistics, Parameter estimates, Homogenenity tests.

7. Klik Continue – OK.
OUTPUT SPSS
Interpretasi Lamda 3:
Perhatikan bahwa pada hasil multivariate test, nilai ᴧ Wilks lamda = 0.953, Sig. of F = 0.890 >
0.05. dengan demikian 𝐻0 diterima atau dapat dikatakan bahwa Tidak ada perbedaan slope
populasi ketiga kelompok (Slope kelompok homogen)
8. Ulangi langkah 1-4.
Pada Specify factorial diganti Full factorial. Continue - OK
9. Hasil:
Perhatikan bahwa pada hasil multivariate test, nilai ᴧ Wilks lamda = 0.291 dan Sig. of F =
0.000 < 0.05. Dengan demikian 𝐻0 ditolak atau dapat dikatakan bahwa tidak ada hubungan
linear antara kemampuan pemecahan masalah (𝑌1 ) dan kemampuan penalaran (𝑌2 ) dengan
Self Efficacy (𝑋))
Perhatikan bahwa pada hasil multivariate test, nilai ᴧ Wilks lamda = 0.655, Sig. of F = 0.029 <
0.05. Dengan demikian H0 ditolak atau dapat dikatakan terdapat pengaruh pembelajaran
Problem Based Learning terhadap kemampuan pemecahan masalah (𝑌1 ) dan kemampuan
Penalaran (𝑌2 )
CARA II
Perhitungan SPSS dengan menggunakan SYNTAX
Langkah-langkah penyelesaian dengan menggunakan Syntax SPSS:

1. Masukkan data pada Syntax SPSS sebagai berikut:
TITLE 'MULTIVARIATE ANALYSIS COVARIANCE'.

DATA LIST FREE/GPID Y1 Y2 X.
BEGIN DATA.
1 77 85 107
1 69 83 101
1 63 69 93
1 73 77 100
1 63 90 104
1 60 80 98
1 75 73 106
1 73 83 101
1 60 85 95
1 80 89 102
2 76 79 105
2 84 79 110
2 70 70 101
2 60 78 96
2 74 75 109
2 83 79 111
2 63 78 100
2 50 60 90
2 60 90 98
2 60 87 99
3 67 75 95
3 64 81 105
3 78 70 103
3 77 75 100
3 80 85 104
3 79 90 103
3 67 89 99
3 83 88 106
3 88 80 110
3 85 84 105
END DATA.
LIST.
MANOVA Y1 Y2 X BY GPID(1,3)/
ANALYSIS Y1 Y2 WITH X/
PRINT=PMEANS/
DESIGN/
ANALYSIS=Y1 Y2/
DESIGN=X, GPID, X BY GPID/
ANALYSIS=X.
2. Pilih Run kemudian All.
3. Hasil analisis program sebagai berikut:
OUTPUT SPSS DENGAN SYNTAX
1. Uji Homogenitas
Interpretasi:
Perhatikan bahwa pada hasil multivariate test, nilai ᴧ Wilks lamda = 0.95320, Sig. of F = 0.890 >
0.05. dengan demikian 𝐻0 diterima atau dapat dikatakan bahwa tidak ada perbedaan slope dari
populasi ketiga kelompok tersebut (slope untuk semua kelompok homogen).
2. Uji Linearitas
Interpretasi:
Perhatikan bahwa pada hasil multivariate test, nilai ᴧ Wilks lamda = 0.2910 dan Sig. of F = 0.000 <
0.05. Dengan demikian 𝐻0 ditolak atau dapat dikatakan bahwa terdapat hubungan linier kemampuan
pemecahan masalah (𝑌1 ) dan kemampuan penalaran (𝑌2 ) dengan Self Efficacy (X).
Interpretasi:
Perhatikan bahwa pada hasil multivariate test, nilai ᴧ Wilks lamda = 0.65486, Sig. of F = 0.029 <
0.05. Dengan demikian 𝐻0 ditolak atau dapat dikatakan bahwa terdapat pengaruh pembelajaran
Problem Based Learning terhadap kemampuan pemecahan masalah (𝑌1 ) dan kemampuan Penalaran
(𝑌2 )
Dengan demikian uji lanjut dapat dilakukan.
UJI LANJUT/ POST HOC
1. Kelompok 1 dan Kelompok 2

a. Pengujian 𝒀𝟏 (Kemampuan Pemecahan Masalah)
Hipotesis:
𝐻0 : 𝜇1(𝑎𝑑𝑗) = 𝜇2(𝑎𝑑𝑗) (Tidak ada perbedaan rata-rata yang signifikan
kemampuan pemecahan masalah antara siswa kelompok
1 dengan kelompok 2)
𝐻1 : 𝜇1(𝑎𝑑𝑗) ≠ 𝜇2(𝑎𝑑𝑗) (Ada perbedaan rata-rata yang signifikan kemampuan

pemecahan masalah antara siswa kelompok 1 dengan
kelompok 2)
b. Pengujian 𝒀𝟐 (Kemampuan Penalaran)

Hipotesis:
kemampuan penalaran antara siswa kelompok 1 dengan
kelompok 2)

penalaran antara siswa kelompok 1 dengan kelompok 2)

Hipotesis:

kelompok 3)

Hipotesis:
kelompok 3)

penalaran antara siswa kelompok 1 dengan kelompok 3)

Hipotesis:

kelompok 3)

Hipotesis:
kelompok 3)
𝐻1 : 𝜇2(𝑎𝑑𝑗) ≠ 𝜇3(𝑎𝑑𝑗) (Ada perbedaan rata-rata yang signifikan antara

kelompok 3)
Langkah-Langkah:
1. Ulangi langkah ke 1 – 3
2. Klik Model-Specify factorial-pilih full factorial
Klik Continue.
3. Klik Options, centang Compare main effects dan hilangkan centang pada Descriptive statistics,
Parameter estimates, Homogenity tests.
Klik Continue – OK
4. Hasil
Interpretasi:
Perhatikan bahwa pada hasil di Pairwise Comparisons, nilai Sig pada Y1:
• Untuk kelompok 1 dan kelompok 2 yaitu 0,288 > 0,05 dengan demikian 𝐻0 diterima atau
dengan kata lain tidak ada perbedaan rata-rata signifikan kemampuan pemecahan masalah
antara siswa kelompok 1 dan kelompok 2.
• Untuk kelompok 2 dan kelompok 3 yaitu 0,006 < 0,05 dengan demikian 𝐻0 ditolak atau
dengan kata lain ada perbedaan rata-rata signifikan kemampuan pemecahan masalah antara
siswa kelompok 2 dan kelompok 3.
Sedangkan nilai Sig pada Y2

PERHITUNGAN MANCOVA SATU KOVARIAT DENGAN PROGRAM R
1. Siapkan data di Excel untuk diolah menggunakan program R

2. Buka R studio
3. Ketikkan syntax berikut ini :
library(readxl)
DATA1 <- read_excel("Documents/KULIAH S2/STATISTIKA/MANCOVA SATU
KOVARIAT/DATA1.xlsx")
View(DATA1)
str(DATA1)
install.packages("car")
install.packages("psych")
install.packages("effects")
library(MASS)
library(car) #Type III
library(psych) #descriptive statistics
library(effects) #adjusted means
4. Menentukan nilai ∧2
#Uji untuk wilks lambda 2
outcome=cbind(DATA1$Y1,DATA1$Y2)
model2=manova(outcome~KELOMPOK+X,data=DATA1)
summary(model2, test="Wilks", type="III")
#Uji Kesamaan Slopes (untuk lambda 3)
model3=manova(outcome~X+KELOMPOK+X:KELOMPOK, data=DATA1)
#Uji untuk wilks lambda 1
model1=manova(outcome~X+KELOMPOK, data=DATA1)
Didapat hasil sebagai berikut:
• Uji Linieritas (∧2 )
Interpretasi :
𝐻0 ditolak jika p-value < 0,05

