Tutorial Seru SPSS Uji Kruskal Wallis

 

Jangan lupa untuk share, komesn, dan subscribe yaa.. terimakasih 😁😁

MANCOVA

 Analisis Multi Kovarian (Mancova)

Mancova merupakan perpaduan dari ANCOVA dan MANOVA yang memungkinkan peneliti untuk mengendalikan pengaruh dari satu atau lebih kovariat (Salkind, 2010 : 861). Mancova adalah analisis kovarian di mana setidaknya ada dua variabel dependen yang diukur secara simultan untuk menguji apakah terdapat perbedaan perlakuan terhadap sekelompok variabel dependen setelah disesuaikan dengan pengaruh variabel konkomitan (kendali) (Raykov & Marcoulides, 2008: 192). Analisis multi kovarian digunakan untuk membandingkan dua data atau lebih yang semuanya bersifat interval dari dua kelompok atau lebih, disertai pengendalian satu atau lebih data yang juga semuanya bersifat interval. Analisis multi kovarian bervariasi menurut banyak variabel bebas, sehingga ada analisis multi kovarian satu jalur, dua jalur, tiga jalur dan seterusnya. Selain itu, analiasis multi kovarian juga bervariasi menurut banyak variabel kendali dan banyak variabel terikat. Analisis Kovariansi sangat membantu dalam menghasilkan kesimpulan yang lebih akurat. Pada variabl dependen, terdapat satu atau lebih kuantitatif variabel yang dikenal kovariat atau konkomitan variabel. Secara umum, kovariat merupakan variabel yang secara teoritik berkorelasi dengan variabel terikat atau beberapa variabel yang menunjukkan korelasi pada beberapa jenis subjek yang sama. Tujuan utama kovariat dilibatkan dalam penelitian adalah untuk memperoleh presisi dengan menghilangkan variansi kesalahan.

Contoh kasus! Seorang peneliti tertarik untuk melakukan penelitian mengenai apakah metode pembelajaran (tradisional dan discovery) dan perbedaan kelas berdasarkan waktu perkuliahan ( kelas A yaitu kelas perkuliahan pagi pukul 08.00, kelas B yaitu kelas perkuliahan siang pukul 14.00, dan kelas C yaitu kelas perkuliahan malam pukul 20.00) dalam pembelajaran fisika berpengaruh terhadap nilai tes di bidang mekanik, panas, dan bunyi setelah disesuaikan dengan nilai IQ mahasiswa. 4 Berdasarkan contoh di atas, nilai tes di bidang mekanik, panas, dan bunyi dapat diklasifikasikan sebagai variabel dependen, sedangkan nilai IQ bertindak sebagai variabel konkomitan atau kovariat. Terdapat pula dua variabel independen yaitu metode pembelajaran dan perbedaan kelas.

Analisis Multi Kovarian Dua Arah

Model Analisis Multi Kovarians merupakan gabungan antara Analisis Multi Varians dan regresi multivariat (Timm, 2002 : 225). Analisis Multi Kovarians yang terdiri dari dua factor dan dipengaruhi oleh satu variable independen tambahan yaitu variable konkomitan disebut Analisis Multi Kovarians dua arah dengan satu kovariat, sedangkan Analisis Multi Kovarians yang terdiri dari dua factor dan dipengaruhi oleh dua variable independen tambahan yaitu variabel konkomitan disebut Analisis Multi Kovarians dua arah dengan dua kovariat.

MANOVA: Multivariate Analysis of Variance

Andaikan terdapat k buah populasi saling bebas dimana dari masing-masing terdapat p buah variat yang diperhatikan, selanjutnya akan diuji apakah rata-rata p buah variat dari k buah populasi tersebut mempunyai rata-rata yang sama atau tidak. Dalam statistika parametrik pengujian seperti itu dijelaskan dalam Multivariat Analisis Varians (MANOVA) melalui uji F (Yanti. T. S., 2010). Multivariat Analisis Varians atau MANOVA adalah salah satu metode statistik yang digunakan untuk memahami struktur data yang melibatkan lebih dari satu variabel dimana variabel-variabel itu saling terkait satu sama lain (He et al., 2018).

MANOVA juga bisa disebut sebagai perluasan uji ANOVA untuk data multivariat (Suyatno, n.d.). MANOVA menggunakan satu atau lebih variabel independen kategorik sebagai prediktor. Perbedaan antara MANOVA dengan ANOVA terletak pada jumlah variabel dependennya. ANOVA digunakan untuk mengetahui apakah terdapat perbedaan pengaruh perlakuan terhadap satu variabel respon sedangkan MANOVA digunakan untuk mengetahui apakah terdapat perbedaan pengaruh terhadap lebih dari satu variabel respon (Gliner et al., 2017). MANOVA adalah teknik statistik yang digunakan untuk memeriksa hubungan antara beberapa variabel bebas (biasa disebut perlakuan) dengan dua atau lebih variabel terikat. Sama halnya ANOVA, MANOVA juga terdiri atas MANOVA satu jalur dan MANOVA dua jalur. MANOVA satu jalur adalah uji MANOVA yang hanya menggunakan 1 faktor. Sedangkan MANOVA dua jalur adalah uji MANOVA yang menggunakan 2 faktor. Adapun perbedaan jumlah perlakuan dan variabel bebas yang digunakan pada MANOVA dapat dilihat melalui tabel 1. berikut.

