KEMENTERIAN RISET TEKNOLOGI

DAN PENDIDIKAN TINGGI

INSTITUT TEKNOLOGI KALIMANTAN
JURUSAN TEKNOLOGI INDUSTRI DAN PROSES
PROGRAM STUDI TEKNIK INDUSTRI

LAPORAN PRAKTIKUM
STATISTIK INDUSTRI
PERIODE SEMESTER GANJIL 2019/2020

Disusun oleh:
KELOMPOK 2

Muhammad Jumaddin P (12181040)

Nurul Fatimah D.Z (12181055)
Shohib Al Muflih (12181066)
Thalya Oriza Sativa (12181069)
Viktor Kristian Matangkin (12181073)

OKTOBER 2019
 2

Daftar Isi

Daftar Isi ................................................................................................................................... 2

Kata Pengantar.......................................................................................................................... 3
Bab 1 : Pendahuluan
1.1 Latar Belakang.............................................................................................................. 4
1.2 Rumusan Masalah ........................................................................................................ 5
1.3 Tujuan ........................................................................................................................... 5
1.4 Batasan Praktikum......................................................................................................... 5
1.5 Asumsi Praktikum..........................................................................................................5
1.6 Manfaat Praktikum........................................................................................................ 6
Bab 2 : Dasar Teori
2.1 Statistik Inferensia…..…………………………………………………………………7
2.2 Statistik Parametrik………………………………………………….………………...8
2.3 Statistik Non Parametrik…………………………………………...………………...11
Bab 3 : Metodologi Percobaan
3.1 Flowchart……………………………………………………………………………..16
3.2 Prosedur Penelitian…………………………………………………………………...17
Bab 4 : Pembahasan
4.1 Pengumpulan Data………………………………………………………………….. 19
4.2 Pengolahan Data……………………………………………………………………. 21
Bab 5 : Kesimpulan
5.1 Kesimpulan……………………………………………………………………….….43
Daftar Pustaka……………………………………………………………….……………….45

2
 3

Kata Pengantar
Puji dan syukur ke hadirat Tuhan Yang Maha Kuasa atas segala rahmat yang diberikan-
Nya sehingga Laporan Praktikum yang berjudul “Statistika Deskriptif” ini dapat kami
selesaikan.
Secara singkat Laporan ini berisi tentang Analisis Uji Hipotesis yang dimana dalam
praktikum ini kami menggunakan data kuota mahasiswa perbulan . Untuk mengetahui
kebenaran dari dugaan yang telah di simpulkan maka dilakukan praktikum ini.

Dalam menyusun laporan praktikum ini kami dibantu oleh Dosen pembimbing , Asisten
Praktikum dan teman-teman satu program studi. Untuk itu kami mengucapkan terima kasih
yang sebesar-besarnya sehingga laporan praktikum ini dapat selesai sesuai yang diharapkan.

Terlepas dari itu semua, kami memahami bahwa apa yang kami tulis masih banyak sekali
kekurangan baik dari segi isi maupun dalam hal penulisan serta tata bahasanya. Oleh sebab
itu, apabila ada kritik dan saran dari pembaca, dengan senang hati kami menerimanya.

Balikpapan, 8 Oktober 2019

Tim Penulis

3
 4

BAB 1
PENDAHULUAN

1.1 Latar Belakang

Statistik inferensia merupakan sebuah metode yang bisa digunakan untuk
menganalisis kelompok kecil dengan mangambil data induknya atau sample yang diambil
dari populasi dari mulai peramalan sampai dengan pengambilan keputusan. Berhubungan
dengan itu, Perkembangan teknologi seluler di era globalisasi ini memacu pertumbuhan
pada jaringan seluler dan semakin banyak persaingan bisnis di dunia pasar perusahaan
jaringan seluler yang ada di Indonesia. Tak dapat dipungkiri setiap usaha yang sudah
terjun ke dunia pasar baik diranah nasional maupun internasional harus terus tetap
bertahan dan berkompetisi dengan para pesaingnya. Seiring berkembangnya zaman
semakin berkembang pula teknologi terutama pada teknologi komunikasi. Pesatnya
perkembangan teknologi komunikasi ini tak luput didukung oleh fasilitas berupa mobile
phone yang semakin canggih dengan IOS (Internet Operating System) yang mumpuni,
dimana telepon seluler ini dilengkapi dengan berbagai macam fitur dan aplikasi
pendukungnya. pada tahun 2014 menjelaskan bahwa pengguna telepon seluler telah
melebihi dari 281 juta yang tersebar dari Sabang sampai Merauke. Jumlah SIM Card
yang diproduksi dan didaur ulang pun telah melebihi dari 350 juta keping. Sedangkan
jumlah penduduk Indonesia per awal tahun 2014 baru mencapai 251 juta jiwa. Fakta ini
membuktikan bahwa kebutuhan akan dunia komunikasi dan informasi sangat tinggi di
Indonesia. perangkat yang digunakan oleh pengguna layanan internet di Indonesia berupa
telepon seluler. Dimana telepon seluler membutuhkan suatu chip atau perangkat keras
yang mempunyai data untuk mengakses internet, atau yang biasa disebut SIM Card (kartu
seluler) yang berbasis GSM (Global System for Mobile Communications) dan CDMA
(Code Division Multiple Access), yang membedakan adalah operatornya.
Operator ini akan terlihat jelas bahwa kartu tersebut memiliki jenis yang berbeda.
Sebagai contoh operator GSM antara lain yaitu: Simpati, XL, Mentari, IM3, Three, Axis
dan lainnya. Sedangkan contoh untuk operator CDMA antara lain yaitu: Fren, StarOne,
Bolt, dan Ceria. Menurut Tabloid Pulsa, masyarakat Indonesia sendiri kebanyakan
menggunakan kartu seluler berbasis jaringan GSM daripada CDMA karena jaringan
GSM memiliki sinyal yang lebih bagus. Tingkat konsumsi masyarakat di Indonesia akan

4
 5

kartu seluler atau biasa disebut paket data sangat lah bervariasi dan beragam. Maka dari itu
kami ingin mengambil sebuah penelitian dengan skala kecil mengenai tingkat konsumtif
mahasiswa ITK terhadap penggunaan paket data atau kartu seluler.