Berdasarkan hasil diatas dapat ditunjukkan bahwa Λ 2 = 0,29138 dan untuk nilai p-value =
2.021e-07 < 0,05 sehingga 𝐻0 ditolak, maka dapat disimpulkan ada/terdapat hubungan linier
antara self-efficacy dengan kemampuan pemecahan masalah dan kemampuan penalaran
matematis.
• Uji Homogenitas (∧3 )
Interprestasi:
Berdasarkan hasil diatas dapat ditunjukkan bahwa Λ 3 = 0,95320 untuk nilai p-value =
0,8901 > 0,05. Sehingga 𝐻0 diterima, maka dapat disimpulkan bahwa seluruh perlakuan
memiliki kesamaan slopes (homogen).
• Uji Perbedaan Rata – Rata (∧1 )
Interprestasi:
Berdasarkan hasil diatas dapat ditunjukkan bahwa Λ1 = 0,65486 untuk nilai p-value
=0,02904 < 0,05. Sehingga 𝐻0 ditolak, artinya ada pengaruh dari self-efficacy terhadap
kemampuan pemecahan masalah dan kemampuan penalaran matematis.
Perhitungan poshoc menggunakan Program R
1. Lanjutkan langkah diatas dengan mengetik syntax berikut:

#PosHoc
library(multcomp)
DATA1$KELOMPOK<-as.factor(DATA1$KELOMPOK)
KEMAMPUAN_PEMECAHAN<-aov(Y1~X+KELOMPOK, data=DATA1)
postHocs1<-glht(KEMAMPUAN_PEMECAHAN, linfct=mcp(KELOMPOK="Tukey"))
summary(postHocs1)
confint(postHocs1)
KEMAMPUAN_PENALARAN<-aov(Y2~KELOMPOK+X, data=DATA1)
postHocs2<-glht(KEMAMPUAN_PENALARAN, linfct = mcp(KELOMPOK="Tukey"))
summary(postHocs2)
confint(postHocs2)
2. Didapat hasil sebagai berikut

UjI T Terhadap Y1
Interprestasi :
𝐻0 ditolak jika p-value < 0,05. Berdasarkan hasil diatas dapat dilihat bahwa untuk nilai p-
value antara
• kelompok 1 dan kelompok 2

p-value = 0,4200 > 0,05. Sehingga 𝐻0 diterima, artinya tidak ada perbedaan yang
signifikan kemampuan pemecahan masalah antara kelompok 1 dan kelompok 2.
p-value = 0,1950 > 0,05. Sehingga 𝐻0 diterima, artinya tidak ada perbedaan yang
signifikan kemampuan pemecahan masalah antara kelompok 1 dan kelompok 3.
p-value = 0,0128 < 0,05. Sehingga 𝐻0 ditolak, artinya ada perbedaan yang signifikan
kemampuan pemecahan masalah antara kelompok 2 dan kelompok 3
Uji T terhadap Y2
Interprestasi :
𝐻0 ditolak jika p-value < 0,05. Berdasarkan hasil diatas dapat dilihat bahwa untuk nilai p-
value antara

p-value = 0,369 > 0,05. Sehingga 𝐻0 diterima, artinya tidak ada perbedaan yang signifikan
kemampuan penalaran matematis antara kelompok 1 dan kelompok 2.
F. CONTOH KASUS MANCOVA DUA KOVARIAT
Seseorang meneliti tentang keefektifan metode pembelajaran Problem Based Learning yang
dilakukan dalam 3 kelompok. Variabel yang akan diteliti adalah kemampuan pemecahan masalah
(𝑌1 ) dan kemampuan Penalaran (𝑌2 ) dengan kovariatnya adalah motivasi belajar (𝑋1 ) dan Self
Efficacy (𝑋2 ).
Berikut merupakan data yang diperoleh dari penelitian tersebut.
No
𝒀𝟏 𝒀𝟐 𝑿𝟏 𝑿𝟐 𝒀𝟏 𝒀𝟐 𝑿𝟏 𝑿𝟐 𝒀𝟏 𝒀𝟐 𝑿𝟏 𝑿𝟐
1 77 85 123 107 76 79 120 105 67 75 125 95
2 69 83 120 101 84 79 100 110 64 81 124 105
3 63 69 109 93 70 70 120 101 78 70 105 103
4 73 77 119 100 60 78 113 96 77 75 123 100
5 63 90 132 104 74 75 105 109 80 85 120 104
6 60 80 123 98 83 79 119 111 79 90 135 103
7 75 73 112 106 63 78 113 100 67 89 121 99
8 73 83 108 101 50 60 99 90 83 88 129 106
9 60 85 115 95 60 90 140 98 88 80 119 110
10 80 89 125 102 60 87 129 99 85 84 111 105
Keterangan:
𝑁 = (𝑛1 + 𝑛2 + 𝑛3 ) N = 30
𝑛1 = jumlah sampel kelompok 1 p=2
𝑛2 = jumlah sampel kelompok 2 q=2
𝑛3 = jumlah sampel kelompok 3 K=3
𝑝 = banyak variabel terikat
𝑞 = banyak variabel kovariat
𝐾 = banyak kelompok
1. PERHITUNGAN MANUAL DENGAN BANTUAN EXCEL

a. Menentukan Matriks E
Mencari Rata-rata 𝑌1 , 𝑌2 , 𝑋1 , dan 𝑋2
No
Y1 Y2 X1 X2 Y1 Y2 X1 X2 Y1 Y2 X1 X2
1 77 85 123 107 76 79 120 105 67 75 125 95
2 69 83 120 101 84 79 100 110 64 81 124 105
3 63 69 109 93 70 70 120 101 78 70 105 103
4 73 77 119 100 60 78 113 96 77 75 123 100
5 63 90 132 104 74 75 105 109 80 85 120 104
6 60 80 123 98 83 79 119 111 79 90 135 103
7 75 73 112 106 63 78 113 100 67 89 121 99
8 73 83 108 101 50 60 99 90 83 88 129 106
9 60 85 115 95 60 90 140 98 88 80 119 110
10 80 89 125 102 60 87 129 99 85 84 111 105
Mean 69.3 81.4 118.6 100.7 68 77.5 115.8 101.9 76.8 81.7 121.2 103
Mencari Matriks 𝑋𝑑
Matriks 𝑿𝒅 = 𝒙𝒊 − 𝒙
Xd Kelompok 1 Xd Kelompok 2 Xd Kelompok 3

7.7 3.6 4.4 6.3 8 1.5 4.2 3.1 -9.8 -6.7 3.8 -8
-0.3 1.6 1.4 0.3 16 1.5 -15.8 8.1 -12.8 -0.7 2.8 2
-6.3 -12.4 -9.6 -7.7 2 -7.5 4.2 -0.9 1.2 -11.7 -16.2 0
3.7 -4.4 0.4 -0.7 -8 0.5 -2.8 -5.9 0.2 -6.7 1.8 -3
-6.3 8.6 13.4 3.3 6 -2.5 -10.8 7.1 3.2 3.3 -1.2 1
-9.3 -1.4 4.4 -2.7 15 1.5 3.2 9.1 2.2 8.3 13.8 0
5.7 -8.4 -6.6 5.3 -5 0.5 -2.8 -1.9 -9.8 7.3 -0.2 -4
3.7 1.6 -10.6 0.3 -18 -17.5 -16.8 -11.9 6.2 6.3 7.8 3
-9.3 3.6 -3.6 -5.7 -8 12.5 24.2 -3.9 11.2 -1.7 -2.2 7
10.7 7.6 6.4 1.3 -8 9.5 13.2 -2.9 8.2 2.3 -10.2 2
Menentukan matriks kovarians dengan mengalikan 𝑋𝑑′ dengan 𝑋𝑑 yang dapat diperoleh dengan
rumus =MMULT(TRANSPOSE(data cell),(data cell))
Diperoleh Matriks 𝐸1 , 𝐸2 , 𝐸3
𝐸1 adalah perkalian 𝑋𝑑′ dengan 𝑋𝑑 pada kelompok 1
Matriks 𝐸1
E1
486.1 53.8 -4.8 196.9
53.8 408.4 318.6 99.2
-4.8 318.6 522.4 124.8
196.9 99.2 124.8 180.1
Matriks 𝐸2
E2
1126 161 -188 657
161 622.5 702 147.5
-188 702 1469.6 -77.2
657 147.5 -77.2 412.9
Matriks 𝐸3
E3
603.6 55.4 -123.6 208
55.4 408.1 288.6 58
-123.6 288.6 649.6 -43
208 58 -43 156
Matriks 𝑬 = 𝑬𝟏 + 𝑬𝟐 + 𝑬𝟑
Matriks E
2215.7 270.2 -316.4 1061.9
270.2 1439 1309.2 304.7 KETERANGAN
-316.4 1309.2 2641.6 4.6 Eyy Eyx
1061.9 304.7 4.6 749 Exy Exx
Menentukan Matriks H
1) Mencari rata-rata dari masing-masing variabel terikat dan variabel kovariat, yaitu
𝑌1 , 𝑌2 , 𝑋1 , dan 𝑋2 .
Rata - Rata Y1 Y2 X1 X2
KELOMPOK 1 69.3 81.4 118.6 100.7
KELOMPOK 2 68 77.5 115.8 101.9
KELOMPOK 3 76.8 81.7 121.2 103
MEAN 71.3666667 80.2 118.533333 101.866667
2) Mencari matriks CP
𝑚
𝐶𝑃𝑝𝑞 = ∑ 𝑛𝑗 (𝑥̅𝑗𝑝 − 𝑥̅𝑝 )(𝑥̅𝑗𝑝 − 𝑥̅𝑝 )′

