Biar Nggak Blank Saat Dosen Tanya, “Ini Uji t atau Uji F?”

admin
24/04/2026
15:08

Pernah nggak kamu lagi jelasin hasil olah data, tabel sudah kebuka, angka signifikansi penelitian juga sudah ada, tapi pas dosen nanya, “Ini pakai uji t atau uji F?” kamu langsung berhenti beberapa detik? Padahal hasilnya ada di depan mata. Masalahnya sering bukan karena datanya salah, tapi karena banyak mahasiswa belum benar-benar paham logika uji t dan uji f saat menjelaskan pengaruh parsial dan simultan. Akibatnya, interpretasi jadi muter-muter, jawaban terdengar ragu, dan pembahasan di Bab 4 kelihatan seperti hafalan, bukan hasil pemahaman.

Ini kejadian yang lebih sering dari yang kelihatan. Banyak mahasiswa bisa klik menu regresi di SPSS, bisa keluar tabel, bahkan bisa menyalin angka ke draft skripsi. Tapi begitu masuk ke tahap menjelaskan, mereka bingung harus mulai dari mana. Mana yang dipakai untuk interpretasi uji t, mana yang dipakai untuk interpretasi uji f, kapan harus bicara pengaruh parsial dan simultan, dan kenapa angka signifikansi penelitian tidak boleh dibaca seenaknya. Di titik ini, yang bikin berat bukan statistiknya, tapi cara menata logika penjelasannya.

Padahal kalau polanya sudah kebaca, pembahasan uji t dan uji f sebenarnya nggak serumit yang dibayangkan. Kamu cuma perlu tahu dulu fungsi masing-masing uji, pertanyaan penelitian yang sedang dijawab, lalu urutan aman buat membaca hasil. Begitu tiga hal ini beres, penjelasanmu bakal jauh lebih rapi, lebih singkat, dan nggak terkesan muter di tempat.

Daftar Isi

Kenapa Uji t dan Uji F Sering Bikin Mahasiswa Kebalik?

Salah satu penyebab utamanya adalah banyak mahasiswa belajar dari template, bukan dari logika. Mereka tahu kalimat umumnya seperti apa. Misalnya, kalau signifikansi di bawah 0,05 berarti signifikan. Kalau t hitung lebih besar dari t tabel berarti ada pengaruh. Kalau F hitung lebih besar dari F tabel berarti model signifikan. Secara permukaan, ini memang sering dipakai. Tapi masalah muncul ketika kalimat-kalimat itu dihafal tanpa benar-benar dipahami konteksnya.

Akibatnya, uji t dan uji F sering dianggap hanya beda nama. Padahal keduanya menjawab pertanyaan yang berbeda. Uji t biasanya dipakai untuk melihat pengaruh masing-masing variabel bebas terhadap variabel terikat secara terpisah. Sementara uji F dipakai untuk melihat apakah seluruh variabel bebas secara bersama-sama punya pengaruh terhadap variabel terikat. Kalau dua fungsi dasar ini saja masih campur, wajar kalau penjelasan hasil jadi berputar-putar.

Penyebab lain adalah mahasiswa terlalu cepat fokus ke angka, bukan ke arti uji. Begitu lihat nilai sig., perhatian langsung tertarik ke situ. Padahal angka itu cuma salah satu petunjuk. Sebelum sampai ke sana, kamu harus paham dulu kamu sedang membaca hasil apa. Kalau nggak, semua angka akan terlihat penting, dan akhirnya kamu menjelaskan semuanya tanpa arah.

Ada juga yang bingung karena merasa tabel SPSS terlalu banyak. Tabel ANOVA, tabel coefficients, model summary, semuanya kelihatan resmi dan penuh angka. Lalu karena belum punya urutan baca yang jelas, mereka masuk ke tabel mana saja yang duluan menarik perhatian. Hasilnya, penjelasan tidak runtut. Kadang bicara simultan dulu, lalu lompat ke parsial, lalu balik lagi ke model, dan akhirnya dosen merasa mahasiswa belum pegang inti analisisnya.

Yang Sebenarnya Ingin Dengar Dosen Saat Kamu Menjelaskan Hasil

Dosen biasanya nggak butuh kamu menyebut semua angka. Yang mereka cari adalah: kamu paham nggak apa yang sedang diuji? Kamu tahu nggak kenapa pakai uji t di satu bagian dan uji F di bagian lain? Kamu bisa nggak menyambungkan angka itu dengan hipotesis dan tujuan penelitian?

