Analisis t Test

60

BAB 4

HASIL DAN PEMBAHASAN

Pada bab ini dijelaskan dan disajikan keterbatasan penelitian, hasil pengumpulan

data, hasil analisis data, dan pembahasan hasil penelitian dalam kaitannya dengan teori-

teori psikologi yang digunakan.

4.1. Keterbatasan Penelitian

Keterbatasan utama penelitian ini terkait dengan kemungkinan partisipan

menjalankan program tidak sesuai dengan aturan yang diberikan oleh penulis. Saat

presentasi dan di dalam program, penulis menyatakan bahwa partisipan diharapkan

menjalankan program dengan ketentuan:

1. Program dijalankan secara tidak terputus atau diselingi kegiatan lain. Hal ini

bertujuan agar kondisi fisik maupun mental partisipan pada mencapai sesi stimuli

tidak berbeda jauh.

2. Partisipan tidak menggunakan alat bantu ataupun meminta bantuan dari pihak ketiga.

Ketentuan ini disampaikan agar kecepatan partisipan mengenali pola yang diberikan

benar-benar mencerminkan kemampuan kognitif individu bersangkutan.

3. Partisipan tidak mengubah data kecepatan mengenali pola yang dibuat oleh program.

Mengingat bahwa data awal kecepatan disimpan dalam bentuk file teks (.txt), tidak

tertutup kemungkinan partisipan mengubah data kecepatannya.

Tidak dapat dipungkiri, pelanggaran terhadap ketentuan-ketentuan di atas dapat

mempengaruhi hasil penelitian. Berdasarkan praktek di lapangan dan setelah

61 mempertimbangkan berbagai macam opsi, penulis menilai pelanggaran demikian tidak

dapat sama sekali dihilangkan.

Satu-satunya opsi yang tersedia untuk mengatasi keterbatasan demikian adalah

dengan menempatkan partisipan dalam satu ruangan (laboratorium), dimana di ruangan

tersebut partisipan menjalankan program dalam pengawasan penulis. Hal ini merupakan

kondisi ideal namun tidak dapat dipenuhi mengingat keterbatasan waktu dan dana.

Penulis memandang kurang etis menuntut terlalu banyak kepada partisipan tanpa

memberikan imbal balik yang sepadan.

4.2. Hasil Pengumpulan Data

Pengumpulan data dilakukan selama Oktober-November 2008. Total individu

yang berpartisipasi dalam penelitian adalah 32 individu. Jumlah sampel demikian dinilai

cukup besar (n > 30).

4.2.1. Gambaran Karakteristik Partisipan

Grafik 4.1. menampilkan komposisi partisipan menurut jenis kelaminnya.

Terlihat bahwa partisipan laki-laki mendominasi dengan persentase mencapai 75% (24

orang).

62

Gambar 4.1 Komposisi Partisipan

menurut Jenis Kelamin

Grafik 4.2. menampilkan komposisi partisipan menurut rentang Indeks Prestasi

Kumulatif-nya. Terlihat bahwa IPK 3.01 – 3.50 (grup 3) mendominasi separuh

partisipan (16 orang). Selain itu, terlihat pula bahwa cukup banyak partisipan yang

memiliki IPK antara 3.51-4.00.

Setidaknya terdapat dua kemungkinan penjelasan atas proporsi IPK demikian.

Pertama adalah lebih tingginya kesadaran mahasiswa dengan IPK tinggi untuk

mengirimkan hasil program setelah menerima insentif Rp10.000,- dari penulis. Kedua

adalah proporsi mahasiswa Fakultas MIPA yang memang didominasi oleh IPK tinggi.

63


menurut Rentang IPK

Grafik 4.3. menunjukkan proporsi partisipan berdasarkan prediksi kinerja yang

dimasukkannya. Terlihat bahwa mayoritas partisipan (lbih dari 80%) memilih prediksi

yang sedikit lebih baik atau sedikit lebih buruk dari rata-rata.


menurut Prediksi Kinerja yang diberikan

64 Analisis lebih jauh atas komposisi prediksi menurut jenis kelamin dan IPK

disajikan pada Tabel 4.1 dan Tabel 4.2. Berdasarkan kedua tabel tersebut dapat dilihat

bahwa baik berdasarkan jenis kelamin maupun IPK, mayoritas partisipan memprediksi

kinerjanya tidak berbeda jauh dengan rata-rata partisipan lain.

