laporan praktikum statistika (spss) gilberth
DESCRIPTION
statistik, Analisis Regresi, Statistik deskriptif, Uji T, One tiled test, two tiled test, statistika, spss, langkah-langkah spss, tutorial, cara menggunakan spss untuk membuat gambar, cara mencari signifikansi dengan spssTRANSCRIPT
LAPORAN UJIAN PRAKTIKUM STATISTIKA
MEMBUAT GRAFIK
Gilberth T.
(in a college)
2014
A. Landasan Teori
Selain berbentuk tabel maupun penjelasan yang lain, laporan mengenai suatu data
bisa juga ditampilkan dengan menggunakan grafik (berbentuk visual). Grafik ada bermacam-
macam, berikut jenis-jenis grafik yang dapat dibuat di SPSS:
1. Bar
2. Line
3. Area
4. High-Low
5. Pie
6. Scatter
7. 3D-Bar
8. Histogram
10. Error bar
11. Boxplot
9. Population Pyramid
Cara membuat grafik yaitu melalui menu Graphs, sub-menu Legacy Dialogs, setelah itu
muncul sebelas pilihan model grafik di atas. Grafik pada SPSS dapat dibagi dalam tiga
bagian menurut penyajian datanya:
1. Summaries for groups of cases, penyajian data untuk tiap grup tertentu
2. Summaries of separate variables, penyajian data untuk tiap variabel
3. Value of individual cases, penyajian data untuk tiap kasus secara individual
B. Langkah-langkah SPSS
Menginput data x dan y ke dalam Data View
Mengatur atribut variabel di Variabel View
Mengklik menu Graphs Legacy Dialogs Line
Muncul kotak dialog Line Charts, memilih Simple dan summaries of groups of cases,
kemudian mengklik Define
Muncul kotak dialog define simple line, memasukan variabel x ke kotak Category Axis,
memilih % of cases, mengklik Titles
Muncul kotak dialog Titles, menuliskan “Data X” pada Line 1, mengklik Continue
Muncul lagi kotak dialog define simple line, mengklik OK
Muncul hasil output pada IBM SPSS Statistics Viewer
Mengklik menu Graphs Legacy Dialogs Line
Muncul kotak dialog Line Charts, memilih Simple dan summaries of groups of cases,
kemudian mengklik Define
Muncul kotak dialog define simple line, memasukan variabel Y ke kotak Category Axis,
memilih % of cases, mengklik Titles
Muncul kotak dialog Titles, menuliskan “Data Y” pada Line 1, mengklik Continue
Muncul lagi kotak dialog define simple line, mengklik OK
Muncul hasil output pada IBM SPSS Statistics Viewer
C. Hasil SPSS
Grafik data X
Grafik data Y
D. Kesimpulan
Urutan nilai dengan frekuensi paling tinggi-rendah pada data X adalah 3,
5-6, 2-8, 4, 7
Pada variabel X nilai dengan frekuensi tertinggi adalah 3 dan nilai
dengan frekuensi terendah adalah 7
Trend variabel X menurun
Urutan nilai dengan frekuensi paling tinggi-rendah pada data Y adalah 7,
5, 4, 6-8, 3, 9
Pada variabel Y nilai dengan frekuensi tertinggi adalah 7 dan nilai
dengan frekuensi terendah adalah 9
Trend variabel Y meningkat
LAPORAN UJIAN PRAKTIKUM STATISTIKA
STATISTIK DESKRIPTIF
Gilberth T.
(in a college)
2014
A. Landasan Teori
Statistik selalu digunakan ketika parameter yang menggambarkan karakteristik
populasi tidak diketahui. Statistik akan mengambil sebagian (kecil) dari populasi untuk
dilakukan pengukuran, kemudian hasil pengukuran tersebut dijadikan sebagai kesimpulan
terhadap keseluruhan populasi. Sebagian (kecil) dari populasi tersebut dinamakan sampel.
