Hasil Penelitian - DESKRIPSI HASIL PENELITIAN DAN PEMBAHASAN

BAB IV DESKRIPSI HASIL PENELITIAN DAN PEMBAHASAN

C. Hasil Penelitian

Ada tujuh indikator yang digunakan dalam kuesioner penelitian ini. Indikator

pertama adalah kegiatan pembelajaran yang berpusat pada siswa. Indikator kedua

adalah siswa mengalami pengalaman langsung dalam belajar. Indikator ketiga

adalah pemisahan pada setiap mata pelajaran tidak begitu jelas. Indikator keempat

adalah pembelajaran yang menyajikan konsep dari satu mata pelajaran. Indikator

kelima adalah pembelajaran bersifat fleksibel. Indikator keenam adalah hasil

pembelajaran yang sesuai dengan minat dan kebutuhan siswa. Indikator ketujuh

adalah prinsip belajar sambil bermain yang menyenangkan bagi siswa. Kuesioner

kemudian diolah dan dianalisis.

1. Hasil analisis implementasi pembelajaran tematik

Pengolahan data implementasi pembelajaran tematik menggunakan distribusi

frekuensi (Riduwan, 2008: 70-72). Data implementasi pembelajaran tematik

mengurutkan kategori dari yang terkecil sampai tebesar. Tahap kedua adalah

menghitung jarak atau rentangan (R). Jarak atau rentangan (R) dihitung dengan

mengurangi data tertinggi dengan data terendah. Hasil yang didapat menunjukkan

jarak atau rentangan (R) sebesar 79. (Lihat lampiran 9)

Tahap ketiga adalah menghitung jumlah kelas (K). Jumlah kelas yang

ditentukan mengacu pada pembagian menurut Masidjo (1995: 153). Jumlah kelas

tersebut terdiri dari lima kelas yaitu sangat tinggi, tinggi, cukup, rendah, dan

sangat rendah. Tahap keempat adalah menghitung panjang kelas interval (P).

Panjang kelas interval (P) dihitung dengan membagi rentangan dan jumlah kelas.

Panjang kelas interval diperoleh hasil sebesar 16. (Lihat lampiran 9)

Tahap kelima adalah menentukan kelas interval. Kelas interval dapat dilihat

pada tabel 4.1.

Tabel 4.1 Panjang Kelas Interval

Panjang Kelas Kategori

49-64 Sangat Rendah

65-80 Rendah

81- 96 Cukup

97-112 Tinggi

113-128 Sangat Tinggi

Tabel 4.1 menjelaskan bahwa apabila panjang kelas berada di antara 48-64

maka memiliki kategori sangat rendah. Panjang kelas yang berada di antara 65-80

memiliki kategori rendah. Panjang kelas berada di antara 81-96 memiliki kategori

cukup. Panjang kelas yang berada di antara 97-112 memiliki kategori tinggi.

Panjang kelas yang berada di antara 113-128 memiliki kategori sangat tinggi.

Tahap keenam dengan menghitung urutan interval kelas. Hasil dari

memindahkan semua angka distribusi ke dalam hasil akhir. Hasil akhir

perhitungan distribusi frekuensi dapat dilihat pada tabel 4.2.

Tabel 4.2

Hasil Perhitungan Daftar Distribusi

Kategori Panjang Kelas Frekuensi Presentase

Sangat Tinggi 113-128 34 17,99% Tinggi 97-112 145 76,72% Cukup 81-96 10 5,29% Rendah 65-80 0 0% Sangat Rendah 49-64 0 0% Total 189 100%

Tabel 4.2 menunjukkan bahwa data yang termasuk dalam kategori sangat

tinggi dengan panjang kelas 113-128 memiliki frekuensi 34 atau sebanyak

17,99%. Data yang termasuk dalam kategori tinggi dengan panjang kelas 97-112

memiliki frekuensi 145 atau sebanyak 76,72%. Data yang termasuk dalam

kategori cukup dengan panjang kelas 81-96 memiliki frekuensi 10 atau sebanyak

5,29%. Data yang termasuk dalam kategori rendah dengan panjang kelas 65-80

memiliki frekuensi 0 atau sebanyak 0%. Data yang termasuk dalam kategori

sangat rendah dengan panjang kelas 49-64 memiliki frekuensi 0 atau sebanyak

0%.

