Pritasari, N.,F, Parhusip H.A, Susanto,B,2013. ANOVA untuk Analisis rata-rata Respon Mahasiswa Kelas Listening , prosiding (dalam proses) Seminar Nasional Matematika UNS 20 Nopember 2013. ============================================================================ Pritasari, N.,F, Parhusip H.A, Susanto,B,2013. ANOVA untuk Analisis rata-rata Respon Mahasiswa Kelas Listening , prosiding (dalam proses) Seminar Nasional Matematika UNS 20 Nopember 2013. ============================================================================ Pritasari, N.,F, Parhusip H.A, Susanto,B,2013. ANOVA untuk Analisis rata-rata Respon Mahasiswa Kelas Listening , prosiding (dalam proses) Seminar Nasional Matematika UNS 20 Nopember 2013. ============================================================================ Pritasari, N.,F, Parhusip H.A, Susanto,B,2013. ANOVA untuk Analisis rata-rata Respon Mahasiswa Kelas Listening , prosiding (dalam proses) Seminar Nasional Matematika UNS 20 Nopember 2013. ============================================================================ METODE PENELITIAN Jenis Penelitian Penelitian ini menggunakan pendekatan kuantitatif. Waktu dan Tempat Penelitian Penyebaran kuesioner dilakukan pada kelas Listening Fakultas Bahasa dan Sastra (FBS) UKSW selama tiga kali pertemuan pada setiap hari Senin tanggal 11, 18, dan 25 Februari 2013 untuk kelas A. Sedangkan untuk kelas B setiap hari Kamis tanggal 14, 21, dan 28 Februari 2013. Target atau Subjek Penelitian Subjek dari penelitian ini adalah mahasiswa baru kelas Listening FBS UKSW pada dua kelas yang berbeda. Data dan Teknik Pengumpulan Data  Data yang digunakan adalah data sekunder dari penelitian Rahandika (2013). Data tersebut diperoleh melalui penyebaran kuesioner yang berisi 13 pertanyaan yang sama di setiap minggu untuk 29 mahasiswa pada 2 kelas Listening FBS-UKSW selama tiga kali pertemuan. Isi kuesioner mengenai persepsi mahasiswa tentang variasi latihan pada kelas Listening. Jenis data adalah data skala 1-5 (skala likert) sebagai skala untuk menyatakan berturut-turut sangat tidak setuju hingga sangat setuju. Teknik Analisis Data ANOVAadalah suatu model yangcukup komprehensif untukmendeteksi perbedaan kelompok pada variabel terikat tunggal. Teknik yang lebih umum biasa dikenal sebagai multivariat analisis varians (MANOVA). MANOVA dapat dianggap sebagai ANOVA untuk situasi dimana ada beberapa variabel terikat. Pada Tabel 1 dijelaskan perbedaan dari ANOVA dan MANOVA. Informasi lebih lengkap dapat dilihat di Field (2009) dan Stevens (2009). Tabel 1. Perbedaan ANOVA dan MANOVA ANOVA MANOVA Hanya satu variabel terikat Beberapa variabel terikat Menguji perbedaan mean pada Menguji perbedaan vektor mean variabel terikat untuk beberapa beberapa variabel terikat variabel bebas Sedangkan perbedaan one-way repeated measures dan two-way repeated measures hanya pada variabel bebas. One-way repeated measures menggunakan satu variabel bebas dan two-way repeated measures menggunakan dua variabel bebas. a. Repeated Measures (Pengukuran Berulang) ANOVA Repeated measures adalah pengukuran berulang terhadap