1.2 Rumusan Masalah

Rumusan masalah yang digunakan dalam praktikum ini sebagai berikut:
1. Bagaimana yang maksud dengan statistik inferensial
2. Bagaimana fungsi dari statistika inferensial
3. Bagaimana metode statistika pametrik dan non parametric
4. Bagaimana mengetahui tingkat konsumtif mahasiswa terhadap penggunaan
paket internet

1.3 Tujuan
Tujuan yang digunakan dalam praktikum ini sebagai berikut :
1. Mengetahui pengertian dari statistik inferensial
2. Mengetahui fungsi dari statistika inferensial
3. Mengetahui pengertian metode statistika parametrik dan non parametrik
4. Mengetahui tingkat konsumtif mahasiswa terhadap penggunaan paket
internet

1.4 Batasan Praktikum

Praktikum ini memiliki Batasan-batasan sebagai berikut :
1. Pengambilan data sampel hanya dilakukan hasil data pada
mahasiswa teknik industri dan teknik mesin yang menggunakan
paket internet
2. Data sampel yang diambil sebanyak 40
3. Pengambilan data sampel ini menggunakan
a. One sample t.test
b. Independent t.test
c. Paired t.test

1.5 Asumsi Praktikum

Analisis yang digunakan dalam praktikum ini adalah :
Menggunakan tingkat kepercayaan 95% dengan Taraf Signifikansi  = 0,05

5
 6

1.6 Manfaat Praktikum

Praktikum ini memiliki manfat sebagai berikut :
1. Mengetahui pengertian dari statistic inferensial
2. Mengetahui fungsi dari statistika inferensial
3. Mengetahui metode statistic parametrik dan non parametrik
4. Mengetahui tingkat konsumtif mahasiswa terhadap penggunaan paket
internet

6
 7

BAB 2
DASAR TEORI

2.1. Statistik Inferensial

Statisitik inferensial adlah metode yang di gunakan untuk mengetahui populasi
berdasarkan sample dengan menganalisis dan menginterpretasikan data menjadi sebuah
kesimpulan. Statistika inferensial adalah statistika yang berfungsi menyediakan atura- aturan
atau cara yang dapat di pergunakan sebagai alat dalam rangka mencoba menarik kesimpulan
yang bersifat umum maupun khusus dari sekumpulan data yang telah di olah. Statistika
inferensial memiliki metode perhitungan uji t(t test) dan uji t dua variable,berikut adalah
penjelasannya:
a. Uji -t

Tujuan uji t adalah untuk mengetahui perbedaan variable yang di potensikan. Uji t
ini mempunyai 2 rumus yang dapat di gunakan, yaitu:

1. Standar deviasi populasi diketahui, menggunakan rumus z hitung

𝑥−𝜇
𝑍= ………………………………….(2.1)
𝜎

keterangan :
z = Proporsi dari suatu observasi

: Nilai data
σ : Standar Deviasi
 : Mean distribusi normal
2. Standar deviasi sempel tidak diketahui, menggunakan rumus t hitung
rumus 2

…..(2.2)

b. Uji t Dua Variable

Tujuan t dua variable adalah untuk membandingkan( membedakan) apakah
kedua variable tersebut sama atau berbeda. Rumus uji t dua variable sebagai berikut

7
 8

2.2. Statistik Parametrik

Statistik Parametrik yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau
distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain, data
yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi normalitas.
Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan
metode statistik non-parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu
agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik
parametrik. Contoh metode statistik parametrik adalah uji-z dan uji-t . Statistik parametrik
memiliki keunggulan yaitu syarat-syarat parameter dari suatu populasi yang menjadi sampel
biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan
dengan kuat dan bservasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi
normal serta memiliki varian yang homogen. Lalu kelemahan statistic parametric yaitu
Populasi harus memiliki varian yang sama. variabel-variabel yang diteliti harus dapat diukur
setidaknya dalam skala interval dan dalam analisis varian ditambahkan persyaratan rata-rata
dari populasi harus normal dan bervarian sama, dan harus merupakan kombinasi linear dari
efek-efek yang ditimbulkan. Terdapat syarat analisis yang digunakan untuk menguji
menggunakan statistik parametrik yang harus memenuhi asumsi-asumsi berikut ;
1. Untuk uji korelasi dan regresi : persyaratan yang harus dipenuhi adalah uji normalitas
dan uji linearitas data.
2. Untuk uji perbedaan (komparatif) : persyaratan yang harus dipenuhi uji normalitsa dan
uji homogenitas
3. Apabila skala data ordinal maka harus diubah menjadi data interval

Tes T adalah jenis metode para-metrik; mereka dapat digunakan ketika sampel memenuhi
kondisi normalitas, varians yang sama, dan independensi. Tes T dapat dibagi menjadi dua jenis.

a. One Sample t-Test

Uji t satu sampel (one sample t-test) digunakan untuk menguji apakah
suatu nilai berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel.
Langkah-langkah menguji menggunakan one sample t-test :
3. Menghitung rata-rata dan standart deviasi
Rumus X-bar atau rata-rata :

8
 9

…………………………..(2.3)
keterangan :
Xi : jumlah data
n : banyaknya sampel

: rata- rata

Rumus Standar Deviasi :

……………..(2.4)
Keterangan:
s : Standar deviasi
xi : Nilai x ke-I

: Rata-rata
n : banyak sampel

4. Menentukan derajat kebebasan

df = ( n – 1 )
5. Tentukan taraf signifikansi
Taraf signifikansi yang digunakan
 = 0,025 atau 0,05
6. Pengujian hipotesis
Digunakan untuk menentukan apakah menggunakan one tail atau two tail
7. Mencari t hitung

…………………………….(2.5)
keterangan :

9
 1
0

s : Standar deviasi

: Rata-rata
n : banyak sampel
 : nilai parameter

8. Tentukan t-tabel
Jika t hitung > t tabel , maka H0 ditolak.

b. Independent t-Test
Uji ini digunakan untuk mengetahui ada atau tidaknya perbedaan rata-rata antara
dua kelompok sampel yang tidak berhubungan. Jika ada perbedaan, rata-rata manakah
yang lebih tinggi. Data yang digunakan biasanya berskala interval atau rasio.
Langkah – langkah pengujian menggunakan Independent t-Test:
1. Menentukan Hipotesis
2. Menentukan tingkat signifikansi
Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam
mengambil keputusan untuk menolak hipotesis . Taraf signifikansi yang digunakan
 = 0,025 atau 0,05
3. Menentukan t hitung

……………………….(2.6)
keterangan :
s : Standar deviasi

: Rata-rata
n : banyak sampel
 : nilai parameter

4. Menentukan t tabel
5. Kriteria Pengujian
Ho diterima jika -t tabel < t hitung < t tabel
Ho ditolak jika -t hitung < -t tabel atau t hitung > t table

10
 1
1

c. Paired Sample t-Test

Digunakan menguji sampel membandingkan dua sampel yang dependent ,
seperti pengujian sebelum dan sesudah.
Hipotesis :
1. H0 : ukuran statistic = nilai tertentu
2. H1 : ukuran statistic  nilai tertebtu
Dengan menggunakan rumus :

……………….(2.7)
keterangan :
d-d0 : selisih rata-rata sampel sebelum dan sesudah
S’d : standar deviasi sampel
n : jumlah sampel
Kriterian Pengujian :
H0 ditolak jika : Thitung < -t /2 ; v atau : Thitung > t /2
H0 diterima jika : -t /2 ; v ≤ Thitung ≤ t /2 ; v

2.3. Statistik Non-Parametrik

Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk
sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik
biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya
tidak berdistribusi normal. Statistik Non-Parametrik memiliki keunggulan yaitu, Tidak
membutuhkan asumsi normalitas, Secara umum metode statistik non-parametrik lebih mudah
dikerjakan dan lebih mudah dimengerti jika dibandingkan dengan statistik parametrik karena
ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya
statistik parametric, Statistik non-parametrik dapat digantikan data numerik (nominal) dengan
jenjang (ordinal), Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau
jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data

