100421100095 110421100003
LABORATORIUM MANAJEMEN INDUSTRI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS TRUNOJOYO MADURA
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Salah satu bagian penting dalam ilmu statistika adalah persoalan inferensi yaitu penarikan kesimpulan secara statistik. Dua hal pokok yang menjadi pembicaraan dalam statistik inferensi adalah penaksiran parameter populasi dan uji hipotesis. Permasalahan yang harus diselesaikan adalah menaksir parameter- parameter yang tidak diketahui tersebut dengan data sampel atau melakukan uji hipotesis tertentu yang berhubungan dengan parameter populasi. Pada kenyataannya sangatlah sulit untuk mendapatkan sampel yang memenuhi asumsi mempunyai distribusi tertentu. Kebanyakan sampel yang diperoleh hanyalah sebatas mendekati tertentu, seperti mendekati normal. Bahkan banyak juga sampel yang distribusinya tidak diketahui sama sekali. Oleh karena itu kemudian dikembangkan suatu teknk inferensi yang tidak memerlukan uji asumsi-asmsi tertentu mengenai distribusi sampelnya dan juga tidak memerlukan uji hipotesis yang berhubungan dengan parameter populasinya. Teknik statistik ini dikenal dengan statistik bebas distribusi atau statistik nonnarametrik.Sudah tentu apabila asumsi-asumsi tertentu yang diperlukan dalam suatu pengujian dapat dipenuhi, maka seharusnya uji non-parametrik tidak digunakan. Uji non-parametrik digunakan sebagai alternatif, bila mana distribusi sampel tidak dapat memenuhi asumsi distribusi normal. Berbagai metode statistik telah banyak memberikan kontribusi yang terbaik untuk berbagai contoh kasus namun dari sekian metode statistik yang pernah kita kenal, mungkin kita akan lebih memilih metode statistik yang lebih mudah dipahami dan mudah pula diterapkan dalam berbagai persoalan. Metode yang dianggap mudah dipahami hanya sedikit membuat dugaan atau perkiraan dari populasi dengan bebas distribusi ini dikenal dengan metode statistik non parametrik yang tidak memerlukan parameter khusus.
1.2 Tujuan Praktikum 1. Praktikan dapat mengumpulkan data dan menganalisis ketiga program studi dengan teknik-teknik statistika non-parametrik. 2. Praktikan memahami penggunaan statistika inferens dengan uji-uji nonparametrik. 3. Praktikan memahami karakteristik Statistika Non-parametrik serta penggunaannya dalam menganalisis data.
BAB II TINJAUAN PUSTAKA 2.1 Statistik Parametrik dan Non Parametrik Pada statistik parametris digunakan untuk menguji parameter populasi melalui statistik, atau menguji ukuran populasi melalui data sampel. Dalam ststistik hipotesis yang diuji adalah hipotesis nol, karena tidak dikehendaki adanya perbedaan antara parameter populasi dan statistik (data yang diperoleh dari sampel). Statistik nonparametris tidak menguji parameter populasi, tetapi menguji distribusi. Penggunaan statistik parametris dan nonoparametris tergantung pada asumsi dan jenis data yang akan dianalisis. Statistik parametris kebanyakan digunakan untuk menganalisis data interval dan rasio, sedangkan statistik nonparametris kebanyakan digunakan untuk menganalisis data nominal, ordinal. Dalam tabel terlihat bahwa statistik parametris digunakan untuk menganalisis data interval dan rasio, dan nonparametris digunakan untuk data nominal dan ordinal. Jadi untuk menguji hipotesis dalam penelitian kuantitatif yang menggunakan statistik, ada dua hal utama yang harus diperhatikan yaitu macam data dan bentuk hipotesis yang diajukan. Teknik analisis statistik parametrik Teknik analisis statis meliputi korelasi pearson (Pearson Product Moment Correlation), korelasi spearman, dan uji T. Korelasi Pearson (Pearson Product Moment Correlation) Kegunaan : menentukan hubungan antara dua variable yang berskala interval (skala yang menggunakan angka sebenarnya), korelasi ini termasuk kedalam uji statistik parametrik. Besarnya korelasi 0-1. korelasi dapat berupa positif yang artinya searah jika variabel besar maka variabel kedua juga besar pula. Korelasi negatif (berlawanan arahj ika variabel pertama besar maka variabel kedua kecil). Patokan hasil perhitungan korelasi sbbg : < 0,20 < 0,20-0,40 < 0,40-0,70 : hubungan dapat dianggap tidak ada : hubungan ada tetapi rendah : hubungan cukup
Teknik analisis statistik non parametrik Korelasi Spearman (Spearman Rank Order Correlation) Kegunaan : korelasi spearman berfungsi untuk menentukan besarnya hubungan dua variable (gejala) yang berskala ordinal atau tata jenjang. Biasanya data yang dianalisis adalah angka yang berjenjang misalnya 1, 2, 3, 4, 5. Angka tersebut hanya simbol saja. Oleh karena itu, korelasi ini termasuk uji statistik non parametrik. 2.2 Macam-macam Uji Statistik 1. Uji T Uji t (t-test) merupakan prosedur pengujian parametrik rata-rata dua kelompok data, baik untuk kelompok data terkait maupun dua kelompok bebas. Untuk jumlah data yang sedikit maka perlu dilakukan uji normalitas untuk memenuhi syarat dari sebaran data. Umumnya pada uji t dua kelompok bebas, yang perlu diperhatikan selain normalitas data juga kehomogenan varian. Kehomogenan data digunakan untuk menentukan jenis persamaan uji t yang akan digunakan. Uji T digunakan untuk membandingkan rata-rata dua populasi dengan data yang berskala interval. 2. Chi Square Kegunaan : untuk mengetahui ada tidaknya hubungan antara variable bebas dengan variable tergantung, harus berskala nominal. 3. Uji Anova Anova Merupakan prosedur pengujian parametrik rata-rata lebih dari dua kelompok data. Pada pengujian Anova selain data harus terdistribusi normal, variansi antar perlakuan harus homogen. Sebelum pengujian Anova dilakukan, maka perlu dilakukan explorasi data untuk melihat apakah kedua asumsi dipenuhi. Jika asumsi kehomogenan varian tidak terpenuhi dapat diatasi dengan mentransformasi data yang ada, prinsipnya adalah rentang data yang besar diusahakan menjadi mengecil, salah satu dengan tranformasi Logaritma. Untuk data yang tidak terdistribusi normal dapat di transormasi dengan beberapa teknik tranformasi seperti Box-Cox Transformation atau Johnson Transformation. Syarat untuk menggunakan chi square maka data
BAB III METODE PENELITIAN 3.1 Metode Penelitian Dalam praktikum modul dua ini diterapkan statistik parametrik, data yang diolah atau dianalisa diambil dari 3 prodi yang berbeda untuk kepuasan terhadap pelayanan her registrasi di unijoyo yang dikelompokkan berdasarkan program studi. Dari data yang didapatkan dilakukanlah uji hipotesa yang digunakan untuk mengambil keputusan dan kesimpulan dari sifat populasi yang telah diambil datanya. Dalam pengolahan datanya dibutuhkan software yaitu Microsoft Excel dan SPSS. Dengan adanya bantuan software pengolahan data akan lebih lancar dan tidak memakan waktu yang lama. Dari setiap prodi akan di analisa dan dibandingkan dengan menggunakan metode-metode yang ada dalam statistik parametrik, yaitu antara lain: 1. Uji Normalitas Data. 2. One Sample T-Test. 3. Independent Sample T-Test. 4. One-Way ANOVA. Dari beberapa pengujian di atas akan diuji dari tiap prodi dan data variabel. Dari hasil perbandingan akan diketahui apakah distribusi data antar 2 program studi berbeda atau sama secara signifikan.