sekumpulan obyek atau partisipan yang sama. Pada prinsipnya Repeated Measures ANOVA sama dengan paired t-test untuk membandingkan rata-rata dua sampel yang saling berhubungan. Perbedaannya dengan ANOVA Pritasari, N.,F, Parhusip H.A, Susanto,B,2013. ANOVA untuk Analisis rata-rata Respon Mahasiswa Kelas Listening , prosiding (dalam proses) Seminar Nasional Matematika UNS 20 Nopember 2013. ============================================================================ adalah sampel uji ini adalah sampel pengukuran berulang, sementara ANOVA mensyaratkan sampel bebas. One-way repeated measures ANOVA biasanya digunakan untuk membandingkan nilai disain sebelum dan sesudah partisipan yang sama pada satu grup. Sedangkan two-way repeated measures ANOVA membandingkan pada dua grup. (Web 4) Dalam disain general linear model repeated measures, level dari within subject factor mewakili beberapa pengamatan dari skala waktu ke waktu dalam kondisi yang berbeda. Ada 3 jenis tes yang dilakukan jika within subject factormemiliki lebih dari dua level, yaitustandar univariat uji F, tes univariat alternatif, dantes multivariat. Tiga jenistes ini mengevaluasi hipotesis yang sama, rata-rata populasisama untuk semua level pada faktor (Web 1).  Standarunivariatuji F ANOVAtidak dianjurkanketikawithin subject factormemiliki lebih daridua levelkarenapadaasumsitersebut, asumsi Sphericity umumnyadilanggardanuji F ANOVAmenghasilkan p-value yangakuratsejauhasumsiini dilanggar.  Tes univariat alternatif memperhitungkanpelanggaranasumsiSphericity. Tes inimenggunakanpenghitunganstatistik Fyang sama denganstandarunivariattes.Namunp- valueberpotensiberbeda. Dalam menentukan p-value,sebuahepsilonstatistikdihitung berdasarkandata sampeluntukmengetahuiderajatyangmelanggar asumsiSphericity. Pembilang danpenyebutderajatkebebasanuji standardikalikan denganepsilonuntuk mendapatkanserangkaianderajat kebebasanyang sudah dikoreksi untukmembuatnilai Fyang baru danmenentukan p-value.  Tes multivariat tidak memerlukan asumsi Sphericity. Perbedaan nilai dihitung dengan membandingkan nilai-nilai dari berbagai levelwithin subject factor.Misalnya untuk within subject factor dengan tiga level, nilai perbedaan mungkin dihitung antara level pertama dengan kedua dan antara level kedua dengan ketiga. Tes multivariat kemudian akan mengevaluasi apakah rata-rata populasi untuk nilai perbedaan kedua pasangan secara simultan sama dengan nol. Tes ini tidak hanyamengevaluasi rata-rata terkait dengan dua pasangan nilai perbedaan, tetapi juga mengevaluasi apakah rata-rata dari nilai selisih antara level pertama dan ketiga faktor tersebut sama dengan nol sebagaikombinasi linier dari nilai perbedaan. Menurut Carey (1998), semua perhitungan statistik multivariat didasarkan pada akar-akar karakteristik dari matriks A yang dibentuk dari 𝐴 = 𝐻𝐸−1 (1) dengan H : matriks varians-kovarians perlakuan pada MANOVA E : matriks varians-kovarians error pada MANOVA. Dalam tes multivariat sendiri ada beberapa uji yang digunakan, yaitu:  Wilks’ Lamda Pritasari, N.,F, Parhusip H.A, Susanto,B,2013. ANOVA untuk Analisis