Pengujian Wilcoxon Signed Rank Satu Sampel Terhadap Penggunaan Aplikasi AI-G dengan Perangkat Jamovi pada Prodi Informatika UNIBANG 2026
DOI:
https://doi.org/10.65344/practic.v1i2.244Keywords:
Nonparametrik, Teknologi Informasi, Pembelajaran, Kecerdasan Buatan, Literasi DigitalAbstract
Kemajuan pesat teknologi kecerdasan buatan (AI) kini menjadi instrumen penting dalam mendukung kegiatan akademik mahasiswa. Penelitian ini bertujuan untuk mengukur dan membandingkan tingkat kemampuan mahasiswa Program Studi Informatika Universitas Bhakti Asih Tangerang (UNIBANG) dalam mengoperasikan AI-G dengan nilai acuan. Pertanyaan utama penelitian meliputi: (1) apakah distribusi data kemampuan mahasiswa memenuhi asumsi normalitas parametrik, dan (2) apakah terdapat perbedaan signifikan antara tingkat kemampuan mahasiswa dan nilai acuan yang telah ditetapkan? Penelitian kuantitatif ini dilaksanakan sejak bulan Januari hingga April 2026. Pengumpulan data dilakukan melalui instrumen kuesioner sederhana. Terdapat tiga pertanyaan utama yang perlu dijawab. Perangkat statistik yang digunakan adalah JAMOVI 2.6. Metode yang digunakan adalah uji satu sampel dengan nilai acuan 3. Analisis data diawali dengan uji asumsi normalitas. Hasil pengujian menunjukkan bahwa data tidak terdistribusi secara normal dengan p-value (0,001–0,044). Sehingga analisis satu sampel yang awalnya dirancang menggunakan uji t satu sampel (one-sample t-test) dialihkan ke metode statistik nonparametrik, yaitu Wilcoxon Signed-Rank. Hasil analisis inferensial menunjukkan nilai p-value (0,135-0,850) yang berarti tidak ada perbedaan signifikan antara nilai statistik dan nilai acuan, dengan kecenderungan median berada di bawah acuan. Kesimpulan ini menyatakan bahwa responden masih jarang menggunakan aplikasi AI-G untuk membantu pembelajaran. Hal ini dapat diasumsikan bahwa mereka masih lebih memilih menggunakan aplikasi pembuat salindia konvensional. Ketidakbiasaan penggunaan AI seperti aplikasi AI-G dapat mengurangi kemampuan responden untuk mencapai kesuksesan atau memasuki dunia industri.
References
Abbasnasab Sardareh, S., Brown, G. T. L., & Denny, P. (2021). Comparing four contemporary statistical software tools for introductory data science and statistics in the social sciences. Teaching Statistics, 43(S1). https://doi.org/10.1111/test.12274
Arnold, H. J. (1965). Small Sample Power of the One Sample Wilcoxon Test for Non-Normal Shift Alternatives. The Annals of Mathematical Statistics, 36(6), 1767–1778.
https://doi.org/10.1214/aoms/1177699805
Box, J. F. (1987). Guinness, Gosset, Fisher, and Small Samples. Statistical Science, 2(1). https://doi.org/10.1214/ss/1177013437
Destiani, R. D., & Mufiidah, A. N. (2024). Era Baru Ekonomi Digital: Studi Komprehensif tentang Teknologi dan Pasar. ADI Bisnis Digital Interdisiplin Jurnal, 5(1), 47–50. https://doi.org/10.34306/abdi.v5i1.1095
Deus, D. M. D., Carvalho, C. P. D., Mazza, F. C., Siqueira, S. S. S. D., Miranda Junior, J. E., & Sampaio, N. A. D. S. (2024). Using Analysis of Variance and Tukey’s Test to Compare Four Brands of Industrial Paint. Revista de Gestão Social e Ambiental, 18(2), e07582.
https://doi.org/10.24857/rgsa.v18n2-161
Dikkatwar, R., Mohite, M., Sharma, S., Selvakumar, P., Jayadeva, S. M., & T C, M. (2025). Artificial Intelligence and Adaptive Learning Technologies (pp. 313–338). Igi Global Scientific.
https://doi.org/10.4018/979-8-3373-5157-5.ch011
Harris, T., & Hardin, J. W. (2013). Exact Wilcoxon Signed-Rank and Wilcoxon Mann–Whitney Ranksum Tests. The Stata Journal: Promoting Communications on Statistics and Stata, 13(2), 337–343.
