ANALISIS VARIANSI TERAPAN

ANALISIS KOVARIANSI (ANAKOVA) DUA ARAH

KELOMPOK 4

“ Analisis mengenai pengaruh liga tempat bermain dan benua negara asal seorang pemain
sepak bola terhadap ratingnya dan factor lain yang diduga mempengaruhinya “

Dosen Pengampu : Prof. Dr. Sri Haryatmi, M.Sc

Disusun oleh
1. Timothy Christian 16/398667/PA/17628
2. William Maruli 16/398668/PA/17629
3. Maria Gaetana Agnesi Tois 16/406182/PA/17635

PROGRAM STUDI STATISTIKA

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2019
 ANALISIS KOVARIANSI DUA ARAH

A. DEFINISI

Suatu analisis data dengan cara menggabungkan analisis variansi dan analisis regresi
disebut dengan analisis kovariansi atau disingkat menjadi ANAKOVA. Karena ANAKOVA
merupakan metode yang berbasis regresi linear maka hubungan antara variabel dependen
dengan variabel independen harus linear dalam parameter. ANAKOVA dilakukan dengan
menambahkan variabel konkomitan,variable konkomitan adalah variabel independen
kuantitatif pada model ANOVA. Penambahan ini bertujuan untuk mengurangi variansi
kesalahan (error) dalam model. Analisis kovariansi dilakukan karena pada kenyataannya ada
variabel tertentu yang tidak dapat dikendalikan, tetapi sangat mempengaruhi atau berkorelasi
dengan variabel respon yang diamati. Variabel yang demikian disebut dengan variabel
pengiring atau variabel konkomitan.

Tujuan ANAKOVA adalah sebagai berikut :

1. Untuk mengetahui atau melihat pengaruh perlakuan terhadap peubah respon dengan
mengontrol peubah lain yang kuantitatif.
2. Mendapatkan kemurnian pengaruh variabel independen terhadap variabel dependen.
3. Mengontrol kondisi awal sebelum penelitian dengan cara pre dan post test.
4. Mengontrol variabel luar yang secara teoritis akan mempengaruhi hasil penelitian

ANAKOVA dua arah hampir sama dengan ANAVA dua arah yaitu terdapat dua faktor yang
mempengaruhi variabel dependen hanya saja yang membedakan adalah terdapat variabel
kovariat. ANAKOVA dua arah ini pun tidak jauh berbeda dengan ANAKOVA satu arah.
Beberapa perbedaannya adalah pada ANAKOVA dua arah terdapat dua perlakuan atau faktor
yang mempengaruhi variabel dependen (Y). Selain itu, kita lakukan uji interaksi terlebih
dahulu pada kedua faktor, jika tidak ada interaksi baru dilakukan uji pada masing-masing
faktor.

Peubah-peubah dalam Anakova dan tipe datanya :

Peubah Tipe Data
Y (Peubah respon) Kuantitatif (Kontinu)
X1 Kuantitatif (disebut covariate)
X (Peubah bebas)
X2 Kualitatif/Kategorik (disebut treatment/perlakuan/faktor)
B. MODEL DAN KETERANGAN
Model umum ANAKOVA dua arah, yaitu
αβ
¿
¿
Y ijk=μ ..+ α i + β j +¿
i=1,2, … , a ; j=1,2,… , b ; k =1,2,… , n
Keterangan :
μ... = rata-rata keseluruhan dari populasi
αi = efek dari faktor A level ke i
βj = efek dari faktor B level ke j
αβ
¿ = efek dari interaksi faktor A dan B
¿
¿
γ = koefisien regresi X dan Y
X ijk = variable independen
X́ ... = rata – rata dari sampel
ε ijk = error dari hasil percobaan dengan ε ijk NID ( 0, σ 2 )

C. ESTIMATOR PARAMETER
Dengan menggunakan metode penduga kuadrat terkecil akan dilakukan pendugaan parameter
sebagai berikut :
αβ
¿
¿
Y ijk=μ ..+ α i + β j +¿
Pada model tersebut asumsi yang harus dipenuhi adalah
a b a b

∑ αi=∑ β j=∑ ( αβ )ij=∑ ( αβ )ij=0

i=1 j=1 i=1 i=1

2
ε ijk ∈(0, σ )
maka
 αβ
¿
¿
ε ijk =Y ijk −μ ..−α i−β j −¿
a b n
JKE=∑ ∑ ∑ ε ijk2
i=1 j=1 k=1

αβ
¿
¿
Y ijk−μ ..−α i−β j−(¿ ij−γ ( X ijk− X́ ... ) ¿ )
¿
¿2
¿
¿
n

∑¿
k=1
b

∑¿
j=1
a
JKE=∑ ¿
i=1

1. Penduga parameter μ
∂ JKE
=0
∂μ
αβ
¿
¿
Y ijk−μ ..−α i−β j−(¿ ij−γ ( X ijk− X́ ... ) ¿ )
¿
¿❑
¿
¿
¿
n

∑¿
k=1
b

∑¿
j=1
a

∑¿
i=1
∂ JKE
=−2 ¿
∂μ
a b a b
Diketahui bahwa ∑ αi=∑ β j=∑ ( αβ )ij=∑ ( αβ )ij=0 maka persamaan di atas menjadi
i=1 j=1 i=1 i=1
 a b n a b n

