Kind: captions
Language: id
Assalamualaikum warahmatullahi
wabarakatuh berjumpa lagi dengan saya di
channel YouTube saya ensiklopedia Ahmad
Fauzi channel yang akan membahas
berbagai hal yang berkaitan dengan
statistika analisis data isu-isu
pendidikan dan penelitian biologi dan
ilmu pengetahuan
lainnya pada video kali ini Mari kita
mempelajari bagaimana caranya melakukan
analisis one way uncova dengan
menggunakan SPS S selain itu kita juga
akan menghitung effectfek size ketika
kita melakukan analisis ankova dan kita
juga akan mencoba melihat Apakah hasil
analisis kita perlu diuji lanjut atau
tidak Dan kemudian kita juga akan
mempelajari bagaimana caranya melakukan
analisis nonparametrik pengganti oneway
ankova yaitu quades Rang Analysis of
covariance sama seperti biasanya Saya
berasumsi bahwa kalian semua telah
menginstal program SPSS di komputer atau
laptop kalian
masing-masing selain itu saya juga
beranggapan bahwa kalian sudah familiar
dengan menu-menu umum dan tampilan umum
dari program
SPSS pada video kali ini ada beberapa
tujuan yang saya harapkan dapat tercapai
ketika kalian telah menonton video ini
hingga di bagian akhir yang yang pertama
adalah kalian mampu menganalisis
keterpenuhan asumsi sebelum uji oneway
uncova
dilakukan selanjutnya Kalian juga mampu
melakukan uji one way uncova dengan
menggunakan program
SPSS saya harapkan Kalian juga dapat
menghitung effectf
size-nya dan melakukan analisis uji
lanjut bila uji lanjut tersebut memang
perlu
dilakukan kemudian Kalian juga saya
harapkan mampu melakukan uji Kuad Serang
analisis of covarian sebagai uji
nonparametrik ketika asumsi unkova tidak
terpenuhi dan yang terakhir saya
harapkan Kalian juga mampu
menginformasikan atau melaporkan hasil
analisis baik hasil analisis ankova
asumsi-asumsinya effect size-nya ataupun
hasil analisis non parametriknya yaitu
quades Rang Analysis of covariance
Sebelum kita belajar bagaimana caranya
melakukan analisis ankova menggunakan
SPSS Mari kita review sejenak Apa itu
uji oneway ankova
uji oneway ankova bisa juga kita kenal
sebagai anakova sat jalur one way
berarti satu jalur atau satu arah
sedangkan ankova diartikan dalam bahasa
Indonesia adalah anakova ankova sendiri
merupakan singkatan dari analisis of
covari sedangkan
anakova disingkat atau merupakan
singkatan dari analisis
kovarian sehingga bila kita menjumpai
skripsi yang menyatakan analisis datanya
menggunakan anakova satu jalur
sebenarnya analisis tersebut sama dengan
one way
ancova analisis ini digunakan untuk
menganalisis ada tidaknya perbedaan
signifikan rerata di antara dua kelompok
atau lebih yang tidak saling
berkaitan analisis ini jadinya sama
seperti oneway
Anova namun ciri data yang dibutuhkan
ketika data ingin dianalisis menggunakan
ankova berbeda dengan
Anova ciri data tersebut antara lain
terdiri atas satu variabel bebas
memiliki data
kovariat kemudian memiliki dua kelompok
data yang akan kita bandingkan atau bisa
lebih dan memiliki satu variabel terikat
Nah di sini perbedaannya dengan oneway
Anova adalah keberadaan data covariat
pada analisis varian atau Anova kita
tidak membutuhkan data kovariat
sedangkan pada ankova keberadaan data
ini merupakan hal yang wajib apa itu
data kovariat akan kita bahas di video
ini namun di bagian
selanjutnya nah berbeda juga dengan
Anova yang kita gunakan adalah rerata
kelompok pada
ankova kita menentukan ada tidaknya
perbedaan didasarkan pada adjusted Min
atau dalam bahasa Indonesia rerata yang
disesuaikan dengan
kovariat Apa itu maksudnya adjustedement
dan bagaimana bentuk dari adjust
statement nanti akan kita lihat ketika
kita telah melakukan analisis ankova
menggunakan SPSS
uji one way ankova jugaangap dapat
dianggap sebagai perpanjangan dari
oneway Anova namun Seperti yang saya
katakan tadi melibatkan
kovariat kova memungkinkan kita
mengontrol secara statistik variabel
ketiga variabel ketiga ini biasa juga
kita kenal sebagai variabel perancu atau
confounding variabel yang menurut kita
akan mempengaruhi hasil kita
Apa itu maksudnya misalkan saja kita
melakukan penelitian pendidikan kita
ingin membandingkan beberapa model
pembelajaran yang menurut kita dapat
mempengaruhi hasil belajar siswa
misalkan saja kita membandingkan tiga
kelas di ketiga kelas tersebut
menggunakan model pembelajaran yang
berbeda-beda misalkan model pembelajaran
a b dan
c karena kita akan melakukan penelitian
eksperimen dan ranah penelitian
eksperimen kita di bidang pendidikan
maka kita akan berhadapan dengan siswa
sebagai subjek penelitian kita dan kita
tahu kita tidak bisa mengontrol kondisi
awal dari setiap siswa yang kita
libatkan di penelitian kita kita tidak
bisa memandang seluruh siswa di setiap
kelas memiliki kemampuan awal yang sama
kita juga sadar kemampuan awal tersebut
akan mempengaruhi kemampuan akhir
setelah kita memberikan model Pajaran
tertentu Oleh karena itu kemampuan awal
ini kita posisikan sebagai kovariat
yaitu data awal yang kita anggap sebagai
variabel perancu yang mampu mempengaruhi
capaian atau variabel trik dari siswa
tadi Oleh karena itu data awal tadi kita
kenal juga sebagai pretest dan kita
istilahkan sebagai variabel
covariat ketika kita melakukan analisis
ankova kita akan
membandingkan variabel trikat kita yang
telah dikontrol oleh variabel kovariat
tadi Oleh karena itu rerata yang kita
gunakan untuk membandingkan dan
menyimpulkan ada tidaknya perbedaan
pengaruh signifikan adalah bukan rerata
postes saja namun rerata postes yang
telah dikontrol atau terkoreksi oleh
rerata
prites dan berikut adalah asumsiasumsi
uji ankova yang perlu kita perhatikan
sebelum data kita kita analisis
menggunakan uji hipotesis ini yang
pertama adalah variabel trikat berupa
skala interval atau rasio Misalnya saja
tes hasil belajar tadi Oleh karena itu
ketika kita menggunakan SPSS kita
pastikan measure dari data kita berupa
skill selanjutnya variabel bebas berupa
data kategoris yang membagi data menjadi
minimal dua kelompok yang tidak saling