11
 1
2

kualitatif, Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada
pengamatan yang nyata, Walaupun pada statistik non-parametrik tidak terikat pada distribusi
normal populasi, tetapi dapat digunakan pada populasi berdistribusi normal. Sedangkan
kelemahannya adalah , Statistik non-parametrik terkadang mengabaikan beberapa informasi
tertentu, Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik
parametric, Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi
seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati
eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu.
Terdapat beberapa uji dalam statistic non-parametrik yaitu:

a. One Sample Sign Test

Digunakan untuk menguji apakah median pada data sama dengan median yang
diharapkan . Disebut uji tanda karena data diubah menjadi serangkaian tanda + dan -.
Asumsi :
1. Contoh acak saling bebas dengan median (M) tidak diketahui
2. Skala variabel minimal ordinal
3. Variabel yang diamati kontinu
Hipotesis :
1. Dua sisi : H0: M = M0, H1 : M  M0
2. Satu sisi : H0: M  M0, H1 : M > M0
3. Satu sisi : H0: M ≤ M0, H1 : M < M0
Statistik Uji :
I - M0 = 0 (aba ikan ) , - (s - ) , + (s + )
Kaidah keputusan :
1. Hipotesis a : tolak H0 jika P (x ≤ S’ | b ( n. 0,5)) ≤ /2
2. Hipotesis b : tolak H0 jika P (x ≤ S- | b ( n. 0,5)) ≤ 
3. Hipotesis c : tolak H0 jika P (x ≤ S+ | b ( n. 0,5)) ≤ 

b. Wilcoxon Signed-Ranks Test

Suatu prosedur non parametrik untuk menguji median yang memanfaatkan
arah (tanda +dan -) maupun besar arah itu.
Asumsi:
1. Contoh acak saling bebas dengan median (M) tidak diketahui

12
 1
3

2. Variabel yang diamati kontinu

3. Data di ukur minimal skala interval
4. Pengamatan saling bebas
Prosedur :
1. Hitung Di= Xi – M0 (jika hasilnya 0, maka abaikan)
2. Beri peringakat umtuk di (jika asa yang sama,peringkatnya di rata-ratakan)
3. Hitung jumlah peringkat dengan tanda + (T+) dan – (T-)
Statistik uji :
1. (Hipotesis a) = T= T’( T-,T+)
2. (Hipotesis b) = T =T+
3. (Hipotesis c) = T = T-
Kaidah keputusan :
𝛼
1. (Hipotesis a) = Tolak H0 jika T’ ≤ T 𝜂 ( 2 )

2. ( Hipotesis b) = Tolak H0 jika T- ≤ 𝑇𝜂(𝛼)

3. ( HIpostesis c) = Tolak H0 jika T+ ≤ 𝜂 (𝛼)

c. Mann-Whitney Test
Digunakan untuk menguji apakah sama median sampel 1 dengan media
sampel 2 yang saling bebas.
Asumsi:
1. Data sendiri dari 2 contoh acak yang berasal dari populasi-populasi dengan
median tidak diketahui.
2. Skala data berasal dari populasi-populasi dengan median tidak di ketahui
3. Variabel yang di ukur bersifat kontinu
4. Dua sample saling bebas.
Hipotesis :
1. (Dua arah): H0:Mx =My Vs. H1: Mx≠ My
2. (satu arah) : H0 : Mx ≥ My VS. H1 : MX < My
3. (Satu arah) : H0 :Mx ≤ My VS> H1 : Mx > My
Prosedur :
1. Gabuangkan data sampel X dengan Y
2. Peringkatkan nilai semua amatan, jika ada ties maka di ratakan
3. Jumlah peringkat dari posisi 1→ S

13
 1
4

Statistic uji :
𝑛1(𝑛1+1)
T=S …………..……..….(2.8)
2
Kaidah keputusan :
𝛼 −𝛼 𝛼
1. ( Hipotesis a) = Tolak H0 jika T < W atau T> W1 2 , dimana Wi 2 =
2
𝛼
𝑛1𝑛2 − 𝑊 2

2. (Hipotesis b) =Tolak H0 jika T < w𝛼

3. ( Hipotesis c) = Tolak H0 jika T> w1 - 𝛼1 dimana w1 – 𝛼 = 𝑛1𝑛2 − 𝑤 𝛼
W adalah nilas kritis T

d. Kruskal- Wallis Test

Digunakan untuk menguji hipotesis awal bahwa contoh berasal dari populasi
yang sama/ identik. Kruskal -Wallis test digunakan untuk rancangan acak lengkap.
Asumsi :
1. Sampel berasal dari populasi -populasi dengan nilai median tidak di
ketahui
2. Contoh saling bebas
3. Variabel yang di ukur bersifat kontinu
4. Skala pengukuran minimal ordinal
Prosedur :
1. Gabungkan data semua sampel 𝑛𝑖 = 𝑁
2. Peringkatkan nilai semua amatan, jika ada ties maka dirataratakan
3. Hitung jumlah peringkat untuk setiap contoh → Ri
Kaidah keputusan :
Jika melibatkan tiga contoh/ perlakuan (k=3) dan setiap contoh terdiri
dari lima atau kurang pengamatan, menggunakakan table khi-kuadrat. Tolak
H0 jika H atay Hc > 𝑥 2 𝛼. 𝑘 − 1.

e. Friedman test
Analog dengan uji analis ragam dua arah
Asumsi:
1. Data sendiri dari b kelompok
2. Variabelnya kontinu

14
 1
5

3. Tidak ada interaksi anatar kelompok dan perlakuan

4. Pengamatan di dalam elompok dapat di peringkat berdasarkan besarnya,
Hipotesis :
H0 = M1=M2=...=Mk H1 = min ada 1 Mi≠Mj; i≠j
Prosedur :
peringkatkan setiap pengamatan pada perlakuan yg sama, jumlahkan
peringkatnya tiap kelompok
Statistik uji :
12 𝑏(𝑘+1)
𝑥2 𝑟 = ∑𝑘𝑗=1(𝑅𝑗 − ) …….(2.9)
𝑏𝑘(𝑘=1) 2

𝑋𝑟 2
𝑤= ………………………(2.10)
𝑏(𝑘+1)

