8 des 25 senen

 

kampus

sampah

radika eror'

studyroom mpe sore

laoshi feng eror

tokobuah

tokoklontong beli beras

pasar sore telor eror

sayur n tahu

nasgor kalimantan

allahuakbar

ancova - covariate

 

🟦 1. Apa itu covariate?

Covariate = variabel numerik yang bisa memengaruhi hasil penelitian (dependent variable), tetapi bukan variabel utama yang kamu teliti.

Ini variabel “pengganggu” yang:

• tidak sengaja ikut memengaruhi hasil,
• harus dikontrol supaya hasil penelitian lebih akurat.

Contoh covariate yang sering muncul:

• Pretest
• IQ
• Usia
• Motivasi belajar
• Literasi digital
• Pengalaman mengajar sebelumnya
• Lama belajar
• Jam penggunaan teknologi

🟦 2. Apa maksud “motivasi / literasi digital → bisa dijadikan covariate”?

Artinya:

Jika motivasi atau literasi digital mempengaruhi nilai posttest, maka variabel itu bisa dimasukkan ke dalam analisis ANCOVA supaya pengaruhnya dihilangkan dahulu.

Dengan kata lain:

Motivasi atau literasi digital disesuaikan dulu, baru kamu membandingkan kelompok.

🟦 3. Kenapa covariate penting?

Karena dalam penelitian pendidikan, hasil (posttest) biasanya dipengaruhi banyak hal.

Contoh:

• Kelompok A mungkin punya literasi digital lebih tinggi dari kelompok B
  → otomatis mereka lebih mudah memahami materi AI.
  Ini bisa menyebabkan hasil menjadi tidak adil.

Jika tidak dikontrol:

• Kamu salah menyimpulkan bahwa metode pembelajaran A lebih bagus,
  padahal kenyataannya, mahasiswa kelompok A hanya lebih punya literasi digital, bukan karena metodenya bagus.

🟦 4. Apa gunanya covariate? (Manfaat ANCOVA)

Gunanya adalah untuk:

✔ 1. Menghilangkan pengaruh variabel luar

Misalnya motivasi tinggi → nilai tinggi
ANCOVA menghilangkan efek motivasi dulu.

✔ 2. Menyederhanakan perbandingan

Seolah-olah semua peserta memiliki:

• motivasi sama
• literasi digital sama
• kemampuan awal sama

✔ 3. Mencegah kesimpulan salah

Banyak penelitian pendidikan tanpa covariate menghasilkan kesimpulan yang menyesatkan.

✔ 4. Meningkatkan kekuatan statistik

Hasil lebih stabil, lebih sensitif, lebih valid.

🟦 5. Contoh yang sangat mudah dipahami

📘 Contoh 1: Literasi Digital sebagai Covariate

Misalnya kamu meneliti 2 metode belajar AI:

• Kelompok A = metode Inquiry-GPT
• Kelompok B = metode Ceramah

Hasil posttest:

• A = 85
• B = 80

Kelihatannya A lebih bagus.

Tetapi kamu menemukan fakta:

• Literasi digital mahasiswa A = rata-rata 90
• Literasi digital mahasiswa B = rata-rata 60

Artinya:

Kelompok A mungkin bagus bukan karena metodenya, tapi memang karena mereka sudah jago.

Dengan memasukkan literasi digital sebagai covariate, ANCOVA:

• menghitung seberapa besar pengaruh literasi digital terhadap nilai,
• menghilangkan pengaruh itu,
• menghitung nilai posttest yang “adil”.

Hasil bisa berubah menjadi:

Kelompok	Nilai Asli	Adjusted (kontrol literasi digital)
A	85	82
B	80	83

Kesimpulan jadi berbeda:

• Setelah dikontrol, metode B malah lebih efektif.

Itulah kegunaan covariate.

📘 Contoh 2: Motivasi sebagai Covariate

Misalnya:

• Kelompok A memiliki motivasi tinggi (85)
• Kelompok B motivasi rendah (60)

Motivasi memengaruhi skor posttest.

Jika tidak dikontrol → hasil bias
Jika dikontrol → hasil fair

🟦 6. Bagaimana cara memasukkan covariate dalam analisis?

Di SPSS / JASP, caranya sangat mudah:

✔ 1. Masukkan variabel-variabel:

• Dependent Variable → Posttest
• Fixed Factor → Kelompok eksperimen
• Covariate → Motivasi, literasi digital, pretest (boleh lebih dari satu)

✔ 2. Pilih menu:

Analyze → General Linear Model → Univariate

✔ 3. Masukkan variabel:

• Dependent = Posttest
• Fixed = Kelompok
• Covariate = Motivasi, Literasi Digital, Pretest (sesuai data)

✔ 4. Klik:

• “Model = Full Factorial”
• “Plots = Means adjusted”

✔ 5. Run

Output yang keluar:

• Pengaruh covariate
• Adjusted means
• Signifikansi kelompok setelah dikontrol

Selesai.