berkaitan contoh kasus yang tadi kita
memiliki tiga kelas sehingga kita
memiliki tiga kelompok data ketika kita
hanya memiliki dua kelas kita juga bisa
menggunakan
ankova ketika kita memiliki 10 kelas
kita juga masih bisa menggunakan
ankova Selain itu independensi observasi
juga menjadi salah satu asumsi dari uji
oneway ancova oleh karena itu perlu kita
pasti
bahwa satu subjek tidak akan
mempengaruhi capaian subjek yang lain
Siswa A tidak akan mempengaruhi capaian
hasil belajar siswa B bahkan siswa C
yang di luar kelas tersebut dan juga
kita pastikan Siswa A hanya ada di kelas
itu saja Siswa A bukan menjadi anggota
di lebih dari salah satu kelas itu
merupakan salah satu penjelasan Apa yang
dimaksud dengan independensi
observasi kemudian kita juga haruset
ahui bahwa data kita tidak memiliki out
layer yang sangat
signifikan selanjutnya data kita
khususnya residual data kita
terdistribusi secara normal Oleh karena
itu berbeda dengan uji t dan uji oneway
Anova ketika Uji T khususnya Uji T
berpasangan data yang Kita uji
normalitasnya adalah data selisih antara
selisih data kelompok 1 dengan kelompok
du misalkan kita menggunakan satu kelas
ada pretest ada post tes kemudian kita
ingin melakukan uji t berpasangan maka
data yang diuji normalitas adalah data
selisih antara postes dengan pretest itu
adalah kasus ketika kita menggunakan uji
t berpasangan tetapi ketika kita
menggunakan
Anova yang diuji normalitas adalah
setiap data di kelas atau di kelompok
data kita misalkan kita meneliti lima
kelas maka uji normalitas dilakukan lima
kali yaitu setiap kelas dilakukan uji
normalitas namun pada ankova data yang
dianalisis bukan data selisih bukan pula
data perkelompok melainkan residual dari
data
kita selanjutnya varian satu kelompok
dengan kelompok lainnya harus homogen
asumsi ini juga kita temukan ketika kita
melakukan uji t tidak berpasangan maupun
oneway dan Two Way annova
kemudian kovariat harus berhubungan
secara linear dengan variabel triikat
kita bila kovariat kita pres dan
variabel triikat kita adalah postes maka
pretes dan postes harus memiliki
hubungan yang linear dan keberadaan
hubungan linear ini terjadi di setiap
kelompok data kita Oleh karena itu bila
kita memiliki tiga kelas maka linearitas
ini terjadi di ketiga kelas tersebut
dan terakhir kita juga harus
menganalisis Apakah kemiringan garis
regresi dari setiap hubungan tadi
homogen Bila kita memiliki tiga kelompok
data atau tiga kelas kita lihat apakah
garis regresi yang dihasilkan oleh
hubungan antara kovariat dan Variabel
terikat di ketiga kelas tidak saling
berpotongan alias
homogen Selain Kita menganalisis Anova
atau one way ankova kita juga perlu
menghitung effect
size-nya seperti di video video
sebelumnya Ketika kita menganalisis
Anova ankova ataupun UJ t kita akan
memperoleh nilai
signifikansi nilai signifikansi itu
hanya dapat menginformasikan kepada kita
Apakah perlakuan yang kita berikan
memberikan pengaruh signifikan atau
tidak terhadap variabel trikat kita
namun informasi itu hanya sebatas itu
hanya keberadaan
pengaruh Bila kita ingin mengetahui
seberapa besar pengaruh yang dihasilkan
maka kita perlu menghitung Effect
size-nya dan saya tekankan lagi
perbedaan dapat saja signifikan secara
statistik namun bisa saja tidak terlalu
mengesankan dalam artian lain bisa saja
pengaruh kita bersifat nyata atau
signifikan tetapi pengaruh tersebut
tidaklah terl
dan salah satu pengukuran Ses yang
paling umum digunakan saat melakukan
ankova adalah parsial it squ atau
parsial Eta
Square dan sama seperti Anova ketika
kita melakukan ankova bisa saja kita
harus melakukan uji lanjut atau pos
tes pos tes dilakukan ketika hasil uji
Anova maupunova jukkan adanya perbedaan
signifikan di antara kelompok yang Kita
uji bila kita menguji ketiga kelas dan
hasil uji Anova maupun ankova menyatakan
adanya perbedaan signifikan maka kita
perlu melakukan uji
lanjut dengan menggunakan uji lanjut
kita akan mengetahui dan kita bisa
menentukan kelompok mana saja yang
saling berbeda signifikan satu sama lain
Oleh karena itu bila kita menggunakan
tiga kelas kita bisa mengetahui kelas
mana saja yang berbeda signifikan dan
kelas mana saja yang tidak berbeda
signifikan namun perlu kita perhatikan
hasil uji lanjut ini hanya dilakukan
ketika kelompok yang dianalisis
berjumlah lebih dari dua misalkan kita
membandingkan dua kelas maka kita tidak
perlu melakukan uji lanjut bila hasil
SPSS menunjukkan adanya uji lanjut kita
tidak perlu melihat hasilnya
nya dan yang terakhir perbedaan bidang
seringkiali menyebabkan perbedaan
pilihan uji lanjut yang
digunakan pada umumnya ketika kita
melakukan penelitian di bidang
pendidikan kita biasa menggunakan uji
LSD atau Bahasa Indonesianya adalah bnt
beda nyata terkecil dan ketika kita
melakukan penelitian di pertanian
peternakan atau bahkan kedokteran uji
lanjut yang dipilih pun juga berbeda
bisa dunken bisa Tuki atau bisa uji
lanjut yang
lain dan ketika asumsi data kita tidak
memenuhi asumsi dari oneway ankova maka
kita perlu melakukan analisis
nonpametrik pengganti ankova yaitu Kuad
Rang analisis of
covarian seperti yang saya katakan tadi
Kuad Serang analisis of covarian
merupakan non parametrik yang digunakan
untuk menganalisis ada tidaknya
perbedaan signifikan dua kelompok atau
lebih yang tidak saling
berkaitan dan analisis ini digunakan
sebagai pengganti oneway ankova ketika
distribusi data kita tidaklah normal
oke Sekarang waktunya kita mencoba
melakukan analisis one ancova
menggunakan SPSS sebelum kita melakukan
analis tersebut Anggap saja kita telah
melakukan penelitian di suatu sekolah
penelitian tersebut mengkaji pengaruh
model pembelajaran kooperatif berbasis
online terhadap literasi sains siswa SMA
topik penelitian ini menarik untuk
dilakukan khususnya di masa pandemi saat
ini alasannya adalah pada masa pandemi
saat ini seluruh pembelajaran dialihkan
menjadi pembelajaran jarak jauh
pembelajaran jarak jauh tersebut