∑ ∑ ∑ Y ijk−∑ ∑ ∑ μ^ =0
i=1 j=1 k=1 i=1 j=1 k=1

Y …−abn μ^ =0
Y…
^μ= =Ý …
abn
Jadi diperoleh ^μ=Ý …

2. Penduga parameter α i
∂ JKE
=0
∂ αi
αβ
¿
¿
Y ijk−μ ..−α i−β j−(¿ ij−γ ( X ijk− X́ ... ) ¿ )
¿
¿
¿
n

∑¿
k=1
b

∑¿
j=1
a

∑¿
i=1
∂ JKE
=−2 ¿
∂ αi
Maka persamaan di atas menjadi
b n b n b n b n

∑ ∑ Y ijk −∑ ∑ μ^ −∑ ∑ α^i−∑ ∑ γ^ ( X ijk− X́ ... )=0

j=1 k=1 j=1 k=1 j=1 k=1 j=1 k =1

Y i ..−bn Ý …−bn α^i−bn γ^ ( X ijk − X́ ... )=0

Y i … bn Ý … ( X ijk − X́ ... )
α^i= − −^γ
bn bn bn
α^i=Ý i ..−Ý …− γ^ ( X́ i ..− X́ ... )

Jadi diperoleh α^i=Ý i ..−Ý …− γ^ ( X́ i ..− X́ ... )

3. Penduga parameter βj
 ∂ JKE
=0
∂ βj
αβ
¿
¿
Y ijk−μ ..−α i−β j−(¿ ij−γ ( X ijk− X́ ... ) ¿ )
¿
¿
¿
n

∑¿
k=1
b

∑¿
j=1
∂ JKE
=−2 ¿
∂ βj
Maka persamaan di atas menjadi
a n a n a n a n

∑ ∑ Y ijk −∑ ∑ μ^ −∑ ∑ ^β j −∑ ∑ γ^ ( X ijk − X́ ... ) =0

i=1 k=1 i=1 k=1 i=1 k=1 i=1 k=1

Y . j .−an Ý …−an ^
β j −an γ^ ( X ijk − X́ ... ) =0

^ Y an Ý … ( X́ . j .− X́ ... )
β j= . j . − −^γ
an an an
^
β j=Ý . j . −Ý …−γ^ ( X́ . j .− X́ ... )

Jadi diperoleh ^
β j=Ý . j . −Ý …−γ^ ( X́ . j .− X́ ... )

4. Penduga parameter ( αβ )ij

∂ JKE
=0
∂ ( αβ )ij
 αβ
¿
¿
Y ijk−μ ..−α i−β j−(¿ ij−γ ( X ijk− X́ ... ) ¿ )
¿
¿
¿
n

∑¿
k=1
b

∑¿
j=1
∂ JKE
=−2 ¿
∂ ( αβ )ij
Maka persamaan di atas menjadi
n n n n n n

∑ Y ijk −∑ ^μ−∑ α^ i ∑ ^β i−∑ ( αβ

^ )ij ∑ γ^ ( X ijk− X́ ... ) =0
k=1 k=1 k=1 k=1 k=1 k=1

Y ij .−n Ý …−n α^ i −n ^ ^ ) ij− γ^ ( X ijk− X́ ... ) =0

β i−n ( αβ

Y ij . n Ý … n ( Ý i ..−Ý …−γ ( X i ..− X́ ... ) ) n (Ý . j . −Ý …−γ ( X . j. − X́ ... ) ) ( X́ ij .− X́ ... )

^ ) ij =
( αβ − − − −^γ
n n n n n
^ ) ij =Ý ij. −Ý i ..−Ý . j . + Ý ...− ^γ ( X́ ij. − X́ i ..− X́ . j . + X́ ... )
( αβ
^ ) ij =Ý ij. −Ý i ..−Ý . j . + Ý ...− ^γ ( X́ ij. − X́ i ..− X́ . j . + X́ ... )
Jadi diperoleh ( αβ

5. Penduga parameter γ
∂ JKE
=0
∂ γ^
αβ
¿
¿
Y ijk−μ ..−α i−β j−(¿ ij−γ ( X ijk− X́ ... ) ¿ )
¿
¿
¿
n

∑¿
k=1
b

∑¿
j=1
a

∑¿
i=1
∂ JKE
=−2 ¿
∂ γ^
 Maka persamaan di atas menjadi
X́ i ..− X́ …
Ý ij .
¿ γ^ ( X́ ijk − X́ ... ) =0
¿
Y ijk−Ý …−(( Ý i ..−Ý … −^γ (¿))−(Ý . j . −Ý … − γ^ ( X́ i.. − X́ … ) )−(¿ ¿−Ý i ..−Ý . j . + Ý …−γ^ ( X́ ij . − X́ i ..− X́ . j . + X́ …)))¿
¿
n