(Kusnadi, 2012)
Terdapat dua jenis statistik yang digunakan ketika penelitian, yaitu: statistik
deskriptif (descriptive statistics) dan statistik inferensi (inferential statistics). Statistik
deskriptif hanya menggambarkan data atau seperti apa data ditunjukkan,
sementara statistik inferensi mencoba untuk mencapai kesimpulan (bersifat induktif) dari
data dengan kondisi yang lebih umum (Trochim, 2006), misal: point estimation, confidence
interval estimation, hypothesis testing.
Statistik deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan
penyajian suatu gugus data sehingga menaksir kualitas data berupa jenis variabel,
ringkasan statistik (mean, median, modus, standar deviasi, dll), distribusi, dan representasi
bergambar (grafik), tanpa rumus probabilistik apapun (Walpole, 1993; Correa-Prisant,
2000; Dodge, 2006).
Pada SPSS, analisis statistik deskriptif dilakukan dengan meng-klik menu Klik
Analyze -> Descriptive Statistics, kemudian terdapat pilihan: Frequencies, Descriptives,
Explore, Crosstabs, dan Ratio. Dalam penelitian-penelitian, perintah-perintah ini sering
diabaikan karena memang dalam beberapa fungsi analisis lain sudah otomatis tercantum
analisis deskriptifnya. (Kusnadi, 2012)
Menu dari SPSS yang berhubungan dengan statistik deskriptif, yaitu Analyze. Dalam menu
ini terdapat beberapa submenu sebagai berikut:
Frequencies. Frequencies membahas beberapa penjabaran ukuran statistik deskriptif
seperti Mean, Median, Kuartil, Persentil, Standar Deviasi dan lainnya.
Descriptives. Descriptives berfungsi untuk mengetahui skor z dari suatu distribusi data dan
menguji apakah data berdistribusi normal atau tidak.
Explore. Perintah Explore digunakan untuk membandingkan antara dua atau lebih kelompok
dengan satu variabel. Explore berfungsi untuk memeriksa lebih teliti sekelompok data. Alat
utama Z yang dibahas adalah Box-Plot dan Steam and Leaf Plot, selain beberapa uji
tambahan untuk menguji apakah data berasal dari distribusi normal.
Crosstabs. Jika perintah Frequencies digunakan untuk memperoleh jumlah pada nilai-nilai
sebuah variabel tunggal, perintah Crosstabs digunakan untuk memperoleh jumlah pada
nilai-nilai lebih dari satu variabel. Apabila analisis statistik deskriptif sebelumnya mengolah
data secara keseluruhan dalam setiap variabel dengan menghitung perhitungan statistik
seperti Mean, Standar deviasi, Kurtosis, dll. Pada Crosstabs, setiap nilai pada variabel yang
dianalisis dijabarkan jumlahnya, dengan begitu kita dapat mengetahui berapa jumlah x pada
kondisi a, b, c, dst.. Deskripsi data pada Crosstabs akan disajikan dalam bentuk tabel silang
(crosstab) yang terdiri dari baris dan kolom. Crosstabs digunakan untuk menyajikan
deskripsi data dalam bentuk tabel silang (crosstab), yang terdiri atas basis dan kolom. Selain
itu, menu ini juga dilengkapi dengan analisis hubungan di antara basis clan kolom, seperti
independensi di antara mereka, besar hubungannya dan lainnya (hal ini sebenamya
termasuk pada statistik induktif atau inferensi dan merupakan perluasan dari statistik
deskriptif) (Ariyanti, 2013).
