BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1.2. Analisis Data Penelitian
4.1.2.1. Pengaruh Penerapan Metode Inkuiri Terhadap Prestasi
8) Tabulasi Posttest Afektif Khusus Kelompok Kontrol
No. Urut No Pernyataan Total Skor 1 2 3 4 5 6 7 8 1 4 3 4 3 4 4 4 4 30 2 2 4 1 3 4 3 4 3 24 3 4 4 4 4 2 4 4 4 30 4 3 2 3 3 3 4 4 4 26 5 4 4 2 4 3 4 4 4 29 6 3 3 3 3 4 3 4 4 27 7 3 4 3 2 4 3 3 4 26 8 4 4 1 2 4 4 4 3 26 9 3 4 3 4 3 3 4 4 28 10 3 3 3 3 3 3 4 3 25 11 3 3 3 3 2 4 4 3 25 12 4 4 3 2 3 4 3 3 26 13 4 3 3 3 4 4 4 4 29 14 4 4 1 4 2 4 4 4 27 15 4 3 3 3 4 4 4 4 29 16 4 3 4 4 0 4 4 4 27 17 3 3 3 3 3 3 3 3 24 18 3 3 3 3 3 3 3 4 25 19 4 3 1 4 2 3 3 3 23 20 2 3 2 4 2 4 3 3 23 21 3 4 2 4 2 4 3 3 25 22 4 4 2 3 4 4 4 4 29 23 4 4 2 4 2 4 4 4 28 24 2 3 2 3 4 3 3 3 23 25 4 4 1 2 3 4 4 4 26 26 4 3 3 4 4 4 4 3 29 27 4 4 3 4 2 4 3 4 28 28 4 4 4 4 4 4 4 4 32 29 4 4 3 4 4 4 4 4 31 Jumlah 101 101 75 96 88 107 107 105 780
4.1.2.1. Pengaruh Penerapan Metode Inkuiri terhadap Prestasi Belajar
Ada tiga sasaran yang dianalisis dalam data prestasi belajar, yaitu
1. Menganalisis selisih pretest prestasi belajar kelompok eksperimen ke
posttest prestasi belajar kelompok eksperimen.
1) Uji Normalitas Data Pretest dan Posttest Prestasi Belajar
Hasil uji normalitas selisih pretest dan posttest prestasi
belajar dapat dilihat dari dua cara, yaitu analisis histogram dan
perhitungan statistik uji normalitas menggunakan PASW 18 for
Windows dengan rumus Kolmogorov-Smirnov Z .
Gambar 29. Grafik Uji Normalitas Skor Pretest Pilihan Ganda
Pada grafik skor pretest pilihan ganda di atas dapat kita
lihat bahwa data tersebut termasuk dalam kurva normal dengan
Tabel 12. Hasil Uji Normalitas Pretest Data Prestasi Belajar Kelompok
Eksperimen Mean Std. Deviasi Kolmogorov Smirnov Z Asymp. Sig.
(2-tailed) Analisis Keterangan
Pretest
Eksperimen 3,43 1,501 1,350 0,052 Sig>0,05
Distribusi normal
Pada tabel di atas dapat kita lihat harga uji normalitas
Kolmogorov-Smirnov Z untuk data pretest prestasi belajar
kelompok eksperimen sebesar 1,350 dengan mean 3,43 dan sig.
(2-tailed) sebesar 0,052. Harga sig. (2-tailed) lebih besar dari 0,05
yang menunjukkan bahwa distribusi data normal.
Pada grafik skor posttest pilihan ganda di atas dapat kita
lihat bahwa data tersebut termasuk dalam kurva normal dengan
standar deviasi 1,682.
Tabel 13. Hasil Uji Normalitas Posttest Data Prestasi Belajar Kelompok
Eksperimen Mean Std. Deviasi Kolmogorov Smirnov Z Asymp. Sig.
(2-tailed) Analisis Keterangan
Posttest
Eksperimen 4,64 1,682 1,165 0,132 Sig>0,05
Distribusi normal
Pada tabel di atas dapat kita lihat harga uji normalitas
Kolmogorov-Smirnov Z untuk data pretest prestasi belajar
kelompok eksperimen sebesar 1,165 dengan mean 4,64 dan sig.
(2-tailed) sebesar 0,132. Harga sig. (2-tailed) lebih besar dari 0,05
yang menunjukkan bahwa distribusi data normal.
2) Uji Hipotesis Data Pretest dan Posttest Prestasi Belajar
Setelah mengetahui bahwa distribusi data normal, maka
untuk analisis selanjutnya digunakan statistik parametris, yaitu
Independent Samples T-test.