BAB IV HASIL DAN PEMBAHASAN 4.1 Data Mentah Data mentah merupakan data fakta, serangkaian bukti atau informasi, dengan kata lain data adalah segala sesuatu yang dapat memberikan informasi suatu keadaan atau persoalan. Dalam modul 2 ini data yang diambil ialah data tinggi badan, berat badan dan IPK. 4. 2 Analisis Uji Normalitas Data Tujuan Uji normalitas Tujuan dalam uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng ( bell sheped ). Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yaitu distribusi data tersebut tidak menceng kekiri atau kekanan. 4. 2.1 Analisis Uji Normalitas Data pada Tinggi Badan Pada analisis uji normalitas data untuk tinggi badan diuji masing-masing prodi. 4.2.1.1 Prodi 1 Tabel 2.4.1 Tests of Normality
no 1 nam a prodi prodi1 (prodi H) sig
KolmogorovSmirnova Shapiro-Wilk 0.2 0.223596909
A
0.05
keterangan
sig > 0.05
sig>0.05
Hipotesis: H0 = Data berasal dari populasi yang berdistribusi normal H1 = Data tidak berasal dari populasi yang berdistribusi normal Penarikan Keputusan: Kesimpulan:
Jika sig < , maka tolak H0 Jika sig , maka terima H0 Analisa : Dari nilai signifikan data diatas diketahui bahwa sig uji kolmogorovsmimowa dan uji shapiro-wilk >0,05 sehingga terima Ho. Hal tersebut berarti bahwa data untuk intensitas prodi H berdistribusi normal.
Gambar 2.4.1 Normal QQ Plot Analisa : Dilihat pada gambar grafik normal QQ-Plot yang berada pada sekitar garis miring melintang, sehingga dapat disimpulkan bahwa data Tinggit badan pada prodi H berdistribusi normal. 4.2.1.2 Prodi 2 Tabel 2.4.2 Tests of Normality
sig
KolmogorovSmirnova Shapiro-Wilk 0.2 0.223597
A
0.05
keterangan
sig > 0.05
sig >0.05
H1 = Data tidak berasal dari populasi yang berdistribusi normal Penarikan Keputusan: Kesimpulan: Jika sig < , maka tolak H0 Jika sig , maka terima H0 Analisa : Dari nilai signifikan data diatas diketahui bahwa sig uji kolmogorovsmimowa dan uji shapiro-wilk >0,05 sehingga terima Ho. Hal tersebut berarti bahwa data untuk intensitas prodi I berdistribusi normal.
Gambar 2.4.2 Normal QQ Plot Analisa : Dilihat pada gambar grafik normal QQ-Plot yang berada pada sekitar garis miring melintang, sehingga dapat disimpulkan bahwa data Tinggi badan pada prodi I berdistribusi normal. 4.2.1.3 Prodi 3 Tabel 2.4.3 Tests of Normality
sig
KolmogorovSmirnova Shapiro-Wilk 0.2 0.093723
A
0.05
keterangan
sig > 0.05
sig>0.05
Hipotesis: H0 = Data berasal dari populasi yang berdistribusi normal H1 = Data tidak berasal dari populasi yang berdistribusi normal Penarikan Keputusan: Kesimpulan: Jika sig < , maka tolak H0 Jika sig , maka terima H0 Analisa : Dari nilai signifikan data diatas diketahui bahwa sig uji kolmogorovsmimowa dan uji shapiro-wilk >0,05 sehingga terima Ho. Hal tersebut berarti bahwa data untuk intensitas prodi J berdistribusi normal.
Dilihat pada gambar grafik normal QQ-Plot yang berada pada sekitar garis miring melintang, sehingga dapat disimpulkan bahwa data tinggi badan pada prodi J berdistribusi normal.
4. 2.1 Analisis Uji Normalitas Data pada Berat Badan Pada analisis uji normalitas data untuk berat badan diuji masingmasing prodi. 4.2.2.1 Prodi 1 Tabel 2.4.4 Tests of Normality
no 1
sig
Kolmogorov0.2 Smirnova Shapiro-Wilk 0.412818459
A
0.05
keterangan
sig > 0.05
sig>0.05
Hipotesis: H0 = Data berasal dari populasi yang berdistribusi normal H1 = Data tidak berasal dari populasi yang berdistribusi normal Penarikan Keputusan: Kesimpulan: Jika sig < , maka tolak H0 Jika sig , maka terima H0 Analisa : Dari nilai signifikan data diatas diketahui bahwa sig uji kolmogorovsmimowa dan uji shapiro-wilk >0,05 sehingga terima Ho. Hal tersebut berarti bahwa data untuk intensitas prodi H berdistribusi normal.
Gambar 2.4.4 Normal QQ Plot Analisa : Dilihat pada gambar grafik normal QQ-Plot yang berada pada sekitar garis miring melintang, sehingga dapat disimpulkan bahwa data berat badan pada prodi H berdistribusi normal. 4.2.2.2 Prodi 2 Tabel 2.4.5 Tests of Normality
sig
KolmogorovSmirnova Shapiro-Wilk 0.2 0.098728
A
0.05
keterangan kesimpulan
sig > 0.05
sig>0.05
berdistribusi normal
Hipotesis: H0 = Data berasal dari populasi yang berdistribusi normal H1 = Data tidak berasal dari populasi yang berdistribusi normal Penarikan Keputusan: Kesimpulan: Jika sig < , maka tolak H0 Jika sig , maka terima H0 Analisa :
Dari nilai signifikan data diatas diketahui bahwa sig uji kolmogorovsmimowa dan uji shapiro-wilk >0,05 sehingga terima Ho. Hal tersebut berarti bahwa data untuk intensitas prodi I berdistribusi normal.