rata-rata Respon Mahasiswa Kelas Listening , prosiding (dalam proses) Seminar Nasional Matematika UNS 20 Nopember 2013. ============================================================================ Statistik uji digunakan jika asumsi homogenitas dipenuhi. Nilai Wilks’ Lamda berkisar antara 0-1. Statistik uji ini yang sering dipakai (Web 2). Statistik uji Wilks’ Lamda dirumuskan sebagai: 𝛬 = 𝐸 = 𝑠 1 (2) 𝐻+𝐸 𝑖=11+𝜆𝑖 dengan 𝛬 : Wilks’ Lamda; 𝐸 : determinan dari matriks E;𝑠 : banyaknya akar-akar karakteristik dari matriks A;𝜆 : akar-akar karakteristik ke-i matriks A. 𝑖 Statistik Wilks’ Lamda di atas dapat ditransformasikan menjadi suatu statistik yang berdistribusi F. Khususnya Kasus 1: 𝑝 = 1,𝑔 ≥ 2 1−𝛬 𝑛−𝑔 ~ 𝐹 . (3) 𝑔−1,𝑛−𝑔 𝛬 𝑔−1 Kasus 2: 𝑝 ≥ 1,𝑔 = 2 1−𝛬 𝑛−𝑝−1 ~ 𝐹 (4) 𝑝,𝑛−𝑝−1 𝛬 𝑝−1 dengan 𝑝 : banyaknya variabel; 𝑔 : banyaknya grup; 𝑛 : banyaknya partisipan. Informasi lebih lanjut dapat dilihat pada Patel dkk (2013).  Pillai’s Trace Statistik uji ini paling cocok digunakan jika asumsi homogenitas tidak dipenuhi (Web 2). Statistik uji Pillai’s Trace 𝑉 dirumuskan sebagai: 𝑉 = 𝑡𝑟𝑎𝑐𝑒 𝐻 𝐻+𝐸 −1 = 𝑠 𝜆𝑖 . (5) 𝑖=11+𝜆𝑖 Beberapa ahli statistik menganggapnya paling kuat dari 4 statistik yang lain. Adapun aturan pengujiannya adalah tolak 𝐻 ketika 𝑉 ≥ 𝐶, dengan nilai 𝐶 diperoleh dari tabel nilai 0 kritis statistik tersebut (Giri, 2004).  Hotelling’s Trace Statistik uji ini jarang digunakan oleh para ahli (Web 2). Berikut rumus dari Hotelling’s Trace: 𝐻𝑜𝑡𝑒𝑙𝑙𝑖𝑛𝑔 = 𝑡𝑟𝑎𝑐𝑒 𝐻𝐸−1 = 𝑠 𝜆 . (6) 𝑖=1 𝑖 Statistik Hotelling’s Trace di atas dapat ditransformasikan menjadi suatu statistik yang berdistribusi F (Web 3). Khususnya 𝑣1 × 𝐻𝑜𝑡𝑒𝑙𝑙𝑖𝑛𝑔 ~𝐹 , (7) 𝑣2 𝑛 𝑚𝑖𝑛 𝑝,𝑞1 𝑣1,𝑣2 dimana 𝑣 = 𝑝𝑞 dan 𝑣 = 𝑛−𝑝−1 𝑚𝑖𝑛 𝑝,𝑞 , dengan p : akar-akar karakteristik dari matriks 1 1 2 1 A; n : banyaknya partisipan. Adapun aturan pengujiannya adalah tolak 𝐻 ketika 𝐻𝑜𝑡𝑒𝑙𝑙𝑖𝑛𝑔 ≥ 𝐶, dengan nilai 𝐶 diperoleh dari 0 tabel nilai kritis statistik tersebut (Giri, 2004).  Roy’s Largest Root Pritasari, N.,F, Parhusip H.A, Susanto,B,2013. ANOVA untuk Analisis rata-rata Respon Mahasiswa Kelas Listening , prosiding (dalam proses) Seminar Nasional Matematika UNS 20 Nopember 2013. ============================================================================ Roy’s Largest Root digunakan jika asumsi dipenuhi dan berkorelasi dengan kuat. Tetapi uji ini harus hati-hati dalam penggunaanya (Web 2). 𝑅𝑜𝑦′𝑠 𝐿𝑎𝑟𝑔𝑒𝑠𝑡 𝑅𝑜𝑜𝑡 = 𝑚𝑎𝑥 𝜆 . (8) 𝑖 Adapun aturan pengujiannya adalah tolak 𝐻 ketika 𝑅𝑜𝑦′𝑠 𝐿𝑎𝑟𝑔𝑒𝑠𝑡 𝑅𝑜𝑜𝑡 ≥ 𝐶, dengan nilai 𝐶 0 diperoleh dari tabel nilai kritis statistik tersebut (Giri, 2004). Keempat tes multivariat tersebut menggunakan uji statistik sebagai berikut: 𝐻 : 𝜇 = 𝜇 = ⋯ = 𝜇 (tidak ada perbedaan antar perlakuan) 0 1 2 𝑘 𝐻 : 𝜇 ≠ 𝜇 ≠ ⋯ ≠ 𝜇 (setidaknya ada perbedaan antar dua perlakuan). 𝑎 1 2 𝑘 Kriteria pengujiannya tolak 𝐻 jika p-value < 0.05 dan 𝐹 > 𝐹 . 