- 5 -

UJI BEDA RATA-RATA

A. Uji Satu Sampel (One Sample T Test)

Uji ini digunakan untuk mengetahui perbedaan nilai rata-rata populasi yang digunakan sebagai pembanding dengan rata-rata sebuah sampel. Dari hasi uji satu sampel ini akan diketahui apakah rata-rata populasi yang digunakan sebagai pembanding berbeda secara signifikan dengan rata-rata sebuah sampel, jika ada perbedaan, rata-rata manakah yang lebih tinggi.

Contoh kasus:

Seorang mahasiswa bernama Budi dalam penelitiannya ingin mengetahui apakah rata-rata nilai matematika pada kelas 6 SD Harapan Mulia berbeda dengan rata-rata nilai matematika pada SD di Yogyakarta. Diketahui bahwa nilai rata-rata nilai matematika kelas 6 SD di Yogyakarta adalah 7,53. Setelah dilakukan penelitian dengan menggunakan sampel sebanyak 13 responden diketahui nilai matematika SD Harapan Mulia seperti pada tabel berikut:

Subjek	Nilai SD
	Harapan Mulia
1	7.10
2	6.32
3	5.45
4	5.84
5	6.28
6	7.15
7	8.62
8	6.28
9	5.00
10	6.76
11	6.32
12	6.18
13	6.52

Langkah-langkah pada program SPSS 17

1. Buka program SPSS dengan klik Start >> All Programs >> SPSS Inc >> Statistic 17.0 >> SPSS Statistic 17.0

2. Pada kotak dialog SPSS Statistic 17.0, klik Cancel, hal ini karena ingin membuat data baru. Selanjutnya akan terbuka tampilan halaman SPSS.

3. Klik Variable View, kemudian pada kolom Name baris pertama ketik x. Untuk kolom Decimals, biarkan terisi 2 (karena menggunakan 2 desimal). Pada kolom Label, ketik SD Harapan Mulia. Sedangkan untuk kolom-kolom lainnya boleh dihiraukan (isian default). Hasil pembuatan variabel seperti berikut:

Gambar 15. Hasil pembuatan variabel

4. Buka halaman data view dengan klik Data View, maka didapat kolom variabel x. Kemudian ketikkan data yang ada. Hasil pengisian data seperti berikut:

Gambar 16. Hasil pengisian data pada SPSS

5. Klik Analyze >> Compare Means >> One Sample T Test. Selanjutnya akan terbuka kotak dialog One-Sample T Test seperti berikut:

Gambar 17. Kotak dialog One-Sample T Test

6. Klik variabel SD Harapan Mulia dan masukkan ke kotak Test Variable(s). Kemudian pada Test Value masukkan angka rata-rata populasi yaitu 7,53.

7. Klik OK, maka hasil output yang didapat adalah sebagai berikut:

Gambar 18. Output One Sample T Test

Langkah-langkah pengujian sebagai berikut:

1. Menentukan Hipotesis

Ho : Rata-rata nilai matematika kelas 6 SD Harapan Mulia tidak berbeda dengan rata-rata nilai matematika SD di Yogyakarta

Ha : Rata-rata nilai matematika kelas 6 SD Harapan Mulia berbeda dengan rata-rata nilai matematika SD di Yogyakarta

2. Menentukan tingkat signifikansi

Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam mengambil keputusan untuk menolak hipotesis yang benar sebanyak-banyaknya 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian)

3. Menentukan t hitung

Dari tabel di atas didapat nilai t hitung adalah -4,418

4. Menentukan t tabel

Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-1 atau 13-1 = 12. Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel sebesar 2,179 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05,12) lalu enter.

5. Kriteria Pengujian

Ho diterima dan Ha ditolak jika -t tabel £ t hitung £ t tabel

Ho ditolak dan Ha diterima jika -t hitung < -t tabel atau t hitung > t tabel

Berdasar signifikansi:

Ho diterima jika signifikansi > 0,05

Ho ditolak jika signifikansi < 0,05

6. Membandingkan t hitung dengan t tabel dan probabilitas

Nilai -t hitung < -t tabel (-4,418 < -2,179) dan signifikansi (0,001 < 0,05) maka Ho ditolak.

