laporan praktikum statistik modul 2 kel 38

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 :


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


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 :


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


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.


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


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



kenormalan datanya pada tabel Test of Normality Prodi 2 atau R.

Tabel 2.4.4 Test Of Normality tinggi badan prodi 2 atau R


Gambar 2.4.3 Normal QQ Plot tinggi badan prodi 2 atau R

Hipotesis :






Kesimpulan :




berarti bahwa data tinggi badan prodi 2 (R) mengikuti fungsi distribusi



disimpulkan bahwa data tinggi badan prodi 2 (R) berdistribusi normal.

4.2.1.3 Prodi 3



kenormalan datanya pada tabel Test of Normality Prodi 3 atau T.

Tabel 2.4.5 Test Of Normality tinggi badan prodi 3 atau T


Gambar 2.4.4 Normal QQ Plot tinggi badan prodi 3 atau T

Hipotesis :






Kesimpulan :




berarti bahwa data tinggi badan prodi 3 (T) mengikuti fungsi distribusi



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


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 :






Kesimpulan :




berarti bahwa data berat badan prodi 1 (P) mengikuti fungsi distribusi



disimpulkan bahwa data berat badan prodi 1 (P) berdistribusi normal.

4.2.2.2 Prodi 2



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


Gambar 2.4.6 Normal QQ Plot berat badan prodi 2 atau R

Hipotesis :






Kesimpulan :




berarti bahwa data berat badan prodi 2 (R) mengikuti fungsi distribusi



disimpulkan bahwa data berat badan prodi 2 (R) berdistribusi normal.

4.2.2.3 Prodi 3



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


Gambar 2.4.7 Normal QQ Plot berat badan prodi 3 atau T

Hipotesis :






Kesimpulan :




berarti bahwa data berat badan prodi 3 (T) mengikuti fungsi distribusi



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


Gambar 2.4.8 Normal QQ Plot IPK prodi 1 atau P

Hipotesis :






Kesimpulan :




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



pada tabel Test of Normality Prodi 2 atau R.

Tabel 2.4.10 Test Of Normality IPK prodi 2 atau R


Gambar 2.4.9 Normal QQ Plot IPK prodi 2 atau R

Hipotesis :






Kesimpulan :




berarti bahwa data IPK prodi 2 (R) mengikuti fungsi distribusi normal.



disimpulkan bahwa data IPK prodi 2 (R) berdistribusi normal.

4.2.3.3 Prodi 3



pada tabel Test of Normality Prodi 3 atau T.

Tabel 2.4.11 Test Of Normality IPK prodi 3 atau T


Gambar 2.4.10 Normal QQ Plot IPK prodi 3 atau T

Hipotesis :






Kesimpulan :




berarti bahwa data IPK prodi 3 (T) mengikuti fungsi distribusi normal.



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


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


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




atau



Kesimpulan :


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.




rata-rata tinggi badan prodi R sebesar 161,21 cm tidak menunjukkan


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


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




atau



Kesimpulan :


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.


sebesar 1,98698 dengan df 89 (> t hitung = -4,575), maka


rata-rata tinggi badan prodi T sebesar 155,69 cm tidak menunjukkan


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


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




atau



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


yaitu 53 kg.


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


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




atau



Kesimpulan :


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


yaitu 53 kg.




rata-rata berat badan prodi R sebesar 51,09 kg tidak menunjukkan


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


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




atau



Kesimpulan :


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.




rata-rata berat badan prodi T sebesar 53,09 kg tidak menunjukkan


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




atau



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


yaitu 2,82.




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


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




atau



Kesimpulan :

Tabel pertama menunjukkan statistik deskriptif IPK prodi R atau

2. Dari 90 responden, rata-rata IPK prodi R atau 2 adalah 3,0489


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




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


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




atau



Kesimpulan :

Tabel pertama menunjukkan statistik deskriptif IPK prodi T atau

3. Dari 90 responden, rata-rata IPK prodi T atau 3 adalah 3,1456


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




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




atau



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.



kesimpulannya adalah terima hipotesis nol. Berarti bahwa rata-rata

tinggi badan antara prodi 1 (P) dengan prodi 2 (R) tidak

menunjukkan perbedaan yang nyata.