0 𝑕𝑖𝑡𝑢𝑛𝑔 𝑡𝑎𝑏𝑒𝑙 b. Sphericity Pada dasarnya, asumsi Sphericitymengacu padakesamaanvariansdariperbedaan diantaralevel pada faktorrepeated measures.Dengan kata lain, kitamenghitungperbedaanantara setiap pasanganlevelfaktorrepeated measuresdankemudian menghitungvariansdarinilaiperbedaan.Sphericitymensyaratkan bahwavariansuntuk setiapnilaiperbedaansama. Kita mengasumsikanbahwa hubunganantara tiap pasangkelompokadalahsama. Untuk menguji asumsi Sphericity dapat menggunakan tes Mauchly, uji Greenhouse Geisser dan tes Huynh Feldt. Hipotesis untuk Sphericity: 𝐻 : 𝜎2 = 𝜎2 = 𝜎2 (tidak ada perbedaan yang signifikan diantara varians perbedaan) 0 𝑦1−𝑦2 𝑦1−𝑦3 𝑦2−𝑦3 𝐻 : 𝜎2 ≠ 𝜎2 ≠ 𝜎2 (ada perbedaan yang signifikan diantara varians perbedaan) 𝑎 𝑦1−𝑦2 𝑦1−𝑦3 𝑦2−𝑦3 dengan 𝑦 −𝑦 : perbedaan level 1 dengan level 2 pada faktorrepeated measure 1 2 𝑦 −𝑦 : perbedaan level 1 dengan level 3 pada faktorrepeated measure 1 3 𝑦 −𝑦 : perbedaan level 2 dengan level 3 pada faktorrepeated measure. 2 3 Kriteria pengujiannya tolak 𝐻 jika hasil p-value dari Mauchly Tests< 0.05, yang artinya 0 bahwa ada perbedaan yang signifikan diantara varians perbedaan, dengan kata lain bahwa kondisi Sphericity tidak ditemui (Field, 2012). Jika tes Mauchly dari Sphericity tidak signifikan, maka tes within-subjects effects dapat dilakukan. Sedangkan jika tes Mauchly dari Sphericity signifikan, tes multivariat yang digunakan (Ho, 2006). Jika data melanggar asumsi Sphericity, ada beberapa pembenaran yang dapat diterapkan untuk menghasilkan rasio Fyang valid. SPSS membuat tiga pembenaran berdasarkan perkiraan Sphericity yang dianjurkan oleh Greenhouse Geisser dan Huynh Feldt. Kedua perkiraan ini menimbulkan faktor koreksi yang diterapkan pada derajat kebebasan yang digunakan untuk menilai rasio Fyang telah diteliti. Pritasari, N.,F, Parhusip H.A, Susanto,B,2013. ANOVA untuk Analisis rata-rata Respon Mahasiswa Kelas Listening , prosiding (dalam proses) Seminar Nasional Matematika UNS 20 Nopember 2013. ============================================================================ 1 Koreksi Greenhouse Geisser biasanya dilambangkan dengan 𝜀 bervariasi antara dan 1, 𝑘−1 dimana k adalah jumlah kondisi repeated measures. Semakin 𝜀 dekat ke 1, varians dari perbedaan semakin homogen. Ketika estimasi Greenhouse Geisser lebih besardari 0,75 maka hipotesis nol ditolak. Ketika perkiraan Sphericity lebihbesar dari 0.75 maka koreksi Huynh Feldtharus digunakan, tetapi ketika perkiraan Sphericity kurang dari 0,75 atau Sphericity sama sekali tidak diketahui maka koreksi Greenhouse Geisser harus digunakansebagai gantinya (Field, 2009). c. Pengukuran Pengaruh atau Dampak Ukuran pengaruh keseluruhan untuk pendekatan univariat adalah parsial eta kuadrat 𝜂2 dan dapat dihitung menggunakan persamaan berikut: Parsial𝜂2 = 𝑆𝑆𝑓𝑎𝑐𝑡𝑜𝑟 . (9) 𝑓𝑎𝑐𝑡𝑜𝑟 𝑆𝑆𝑓𝑎𝑐𝑡𝑜𝑟 +𝑆𝑆𝑒𝑟𝑟𝑜𝑟 Ukuran pengaruh keseluruhan untuk uji multivariat terkait dengan Wilks’ Lamda 𝛬 adalah multivariat eta kuadrat dan dapat dihitung menggunakan persamaan berikut: Multivariat𝜂2 = 1−𝛬. (10) Nilai parsial eta kuadrat dan multivariat eta kuadrat berkisar antara 0 sampai 1. Nilai 0 menunjukkan tidak ada hubungan antara faktor repeated measures dan variabel terikat, sedangkan nilai 1 menunjukkan adanya hubungan yang kuat. (Web 1) d. Pairwise Comparisons Desain within-subjects direkomendasikan menggunakan pendekatan Bonferroni. Pendekatan ini harus digunakan terlepas dari apakah peneliti merencanakan untuk menguji semua perbandingan berpasangan atau hanya membuat keputusan untuk memeriksa data (Maxwell dkk, 2004) Uji statistik disusun sebagai berikut: 𝐻 ∶ 𝜇 = 𝜇 = ⋯ = 𝜇 (tidak ada perbedaan antar perlakuan) 0 1 2 𝑘 𝐻 ∶ 𝜇 ≠ 𝜇 ≠⋯ ≠ 𝜇 (ada perbedaan antar perlakuan). 