Langkah :
1. Memasukkan data pada C1 dan C2.
2. Merumuskan H0 yaitu kelas A dan kelas B memiliki kemampuan awal yang sama. Dan H1
kelas A dan Kelas B memiliki kemampuan awal yang berbeda (μ1 ≠ μ2). Kemudian melakukan
Uji 2-sample-t sehingga diperoleh data sebagai berikut :
Two-Sample T-Test and CI: Kelas A tanpa Pelatihan kompute; Kelas B tanpa Pelatihan
kompute
Two-sample T for Kelas A tanpa Pelatihan kompute vs Kelas B tanpa Pelatihan kompute
Kesimpulan : P < α Maka H0 ditolak yang berarti kemampuan awal/dasar siswa A dan siswa B
tidak sama. Kemampuan Awal siswa kelas B lebih tinggi dari siswa kelas A (dilihat dari
Estimate for differences yaitu -7.10 yang berarti kemampuan siswa kelas B lebih tinggi).
3. Pada soal no.3 lebih lanjut guru tersebut ingin mengetahui seberapa berpengaruhnya
(signifikan mana) pelatihan komputer terhadap hasil test komputer siswa kelas A dan Kelas
B.
Langkah-langkah :
- Pada soal no.2 telah diketahui bahwa kemampuan dasar siswa kelas A dan kelas B
berbeda. Untuk mengetahui seberapa berpengaruhnya Pelatihan Komputer terhadap hasil
test kelas A dan kelas B dilakukan paired T-test pada masing2 Kelas yaitu data awal
(sebelum/tanpa Pelatihan) dan data sesudah pelatihan (dengan Pelatihan). Hasilnya
sebagai berikut :
#Pada Kelas A
Paired T-Test and CI: Kelas A tanpa Pelatihan kompute; Kelas A dengan Pelatihan
#Analisis :
H0 = Hasil test kelas A tanpa pelatihan =Hasil test kelas A dengan Pelatihan
H1 = Hasil test kelas A tanpa pelatihan ≠Hasil test kelas A dengan Pelatihan
Karena P < α maka H0 ditolak yang berarti Hasil test A tanpa (sebelum) pelatihan dan dengan
(sesudah) pelatihan berbeda. Dan estimate for difference nya -8.60 yang berarti hasil test
dengan pelatihan lebih baik(berpengaruh).
#Kelas B
Paired T-Test and CI: Kelas B tanpa Pelatihan kompute; Kelas B dengan Pelatihan
#Analisis :
H0 = Hasil test kelas B tanpa pelatihan =Hasil test kelas B dengan Pelatihan
H1 = Hasil test kelas B tanpa pelatihan ≠Hasil test kelas B dengan Pelatihan
Karena P < α maka H0 ditolak yang berarti Hasil test B tanpa (sebelum) pelatihan dan dengan
(sesudah) pelatihan berbeda. Dan estimate for difference nya -7.80 yang berarti hasil test
dengan pelatihan lebih baik(berpengaruh)
- Langkah selanjutnya, yaitu melakukan selisih Test Akhir masing-masing kelas(dengan pelatihan) dan test
awal (tanpa pelatihan)untuk mengetahui lebih signifikan mana hasil testnya setelah diadakan pelatihan.
Simpan hasil selisih kelas A pada C5 dan selisih kelas B pada C6.
#Hasil selisih
Two-Sample T-Test and CI: C5; C6
Two-sample T for C5 vs C6
*Analisis : Karena Estimate for Difference nya 0.80 maka Pelatihan komputer lebih signifikan
(berpengaruh) pada Kelas A dibandingkan kelas B.
Jadi Kesimpulannya : Pada kelas A dan kelas B yang memiliki kemampuan awal
berbeda dan kemampuan awal kelas B lebih tinggi, Pelatihan komputer membawa
pengaruh yang bagus pada test akhir di kedua kelas. Namun Pelatihan komputer
justru lebih membawa pengaruh yang baik/signifikan pada Kelas A.