𝑗=1
CP kelompok 1 atau CP 1, yaitu =

-2.0666667 = 42.7111111 -24.8 -1.3777778 24.1111111
CP 1 = 10 X 1.2 X -2.0666667 1.2 0.06666667 -1.1666667 -24.8 14.4 0.8 -14
0.06666667 -1.3777778 0.8 0.04444444 -0.7777778
-1.1666667 24.1111111 -14 -0.7777778 13.6111111

-3.3666667 = 113.344444 90.9 92.0222222 -1.1222222
CP 2 = 10 X -2.7 X -3.3666667 -2.7 -2.7333333 0.03333333 90.9 72.9 73.8 -0.9
-2.7333333 92.0222222 73.8 74.7111111 -0.9111111
0.03333333 -1.1222222 -0.9 -0.9111111 0.01111111

5.43333333 = 295.211111 81.5 144.888889 61.5777778
CP 3 = 10 X 1.5 X 5.43333333 1.5 2.66666667 1.13333333 81.5 22.5 40 17
2.66666667 144.888889 40 71.1111111 30.2222222
1.13333333 61.5777778 17 30.2222222 12.8444444
Diperoleh Matriks SSB / B / H
SSB / B / H = CP 1 + CP 2 + CP 3
451.266667 147.6 235.533333 84.5666667

SSB = B = H = 147.6 109.8 114.6 2.1 KET
235.533333 114.6 145.866667 28.5333333 Hyy Hyx
84.5666667 2.1 28.5333333 26.4666667 Hxy Hxx
UJI MANCOVA DUA KOVARIAT
1) UJI HOMOGENITAS
b. Hipotesis
H0 : 𝜷𝟏 = 𝜷2 = ⋯ = 𝜷𝐾 Tidak ada perbendaan slope populasi ketiga kelompok (Slope
kelompok homogen)
H1 :  𝜷𝒊 ≠ 𝜷𝒊′ Ada perbendaan slope populasi ketiga kelompok (Slope
kelompok tidak homogen)
Taraf Signifikansi:
𝛼 = 0,05
c. Statistik Uji
|Eyy − ∑𝐾 −1
Λ3 = −1 𝐸 |
d. Kriteria Keputusan
H0 ditolak jika Λ 3 < Λ (0,05;𝑝; 𝑞(𝐾−1);𝑁−𝐾(1+𝑞))
e. Perhitungan
−1
1) Cari matriks 𝐸𝑦𝑥1 𝐸𝑥𝑥 𝐸
1 𝑥𝑦1
261.0305 27.4970699
27.4970699 197.853701
−1
2 𝑥𝑦2
1048.3259 202.030059
202.030059 418.480696
−1
3 𝑥𝑦3
284.218929 45.6844768
45.6844768 167.034464
4) Cari matriks ∑𝐾 −1
𝑖=1 𝐸𝑦𝑥𝑖 𝐸𝑥𝑥𝑖 𝐸𝑥𝑦𝑖
1593.57533 275.211605
275.211605 783.368861
5) Cari matriks Eyy − ∑𝐾 −1
𝑖=1 𝐸𝑦𝑥𝑖 𝐸𝑥𝑥𝑖 𝐸𝑥𝑦𝑖
622.12467 -5.0116054
-5.0116054 655.631139
6) Cari determinan |Eyy − ∑𝐾 −1
407859.19
−1
7) Cari matriks Eyy − 𝐸𝑦𝑥 𝐸𝑥𝑥 𝐸𝑥𝑦
670.707935 -1.9748086
-1.9748086 668.040977
−1
8) Cari determinan |Eyy − 𝐸𝑦𝑥 𝐸𝑥𝑥 𝐸𝑥𝑦 |
448056.484
9) Hitung nilai Λ 3 dengan menggunakan rumus:
|Eyy − ∑𝐾 −1
Λ3 = −1 𝐸 |
= 0.910285208
10) Cari nilai Λ (0,05;𝑝; 𝑞(𝐾−1);𝑁−𝐾(1+𝑞) = Λ (0,05;2; (3−1);30−3(1+2) = Λ (0,05;2;4;21) = 0,485
f. Kesimpulan
Λ 3 = 0,910285208 > Λ (0,05;2;4;21) = 0,485, maka 𝐻0 diterima. Sehingga, Tidak ada
perbendaan slope populasi ketiga kelompok (Slope kelompok homogen).
2) UJI LINEARITAS (Hubungan antara Variabel Terikat dengan Kovariat)
b. Hipotesis
H0 ∶ 𝜷 = 0 (Tidak ada hubungan linear antara kemampuan pemecahan masalah (𝑌1 ) dan
kemampuan penalaran (𝑌2 ) dengan motivasi (𝑋1 ) dan Self Efficacy (𝑋2 ))
H1 : 𝜷 ≠ 0 (Ada hubungan linear antara kemampuan pemecahan masalah (𝑌1 ) dan

kemampuan penalaran (𝑌2 ) dengan motivasi (𝑋1 ) dan Self Efficacy (𝑋2 ))
c. Taraf Signifikansi
𝛼 = 0,05
d. Statistik Uji
|𝐸𝑌𝑌 − 𝐸𝑌𝑋 𝐸𝑋𝑋−1
𝐸𝑋𝑌 |
⋀2 =
|𝐸𝑌𝑌 |
e. Kriteria Keputusan
Tolak H0 jika ⋀2 < ⋀(𝛼,𝑝,𝑞,𝑁−𝐾−𝑞 )
f. Perhitungan
−1
1) Cari 𝐸𝑋𝑋 dengan rumus =MINVERS(datacell)
0.000378562 -2.32495E-06
-2.32495E-06 0.001335128
−1
2) Cari 𝐸𝑌𝑋 𝐸𝑋𝑋 dengan rumus =MMULT(datacell)
= -0.122246039 1.418507786
0.49490561 0.403769605
−1
3) Cari 𝐸𝑌𝑋 𝐸𝑋𝑋 𝐸𝑋𝑌
1544.992065 272.174809
272.1748086 770.959023
−1
4) Cari |𝐸𝑌𝑌 − 𝐸𝑌𝑋 𝐸𝑋𝑋 𝐸𝑋𝑌 |
−1
Matriks 𝐸𝑌𝑌 − 𝐸𝑌𝑋 𝐸𝑋𝑋 𝐸𝑋𝑌 yaitu :
670.707935 -1.9748086
-1.9748086 668.040977
−1
Maka, |𝐸𝑌𝑌 − 𝐸𝑌𝑋 𝐸𝑋𝑋 𝐸𝑋𝑌 | = 448056.4842
5) Cari |𝐸𝑌𝑌 |
Matriks 𝐸𝑌𝑌 yaitu
2215.7 270.2
270.2 1439
Maka |𝐸𝑌𝑌 | = 3115384.26
6) Hitung nilai ⋀2 dengan menggunakan rumus