𝑎 1 2 𝑘 Kriteria pengujiannya tolak 𝐻 jika p-value < 0.05. 0 Prosedur a. Variabel Penelitian 1. Variabel terikat (level) : banyaknya perlakuan, yaitu minggu pertama, minggu kedua dan minggu ketiga. 2. Variabel bebas (faktor repeated measures) : One-way repeated measures : rata-rata respon mahasiswa. Two-way repeated measures : kelas dan rata-rata respon mahasiswa. b. Langkah-langkah dalam Analisis Data 1. Menghitung rata-rata respon tiap mahasiswa pada tiap minggu. Pritasari, N.,F, Parhusip H.A, Susanto,B,2013. ANOVA untuk Analisis rata-rata Respon Mahasiswa Kelas Listening , prosiding (dalam proses) Seminar Nasional Matematika UNS 20 Nopember 2013. ============================================================================ 2. Menganalisa hasil Sphericity. Jika signifikan (p-value< 0.05) dilanjutkan tes multivariat, sebaliknya jika tidak signifikan dilanjutkan tes within-subject effects. 3. Jika dilanjutkan tes multivariat, setelah itu menganalisa keempat uji pada tes multivariat. Tolak Ho saat p-value < 0.05 dan sebaliknya. Untuk memperkuat hasil tersebut, kemudian menghitung nilai-nilai dari keempat uji menggunakan persamaan (1), (2) , (5), (6) dan (8). Statistik uji yang dianalisis adalah Wilks’ Lamda sehingga untuk menghitung penolakan Ho digunakan persamaan (3) dan (4). Tolak Ho saat 𝐹 > 𝐹 dan sebaliknya. 𝑕𝑖𝑡𝑢𝑛𝑔 𝑡𝑎𝑏𝑒𝑙 4. Jika dilanjutkan tes within-subject effects, setelah itu menganalisa p-value dari Greenhouse Geisser dan Huynh-Feldt. Tolak Ho saat p-value < 0.05 dan sebaliknya. Untuk memperkuat hasil tersebut, kemudian membuat perubahan derajat kebebasan untuk pembilang dan penyebut yang baru. 5. Menghitung pengaruh faktor dari repeated measures menggunakan persamaan (9) atau (10). 6. Menganalisa hasil p-value dari Pairwise Comparisons. Tolak 𝐻 jika p-value < 0.05. 0 HASIL PENELITIAN DAN PEMBAHASAN One-Way Repeated Measures Kasus 1 Akan diuji apakah ada perbedaan yang signifikan pada Kelas A minggu pertama, minggu kedua dan minggu ketiga. Hasil dari analisis mengindikasikan bahwa tes Mauchly dari Sphericity signifikan (p-value = 0 < 0.05). Artinya bahwa ada perbedaan yang signifikan diantara varians perbedaan, dengan kata lain bahwa kondisi Sphericity tidak ditemui. Oleh karena itu, tes within- subject effects tidak dapat digunakan, tetapi yang dapat digunakan adalah tes multivariat. Dari Tabel 2a dapat disimpulkan bahwa rata-rata minggu pertama sampai rata-rata minggu ketiga semakin meningkat, tetapi perbedaannya tidak terlalu jauh. Tabel 2a. Rata-rata dan standar deviasi Kelas Tabel 2b. Hasil dari tes multivariat untuk A Kelas A minggu pertama, kedua dan ketiga Respon Mahasiswa Mean Nama Uji p-value Minggu pertama 4.019 Pillai’s Trace 0.008 Minggu kedua 4.098 Wilks’ Lamda 0.008 Minggu ketiga 4.223 