TUGAS METODOLOGI PENELITIAN RESUME ANALISIS

STATISTIK SPSS
NAMA : KURNIA APRILIA
NIM : 25195821A
Teori: 3
1. UJI VALIDITAS DAN REABILITAS
UJI VALIDITAS
1. Buka aplikasi SPSS
2. Klik variable view, tuliskan butir 1 sampai 17
3. Kemudian ubah bagian table decimal menjadi 0
4. Selanjutnya klik data view dan masukan angka kedalam kolom data
5. Masukkan semua data yang telah dicopy dengan 30 responden dan 17 variabel
6. Pilih analyze kemudian klik correlate dan klik bivariate, pilih pearson dimana pearson
correlation menggambarkan rhitung, sig menggambarkan nilai signifikansi.
7. Masukan semua item dalam kotak variables. Klik OK
8. Setelah itu muncul output penelitian
9. Lihat apakah hasil valid atau tidak
UJI REABILITAS
1. Pada data view klik menu analyze kemudian pilih scale dan klik reliability analysis
2. Pindahkan semua variabel kecuali total ke kanan
3. Klik statistic, beri checklist pada correlation, covariance, dan scale if item deleted
4. Kemudian klik continue, lalu OK
5. Analisis interpretasi hasil
Interpretasi hasil

 Diketahui pada butir 1, 5, 11, dan 15 tidak valid atau invalid karena rhitung < rtabel
dan nilai signifikansi > 0,05
 Diketahui Butir 2, 3, 6, 7, 8, 9, 10, 12, 13, 14, 16, 17 valid karena rhitung > rtabel dan
nilai signifikansi < 0,05
 Dari tabel realibility statistic didapatkan cronbach alpha 0,795, N of items (jumlah
dari pernyataan kita) sebanyak 17. Dari sini kita bisa tahu nilai cronbach alpha kita
0,795 > 0,6. Otomatis item kita ini dikatan reliable.

2. KASUS 2 UJI ONE SAMPLE T TEST

1. Buka Aplikasi SPSS > Klik Variable View
 2. Mengisi kolom Name yaitu diisi dengan data hasil, Label diisi dengan Jumlah kunjungan
pasien di IF rawat jalan RS X, dan Measure dengan scale
3. Klik Data View pada bagian bawah
4. Memasukkan data Jumlah kunjungan pasien di IF rawat jalan RS X pada kolom Hasil
5. Melakukan uji normalitas dengan meng-klik analyze, lalu meng-klik descriptive statistics
text, pilih explore.
6. Memindahkan kolom jumlah kunjungan di RS X, pada kolom dependent list lalu meng-
klik plot, selanjutnya memberi tanda checklist dibagian normality plots with tests, setelah
itu meng-klik continue, pilih Ok. Kemudian akan mucul output dari Uji normalitas.
7. Perhatikan pada output “Test of Normality”
8. selanjutnya melakukan uji one sampel t-test, dengan meng-klik menu analyze, lalu meng-
klik Compare means. Kemudian memilih One sampel T-Test.
9. Memindahkan variable jumlah kunjungan ke kolom Variable test. Lalu pada test value
ditulis 12, yang diduga oleh peneliti, kemudian memilih option, biarkan tingkat
kepercayaan 95% lalu pilih Ok. Men-srcoll ke bawah lalu akan muncul output One
Sampel T-Test.
10. Menganalisis kembali dengan klik Detrended normal Q-Q of Plot jumlah kunjungan
pasien di IF rawat jalan RS X. Kemudian klik analyze, lalu pilih compare means klik One
sample T Test. Memasukkan nilai rata-rata pada teks value kemudian klik option, biarkan
tingkat kepercayaan 95% klik continue lalu klik Ok.
Interpretasi hasil:

 Apabila nilai Sig. (2-tailed) <0,05 maka HO ditolak, sedangkan nilai Sig. (2-tailed)
>0,05 maka HO diterima. Dengan demikian daoat disimpulkan bahwa Nilai Sig. (2-
tailed) dengan uji dua sisi sebesar 1000 > 0,05 yang berarti HO diterima.
 Output pertama menunjukkan nilai statistic deskriptif, yaitu N=12 artinya jumlah
sampel yang dipakai adalah 12 bulan. Mean = 1560.000 artinya nilai rata-rata
hitungnya adalah 1560.000. Std. Deviation atau simpangan baku sebesar 222.996 dan
Std. error mean sebesar 64.373.
 Nilai Sig untuk Shapiro-Wilk yaitu 0,463 yang berarti jumlah kunjungan pasien di IF
rawat jalan RS X berdistribusi normal karena nilai Sig > 0,05. Karena pada test of
normality. Apabila nilai Sig. > 0,05 maka data berdistribusi normal, sedangakan nilai
sig. < 0,05 maka data tidak berdistribusi normal.