 

Tabel 1. Perbedaan MANOVA satu jalur dan MANOVA dua jalur

MANOVA satu jalur
Perlakuan (Variabel Bebas)	Kelompok	Variabel Terikat
1	≥ 2	≥ 2
2	≥ 2	≥ 2
MANOVA 2 Jalur
Perlakuan (Variabel Bebas)	Kelompok	Variabel Terikat
> 2	≥ 2	> 2

 

DAFTAR RUJUKAN

Gliner, J. A., Morgan, G. A., & Leech, N. L. (2017). Research Methods in Applied Settings: An Integrated Approach to Design and Analysis (3th ed.). Routledge Taylor & Francis Group.

He, F., Mazumdar, S., Tang, G., Bhatia, T., Anderson, S. J., Dew, A., Krafty, R., Nimgaonkar, V., Deshpande, S., Hall, M., & Iii, C. F. R. (2018). Nonparametric MANOVA Approaches for Non-Normal Multivariate Outcomes Withe Missing Values. Commun Stat Theory Methods, 46(14), 7188–7200. https://doi.org/10.1080/03610926.2016.1146767.NONPARAMETRIC

Howell, D. C. (2011). Fundamental Statistic for The Behavioral Sciences (7e ed.). Wadsworth Cengage Learning.

Suyatno. (n.d.). Analisis Multivariat.

Yanti. T. S. (2010). Perluasan Uji Kruskal Wallis untuk Data Multivariat. Statistika, 10(1), 43–49.

Analysis of Covariance (ANCOVA)

1.        Pengertian Analysis of Covariance (ANCOVA)

Analysis of Covariance (ANCOVA) merupakan metode kombinasi dari analisis varian (ANOVA) dan analisis regresi linier (Field, 2018; Rutherford, 2001). Seperti yang telah dipelajari sebelumnya, ANOVA merupakan metode analisis yang digunakan untuk menguji perbandingan variabel terikat ditinjau dari variabel bebas. Sedangkan regresi adalah metode analisis yang digunakan untuk memprediksi hubungan linier variabel terikat melalui variabel bebas. ANCOVA menggabungkan unsur antara kedua analisis ini untuk meningkatkan presisi hasil sebuah penelitian dengan memanfaatkan kovarian. Secara statistik, kovarian adalah ukuran korelasi antara dua atau lebih variabel. Secara khusus, kovarians ini mengukur sejauh mana dua atau lebih variabel yang saling terkait secara linier.

Menurut Leech et al. (2005), ANCOVA disebut juga perpanjangan dari analisis ANOVA yang mengendalikan efek variabel skala kontinu yang tidak terkontrol. Variabel kontinu atau skala yang dikontrol tersebut adalah variabel kovariat. Tujuan dari analisis ANCOVA adalah untuk mengetahui pengaruh perlakuan/intervensi terhadap variabel terikat dengan mengkontrol variabel kovariat sekaligus mengurangi kesalahan yang ada dalam varians (Gliner et al., 2017). Pada dasarnya metode ANCOVA menguji efek atau faktor-faktor tertentu pada variabel terikat ketika varians telah dihapus. Metode analisis ini biasanya digunakan pada penelitian antara dua atau lebih kelompok dengan dua atau lebih variabel bebas dan satu variabel terikat (Morgan et al., 2019). Secara umum, pendekatan analisis ini digunakan dalam penelitian dengan desain pretest-posttest comparison group. ANCOVA memanfaatkan perbedaan skor pretest antara kondisi untuk mengurangi varians kesalahan dengan menyesuaikan skor posttest. Setelah penyesuaian ini dilakukan pada skor posttest, analisis hanya diterapkan pada skor posttest. Penggunaan ANCOVA dalam desain kelompok perbandingan pretest-posttest memungkinkan peneliti untuk menggunakan pretest sebagai kovariat dan untuk menyesuaikan skor posttest berdasarkan hubungan linier yang signifikan antara skor pretest (kovariat) dan skor posttest (variat). Alasan di balik pendekatan ini adalah bahwa biasanya ada perbedaan pretest antara kelompok perlakuan dan kontrol sebelum intervensi, meskipun peserta secara acak ditugaskan ke kelompok (Gliner et al., 2017).