Kaidah keputusan:
W≥ 𝑇𝑎𝑏𝑒𝑙 𝑊 𝑇𝑜𝑙𝑎𝑘 𝐻0

15
 1
6

BAB 3
METODOLOGI PERCOBAAN

3.1 Flowchart

Mulai

Identifikasi Masalah

Rumusan Masalah

Tujuan Praktikum

Studi Literatur

Penentuan Data

Pengumpulan
data

Pengolahan data

1. One Sample t-Test

2. Independent T-
Test
3. Paired T-Test

Hasil
Data
Tidak
Sesuai

Ya

16
 1
1 7

Hasil Pembahasan

Kesimpulan dan
Saran

Selesai

Gambar 3.1 flowchat

3.2 Posedur Praktikum

Langkah pertama yang dilakukan setelah memulai diagram alir adalah mengidentifikasi
permasalahan yang ada, setelah mengidentifikasi masalah dilakukan perumusan masalah,
kemudian tujuan praktikum mulai ditentukan bedasarkan perumusan masalah yang ada.
Selanjutnya, dilakukan studi literatur yang bertujuan sebagai referensi praktikum. Kemudian,
ditentukan variabel data yang akan digunakan agar proses pengambilan sampel dapat diketahui
dengan baik dan benar. Setelah variabel data ditentukan, dilakukan pengumpulan data agar
pendapat responden dapat diketahui sehingga pengolahan data dapat dilakukan secara baik dan
benar. Di dalam pengolahan data , data tersebut dianalisis menggunakan tiga cara yaitu , one
sample t-test , independet t-test dan paired t-test. Ketika proses analisis sudah tepenuhi semua,
maka dilakukan pembahasan serta membuat kesimpulan dan saran. Jika kesimpulan dan saran
sudah tepunuhi, poses dapat diselesaikan.
Adapun penjelasan dari flowchart pda gambar 3.1 adalah sebagai berikut.
1. Identifikasi masalah
Bagian ini menjelaskan mengenai analisa permasalahan dari suatu kasus, hal ini
perlu dilakukan agar permasalahan pada kasus tersebut dapat ditemukan sehingga
permasalahan tersebut bisa diselesaikan dan juga perlu diketahui cara agar dapat
memcahkan permasalahan dalam kasus.
2. Rumusan Masalah
Bagian ini berisi mengenai penjelasan dari identifikasi masalah.
3. Tujuan Praktikum
Tujuan praktikum berisi tentang visi dan misi dilakukannya praktikum tersebut.
4. Studi Literatur

17
 1
8

Bagian yang berisikan serangkaian kegiatan yang berkaitan dengan metode

pengumpulan data pustaka, membaca dan mencatat serta mengolah bahan penelitian.
5. Penentuan Data
Penentun Data bertujuan untuk memilih variabel yang akan digunakan dan apa serta
berapa banyak data yang akan diambil.
6. Pengumpulan Data
Mengumpulkan data dengan cara wawancara.
7. Pengolahan Data
Proses mengolah data yang telah dikumpulkan menggunakan analisisi
8. Cara mengolah data yaitu seperti berikut :
 One Sample t-Test
one sample t-test digunakan untuk menguji apakah suatu nilai berbeda secara
nyata ataukah tidak dengan rata-rata sebuah sampel.
 Independent t-Test
Uji ini digunakan untuk mengetahui ada atau tidaknya perbedaan rata-rata
antara dua kelompok sampel yang tidak berhubungan. Jika ada perbedaan, rata-
rata manakah yang lebih tinggi.
 Paired t-Test
Paired t-Test Digunakan menguji sampel membandingkan dua sampel yang
dependent , seperti pengujian sebelum dan sesudah
9. Hasil Pemabahasan
Hasil pembahasan yang digunakan merupakan penjelasan selama praktikum dan hasil
dari praktikum.

10. Kesimpulan dan Saran

Kesimpulan dan saran merupakan hasil ringkasan dan saran yang diberikan
praktikan dari hasil data dan analisis yang telah dilakukan .

18
 1
9

BAB IV

HASIL PERCOBAAN DAN PEMBAHASAN

Bab hasil percobaan dan pembahasan berisi tentang seluruh hasil yang didapatkan selama
praktikum dilakukan. Hasil tersebut dianalisis untuk menegetahui keterkaitansatu sama lain,
sehingga mampu menjawab tujuan dari dilakukan percobaan ini.

4.1 Hipotesis dan Dasar Pengambilan Keputusan

Adapun hipotesis dan pengambilan keputusan setiap pengujian adalah sebagai
berukut :

a. One Sample t Test

Hipotesis untuk one sample t Test adalah sebagai berikut

𝐻0 : 𝜇 = 13

𝐻𝐴 : 𝜇 ≠ 13

Dengan µ adalah rata-rata penggunaan kuota internet perbulan Mahasiswa Teknik

Industri dan Teknik Mesin 2018, maka penjelasan hipotesis adalah sebagai berikut:

𝐻0 : Rata-rata penggunaan kuota internet mahasiswa Teknik Industri dan Teknik

mesin 2018 sebelum menjadi mahasiswa sama dengan 13 gigabytes.

𝐻𝐴 : Rata-rata penggunaan kuota internet mahasiswa Teknik Industri dan Teknik

mesin 2018 sebelum menjadi mahasiswa tidak sama dengan 13 gigabytes.

Adapun dasar pengambilan keputusan adalah sebagai berikut:

1. jika t hitung lebih kecil dari -2,02 atau lebih besar dari 2,02, maka 𝐻0 ditolak. Jika lebih
kecil dari 2,02 dan lebih besar dari 2,02, maka 𝐻0 gagal ditolak
2. jika nilai asymp sig (two tail) lebih besar dari 0.05 maka 𝐻0 gagal ditolak. Jika nilai
asymp sig (two tail) lebih kecil dari 0.05, maka 𝐻0 ditolak.

19
 2
0

b. independent t test
Hipotesis untuk independent t test adalah sebagai berikut
𝐻0 : 𝜇1 − 𝜇2 = 0
𝐻𝐴 : 𝜇1 − 𝜇2 ≠ 0
Dimana 𝜇1 adalah rata-rata penggunaan kuota internet Mahasiswa Teknik Industri 2018
per bulannya. 𝜇2 adalah rata-rata penggunaan kuota internet Mahasiswa Teknik Mesin 2018
per bulannya.
Dengan penjelasan hipotesis adalah sebagai berikut:
𝐻0 : Tidak ada perbedaan rata-rata penggunaan kuota internet Mahasiswa Teknik Industry
2018 dengan Mahasiswa Teknik Mesin 2018 sesudah menjadi mahasiswa per bulannya
𝐻𝐴 : Ada perbedaan rata-rata penggunaan kuota internet Mahasiswa Teknik Industry 2018
dengan Mahasiswa Teknik Mesin 2018 sesudah menjadi mahasiswa per bulannya.
Adapun dasar pengambilan keputusan adalah sebagai berikut
1. jika t hitung lebih besar dari 1,97838 atau lebih kecil dari -1,97838, maka 𝐻0 ditolak.
Jika t hitung lebih kecil dari 1,97838 dan lebih besar dari -1,97838, maka 𝐻0 gagal
ditolak
2. jika nilai asymp sig (two tail) lebih besar dari 0.05 maka 𝐻0 gagal ditolak. Jika nilai
asymp sig (two tail) lebih kecil dari 0.05, maka 𝐻0 ditolak.

c. paired sample t test

Hipotesis untuk paired sample t test adalah sebagai berikut:
𝐻0 : 𝜇1 − 𝜇2 = 5
𝐻𝐴 : 𝜇1 − 𝜇2 ≠ 5
Dimana 𝜇1 adalah rata-rata penggunaan kuota internet per bulan Mahasiswa Teknik
Industry 2018 sebelum menjadi mahasiswa. 𝜇2 adalah rata-rata penggunaan kuota internet per
bulan Mahasiswa Teknik Industry 2018 sesudah menjadi mahasiswa.
Dengan penjelasan hipotesis adalah sebagai berikut:
𝐻0 : Selisih rata-rata penggunaan kuota internet per bulan Mahasiswa Teknik Industry 2018
sebelum menjadi mahasiswa dengan Mahasiswa Teknik Industri 2018 sesudah menjadi
mahasiswa sama dengan 5 gigabytes

20
 2
1

𝐻𝐴 : Selisih rata-rata penggunaan kuota internet per bulan Mahasiswa Teknik Industry 2018
sebelum menjadi mahasiswa dengan Mahasiswa Teknik Industri 2018 sesudah menjadi
mahasiswa tidak sama dengan 5 gigabytes

Adapun dasar pengambilan keputusan adalah sebagai berikut:

1. jika t hitung lebih besar dari 1,99714 atau lebih kecil dari -1,99714, maka 𝐻0 ditolak.
Jika t hitung lebih kecil dari 1,99714 dan lebih besar dari -1,99714, maka 𝐻0 gagal
ditolak
jika nilai asymp sig (two tail) lebih besar dari 0.05 maka 𝐻0 gagal ditolak. Jika nilai
asymp sig (two tail) lebih kecil dari 0.05, maka 𝐻0 ditolak.