B. Langkah-langkah SPSS
Menginput data x dan y ke dalam Data View
Mengatur atribut variabel di Variabel View
Mengklik Analyze Descriptive Statistics Descriptives
Muncul kotak dialog Descriptives, memasukan variabel x ke kotak Variable(s), mengklik
Options
Muncul kotak dialog Descriptive Options, mencentang Mean, Std. Deviation, Variance,
Range, Minimum, dan Maximum kemudian mengklik Continue
Muncul lagi kotak dialog descriptives, mengklik OK
Muncul hasil output pada IBM SPSS Statistics Viewer
Mengklik Analyze Descriptive Statistics Descriptives
Muncul kotak dialog Descriptives, memasukan variabel y ke kotak Variable(s), mengklik
Options
Muncul kotak dialog Descriptive Options, mencentang Mean, Std. Deviation, Variance,
Range, Minimum, dan Maximum kemudian mengklik Continue
Muncul lagi kotak dialog descriptives, mengklik OK
Muncul hasil output pada IBM SPSS Statistics Viewer
C. Hasil SPSS
Statistik deskripsi variabel x
Descriptive Statistics
N Range Minimum Maximum Mean Std. Deviation Variance
x 31 6 2 8 4.39 1.838 3.378
Valid N (listwise) 31
Statistik deskripsi variabel y
Descriptive Statistics
N Range Minimum Maximum Mean Std. Deviation Variance
y 31 6 3 9 5.87 1.765 3.116
Valid N (listwise) 31
D. Kesimpulan
Data X memiliki statistik deskripsi sebagai berikut:
N = 31
Range = 6
Minimum = 2
Maximum = 8
Mean = 4.39
Std. Deviation = 1.838
Variance = 3.378
Data Y memiliki statistik deskripsi sebagai berikut:
N = 31
Range = 6
Minimum = 3
Maximum = 9
Mean = 5.87
Std. Deviation = 1.765
Variance = 3.116
LAPORAN UJIAN PRAKTIKUM STATISTIKA
ANALISIS REGRESI
Gilberth T.
(in a college)
2014
A. Landasan Teori
Analisis regresi sederhana merupakan salah satu metode uji regresi yang dapat
dipakai sebagai alat inferensi statistik untuk menentukan pengaruh sebuah variabel bebas
(independen) terhadap variabel terikat (dependen). Regresi linear sederhana ataupun
regresi linier berganda pada intinya memiliki beberapa tujuan, yaitu:
1. Menghitung nilai estimasi rata-rata dan nilai variabel terikat berdasarkan pada nilai
variabel bebas.
2. Menguji hipotesis karakteristik dependensi.
3. Meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel
bebas diluar jangkauan sample.
Pada analisis regresi sederhana dengan menggunakan SPSS ada beberapa asumsi dan
persyaratan yang perlu diperiksa dan diuji, beberapa diantaranya adalah :
1. Variabel bebas tidak berkorelasi dengan disturbance term (Error). Nilai disturbance
term sebesar 0 atau dengan simbol sebagai berikut: (E (U / X) = 0,
2. Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory) tidak
ada hubungan linier yang nyata,
3. Model regresi dikatakan layak jika angka signifikansi < 0.05, Predictor yang
digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka
Standard Error of Estimate < Standard Deviation,
4. Koefisien regresi harus signifikan. Pengujian dilakukan dengan uji T. Koefesien
regresi signifikan jika T hitung > T tabel (nilai kritis),
5. Model regresi dapat diterangkan dengan menggunakan nilai koefisien determinasi
(KD = r2 x 100%) semakin besar nilai tersebut maka model semakin baik. Jika nilai
mendekati 1 maka model regresi semakin baik,
6. Residual harus diuji dengan Uji normalitas Kolmogorov ,
7. Data harus berskala interval atau rasio,
8. Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas
(variabel predictor) sedang variabel lainnya variabel terikat (variabel response)
Berikut ini contoh perhitungan regresi linier sederhana menggunakan software
SPSS.
Proses mulai dengan memilih menu Analyze, kemudian pilih Linear,
Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai variabel
independen (bebas) lalu klik tombol OK,
Output SPSS akan menampilkan hasil berupa 4 buah tabel yaitu;
1. Descriptive Statistics
2. Matriks Koefisien Korelasi
3. Variabel Entered/Removed,
4. Model Summary
5. Anova
6. Coefficients
7. Residual Statistics
8. Histogram
9. Normal Plot
10. Scatter Plot
Cara membaca output spss hasil uji regresi linier tersebut adalah :
1. Tabel pertama menunjukkan variabel apa saja yang diproses, mana yang menjadi
variabel bebas dan variabel terikat.
2. Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai koefisien
korelasi. Pada contoh diatas nilai korelasi adalah 0,342. Nilai ini dapat
diinterpretasikan bahwa hubungan kedua variabel penelitian ada di kategori lemah.
