BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Statistika parametrik adalah suatu ukuran tentang parameter, artinya
ukuran seluruh populasi dalam penelitian yang harus diperkirakan dari apa
yang terdapat di dalam sampel (karakteristik populasi) (Pramono, 2011).
Pada kenyataannya statistika parametrik mudah untuk dikerjakan namun
kurang dapat dipahami mengenai syarat-syarat atau asumsi-asumsi yang
harus dipenuhi untuk melakukan pengujian statistik.
Selain itu banyak mahasiswa yang belum mengerti cara membuat
hipotesa awal dan tandingan untuk menarik kesimpulan dari suatu
permasalahan. Pada praktikum modul 2 mengenai statistik parametrik ini
mahasiswa diharapkan mampu melakukan pengujian-pengujian statistik
parametrik, seperti kenormalan, one sample t-test, independent sample t-
test, ANOVA, dll, sehingga dapat menyimpulkan suatu data menggunakan
hipotesa yang dibuat berdasarkan parameter perhitungan statistik
parametrik.
1.2 Tujuan Praktikum
1. Praktikan dapat memahami uji hipotesis (hipotesis nol, hipotesis
tandingan), daerah penerimaan, dan daerah kritis.
2. Praktikan dapat menggunakan Kolmogorov Smirnov, Shapiro-Wilk
ataupun uji ketergantungan dua faktor.
3. Praktikan dapat memahami asumsi yang harus dipenuhi pada
pengolahan data statistik parametrik.
4. Praktikan dapat menggunakan pengujian rata-rata pada statistk
parametrik dan mengerti fungsi penggunaannya.
5. Praktikan dapat mengaplikasikan statistik parametrik untuk pengujian
rata-rata pada objek penelitian yang digunakan dalam modul 2.
BAB II
TINJAUAN PUSTAKA
2.1 Statistik Parametrik
Statistik parametrik adalah ilmu statistik yang digunakan untuk data-data
yang memiliki sebaran normal. Jika data tidak menyebar normal maka
metode statistik nonparametrik dapat digunakan. Apa yang dapat dilakukan
jika data tidak menyebar normal, namun statistik parametrik ingin tetap
digunakan. Untuk kasus ini data sebaiknya ditransformasikan terlebih
dahulu. Transformasi data perlu dilakukan agar data mengikuti sebaran
normal. Transformasi dapat dilakukan dengan mengubah data ke dalam
bentuk logaritma natural, menggunakan operasi matematik (membagi,
menambah, atau mengali dengan bilangan tertentu), dan mengubah skala
data dari nominal menjadi interval (Hadi, 2002).
Contoh metode statistik parametrik diantaranya adalah uji-z (1 atau 2
sampel), uji-t (1 atau 2 sampel), korelasi pearson, perancang percobaan (2-
way ANOVA), dan lain-lain.
Parametrik berarti parameter. Parameter adalah indikator dari suatu
distribusi hasil pengukuran. Indikator dari distribusi pengukuran berdasarkan
statistik parametrik digunakan untuk parameter dari distribusi normal. definisi
distribusi normal dan cara mengetahui distribusi dari data merupakan hal
yang penting sekali untuk diketahui karena berdasarkan normal atau
tidaknya distribusi ini baru dapat ditentukan apakah uji statistik parametrik
atau nonparametrik yang digunakan.
Distribusi normal dikenal juga dengan istilah Gaussian Distribution.
Distribusi normal mengandung dua parameter, yaitu rata-rata (mea n =m)
dan ragam (varians = S2). Parameter-parameter ini memberikan karakteristik
yang unik pada suatu distribusi berdasarkan “lokasi”-nya (central tendency).
Berbagai metode statistik mendasarkan perhitungannya pada kedua
parameter tersebut.
Penggunaan metode statistik parametrik mengikuti prinsip-prinsip
distribusi normal. Prinsip-prinsip dari distribusi normal adalah:
a) Distribusi dari suatu sampel yang dijadikan obyek pengukuran berasal
dari distribusi populasi yang diasumsikan terdistribusi secara normal.
b) Sampel diperoleh secara random, dengan jumlah sampel yang
dianggap dapat mewakili populasi.
c) Distribusi normal merupakan bagian dari distribusi probabilitas yang
kontinyu (continuous probability distribution). Impilkasinya, skala
pengukuran pun harus kontinyu. Skala pengukuran yang kontinyu
adalah skala rasio dan interval. Kedua skala ini memenuhi syarat untuk
menggunakan uji statistik parametrik.
Bila syarat-syarat ini semua terpenuhi, maka metode statistik parametrik
dapat digunakan.
2.2 Test of Normality
Uji normalitas berguna untuk menentukan data yang telah dikumpulkan
berdistribusi normal atau diambil dari populasi normal. Metode klasik dalam
pengujian normalitas suatu data tidak begitu rumit. Berdasarkan
pengalaman empiris beberapa pakar statistik, data yang banyaknya lebih
dari 30 angka (n > 30), maka sudah dapat diasumsikan berdistribusi
normal. Biasa dikatakan sebagai sampel besar (Hidayat, 2013).
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi
normal atau tidak, sebaiknya digunakan uji statistik normalitas. Karena
belum tentu data yang lebih dari 30 bisa dipastikan berdistribusi normal,
demikian sebaliknya data yang banyaknya kurang dari 30 belum tentu tidak
berdistribusi normal, untuk itu perlu suatu pembuktian. uji statistik
normalitas yang dapat digunakan diantaranya Chi-Square, Kolmogorov
Smirnov, Lilliefors, Shapiro Wilk (Hidayat, 2013).
Berikut langkah-langkah pengujian normalitas data menggunakan Software
SPSS :
a. Buka lembar kerja, lakukan penginputan data
b. Pilih Analyze – Descriptive Statistics – Explore
Isi Dependent List dengan variabel yang akan diuji
normalitasnya
Pilih Statistiks – Descriptives. Isi Confidence Interval
for Mean sesuai yang diinginkan. Klik Continue. Pilih
Plots. Pada Boxplot, pilih Factor Levels Together. Pada
Descriptive, select/deselect pilihan Stem and Leaf. Klik
Normality Plots With Test. Klik Continue.
Klik OK.
c. Lakukan analisa output untuk :
Test of Normality
Normal Quantile-Quantile Plots
2.3 One Sample T-Test
Digunakan untuk satu sample. Prinsipnya menguji apakah suatu nilai
tertentu (yang diberikan sebagai pembanding) berbeda secara nyata
ataukah tidak dengan rata-rata sebuah sampel. Nilai yang dimaksud pada
umumnya adalah nilai parameter untuk mengukur suatu populasi.
Berikut langkah-langkah pengujian one sample t-test data menggunakan
Software SPSS :
a. Buka lembar kerja, lakukan penginputan data
b. Pilih Analyze – Compare Means – One Sample T Test
Isi Test Variables dengan variabel yang akan diuji. Isi Test
Value dengan nilai hipotesis yang akan diuji
Pilih Options, isi Confidence Interval sesuai yang diinginkan.
Klik Continue
Klik OK
c. Lakukan analisa output untuk :
One Sample Statistic
One Sample Test
2.4 Independent Sample T-test
Digunakan untuk membandingkan dua kelompok mean dari dua sampel
yang berbeda (independent). Prinsipnya ingin mengetahui apakah ada
perbedaan mean antara dua populasi, dengan membandingkan dua mean
sample-nya.
Berikut langkah-langkah pengujian independent sample t-test data
menggunakan Software SPSS :
a. Buka lembar kerja, lakukan penginputan data
b. Pilih Analyze – Compare Means – Independet Sample T Test
Isi Test Variables dengan variabel yang akan diuji. Isi Grouping
Variabel dengan variabel pengelompok
Klik Define Group. Isi Group 1 dengan digit yang mewakili grup 1
dan Group 2 dengan digit yang mewakili grup 2. Klik Continue.
Pilih Options, isi Confidence Interval sesuai yang diinginkan. Klik
Continue
Klik OK
c. Lakukan analisa output untuk :
Group Statistics
Independent Sample Test
2.5 One Way-Anova
ANOVA merupakan lanjutan dari uji-t independen dimana kita memiliki
dua kelompok percobaan atau lebih. ANOVA biasa digunakan untuk
membandingkan mean dari dua kelompok sampel independen (bebas).
Uji ANOVA ini juga biasa disebut sebagai One Way Analysis of Variance
(Ariyoso, 2012).
Asumsi yang digunakan adalah subjek diambil secara acak menjadi
satu kelompok n. Distribusi mean berdasarkan kelompok normal dengan
keragaman yang sama. Ukuran sampel antara masing-masing kelompok
sampel tidak harus sama, tetapi perbedaan ukuran kelompok sampel yang
besar dapat mempengaruhi hasil uji perbandingan keragaman.