Gambar 2.4.5 Normal QQ Plot Analisa : Dilihat pada gambar grafik normal QQ-Plot yang berada pada sekitar garis miring melintang, sehingga dapat disimpulkan bahwa data berat badan pada prodi I berdistribusi normal. 4.2.2.3 Prodi 3 Tabel 2.4.6 Tests of Normality
no 1 nama prodi prodi 3 (prodi J) sig
KolmogorovSmirnova Shapiro-Wilk 0,2 0,098728
A
0,05
keterangan
sig > 0.05
sig>0.05
Hipotesis: H0 = Data berasal dari populasi yang berdistribusi normal H1 = Data tidak berasal dari populasi yang berdistribusi normal Penarikan Keputusan: Kesimpulan: Jika sig < , maka tolak H0 Jika sig , maka terima H0 Analisa :
Dari nilai signifikan data diatas diketahui bahwa sig uji kolmogorovsmimowa dan uji shapiro-wilk >0,05 sehingga terima Ho. Hal tersebut berarti bahwa data untuk intensitas prodi J berdistribusi normal.
Gambar 2.4.6 Normal QQ Plot Analisa : Dilihat pada gambar grafik normal QQ-Plot yang berada pada sekitar garis miring melintang, sehingga dapat disimpulkan bahwa data berat badan pada prodi J berdistribusi normal. 4. 2.3 Analisis Uji Normalitas Data pada IPK 4.2.3.1 Prodi 1 Tabel 2.4.7 Tests of Normality
no 1
sig
KolmogorovSmirnova Shapiro-Wilk 0.2 0.073627332
A
0.05
keterangan
sig > 0.05
sig>0.05
Hipotesis: H0 = Data berasal dari populasi yang berdistribusi normal H1 = Data tidak berasal dari populasi yang berdistribusi normal Penarikan Keputusan: Kesimpulan: Jika sig < , maka tolak H0 Jika sig , maka terima H0
Analisa : Dari nilai signifikan data diatas diketahui bahwa sig uji kolmogorovsmimowa dan uji shapiro-wilk >0,05 sehingga terima Ho. Hal tersebut berarti bahwa data untuk intensitas prodi H berdistribusi normal.
Gambar 2.4.7 Normal QQ Plot Analisa : Dilihat pada gambar grafik normal QQ-Plot yang berada pada sekitar garis miring melintang, sehingga dapat disimpulkan bahwa data IPK pada prodi H berdistribusi normal. 4.2.3.2 Prodi 2 Tabel 2.4.8 Tests of Normality
no nama prodi 1
Hipotesis:
sig
KolmogorovSmirnova Shapiro-Wilk 0.2 0.073627
A
0.05
keterangan
sig > 0.05
prodi 2 (prodi I)
sig>0.05
H0 = Data berasal dari populasi yang berdistribusi normal H1 = Data tidak berasal dari populasi yang berdistribusi normal Penarikan Keputusan: Kesimpulan: Jika sig < , maka tolak H0 Jika sig , maka terima H0 Analisa :
Dari nilai signifikan data diatas diketahui bahwa sig uji kolmogorovsmimowa dan uji shapiro-wilk >0,05 sehingga terima Ho. Hal tersebut berarti bahwa data untuk intensitas prodi I berdistribusi normal.
Gambar 2.4.8 Normal QQ Plot Analisa : Dilihat pada gambar grafik normal QQ-Plot yang berada pada sekitar garis miring melintang, sehingga dapat disimpulkan bahwa data IPK pada prodi I berdistribusi normal. 4.2.3.3 Prodi 3 Tabel 2.4.9 Tests of Normality
no 1
sig
KolmogorovSmirnova Shapiro-Wilk 0.2 0.088852
A
0.05
keterangan
sig > 0.05
sig>0.05
Hipotesis: H0 = Data berasal dari populasi yang berdistribusi normal H1 = Data tidak berasal dari populasi yang berdistribusi normal Penarikan Keputusan: Kesimpulan: Jika sig < , maka tolak H0 Jika sig , maka terima H0
Analisa : Dari nilai signifikan data diatas diketahui bahwa sig uji kolmogorovsmimowa dan uji shapiro-wilk >0,05 sehingga terima Ho. Hal tersebut berarti bahwa data untuk intensitas prodi I berdistribusi normal.
Gambar 2.4.9 Normal QQ Plot Analisa : Dilihat pada gambar grafik normal QQ-Plot yang berada pada sekitar garis miring melintang, sehingga dapat disimpulkan bahwa data IPK pada prodi J berdistribusi normal. 4.3 One Sample T-Test Tujuan One Sample T-Test Tujuan One Sample T-Test untuk menganilis apakah suatu nilai tertentu yang diberikan sebagai perbandingan berbeda secara nyata atau tidak dengan ratarata sebuah sampel. 4. 3.1 One Sample T-Test pada Tinggi 4.3.1.1 Prodi 1 Data yang telah diolah didapatkan data One sample t-test pada Prodi H sebagai berikut. Tabel 2.4.10 One Sample Statistic
Analisa : Dari tabel diatas dapat diketahui bahwa 90 mahasiswa pada prodi H memiliki tinggi badan standard deviation 4,2214. Tabel 2.4.11 One Sample Test Test Value =159
variabel
t tinggi_badan 8.989 89 0.000 df Sig. (2-tailed)
dengan
Hipotesis: H0 = Rata-rata tinggi badan prodi H tidak berbeda signifikan dari 159 cm H1 = Rata-rata tinggi badan prodi H berbeda signifikan dari 159 cm Atau H0 : = 159 cm H1 : 159 cm Penarikan Keputusan: Jika sig> (0,05) maka terimaH0 Jika sig< (0,05) maka tolakH0 Dan Jika t hitung > t tabel, maka tolak H0 Jika t hitung < t tabel, maka terima H0 Kesimpulan: Dari tabel diatas menunjukkan bahwa t-test pada tinggi badan mahasiswa prodi H sebesar 8,989 dan nilai p-value pada tabel One-Sample Test menunjukkan nilai 0,000 (<0,05), maka kesimpulannya yaitu tolak H 0. Jadi rata-rata tinggi badan prodi H tidak berbeda signifikan dari 159 cm
4.3.1.2 Prodi 2 Data yang telah diolah didapatkan data One sample t-test pada Prodi II sebagai berikut. Tabel 2.4.13 One Sample Statistic
One-Sample Statistics N tinggi_badan 90 Mean 1.612 Std. Deviation 10.97443
Analisa : Dari tabel diatas dapat diketahui bahwa 90 mahasiswa pada prodi I memiliki tinggi badan dengan mean sebesar 1,612 standard deviation 10,97443. Tabel 2.4.14 One Sample Statistic Test Value =159
variabel
t tinggi_badan 1.911 89 0.059 df Sig. (2-tailed)
Hipotesis: H0 = Rata-rata tinggi badan prodi I tidak berbeda signifikan dari 159 cm H1 = Rata-rata tinggi badan prodi I berbeda signifikan dari 159 cm Atau H0 : = 159 cm H1 : 159 cm Penarikan Keputusan: Jika sig > (0,05) maka terimaH0 Jika sig < (0,05) maka tolakH0 Dan Jika t hitung > t tabel, maka tolak H0 Jika t hitung < t tabel, maka terima H0 Kesimpulan:
Dari tabel diatas menunjukkan bahwa t-test pada tinggi badan mahasisswa prodi I sebesar 1,911 dan nilai p-value pada tabel One-Sample Test menunjukkan nilai 0,059 ( > 0,05 ), maka kesimpulannya yaitu terima H0. Jadi rata-rata tinggi badan prodi I berbeda signifikan dari 159 cm. 4.3.1.3 Prodi 3 Data yang telah diolah didapatkan data One sample t-test pada Prodi J sebagai berikut. Tabel 2.4.15 One Sample Statistic
One-Sample Statistics N tinggi_badan 90 Mean 163.00 Std. Deviation 4.2214
Analisa : Dari tabel diatas dapat diketahui bahwa 90 mahasiswa pada prodi J memiliki tinggi badan dengan mean sebesar 163,00 standard deviation 4,2212.