7. Gambar

-4,418 -2,179 +2,179

8. Kesimpulan

Oleh karena nilai -t hitung < -t tabel (-4,418 < -2,179) dan signifikansi (0,001 < 0,05) maka Ho ditolak, artinya bahwa rata-rata nilai matematika kelas 6 SD Harapan Mulia berbeda dengan rata-rata nilai matematika SD di Yogyakarta. Hasil t hitung negatif menunjukkan bahwa rata-rata nilai matematika SD Harapan Mulia lebih rendah dari nilai rata-rata SD di Yogyakarta yang sebesar 7,53.

B. Uji dua sampel tidak berhubungan (Independent Samples T Test)

Independent Samples T Test digunakan untuk mengetahui ada atau tidaknya perbedaan rata-rata antara dua kelompok sampel yang tidak berhubungan.

Perhitungan menggunakan rumus sebagai berikut: (Sugiyono, 2007)

t =

Contoh kasus:

Seorang mahasiswa bernama Anton dalam penelitiannya ingin mengetahui apakah ada perbedaan nilai ujian antara kelas A dan kelas B pada fakultas Psikologi suatu universitas di Jakarta. Penelitian dengan menggunakan sampel sebanyak 25 responden yang diambil dari kelas A dan kelas B. Dalam uji ini jumlah kelompok responden yang diambil tidak harus sama, misalnya dalam kasus ini kelas A sebanyak 11 orang dan kelas B sebanyak 14 orang. Data-data yang didapat sebagai berikut:

No	Nilai Ujian	Kelas
1	32	Kelas A
2	35	Kelas A
3	41	Kelas A
4	39	Kelas A
5	45	Kelas A
6	43	Kelas A
7	42	Kelas A
8	47	Kelas A
9	42	Kelas A
10	37	Kelas A
11	35	Kelas A
12	36	Kelas B
13	30	Kelas B
14	28	Kelas B
15	26	Kelas B
16	27	Kelas B
17	32	Kelas B
18	35	Kelas B
19	38	Kelas B
20	41	Kelas B
21	33	Kelas B
22	36	Kelas B
23	28	Kelas B
24	28	Kelas B
25	30	Kelas B

Langkah-langkah pada program SPSS 17

1. Buka program SPSS dengan klik Start >> All Programs >> SPSS Inc >> Statistic 17.0 >> SPSS Statistic 17.0

2. Pada kotak dialog SPSS Statistic 17.0, klik Cancel, hal ini karena ingin membuat data baru. Selanjutnya akan terbuka tampilan halaman SPSS.

3. Klik Variable View, kemudian pada kolom Name baris pertama ketik nilaiujian, untuk kolom Name baris kedua ketik kelas. Untuk kolom Decimals, ganti menjadi 0 untuk baris pertama dan kedua. Pada kolom Label, pada baris pertama ketik Nilai Ujian, dan pada baris kedua ketik Kelas. Pada kolom Values, untuk kolom pada baris pertama biarkan kosong (None), sedangkan untuk kolom pada baris kedua klik pada kotak kecil, pada value ketik 1, pada Value Label ketik kelas A, lalu klik Add. Langkah selanjutnya pada Value ketik 2, pada Value Label ketik kelas B, lalu klik Add. Kemudian klik OK. Pengisian pada Values sebagai berikut:

Gambar 19. Kotak dialog Value Labels

Untuk kolom Measure, pada baris pertama biarkan terisi Scale, dan pada baris kedua ganti menjadi Nominal (karena data berbentuk nominal/kategori). Dan untuk kolom-kolom lainnya boleh dihiraukan (isian default). Hasil pembuatan variabel seperti berikut:

Gambar 20. Hasil pembuatan variabel

4. Buka halaman data view dengan klik Data View, maka didapat kolom variabel nilaiujian dan kelas. Kemudian ketikkan data yang ada (untuk variabel kelas ketikkan angka 1 untuk kelas A dan angka 2 untuk kelas B). Hasil pengisian data seperti berikut:

Gambar 21. Hasil pengisian data pada SPSS

5. Klik Analyze >> Compare Means >> Independent-Samples T Test. Selanjutnya akan terbuka kotak dialog Independent Samples T Test seperti berikut:

Gambar 22. Kotak dialog Independent Samples T Test

6. Klik variabel Nilai Ujian dan masukkan ke kotak Test Variable(s), kemudian klik variabel Kelas dan masukkan ke kotak Grouping Variable. Selanjutnya klik Define Groups, pada Group 1 ketik 1 dan pada Group 2 ketik 2, lalu klik Continue.