2. Hasil analisis perbedaan tingkat implementasi penggunaan pembelajaran

tematik ditinjau dari faktor demografi latar belakang pendidikan

Analisis data untuk mengetahui adanya perbedaan tingkat implementasi

penggunaan pembelajaran tematik ditinjau dari faktor demografi latar belakang

pendidikan menggunakan bantuan dari program SPSS 16. Variabel latar belakang pendidikan guru dibagi menjadi empat kelompok. Kelompok pertama yaitu SPG

atau 𝜇1, kelompok kedua adalah sarjana non-PGSD atau 𝜇2, kelompok ketiga adalah sarjana D2 PGSD atau 𝜇3, dan kelompok keempat adalah sarjana PGSD

atau 𝜇4. Analisis data yang dilakukan berupa uji normalitas, uji jomogenitas, dan uji hipotesis menggunakan Kruskall-Wallis. Uji normalitas dilakukan dengan menggunakan Kolmogorov Smirnov dalam program SPSS 16. Berikut Ho dan Ha uji normalitas dalam penelitian ini:

Hipotesis nol (Ho) : Distribusi sampel tidak berbeda tidak signifikan

dari distribusi normal (data berdistribusi normal).

Hipotesis alternatif (Ha) : Distribusi sampel berbeda secara signifikan dari

distribusi normal (data berdistribusi tidak normal).

Penelitian ini menggunakan dua kriteria pengambilan keputusan dalam uji

normalitas. Data latar belakang pendidikan guru dalam rumusan masalah 2

merupakan data ordinal yang berarti bahwa jika data berdistribusi normal atau

tidak normal maka analisis yang digunakan adalah statistik non parametrik.

Kriteria yang pertama adalah jika nilai sign.≥ 0,05 maka dapat dikatakan bahwa Ho gagal ditolak dan Ha ditolak yang berarti bahwa data berdistribusi normal.

Kriteria yang kedua adalah jika nilai sign. < 0,05 maka dapat dikatakan bahwa Ho ditolak dan Ha gagal ditolak yang berarti bahwa data berdistribusi tidak normal.

Tabel 4.3 merupakan hasil uji normalitas setiap kelompok latar belakang

pendidikan guru SPG, sarjana non-PGSD, sarjana D2 PGSD, dan sarjana PGSD.

Tabel 4.3

Hasil Uji Normalitas Kolmogorov S Latar Belakang Pendidikan Guru

No. Variabel Sign. Keterangan

1. SPG 0,200 Normal

2. Sarjana non-PGSD 0,200 Normal

3. Sarjana D2 PGSD 0,000 Tidak Normal

4. Sarjana PGSD 0,070 Normal

Hasil uji normalitas Kolmogorov Smirnov pada tabel 4.3 menunjukkan bahwa hasil sign. untuk latar belakang pendidikan SPG adalah 0,200 > 0,05. Hasil

tersebut berarti bahwa data latar belakang pendidikan SPG berdistribusi normal.

Kesimpulan yang diperoleh adalah Ho gagal ditolak dan Ha ditolak. Hasil sign.

untuk latar belakang pendidikan sarjana non-PGSD adalah 0,200 > 0,05. Hasil

tersebut berarti bahwa data latar belakang pendidikan sarjana non-PGSD

berdistribusi normal. Kesimpulan yang diperoleh adalah Ho gagal ditolak dan Ha

ditolak. Hasil sign. untuk latar belakang pendidikan sarjana D2 PGSD adalah 0,000 < 0,05. Hasil tersebut berarti bahwa data latar belakang pendidikan sarjana

D2 PGSD berdistribusi tidak normal. Kesimpulan yang diperoleh adalah Ho

ditolak dan Ha gagal ditolak. Hasil sign. untuk latar belakang pendidikan sarjana PGSD adalah 0,070 > 0,05. Hasil tersebut berarti bahwa data latar belakang

pendidikan sarjana PGSD berdistribusi normal. Kesimpulan yang diperoleh

adalah Ho gagal ditolak dan Ha ditolak. Hasil analisi yang diperoleh menunjukkan

bahwa semua data latar belakang pendidikan berdistribusi normal, maka analisis

data yang digunakan adalah statistik non parametrik sebab data bersifat ordinal

(Lihat lampiran 10)

Uji normalitas juga dilakukan dengan menggunakan Shapiro Wilk untuk lebih meyakinkan hasil penelitian yang diperoleh. Uji Shapiro Wilk dilakukan karena hasil yang diperoleh lebih akurat daripada Kolmogorov Smirnov. Tabel 4.4 merupakan hasil analisis uji normalitas dengan menggunakan Shapiro Wilk.

