ANOVA vs ANCOVA ANOVA and ANCOVA are both statistical models that have different features: ANOVA Analysis

of variance (ANOVA) is a collection of statistical models and their procedures which are used to observe differences between the means of three or more variables in a population basing on the sample presented. It is very useful in comparing three or more means. It is a statistical tool that has been used in several sectors such as agriculture, psychology, and different industries. It assumes that each observation is independent, that the measurement level intervals between the DV and CV, and that the underlying populations must be distributed normally and must have the same variance. ANOVA models: 1. Fixed-effects models which assume that data from normal populations that differ in their means allows the estimation of the range of response that any treatments towards them will generate. 2. Random-effects models which assume that data from a constrained hierarchy of different populations are sampled with different factor levels. 3. Mixed-effects models which describe the situations where both fixed and random effects are present. Although a nonlinear model can also be used, all approaches to the analysis of variance use a linear model to create the assumption of the response�s probable distribution. It assumes that the case is independent and that the model simplifies the statistical analysis. It also assumes the normal distribution of the residuals and the equality of variances and that the variance must always be constant. Types of ANOVA: � One-way ANOVA, is used to test for differences among two or more independent groups. � Factorial ANOVA, is used in the study of the interaction effects among treatments. � Repeated measures ANOVA, is used when the same subject is used for each treatment. � Multivariate analysis of variance (MANOVA), is used when there is more than one response variable ANCOVA ANCOVA is an ANOVA model that has a general linear model with a continuous outcome variable (quantitative, scaled) and two or more predictor variables, where at least one is continuous and at least one is categorical (nominal, non-scaled).

differencebetween. It evaluates whether population means that has been adjusted for differences on covariates differ on the levels of dependent variables. The relationship between the dependent and independent variables must be linear in parameters.net/miscellaneous/difference-between-anova-andancova/#ixzz1QUqwcJ4l . 2. and multivariate ANCOVA designs. ANCOVA assumes that covariates must be linearly related to the dependent variables and that they must have homogeneity of regression effect. Summary 1. Its interpretation depends on certain assumptions about the data entered into the model. two-way. 3.It is a merger of ANOVA and regressions for continuous variables and has a covariate. It assumes that the covariates should be unrelated to the independent variables and they should not be overly correlated with one another. ANOVA uses both linear and non linear models while ANCOVA uses a general linear model. ANOVA are statistical models and techniques used to observe the difference between variables while ANCOVA is an ANOVA model. ANCOVA has a covariate while ANOVA does not. Read more: Difference Between ANOVA and ANCOVA | Difference Between | ANOVA vs ANCOVA http://www. The effects of a third variable are statistically controlled out in ANCOVA and any number of independent variables and CVs can be used to create one-way.

Analisis Faktor. Mutivariate analysis adalah analisis yang melibatkan banyak variable atau variable . Mancova. Analisis Konjoin. Analisis Klaster. seperti: Anova. ada baiknya jika pembaca memahami beberapa istilah yang sering digunakan dalam statistika. Bivariate analysis adalah analisis yang melibatkan dua variable. Pembahasan diakhiri dengan menyebutkan software-software statistic yang dapat digunakan. Pada makalah ini akan diuraikan secara singkat tentang teknik-teknik analisis multivariate terkini. Ancova. Analisis Diskriminan. Regresi berganda. Univariate analysis adalah analisis yang hanya melibatkan satu variable. Pendahuluan Sebelum mempelajari teknik-teknik analisis multivariate terkini. metode analisis data yang digunakan untuk memecahkan masalah penelitian didasarkan pada analisis mutivariat. Pada umumnya dalam jurnal-jurnal terbitan luar negeri.TEKNIK-TEKNIK ANALISIS MULTIVARIAT TERKINI YANG SERING DIGUNAKAN DALAM PENELITIAN Oleh: Bambang Avip Priatna M Jurusan Pendidikan Matematika FPMIPA UPI ABSTRAK Pada saat ini banyak masalah yang dihadapi oleh mahasiswa S2 dan S3 pada saat akan menulis tesis atau disertasinya berkaitan dengan bagaimana cara mengolah data untuk menjawab permasalahan penelitian yang tepat. A. dan Analisis korespondensi. Manova. Korelasi Kanonik. Penskalaan Multidimensi.

