Analisis Kovarian (ANKOVA)Dalam RAL

Oleh : Abd Syahid, SP., MP

Oke, kali ini saya akan membahas tentang Analisis Kovarian (ANKOVA). Pada beberapa
referensi ada yang menamakannya Analisis Peragam atau Analysis of Varians dan Anakova.
Dan selanjutnya saya hanya menyebutnya dengan Ankova.
Berbeda dengan anova di mana kita hanya mempelajari pada varian-varian (ragam) saja, pada
ankova selain kita mempelajari varian utama juga mempelajari adanya kovarian-kovarian
(ragam pengiring) pada variabel tertentu.
Dalam ankova, di samping memerlukan hasil pengamatan terhadap ciri utama (varian atau
ragam utama) seperti pada anova biasa, juga memerlukan hasil-hasil pengamatan terhadap satu
atau lebih ciri ragam pengiring (kovarian). Selain itu ankova juga memerlukan adanya suatu
hubungan fungsional tertentu (korelasi) antara ragam utama dan ragam pengiring tersebut. Jadi
ankova merupakan gabungan dari analisis ragam dan analisis regresi.

Beberapa manfaat ankova adalah :

1. Dapat mengontrol galat dan memurnikan rata-rata pengaruh perlakuan;
2. Dapat menaksir data hilang atau data rusak (tentang ini akan saya bahas secara tersendiri);
3. Meningkatkan keandalan interpretasi dari hasil-hasil percobaan.

Penggunaan ankova diaplikasikan apabila suatu percobaan dalam keadaan-keadaan tertentu

galat percobaan masih belum dapat dikontrol. Keadaan-keadaan tersebut seperti :
1. Pengujian tentang efektifitas beberapa jenis insektisida, di mana yang diamati adalah
mortalitas suatu hama tertentu, maka waktu perlakuan penyemprotan yang pertama kali kita
mempunyai populasi hama yang berbeda dari satu petak ke petak lainnya. Karena itu, bila
yang dianalisis adalah populasi hama setelah penyemprotan, berarti kita telah memasukkan
satu kesalahan (galat) karena populasi ini dipengaruhi oleh populasi awal yang berbeda.
Dalam hal ini kita tidak menganalisis dengan analisis ragam (anova), tetapi harus dikoreksi
terlebih dahulu dengan populasi awal yaitu dengan menggunakan ankova.

2. Dalam percobaan-percobaan agronomi, pemuliaan, dan sebagainya, maka akan lebih teliti
analisisnya bila hasil produksi per petak disertai dengan jumlah tanaman yang dipanen,
sehingga produksi tersebut dapat dikoreksi terhadap jumlah tanamannya, karena kita tahu
bahwa produksi sangat ditentukan oleh jumlah tanaman yang dipanen, maka dalam hal ini
penggunaan ankova lebih teliti daripada anova.

3. Dalam percobaan yang mencoba beberapa jenis ransom makanana terhadap pertambahan
bobot suatu ternak (sapi, kelinci, ayam, dll), maka respons yang diamati adalah bobot pada
akhir masa coba. Berat akhir ini mempunyai bobot awal yang berbeda-beda. Analisis
pertambahan bobot badan harus dikoreksi terhadap bobot awal yang dapat dianalisis dengan
ankova.

Ankova dapat diaplikasikan pada berbagai jenis rancangan lingkungan (RAL, RAK, RBSL)
dan berbagai jenis rancangan perlakuan (tunggal, faktorial, split splot design, dll). Pada Artikel
ini saya akan memberikan contoh penggunaan ankova pada perlakuan tunggal dengan
rancangan lingkungan RAK. Penggunaan ankova pada percobaan faktorial saya bahas secara
tersendiri pada artikel lainnya.

Asumsi dan Model dalam Analisis Kovarian

Asumsi untuk ankova merupakan kombinasi dari asumsi untuk anova dan asumsi untuk
analisis regresi. Asumsi yang paling mendasar yang harus dipenuhi agar ankova menjadi sahih
adalah :
1. Peubah pengiring (X) harus bersifat tetap, diukur tanpa kesalahan, dan tidak berkorelasi
(bebas) dengan perlakuan yang dicobakan.
2. Hubungan pengaruh antara peubah pengiring (X) dan peubah utama (Y) harus bersifat linear
dan bebas dari perlakuan atau kelompok percobaan.
3. Galat percobaan harus bersifat acak, menyebar secara bebas dan normal dengan nilai tengah
sama dengan nol dan ragam 2.