3. STUDI KASUS 3 (UJI NORMALITAS DAN INDEPENDENT)

1. Buka Aplikasi SPSS
2. Pengisian data ada variable view yaitu kolom pertama diisi dengan Hasil dan Nama.
 3. Pengisian kolom label diisi dengan, kolom label pertama diisi Hasil Penggunaan Obat
Antidiabetik, kolom label kedua diisi Nama obat.
4. Klik Value pada kolom kelas; Value pertama diisi kode obat yang akan diuji
glibenklamid kode obat 1 maka diisi dengan angka 1 lalu label diisi dengan nama obat
dari kode 1 glibenklamid klik add; Value kedua diisi kode obat yang akan dibandingkan
dengan glibenklamid yaitu kode 2 dengan label glimepirid klik add lalu oke.
5. Pada kolom desimal angka 2 diubah dengan angka 0 semua karena di data kasus 3 tidak
ada angka desimal.
6. Klik bagian bawah yaitu Data View, lakukan pengisian data dari excell yang sudah
disiapkan dengn mengcopy data dari glibenklamid ke dalam data hasil, dan juga data
glimepirid dan ditaruh dibawah data glibenklamid
7. Copy data kode dari masing-masing obat dari excel input ke kolom obat dalam page data
view.
8. Melakukan uji normalitas, dengan klik analyze pilih deskriltive statistic klik explore.
9. Akan muncul pilihan seperti hasil ditaruh di bagian dependent; nama obat di factor list.
Lalu klik plot, klik normaliti klik continue dan klik OK.
10. Amati hasil dan bandingkan dengan persyaratan uji normalitas. Data yang dilihat adalah
nilai Sig dari kolom sphiro wilk
11. Dilanjutkan pengujian independent sample t Test.
12. Klik analyze pilih comparemeans.
13. Masukkan hasil dalam kolom pilihan test; nama obat bagian masukkan ke grupping klik
define groupe diisi untuk grub 1 diisi obat yang diuji misal glibenklamid kode 1 maka
diisi 1; grub 2 diisi obat pembandingnya yaitu kode obat glimepirid kode 2 maka diisi 2.
Klik continue klik Ok
14. Amati data yang muncul dan bandingkan dengan persyaratan dari Uji indepent Sample t
Test, nilai data yang dilihat adalah Sig (2-tailed)

Persyaratan Uji normalitas:

 Jika nilai Sig > 0,05 maka data berdistribusi normal.
 Jika nilai Sig < 0,05 maka data berdistribusi secara tidak normal.
 Syarat uji independent sample t test
 Nilai Sig (2-tailed) < 0,05 maka ada perbedaan yang signifikan antara hasil dari
perbandingan kedua obat
 Nilai Sig (2-tailed) > 0,05 maka tidak ada perbedaan yang signifikan antara hasil dari
perbandingan kedua obat.

Uji one way anova

1. Uji normalitas
  Membuka aplikasi SPSS
 klik variabel view lalu masukan kelompok perlakuan dan waktu pemberian, setelah
itu ubah decimals menjadi 0, dan memberi kode pada kelompok perlakuan di kolom
valuens
 Ubah kolom measure pada bagian kelompok perlakuan menjadi nominal dan role
pada lama waktu menjadi target.
 Setelah itu klik data view, pada kolom kelompok perlakuan masukan kode 1
sebanyak 4x, kode 2 sebanyak 4x, kode 3 sebanyak 4x, dan kode 4 sebanyak 4x.
 Copy paste bagian lama waktu pada kolom spss
 Lakukan uji normalitas dengan klik Analyze pilih regression dan pilih linier. Untuk
bagian dependent masukkan lama waktu pemberian dan untuk dindependet masukkan
kelompok perlakuan, lalu continue, kemudian klik oke
 Akan muncul data-data hasil
 Tetapi data tersebut belum menunjukan hasil dari uji normalitas
 Kemudian kita klik lagi Analyze pilih nonparametric tests klik legansi dialog lalu
pilih sampel K-S.
 Lalu pilih unstandardized, klik kolom normal dan contiune. Maka data dari uji
normalitas sudah di dapat kan
2. Uji homogenitas dan analisis one way anova
 Dari data tadi kita klik Analyze kemudian pilih compare means lalu pilih one way
anova
 Masukan kelompok perlakuan pada kolom factor dan lama waktu pada kolom
dependent.
 Klik post hoc untuk memilih uji lanjutan. Pilih Uji LSD dan uji Duncan klik continue.
 Lalu klik options pilih homogenity kemudian klik continue dan klik OK