Hotelling’s Trace 0.008 Roy’s Largest Root 0.008 Untuk mengetahui apakah rata-rata dari minggu pertama sampai minggu ketiga berbeda secara signifikan, dapat dilakukan tes multivariat dengan melihat Tabel 2b. Dari semua uji diperoleh kesimpulan bahwa semua menolak Ho karena semua uji menghasilkan p-value yang sama yaitu 0.008 < 0.05. Maka ada perbedaan yang signifikan antara rata-rata respon mahasiswa pada minggu pertama sampai minggu ketiga. Pritasari, N.,F, Parhusip H.A, Susanto,B,2013. ANOVA untuk Analisis rata-rata Respon Mahasiswa Kelas Listening , prosiding (dalam proses) Seminar Nasional Matematika UNS 20 Nopember 2013. ============================================================================ Pada tes multivariat yang meliputi uji Pillai’s Trace, Wilks’ Lamda, Hotelling’s Trace dan Roy’s Largest Root, nilai-nilai dari keempat uji tersebut juga digunakan untuk memperkuat hasil hipotesis. Setiap uji dapat dihitung nilainya dengan menghitung akar-akar karakteristik terlebih dahulu. Dengan persamaan (1) dapat diperoleh: 0.605 0.077 3.262 −1.876 0.5763 0.4691 𝐻 = , 𝐸 = dan 𝐸−1 = . 0.077 0.010 −1.876 2.305 0.4691 0.8156 0.3848 0.3466 0.4290 Sehingga matriks 𝐴 = dan didapatkan akar-akar karakteristik . Setelah 0.0491 0.0443 0.0001 akar-akar karakteristik diperoleh maka uji-uji dalam tes multivariat dapat dihitung menggunakan persamaan (2), (5), (6) dan (8) sehingga diperoleh: 1 1 0.4290 0.0001 𝛬 = . = 0.6997; 𝑉 = + = 0.3003 1+0.4290 1+0.0001 1+0.4290 1+0.0001 𝐻𝑜𝑡𝑒𝑙𝑙𝑖𝑛𝑔 = 0.4290+0.0001= 0.4291; 𝑅𝑜𝑦′𝑠 𝐿𝑎𝑟𝑔𝑒𝑠𝑡 𝑅𝑜𝑜𝑡 = 0.4290. Dalam kasus ini yang dianalisis adalah 1 variabel dan 3 grup. Dari persamaan (3) diperoleh statistik F (hanya untuk Wilks Lamda karena uji yang lain tabel nilai kritis tidak diketahui) 1−0.6997 29−3 𝐹 = = 5.5794. 𝑕𝑖𝑡𝑢𝑛𝑔 0.6997 3−1 Dengan 𝛼 = 0.05 diperoleh nilai dari 𝐹 yaitu 𝐹 = 𝐹 = 3.37. Jadi 𝐻 ditolak 𝑡𝑎𝑏𝑒𝑙 3−1,29−3 2,26 0 karena𝐹 > 𝐹 . Artinya bahwa ada perbedaan yang signifikan antara rata-rata respon 𝑕𝑖𝑡𝑢𝑛𝑔 𝑡𝑎𝑏𝑒𝑙 mahasiswa pada minggu pertama sampai minggu ketiga. Kemudian mengukur pengaruh rata-rata respon mahasiswa tersebut menggunakan multivariat eta kuadrat sehingga diperoleh Multivariat𝜂2 = 1−0.6997= 0.3003. Dari hasil tersebut menunjukkan bahwa tidak ada hubungan antara rata-rata respon mahasiswa dan perlakuan yang diberikan setiap minggunya. Tabel 2d menunjukkan semua perbandingan berpasangan (dengan interval konfidensi Bonferroni) diantara 3 level. Dengan membandingkan respon setiap minggunya, kita dapat memasang-masangkan data rata-rata respon antar minggu pertama sampai minggu ketiga. Tabel 2d. Hasil analisa perbandingan berpasangan Kelas A Respon Mahasiswa p-value Analisa Minggu ke-1 dan ke-2 1 𝐻 diterima 0 Minggu ke-1 dan ke-3 0.092 𝐻 diterima 0 Minggu ke-2 dan ke-3 0.042 𝐻 ditolak 0 Dapat dilihat dari Tabel 2d, dengan  = 5% maka rata-rata respon mahasiswa minggu kedua dan minggu ketiga berbeda secara signifikan (p-value< 0.05). Rata-rata respon mahasiswa minggu pertama dengan minggu kedua dan rata-rata respon minggu pertama dengan minggu ketiga tidak berbeda secara signifikan (p-value> 0.05). Kasus 2