Statistik uji-F yang digunakan dalam One Way ANOVA dihitung dengan
rumus (k-1), uji F dilakukan dengan membandingkan nilai Fhitung (hasil
output) dengan nilai Ftabel. Sedangkan derajat bebas yang digunakan
dihitung dengan rumus (n-k), dimana k adalah jumlah kelompok sampel, dan
n adalah jumlah sampel p-value rendah untuk uji ini mengindikasikan
penolakan terhadap hipotesis nol, dengan kata lain terdapat bukti bahwa
setidaknya terdapat satu pasangan mean (rata-rata) yang tidak sama.
Sebaran perbandingan grafis memungkinkan kita melihat distribusi
kelompok. Terdapat beberapa pilihan tersedia pada grafik perbandingan
yang memungkinkan kita menjelaskan kelompok. Termasuk box plot, mean,
median, dan error bar.
a. Buka lembar kerja, lakukan penginputan data
b. Pilih Analyze – Compare Means – One-Way ANOVA
Isi Variabel Dependent dengan variabel yang akan diuji.
Isi Factor list dengan variabel pengelompok
Klik Option, Pilih Descriptive dan Homogeneity of
Variance Test
Klik Continue, OK
c. Lakukan analisa output untuk :
Tabel Descriptives
Tabel Test of Homogeneity of Variances
Tabel ANOVA
Tabel Multiple Comparison
BAB III
METODE PENELITIAN
3.1 Prosedur Praktikum
Mahasiswa Teknik Industri ingin meneliti distribusi data tingkat
kepuasan terhadap perpustakaan Universitas ABC yang dikelompokkan
berdasarkan program studi. Ada 3 program studi yang berbeda yang akan
dibandingkan. Dari hasil perbandingan akan diketahui apakah distribusi data
antar 2 program studi berbeda atau sama secara signifikan. Data program
studi tersebut sebagai berikut:
1. Prodi A
2. Prodi B
3. Prodi C
4. Prodi D
5. Prodi E
6. Prodi F
7. Prodi G
8. Prodi H
9. Prodi I
10. Prodi J
11. Prodi K
12. Prodi L
13. Prodi M
14. Prodi N
15. Prodi O
16. Prodi P
17. Prodi Q
18. Prodi R
19. Prodi S
20. Prodi T
PEMBAGIAN PRODI UNTUK SETIAP KELOMPOK :
Tabel 2.3.1 Pembagian prodi untuk setiap kelompok
KELOMPOK PRODI KELOMPOK PRODI
1 A,B,C 21 A,C,E
2 B,C,D 22 C,E,G
3 C,D,E 23 E,G,I
4 D,E,F 24 G,I,K
5 E,F,G 25 I,K,M
6 F,G,H 26 K,M,O
7 G,H,I 27 M,O,Q
8 H,I,J 28 O,Q,S
9 I,J,K 29 Q,S,A
10 J,K,L 30 S,A,C
11 K,L,M 31 B,D,F
12 L,M,N 32 D,F,H
13 M,N,O 33 F,H,J
14 N,O,P 34 H,J,L
15 O,P,Q 35 J,L,N
16 P,Q,R 36 L,N,P
17 Q,R,S 37 N,P,R
18 R,S,T 38 P,R,T
19 S,T,U 39 R,T,B
20 T,U,A 40 T,B,D
PEMBAGIAN TEST VALUE UNTUK ONE SAMPLE T-TEST
Tabel 2.3.2 Pembagian test value untuk setiap kelompok
17 156 4318 160 4519 158 4820 157 4721 158 4622 157 5123 157 5424 160 5125 155 5126 160 4027 155 4528 160 5529 157 4830 156 4231 160 4332 160 5433 157 4234 155 4835 159 4836 157 5037 157 4238 159 5339 156 5440 159 43
3.2 Flowchart Prosedur Praktikum
Gambar 2.3.1 Flowchart prosedur praktikum modul 2
BAB IV
PEMBAHASAN
4.1 Data Mentah
Pada praktikum statistik modul 2 ini data mentah merupakan data
kuisioner yang diambil dari data identitas responden yaitu tinggi badan, berat
badan dan IPK. Data-data tersebut diambil dari 3 prodi yang berbeda yaitu
prodi P, R dan T. Untuk test value sebagai salah satu persyaratan dalam
pengujian one sample t-test digunakan data 159 untuk tinggi badan, 53
untuk berat badan dan 2,82 untuk IPK.
4.2 Analisis Uji Normalitas Data
Uji normalitas bertujuan untuk mendeteksi distribusi atau sebaran data
dalam suatu variabel yang akan digunakan dalam penelitian. Apakah data
tersebut mengikuti distribusi normal atau tidak.
4.2.1 Analisis Uji Normalitas Data Pada Tinggi Badan
4.2.1.1 Prodi 1
Dari data penelitian yang kami peroleh dari tinggi badan
responden (mahasiswa) Universitas ABC kemudian kami uji
kenormalan datanya pada tabel Test of Normality Prodi 1 atau P.
Tabel 2.4.3 Test Of Normality tinggi badan prodi 1 atau P
Prodi P No Nama Prodi Sig α Keterangan1 Prodi P Kolmogorov-Smirnov 0.200 0.05 sig > 0.05
Gambar 2.4.2 Normal QQ Plot tinggi badan prodi 1 atau P
Hipotesis :
H 0 = Data berasal dari populasi yang berdistribusi normal
H 1 = Data tidak berasal dari populasi yang berdistribusi normal
Penarikan Keputusan :
Jika sig < α, maka Tolak H 0
Jika sig ≥ α, maka Terima H 0
Kesimpulan :
Berdasarkan data pada tabel Test of Normality diatas, nilai sig uji
Kolmogorov-Smirnov adalah 0,200 (> 0,05) dan nilai sig uji Shapiro-
Wilk 0,522 (> 0,05), sehingga hipotesis nol (H0) diterima. Hal tersebut
berarti bahwa data tinggi badan prodi 1 (P) mengikuti fungsi distribusi
normal. Begitu juga dari pencaran data pada grafik normal QQ-Plot
yang berada pada sekitar garis miring melintang, sehingga dapat
disimpulkan bahwa data tinggi badan prodi 1 (P) berdistribusi normal.
4.2.1.2 Prodi 2
Dari data penelitian yang kami peroleh dari tinggi badan
responden (mahasiswa) Universitas ABC kemudian kami uji
kenormalan datanya pada tabel Test of Normality Prodi 2 atau R.
Tabel 2.4.4 Test Of Normality tinggi badan prodi 2 atau R
Prodi P No Nama Prodi Sig α Keterangan1 Prodi P Kolmogorov-Smirnov 0.200 0.05 sig > 0.05
Gambar 2.4.3 Normal QQ Plot tinggi badan prodi 2 atau R
Hipotesis :
H 0 = Data berasal dari populasi yang berdistribusi normal
H 1 = Data tidak berasal dari populasi yang berdistribusi normal
Penarikan Keputusan :
Jika sig < α, maka Tolak H 0
Jika sig ≥ α, maka Terima H 0
Kesimpulan :
Berdasarkan data pada tabel Test of Normality diatas, nilai sig uji
Kolmogorov-Smirnov adalah 0,200 (> 0,05) dan nilai sig uji Shapiro-
Wilk 0,224 (> 0,05), sehingga hipotesis nol (H0) diterima. Hal tersebut
berarti bahwa data tinggi badan prodi 2 (R) mengikuti fungsi distribusi
normal. Begitu juga dari pencaran data pada grafik normal QQ-Plot
yang berada pada sekitar garis miring melintang, sehingga dapat
disimpulkan bahwa data tinggi badan prodi 2 (R) berdistribusi normal.
4.2.1.3 Prodi 3
Dari data penelitian yang kami peroleh dari tinggi badan
responden (mahasiswa) Universitas ABC kemudian kami uji
kenormalan datanya pada tabel Test of Normality Prodi 3 atau T.
Tabel 2.4.5 Test Of Normality tinggi badan prodi 3 atau T
Prodi P No Nama Prodi Sig α Keterangan1 Prodi P Kolmogorov-Smirnov 0.200 0.05 sig > 0.05
Gambar 2.4.4 Normal QQ Plot tinggi badan prodi 3 atau T
Hipotesis :
H 0 = Data berasal dari populasi yang berdistribusi normal
H 1 = Data tidak berasal dari populasi yang berdistribusi normal
Penarikan Keputusan :
Jika sig < α, maka Tolak H 0
Jika sig ≥ α, maka Terima H 0
Kesimpulan :
Berdasarkan data pada tabel Test of Normality diatas, nilai sig uji
Kolmogorov-Smirnov adalah 0,200 (> 0,05) dan nilai sig uji Shapiro-
Wilk 0,224 (> 0,05), sehingga hipotesis nol (H0) diterima. Hal tersebut
berarti bahwa data tinggi badan prodi 3 (T) mengikuti fungsi distribusi
normal. Begitu juga dari pencaran data pada grafik normal QQ-Plot
yang berada pada sekitar garis miring melintang, sehingga dapat
disimpulkan bahwa data tinggi badan prodi 3 (T) berdistribusi normal.