4.2 Uji Kecocokan Distribusi dan Uji Normalitas

Adapun uji kecocokan distribusi dan uji normalitas unntk melihat data berdistribusi
normal atau tidak adalah sebagai berikut:
1) uji kecocokan distribusi

langkah 1: masukan data ke dalam spss dengan ketentuan variabel yang dibuat yaitu
sebelum_menjadi_mahasiswa,sesudah_menjadi_mahasiswa,dan
sesudah_menjadi_mahasiswa_Teknik_Mesin.

21
 2
2

Gambar 4.2.1 uji kecocokan SPSS

Gambar 4.2.2 uji kecocokan SPSS

22
 2
3

Gambar 4.2.3 uji kecocokan SPSS

Langkah 2:pilih Analyze → Non parametric tests → 1-Sample K-S

Gambar 4.2.4 Uji kecocokan SPSS

Langkah 3: pindahkan semua variabel ke sisi kanan. Kemudian klik semua pilihan di test
distribution. Lalu kil OK.

23
 2
4

Gambar 4.2.5 Uji kecocokan SPSS

Dari langkah-langkah di atas, didapatkan output sebagai berikut:

Tabel 4.2.1 One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test

sebelum_te
knnik_industri

N 40

Normal Parametersa Mean 11.68

Std. Deviation 12.534

Most Extreme Absolute .228

Differences Positive .228

Negative -.197

Kolmogorov-Smirnov Z 1.443

Asymp. Sig. (2-tailed) .031

a. Test distribution is Normal.

24
 2
5

Tabel 4.2.2 One-Sample Kolmogorov-Smirnov Test 2

One-Sample Kolmogorov-Smirnov Test 2

sebelum_te
knnik_industri

N 40

Uniform Parametersa Minimum 1

Maximum 50

Most Extreme Absolute .539

Differences Positive .539

Negative -.025

Kolmogorov-Smirnov Z 3.411

Asymp. Sig. (2-tailed) .000

a. Test distribution is Uniform.

Tabel 4.2.3 One-Sample Kolmogorov-Smirnov Test 4

One-Sample Kolmogorov-Smirnov Test 4

sebekum_te
knnik_industri

N 40

Exponential parameter.a Mean 11.68

Most Extreme Absolute .132

Differences Positive .127

Negative -.132

Kolmogorov-Smirnov Z .838

Asymp. Sig. (2-tailed) .484

a. Test Distribution is Exponential.

Dari output di atas dapat di sederhanakan sebagai berikut

Tabel 4.2.4 Hasil uji kecocokan distribusi
Asymp sig dist Asymp sig dist Asymp sig dist
Populasi Keterangan
Normal Uniform Exponensial
Rata-rata
Sebelum menjdi penggunaan
mahasiswa 0.031 0.000 0.484 kuota internet
Teknik Industri berdistribusi
Exponensial
Sesudah menjadi Rata-rata
mahasiswa 0.039 0.000 0.659 penggunaan
Teknik Industri kuota internet

25
 2
6

berdistribusi
Exponensial
Rata-rata
Sesudah mnjadi
cenderung
mahasiswa 0.034 0.000 0.187
berdistribusi
Teknik Mesin
Exponensial

Sebuah data dikatakan berdistribusi uniform, poisson, atau eksponensial jika nilai
Asymp sig lebih besar dari taraf signifikansinya yaitu 0,05. Dari tabel di atas, dapat
disimpulkan bahwa data cenderung berdistribusi Exponensial.

1) Uji Normalitas
Langkah 1: pindahkan data ke dalam spss. Buat variabel “kuota internet” dan “status”.
Pada “status” diberi value dengan 1 adalah Mahasiswa Teknik Industri 2018 sebelum menjadi
mahasiswa, value 2 adalah Mahasiswa Teknik Industry 2018 sesudah menjadi mahasiswa,
value 3 adalah Mahasiswa Teknik Mesin 2018 sesudah menjadi mahasiswa, value 4 adalah
Mahasiswa Teknik Mesin 2018 sesudah menjadi mahasiswa.

Gambar 4.2.4 uji normalitas SPSS

Langkah 2: pilih analyze → descriptive statistic → explore

26
 2
7

Gambar 4.2.5 uji normalitas SPSS

Langkah 3: pindahkan veriabel ke sisi kanan sesuai dengan gambar di bawah. Lalu klik
OK

Gambar 4.2.6 uji normalitas SPSS

Dari langkah di atas, didapatkan output sebagai berikut:

Tabel 4.2.5 Tests of Normality

27
 2
8

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Program_Studi Statistic df Sig. Statistic df Sig.

Kuota_internet_per_bulan Penggunaan
kuota internet
sebelum menjadi
.228 40 .000 .753 40 .000
mahasiswa Teknik
Industri 2018 per
bulan

Penggunaan
kuota internet
sesudah menjadi
.222 40 .000 .795 40 .000
mahasiswa Teknik
Industri 2018 per
bulan

Penggunaan
kuota internet
sesudah menjadi
.225 40 .000 .859 40 .000
mahasiswa Teknik
Mesin 2018 per
bulan
a. Lilliefors Significance Correction

Dapat dilihat bahwa nilai distribusi normalnya sebesar 0.000. Maka dapat disimpulkan
bahwa data tidak berdistribusi normal, namun dalam penelitian ini data dianggap berdistribusi
normal.

4.3 Statistik Parametrik

4.3.1 One Sample t test
a. Menggunakan Ms. Excel
Adapun data penggunaan kuota internet per bulan Mahasiswa Teknik Industry 2018
sebelum menjadi mahasiswa adalah sebagai berikut:
Tabel 4.3.1.1 kuota internet per bulan ( gb ) sebelum menjadi mahasiswa
No Industri No Industri
1 4 21 10
2 3 22 30
3 12 23 15
4 3 24 10

28
 2
9

5 10 25 4
6 2 26 3
7 40 27 20
8 2 28 5
9 1 29 20
10 10 30 1
11 4 31 2
12 4 32 4
13 8 33 12
14 10 34 15
15 10 35 8
16 5 36 0,5
17 3 37 9
18 2 38 5
19 30 39 15
20 14 40 12

Dengan menggunakan Ms. Excel, di dapatkan hasil sebagai berikut:

𝑋̅ = 11,6375
𝜇 = 13
Σ(𝑋 − 𝑋̅)2 = 6157,99375
𝑛 = 40
𝑡𝛼⁄2 = 2,02

Karena standar deviasi belum diketahui, maka dihtung nilainya sebagai berikut:

Σ(𝑋 − 𝑋̅) 2
𝑠=√
𝑛−1

6157,99
𝑠=√
39

𝑠 = 12,56
Rumus mencari T hitung sebagai berikut:
𝑋̅ − 𝜇
𝑡=
𝑆
√𝑛
11,6375 − 13
𝑡=
12,56
√40
𝑡 = −0,688

29
 3
0

Hasil perhitungan dapat digambarkan sebagai berikut:

T
hitung

-2,02 2,02

Gambar 4.3.1.1 daerah penolakan one-sample t test

Dari gambar di atas, dapat dilihat bahwa T hitung = −0,688 tidak berada di
daerah penolakan. Artinya T hitung lebih kecil dari 2,02 dan lebih besar dari -2,02.
Karena T hitung tidak berada di daerah penolakan, maka 𝐻0 gagal ditolak. Maka dapat
disimpulkan bahwa rata-rata penggunaan kuota internet mahasiswa Teknik Industri 2018
per bulan sebelum menjadi mahasiswa adalah sama dengan 13 gigabytes.

b. Menggunakan SPSS
Langkah 1: masukan data ke dalam spss. Data yang digunakan yaitu penggunaan
kuota internet per bulan Mahasiswa Teknik Industri 2018 sebelum menjadi mahasiswa.

30
 3
1

Gambar 4.3.1.2 uji one-sample t test

Langkah 2: pilih Analyze → compare means → one-sample T test

Gambar 4.3.1.3 uji one-sample t test

Langkah 3: pindahkan semua variabel ke sisi kanan. Kemudian masukkan nilai

pada “test value” sebesar 13. Lalu klik OK.

31
 3
2

Gambar 4.3.1.4 uji one-sample t test

Dari langkah-langkah di atas, didapatkan hasil output sebagai berikut:

Tabel 4.3.1.2 One-Sample Test

One-Sample Test

Test Value = 13

95% Confidence Interval of

Sig. (2- Mean the Difference

t df tailed) Difference Lower Upper

Kuota_internet_per_bulan -
39 .508 -1.325 -5.33 2.68
.669

Dari output di atas, didapatkan nilai T hitung sebesar 0.508. karena T hitung
lebih besar dari 0,05, maka 𝐻0 gagal ditolak. Maka dari itu dapat disimpulkan bahwa
rata-rata penggunaan kuota internet per bulan Mahasiswa Teknik Industri 2018 sebelum
menjadi mahasiswa adalah sama dengan 13 gigabytes.

4.3.2 Independent t test

a. Menggunakan Ms. Excel

32
 3
3

Adapun data penggunaan kuota internet perbulan mahasiswa Teknik Industri 2018 dan
mahasiswa Teknik Mesin 2018 sesudah menjadi mahasiswa adalah sebagai berikut:

Tabel 4.3.2.1 data kuota internet

No Industri Kuota internet No Mesin Kuota Internet

1 Sohib 8 1 Raka 4
2 Dhea 2 2 Kelvin 5
3 Aimee 50 3 Yonatan 3
4 Darma 30 4 Adit 4
5 Ni’ma 11 5 Putri 20
6 Triwahyuni 15 6 Nazila 12
7 Riski 30 7 Rio 7
8 Rafisal 10 8 Khafid 9
9 Faiz 60 9 Satrio 10
10 Syafrinatabit
a 6 10 Sihol 25
11 Nurul 4 11 Muliadi 30
12 Rori 6 12 Razif 8
13 Dwi 12 13 Komang 15
14
Febby 30 14 Aji Bagas 20
15 Futri 15 15 Reihanda 5
16 Nadia 19 16 Fikriadi 1
17 Aziza 1 17 Hages 10
18 Amalia 17 18 Fran 9
19 Putri 30 19 David 35
20 Zakiya 10 20 Fadli 25
21 Enrico 15 21 ismail 2
22 Ridha 5 22 Adit 5
23 Sahid 3 23 Derbi 10
24 Salsa 3 24 Anggara 20
25 Wildan 1 25 Afifzu 10
26 Restu 2 26 Yero 5
27 Nopal 10 27 Hendi 4
28 Surya 2 28 Zahra 7
29 Kila 0 29 Gesa 45
30 Taya 14 30 Ilham 15
31 Jimmy 4 31 Zidan 10
32 Nurman 75 32 Anam 9
33 Melia 8 33 Awad 5
34 Dyah 30 34 Reza 25
35 Yovan 40 35 Sahrul 12

33
 3
4

36 Sefty 6 36 Maulna 6
37 Rafisal 7 37 Yudi 30
38 Aldrin 2 38 Mada 20
39 Haflah 30 39 Adzar 5
40 Afifah 14 40 Uli 2

Dengan mengggunakan Ms. Excel, didapatkan data sebagai berikut:

𝑋̅1 = 15,925 ; rata-rata penggunaan kuota internet per bulan Mahasiswa Teknik Industry
2018 sesudah menjadi mahasiswa
𝑛1 = 40
∑(𝑋1 − 𝑋̅1 )2 = 11240,775
𝑋̅2 = 12,6 ; rata-rata penggunaan kuota internet per bulan Mahasiswa Teknik Mesin 2018
sesudah menjadi mahasiswa
𝑛2 = 40
∑(𝑋2 − 𝑋̅2 )2 = 4069,6
𝑡∝⁄2 = 2,02

Untuk mencari 𝑠1 , 𝑠2 , dan 𝑠𝑝 digunakan rumus sebagai berikut:

∑(𝑋1 − 𝑋̅1 )2
𝑠1 = √
𝑛−1

11240,775
𝑠1 = √
39

𝑠1 = 16,97

∑(𝑋2 − 𝑋̅2 )2
𝑠2 = √
𝑛−1

4069,6
𝑠1 = √
39

𝑠2 = 10,215

∑(𝑛𝑖 − 1)𝑠𝑖2
𝑠𝑝 = √
∑(𝑛𝑖 − 𝑘)

(40 − 1)16,972 + (40 − 1)10,2152

𝑠𝑝 = √
40 + 40 − 2

𝑠𝑝 =196,1635

34
 3
5

Untuk mencari T hitung, digunakan rumus sebagai berikut:

̅̅̅
(𝑋1 − 𝑋̅2 ) − (𝜇1 − 𝜇2 )
𝑇ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑠2 𝑠2
√ 𝑝+ 𝑝
𝑛1 𝑛2

3,325 − 0
𝑇ℎ𝑖𝑡𝑢𝑛𝑔 =
2 2
√196,1635 + 196,1635
40 40
𝑇ℎ𝑖𝑡𝑢𝑛𝑔 = 0,0758
Hasil perhitungan dapat digambarkan sebagai berikut:

Hasil perhitungan dapat digambarkan sebagai berikut:

T hitung

-2,02
2,02

Gambar 4.3.2.1 daerah penolakan independent-sample t test

Dari gambar di atas, dapat dilihat bahwa T hitung tidak berada di daerah penolakan.
Artinya T hitung lebih kecil dari 2,02 dan lebih besar dari -2,02. Karena T hitung tidak
berada di daerah penolakan, maka 𝐻0 gagal ditolak. Maka dapat disimpulkan bahwa tidak
ada perbedaan rata-rata penggunaan kuota internet per bulan Mahasiswa Teknik Industri
2018 dengan Mahasiswa Teknik Mesin 2018 setelah menjadi mahasiswa.

b. Menggunakan SPSS
Langkah 1: masukan data ke dalam ke spss. Data yang digunakan yaitu pemakaian
kuota internet per bulan Mahasiswa Teknik Industri 2018 dan Mahasiswa Teknik Mesin
2018 sesudah menjadi mahasiswa.