Tabel 4.4 Uji Normalitas Shapiro Wilk

No. Variabel Kolmogorov S Shapiro W Ket.

1. SPG 0,200 0,589 Normal

2. Sarjana non-PGSD 0,200 0,283 Normal 3. Sarjana D2 PGSD 0,000 0,000 Tidak Normal 4. Sarjana PGSD 0,070 0,068 Normal

Tabel 4.4 menunjukkan bahwa data latar belakang pendidikan SPG yang diuji

menggunakan Shapiro Wilk memiliki hasil sign. untuk latar belakang pendidikan SPG adalah 0,589 > 0,05. Hasil tersebut berarti bahwa data latar belakang

pendidikan SPG berdistribusi normal. Data latar belakang pendidikan sarjana

non-PGSD memiliki hasil sign. adalah 0,283 > 0,05. Hasil tersebut berarti bahwa data latar belakang pendidikan sarjana non-PGSD berdistribusi normal. Hasil sign.

untuk latar belakang pendidikan sarjana D2 PGSD adalah 0,000 < 0,05. Hasil

tersebut berarti bahwa data latar belakang pendidikan sarjana D2 PGSD

berdistribusi tidak normal. Hasil sign. untuk latar belakang pendidikan sarjana PGSD adalah 0,068 > 0,05. Hasil tersebut berarti bahwa data latar belakang

pendidikan SPG berdistribusi normal. Uji Shapiro Wilk yang telah dilakukan menunjukkan bahwa terdapat satu latar belakang pendidikan yang memiliki data

tidak normal. Analisis data yang digunakan tetap menggunakan analisis statistik

non parametrik sebab data latar belakang pendidikan bersifat ordinal. (Lihat

lampiran 10)

Uji normalitas kedua dan ketiga dilakukan dengan visualisasi P-P Plot dan histogram. Titik-titik berlubang pada grafik P-P Plot merupakan data, jika titik-titik tersebut terletak di sekitar garis artinya data normal (Field, 2009: 136).

Gambar 4.1 sampai 4.8 merupakan visualisasi P-P Plot dan histogram data latar belakang pendidikan.

Gambar 4.1

Visualisasi P-P Plot Uji Normalitas Data Latar Belakang Pendidikan SPG

Gambar 4.1 menunjukkan hasil visualisasi P-P Plot uji normalitas data latar belakang pendidikan SPG. Titik-titik berlubang pada P-P Plot merupakan data latar belakang pendidikan SPG. Data latar belakang pendidikan SPG berada di

sekitar garis. Visualisasi berarti bahwa data latar belakang pendidikan SPG

berdistribusi normal. Uji normalitas ketiga dilakukan dengan menggunakan

histogram. Histogram membentuk kurva normal maka data normal (Field, 2009:

136). Hasil analisis uji normalitas dengan histogram dapat dilihat pada gambar

Gambar 4.2

Visualisasi Histogram Uji Normalitas Data Latar Belakang Pendidikan SPG

Gambar 4.2 menunjukkan visualisasi histogram uji normalitas data latar

belakang pendidikan SPG. Data dapat dikatakan normal apabila histogram

membentuk kurva normal (Field, 2009: 136). Gambar 4.2 menunjukkan bahwa

histogram membentuk kurva normal. Histogram membentuk kurva normal maka

data latar belakang pendidikan SPG berdistribusi normal. (Lihat lampiran 10)

Kelompok kedua yaitu data latar belakang pendidikan sarjana non-PGSD.