Interpretasi hasil :
 Uji normalitas yang di dapatkan hasil yang normal karena nilai yang di dapat >0,05,
untuk uji homogenitas nya juga dapat dikatakan homogen dengn hasil nilai data yang
>0,05 maka dapat di lanjutkan untuk uji anova karena uji normalitas dan uji homogenitas
sudah memenuhi syarat. Data dari uji anova yang di dapat juga sudah signifikan karena
mendapatkan nilai yang < 0,05.

4. UJI TWO WAY ANOVA

1. Buka aplikasi SPSS, isi nama dan label ke dalam variable view
2. Kemudian kita masukkan semua datanya ke dalam data view
3. Lakukan uji normalitas terlebih dengan klik ikon analyze lalu general linear mood lalu
klik unvarite.
 4. Kemudian masukkan makanan bergizi dependen variable, tepung biji-bijian dan ekstrak
sayuran fixed factor(s), lalu klik save.
5. Kita mendapatkan hasil unvariable analysis of variance
6. Melakukan uji normalitas, kita pilih analyzed resid lalu pilih descriptive statistic dan kita
pilih explore
7. Masukkan data standardized resid ke dalam independent list setelah itu pilih plots, lalu
centang normality plots with textskemudian klik continue.
8. Berikut hasil data normality dengan hasil signifikan 0,950
9. Selanjutnya melakukan uji homogenitas,klik analyzed lalu ke general linear model
unvariable,pilih save kita hapus centang standardized lalu continue, dan berikut hasilnya.
10. Lalu kita pergi ke option, setelah itu masukkan bagian tepung,ekstrak dan tepung ekstrak
ke dalam display means for,kemudian centang homogenelity tests dan descriptive statistic
11. Setelah itu kita mendapatkan hasil uji anova

Interpretasi hasil :

 Pada variable tepung didapatkan hasil sign. 0,71 yang bearti nilai inilai ini > 0,05 yang
dapat diartikan ada perbedaan penambahan gizi pada balita
 Untuk ekstrak sayuran didapatkan hasil sign. 0,01 yang bearti < 0,05 yang dapat diartikan
tidak ada perbedaan penambahan gizi pada balita
 Untuk variabel ekstrak sayuran dan tepung didapatkan hasil sign. 0,26 yang bearti > 0,05
yang dapat diartikan ada perbedaan penambahan gizi pada balita

5. UJI KORELASI
1. Membuka aplikasi SPSS yang telah diinstal
2. Pada Variabel view, pada kolom name diisikan kode X dan kolom selanjutnya diisikan
dengan kode Y
3. Pada variabel view, pada kolom kode X dilabeli gizi bumil dan pada kode Y dilabeli
dengan berat bayi lahir.
4. Pada variabel view, ubah kolom decimals sesuai dengan data
5. Klik data view kemudian copy paste data yang telah diperoleh.
6. Klik analyze kemudian diilih corelete dan klik bivariete
7. Pindahkan data status gizi bumil dan berat bayi baru lahir kedalam kolom variabel.
8. Klik ceklis pada Corelate coficient pearson kemudian pilih Test of significant two tailed,
kemudian klik “OK”
9. Kemudian akan muncul output uji korelasi dimana jika nilai signifikansi <0,05 maka
berkorelasi. Jika nilai signifikan >0,05 tidak berkorelasi.