Hipotesis: H0 = Rata-rata tinggi badan prodi J tidak berbeda signifikan dari 159 cm H1 = Rata-rata tinggi badan prodi J berbeda signifikan dari 159 cm Atau H0 : = 159 cm H1 : 159 cm Penarikan Keputusan:
Jika sig > (0,05) maka terimaH0 Jika sig < (0,05) maka tolakH0 Dan Jika t hitung > t tabel, maka tolak H0 Jika t hitung < t tabel, maka terima H0 Kesimpulan: Dari tabel diatas menunjukkan bahwa t-test pada tinggi badan mahasisswa prodi I sebesar 8,989 dan nilai p-value pada tabel OneSample Test menunjukkan nilai 0,000 ( < 0,05 ), maka kesimpulannya yaitu tolak H0. Jadi Rata-rata tinggi badan prodi J tidak berbeda signifikan dari 159 cm. 4.3.2 One Sample T-Test pada Berat Badan 4.3.2.1 Prodi 1 Data yang telah diolah didapatkan data One sample t-test pada Prodi I sebagai berikut. Tabel 2.4.17 One Sample Statistic
One-Sample Statistics N berat_badan 90 Mean 53.0889 Std. Deviation 4.22312
Analisa : Dari tabel diatas dapat diketahui bahwa 90 mahasiswa pada prodi H memiliki tinggi badan deviation 4,22312. Tabel 2.4.18 One Sample Statistic
Test Value =51
variabel
t berat_badan 4.692 df 89.000 Sig. (2-tailed) 0.000
dengan
standard
Hipotesis:
H0 = Rata-rata berat badan prodi H tidak berbeda signifikan dari 51 kg. H1 = Rata-rata berat badan prodi H berbeda signifikan dari 51 kg. Atau H0 : = 51 kg H1 : 51kg Penarikan Keputusan: Jika sig > (0,05) maka terimaH0 Jika sig < (0,05) maka tolakH0 Dan Jika t hitung > t tabel, maka tolak H0 Jika t hitung < t tabel, maka terima H0 Kesimpulan: Dari tabel diatas menunjukkan bahwa t-test pada tinggi badan mahasisswa prodi I sebesar 8,989 dan nilai p-value pada tabel OneSample Test menunjukkan nilai 0,000 ( < 0,05 ), maka kesimpulannya yaitu tolak H0. Jadi Rata-rata berat badan prodi H tidak berbeda signifikan dari 51 kg.
4.3.2.2 Prodi 2 Data yang telah diolah didapatkan data One sample t-test pada Prodi I sebagai berikut. Tabel 2.4.19 One Sample Statistic
One-Sample Statistics N berat_badan 90 Mean 57.6333 Std. Deviation 12.85393
Analisa :
Dari tabel diatas dapat diketahui bahwa 90 mahasiswa pada prodi I memiliki tinggi badan deviation 12,85393. Tabel 2.4.20 One Sample Statistic
Test Value = 51
variabel
t berat_badan 4.692 df 89.000 Sig. (2-tailed) 0.000
dengan
Hipotesis: H0 = Rata-rata berat badan prodi I tidak berbeda signifikan dari 51 kg. H1 = Rata-rata berat badan prodi I berbeda signifikan dari 51 kg. Atau H0 : = 51 kg H1 : 51kg Penarikan Keputusan: Jika sig > (0,05) maka terimaH0 Jika sig < (0,05) maka tolakH0 Dan Jika t hitung > t tabel, maka tolak H0 Jika t hitung < t tabel, maka terima H0
Kesimpulan: Dari tabel diatas menunjukkan bahwa t-test pada tinggi badan mahasisswa prodi I sebesar 4,692 dan nilai p-value pada tabel OneSample Test menunjukkan nilai 0,000 ( < 0,05 ), maka kesimpulannya yaitu tolak H0. 4.3.2.3 Prodi 3 Data yang telah diolah didapatkan data One sample t-test pada Prodi I sebagai berikut. Jadi Rata-rata berat badan prodi I tidak berbeda signifikan dari 51 kg.
Analisa : Dari tabel diatas dapat diketahui bahwa 90 mahasiswa pada prodi J memiliki tinggi badan deviation 4,22312. Tabel 2.4.22 One Sample Statistic
Test Value =51
variabel
t berat_badan 0.2 df 89 Sig. (2-tailed) 0.842
dengan
Hipotesis: H0 = Rata-rata berat badan prodi J tidak berbeda signifikan dari 51 kg. H1 = Rata-rata berat badan prodi J berbeda signifikan dari 51 kg. Atau H0 : = 51 kg H1 : 51kg
Penarikan Keputusan: Jika sig > (0,05) maka terimaH0 Jika sig < (0,05) maka tolakH0 Dan Jika t hitung > t tabel, maka tolak H0 Jika t hitung < t tabel, maka terima H0 Kesimpulan:
Dari tabel diatas menunjukkan bahwa t-test pada tinggi badan mahasisswa prodi J sebesar 0,2 dan nilai p-value pada tabel OneSample Test menunjukkan nilai 0,842 ( > 0,05 ), maka kesimpulannya yaitu terima H0. Jadi rata-rata berat badan prodi J berbeda signifikan dari 51 kg. 4.3.3 One Sample T-Test pada IPK 4.3.3.1 Prodi 1 Data yang telah diolah didapatkan data One sample t-test pada Prodi I sebagai berikut. Tabel 2.4.23 One Sample Statistic
One-Sample Statistics N IPK 90 Mean 2.8882 Std. Deviation 0.45676
Analisa : Dari tabel diatas dapat diketahui bahwa 90 mahasiswa pada prodi H memiliki tinggi badan deviation 4,22312. Tabel 2.4.24 One Sample Statistic dengan mean sebesar 51,0889 standard
Hipotesis: H0 = Rata-rata IPK prodi H tidak berbeda signifikan dari 2,43 H1 = Rata-rata IPK prodi H berbeda signifikan dari 2,43 Atau H0 : = 2,43 H1 : 2,43 Penarikan Keputusan: Jika sig > (0,05) maka terimaH1 Jika sig < (0,05) maka tolakH0
Dan Jika t hitung > t tabel, maka tolak H0 Jika t hitung < t tabel, maka terima H0 Kesimpulan: Dari tabel diatas menunjukkan bahwa t-test pada tinggi badan mahasisswa prodi H sebesar 0,2 dan nilai p-value pada tabel OneSample Test menunjukkan nilai berbeda signifikan dari 2,43. 4.3.3.2 Prodi 2 Data yang telah diolah didapatkan data One sample t-test pada Prodi I sebagai berikut. Tabel 2.4.25 One Sample Statistic
One-Sample Statistics N IPK 90 Mean 3.1656 Std. Deviation 0.32366
Analisa : Dari tabel diatas dapat diketahui bahwa 90 mahasiswa pada prodi I memiliki tinggi badan dengan mean sebesar 3,2656 standard deviation 0,32366. Tabel 2.4.26 One Sample Statistic
Hipotesis: H0 = Rata-rata IPK prodi I tidak berbeda signifikan dari 2,43 H1 = Rata-rata IPK prodi I berbeda signifikan dari 2,43 Atau H0 : = 2,43 H1 : 2,43 Penarikan Keputusan:
Jika sig > (0,05) maka terimaH0 Jika sig < (0,05) maka tolakH0 Dan Jika t hitung > t tabel, maka tolak H0 Jika t hitung < t tabel, maka terima H0 Kesimpulan: Dari tabel diatas menunjukkan bahwa t-test pada tinggi badan mahasisswa prodi I sebesar 21,56 dan nilai p-value pada tabel OneSample Test menunjukkan nilai berbeda signifikan dari 2,43 4.3.3.3 Prodi 3 Data yang telah diolah didapatkan data One sample t-test pada Prodi J sebagai berikut. Tabel 2.4.27 One Sample Statistic
One-Sample Statistics N IPK 90 Mean 2.8882 Std. Deviation 0.45676
Analisa : Dari tabel diatas dapat diketahui bahwa 90 mahasiswa pada prodi J memiliki tinggi badan dengan mean sebesar 2,8882 standard deviation 0,45676.