Kelompok kedua juga diuji dengan visualisasi P-P Plot dan histogram. Gambar 4.3 dan gambar 4.4 merupakan hasil visualisasi data latar belakang pendidikan

Gambar 4.3

Visualisasi P-P Plot Data Latar Belakang Pendidikan Sarjana non-PGSD

Gambar 4.3 menunjukkan hasil visualisasi P-P Plot uji normalitas data latar belakang pendidikan sarjana non-PGSD. Titik-titik berlubang pada P-P Plot

merupakan data latar belakang pendidikan sarjana non-PGSD. Data latar belakang

pendidikan sarjana non-PGSD berada di sekitar garis. Visualisasi berarti bahwa

data latar belakang pendidikan sarjana non-PGSD berdistribusi normal. Uji

normalitas selanjutnya dilakukan dengan menggunakan histogram. Histogram

membentuk kurva normal maka data normal (Field, 2009: 136). Hasil analisis uji

Gambar 4.4

Visualisasi Histogram Data Latar Belakang Pendidikan Sarjana non-PGSD

Gambar 4.4 menunjukkan visualisasi histogram uji normalitas data latar

belakang pendidikan sarjana non-PGSD. Data dapat dikatakan normal apabila

histogram membentuk kurva normal (Field, 2009: 136). Gambar 4.4 menunjukkan

bahwa histogram membentuk kurva normal. Histogram membentuk kurva normal

maka data latar belakang pendidikan sarjana non-PGSD berdistribusi normal.

(Lihat lampiran 10)

Kelompok ketiga yaitu data latar belakang pendidikan sarjana D2 PGSD.

Kelompok ketiga juga diuji dengan visualisasi P-P Plot dan histogram. Gambar 4.5 dan gambar 4.6 merupakan hasil visualisasi data latar belakang pendidikan

Gambar 4.5

Visualisasi P-P Plot Uji Normalitas Data Latar Belakang Pendidikan Sarjana D2 PGSD

Gambar 4.5 menunjukkan hasil visualisasi P-P Plot uji normalitas data latar belakang pendidikan sarjana D2 PGSD. Titik-titik berlubang pada P-P Plot

merupakan data latar belakang pendidikan sarjana D2 PGSD. Data latar belakang

pendidikan sarjana D2 PGSD menjauhi garis. Visualisasi berarti bahwa data latar

belakang pendidikan sarjana D2 PGSD berdistribusi tidak normal. Uji normalitas

selanjutnya dilakukan dengan menggunakan histogram. Histogram membentuk

kurva normal maka data normal (Field, 2009: 136). Hasil analisis uji normalitas

Gambar 4.6

Visualisasi Histogram Uji Normalitas Data Latar Belakang Pendidikan Sarjana D2 PGSD

Gambar 4.6 menunjukkan visualisasi histogram uji normalitas data latar

belakang pendidikan sarjana D2 PGSD. Data dapat dikatakan normal apabila

histogram membentuk kurva normal (Field, 2009: 136). Gambar 4.6 menunjukkan

bahwa histogram tidak membentuk kurva normal. Histogram membentuk kurva

tidak normal maka data latar belakang pendidikan sarjana D2 PGSD berdistribusi

tidak normal. (Lihat lampiran 10)

Kelompok keempat yaitu data latar belakang pendidikan sarjana PGSD.

Kelompok keempat juga diuji dengan visualisasi P-P Plot dan histogram. Gambar 4.7 dan gambar 4.8 merupakan hasil visualisasi data latar belakang pendidikan

Gambar 4.7

Visualisasi P-P Plot Uji Normalitas Data Latar Belakang Pendidikan Sarjana PGSD

Gambar 4.7 menunjukkan hasil visualisasi P-P Plot uji normalitas data latar belakang pendidikan sarjana PGSD. Titik-titik berlubang pada P-P Plot

merupakan data latar belakang pendidikan sarjana PGSD. Data latar belakang

pendidikan sarjana PGSD berada di sekitar garis. Visualisasi berarti bahwa data

latar belakang pendidikan sarjana PGSD berdistribusi normal. Uji normalitas

selanjutnya dilakukan dengan menggunakan histogram. Histogram membentuk

kurva normal maka data normal (Field, 2009: 136). Hasil analisis uji normalitas

Gambar 4.8

Visualisasi Histogram Uji Normalitas Data Latar Belakang Pendidikan Sarjana PGSD

Gambar 4.8 menunjukkan visualisasi histogram uji normalitas data latar

belakang pendidikan sarjana PGSD. Data dapat dikatakan normal apabila

histogram membentuk kurva normal (Field, 2009: 136). Gambar 4.8 menunjukkan

bahwa histogram membentuk kurva normal. Histogram membentuk kurva normal

maka data latar belakang pendidikan sarjana PGSD berdistribusi normal. (Lihat

lampiran 10)