Melalui tabel ini juga diperoleh nilai R Square atau koefisien determinasi (KD) yang
menunjukkan seberapa bagus model regresi yang dibentuk oleh interaksi variabel
bebas dan variabel terikat. Nilai KD yang diperoleh adalah 11,7% yang dapat
ditafsirkan bahwa variabel bebas X1 memiliki pengaruh kontribusi sebesar 11,7%
terhadap variabel Y dan 88,3% lainnya dipengaruhi oleh faktor-faktor lain diluar
variabel X1.
3. Tabel ketiga digunakan untuk menentukan taraf signifikansi atau linieritas dari
regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi
(Sig.). Cara yang paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. <
0,05, maka model regresi adalah linier, dan berlaku sebaliknya. Berdasarkan tabel
ketiga, diperoleh nilai Sig. = 0,140 yang berarti > kriteria signifikan (0,05), dengan
demikian model persamaan regresi berdasarkan data penelitian adalah tidak
signifikan artinya, model regresi linier tidak memenuhi kriteria linieritas.
4. Tabel keempat menginformasikan model persamaan regresi yang diperoleh dengan
koefisien konstanta dan koefisien variabel yang ada di kolom Unstandardized
Coefficients B. Berdasarkan tabel ini diperoleh model persamaan regresi : Y =38,256
+ 0,229 X1. (Hidayat, 2012)
B. Langkah-langkah SPSS
Menginput data x dan y ke dalam Data View
Mengatur atribut variabel di Variabel View
Mengklik Analyze Regression Linear
Muncul kotak dialog Linear Regression, memasukan variabel y ke kotak Dependent(s),
memasukan variabel x ke kotak Independent(s), kemudian mengklik Statistics
Muncul kotak dialog Linear Regression Statistik, mencentang Estimates, Collinearity
Diagnostics, dan Durbin Watson, kemudian mengklik Continue
Muncul lagi kotak dialog Linear Regression, mengklik Plots
Muncul kotak dialog Linear Regression Plots, mencentang Normal Probability Plot,
kemudian mengklik Continue
Muncul lagi kotak dialog Linear Regression, mengklik Save
Muncul kotak dialog Linear Regression Save, mencentang Unstandardized dan
Studentized deleted pada kolom Residuals. kemudian mengklik Continue
Muncul lagi kotak dialog Linear Regression, mengklik OK
Kemudian muncul dua variabel baru pada Data View. Dua variabel itu adalah RES_1
(Residual) dan SDR (Studentized deleted Residual)
Muncul hasil output pada IBM SPSS Statistics Viewer
(Uji Normalitas-Kolmogorov Smirnov)
Mengklik Analyze Descriptive Statistics Explore
Muncul kotak dialog Explore, memasukan variabel Unstandardized residual ke kotak Dependent
List, mengklik Plots
Muncul kotak dialog Explore: Plots, mencentang Normality Plots With Test. kemudian mengklik
Continue
Muncul lagi kotak dialog Explore, mengklik OK
Muncul hasil output pada IBM SPSS Statistics Viewer
C. Hasil SPSS
Variables Entered/Removedb
Model
Variables
Entered
Variables
Removed Method
1 xa . Enter
a. All requested variables entered.