Jadi saat menjelaskan hasil, fokus utamanya bukan membacakan tabel satu per satu. Fokusnya adalah menjawab pertanyaan penelitian dengan alat statistik yang tepat. Misalnya, kalau dosen nanya pengaruh parsial, berarti kamu harus masuk ke logika interpretasi uji t. Kalau yang ditanya pengaruh bersama-sama, berarti kamu pindah ke interpretasi uji f. Sederhana, tapi sering luput.

Yang bikin penjelasan terlihat matang itu bukan banyaknya istilah statistik yang kamu sebut, tapi seberapa jernih kamu menjelaskan relasi antara output dan maknanya. Dosen lebih nyaman mendengar penjelasan seperti, “Variabel X berpengaruh secara parsial terhadap Y berdasarkan hasil uji t,” daripada penjelasan yang penuh angka tapi tidak jelas ujungnya. Angka tetap penting, tapi ia harus melayani makna, bukan malah menenggelamkan makna.

Karena itu, sebelum membahas teknis yang lebih jauh, hal pertama yang perlu kamu pegang adalah ini: uji t dan uji f bukan sekadar prosedur statistik. Mereka adalah alat untuk menjawab dua jenis pertanyaan yang berbeda dalam penelitianmu. Kalau fungsi itu sudah duduk rapi di kepala, penjelasanmu akan jauh lebih tenang.

Mulai dari Pertanyaan Penelitian, Bukan dari Tabel

Cara paling aman supaya nggak kebalik adalah mulai dari pertanyaan penelitian. Kalau penelitianmu ingin tahu apakah masing-masing variabel bebas berpengaruh terhadap variabel terikat, maka kamu akan butuh uji t. Kalau penelitianmu ingin tahu apakah semua variabel bebas secara bersama-sama berpengaruh, maka kamu akan butuh uji F.

Urutan berpikir ini penting banget. Karena kalau kamu mulai dari tabel, kamu cenderung terseret angka. Tapi kalau kamu mulai dari pertanyaan penelitian, kamu akan lebih mudah menentukan tabel mana yang memang relevan. Ini yang bikin penjelasan terasa lebih terarah.

Jadi, sebelum masuk ke pembahasan teknis, pegang dulu satu prinsip ini: statistik bukan tujuan akhir. Statistik adalah alat bantu untuk menjawab pertanyaan penelitian. Dan dalam konteks regresi, uji t dan uji f adalah dua alat yang paling sering dipakai untuk menjawab dua jenis pertanyaan yang berbeda, yaitu pengaruh parsial dan simultan.

Apa Bedanya Uji t dan Uji F dalam Bahasa yang Nggak Ribet?

Kalau mau dibuat sesederhana mungkin, bedanya begini: uji t dipakai untuk melihat pengaruh satu variabel bebas secara sendiri-sendiri terhadap variabel terikat, sedangkan uji F dipakai untuk melihat pengaruh semua variabel bebas secara bersama-sama terhadap variabel terikat. Itu inti dasarnya.

Misalnya kamu meneliti pengaruh kualitas pelayanan, harga, dan promosi terhadap kepuasan pelanggan. Nah, saat kamu ingin tahu apakah kualitas pelayanan berpengaruh sendiri terhadap kepuasan pelanggan, kamu masuk ke uji t. Saat kamu ingin tahu apakah harga berpengaruh sendiri, itu juga uji t. Saat kamu ingin tahu apakah promosi berpengaruh sendiri, tetap uji t. Jadi uji t itu membaca pengaruh per variabel.

Sementara kalau kamu ingin melihat apakah kualitas pelayanan, harga, dan promosi secara bersama-sama berpengaruh terhadap kepuasan pelanggan, kamu pakai uji F. Jadi logikanya bukan lagi satu per satu, tapi kolektif. Ini yang disebut pengaruh parsial dan simultan. Parsial berarti sendiri-sendiri, simultan berarti bersama-sama.

Masalahnya, banyak mahasiswa tahu definisi ini, tapi belum bisa menggunakannya secara praktis. Begitu melihat output, mereka masih bingung kapan harus bicara parsial dan kapan harus bicara simultan. Padahal kalau logikanya sudah masuk, kamu tinggal menyesuaikan dengan pertanyaan yang sedang dijawab.