2.        Perbedaan ANOVA dan ANCOVA

Adapun perbedaan antara ANOVA dan ANCOVA menurut Rutherford (2001) dan Widhiarso (2004) dapat dilihat melalui parameter perbandingan relevansi keduanya terhadap situasi penelitian, dengan catatan sebagai berikut:

a.     ANCOVA memusatkan pada perbedaan efek perlakuan, sedangkan ANOVA cenderung fokus pada perubahan skor

b.     Desain randomized ANOVA dan ANCOVA akan memberikan hasil yang mirip, tetapi effect size dan power-nya berbeda

c.       Penggunaan ANCOVA mensyaratkan pengukuran yang memiliki eror pengukuran yang kecil

Adapun kondisi ketika ANOVA lebih tepat digunakan jika:

a.         Perbedaan kondisi awal (pretest) antara keompok eksperimen dan kontrol adalah signifikan

b.        Desain eksperimen memiliki lebih dari satu kali pretest.

c.         Tidak melakukan uji liniearitas, karena ANOVA berlaku pada model yang linier maupun nonlinier.

Sedangkan kondisi ketika ANCOVA lebih tepat digunakan adalah jika:

a.    Menggunakan desain random dengan asumsi tidak ada perbedaan yang signifikan antara hasil pretest dalam kelompok eksperimen dan kontrol.

b.        Kondisi awal antara kelompok kontrol dan eksperimen adalah setara.

c.         Banyak subjek yang dapat mencapai skor maksimal sehingga varians skor mengalami penurunan.

 

3.        Variabel - Variabel dalam Uji Analysis of Covariance (ANCOVA)

Secara garis besar, ANCOVA memiliki tiga variabel, yaitu variabel independen (bebas), variabel dependen (terikat) dan varibel kovariat (Gliner et al., 2017). Sumber lain menyebutkan bahwa varibel bebas yang digunakan dalam ANCOVA terdiri atas variabel kuantitatif dan variabel kualitatif (Field, 2018). Hal ini tidaklah salah karena perbedaan antara variabel kuantitatif dan kualitatif yang dimaksud hanyalah terletak pada jenis data yang digunakan. Varibel terikat atau variabel respon dalam ANCOVA harus berada pada data kontinu sehingga tergolong dalam variabel kuantitatif. Data kontinu memiliki variabel nilai kuantitatif yang bergerak dalam kontinum dari rendah ke tinggi, sehingga data ini merupakan data dalam skala interval atau rasio. Contohnya adalah: motivasi belajar, hasil tes pemahaman konsep, dsb. Sementara variabel bebas dalam ANCOVA terdiri atas variabel kuantiatif dengan data kontinu dan variabel kualitatif dengan data kategorikal. Data kategorikal adalah variabel data hasil pengkodean terhadap kategori tertentu, sehingga data ini merupakan data pada skala nominal. Variabel bebas ANCOVA yang tergolong dalam variabel kuantitatif dengan data kontinu disebut dengan variabel kovariat. Sedangkan variabel bebas yang tergolong variabel kualitatif dengan data kategorikal disebut dengan variabel independen. Variabel independen yang digunakan dalam penelitian eksperimental pendidikan biasanya berupa perlakuan/treatment/ intervensi seperti model pembelajaran, teori belajar, metode pengajaran, dan sebagainya (Gliner et al., 2017; Leech et al., 2005).

DAFTAR RUJUKAN

Cohen, L., Manion, L., & Morrison, K. (2007). Research Methods in Education. In Taylor & Francis Group (6th ed.).

Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.).

Gliner, J. A., Morgan, G. A., & Leech, N. L. (2017). Research Methods in Applied Settings: An Integrated Approach to Design and Analysis (3th ed.). Routledge Taylor & Francis Group.

Leech, N. L., Barrett, K. C., & Morgan, G. A. (2005). SPSS for Intermediate Statistics: Use and Interpretation (2nd ed., Vol. 1).

Morgan, G. A., Barrett, K. C., Leech, N. L., & Gloeckner, G. W. (2019). IBM SPSS for Introductory Statistics: Use and Interpretation. In Routledge Taylor & Francis Group (4th ed.). https://doi.org/10.4324/9780429287657

Riadi, E. (2016). Statistika Penelitian (Analisis Manual dan IBM SPSS). ANDI Yogyakarta.

Rutherford, A. (2001). Introducing ANOVA and ANCOVA a GLM Approach. SAGE Publications.

Widhiarso, W. (2004). Analisis Data Eksperimen : antara ANOVA dan ANAKOVA. 2–4.

Peta Konsep : Analisis Varians Parametrik dan Non Parametrik

Analisis varians adalah uji analisis yang bertujuan untuk mengetahui perbedaan signifikan antar beberapa kelompok melalui ukuran penyebaran variansi dari masing-masing kelompok. Agar lebih mudah dalam mempelajari analisis varians, ayok perhatikan peta konsep berikut!