35
 3
6

Gambar 4.3.2.2 Uji independent-sample t test SPSS

Langkah 2: pilih Analyze → Compare Means → Independen-Sample T test

Gambar 4.3.2.3 Uji independent-sample t test SPSS

Langkah 3; masukkan variabel seprti gambar di bawah lalu pilih Define Groups

36
 3
7

Gambar 4.3.2.4 Uji independent-sample t test SPSS

Langkah 4: isi seperti gambar dibawah ini. Lalu klik Continue. Kemudian kilik OK.

Gambar 4.3.2.5 Uji independent-sample t test SPSS

Dari langkah-langkah diatas, didapatkan output sebagai berikut:

Tabel 4.3.2.2 Independent Samples Test

37
 3
8

Independent Samples Test

Levene's
Test for
Equality of
Variances t-test for Equality of Means

95%
Confidence

Me St Interval of the

Si an d. Error Difference

Si g. (2- Differe Differe Lo Up

F g. t Df tailed) nce nce wer per

Jumlah_pemakaian_kuot Eq
a_internet ual
-
varianc 2.3 .1 .2 - 3.3 - 2.3
1.2 78
es 47 30 07 4.250 37 10.893 93
74
assum
ed

Eq
ual
-
varianc 71. .2 - 3.3 - 2.4
1.2
es not 777 07 4.250 37 10.902 02
74
assum
ed

Dari output di atas, didapatkan T hitung sebesar 0,207. Karena T hitung lebih
besar dari 0,05, maka 𝐻0 gagal di tolak. Maka dapat disimpulkan bahwa tidak ada
perbedaan rata-rata pemakaian kuota internet per bulan Mahasiswa Teknik Industri 2018
dan Mahasiswa Teknik Mesin 2018 sesudah menjadi mahasiswa.

4.3.3 Paired-Sample T test

a. Menggunakan Ms. Excel
Adapun data pemakaian kuota internet per bulan Mahasiswa Teknik Industry
2018 sebelum menjadi mahasiswa dengan Mahasiswa Teknik Industri 2018 sesudah
menjadi mahasiswa adalah sebagai berikut :

38
 3
9

Tabel 4.3.3.1 Data kuota internet

Sesudah menjadi
Sebelum menjadi mahasiswa Teknik mahasiswa Teknik
No Nama Industri Industri
1 Raka 10 8
2 Kelvin 30 2
3 Yonatan 15 50
4 Adit 10 30
5 Putri 4 11
6 Nazila 3 15
7 Rio 20 30
8 Khafid 5 10
9 Satrio 50 60
10 Sihol 1 6
11 Muliadi 2 4
12 Razif 4 6
13 Komang 12 12
14 Aji Bagas 15 30
15 Reihanda 8 15
16 Fikriadi 2 19
17 Hages 9 1
18 Fran 5 17
19 David 15 30
20 Fadli 2 10
21 Enrico 4 15
22 Ridha 3 5
23 Sahid 12 3
24 Salsa 3 3
25 Wildan 10 1
26 Restu 2 2
27 Nopal 40 10
28 Surya 2 2
29 Kila 40 0
30 Taya 2 14
31 Jimmy 4 4
32 Nurman 40 75
33 Melia 4 8
34 Dyah 8 30
35 Yovan 10 40
36 Sefty 10 6
37 Rafisal 5 7
38 Aldrin 2 2
39 Haflah 30 30

39
 4
0

40 Afifah 14 14

Dengan menggunakan Ms. Excel, didapatkan data sebagai berikut:

̅ = -4,25
𝐷
̅ )2 = 8777,5
∑(𝐷 − 𝐷
𝜇𝑑 = 5
𝑛 = 40
Untuk mencari 𝑠𝑑 , digunakan rumus sebagai beriut:

̅ )2
∑(𝐷 − 𝐷
𝑠𝑑 = √
𝑛−1

8777,5
𝑠𝑑 = √
39

𝑠𝑑 = 15,002

Untuk mencari T hitung, digunakan rumus sebagai berikut:

̅ − 𝜇𝑑
𝐷
𝑇ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑠𝑑
√𝑛
−9,25
𝑇ℎ𝑖𝑡𝑢𝑛𝑔 =
15,002
√40
𝑇ℎ𝑖𝑡𝑢𝑛𝑔 = -3,89
Hasil perhitungan dapat digambarkan sebagai berikut:

T hitung

2,02
-2,02

Gambar 4.3.3.1 Daerah penolakan paired-sample t test

Dari gambar di atas, dapat dilihat bahwa T hitung = -3,89 berada di daerah
penolakan. T hitung lebih kecil dari -2,02. Karena T hitung berada di daerah penolakan,
maka 𝐻0 ditolak. Maka dapat disimpulkan bahwa selisih rata-rata pemakaian kuota
internet per bulan antara Mahasiswa Teknik Industri 2018 sebelum menjadi mahasiswa

40
 4
1

dengan Mahasiswa Teknik Industri 2018 sesudah menjadi mahasiswa adalah tidak sama
dengan 5 gigabytes.

b. Menggunakan SPSS
Langkah 1: masukan data pada spss. Data yang digunakan yaitu pemakaian kuota
internet Mahasiswa Teknik Industri 2018 sebelum dan sesudah menjadi mahasiswa.

Gambar 4.3.3.2 uji paires-sample t test SPSS

Langkah 2: pilih Analyze → Compare Means → Paired=Sample T test

Gambar 4.3.3.3 uji paires-sample t test SPSS

41
 4
2

Langkah 3: pindahkan variabel seprti gambar dibawah. Lalu klik OK.

Gambar 4.3.3.4 uji paires-sample t test SPSS

Dari langkah-langkah di atas, didapatkan output sebagai berikut:

Tabel 4.3.3.2 Paired Samples Test
Paired Samples Test

Paired Differences

95% Confidence
Interval of the
Difference
Std. Sig.
Mea Std. Error Lowe Uppe (2-
n Deviation Mean r r t df tailed)

Pai Status - -
- 14.91 1.66 - - 7 .00
r1 Kuota_internet_per_bula 7.37
12.300 7 8 15.620 8.980 9 0
n 5

Berdasarkan hasil output di atas, didapatkan nilai T hitung sebesar 0,000. Karena
T hitung lebih kecil dari 0,05, maka 𝐻0 di tolak. Maka dapat disimpulkan bahwa selisih
rata-rata pemakaian kuota internet per bulan Mahasiswa Teknik Industri 2018 sebelum
menjadi mahasiswa dan Mahasiswa Teknik Industri 2018 sesudah menjadi mahasiswa
adalah tidak sama dengan 5 gigabytes.