Kegunaannya untuk mengukur tingkat ketelitian (level of occuracy) data perkiraan. 5) Sampel adalah sebagian dari populasi. 6) Sensus adalah cara pengumpulan data bila seluruh elemen populasi diteliti satu persatu. hasilnya merupakan perkiraan atau estimator (statistic = ciri dari sampel). Sedangkan penskalaan (scalling) adalah penempatan nilai ddalam suatu continum (garis lurus) untuk memudahkan melakukan perbandingan. disebabkan karena penelitian dilakukan berdasarkan sampel. 2) Karakteristik/atribut adalah sifat/cirri/hal-hal yang dimiliki elemen (seluruh keterangan mengenai elemen. 3) Variabel adalah sesuatu yang nilainya berubah-ubah menurut waktu atau beda menurut elemen/tempat. hasilnya merupakan data sebenarnya yang disebut parameter. 7) Sampling adalah cara pengumpulan data bila hanya elemen sampel yang diteliti. Ukuran sampel n adalah banyaknya elemen sampel. . Ukuran populasi N adalah banyaknya elemen populasi. Instrumen/alat ukur dikatakan valid jika dapat mengukur apa yang seharusnya diukur. Selain istilah-istilah tersebut di atas. Penelitian dengan sensus dapat dibuat kesimpulan yang umum mengenai karakteristik populasi dan pasti karena didasarkan pada parameter sebagai data sebenarnya. Pengukuran adalah pemberian nilai/angka dengan aturan tertentu pada atribut/karakteristik suatu elemen. alangkah baiknya jika pembaca juga mengetahui beberapa istilah-sitilah berikut: 1) Elemen/ unit analisis/unit sampling/kasus adalah sesuatu yang menjadi objek penelitian. 8) Sampling error atau kesalahan sampling adalah kesalahan yang terjadi pada data perkiraan. Alat ukur/ instrument dikatakan reliable (andal/konsisten) jika digunakan berkali-kali dengan kondisi yang sama akan memberikan hasil pengukuran yang sama atau sedikit berbeda (bervariasi).ganda. sedangkan penelitian dengan sampling kesimpulannya bias secara umum akan tetapi tidak pasti (uncentrain) karena didasarkan pada data perkiraan hasil penelitian pada sampel yang mengandung kesalahan sampling. 4) Populasi adalah kumpulan yang lengkap dari seluruh elemen yang sejenis akan tetapi dapat dibedakan karena karakteristiknya.

koefisien Phi. Contoh: SD = 1. lebih tinggi. koefisien kontingensi. artinya jika nilai X naik maka nilai Y juga naik atau sebaliknya. ordinal. Koefisien determinasi r2 atau . lebih disukai dll.Skala pengukuran ada empat. SMP = 2. Jika X dan Y data nonmetrik (kualitatif. Contoh: laki-laki = 1. urutan tidak berlaku. operasi matematika juga tidak berlaku. Jika X dan Y data metric (kuantitatif. Contoh: angka yang menunjukkan berat. Perhitungan tingkat asosiasi dapat dilakukan dengan menggunakan Rho Spearman. yaitu: 1) Nominal adalah angka yang berfungsi hanya untuk memberdakan. perempuan = 0. artinya jika nilai X naik maka nilai Y turun atau sebaliknya. 2) Ordinal adalah angka yang selain berfungsi sebagai Semnas mat upi 2007 Page 1 nominal juga menunjukkan urutan bahwa sesuatu lebih baik. Contoh: ukuran suhu 200 300 atau 350 450 mempunyai jarak yang sama akan tetapi panasnya tidak sama. koefisien Lambda. SMA = 4. yaitu: 1) Positif. akan tetapi tidak mempunyai titik nol yang mutlak. Koefisien korelasi r atau adalah suatu nilai untuk mengukur kuatnya hubungan antara X dan Y. 2) Negatif. dan mempunyai angka nol mutlak. PT = 4. interval atau rasio). panjang. jarak antar angka tidak sama. dan 4) Rasio adalah angka yang selain berfungsi sebagai nominal. 3) Interval adalah angka yang selain berfungsi sebagai nominal dan ordinal juga menunjukkan jarak yang sama. maka r disebut koefisien korelasi atau korelasi produk momen atau koefisien korelasi Pearson. berlaku operasi matematika. dan interval juga menunjukkan perbandingan. dan 3) Nol. nominal atau ordinal) maka ukuran kuatnya hubungan antara X dan Y disebut dengan asosiasi. tinggi. artinya setiap perubahan pada nilai X tidak memberikan dampak pada nilai Y. Bentuk hubungan antara X dan Y ada tiga. Kendall tau. merupakan identitas. Cramer s V.

