diktat mata kuliah statistika penelitian...
TRANSCRIPT
DIKTAT
MATA KULIAH STATISTIKA PENELITIAN
PENDIDIKAN MATEMATIKA
Oleh :
Wahyu Hidayat, S.Pd., M.Pd.
NIDN. 0404088402
PROGRAM STUDI PENDIDIKAN MATEMATIKA
SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN
(STKIP) SILIWANGI
2015
1
UJI NORMALITAS
Uji normalitas dimaksudkan untuk mengetahui langkah apa yang akan di lakukan selanjutnya
dalam menguji Hipotesis, apakah harus pengujian statistika parametrik atau non-parametrik.
Ada beberapa teknik yang dapat dilakukan dalam menguji normalitas, antara lain Uji
Lilliefors, Uji Chi-kuadrat, dan Uji Kolmogrov-Smirnov.
Agar dapat memahami langkah-langkah pengujian normalitas, maka akan dilakukan ilustrasi
pengujian dengan pertanyaan penelitian “Apakah data tinggi badan 30 orang siswa
berdistribusi normal pada taraf signifikansi 5% ?”
Kode
Siswa
Tinggi
Badan
(cm)
Kode
Siswa
Tinggi
Badan
(cm)
Kode
Siswa
Tinggi
Badan
(cm)
S-1 170 S-11 170 S-21 177
S-2 175 S-12 168 S-22 175
S-3 174 S-13 170 S-23 168
S-4 173 S-14 172 S-24 170
S-5 177 S-15 171 S-25 172
S-6 176 S-16 168 S-26 173
S-7 180 S-17 169 S-27 170
S-8 172 S-18 180 S-28 171
S-9 168 S-19 179 S-29 170
S-10 165 S-20 177 S-30 175
A. Langkah pengujian dengan SPSS
1. Definisikan variabel tinggi badan dan input data ke SPSS
2
2. Pilih menu Analyze → Descriptives Statistics → Explore.
3. Masukkan variabel tinggi ke Dependent List, kemudian klik tombol Plots, Pilih
Normality Test With Plots, kemudian klik Continue dan OK.
3
Maka pada output akan menampilkan beberapa tampilan. Namun untuk pengujian
Normalitas, hanya output Tests of Normality saja yang digunakan.
Tests of Normality
Kolmogorov-Smirnov
a Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Tinggi ,139 30 ,143 ,956 30 ,243
a. Lilliefors Significance Correction
Rumusan Hipotesis :
H0 : Data berdistribusi normal
HA : Data tidak berdistribusi normal
Kriteria pengujian :
Jika (Sig.) > α maka terima H0.
Dari statistik uji, didapat nilai Sig. = 0,143 yang mengakibatkan (Sig.) > α. Maka dapat
disimpulkan bahwa data tinggi badan 30 orang siswa berdistribusi normal.
B. Langkah pengujian dengan Minitab
1. Input data variabel Tinggi Badang pada kolom di bawah C1
4
2. Pilih menu Stat → Basic Statistic→ Normality Test.
3. Klik kolom variable, kemudian pilih variable C1 Tinggi Badan dan pilih Select,
kemudian klik Test for Normality Kolmogrov-Smirnov, serta ketik Title dengan
Normalitas Data Tinggi Badan, kemudian klik OK.
5
Maka akan tampil graph seperti di bawah ini.
4. dfs
5.
Rumusan Hipotesis :
H0 : Data berdistribusi normal
HA : Data tidak berdistribusi normal
Kriteria pengujian :
Jika P-Value > α maka terima H0.
Dari statistik uji, didapat nilai P-Value = 0,142 yang mengakibatkan P-Value > α. Maka
dapat disimpulkan bahwa data tinggi badan 30 orang siswa berdistribusi normal.
6
Uji Perbandingan Rata-Rata
Pengujian hipotesis perbandingan rata-rata dilakukan untuk melihat kesesuaian dugaan
peneliti terhadap suatu objek yang diteliti dengan kenyataannya. Misalnya seorang peniliti
ingin mengetahui bahwa nilai rata-rata ujian nasional siswa kelas XII SMA Se-Kabupaten
Cianjur pada bidang studi Matematika adalah 80. Kemudian peneliti tersebut melakukan
penelitian terhadap siswa kelas XII pada salah satu SMA di Kabupaten Cianjur yang hasilnya
akan digeneralisasikan dengan pertanyaan penelitian dari peneliti tersebut.
I. One Sample T-Test
Agar dapat memahami langkah-langkah pengujian perbedaan rata-rata satu kelompok sampel,
maka akan dilakukan ilustrasi pengujian dengan pertanyaan penelitian “Apakah tinggi badan
siswa kelas XII SMA X sama dengan 170 cm? Dengan mengambil sampel sebanyak 30 orang
dan diasumsikan sampel berdistribusi normal pada taraf signifikansi 5% ?”
Kode
Siswa
Tinggi
Badan
(cm)
Kode
Siswa
Tinggi
Badan
(cm)
Kode
Siswa
Tinggi
Badan
(cm)
S-1 170 S-11 170 S-21 177
S-2 175 S-12 168 S-22 175
S-3 174 S-13 170 S-23 168
S-4 173 S-14 172 S-24 170
S-5 177 S-15 171 S-25 172
S-6 176 S-16 168 S-26 173
S-7 180 S-17 169 S-27 170
S-8 172 S-18 180 S-28 171
S-9 168 S-19 179 S-29 170
S-10 165 S-20 177 S-30 175
A. Langkah pengujian dengan SPSS
1. Karena telah diasumsikan sampel berdistribusi normal, maka tidak perlu di uji
normalitasnya.
2. Definisikan variabel tinggi badan dan input data ke SPSS
7
3. Pilih menu Analyze → Compare Means → One-Sample T Test.
4. Masukkan variabel tinggi ke Test Variable(s), kemudian isi pada kolom Test Value
dengan nilai 170 klik tombol Option, lihat Confidance Interval Percentage apakah
sudah sesuai dengan taraf signifikansi yang diasumsikan (100 – α)%. Kemudian klik
Continue dan OK.
8
Maka pada output akan menampilkan beberapa tampilan. Namun untuk pengujian perbedaan
rata-rata satu sampel, hanya output one-Sample Test saja yang digunakan.
One-Sample Test
Test Value = 170
t df Sig. (2-tailed)
Mean
Difference
95% Confidence Interval of the
Difference
Lower Upper
Tinggi 3,509 29 ,001 2,50000 1,0430 3,9570
Rumusan Hipotesis :
H0 : μT = 170
HA : μT ≠ 170
Kriteria pengujian :
Jika (Sig.) > α maka terima H0.