∑¿
k=1
b

∑
j=1
¿
a

∑¿
i=1
¿
atau
a b n a b a b n a b n
2
γ^ ∑ ∑ ∑ ( X ijk − X́ … ) −∑ ∑ ( X́ ij. − X́ …)( X ijk− X́ … ) =∑ ∑ ∑ Y ijk (X ijk − X́ … )−∑ ∑ ∑ Y^ ij . ( X ijk− X́ … )
i=1 j=1 k=1 i=1 j=1 i=1 j=1 k=1 i=1 j=1 k=1

Dimana
a b a b n
2
JKPx=n ∑ ∑ ( X́ ij .− X́ …) =∑ ∑ ∑ ( X́ ij .− X́ …)( X ijk − X́ … )
i=1 j=1 i=1 j=1 k=1

a b n a b n
JHKT =∑ ∑ ∑ ( Y ijk −Ý … )( X ijk − X́ … ) =∑ ∑ ∑ Y ijk ( X ijk− X́ …)
i=1 j=1 k=1 i=1 j=1 k=1

a b a b a b n
JHKP=n ∑ ∑ ( X́ ij .− X́ …) −∑ ∑ ( Ý ij. −Ý … ) =∑ ∑ ∑ Y^ ij . ( X ijk− X́ … )
i=1 j=1 i=1 j=1 i=1 j=1 k=1

Sehingga dapat ditulis,

γ^ [ JKTx−JKPx ]= [ JHKT −JHKP ]
[ JHKT −JHKP ]
γ^ =
[ JKTx−JKPx ]
[ JHKT −JHKP ]
Jadi penduga γ^ adalah
[ JKTx−JKPx ]

D. RUMUSAN KUADRAT
Jumlah Kuadrat Total
Total Variabel Y
 a b n
SSTO y = ∑ ∑ ∑ ( y ijk− ý ... )2
i=1 j=1 k=1

a b n
= ∑ ∑ ∑ ( y ijk2−2 y ijk ý …+ ý …2 )
i=1 j=1 k=1

a b n a b n a b n
= ∑ ∑ ∑ ( y ijk2 )−∑ ∑ ∑ ( 2 y ijk ý … ) +∑ ∑ ∑ ( ý …2)
i=1 j=1 k=1 i=1 j=1 k =1 i=1 j=1 k=1

((
a b n 2 a b n

= a b n

∑ ∑ ∑ ( y ijk )+ abn
i=1 j=1 k=1
2
( ∑ ∑ ∑ y ijk
i=1 j=1 k=1
abn
) −¿
a b
2 ∑ ∑ ∑ yijk
n

i=1 j=1 k=1

∑ ∑ ∑ y ijk
i=1 j =1 k=1
abn )
a b n
2
a b n ( ∑ ∑ ∑ y ijk)
SSTO y =
∑ ∑ ∑ ( y ijk2 )− i=1 j=1 k=1
abn
i=1 j=1 k=1

Total Variabel X
a b n
SSTO x = ∑ ∑ ∑ ( xijk −x́ ... )2
i=1 j=1 k=1

a b n
= ∑ ∑ ∑ (x ijk2−2 x ijk x́ … + x́ …2 )
i=1 j=1 k=1

a b n a b n a b n
= ∑ ∑ ∑ (x ijk2)−∑ ∑ ∑ ( 2 x ijk x́ … ) +∑ ∑ ∑ (x́ …2 )
i=1 j=1 k=1 i=1 j=1 k=1 i=1 j=1 k=1

((
a b n 2 a b n

= a b

i=1 j=1 k=1

n

∑ ∑ ∑ (x ijk2)+ abn ( ∑ ∑ ∑ x ijk

i=1 j=1 k=1
abn
) −¿
a b
2 ∑ ∑ ∑ x ijk
n

i=1 j=1 k=1

∑ ∑ ∑ xijk
i=1 j=1 k=1
abn )
a b n
2
a b n ( ∑ ∑ ∑ x ijk )
SSTO x =
∑ ∑ ∑ (x ijk2)− i=1 j=1 k=1
abn
i=1 j=1 k=1

Jumlah hasil kali total

a b n
SSTO xy = ∑ ∑ ∑ ( y ijk− ý ... )( x ijk −x́ …)
i=1 j=1 k=1
 y
b n

=
∑ ∑ (¿ ¿ ijk xijk − y ijk x́ ...−x ijk ý ...+ ý ... x́... )
j=1 k=1
a

∑¿
i=1

y
a b n a b n a b n a b n

b n a b n ∑ ∑ ∑ xijk a b n ∑ ∑ ∑ y ijk ∑ ∑ ∑ x ijk ∑ ∑ ∑

∑ ∑ (¿ ¿ ijk xijk )−∑ ∑ ∑ y ijk i=1 j=1 k=1
abn
−∑ ∑ ∑ x ijk i=1 j=1 k=1
abn
+ abn i=1 j=1 k =1
abn
i=1 j=1 k=1
abn
j=1 k=1 i=1 j =1 k=1 i=1 j=1 k=1
a