Cara Aman Membaca Interpretasi Uji t

Dalam konteks regresi, interpretasi uji t biasanya dilakukan lewat tabel coefficients. Di tabel ini kamu bisa melihat nilai t, signifikansi penelitian, dan koefisien dari masing-masing variabel bebas. Tapi jangan buru-buru lihat semua kolom sekaligus. Ada urutan aman yang bikin penjelasanmu lebih rapi.

Pertama, lihat dulu variabel mana yang sedang ingin kamu bahas. Fokus satu per satu. Jangan campur semua variabel dalam satu tarikan napas. Kedua, cek nilai signifikansinya. Kalau nilai sig. di bawah batas yang kamu pakai, biasanya 0,05, maka secara umum variabel itu dianggap berpengaruh signifikan secara parsial. Ketiga, lihat arah koefisiennya. Apakah positif atau negatif. Ini penting, karena signifikan saja belum cukup. Dosen juga ingin tahu pengaruhnya searah atau berlawanan.

Keempat, baru ubah hasil itu jadi bahasa penelitian. Misalnya, kalau variabel kualitas pelayanan punya sig. di bawah 0,05 dan koefisien positif, kamu bisa jelaskan bahwa kualitas pelayanan berpengaruh positif dan signifikan terhadap kepuasan pelanggan. Dari sini, kamu sudah menjawab satu hipotesis parsial dengan lebih rapi.

Yang sering bikin salah adalah mahasiswa cuma berhenti di kata “signifikan.” Padahal interpretasi uji t yang baik harus memuat minimal tiga hal: variabel yang dibahas, status signifikansinya, dan arah pengaruhnya. Kalau salah satu hilang, penjelasanmu terasa setengah jadi.

Masalah lain yang cukup sering muncul adalah penjelasan terlalu matematis tapi nggak hidup. Misalnya, semua hasil dibacakan seperti rumus. Ini bikin dosen merasa kamu cuma menghafal. Padahal akan jauh lebih kuat kalau setelah menyebutkan hasil uji, kamu sambungkan sedikit dengan konteks penelitian. Nggak perlu panjang, tapi cukup untuk menunjukkan bahwa kamu paham arti praktisnya.

Cara Aman Membaca Interpretasi Uji F

Kalau interpretasi uji f, fokusnya bukan lagi pada satu variabel. Fokusnya adalah model secara keseluruhan. Jadi saat membaca uji F, yang kamu jawab bukan “variabel A berpengaruh atau tidak”, melainkan “apakah seluruh variabel bebas dalam model ini secara bersama-sama punya pengaruh terhadap variabel terikat?”

Biasanya hasil ini dibaca lewat tabel ANOVA pada output regresi. Di situ kamu akan menemukan nilai F dan nilai signifikansi penelitian. Secara umum, kalau nilai signifikansi di bawah 0,05, maka model dianggap signifikan secara simultan. Artinya, variabel-variabel bebas yang kamu masukkan bersama-sama memang punya hubungan yang bermakna terhadap variabel terikat.

Tapi sekali lagi, jangan berhenti di angka. Interpretasi uji f yang matang harus menjelaskan bahwa model regresimu layak dipakai untuk membahas pengaruh simultan. Ini penting karena uji F bukan sekadar “ada pengaruh” atau “nggak ada pengaruh.” Ia juga memberi pesan tentang kelayakan model secara kolektif.

Kesalahan yang sering terjadi adalah mahasiswa memakai hasil uji F untuk menyimpulkan bahwa semua variabel pasti signifikan satu per satu. Padahal itu nggak otomatis begitu. Bisa saja model signifikan secara simultan, tapi ketika dibaca parsial, ternyata ada satu variabel yang tidak signifikan. Jadi jangan campur logika uji t dan uji F. Keduanya saling melengkapi, tapi tidak saling menggantikan.

Kalau kamu menjelaskan interpretasi uji f ke dosen, cara paling aman adalah begini: mulai dari fungsi uji F, sebutkan hasil signifikansinya, lalu simpulkan bahwa model secara bersama-sama berpengaruh atau tidak terhadap variabel terikat. Setelah itu, baru pindah ke uji t kalau kamu ingin membedah masing-masing variabel. Dengan urutan seperti ini, penjelasanmu akan terasa jauh lebih bersih.