|𝐸𝑌𝑌 − 𝐸𝑌𝑋 𝐸𝑋𝑋 −1
𝐸𝑋𝑌 |
⋀2 =
|𝐸𝑌𝑌 |
⋀2 = 0.143820616
7) Cari ⋀(𝛼;𝑝;𝑞;𝑁−𝐾−𝑞 )
⋀(𝛼;𝑝;𝑞;𝑁−𝐾−𝑞) = ⋀(0,05;2;2,30−3−2) = 0,679
g. Kesimpulan
Karena ⋀2 = 0.143820616 < Λ (0,05;2;2;25) = 0,679 maka Ho ditolak. Sehingga, ada hubungan
linear antara kemampuan pemecahan masalah (𝑌1 ) dan kemampuan penalaran (𝑌2 ) dengan
motivasi (𝑋1 ) dan Self Efficacy (𝑋2 )
b. Hipotesis
𝐻0 : 𝝁1𝑎𝑑𝑗 = 𝝁2𝑎𝑑𝑗 (Tidak terdapat pengaruh pembelajaran Problem Based
= ⋯ = 𝝁𝐾𝑎𝑑𝑗 Learning terhadap kemampuan pemecahan masalah (𝑌1 ) dan

𝐻1 ∶  𝝁𝒊 ≠ 𝝁𝑖 (Terdapat pengaruh pembelajaran Problem Based Learning

terhadap kemampuan pemecahan masalah (𝑌1 ) dan
c. Taraf Signifikansi
𝛼 = 0,05
d. Statistik Uji
⋀(𝑥, 𝑦) |𝐸|/|𝐸 + 𝐻|
⋀1 = =
⋀(𝑥) |𝐸𝑋𝑋 |/|𝐸𝑋𝑋 + 𝐻𝑋𝑋 |
e. Kriteria Keputusan
H0 ditolak jika ⋀1 < ⋀𝛼,𝑝,𝑣𝐾−1, 𝑁−𝐾−𝑞
f. Perhitungan
Untuk menentukan determinan matriks di excel dapat digunakan rumus
=MDETERM(datacell)
1) Cari |𝐸|
Matriks E
2215.7 270.2 -316.4 1061.9
270.2 1439 1309.2 304.7
-316.4 1309.2 2641.6 4.6
1061.9 304.7 4.6 749
Maka nilai |𝐸| = 8,86496E+11
2) Cari |𝐸 + 𝐻|
Matriks E + H, yaitu
2666.966667 417.8 -80.866667 1146.46667
417.8 1548.8 1423.8 306.8
-80.86666667 1423.8 2787.46667 33.1333333
1146.466667 306.8 33.1333333 775.466667
Maka nilai |𝐸 + 𝐻| = 1,48631𝐸 + 12
3) Cari |𝐸𝑋𝑋 |
Matriks 𝐸𝑋𝑋 , yaitu:
2641.6 4.6
4.6 749
Maka nilai |𝐸𝑋𝑋 | = 1978537,24
4) Cari |𝐸𝑋𝑋 + 𝐻𝑋𝑋 |

Matriks 𝐸𝑋𝑋 + 𝐻𝑋𝑋 , yaitu
2787.46667 33.1333333
33.1333333 775.466667
Maka nilai |𝐸𝑋𝑋 + 𝐻𝑋𝑋 | = 2160489,667
5) Hitung nilai ∧1 dengan menggunakan rumus:

⋀(𝑥, 𝑦) |𝐸|/|𝐸 + 𝐻|
⋀1 = =
⋀(𝑥 ) |𝐸𝑋𝑋 |/|𝐸𝑋𝑋 + 𝐻𝑋𝑋 |
⋀1 = 0,6512908
6) Cari nilai ⋀(𝛼; 𝑝;𝐾−1;𝑁−𝐾−𝑞) = ⋀(0,05;2,3−1;30−3−2)= ⋀(0,05;2;2;25) = 0,679
a. Kesimpulan
Karena ⋀1 = 0,6512908 < ⋀(0,05;2;2;25) = 0,679 maka 𝐻0 ditolak. Sehingga terdapat
pengaruh pembelajaran Problem Based Learning terhadap kemampuan pemecahan masalah
(𝑌1 ) dan kemampuan Penalaran (𝑌2 )
4) UJI POS HOC MANCOVA
Jika uji hipotesis MANCOVA menunjukkan hipotesis 𝐻0 diterima atau tidak ada pengaruh
perlakuan terhadap variabel terikat setelah disesuaikan dengan variabel kovariat, maka
pengujian MANCOVA selesai. Jika 𝐻0 ditolak atau yang artinya ada pengaruh perlakuan
terhadap variabel terikat setelah disesuaikan dengan variable kovariat maka dilakukan uji post
hoc MANCOVA atau disebut juga uji lanjut.
Data yang diperlukan untuk uji POS HOC:
Rata-rata dari masing-masing kelompok
Rata - Rata Y1 Y2 X1 X2
Kel 1 69.3 81.4 118.6 100.7
Kel 2 68 77.5 115.8 101.9
Kel 3 76.8 81.7 121.2 103
Rata - Rata total x 118.533333 101.8666667
Matriks E
E Y1 Y2 X1 X2 𝐸𝑦𝑦
Y1 2215.7 270.2 -316.4 1061.9
Y2 270.2 1439 1309.2 304.7 Keterangan
X1 -316.4 1309.2 2641.6 4.6 Eyy Eyx
X2 1061.9 304.7 4.6 749 Exy Exx
Uji lanjut atau uji post-hoc dapat dilakukan dengan 4 jenis pengujian, yaitu Uji t Bonferroni,
Uji Fisher Hayter, Uji Bryant-Paulson, dan Uji F Scheffe.

c. Pengujian 𝒀𝟏 (Kemampuan Pemecahan Masalah)
Hipotesis:
𝐻0 : 𝜇1(𝑎𝑑𝑗) = 𝜇2(𝑎𝑑𝑗) (Tidak ada perbedaan rata-rata yang signifikan antara
kemampuan pemecahan masalah siswa kelompok 1
dengan kelompok 2)
dengan kelompok 2)
Taraf Signifikansi: 𝛼 = 0,05

Statistik Uji:
▪ Uji t Bonferroni
𝑌̅𝑖𝑗(𝑎𝑑𝑗) − 𝑌̅𝑖𝑗′(𝑎𝑑𝑗)
𝑡=
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
▪ Uji Fisher Hayter

𝑞𝐹𝐻 =
1 1 ′ −1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛𝑗 + 𝑛𝑗′ + 𝑑 𝑊 𝑑)
2
▪ Uji Bryant-Paulson
𝐵𝑃 =
1 1 ′ −1
2
▪ Uji F Scheffe
2
𝐹𝑆 =
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
Kriteria Keputusan:
𝐻0 ditolak jika |𝑡| > 𝑡 𝛼
;𝑁−𝐾−2
𝑝𝐾(𝐾−1)