Model ankova merupakan gabungan dari model linear rancangan yang digunakan (RAL, RAK,
RBSL, dll) dengan tambahan bentuk untuk peubah pengiring atau peubah bebas yang
digunakan. Untuk ankova dari RAL akan mempunyai model :

Sebagai contoh saya gunakan data percobaan tentang respons sembilan varietas padi (Varietas
A, B, C, D, E, F, G, H, dan I) terhadap hasil gabah dalam satuan ton/ha (Y) dan banyaknya
anakan per rumpun (X). Percobaan dilakukan dengan rancangan acak lengkap (RAL) dengan
ulangan 3 kali. Data hasil pengamatannya adalah sebagai berikut :

1 2 3 Jumlah Jumlah
Perlakuan
X Y X Y X Y X Y
A 5 2,34 6 2,35 7 2,38 18 7,07
B 7 7,54 9 9,57 7 8,78 23 25,89
C 9 9,23 5 5,97 8 13,77 22 28,97
D 7 6,77 5 7,37 6 8,45 18 22,59
E 8 8,34 5 5,85 7 11,54 20 25,73
F 5 2,34 5 2,22 9 2,62 19 7,18
G 7 7,86 4 4,11 11 11,76 22 23,73
H 7 8,23 9 11,23 6 7,44 22 26,9
I 10 4,44 6 7,98 5 11,79 21 24,21
Total 65 57,09 54 56,65 66 78,53 185 192,27

Langkah pertama anda hitung nilai-nilai JK (XX) dan JK (YY) dengan cara melakukan pada
analisis ragam pada RAL seperti biasa. Hasilnya adalah sebagai berikut :
JK Umum (XX) = 83,41
JK Perlakuan (XX) = 9,41
JK Galat (XX) = 74,00
JK Umum (YY) = 297,80
JK Perlakuan (YY) = 182,92
JK Galat (YY) = 114,88

Langkah berikutnya anda hitung JHK (XY) untuk semua sumber keragaman dengan cara
sebagai berikut :

JHK Galat (XY) :

JHKGalat (XY) = JK Umum (XY) JK Perlakuan (XY) = 61,94 - 29,25 = 32,69

Langkah selanjutnya anda hitung nilai JK Galat (YY terkoreksi) :

dengan db Galat terkoreksi = t(n - 1) - 1 = 9(3 - 1) - 1 = 17

Dengan demikian ragam galat atau KT Galat (YY terkoreksi) adalah :
KT Galat (YY terkoreksi) = JK Galat (YY terkoreksi) / db Galat terkoreksi = 100,44 / 17 =
5,91

Langkah berikutnya anda hitung nilai JK Perlakuan + Galat (terkoreksi) :

dengan db Perlakuan + Galat (terkoreksi) = (t - 1) + db galat (terkoreksi) = (9 - 1) + 17 = 25

Langkah berikutnya anda hitung JK Perlakuan terkoreksi :

JK Perlakuan terkoreksi = JK (Perlakuan + Galat (terkoreksi) - JK Galat (YY terkoreksi) =
251,79 - 100,44 = 151,35
dengan db = 9 - 1 = 8

Dengan demikian ragam galat atau KT Perlakuan terkoreksi adalah :

KT Perlakuan terkoreksi = JK Perlakuan terkoreksi / db Perlakuan terkoreksi = 151,35 / 8 =
18,92

Langkah berikutnya anda hitung F Hitung sebagai berikut :

F Hitung = (KT Perlakuan terkoreksi) / (KT Galat (YY terkoreksi)) = 18,92 / 5,91 = 3,20

Kemudian masukkan seluruh nilai perhitungan-perhitungan di atas ke dalam tabel ankova

berikut ini :
Jumlah Hasil Kali Y dikoreksi terhadap X F tabel
SK db F
XX XY YY d.b JK KT 0,05 0,01
hitung
Umum 26 83,41 61,94 297,80
Perlakuan 8 9,41 29,25 182,92
Galat 18 74,00 32,69 114,88 17 100,44 5,91 2,55 3,79
Perlakuan + galat 26 83,41 61,94 297,80 25 251,79
Perlakuan terkoreksi 8 151,35 18,92 3,20*

Keterangan : * = Berpengaruh nyata

Dari hasil ankova di atas dapat disimpulkan bahwa perlakuan varietas berpengaruh nyata
terhadap hasil gabah (ton/ha). Maka selanjutnya dilakukan pengujian lanjutan terhadap nilai-
nilai rata-rata perlakuan tersebut dengan uji beda rata-rata pengaruh perlakuan. Dalam hal ini
saya menggunakan uji BNJ 5%.