Tabel 4.1

Komposisi Prediksi Kinerja menurut Jenis Kelamin

No Prediksi Kinerja Jumlah Partisipan Laki-laki

Jumlah Partisipan Perempuan

Total

1 Sangat buruk 1 1 2 2 Sedikit lebih buruk

atau sama dengan rata-rata

10 3 13

3 Sedikit lebih baik atau sama dengan rata-rata

10 3 13

4 Sangat baik 3 1 4

Tabel 4.2

Komposisi Prediksi Kinerja menurut IPK

No Prediksi Kinerja

IPK 2.01-2.50

IPK 2.51-3.00

IPK 3.01-3.50

IPK 3.51-4.00

Total

1 Sangat buruk 0 2 0 0 2 2 Sedikit lebih

buruk atau sama dengan rata-rata

1 2 6 4 13

3 Sedikit lebih baik atau sama dengan rata-rata

0 1 8 4 13

4 Sangat baik 0 0 2 2 4

65 4.3. Hasil Analisis Data dan Pembahasan

Pada sub-bab ini akan disajikan hasil analisis data dan pembahasannya. Seperti

telah dijelaskan dalam bab sebelumnya, analisis data yang dilakukan meliputi Analisis

Ragam (ANOVA), Uji Nilai Tengah Berpasangan (paired t-test), dan Analisis Profil.

4.3.1. Analisis Ragam (ANOVA)

Analisis ragam merupakan suatu metode untuk menguji kesamaan nilai tengah

dari beberapa (lebih dari dua) kelompok secara bersamaan. Dalam penelitian ini

ANOVA digunakan untuk menguji kesamaan nilai tengah kecepatan partisipan atas

stimuli dengan kompleksitas sama namun berbeda panjang pola.

4.3.1.1. Analisis Ragam untuk Stimuli Sederhana

Penggambaran nilai tengah untuk masing-masing kelompok stimuli sederhana

disajikan pada Grafik 4.4. Terlihat bahwa nilai tengah kecepatan untuk masing-masing

kelompok meningkat dari kelompok 1 (panjang pola 4) hingga kelompok 4 (panjang

pola 10). Peningkatan paling drastis terlihat pada perpindahan dari kelompok 2 (panjang

pola sama dengan 6) ke kelompok 3 (panjang pola sama dengan 8).

Tabel 4.3. menyajikan hasil perhitungan ANOVA untuk kecepatan pada

kelompok-kelompok stimuli sederhana. Perhitungan ini dilakukan untuk memeriksa

apakah perbedaan nilai tengah seperti ditunjukkan pada Grafik 4.4. signifikan secara

statistik.

Melalui tabel dapat diperlihatkan bahwa perhitungan menghasilkan nilai F-

hitung sebesar 89.244, lebih dari cukup untuk menolak hipotesis nol tidak ada perbedaan

66 nilai tengah kecepatan antar kelompok. Penolakan hipotesis nol ini semakin diperkuat

dengan melihat signifikansi (p-value) yang sangat kecil.

Gambar 4.4 Plot Nilai Tengah Kecepatan

untuk Stimuli Sederhana

Tabel 4.3

Hasil Perhitungan ANOVA menggunakan SPSS


Sum of

Squares Df Mean Square F Sig. Between Groups 572,031 3 190,677 89,244 ,000 Within Groups 264,938 124 2,137

Total 836,969 127

Dalam suatu perhitungan ANOVA, apabila diputuskan penolakan hipotesis nol

maka dapat dilakukan uji lanjut (post hoc). Uji lanjut digunakan untuk mengetahui nilai

67 tengah kelompok mana yang berbeda. Uji lanjut yang digunakan dalam penelitian ini

adalah Uji Wilayah Berganda Duncan (Duncan’s Multiple Range Test).

Tabel 4.4. menampilkan perhitungan atas uji Duncan. Terlihat bahwa untuk

empat kelompok panjang pola, uji Duncan menyatakan pembagian menjadi empat

kelompok (ditampilkan sebagai kolom pada tabel). Pembagian empat kelompok menjadi

empat kelompok ini menunjukkan bahwa keseluruhan kelompok memang memiliki nilai

tengah kecepatan yang berbeda satu sama lain.

