Tabel Durbin Watson adalah tabel pembanding dalam uji autokorelasi. Dalam dunia statistik, Uji Durbin Watson adalah sebuah test yang digunakan untuk mendeteksi terjadinya autokorelasi pada nilai residual (prediction errors) dari sebuah analisis regresi. Yang dimaksud dengan Autokorelasi adalah hubungan antara nilai-nilai yang dipisahkan satu sama lain dengan jeda waktu tertentu.
Uji ini dikemukakan oleh James Durbin dan Geoffrey Watson.
Cara Membaca Tabel Durbin Watson
T: Jumlah sampel (n)
k: Jumlah variabel
dL: Batas Bawah Durbin Watson
dU: Batas Atas Durbin Watson
Contoh: Kita melakukan uji regresi linear berganda dengan 2 variabel independen dan 1 variabel dependen dengan jumlah sampel sebanyak 50, didapatkan hasil Durbin Watson Hitung sebesar d = 2,010.
Maka nilai T = 50, k = 3. Selanjutnya pada tabel di atas cari nilai dL dan dU pada T = 50 dan k = 3, yaitu nilai dL = 1,46246 dan dU = 1,62833. Pada contoh di atas, nilai d = 2,010, maka kita hitung terlebih dahulu nilai (4 – d) = 1,990.
Cara menentukan atau kriteria pengujian autokorelasi adalah sebagai berikut:
Deteksi Autokorelasi Positif:
Jika d < dL maka terdapat autokorelasi positif,
Jika d > dU maka tidak terdapat autokorelasi positif,
Jika dL < d < dU maka pengujian tidak meyakinkan atau tidak dapat disimpulkan.
Deteksi Autokorelasi Negatif:
Jika (4 – d) < dL maka terdapat autokorelasi negatif,
Jika (4 – d) > dU maka tidak terdapat autokorelasi negatif,
Jika dL < (4 – d) < dU maka pengujian tidak meyakinkan atau tidak dapat disimpulkan.
Berdasarkan contoh di atas:
Deteksi Autokorelasi Positif:
Jika 2,010 < 1,46246 maka terdapat autokorelasi positif—> Salah
Jika 2,010 > 1,62833 maka tidak terdapat autokorelasi positif—> Benar
Jika 1,46246 < 2,010 < 1,62833 maka pengujian tidak meyakinkan atau tidak dapat disimpulkan—> Salah
Maksud di atas adalah, DW: 2,010 > DU: 1,62833, maka tidak terdapat autokorelasi positif.
Deteksi Autokorelasi Negatif:
Jika 1,990 < 1,46246 maka terdapat autokorelasi negatif—> Salah
Jika 1,990 > 1,62833 maka tidak terdapat autokorelasi negatif—> Benar
Jika 1,46246 < 1,990 < 1,62833 maka pengujian tidak meyakinkan atau tidak dapat disimpulkan—> Salah
Maksud di atas adalah, 4-DW: 2,010 yaitu 1,990 > DU: 1,62833, maka tidak terdapat autokorelasi negatif.
Maka dapat disimpulkan: pada analisis regresi tidak terdapat autokorelasi positif dan tidak terdapat autokorelasi negatif sehingga bisa disimpulkan sama sekali tidak terdapat autokorelasi.
