BAB V ANAISIS KOVARIAN SATU JALUR (ANAKOVA SATU JALUR)

Transkripsi

1 BB V NISIS KOVRIN STU JLUR (NKOV STU JLUR) Kompetesi Dasar Mahasiswa memahami tetag aalisis kovaria satu jalur, serta mampu megguakaya utuk megaalisis data kuatitatif. Idikator pecapaia Mahasiswa dapat: 1. kosep dasar aalisis kovaria. mejelaska mafaat aalisis kovaria 3. melakuka aalisis kovaria satu jalur 4. megguaka aalisis kovaria satu jalur utuk megaalisis data peelitia kuatitatif Uraia Materi alisis Kovarias (akova), fugsiya sama dega NV, haya saja dalam NKOV ditambah pegedalia secara statistik terhadap variabel umerik. Variabel umerik dimasukka sebagai kovariabel dega tujua utuk meuruka error varias, dega jala meghilagka pegaruh variable tersebut. Termasuk salah satu statistik yag kuat. Bergua utuk peelitia eksperime maupu o eksperime. Dega megguaka Racaga akova, pegambila sampel secara acak tidak lagi sagat diperluka. akova merupaka gabuga atara aalisis varia da aalisis regresi. sumsi yag harus dipeuhi dalam NKOV adalah: (1) data berdistribusi ormal, () varias dalam kelompok homoge, (3) betuk regresi liear, (4) koefisie arah regresi tidak sama dega ol, da (5) koefisie arah regresi homoge. Rumus yag diguaka: F * = JK* / Db* JKd* / Dbd* 107

2 Cotoh aplikasi dalam aalisis data. Rumusa masalah peelitia Setelah dikedalika oleh skor tes bakat (X), apakah terdapat perbedaa hasil belajar (Y) atara siswa yag megikuti pembelajara dega metode kooperatif ( 1 ) dega metode ceramah ( ) da pemberia tugas ( 3 )? B. Rumusa Hipotesis Peelitia Hipotesis peelitia: Setelah dikedalika oleh kovariabel skor tes bakat (X), terdapat perbedaa hasil belajar (Y) atara siswa yag megikuti pembelajara dega metode kooperatif ( 1 ) dega metode ceramah ( ) da pemberia tugas ( 3 ). Hipotesis Statistik: H 0 : µ 1 = µ = µ 3 H 1 : µ 1 µ µ 3 Kriteria pegujia: Tolak H 0 jika F* > F t(α; db :db D) Terima H 0 jika F* < F t(α; db :db D) C. Cotoh plikasi dalam aalisis Data 108

3 1. Tabel Data Tabel 49. Data Hasil Peelitia 1 3 X Y X Y X Y Keteraga: = Metode Megajar ( 1 = metode ceramah, = metode pemberia tugas, da 3 = metode kooperatif. X = Skor Tes Bakat (ptitude Test Score) = kovariabel (X) Y = Skor Prestasi Belajar Biologi. Lagkah-lagkah Perhituga Tabel 50. Format Tabel Statistik (data hasil peelitia) Statistik 1 3 Total X X Y Y XY _ X _ Y , a. Meghitug Sumber Variasi Total (Residu) 1). Jumlah Kuadrat Total Y ( y ) 109

4 JK Yt = y t = (SS tot ) = Y T ( Y T ) = (1050) = 3956 N 30 ). Jumlah Kuadrat Total X JK Xt = x t = X t ( X T ) = 586,67 N 3). Jumlah Produk Total (XY) JP XYt = xy = XY T ( X T )( Y T ) = 30 N 4). Meghitug Beta Beta t = xy = 0,519 x 5). Meghitug JK Reg. Tot. = β * xy = 0,519 * 30 = 1567,9 6). Meghitug JK Res. Tot. = JK Yt JK Reg. Tot = ,9 = 388,641 b. Meghitug Sumber Variasi dalam ( JK dal.residu) 1). JK Y = ( Y ) y = Y T ). JK Xd = x d = X T ( ) 5700 = (300 / / /10) =36 X = (50 / / /10) ( X )( Y ) 3).JP XY = xy d = XY Tot =548-50*300: *390: *360:10) = 4). Beta dal. xyd = = : 5700 = 0,5705 x d 5). JK reg.dal. = β * xy = 0,5705* =1855, 6). JK dal res. = JK Y JK reg. = , =1680,648 = 1680,65 c. Sumber Variasi tar SV Tot SV dal. = JK res.tot JK res. dal. = 388, ,65= 707,993 d. Memghitug derajat kebebasa Db * = db = a 1 = 3-1= 110