H1 = Rata-rata IPK prodi J berbeda signifikan dari 2,43 Atau H0 : = 2,43 H1 : 2,43 Penarikan Keputusan: Jika sig > (0,05) maka terimaH0 Jika sig < (0,05) maka tolakH0 Dan Jika t hitung > t tabel, maka tolak H0 Jika t hitung < t tabel, maka terima H0 Kesimpulan: Dari tabel diatas menunjukkan bahwa t-test pada tinggi badan mahasisswa prodi I sebesar 9,517 dan nilai p-value pada tabel OneSample Test menunjukkan nilai berbeda signifikan dari 2,43. 4.4 Independent Sample T-Test Tujuan Independent Sample T-Test Ialah untuk menganalisi perbedaan rata-rata dua grup yang berhubungan satu sama lain. Pada modul 2 ini, kelompok kami membandingkan yaitu pada prodi H dengan I, I dengan J dan J dengan H. 0,000 ( < 0,05 ), maka tidak kesimpulannya yaitu tolak H0. Jadi Rata-rata IPK prodi J
4.4.1 Independent Sample T-Test pada Tinggi Badan 4.4.1.1 Prodi 1 Dengan Prodi 2 Data yang telah diolah didapatkan data Independent sample t-test pada Prodi H dengan I sebagai berikut. Tabel 2.4.29 Group Statistic
Group Statistics tinggi_badan prodi prodi H prodi I N 90 90 Mean 163.00 161.21 Std. Deviation 4.2214 10.97443
Analisa : Dapat diketahui dari rata-rata tinggi badan prodi H adalah 163,00 dengan standar deviasi 4,2214 dan rata-rata tinggi badan prodi I adalah 161,21 dengan standar deviasi 10.97443. Tabel 2.4.30 Independent Sample T Test Variabel Frekuensi tinggi_badan Equal variances not assumed Hipotesis: H0 = Tidak terdapat perbedaan nyata antara rata-rata tinggi badan prodi H dan prodi I H1 = terdapat perbedaan nyata antara rata-rata tinggi badan prodi H dan prodi I Atau H0 : H = I H1 : H I Penarikan Keputusan: Jika sig > (0,05) maka terima H1 Jika sig < (0,05) maka tolak H0 Kesimpulan : Dari tabel Independent Sample T-Test dengan sig 0.00 maka memakai sig 2-T equal variances not assumed, karena nilai sig 2-T 0,152 > 0.05 maka terima H1, maka terdapat perbedaan nyata antara rata-rata tinggi badan prodi H dan prodi I atau dapat dikatakan H I. 4.4.1.2 Prodi 2 Dengan Prodi 3 Data yang telah diolah didapatkan data Independent sample t-test pada Prodi I dengan J sebagai berikut. Tabel 2.4.31 F 52.026 Sig. 0.000 Sig. (2-tailed) 0.152
Group Statistic
Group Statistics prodi tinggi_badan prodi I prodi J N 90.00 90.00 Mean 161.21 163.00 Std. Deviation 10.97443 4.2214
Analisa : Dapat diketahui dari rata-rata tinggi badan prodi H adalah 163,00 dengan standar deviasi 4,2214 dan rata-rata tinggi badan prodi I adalah 161,21 dengan standar deviasi 10.97443. Tabel 2.4.32 Independent Sample T Test Variabel Frekuensi F Sig. tinggi_badan Equal variances not assumed 52.026 Hipotesis: H0 = Tidak terdapat perbedaan nyata antara rata-rata tinggi badan prodi I dan prodi J H1 = terdapat perbedaan nyata antara rata-rata tinggi badan prodi I dan prodi J Atau H0 : I = J H1 : I J Penarikan Keputusan: Jika sig > (0,05) maka terima H1 Jika sig < (0,05) maka tolak H0 Kesimpulan : Dari tabel Independent Sample T-Test dengan sig 0.00 maka memakai sig 2-T equal variances not assumed, karena nilai sig 2-T 0,152 > 0.05 maka terima H1, maka terdapat perbedaan nyata antara rata-rata tinggi badan prodi I dan prodi J atau dapat dikatakan I J. 4.4.1.3 Prodi 3 Dengan Prodi 1 Data yang telah diolah didapatkan data Independent sample t-test pada Prodi J dengan H sebagai berikut. Sig. (2-tailed) 0.000 0.152
Analisa : Dapat diketahui dari rata-rata tinggi badan prodi J adalah 163,00 dengan standar deviasi 4,2214 dan rata-rata tinggi badan prodi H adalah 163,00 dengan standar deviasi 4,2214. Tabel 2.4.34 Independent Sample T Test Variabel Frekuensi tinggi_badan Equal variances assumed Hipotesis: H0 = Tidak terdapat perbedaan nyata antara rata-rata tinggi badan prodi J dan prodi H H1 = terdapat perbedaan nyata antara rata-rata tinggi badan prodi J dan prodi H Atau H0 : J = H H1 : J H Penarikan Keputusan: Jika sig > (0,05) maka terima H1 Jika sig < (0,05) maka tolak H0 Kesimpulan : Dari tabel Independent Sample T-Test dengan sig 1,000 maka memakai sig 2-T equal variances assumed, karena nilai sig 2-T 1,000 > 0.05 maka terima H1, terdapat perbedaan nyata antara rata-rata tinggi badan prodi J dan prodi H atau dapat dikatakan J H. F 0.000 Sig. 1.000 Sig. (2-tailed) 1.000
4.4.2 Independent Sample T-Test pada Berat Badan 4.4.2.1 Prodi 1 Dengan Prodi 2 Data yang telah diolah didapatkan data Independent sample t-test pada Prodi H dengan I sebagai berikut. Tabel 2.4.35 Group Statistic
Group Statistics berat_badan prodi prodi H prodi I N 90 90 Mean 53.0889 57.6333 Std. Deviation 4.22312 12.85393