Dari statistik uji, didapat nilai Sig. = 0,001 atau (Sig.) < α. Maka mengakibatkan tolak H0 dan
dapat disimpulkan bahwa tinggi badan siswa kelas XII SMA X tidak sama dengan 170cm.
9
B. Langkah pengujian dengan Minitab
1. Karena telah diasumsikan sampel berdistribusi normal, maka tidak perlu di uji
normalitasnya.
2. Input data variabel Tinggi Badan ke dalam Worksheet minitab pada kolom di bawah C1
3. Pilih menu Stat → Basic Statistic→ 1-Sample t.
10
4. Klik kolom Sample in columns, kemudian pilih variable C1 Tinggi Badan dan pilih
Select, kemudian klik Perform hypothesis test, serta ketik Hypothesized mean dengan
nilai 170, kemudian klik Options.
5. Di dalam 1-Sample t – Options akan tampil seperti gambar berikut :
Confidence level : 1 – α dalam penelitian ini mengambil α = 5%
Sehingga Confidence level = (100 – 5)%
= 95,0 (dalam %)
Alternative : disesuaikan dengan pertanyaan pelitian dan kebalikan dari H0, apakah less
than (kurang dari), not equal (tidak sama dengan), atau greater than
(lebih dari).
Dalam penelitian ini mengambil not equal.
Kemudian klik OK sampai selesai.
11
Maka akan tampil output pada Session seperti di bawah ini.
Rumusan Hipotesis :
H0 : μT = 170
HA : μT ≠ 170
Kriteria pengujian :
Jika P-value > α maka terima H0.
Dari statistik uji, didapat nilai P = 0,001 atau P-value < α. Maka mengakibatkan tolak H0
dan dapat disimpulkan bahwa tinggi badan siswa kelas XII SMA X tidak sama dengan
170cm.
12
II. Paired Sample T-Test
Pengujian ini dilakukan jika variabel yang satu saling berkaitan (dependen) dengan variabel
yang lain. Pengujian ini dimaksudkan dengan setiap satu sampel dikenai dua perlakuan. Agar
dapat memahami langkah-langkah pengujian perbedaan rata-rata satu kelompok sampel
dependen, maka akan dilakukan ilustrasi pengujian dengan pertanyaan penelitian “Apakah
terdapat perbedaan nilai siswa yang belum mendapatkan perlakuan pembelajaran dengan
yang telah mendapatkan perlakuan pembelajaran pada siswa kelas VII SMP X? Dengan
mengambil sampel sebanyak 20 orang dan diasumsikan sampel berdistribusi normal pada
taraf signifikansi 5% ?”
Kode
Siswa
Nilai
Sebelum
Perlakuan
Kode
Siswa
Nilai
Setelah
Perlakuan
S-1 61 S-1 84
S-2 59 S-2 80
S-3 57 S-3 79
S-4 59 S-4 81
S-5 60 S-5 80
S-6 60 S-6 83
S-7 55 S-7 77
S-8 62 S-8 85
S-9 64 S-9 86
S-10 59 S-10 82
S-11 57 S-11 80
S-12 55 S-12 76
S-13 53 S-13 75
S-14 55 S-14 77
S-15 56 S-15 76
S-16 56 S-16 79
S-17 51 S-17 73
S-18 58 S-18 81
S-19 60 S-19 82
S-20 56 S-20 78
A. Langkah pengujian dengan SPSS
1. Karena telah diasumsikan sampel berdistribusi normal, maka tidak perlu di uji
normalitasnya.
2. Definisikan dan input nilai sebelum perlakuan dan setelah perlakuan ke dalam SPSS
13
14
3. Pilih menu Analyze → Compare Means → Paired-Samples T Test.
4. Masukkan variabel Sebelum_Perlakuan dan Setelah_Perlakuan bersama-sama kedalam
Paired Variables, kemudian klik tombol Option, lihat Confidance Interval Percentage
apakah sudah sesuai dengan taraf signifikansi yang diasumsikan (100 – α)%. Kemudian
klik Continue dan OK.
Maka pada output akan menampilkan beberapa tampilan. Namun untuk pengujian perbedaan
rata-rata satu sampel independen, hanya output Paired Samples Test saja yang digunakan.
15
Paired Samples Test
Paired Differences
t df
Sig.
(2-tailed) Mean
Std.
Deviation
Std. Error
Mean
95% Confidence Interval of
the Difference
Lower Upper
Pair 1 Sebelum_Perlakuan
- Setelah_Perlakuan
-22,05000 ,94451 ,21120 -22,49205 -21,60795 -104,404 19 ,000
Rumusan Hipotesis :
H0 : μSb = μSd
HA : μSb ≠ μSd
Kriteria pengujian :
Jika (Sig.) > α maka terima H0.
Dari statistik uji, didapat nilai Sig. = 0,000 atau (Sig.) < α. Maka mengakibatkan tolak H0 dan
dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara nilai siswa yang belum
mendapatkan perlakuan pembelajaran dengan yang telah mendapatkan perlakuan
pembelajaran siswa kelas VII SMP X pada taraf signifikansi 5%.
B. Langkah pengujian dengan Minitab
1. Karena telah diasumsikan sampel berdistribusi normal, maka tidak perlu di uji
normalitasnya.
2. Input data nilai sebelum perlakuan dan setelah perlakuan ke dalam Worksheet pada
minitab.
16
3. Pilih menu Stat → Basic Statistic→ Paired t.
4. Klik kolom Samples in columns dan klik pada kolom First sample, lalu pilih variable
C1 Sebelum dan pilih Select, kemudian pada kolom Second sample pilih variable C2
Sesudah dan pilih Select, kemudian klik Options.
17
5. Di dalam Paired t – Options akan tampil seperti gambar berikut :
Confidence level : 1 – α dalam penelitian ini mengambil α = 5%
Sehingga Confidence level = (100 – 5)%
= 95,0 (dalam %)
Alternative : disesuaikan dengan pertanyaan pelitian dan kebalikan dari H0, apakah less
than (kurang dari), not equal (tidak sama dengan), atau greater than
(lebih dari).
Dalam penelitian ini mengambil not equal.
Kemudian klik OK sampai selesai.
Maka akan tampil output pada Session seperti di bawah ini.