2 menunjukkan besarnya sumbangan/kontribusi dari variable bebas X terhadap variasi (naikturunnya) Y atau mengukur proporsi variasi dari X terhadap Y atau sebaliknya. sedangkan untuk sampel berbentuk : Y = a + bX + e. diperoleh variable yang standard dan koefisien regresinya disebut koefisien beta. Tingkat variasi ditentukan oleh besarnya nilai varians Y. Koefisien beta dari Y terhadap X akan sama dengan koefisien dari X terhadap Y dan akan sama dengan koefisien korelasi ryx. yaitu sebesar 1 unit. yaitu dikurangi dengan rata-ratanya kemudian dibagi dengan standar deviasinya. menunjukkan pengaruh yang lebih besar atau perubahan Y yang lebih besar untuk kenaikan X yang sama. Nilai a dan b dihitung berdasarkan metode kuadrat terkecil (least square method). Nilai a. yaitu cara menghitung nilai a dan b sebagai perkiraan dari . . Pengujian hipotesis untuk mengetahui apakah hubungan antara variable X dan Y linear. Koefisien beta berguna untuk membandingkan membandingkan koefisien regresi dari persamaan lainnya dengan satuan (unit) yang berbeda. Epsilon adalah kesalahan pengganggu (disturbance s error). 2) Uji koefisien arah regresi. b. B. e masing-masing adalah perkiraan (estimator) untuk . sedemikian sehingga Koefisien regresi yang dibakukan (Beta Koefisien) terjadi jika nilai X dan Y masing-masing dibakukan. dan 3) Uji keberartian koefisien korelasi. Analisis Regresi Linear Sederhana untuk populasi : Y = + X + . dan . Persamaan regresi dengan nilai beta yang lebih besar. yaitu kesalahan yang terjadi pada perkiraan/ramalan Y yang disebabkan oleh karena masih ada faktor lain selain X yang mempengaruhi Y tetapi tidak diperhitungkan (tidak dimasukan kedalam persamaan). Teknik-Teknik Analisis Multivariat Terkini . yaitu: 1)Uji F untuk keberartian koefisien determinasi. dapat dilakukan dengan tiga cara.

Analisis multivariate dikelompokkan menjadi dua. 3) Semnas mat upi 2007 n n ei2 i1 i1 . dimana variable dikelompokkan menjadi variable bebas yang mempengaruhi dan variable tak bebas yang dipengaruhi. 2) Ancova (Analysis of covariance). B. dimana variable tidak dibedakan menjadi variable bebas dan variable tak bebas. Jika hanya ada satu variable tak bebas. dapat dilakukan dengan menggunakan: 1) Anova (Analysis of variance).1 Analisis Multivariat dengan Menggunakan Metoda Dependensi Analisis multivariate dengan menggunakan metode dependensi bertujuannya untuk mengetahui pengaruh atau meramalkan nilai variable tak bebas berdasarkan lebih dari satu variable bebas yang mempengaruhi. dan 2) kelompok interdependensi. yaitu: 1) kelompok dependensi. akan tetapi setiap variable mempunyai tingkat yang sama.

B. atau 5) Analisis Konjoin.1. Jika variable tak bebasnya lebih dari satu. 4) Analisis diskriminan. atau 3) Korelasi Kanonikal. Analisis varians dilakukan berdasarkan nilai atau score yang disesuaikan. Variabel bebas yang kategori (nonmetrik: nominal dan ordinal) disebut faktor sedangkan variable bebas yang metric (interval atau rasio) disebut kovariat.2 Yi Y nilainya minimum. 2) Moncova (Multy analysis of covariace).1.1 Anova (Analysis of variance) Bertujuan untuk mengetahui dampak dari beberapa variable bebas yang berskala nominal/ordinal (berupa kelompok) yang disebut perlakuan (treatment) terhadap variable tak bebas yang datanya berskala interval/rasio (kuantitatif). . B. Page 2 Regresi berganda.2 Ancova (Analysis of covariance) Bertujuan untuk mengetahui perbedaan tentang nilai rata-rata dari variable tak bebas terkait dengan pengaruh dari variable bebas terkontrol. dapat dilakukan dengan menggunakan: 1) Monova (Multy analysis of variance).