∑¿
i=1

y
a b n a b n

b n ∑∑∑ y ijk ∑ ∑ ∑ xijk

= ∑ ∑ (¿ ¿ ijk xijk )−
i=1 j=1 k=1 i=1 j=1 k=1

j=1 k=1 abn

a

∑¿
i=1

y
b n
y ... x ...
SSTO xy =
∑ ∑ (¿ ¿ ijk xijk )− abn
j=1 k=1
a

∑¿
i=1

Jumlah Kuadrat Faktor A

Faktor A untuk Variabel Y
a b n
SSA y = ∑ ∑ ∑ ( ý i.. −ý ... )2
i=1 j=1 k=1
 ý
¿
n

∑ (¿ i..¿¿ 2−2 ý i .. ý ... + ý... 2)

k=1
= b

∑¿
j=1
a

∑¿
i=1

ý
¿
a b n a b n
2 2
n (∑ ∑ ∑ y ijk ) ( ∑ ∑ ∑ y ijk )
∑ (¿ i..¿¿ 2)−2 i=1 j=1 k=1
abn
+ i=1 j =1 k=1
abn
= k=1
b

∑¿
j=1
a

∑¿
i=1

ý
¿
a b n
2
n ( ∑ ∑ ∑ y ijk)
∑ (¿ i..¿¿ 2)− i=1 j=1 k=1
abn
= k=1
b

∑¿
j =1
a

∑¿
i=1

a 2
y i . ( y ...)2
SSA y = ∑ bn
−
abn
i=1

Faktor A untuk variabel X

a b n
SSA x = ∑ ∑ ∑ ( x́i ..− x́ ... )2
i=1 j=1 k=1
 x́
¿
n

∑ (¿ i..¿¿ 2−2 x́ i .. x́ ... + x́ ...2)

k=1
= b

∑¿
j=1
a

∑¿
i =1

x́
¿
a b n a b n
2 2
n (∑ ∑ ∑ x ijk ) ( ∑ ∑ ∑ xijk )
∑ (¿ i..¿¿ 2)−2 i=1 j=1 k=1
abn
+ i=1 j=1 k=1
abn
= k=1
b

∑¿
j=1
a

∑¿
i=1

x́
¿
a b n
2
n ( ∑ ∑ ∑ x ijk )
∑ (¿ i..¿¿ 2)− i=1 j=1 k=1
abn
= k=1
b

∑¿
j=1
a

∑¿
i=1

a 2
x i. ( x ...)2
SSA x = ∑ bn
−
abn
i=1

Hasil kali faktor A untuk variabel X dan Y

ý
x́
n

∑ (¿ ¿ i..− ý ...)( ¿ ¿ i..− x́ …)

k=1
SSA xy = b

∑¿
j=1
a

∑¿
i=1
Jumlah Kuadrat Faktor B
Faktor B untuk Variabel Y
a b n
SSB y = ∑ ∑ ∑ ( ý . j.− ý ... ) 2
i=1 j=1 k=1

ý
¿
n

∑ (¿ . j .¿ ¿ 2−2 ý . j . ý ... + ý ...2)

k=1
= b

∑¿
j=1
a

∑¿
i=1

b
y . j .2 ( y ...)2
SSB y = ∑ an
−
abn
j=1

Faktor B untuk Variabel X

a b n
SSB x = ∑ ∑ ∑ ( x́. j .−x́ ... )2
i=1 j=1 k=1

x́
¿
n

∑ (¿ . j .¿ ¿ 2−2 x́. j . x́ ... +x́ ...2)

k=1
= b

∑¿
j=1
a

∑¿
i=1

b 2
x . j . (x ...)2
SSB x = ∑ an
−
abn
j=1

Hasil Kali X dan Y untuk Faktor B

 ý
x́
n

∑ (¿ ¿ . j .− ý ... )(¿ ¿ . j .− x́ …)
k=1
SSB xy = b

∑¿
j=1
a

∑¿
i=1

Jumlah Kuadrat Perlakuan

Perlakuan untuk Variabel Y
a b n
SSTR y = ∑ ∑ ∑ ( ý ij.− ý ... )2
i=1 j=1 k=1

a b
= n ∑ ∑ ( ý ij . −ý ... )
2

i=1 j=1

Perlakuan untuk Variabel X

a b n
SSTR x = ∑ ∑ ∑ ( x́ij .−x́... )2
i=1 j=1 k=1

a b
= n ∑ ∑ ( x́ ij .−x́ ... )
2

i=1 j=1

Hasil Kali X dan Y Perlakuan

ý
x́
n

∑ (¿ ¿ ij .− ý ... )(¿ ¿ ij .− x́ …)
k=1
SSTR xy = b

∑¿
j=1
a

∑¿
i=1
 ý
x́
(¿ ¿ ij .− ý... )(¿ ¿ij .−x́ …)
b
=
∑¿
j=1
a
n∑ ¿
i=1

Jumlah Kuadrat Interaksi

Interaksi faktor A dan faktor B untuk Variabel Y
SSAB y = SSTR y −SSA y −SSB y
a b
= n ∑ ∑ ( ý ij . −ý i.. −ý . j. + ý ... )
2

i=1 j=1

Interaksi faktor A dan faktor B untuk Variabel X

SSAB x = SSTR x −SSA x −SSBx
a b
= n ∑ ∑ ( x́ ij .−x́ i ..−x́ . j . + x́ ... )
2

i=1 j=1

Hasil Kali X dan Y Interaksi

SSAB xy = SSTR xy −SSA xy −SSB xy
a b
= n ∑ ∑ ( x́ ij .−x́ i ..−x́ . j . + x́ ... ) ( ý ij. − ý i ..− ý . j . + ý ... )
i=1 j=1