18
Rumusan Hipotesis :
H0 : μSb = μSd
HA : μSb ≠ μSd
Kriteria pengujian :
Jika P-value > α maka terima H0.
Dari statistik uji, didapat nilai P = 0,000 atau P-value < α. Maka mengakibatkan tolak H0
dan dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara nilai siswa
yang belum mendapatkan perlakuan pembelajaran dengan yang telah mendapatkan
perlakuan pembelajaran siswa kelas VII SMP X pada taraf signifikansi 5%.
19
III. Two Sample T-Test (Independent)
Pengujian ini dilakukan jika variabel yang satu saling tidak berkaitan (independent) dengan
variabel yang lain. Pengujian ini dimaksudkan dengan setiap dua sampel dikenai satu
perlakuan. Agar dapat memahami langkah-langkah pengujian perbedaan rata-rata satu
kelompok sampel independent, maka akan dilakukan ilustrasi pengujian dengan pertanyaan
penelitian “Apakah terdapat perbedaan nilai siswa yang pembelajarannya menggunakan
metode A dengan yang pembelajarannya menggunakan metode B pada siswa kelas VII SMP
X? Dengan mengambil sampel sebanyak 20 orang dan diasumsikan sampel berdistribusi
normal pada taraf signifikansi 5% ?”
Kode
Siswa
Nilai
dengan
Metode A
Kode
Siswa
Nilai
dengan
Metode B
S-1 61 S-1 84
S-2 59 S-2 80
S-3 57 S-3 79
S-4 59 S-4 81
S-5 60 S-5 80
S-6 60 S-6 83
S-7 55 S-7 77
S-8 62 S-8 85
S-9 64 S-9 86
S-10 59 S-10 82
S-11 57 S-11 80
S-12 55 S-12 76
S-13 53 S-13 75
S-14 55 S-14 77
S-15 56 S-15 76
S-16 56 S-16 79
S-17 51 S-17 73
S-18 58 S-18 81
S-19 60 S-19 82
S-20 56 S-20 78
A. Langkah pengujian dengan SPSS
1. Karena telah diasumsikan sampel berdistribusi normal, maka tidak perlu di uji
normalitasnya.
2. Definisikan dan input nilai siswa dengan menggunakan metode A dan metode B, serta
menggabungkannya ke dalam kolom Nilai_Siswa pada SPSS
20
21
3. Pilih menu Analyze → Compare Means → Independent-Samples T Test.
4. Masukkan variabel Nilai_Siswa kedalam Test Variable(s), dan variabel Metode kedalam
Grouping Variable. Kemudian klik tombol Define Groups dan isi Group 1 dan 2 dengan
Pengelompokkan metode yang di input pada tahap awal (dalam ilustrasi ini di isi untuk
Group 1 dengan angka 1 dan Group 2 dengan angka 2. Lalu klik Countinue.
5. Klik menu Option, lihat Confidance Interval Percentage apakah sudah sesuai dengan
taraf signifikansi yang diasumsikan (100 – α)%. Kemudian klik Continue dan OK.
22
Maka pada output akan menampilkan beberapa tampilan. Namun untuk pengujian perbedaan
rata-rata dua sampel independen, hanya output Paired Samples Test saja yang digunakan.
Independent Samples Test
Levene's
Test for
Equality of
Variances t-test for Equality of Means
F Sig. t df
Sig.
(2-tailed)
Mean
Difference
Std. Error
Difference
95% Confidence
Interval of the
Difference
Lower Upper
Nilai_Siswa Equal variances
assumed
,092 ,763 -21,157 38 ,000 -22,050 1,042 -24,160 -19,940
Equal variances
not assumed
-21,157
37,719
,000
-22,050
1,042
-24,160
-19,940
Untuk menguji hipotesis perbedaan rata-rata dua kelompok sampel, maka langkah awal lihat
terlebih dahulu nilai Sig. Pada kolom Levene’s Test for Equality of Variances. Didapat nilai
Sig. tersebut = 0.763 dan berada pada baris Equal variances assumed. Berarti dapat
disimpulkan bahwa varians kedua kelompok sampel adalah homogen.
Setelah mengetahui bahwa varians kedua kelompok sample itu adalah homogen, maka akan
dilanjutkan dengan menguji hipotesis dengan melihat nilai Sig. pada kolom Sig. (2-tailed)
dan baris Equal variances assumed.
Rumusan Hipotesis :
H0 : μA = μB
HA : μA ≠ μB
Kriteria pengujian :
Jika (Sig.) > α maka terima H0.
Dari statistik uji, didapat nilai Sig. = 0,000 atau (Sig.) < α. Maka mengakibatkan tolak H0 dan
dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara siswa kelas VII SMP X
pembelajarannya menggunakan metode A dengan yang pembelajarannya menggunakan
metode B pada taraf signifikansi 5%.
23
B. Langkah pengujian dengan Minitab
1. Karena telah diasumsikan sampel berdistribusi normal, maka tidak perlu di uji
normalitasnya.
2. Input data nilai siswa dengan menggunakan metode A dan metode B ke dalam
Worksheet minitab.
3. Sebelum ke menu 2-sample t, pada program minitab harus diketahui terlebih dahulu,
apakah kedua varians sample homogen atau tidak, maka terlebih dahulu akan dilakukan
uji homogenitas varians kelompok sample dengan cara :
Pilih menu Stat → Basic Statistic→ 2 Variances.
24
Hasil dari uji homogenitas varians akan menghasilkan output seperti berikut :
Untuk mengetahui apakah varians kedua sample homogen, maka dilihat pada P-value
baik pada F-Test ataupun Levene’s Test.
F-Test → P-value : 0,710
Levene’s Test → P-value : 0,806
Kriteria Pengujian :
Jika P-value > α, maka varians kedua kelompok sampel homogen
Dari hasil yang diperoleh, didapat P-value > α, sehingga dapat disimpulkan bahwa
varians kedua kelompok sampel homogen.
Langkah berikutnya baru kita dapat melakukan analisis data two sample t-test.
4. Pilih menu Stat → Basic Statistic→ 2-Sample t.
25
5. Klik kolom Samples in different columns dan klik pada kolom First sample, lalu pilih
variable C1 Metode A dan pilih Select, kemudian pada kolom Second sample pilih
variable C2 Metode B dan pilih Select, lalu ceklist pada kolom Assume equal
variances (Karena dalam pengolahan sebelumnya telah diketahui bahwa varians kedua
kelompok sampel homogen), kemudian klik Options.