Sebelum anda melakukan pengujian beda rata-rata pengaruh perlakuan, anda harus
menentukan nilai rata-rata perlakuan yang sudah terkoreksi oleh ragam pengiring yaitu jumlah
anakan per rumpun (X). Caranya adalah sebagai berikut :

Pertama anda hitung nilai rata-rata dari peubah pengiring (X) sebagai berikut :
Kedua anda hitung nilai koefisien regresi yang menunjukkan ketergantungan peubah utama (Y)
pada peubah pengiring (X) sebagai berikut :

Kemudian anda hitung nilai rata-rata hasil gabah terkoreksi seperti pada tabel di bawah ini.
Hitung sesuai dengan rumus yang ada pada judul kolom tabel tersebut.

Rata-rata rata-rata rata-rata hasil

Simpangan Koreksi
Varietas rumpun hasil gabah gabah terkoreksi
(i. - ) (bY.X )(i. - )
(i.) (i.) (i. koreksi)

A 6,00 -0,85 -0,38 7,07 7,45

B 7,67 0,81 0,36 25,89 25,53
C 7,33 0,48 0,21 28,97 28,76
D 6,00 -0,85 -0,38 22,59 22,97
E 6,67 -0,19 -0,08 25,73 25,81
F 6,33 -0,52 -0,23 7,18 7,41
G 7,33 0,48 0,21 23,73 23,52
H 7,33 0,48 0,21 26,90 26,69
I 7,00 0,15 0,07 24,21 24,14
Total 61,67 0,00 0,00 192,27 192,27

Anda perhatikan nilai-nilai yang berwarna merah pada tabel di atas. Nilai-nilai itulah yang
akan kita bandingkan pengaruhnya dengan uji BNJ 5%. Langkah pengujiannya adalah sebagai
berikut :

Pertama anda hitung nilai galat baku sebagai berikut :

Lalu anda hitung nilai BNJ 5% :

Dan hasil pengujiannya adalah sebagai berikut :

rata-rata
Varietas
malai
A 7,45b
B 25,53b
C 28,76b
D 22,97b
E 25,81b
F 7,41a
G 23,52b
H 26,69a
I 24,14b

BNJ 5% 7,09

Dari hasil pengujian di atas dapat disimpulkan bahwa urutan varietas yang mempunyai potensi
dari yang tinggi hingga terendah berturut-turut adalah varietas I, varietas G, varietas B,
Varietas C, varietas A, varietas D, varietas E, Varietas H, varietas F. Artinya varietas I adalah
varietas yang terbaik diantara varietas lainnya.

Nah, sekarang mari kita bandingkan kalau seandainya percobaan tersebut dianalisis dengan
analisis ragam biasa. Data pengamatannya adalah seperti berikut :

Ulangan
Perlakuan Total rata-rata
1 2 3
A 2,34 2,35 2,38 7,07 2,36
B 7,54 9,57 8,78 25,89 8,63
C 9,23 5,97 13,77 28,97 9,66
 D 6,77 7,37 8,45 22,59 7,53
E 8,34 5,85 11,54 25,73 8,58
F 2,34 2,22 2,62 7,18 2,39
G 7,86 4,11 11,76 23,73 7,91
H 8,23 11,23 7,44 26,90 8,97
I 4,44 7,98 11,79 24,21 8,07
Total 57,09 56,65 78,53 192,27 7,12

Hasil analisis ragamnya adalah sebagai berikut :

F F Tabel
SK db JK KT
hitung 5% 1%
Perlakuan 8 182,92 22,86 3,58 2,51 3,71
Galat 18 114,88 6,38
Total 26 297,80
Keterangan : * = Berpengaruh nyata

Dan hasil pengujian uji beda pengaruhnya adalah sebagai berikut :

rata-rata
Varietas
malai
A 7,45a
B 25,53ab
C 28,76b
D 22,97ab
E 25,81ab
F 7,41ab
G 23,52ab
H 26,69ab
I 24,14ab

BNJ 5% 7,49

Dari hasil pengujian di atas dapat disimpulkan bahwa urutan varietas yang mempunyai potensi
dari yang tinggi hingga terendah berturut-turut adalah varietas C, varietas H, varietas B,
Varietas E, varietas I, varietas G, varietas D, Varietas F, varietas A. Berbeda dengan pengujian
BNJ pada ankova dimana varietas I adalah varietas yang terbaik, pengujian BNJ pada anova,
varietas C adalah varietas yang terbaik diantara varietas lainnya.

Ketepatan Relatif Ankova

Ketepatan relatif ankova ini dihitung dengan tujuan untuk melihat tingkat efektifitas
penggunan ankova dibandingkan anova. Rumusnya adalah sebagai berikut :
Pada contoh kasus kita ini dapat dihitung sebagai berikut :

Maka Ketepatan Relatifnya adalah :

Dengan demikian dapat disimpulkan bahwa dengan menggunakan ankova 1,1 kali lebih efektif
daripada dengan menggunakan anova.

Selesai, semoga bermanfaat.