Jumlah Kuadrat Galat

Galat untuk Variabel Y
SSE y = SSTO y −SSTR y
a b n
= ∑ ∑ ∑ ( y ijk− ý ij .) 2
i=1 j=1 k=1

Galat untuk Variabel X

SSE x = SSTO x −SSTR x
 a b n
= ∑ ∑ ∑ ( xijk −x́ ij. )2
i=1 j=1 k=1

Hasil Kali X dan Y Galat

SSG xy = SSTO xy −SSTR xy
a b n
= ∑ ∑ ∑ ( xijk −x́ ij. ) ( y ijk− ý ij .)
i=1 j=1 k=1

Jumlah Kuadrat terkoreksi

Galat
2
( SSE xy )
SSE y . x = SSE y −
SSE x

Faktor A
2
SSA y . x = SSA y −
( SSA xy + SSE xy ) (SSE xy )2
+
SSA x + SSE x SSE x

Faktor B
2
( SSB xy +SSE xy ) (SSE xy )2
SSB y .x = SSB y − +
SSB x +SSE x SSE x

Interaksi
2
SSAB y. x = SSAB y −
( SSAB xy + SSE xy ) ( SSE xy )2
+
SSAB x + SSE x SSE x

E. ASUMSI DALAM ANAKOVA

1. Galat percobaan berdistribusi normal ε ij iid N ( 0, σ 2 ) .
2. Masing-masing populasi untuk setiap level faktor memiliki variansi yang sama.
3. Koefisien arah regresi tidak sama dengan nol
4. Hubungan antara X dan Y bersifat linear dan bebas dari perlakuan atau kelompok
percobaan.
5. Koefisien arah regresi homogen

F. TABEL PENGAMATAN ANALISIS KOVARIANSI TWO FACTOR

 Fakto Faktor 2
Rata - rata
Subjek 1 B
r1 ...
Y X Y X Y X
1 y 111 x 111 y1 b 1 x 1b 1 ý 1.1 x́ 1.1
. . . . . . .
. . . ... . . . .
1
. . . . . . .
N y 11n x 11n y 1 bn x 1bn ý 1. n x́ 1. n
Rata - rata ý 11. x́ 11. ... ý 1 b . x́ 1b . ý 1.. x́ 1..
.
. ... ... ... ... ... ... ... ...
.
1 y a 11 x a 11 y ab 1 x ab1 ý a .1 x́ a .1
. . . . . . .
. . . ... . . . .
a
. . . . . . .
N ya 1 n x a 1n y abn x abn ý a .n x́ a .n
Rata - rata ý a 1. x́ a 1. ... ý ab . x́ ab . ý a .. x́ a ..
Rata – rata total ý .1. x́ .1. ... ý .b . x́ .b . ý ... x́ ...

G. TABEL ANALISIS KOVARIAT SEBAGAI KOREKSI DARI ANAVA

SV Sebelum dikoreksi MS Db Setelah dikoreksi Fhit
Db SS x SS y SS xy regresi regresi Db SS MS
Faktor 1 a-1 SSA x SSA y SSA xy - - a-1 SSA y . x SSA y .x MSA y . x
db MSE y . x
Faktor 2 b-1 SSB x SSB y SSB xy - - b-1 SSB y .x SSB y . x MSB y . x
db MSE y . x
Interaksi (a-1)(b-1) SSAB x SSAB y SSAB xy - - (a-1)(b-1) SSAB y. x SSAB y . x MSAB y . x
db MSE y . x
Galat ab(n-1) SSE x SSE y SSE xy SSE xy 2 1 ab(n-1)-1 SSE y . x SSE y . x -
SSEx db
Total abn-1 SSTO x SSTO y SSTO xy - - abn-2 - - -

