Namun mungkin saja variabel lain dapat mempengaruhi variabel respon dan tidak menarik bagi peneliti. Variabel-variabel ini disebut kovariat<\/strong> .<\/span><\/p>\n Kovariat:<\/strong> Variabel yang mempengaruhi suatu variabel respon, namun tidak menjadi perhatian dalam suatu penelitian.<\/span> <\/p>\n<\/blockquote>\n Misalnya, peneliti ingin mengetahui apakah tiga teknik belajar yang berbeda menghasilkan nilai ujian rata-rata yang berbeda di sekolah tertentu. Teknik belajar sebagai variabel penjelas dan nilai ujian sebagai variabel respon.<\/span><\/p>\n Namun, pasti terdapat variasi dalam kemampuan belajar siswa dalam ketiga kelompok tersebut. Jika hal ini tidak diperhitungkan, maka akan terjadi variasi dalam penelitian yang tidak dapat dijelaskan dan akan mempersulit penentuan hubungan sebenarnya antara teknik belajar dan hasil ujian.<\/span><\/p>\n Salah satu cara untuk memperhitungkan hal ini adalah dengan menggunakan nilai siswa saat ini di kelas sebagai kovariat<\/strong> . Sudah diketahui bahwa nilai siswa saat ini kemungkinan besar berkorelasi dengan prestasi ujian mereka di masa depan.<\/span> <\/p>\n Jadi, meskipun nilai saat ini bukan merupakan variabel yang menarik dalam penelitian ini, variabel tersebut dapat dimasukkan sebagai kovariat sehingga peneliti dapat melihat apakah teknik belajar mempengaruhi nilai ujian, bahkan setelah memperhitungkan nilai siswa saat ini di kelas.<\/span><\/p>\n Kovariat paling sering muncul dalam dua jenis konteks: ANOVA (analisis varians) dan regresi.<\/span><\/p>\n Ketika kita melakukan ANOVA (apakah itu ANOVA satu arah<\/a> , ANOVA dua arah<\/a> , atau sesuatu yang lebih kompleks), kita ingin mengetahui apakah ada perbedaan antara rata-rata tiga kelompok independen atau lebih.<\/span><\/p>\n Dalam contoh sebelumnya, kami ingin memahami apakah ada perbedaan rata-rata nilai ujian antara tiga teknik belajar yang berbeda. Untuk memahami hal ini, kita dapat melakukan ANOVA satu arah.<\/span><\/p>\n Namun, karena kami mengetahui bahwa nilai siswa saat ini juga kemungkinan besar akan memengaruhi nilai ujian, kami dapat memasukkannya sebagai kovariat dan melakukan ANCOVA<\/a> (analisis kovarians).<\/span><\/p>\n Hal ini mirip dengan ANOVA, hanya saja kita memasukkan variabel kontinu (nilai siswa saat ini) sebagai kovariat<\/strong> sehingga kita dapat memahami ada tidaknya perbedaan rata-rata nilai ujian antara ketiga teknik penilaian. belajar, bahkan setelah memperhitungkan hasil siswa. peringkat saat ini<\/em> .<\/span><\/p>\n Saat kita melakukan regresi linier, kita ingin mengukur hubungan antara satu atau lebih variabel penjelas dan variabel respon.<\/span><\/p>\n Misalnya, kita dapat melakukan regresi linier sederhana<\/a> untuk mengukur hubungan antara luas persegi dan harga real estat di kota tertentu. Namun diketahui bahwa umur sebuah rumah juga menjadi salah satu variabel yang mempengaruhi harga properti.<\/span><\/p>\n Secara khusus, rumah tua mungkin berkorelasi dengan harga properti yang lebih rendah. Dalam hal ini umur rumah merupakan kovariat<\/strong> karena kita tidak terlalu tertarik untuk mempelajarinya, namun kita mengetahui bahwa hal tersebut berpengaruh terhadap harga rumah.<\/span><\/p>\n Jadi, kita dapat memasukkan umur rumah sebagai variabel penjelas dan menjalankan regresi linier berganda dengan luas persegi dan umur rumah sebagai variabel penjelas dan harga rumah sebagai variabel respon.<\/span><\/p>\n Jadi koefisien regresi<\/a> untuk luas persegi kemudian akan memberi tahu kita rata-rata perubahan harga rumah yang terkait dengan peningkatan satu unit luas persegi setelah memperhitungkan usia rumah<\/em> .<\/span><\/p>\n Pengantar ANCOVA (analisis varians)<\/a> Dalam statistik, peneliti sering kali ingin memahami hubungan antara satu atau lebih variabel penjelas dan variabel respon . Namun mungkin saja variabel lain dapat mempengaruhi variabel respon dan tidak menarik bagi peneliti. Variabel-variabel ini disebut kovariat . Kovariat: Variabel yang mempengaruhi suatu variabel respon, namun tidak menjadi perhatian dalam suatu penelitian. Misalnya, peneliti ingin mengetahui […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
![\"Definisi](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/covariable1.png\")
<\/p>\n![\"Contoh](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/covariable2.png\")
<\/p>\n Kovariat dalam ANOVA<\/strong><\/h3>\n
Kovariat dalam regresi<\/strong><\/span><\/h3>\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Bagaimana menafsirkan koefisien regresi<\/a>
Cara melakukan ANCOVA di Excel<\/a>
Cara melakukan regresi linier berganda di Excel<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"