Tabel 4.4

Hasil Perhitungan Uji Duncan menggunakan SPSS

atas Stimuli Sederhana

4.3.1.2. Analisis Ragam untuk Stimuli Kompleks

Sama seperti pada tugas pengenalan stimuli sederhana, pada stimuli kompleks

pun perbedaan nilai tengah antar kelompok diuji menggunakan ANOVA. Grafik 4.5.

menampilkan plot nilai tengah untuk masing-masing kelompok stimuli kompleks.

68

Gambar 4.5 Plot Nilai Tengah Kecepatan

untuk Stimuli Kompleks

Terlihat pada grafik, peningkatan nilai tengah kecepatan untuk stimuli kompleks

memiliki kemiringan lebih tajam dibandingkan peningkatan pada stimuli sederhana.

Peningkatan ini juga memiliki karakteristik unik karena benar-benar menyerupai garis

lurus. Penulis mengajukan pendapat bahwa karakteristik garis lurus dan kemiringan

curam ini disebabkan oleh tugas pengenalan yang lebih kompleks. Sesuai dengan prinsip

memory-performance trade-off, dalam tugas yang kompleks peningkatan cognitive load

akan memperburuk kinerja partisipan.

Tabel 4.5. menyajikan perhitungan ANOVA untuk kelompok-kelompok pola

pada tugas pengenalan stimuli kompleks. Sama seperti pada stimuli sederhana, nilai F-

hitung sebesar 49.765 dan signifikansi yang sangat kecil menyatakan bahwa terdapat

cukup alasan untuk menolak hipotesis nol tidak ada perbedaan kecepatan antara

kelompok pola.

69

Tabel 4.5

Hasil Perhitungan ANOVA menggunakan SPSS


Penerapan uji Wilayah Berganda Duncan pada kelompok-kelompok pola stimuli

kompleks menunjukkan kelompok-kelompok pola tersebut memang memiliki nilai

tengah yang berbeda satu sama lain. Tabel 4.6. menunjukkan perbedaan nilai tengah

antar kelompok pada pada stimuli kompleks.

Tabel 4.6

Hasil Perhitungan Uji Duncan menggunakan SPSS

atas Stimuli Kompleks

70 4.3.2. Uji Nilai Tengah Pengamatan Berpasangan (paired t-test)

Memory-performance trade-off menyatakan bahwa performansi akan menurun

seiring penambahan kompleksitas dari tugas yang diberikan. Dalam konteks penelitian

ini, kompleksitas tugas dimanipulasi dengan pemberian stimuli pendistraksi (distracting

stimuli). Sesi pengenalan pola yang memiliki stimuli pendistraksi dinamakan stimuli

kompleks, sementara sesi yang tidak memiliki stimuli pendistraksi dinamakan stimuli

sederhana.

Dengan melihat ada/tidaknya stimuli pendistraksi, dapat disusun hipotesis bahwa

kecepatan partisipan dalam sesi stimuli kompleks akan lebih lambat dari kecepatan pada

sesi stimuli sederhana. Hipotesis ini diuji dengan metode Uji Nilai Tengah Berpasangan

atau paired t-test.

Grafik 4.6. menyajikan plotting kecepatan partisipan untuk keempat pola yang

digunakan. Dalam grafik tersebut kecepatan pada stimuli kompleks direpresentasikan

oleh warna biru dan kecepatan pada stimuli sederhana digambarkan menggunakan

warna hijau. Melalui pengamatan visual terlihat bahwa pada umumnya kecepatan

pengenalan pada stimuli kompleks lebih besar dari kecepatan pengenalan pada stimuli

sederhana. Mengingat kecepatan pengenalan pola didefinisikan sebagai jumlah

perulangan lengkap yang diperlukan partisipan untuk dapat mengulang kembali pola

secara benar, maka nilai kecepatan yang semakin tinggi dapat diartikan sebagai

kecepatan mengenali pola yang semakin lambat.

71

a. Plotting Kecepatan untuk Pola A

b. Plotting Kecepatan untuk Pola B

c. Plotting Kecepatan untuk Pola C

d. Plotting Kecepatan untuk Pola D

Keterangan: Stimuli kompleks Stimuli sederhana

Gambar 4.6 Plotting Kecepatan Partisipan pada

Stimuli Sederhana dan Kompleks

Selain pengamatan visual, perlu dilakukan pula Uji Nilai Tengah Berpasangan

untuk mengetahui signifikansi selisih kecepatan. Tabel 4.7. menyajikan hasil Uji Nilai

72 Tengah Berpasangan untuk keempat pola. Uji dilakukan dengan menggunakan

: 0DHo μ ≤ dan hipotesis alternatif 1 : 0DH μ > .