Interpretasi :
  Diketahui nilai signifikasi 2 tailed sebesar 0,000. Karena nilai tersebut kurang dari 0,05
maka terdapat hubungan yang signifikan antara variable berat bayi lahir dengan variable
status gizi bumil.
 Derajat hubungan : Angka pearson correlation diperoleh sebesar 0,673 sehingga
menunjukkan kekuatan hubungan korelasi tersebut adalah korelasi kuat karena berada
pada rentang 0,61 sampai 0,80. Dapat disimpulkan bahwa status gizi bumil berpengaruh
positif terhadap berat bayi lahir dengan derajat hubungan korelasi kuat.
 Pedoman derajat hubungan dilihat dari pearson correlation 0,00 sampai dengan 0,20
maka tidak berkorelasi. Nilai pearson correlation 0,21 sampai dengan 0,40 maka
berkorelasi lemah . Nilai pearson correlation 0,41 sampai dengan 0,60 maka berkorelasi
sedang. Nilai pearson correlation 0,61 sampai dengan 0,80 maka berkorelasi kuat. Nilai
pearson correlation 0,81 sampai dengan 1,00 maka berkorelasi sempurna.

6. UJI REGRESI
1. Buka applikasi SPSS, Klik variable view
2. Pada kolom “Name” tuliskan ‘Y1’ pada baris 1, ‘Y2’ pada baris 2 dan ‘X’ pada baris 3
3. Pada kolom “label” tulis nama dari masing-masing variable, kemudian klik data view,
yaitu Y1 dilabeli Gizi ibu hamil, Y2 dilabeli Kadar Hb, dan X dilabeli berat badan bayi
lahir
4. Memasukkan data ke dalam masing-masing variable, dapat dilakukan dengan copy-paste
dari data kasus
5. Klik analyze kemudian pilih regression dan kemudian pilih Linear
6. Pindahkan Variable Y1 dan Y2 ke Independent, untuk variable X pindah ke Dependent
7. Klik OK kemudian akan muncul data output dan lakukan interpretasi
Interpretasi hasil :
a. Gizi ibu hamil mempunyai pengaruh terhadap berat badan bayi yang baru lahir
sedangkan untuk Kadar hemoglobin tidak mempunyai pengaruh terhadap berat badan
bayi lahir
b. Dari data yang diperoleh dari table ANOVA dapat dilihat nilai signifikasi dari kedua
variable mepunyai nilai signifikansi < 0,05 menyatakan bahwa minimal ada satu ada satu
variable bebas yang berpengaruh signifikan terhadap variable X (berat bayi lahir rendah).
c. Dari tabel koefisien yang diperoleh didapatkan Gizi ibu hamil mepunyai nilai signifikansi
< 0,05 sedangkan kadar Hb mempunyai nilai signifikansi > 0,05. Dimana jika nilai
probabilitas yang diperoleh kurang dari 0,05 maka variable diterima yang artinya variable
tersebut (gizi bumil) berpengaruh terhadap berat badan bayi lahir dan sebaliknya jika
nilai probabilitas yang diperoleh lebih dari 0,05 maka variable (kadar Hb) ditolak dan
artinya variable tidak berpengaruh terhadap berat badan bayi lahir.

7. UJI Man-Whitney
 1. Buka program SPSS kemudian klik variable view
2. Pada bagian “name” ketik Kalori, kemudian di bagian label bisa diketik kalori (Kkal).
pada bagian “values. Pada “name” nomer 2 bisa ditulis kode dan di bagian label bisa
ditulis (1=perdesaan) (2=perkotaan).
3. kemudian masuk ke tahap penginputan data, klik “data view” kemudian masukkan
data dari word
4. kemudian klik “analyze” di menu atas lalu klik “nonparametric tests” kemudian pilih
"legacy dialogs  2 independent samples
5. muncul kotak dialog, Pada bagian “test variable list” masukkan data kalori dan pada
“grouping variable” masukkan data kode. Lalu klik define groups, group 1 isikan 1
dan group 2 isikan 2 kemudian Klik continue  OK
6. Kemudian akan muncul data output kemudian melakukan cara yang sama terhadap
data protein

Interpretasi :
 Perkotaan dan perdesaan diperoleh Nilai Mann-Whitney U = 74,000 dengan Nilai
Asymp Sig (2 tailed) = 0,590 sehingga diperoleh nilai Asymp Sig > 0,05 maka
diterima
 Dari hasil output SPSS 23 konsumsi protein pada perkotaan dan perdesaan
diperoleh Nilai Mann-Whitney U = 81,000 dan Nilai Asymp Sig (2 tailed) = 0,858
sehingga nilai Asymp Sig > 0,05 maka diterima