tentunya menggunakan berbagai platform
online sehingga kita mengenal istilah
pembelajaran daring atau dalam jaringan
di sisi lain kita juga menyadari
ternyata di situasi pandemi seperti saat
ini ternyata masyarakat Indonesia banyak
yang memiliki literasi sains yang
kategorinya tidak tinggi Salah satu
bukti yang kuat adalah banyak yang lebih
mudah percaya terhadap teori-teori
konspirasi daripada berbagai fakta dan
konsep ilmiah yang ditemukan atau
diinformasikan oleh para
saintis hal tersebut merupakan salah
satu indikasi rendahnya literasi sains
masyarakat suatu
negara Sekarang mari kita kembali ke
data
ini Nah di sini bisa kita lihat kita
memiliki kolom inisial nama kemudian
kelas pretest literasi sains dan postes
literasi
sains nah misalkan saja di kelas ini
kita membandingkan berbagai model
pembelajaran yang mungkin bisa
meningkatkan literasi sains para siswa
kemudian sebelum model pembelajaran
tersebut kita lakukan kita melakukan
pretes atau tes awal yang EE yang
menggali literasi sains siswa sebelum
model pembelajaran tersebut diterapkan
di kelas masing-masing kemudian setelah
model pembelajaran kita terapkan misal
Selama 2 bulan kita memberikan tes akhir
atau post tes literasi sains untuk
memudahkan kita melakukan analisis
mungkin label yang kita gunakan langsung
kita gunakan nama-nama model
pembelajaran tersebut kita lihat di sini
ternyata kita
melibatkan en kelas Oleh karena itu Mari
kita labeli kelas-kelas tersebut dengan
menggunakan nama-nama model pembelajaran
yang berbeda-beda kita tulis Tuliskan di
sisi kanan dari tabel Rekapitulasi data
kita kita Tuliskan
label kita beri label 1 ketika model
pembelajarannya adalah problem Based
Learning pembelajaran berbasis Masalah
nomor du adalah TPS think perare nomor t
adalah
ciksau yang nomor EMP
adalah remap yang kelima misalkan
STAD dan yang keenam adalah inquiry
Based Learning ini hanya permisalan
saja namun bila kalian ingin memberi lab
sesuai nama kelas tadi IPA 1 IPA 2 IPA 3
IPA 4 IPA 5 hingga IPA 6 juga tidak
masalah misalkan saja ya labelnya satu
adalah IPA
1 dua IPA 2
tiga ya IPA 3 4 IPA
4 5 IPA 5 dan yang terakhir label 6
adalah IPA 6 Oleh karena itu pemberian
label merupakan hak prerogatif dari
peneliti itu sendiri Terserah kalian Oke
kolom kelas sudah beres sekarang kita
lihat kolom prites dan postes ini
merupakan hasil prites ini merupakan
hasil postes yang sama-sama berupa skala
interval karena data kita sudah siap
Mari kita buka program SPSS
kita setelah program SPSS kita buka maka
seperti biasanya kita akan diarahkan ke
data
view sebelum ke data view Mari kita
kembali mengklik variabel View di bagian
kiri bawah di layar kalian
Setelah kalian mengklik variabel View
maka tampilannya akan berubah seperti
ini selanjutnya Mari kita kecilkan
window ini sehingga kita bisa melihat
data di Excel kita tadi dengan cara Klik
tombol Kotak di bagian kanan atas dari
window dataset
kita sekarang Mari kita tulis
variabel-variabel di dalam penelitian
kita
tadi yang pertama adalah kelas Kemudian
yang kedua pretest literasi sains
misalkan kita singkat sebagai
xls kemudian postes literasi sains kita
singkat sebagai y
LS kemudian di type dari data kita dari
tab variabel kita kita tidak perlu
mengubah apapun wid-nya juga tidak perlu
kita ubah desimalsnya juga tidak perlu
kita rubah sedangkan di label kita bisa
melengkapi nama variabel kita xls adalah
pretest
literasi
SS sedangkan yls adalah
postes literasi sides di value yang
perlu kita labeli hanyalah variabel
pertama yaitu kelas Mari kita labeli
kelas dengan mengarahkan kursor kita ke
bagian kanan lalu Klik sekali
menggunakan klik kiri sehingga kita akan
memperoleh kotak dialog ini
tadi ada enam label yaitu label IPA 1
hingga IPA 6 Oleh karena itu Mari kita
labeli satu
persatu value 1 adalah kelas IPA
1 atau kita langsung tulis IPA satu saja
biar lebih
mudah kemudian
adalah IPA
2 kemudian value 3 adalah IPA 3 value 4
adalah IPA
4 value 5 adalah kelas IPA 5 dan yang
terakhir value 6 labelnya adalah IPA
6 setelah kita memberi lapir dari keenam
kelas kita mari kita Klik tombol
Oke selanjutnya di kolom missing kita
tidak perlu melakukan apa-apa begitu
juga di kolom-kolom dan align pada kolom
measure perlu kita identifikasi setiap
variabel
kita pada variabel kelas Mer kita berupa
data
nominal sedangkan pada pretest dan post
test measure kita berupa
scill Sekarang mari kita kembali ke
tampilan dat view kemudian kita kembali
ke Excel untuk meng-copy data yang telah
kita rekap di program excel tersebut
dengan cara memblok semua data kita dari
atas hingga
bawah Setelah terblok semua kita tekan
ctrl c di keyboard kita masing-masing
kemudian kita kembali ke data view di
SPSS kita kita klik baris pertama kolom
pertama lalu kita klik ctrl V atau kita
tekan ctrl V di keyboard kita
masing-masing
dengan cara seperti itu kita telah
menyalin data dari Excel ke SPSS
kita sekarang Mari kita perbesar
tampilan dari SPSS kita lagi dengan cara
klik Kotak di bagian kanan atas program
SPSS
kita karena data sudah siap Mari kita
save data ini terlebih dahulu dengan
cara klik icon disket di bagian kanan
atas dari program SPS kita masing-masing
setelah kita Klik sekali tombol disket
tersebut Sekarang waktunya kita mencari
folder yang kita gunakan untuk menyimpan
dataset kita ini misalkan saja saya
gunakan folder one way uncova berikut
lalu jangan lupa beri nama sesuai
keinginan kita dengan mengganti file
name dari untitle 1 menjadi nama yang
kita inginkan misalkan saja data oneway
ancova lalu kita perlu menekan tombol
enter di keyboard kita masing-masing
Faila data kita sudah tersave dan SPSS
telah melaporkan operasi yang telah kita
lakukan tersebut di bagian output yaitu
save out file dan ini folder yang kita
gunakan untuk men-save file dataset
tersebut data kita sudah tersave
Sekarang waktunya kita melakukan oneway
uncova tapi ingat ada berbagai asumsi
yang perlu kita cek ketika kita
melakukan oneway
Anova namun menariknya ketika kita akan