Analisis data kedua yang dilakukan adalah uji homogenitas. Rumusan masalah

2 yang telah diuji normalitasnya dan berdistribusi normal. Data tingkat

implementasi pembelajaran tematik oleh guru pengampu kelas bawah SD Negeri

homogenitasnya dengan menggunakan Lavene’s Test. Hipotesis dalam uji homogenitas rumusan masalah 2 adalah:

Hipotesis nol (Ho) : Tidak ada perbedaan varian antara tingkat

implementasi pembelajaran tematik oleh guru

pengampu kelas bawah SD Negeri di Kota

Yogyakarta ditinjau dari faktor latar belakang

pendidikan guru.

Hipotesis alternatif (Ha) : Ada perbedaan varian antara tingkat implementasi

pembelajaran tematik oleh guru pengampu kelas

bawah SD Negeri di Kota Yogyakarta ditinjau

dari faktor latar belakang pendidikan guru.

Uji homogenitas rumusan masalah 2 memiliki dua kriteria pengambilan

keputusan. Pertama, jika sign. ≥ 0,05 maka data memiliki varian sama yang berarti bahwa Ho gagal ditolak dan Ha ditolak. Kedua, jika sign. < 0,05 maka data memiliki varian berbeda yang berarti bahwa Ho ditolak dan Ha gagal ditolak.

Tabel 4.5 adalah hasil uji homogenitas data tingkat implementasi pembelajaran

tematik oleh guru pengampu kelas bawah SD Negeri di Kota Yogyakarta ditinjau

dari faktor latar belakang pendidikan guru.

Tabel 4.5 Tabel Hasil Uji Homogenitas

Variabel Sign. Keterangan

Tingkat implementasi pembelajaran tematik oleh guru pengampu kelas bawah SD Negeri di Kota Yogyakarta ditinjau dari faktor latar belakang pendidikan guru

0,071 Ho gagal ditolak

Tabel 4.5 menunjukkan bahwa data tingkat implementasi pembelajaran

tematik oleh guru pengampu kelas bawah SD Negeri di Kota Yogyakarta ditinjau

Hasil tersebut berarti bahwa sign. > 0,05, maka Ho gagal ditolak dan Ha ditolak. Data tingkat implementasi pembelajaran tematik oleh guru pengampu kelas bawah

SD Negeri di Kota Yogyakarta ditinjau dari faktor latar belakang pendidikan guru

memiliki varian yang sama. (Lihat lampiran 11)

Analisis data ketiga yang dilakukan adalah uji hipotesis. Uji hipotesis

dilakukan untuk mengetahui adanya perbedaan tingkat implementasi

pembelajaran oleh guru pengampu kelas bawah ditinjau dari faktor latar belakang

belakang pendidikan. Uji hipotesis dilakukan dengan menggunakan uji Kruskall Wallis. Berikut Ho dan Ha uji hipotesis dalam penelitian ini:

Hipotesis nol (Ho) : Tidak ada perbedaan tingkat implementasi

pembelajaran tematik oleh guru pengampu kelas

bawah Sekolah Dasar Negeri di Kota Yogyakarta

ditinjau dari latar belakang pendidikan guru. (𝜇1 =

𝜇2 =𝜇3 =𝜇4)

Hipotesis alternatif (Ha) : Ada perbedaan tingkat implementasi pembelajaran

tematik oleh guru pengampu kelas bawah Sekolah

Dasar Negeri di Kota Yogyakarta ditinjau dari latar

belakang pendidikan guru. (𝜇1 ≠𝜇2 ≠𝜇3 ≠𝜇4) Kriteria pengambilan keputusan uji hipotesis:

a. Jika sign. ≥ 0,05 maka dapat dikatakan bahwa tidak ada perbedaan atau Ho gagal ditolak dan Ha ditolak.

b. Jika sign. < 0,05 maka dapat dikatakan bahwa ada perbedaan atau Ho ditolak dan Ha gagal ditolak.

Tabel 4.6 merupakan hasil uji Kruskall Wallis tingkat implementasi pembelajaran tematik dengan latar belakang pendidikan.