Hipotesis statistiknya yaitu:
Hi : Ada perbedaan yang positif dan signifikan antara rata-rata skor
pretest dan posttest prestasi belajar di kelompok eksperimen yang
Hnull : Tidak ada perbedaan yang positif dan signifikan antara
rata-rata skor pretest dan posttest prestasi belajar di kelompok
eksperimen yang menggunakan metode inkuiri.
Kriteria yang digunakan adalah sebagai berikut:
(1) Jika nilai probabilitas Sig. < 0,05 berarti Hnull ditolak dan Hi
diterima. Artinya rata-rata skor posttest prestasi belajar
berbeda secara positif dan signifikan dibandingkan dengan
rata-rata skor pretest prestasi belajar kelompok eksperimen.
(2) Jika nilai probabilitas Sig. > 0,05 berarti Hnull diterima dan Hi
ditolak. Artinya rata-rata skor posttest prestasi belajar tidak
berbeda secara positif dan signifikan dibandingkan dengan
rata-rata skor pretest prestasi belajar kelompok eksperimen.
Hasil uji selisih skor pretest dan posttest prestasi belajar kelompok
eksperimen dengan menggunakan PASW 18 for Windows dengan
rumus Independent Sample T-Test adalah sebagai berikut:
Tabel 14. Uji Perbandingan Mean Prestasi Belajar Kelompok Eksperimen
Mean Std. Deviation Levene’s Test for Equality of Variances
T-test for Equality of Means Pre Test Post test Pre Test Post Test F Sig Df Sig. (2-tailed) 3,43 4,64 1,501 1,682 1,007 0,320 54 0,006
Berdasarkan tabel tersebut, harga sig. Levene’ Test > 0,05
yaitu 0,320. Hal ini menunjukkan adanya homogenitas data,
< 0,05, sehingga Hnull ditolak dan Hi diterima. Artinya ada
perbedaan yang positif dan signifikan antara rata-rata skor pretest
dan posttest prestasi belajar di kelompok eksperimen yang
menggunakan metode inkuiri. Dengan kata lain terjadi
peningkatan skor pretest ke posttest.
2. Menganalisis perbedaan rata-rata selisih yang terjadi di kelompok
eksperimen dengan rata-rata selisih yang terjadi di kelompok kontrol.
1) Uji Normalitas Data Selisih Prestasi Belajar
Hasil uji normalitas data selisih prestasi belajar dapat
dilihat dari dua cara, yaitu grafik distribusi data dan perhitungan
statistik uji normalitas data menggunakan SPSS 18 for Windows
dengan rumus Kolmogorov-Smirnov Z .
Gambar 31. Grafik Uji Normalitas Data Selisih Prestasi Belajar
Pada grafik selisih prestasi belajar kelompok eksperimen di
atas dapat kita lihat bahwa data tersebut termasuk dalam kurva
normal dengan standar deviasi 1,75.
Tabel 15. Hasil Uji Normalitas Data Selisih Prestasi Belajar Kelompok
Eksperimen Mean Std. Deviasi Kolmogorov Smirnov Z Asymp. Sig.
(2-tailed) Analisis Keterangan
Selisih
Eksperimen PG 1,21 1,75 0,913 0,375 Sig>0,05
Distribusi normal
Pada tabel di atas dapat kita lihat harga uji normalitas
Kolmogorov-Smirnov Z untuk data selisih prestasi belajar
kelompok eksperimen sebesar 0,913 dengan mean 1,21 dan sig.
(2-tailed) 0,375. Harga sig. (2-tailed) lebih besar dari 0,05 yang
menunjukkan bahwa sebaran data berdistribusi normal.
Pada grafik selisih prestasi belajar kelompok kontrol di atas
dapat kita lihat bahwa data tersebut termasuk dalam kurva normal
dengan standar deviasi 1,75.
Tabel 16. Hasil Uji Normalitas Data Selisih Prestasi Belajar Kelompok Kontrol
Mean Std.
Deviasi
Kolmogorov Smirnov Z
Asymp. Sig.
(2-tailed) Analisis Keterangan
Selisih
Kontrol PG 0,72 1,75 0,788 0,564 Sig>0,05
Distribusi normal
Pada tabel di atas dapat kita lihat harga uji normalitas
Kolmogorov-Smirnov Z untuk data selisih prestasi belajar
kelompok kontrol sebesar 0,788 dengan mean 0,72 dan sig.
(2-tailed) 0,564. Harga sig. (2-tailed) lebih besar dari 0,05 yang
menunjukkan bahwa sebaran data berdistribusi normal.
2) Uji Hipotesis Data Selisih Prestasi Belajar
Setelah mengetahui bahwa distribusi data normal, maka
untuk analisis selanjutnya menggunakan statistik parametris, yaitu
Independent Samples T-Test.
