Analisi Kovarians (ANAKOVA) secara sederhana merupakan penggabungan antara Anova dengan analisis korelasi. Jika Anova hanya digunakan untuk membandingkan mean antar kelompok saja, maka dalam Anakova selain membandingkan mean antar kelompok juga menghitung korelasi dengan variabel lain. Kita membandingkan variabel tergantung (Y) ditinjau dari variabel bebas (X1) sekaligus menghubungkan variabel tersebut dengan variabel bebas lainnya (X2). Variabel X2 yang dipakai memprediksi inilah yang dinamakan dengan kovariabel.
Teknik ini masuk dalam keluarga teknik analisis statistik parametrik, sehingga untuk dapat dilakukan analisis harus dipenuhi beberapa asumsi. Salah satu asumsi yang berlaku bagi semua analisis statistik parametrik adalah asumsi normalitas. Untuk menguji asumsi normalitas caranya dapat dilihat di sini. Selain itu data harus berada pada level interval atau rasio. Asumsi lainnya khusus untuk teknik ini adalah homogenitas varians antar kelompok yang nanti akan dibahas dalam tulisan ini.
Syarat lainnya suatu variabel disebut sebagai kovariabel adalah adanya hubungan linier antara kovariabel (variabel kontrol) dengan variabel tergantung. Hubungan ini dibuktikan dengan analisis korelasi, jika ada korelasi yang signifikan antara kovariabel dan variabel tergantung, maka analisis kovarian bisa dilanjutkan.
Dalam penelitian, kovariabel biasanya dimasukkan jika secara teoritis kita tahu bahwa variabel tersebut berpengaruh terhadap variabel tergantung namun bukan merupakan variabel utama yang kita teliti. Dalam penelitian eksperimen, kovariabel biasanya merupakan variabel extra yang secara teoritis diketahui berengaruh terhadap variabel tergantung namun tidak bisa dikontrol dengan desain eksperimen, sehingga harus dikontrol dengan teknik statistik.
Kasus
suatu penelitian eksperimen ingin menguji apakah metode belajar jigsaw berpengruh terhadap prestasi belajar. Ada dua kelompok yang digunakan, yakni kelompok kontrol yang diberi metode ceramah dan kelompok eksperimen yang diberi metode jigsaw. Kita tahu bahwa IQ juga turut berpengaruh terhadap prestasi belajar, akan tetapi peneliti kesulitan untuk mengontrol IQ melalui desain eksperimen. Oleh karena itu IQ dapat dikontrol dengan teknik statistik Anakova. Prestasi belajar kelompok kontrol dan eksperimen kemudian dibandingkan dengan mengontrol IQ. Dengan kata lain perbedaan IQ antar kedua kelompok tersebut pengaruhnya dihilangkan.
Identifikasi variabel
Variabel independen : metode belajar jigsaw
Variabel dependen : prestasi belajar
Hipotesis : ada perbedaan prestasi belajar ditinjau dari metode belajar dengan mengendalikan IQ
Teknik analisis: anakova
Cara analisis di SPSS
Langkah awal sebelum kita melakukan anakova adalah memerika asumsi normalitas dan melihat adanya korelasi linear antara IQ dengan prestasi belajar. Untuk menguji asumsi normalitas caranya dapat dilihat di sini. Sementara untuk melihat korelasi antara IQ dengan prestasi belajar dapat dilihat dengan cara berikut.
1. Klik Analyze – correlate – bivariate
2. Masukkan variabel prestasi dan IQ
3. Klik OK
Hasil analisis korelasi Pearson dapat dilihat pada gambar di bawah
Dari output di atas kita dapat lihat bahwa IQ dan prestasi memiliki korelasi yang signifikan (p<0,01) dengan r=0,978. Dengan demikian anakova dapat kita lanjutkan dengan memasukkan IQ sebagai kovariabel.
Untuk melakukan analisis Anakova di SPSS, berikut langkah yang harus dilakukan.