𝐻0 ditolak jika |𝑞𝐹𝐻| > 𝑞𝛼,𝐾−1,𝑁−𝐾−2
𝐻0 ditolak jika |𝐵𝑃| > 𝑞𝛼;𝑞;𝐾;𝑁−𝐾−2
▪ Uji F Scheffe
𝐻0 ditolak jika |𝐹𝑆| > (𝐾 − 1)𝐹𝛼;𝐾−1;𝑁−𝐾−2
Perhitungan
𝑑 ′ 𝑊 −1 𝑑 = 0,004906138
𝑆𝑆𝑎𝑑𝑗 670,7079353
𝑀𝑆𝑆𝑎𝑑𝑗 = = = 26,82831741
𝑁−𝐾−2 30 − 3 − 2
𝑌̅𝑎𝑑𝑗.1 = 70,96307549
𝑌̅𝑎𝑑𝑗.2 = 67,61857723
𝑡=
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
70,96307549 − 67,61857723
𝑡=
√26,82831741 ( 1 + 1 + 0,004906138)
10 10
𝑡 = 1,426450717
|𝑡| = 1,426450717
t-tabel : 𝑡 𝛼
;𝑁−𝐾−2 =𝑡 0,05
;30−3−2
= 3,153187236
𝑝𝐾(𝐾−1) 2× 3 × 2

𝑌̅𝑖𝑗(𝑎𝑑𝑗) − 𝑌̅𝑖𝑗′ (𝑎𝑑𝑗)
𝑞𝐹𝐻 =
1 1 ′ −1
2
70,96307549 − 67,61857723
𝑞𝐹𝐻 =
1 1
√26,82831741 (10 + 10 + 0,004906138)
2
𝑞𝐹𝐻 = 2,852901434
|𝑞𝐹𝐻| = 2,852901434
𝑞 tabel : 𝑞𝛼,𝐾−1,𝑁−𝐾−2 = 𝑞0,05;2;25 = 2,913
𝐵𝑃 =
1 1 ′ −1
2
70,96307549 − 67,61857723
𝐵𝑃 =
1 1
√26,82831741 (10 + 10 + 0,004906138)
2
𝐵𝑃 = 2,852901434
|𝐵𝑃| = 2,852901434
𝑞 tabel : 𝑞𝛼;𝑞;𝐾;𝑁−𝐾−2 = 𝑞0.05;2;3;25 = 3,69
▪ Uji F Scheffe
2
𝐹𝑆 =
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑′ 𝑊 −1 𝑑)
𝑗 𝑗
(70,96307549 − 67,61857723)2
𝐹𝑆 =
√26,82831741 ( 1 + 1 + 0,004906138)
10 10
𝐹𝑆 = 2,034761649
|𝐹𝑆| = 2,034761649
F-tabel : (𝐾 − 1)𝐹𝛼;𝐾−1;𝑁−𝐾−2 = 2𝐹0,05;2;25 = 6,770379923
Kesimpulan:
Karena |𝑡| = 1,426450717 < 3,153187236 maka 𝐻0 diterima. Artinya tidak ada
perbedaan rata-rata yang signifikan antara kemampuan pemecahan masalah siswa
kelompok 1 dan kelompok 2.
Karena |𝑞𝐹𝐻| = 2,852901434 < 2,913 maka 𝐻0 diterima. Artinya tidak ada
Karena |𝐵𝑃| = 2,852901434 < 3,69 maka 𝐻0 diterima. Artinya tidak ada perbedaan
rata-rata yang signifikan antara kemampuan pemecahan masalah siswa kelompok 1
dan kelompok 2.
▪ Uji F Scheffe
Karena |𝐹𝑆| = 2,034761649 < 6.770379923 maka 𝐻0 diterima. Artinya tidak ada
perbedaan rata-rata yang signifikan antara kemampuan komunikasi matematis siswa
d. Pengujian 𝒀𝟐 (Kemampuan Penalaran)

Hipotesis:
kemampuan penalaran siswa kelompok 1 dengan
kelompok 2)

kelompok 2)

Statistik Uji:
𝑡=
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗

𝑞𝐹𝐻 =
1 1 ′ −1
2
𝐵𝑃 =
1 1 ′ −1
𝑀𝑆𝑆 (
√ 𝑎𝑑𝑗 +
2
▪ Uji F Scheffe
2
𝐹𝑆 =
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
Kriteria Keputusan:
;𝑁−𝐾−2
𝑝𝐾(𝐾−1)

▪ Uji F Scheffe
Perhitungan
𝑑 ′ 𝑊 −1 𝑑 = 0,004906138
𝑆𝑆𝑎𝑑𝑗 668,0409765
𝑀𝑆𝑆𝑎𝑑𝑗 = = = 26,72163906
𝑁−𝐾−2 30 − 3 − 2
𝑌̅𝑎𝑑𝑗.1 = 81,83807083
𝑌̅𝑎𝑑𝑗.2 = 78,83928301
𝑡=
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
81,83807083 − 78,83928301
𝑡=
√26,72163906 ( 1 + 1 + 0,004906138)
10 10
𝑡 = 1,281553401
|𝑡| = 1,281553401
t-tabel : 𝑡 𝛼
;𝑁−𝐾−2 =𝑡 0,05
;30−3−2
= 3,15318724
𝑝𝐾(𝐾−1) 2× 3 × 2

𝑞𝐹𝐻 =
1 1 ′ −1
𝑀𝑆𝑆 (
√ 𝑎𝑑𝑗 +
2
81,83807083 − 78,83928301
𝑞𝐹𝐻 =
1 1
√26,72163906 (10 + 10 + 0,004906138)
2
𝑞𝐹𝐻 = 1,812390201
|𝑞𝐹𝐻| = 1,812390201
𝑞 tabel : 𝑞𝛼,𝐾−1,𝑁−𝐾−2 = 𝑞0,05;2;25 = 2,913
𝐵𝑃 =
1 1 ′ −1
𝑀𝑆𝑆 (
√ 𝑎𝑑𝑗 +
2
81,83807083 − 78,83928301
𝐵𝑃 =
1 1
√26,72163906 (10 + 10 + 0,004906138)
2
𝐵𝑃 = 1.812390201
|𝐵𝑃| = 1.812390201
𝑞 tabel : 𝑞𝛼;𝑞;𝐾;𝑁−𝐾−2 = 𝑞0.05;2;3;25 = 3,69
▪ Uji F Scheffe
2
𝐹𝑆 =
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑′ 𝑊 −1 𝑑)
𝑗 𝑗
(81,83807083 − 78,83928301)2
𝐹𝑆 =
√26,72163906 ( 1 + 1 + 0,004906138)
10 10
𝐹𝑆 = 1.64237912
|𝐹𝑆| = 1.64237912
F-tabel : (𝐾 − 1)𝐹𝛼;𝐾−1;𝑁−𝐾−2 = 2𝐹0,05;2;25 = 6.770379923
Kesimpulan:
perbedaan rata-rata yang signifikan antara kemampuan penalaran siswa kelompok 1
dan kelompok 2.
dan kelompok 2.
Karena |𝐵𝑃| = 1.812390201 < 3,69 maka 𝐻0 diterima. Artinya tidak ada perbedaan
rata-rata yang signifikan antara kemampuan penalaran siswa kelompok 1 dan
kelompok 2.
▪ Uji F Scheffe
Karena |𝐹𝑆| = 1.64237912 < 6.770379923 maka 𝐻0 diterima. Artinya tidak ada
perbedaan rata-rata yang signifikan antara kemampuan penlaran siswa kelompok 1 dan
kelompok 2.