6. Di dalam 2-Sample t – Option akan tampil seperti gambar berikut :
Confidence level : 1 – α dalam penelitian ini mengambil α = 5%
Sehingga Confidence level = (100 – 5)%
= 95,0 (dalam %)
Alternative : disesuaikan dengan pertanyaan pelitian dan kebalikan dari H0, apakah less
than (kurang dari), not equal (tidak sama dengan), atau greater than
(lebih dari).
Dalam penelitian ini mengambil not equal.
Kemudian klik OK sampai selesai.
26
Maka akan tampil output pada Session seperti di bawah ini.
Rumusan Hipotesis :
H0 : μA = μB
HA : μA ≠ μB
Kriteria pengujian :
Jika P-value > α maka terima H0.
Dari statistik uji, didapat nilai P = 0,000 atau P-value < α. Maka mengakibatkan tolak H0
dan dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara siswa kelas
VII SMP X pembelajarannya menggunakan metode A dengan yang pembelajarannya
menggunakan metode B pada taraf signifikansi 5%.
27
Uji ANOVA
ANOVA adalah singkatan dari Analysis of Variance. Uji ANOVA merupakan cara untuk
melihat perbedaan rerata melalui menguji variansinya. Untuk melihat terdapat atau tidak
terdapatnya perbedaan rerata dengan ANOVA, yang dipertentangkan bukan reratanya, tetapi
variansinya. Selain itu dengan ANOVA kita juga dapat melihat pengaruh peubah bebas dan
peubah kontrol (baik secara terpisah, maupun bersamaan) terhadap peubah terikatnya. Dengan
kata lain, apakah terdapat efek interaksi antara peubah bebas dan peubah kontrol terhadap
peubah terikatnya. Sebelum melakukan Uji ANOVA, sampel harus berdistribusi normal dan
homogen (karena Uji ANOVA merupakan salah satu pengujian parametrik).
ONE WAYS - ANOVA
Agar dapat memahami dan mempelajari cara pengolahan data dengan uji One Ways ANOVA,
maka dibuat ilustrasi sebuah pertanyaan penelitian seperti berikut:
Misalnya seorang peneliti ingin mengetahui bahwa apakah terdapat perbedaan hasil belajar
matematik siswa SD, yang pembelajarannya menggunakan Metode A, Metode B, dan Metode
C? (dengan taraf signifikansi α = 5%)
DATA NILAI HASIL BELAJAR SISWA
METODE A
NO KODE SISWA SKOR NILAI KELAS
1 A - 01 16 5,33 VI - A
2 A - 02 23 7,67 VI - A
3 A - 03 13 4,33 VI - A
4 A - 04 27 9,00 VI - A
5 A - 05 20 6,67 VI - A
6 A - 06 27 9,00 VI - A
7 A - 07 20 6,67 VI - A
8 A - 08 29 9,67 VI - A
9 A - 09 25 8,33 VI - A
28
NO KODE SISWA SKOR NILAI KELAS
10 A - 10 21 7,00 VI - A
11 A - 11 18 6,00 VI - A
12 A - 12 16 5,33 VI - A
13 A - 13 24 8,00 VI - A
14 A - 14 17 5,67 VI - A
15 A - 15 15 5,00 VI - A
16 A - 16 24 8,00 VI - A
17 A - 17 16 5,33 VI - A
18 A - 18 26 8,67 VI - A
19 A - 19 16 5,33 VI - A
20 A - 20 15 5,00 VI - A
21 A - 21 17 5,67 VI - A
22 A - 22 14 4,67 VI - A
23 A - 23 17 5,67 VI - A
24 A - 24 21 7,00 VI - A
25 A - 25 13 4,33 VI - A
26 A - 26 26 8,67 VI - A
DATA NILAI HASIL BELAJAR SISWA
METODE B
NO KODE SISWA SKOR NILAI KELAS
1 B - 01 14 4,67 VI - B
2 B - 02 20 6,67 VI - B
3 B - 03 19 6,33 VI - B
4 B - 04 11 3,67 VI - B
5 B - 05 24 8,00 VI - B
6 B - 06 14 4,67 VI - B
7 B - 07 16 5,33 VI - B
8 B - 08 15 5,00 VI - B
29
NO KODE SISWA SKOR NILAI KELAS
9 B - 09 21 7,00 VI - B
10 B - 10 18 6,00 VI - B
11 B - 11 9 3,00 VI - B
12 B - 12 21 7,00 VI - B
13 B - 13 29 9,67 VI - B
14 B - 14 10 3,33 VI - B
15 B - 15 24 8,00 VI - B
16 B - 16 23 7,67 VI - B
17 B - 17 23 7,67 VI - B
18 B - 18 14 4,67 VI - B
19 B - 19 28 9,33 VI - B
20 B - 20 11 3,67 VI - B
21 B - 21 14 4,67 VI - B
22 B - 22 17 5,67 VI - B
23 B - 23 17 5,67 VI - B
24 B - 24 25 8,33 VI - B
DATA NILAI HASIL BELAJAR SISWA
METODE C
NO KODE SISWA SKOR NILAI KELAS
1 C - 01 21 7,00 VI - C
2 C - 02 20 6,67 VI - C
3 C - 03 19 6,33 VI - C
4 C - 04 25 8,33 VI - C
5 C - 05 15 5,00 VI - C
6 C - 06 23 7,67 VI - C
7 C - 07 12 4,00 VI - C
8 C - 08 19 6,33 VI - C
9 C - 09 27 9,00 VI - C
30
NO KODE SISWA SKOR NILAI KELAS
10 C - 10 24 8,00 VI - C
11 C - 11 14 4,67 VI - C
12 C - 12 12 4,00 VI - C
13 C - 13 14 4,67 VI - C
14 C - 14 22 7,33 VI - C
15 C - 15 21 7,00 VI - C
16 C - 16 25 8,33 VI - C
17 C - 17 25 8,33 VI - C
18 C - 18 25 8,33 VI - C
19 C - 19 10 3,33 VI - C
20 C - 20 21 7,00 VI - C
21 C - 21 15 5,00 VI - C
22 C - 22 9 3,00 VI - C
23 C - 23 30 10,00 VI - C
24 C - 24 15 5,00 VI - C
25 C - 25 24 8,00 VI - C
26 C - 26 11 3,67 VI - C
27 C - 27 18 6,00 VI - C
28 C - 28 26 8,67 VI - C
29 C - 29 13 4,33 VI - C
30 C - 30 9 3,00 VI - C
31 C - 31 13 4,33 VI - C
32 C - 32 15 5,00 VI - C
A. Langkah Pengujian dengan SPSS
Dalam menjawab pertanyaan penelitian di atas, maka akan dilakukan terlebih dahulu pengujian
normalitas untuk melihat pengujian apa yang selanjutnya dilakukan.