8. UJI WILCOXON
1. Buka aplikasi SPSS, kemudian klik Variabel View kemudian tulis nama dan dan label
untuk variabel penelitian.
2. Selanjutnya klik Data View, lalu isikan data kasus yang sudah diberikan
3. Langkah berikutnya klik menu Analyze lalu pilih Nonparametric Tests kemudian pilih
Legacy Dialogs lalu pilih 2 Related Samples
4. Maka dilayar akan muncul kotak dialog “Two Related Samples Tests”, selanjutnya
masukkan variabel X dan variabel Y ke kotak Test Pairs secara bersamaan, kemudian
pada bagian “Test Type” berikan tanda centang pada pilihan Wilcoxon, lalu klik Ok.
Interpretasi Hasil
Dasar Pengambilan Keputusan dalam Uji Wilcoxon
1. Jika nilai Asymp.Sig. (2-tailed) lebih kecil dari < 0,05, maka Ha ditolak.
2. Sebaliknya, jika nilai Asymp.Sig. (2-tailed) lebih besar dari > 0,05, maka Ha diterima.

a. Output Pertama “Ranks”

1. Negative Ranks atau selisih (negatif) antara hasil BPJS untuk Penerima Bantuan Iuran
dan BPJS untuk Non-Penerima Bantuan Iuran adalah 18.13 dan pada nilai N, Mean Rank,
maupun Sum Rank nilainya adalah 544.00 menunjukkan adanya perbedaan penurunan
 (pengurangan) dari nilai BPJS Kesehatan Penerima Bantuan Iuran ke nilai BPJS Non-
Penerima Bantuan Iuran dan terdapat jumlah Penerima Bantuan Iuran sebanyak (N) 30
Kabupaten/Kota yang mengalami perbedaan penurunan iuran.
2. Positif Rank atau selisih (postif) antara hasil BPJS untuk Penerima Bantuan Iuran dan
BPJS untuk Non-Penerima Bantuan Iuran. Disini terdapat 3 data positif (N) yang artinya
ke 3 Kabupaten/Kota yang mengalami peningkatan hasil BPJS Kesehatan dari nilai
Penerima Bantuan Iuran ke nilai Non-Penerima Bantuan Iuran. Mean Rank atau rata-rata
peningkatan tersebut adalah sebesar 5.67, sedangkan jumlah rangking positif atau Sum of
Ranks adalah sebesar 17.00
3. Ties adalah kesamaan nilai BPJS Penerima Bantuan Iuran dan BPJS NonPenerima
Bantuan Iuran adalah 0, sehingga dapat dikatakan bahwa tidak ada nilai yang sama antara
BPJS Penerima Bantuan Iuran dan BPJS Non-Penerima Bantuan Iuran.
4. Berdasarkan output “Test Statistics” di atas, diketahui Asymp.Sig. (2-tailed) bernilai
0.000 lebih kecil dari < 0,05, maka dapat disimpulkan bahwa “Ho ditolak maka Ha
diterima”. Artinya ada perbedaan signifikan antara BPJS Penerima Bantuan Iuran dan
BPJS Non-Penerima Bantuan Iuran di Sumatera Utara.

9. Uji T Berpasangan
1. Membuka aplikasi SPSS
2. Setelah itu klik Variable View. Klik pada bagian“Name” kolom pertama ketik sebelum
terapi dan pada kolom kedua ketik sesudah terapi
3. Dan pada kolom desimal diubah menjadi 0
4. Klik “data view”.
5. Selanjutnya Dari data yang ingin dianalisis kemudian di copy dan dimasukan kedapalm
aplikasi spss.
6. Dan untuk menganalisinya klik control means dan selanjutnya klik paired sample t test.
7. Setelah kita melakukan langkah di atas, Masukkan variabel dari sampel berpasangan pada
kotak Paired Variable. Pada kolom Variable 1 masukkan variabel pada kondisi pertama
(Sebelum terapi) dan Variable 2 masukkan variable pada kondisi kedua (Sesudah terapi).

Interpretasi hasil :

Dalam didaatkan hasil terdapat adanya perbedaan pada data sebelum dan sesudah terapi,
karena dalam hasil data SPPS nilai sig. (2-tailed) mendapatkan hasil 0,00 dengan demikian nilai
0,00 < 0,05, maka dapat disimpulkan bahwa terdapat perbedaan yang nyata antara hasil data
Sebelum terapi dan sesudah Terapi karena Nilai signifikansi (2-tailed) < 0.05 menunjukkan
adanya perbedaan yang signifikan antara variabel awal dengan variabel akhir. Ini menunjukkan
terdapat pengaruh yang bermakna terhadap perbedaan perlakuan yang diberikan pada masing-
masing variabel.