b. Dependent Variable: y
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .581a .337 .315 1.461 1.827
a. Predictors: (Constant), x
b. Dependent Variable: y
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 31.550 1 31.550 14.773 .001a
Residual 61.934 29 2.136
Total 93.484 30
a. Predictors: (Constant), x
b. Dependent Variable: y
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 3.423 .689 4.970 .000
x .558 .145 .581 3.844 .001 1.000 1.000
a. Dependent Variable: y
Collinearity Diagnosticsa
Model Dimension Eigenvalue Condition Index
Variance Proportions
(Constant) x
1 1 1.925 1.000 .04 .04
2 .075 5.051 .96 .96
a. Dependent Variable: y
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 4.54 7.89 5.87 1.026 31
Std. Predicted Value -1.299 1.966 .000 1.000 31
Standard Error of Predicted
Value
.268 .586 .361 .090 31
Adjusted Predicted Value 4.30 8.06 5.86 1.034 31
Residual -2.771 2.461 .000 1.437 31
Std. Residual -1.896 1.684 .000 .983 31
Stud. Residual -1.953 1.764 .003 1.013 31
Deleted Residual -2.941 2.700 .008 1.526 31
Stud. Deleted Residual -2.060 1.834 .001 1.036 31
Mahal. Distance .044 3.864 .968 1.085 31
Cook's Distance .000 .151 .031 .037 31
Centered Leverage Value .001 .129 .032 .036 31
a. Dependent Variable: y
Uji Normalitas-Kolmogorov Smirnov
Tests of Normality
Kolmogorov-Smirnov
a Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Unstandardized Residual .119 31 .200* .965 31 .401
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Unstandardized Residual 31 96.9% 1 3.1% 32 100.0%
Descriptives
Statistic Std. Error
Unstandardized Residual Mean .0000000 .25806167
95% Confidence Interval
for Mean
Lower Bound -.5270322
Upper Bound .5270322
5% Trimmed Mean .0085071
Median -.0970719
Variance 2.064
Std. Deviation 1.43682658
Minimum -2.77085
Maximum 2.46085
Range 5.23170
Interquartile Range 2.00000
Skewness -.120 .421
Kurtosis -.697 .821
D. Kesimpulan
Variabel X dimasukan sebagai variabel independent ke dalam Model (Tabel
Variables Entered)
Variabel X dapat menjelaskan variabel Y sebesar 33.7% (nilai R Square) dan
sisanya yaitu sebesar 66.3% dijelaskan oleh faktor yang lain
Nilai sig. pada tabel ANOVA kurang dari 0.05 yaitu sebesar 0,01 sehingga Variabel Y
berpengaruh signifikan secara simultan terhadap variabel X
Variabel X mempengaruhi variabel Y sebesar 55.8 % (nilai Unstandardized
Coefficients B)
Berdasarkan grafik Normal P-P Plot of Regression Standardized Residual dan nilai
signifikan pada tabel Test of Normalty didapatkan bahwa nilai Residual menyebar
dengan normal
Residual mengandung autokorelasi karena nilai Durbin watson pada tabel Model
Summary adalah 1.827. nilai ini memenuhi du < d < 4-du (dl 1.214 dan du 1.650)
Tidak terdapat multikolinieritas pada variabel X karena nilai VIF pada tabel
Coefficients kurang dari 10 yaitu 1
LAPORAN UJIAN PRAKTIKUM STATISTIKA
UJI T
Gilberth T.
(in a college)
2014
A. Landasan Teori
Pengujian hipotesis dapat dilakukan dengan menggunakan SPSS melalui menu
Analyze, sub menu Compare Means. Selanjutnya akan tampil beberapa pilihan pengujian
sampel seperti:
One sample t-test merupakan metode yang digunakan untuk menguji hipotesis
mengenai rata-rata suatu populasi.
Paired sample t-test merupakan uji beda dua sampel berpasangan. Sampel
berpasangan merupakan subjek yang sama namun mengalami perlakuan yang
berbeda.
Independent sample t-test adalah metode yang digunakan untuk menguji kesamaan
rata-rata dari 2 populasi yang bersifat independen, atau populasi yang satu tidak
dipengaruhi atau tidak berhubungan dengan populasi yang lain.
Pengujian dilakukan untuk menentukan ketepatan pengambilan keputusan terhadap
hipotesis. Langkah pertama yang harus dilakukan adalah membuat hipotesis (dugaan
sementara). Dalam statistik dugaan sementara dinotasikan Ho. Pengujian hipotesis dapat
dilakukan dengan cara Uji T pada aplikasi SPSS. Uji T memiliki dua versi, yaitu One Tile
Test dan Two Tile Test. One Tile Test sering disebut juga dengan pengujian satu arah,
sedangkan Two Tile Test biasa disebut Pengujian dua arah (Hidayat, 2012).