1. Mulai analisis dengan klik analyze – general linear model - univariate
2. Masukkan variabel prestasi ke dependent variables, kelompok ke fixed factor, dan IQ ke covariate(s)
3. Klik options, masukkan “kelompok” ke display means for, lalu centang compare main effects, descriptive statistics, dan homogenity test
4. Klik continue lalu OK
Output analisis
Output analisis terbagi atas beberapa bagian. Tabel pertama dan kedua berisi statistik deskriptif, tabel ketiga uji homogenitas varians, tabel keempat uji hipotesis dengan ankova, dan tabel kelima nilai mean masing-masing kelompok setelah mengendalikan IQ.
Statistik deskriptif
Dari tabel kedua kita dapat melihat bahwa jumlah subjek pada kelompok kontrol ada 17 orang, sedangkan pada kelompok eksperimen ada 17 orang. Mean prestasi kelompok kontrol adalah 81,51 sedangkan mean prestasi kelompok eksperimen 85,52 Dari sini kita dapat lihat bahwa kelompok eksperimen memiliki mean prestasi yang lebih tinggi. Namun kita tidak bisa menyimpulkan langsung dari statistik deskriptif, karena bisa jadi perbedaan mean ini hanya karena sampling eror saja, oleh karena itu kita harus lihat pada uji signifikansi.
Uji homogenitas varians
Tabel ketiga (Levene’s test) menunjukkan homogenitas varians antar kelompok. Patokan membaca uji homogentias adalah:
· jika sig: p > 0,05 maka homogenitas terpenuhi.
· jika sig: p < 0,05 maka homogenitas tidak terpenuhi.
Dalam contoh kasus ini, nilai Levene statistic 2,41 dengan nilai sig p=0,13 (p<0,05). Dengan demikian asumsi homogenitas terpenuhi.
Uji hipotesis dengan Anakova
Tabel keempat merupakan tabel utama Anakova. Dari hasil analisis didapatkan bahwa IQ berpengaruh secara signifikan terhadap prestasi belajar (F=278,41; p<0,01), sementara kelompok tidak berpengaruh terhadap prestasi (F=1,1,4; p> 0,05). Patokan untuk menilai uji F adalah sebagai berikut.
· jika sig: p > 0,05 maka tidak ada perbedaan.
· jika sig: p < 0,05 maka ada perbedaan pada taraf sig 5%
· jika sig: p < 0,01 maka ada perbedaan pada taraf sig 1%
Dikarenakan kelompok tidak berpengaruh terhadap prestasi, maka dapat disimpulkan bahwa tidak terdapat perbedaan prestasi antara kelompok kontrol dan eksperimen. Hal ini berarti metode jigsaw tidak efektif untuk meningkatkan prestasi belajar.
Estimasi Means dengan mengendalikan IQ
Tabel kelima menyajikan mean prestasi masing-masing kelompok setelah mengontrol IQ. Maksud mengontrol IQ adalah membuat IQ setara. Dari hasil analisis di atas IQ dikontrol seragam pada level 100,67. Setelah IQ dikontrol, ternyata mean prestasi kelompok kontrol dan eksperimen setara (83,70 dan 83,35). Padahal dari analisis deskriptif menunjukkan mean prestasi kelompok kontrol dan eksperimen berbeda cukup jauh. Ternyata perbedaan prestasi yang besar tersebut juga dipengaruhi oleh adanya perbedaan IQ. Karena IQ kedua kelompok tidak setara, maka prestasinya juga tidak setara. Namun setelah IQ dikontrol, ternyata prestasi antara kedua kelompok tidak jauh berbeda.
Bandingkan dengan hasil analisis Independent sample t-test ini
Jika kita menganalisis dengan independent sample t-test untuk melihat adakah perbedaan prestasi antara kelompok kontrol dan eksperimen, maka diperoleh hasil ada perbedaan yang signifikan prestasi antara kelompok kontrol dan eksperimen (t=-3,8; p<0,01). Hal ini tentu berbeda dengan hasil analisis Anakova. Adanya perbedaan ini karena kita tidak melibatkan IQ dalam analisis independent sample t-test. Padahal kita tahu bahwa IQ juga berpengaruh terhadap prestasi. Oleh karena itu, dengan mengontrol IQ maka hasil penelitian kita menjadi lebih akurat karena pengaruhnya sudah dihilangkan.
Data untuk yang digunakan untuk latihan analisis data ini dapat didownload di sini
No comments:
Post a Comment