7. Klik OK, maka hasil output yang didapat adalah sebagai berikut:

Gambar 23. Output Independent Samples T Test

Keterangan: Tabel di atas telah dirubah kedalam bentuk baris (Klik ganda pada output Independent Samples T Test, kemudian pada menu bar klik Pivot, kemudian klik Transpose Rows and Columns)

Sebelum dilakukan uji t test (Independent Samples T Test) sebelumnya dilakukan uji kesamaan varian (homogenitas) dengan F test (Levene,s Test), artinya jika varian sama maka uji t menggunakan Equal Variances Assumed (diasumsikan varian sama) dan jika varian berbeda menggunakan Equal Variances Not Assumed (diasumsikan varian berbeda).

Langkah-langkah uji F sebagai berikut:

1. Menentukan Hipotesis

Ho : Kedua varian adalah sama (varian kelompok kelas A dan kelas B adalah sama)

Ha : Kedua varian adalah berbeda (varian kelompok kelas A dan kelas B adalah berbeda).

2. Kriteria Pengujian (berdasar signifikansi)

Ho diterima jika signifikansi > 0,05

Ho ditolak jika signifikansi < 0,05

3. Membandingkan signifikansi

Nilai signifikansi (0,981 > 0,05) maka Ho diterima.

4. Kesimpulan

Oleh karena nilai signifikansi pada uji F adalah 0,981 lebih besar dari 0,05 maka Ho diterima, jadi dapat disimpulkan bahwa kedua varian sama (varian kelompok kelas A dan kelas B adalah sama). Dengan ini penggunaan uji t menggunakan Equal Variances Assumed (diasumsikan kedua varian sama).

Uji dua sampel tidak berhubungan (Independent Samples T Test)

Langkah-langkah pengujian sebagai berikut:

1. Menentukan Hipotesis

Ho : Tidak ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-rata nilai ujian kelas B

Ha : Ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-rata nilai ujian kelas B

2. Menentukan tingkat signifikansi

Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. Signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian.

3. Menentukan t hitung

Dari tabel di atas didapat nilai t hitung (Equal Variances Assumed) adalah 4,197

4. Menentukan t tabel

Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-2 atau 25-2 = 23. Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel sebesar 2,069 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05,23) lalu enter.

5. Kriteria Pengujian

Ho diterima jika -t tabel £ t hitung £ t tabel

Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel

Berdasar signifikansi:

Ho diterima jika signfifikansi > 0,05

Ho ditolak jika signfikansi < 0,05

6. Membandingkan t hitung dengan t tabel dan probabilitas

Nilai t hitung > t tabel (4,197 > 2,069) dan signifikansi (0,000 < 0,05) maka Ho ditolak.

7. Gambar

-2,069 +2,069 4,197

8. Kesimpulan

Oleh karena nilai t t hitung > t tabel (4,197 > 2,069) dan signifikansi (0,000 < 0,05) maka Ho ditolak, artinya bahwa ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-rata nilai ujian kelas B. Pada tabel Group Statistics terlihat rata-rata (mean) untuk kelas A adalah 39,82 dan untuk kelas B adalah 32,00, artinya bahwa rata-rata nilai ujian kelas A lebih tinggi daripada rata-rata nilai ujian kelas B.

Nilai t hitung positif, berarti rata-rata group1 (kelas A) lebih tinggi daripada group2 (kelas B) dan sebaliknya jika t hitung negatif berarti rata-rata group1 (kelas A) lebih rendah dari pada rata-rata group2 (kelas B). Sedangkan perbedaan rata-rata (mean diference) sebesar 7,818 (39,82-32,00), dan perbedaan berkisar antara 3,965 sampai 111,672 (lihat pada lower dan upper).

