ANALISIS KOVARIAN (ANAKOVA)

ANALISIS KOVARIAN (ANAKOVA)

(Irfan Roy T. Sarumpaet, S.S., M.A)

Anakova adalah teknik statistik untuk menguji perbedaan rata-rata skor variabel dependen antara dua kelompok atau lebih dengan mengontrol satu atau lebih variabel lain yang datanya berwujud skor.

Anakova juga dimengerti sebagai teknik statistik yg digunakan untuk menguji perbedaan dan merupakan gabungan dari analisis varian dan analisis regresi. Anakova membandingkan varian residu dalam dan antar kelompok. Oleh sebab itu, Anakova banyak digunakan pada penelitian-penelitian eksperimental.

Tujuan Anakova:

1.     Mendapatkan kemurnian pengaruh variabel independen terhadap variabel dependen.

2.    Mengontrol kondisi awal sebelum penelitian dengan cara pre dan post-test.

3.    Mengontrol variabel luar yang secara teoritis akan mempengaruhi hasil penelitian.

Keunggulan-keunggulan Anakova dalam analisis data penelitian antara lain:

1. Dapat meningkatkan presisi rancangan penelitian terutama apabila peneliti masih ragu pada pengelompokan-pengelompokan subjek, 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 dari variabel terikat.
3. Dapat digunakan untuk mereduksi variable-variabel luar yg tidak diinginkan dalam penelitian.

Istilah yang digunakan:

Ø  Kriterium (Y)         >>> Variabel dependen

Ø  Kovariabel (X)       >>> Variabel Kontrol

Ø  Faktor                   >>> Variabel Independen.

1. Kriterium adalah variabel terikat (Y), yaitu variabel yang dipengaruhi dimana datanya harus berbentuk interval atau rasio.
2. Kovariabel disebut juga variabel kendali, yaitu variabel kontrol, variabel konkomitan yang diberi lambang X, dan data harus berbentuk interval atau rasio.
3. Faktor yaitu sebutan untuk variabel bebas atau variabel eksperimental yang ingin diketahui pengaruhnya dan data harus berbentuk nominal atau ordinal.

Singkatnya, asumsi yang harus dipenuhi adalah sebagai berikut:

1.     Kovariabel berskala interval/rasio

2.    Kriterium berskala interval/rasio

3.    Faktor berskala nominal/ordinal

4.    Secara teoritis, kovariabel dan kriterium harus ada hubungan

5.    Faktor harus tidak memiliki hubungan dengan kovariabel.

Notes: Variabel luar yang dikendalikan harus berskala interval atau rasio. Harus ada dugaan yang kuat bahwa ada hubungan antara variabel kendali dengan variabel terikat. Harus ada dugaan bahwa variabel kendali tidak dipengaruhi oleh variabel bebas atau variabel eksperimen.

Prosedur yang ditempuh untuk menghitung Anakova adalah sebagai berikut:

1. Menghitung jumlah kuadrat total (Jkt) pada kriterium, kovariabel, dan product XY.
2. Menghitung jumlah kuadrat dalam kelompok (Jkd) kriterium, kovariabel, dan product XY.
3. Menghitung jumlah kuadrat residu (Jkres) total, dalam dan antar kelompok.
4. Menghitung derajat kebebasan (db) total, dalam dan antar kelompok.
5. Menemukan varian residu dengan menghitung rata-rata kuadrat residu antar kelompok dan dalam kelompok.
6. Menghitung rasio F residu
7. Melakukan uji signifikansi dengan jalam membandingkan antara F empirik dengan teoritik.

Contoh

Seorang dosen melakukan penelitian terhadap mahasiswanya mengenai perbedaan nilai statistik berdasarkan metode belajar dengan mengontrol intelegensi. Datanya adalah sebagai berikut.

METODE	y	x
Tradisional	5	7
Tradisional	3	5
Tradisional	4	6
Tradisional	4	6
Tradisional	2	4
Tradisional	2	4
Tradisional	5	7
Tradisional	3	5
Tradisional	4	5
Tradisional	3	3
TAI	4	3
TAI	4	3
TAI	3	2
TAI	5	3
TAI	2	2
TAI	2	3
TAI	4	3
TAI	3	1
TAI	5	4
TAI	4	3

Ket.