https://doi.org/10.1177/1536867x1301300208
Ichikawa, M., & Konishi, S. (1995). Application of the Bootstrap Methods in Factor Analysis. Psychometrika, 60(1), 77–93.
https://doi.org/10.1007/bf02294430
Jankowski, K. R. B., Flannelly, K. J., & Flannelly, L. T. (2017). The t-test: An Influential Inferential Tool in Chaplaincy and Other Healthcare Research. Journal of Health Care Chaplaincy, 24(1), 30–39.
https://doi.org/10.1080/08854726.2017.1335050
Langkamp, T. (2024). Farewell SPSS: Switching to free software in 2024. Center for Open Science.
https://doi.org/10.31234/osf.io/huajb
Mcgee, M. (2018). Case for omitting tied observations in the two-sample t-test and the Wilcoxon-Mann-Whitney Test. PloS One, 13(7), e0200837. https://doi.org/10.1371/journal.pone.0200837
Minitab Blog Editor. (2016, August 22). Data Not Normal? Try Letting It Be, with a Nonparametric Hypothesis Test. Minitab, LLC. Blog.Minitab.Com. https://blog.minitab.com/en/blog/understanding-statistics/data-not-normal-try-letting-it-be-with-a-nonparametric-hypothesis-test
Mustafidah, H., Imantoyo, A., & Suwarsito, S. (2020). Pengembangan Aplikasi Uji-t Satu Sampel Berbasis Web. JUITA: Jurnal Informatika, 8(2), 245. https://doi.org/10.30595/juita.v8i2.8786
Nahm, F. S. (2016). Nonparametric statistical tests for the continuous data: the basic concept and the practical use. Korean Journal of Anesthesiology, 69(1), 8. https://doi.org/10.4097/kjae.2016.69.1.8
Navarro, D., & Foxcroft, D. (2025). Learning Statistics with jamovi. Open Book. https://doi.org/10.11647/obp.0333
Noordzij, M., Tripepi, G., Dekker, F. W., Zoccali, C., Tanck, M. W., & Jager, K. J. (2010). Sample size calculations: basic principles and common pitfalls. Nephrology Dialysis Transplantation, 25(5), 1388–1393.
https://doi.org/10.1093/ndt/gfp732
Panagiotou, N. (2025). AI Literacy and the Future of Education: A Framework for Ethical and Inclusive Learning Models. Journal of Interdisciplinary Knowledge, 8, e01635. https://doi.org/10.37497/jik.v8iknowledge.1635
Rao, C. R. (1992). R. A. Fisher: The Founder of Modern Statistics. Statistical Science, 7(1). https://doi.org/10.1214/ss/1177011442
Rodzi, Z. M., Rahman, A. A., Razali, I. N., Nazri, I. S. M., & Abd Gani, A. F. (2023). Unraveling the Drivers of Artificial Intelligence (AI) Adoption in Higher Education. 1–6.
https://doi.org/10.1109/incult59088.2023.10482651
Ross, A., & Willson, V. L. (2017). One-Sample T-Test (pp. 9–12). Sensepublishers. https://doi.org/10.1007/978-94-6351-086-8_2
Şahi̇n, M., & Aybek, E. (2020). Jamovi: An Easy to Use Statistical Software for the Social Scientists. International Journal of Assessment Tools in Education, 6(4), 670–692. https://doi.org/10.21449/ijate.661803
Setyaedhi, H. S. (2024). Comparative Test of Cronbach’s Alpha Reliability Coefficient, Kr-20, Kr-21, And Split-Half Method. Journal of Education Research and Evaluation, 8(1), 47–57.
https://doi.org/10.23887/jere.v8i1.68164
Taufiqurrahman, A. N. (2026). Literasi Digital Untuk Penelitian Akademik. In Literasi Digital Dalam Dunia Akademik (1st ed., p. 156). PT. Literatus Digitus Indonesia. https://www.lidigin.com/product/literasi-digital-dalam-dunia-akademik/
Zabell, S. L. (2008). On Student’s 1908 Article “The Probable Error of a Mean.” Journal of the American Statistical Association, 103(481), 1–7. https://doi.org/10.1198/016214508000000030
Zhang, Z. (2013). Monte Carlo based statistical power analysis for mediation models: methods and software. Behavior Research Methods, 46(4), 1184–1198. https://doi.org/10.3758/s13428-013-0424-0 /
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Ahmad Nur Taufiqurrahman (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
This work is licensed under the Creative Commons Attribution-ShareAlike 4.0 license.
