analisis kovarians
TRANSCRIPT
7/30/2019 Analisis Kovarians
http://slidepdf.com/reader/full/analisis-kovarians 1/8
Analisis Kovarians (ANCOVA)
Analisis Kovarians (ANCOVA) merupakan model linier dengan satu variabel dependen kontinudan satu atau lebih variabel independen. Jikalau kalimat tersebut mengingatkan anda kepada
regresi linier berganda, yap, anda betul, karena ANCOVA merupakan penggabungan antara
ANOVA dan regresi linier yang lazimnya menggunakan variabel kontinu (kuantitatif) .ANCOVA dilakukan dengan menambahkan variabel penguat (kovariat) ke dalam modelsehingga memperkuat ketepatan/presisi analisis dan meningkatkan signifikansi secara statistik.
Secara spesifik, uji ANCOVA menggunakan asumsi layaknya uji ANOVA, dimana error masing-masing variabel penjelas terdistribusi secara normal dan bersifat homoskedastik , artinya
tidak mengandung masalah heteroskedastisitas dimana nilai residual memiliki keragaman yang
konstan, dan data setidaknya memiliki standar error yang kecil . Uji ANCOVA juga
mempersyaratkan adanya hubungan linier antara variabel dependen dan independen, katakanlahanda ingin melihat faktor yang mempengaruhi pertumbuhan kucing pak mamat, tidak mungkin
anda menggunakan faktor penjelas jumlah produksi makanan kucing “misalnya whiskas” per
tahun, bisa saja kucingnya pak mamat makannya ikan asin, ilustrasi antara kedua faktor ini bisadikatakan tidak memiliki hubungan linier. :p
Model yang digunakan dalam ANCOVA adalah sebagai berikut:
Yi,j,k,…z = α+ d1 + X + εijk…m
Dimana:
Y = variabel independen i, j, k, …, z
α = konstanta
d1 = faktor atau variabel independen (dapat berupa variabel kontinu maupun kategorik)
X = faktor penguat (kovariat)
ε = error
Dengan persamaan tersebut, uji ANCOVA dapat dilakukan untuk beberapa hal sebagai berikut:
1. Membandingkan efek perlakuan atau efek faktor/variabel yang digunakan terhadap prediktor.
2. Menghitung keragaman (varians)
3. memasukkan variabel penguat (kovariat) untuk mengontrol keragaman.
7/30/2019 Analisis Kovarians
http://slidepdf.com/reader/full/analisis-kovarians 2/8
4. Menjelaskan hubungan antar variabel dependen (Y) dengan variabel independen (X)
setelah menghubungkan variabel penguat terhadap variabel independen.
Ilustrasi:
Oke, seperti biasa kita akan membahas contoh aplikasinya dengan bantuan software, kali ini kitamenggunakan Minitab 14, kenapa eh kenapa, karena contoh yang kita bahas kali ini adalah untuk
para ilmuan eksak, bukan ilmuan sosial yang akrab dengan SPSS, lagian bosen SPSS terus
Misalnya kita akan melihat pengaruh kebiasaan merokok (smokes) yang dinyatakan dengan 1sebagai merokok dan 2 sebagai tidak merokok, terhadap denyut jantung (pulse) denganmenggunakan variabel penguat (kovariat) jenis kelamin (sex) yang dinotasikan dengan 1
sebagai male dan 2 sebagai female.
1. Kita memiliki sampel pengunjung rumah sakit “MADU TIGA” sebanyak 92 orang, data pasien yang didapatkan setelah kita masukkan ke dalam worksheet Minitab 14 adalah sebagai
berikut:
2. Setelah data diinput, kita dapat menjalankan command dengan memilih STAT – ANOVA –
GENERAL LINEAR MODEL di menubar sebagai berikut:
7/30/2019 Analisis Kovarians
http://slidepdf.com/reader/full/analisis-kovarians 3/8
3. Setelah muncul kotak dialog general linear model , kemudian kita masukkan variabel PULSE ke dalam kotak RESPONSE, dan variabel independen SMOKES ke dalam kotak MODEL di
sebelah kanan, kemudian klik COVARIATES seperti berikut ini:
7/30/2019 Analisis Kovarians
http://slidepdf.com/reader/full/analisis-kovarians 4/8
4. Setelah muncul kotak dialog GENERAL LINEAR MODEL – COVARIATES, kita akanmemasukkan variabel SEX sebagai variabel penguat ke dalam kotak COVARIATES, kemudian
klik OK .
7/30/2019 Analisis Kovarians
http://slidepdf.com/reader/full/analisis-kovarians 5/8
5. Kemudian kita pilih menu COMPARISON, checklist PAIRWISE COMPARISON, TUKEY, dan pada kotak TERMS masukkan variabel yang kita gunakan sebagai faktor tadi yaitu SMOKES, biarkan
nilai CONFIDENCE INTERVAL 95%, kemudian klik OK , seperti berikut:
6. Setelah itu kita beralih ke menu RESULT, checklist DISPLAY EXPECTED MEAN, dan
masukkan variabel SMOKES ke dalam kotak DISPLAY LEAST SQUARE trus klik OK ,
7/30/2019 Analisis Kovarians
http://slidepdf.com/reader/full/analisis-kovarians 6/8
7. Kemudian klik
OK lagi, maka akan ditampilkan output seperti berikut:
7/30/2019 Analisis Kovarians
http://slidepdf.com/reader/full/analisis-kovarians 7/8
Lihatlah saudara-saudara, nilai
p-value variabel SEX dan SMOKES berturut-turut adalah 0,027 dan o,035 dengan nilai R-square sebesar 26,85. Ini mengindikasikan bahwa model yang dihasilkan signifikan, karena
kurang dari nilai kritik alpha sebesar 0,05. Serta untuk nilai p-value variabel SMOKES yang kita
gunakan sebagai faktor adalah sebesar 0,035 yang kurang dari nilai alpha 0,05 mengindikasikan bahwa terdapat bukti yang kuat adanya perbedaan antara pasien yang memiliki kebiasaan
merokok dengan yang tidak, walaupun telah memasukkan variabel penguat (kovariat)
SEX ke dalam model.
7/30/2019 Analisis Kovarians
http://slidepdf.com/reader/full/analisis-kovarians 8/8
Output berikut
menunjukkan perbedaan (difference) rentang adjusted mean dalam model untuk variabel
independen SMOKES.