Two Tile Test
Dalam menguji nilai t perlu juga dicari nilai t tabel. Mencari nilai t tabel harus menggunakan
nilai df. Berikut cara mencari nilai t tabl: Pastikan tingkat signifikasi yang digunakan untuk uji
dua arah. Pilih nilai df (derajat kebebasan)
yang digunakan (8) tarik ke kanan sampai
nilai pada kolom tingkat signifikasi (α) yang
digunakan (0.05). Maka kita akan
menemukan nilai t tabel yaitu 2.306.
Gunakan nilai t tabel untuk menggambarkan
daerah penerimaan Ho. Karena dua sisi maka
daerah penerimaan Ho terletak antara -2.306
sampai + 2.306. Jika nilai t hitung = 1.492,
maka Ho diterima karena terletak antara -2.306 dan + 2.306. Apabila letak t hitung berada
di luar daerah penerimaan, maka Ho ditolak.
One Tile Test
Terdapat dua macam uji hipotesis satu sisi, yaitu uji hipotesis sisi kanan dan uji hipotesis sisi
kiri. Untuk memberikan pemahaman berikut diberikan contoh untuk masing-masing sisi.
Uji Hipotesis Sisi Kanan
Dengan t tabel 1.860 (df = 8, signifikan = 0.05). Syarat diterima atau ditolaknya Ho
untuk uji sisi kanan adalah sebagai berikut:
apabila t hitung < t tabel maka Ho diterima
apabila t hitung > t tabel maka Ho ditolak
dengan t hitung = 1.492 maka Ho diterima karena 1.492 < 1.860.
Uji Hipotesis Sisi Kiri
Dengan t tabel 1.860 (df = 8, signifikan = 0.05). Nilai t tabel diubah menjadi negative
(-1.860). Syarat diterima atau ditolaknya Ho untuk uji sisi kiri adalah sebagai berikut:
apabila t hitung > t tabel maka Ho diterima
apabila t hitung < t tabel maka Ho ditolak
dengan t hitung = 1.492 maka Ho diterima karena (1.492 > -1.860) (Hidayat, 2012)
B. Langkah-langkah SPSS
Menginput data x dan y ke dalam Data View
Mengatur atribut variabel di Variabel View
Mengklik Analyze Compare Means One Sample T Test
Muncul kotak dialog One Sample T Test, memasukan variabel x ke kotak Test
Variable(s), memasukan nilai hipotesis “4.2” pada Test Value. Kemudian mengklik
Options
Muncul kotak dialog One Sample T Test: Options, memasukan nilai “95” pada
Confidence Interval Percentage. Kemudian mengklik Continue
Muncul lagi kotak dialog One Sample T Test, mengklik OK
Muncul hasil output pada IBM SPSS Statistics Viewer
Mengklik Analyze Compare Means One Sample T Test
Muncul kotak dialog One Sample T Test, memasukan variabel y ke kotak Test Variable,
memasukan nilai hipotesis “6” pada Test Value. Kemudian mengklik Options
Muncul kotak dialog One Sample T Test: Options, memasukan nilai “95” pada
Confidence Interval Percentage. Kemudian mengklik Continue
Muncul lagi kotak dialog One Sample T Test, mengklik OK
Muncul hasil output pada IBM SPSS Statistics Viewer
C. Hasil SPSS
Variabel X
One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
x 31 4.39 1.838 .330
One-Sample Test
Test Value = 4.2
t df Sig. (2-tailed)
Mean
Difference
95% Confidence Interval of the
Difference
Lower Upper
x .567 30 .575 .187 -.49 .86
Variabel Y
One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
y 31 5.87 1.765 .317
One-Sample Test
Test Value = 6
t df Sig. (2-tailed)
Mean
Difference
95% Confidence Interval of the
Difference
Lower Upper
y -.407 30 .687 -.129 -.78 .52
D. Kesimpulan
Hipotesis “mean = 4.2” pada uji t (one tile test) variabel X diterima karena T hitung
kurang dari T tabel (0.567 < 1.697)
Hipotesis “mean = 6” pada uji t (two tile test) variabel Y diterima karena T hitung
berada diantara T tabel (-2.042 < -0.407 < 2.042)