C. Uji dua sampel berpasangan (Paired Samples T Test)

Paired Samples T Test digunakan untuk mengetahui ada atau tidaknya perbedaan rata-rata antara dua kelompok sampel yang berpasangan (berhubungan). Maksudnya disini adalah sebuah sampel tetapi mengalami dua perlakuan yang berbeda.

Rumus perhitungan sebagai berikut: (Sugiyono, 2007)

t =

Contoh kasus:

Seorang mahasiswa bernama Yanti dalam penelitiannya ingin mengetahui apakah ada perbedaan rata-rata nilai ulangan matematika antara sebelum diadakan les matematika dengan sesudah diadakan les matematika pada SMP N 1 Yogyakarta. Penelitian dengan menggunakan sampel sebanyak 20 responden. Data-data yang didapat sebagai berikut:

No	Sebelum Les	Sesudah Les
1	6.34	6.92
2	6.58	7.25
3	5.38	6.45
4	5.60	7.50
5	6.68	7.25
6	7.42	7.27
7	7.20	7.86
8	6.24	6.90
9	5.78	5.47
10	5.47	6.98
11	6.53	7.28
12	6.83	6.28
13	7.75	7.80
14	5.28	6.68
15	7.83	6.93
16	6.77	6.97
17	5.37	6.28
18	6.57	6.78
19	4.82	6.73
20	6.85	7.14

Langkah-langkah pada program SPSS 17

1. Buka program SPSS dengan klik Start >> All Programs >> SPSS Inc >> Statistic 17.0 >> SPSS Statistic 17.0

2. Pada kotak dialog SPSS Statistic 17.0, klik Cancel, hal ini karena ingin membuat data baru. Selanjutnya akan terbuka tampilan halaman SPSS.

3. Klik Variable View, kemudian pada kolom Name baris pertama ketik sebelum, dan kolom Name pada baris kedua ketik sesudah. Untuk kolom Decimals biarkan terisi 2 (karena menggunakan angka dua desimal). Pada kolom Label, untuk kolom pada baris pertama ketik Sebelum Les, dan untuk baris kedua ketik Sesudah Les. Sedangkan untuk kolom-kolom lainnya boleh dihiraukan (isian default). Hasil pembuatan variabel seperti berikut:

Gambar 24. Hasil pembuatan variabel

4. Buka halaman data view dengan klik Data View, maka didapat kolom variabel sebelum dan sesudah. Kemudian ketikkan data yang ada sesuai dengan variabelnya. Hasil pengisian data seperti berikut:

Gambar 25. Hasil pengisian data pada SPSS

5. Klik Analyze >> Compare Means >> Paired-Samples T Test. Selanjutnya akan terbuka kotak dialog Paired Samples T Test seperti berikut:

Gambar 26. Kotak dialog Paired Samples T Test

6. Klik variabel Sebelum Les dan masukkan ke kolom Variable1, dan variabel Sesudah Les ke kolom Variabel2.

7. Klik OK, maka hasil output yang didapat adalah sebagai berikut:

Gambar 27. Output Paired Samples T Test

Keterangan: Tabel di atas telah dirubah kedalam bentuk baris (klik ganda pada output Paired Samples T Test, kemudian pada menu bar klik Pivot, kemudian klik Transpose Rows and Columns)

Langkah-langkah pengujian sebagai berikut:

1. Menentukan Hipotesis

Ho : Tidak ada perbedaan antara rata-rata nilai ulangan matematika sebelum les dengan rata-rata nilai ulangan sesudah les

Ha : Ada perbedaan antara rata-rata nilai ulangan matematika sebelum les dengan rata-rata nilai ulangan sesudah les

2. Menentukan tingkat signifikansi

Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. Signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian.

3. Menentukan t hitung

Dari tabel di atas didapat nilai t hitung adalah –3,337

4. Menentukan t tabel

Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-1 atau 20-1 = 19. Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel sebesar 2,093 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05,19) lalu tekan Enter.

5. Kriteria Pengujian

Ho diterima jika -t tabel £ t hitung £ t tabel

Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel

Berdasar signifikansi:

Ho diterima jika signifikansi > 0,05

Ho ditolak jika signifikansi < 0,05

6. Membandingkan t hitung dengan t tabel dan probabilitas

Nilai -t hitung < -t tabel (-3,337 < -2,093) dan signifikansi (0,003 < 0,05) maka Ho ditolak.