Tujuannya untuk memperkirakan/meramalkan nilai Y. yaitu data beskala nominal atau ordina.4 Analisis Diskriminan Bertujuan untuk memahami perbedaan kelompok (group differences) dan meramalkan peluang bahwa suatu objek penelitian (pelanggan. B. Persamaan regresi linear berganda dibentuk dengan menggunakan metode kuadrat terkecil (least square method). B. karyawan. Variasi pada variable takbebas disebabkan oleh adanya kovariat disingkirkan melalui suatu penyesuaian (adjustment) terhadap nilai rata-rata variable tak bebas di dalam setiap kondisi treatment atau perlakuan (kategori/level).1. Signifikansi efek baik gabungan dari kovariat maupun efek dari setiap kovariat sebagai individu. Koefisien untuk kovariat memberikan pendalaman (provide insights) tentang efek atau pengaruh yang kovariat digunakan (exert) pada variable tak bebas Y. barang) akan masuk/menjadi anggota kelompok tertentu berdasarkan pada beberapa variable bebas yang . mahasiswa. jika semua variable bebas diketahui nilainya.Penggunaan kovariat untuk menyingkirkan (to remove) variasi yang tidak ada hubungannya (extraneous variation) dengan variable tak bebas oleh karena pengaruh (efek) dari faktor yang dianggap lebih penting. Analisis kovarian merupakan analisis yang paling tepat untuk faktor / variable bebasnya berbentuk kategori atau data nonmetrik.1.3 Regresi berganda Adalah metode yang tepat dipergunakan untuk masalah penelitian yang melibatkan satu variable tak bebas Y yang datanya berbentuk skala interval/rasio (kuantitatif) yang mempengaruhi atau terkait dengan lebih dari satu variable bebas X yang skala pengukurannya nominal/ordinal (kualitatif) maupun interval/rasio (kuantitatif). diuji dengan criteria F yang tepat. Selain itu juga untuk mengetahui besarnya pengaruh dari setiap variable bebas yang terdapat dalam persamaan.

Analisis diskriminan cocok dipergunakan jika variable tak bebasnya berupa kelompok. Peneliti harus mencari fungsi diskriminan yang dapat membedakan objek tertentu masuk kelompok yang mana berdasarkan banyaknya atribut atau variable bebas. Sedangkan yang diramalkan adalah keberadaan suatu objek tertentu temasuk pada kelompok yang mana.1.7 Moncova (Multy analysis of variance) .6 Monova (Multy analysis of variance) Sama dengan Anova. misalnya laki-laki dan perempuan) atau multi dikotomus (lebih dari dua kelompok). Dalam analisis conjoin.1. hanya variable tak bebasnya lebih dari satu. Jadi pelanggan memberikan informasi yang berguna dan sangat sensitive. pelanggan diminta untuk membuat trade off judgements.datanya berskala interval/rasio (kuantitatif). Kelompok (group) merupakan variable tak bebas datanya beskala nominal/ordinal.5 Analisis Konjoin Memberikan suatu ukuran kuantitatif mengenai kepentingan relative (relative importance) suatu atribut terhadap atribut yang lain dari suatu produk (barang/jasa).1. bisa dikotomus (dua kelompok. Apakah suatu feature yang diinginkan pantas untuk mengorbankan feature lainnya? Kalau harus mengorbankan suatu atribut. B. Semnas mat upi 2007 Page 3 B. atribut mana yang harus dikorbandkan. B.