Tabel 4.7

Hasil Perhitungan Uji Nilai Tengah Berpasangan

Kompleks –

Simple

Paired Differences

T

df

Sig

(1-tailed)

Mean Std.

Deviation Std.Error

Mean 95% Interval

Lower Upper Pola A 2.3125 1.4906 0.2635 1.865737 Inf 8.7762 31 3.286e-10 Pola B 5.125 3.250 0.575 4.15079 Inf 8.9196 31 2.283e-10 Pola C 5.875 3.740 0.661 4.754166 Inf 8.8873 31 2.478e-10 Pola D 7.219 4.187 0.740 5.963778 Inf 9.7528 31 2.903e-11

Terlihat pada tabel bahwa uji atas keempat selisih kecepatan menghasilkan

penolakan hipotesis nol : 0DHo μ ≤ . Penolakan hipotesis nol ini berimplikasi pada

penerimaan hipotesis alternatif yang menyatakan bahwa selisih kecepatan antara stimuli

kompleks dan stimuli sederhana lebih besar dari nol. Keputusan ini sekaligus merupakan

konfirmasi atas efek manipulasi kompleksitas tugas terhadap performansi yang

dihasilkan.

4.3.3. Analisis Profil

Analisis Ragam dan Uji Nilai Tengah Berpasangan memberikan konfirmasi yang

jelas atas efek cognitive load dalam memperlambat kecepatan partisipan mengenali pola.

Pertanyaan selanjutnya adalah, apakah efek cognitive load tersebut sama terhadap

kelompok-kelompok partisipan yang dibagi menurut data control?

Untuk menjawab karakteristik efek cognitive load terhadap kelompok-kelompok

partisipan tersebut akan dilakukan Analisis Profil. Analisis Profil memiliki tiga

73 pertanyaan mendasar, (1) apakah profil-profil tersebut parallel (test of parallelism), (2)

apakah kelompok-kelompok data memiliki nilai tengah yang berbeda (test of levels), dan

(3) apakah nilai tengah kelompok berubah seiring perubahan variabel tak bebas (test of

flatness).

4.3.3.1. Analisis Profil untuk IPK

Data Control IPK membagi partisipan ke dalam empat kelompok. Kelompok I

adalah partisipan dengan IPK 2.01-2.50. Kelompok II adalah partisipan dengan IPK

2.51-3.00. Kelompok III dan IV masing-masing adalah partisipan dengan IPK 3.01-3.50

dan 3.51-4.00.

Grafik 4.7. dan 4.8. menampilkan plotting profil dari kelompok I, II, III, dan IV

untuk stimuli sederhana dan stimuli kompleks. Dalam kedua plotting tersebut terlihat

bahwa secara kasar profil dapat dikatakan parallel satu sama lain. Selain itu juga terlihat

bahwa kelompok dengan IPK lebih rendah cenderung memiliki nilai tengah kecepatan

yang lebih tinggi. Untuk stimuli sederhana, kelompok I (partisipan dengan IPK 2.01-

2.50) terlihat terpisah cukup jauh dari tiga kelompok yang lain. Sementara pada stimuli

kompleks, keterpisahan tersebut tidak nampak lagi kecuali pada pola D (pola ke-empat)

dimana nilai tengah kelompok IV meningkat secara drastis.

74

Gambar 4.7 Profil Kelompok Berdasarkan IPK


Gambar 4.8 Profil Kelompok Berdasarkan IPK


75 Tabel 4.8., Tabel 4.9, dan Tabel 4.10 menyajikan perhitungan Test of

Parallelism, Test of Flatness, dan Test of Levels untuk stimuli sederhana. Dari tabel-

tabel tersebut dapat diambil keputusan bahwa profil kelompok berdasar IPK pada stimuli

sederhana memiliki karakter parallel, levels, namun non-flat. Karakter demikian

menunjukkan bahwa peningkatan cognitive load (penambahan panjang pola)

memberikan efek perlambatan yang sama kepada semua kelompok. Hal ini ditunjukkan

dengan efek signifikan pada test of flatness dan efek tidak signifikan pada test of

parallelism. Selain itu dapat pula ditarik penilaian bahwa sekalipun pada Grafik 4.7.

kelompok I terlihat terpisah dari tiga kelompok lainnya, namun secara keseluruhan tidak

dapat dikatakan bahwa nilai tengah keempat kelompok tersebut berbeda.