Uji Normalitas Data
1. Definisikan variabel Hasil Belajar dan Metode Pembelajaran pada Variable View dan input
data ke SPSS pada Data View.
31
2. Pilih menu Analyze → Descriptives Statistics → Explore.
32
3. Masukkan variabel Hasil Belajar ke Dependent List dan Metode Pembelajaran ke Faktor
List kemudian klik tombol Plots Pilih Normality Test With Plots kemudian klik Continue
dan OK.
Maka pada output akan menampilkan beberapa tampilan. Namun untuk pengujian
Normalitas hanya output Tests of Normality saja yang digunakan.
Tests of Normality
Metode
Pembelajaran
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Hasil Belajar
Matematika
Siswa
Metode A ,181 26 ,029 ,927 26 ,064
Metode B ,105 24 ,200* ,967 24 ,591
Metode C ,160 32 ,036 ,950 32 ,140
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
33
Kriteria pengujian :
Jika (Sig.) > α maka Sampel berdistribusi normal.
Dari statistik uji, karena sampel yang di ambil merupakan sampel kecil (n < 40) maka diambil
nilai Sig. pada kolom Shapiro-Wilk, dengan nilai Sig. untuk metode A = 0,064 ; metode B =
0,591 dan untuk metode C = 0,140 yang mengakibatkan (Sig.) > α. Maka dapat disimpulkan
bahwa ketiga sampel berdistribusi normal.
Uji One Ways ANOVA
1. Pilih menu Analyze → General Linear Model → Univariate.
2. Masukkan variabel Hasil Belajar ke Dependent List dan Metode Pembelajaran ke Fixed
Factor(s) kemudian klik tombol Model
34
3. Pilih Custom, Pindahkan Metode Pembelajaran, pada Factors & Covariates ke Model
dengan menekan tombol tanda panah di bawah tombol interaction. Kemudian klik tombol
Continue.
4. Pilih Post Hoc, Pindahkan TKAS ke Post Hoc Tests for, kemudian pilih tombol Scheffe,
Tukey (pilih berdasarkan uji lanjutan apa yang diinginkan peneliti). Lalu klik tombol
Continue.
35
5. Pilih Option, pilih Homogeneity tests. Lalu klik tombol Continue dan OK.
36
Untuk melihat apakah varians dari Hasil Belajar Matematika Siswa Homogen, maka yang
dilihat output tampilannya pada gambar berikut :
Levene's Test of Equality of Error Variancesa
Dependent Variable:Hasil Belajar Matematika
Siswa
F df1 df2 Sig.
,846 2 79 ,433
Tests the null hypothesis that the error variance
of the dependent variable is equal across
groups.
a. Design: Intercept + Metode_Pembelajaran
Kriteria pengujian :
Jika (Sig.) > α maka Varians Hasil Belajar Matematika Siswa Homogen
Dari statistik Levene’s Test didapat nilai Sig. = 0,433 yang mengakibatkan (Sig.) > α.
Maka dapat disimpulkan bahwa varians Hasil Belajar Matematika Siswa ketiga sampel
Homogen.
37
Karena Asumsi Homogenitas Varians dipenuhi, maka langkah selanjutnya akan dilihat
hasil pengolahan data Uji One Ways ANOVA. Hasil output dari SPSS yang dilihat adalah
Tabel 1 : One Ways ANOVA sebagai berikut:
Tabel 1 : One Ways ANOVA
Tests of Between-Subjects Effects
Dependent Variable:Hasil Belajar Matematika Siswa
Source
Type III Sum of
Squares df Mean Square F Sig.
Corrected Model 4,399a 2 2,200 ,646 ,527
Intercept 3191,058 1 3191,058 937,001 ,000
Metode_Pembelajaran 4,399 2 2,200 ,646 ,527
Error 269,043 79 3,406
Total 3508,145 82
Corrected Total 273,443 81
a. R Squared = ,016 (Adjusted R Squared = -,009)
H 0 : CBA
H A : Paling tidak terdapat satu Metode yang berbeda secara signifikan dengan Metode lainnya
Kriteria pengujian :
sig > 0,05 : H0 diterima
Dari Tabel 1 kita memperoleh nilai sig pada baris Metode Penelitian = 0,527; dengan kata lain
sig > 0,05. Hal tersebut dapat disimpulkan bahwa tidak terdapat perbedaan yang signifikan
antara hasil belajar matematika siswa, antara yang pembelajarannya menggunakan Metode A,
Metode B, dan Metode C pada taraf signifikansi 5%. Implikasinya pembelajaran dari ketiga
Metode A, B, dan C dalam pembelajaran matematika sama-sama membantu mengembangkan
hasil belajar matematika siswa.
Karena H0 diterima (tidak terdapat perbedaan), maka uji lanjutan (Post Hoc) diabaikan,
walaupun hasilnya terdapat pada output SPSS :
38
Multiple Comparisons
Dependent Variable:Hasil Belajar Matematika Siswa
(I) Metode
Pembelajaran
(J) Metode
Pembelajaran
Mean
Difference
(I-J)
Std.
Error Sig.
95% Confidence
Interval
Lower
Bound
Upper
Bound
Tukey HSD Metode A Metode B ,5454 ,52238 ,552 -,7025 1,7932
Metode C ,4495 ,48725 ,628 -,7144 1,6134
Metode B Metode A -,5454 ,52238 ,552 -1,7932 ,7025
Metode C -,0958 ,49832 ,980 -1,2862 1,0945
Metode C Metode A -,4495 ,48725 ,628 -1,6134 ,7144
Metode B ,0958 ,49832 ,980 -1,0945 1,2862
Scheffe Metode A Metode B ,5454 ,52238 ,582 -,7579 1,8486
Metode C ,4495 ,48725 ,655 -,7661 1,6652
Metode B Metode A -,5454 ,52238 ,582 -1,8486 ,7579
Metode C -,0958 ,49832 ,982 -1,3391 1,1474
Metode C Metode A -,4495 ,48725 ,655 -1,6652 ,7661
Metode B ,0958 ,49832 ,982 -1,1474 1,3391
Based on observed means.