Showing posts with label Tutorial. Show all posts
Showing posts with label Tutorial. Show all posts
Wednesday, November 02, 2022
Monday, October 24, 2022
UJI ASUMSI KLASIK : NORMALITAS RESIDUAL
by: Warji Permana
No comments
categories: Informasi, Pengetahuan, Ruang Pengetahuan, Sains, Statistik, Tutorial, Warji Permana
categories: Informasi, Pengetahuan, Ruang Pengetahuan, Sains, Statistik, Tutorial, Warji Permana
UJI ASUMSI KLASIK : NORMALITAS RESIDUAL
UJI ASUMSI KLASIK : AUTOKORELASI
by: Warji Permana
No comments
categories: Informasi, Pengetahuan, Sains, Statistik, Tutorial, Warji Permana
categories: Informasi, Pengetahuan, Sains, Statistik, Tutorial, Warji Permana
UJI ASUMSI KLASIK : AUTOKORELASI
UJI ASUMSI KLASIK : HETEROSKEDASTISITAS
by: Warji Permana
No comments
categories: Informasi, Pengetahuan, Sains, Statistik, Tutorial, Warji Permana
categories: Informasi, Pengetahuan, Sains, Statistik, Tutorial, Warji Permana
UJI ASUMSI KLASIK : HETEROSKEDASTISITAS
UJI ASUMSI KLASIK : MULTIKOLINEARITAS
by: Warji Permana
No comments
categories: Informasi, Pengetahuan, Sains, Statistik, Tutorial, Warji Permana
categories: Informasi, Pengetahuan, Sains, Statistik, Tutorial, Warji Permana
UJI ASUMSI KLASIK : MULTIKOLINEARITAS
REGRESI LINIER BERGANDA
by: Warji Permana
No comments
categories: Informasi, Pengetahuan, Sains, Statistik, Tutorial, Warji Permana
categories: Informasi, Pengetahuan, Sains, Statistik, Tutorial, Warji Permana
REGRESI LINIER BERGANDA
Wednesday, October 05, 2022
Mengenal SPSS
by: Warji Permana
No comments
categories: Informasi, Pengetahuan, Sains, Statistik, Tutorial, Warji Permana
categories: Informasi, Pengetahuan, Sains, Statistik, Tutorial, Warji Permana
Pengertian SPSS
SPSS adalah aplikasi komputasi untuk perhitungan
statistik, merupakan piranti lunak komputer yang saat ini lisensinya dimiliki
oleh IBM. Versi terbaru yang ada saat ini adalah SPSS26.
SPSS ini merupakan salah satu sofware statistik yang
paling populer di dunia, terutama juga di Indonesia. Sifatnya hanya pengenalan
awal jadi tidak akan menjelaskan satu persatu bagaimana cara melakukan berbagai
macam uji statistik menggunakan SPSS. Sebab tutorial SPSS yang menjelaskan hal
tersebut sebenarnya telah banyak panduannya dari berbagai sumber.
Uji SPSS sendiri banyak macanya,
yaitu : Uji Normalitas, Uji F dan Uji T, Regresi Linear, Regresi Logistik, Analisis Diskriminan, Anova dan banyak lagi lainnya.
Cara Install SPSS
SPSS sebagaimana aplikasi lainnya ada berbagai
macam, tergantung kepada konsol atau OS yang komputer yang digunakan. Salah
satunya adalah OS Windows buatan microsoft. Aplikasi SPSS pada windos dikenal
dengan istilah SPSS For Windows. Ada berbagai versi yang sudah direlease,
misalnya SPSS versi 16, 17, 18, 19, 20, 21, 22, 23 dan yang terakhir adalah
versi 26.
Ada berbagai perubahan atau lebih tepatnya
penambahan fitur pada tiap versi baru yang direlease. Namun prinsip
penggunaannya tetaplah sama dan tentunya akan kita bahas dalam kesempatan ini.
Apabila anda mendownload SPSS dari situs resmi IBM,
maka anda akan mendapatkan sebuah file dengan ekstensi .exe. Misalnya file
bernama spss.exe. Agar komputer anda dapat dapat digunakan untuk perhitungan SPSS,
maka cara pertama yang harus dilakukan adalah dengan mengeklik file exe
tersebut. Maksudnya adalah untuk menginstallnya di komputer atau laptop kita.
Jik sudah terinstall, barulah dapat digunakan sesuai dengan keinginan kita.
Komponen SPSS
Komponen aplikasi ini terdiri dari 2 file, yaitu
file berekstensi sav (.sav) dan file berekstensi spv (.spv). File sav adalah
file dataset, yaitu tempat data dientry dan diberi parameter-parameter.
Sedangkan file spv adalah file output tempat dimana hasil atau keluaran dari
analisis dapat kita lihat dan baca. dan lebih jauh file spv ini bisa kita
ekspor ke dalam MS word agar lebih mudah untuk digunakan dalam paper penelitian
kita.
Setelah komputer anda sudah terinstall SPSS, segera saja buka start atau tombol windows di keyboard anda, lalu cari shortcut SPSS. Shorccut ini juga bisa anda temui di dekstop. kemudian klik shortcut tersebut, maka setelah menunggu beberapa detik, jendela komputer anda akan terbuka jendela baru yang merupakan tampilan awal SPSS. Akan ada pilihan apakah akan mengimpor data atau langsung entry data pada file sav (dataset).
Impor Data SPSS
Jika anda pilih cancel,
maka anda akan entry langsung data pada dataset. Selanjutnya anda harus
memahami bahwa file sav atau dataset anda itu terdiri dari dua tampilan, yaitu
Data View dan Variable View. Data view adalah tempat anda akan entry data.