Tabel 4.6

Hasil Uji Kruskal Wallis Faktor Demografi Latar Belakang Pendidikan Guru

Nilai Keterangan

Asymp. Sig 0,284 Ho gagal ditolak

Hasil uji hipotesis pada tabel 4.6 menunjukkan bahwa hasil sign. untuk latar belakang pendidikan guru yang diperoleh sebesar 0,284 > 0,05. Hasil tersebut

berarti bahwa Ho dalam data latar belakang pendidikan gagal ditolak. Kesimpulan

yang diperoleh adalah tidak ada perbedaan tingkat implementasi pembelajaran

tematik oleh guru pengampu kelas bawah SD Negeri di Kota Yogyakarta ditinjau

dari faktor latar belakang pendidikan guru. Guru dengan latar belakang

pendidikan SPG, sarjana non-PGSD, sarjana D2 PGSD, maupun sarjana PGSD

sama-sama memiliki tingkat implementasi pembelajaran tematik yang tinggi.

(Lihat lampiran 12)

3. Hasil analisis perbedaan tingkat implementasi penggunaan pembelajaran

tematik ditinjau dari faktor demografi status kepegawaian

Sama halnya dengan hasil analisis pada nomor 2. Analisis data dilakukan

untuk mengetahui adanya perbedaan tingkat implementasi penggunaan

pembelajaran tematik ditinjau dari faktor status kepegawaian. Variabel status

kepegawaian guru dibagi menjadi dua kelompok. Kelompok pertama adalah

pegawai tidak tetap yayasan atau 𝜇1 dan kelompok kedua adalah pegawai negeri atau 𝜇2. Analisis data yang dilakukan berupa uji normalitas, uji homogenitas, dan uji hipotesis menggunakan Mann Whitney. Uji normalitas dilakukan dengan

menggunakan Shapiro Wilk dalam program SPSS 16. Berikut Ho dan Ha uji normalitas dalam penelitian ini:

Hipotesis nol (Ho) : Distribusi sampel tidak berbeda tidak signifikan

dari distribusi normal (data berdistribusi normal).

Hipotesis alternatif (Ha) : Distribusi sampel berbeda secara signifikan dari

distribusi normal (data berdistribusi tidak normal).

Penelitian ini menggunakan dua kriteria pengambilan keputusan dalam uji

normalitas. Data dalam rumusan masalah 3 merupakan data ordinal yang berarti

bahwa jika data berdistribusi normal atau tidak normal maka analisis yang

digunakan adalah statistik non parametrik. Data dalam rumusan 3 dibagi menjadi

dua kelompok yaitu peagawai tidak tetap yayasan dan pegawai negeri. Kriteria

yang pertama adalah jika nilai sign.≥ 0,05 maka dapat dikatakan bahwa Ho gagal ditolak dan Ha ditolak yang berarti bahwa data berdistribusi normal. Kriteria yang

kedua adalah jika nilai sign. < 0,05 maka dapat dikatakan bahwa Ho ditolak dan Ha gagal ditolak yang berarti bahwa data berdistribusi tidak normal. Tabel 4.7

sampai merupakan hasil uji normalitas setiap kelompok status kepegawaian tidak

tetap yayasan dan pegawai negeri.

Tabel 4.7

Hasil Uji Normalitas Kolmogorov Smirnov

Tingkat Implementasi Pembelajaran Tematik dengan Status Kepegawaian

No. Variabel Sign. Keterangan

1. Pegawai tidak tetap yayasan 0,200 Normal 2. Pegawai negeri 0,000 Tidak Normal

Hasil uji normalitas pada tabel 4.7 menunjukkan bahwa hasil sign. untuk kelompok pegawai tidak tetap yayasan adalah 0,200 > 0,05. Hasil tersebut berarti

Kesimpulan yang diperoleh adalah Ho gagal ditolak dan Ha ditolak. Hasil sign.

untuk status kepegawaian negeri adalah 0,000 < 0,05. Hasil tersebut berarti bahwa

data kelompok pegawai negeri berdistribusi tidak normal. Kesimpulan yang

diperoleh adalah Ho ditolak dan Ha gagal ditolak. Data dua kelompok status

kepegawaian telah diuji normalitasnya dan menunjukkan bahwa kedua data

kelompok status kepegawaian berdistribusi normal. (Lihat lampiran 13)

Uji normalitas juga dilakukan dengan menggunakan Shapiro Wilk untuk lebih meyakinkan hasil penelitian yang diperoleh. Uji Shapiro Wilk dilakukan karena hasil yang diperoleh lebih akurat daripada Kolmogorov Smirnov. Tabel 4.8 merupakan hasil analisis uji normalitas dengan menggunakan Shapiro Wilk.