melakukan uji asumsi sebaiknya kita
melakukan uji oneway unkova dulu
kemudian kita melakukan uji asumsi yang
telah di perlu kita lakukan
Kenapa karena beberapa uji asumsi telah
include telah tergabung di dalam output
ankova dan beberapa uji diasumsi
menggunakan variabel baru di mana
variabel baru tersebut baru bisa muncul
ketika telah melakukan analisis oneway
Anova agar tidak bingung Mari kita
langsung praktikkan Bagaimana langkah
secara lengkap menganalisis ankova
beserta uji-uji asumsi yang kita
butuhkan sekarang Mari kita lakukan
analisis ankova secara
bersama-sama yang pertama kita klik menu
analy kemudian kita pilih menu general
linear model lalu kita pilih Uni
varariate pada dependent list kita pilih
variabel triikat kita yaitu postes
literasi
sains sedangkan pada fix ftor kita
masukkan variabel bebas kita yaitu
variabel kelas hingga tahapan ini kita
melakukan tahapan yang sama dengan
ketika kita melakukan uji oneway annova
namun ketika kita melakukan uji oneway
unkova kita juga memiliki data kovariat
yaitu variabel pretest variabel ini kita
masukkan ke kolom kovariat dengan
menggunakan klik tombol panah
berikut setelah itu yang perlu kita
lakukan adalah kita pergi ke arah kanan
di sini ada berbagai menu yang perlu
kita ubah yang pertama kita klik menu SH
setelah menu save kita tekan Maka akan
muncul kotak dialog univarie.2 save Mari
kita centang data residual khususnya
pada tulisan
unstandarized kita klik kiri sekali
sehingga muncul centang di bagian kotak
kiri tulisan
unstandarized
nah langkah ini kita gunakan untuk
mendapatkan variabel baru yaitu variabel
data residual dan data residual inilah
yang nanti akan kita lakukan uji
normalitasnya kemudian Mari kita Klik
tombol
continue selanjutnya kita Klik tombol
option pada tombol option kita pindahkan
kelas ke kotak display min4 dengan cara
mengklik tanda panah
ini setelah itu jangan lupa centang
compare mind effect sehingga
LSD Kung non tidak perlu kita ubah tetap
lsdung non pada kotak display di bagian
bawah Mari kita centang desriptive
statistick homogenity test dan estimat
of effect
size saya ingatkan lagi seperti di
video-video sebelumnya pada beberapa
versi SPSS yang lebih tinggi menu
estimate Marginal means terpisah dengan
menu option Oleh karena itu pada kalian
yang menggunakan SPSS yang lebih tinggi
klik save klik option dan klik
em minans save kalian klik untuk
mencentang unstandarage residual option
kalian klik untuk mencentang descriptive
statistic estimate of effect size dan
homogenity test dan em means kalian klik
untuk memindahkan kelas dari kolom Kiri
Ke kolom kanan dan mencentang compare
main effects
setelah itu Klik tombol
continue kemudian kita Klik tombol
Oke setelah kita Klik tombol Oke maka
secara otomatis di Window output kita
akan disajikan output analisis ankova
yang telah kita lakukan di sini ada
berbagai tabel dan beberapa tabel
penting yang perlu kita baca yang
pertama adalah tabel leent test equality
of error variance ini merupakan hasil
uji homogenitas kita ketika nilai
sig-nya di atas
0,05 maka data keenam kelas kita homogen
namun bila kurang dari 0,05 maka data
keenam kelas yang kita gunakan untuk
analisis kali ini tidaklah homogen
karena nilai sig-nya
0,476 dan
0,476 jauh di atas 0,05 maka kita
simpulkan bahwa data yang kita analisis
kali ini bersifat homogen satu kelas
dengan kelas yang lainnya sehingga
asumsi homogenitas terpenuhi di contoh
data yang kita gunakan
ini tabel selanjutnya yang perlu kita
baca adalah tabel test of Bwin subject
effect
yang letaknya persis di bawah tabel
evenent test ini merupakan tabel
rangkuman uji one way ankova yang telah
kita lakukan yang perlu kita baca adalah
baris kelas kelas sendiri merupakan
variabel bebas kita
tadi beberapa angka yang perlu kita baca
adalah DF dari kelas kemudian nilai F
Hitung dari kelas nilai Sig dari kelas
dan parsial et Square dari kelas selain
itu jangan lupa juga baca DF dari error
atau
galat namun yang menjadi dasar
kesimpulan kita adalah nilai Sig dari
kelas tersebut bila nilai sig-nya kurang
dari
0,05 maka dapat disimpulkan ada
perbedaan signifikan literasi sains satu
kelas dengan kelas yang lain namun bila
di atas
0,05 maka dapat disimpulkan tidak ada
perbedaan literasi sains dari keenam
kelas yang kita
analisis pada contoh analisis yang kita
lakukan bersama ini ternyata nilai
sigiknya
0,07
0,07 lebih besar dari
0,05 sehingga kita simpulkan literasi
sains keenam kelas IPA tadi tidak
berbeda
signifikan bila tidak berbeda signifikan
kita tidak perlu melihat tabel uji
lanjut yang
dihasilkan Meskipun tidak kan karena
kita telah memberi perintah kepada SPSS
untuk melakukan LSD maka tabel LSD pun
tetap muncul di bagian bawah lebih
tepatnya di tabel parways comparison
namun Seperti yang saya katakan tadi
karena nilai sik-nya di atas 0,05 kita
tidak perlu membaca dan memberi notasi
berdasarkan hasil uji LSD
ini di sisi lain di atas tabel powerways
comparison ada tabel estimates
nah di tabel estimat ini ada kolom Min
dan Min atau rerata dari keenam kelas
tersebut
memiliki notasi A di bagian kanannya dan
bila kita lihat keterangan di bawah
tabel tersebut kita dapat melihat bahwa
rerata yang muncul di sini bukanlah
rerata Variabel terikat kita yaitu data
postes melainkan rata Variabel terikat
yang telah terkoreksi oleh variabel
kovariat kita Al as rerata yang
dimunculkan di sini adalah rerata postes
yang sudah dikoreksi oleh rerata pretest
inilah yang dikenal sebagai rerata
terkoreksi atau adjusted
mean ini yang juga perlu kita
informasikan ketika kita melaporkan
hasil analisis
kita sampai sini kita telah melakukan
uji homogenitas sekaligus uji oneway
ankova Namun kita juga perlu melakukan
uji asumsi yang lain
Sekarang mari kita kembali ke data kita
lagi di SPSS dengan cara memilih kotak
data oneway ankova berikut nah bila kita
ingat tadi kita hanya memiliki tiga
variabel yaitu kelas sebagai variabel
bebas kita xls sebagai kovariat kita dan
yls sebagai dependent variabel kita atau