The error term is Mean Square(Error) = 3,406.
Apabila hasil Post Hoc dianalisis, terlihat semua nilai Sig. pada Tabel Multiple Comparisons
juga lebih besar dari alpha (α = 0,05). Hal ini dapat disimpulkan bahwa dari ketiga metode
tersebut (Metode A, B, dan C) tidak terdapat perbedaan yang signifikan pada taraf signifikansi
5%.
39
B. Langkah Pengujian dengan Minitab
Dalam menjawab pertanyaan penelitian di atas, maka akan dilakukan terlebih dahulu pengujian
normalitas untuk melihat pengujian apa yang selanjutnya dilakukan.
Uji Normalitas Data
1. Definisikan variabel Hasil Belajar Gabungan, Metode Pembelajaran, Data Hasil Belajar
setiap metode (Hasil Belajar – A, Hasil Belajar – B, dan Hasil Belajar – C) pada setiap
Field di Worksheet Minitab. Kemudian input data ke minitab pada Worksheet.
2. Pilih menu Stat → Basic Statistics → Normality Test.
40
3. Pilih variabel C2 Hasil Belajar – A kemudian Select ke Variable, dan pilih ke Ryan-
Joiner (Smiliar to Shapiro-Wilk). Lalu dalam Title, ketik judul (misalnya: Uji Normalitas
Data Hasil Belajar Siswa – Metode A). Kemudian klik OK.
* untuk pemilihan Ryan-Joiner dikarenakan sampel yang dipilih dianggap sampel kecil (n < 40).
Maka pada output akan menampilkan :
Kriteria pengujian :
Jika (P-value) > α maka Sampel berdistribusi normal.
111098765432
99
95
90
80
70
60
50
40
30
20
10
5
1
HASIL BELAJAR - A
Pe
rce
nt
Mean 6,615
StDev 1,629
N 26
RJ 0,976
P-Value >0,100
Uji Normalitas Data Hasil Belajar Siswa - Metode ANormal
41
Dari statistik uji, terlihat P-Value = 0,100, mengakibatkan (P-Value) > α. Maka dapat
disimpulkan bahwa sampel dengan menggunakan Metode-A berdistribusi normal.
Lakukan hal yang sama untuk menguji normalitas data sampel Metode-B dan Metode-C,
sehingga didapat output minitab sebagai berikut :
Terlihat dari hasil minitab di atas, ketiga sampel (hasil belajar matematika siswa yang
menggunakan Metode-A, Metode-B, dan Metode-C) berdistribusi normal. Maka langkah
111098765432
99
95
90
80
70
60
50
40
30
20
10
5
1
HASIL BELAJAR - B
Pe
rce
nt
Mean 6,069
StDev 1,886
N 24
RJ 0,992
P-Value >0,100
Uji Normalitas Data Hasil Belajar Siswa - Metode BNormal
111098765432
99
95
90
80
70
60
50
40
30
20
10
5
1
HASIL BELAJAR - C
Pe
rce
nt
Mean 6,167
StDev 1,975
N 32
RJ 0,985
P-Value >0,100
Uji Normalitas Data Hasil Belajar Siswa - Metode CNormal
42
selanjutnya adalah pengujian parametrik dalam menguji perbedaan rata-rata tiga sampel
menggunakan One Ways ANOVA. Tetapi apabila ingin menguji Homogenitas
Variansnya, maka langkah-langkahnya adalah sebagai berikut:
1. Pilih menu Stat → ANOVA → Test for Equal Variances.
2. Pilih variabel C1 Hasil Belajar kemudian Select ke Response, dan Pilih variabel C2
Metode Pembelajaran kemudian Select ke Factors. Lalu dalam Title, ketik judul
(misalnya: Homogenitas Varians). Kemudian klik OK.
43
Maka pada output akan menampilkan :
Kriteria pengujian :
Jika (P-value) > α maka Varians Kelompok Sampel Homogen
Dari statistik uji, terlihat P-Value = 0,602 (untuk Bartlett’s Test) dan P-Value = 0,486
(untuk Levene’s Tests) mengakibatkan (P-Value) > α. Maka dapat disimpulkan bahwa
Varians Kelompok Sampel Homogen.
Uji One Ways ANOVA
1. Pilih menu Stat → ANOVA → One-Way.
C
B
A
3,02,52,01,51,0
Me
tod
e P
em
be
laja
ran
95% Bonferroni Confidence Intervals for StDevs
Test Statistic 1,02
P-Value 0,602
Test Statistic 0,73
P-Value 0,486
Bartlett's Test
Levene's Test
Homogenitas Varians
44
2. Pilih variabel C1 Hasil Belajar kemudian Select ke Response, dan Pilih variabel C2
Metode Pembelajaran kemudian Select ke Factors. Klik Comparisons. Di dalam box
One-Way Multiple Comparisons, pilih Tukey’s, family error rate, kemudian OK, lalu
OK kembali.
45
Outputnya akan muncul pada bagian Session, seperti dibawah ini:
H 0 : CBA
H A : Paling tidak terdapat satu Metode yang berbeda secara signifikan dengan Metode lainnya
Kriteria pengujian :
P-Value > 0,05 : H0 diterima
Dari Output minitab, kita memperoleh nilai P pada baris Metode Penelitian = 0,527; dengan
kata lain P-Value > 0,05. Hal tersebut dapat disimpulkan bahwa tidak terdapat perbedaan yang
signifikan antara hasil belajar matematika siswa, antara yang pembelajarannya menggunakan
Metode A, Metode B, dan Metode C pada taraf signifikansi 5%. Implikasinya pembelajaran
dari ketiga Metode A, B, dan C dalam pembelajaran matematika sama-sama membantu
mengembangkan hasil belajar matematika siswa.