Sedangkan Variable view adalah tempat untuk memberikan parameter-parameter pada
masing-masing variabel. Lebih mudahnya, kolom pada dataview dijelaskan
parameternya pada variable view. Gambaran hubungan antara data view dan
variabel view adalah sebagai berikut:
Jika anda pilih cancel, maka anda akan entry langsung data pada dataset. Selanjutnya anda harus memahami bahwa file sav atau dataset anda itu terdiri dari dua tampilan, yaitu Data View dan Variable View. Data view adalah tempat anda akan entry data. Sedangkan Variable view adalah tempat untuk memberikan parameter-parameter pada masing-masing variabel. Lebih mudahnya, kolom pada dataview dijelaskan parameternya pada variable view. Gambaran hubungan antara data view dan variabel view adalah sebagai berikut:
Entry Data SPSS
Silahkan anda entry data pada kolom yang sudah disediakan. Satu kolom pada data view mewakili satu variabel. Sedangkan baris pada data view mewakili responden atau sample yang dianalisis.
Data View SPSS
Sedangkan satu baris pada variabel view mewakili
satu variabel. dalam tutorial SPSS ini contohnya adalah variabel Kelas, IQ dan
Nilai Ujian.
Pada Variable view dapat anda jelaskan nama
variabel, tipe data yang digunakan, label, value, skala data, panjang karakter
dan digit koma atau digit desimal. Tipe data ada berbagai pilihan, yaitu angka
(numeric), bilangan desimal (comma), Scientific Notation, Tanggal (date), Mata
Uang (Dollar), Huruf (string) dan lain-lain. Sedangkan Measure atau skala data
ada pilihan scale (data rasio atau interval), nominal dan ordinal.
Pada komponen value, bisa anda isi dengan kategorik,
misalnya: angka 1 adalah kelas A dan angka 2 adalah kelas B.
Menu SPSS
Jika anda sudah selesai melakukan entry data dan
juga memberikan parameter pada masing-masing variabel sesuai tutorial SPSS yang
telah dijelaskan di atas, maka selanjutnya anda bisa menggunakan berbagai menu
yang telah disediakan oleh SPSS.
Menu
disini ada beberapa macam dan masing-masing mempunyai banyak fungsi, antara
lain:
a)
File:
Digunakan untuk input output data. Antara lain membuat dataset baru, membuka dataset
lama yang sudah ada, membuka output lama, menjalankan syntax script, import
data dari database atau sumber lain, export data, menyimpan data, menyimpan
data ke dalam nama yang berbeda, melihat ringkasan file kerja, melihat tampilan
printout, membuka file kerja yang terbaru dibuat dan lain-lain.
b)
Edit:
Digunakan untuk mengubah atau update data, insert kasus, insert variabel
ataupun melakukan pencarian terhadap variabel dan/atau data.
c)
View:
Digunakan untuk mengubah tampilan, menampilkan atau mennyembunyikan menu bar,
toolbar, status bar dan gridlines.
d)
Data:
Digunakan untuk seleksi atau filer data, sorting atau mengurutkan, memperbaiki
parameter data, restrukturisasi data, transpose, copy dataset dan lain-lain.
e)
Transform:
Digunakan untuk membentuk variabel baru, melakukan perhitungan matematis,
membentuk time series data dan mempersiapkan data untuk data modellling.
f)
Analyze:
Digunakan untuk melakukan berbagai analisis statistik, baik parametris maupun
non parametris.
g)
Graph:
Digunakan untuk membuat grafik.
h)
Utilities:
Digunakan untuk memberikan comment data, menjalankan script macro, merge model
XML dan lain-lain.
i)
Add-ons:
Digunakan untuk menjalankan AddOns atau fitur tambahan dari SPSS.
j)
Window:
Digunakan untuk mengatur tampilan jendela window SPSS, apakah minimize, split
dan memilih window yang terbuka.
k)
Help:
Digunakan untuk memuat referensi cara penggunaan SPSS ataupun tutorial
statistik.
l)
Direct
Marketing: Pada SPSS versi baru, misal versi 20 atau diatasnya, fitur ini baru
ada. Digunakan untuk melakukan analisis pemasaran.
Output SPSS
Jika anda sudah melakukan berbagai langkah atau
analisis, outputnya bisa anda lihat pada file yang berekstensi spv (output).
Demikian penjelasan singkat mengenal SPSS semoga
bermanfaat.