10. UJI FRIEDMAN

 Tahapan Uji :
1) Buka aplikasi SPSS > Klik Variable View
2) Mengisi kolom
- Name : awal, seminggu, sebulan, setahun
- Decimal : 1
- Label : BB awal, BB seminggu, BB sebulan, BB setahun
- Measure : Scale
3) Klik Data View pada bagian bawah
4) Memasukan 15 data BB sesuai tabel
5) Melakukan uji normalitas
a) Klik Analyze > General Linear Model > Repeated Measures
b) Muncul kotak “Repeated Measure Define Factor (s)
c) Mengisi kolom : Within-Subject =Waktu ; Number of Levels = 4
d) Klik Add > Define
e) Muncul kotak “Repeated Measures”
f) Memindahkan ke-4 data BB 1 per 1 ke kotak Within Subjek
g) Save
h) Muncul kotak “Repeated Measures : Save”
i) Ceklis “Standardized” > Continue
j) Muncul Nilai Standardized Residual dengan ZRE_1, ZRE_2, ZRE_3, ZRE_4
k) Klik Analyze > Descriptive Statistics > Explore
l) Masukan semua variabel Standardized Residual ke Dependent List
m) Klik Plots
n) Ceklis Normality Plots with test > Continue
o) Klik OK
6) Klik Analyze > Nonparametric Test > Legacy Dialog > K Related Samples
7) Masukan data 4 BB ke Kotak Test Variabels
8) Ceklis Friedman > Statistics
9) Ceklis Descriptive dan Quartiles > Continue > OK

Interpretasi Hasil ;

Hipotesis dalam uji friedman :

H0 = tidak ada perbedaan rata-rata peningkatan BB pada ke-4 kelompok
Ha = ada perbedaan rata-rata peningkatan BB pada ke-4 kelompok
  Nilai Asymp Sig. < 0,05 = Ha diterima yang berarti Ada perbedaan rata-rata peningkatan
BB pada ke-4 kelompok interval. Sehingga kesimpulannya Susu Bubuk merek “SUBUR
GEMUK” benar-benar dapat meningkatkan BB.

 Membandingkan nilai Chi-Square hitung dengan Tabel

Nilai Chi-Square Hitung = 40,587
Nilai Chi-Square Tabel = 7,81
Chi-Square Hitung > Chi-Square Tabel = Ha diterima
Ada perbedaan rata-rata peningkatan BB pada ke-4 kelompok interval

11. UJI KRUSKAL WALLIS

1. Buka spss, klik variabel view lalu copy data
2. Klik data view lalu copy data kasusu
3. Klik analise, lalu klik corolite, setelah itu klik variete
4. Klik semua data ke data display lalu klik "ok"
5. Uji reliabilitas
6. Klik analise lalu klik scell lalu klik reliability analisis
7. pindahkan semua data ke display lalu klik "ok"

Dasar interretasi hasil :

 Jika Nilai Sig. (2-tailed) < 0,05 maka ada perbedaan rata- rata Massa dan Volume Hepar
antara kelompok Perlakuan yang signifikan.
 Jika Nilai Sig. (2-tailed) > 0,05 maka tidak ada perbedaan rata-rata Massa dan Volume
Hepar antara kelompok Perlakuan yang signifikan.
Hipotesis Penelitian :
 Ho : Tidak ada perbedaan rata- rata Massa dan Volume Hepar antara kelompok
Perlakuan yang signifikan
 Ha : Ada perbedaan rata- rata Massa dan Volume Hepar antara kelompok Perlakuan yang
signifikan
Interpretasi hasil:
Berdasarkan output Correlation, kita mendapatkan nilai Sig. (2-tailed) sebesar 0,01, yang
nilainya < 0,05. Maka hasil menunjukkan bahwa Ho ditolak dan Ha diterima, sehingga
bermakna bahwa dalam uji kruskal wallis dari data tersebut terdapat perbedaan rata- rata
Massa dan Volume Hepar antara kelompok Perlakuan yang diujikan. Dan berdasarkan output
Reliability didapatkan bahwa validitas data yang kita uji bernilai 100% valid