46
TWO WAYS - ANOVA
Agar dapat memahami dan mempelajari cara pengolahan data dengan uji Two Ways ANOVA,
maka dibuat ilustrasi sebuah pertanyaan penelitian seperti berikut:
Misalnya seorang peneliti ingin mengetahui bahwa apakah terdapat perbedaan hasil belajar
matematik siswa SMA, yang pembelajarannya menggunakan metode A dengan yang
pembelajarannya menggunakan metode B, berdasarkan tingkat kemampuan awal siswa
(Tinggi, Sedang, dan Kurang)? (dengan taraf signifikansi α = 5%)
DATA NILAI HASIL BELAJAR SISWA DENGAN METODE A
NO KODE SISWA HASIL BELAJAR TKAS
1 E-01 73 Kurang
2 E-02 69 Kurang
3 E-03 81 Sedang
4 E-04 67 Sedang
5 E-05 59 Kurang
6 E-06 72 Kurang
7 E-07 69 Sedang
8 E-08 80 Sedang
9 E-09 82 Sedang
10 E-10 76 Sedang
11 E-11 53 Sedang
12 E-12 56 Sedang
13 E-13 69 Sedang
14 E-14 71 Kurang
15 E-15 75 Sedang
16 E-16 75 Sedang
17 E-17 72 Tinggi
18 E-18 83 Tinggi
19 E-19 82 Tinggi
20 E-20 59 Kurang
21 E-21 80 Tinggi
22 E-22 76 Kurang
23 E-23 82 Tinggi
24 E-24 75 Tinggi
25 E-25 71 Tinggi
26 E-26 72 Kurang
47
NO KODE SISWA HASIL BELAJAR TKAS
27 E-27 60 Kurang
28 E-28 81 Tinggi
29 E-29 78 Tinggi
30 E-30 69 Tinggi
31 E-31 63 Tinggi
32 E-32 69 Tinggi
DATA NILAI HASIL BELAJAR SISWA DENGAN METODE B
NO KODE SISWA HASIL BELAJAR TKAS
1 K-01 33 Kurang
2 K-02 31 Sedang
3 K-03 44 Kurang
4 K-04 33 Sedang
5 K-05 53 Kurang
6 K-06 44 Sedang
7 K-07 59 Kurang
8 K-08 31 Sedang
9 K-09 56 Tinggi
10 K-10 50 Kurang
11 K-11 41 Kurang
12 K-12 31 Kurang
13 K-13 61 Tinggi
14 K-14 53 Kurang
15 K-15 56 Kurang
16 K-16 27 Sedang
17 K-17 53 Tinggi
18 K-18 40 Sedang
19 K-19 50 Tinggi
20 K-20 38 Tinggi
21 K-21 53 Sedang
22 K-22 35 Sedang
23 K-23 25 Sedang
24 K-24 53 Tinggi
25 K-25 59 Tinggi
48
NO KODE SISWA HASIL BELAJAR TKAS
26 K-26 44 Sedang
27 K-27 47 Sedang
28 K-28 47 Sedang
29 K-29 50 Tinggi
30 K-30 38 Tinggi
31 K-31 44 Sedang
C. Langkah Pengujian dengan SPSS
Dalam menjawab pertanyaan penelitian di atas, maka akan dilakukan terlebih dahulu pengujian
normalitas untuk melihat pengujian apa yang selanjutnya dilakukan.
Uji Normalitas Data
1. Definisikan variabel Hasil Belajar, Metode Pembelajaran, Tingkat Kemampuan Awal
Siswa pada Variable View dan input data ke SPSS pada Data View.
49
2. Pilih menu Analyze → Descriptives Statistics → Explore.
3. Masukkan variabel Hasil Belajar ke Dependent List dan Metode Pembelajaran ke Faktor
List kemudian klik tombol Plots Pilih Normality Test With Plots kemudian klik Continue
dan OK.
50
Maka pada output akan menampilkan beberapa tampilan. Namun untuk pengujian
Normalitas hanya output Tests of Normality saja yang digunakan.
Tests of Normality
Metode
Pembelajaran
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Hasil Belajar
Matematika
Siswa
Metode A ,145 32 ,086 ,936 32 ,056
Metode B ,125 31 ,200* ,955 31 ,208
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Kriteria pengujian :
Jika (Sig.) > α maka Sampel berdistribusi normal.
Dari statistik uji, karena sampel yang di ambil merupakan sampel kecil (n < 40) maka diambil
nilai Sig. pada kolom Shapiro-Wilk, dengan nilai Sig. untuk metode A = 0,056 dan untuk
metode B = 0,208 yang mengakibatkan (Sig.) > α. Maka dapat disimpulkan bahwa kedua
sampel berdistribusi normal.
51
Uji Two Ways ANOVA
1. Pilih menu Analyze → General Linear Model → Univariate.
2. Masukkan variabel Hasil Belajar ke Dependent List dan Metode Pembelajaran serta
Tingkat Kemampuan Awal Siswa ke Fixed Factor(s) kemudian klik tombol Model.
52
3. Pilih Custom, Pindahkan Metode Pembelajaran, TKAS (tidak bersamaan) pada Factors &
Covariates ke Model dengan menekan tombol tanda panah di bawah tombol interaction.
Kemudian pindahkan juga Metode Pembelajaran dan TKAS secara bersamaan pada
Factors & Covariates ke Model (untuk melihat interaksi Metode dan TKAS secara
bersamaan dalam menghasilkan hasil belajar siswa) kemudian klik tombol Continue.
4. Pilih Plot, Pindahkan TKAS ke Horizontal Axis, dan Metode Pembelajaran ke Separate
lines, kemudian pilih tombol add sehingga muncul Metode_Pembelajaran*TKAS. Lalu
klik tombol Continue.
53
5. Pilih Post Hoc, Pindahkan TKAS ke Post Hoc Tests for, kemudian pilih tombol Scheffe,
Tukey (pilih berdasarkan uji lanjutan apa yang diinginkan peneliti). Lalu klik tombol
Continue.
54
6. Pilih Option, pilih Homogeneity tests. Lalu klik tombol Continue dan OK.
55
Untuk melihat apakah varians dari Hasil Belajar Matematika Siswa Homogen, maka yang
dilihat output tampilannya pada gambar berikut :
Levene's Test of Equality of Error Variancesa
Dependent Variable:Hasil Belajar Matematika
Siswa
F df1 df2 Sig.
,801 5 57 ,554
Tests the null hypothesis that the error variance
of the dependent variable is equal across
groups.
a. Design: Intercept + Metode_Pembelajaran +
TKAS + Metode_Pembelajaran * TKAS
Kriteria pengujian :
Jika (Sig.) > α maka Varians Hasil Belajar Matematika Siswa Homogen
Dari statistik Levene’s Test didapat nilai Sig. = 0,554 yang mengakibatkan (Sig.) > α.
Maka dapat disimpulkan bahwa varians Hasil Belajar Matematika Siswa kedua sampel
Homogen.