Signifikansi Penelitian Itu Penting, Tapi Bukan Satu-Satunya Isi Pembahasan

Ini bagian yang perlu ditegaskan, karena banyak mahasiswa terlalu terpaku pada angka sig. Padahal signifikansi penelitian bukan satu-satunya isi pembahasan. Ia memang penting, karena membantu kamu menilai apakah hasil uji cukup kuat secara statistik. Tapi dia bukan keseluruhan cerita.

Kalau semua perhatian cuma diletakkan di angka sig., pembahasanmu akan terasa miskin. Kamu bisa saja benar secara teknis, tapi tetap terasa dangkal. Sebab penelitian bukan cuma soal “signifikan atau tidak.” Penelitian juga soal arah hubungan, kekuatan model, relevansi teoritis, dan makna hasil dalam konteks lapangan.

Misalnya ada variabel yang signifikan. Oke, itu penting. Tapi setelah itu apa? Apakah pengaruhnya positif atau negatif? Apakah hasil ini masuk akal secara teori? Apakah selaras dengan penelitian sebelumnya? Apakah secara praktis hasil ini punya arti untuk objek penelitianmu? Nah, bagian-bagian seperti ini yang sering hilang kalau mahasiswa terlalu sibuk memburu angka sig.

Sebaliknya, kalau ada hasil yang tidak signifikan, jangan langsung merasa penelitianmu gagal. Hasil tidak signifikan tetap hasil. Yang penting adalah kamu bisa menjelaskan dengan jujur dan masuk akal. Kadang hasil seperti ini justru menarik, karena menunjukkan bahwa asumsi awal tidak selalu terbukti. Dan dalam penelitian, itu tetap sah.

Jadi, signifikansi penelitian penting, tapi dia harus dibaca bersama elemen lain. Kalau kamu bisa menjaga keseimbangan ini, pembahasanmu akan terasa lebih matang dan lebih manusiawi.

Urutan Jelasin ke Dosen Biar Nggak Muter-muter

Kalau kamu lagi presentasi seminar, sidang, atau bimbingan, salah satu tantangan terbesar bukan hasilnya, tapi cara menyampaikannya. Banyak mahasiswa sebenarnya paham sedikit-sedikit, tapi saat menjelaskan hasil malah berputar. Mulai dari angka, pindah ke hipotesis, balik ke tabel, lalu akhirnya lupa inti yang sedang dibicarakan.

Supaya nggak muter-muter, pakai urutan yang sederhana. Pertama, sebutkan dulu uji yang sedang kamu bahas. Kedua, jelaskan fungsi uji itu. Ketiga, sebutkan hasil utamanya. Keempat, tarik simpulannya sesuai konteks penelitian.

Misalnya untuk interpretasi uji t, kamu bisa jelaskan begini: “Uji t dipakai untuk melihat pengaruh masing-masing variabel bebas secara parsial terhadap variabel terikat. Berdasarkan hasil uji, variabel kualitas pelayanan memiliki nilai signifikansi di bawah 0,05 dengan koefisien positif. Jadi, secara parsial kualitas pelayanan berpengaruh positif dan signifikan terhadap kepuasan pelanggan.” Selesai. Ringkas, jelas, dan nggak muter.

Untuk interpretasi uji f, polanya juga mirip: “Uji F digunakan untuk melihat pengaruh seluruh variabel bebas secara simultan terhadap variabel terikat. Berdasarkan hasil uji, nilai signifikansinya di bawah 0,05, sehingga dapat disimpulkan bahwa seluruh variabel bebas secara bersama-sama berpengaruh signifikan terhadap kepuasan pelanggan.” Ini lebih enak didengar dibanding membaca tabel mentah.

Urutan seperti ini penting karena membuat kamu terlihat paham struktur pikirnya. Dosen biasanya lebih cepat menangkap kalau penjelasanmu punya pola. Dan buat kamu sendiri, pola ini sangat membantu biar nggak kehilangan arah saat gugup.

Kesalahan yang Paling Sering Bikin Penjelasan Jadi Berantakan

Salah satu kesalahan paling umum adalah menjelaskan hasil sebelum menjelaskan fungsi uji. Jadi mahasiswa langsung bicara angka, padahal pendengarnya belum diajak masuk ke logika apa yang sedang diuji. Akibatnya, penjelasan terasa lompat.