Wednesday, April 05, 2017
Rumus Bangun Datar
Rumus Persegi
Keterangan :s = panjang sisi persegi
Rumus Persegi Panjang
Keterangan :
p = panjang persegi panjang, l = lebar persegi panjang
Rumus Segitiga
Keterangan :
Keliling = jumlah semua sisi
a = panjang alas segitiga, t = tinggi segitiga
Cara mencari panjang sisi miring segitiga siku-siku dengan menggunakan rumus Pythagoras (a² + b² = c²)
Cara menghitung luas segitiga juga bisa menggunakan rumus ini :
Luas = ½ x a x t
Rumus Lingkaran
Keterangan :
r = jari-jari, d = diameter
22
π (pi) = — atau 3,14
7
Rumus Jajaran Genjang
Keterangan :
a = panjang alas jajaran genjang, t = tinggi jajaran genjang
Rumus Belah Ketupat
Keterangan :
Keliling = jumlah semua sisi
Cara menghitung luas belah ketupat juga bisa menggunakan rumus ini :
Luas = ½ x diagonal (d) 1 x diagonal (d) 2
Rumus Trapesium
Keterangan :
Keliling = jumlah semua sisi
Sisi bawah (s1) dan sisi atas (s2) adalah sisi-sisi sejajar pada trapesium
t = tinggi trapesium
Cara menghitung luas trapesium juga bisa menggunakan rumus ini :
Luas = ½ x (s1 + s2) x t
Rumus Layang-layang
Keteranagan :
Keliling = 2p + 2l = 2 x (p + l)
p = panjang sisi layang-layang, l = lebar sisi layang-layang
Cara menghitung luaslayang-layang juga bisa menggunakan rumus ini :
Luas = ½ x diagonal (d) 1 x diagonal (d) 2
Rumus Bangun Ruang
Bangun ruang berbeda dengan bangun datar didalam menentukan rumusnya , yaitu tergantung dari bentuk bangun masing-masing. Secara umum bentuk dari bangun ruang seperti kubus dkk adalah 3 dimensi yang mempunyai isi atau volume berbeda dengan bangun datar yang hanya 2 dimensi.
Kubus terdapat 6 (enam) buah sisi yang berbentuk persegi dengan luas yang sama besar diantara sisinya.
Terdapat 12 (dua belas) rusuk dengan panjang rusuk yang sama panjang.
Semua sudut bernilai 90 derajat ataupun siku-siku.
Rumus:
Luas salah satu sisi = rusuk x rusuk
Luas Permukaan Kubus = 6 x rusuk x rusuk
Keliling Kubus = 12 x rusuk
Volume Kubus = rusuk x rusuk x rusuk ( rusuk 3 )
Rumus:
Luas Permukaan Balok = 2 x {(pxl) + (pxt) + (lxt)}
Diagonal Ruang = Akar dari (p kuadrat + l kuadrat + t kuadrat)
Keliling Balok = 4 x (p + l + t)
Volume Balok = p x l x t (sama dengan kubus, tapi semua rusuk kubus sama panjang).
1. RUMUS BANGUN RUANG KUBUS
Kubus terdapat 6 (enam) buah sisi yang berbentuk persegi dengan luas yang sama besar diantara sisinya.
Terdapat 12 (dua belas) rusuk dengan panjang rusuk yang sama panjang.
Semua sudut bernilai 90 derajat ataupun siku-siku.
Rumus:
Luas salah satu sisi = rusuk x rusuk
Luas Permukaan Kubus = 6 x rusuk x rusuk
Keliling Kubus = 12 x rusuk
Volume Kubus = rusuk x rusuk x rusuk ( rusuk 3 )
2. RUMUS BANGUN RUANG BALOK
Rumus:
Luas Permukaan Balok = 2 x {(pxl) + (pxt) + (lxt)}
Diagonal Ruang = Akar dari (p kuadrat + l kuadrat + t kuadrat)
Keliling Balok = 4 x (p + l + t)
Volume Balok = p x l x t (sama dengan kubus, tapi semua rusuk kubus sama panjang).