56
Karena Asumsi Homogenitas Varians dipenuhi, maka langkah selanjutnya akan dilihat
hasil pengolahan data Uji ANOVA. Hasil output dari SPSS yang dilihat adalah Tabel 2 :
Two Ways ANOVA sebagai berikut:
TABEL 2 : Two Ways ANOVA
Tests of Between-Subjects Effects
Dependent Variable:Hasil Belajar Matematika Siswa
Source
Type III Sum of
Squares df Mean Square F Sig.
Corrected Model 12957,296a 5 2591,459 36,785 ,000
Intercept 210278,112 1 210278,112 2984,851 ,000
Metode_Pembelajaran 10514,167 1 10514,167 149,246 ,000
TKAS 785,261 2 392,631 5,573 ,006
Metode_Pembelajaran *
TKAS
369,752 2 184,876 2,624 ,081
Error 4015,562 57 70,448
Total 231698,000 63
Corrected Total 16972,857 62
a. R Squared = ,763 (Adjusted R Squared = ,743)
Dari perhitungan pada Tabel 2 : Two Ways ANOVA di atas untuk menganalisisnya lebih
komprehensif kita perinci satu persatu:
Yang pertama akan dilihat pengaruh Metode Pembelajaran terhadap Hasil Belajar Matematika
Siswa
(1) Metode Pembelajaran
H 0 : A = B
H A : BA
Kriteria pengujian :
sig > 0,05 : H0 diterima
Dari Tabel 2 kita memperoleh nilai sig = 0,000; atau dengan kata lain sig < 0,05. Hal tersebut
dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara hasil belajar matematika
siswa, antara yang pembelajarannya menggunakan metode A dengan yang pembelajarannya
menggunakan metode B pada taraf signifikansi 5%. Implikasinya pembelajaran yang
menggunakan metode A dalam pembelajaran matematika membantu mengembangkan hasil
belajar matematika siswa.
57
Berikutnya akan dilihat pengaruh Tingkat Kemampuan Awal Siswa (TKAS) terhadap Hasil
Belajar Matematika Siswa
(2) TKAS
H 0 : ''' kst
H A : Paling tidak terdapat satu TKAS yang berbeda secara signifikan dengan TKAS lainnya
Kriteria pengujian :
sig > 0,05 maka H0 diterima
Dari Tabel 2 diperoleh nilai sig = 0,006; atau dengan kata lain sig < 0,05; hal tersebut dapat
disimpulkan bahwa paling tidak terdapat satu kelompok siswa dengan TKAS tertentu yang
hasil belajar matematika siswanya berbeda secara signifikan dengan TKAS lainnya pada taraf
signifikansi 5%.
Untuk mengetahui kelompok siswa dengan TKAS mana yang berbeda secara signifikan dalam
hasil belajar matematika, dilanjutkan dengan uji Scheffe. Hasil perhitungannya tersaji dari
output SPSS berikut:
Tabel 3 : Uji Scheffe
Multiple Comparisons
Dependent Variable:Hasil Belajar Matematika Siswa
(I) Tingkat
Kemampuan
Awal Siswa
(J) Tingkat
Kemampuan
Awal Siswa
Mean
Difference
(I-J)
Std.
Error Sig.
95% Confidence
Interval
Lower
Bound
Upper
Bound
Scheffe Tinggi Sedang 11,4048* 2,50800 ,000 5,1009 17,7086
Kurang 7,6270* 2,69601 ,024 ,8506 14,4034
Sedang Tinggi -11,4048* 2,50800 ,000 -17,7086 -5,1009
Kurang -3,7778 2,61709 ,359 -10,3558 2,8003
Kurang Tinggi -7,6270* 2,69601 ,024 -14,4034 -,8506
Sedang 3,7778 2,61709 ,359 -2,8003 10,3558
Based on observed means.
The error term is Mean Square(Error) = 70,448.
Dari Tabel 3 disimpulkan bahwa terdapat perbedaan yang signifikan antara hasil belajar
matematika siswa pada TKAS Tinggi terhadap TKAS Sedang pada taraf signifikansi 5%
(terlihat dari sig. TKAS Tinggi terhadap TKAS Sedang ataupun sebaliknya = 0,000). Selain itu
juga terdapat perbedaan yang signifikan antara hasil belajar matematika siswa pada TKAS
58
Tinggi terhadap TKAS Kurang pada taraf signifikansi 5% (terlihat dari sig. TKAS Tinggi
terhadap TKAS Kurang ataupun sebaliknya = 0,000). Dalam hal ini hasil belajar matematika
siswa dengan TKAS Tinggi dan TKAS Kurang lebih baik daripada siswa dengan TKAS
sedang. Implikasinya hasil belajar matematika siswa pada TKAS Tinggi dan TKAS Kurang
lebih berkembang dari TKAS Sedang.
Berikutnya akan dilihat efek interaksi secara bersama-sama antara Pendekatan Pembelajaran
dan TKAS terhadap Hasil Belajar Matematika Siswa
(3) Efek Interaksi antara Metode Pembelajaran dan TKAS
Untuk melihat secara grafik ada tidaknya efek interaksi antara metode pembelajaran dan TKAS
dapat dilihat pada Gambar 1 : efek interaksi yang merupakan output dari SPSS
Gambar 1
Efek Interaksi antara Pendekatan Pembelajaran dan TKAS
dalam hasil belajar matematika
Pada Gambar 1 nampak tidak terdapat efek interaksi antara metode pembelajaran dengan hasil
belajar matematika siswa baik pada TKAS Tinggi, Sedang maupun Kurang. Hal ini
59
dikarenakan ruas garis nampak sejajar. Sekarang berdasarkan Tabel 1, kita analisis efek
interaksi tersebut secara keseluruhan.
Rumusan Hipotesis:
H 0 : BkAkBsAsBtAt
H A : Paling tidak ada satu selisih yang berbeda secara signifikan dari yang lainnya
Kriteria pengujian :
Jika sig > 0,05 maka H0 diterima
Dari Tabel 2 diperoleh nilai sig = 0,081 lebih besar dari 0,05; hal tersebut dapat
disimpulkan bahwa tidak terdapat perbedaan yang signifikan antara selisih hasil belajar
matematika siswa yang memperoleh pembelajaran melalui Metode A pada TKAS Tinggi,
Sedang, dan Kurang dengan siswa yang memperoleh pembelajaran melalui Metode B pada
TKAS Tinggi, Sedang dan Kurang pada taraf signifikansi 5%. Kesimpulannya secara umum
metode pembelajaran tidak memberikan pengaruh yang signifikan terhadap TKAS dalam
mengembangkan hasil belajar matematika siswa pada taraf signifikansi 5%.