Tujuannya untuk . Dalam hal ini. Dengan kata lain.Adalah analisis yang mirip dengan Moncova. akan dicari suatu kelompok timbangan (weight) untuk variable tak bebas Y dan variable bebas X yang dapat menghasilkan korelasi sederhana yang maksimum (sekuat mungkin) antara kelompok variable bebas dengan kelompok variable bebas. bedanya terletak pada banyaknya variable tak bebas yang lebih dari satu.1.2 Analisis Multivariat dengan Menggunakan Metoda Interdependensi Analisis multivariate dengan menggunakan metode interdipendensi/saling ketergantungan. B. Jika regresi linear berganda hanya ada satu variable tak bebas Y dengan beberapa variable bebas X.mengkorelasikan secara simultan (bersama-sama) beberapa variable tak bebas Y dengan beberapa variable bebas X. untuk mencari faktor penyebab timbulnya masalah atau membantu mencari informasi yang diinginkan. dalam korelasi kanonikal ada beberapa variable tak bebas Y yang akan dikorelasikan dengan variable bebas X.8 Analisis Kanonikal (Analisis korelasi kanonikal) Adalah perluasan dari analisis regresi berganda. Prinsip dari korelasi kanonikal adalah mengembangkan suatu kombinasi linear dari setiap kelompok variable (baik variable bebas X maupun variable tak bebas Y) sedemikian hingga memaksimumkan korelasi dari dua kelompok variable X dan Y. B. peneliti ingin mengetahui sesuatu yang belum tahu yang .

Dalam proses mereduksi banyaknya variable. informasi yang hilang harus seminimal mungkin. dengan variable-variabel bebas yang tidak lagi saling multikolinear yang merupakan syarat dari analisis regresi linear berganda. Tujuannya untuk memberikan arti (meaning) kepada sekelompok variable atau mengelompokkan sekumpulan variable menjadi kelompok yang lebih sedikit jumlahnya dan masing-masing kelompok membentuk variable baru yang disebut faktor (mereduksi banyaknya variable).2. maka metode interdependensi yang digunakan adalah analisis faktor. Semnas mat upi 2007 Page 4 Variabel baru yang disebut faktor.merupakan masalah.1 Analisis Faktor Analisis faktor. tetapi tidak mengurangi informasi yang terkandung dalam variable asli. 2) Penskalaan multidimensi. dipergunakan untuk melakukan analisis regresi linear berganda. atau 3) Analisis kanonikal. Jadi metode interdependensi dilakukan untuk pengelompokkan atau mereduksi variable yang banyak sekali menjadi variable baru yang lebih sedikit. sedangkan jika peneliti focus pada objek. B.2. Analisis faktor terdiri dari: 1) Principal-component analysis.2 Analisis Klaster . dan 2) Common factor analysis. Variabel baru tersebut harus memuat sebanyak mungkin informasi yang terkandung dalam variable asli. Jika peneliti focus pada variable. maka metode interdependensi yang digunakan adalah: 1) Analisis klaster. adalah analisis untuk menentukan variable baru yang disebut faktor yang jumlahnya lebih sedikit dibandingkan dengan banyaknya variable asli dimana faktor-faktor tersebut tidak berkorelasi satu dengan yang lain (multikolonearitas). B.

kelompok (claster) dibentuk berdasarkan criteria tertentu dengan memperhatikan data yang ada yang ditunjukkan oleh bilai banyak variable. yaitu table silang (crosstab) dari dua variable kategori. sebaliknya analisis klaster. Software-software yang Tersedia untuk Analisis Multivariate Melakukan pengolahan data analisis multivariate secara manual bukanlah pekerjaan mudah. nominal dan ordinal). nominal dan ordinal) menjadi data metric (kuantitatif. yaitu: a) data non metric (kualitatif.3 Analisis Korespondensi Digunakan untuk mengakomodasi dua hal. dan b) hubungan non linear. Berbeda dengan analisis diskriminan dimana kelompok sudah ditentukan. interval dan rasio) dan melakukan reduksi dimensional (mirip dengan analisis faktor) dan perceptual mapping (mirip dengan analisis multidimensional). kemudian suatu fungsi diskriminan dipergunakan untuk menentuakan suatu elemen (objek) harus masuk kelompok yang mana. B. Dalam analisis korespondensi digunakan suatu table kontingensi. C. teknik penskalaan multidimensional akan memposisikan objek A dan B sedemikian rupa sehingga jarak antar objek dalam ruang multidimensional akan lebih pendek/kecil dibandingkan dengan jarak pasangan objek yang lainnya.2. B.3 Penskalaan Multidimensi Bertujuan untuk membentuk pertimbangan atau penilaian pelanggan mengenai kemiripan (similarity) atau preferensi (perasaan lebih suka) kedalam jarak (distances) yang diwakili dalam ruang multidimensional. Jika objek A dan B dinilai pelanggan sebagai pasangan objek yang paling mirip dibandingkan dengan pasangan lain.2.Adalah analisis untuk mengelompokkan elemen yang mirip sebagai objek penelitian menjadi kelompok (cluster) yang berbeda dan saling asing (mutually exclusive). Kemudian mengubah data nonmetrik (kualitatif. karena memerlukan teknik-teknik perhitungan matematis yang rumit yang melibatkan .

