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 teoriteori 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. M engingat 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 M IPA 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 1 2
3
4
Prediksi Kinerja Sangat buruk Sedikit lebih buruk atau sama dengan rata-rata Sedikit lebih baik atau sama dengan rata-rata Sangat baik
Jumlah Partisipan Laki-laki 1 10
Jumlah Partisipan Perempuan 1 3
Total
10
3
13
3
1
4
2 13
Tabel 4.2 Komposisi Prediksi Kinerja menurut IPK No 1 2
3
4
Prediksi Kinerja Sangat buruk Sedikit lebih buruk atau sama dengan rata-rata Sedikit lebih baik atau sama dengan rata-rata Sangat baik
IPK 2.01-2.50 0 1
IPK 2.51-3.00 2 2
IPK 3.01-3.50 0 6
IPK 3.51-4.00 0 4
Total
0
1
8
4
13
0
0
2
2
4
2 13
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 S timuli 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. M elalui tabel dapat diperlihatkan bahwa perhitungan menghasilkan nilai Fhitung 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 S PSS untuk Stimuli Sederhana
Between Groups Within Groups Total
Sum of Squares
Df
Mean Square
F
Sig.
572,031 264,938
3 124
190,677 2,137
89,244
,000
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 S PSS atas S timuli Sederhana
4.3.1.2. Analisis Ragam untuk S timuli 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 Fhitung 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 S PSS 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 S PSS atas S timuli 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. M elalui pengamatan visual terlihat bahwa pada umumnya kecepatan pengenalan pada stimuli kompleks lebih besar dari kecepatan pengenalan pada stimuli sederhana. M engingat 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 S timuli 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 Ho : μ D ≤ 0 dan hipotesis alternatif H 1 : μ D > 0 .
Tabel 4.7 Hasil Perhitungan Uji Nilai Tengah Berpasangan Kompleks – Simple
Mean
Pola A Pola B Pola C Pola D
2.3125 5.125 5.875 7.219
Paired Differences Std. Std.Error 95% Interval Deviation Mean Lower Upper
1.4906 3.250 3.740 4.187
0.2635 0.575 0.661 0.740
1.865737 4.15079 4.754166 5.963778
Inf Inf Inf Inf
T
8.7762 8.9196 8.8873 9.7528
df
Sig (1-tailed)
31 3.286e-10 31 2.283e-10 31 2.478e-10 31 2.903e-11
Terlihat pada tabel bahwa uji atas keempat selisih kecepatan menghasilkan penolakan hipotesis nol Ho : μ D ≤ 0 . 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 2.012.50) 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 tabeltabel 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 S timuli Sederhana menggunakan S PSS
Tabel 4.9 Hasil Perhitungan Test of Parallelism Profil IPK pada S timuli Sederhana menggunakan S PSS
76 Tabel 4.10 Hasil Perhitungan Test of Levels Profil IPK pada S timuli Sederhana menggunakan S PSS
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 (nonflat). Tabel 4.11 Hasil Perhitungan Test of Flatness Profil IPK pada S timuli Kompleks menggunakan S PSS
Tabel 4.12 Hasil Perhitungan Test of Parallelism Profil IPK pada S timuli Kompleks menggunakan S PSS
77 Tabel 4.13 Hasil Perhitungan Test of Levels Profil IPK pada S timuli Kompleks menggunakan S PSS
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 S timuli Sederhana menggunakan S PSS
79 Tabel 4.15 Hasil Perhitungan Test of Parallelism Profil Jenis Kelamin pada S timuli Sederhana menggunakan S PSS
Tabel 4.16 Hasil Perhitungan Test of Levels Profil Jenis Kelamin pada S timuli Sederhana menggunakan S PSS
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 S timuli Kompleks menggunakan S PSS
80 Tabel 4.18 Hasil Perhitungan Test of Parallelism Profil Jenis Kelamin pada S timuli Kompleks menggunakan S PSS
Tabel 4.19 Hasil Perhitungan Test of Levels Profil Jenis Kelamin pada S timuli Kompleks menggunakan S PSS
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 (pvalue) 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 S timuli Sederhana menggunakan S PSS
Tabel 4.21 Hasil Perhitungan Test of Parallelism Profil Prediksi Kinerja pada S timuli Sederhana menggunakan S PSS
Tabel 4.22 Hasil Perhitungan Test of Levels Profil Prediksi Kinerja pada S timuli Sederhana menggunakan S PSS
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 S timuli Kompleks menggunakan S PSS
Tabel 4.24 Hasil Perhitungan Test of Parallelism Profil Prediksi Kinerja pada S timuli Kompleks menggunakan S PSS
Tabel 4.25 Hasil Perhitungan Test of Levels Profil Prediksi Kinerja pada S timuli Kompleks menggunakan S PSS
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
1
IPK
2
Jenis kelamin
3
Prediksi kinerja
Test of Parallelism Terima Ho, nyatakan profil parallel Terima Ho, nyatakan profil parallel Terima Ho, nyatakan profil parallel
Test of Flatness Tolak Ho, nyatakan profil tidak datar Tolak Ho, nyatakan profil tidak datar Tolak Ho, nyatakan profil tidak datar
Test of Levels Terima Ho, nyatakan profil berhimpit Terima Ho, nyatakan profil berhimpit Terima Ho, nyatakan profil berhimpit