Metode:

A1 = Metode Tradisional

A2 = Metode TAI

Y = Nilai statistik

X = Intelegensi

Pembahasan

Data entry ke aplikasi SPSS > Input data seperti biasa

Analyze > GLM > Univariat > dependent (statistik) > Fix factor (Metode) > covariat (intelegensi) > Option > display means (metode) > compare means > descriptive > homogeneity > estimate > continue > plot > horizontal axis (Metode) > add > continue > OK.

Output:

Anakova satu jalur satu kovariabel: perbedaan nilai statistika berdasarkan metode belajar dengan mengontrol intelegensi. 

Keteranga: Tabel di atas belum dikontrol dari kovariabel (intelegensi). Untuk melihat varian skor nilai statistik (Y) berdasarkan metode.

Variance = SD kuadrat

Keterangan: tabel di atas digunakan untuk melihat homogenitas.

P > 0,05 –>>>> tidak signifikan (homogen). 

Bila p < 0,05 –>>>> signifikan (heterogen).

Redaksinya: tidak ada perbedaan skor nilai statistika pada mahasiswa yang menggunakan metode belajar tradisional dan TAI, dengan kata lain skornya homogen dimana nilai F = 0,687 dan p = 0,418 (p>0,05).

Keterangan: Membuat kesimpulan: “ada perbedaan nilai statistika yang sangat signifikan pada siswa yang menggunakan metode tradisional dan TAI dengan mengontrol intelegensi dimana nilai F = 13,671 dan p = 0,002 (p<0,01)”.

Ø  Pengaruh metode = 0,446 atau 44,6%.

Ø  Korelasi antara Intelegensi dengan Nilai Statistika (lihat tabel Partial Eta S. > Skor Intelegensi) = √0,550 = 0,472

Ø  Kontribusi atau pengaruh Intelegensi sebesar 55% > 0,550 (tabel Partial Eta S.)

Ø  Korelasi Metode, Nilai Statistika dan Intelegensi (Lihat Tabel Partial Eta S. > Corrected Model) sebesar √0,552 = 0,743 >>>> artinya bahwa bila tidak ada intelegensi, metode tidak berpengaruh pada nilai statistika.

Keterangan: Tabel di atas sudah dikontrol dari intelegensi. Untuk melihat metode yang lebih tinggi pengaruhnya. Dalam tabel kolom Mean menunjukkan bahwa metode TAI lebih tinggi pengaruhnya (Mean = 4,510).

Contoh redaksi kesimpulan umum:

“ada perbedaan prestasi belajar siswa yang sangat signifikan antara kelompok mahasiswa yang diajar dengan metode konvensional dan metode TAI dengan mengontrol intelegensi dimana nilai F = … dan P = … (P<0,01)”.

Notes:

Ø  Tabel Levene’s test of equality: digunakan untuk melihat homogenitas varian kedua kelompok berdasarkan nilai F & P (signifikansi). Redaksi: tidak ada atau ada perbedaan antara kelompok subjek, dengan kata lain bahwa kedua kelompok subjek adalah heterogen atau homogen.

Ø  Tabel Test of between-subject effects: digunakan untuk melihat perbedaan nilai statistik (Y) berdasarkan metode (X) > lihat nilai F & p (sig.)

Ø  Kolom partial eta squared: digunakan (1) untuk melihat besar pengaruh metode (X) terhadap nilai statistik (Y) > ubah ke %. (2) Untuk mengetahui korelasi antara variabel covariate (X) dengan statistik (Y) > caranya: lihat skor X pada  kolom Partial Eta Squared, lalu diakarkan. Bila sudah ditemukan, buat kesimpulan: Contoh. Ada korelasi positif yang signifikan atau sangat signifikan antara X dengan Y dimana nilai F = …. & P = … (3) untuk melihat korelasi metode, nilai statistika (Y) dan intelegensi (X). Caranya: lihat skor corrected model pada kolom partial eta squared, lalu diakarkan. Dari hasilnya dapat dibuat kesimpulan: Contoh. Bila tidak ada intelegensi (X), metode tidak berpengaruh pada nilai statistika (Y) > (perhatikan jumlah pengakaran tsbt). 

SEMOGA BERMANFAAT

-----------SELAMAT BERLATIH------------