4.2.2 Analisis Uji Normalitas Data Pada Berat Badan
4.2.2.1 Prodi 1
Dari data penelitian yang kami peroleh dari berat badan
responden (mahasiswa) Universitas ABC kemudian kami uji
kenormalan datanya pada tabel Test of Normality Prodi 1 atau P.
Tabel 2.4.6 Test Of Normality berat badan prodi 1 atau P
No Nama Prodi Sig α Keterangan Kesimpulan1 Prodi P Kolmogorov-Smirnov 0.200 0.05 sig > 0.05 berdistribusi normal
Shapiro-Wilk 0.099 sig > 0.05
Gambar 2.4.5 Normal QQ Plot berat badan prodi 1 atau P
Hipotesis :
H 0 = Data berasal dari populasi yang berdistribusi normal
H 1 = Data tidak berasal dari populasi yang berdistribusi normal
Penarikan Keputusan :
Jika sig < α, maka Tolak H 0
Jika sig ≥ α, maka Terima H 0
Kesimpulan :
Berdasarkan data pada tabel Test of Normality diatas, nilai sig uji
Kolmogorov-Smirnov adalah 0,200 (> 0,05) dan nilai sig uji Shapiro-
Wilk 0,099 (> 0,05), sehingga hipotesis nol (H0) diterima. Hal tersebut
berarti bahwa data berat badan prodi 1 (P) mengikuti fungsi distribusi
normal. Begitu juga dari pencaran data pada grafik normal QQ-Plot
yang berada pada sekitar garis miring melintang, sehingga dapat
disimpulkan bahwa data berat badan prodi 1 (P) berdistribusi normal.
4.2.2.2 Prodi 2
Dari data penelitian yang kami peroleh dari berat badan
responden (mahasiswa) Universitas ABC kemudian kami uji
kenormalan datanya pada tabel Test of Normality Prodi 2 atau R.
Tabel 2.4.7 Test Of Normality berat badan prodi 2 atau R
No Nama Prodi Sig α Keterangan Kesimpulan2 Prodi R Kolmogorov-Smirnov 0.200 0.05 sig > 0.05 berdistribusi normal
Shapiro-Wilk 0.099 sig > 0.05
Gambar 2.4.6 Normal QQ Plot berat badan prodi 2 atau R
Hipotesis :
H 0 = Data berasal dari populasi yang berdistribusi normal
H 1 = Data tidak berasal dari populasi yang berdistribusi normal
Penarikan Keputusan :
Jika sig < α, maka Tolak H 0
Jika sig ≥ α, maka Terima H 0
Kesimpulan :
Berdasarkan data pada tabel Test of Normality diatas, nilai sig uji
Kolmogorov-Smirnov adalah 0,200 (> 0,05) dan nilai sig uji Shapiro-
Wilk 0,099 (> 0,05), sehingga hipotesis nol (H0) diterima. Hal tersebut
berarti bahwa data berat badan prodi 2 (R) mengikuti fungsi distribusi
normal. Begitu juga dari pencaran data pada grafik normal QQ-Plot
yang berada pada sekitar garis miring melintang, sehingga dapat
disimpulkan bahwa data berat badan prodi 2 (R) berdistribusi normal.
4.2.2.3 Prodi 3
Dari data penelitian yang kami peroleh dari berat badan
responden (mahasiswa) Universitas ABC kemudian kami uji
kenormalan datanya pada tabel Test of Normality Prodi 3 atau T.
Tabel 2.4.8 Test Of Normality berat badan prodi 3 atau T
No Nama Prodi Sig α Keterangan Kesimpulan3 Prodi T Kolmogorov-Smirnov 0.200 0.05 sig > 0.05 berdistribusi normal
Shapiro-Wilk 0.099 sig > 0.05
Gambar 2.4.7 Normal QQ Plot berat badan prodi 3 atau T
Hipotesis :
H 0 = Data berasal dari populasi yang berdistribusi normal
H 1 = Data tidak berasal dari populasi yang berdistribusi normal
Penarikan Keputusan :
Jika sig < α, maka Tolak H 0
Jika sig ≥ α, maka Terima H 0
Kesimpulan :
Berdasarkan data pada tabel Test of Normality diatas, nilai sig uji
Kolmogorov-Smirnov adalah 0,200 (> 0,05) dan nilai sig uji Shapiro-
Wilk 0,099 (> 0,05), sehingga hipotesis nol (H0) diterima. Hal tersebut
berarti bahwa data berat badan prodi 3 (T) mengikuti fungsi distribusi
normal. Begitu juga dari pencaran data pada grafik normal QQ-Plot
yang berada pada sekitar garis miring melintang, sehingga dapat
disimpulkan bahwa data berat badan prodi 3 (T) berdistribusi normal.
4.2.3 Analisis Uji Normalitas Data Pada IPK
4.2.3.1 Prodi 1
Dari data penelitian yang kami peroleh dari IPK responden
(mahasiswa) Universitas ABC kemudian kami uji kenormalan datanya
pada tabel Test of Normality Prodi 1 atau P.
Tabel 2.4.9 Test Of Normality IPK prodi 1 atau P
Prodi P No Nama Prodi Sig α Keterangan1 Prodi P Kolmogorov-Smirnov 0.200 0.05 sig > 0.05
Gambar 2.4.8 Normal QQ Plot IPK prodi 1 atau P
Hipotesis :
H 0 = Data berasal dari populasi yang berdistribusi normal
H 1 = Data tidak berasal dari populasi yang berdistribusi normal
Penarikan Keputusan :
Jika sig < α, maka Tolak H 0
Jika sig ≥ α, maka Terima H 0
Kesimpulan :
Berdasarkan data pada tabel Test of Normality diatas, nilai sig uji
Kolmogorov-Smirnov adalah 0,200 (> 0,05) dan nilai sig uji Shapiro-
Wilk 0,089 (> 0,05), sehingga hipotesis nol (H0) diterima. Hal tersebut
berarti bahwa data IPK prodi 1 (P) mengikuti fungsi distribusi normal.
Begitu juga dari pencaran data pada grafik normal QQ-Plot yang
berada pada sekitar garis miring melintang, sehingga dapat
disimpulkan bahwa data IPK prodi 1 (P) berdistribusi normal.
4.2.3.2 Prodi 2
Dari data penelitian yang kami peroleh dari IPK responden
(mahasiswa) Universitas ABC kemudian kami uji kenormalan datanya
pada tabel Test of Normality Prodi 2 atau R.
Tabel 2.4.10 Test Of Normality IPK prodi 2 atau R
Prodi P No Nama Prodi Sig α Keterangan1 Prodi P Kolmogorov-Smirnov 0.200 0.05 sig > 0.05
Gambar 2.4.9 Normal QQ Plot IPK prodi 2 atau R
Hipotesis :
H 0 = Data berasal dari populasi yang berdistribusi normal
H 1 = Data tidak berasal dari populasi yang berdistribusi normal
Penarikan Keputusan :
Jika sig < α, maka Tolak H 0
Jika sig ≥ α, maka Terima H 0
Kesimpulan :
Berdasarkan data pada tabel Test of Normality diatas, nilai sig uji
Kolmogorov-Smirnov adalah 0,167 (> 0,05) dan nilai sig uji Shapiro-
Wilk 0,095 (> 0,05), sehingga hipotesis nol (H0) diterima. Hal tersebut
berarti bahwa data IPK prodi 2 (R) mengikuti fungsi distribusi normal.
Begitu juga dari pencaran data pada grafik normal QQ-Plot yang
berada pada sekitar garis miring melintang, sehingga dapat
disimpulkan bahwa data IPK prodi 2 (R) berdistribusi normal.
4.2.3.3 Prodi 3
Dari data penelitian yang kami peroleh dari IPK responden
(mahasiswa) Universitas ABC kemudian kami uji kenormalan datanya
pada tabel Test of Normality Prodi 3 atau T.