Hipotesis:
dengan kelompok 3)

dengan kelompok 3)

Statistik Uji:
𝑡=
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗

𝑞𝐹𝐻 =
1 1 ′ −1
2
𝐵𝑃 =
1 1 ′ −1
2
▪ Uji F Scheffe
2
𝐹𝑆 =
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
Kriteria Keputusan:
;𝑁−𝐾−2
𝑝𝐾(𝐾−1)

▪ Uji F Scheffe
Perhitungan
𝑑 ′ 𝑊 −1 𝑑 = 0,009594102
𝑆𝑆𝑎𝑑𝑗 670,7079353
𝑀𝑆𝑆𝑎𝑑𝑗 = = = 26,82831741
𝑁−𝐾−2 30 − 3 − 2
𝑌̅𝑎𝑑𝑗.1 = 70,96307549
𝑌̅𝑎𝑑𝑗.3 = 75,51834728
𝑡=
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
70,96307549 − 75,51834728
𝑡=
√26,82831741 ( 1 + 1 + 0,009594102)
10 10
𝑡 = −1,921003021
|𝑡| = 1,921003021
t-tabel : 𝑡 𝛼
;𝑁−𝐾−2 =𝑡 0,05
;30−3−2
= 3,153
𝑝𝐾(𝐾−1) 2× 3 × 2

𝑞𝐹𝐻 =
1 1 ′ −1
2
70,96307549 − 75,5183472
𝑞𝐹𝐻 =
1 1
√26,82831741 (10 + 10 + 0,009594102)
2
𝑞𝐹𝐻 = −2,716708526
|𝑞𝐹𝐻| = 2,716708526
𝑞 tabel : 𝑞𝛼,𝐾−1,𝑁−𝐾−2 = 𝑞0,05;2;25 = 2,913
𝐵𝑃 =
1 1 ′ −1
2
70,96307549 − 75,5183472
𝐵𝑃 =
1 1
√26,82831741 (10 + 10 + 0,009594102)
2
𝐵𝑃 = −2,716708526
|𝐵𝑃| = 2,716708526
𝑞 tabel : 𝑞𝛼;𝑞;𝐾;𝑁−𝐾−2 = 𝑞0.05;2;3;25 = 3,69
▪ Uji F Scheffe
2
𝐹𝑆 =
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑′ 𝑊 −1 𝑑)
𝑗 𝑗
(70,96307549 − 75,51834728)2
𝐹𝑆 =
√26,82831741 ( 1 + 1 + 0,009594102)
10 10
𝐹𝑆 = 3,690252607
|𝐹𝑆| = 3,690252607
F-tabel : (𝐾 − 1)𝐹𝛼;𝐾−1;𝑁−𝐾−2 = 2𝐹0,05;2;25 = 6.77038
Kesimpulan:
Karena |𝑡| = 1,921003021 < 3,153 maka 𝐻0 diterima. Artinya tidak ada perbedaan
dan kelompok 3.
dan kelompok 3.
▪ Uji F Scheffe

Hipotesis:
kelompok 3)

kelompok 3)

Statistik Uji:
𝑡=
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
𝑞𝐹𝐻 =
1 1 ′ −1
2
𝐵𝑃 =
1 1 ′ −1
2
▪ Uji F Scheffe
2
𝐹𝑆 =
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
Kriteria Keputusan:
;𝑁−𝐾−2
𝑝𝐾(𝐾−1)

▪ Uji F Scheffe
Perhitungan
𝑑 ′ 𝑊 −1 𝑑 = 0,009594102
𝑆𝑆𝑎𝑑𝑗 668.0409765
𝑀𝑆𝑆𝑎𝑑𝑗 = = = 26.72163906
𝑁−𝐾−2 30 − 3 − 2
𝑌̅𝑎𝑑𝑗.1 = 81,83807083
𝑌̅𝑎𝑑𝑗.3 = 79,92264615
𝑡=
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
81,83807083 − 79,92264615
𝑡=
√26,72163906 ( 1 + 1 + 0,009594102)
10 10
𝑡 = 0,809364223
|𝑡| = 0,809364223
t-tabel : 𝑡 𝛼
;𝑁−𝐾−2 =𝑡 0,05
;30−3−2
= 3,15318724
𝑝𝐾(𝐾−1) 2× 3 × 2

𝑞𝐹𝐻 =
1 1 ′ −1
2
81,83807083 − 79,92264615
𝑞𝐹𝐻 =
1 1
√26,72163906 (10 + 10 + 0,009594102)
2
𝑞𝐹𝐻 = 1,144613861
|𝑞𝐹𝐻| = 1,144613861
𝑞 tabel : 𝑞𝛼,𝐾−1,𝑁−𝐾−2 = 𝑞0,05;2;25 = 2,913
𝐵𝑃 =
1 1 ′ −1
2
81,83807083 − 79,92264615
𝐵𝑃 =
1 1
√26,72163906 (10 + 10 + 0,009594102)
2
𝐵𝑃 = 1,144613861
|𝐵𝑃| = 1,144613861
𝑞 tabel : 𝑞𝛼;𝑞;𝐾;𝑁−𝐾−2 = 𝑞0.05;2;3;25 = 3,69
▪ Uji F Scheffe
2
𝐹𝑆 =
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑′ 𝑊 −1 𝑑)
𝑗 𝑗
(81,83807083 − 79,92264615)2
𝐹𝑆 =
1 1
√26,72163906 (10 + 10 + 0,009594102)
2
𝐹𝑆 = 0,655070446
|𝐹𝑆| = 0,655070446
F-tabel : (𝐾 − 1)𝐹𝛼;𝐾−1;𝑁−𝐾−2 = 2𝐹0,05;2;25 = 6,770379923
Kesimpulan:
dan kelompok 3.
dan kelompok 3.
kelompok 3.
▪ Uji F Scheffe
kelompok 3.
Hipotesis:
dengan kelompok 3)

dengan kelompok 3)

Statistik Uji:
𝑡=
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗

𝑞𝐹𝐻 =
1 1 ′ −1
2
𝐵𝑃 =
1 1 ′ −1
2
▪ Uji F Scheffe
2
𝐹𝑆 =
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
Kriteria Keputusan:
;𝑁−𝐾−2
𝑝𝐾(𝐾−1)

▪ Uji F Scheffe
Perhitungan
𝑑 ′ 𝑊 −1 𝑑 = 0,012626767
𝑆𝑆𝑎𝑑𝑗 670,7079353
𝑀𝑆𝑆𝑎𝑑𝑗 = = = 26,82831741
𝑁−𝐾−2 30 − 3 − 2
𝑌̅𝑎𝑑𝑗.2 = 67,61857723
𝑌̅𝑎𝑑𝑗.3 = 75,51834728
𝑡=
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
67,61857723 − 75,51834728
𝑡=
√26,82831741 ( 1 + 1 + 0,012626767)
10 10
𝑡 = −3,307567866
|𝑡| = 3,307567866
t-tabel : 𝑡 𝛼
;𝑁−𝐾−2 =𝑡 0,05
;30−3−2
= 3,153
𝑝𝐾(𝐾−1) 2× 3 × 2

𝑞𝐹𝐻 =
1 1 ′ −1
2
67,61857723 − 75,51834728
𝑞𝐹𝐻 =
1 1
√26,82831741 (10 + 10 + 0,012626767)
2
𝑞𝐹𝐻 = −4,677607335
|𝑞𝐹𝐻| = 4,677607335
𝑞 tabel : 𝑞𝛼,𝐾−1,𝑁−𝐾−2 = 𝑞0,05;2;25 = 2,913
𝐵𝑃 =
1 1 ′ −1
2
67,61857723 − 75,51834728
𝐵𝑃 =
1 1
√26,82831741 (10 + 10 + 0,012626767)
2
𝐵𝑃 = −4,677607335
|𝐵𝑃| = 4,677607335
𝑞 tabel : 𝑞𝛼;𝑞;𝐾;𝑁−𝐾−2 = 𝑞0.05;2;3;25 = 3,69
▪ Uji F Scheffe
2
𝐹𝑆 =
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑′ 𝑊 −1 𝑑)
𝑗 𝑗
(67,61857723 − 75,51834728)2
𝐹𝑆 =
√26,82831741 ( 1 + 1 + 0,012626767)
10 10
𝐹𝑆 = 10,94000519
|𝐹𝑆| = 10,94000519
F-tabel : (𝐾 − 1)𝐹𝛼;𝐾−1;𝑁−𝐾−2 = 2𝐹0,05;2;25 = 6,77038
Kesimpulan:
Karena |𝑡| = 3,307567866 > 3,153 maka 𝐻0 ditolak. Artinya ada perbedaan rata-
rata yang signifikan antara kemampuan pemecahan masalah siswa kelompok 2 dan
kelompok 3.
Karena |𝑞𝐹𝐻| = 4,677607335 > 2,913 maka 𝐻0 ditolak. Artinya ada perbedaan
dan kelompok 3.
Karena |𝐵𝑃| = 4,677607335 > 3,69 maka 𝐻0 ditolak. Artinya ada perbedaan rata-
rata yang signifikan antara kemampuan pemecahan masalah siswa kelompok 2 dan
kelompok 3.
▪ Uji F Scheffe
Karena |𝐹𝑆| = 10,94000519 > 6,770379923 maka 𝐻0 ditolak. Artinya ada