3. RUMUS BANGUN RUANG BOLA
Rumus:
Luas Bola = 4 x π x jari-jari x jari-jari, atau
4 x π x r2
Volume Bola = 4/3 x π x jari-jari x jari-jari x jari-jari
π = 3,14 atau 22/7
Rumus:
Volume = luas alas x tinggi, atau
luas lingkaran x t
Luas = luas alas + luas tutup + luas selimut, atau
( 2 x π x r x r) + π x d x t)
Rumus:
Volume = 1/3 x π x r x r x t
Luas = luas alas + luas selimut
Rumus:
Volume = 1/3 luas alas tinggi sisi
Luas = luas alas + jumlah luas sisi tegak
Luas Bola = 4 x π x jari-jari x jari-jari, atau
4 x π x r2
Volume Bola = 4/3 x π x jari-jari x jari-jari x jari-jari
π = 3,14 atau 22/7
4. RUMUS BANGUN RUANG TABUNG/SILINDER
Rumus:
Volume = luas alas x tinggi, atau
luas lingkaran x t
Luas = luas alas + luas tutup + luas selimut, atau
( 2 x π x r x r) + π x d x t)
5. RUMUS BANGUN RUANG KERUCUT
Rumus:
Volume = 1/3 x π x r x r x t
Luas = luas alas + luas selimut
6. RUMUS BANGUN RUANG LIMAS
Rumus:
Volume = 1/3 luas alas tinggi sisi
Luas = luas alas + jumlah luas sisi tegak
Membuat Variabel dan Data SPSS
Pada kesempatan ini, kita akan jelaskan mengenai pembuatan variabel baru yang ada dalam aplikasi SPSS, sebelum kita melakukan pengolahan data maka kita harus membuat variabel baru terlebih dahulu. Untuk membuat variabel baru anda dapat melihat pada tab dibawah lembar kerja SPSS, disitu terdapat 2 tab yaitu Tab Data View dan Tab Variabel View. Untuk membuat variabel baru berikut langkah nya :
1. Aktifkan variabel view dengan melakukan klik terhadap tulisan variabel view di pojok kiri bawah data editor SPSS.
1. Aktifkan variabel view dengan melakukan klik terhadap tulisan variabel view di pojok kiri bawah data editor SPSS.
2. Isikan nama variabel sesuai dengan tabel yang telah disusun pada kolom name seperti tampilan pada gambar dibawah ini :
3. Kolom type diatur sesuai dengan kebutuhan dengan melakukan klik pada tombol yang ada di sebelah kanan tipe variabel sehingga muncul kotak dialog untuk memilih type data yang sesuai.
4. Kolom width diatur sesuai lebar yang dibutuhkan suatu data yang diperlukan untuk menentukan berapa digit atau karakter data yang dapat dimasukan.
5. Kolom decimal digunakan untuk mengisi jumlah angka desimal yang diinginkan (jumlah angka dibelakang koma). Tetapi kolom ini hanya dapat diisi apabila data pada kolom tersebut bertipe numeric saja.
6. Kolom label digunakan untuk memberikan keterangan penjelasan tentang karakteristik dari variabel atau yang lainnya.
7. Kolom values digunakan untuk memberi penjelasan nilai-nilai individual dengan label sesuai yang diinginkan.
8. Kolom missing values digunakan apabila dalam data yang akan diolah terdapat data-data yang hilang atau tidak ada, misalkan pada kolom missing diisi tanda 0.00 maka apabila variabel tersebut data yang dimasukan adalah 0.00 berarti data tersebut tidak ada. Jadi missing value terjadi dalam suatu file data yang terdapat data yang tidak tercatat dikarenakan suatu hal.
9. Kolom columns digunakan untuk menentukan lebar kolom data
10. Kolom align digunakan untuk mengatur dan menunjukan perataan tampilan data. Seperti rata kiri (left), rata kanan (right), center (center)
11. Kolom measure menunjukan jenis pengukuran data apakah tipe data skala, nominal atau ordinal. Untuk data string hanya bisa menggunakan measure nominal dan ordinal, sedangkan untuk data numeric bisa memilih ketiga nya.
Setelah mendefinisikan maka dilakukan pengisian data sesuai dengan tabel yang telah dipersiapkan sebelumnya. Aktifkan terlebih dahulu data view dan lakukan pengisian tabel sebagai berikut :
Langkah untu menyimpan, menutup dan memanggil file
Setelah semua data dimasukan ke dalam data editor, maka data tersebut bisa disimpan dengan langkah sebagai berikut :
1. Klik file
2. Pilih menu save
3. Ketikan nama file misal data nilai
4. Secara otomatis file akan tersimpan dengan ekstensi *.sav.
Untuk menutup program SPSS, tekan menu file kemudian pilih Exit
Ketika suatu saat kita masuk kembali pada program SPSS dan ingin memanggil file data yang pernah dibuat, gunakan perintah :
1. Klik menu file, kemudian pilih open
2. Klik menu data, kemudian pilih nama file yang akan dibuka
Demikian tutorial statistik mengenai cara membuat variabel dan data baru pada aplikasi SPSS, semoga bermanfaat.