Kesalahan kedua adalah mencampur hasil parsial dan simultan dalam satu kalimat panjang. Misalnya, dalam satu napas membahas hasil uji F lalu langsung pindah ke variabel tertentu tanpa jeda yang jelas. Ini bikin pembaca atau pendengar bingung, karena level analisisnya beda.

Kesalahan ketiga adalah menggunakan istilah statistik tanpa makna. Misalnya, menyebut signifikansi penelitian, t hitung, F hitung, atau koefisien, tapi tidak menjelaskan apa artinya untuk topik penelitian. Hasilnya terdengar teknis, tapi kosong dari makna. Padahal dosen lebih butuh penjelasan yang paham konteks daripada istilah yang banyak.

Kesalahan lain yang juga sering muncul adalah kesimpulan terlalu besar. Misalnya, hanya karena model signifikan, mahasiswa lalu menyimpulkan semua variabel sangat kuat memengaruhi variabel terikat. Padahal signifikansi tidak otomatis berarti pengaruhnya besar. Di sini pentingnya menjaga bahasa supaya tetap proporsional.

Terakhir, ada juga yang terlalu bergantung pada contoh skripsi lain. Ini bahaya, karena konteks penelitian bisa berbeda. Format kalimat orang lain mungkin terlihat aman, tapi belum tentu cocok dengan variabel, hipotesis, atau desain penelitianmu. Maka, contoh boleh dipakai sebagai referensi, tapi logika tetap harus dibangun dari penelitianmu sendiri.

Cara Menulis Hasil Uji t dan Uji F di Bab 4 Supaya Nggak Kaku

Bab 4 yang kuat bukan Bab 4 yang penuh angka, tapi Bab 4 yang bisa membuat angka itu bicara. Jadi setelah hasil uji t dan uji F keluar, jangan cuma menyalin isi tabel ke bentuk paragraf. Itu bikin tulisan terasa seperti robot.

Cara yang lebih enak adalah ambil inti hasilnya, lalu jelaskan dengan bahasa yang tetap akademik tapi tetap manusiawi. Misalnya, daripada menulis: “Nilai signifikansi sebesar 0,003 lebih kecil dari 0,05 maka H1 diterima,” kamu bisa menulis: “Hasil uji menunjukkan bahwa kualitas pelayanan berpengaruh signifikan terhadap kepuasan pelanggan, sehingga hipotesis pertama diterima.” Kalimat kedua lebih hidup dan lebih enak dibaca.

Hal yang sama berlaku untuk pengaruh parsial dan simultan. Untuk hasil parsial, bahas per variabel. Untuk hasil simultan, bahas model secara keseluruhan. Jangan campur semua dalam satu paragraf. Pisahkan secukupnya supaya alurnya rapi. Kalau perlu, setiap hipotesis diberi satu subbagian pendek biar dosen juga lebih gampang memindai.

Selain itu, jangan lupa sambungkan hasil dengan teori atau kondisi lapangan. Ini yang bikin tulisanmu nggak terasa seperti output yang dipindahkan. Misalnya, kalau kualitas pelayanan signifikan, kamu bisa jelaskan bahwa hal ini wajar karena responden memang sensitif terhadap kecepatan dan kejelasan layanan. Nggak perlu panjang, tapi cukup buat menunjukkan bahwa kamu memahami hubungan antara data dan realitas.

Kalau kamu sedang sering bingung di tahap ini, itu juga alasan kenapa banyak mahasiswa akhirnya butuh bimbingan skripsi statistik. Bukan karena mereka nggak bisa hitung, tapi karena tahap menerjemahkan angka ke tulisan memang butuh latihan yang berbeda. Statistiknya satu hal, menulis pembahasannya hal lain.

Kalau Hasilnya Nggak Sesuai Harapan, Harus Gimana?

Ini pertanyaan yang sering bikin mahasiswa gelisah. Bagaimana kalau salah satu variabel ternyata tidak signifikan di uji t? Bagaimana kalau model simultan signifikan, tapi secara parsial ada variabel yang tidak berpengaruh? Apakah itu berarti penelitian gagal?