42
 4
3

BAB 5
KESIMPULAN

Adapun kesimpulan yang dapat diambil dari hasil pengujian dan analisis pada
data yang sudah diambil adalah sebagai berikut:
1. Sebuah data dikatakan berdistribusi uniform, poisson, atau eksponensial jika nilai
Asymp sig lebih besar dari taraf signifikansinya yaitu 0,05. Sebaliknya, jika nilai
Asymp sig lebih kecil dari 0,05 maka data dikatakan tidak berdistribusi uniform,
poisson, atau eksponensial. Dari pengujian tersebut didapatkan data rata-rata
pemakaian kuota internet per bulan Mahasiswa Teknik Industri 2018 sebelum menjadi
mahasiswa, nilai Asymp sig distribusi normal = 0,031, nilai Asymp sig uniform =
0,000, dan nilai Asymp sig distribusi eksponensial = 0,484. Data rata-rata pemakaian
kuota internet per bulan Mahasiswa Teknik Industri 2018 sesudah menjadi mahasiswa,
nilai Asymp sig distribusi normal = 0,039, nilai Asymp sig uniform = 0,000, nilai
Asymp sig distribusi eksponensial = 0,659. Data rata-rata pemakaian kuota internet per
bulan Mahasiswa Teknik Mesin 2018 sesudah menjadi mahasiswa, nilai Asymp sig
distribusi normal = 0,034, nilai Asymp sig distribusi uniform = 0,000, dan nilai Asymp
sig distribusi eksponensial = 0,187. Dari hasil tersebut dapat disimpulkan bahwa data
yang diperoleh cenderung berdistribusi eksponensial.
2. Sebuah data dikatakan berdistribusi normal jika nilai Asymp sig lebih besar dari 0,05.
Sebaliknya, jika nilai Asymp sig lebih kecil dari 0,05 maka data tidak berdistribusi
normal. Dari pengujian normalitas, data pemakaian kuota internet per bulan Mahasiswa
Teknik Industri 2018 sebelum menjadi mahasiswa, nilai Asymp ig = 0,000. Data
pemakaian kuota internet per bulan Mahasiswa Teknik Industri 2018 sesudah menjadi
mahasiswa, nilai Asymp sig = 0,000. Data pemakaian kuota internet per bulan
Mahasiswa Teknik Mesin 2018 sesudah menjadi mahasiswa, nilai Asymp sig = 0,000.
Dari hasil yang didapatkan, semua data yang diperoleh tidak berditribusi normal.
Namun, dalam penelitian ini semua data dianggap berdistribusi normal.
3. Dalam uji one-sample t test, ditentukan 𝐻0 adalah Rata-rata penggunaan kuota internet
mahasiswa Teknik Industri dan Teknik mesin 2018 sebelum menjadi mahasiswa sama
dengan 13 gigabytes. Dari hasil pengujian dengan SPPS, didapatkan T hitung = 0,508.
Karena T hitung < 0,05, maka 𝐻0 gagal ditolak. Dari hasil pengujian dengan Ms. Excel,
didapatkan T hitung = −0,688. Karena T hitung < 2,02 dan T hitung > -2,02, maka 𝐻0

43
 4
4

gagal ditolak. Pengujian dengan SPSS maupun dengan Ms. Excel sama-sama gagal
menolak 𝐻0 . Dapat disimpulkan bahwa Rata-rata waktu penggunaan kuota internet
mahasiswa Teknik Industri 2018 sebelum menjadi mahasiswa adalah sama dengan 13
gigabytes.
4. Dalam uji independent-sample t test, ditentukan 𝐻0 adalah tidak ada perbedaan rata-
rata penggunaan kuota internet perbulan mahasiswa Teknik Industri 2018 dengan
mahasiswa Teknik Mesin 2018 setelah menjadi mahasiswa. Dari hasil pengujian
dengan SPSS, didapatkan T hitung = 0,207. Karena T hitung > 0,05, maka 𝐻0 gagal
ditolak. Dari hasil pengujian dengan Ms. Excel, didapatkan T hitung = 0,0758. Karena
T hitung < 2,02 dan T hitung > -2,02, maka 𝐻0 gagal ditolak. Pengujian dengan SPSS
maupun dengan Ms. Excel sama-sama gagal menolak 𝐻0 . Maka dapat disimpulkan
bahwa tidak ada perbedaan waktu pemakaian kuota internet perbulan Teknik Industri
2018 dengan mahasiswa Teknik Mesin 2018 setelah menjadi mahasiswa.
5. Dalam uji paired-sample t test, ditentukan 𝐻0 adalah selisih rata-rata pemakaian kuota
internet per bulan antara Mahasiswa Teknik Industri 2018 sebelum menjadi mahasiswa
dengan Mahasiswa Teknik Industri 2018 sesudah menjadi mahasiswa. Dalam
pengujian dengan SPSS, didapatkan T hitung = 0,000. Karena T hitung < 0,05, maka
𝐻0 ditolak. Dalam pegujian dengan Ms. Excel, didapatkan T hitung = -3,89. Karena T
hitung < -2,02, maka 𝐻0 ditolak. Pengujian dengan SPSS maupun dengan Ms. Excel
sama sama menolak 𝐻0 . Maka dapat disimpulkan bahwa selisih rata-rata pemakaian
kuota internet per bulan antara Mahasiswa Teknik Industri 2018 sebelum menjadi
mahasiswa dengan Mahasiswa Teknik Industri 2018 sesudah menjadi mahasiswa
adalah tidak sama dengan 5 gigabytes.

44
 4
5

DAFTAR PUSTAKA

Duwi Consultant.2011.Independent Sample Test. Diperoleh 27 September 2019, dari

http://duwiconsultant.blogspot.com/2011/11/independent-samples-t-test.html
Free Learning.2013.Uji t Satu Sampel. Diperoleh 27 September 2019, dari
https://freelearningji.wordpress.com/2013/04/05/uji-t-satu-sampel/
Jainuri, Muhammad.”Uji Persyaratan Analisis”.Bangko:Sekolah Tinggi Ilmu Keguruan dan
Ilmu Pendidikan. Diperoleh 27 September 2019, dari
https://www.academia.edu/5403375/Uji_Persyaratan_Analisis_Data
Kun,Tae.2015.”T test as a parametric statistic”. Korean Journal Anesthesiology:Korea
Lembar Kerja Mahasiswa.2017.Uji Hipotesis. Diperoleh 27 September 2019, dari
http://lab-srk.ub.ac.id/wp-content/uploads/2018/02/10.-LKM-MODUL-3.pdf
SIDNEY SIEGEL & JOHN CASTELLAN, JR. 1998. “NONPARAMETRIC
STATISTICS FOR THE BEHAVIORAL SCIENCES”, SECOND EDITION, MCGRAW-
HILL INTERNATIONAL EDITIONS : JOHN WILEY & SONS, INC.
Slide Share.2015.Statistik Parametrik. Diperoleh 27 September 2019, dari
https://www.slideshare.net/phient_dvero/statistik-parametrik
Society Kamaru. 2014. Statistik Parametrik dan Non Parametrik. Diperoleh 26
September 2019, dari http://societykamaru.blogspot.com/2014/01/makalah-statistik-
parametrik-dan-non.html
Staff UNY.2012. Nilai Ringkasan Data . Diperoleh 27 September 2019, dari
http://staffnew.uny.ac.id/upload/132255130/pendidikan/STATISTICS+03.pdf

45
 4
6

46