Hipotesis statistiknya adalah sebagai berikut:
Hi : Ada perbedaan yang signifikan antara selisih skor prestasi
belajar di kelompok eksperimen dan kelompok kontrol.
Hnull : Tidak ada perbedaan yang signifikan antara selisih skor
Kriteria yang digunakan adalah sebagai berikut:
(1) Jika nilai probabilitas Sig. (2-tailed) < 0,05 berarti Hnull ditolak
dan Hi diterima. Artinya selisih skor pada kelompok
eksperimen berbeda secara signifikan dibandingkan dengan
selisih skor pada kelas kontrol.
(2) Jika nilai probabilitas Sig. (2-tailed) > 0,05 berarti Hnull
diterima dan Hi ditolak. Artinya selisih skor pada kelompok
eksperimen tidak berbeda secara signifikan dibandingkan
dengan selisih skor pada kelas kontrol (Yulius, 158: 2010).
Berikut perhitungan selisih skor prestasi belajar kelompok
eksperimen dan kelompok kontrol menggunakan PASW 18 for
Windows dengan rumus Independent Sample T-Test :
Tabel 17. Uji Perbandingan Mean Prestasi belajar
Mean Std. Deviation Levene’s Test for Equality of Variances
T-test for Equality of Means
Eksp Kon Eksp Kon F Sig Df Sig.
(2-tailed)
1,21 0,72 1,750 1,750 0,218 0,642 55 0,295
Berdasarkan tabel tersebut, harga sig. Levene’s Test > 0,05
yaitu sebesar 0,642. Hal ini menunjukkan adanya homogenitas
data, sedangkan harga sig.(2-tailed) T-test > 0,05 yaitu sebesar
0,295, sehingga Hnull diterima dan Hi ditolak. Artinya tidak ada
kelompok eksperimen dengan selisih skor prestasi belajar pada
kelas kontrol. Dengan kata lain sama-sama terjadi peningkatan
pada kelompok kontrol dan kelompok eksperimen.
3. Menganalisis rata-rata selisih kemampuan berpikir kritis kategori
kognitif pada masing-masing aspek kognitif.
1) Uji Normalitas Data Selisih Kategori Kognitif
Hasil uji normalitas data untuk rata-rata selisih setiap aspek
kemampuan berpikir kritis kategori kognitif dapat dilihat dari dua
cara, yaitu grafik distribusi data dan perhitungan statistik uji
normalitas data menggunakan SPSS 18 for Windows dengan rumus
Kolmogorov-Smirnov Z .
Pada grafik selisih aspek interpretasi di atas dapat kita
lihat bahwa data tersebut termasuk dalam kurva normal dengan
standar deviasi 1,129.
Tabel 18. Uji Normalitas Selisih Kognitif Aspek Interpretasi
Mean Std.
Deviasi
Kolmogorov Smirnov Z
Asymp. Sig.
(2-tailed) Analisis Keterangan
Kenaikan
Interpretasi 0,36 1,129 1,044 0,226 Sig>0,05
Distribusi normal
Pada tabel di atas dapat kita lihat harga uji normalitas
Kolmogorov-Smirnov Z untuk data selisih aspek interpretasi
sebesar 1,044 dengan mean 0,36 dan sig. (2-tailed) sebesar 0,226.
Harga sig. (2-tailed) lebih besar dari 0,05 yaitu 0,226 yang
menunjukkan bahwa sebaran data berdistribusi normal.
Pada grafik selisih aspek analisis di atas dapat kita lihat
bahwa data tersebut termasuk dalam kurva normal dengan standar
deviasi 0,819.
Tabel 19. Uji Normalitas Selisih Kognitif Aspek Analisis
Mean Std.
Deviasi
Kolmogorov Smirnov Z
Asymp. Sig.
(2-tailed) Analisis Keterangan
Kenaikan
Analisis 0,18 0,819 1,213 0,106 Sig>0,05
Distribusi normal
Pada tabel di atas dapat kita lihat harga uji normalitas
Kolmogorov-Smirnov Z untuk data selisih aspek analisis sebesar
1,213 dengan mean 0,18 dan sig. (2-tailed) sebesar 0,106. Harga
sig. (2-tailed) lebih besar dari 0,05 yang menunjukkan bahwa
sebaran data berdistribusi normal.
Pada grafik selisih aspek evaluasi di atas dapat kita lihat
bahwa data tersebut termasuk dalam kurva tidak normal dengan
standar deviasi 0,685.
Tabel 20. Uji Normalitas Selisih Kognitif Aspek Evaluasi
Mean Std.
Deviasi
Kolmogorov Smirnov Z
Asymp. Sig.