Tabel 2.4.11 Test Of Normality IPK prodi 3 atau T
Prodi P No Nama Prodi Sig α Keterangan1 Prodi P Kolmogorov-Smirnov 0.200 0.05 sig > 0.05
Gambar 2.4.10 Normal QQ Plot IPK prodi 3 atau T
Hipotesis :
H 0 = Data berasal dari populasi yang berdistribusi normal
H 1 = Data tidak berasal dari populasi yang berdistribusi normal
Penarikan Keputusan :
Jika sig < α, maka Tolak H 0
Jika sig ≥ α, maka Terima H 0
Kesimpulan :
Berdasarkan data pada tabel Test of Normality diatas, nilai sig uji
Kolmogorov-Smirnov adalah 0,094 (> 0,05) dan nilai sig uji Shapiro-
Wilk 0,074 (> 0,05), sehingga hipotesis nol (H0) diterima. Hal tersebut
berarti bahwa data IPK prodi 3 (T) mengikuti fungsi distribusi normal.
Begitu juga dari pencaran data pada grafik normal QQ-Plot yang
berada pada sekitar garis miring melintang, sehingga dapat
disimpulkan bahwa data IPK prodi 3 (T) berdistribusi normal.
4.3 One Sample T-Test
One Sample T-Test digunakan untuk membandingkan apakah terdapat
perbedaan atau persamaan rata-rata suatu kelompok sampel data dengan
suatu nilai rata-rata.
4.3.1 One Sample T-Test Pada Tinggi Badan
4.3.1.1 Prodi 1
Tabel 2.4.12 One Sample Statisic tinggi badan prodi 1 atau P
Prodi P Variabel N MeanTabel 2.4.13 One Sample Test tinggi badan prodi 1 atau P
Prodi P Variabel N MeanHipotesis :
H 0 = Rata-rata tinggi badan prodi P tidak berbeda signifikansi 159
cm
H 1 = Rata-rata tinggi badan prodi P berbeda signifikansi 159 cm
atau
H 0 : μ0=159cm
H 1 : μ0≠159 cm
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menunjukkan statistik deskriptif tinggi badan prodi
P atau 1. Dari 90 responden, rata-rata tinggi badan prodi P atau 1
adalah 159,69 cm dengan standar deviasi 6,866 cm. Oleh karena nilai
p-Value pada tabel One Sample Test menunjukkan nilai 0,344
(>0,05), maka kesimpulannya adalah terima hipotesis nol. Hal
tersebut berarti rata-rata tinggi badan prodi P sebesar 159,69 cm
tidak menunjukkan perbedaan yang nyata dengan tingkat signifikansi
yang ditetapkan yaitu 159 cm.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,98698 dengan df 89 (> t hitung = 0,952), maka
kesimpulannya adalah terima hipotesis nol. Jadi sudah benar bahwa
rata-rata tinggi badan prodi P sebesar 159,69 cm tidak menunjukkan
perbedaan yang nyata dengan tingkat signifikansi yang ditetapkan
yaitu 159 cm.
4.3.1.2 Prodi 2
Tabel 2.4.14 One Sample Statisic tinggi badan prodi 2 atau R
Prodi P Variabel N MeanTabel 2.4.15 One Sample Test tinggi badan prodi 2 atau R
Prodi P Variabel N MeanHipotesis :
H 0 = Rata-rata tinggi badan prodi R tidak berbeda signifikansi 159
cm
H 1 = Rata-rata tinggi badan prodi R berbeda signifikansi 159 cm
atau
H 0 : μ0=159cm
H 1 : μ0≠159 cm
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menunjukkan statistik deskriptif tinggi badan prodi
R atau 2. Dari 90 responden, rata-rata tinggi badan prodi R atau 2
adalah 161,21 cm dengan standar deviasi 10,974 cm. Oleh karena
nilai p-Value pada tabel One Sample Test menunjukkan nilai 0,059
(>0,05), maka kesimpulannya adalah terima hipotesis nol. Hal
tersebut berarti rata-rata tinggi badan prodi R sebesar 161,21 cm
tidak menunjukkan perbedaan yang nyata dengan tingkat signifikansi
yang ditetapkan yaitu 159 cm.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,98698 dengan df 89 (> t hitung = 1,911), maka
kesimpulannya adalah terima hipotesis nol. Jadi sudah benar bahwa
rata-rata tinggi badan prodi R sebesar 161,21 cm tidak menunjukkan
perbedaan yang nyata dengan tingkat signifikansi yang ditetapkan
yaitu 159 cm.
4.3.1.3 Prodi 3
Tabel 2.4.16 One Sample Statisic tinggi badan prodi 3 atau T
Prodi P Variabel N MeanTabel 2.4.17 One Sample Test tinggi badan prodi 3 atau T
Prodi P Variabel N MeanHipotesis :
H 0 = Rata-rata tinggi badan prodi T tidak berbeda signifikansi 159
cm
H 1 = Rata-rata tinggi badan prodi T berbeda signifikansi 159 cm
atau
H 0 : μ0=159cm
H 1 : μ0≠159 cm
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menunjukkan statistik deskriptif tinggi badan prodi
T atau 3. Dari 90 responden, rata-rata tinggi badan prodi T atau 3
adalah 155,69 cm dengan standar deviasi 6,866 cm. Oleh karena nilai
p-Value pada tabel One Sample Test menunjukkan nilai 0,000
(<0,05), maka kesimpulannya adalah tolak hipotesis nol. Hal tersebut
berarti rata-rata tinggi badan prodi T sebesar 155,69 cm menunjukkan
terdapat perbedaan yang nyata dengan tingkat signifikansi yang
ditetapkan yaitu 159 cm.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,98698 dengan df 89 (> t hitung = -4,575), maka
kesimpulannya adalah terima hipotesis nol. Jadi sudah benar bahwa
rata-rata tinggi badan prodi T sebesar 155,69 cm tidak menunjukkan
perbedaan yang nyata dengan tingkat signifikansi yang ditetapkan
yaitu 159 cm.
4.3.2 One Sample T-Test Pada Berat Badan
4.3.2.1 Prodi 1
Tabel 2.4.18 One Sample Statisic berat badan prodi 1 atau P
Prodi P Variabel N MeanTabel 2.4.19 One Sample Test berat badan prodi 1 atau P
Prodi P Variabel N MeanHipotesis :
H 0 = Rata-rata berat badan prodi P tidak berbeda signifikansi 53 kg
H 1 = Rata-rata berat badan prodi P berbeda signifikansi 53 kg
atau
H 0 : μ0=53kg
H 1 : μ0≠53 kg
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menunjukkan statistik deskriptif berat badan prodi
P atau 1. Dari 90 responden, rata-rata berat badan prodi P atau 1
adalah 63 kg dengan standar deviasi 4,994 kg. Oleh karena nilai p-
Value pada tabel One Sample Test menunjukkan nilai 0,000 (<0,05),
maka kesimpulannya adalah tolak hipotesis nol. Hal tersebut berarti
rata-rata berat badan prodi P sebesar 63 kg menunjukkan terdapat
perbedaan yang nyata dengan tingkat signifikansi yang ditetapkan
yaitu 53 kg.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,98698 dengan df 89 (< t hitung = 18,225), maka
kesimpulannya adalah tolak hipotesis nol. Berarti bahwa rata-rata
berat badan prodi P sebesar 63 kg menunjukkan perbedaan yang
nyata dengan tingkat signifikansi yang ditetapkan yaitu 53 kg.
4.3.2.2 Prodi 2
Tabel 2.4.20 One Sample Statisic berat badan prodi 2 atau R
Prodi P Variabel N MeanTabel 2.4.21 One Sample Test berat badan prodi 2 atau R
Prodi P Variabel N MeanHipotesis :
H 0 = Rata-rata berat badan prodi R tidak berbeda signifikansi 53
kg
H 1 = Rata-rata berat badan prodi R berbeda signifikansi 53 kg
atau
H 0 : μ0=53kg
H 1 : μ0≠53 kg
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menunjukkan statistik deskriptif berat badan prodi
R atau 2. Dari 90 responden, rata-rata berat badan prodi R atau 2
adalah 51,09 kg dengan standar deviasi 4,223 kg. Oleh karena nilai p-
Value pada tabel One Sample Test menunjukkan nilai 0,000 (<0,05),
maka kesimpulannya adalah tolak hipotesis nol. Hal tersebut berarti
rata-rata berat badan prodi R sebesar 51,09 kg menunjukkan terdapat
perbedaan yang nyata dengan tingkat signifikansi yang ditetapkan
yaitu 53 kg.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,98698 dengan df 89 (> t hitung = -4,293), maka
kesimpulannya adalah terima hipotesis nol. Jadi sudah benar bahwa
rata-rata berat badan prodi R sebesar 51,09 kg tidak menunjukkan
perbedaan yang nyata dengan tingkat signifikansi yang ditetapkan
yaitu 53 kg.