H. UJI HIPOTESIS
Asumsi ANACOVA dua arah
Beberapa asumsi-asumsi yang harus dipenuhi sebelum pengujian ANACOVA adalah sebagai
berikut:
1) Antar pengamatan independen
2) Variabel dependen berdistribusi normal
Asumsi ini dapat diperiksa dengan Q-Q plot. Jika data menyebar disekitar garis diagonal,
maka data berasal dari populasi yang berdistribusi normal. Beberapa prosedur analitik
yang dapat digunakan untuk menguji normalitas adalah chi-square, uji shapiro-wilk, dan
uji kolmogorov-smirnov.
3) Homogenitas Varians
Untuk menguji asumsi ini dapat menggunakan uji Bartlett
dengan hipotesis nol H0 : σ 21 =σ 22=…=σ 2k yang menyatakan bahwa sampel berasal dari
populasi yang mempunyai variansi yang homogen.
4) Ada hubungan linear antara variabel dependen dan variabel prediktor
Hipotesis untuk uji ini adalah :
 H0 : β = 0 (artinya variabel X tidak mempengaruhi Y)
H1 : β ≠ 0 (artinya variabel X mempengaruhi Y)
 Taraf signifikansi : α
 Statistik uji :
 Kriteria keputusan : H0 ditolak jika Fhit > Fα(db regresi,db galat terkoreksi)
 Kesimpulan
Dapat dilihat juga menggunakan grafik (scatter plot)
5) Koefisien regresi homogen antar perlakuan
Untuk menguji asumsi ini dilakukan dengan:
Hipotesis untuk uji ini adalah:
o H0 : koefisien regresi homogen antar perlakuan
H1 : koefisien regresi tidak homogen
o Taraf signifikansi : α
o Statistik uji :
Menurut Winner (1971:786)
S1 /(ab−1)
F=
S2 /ab(n−2)
 o Kriteria keputusan : H0 ditolak jika Fhit > Fα((gb-1),gb(n-2))
o Kesimpulan
6) Variabel prediktor tidak berkorelasi dengan perlakuan yang dicobakan
Asumsi ini dapat diperiksa dengan ANAVA pada kovariat. Karena persoalan yang dibahas
adalah percobaan dua arah, maka uji ini dapat dilakukan secara terpisah untuk faktor 1,
faktor 2, dan interaksi faktor 1 dan faktor 2.
a. Hipotesis untuk uji ini adalah :
 Untuk interaksi faktor 1 dan faktor 2
H0 : variabel prediktor tidak berkorelasi dengan faktor 1 dan faktor 2 yang
dicobakan
H1 : variabel prediktor berkorelasi dengan faktor 1 dan faktor 2 yang dicobakan
 Untuk faktor 1
H0 : variabel prediktor tidak berkorelasi dengan faktor 1 yang dicobakan
H1 : variabel prediktor berkorelasi dengan faktor 1 yang dicobakan
 Untuk faktor 2
H0 : variabel prediktor tidak berkorelasi dengan faktor 2 yang dicobakan
H1 : variabel prediktor berkorelasi dengan faktor 2 yang dicobakan
b. Taraf signifikansi : α
c. Statistik uji :
 Untuk interaksi faktor 1 dan faktor 2
SSAB X /(a−1)( b−1)
F=
SSE X /ab( n−1)
 Untuk faktor 1
SSA X /(a−1)
F=
SSE X /ab(n−1)
 Untuk faktor 2
SSB X /(b−1)
F=
SSE X /ab(n−1)
d. Kriteria keputusan :
 Untuk interaksi faktor 1 dan faktor 2
H0 ditolak jika Fhit > Fα;(a-1)(b-1);ab(n-1)-1)
  Untuk faktor 1
H0 ditolak jika Fhit > Fα;(a-1);ab(n-1)-1)
 Untuk faktor 2
H0 ditolak jika Fhit > Fα;(b-1);ab(n-1)-1)
e. Kesimpulan

ANACOVA dua arah

1) Uji Interaksi Faktor 1 dan Faktor 2
H0 : αβ 11 =αβ 12=…=αβ ab=0
(tidak ada pengaruh interaksi faktor 1 dan faktor 2 terhadap respons yang diamati)
H1 : Terdapat αβ ij ≠ 0 i = 1,2, ... ,a j = 1,2, ... ,b
(ada pengaruh interaksi faktor 1 dan faktor 2 terhadap respons yang diamati)
2) Pengaruh Faktor 1
H0 : α 1=α 2=…=α a=0
(tidak ada pengaruh interaksi faktor 1 terhadap respons yang diamati)
H1 : Terdapat α i ≠ 0 i = 1,2, ... ,a
(ada pengaruh interaksi faktor 1 terhadap respons yang diamati)
3) Pengaruh Faktor 2
H0 : β 1=β 2=…=β b=0
(tidak ada pengaruh interaksi faktor 2 terhadap respons yang diamati)
H1 : Terdapat β j ≠0 j = 1,2, ... ,b
(ada pengaruh interaksi faktor 2 terhadap respons yang diamati)

I. STUDI KASUS :
Seorang penulis artikel olahraga ingin meneliti apakah liga tempat bermain (Inggris,
Italia, Jerman, Perancis) dan benua negara asal (Afrika, Amerika, Eropa) seorang pemain
sepak bola berpengaruh terhadap ratingnya (Y) menurut situs whoscored.com. Diketahui
setiap pemain memiliki jumlah penampilan (X) yang berbeda. Untuk setiap asal benua
dan liga tempat bermain diambil 3 pemain dengan rating tertinggi.