Hipotesis:
kelompok 3)

kelompok 3)

Statistik Uji:
𝑡=
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
𝑞𝐹𝐻 =
1 1 ′ −1
2
𝐵𝑃 =
1 1 ′ −1
2
▪ Uji F Scheffe
2
𝐹𝑆 =
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
Kriteria Keputusan:
;𝑁−𝐾−2
𝑝𝐾(𝐾−1)

▪ Uji F Scheffe
Perhitungan
𝑑 ′ 𝑊 −1 𝑑 = 0,012626767
𝑆𝑆𝑎𝑑𝑗 668.0409765
𝑀𝑆𝑆𝑎𝑑𝑗 = = = 26.72163906
𝑁−𝐾−2 30 − 3 − 2
𝑌̅𝑎𝑑𝑗.2 = 78,83928301
𝑌̅𝑎𝑑𝑗.3 = 79,92264615
𝑡=
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑 ′ 𝑊 −1 𝑑)
𝑗 𝑗
78,83928301 − 79,92264615
𝑡=
√26,72163906 ( 1 + 1 + 0,012626767)
10 10
𝑡 = −0,454499637
|𝑡| = 0,454499637
t-tabel : 𝑡 𝛼
;𝑁−𝐾−2 =𝑡 0,05
;30−3−2
= 3,15318724
𝑝𝐾(𝐾−1) 2× 3 × 2

𝑞𝐹𝐻 =
1 1 ′ −1
2
78,83928301 − 79,92264615
𝑞𝐹𝐻 =
1 1
√26,72163906 (10 + 10 + 0,012626767)
2
𝑞𝐹𝐻 = −0,642759551
|𝑞𝐹𝐻| = 0,642759551
𝑞 tabel : 𝑞𝛼,𝐾−1,𝑁−𝐾−2 = 𝑞0,05;2;25 = 2,913
𝐵𝑃 =
1 1 ′ −1
2
78,83928301 − 79,92264615
𝐵𝑃 =
1 1
√26,72163906 (10 + 10 + 0,012626767)
2
𝐵𝑃 = −0,642759551
|𝐵𝑃| = 0,642759551
𝑞 tabel : 𝑞𝛼;𝑞;𝐾;𝑁−𝐾−2 = 𝑞0.05;2;3;25 = 3,69
▪ Uji F Scheffe
2
𝐹𝑆 =
1 1
√𝑀𝑆𝑆𝑎𝑑𝑗 (𝑛 + 𝑛 ′ + 𝑑′ 𝑊 −1 𝑑)
𝑗 𝑗
(78,83928301 − 79,92264615)2
𝐹𝑆 =
√26,72163906 ( 1 + 1 + 0,012626767)
10 10
𝐹𝑆 = 0,20656992
|𝐹𝑆| = 0,20656992
F-tabel : (𝐾 − 1)𝐹𝛼;𝐾−1;𝑁−𝐾−2 = 2𝐹0,05;2;25 = 6,770379923
Kesimpulan:
dan kelompok 3.
dan kelompok 3.
kelompok 3.
▪ Uji F Scheffe
kelompok 3.
5) PERHITUNGAN SPSS
Pengujian MANCOVA juga dapat dilakukan menggunakan bantuan program SPSS. Berikut ini
merupakan langkah-langkah pengujian MANCOVA menggunakan SPSS.
1. Buka program SPSS
2. Pilih File ➔ New ➔ Syntax
3. Input data sesuai format di bawah ini.
* Encoding: UTF-8.
DATA LIST FREE/GPID Y1 Y2 X1 X2.
BEGIN DATA.
1 77 85 123 107
1 69 83 120 101
1 63 69 109 93
1 73 77 119 100
1 63 90 132 104
1 60 80 123 98
1 75 73 112 106
1 73 83 108 101
1 60 85 115 95
1 80 89 125 102
2 76 79 120 105
2 84 79 100 110
2 70 70 120 101
2 60 78 113 96
2 74 75 105 109
2 83 79 119 111
2 63 78 113 100
2 50 60 99 90
2 60 90 140 98
2 60 87 129 99
3 67 75 125 95
3 64 81 124 105
3 78 70 105 103
3 77 75 123 100
3 80 85 120 104
3 79 90 135 103
3 67 89 121 99
3 83 88 129 106
3 88 80 119 110
3 85 84 111 105
END DATA.
LIST.
MANOVA Y1 Y2 X1 X2 BY GPID(1,3)/
ANALYSIS Y1 Y2 WITH X1 X2/
PRINT=PMEANS/
DESIGN/
ANALYSIS=Y1 Y2/
DESIGN=X1 + X2, GPID, X1 BY GPID + X2 BY GPID/.
4. Run ➔ All. Kemudian akan muncul output
INTERPRETASI DATA PENGUJIAN MANCOVA DI SPSS

1. Uji Perbedaan Rata-Rata Populasi
Hipotesis:
𝐻0 : Tidak terdapat pengaruh variabel bebas dengan variabel terikat
𝐻1 : Terdapat pengaruh variabel bebas dengan variabel terikat
Kriteria Keputusan:
Kesimpulan:
𝐻0 ditolak karena dilihat dari tabel Multivariate Test of Significance Wilks diperoleh nilai 𝑠𝑖𝑔. =
0,033 < 0,05. Artinya, terdapat pengaruh variabel bebas dengan variabel terikat
2. Uji Linearitas (Uji Hubungan antara Variabel Terikat dengan Variabel Covariat)
Hipotesis:
𝐻0 : Tidak terdapat hubungan antara motivasi dan self efficacy terhadap kemampuan
pemecahan masalah dan kemampuan penalaran
𝐻1 : Terdapat hubungan antara motivasi dan self efficacy terhadap kemampuan
pemecahan masalah dan kemampuan penalaran
Kriteria Keputusan:
Kesimpulan:
𝐻0 ditolak karena dilihat dari tabel Multivariate Test of Significance Wilks diperoleh nilai 𝑠𝑖𝑔. =
0,00 < 0,05. Artinya, terdapat hubungan antara motivasi dan self efficacy terhadap kemampuan
pemecahan masalah dan kemampuan penalaran.
3. Pengujian Homogenitas
Hipotesis:
𝐻0 : Rata-rata populasi tidak berbeda secara signifikan
𝐻1 : Rata-rata populasi berbeda secara signifikan
Kriteria Keputusan:
Kesimpulan:
𝐻0 diterima karena dilihat dari tabel Multivariate Test of Significance Wilks diperoleh nilai 𝑠𝑖𝑔. =
0,9860 > 0,05. Artinya, rata-rata populasi tidak berbeda secara signifikan.
UJI POS HOC DENGAN SPSS
1. Buka program SPSS

2. Klik File ➔ New ➔ Data
3. Input data. Pada Variabel View ditulis sesuai format dibawah ini:
4. Values pada Kelompok di input sesuai format dibawah ini:
5. Pada Data View di tulis data sesuai format dibawah ini:

6. Setelah selesai di input lalu klik Analyze ➔ General Linier Model ➔ Multivariate
7. Masukkan Y1 dan Y2 ke Depent Variables, X1 dan X2 ke Covariate (s), dan Kelompok ke