4.3.2.3 Prodi 3
Tabel 2.4.22 One Sample Statisic berat badan prodi 3 atau T
Prodi P Variabel N MeanTabel 2.4.23 One Sample Test berat badan prodi 3 atau T
Prodi P Variabel N MeanHipotesis :
H 0 = Rata-rata berat badan prodi T tidak berbeda signifikansi 53 kg
H 1 = Rata-rata berat badan prodi T berbeda signifikansi 53 kg
atau
H 0 : μ0=53kg
H 1 : μ0≠53 kg
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menunjukkan statistik deskriptif berat badan prodi
T atau 3. Dari 90 responden, rata-rata berat badan prodi T atau 3
adalah 53,09 kg dengan standar deviasi 4,223 kg. Oleh karena nilai p-
Value pada tabel One Sample Test menunjukkan nilai 0,842 (>0,05),
maka kesimpulannya adalah terima hipotesis nol. Hal tersebut berarti
rata-rata berat badan prodi T sebesar 53,09 kg menunjukkan tidak
terdapat perbedaan yang nyata dengan tingkat signifikansi yang
ditetapkan yaitu 53 kg.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,98698 dengan df 89 (> t hitung = 0,2), maka
kesimpulannya adalah terima hipotesis nol. Jadi sudah benar bahwa
rata-rata berat badan prodi T sebesar 53,09 kg tidak menunjukkan
perbedaan yang nyata dengan tingkat signifikansi yang ditetapkan
yaitu 53 kg.
4.3.3 One Sample T-Test Pada IPK
4.3.1.1 Prodi 1
Tabel 2.4.24 One Sample Statisic IPK prodi 1 atau P
Prodi P Variabel N Tabel 2.4.25 One Sample Test IPK prodi 1 atau P
Prodi P Variabel N Hipotesis :
H 0 = Rata-rata berat badan prodi P tidak berbeda signifikansi 2,82
H 1 = Rata-rata berat badan prodi P berbeda signifikansi 2,82
atau
H 0 : μ0=2,82
H 1 : μ0≠2,82
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menunjukkan statistik deskriptif IPK prodi P atau
1. Dari 90 responden, rata-rata IPK prodi P atau 1 adalah 2,8882
dengan standar deviasi 0,45676. Oleh karena nilai p-Value pada tabel
One Sample Test menunjukkan nilai 0,160 (>0,05), maka
kesimpulannya adalah terima hipotesis nol. Hal tersebut berarti rata-
rata IPK prodi P sebesar 2,8882 menunjukkan tidak terdapat
perbedaan yang nyata dengan tingkat signifikansi yang ditetapkan
yaitu 2,82.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,98698 dengan df 89 (> t hitung = 1,417), maka
kesimpulannya adalah terima hipotesis nol. Jadi sudah benar bahwa
rata-rata IPK prodi P sebesar 2,8882 tidak menunjukkan perbedaan
yang nyata dengan tingkat signifikansi yang ditetapkan yaitu 2,82.
4.3.1.2 Prodi 2
Tabel 2.4.25 One Sample Statisic IPK prodi 2 atau R
Prodi P Variabel N Tabel 2.4.26 One Sample Test IPK prodi 2 atau R
Prodi P Variabel N Hipotesis :
H 0 = Rata-rata berat badan prodi R tidak berbeda signifikansi 2,82
H 1 = Rata-rata berat badan prodi R berbeda signifikansi 2,82
atau
H 0 : μ0=2,82
H 1 : μ0≠2,82
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menunjukkan statistik deskriptif IPK prodi R atau
2. Dari 90 responden, rata-rata IPK prodi R atau 2 adalah 3,0489
dengan standar deviasi 0,32104. Oleh karena nilai p-Value pada tabel
One Sample Test menunjukkan nilai 0,000 (<0,05), maka
kesimpulannya adalah tolak hipotesis nol. Hal tersebut berarti rata-
rata IPK prodi R sebesar 3,0489 menunjukkan terdapat perbedaan
yang nyata dengan tingkat signifikansi yang ditetapkan yaitu 2,82.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,98698 dengan df 89 (< t hitung = 6,764), maka
kesimpulannya adalah tolak hipotesis nol. Berarti bahwa rata-rata IPK
prodi R sebesar 3,0489 menunjukkan perbedaan yang nyata dengan
tingkat signifikansi yang ditetapkan yaitu 2,82.
4.3.1.3 Prodi 3
Tabel 2.4.27 One Sample Statisic IPK prodi 3 atau T
Prodi P Variabel N Tabel 2.4.28 One Sample Test IPK prodi 3 atau T
Prodi P Variabel N Hipotesis :
H 0 = Rata-rata berat badan prodi T tidak berbeda signifikansi 2,82
H 1 = Rata-rata berat badan prodi T berbeda signifikansi 2,82
atau
H 0 : μ0=2,82
H 1 : μ0≠2,82
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menunjukkan statistik deskriptif IPK prodi T atau
3. Dari 90 responden, rata-rata IPK prodi T atau 3 adalah 3,1456
dengan standar deviasi 0,32366. Oleh karena nilai p-Value pada tabel
One Sample Test menunjukkan nilai 0,000 (<0,05), maka
kesimpulannya adalah tolak hipotesis nol. Hal tersebut berarti rata-
rata IPK prodi T sebesar 3,1456 menunjukkan terdapat perbedaan
yang nyata dengan tingkat signifikansi yang ditetapkan yaitu 2,82.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,98698 dengan df 89 (< t hitung = 9,542), maka
kesimpulannya adalah tolak hipotesis nol. Berarti bahwa rata-rata IPK
prodi T sebesar 3,1456 menunjukkan perbedaan yang nyata dengan
tingkat signifikansi yang ditetapkan yaitu 2,82.
4.4 Independent Sample T-Test
Independent Sample T-Test digunakan untuk membandingkan rata-rata
dari dua kelompok sampel data independent.
4.4.1 Independent Sample T-Test Tinggi Badan
4.4.1.1 Prodi 1 dengan Prodi 2
Tabel 2.4.29 Group Statisic tinggi badan prodi 1 (P) dengan prodi 2 (R)
Frekuensi Tinggi Badan
Tabel 2.4.30 Independent Sample T-Test tinggi badan prodi prodi 1 (P)
dengan prodi 2 (R)
t Sig Sig (2 tailed)
Tinggi Badan -1.116 0.000 0.266
-1.116 0.266
Equal variances assumed
Equal variances not assumed
Hipotesis :
H 0 = Tidak terdapat perbedaan yang nyata antara rata-rata tinggi
badan prodi P dan R.
H 1 = Terdapat perbedaan yang nyata antara rata-rata tinggi
badan prodi P dan R.
atau
H 0 : μP=μR
H 1 : μP≠ μR
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menggambarkan statistik deskriptif rata-rata
dan standar deviasi kedua prodi tinggi badan dan tabel kedua
menerangkan penggunaan statistik uji T untuk uji perbandingan dua
tinggi badan antara prodi 1 (P) dengan prodi 2 (R). Oleh karena
nilai p-value statistik uji T sebesar 0,266 (>0,05), maka
kesimpulannya adalah terima H 0, yaitu tidak terdapat perbedaan
yang nyata antara rata-rata tinggi badan prodi P dan R.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,97601 dengan df 149 (> t hitung = -1,116), maka
kesimpulannya adalah terima hipotesis nol. Berarti bahwa rata-rata
tinggi badan antara prodi 1 (P) dengan prodi 2 (R) tidak
menunjukkan perbedaan yang nyata.
4.4.1.2 Prodi 2 dengan Prodi 3
Tabel 2.4.31 Group Statisic tinggi badan prodi 2 (R) dengan prodi 3 (T)
Prodi 1 dengan Prodi 2
Tabel 2.4.32 Independent Sample T-Test tinggi badan prodi 2 (R) dengan
prodi 3 (T)
t Sig Sig (2 tailed)
Tinggi Badan 4.047 0.000 0.000
4.047 0.000
Equal variance assumed
Equal variance not assumed
Hipotesis :
H 0 = Tidak terdapat perbedaan yang nyata antara rata-rata tinggi
badan prodi R dan T
H 1 = Terdapat perbedaan yang nyata antara rata-rata tinggi
badan prodi R dan T
atau
H 0 : μR=μT
H 1 : μR≠ μT
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menggambarkan statistik deskriptif rata-rata
dan standar deviasi kedua prodi tinggi badan dan tabel kedua
menerangkan penggunaan statistik uji T untuk uji perbandingan dua
tinggi badan antara prodi 2 (R) dengan prodi 3 (T). Oleh karena
nilai p-value statistik uji T sebesar 0,000 (<0,05), maka
kesimpulannya adalah tolak H 0, yaitu terdapat perbedaan yang
nyata antara rata-rata tinggi badan prodi R dan T.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,97601 dengan df 149 (< t hitung = 4,047), maka
kesimpulannya adalah tolak hipotesis nol. Berarti bahwa rata-rata
tinggi badan antara prodi 2 (R) dengan prodi 3 (T) menunjukkan
perbedaan yang nyata.