(2-tailed) Analisis Keterangan
Kenaikan
Evaluasi 0,39 0,685 1,525 0,019 Sig<0,05
Distribusi tidak normal
Pada tabel di atas dapat kita lihat harga uji normalitas
Kolmogorov-Smirnov Z untuk data selisih aspek evaluasi sebesar
1,525 dengan mean 0,39 dan sig. (2-tailed) sebesar 0,019. Harga
sig. (2-tailed) lebih kecil dari 0,05 yang menunjukkan bahwa
Pada grafik selisih aspek inferensi di atas dapat kita lihat
bahwa data tersebut termasuk dalam kurva tidak normal dengan
standar deviasi 0,881.
Tabel 21. Uji Normalitas Selisih Kognitif Aspek Inferensi
Mean Std.
Deviasi
Kolmogorov Smirnov Z
Asymp. Sig.
(2-tailed) Analisis Keterangan
Kenaikan
Inferensi 0,46 0,881 1,441 0,031 Sig<0,05
Distribusi tidak normal
Pada tabel di atas dapat kita lihat harga uji normalitas
Kolmogorov-Smirnov Z untuk data selisih aspek inferensi sebesar
1,441 dengan mean 0,46 dan sig. (2-tailed) sebesar 0,031. Harga
sig. (2-tailed) lebih kecil dari 0,05 yang menunjukkan bahwa
sebaran data berdistribusi tidak normal.
Pada grafik selisih aspek eksplanasi di atas dapat kita lihat
bahwa data tersebut termasuk dalam kurva tidak normal dengan
standar deviasi 0,67.
Tabel 22. Uji Normalitas Selisih Kognitif Aspek Eksplanasi
Mean Std.
Deviasi
Kolmogorov Smirnov Z
Asymp. Sig.
(2-tailed) Analisis Keterangan
Kenaikan
Eksplanasi - 0,18 0,67 1,879 0,002 Sig<0,05
Distribusi tidak normal
Pada tabel di atas dapat kita lihat harga uji normalitas
Kolmogorov-Smirnov Z untuk data selisih aspek eksplanasi
sebesar 1,879 dengan mean -0,18 dan sig. (2-tailed) sebesar 0,002.
Harga sig. (2-tailed) lebih kecil dari 0,05 yang menunjukkan
bahwa sebaran data berdistribusi tidak normal.
2) Uji Hipotesis Data Selisih Kategori Kognitif
Setelah mengetahui bahwa distribusi data tidak normal,
maka untuk analisis selanjutnya menggunakan statistik
nonparametris, yaitu Kruskal Wallis atau the Kruskal-Wallis one
way analysis of variance .
Hipotesis statistiknya sebagai berikut:
Hi : Ada perbedaan yang signifikan antara rata-rata kenaikan skor
kemampuan berpikir kritis kategori kognitif pada masing-masing
Hnull : Tidak ada perbedaan yang signifikan antara rata-rata
kenaikan skor kemampuan berpikir kritis kategori kognitif pada
masing-masing aspek.
Kriteria yang digunakan yaitu:
(1) Jika sig. < 0,05 berarti terdapat perbedaan yang signifikan di
antara data-data kenaikan setiap aspek berpikir kritis.
(2) Jika sig. > 0,05 berarti tidak terdapat perbedaan yang signifikan
di antara data-data kenaikan setiap aspek berpikir kritis.
Berikut ini perhitungannya menggunakan PASW 18 for
Windows dengan rumus The Kruskal-Wallis One Way Analysis of
Variance:
Tabel 23. Uji Ranking Kognitif (Prestasi belajar)
Df Asymp. Sig. Analisis Keterangan
4 0,038 Sig. < 0,05
Ada perbedaan yang signifikan
Berdasarkan perhitungan dengan PASW 18 for Windows,
harga Asymp. Sig. pada tabel tersebut sebesar 0,038. Harga Asymp.
Sig. lebih kecil dari 0,05 (0,038 < 0,05) yang berarti ada perbedaan
yang signifikan di antara data kenaikan tiap aspek kognitif. Dengan
demikian dapat dibuat perankingan antar aspeknya seperti pada
Tabel 24. Ranking Aspek Kognitif
Aspek Ranking Rata-rata Kenaikan Inferensi 79,00
Kenaikan Evaluasi 77,95 Kenaikan Interpretasi 75,91 Kenaikan Analisis 67,88 Kenaikan Eksplanasi 51,77
Berdasarkan tabel di atas dapat dilihat bahwa kenaikan
aspek kognitif tertinggi adalah aspek inferensi dengan rata-rata
79,00, sedangkan yang terendah pada aspek eksplanasi dengan
rata-rata 51,77.
Untuk memperjelas kenaikan setiap aspek, berikut grafik distribusi
Gambar 39. Grafik Kenaikan Aspek Prestasi Belajar