Liga
Benua asal
Inggris Italia Jerman Perancis
 Y X Y X Y X Y X
7.57 38 7.03 36 7.29 27 7.6 36
Afrika 7.44 36 7.03 34 7.11 21 7.45 27
7.22 38 6.98 29 7.06 30 7.28 31
7.53 33 7.63 33 7.24 27 7.5 28
Amerika 7.31 29 7.31 35 7.24 20 7.44 19
7.22 36 7.31 35 7.06 30 7.26 29
7.81 37 7.75 29 7.65 32 8 27
Eropa 7.61 34 7.41 29 7.61 29 7.86 31
7.44 38 7.35 33 7.58 25 7.35 26

Perhitungan :
A : Liga tempat bermain
B : Benua negara asal
Y : Rating pemain
X : Jumlah penampilan

Jumlah Kuadrat Total

 Total Variabel Y
7.57+7.44+ …+7.35
ý m= =7.40361
36
a b n
SSTO y =∑ ∑ ∑ ( y ijk− ý … )2
i=1 j=1 k=1

= ( 7.57−7.40361 )2 + ( 7.447 .40361 )2 +…+(7.35−7.40361)2

= 2.15783

 Total Variabel X
38+36+…+ 26
x́ m= =30.75
36
a b n
SSTO x =∑ ∑ ∑ ( x ijk− x́ … )2
i=1 j=1 k=1

= ( 38 – 30.75 )2 + ( 36 – 30.75 )2 + …+ ( 26 – 30.75 )2

= 868.75
 Jumlah Hasil Kali Total
a b n
SSTO xy =∑ ∑ ∑ ( Y ijk − ý … )❑( X ijk −x́… )❑
i=1 j=1 k=1

= (7.57 – 7.40361)(38 – 30.75)+ …+(7.35 – 7.40361)(26 – 30.75)

= 3.1925

db=abn – 1=[ ( 4 )( 3 )( 3 ) ]−1=36 – 1=35

Jumlah Kuadrat Faktor A (Liga)

 Jumlah Kuadrat Faktor A untuk Variabel Y
3

∑ Y i ..2 Y … 2 ( 67.152+ 65.82+ 65.842 +67.74 2) ( 266.53 )2

i=1
SSA y = − = − =0.31283
bn abn 3.3 4.3 .3

 Jumlah Kuadrat Faktor A untuk Variabel X

3

∑ X i ..2 2
X … ( 3192 +2932 +2412 +254 2 ) ( 1107 )2
i=1
SSA x = − = − =427.194
bn abn 3.3 4.3 .3

 Hasil Kali Faktor A untuk Variabel X dan Y

ý
x́
n

∑ (¿ ¿ i..− ý ...)( ¿ ¿ i..− x́ …)

k=1
SSA xy = b

∑¿
j=1
a

∑¿
i=1

¿ ( 7.46111−7.40361 )( 35.4444−30.75 ) +…+ ( 7.52667−7.40361 ) ( 28.2222−30.75 )

= 0.14164

Jumlah Kuadrat Faktor B (Benua asal)

 Jumlah Kuadrat Faktor B untuk Variabel Y
 3

∑ Y . j .2 Y …2 ( 87.062 +88.052 +91.422 ) ( 266.53 )2

j =1
SSB y = − = − =0.87074
an abn 4.3 4.3.3

 Jumlah Kuadrat Faktor B untuk Variabel X

3

∑ X . j .2 2
X … ( 3832+ 3542 +3702 ) ( 1107 )2
j=1
SSB x = − = − =35.1667
an abn 4.3 4.3 .3

 Hasil Kali Faktor B untuk Variabel X dan Y

ý
x́
n

∑ (¿ ¿ . j .− ý ... )(¿ ¿ . j .− x́ …)
k=1
SSB xy = b

∑¿
j=1
a

∑¿
i=1

¿ ( 7.255−7.40361 ) ( 31.9167−30.75 )+ …+ ( 7.61833−7.40361 ) ( 30.8333−30.75 )

¿−0.07285

Jumlah Kuadrat Interaksi

 Interaksi Faktor A dan B untuk Variabel Y
ab
2
SSAB y =n ∑ ( Ý ij. −Ý i ..−Ý . j . + Ý ... )
ij=1

¿ 3 [ ( 7.41−7.46111−7.255+7.40361 )2 +…+ ( 7.73667−7.52667−7.61833+7.40361 )2 ]

¿ 7893.4

 Interaksi Faktor A dan B untuk Variabel X

ab
2
SSAB x =n ∑ ( X́ ij . − X́ i ..− X́ . j . + X́ .. . )
ij=1

¿ 3 [ ( 37.3333−35.4444−31.9167+30.75 )2 +…+ ( 28−28.2222−30.8333+ 30.75 )2 ]

¿ 8027.3
 Hasil Kali X dan Y Interaksi
ab
SSAB xy=n ∑ ( Ý ij . −Ý i ..−Ý . j . + Ý . .. )( X́ ij .− X́ i.. − X́ . j . + X́ ... )
ij=1

(−14.7097 )(−12.7697 ) +…+(−14.8119)(−15.2442)

= 7896.63
¿3¿

Jumlah Kuadrat Galat

 Jumlah Kuadrat Galat untuk Variabel Y
ab 2
Y
−¿ ∑ ij.
2
Y ijk
ij=1 n
abn
SSE y = ∑ ¿
ijk =1