Fiexd Factor (s)
8. Klik Model ➔ pilih Build Terms. Dengan type : Interaction lalu masukan KELOMPOK, X1,
dan X2 ke model, selanjutnya klik continue
9. Klik EM-Means, pindahkan KELOMPOK ke Display Means for, centang Compare Main
Effects, kemudian klik continue
10. Klik options, centang parameter estimates pada display, kemudian klik continue
11. Lalu klik Ok, hasil akan muncul seperti dibawah ini:
Interpretasi:
Perhatikan bahwa hasil Test of Between-Subject Effect, nilai Mean Square pada Source Error
Y1 = 26,828 dan Y2 = 26,722. Nilai tersebut merupakan nilai 𝑀𝑆𝑆𝑎𝑑𝑗 yang diperlukan dalam
perhitungan POS HOC (cek di dalam file excel)
Interpretasi:
Perhatikan bahwa hasil Parameter Estimates, nilai 𝛽 pada Y1 (kemampuan pemecahan
masalah) untuk X1 = -0,122; nilai nilai 𝛽 pada Y1 untuk X2 = 1,419; nilai 𝛽 pada Y2
(kemampuan penalaran) untuk X1 = 0,495; nilai nilai 𝛽 pada Y2 untuk X2 = 0,404. Nilai
tersebut merupakan 𝛽𝑌𝐼𝑋1, 𝛽𝑌𝐼𝑋2, 𝛽𝑌2𝑋1, 𝛽𝑌2𝑋2 yang diperlukan dalam perhitungan POS HOC
(cek di dalam file excel)
Interpretasi:
Perhatikan bahwa pada hasil pada Estimate, nilai Mean pada Y1:
1. Pada kelompok 1 = 70,963 merupakan nilai 𝑌𝑎𝑑𝑗1
Sedangkan nilai Mean pada Y2:
2. Pada kelompok 2 =78,839 merupakan nilai 𝑌𝑎𝑑𝑗2
Nilai tersebut merupakan nilai 𝑌𝑎𝑑𝑗𝑖
Interpretasi:
Perhatikan bahwa pada hasil di Pairwise Comparisons, nilai Sig pada Y1:
dengan kata lain ada perbedaan rata-rata signifikan antara kemampuan pemecahan
masalah pada kelompok 1 dan kelompok 2.
dengan kata lain tidak ada perbedaan rata-rata signifikan antara kemampuan pemecahan
dengan kata lain ada perbedaan rata-rata signifikan antara kemampuan pemecahan
Sedangkan nilai Sig pada Y2
dengan kata lain tidak ada perbedaan rata-rata signifikan kemampuan penalaran
matematis pada kelompok 1 dan kelompok 2.

Mancova 1 Dan 2 Covariat

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Mancova 1 Dan 2 Covariat

Diunggah oleh

Hak Cipta:

Format Tersedia

MANCOVA (MULTIVARIATE ANALYSIS OF COVARIANCE)

SATU COVARIAT, DUA COVARIAT DAN POS HOC

Diajukan untuk Memenuhi Tugas Mata Kuliah Statistika Multivariat

PROGRAM STUDI PENDIDIKAN MATEMATIKA

B. MANCOVA dengan satu kovariat

T 𝑌̅𝑖𝑗(𝑎𝑑𝑗) − 𝑌̅𝑖𝑗′(𝑎𝑑𝑗) 𝐻0 ditolak jika:

Bryant- 𝑌̅𝑖𝑗(𝑎𝑑𝑗) − 𝑌̅𝑖𝑗′(𝑎𝑑𝑗) 𝐻0 ditolak jika:

Perhitungan dengan Menggunakan SPSS

H1 : 𝜷 ≠ 0 (Ada hubungan linear antara kemampuan pemecahan masalah (𝑌1 ) dan

3) UJI PERBEDAAN RATA-RATA POPULASI

= ⋯ = 𝝁𝐾𝑎𝑑𝑗 Learning terhadap kemampuan pemecahan masalah (𝑌1 ) dan

2. Analyze – General Linear Model – Multivariate

4. Klik Model – Specify factorial diganti Build Term

Type: Main effects lalu masukkan Kelompok ke Model dan X ke Model.

6. Klik Options, Centang Descriptive statistics, Parameter estimates, Homogenenity tests.

Langkah-langkah penyelesaian dengan menggunakan Syntax SPSS:

TITLE 'MULTIVARIATE ANALYSIS COVARIANCE'.

OUTPUT SPSS DENGAN SYNTAX

UJI LANJUT/ POST HOC

1. Kelompok 1 dan Kelompok 2

𝐻1 : 𝜇1(𝑎𝑑𝑗) ≠ 𝜇2(𝑎𝑑𝑗) (Ada perbedaan rata-rata yang signifikan kemampuan

b. Pengujian 𝒀𝟐 (Kemampuan Penalaran)

𝐻1 : 𝜇1(𝑎𝑑𝑗) ≠ 𝜇2(𝑎𝑑𝑗) (Ada perbedaan rata-rata yang signifikan kemampuan

2. Kelompok 1 dan Kelompok 3

a. Pengujian 𝒀𝟏 (Kemampuan Pemecahan Masalah)

𝐻1 : 𝜇1(𝑎𝑑𝑗) ≠ 𝜇3(𝑎𝑑𝑗) (Ada perbedaan rata-rata yang signifikan kemampuan

b. Pengujian 𝒀𝟐 (Kemampuan Penalaran)

𝐻1 : 𝜇1(𝑎𝑑𝑗) ≠ 𝜇3(𝑎𝑑𝑗) (Ada perbedaan rata-rata yang signifikan kemampuan

3. Kelompok 2 dan Kelompok 3

𝐻1 : 𝜇2(𝑎𝑑𝑗) ≠ 𝜇3(𝑎𝑑𝑗) (Ada perbedaan rata-rata yang signifikan kemampuan

b. Pengujian 𝒀𝟐 (Kemampuan Penalaran)

𝐻1 : 𝜇2(𝑎𝑑𝑗) ≠ 𝜇3(𝑎𝑑𝑗) (Ada perbedaan rata-rata yang signifikan antara

Sedangkan nilai Sig pada Y2

PERHITUNGAN MANCOVA SATU KOVARIAT DENGAN PROGRAM R

1. Siapkan data di Excel untuk diolah menggunakan program R

Didapat hasil sebagai berikut:

• Uji Linieritas (∧2 )

𝐻0 ditolak jika p-value < 0,05

𝐻0 ditolak jika p-value < 0,05

Perhitungan poshoc menggunakan Program R

1. Lanjutkan langkah diatas dengan mengetik syntax berikut:

2. Didapat hasil sebagai berikut

• kelompok 1 dan kelompok 2

• kelompok 1 dan kelompok 2

1. PERHITUNGAN MANUAL DENGAN BANTUAN EXCEL

Xd Kelompok 1 Xd Kelompok 2 Xd Kelompok 3

𝐸1 adalah perkalian 𝑋𝑑′ dengan 𝑋𝑑 pada kelompok 1

𝐸2 adalah perkalian 𝑋𝑑′ dengan 𝑋𝑑 pada kelompok 2

𝐸3 adalah perkalian 𝑋𝑑′ dengan 𝑋𝑑 pada kelompok 3

𝐶𝑃𝑝𝑞 = ∑ 𝑛𝑗 (𝑥̅𝑗𝑝 − 𝑥̅𝑝 )(𝑥̅𝑗𝑝 − 𝑥̅𝑝 )′

CP kelompok 1 atau CP 1, yaitu =

CP kelompok 2 atau CP 2, yaitu =

CP kelompok 3 atau CP 3, yaitu =

Diperoleh Matriks SSB / B / H

451.266667 147.6 235.533333 84.5666667

UJI MANCOVA DUA KOVARIAT

H1 : 𝜷 ≠ 0 (Ada hubungan linear antara kemampuan pemecahan masalah (𝑌1 ) dan

6) Hitung nilai ⋀2 dengan menggunakan rumus

= ⋯ = 𝝁𝐾𝑎𝑑𝑗 Learning terhadap kemampuan pemecahan masalah (𝑌1 ) dan

𝐻1 ∶  𝝁𝒊 ≠ 𝝁𝑖 (Terdapat pengaruh pembelajaran Problem Based Learning

4) Cari |𝐸𝑋𝑋 + 𝐻𝑋𝑋 |

5) Hitung nilai ∧1 dengan menggunakan rumus:

4. Kelompok 1 dan Kelompok 2

Taraf Signifikansi: 𝛼 = 0,05