Jawabannya: tidak. Penelitian bukan lomba mengumpulkan hasil yang semuanya harus sesuai dugaan. Justru hasil yang berbeda dari ekspektasi sering jadi titik pembahasan yang menarik, asal kamu bisa menjelaskannya dengan jujur dan logis.

Kalau hasil interpretasi uji t menunjukkan ada variabel yang tidak signifikan, jangan langsung panik. Tulis saja apa adanya, lalu jelaskan kemungkinan alasannya. Bisa jadi memang variabel itu tidak punya pengaruh kuat di konteks penelitianmu. Bisa juga ada faktor lain di luar model yang lebih dominan. Yang penting, jangan dipaksa seolah-olah signifikan hanya karena kamu ingin hasilnya “bagus”.

Kalau hasil interpretasi uji f signifikan tapi ada variabel parsial yang tidak signifikan, itu juga bukan sesuatu yang aneh. Artinya model secara bersama-sama memang punya pengaruh, tapi tidak semua variabel memberikan kontribusi parsial yang kuat. Ini justru menunjukkan kenapa membedakan pengaruh parsial dan simultan itu penting.

Di sinilah kedewasaan membaca hasil mulai kelihatan. Mahasiswa yang matang tidak akan memanipulasi pembahasan demi terlihat sempurna. Dia akan membaca data secara jernih, lalu menyusun penjelasan yang proporsional. Dan dosen biasanya lebih menghargai sikap seperti itu.

Biar Penjelasan Statistikmu Nggak Terasa Robotik

Ada satu hal yang sering bikin pembahasan statistik terasa dingin: terlalu sibuk terdengar “ilmiah” sampai lupa terdengar manusiawi. Padahal tulisan akademik yang enak dibaca itu bukan yang paling kaku, tapi yang paling jelas.

Kalau kamu ingin penjelasan uji t dan uji f lebih enak dibaca, biasakan menulis seperti sedang menjelaskan ke orang yang cerdas, tapi bukan peramal angka. Artinya, jelaskan inti hasilnya dengan bahasa yang bersih, langsung, dan nggak terlalu muter. Tetap pakai istilah penting, tapi jangan semua kalimat penuh jargon.

Misalnya, setelah menyebut hasil statistik, langsung sambungkan ke pertanyaan penelitian. Ini bikin tulisan terasa punya arah. Setelah itu, kalau perlu, tambahkan satu kalimat pendek yang mengaitkan hasil dengan teori atau konteks lapangan. Dengan pola seperti ini, pembahasanmu akan terasa lebih hidup.

Hal kecil lain yang penting adalah menghindari pengulangan formula yang sama di semua paragraf. Kalau semua hipotesis dijelaskan dengan pola kalimat yang identik, tulisanmu akan terasa seperti template. Padahal pembaca lebih nyaman kalau setiap bagian terasa benar-benar dipahami, bukan cuma diisi.

Jadi, targetnya bukan sekadar “benar”, tapi juga “nyambung dan enak dibaca.” Karena artikel atau Bab 4 yang kuat selalu punya dua kualitas itu: akurat secara statistik dan nyaman secara bahasa.

Pada akhirnya, uji t dan uji f bukan bagian yang harus ditakuti, tapi bagian yang harus dipahami urutannya. Kalau kamu tahu kapan membahas pengaruh parsial dan simultan, paham cara melakukan interpretasi uji t dan interpretasi uji f, serta bisa membaca signifikansi penelitian tanpa berlebihan, maka penjelasan hasilmu akan jauh lebih rapi dan lebih meyakinkan di depan dosen.

Masalah terbesar mahasiswa biasanya bukan di output, tapi di cara menjelaskan output itu sendiri. Maka, jangan cuma belajar dari tabel. Belajar juga dari logika pertanyaan penelitian, fungsi masing-masing uji, dan cara mengubah angka menjadi penjelasan yang masuk akal. Di situlah kualitas analisismu benar-benar kelihatan.

Kalau kamu sudah sampai di titik bisa menjelaskan uji t dan uji f tanpa muter-muter, itu artinya kamu bukan cuma menjalankan statistik, tapi benar-benar memahami apa yang sedang kamu buktikan dalam penelitian. Dan justru kemampuan itulah yang paling dibutuhkan saat bimbingan, seminar, maupun sidang, termasuk ketika kamu lagi butuh penguatan lewat bimbingan skripsi statistik.