🟦 7. Ringkasan Singkat (Sangat Penting)

✔ Apa itu covariate?

Variabel numerik yang memengaruhi hasil tetapi bukan fokus utama.

✔ Untuk apa dipakai?

Untuk “membersihkan” hasil dari pengaruh variabel luar.

✔ Apa manfaatnya?

Membuat perbandingan antar kelompok menjadi adil, valid, dan bebas bias.

✔ Contoh covariate yang relevan dengan tesis kamu:

• Literasi digital
• Motivasi belajar
• Pengalaman teknologi
• Pretest
• Usia

ancova

 

ancova

“pretest berbeda → bisa dikontrol/disesuaikan”

Ini inti dari ANCOVA.

🟦 1. Apa maksudnya “pretest dikontrol / disesuaikan”?

Artinya:

Pengaruh nilai pretest terhadap posttest dihilangkan dulu,

baru kemudian kamu membandingkan nilai posttest antar kelompok.

Dengan kata lain:

ANCOVA membuat perbandingan hasil akhir menjadi adil, karena tidak dipengaruhi oleh perbedaan kemampuan awal.

🟦 2. Analogi SUPER sederhana

Bayangkan kamu bandingkan tinggi badan 3 kelompok anak setelah 1 tahun diberi jenis susu berbeda.

Masalahnya:

• Kelompok A awalnya tingginya 150 cm
• Kelompok B awalnya 140 cm
• Kelompok C awalnya 155 cm

Jika kamu hanya membandingkan tinggi akhir, jelas tidak adil.
Anak yang awalnya memang lebih tinggi pasti akan tetap lebih tinggi.

ANCOVA akan melakukan ini:

Seolah-olah:

Semua anak disamakan titik awalnya, lalu dihitung peningkatannya secara adil.

🟦 3. Contoh PRATIKAL dengan angka (sangat mudah)

Misalnya penelitian 3 metode belajar:

Pretest:

• Kelompok A: 60
• Kelompok B: 80
• Kelompok C: 50

Posttest:

• A: 80
• B: 82
• C: 90

Kalau pakai ANOVA biasa, hasilnya terlihat:

• B > A
• C > B
• dan sebagainya

Tapi ini TIDAK ADIL, karena:

• Kelompok B sudah sangat tinggi di awal (80)
• Kelompok C sangat rendah di awal (50)

Bisa saja kelompok C naik banyak karena awalnya sangat rendah.

🟦 4. Bagaimana ANCOVA bekerja (dengan bahasa sangat sederhana)

ANCOVA melakukan 3 langkah:

✔ Langkah 1

Menghitung hubungan antara pretest dan posttest.
Misalnya ditemukan:
“Jika pretest naik 1 poin, posttest naik 0.5 poin.”

Ini namanya regression slope.

✔ Langkah 2

Menghitung posttest yang sudah dikoreksi, yaitu:

posttest “yang seharusnya”
jika semua siswa punya pretest sama.

Misal ANCOVA membuat pretest semua siswa = 65.
Lalu posttest disesuaikan dengan rumus regresi.

✔ Langkah 3

Membandingkan kelompok berdasarkan nilai posttest yang sudah disesuaikan, bukan nilai mentah.

🟦 5. Contoh HASIL PENYESUAIAN

Misalnya setelah ANCOVA:

Kelompok	Posttest Asli	Adjusted Posttest (sesudah kontrol pretest)
A	80	84
B	82	76
C	90	88

Lihat perubahan:

• Kelompok B turun (karena pretestnya tinggi → “kelebihan awal” dikurangi)
• Kelompok C naik (karena pretestnya rendah → diberi “penyesuaian”)
• Kelompok A sedikit naik karena pretestnya sedang-sedang saja

Ini perbandingan yang adil.

🟦 6. Bagaimana caranya secara teknis? (tanpa rumus rumit)

✔ Di SPSS / JASP:

1. Masukkan variabel:
• Dependent Variable → posttest
• Fixed Factor → kelompok
• Covariate → pretest
2. Klik ANCOVA
3. Centang “Use adjusted means”
4. Output langsung muncul.

✔ Yang dilakukan software:

• Membuat garis regresi antara pretest → posttest
• Menghilangkan efek pretest
• Menghasilkan adjusted means
• Melakukan ANOVA pada adjusted means

Kamu tidak perlu menghitung sendiri.

🟦 7. Pengertian paling sederhana (1 kalimat)

Mengontrol pretest artinya: “Menghilangkan pengaruh kemampuan awal dari nilai akhir, sehingga perbandingan antar kelompok menjadi adil.”

🟦 8. Kenapa ini penting untuk penelitianmu?

Karena penelitianmu tentang guru SD, kompetensi AI, atau metode pembelajaran hampir selalu punya pretest, dan mahasiswa:

• berbeda motivasi,
• berbeda literasi digital,
• berbeda pengalaman,
• berbeda kemampuan awal.

Jika tidak dikontrol, hasil bisa menipu.