Tabel 4.8

Hasil Perhitungan Test of Flatness Profil IPK

pada Stimuli Sederhana menggunakan SPSS

Tabel 4.9

Hasil Perhitungan Test of Parallelism Profil IPK


76

Tabel 4.10

Hasil Perhitungan Test of Levels Profil IPK


Terkait profil kelompok IPK pada stimuli kompleks, keputusan yang didapatkan

tidak berbeda dengan keputusan pada stimuli sederhana. Profil kelompok-kelompok IPK

dinyatakan saling parallel satu sama lain, berhimpit atau levels, dan tidak datar (non-

flat).

Tabel 4.11

Hasil Perhitungan Test of Flatness Profil IPK

pada Stimuli Kompleks menggunakan SPSS

Tabel 4.12

Hasil Perhitungan Test of Parallelism Profil IPK


77

Tabel 4.13

Hasil Perhitungan Test of Levels Profil IPK


4.3.3.2. Analisis Profil untuk Jenis kelamin

Grafik 4.9. dan Grafik 4.10 menyajikan profil kelompok laki-laki (biru) dan

perempuan (hijau) untuk stimuli sederhana dan kompleks. Kedua grafik tersebut

memberi indikas i awal karakteristik profil parallel, berhimpit (levels), dan tidak datar

(not flat)

Gambar 4.9 Profil Kelompok Berdasarkan Jenis kelamin


78

Gambar 4.10 Profil Kelompok Berdasarkan Jenis kelamin


Tabel 4.14, Tabel 4.15, dan Tabel 4.16 memberi konfirmasi atas dugaan

karakteristik profil pada stimuli sederhana. Nilai s ignifikansi yang kecil pada Tabel 4.14

dan nilai yang signifikansi yang besar (>0.05) pada Tabel 4.15 dan 4.16 menyatakan

bahwa profil berdasar jenis kelamin memang bersifat parallel, berhimpit, dan tidak datar.

Tabel 4.14

Hasil Perhitungan Test of Flatness Profil Jenis Kelamin


79

Tabel 4.15

Hasil Perhitungan Test of Parallelism Profil Jenis Kelamin


Tabel 4.16

Hasil Perhitungan Test of Levels Profil Jenis Kelamin


Sama seperti pada pembagian partisipan berdasar IPK, pada kelompok jenis

kelamin pun stimuli kompleks hanya meningkatkan nilai tengah kecepatan partisipan

tanpa mengubah karakteristik profilnya. Karakteristik profil berbasis jenis kelamin untuk

stimuli kompleks adalah paralel, berhimpit, dan tidak datar. Tabel 4.17, Tabel 4.18, dan

Tabel 4.19 menyajikan nilai statistik dan signifikansi untuk masing-masing uji.

Tabel 4.17

Hasil Perhitungan Test of Flatness Profil Jenis Kelamin


80

Tabel 4.18

Hasil Perhitungan Test of Parallelism Profil Jenis Kelamin


Tabel 4.19

Hasil Perhitungan Test of Levels Profil Jenis Kelamin


4.3.3.3 Analisis Profil untuk Prediksi Kinerja

Prediksi kinerja merupakan data control yang unik dan berbeda dari kedua data

control lain. Hal ini disebabkan karena prediksi kinerja memiliki sifat penilaian sendiri

(self-assessed). Berbeda dengan IPK dan jenis kelamin yang bukan merupakan suatu

pilihan bebas pada saat penelitian, untuk prediksi kinerja partisipan bebas memilih

pilihan prediksi yang menurutnya paling sesuai.

Grafik 4.11 dan 4.12 menampilkan profil kelompok berdasarkan prediksi kinerja

untuk sesi stimuli sederhana dan kompleks. Pada Grafik 4.11, stimuli sederhana, terlihat

bahwa partisipan yang memprediksi kinerjanya sebagai “sangat buruk” memiliki nilai

tengah kecepatan yang lebih tinggi dari kelompok partisipan lain. Nilai tengah yang

lebih tinggi ini terutama terlihat pada pola D dengan panjang 10.

81 Di sisi lain, pada sesi stimuli kompleks, dapat dikatakan tidak ada kelompok

partisipan yang memiliki karakter umum nilai tengah kecepatan lebih tinggi. Sebaliknya,

pada sesi ini yang terlihat cukup menonjol adalah kinerja partisipan yang memberi

prediksi kinerja “sedikit lebih baik atau sama dengan rata-rata“. Kinerja kelompok ini

mengungguli ketiga kelompok lain. Keunggulan ini terutama terlihat mulai dari pola B

dengan panjang enam penyalaan lingkaran.