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)


Tinggi Badan 4.047 0.000 0.000

4.047 0.000

Equal variance assumed

Equal variance not assumed

Hipotesis :


badan prodi R dan T


badan prodi R dan T

atau

H 0 : μR=μT

H 1 : μR≠ μT




atau



Kesimpulan :




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.




tinggi badan antara prodi 2 (R) dengan prodi 3 (T) menunjukkan

perbedaan yang nyata.


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)


Tinggi Badan -3.908 1.000 0.000

-3.908 0.000



Hipotesis :


badan prodi T dan P.



atau

H 0 : μT=μP

H 1 : μT ≠ μP




atau



Kesimpulan :




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.




tinggi badan antara prodi 3 (T) dengan prodi 1 (P) tidak


4.4.2 Independent Sample T-Test Berat Badan


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)


Berat Badan 17.277 0.052 0.000

17.277 0.000



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




atau



Kesimpulan :


dan standar deviasi kedua prodi berat badan dan tabel kedua


berat badan antara prodi 1 (P) dengan prodi 2 (R). Oleh karena nilai



rata berat badan prodi P dan R.




berat badan antara prodi 1 (P) dengan prodi 2 (R) menunjukkan



Tabel 2.4.37 Group Statisic berat badan prodi 2 (R) dengan prodi 3 (T)


Tabel 2.4.38 Independent Sample T-Test berat badan prodi prodi 2 (R)

dengan prodi 3 (T)


Berat Badan -3.177 1.000 0.002

-3.177 0.002



Hipotesis :


badan prodi R dan T.


prodi R dan T.

atau

H 0 : μR=μT

H 1 : μR≠ μT




atau



Kesimpulan :




berat badan antara prodi 2 (R) dengan prodi 3 (T). Oleh karena nilai



rata berat badan prodi R dan T.




berat badan antara prodi 2 (R) dengan prodi 3 (T) tidak



Tabel 2.4.39 Group Statisic berat badan prodi 3 (T) dengan prodi 1 (P)


Tabel 2.4.40 Independent Sample T-Test berat badan prodi 3 (T) dengan

prodi 1 (P)


Berat Badan -14.376 0.052 0.000

-14.376 0.000



Hipotesis :




prodi T dan P.

atau

H 0 : μT=μP

H 1 : μT ≠ μP




atau



Kesimpulan :




berat badan antara prodi 3 (T) dengan prodi 1 (P). Oleh karena nilai



rata berat badan prodi T dan P.




berat badan antara prodi 3 (T) dengan prodi 1 (P) tidak


4.4.3 Independent Sample T-Test IPK


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)


IPK -2.730 0.002 0.007

-2.730 0.007



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




atau



Kesimpulan :


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.




IPK antara prodi 1 (P) dengan prodi 2 (R) tidak menunjukkan



Tabel 2.4.43 Group Statisic IPK prodi 2 (R) dengan prodi 3 (T)


Tabel 2.4.44 Independent Sample T-Test IPK prodi 2 (R) dengan prodi 3

(T)


IPK -2.012 0.918 0.046

-2.012 0.046



Hipotesis :


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




atau



Kesimpulan :




prodi 2 (R) dengan prodi 3 (T). Oleh karena nilai p-value statistik uji


yaitu terdapat perbedaan yang nyata antara rata-rata IPK prodi R

dan T.




IPK antara prodi 2 (R) dengan prodi 3 (T) tidak menunjukkan



Tabel 2.4.45 Group Statisic IPK prodi 3 (T) dengan prodi 1 (P)


Tabel 2.4.46 Independent Sample T-Test IPK prodi 3 (T) dengan prodi 1

(P)


IPK 4.361 0.002 0.000

4.361 0.000



Hipotesis :


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




atau



Kesimpulan :




prodi 3 (T) dengan prodi 1 (P). Oleh karena nilai p-value statistik uji


yaitu terdapat perbedaan yang nyata antara rata-rata IPK prodi T

dan P.




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




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





atau



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.




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





atau



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.




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

laporan praktikum statistik modul 2 kel 38

Documents