7. Gambar

-3,337 -2,093 +2,093

8. Kesimpulan

Oleh karena -t hitung < -t tabel (-3,337 < -2,093) dan signifikansi (0,003 < 0,05) maka Ho ditolak, artinya bahwa ada perbedaan antara rata-rata nilai ulangan matematika sebelum les dengan rata-rata nilai ulangan sesudah les. Pada tabel Paired Samples Statistic terlihat rata-rata (mean) untuk Sebelum Les adalah 6,3645 dan untuk Sesudah Les adalah 6,9360, artinya bahwa rata-rata sebelum les lebih rendah daripada rata-rata sesudah les.

Nilai t hitung negatif berarti rata-rata sebelum les lebih rendah daripada sesudah les. Dengan ini maka dengan adanya les matematika akan meningkatkan nilai ulangan matematika.

D. Uji varian satu jalur (One Way ANOVA)

One Way ANOVA digunakan untuk mengetahui ada atau tidaknya perbedaan rata-rata untuk lebih dari dua kelompok sampel yang tidak berhubungan.

Contoh kasus:

Menggunakan contoh kasus pada uji Independent Samples T Test ditambah satu kelompok data yaitu kelas C. Seorang mahasiswa dalam penelitiannya ingin mengetahui apakah ada perbedaan nilai ujian antara kelas A, kelas B, dan kelas C pada fakultas Psikologi suatu universitas. Penelitian dengan menggunakan sampel sebanyak 25 responden yang diambil dari kelas A, kelas B, dan kelas C. Dalam uji ini jumlah kelompok responden yang diambil tidak harus sama, misalnya kelas A sebanyak 9 orang, kelas B sebanyak 7 orang, dan kelas C sebanyak 9. Data-data yang didapat sebagai berikut:

No	Nilai Ujian	Kelas
1	32	Kelas A
2	35	Kelas A
3	41	Kelas A
4	39	Kelas A
5	45	Kelas A
6	43	Kelas A
7	42	Kelas A
8	35	Kelas A
9	36	Kelas A
10	30	Kelas B
11	28	Kelas B
12	26	Kelas B
13	27	Kelas B
14	32	Kelas B
15	38	Kelas B
16	35	Kelas B
17	42	Kelas C
18	42	Kelas C
19	40	Kelas C
20	38	Kelas C
21	40	Kelas C
22	35	Kelas C
23	38	Kelas C
24	42	Kelas C
25	40	Kelas C

Langkah-langkah pada program SPSS 17

1. Buka program SPSS dengan klik Start >> All Programs >> SPSS Inc >> Statistic 17.0 >> SPSS Statistic 17.0

2. Pada kotak dialog SPSS Statistic 17.0, klik Cancel, hal ini karena ingin membuat data baru. Selanjutnya akan terbuka tampilan halaman SPSS.

3. Klik Variable View, kemudian pada kolom Name ketik nilaiujian, dan kolom Name pada baris kedua ketik kelas. Pada kolom Decimals, ubah nilai menjadi 0 untuk semua variabel. Pada kolom Label, untuk kolom pada baris pertama ketik Nilai Ujian, untuk kolom pada baris kedua ketik Kelas. Pada kolom Values, untuk kolom pada baris pertama biarkan kosong (None), sedangkan untuk kolom pada baris kedua klik pada kotak kecil, pada value ketik 1, pada Value Label ketik kelas A, lalu klik Add. Langkah selanjutnya pada Value ketik 2, pada Value Label ketik kelas B, lalu klik Add. Selanjutnya pada Value ketik 3, pada Value Label ketik kelas C, lalu klik Add. Kemudian klik OK. Gambar pengisian Values seperti berikut:

Gambar 28. Pengisian pada Value Labels

Pada kolom Measure, untuk baris pertama biarkan terisi Scale, sedangkan untuk baris kedua pilihlah Nominal (karena data berbentuk nominal/kategori). Dan untuk kolom-kolom lainnya boleh dihiraukan (isian default). Hasil pembuatan variabel seperti berikut:

Gambar 29. Hasil pembuatan variabel

4. Buka halaman data view dengan klik Data View, maka didapat kolom variabel nilaiujian dan kelas. Kemudian ketikkan data sesuai dengan variabelnya (pada variabel kelas ketik dengan angka 1, 2 dan 3 (1 menunjukkan kelas A, 2 menunjukkan kelas B, dan 3 menunjukkan kelas C). Hasil pengisian data seperti berikut:

Gambar 30. Hasil pengisian data pada SPSS

5. Klik Analyze >> Compare Means >> One-Way ANOVA. Selanjutnya akan terbuka kotak dialog Paired Samples T Test seperti berikut:

Gambar 31. Kotak dialog One Way ANOVA

6. Klik variabel Nilai Ujian dan masukkan ke kotak Dependent List, kemudian klik variabel Kelas dan masukkan ke kotak Factor.

7. Kemudian klik Options, beri tanda centang pada Descriptive dan Homogeneity of variance test, lalu klik Continue.

Gambar 32. Kotak dialog One Way ANOVA: Options

8. Klik OK, maka hasil output yang didapat adalah sebagai berikut:

Gambar 33. Output One Way ANOVA

Sebelum dilakukan uji One Way ANOVA maka dilakukan uji kesamaan varian (homogenitas) dengan Levene Test, uji ini digunakan untuk mengetahui apakah varian ketiga kelompok kelas sama. Data yang memenuhi syarat adalah jika varian sama atau subjek berasal dari kelompok yang homogen.

Langkah-langkah uji homogenitas sebagai berikut:

1. Menentukan Hipotesis

Ho : Ketiga varian adalah sama (varian kelompok kelas A, B dan C sama)

Ha : Ketiga varian adalah berbeda (varian kelompok kelas A, B dan C sama)

2. Kriteria Pengujian (berdasar signifikansi)

Ho diterima jika signifikansi > 0,05

Ho ditolak jika signifikansi < 0,05

3. Membandingkan nilai signifikansi

Nilai signifikansi (0,074 > 0,05) maka Ho diterima. (lihat output pada Test of homogeneity of variance)

4. Kesimpulan

Oleh karena nilai probabilitas (signifikansi) adalah 0,074 lebih besar dari 0,05 maka Ho diterima, jadi dapat disimpulkan bahwa ketiga varian adalah sama (varian kelompok kelas A, B dan C sama). Angka Levene Statistic menunjukkan semakin kecil nilainya maka semakin besar homogenitasnya. df1 = jumlah kelompok data-1 atau 3-1 = 2, sedangkan df2 = jumlah data – jumlah kelompok data atau 25-3 = 22.

Langkah-langkah uji One Way ANOVA sebagai berikut:

1. Menentukan Hipotesis

Ho : Tidak ada perbedaan antara rata-rata nilai ujian kelas A, kelas B dan kelas C

Ha : Ada perbedaan antara rata-rata nilai ujian kelas A, kelas B dan kelas C

2. Menentukan tingkat signifikansi

Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%.

3. Menentukan F hitung

Dari tabel di atas didapat nilai F hitung adalah 12,315

4. Menentukan F tabel

Dengan menggunakan tingkat keyakinan 95%, a = 5%, df 1 (jumlah kelompok data–1) atau 3-1 = 2, dan df 2 (n-3) atau 25-3 = 22, hasil diperoleh untuk F tabel sebesar 3,443 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik =finv(0.05,2,22) lalu tekan Enter.

5. Kriteria pengujian

- Ho diterima bila F hitung £ F tabel

- Ho ditolak bila F hitung > F tabel

6. Membandingkan F hitung dengan F tabel.

Nilai F hitung > F tabel (12,315 > 3,443), maka Ho ditolak.

7. Gambar

Ho ditolak

Ho diterima

+ 3,443 12,315

8. Kesimpulan

Karena F hitung > F tabel (12,315 > 3,443), maka Ho ditolak, jadi dapat disimpulkan bahwa ada perbedaan antara rata-rata nilai ujian kelas A, kelas B dan kelas C. Pada tabel Descriptives terlihat rata-rata (mean) untuk kelas A adalah 38,67, untuk kelas B adalah 30,86 dan kelas C adalah 39,67, artinya bahwa rata-rata nilai ujian kelas C paling tinggi, kemudian kelas A dan kelas B.