Variabel terikat kita namun kali ini
kita memiliki data atau variabel baru
yaitu
r_1 dan di sini ada keterangan residual
for yls inilah merupakan data residual
dari dependent list kita dan data inilah
yang akan kita analisis menggunakan uji
normalitas caranya bagaimana pertama
kita klik menu
analyze setelah kita klik menu analy
kita pilih descriptive
statistics setelah statik kita pilih
kita pilih menu
explore setelah kotak explore keluar
Mari kita pindahkan variabel residual
fors ke kotak dependent list dengan cara
klik tanda panah
berikut kemudian kita klik menu plots di
bagian kanan dari kotak dialog explore
ini setelah kotak explore2 plot Keluar
kita pilih box plotnya n kemudian
deskriptifnya kita hilangkan centang
pada stem and Lif dan terakhir kita
centang normality plot with test setelah
tiga langkah itu kita lakukan kita Klik
tombol
continue kemudian kita klik
oke Setelah itu kita tunggu hasil
analisis normalitas pada data residual
tersebut
Nah berikut merupakan hasil dari
analisis yang telah kita lakukan dan
kita bisa langsung melihat tabel hasil
normalitas dengan memilih tulisan test
of normality di sisi kiri layar kita dan
di sisi kanan langsung mengarahkan ke
tabel yang kita inginkan
tersebut di sini kita bisa melihat dua
uji normalitas yaitu kolmokorov semirov
dan sapirok kita pilih salah satu namun
pada saat ini coba kita baca
keduanya sama seperti homogenitas ketika
P value atau signya di atas
0,05 maka nilai atau data kita
terdistribusi secara normal namun bila
signya kurang dari
0,05 maka data kita tidak terdistribusi
secara normal dan di sini kita lihat
nilai Sig dari kolmogorov sumirnov
adalah
0,200 sedangkan Sig dari uji sapirowiik
adalah
0,664 kedua angka ini jauh di atas
0,05 sehingga dapat kita simpulkan baik
menggunakan kolmogorov smirnov maupun
sapirowiik data kita terdistribusi
secara normal Data apa Data residual
Oleh karena itu asumsi residual data
kita terdistribusi normal telah
terpenuhi asumsi lain yang perlu kita
Analisis adalah keadaan linearitas
antara Variabel terikat kita dengan data
kovariat kita di masing-masing kelas
untuk menganalisis asumsi tersebut kita
membutuhkan grafik khususnya grafik plot
Bagaimana cara mengeluarkannya dan
bagaimana caranya agar grafik tersebut
muncul per kelas bukan muncul menjadi
satu berikut
langkah-langkahnya yang pertama kita
perlu men-split output kita karena kita
membutuhkan output yang terpisah satu
kelas dengan kelas yang lain caranya
kita pilih menu data kemudian kita pilih
menu split
file kemudian kita pilih compare groups
lalu kelas kita masukkan ke kolom group
bas
on semua langkah tersebut harus kita
lakukan dan setiap langkah tersebut
harus kita lakukan secara teliti Setelah
itu kita Klik tombol
Oke sehingga di output akan dilaporkan
di bagian logs split file layer by class
setelah itu Mari kita buat skatterer
plot untuk menganalisis linearitas
antara data Variabel terikat dengan
covariat masing-masing kelas caranya
bagaimana klik grabs
kemudian pilih menu Legacy
dialog kemudian kita pilih skater G dot
skater Gar Mir dot kita klik kiri sekali
sehingga akan muncul kotak dialog kecil
ini dan kotak dialog kecil itu bernama
skater Gar dot kita klik simple
skater setelah simple skater kita klik
kita Klik tombol
define setelah tombol define kita klik
kita akan memperoleh kotak dialog simple
skatterer plot pada y- Ais kita masukkan
Variabel terikat kita yaitu postes
literasi sains caranya dengan menekan
postes literasi sains kemudian menekan
panah
berikut kemudian di x Ais kita masukkan
data covariat kita Oleh karena itu Mari
kita klik data pretest literasi sains
kemudian kita tekan tanda panah di
samping
xxis setelah dua langkah ini kita
lakukan pilih menu atau tombol Oke dan
klik kiri
sekali setelah langkah-langkah tersebut
dilakukan maka SPSS akan membuatkan
skatterer plot dari keenam kelas kita
nah ber merupakan hasilnya ini merupakan
skaterp dari kelas IPA 1 yang ini IPA 2
ini IPA 3 dan seterusnya hingga IPA 6
bagaimana cara menganalisisnya bagaimana
cara menentukannya apakah terjadi
linearitas atau tidak Kita lihat sebaran
titik-titik ini ini merupakan prites
literasi sains alias kovariat kita
sedangkan yang y adalah poes atau depend
list kita bila kita lihat semakin besar
pritesnya maka semakin besar pula
postesnya sehingga
titik-titiknya memiliki kecenderungan
garis lurus ke arah pojok kanan atas
bila skater plot yang kita hasilkan bisa
memperlihatkan garis lurus seperti itu
maka linearitas terjadi dan kita lihat
dari keenam kelas ini meskipun ee
titik-titiknya sedikit tersebar namun
kecenderungan munculnya garis lurus
tetap
ada Oleh karena itu dapat kita simpulkan
bahwa data-data kita memiliki linearitas
antara prites dengan postes sehingga
dapat kita simpulkan linearitas antara
Variabel terikat dengan kovariat dari
keenam kelas
terpenuhi setelah itu Mari kita lakukan
uji asumsi untuk asumsi yang terakhir
yaitu homogenitas garis regresi dari
keenam kelas yang kita
miliki caranya bagaimana sekarang Mari
kita kembalikan data kita agar tidak
displit lagi kita klik menu
data kemudian kita pilih split file
lagi kemudian kita pilih analyze all
cases do not creat
groups setelah itu Mari kita Klik tombol
oke
Oleh karena itu di bagian output
khususnya di tulisan log akan tertera
tulisan split file off yang berarti
split file kita telah
dimatikan Sekarang waktunya kita
melakukan analisis homogenitas garis
regresi keenam kelas kita caranya sama
dengan ketika kita melakukan uji ankova
di awal namun ada beberapa modifikasi
yaitu yang pertama kita klik
analyze kemudian kita pilih general
linear model lagi kemudian kita pilih
menu
univariate tampilannya tetap seperti ini
dependent variabelnya tetap postest fix
factornya tetap kelas dan covariate-nya
tetap pretest literasi sains Namun kita
perlu memilih menu model di bagian kanan
kita Klik sekali Kemudian pada spesifi
model kita pilih
custom setelah kita klik custom akan