Analisa : Dapat diketahui dari rata-rata berat badan prodi H adalah 53,0889 dengan standar deviasi 4,22312 dan rata-rata tinggi badan prodi I adalah 57,6333 dengan standar deviasi 12,85393. Tabel 2.4.36 Independent Sample T Test Variabel Frekuensi F Sig. berat_badan Equal variances not assumed 67.687 Hipotesis: H0 = Tidak terdapat perbedaan nyata antara rata-rata berat badan prodi H dan prodi I H1 = terdapat perbedaan nyata antara rata-rata berat badan prodi H dan prodi I Atau H0 : H = I H1 : H I Penarikan Keputusan: Jika sig > (0,05) maka terima H1 Jika sig < (0,05) maka tolak H0 Kesimpulan : Dari tabel Independent Sample T-Test dengan sig 0,000 maka memakai sig 2-T equal variances not assumed, karena nilai sig 2-T 0,002 < 0.05 Sig. (2-tailed) 0.000 0.002
maka tolak Ho, maka tidak terdapat perbedaan nyata antara rata-rata berat badan prodi H dan prodi I atau dapat dikatakan H = I. 4.4.2.2 Prodi 2 Dengan Prodi 3 Data yang telah diolah didapatkan data Independent sample t-test pada Prodi I dengan J sebagai berikut. Tabel 2.4.37 Group Statistic
Group Statistics prodi berat_badan prodi I prodi J N 90 90 Mean 57.6333 51.0889 Std. Deviation 12.85393 4.22312
Analisa : Dapat diketahui dari rata-rata berat badan prodi I adalah 57,6333 dengan standar deviasi 12,8539 dan rata-rata berat badan prodi J I adalah 51,0889 dengan standar deviasi 4,22312. Tabel 2.4.38 Independent Sample T Test Variabel Frekuensi F Sig. tinggi_badan Equal variances not assumed 67.687 Hipotesis: H0 = Tidak terdapat perbedaan nyata antara rata-rata berat badan prodi I dan prodi J H1 = terdapat perbedaan nyata antara rata-rata berat badan prodi I dan prodi J Atau H0 : I = J H1 : I J Penarikan Keputusan: Jika sig > (0,05) maka terima H1 Jika sig < (0,05) maka tolak H0 Kesimpulan : Sig. (2-tailed) 0.000 0.000
Dari tabel Independent Sample T-Test dengan sig 0,000 maka memakai sig 2-T equal variances not assumed, karena nilai sig 2-T 0,000 < 0.05 maka tolak Ho, maka tidak terdapat perbedaan nyata antara rata-rata berat badan prodi H dan prodi I atau dapat dikatakan I = J. 4.4.2.3 Prodi 3 Dengan Prodi 1 Data yang telah diolah didapatkan data Independent sample t-test pada Prodi J dengan H sebagai berikut. Tabel 2.4.39 Group Statistic
Group Statistics prodi berat_badan prodi J prodi H N 90 90 Mean 51.0889 53.0889 Std. Deviation 4.22312 4.22312
Analisa : Dapat diketahui dari rata-rata berat badan prodi J adalah 51,0889 dengan standar deviasi 4,22312 dan rata-rata berat badan prodi H adalah 53,0889 dengan standar deviasi 4,22312. Tabel 2.4.40 Independent Sample T Test Variabel Frekuensi tinggi_badan Equal variances assumed Hipotesis: H0 = Tidak terdapat perbedaan nyata antara rata-rata berat badan prodi J dan prodi H H1 = terdapat perbedaan nyata antara rata-rata berat badan prodi J dan prodi H Atau H0 : J = H H1 : J H Penarikan Keputusan: Jika sig > (0,05) maka terima H1 Jika sig < (0,05) maka tolak H0 F 0.000 Sig. 1.000 Sig. (2-tailed) 0.002
Kesimpulan : Dari tabel Independent Sample T-Test dengan sig 1,000 maka memakai sig 2-T equal variances assumed, karena nilai sig 2-T 0,002 < 0.05 maka tolak Ho, maka tidak terdapat perbedaan nyata antara rata-rata berat badan prodi H dan prodi I atau dapat dikatakan J = H. 4.4.3 Independent Sample T-Test pada IPK 4.4.3.1 Prodi 1 Dengan Prodi 2 Data yang telah diolah didapatkan data Independent sample t-test pada Prodi H dengan I sebagai berikut. Tabel 2.4.39 Group Statistic
Group Statistics IPK prodi prodi H prodi I N 90 90 Mean 2.8882 3.1656 Std. Deviation 0.45676 0.32366
Analisa : Dapat diketahui dari rata-rata IPK prodi H adalah 2,8882 dengan standar deviasi 0,45676 dan rata-rata IPK prodi I adalah 3,1656 dengan standar deviasi 0,32366. Tabel 2.4.40 Independent Sample T Test Variabel IPK Hipotesis: H0 = Tidak terdapat perbedaan nyata antara rata-rata IPK prodi H dan prodi I H1 = terdapat perbedaan nyata antara rata-rata IPK prodi H dan prodi I Atau H0 : H = I H1 : H I Penarikan Keputusan: Frekuensi F Equal variances not assumed Sig. 9.566 Sig. (2-tailed) 0.002 0.000
Jika sig > (0,05) maka terima H1 Jika sig < (0,05) maka tolak H0 Kesimpulan : Dari tabel Independent Sample T-Test dengan sig 0,002 maka memakai sig 2-T equal variances not assumed, karena nilai sig 2-T 0,000 < 0.05 maka tolak Ho, maka tidak t erdapat perbedaan nyata antara rata-rata IPK prodi H dan prodi I atau dapat dikatakan H = I. 4.4.3.2 Prodi 2 Dengan Prodi 3 Data yang telah diolah didapatkan data Independent sample t-test pada Prodi I dengan J sebagai berikut. Tabel 2.4.41 Group Statistic
Group Statistics prodi IPK prodi I prodi J N 90 90 Mean 3.1656 2.8882 Std. Deviation 0.32366 0.45676
Analisa : Dapat diketahui dari rata-rata IPK prodi I adalah 3,1656 dengan standar deviasi 0,32366 dan rata-rata IPK prodi J adalah 2,8882 dengan standar deviasi 0,45676. Tabel 2.4.42 Independent Sample T Test Variabel IPK Hipotesis: H0 = Tidak terdapat perbedaan nyata antara rata-rata IPK prodi I dan prodi J H1 = terdapat perbedaan nyata antara rata-rata IPK prodi I dan prodi J Atau H0 : I = J H1 : I J Penarikan Keputusan: Frekuensi F Equal variances not assumed Sig. 9.566 0.002 Sig. (2-tailed) 0.000