4.4.1.3 Prodi 3 dengan Prodi 1
Tabel 2.4.33 Group Statisic tinggi badan prodi 3 (T) dengan prodi 1 (P)
Prodi 1 dengan Prodi 2
Tabel 2.4.34 Independent Sample T-Test tinggi badan prodi 3 (T) dengan
prodi 1 (P)
t Sig Sig (2 tailed)
Tinggi Badan -3.908 1.000 0.000
-3.908 0.000
Equal variance assumed
Equal variance not assumed
Hipotesis :
H 0 = Tidak terdapat perbedaan yang nyata antara rata-rata tinggi
badan prodi T dan P.
H 1 = Terdapat perbedaan yang nyata antara rata-rata tinggi
badan prodi T dan P.
atau
H 0 : μT=μP
H 1 : μT ≠ μP
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menggambarkan statistik deskriptif rata-rata
dan standar deviasi kedua prodi tinggi badan dan tabel kedua
menerangkan penggunaan statistik uji T untuk uji perbandingan dua
tinggi badan antara prodi 3 (T) dengan prodi 1 (P). Oleh karena nilai
p-value statistik uji T sebesar 0,000 (<0,05), maka kesimpulannya
adalah tolak H 0, yaitu terdapat perbedaan yang nyata antara rata-
rata tinggi badan prodi T dan P.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,97338 dengan df 178 (> t hitung = -3,908), maka
kesimpulannya adalah terima hipotesis nol. Berarti bahwa rata-rata
tinggi badan antara prodi 3 (T) dengan prodi 1 (P) tidak
menunjukkan perbedaan yang nyata.
4.4.2 Independent Sample T-Test Berat Badan
4.4.2.1 Prodi 1 dengan Prodi 2
Tabel 2.4.35 Group Statisic berat badan prodi 1 (P) dengan prodi 2 (R)
Prodi N Mean Standar deviasiBerat Badan P 90 63 4.994
Tabel 2.4.36 Independent Sample T-Test berat badan prodi prodi 1 (P)
dengan prodi 2 (R)
t Sig Sig (2 tailed)
Berat Badan 17.277 0.052 0.000
17.277 0.000
Equal variance assumed
Equal variance not assumed
Hipotesis :
H 0 = Tidak terdapat perbedaan yang nyata antara rata-rata berat
badan prodi P dan R
H 1 = Terdapat perbedaan yang nyata antara rata-rata berat badan
prodi P dan R
atau
H 0 : μP=μRH 1 : μP≠ μR
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menggambarkan statistik deskriptif rata-rata
dan standar deviasi kedua prodi berat badan dan tabel kedua
menerangkan penggunaan statistik uji T untuk uji perbandingan dua
berat badan antara prodi 1 (P) dengan prodi 2 (R). Oleh karena nilai
p-value statistik uji T sebesar 0,000 (<0,05), maka kesimpulannya
adalah tolak H 0, yaitu terdapat perbedaan yang nyata antara rata-
rata berat badan prodi P dan R.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,97338 dengan df 178 (< t hitung = 17,277), maka
kesimpulannya adalah tolak hipotesis nol. Berarti bahwa rata-rata
berat badan antara prodi 1 (P) dengan prodi 2 (R) menunjukkan
perbedaan yang nyata.
4.4.2.2 Prodi 2 dengan Prodi 3
Tabel 2.4.37 Group Statisic berat badan prodi 2 (R) dengan prodi 3 (T)
Prodi N Mean Standar deviasiBerat Badan P 90 63 4.994
Tabel 2.4.38 Independent Sample T-Test berat badan prodi prodi 2 (R)
dengan prodi 3 (T)
t Sig Sig (2 tailed)
Berat Badan -3.177 1.000 0.002
-3.177 0.002
Equal variance assumed
Equal variance not assumed
Hipotesis :
H 0 = Tidak terdapat perbedaan yang nyata antara rata-rata berat
badan prodi R dan T.
H 1 = Terdapat perbedaan yang nyata antara rata-rata berat badan
prodi R dan T.
atau
H 0 : μR=μT
H 1 : μR≠ μT
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menggambarkan statistik deskriptif rata-rata
dan standar deviasi kedua prodi berat badan dan tabel kedua
menerangkan penggunaan statistik uji T untuk uji perbandingan dua
berat badan antara prodi 2 (R) dengan prodi 3 (T). Oleh karena nilai
p-value statistik uji T sebesar 0,002 (<0,05), maka kesimpulannya
adalah tolak H 0, yaitu terdapat perbedaan yang nyata antara rata-
rata berat badan prodi R dan T.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,97338 dengan df 178 (> t hitung = -3,177), maka
kesimpulannya adalah terima hipotesis nol. Berarti bahwa rata-rata
berat badan antara prodi 2 (R) dengan prodi 3 (T) tidak
menunjukkan perbedaan yang nyata.
4.4.2.3 Prodi 3 dengan Prodi 1
Tabel 2.4.39 Group Statisic berat badan prodi 3 (T) dengan prodi 1 (P)
Prodi N Mean Standar deviasiBerat Badan P 90 63 4.994
Tabel 2.4.40 Independent Sample T-Test berat badan prodi 3 (T) dengan
prodi 1 (P)
t Sig Sig (2 tailed)
Berat Badan -14.376 0.052 0.000
-14.376 0.000
Equal variance assumed
Equal variance not assumed
Hipotesis :
H 0 = Tidak terdapat perbedaan yang nyata antara rata-rata berat
badan prodi T dan P.
H 1 = Terdapat perbedaan yang nyata antara rata-rata berat badan
prodi T dan P.
atau
H 0 : μT=μP
H 1 : μT ≠ μP
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menggambarkan statistik deskriptif rata-rata
dan standar deviasi kedua prodi berat badan dan tabel kedua
menerangkan penggunaan statistik uji T untuk uji perbandingan dua
berat badan antara prodi 3 (T) dengan prodi 1 (P). Oleh karena nilai
p-value statistik uji T sebesar 0,000 (<0,05), maka kesimpulannya
adalah tolak H 0, yaitu terdapat perbedaan yang nyata antara rata-
rata berat badan prodi T dan P.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,97338 dengan df 178 (> t hitung = -14,376), maka
kesimpulannya adalah terima hipotesis nol. Berarti bahwa rata-rata
berat badan antara prodi 3 (T) dengan prodi 1 (P) tidak
menunjukkan perbedaan yang nyata.
4.4.3 Independent Sample T-Test IPK
4.4.3.1 Prodi 1 dengan Prodi 2
Tabel 2.4.41 Group Statisic IPK prodi 1 (P) dengan prodi 2 (R)
Prodi 1 dengan Prodi 2IPK
Tabel 2.4.42 Independent Sample T-Test IPK prodi prodi 1 (P) dengan
prodi 2 (R)
t Sig Sig (2 tailed)
IPK -2.730 0.002 0.007
-2.730 0.007
Equal variance assumed
Equal variance not assumed
Hipotesis :
H 0 = Tidak terdapat perbedaan yang nyata antara rata-rata IPK
prodi P dan R
H 1 = Terdapat perbedaan yang nyata antara rata-rata IPK prodi P
dan R
atau
H 0 : μP=μR
H 1 : μP≠ μR
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menggambarkan statistik deskriptif rata-rata
dan standar deviasi kedua prodi IPK dan tabel kedua menerangkan
penggunaan statistik uji T untuk uji perbandingan dua IPK antara
prodi 1 (P) dengan prodi 2 (R). Oleh karena nilai p-value statistik uji
T sebesar 0,007 (<0,05), maka kesimpulannya adalah tolak H 0,
yaitu terdapat perbedaan yang nyata antara rata-rata IPK prodi P
dan R.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,97490 dengan df 160 (> t hitung = -2,730), maka
kesimpulannya adalah terima hipotesis nol. Berarti bahwa rata-rata
IPK antara prodi 1 (P) dengan prodi 2 (R) tidak menunjukkan
perbedaan yang nyata.