muncul dua kotak ini di bagian kiri ada
kotak Factor and covariat sedangkan di
bagian kanan ada kotak
model sedangkan di bagian tengah di
antara kedua kotak tersebut ada menu
buitem yang pertama yang perlu kita
lakukan adalah type dari buitem kita
ubah yang awalnya Interaction kita Ubah
menjadi mind effect caranya kita klik
bagian segitiga arah bawah di sisi kanan
Interaction kita klik kiri sekali
sehingga muncul menu-menu ini kita pilih
mind effects setelah main effect kita
pilih kita pindahkan kelas ke kotak
model dengan cara klik tanda
panah kemudian kita juga pindahkan
pretest kita atau xls kita yang
merupakan covariat dari analisis kita ke
kanan juga dengan klik tanda panah
berikut setelah itu type kita ubah lagi
menjadi
Interaction setelah Interaction kita
pilih kita tekan kelas dan xls secara
sekaligus caranya bagaimana kita tekan
kelas terlebih dahulu kemudian di
keyboard kita tekan shift tanpa kita
lepas kemudian kita tek dan
xls baru kita lepas tombol Shift di
keyboard kita Oleh karena itu baik kelas
maupun xls terblok keduanya setelah
keduanya terblok kita pindahkan secara
bersama-sama menggunakan anak panah ini
sehingga muncul di kotak model kelas
bintang
xls Setelah itu kita klik
continue kemudian Langkah terakhir kita
pilih tombol oke
setelah tombol Oke dilakukan maka muncul
berbagai analisis atau berbagai tabel
output dan ingat kita hanya ingin tahu
apakah ada homogenitas antara
garis-garis regresi dari keenam kelas
tadi Oleh karena itu yang perlu kita
lihat hanyalah tabel test of Bwin
subject effect sedangkan tabel-tabel
yang lain kita
hiraukan Bagaimana pengambilan
keputusannya apakah homogen atau tidak
Kita lihat berdasarkan nilai S dari
X dari
kelas
ya jadinya yang kita lihat adalah
interaksinya kelas bintang xls bukan
kelas bukan xls tetapi di baris kelas
bintang xls mohon maaf tadi ya salah ya
Nah kita lihat S dari interaksi kelas
bintang xls adalah sebesar
0,623 prinsip pembacaan hasil
analisisnya sama dengan pembacaan hasil
uji livin ketika sig-nya di atas
0,05 dapat kita simpulkan homogen
sedangkan kalau di bawah 0,05 maka tidak
homogen di sini kita lihat di baris
interaksi kelas Bintang xls ternyata
signya
0,623 angka ini jauh di atas
0,05 sehingga kita simpulkan regresi
kovariat dengan Variabel terikat di
masing-masing kelas bersifat homogen
dengan demikian asumsi terakhir untuk
pengujian oneway ankova
terpenuhi dan ketika kita nanti
melaporkan kita harus melapor uji
asumsinya satu persatu terlebih dahulu
baru Setelah itu kita laporkan uji
ankovanya Oleh karena itu meski kita
melakukan analisisnya terbalik ankova
dulu baru
asumsi-asumsinya ketika kita pelaporan
harus sesuai aturan kita laporkan
asumsi-asumsinya dahulu baru yang
terakhir adalah ankova dan uji lanjutnya
bila uji lanjut tersebut memang
dibutuhkan kita melakukan analisis
ankova yang parametrik namun Bagaimana
bila kita menemui kasus ternyata datanya
tidak normal sehingga data tersebut
tidak bisa dianalisis menggunakan
ankova pada kasus tersebut kita perlu
mengalihkan analisis kita ke
nonparametrik pengganti one way ancova
parametrik yaitu analisis kuaderang
analisis of
covarians sebetulnya di menu defult dari
SPSS kita tidak bisa melakukan analisis
kuaderang analisis of covariance tetapi
dengan meng kombinasikan beberapa
analisis kita bisa memperoleh angka yang
kita butuhkan untuk melaporkan hasil uji
quad rank analisis of
covariance prinsip analisis ini adalah
menguji beda data peringkat atau data
rank Oleh karena itu di langkah pertama
kita adalah kita harus
memperingkatkan data variabel trikat
kita begitu pula data kovariat kita
caranya bagaimana kita pilih
transform kemudian kita pilih menu rank
cases kemudian setelah kita klik menu
rank cases kita akan mendapatkan kotak
rank cases kemudian kita pindahkan
pretest ke kotak variabel kita juga
Pindah postes ke kotak variabel tersebut
sehingga di kotak variabel telah memuat
data kovariat kita maupun data Variabel
terikat kita kemudian assign rank one
two tetap smallest value yang berarti
kita peringkatkan dari yang terkecil
hingga tertinggi atau terbesar Setelah
itu kita klik
oke di bagian output SPSS akan
melaporkan telah memperingkatkan data
xls maupun yls dan ketika kita kembali
ke data kita di sini akan muncul dua
variabel baru yaitu
rxls dan
ryls yang dibagian label ada
keterangannya di sini rank atau
peringkat untuk xls dan yang yang kedua
adalah rank atau peringkat untuk yls
variabel trikat kita Langkah kedua
adalah kita melakukan analisis regresi
caranya bagaimana kita klik
analyze kemudian kita pilih
regression lalu kita pilih menu
linier pada analisis regresi ini kita
melakukan regresi antara peringkat atau
data rank kovariat terhadap data rank
Variabel terikat kita Oleh karena itu
pada kolom dependen kita perlu mengisi
rank dan dari dependent list kita yaitu
rank of yls ini rank of yls kita klik
kemudian kita klik tanda panah
berikut setelah itu pada kotak
independen kita isi peringkat dari data
kovariat kita Oleh karena itu rank of
xsls kita pindahkan ke kotak
independen setelah tampilannya seperti
ini Mari kita Klik tombol
Oke sehingga di bagian output akan
menginformasikan analisis yang telah
kita lakukan namun tabel-tabel ini
sekali lagi tidak akan kita
baca Langkah terakhir yaitu Langkah
ketiga untuk mendapatkan angka quadrat
of analisis of covariance adalah kita
klik analyze lagi kemudian kita pilih
compare means kemudian kita pilih menu
one way
[Musik]
Anova pada kotak dependen list kita
masukkan Oh mohon maaf ada satu langkah
terakhir yang biasa kita lupakan ya
jadinya kita kembali lagi kita cancel
lagi kita lakukan regresi seperti tadi
kita anggap regresi yang pertama tadi
salah ya jadinya kita
klik analyze lagi kemudian kita pilih
regression kemudian kita klik linear
kita ulang lagi ya dependennya tetap
rank of S dan di sini tetap rank of xls
kemudian ada satu langkah yang saya
lupakan kita perlu mengklik menu
save nah ketika kita klik menu save akan