54.9081+…+59.856
¿ 1975.44− =1756.03
3

 Jumlah Kuadrat Galat untuk Variabel X

ab
X ij .2
X ijk2 −¿ ∑
ij=1 n
abn
SSE x = ∑ ¿
ijk =1

1444+ …+676
¿ 34909− =31064.7
3
 Jumlah Kuadrat Galat Hasil Kali X dan Y
abn
SSE xy = ∑ ( Ý ijk −Ý ij . )( X́ ijk − X́ ij . )
ijk=1

¿ ( 7.40361−7.41 ) ( 30.75−37.3333 ) +…+ ( 7.40361−7.73667 ) ( 30.75−28 ) =1.29639

Jumlah Kuadrat Terkoreksi

 Galat
2
( SSE xy )
SSE y . x = SSE y −
SSE x
 −(1.29639)2
= 1756.03
31064.7
= 1756.03
 Faktor A
2
SSA xy + SSE xy ) (SSE xy )2
SSA y . x = SSA y − ( +
SSA x + SSE x SSE x

( 0.14164−1.29639 )2 (1.29639)2
= 0.31283− +
427.194+31064.7 31064.7
= 0.31282
 Faktor B
2 2
SSB y .x = SSB y − ( SSB xy +SSE xy ) (SSE xy )
+
SSB x +SSE x SSE x

(−0.07285−1.29639 )2 (1.29639)2
= 0.87074− +
35.1667+31064.7 31064.7
= 0.87074
 Interaksi
SSAB xy + SSE xy )2 ( SSE xy ) 2
SSAB y. x = SSAB y − ( +
SSAB x + SSE x SSE x

( 7896.63−1.29639 )2 (1.29639)2
= 7893.4− +
8027.31+31064.7 31064.7
= 6297.75

Tabel ANAKOVA

Sebelum dikoreksi Setelah dikoreksi Fhit

SV db SSx SSy SSxy db SS MS
Faktor A (liga) 3 427.194 0.31283 0.14164 3 0.31282 0.10427 0.00137
Faktor B (benua) 2 35.1667 0.87074 -0.07285 2 0.87074 0.43537 0.0057
Interaksi 6 8027.31 7893.4 7896.63 6 6297.75 1049.62 13.7477
Galat 24 31064.7 1756.03 1.29639 23 1756.03 76.349
Total 35 868.75 2.15783 3.1925 34

Pengujian Hipotesis
1. Uji interaksi
 Hipotesis
 H0 : α β 11 =α β 12=…=α β 43=0 , (tidak ada pengaruh interaksi faktor liga dan
benua asal terhadap rating seorang pemain)
H1 : Terdapat α β ij ≠ 0 , i=1,2,3,4, j=1,2,3 , (ada pengaruh interaksi faktor liga dan
benua asal terhadap rating seorang pemain)

 Tingkat Signifikansi
α =0.05

 Statistik Uji
Fhit =13.7477

 Daerah Kritik
α ; ( b−1 ) ; ab ( n−1 )−1
H0 ditolak jika .
Fhit > F ¿ ¿

 Kesimpulan
Karena Fhit (13.7477)> F 0.05 ;6 ;23 (2.53) , maka H0 ditolak sehingga dapat disimpulkan
bahwa terdapat interaksi antara faktor liga tempat bermain dengan benua asal negara
seorang pemain sepakbola terhadap rating pemain tersebut.

2. Uji efek faktor A

 Hipotesis
H0 : α 1=α 2=…=α 4=0 , (tidak ada pengaruh faktor liga terhadap rating seorang
pemain)
H1 : Terdapat α i ≠ 0 , i=1,2,3,4 , (ada pengaruh interaksi faktor liga terhadap rating
seorang pemain)

 Tingkat Signifikansi
α =0.05

 Statistik Uji
Fhit =0.00137

 Daerah Kritik
α ; ( a−1 ) ; ab ( n−1 )−1
H0 ditolak jika .
Fhit > F ¿ ¿

 Kesimpulan
Karena Fhit ( 0.00137 ) < F 0.05 ;3 ;23 (3.03) , maka H0 diterima sehingga dapat disimpulkan
bahwa tidak terdapat pengaruh faktor liga tempat bermain seorang pemain sepakbola
terhadap rating pemain tersebut.

3. Uji efek faktor B

 Hipotesis
H0 : β 1=β 2=β 3=0 , (tidak ada pengaruh faktor benua asal terhadap rating seorang
pemain)
H1 : Terdapat β j ≠0, j=1,2,3 , (ada pengaruh faktor benua asal terhadap rating
seorang pemain)

 Tingkat Signifikansi
α =0.05

 Statistik Uji
Fhit =0.0057

 Daerah Kritik
α ; ( b−1 ) ; ab ( n−1 )−1
H0 ditolak jika .
Fhit > F ¿ ¿

 Kesimpulan
Karena Fhit ( 0.0057 ) < F 0.05 ;2 ;23 (3.42) , maka H0 diterima sehingga dapat disimpulkan
bahwa tidak terdapat pengaruh faktor benua asal negara seorang pemain sepakbola
terhadap rating pemain tersebut.