Jika sig > (0,05) maka terima H1 Jika sig < (0,05) maka tolak H0 Kesimpulan : Dari tabel Independent Sample T-Test dengan sig 0,002 maka memakai sig 2-T equal variances not assumed, karena nilai sig 2-T 0,000 < 0.05 maka tolak Ho, maka tidak terdapat perbedaan nyata antara rata-rata IPK prodi I dan prodi J atau dapat dikatakan I = J. 4.4.3.3 Prodi 3 Dengan Prodi 1 Data yang telah diolah didapatkan data Independent sample t-test pada Prodi J dengan H sebagai berikut. Tabel 2.4.43 Group Statistic
Group Statistics prodi IPK prodi J prodi H N 90 90 Mean 2.8882 2.8882 Std. Deviation 0.45676 0.45676
Data yang telah diolah didapatkan data Independent sample t-test pada Prodi J dengan H sebagai berikut. Tabel 2.4.44 Group Statistic Variabel IPK Hipotesis: H0 = Tidak terdapat perbedaan nyata antara rata-rata IPK prodi J dan prodi H H1 = terdapat perbedaan nyata antara rata-rata IPK prodi J dan prodi H Atau H0 : J = H H1 : J H Penarikan Keputusan: Jika sig > (0,05) maka terima H1 Jika sig < (0,05) maka tolak H0 Kesimpulan : Frekuensi Equal variances assumed F 0.000 Sig. 1.000 Sig. (2-tailed) 1.000
Dari tabel Independent Sample T-Test dengan sig 1,000 maka memakai sig 2-T equal variances assumed, karena nilai sig 2-T 0,000 < 0.05 maka tolak Ho, maka tidak terdapat perbedaan nyata antara rata-rata IPK prodi J dan prodi H atau dapat dikatakan J H.
4.5 One-Way ANOVA Tujuan One-Way ANOVA 4.5.1 Uji One Way ANOVA untuk Tinggi pada 3 Prodi Hipotesis: H0 = H1 = Penarikan Keputusan: Kesimpulan: Tabel Descriptives Tabel Test of Homogeneity of Variances Tabel ANOVA Tabel Multiple Comparison 4.5.2 Uji One Way ANOVA untuk Berat Badan pada 3 Prodi 4. 5.3 Uji One Way ANOVA untuk IPK pada 3 Prodi BAB V PENUTUP 5. 1 Kesimpulan 5. 2 Saran DAFTAR PUSTAKA
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45
IPK
3.00 2.31 2.56 2.60 3.70 3.80 2.43 2.15 2.14 2.16 2.32 2.46 2.60 2.70 2.14 2.35 2.39 2.56 2.45 2.37 2.56 2.51 2.55 2.57 3.05 3.06 3.09 3.45 3.32 2.95 2.19 2.99 2.89 2.53 2.54 2.56 2.76 2.47 2.09 2.14 2.13 3.25 3.45 2.90 2.69
No 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90
IPK
2.99 2.89 3.00 3.05 2.86 2.70 2.66 2.77 2.88 2.99 2.72 2.62 3.20 2.87 3.59 3.21 3.21 2.90 3.39 3.43 3.49 3.45 3.46 3.95 3.85 2.89 2.91 2.92 3.10 3.00 3.00 3.00 3.60 3.54 3.71 3.56 3.55 3.21 2.99 2.89 2.47 2.36 3.20 3.23 2.80
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45
Berat Badan Tinggi Badan 36 146 37 147 38 146 39 163 40 141 41 165 46 166 45 157 48 150 49 150 50 168 51 169 32 170 33 142 34 143 35 144 60 151 61 152 62 153 63 154 64 182 65 183 66 182 67 186 68 159 69 160 70 162 71 155 42 156 43 176 44 177 45 178 52 179 53 160 54 161 55 158 56 162 57 160 58 159 59 160 79 159 80 157 81 158 82 163 73 140
IPK 2.9 3.3 3.1 3.1 2.6 2.7 2.8 3.5 3.6 3.7 3.4 3.4 3.8 3.3 3.7 3.8 3.4 3.1 3.3 3.4 2.5 2.6 2.9 3.2 3.3 3.4 2.5 3.2 3.3 3.1 3 3 3 3.2 3.1 2.7 2.7 2.8 3.2 3.2 3.4 3.5 3.5 3.5 3.2
IPK
3.00 2.31 2.56 2.60 3.70 3.80 2.43 2.15 2.14 2.16 2.32 2.46 2.60 2.70 2.14 2.35 2.39 2.56 2.45 2.37 2.56 2.51 2.55 2.57 3.05 3.06 3.09 3.45 3.32 2.95 2.19 2.99 2.89 2.53 2.54 2.56 2.76 2.47 2.09 2.14 2.13 3.25 3.45 2.90 2.69
No 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90
IPK
2.99 2.89 3.00 3.05 2.86 2.70 2.66 2.77 2.88 2.99 2.72 2.62 3.20 2.87 3.59 3.21 3.21 2.90 3.39 3.43 3.49 3.45 3.46 3.95 3.85 2.89 2.91 2.92 3.10 3.00 3.00 3.00 3.60 3.54 3.71 3.56 3.55 3.21 2.99 2.89 2.47 2.36 3.20 3.23 2.80
Uji normality
Prodi H Tests of Normality Kolmogorov-Smirnova Statistic berat_badan tinggi_badan IPK .069 .062 .070 df 90 90 90 Sig. .200 .200* .200*
*
a. Lilliefors Significance Correction *. This is a lower bound of the true significance. Prodi I Tests of Normality Kolmogorov-Smirnova Statistic berat_badan tinggi_badan IPK .051 .077 .086 df 90 90 90 Sig. .200 .200* .094
*
a. Lilliefors Significance Correction *. This is a lower bound of the true significance. Prodi J Tests of Normality Kolmogorov-Smirnova Statistic berat_badan tinggi_badan IPK .069 .062 .070 df 90 90 90 Sig. .200 .200* .200*
*
One-Sample Statistics Std. N tinggi_badan 90 Mean 1.6300E 2 Deviation 4.22140 Std. Error Mean .44497
One-Sample Test Test Value = 159 95% Confidence Interval of Mean t tinggi_badan Berat badan One-Sample Statistics Std. N berat_badan Mean 90 53.0889 Deviation 4.22312 Std. Error Mean .44516 8.989 df 89 Sig. (2-tailed) .000 Difference 4.00000 the Difference Lower 3.1158 Upper 4.8842
One-Sample Test Test Value = 51 95% Confidence Interval of Mean t berat_badan 4.692 df 89 Sig. (2-tailed) .000 Difference 2.08889 the Difference Lower 1.2044 Upper 2.9734
IPK
One-Sample Statistics Std. N IPK 90 Mean 2.8882 Deviation .45676 Std. Error Mean .04815