muncul kotak linear regression save dan
lagi-lagi perlu kita centang
unstandarized pada kotak residual
oke ya unstandar kita centang kemudian
kita Klik tombol
new selanjutnya kita tekan oke sehingga
sekali lagi muncul analisis regresi dan
tidak perlu kita baca semua tabel yang
dihasilkan oleh SPSS
tersebut dan langkah ketiga Langkah
terakhir adalah kita melakukan uji Anova
terhadap data residual tadi caranya kita
klik
analyze kemudian kita pilih compare
means kemudian kita pilih One Way
Anova pada kotak dependent list
merupakan Variabel terikat kita dan
Variabel terikat baru kita adalah
unstandariz residual ini data residual
yang kita hasilkan dari langkah analisis
regresi tadi data unstandaris residual
ini kita masukkan ke kolom dependent
list Kemudian pada faktor kita masukkan
variabel bebas kita yaitu kelas kelas
kita pindahkan ke kolom faktor Kemudian
pada kotak menu pos Hok kita klik dan
kita pilih LSD sebagai jaga-jaga kalau
ternyata hasil kuaderang analisis of
covarian menyampaikan bahwa uji lanjut
perlu
dilakukan kemudian kita klik continue
lalu pada bagian option juga kita klik
kita centang menu
deskriptif setelah menu deskriptif kita
centang kita Klik tombol
continue Setelah itu kita Klik tombol
Oke sehingga akan muncul tabel Anova
tabel Anova inilah merupakan tabel
rangkuman hasil uji quaderan Analysis of
covariance cara pembacaannya pun sama
dengan Anova dan ankova yaitu didasarkan
pada nilai sig-nya bila nilai sig-nya
kurang dari 0,05 tidak ada perbedaan
signifikan Mohon maaf bila kurang dari
0,05 ada perbedaan signifikan bila lebih
besar dari
0,05 maka tidak ada perbedaan
signifikan ya nilai sik yang kita lihat
adalah di baris between
groups di sini nilai sig-nya adalah
0,078
0,078 itu di atas
0,05 maka kita simpulkan berdasar hasil
uji kuaderang analisis of covarians data
literasi sains keenam kelas tadi tidak
berbeda
signifikan sehingga uji lanjut tidak
perlu dilakukan namun ketika uji lanjut
memang perlu dilakukan misalnya ketika
nilai sig-nya kurang dari
0,05 kita tinggal melihat di tabel
multiple comparison dan kita baca tabel
ini dan kita rangkum menjadi tabel
rangkuman yang memuat notasi
LSD Sekali lagi saya sampaikan jadinya
ada tiga langkah untuk melakukan
quaderan analisis of covariance yang
pertama kita peringkatkan data Variabel
terikat dan data covariat kita kemudian
kita lakukan regresi
variabel antara variabel rank data
terikat dan variabel rank data kovariat
namun jangan lupa kita save residualnya
khususnya unstandarized
residual setelah langkah dua analisis
regresi dilakukan kita melakukan langkah
tiga yaitu melakukan analisis Anova pada
analisis Anova variabel terikatnya
adalah residual yang dihasilkan dari
analisis regresi di Langkah kedua dan
variabel bebasnya tetap dengan variabel
bebas penelitian kita pada contoh kasus
penelitian ini adalah data kelas
pada contoh tutorial ini data kita
sama-sama tidak menunjukkan ada
perbedaan signifikan baik ketika kita
melakukan uji one way unkova yang
parametrik maupun uji non parametriknya
yaitu kuaderang analisis of covariance
Oleh karena itu kita tidak perlu
melakukan pemberian notasi
LSD bagi kalian yang tidak tahu atau
tidak paham caranya mengubah tabel LSD
di output SPSS menjadi tabel LSD yang
ramah pembaca dan sesuai perintah di
laporan silakan lihat di video saya
sebelumnya yang membahas oneway Anova
maupun 2 Anova di kedua video tersebut
saya telah memberitahu cara merangkum
tabel ini menjadi tabel rangkuman dan
bagaimana cara mengeluarkan notasi
lsd-nya namun kalau kalian ingin
mempelajari ankova lebih lanjut Kalian
juga bisa melihat
saya selanjutnya ketika membahas two
ankova pada tutorial two ankova kita
juga akan melakukan uji LSD dan memberi
notasi LSD di hasil uji LSD yang
dikeluarkan oleh SPSS
Oke kita telah melakukan analisis oneway
ankova kita juga telah melakukan
analisis berbagai uji asumsi sebelum
ankova dilakukan dan kali ini kita perlu
melaporkan seluruh hasil analisis yang
telah kita lakukan baik uji asumsinya
maupun uji hipotesisnya yang pertama
kita perlu laporkan adalah hasil uji
normalitas data residual kita ini
merupakan tabel hasil uji normalitas
yang telah kita lakukan secara bersama
tadi ada dua uji yang ditampilkan yaitu
kolmogorov smirnov dan sapirovik kita
cukup memilih salah satunya misalkan
saja kita pilih hasil uji kolmogorov
smirno
maka kita bisa membaca hasil tersebut
seperti ini hasil uji kolmogorov suirnov
menginformasikan bahwa residual data
literasi sains terdistribusi normal
kemudian kita informasikan angka-angka
pentingnya df-nya kita sampaikan
kemudian statistiknya kita sampaikan
juga signya pun kita sampaikan dan saya
ingatkan lagi sol simbol D kital ini
merupakan perwakilan dari kolmogorov
smirnov ya kemudian dalam kurungnya
merupakan derajat bebasnya kemudian D =
0,055 0,055 merupakan angka kolmogorov
smirnovnya dan Pi
0,2000,200 adalah P value atau nilai
sig-nya nilai Sig inilah yang menjadi
penentu apakah data kita Normal atau
tidak karena 0,200 di atas
0,05 maka data residual kita
terdistribusi normal dan asumsi
normalitas
terpenuhi selanjutnya yang perlu kita
baca adalah hasil uji homogenitas kita
menggunakan evenent test dan ini
merupakan tabel hasil uji homogenitas
yang kita peroleh secara bersama ketika
kita melakukan analisis
sebelumnya kita bisa membaca hasil ini
seperti ini hasil uji leen
menginformasikan bahwa varians data
literasi sains satu kelas dengan kelas
lainnya homogen
f5,114 =
0,912p =
0,476 5 dan 114 merupakan df1 dan df2
atau derajat bebas 1 dan derajat Bebas 2
0,912 merupakan nilai F hitung alias
nilai yang dihasilkan dari uji liven
sedangkan P value merupakan nilai S yang
menjadi dasar kita mengambil keputusan
apakah anya homogen atau tidak bila di
atas 0,05 dikatakan homogen dan bila
kurang dari 0,05 maka data kita tidak
homogen selanjutnya yang perlu kita baca
adalah
Keberadaan linearitas antara data
kovariat dan data Variabel terikat
