Berikut adalah rangkuman komprehensif dan terstruktur dari transkrip video mengenai analisis Two-Way ANCOVA menggunakan SPSS.

Panduan Lengkap Analisis Two-Way ANCOVA dengan SPSS: Asumsi, Uji Lanjut, hingga Pelaporan

Inti Sari (Executive Summary)

Video ini memberikan tutorial lengkap tentang cara melakukan analisis Two-Way ANCOVA (Analysis of Covariance) menggunakan SPSS, mulai dari persiapan data, pengujian asumsi (normalitas, homogenitas, linearitas, dan homogenitas regresi), interpretasi output, hingga pelaporan hasil penelitian secara ilmiah. Pembahasan didasarkan pada studi kasus pengaruh model pembelajaran dan kemampuan akademik terhadap Higher Order Thinking Skills (HOTS) siswa, dengan menekankan pentingnya mengontrol variabel kovariat (nilai pretest) untuk mendapatkan adjusted means yang akurat.

Poin-Poin Kunci (Key Takeaways)

Konsep ANCOVA: Analisis ini digunakan untuk membandingkan rata-rata kelompok yang tidak berkorelasi dengan mengontrol variabel pengganggu (confounding variable) atau kovariat (seperti nilai awal/pretest).
Asumsi Kritis: Selain asumsi standar ANOVA (normalitas, homogenitas varians), ANCOVA mensyaratkan linearitas antara kovariat dan variabel dependen, serta homogenitas kemiringan regresi (homogeneity of regression slopes).
Uji Efek (Effect Size): Signifikansi statistik (p-value) saja tidak cukup; perlu dilaporkan pula kekuatan efeknya menggunakan Partial Eta Squared.
Interaksi: Jika terdapat interaksi signifikan antar variabel independen, fokus analisis beralih ke efek interaksi tersebut, bukan lagi pada efek utama masing-masing variabel.
Pelaporan: Hasil ANCOVA harus dilaporkan dengan menyebutkan secara eksplisit bahwa variabel kovariat telah dikontrol, berbeda dengan pelaporan ANOVA biasa.

Rincian Materi (Detailed Breakdown)

1. Pendahuluan dan Konsep Dasar ANCOVA

Definisi: Two-Way ANCOVA melibatkan dua variabel independen (faktor), satu variabel dependen, dan satu atau lebih variabel kovariat.
Tujuan: Mengontrol perbedaan awal subjek (biasa menggunakan nilai pretest) secara statistik agar perbandingan posttest menjadi adil (adjusted means).
Asumsi yang Harus Dipenuhi:
1. Variabel dependen berskala interval/rasio.
2. Variabel independen berskala kategorikal (minimal 2 kelompok).
3. Independensi observasi.
4. Tidak ada outlier yang signifikan.
5. Normalitas Sisaan (Residuals): Data yang diuji normalitasnya adalah residual, bukan data mentah.
6. Homogenitas varians.
7. Linearitas: Hubungan linear antara kovariat dan variabel dependen di setiap kelompok.
8. Homogenitas Kemiringan Regresi: Garis regresi antara kovariat dan dependen harus sejajar di antara kelompok.

2. Studi Kasus dan Input Data SPSS

Judul Penelitian: Pengaruh model pembelajaran kooperatif dan kemampuan akademik terhadap HOTS siswa SMP.
Variabel:
- Variabel Independen 1 (Model Pembelajaran): 4 Level (Konvensional, PBL, TPS, Kombinasi PBL-TPS).
- Variabel Independen 2 (Kemampuan Akademik): 2 Level (Rendah, Tinggi).
- Variabel Dependen: Posttest HOTS.
- Kovariat: Pretest HOTS (nilai awal).
Entry Data:
- Menggunakan Variable View untuk menamai variabel (tanpa spasi), misal: pembelajaran, akademik, x_hots (pretest), y_hots (posttest).
- Mengatur Value Labels untuk kode kategori (misal: 1=Konvensional, 2=PBL, dst).
- Input data melalui Data View (bisa copy-paste dari Excel).

3. Langkah Analisis dan Interpretasi Output Utama

Menu SPSS: Analyze > General Linear Model > Univariate.
Pengaturan:
- Masukkan Posttest ke Dependent Variable.
- Masukkan Model Pembelajaran dan Akademik ke Fixed Factor(s).
- Masukkan Pretest ke Covariate(s).
Simpan Residual: Klik Save > centang Unstandardized (untuk keperluan uji normalitas).
Output: Levene's Test (Homogenitas):
- Jika Sig. > 0.05, varians dianggap homogen. (Pada contoh: Sig. 0.197, asumsi terpenuhi).
Output: Tests of Between-Subjects Effects:
- Model Pembelajaran: Sig. 0.000 (< 0.05) → Ada perbedaan signifikan.
- Kemampuan Akademik: Sig. 0.152 (> 0.05) → Tidak ada perbedaan signifikan.
- Interaksi (Pembelajaran*Akademik): Sig. 0.000 (< 0.05) → Ada interaksi signifikan (artinya pengaruh model pembelajaran bergantung pada tingkat akademik).

4. Uji Asumsi Lanjutan: Normalitas dan Homogenitas Regresi

Uji Normalitas Residual:
- Gunakan variabel RES_1 yang tersimpan otomatis.
- Menu: Analyze > Descriptive Statistics > Explore.
- Plots: Centang Normality plots with tests.
- Interpretasi: Jika Sig. Kolmogorov-Smirnov/Shapiro-Wilk > 0.05, data berdistribusi normal.
Uji Homogenitas Kemiringan Regresi:
- Penting untuk memastikan kovariat (pretest) berinteraksi secara konsisten terhadap setiap kelompok.
- Langkah: Pada menu Univariate, pilih Model > Custom. Masukkan semua faktor dan kovariat, lalu buat interaksi:
  - Faktor1 * Faktor2
  - Faktor1 * Kovariat
  - Faktor2 * Kovariat
  - Faktor1 * Faktor2 * Kovariat
- Interpretasi: Lihat baris interaksi pada tabel Tests of Between-Subjects Effects. Jika Sig. > 0.05, asumsi homogenitas regresi terpenuhi.

5. Uji Lanjut (Post-Hoc) dan Notasi

Syarat Post-Hoc: Dilakukan jika ada efek signifikan (baik efek utama maupun interaksi).
Teknik LSD (Least Significant Difference):
- Digunakan untuk mengetahui kelompok mana yang berbeda secara signifikan.
- Jika variabel independen hanya 2 kelompok, post-hoc tidak perlu (cukup lihat tabel estimasi).
Pembuatan Variabel Interaksi untuk Post-Hoc:
- Buat variabel baru di SPSS yang menggabungkan faktor 1 dan faktor 2 (misal: "Interaksi").
- Jalankan ANCOVA lagi dengan memasukkan "Interaksi" sebagai Fixed Factor.
Penentuan Notasi (Huruf a, b, c):
- Urutkan Adjusted Means (Rata-rata terkoreksi) dari terkecil ke terbesar.
- Beri notasi berbeda (a, b, c) jika pasangan kelompok memiliki nilai Sig. < 0.05 pada tabel Pairwise Comparisons.
- Beri notasi sama jika tidak signifikan.