4.4.3.2 Prodi 2 dengan Prodi 3
Tabel 2.4.43 Group Statisic IPK prodi 2 (R) dengan prodi 3 (T)
Prodi 1 dengan Prodi 2IPK
Tabel 2.4.44 Independent Sample T-Test IPK prodi 2 (R) dengan prodi 3
(T)
t Sig Sig (2 tailed)
IPK -2.012 0.918 0.046
-2.012 0.046
Equal variance assumed
Equal variance not assumed
Hipotesis :
H 0 = Tidak terdapat perbedaan yang nyata antara rata-rata IPK
prodi R dan T
H 1 = Terdapat perbedaan yang nyata antara rata-rata IPK prodi R
dan T
atau
H 0 : μR=μTH 1 : μR≠ μT
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menggambarkan statistik deskriptif rata-rata
dan standar deviasi kedua prodi IPK dan tabel kedua menerangkan
penggunaan statistik uji T untuk uji perbandingan dua IPK antara
prodi 2 (R) dengan prodi 3 (T). Oleh karena nilai p-value statistik uji
T sebesar 0,046 (<0,05), maka kesimpulannya adalah tolak H 0,
yaitu terdapat perbedaan yang nyata antara rata-rata IPK prodi R
dan T.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,97338 dengan df 178 (> t hitung = -2,012), maka
kesimpulannya adalah terima hipotesis nol. Berarti bahwa rata-rata
IPK antara prodi 2 (R) dengan prodi 3 (T) tidak menunjukkan
perbedaan yang nyata.
4.4.3.3 Prodi 3 dengan Prodi 1
Tabel 2.4.45 Group Statisic IPK prodi 3 (T) dengan prodi 1 (P)
Prodi 1 dengan Prodi 2IPK
Tabel 2.4.46 Independent Sample T-Test IPK prodi 3 (T) dengan prodi 1
(P)
t Sig Sig (2 tailed)
IPK 4.361 0.002 0.000
4.361 0.000
Equal variance assumed
Equal variance not assumed
Hipotesis :
H 0 = Tidak terdapat perbedaan yang nyata antara rata-rata IPK
prodi T dan P.
H 1 = Terdapat perbedaan yang nyata antara rata-rata IPK prodi T
dan P.
atau
H 0 : μT=μPH 1 : μT ≠ μP
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika t hitung > t tabel, maka Tolak H 0
Jika t hitung < t tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menggambarkan statistik deskriptif rata-rata
dan standar deviasi kedua prodi IPK dan tabel kedua menerangkan
penggunaan statistik uji T untuk uji perbandingan dua IPK antara
prodi 3 (T) dengan prodi 1 (P). Oleh karena nilai p-value statistik uji
T sebesar 0,000 (<0,05), maka kesimpulannya adalah tolak H 0,
yaitu terdapat perbedaan yang nyata antara rata-rata IPK prodi T
dan P.
Selain itu berdasarkan tabel distribusi t didapatkan nilai t tabel
sebesar 1,97481 dengan df 161 (< t hitung = 4,361), maka
kesimpulannya adalah tolak hipotesis nol. Berarti bahwa rata-rata
IPK antara prodi 3 (T) dengan prodi 1 (P) menunjukkan perbedaan
yang nyata.
4.5 One-Way ANOVA
One-way ANOVA digunakan untuk membandingkan apakah terdapat
perbedaan atau kesamaan rata-rata antara tiga atau lebih kelompok data
untuk suatu kategori tertentu. Asumsi yang digunakan adalah variabel data
berdistribusi normal dan homogenitas variansi antar kelompok data.
4.5.1 Uji One Way ANOVA Untuk Tinggi Badan Pada 3 Prodi
Tabel 2.4.47 Descriptive tinggi badan ketiga prodi
Tinggi Badan T Tinggi Badan Prodi Prodi 158 162 1 P154 158 1 R
Tabel 2.4.48 ANOVA tinggi badan ketiga prodi
Tinggi Badan T Tinggi Badan Prodi Prodi 158 162 1 P154 158 1 R
Hipotesis :
H 0 = Rata-rata tinggi badan ketiga prodi adalah identik.
H 1= Rata-rata tinggi badan ketiga prodi adalah tidak identik.
atau
H 0 : μP=μR=μTH 1: μP≠ μR≠ μT
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika f hitung > f tabel, maka Tolak H 0
Jika f hitung < f tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menunjukkan statistik deskriptif tinggi badan ketiga
prodi. Rata-rata tinggi badan prodi P, R dan T berturut-turut sebesar
159,69 cm, 161,21 cm dan 155,69 cm. Dan dari tabel ANOVA, diketahui
bahwa p-value uji F sebesar 0,000 (<0,05), maka kesimpulannya adalah
tolak hipotesis nol. Hal ini berarti bahwa rata-rata tinggi badan ketiga
prodi adalah tidak identik.
Selain itu berdasarkan tabel distribusi f didapatkan nilai f tabel
sebesar 3.029597 dengan α = 0,05, v1 = 2, v2 = 267 (< f hitung =
10,23), maka kesimpulannya adalah tolak hipotesis nol. Berarti sudah
benar bahwa rata-rata tinggi badan ketiga prodi tidak identik.
4.5.2 Uji One Way ANOVA Untuk Berat Badan Pada 3 Prodi
Tabel 2.4.49 Descriptive berat badan ketiga prodi
Berat Badan T Berat Badan Prodi Prodi 48 70 1 P49 57 1 R
Tabel 2.4.50 ANOVA berat badan ketiga prodi
Berat Badan T Berat Badan Prodi Prodi 48 70 1 P49 57 1 R
Hipotesis :
H 0 = Rata-rata berat badan ketiga prodi adalah identik.
H 1= Rata-rata berat badan ketiga prodi adalah tidak identik.
atau
H 0 : μP=μR=μTH 1: μP≠ μR≠ μT
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika f hitung > f tabel, maka Tolak H 0
Jika f hitung < f tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menunjukkan statistik deskriptif berat badan ketiga
prodi. Rata-rata berat badan prodi P, R dan T berturut-turut sebesar 63
kg, 51,09 kg dan 53,09 kg. Dan dari tabel ANOVA, diketahui bahwa p-
value uji F sebesar 0,000 (<0,05), maka kesimpulannya adalah tolak
hipotesis nol. Hal ini berarti bahwa rata-rata berat badan ketiga prodi
adalah tidak identik.
Selain itu berdasarkan tabel distribusi f didapatkan nilai f tabel
sebesar 3.029597 dengan α = 0,05, v1 = 2, v2 = 267 (< f hitung =
181,226), maka kesimpulannya adalah tolak hipotesis nol. Berarti sudah
benar bahwa rata-rata berat badan ketiga prodi tidak identik.
4.5.3 Uji One Way ANOVA Untuk IPK Pada 3 Prodi
Tabel 2.4.51 Descriptive IPK ketiga prodi
IPK T IPK Prodi Prodi N2.48 2.56 1 P 902.58 2.51 1 R 90
Tabel 2.4.52 ANOVA IPK ketiga prodi
IPK T IPK Prodi2.48 2.56 12.58 2.51 1
Hipotesis :
H 0 = Rata-rata IPK ketiga prodi adalah identik.
H 1= Rata-rata IPK ketiga prodi adalah tidak identik.
atau
H 0 : μP=μR=μTH 1: μP≠ μR≠ μT
Penarikan Keputusan :
Jika sig < 0,05, maka Tolak H 0
Jika sig ≥ 0,05, maka Terima H 0
atau
Jika f hitung > f tabel, maka Tolak H 0
Jika f hitung < f tabel, maka Terima H 0
Kesimpulan :
Tabel pertama menunjukkan statistik deskriptif berat badan ketiga
prodi. Rata-rata berat badan prodi P, R dan T berturut-turut sebesar
2,8882, 3,0489 dan 3,1456. Dan dari tabel ANOVA, diketahui bahwa p-
value uji F sebesar 0,000 (<0,05), maka kesimpulannya adalah tolak
hipotesis nol. Hal ini berarti bahwa rata-rata IPK ketiga prodi adalah
tidak identik.
Selain itu berdasarkan tabel distribusi f didapatkan nilai f tabel
sebesar 3.029597 dengan α = 0,05, v1 = 2, v2 = 267 (< f hitung =
10,955), maka kesimpulannya adalah tolak hipotesis nol. Berarti sudah
benar bahwa rata-rata IPK ketiga prodi tidak identik.
BAB V
PENUTUP
5.1 Kesimpulan
1. Uji hipotesis merupakan suatu proses untuk melakukan penarikan
kesimpulan dari suatu hipotesis tentang parameter populasi berdasarkan
informasi (pengamatan) pada sampel.
Hipotesis nihil/nol (h) yaitu hipotesis yang menyatakan tidak adanya
hubungan antara dua variabel atau lebih atau tidak adanya perbedaan
antara dua kelompok atau lebih.
