Analisis t Test
description
Transcript of 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
Gambar 4.2 Komposisi Partisipan
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.
Gambar 4.3 Komposisi Partisipan
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
untuk Stimuli Sederhana
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
untuk Stimuli Kompleks
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
untuk Stimuli Sederhana
Gambar 4.8 Profil Kelompok Berdasarkan IPK
untuk Stimuli Kompleks
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
pada Stimuli Sederhana menggunakan SPSS
76
Tabel 4.10
Hasil Perhitungan Test of Levels Profil IPK
pada Stimuli Sederhana menggunakan SPSS
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
pada Stimuli Kompleks menggunakan SPSS
77
Tabel 4.13
Hasil Perhitungan Test of Levels Profil IPK
pada Stimuli Kompleks menggunakan SPSS
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
untuk Stimuli Sederhana
78
Gambar 4.10 Profil Kelompok Berdasarkan Jenis kelamin
untuk Stimuli Kompleks
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
pada Stimuli Sederhana menggunakan SPSS
79
Tabel 4.15
Hasil Perhitungan Test of Parallelism Profil Jenis Kelamin
pada Stimuli Sederhana menggunakan SPSS
Tabel 4.16
Hasil Perhitungan Test of Levels Profil Jenis Kelamin
pada Stimuli Sederhana menggunakan SPSS
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
pada Stimuli Kompleks menggunakan SPSS
80
Tabel 4.18
Hasil Perhitungan Test of Parallelism Profil Jenis Kelamin
pada Stimuli Kompleks menggunakan SPSS
Tabel 4.19
Hasil Perhitungan Test of Levels Profil Jenis Kelamin
pada Stimuli Kompleks menggunakan SPSS
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
untuk Stimuli Sederhana
82
Gambar 4.12 Profil Kelompok Berdasarkan Prediksi Kinerja
untuk Stimuli Kompleks
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
pada Stimuli Sederhana menggunakan SPSS
Tabel 4.21
Hasil Perhitungan Test of Parallelism Profil Prediksi Kinerja
pada Stimuli Sederhana menggunakan SPSS
Tabel 4.22
Hasil Perhitungan Test of Levels Profil Prediksi Kinerja
pada Stimuli Sederhana menggunakan SPSS
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
pada Stimuli Kompleks menggunakan SPSS
Tabel 4.24
Hasil Perhitungan Test of Parallelism Profil Prediksi Kinerja
pada Stimuli Kompleks menggunakan SPSS
Tabel 4.25
Hasil Perhitungan Test of Levels Profil Prediksi Kinerja
pada Stimuli Kompleks menggunakan SPSS
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
Tolak Ho, nyatakan profil tidak datar
Terima Ho, nyatakan profil berhimpit
3 Prediksi kinerja Terima Ho, nyatakan profil parallel
Tolak Ho, nyatakan profil tidak datar
Terima Ho, nyatakan profil berhimpit