Tabel 4.8 Uji Normalitas Shapiro Wilk

No. Variabel Kolmogorov S Shapiro W Ket.

1. Pegawai tidak tetap yayasan

0,200 0,288 Normal

2. Pegawai negeri 0,000 0,000 Tidak normal

Tabel 4.8 menunjukkan bahwa data latar belakang pendidikan SPG yang diuji

menggunakan Shapiro Wilk memiliki hasil sign. untuk data kelompok pegawai tidak tetap yayasan adalah 0,288 > 0,05. Hasil tersebut berarti bahwa data

pegawai tidak tetap yayasan berdistribusi normal. Data pegawai negeri memiliki

hasil sign. adalah 0,000 < 0,05. Hasil tersebut berarti bahwa data pegawai negeri berdistribusi tidak normal. Uji Shapiro Wilk yang telah dilakukan menunjukkan bahwa kedua status kepegawaian memiliki data tidak normal. Analisis data yang

digunakan menggunakan analisis statistik non parametrik sebab data latar

belakang pendidikan bersifat ordinal dan berdistribusi tidak normal. (Lihat

Gambar 4.9 sampai 4.12 merupakan visualisasi P-P Plot dan histogram data status kepegawaian.

Gambar 4.9

Visualisasi P-P Plot Uji Normalitas Status Pegawai tidak Tetap Yayasan

Gambar 4.9 menunjukkan hasil visualisasi P-P Plot uji normalitas data status pegawai yayasan tidak tetap. Titik-titik berlubang pada P-P Plot merupakan data status pegawai tidak tetap. Data status pegawai tidak tetap berada di sekitar garis.

Visualisasi berarti bahwa data status pegawai tidak tetap yayasan berdistribusi

Histogram membentuk kurva normal maka data normal (Field, 2009: 136). Hasil

analisis uji normalitas dengan histogram dapat dilihat pada gambar 4.10.

Gambar 4.10

Visualisasi Uji Normalitas Histogram Data Status Pegawai tidak Tetap Yayasan

Gambar 4.10 menunjukkan visualisasi histogram uji normalitas status pegawai

tidak tetap yayasan. Data dapat dikatakan normal apabila histogram membentuk

kurva normal (Field, 2009: 136). Gambar 4.10 menunjukkan bahwa histogram

membentuk kurva normal. Histogram membentuk kurva normal maka data status

pegawai tidak tetap yayasan berdistribusi normal. (Lihat lampiran 13)

Kelompok kedua yaitu data status pegawai negeri. Kelompok kedua juga diuji

dengan visualisasi P-P Plot dan histogram. Gambar 4.11 dan gambar 4.12 merupakan hasil visualisasi data status pegawai negeri.

Gambar 4.11

Visualisasi P-P Plot Uji Normalitas Data Status Pegawai Negeri

Gambar 4.11 menunjukkan hasil visualisasi P-P Plot uji normalitas data status pegawai negeri. Titik-titik berlubang pada P-P Plot merupakan data status pegawai negeri. Data status pegawai negeri garis. Visualisasi berarti bahwa data

status pegawai negeri berdistribusi tidak normal. Uji normalitas selanjutnya

dilakukan dengan menggunakan histogram. Histogram membentuk kurva normal

maka data normal (Field, 2009: 136). Hasil analisis uji normalitas dengan

Gambar 4.12

Visualisasi Histogram Uji Normalitas Data Status Pegawai Negeri

Gambar 4.12 menunjukkan visualisasi histogram uji normalitas status pegawai

negeri. Data dapat dikatakan normal apabila histogram membentuk kurva normal

(Field, 2009: 136). Gambar 4.12 menunjukkan bahwa histogram tidak membentuk

kurva normal. Histogram membentuk kurva tidak normal maka data status

Dalam dokumen Tingkat implementasi pembelajaran tematik oleh guru pengampu kelas bawah: sebuah survei bagi guru-guru Sekolah Dasar Negeri di Kota Yogyakarta - USD Repository (Halaman 136-161)