One-Sample Test Test Value = 2.43 95% Confidence Interval of Mean t IPK 9.517 PRODI I TINGGI BADAN One-Sample Statistics Std. N tinggi_badan 90 Mean 1.6121E 2 Deviation 10.97443 Std. Error Mean 1.15681 df 89 Sig. (2-tailed) .000 Difference .45822 the Difference Lower .3626 Upper .5539
One-Sample Test Test Value = 159 95% Confidence Interval of Mean t tinggi_badan 1.911 df 89 Sig. (2-tailed) .059 Difference 2.21111 the Difference Lower -.0874 Upper 4.5097
BERAT BADAN One-Sample Statistics Std. N berat_badan Mean 90 57.6333 Deviation 12.85393 Std. Error Mean 1.35492
One-Sample Test Test Value = 51 95% Confidence Interval Sig. (2t berat_bada n IPK One-Sample Statistics Std. N IPK 90 Mean 3.1656 Deviation .32366 Std. Error Mean .03412 4.896 df 89 tailed) .000 Mean Difference 6.63333 of the Difference Lower 3.9411 Upper 9.3255
One-Sample Test Test Value = 2.43 95% Confidence Interval of Mean t IPK 21.560 PRODI J TINGGI BADAN df 89 Sig. (2-tailed) .000 Difference .73556 the Difference Lower .6678 Upper .8033
One-Sample Statistics Std. N tinggi_badan 90 Mean 1.6300E 2 Deviation 4.22140 Std. Error Mean .44497
One-Sample Test Test Value = 159 95% Confidence Interval of Mean t tinggi_badan 8.989 BERAT BADAN df 89 Sig. (2-tailed) .000 Difference 4.00000 the Difference Lower 3.1158 Upper 4.8842
One-Sample Statistics Std. N berat_badan Mean 90 51.0889 Deviation 4.22312 One-Sample Test Test Value = 51 95% Confidence Interval of Mean t berat_badan IPK One-Sample Statistics Std. N IPK 90 Mean 2.8882 Deviation .45676 Std. Error Mean .04815 .200 df 89 Sig. (2-tailed) .842 Difference .08889 the Difference Lower -.7956 Upper .9734 Std. Error Mean .44516
One-Sample Test Test Value = 2.43 95% Confidence Interval of Mean t IPK 9.517 df 89 Sig. (2-tailed) .000 Difference .45822 the Difference Lower .3626 Upper .5539
Independent sample t-test Perbandingan tinggi badan prodi H dengan prodi I Group Statistics Std. prodi tinggi_badan prodi H prodi I N 90 90 Mean 1.6300E 2 1.6121E 2 Deviation 4.22140 10.97443 Std. Error Mean .44497 1.15681
Perbandingan tinggi badan prodi I dengan J Group Statistics Std. prodi tinggi_badan prodi I prodi J N 90 90 Mean 1.6121E 2 1.6300E 2 Deviation 10.97443 4.22140 Std. Error Mean 1.15681 .44497
Perbandingan tinggi badan prodi J-H Group Statistics Std. prodi tinggi_badan prodi J prodi H N 90 90 Mean 1.6300E 2 1.6300E 2 Deviation 4.22140 4.22140 Std. Error Mean .44497 .44497
Perbandingan berat badan prodi H dengan I Group Statistics Std. prodi berat_badan prodi H prodi I N Mean 90 53.0889 90 57.6333 Deviation 4.22312 12.85393 Std. Error Mean .44516 1.35492
Group Statistics Std. prodi berat_badan prodi I prodi J N Mean 90 57.6333 90 51.0889 Deviation 12.85393 4.22312 Std. Error Mean 1.35492 .44516
Perbandingan berat badan prodi J dengan H Group Statistics Std. prodi berat_badan prodi J prodi H N Mean 90 51.0889 90 53.0889 Deviation 4.22312 4.22312 Std. Error Mean .44516 .44516
Group Statistics prodi IPK prodi H prodi I N 90 90 Mean 2.8882 3.1656 Std. Deviation .45676 .32366 Std. Error Mean .04815 .03412
Perbandingan IPK prodi I dengan J Group Statistics Std. prodi IPK prodi I prodi J N 90 90 Mean 3.1656 2.8882 Deviation .32366 .45676 Std. Error Mean .03412 .04815
Perbandingan IPK J dengan H Group Statistics Std. prodi IPK prodi J prodi H N 90 90 Mean 2.8882 2.8882 Deviation .45676 .45676 Std. Error Mean .04815 .04815
Test of Homogeneity of Variances tinggi_badan Levene Statistic 46.688 df1 2 df2 267 Sig. .000
ANOVA tinggi_badan Sum of Squares Between Groups Within Groups Total 192.007 13890.989 14082.996 df 2 267 269 Mean Square 96.004 52.026 F 1.845 Sig. .160
Multiple Comparisons Dependent Variable:tinggi_badan Mean (I) LSD 1 2 3 Bonferron 1 i 2 3 (J) 2 3 1 3 1 2 2 3 1 3 1 2 Difference (IJ) Std. Error Sig. .097 1.000 .097 .097 1.000 .097 .292 1.000 .292 .292 1.000 .292 prodi prodi 95% Confidence Interval Lower Bound -.3281 -2.1170 -3.9059 -3.9059 -2.1170 -.3281 -.8015 -2.5904 -4.3793 -4.3793 -2.5904 -.8015 Upper Bound 3.9059 2.1170 .3281 .3281 2.1170 3.9059 4.3793 2.5904 .8015 .8015 2.5904 4.3793
1.78889 1.07524 .00000 1.07524 -1.78889 1.07524 -1.78889 1.07524 .00000 1.07524 1.78889 1.07524 1.78889 1.07524 .00000 1.07524 -1.78889 1.07524 -1.78889 1.07524 .00000 1.07524 1.78889 1.07524
Test of Homogeneity of Variances berat_badan Levene Statistic 61.871 df1 2 df2 267 Sig. .000
ANOVA berat_badan Sum of Squares Between Groups Within Groups Total 2024.452 17879.478 19903.930 df 2 267 269 Mean Square 1012.226 66.964 F 15.116 Sig. .000
Test of Homogeneity of Variances IPK Levene Statistic 5.722 df1 2 df2 267 Sig. .004
ANOVA IPK Sum of Squares Between Groups Within Groups Total 4.615 46.459 51.074 df 2 267 269 Mean Square 2.307 .174 F 13.261 Sig. .000