5 Db D* = db D M = N a M ( jumlah kovariabel) = = 6 Db Tot.* = db Tot. M = N 1 M = =8 e. Rata-Rata Residu ( djusted Mea) _ M 1 = Y 1 β dal. (X 1 X T ) = 30-0,57(5-49,33) = 8,48 _ M = Y β dal. (X X T ) = 39 0,57 (47 49,33) = 40,33 _ M 3 = Y 3 β dal. (X 3 X T ) = 36 0,57 (49 49,33) = 36,19 Tabel 51. Ragkuma alisis Kovaria Satu Jalur SV JK*(SS) db* RJK*(MS) F* F tab (Taraf Sig.5%) tar 707,993 3,9965 5,476 3,37 Dalam (error) res 1680, , Total (res) 388, Dari perhituga diperoleh F* = 5,476, sedagka F table pada taraf sigifikasi 5% dega db : 6 adalah 3,37. Dega demikia, H0 ditolak da H1 diterima, sehigga dapat disimpulka bahwa setelah dikedalika oleh kovariabel skor tes bakat, terdapat perbedaa hasil belajar yag sigifika atara siswa yag megikuti pembelajara dega metode kooperatif dega siswa yag megikuti pembelajara dega metode ceramah da metode pemberia tugas. Karea hasilya/ harga F* sigifika, maka dilajutka dega uji lajut. 3. Uji Lajut 1). Fisher Protected LSD (Least Sigificat Differece) ). Tukey HSD (Hoestly Sigificat Differece) 3). Du Boferroi Procedure 4). t-scheffe (jika bayak sel) Protected LSD 111

6 Rumus: t 1- = 1 1 ( X X ) M RJKd M + 1 JK dal. = 3,6 sig (t tab.,056) t 1-3 =,14. Sig t -3 = 1,15..s 6. Mearik Kesimpula ( khusus tiap sel) (latiha meyimpulka) Daftar Pustaka 11

7 rderso, T.W., Itroducti to Multivariate Statistical alysis, Joh Wiley & Sos, Ic., New York, Chig Chu Lie, Path alysis a primer,, Califoria: Pasific Grove, Everit, Bria S & Graham Du, pplied Multivariate Data alysis, New York: Halsted Press, Guilford, J.P. ad fruchter, B., Fudametal Statistics i Psycholoy ad Educatio, New York: McGraw-Hill Ltd, Hair, Joseph F. Jr. cs., Multivariate Data alysis, Upper Saddl River, NJ: Pretice Hall Iteratioal Ic., Imam Ghazali, pplied alisis Multivariat dega Program SPSS, Semarag: Bada Peerbit Uiversitas Dipoegoro, 001. Kerliger, F.N. ad Pedhazur, E.J., Multiple Regressio i Behavioral Research, New York: Holt Riehart ad Wisto, Ic., Siggih Satoso, SPSS Statistik Multivariat, Jakarta: Elex Media Komputido, 00 Sutriso Hadi, Statistik, Jilid, 3, Yogyakarta: UGM, Sutriso Hadi, alisis Regresi, Yoyakarta: UGM, Sudjaa, Metoda Statistika, Badug: Tarsito, 199. Sudjaa, Tekik alisis Regresi da Korelasi bagi Para Peeliti, Peerbit Tarsito, Badug, 199. Sugiyoo, Statistika utuk Peelitia, Badug: Peerbit CV lfabeta,