Soft. Amos 7. Arbuckle. A. SPSS Base 14. AMOS. SAS. maupun bagi para pembaca pada umumnya. (1999). SPSS. Statistica.banyak variable dengan ukuran data masing-masing variable yang besar. Boston: Mc Graw Hill. Software-software program statistic terkini yang ada dan relative mudah diperoleh di pasaran adalah: SPSS versi 15. StatSoft.Inc. Amos 7. J. Kepustakaan Aczel. (2006). D. 2nd Edition. Semnas mat upi 2007 Page 5 . Supranto. akan sangat bijaksana dan sangat membantu kita dalam pengolahan data jika digunakan softwaresoftware program statistic yang sudah ada dipasaran. L. seperti SPSS.0 User s Guide. (2005). Minitab 14. Eview. Complete Business Statistics. Tulsa USA: Stat. atau MINITAB. Statistica for Windows (Volume III): Staitistics I. Chicago: SPSS Inc. Jakarta: Rineka Cipta. akan tetapi besar harapan penulis semoga tulisan ini dapat bermanfaat bagi diri penulis sendiri khususnya. Analisis Multivariat. Chicago: SPSS Inc. D. Splus. E.0 User s Guide. LISRELL. Penutup Penulis menyadari bahwa tulisan ini belumlah sempurna. (1995). J. Oleh karena itu. (2004).

.

eHow Contributor updated June 04. these two methods are identical. Adding to the potential for confusion. He holds a Ph.D. They are also identical to linear regression." where Y is a vector of the variable you want to compare (in the example. . In matrix algebra (which you don't need to understand to understand these methods. in psychometrics from Fordham University. which also includes regression.Difference Between ANOVA & ANCOVA X Peter Flom Peter Flom is a statistician and a learning-disabled adult. "Y = XB + e. you might want to see if men and women of the same height differ in weight. weight). 2011 y y y y Print this article ANOVA stands for Analysis of Variance. epidemiology and others. you might want to compare the weights of men and women. ANCOVA stands for Analysis of Covariance. which is another statistical method for comparing means. He has been writing for many years and has been published in many academic journals in fields such as psychology. drug addiction. while potentially controlling for the effects of other variables. after controlling for height. The variables you are controlling for can be numeric (such as height) or categorical (such as ethnic group) or you can control for some of each. both of these techniques are part of what is known as the general linear model. Despite these names. What Are ANOVA and ANCOVA? o ANOVA and ANCOVA are methods of comparing groups of subjects on some numerical measure. 1. both are statistical methods of comparing means of groups of subjects on some numerical variable. For example. How Are ANOVA and ANCOVA the Same? o From a mathematical point of view. you can skip this if you like) all three are written as. That is. X is a matrix of the variables you are using to predict Y. By Peter Flom.

mathematically. and regression is used when there are only continuous variables. ANOVA and ANCOVA were developed in agriculture. rather than mathematical.com/info_8541229_difference-between-anova-ancova. height and ethnic group) and e is a vector of error terms. they were developed separately. sex.html#ixzz1QV3ubDVA . How Did This Get So Confused? o Although these three methods are identical. How Do ANOVA and ANCOVA (and Regression) Differ? o The difference is lexical.ehow. ANOVA is the term usually used when there are no categorical variables. Regression developed in geography. ANCOVA is used when there are some categorical and some continuous variables.whether categorical or continuous (in the example. Read more: Difference Between ANOVA & ANCOVA | eHow. where people were averaging different measurements of the Earth to try to find its true size.com http://www. where people were interested in whether different fertilizers and other treatments affected crop yields.

Sign up to vote on this title
UsefulNot useful