Compare Means SPSS
Biasanya analisis compare means ini ditujukan untuk membandingkan nilai variabel X dan variabel Y. Berikut ini akan dijelaskan mengenai definisi compare means.
Compare means dalam bahasa Indonesia disebut dengan uji perbandingan rata-rata. Sesuai dengan namanya, uji ini digunakan untuk membandingkan rata-rata sampel independen ataupun sampel berpasangan dengan menghitung t student dan menampilkan probabilitas dua arah selisih dua rata-rata.
Berbagai analisis yang ada dalam uji ini terdapat pada menu Analyze -> Compare Means seperti gambar dibawah ini :
1. Prosedure Means
Prosedur ini digunakan untuk menghitung subgroup rata-rata dan hubungan uni variant untuk variabel dependen dengan kategori pada satu atau lebih variabel independen.
Contoh kasus
Pada tabel yang sudah dibuat dibawah ini, selanjutnya buatlah analisis Means nya untuk mengetahui hubungan variabel dependen dan independen
Langkah pengerjaan
Untuk melakukan analisis means, lakukan langkah-langkah sebagai berikut :
a. Buat tabel data sebagai berikut :
b. Klik menu Analyze -> Compare Means
c. Pilih Means dan kemudian akan muncul tampilan sebagai berikut :
Masukan variabel Nilai_tes pada kotak dependent list dan variabel jam_belajar pada kotak independent list. Dalam analisis ini terdapat type data variabel dependent yang merupakan data kuantitatif dan type data variabel independent yang merupakan kategori.
d. Klik Options jika akan melakukan pemilihan sub prosedur yang multi sum, Number of cases, Mean, Median, Group Median, Standard Error of the Mean, Minimum, Maksimum, Range dan lain-lain.
e. Pilih Cell Statistics untuk memasukan daftar analisa yang dipilih. Dalam kasus ini digunakan analisa untuk mencari Means, Number of cases dan standard deviation. Aktifkan check box Anova dan test for linearity jika diperlukan
f. Klik OK untuk melihat hasil analisa
Pembahasan Output
Ada beberapa output yang muncul. Pada output yang pertama adalah case processing summary yang menunjukan jumlah kasus yang dianalisa sejumlah 15 kasus.
Output yang kedua berupa report yang menunjukan data-data mean atau nilai rata-rata, standard deviasi, dan jumlah data tiap kelompoknya.
Sedangkan output berikutnya adalah tabel Anova dengan menampilkan nilai F hitung seperti gambar dibawah ini :
Referensi Untuk Tabel F
Jika dilihat dari hasil uji Anova signifikansi 0,000. Nilai signifikansi 0,000 < α 0,05 pada tingkat kepercayaan 95%. Hal tersebut menunjukan bahwa Ho ditolak dan H1 diterima.
Nilai – nilai yang penting untuk melakukan analisa adalah :
- Fhitung = 17,711 (untuk pengambilan keputusan)
- df Between Groups = jumlah variabel – 1, jadi 5 – 1 = 4 (nilai df1 pada tabel F)
- df Within Groups = jumlah data – jumlah variabel, jadi 15– 5 = 10 (nilai df2 pada tabel F)
Untuk itu maka didapat Ftabel = 3,48.
Dari tabel diatas dapat dilihat nilai F hitung yaitu 17,711, sedangkan nilai F tabel 3,48 dengan tarap siginifikan 0,05. Karena F hitung (17,711) > F tabel (3,48) maka Ho ditolak dan Ha diterima. Jika F hitung < F tabel, maka model tidak signifikan, dengan data diatas diketahui bahwa Fhitung > F tabel, maka model dikatakan signifikan.
Terlihat dari tabel ANOVA bahwa nilai F hitung = 17,711 yang mana nilai ini lebih besar dari nilai F tabel 3,48 diperkuat dengan nilai p = 0.000 lebih kecil dari pada nilai kritik α=0,05. Sehingga dapat disimpulkan bahwa kita dapat menolak Ho, yang artinya terdapat perbedaan antara uji nilai tes dengan jam belajar.
Demikian tutorial mengenai analisis compare means, semoga tutorial ini dapat bermanfaat.