Gambar 4.11 Profil Kelompok Berdasarkan Prediksi Kinerja


82

Gambar 4.12 Profil Kelompok Berdasarkan Prediksi Kinerja


Sekalipun dari Grafik 4.11 dan 4.12 dapat ditarik suatu pendapat umum atas

karakteristik profil, namun pendapat tersebut tentu kurang objektif. Untuk menyatakan

karakteristik tertentu dari beberapa profil, sama seperti untuk data control IPK dan jenis

kelamin, maka perlu dilakukan test of parallelism, test of flatness, dan test of levels.

Tabel 4.20, 4.21, dan 4.22 memberikan hasil perhitungan SPSS atas test of

parallelism, test of flatness, dan test of levels. Terlihat pada hasil perhitungan test of

parallelism dan test of levels bahwa nilai statistik uji terlalu kecil dengan signifikansi (p-

value) yang besar. Nilai demikian menunjukkan bahwa tidak terdapat cukup bukti untuk

menolah hipotesis nol profil parallel dan hipotesis nol profil berhimpit (level).

Hal sebaliknya terjadi pada test of flatness. Tabel 4.20 menunjukkan bahwa nilai

signifikansi uji sangat kecil (kurang dari 0.05). Nilai signifikansi sekecil ini merupakan

bukti yang cukup untuk menyatakan bahwa profil-profil kelompok tidak datar (not flat)

83

Tabel 4.20

Hasil Perhitungan Test of Flatness Profil Prediksi Kinerja


Tabel 4.21

Hasil Perhitungan Test of Parallelism Profil Prediksi Kinerja


Tabel 4.22

Hasil Perhitungan Test of Levels Profil Prediksi Kinerja


Perhitungan test of parallelism, test of flatness, dan test of levels untuk stimuli

kompleks disajikan pada Tabel 4.23, 4.24, dan 4.25. Sama seperti pada stimuli

sederhana, uji-uji tersebut menyatakan bahwa profil kelompok partisipan parallel,

berhimpit, dan tidak mendatar (not flat).

84

Tabel 4.23

Hasil Perhitungan Test of Flatness Profil Prediksi Kinerja


Tabel 4.24

Hasil Perhitungan Test of Parallelism Profil Prediksi Kinerja


Tabel 4.25

Hasil Perhitungan Test of Levels Profil Prediksi Kinerja


4.3.3.4 Ringkasan Hasil Analisis Profil

Tabel 4.26 menyajikan ringkasan hasil Analisis Profil untuk semua data control.

Keseluruhan data control menghasilkan keputusan yang sama terkait parallelism,

flatness, dan levels. Kesamaan seluruh profil data control ini, sekalipun secara sepintas

85 terlihat bertentangan dengan teori kecerdasan namun memiliki penjelasan alternative

yang cukup kuat pula.

Hasil untuk data control IPK dapat dijelaskan dengan beberapa kemungkinan.

Kemungkinan pertama, IPK kurang tepat untuk digunakan sebagai substitusi nilai

kecerdasan. Kemungkinan kedua, efek cognitive load lebih dominan ketimbang

predisposisi kecerdasan individu partisipan. Untuk data control jenis kelamin yang

menyatakan profil saling berhimpit, dapat dijelaskan dengan penjelasan alternatif bahwa

tugas stimuli seperti dalam penelitian ini bukanlah suatu tugas spasial yang mampu

membedakan predisposisi laki-laki dan perempuan. Bagaimanapun, sekalipun profil

dapat dikatakan tidak berbeda satu sama lain, namun efek cognitive load terlihat nyata

dengan ditolaknya hipotesis nol pola mendatar (flat) pada ketiga data control.

Tabel 4.26

Ringkasan Keputusan Analisis Profil

No Data Control Test of Parallelism

Test of Flatness

Test of Levels

1 IPK Terima Ho, nyatakan profil parallel

Tolak Ho, nyatakan profil tidak datar

Terima Ho, nyatakan profil berhimpit

2 Jenis kelamin Terima Ho, nyatakan profil parallel



3 Prediksi kinerja Terima Ho, nyatakan profil parallel



Analisis t Test

Documents