kita karena kita memiliki en kelas maka
ada linearitas yang berjumlah 6 satu
Line
satu kelas dan kita membacanya
berdasarkan grafik skatterer plot yang
telah kita hasilkan ketika kita
melakukan analisis
sebelumnya dari sini bisa kita baca di
setiap kelas data pretest linear
terhadap data postes literasi sains atau
dalam kalimat lain bisa kita sampaikan
di setiap kelas data kovariat linearitas
atau linear terhadap data Variabel
terikat dan asumsi selanjutnya yang
perlu kita baca adalah asumsi
homogenitas garis regresi keenam
kelas kita membacanya seperti ini
kemiringan regresi data pretest dengan
data postes literasi sains antara satu
kelas dengan kelas lainnya bersifat
homogen angka-angka ini kita peroleh
dari baris interaksi yaitu baris kelas
bintang
xls kita laporkan df1-nya 5 kemudian DF
galat atau DF errornya 108 kemudian
nilai f-nya
0,703 sedangkan Pi value atau nilai
sig-nya adalah sebesar
0,623 sama seperti uji homogenitas
sebelumnya Ketika pi-nya di atas 0,05
dapat kita simpilkan asumsi homogenitas
terpenuhi namun bila pi-nya kurang dari
0,05 maka asumsi homogenitas tidak
terpenuhi
setelah uji-uji asumsi kita baca
sekarang waktunya kita membaca hasil uji
hipotesis kita yaitu hasil uji one way
ankova cara pembacaannya seperti ini
hasil uji one way ankova menunjukkan
bahwa tidak terdapat perbedaan
signifikan literasi sains antara satu
kelas dengan kelas lainnya dengan
mengontrol literasi sains awal para
siswa kemudian kita sampaikan
nilai-nilai statistik pentingnya kita
sampaikan df1-nya sebesar 5 df2 yaitu DF
galat atau errornya sebesar 113 kemudian
F hitungnya sebesar
2,105 kemudian Pi value atau sig-nya
sebesar
0,070 dan parsial Eta square-nya sebesar
0,085 pengambilan keputusan tidak ada
perbedaan signifikan didasarkan pada
nilai P value yang ternyata di atas
0,05 namun bila P value kalian kurang
dari 0,05 maka kesimpulan Kalian ada
perbedaan
signifikan dan di sini kita lihat cara
pembacaannya sedikit berbeda dengan
oneway Anova pada oneway ankova di sini
kita tekankan di bagian akhir kalimat
kita tambahkan frasa dengan mengontrol
literasi sains awal para siswa kalau
kita melapor one way Anova kita cukup
menyampaikan hasil uji one way Anova
menunjukkan bahwa tidak terdapat
perbedaan signifikan literasi sains
antara satu kelas dengan kelas lainnya
titik Namun karena ini ankova kita
tambahkan informasi dengan mengontrol
literasi sains awal para siswa
pengontrolannya dibuktikan dengan
variabel kovariat kita Oleh karena itu
sebelum kita melakukan uji oneway ankova
kita pastikan kita telah memiliki data
awal data awal tersebut bisa berupa data
pretes atau data tes awal sebelum
perlakuan kita berikan ke masing-masing
kelas selain oneway ankova kita tadi
juga mensimulasikan ketika kita ingin
melakukan analisis nonpametrik pengganti
oneway ankova ini yaitu hasil yaitu uji
quaderang analisis of covariance namun
sebelum menginformasikan quaderang
analisis of covariance kita juga perlu
menyampaikan rerata terkoreksi dari
hasil uji one way ankova yang telah kita
lakukan karena tadi P value-nya di atas
0,05 kita tidak perlu melakukan uji
lanjut
Namun
karena oneway unkova didasarkan pada
rata terkoreksi maka rerata terkoreksi
masing-masing kelas tetap kita laporkan
kepada para pembaca meskipun kita tidak
memberi notasi
LSD nah ini merupakan contoh tabel
Bagaimana caranya kita melaporkan rerata
terkoreksi setelah ankova kita lakukan
dari tabel sini terdapat beberapa
komponen yang perlu kita sampaikan yang
pertama adalah kelas tentunya kelas ya
kemudian pretest dan post test yang
terdiri atas Min atau rerata dan SD atau
standard deviasinya kemudian selisih
selisih di sini adalah selisih antara
postes dan pretes kemudian
peningkatannya jadinya peningkatan skor
dari pretest menuju postes dan yang
terakhir adalah rerata
terkoreksinya setelah semua angka
tersebut dijadikan satu Urutkan urutan
kelas berdasarkan rata terkorek ya dari
rata terkoreksi terkecil hingga terbesar
di sini yang terkecil adalah IPA 4 dan
yang terbesar adalah IPA 1 lalu
Bagaimana cara menggunakan tabel ini
bagaimana cara membuat tabel ini
bagaimana menghitung selisih dan
menghitung peningkatan dan bagaimana
menentukan rerata terkoreksi dari
masing-masing kelas ini akan dibahas di
video selanjutnya Ketika saya membahas
two way ankova di video Two ankova Saya
akan memberitahu caranya menghitung
selisih dan peningkatan dan menentukan
rerata terkoreksi masing-masing
perlakuan Oleh karena itu jangan lupa
lihat juga video saya terkait tue
ankova nah one way unkova sudah beres
Sekarang mari kita baca kuadang analisis
of covarian ini merupakan tabel
rangkuman kuadarang analisis of covarian
yang telah kita hasilkan di analisis
sebelumnya cara membacanya bisa seperti
ini hasil uji Kuad Serang analisis of
vararians menunjukkan bahwa tidak
terdapat perbedaan signifikan literasi
sains antara satu kelas dengan kelas
lainnya dengan mengontrol literasi sains
awal para siswa kemudian kita sampaikan
nilai-nilai
pentingnya yang pertama kita Tuliskan DF
pertamanya yaitu 5 kemudian DF kedua
asdf galatnya 114 kemudian F hitungnya
2,045 dan P value atau sig-nya yaitu
sebesar
0,078 sama seperti Onew ankova tadi bila
P value kurang dari 05 artinya ada
perbedaan signifikan namun bila P
value-nya di atas 0,05 seperti pada
contoh kasus ini maka tidak ada
perbedaan
signifikan Nah demikian cara
pembacaannya pada video kali ini kita
telah melakukan analisis one way ankova
menghitung effect size-nya melihat
Apakah analisis perlu dilakukan uji
lanjut atau tidak dan melakukan analisis
quades rank analisis of
covariance pada video selanjutnya saya
akan membahas tue ankova sekaligus
bagaimana cara memberikan notasi LSD
Bagaimana caranya menghitung peningkatan
dan selisih dan bagaimana caranya
menentukan rerata terkoreksi atau
adjusted Me dari setiap perlakuan Oleh
karena itu stay tune in my channel
ensiklopedia Ahmad Fauzi dan saya akhiri
video kali ini asalamualaikum
warahmatullahi wabarakatuh