Hipotesis alternatif (a) yaitu hipotesis yang menyatakan adanya
hubungan antara dua variabel atau lebih atau adanya perbedaan antara
dua kelompok atau lebih.
Daerah penerimaan adalah daerah menerima hipotesis nol sedangkan
daerah kritis/penolakan adalah daerah dimana hipotesis nol ditolak.
2. Pada pengujian normalitas data, kami menggunakan Kolmogorov
Smirnov, Shapiro-Wilk ataupun uji ketergantungan dua faktor dengan
melihat nilai sinifikansi apakah memenuhi dalam pembanding (α)
sehingga bisa ditarik kesimpulan apakah data berdistribusi normal atau
tidak.
Dan hasil dari pengolahan data statistik menunjukkan bahwa
keseluruhan data yaitu tinggi badan, berat badan dan IPK, semuanya
memiliki nilai sig (Kolmogorov Smirnov & Shapiro-Wilk) > 0,05. Maka
dapat disimpulkan bahwa sebaran keseluruhan data mengikuti atau
berdistribusi normal.
3. Asumsi yang harus dipenuhi pada pengolahan data statistik parametrik
adalah :
a. Data harus berdistribusi normal
b. Memiliki varians sama (homogen)
c. Berskala interval dan rasio
4. Hasil yang diperoleh melalui pengolahan data statistik parametrik (analsis
uji One Sample T-test) adalah sebagai berikut :
Rata-rata berat badan pada semua prodi menunjukkan tidak ada
perbedaan signifikan dengan rata-rata sampelnya.
Rata-rata tinggi badan pada semua prodi menunjukkan tidak ada
perbedaan signifikan dengan rata-rata sampelnya.
Rata-rata IPK pada semua prodi menunjukkan tidak ada perbedaan
signifikan dengan rata-rata sampelnya.
5. Hasil yang diperoleh menggunakan pengujian rata-rata (ANOVA) adalah
sebagai berikut :
a. Hasil rata-rata berat badan ketiga prodi tidak identik karena sig
0.05.
b. Hasil rata-rata tinggi badan ketiga prodi tidak identik karena sig
0.05.
c. Hasil rata-rata IPK ketiga prodi tidak identik karena sig 0.05.
5.2 Saran
a. Untuk pengarahan dalam pengerjaan laporan (waktu briefing),
seharusnya lebih diperjelas.
b. Untuk asistensi semua asisten sebaiknya menseragamkan
menggunakan soft copy untuk lebih mengefisiensikan penggunaan
kertas.
DAFTAR PUSTAKA
Ariyoso, 2012. Statistik 4 Life-Beta: Uji one way Anova. [Online]
Available at: http://statistik4life.blogspot.com/2009/11/uji-one-way-anova.html
[Diakses 09 Mei 2013].
Hadi, S., 2002. Statistik. 2 penyunt. Yogyakarta: Andi.
Hidayat, A., 2013. Uji Statistik : Uji Normalitas. [Online]
Available at : http://statistikian.blogspot.com/2013/01/uji-
normalitas.html#.UYu-VaJHLVw [Diakses 09 Mei 2013].
Pramono, I. W. S., 2011. Modul Statistika Pendidikan. Malang: Universitas Negeri
Malang.
Utara, U. S., t.thn. usupress.usu.ac.id. [Online]
Available at: http://usupress.usu.ac.id/files/Statistik%20Nonparametrik%20-
%20Final%20Perbaikan_bab%201.pdf [Diakses 05 Mei 2013].
LAMPIRAN
1. Data Mentah
36 61 149 3.80 36 46 165 3.18 36 48 145 2.6837 59 151 2.43 37 51 166 2.98 37 53 147 2.7838 56 157 2.15 38 54 157 3.08 38 56 153 3.4839 65 154 2.14 39 46 150 3.18 39 48 150 3.5840 62 160 2.16 40 52 150 3.28 40 54 156 3.6841 54 147 2.19 41 44 177 2.38 41 46 143 2.9842 64 150 2.99 42 49 178 2.48 42 51 146 2.9843 67 157 2.89 43 50 179 2.78 43 52 153 2.9844 69 160 2.53 44 43 160 3.08 44 45 156 3.1845 65 154 2.54 45 49 161 2.58 45 51 150 3.0846 72 153 2.56 46 52 158 2.98 46 54 149 2.6847 66 149 2.76 47 50 162 2.88 47 52 145 2.6848 68 152 2.47 48 50 160 2.68 48 52 148 2.7849 59 155 2.09 49 50 159 2.88 49 52 151 3.1850 57 148 2.14 50 47 160 3.08 50 49 144 3.1851 61 158 3.21 51 56 175 3.38 51 58 154 3.0852 62 161 3.21 52 56 158 3.28 52 58 157 2.9853 65 154 2.90 53 56 153 3.48 53 58 150 3.7854 63 159 3.39 54 51 166 3.08 54 53 155 2.5855 60 156 3.43 55 58 161 3.38 55 60 152 3.4856 64 155 3.49 56 51 154 3.38 56 53 151 3.3857 66 157 3.45 57 51 169 2.98 57 53 153 3.5858 59 168 3.46 58 53 145 2.88 58 55 164 3.1859 62 156 3.95 59 53 173 3.68 59 55 152 3.5860 68 157 3.85 60 49 165 2.48 60 51 153 3.2861 62 156 2.32 61 48 168 3.38 61 50 152 3.3862 60 150 2.46 62 48 169 3.48 62 50 146 3.3863 66 145 2.60 63 51 170 3.58 63 53 141 3.7864 71 155 2.70 64 51 142 3.68 64 53 151 3.2865 68 165 2.14 65 47 143 3.18 65 49 161 3.6866 64 161 2.35 66 46 144 3.08 66 48 157 3.7867 67 159 2.39 67 43 151 3.08 67 45 155 3.3868 73 163 2.56 68 48 152 2.98 68 50 159 3.0869 69 166 2.45 69 44 153 3.18 69 46 162 3.2870 54 164 2.37 70 43 154 3.28 70 45 160 3.3871 70 151 2.13 71 47 159 2.98 71 49 147 3.3872 71 156 3.25 72 52 157 2.78 72 54 152 3.4873 56 161 3.45 73 53 158 2.58 73 55 157 3.4874 55 159 2.90 74 58 163 2.68 74 60 155 3.4875 60 162 2.69 75 57 140 3.48 75 59 158 3.1876 63 168 2.99 76 54 157 3.38 76 56 164 3.0877 64 165 2.89 77 51 163 3.18 77 53 161 3.2878 58 166 3.00 78 54 167 3.08 78 56 162 2.9879 62 169 3.05 79 55 145 2.98 79 57 165 3.1880 66 164 2.86 80 51 173 2.88 80 53 160 3.08
67 67 159 2.39 67 43 151 3.08 67 45 155 3.3868 73 163 2.56 68 48 152 2.98 68 50 159 3.0869 69 166 2.45 69 44 153 3.18 69 46 162 3.2870 54 164 2.37 70 43 154 3.28 70 45 160 3.3871 70 151 2.13 71 47 159 2.98 71 49 147 3.3872 71 156 3.25 72 52 157 2.78 72 54 152 3.4873 56 161 3.45 73 53 158 2.58 73 55 157 3.4874 55 159 2.90 74 58 163 2.68 74 60 155 3.4875 60 162 2.69 75 57 140 3.48 75 59 158 3.1876 63 168 2.99 76 54 157 3.38 76 56 164 3.0877 64 165 2.89 77 51 163 3.18 77 53 161 3.2878 58 166 3.00 78 54 167 3.08 78 56 162 2.9879 62 169 3.05 79 55 145 2.98 79 57 165 3.1880 66 164 2.86 80 51 173 2.88 80 53 160 3.0881 67 158 2.89 81 56 172 2.78 81 58 154 3.4882 60 166 2.91 82 56 159 2.88 82 58 162 3.2883 57 162 2.92 83 53 174 2.38 83 55 158 2.7884 69 164 3.10 84 54 158 2.48 84 56 160 3.0885 61 158 3.00 85 54 160 2.98 85 56 154 3.1886 70 163 3.00 86 55 162 3.08 86 57 159 3.4887 59 167 3.00 87 50 153 3.18 87 52 163 3.3888 62 164 3.60 88 51 171 3.48 88 53 160 2.9889 58 159 3.54 89 55 160 3.18 89 57 155 2.6890 67 160 3.71 90 53 170 3.38 90 55 156 3.18
2. Output SPSS Uji Normalitas Data
3. Output SPSS Uji One Sample T-Test
4. Output SPSS Uji Independent Sample T-Test
5. Output SPSS Uji One-Way ANOVA