Gain score dan ANCOVA dapat sama-sama relevan, tetapi pilihan analisis harus mengikuti desain, estimand, baseline, dan asumsi model.

Sains4Genius • EduResearch Edition • Senin, 5 Oktober 2026

ANCOVA Bukan Sekadar “Uji yang Lebih Canggih”

Gain score dan ANCOVA dapat sama-sama relevan, tetapi pilihan analisis harus mengikuti desain, estimand, baseline, dan asumsi model.

Data Clinic • Pretest–PosttestBelajar Lebih Tahan Lama • Mengukur Lebih Tepat • Menganalisis Lebih Cermat± 10 menit baca

Visual 1. Gain score dan ANCOVA dapat dipakai pada desain pretest–posttest, tetapi keduanya menekankan pertanyaan dan asumsi yang berbeda.

SEE

Kelompok eksperimen naik lebih besar. Apakah analisisnya selesai?

Kelas eksperimen memiliki pretest 60 dan posttest 82; kelas kontrol memiliki pretest 65 dan posttest 79. Gain eksperimen = 22, gain kontrol = 14. Terlihat sederhana: eksperimen meningkat lebih besar. Tetapi desain pretest–posttest dapat dianalisis dengan lebih dari satu strategi, dan strategi yang berbeda tidak selalu menjawab pertanyaan yang identik.

QUESTION

Change score atau ANCOVA?

Change score

Menganalisis posttest − pretest. Fokusnya pada perubahan absolut yang terjadi dari sebelum ke sesudah.

ANCOVA

Menganalisis posttest dengan pretest sebagai covariate. Fokusnya pada perbedaan outcome akhir setelah adjustment terhadap baseline yang dimodelkan.

EXPLAIN

ANCOVA bukan sekadar “uji yang lebih canggih”

Dalam studi randomised dengan outcome kontinu, baseline adjustment dapat meningkatkan presisi ketika baseline berkorelasi dengan outcome. Namun banyak penelitian pendidikan menggunakan kelas yang sudah terbentuk. Pada desain nonrandomized, ANCOVA dan change score dapat menghasilkan kesimpulan berbeda ketika kelompok berbeda pada baseline—fenomena yang dikenal sebagai Lord’s paradox.

Van Breukelen menunjukkan bahwa pilihan analisis tidak dapat dilepaskan dari asumsi mengenai apakah perbedaan kelompok pada baseline merepresentasikan perbedaan nyata yang sudah ada sebelum perlakuan.

Visual 2. Gain score berfokus pada perubahan; ANCOVA berfokus pada posttest yang disesuaikan terhadap baseline yang masuk ke model.

IMAGINE

Pretest tidak dapat mewakili seluruh perbedaan awal

Bayangkan kelas A sejak awal memiliki siswa berprestasi lebih tinggi, guru berbeda, motivasi berbeda, serta fasilitas laboratorium lebih lengkap. Memasukkan pretest sebagai covariate tidak otomatis menghilangkan seluruh perbedaan tersebut. Confounder yang tidak diukur masih dapat memengaruhi hasil.

ANCOVA bukan mesin penghapus semua perbedaan awal, dan tidak mengubah dua kelas nonacak menjadi randomized experiment.

CHALLENGE

Apa sebenarnya estimand yang ingin dibandingkan?

Jika kelompok A berubah dari 40 ke 70 dan kelompok B dari 60 ke 80, gain A lebih besar tetapi posttest B tetap lebih tinggi. Pertanyaan “siapa lebih baik?” tidak dapat dijawab sebelum peneliti menentukan efek apa yang ingin diestimasi.

Jangan memilih analisis hanya karena “pretest tidak signifikan”. Pada desain nonrandom, perbedaan baseline adalah persoalan desain yang perlu dijelaskan secara substantif, bukan diselesaikan hanya dengan satu p-value.

APPLY

Protokol B.A.S.E.

B

BEGIN WITH DESIGN. Pahami bagaimana kelompok terbentuk.

A

ASK THE ESTIMAND. Tentukan efek yang benar-benar ingin diestimasi.

S

STUDY BASELINE. Nilai baseline secara substantif, bukan hanya melalui p-value.

E

EXAMINE ASSUMPTIONS. Periksa linearity, outlier, interaksi group × pretest bila relevan, serta lakukan analisis sensitivitas jika diperlukan.

Uji cepat

Apakah keberadaan pretest dan posttest otomatis berarti ANCOVA adalah satu-satunya analisis yang benar?

Buka jawaban

Tidak. Pemilihan analisis harus mengikuti desain, pembentukan kelompok, estimand, asumsi model, dan tujuan inferensi.

TAKEAWAY

Analisis dimulai dari desain, bukan dari menu SPSS

Pertanyaan yang lebih kuat daripada “uji apa?” adalah: “Efek apa yang sebenarnya ingin saya estimasi dari desain yang saya miliki?”

REFERENSI

Referensi ilmiah

1. Van Breukelen, G. J. P. (2013). ANCOVA versus change from baseline in nonrandomized studies: The difference. Multivariate Behavioral Research, 48(6), 895–922. https://doi.org/10.1080/00273171.2013.831743

Dalam artikel iniSEEQUESTIONEXPLAINIMAGINECHALLENGEAPPLYKesimpulanReferensi

Sains4Genius — EduResearch Edition
Pembelajaran • Metode Penelitian • Analisis Data • Pendidikan IPA/Biologi