Teknik Analisis Uji Coba Instrumen Penelitian

METODOLOGI PENELITIAN

F. Teknik Analisis Uji Coba Instrumen Penelitian

Instrumen penelitian adalah alat yang digunakan oleh peneliti dalam mengumpulkan data penelitian. Kualitas instrumen sebagai alat pengambil data harus teruji kelayakannya dari segi validitas, reliabilitas, daya pembeda dan indeks kesukaran. Item soal yang tidak memenuhi kriteria (kualitasnya rendah) maka soal tersebut direvisi atau tidak digunakan.

1. Validitas

Validitas adalah tingkat keabsahan atau ketepatan suatu tes atau memiliki kesesuaian sasaran yang akan diukur dengan alat ukur yang digunakan. Agar data yang diperoleh valid, instrumen untuk mengevaluasinya harus valid. Sebuah tes dikatakan memiliki validitas jika hasilnya sesuai kriteria. Teknik yang digunakan adalah teknik korelasi product momen yang dikemukakan oleh Pearson.

_{√ ∑}^{∑ ∑ ∑}_∑ ∑ ∑ ^{. . . Persamaan 3.1}

(Arikunto, 2009: 73) dengan : r_xy : koefisien korelasi antara variabel X dan Y

X : skor tiap butir soal. Y : skor total tiap butir soal. N : jumlah siswa.

Untuk menginterpretasikan nilai koefisien korelasi yang diperoleh adalah dengan melihat tabel nilai r product moment.

Tabel 3.2 Interpretasi Validitas Butir Soal Koefisien Korelasi Kriteria

0.00 – 0.20 Sangat rendah 0.20 – 0.40 Rendah 0.40 – 0.60 Sedang 0.60 – 0.80 Tinggi 0.80 – 1.00 Sangat tinggi (Arikunto, 2009 : 75)

Mohamad Arief Rizqillah, 2014

Pemanfatan Perangkat Lunak Celestia Pada Pembelajaran Model Predict-Observe-Explain (Poe) Dengan Strategi Inkuiri Demonstrasi Interaktif Untuk Meningkatkan Penguasaan Konsep Siswa Smp

2. Reliabilitas

Reliabilitas menunjuk pada satu pengertian bahwa sesuatu instrumen cukup dapat dipercaya untuk digunakan sebagai alat pengumpul data karena instrumen tersebut sudah baik (Arikunto, 2006:178). Sebuah alat ukur (instrumen) yang reliable berapa kali digunakanpun tetap hasilnya akan relatif sama sehingga hasil yang didapatkan dari instrumen tersebut dapat dipercaya.

Reliabilitas yang digunakan yaitu rumus K-R. 20.

( ^∑) . . . Persamaan 3.2

(Arikunto, 2009: 86) Keterangan :

r11= reliabilitas tes secara keseluruhan

p = proporsi subjek yang menjawab item dengan benar

q = proporsi subjek yang menjawab item dengan salah (q=1-p) Σpq = jumlah hasil perkalian antara p dan q

n = banyaknya item

S = standar deviasi dari tes (standar deviasi adalah akar varians) Dengan klasifikasi reliabilitas sebagai berikut :

Tabel 3.3 Klasifikasi Reliabilitas Koefisien Korelasi Kriteria 0.00 – 0.200 Sangat rendah 0.200 – 0.400 Rendah 0.400 – 0.600 Sedang 0.600 – 0.800 Tinggi 0.800 – 1.00 Sangat tinggi (Arikunto, 2009: 86) 3. Tingkat Kesukaran

“Taraf kesukaran suatu butir soal ialah perbandingan jumlah jawaban yang benar dari seluruh siswa untuk suatu item dengan jumlah seluruh siswa yang mengerjakan soal”.

Taraf kesukaran dihitung dengan rumus

JS B

P

. . . Persamaan. 3.3

Mohamad Arief Rizqillah, 2014

Pemanfatan Perangkat Lunak Celestia Pada Pembelajaran Model Predict-Observe-Explain (Poe) Dengan Strategi Inkuiri Demonstrasi Interaktif Untuk Meningkatkan Penguasaan Konsep Siswa Smp

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi. Keterangan : P = Taraf Kesukaran

B = Banyaknya siswa yang menjawab benar JS = Jumlah Siswa

Untuk menginterpretasikan tingkat kesukaran setiap item soal, maka dilakukan dengan interpretasi pada tabel berikut:

Tabel 3.4

Interpretasi Tingkat Kesukaran Butir Soal Interval Interpretasi 0,00-0,30 Sukar 0,31-0,70 Sedang 0,71-1,00 Mudah (Munaf, 2001:20-21) 4. Daya Pembeda

Daya pembeda soal adalah kemampuan suatu soal untuk membedakan antara siswa yang pandai dengan siswa yang tidak pandai. Angka yang menunjukkan besarnya daya pembeda disebut indeks diskriminasi. Indeks ini berkisar antara 0,00 sampai 1,00. Rumus untuk menentukan indeks diskriminatif:

B B A A J B J B DP  . . . Persamaan. 3.4 (Arikunto, 2009)

Dengan D : daya pembeda

B_A: banyaknya peserta kelompok atas yang menjawab benar B_B: banyaknya peserta kelompok bawah yang menjawab benar J_A: banyaknya peserta kelompok atas

J_B: banyaknya peserta kelompok atas

PA : proporsi peserta kelompok atas yang menjawab benar P_B : proporsi peserta kelompok bawah yang menjawab benar

Mohamad Arief Rizqillah, 2014

Pemanfatan Perangkat Lunak Celestia Pada Pembelajaran Model Predict-Observe-Explain (Poe) Dengan Strategi Inkuiri Demonstrasi Interaktif Untuk Meningkatkan Penguasaan Konsep Siswa Smp

Tabel 3.5

Interpretasi Daya Pembeda Butir Soal

(Arikunto,2009) G.Hasil Analisis Uji Coba Instrumen

Kualitas instrumen sebagai alat pengambil data harus teruji kelayakannya dari segi validitas, reliabilitas, daya pembeda dan indeks kesukaran.Oleh karena itu, sebelum dilaksanakan penelitian, diadakan uji coba instrumen terlebih dahulu.

Uji instrumen diberikan pada siswa yang telah menerima pokok bahasan yang akan diteliti (Ilmu Pengetahuan Bumi dan Antariksa) atau satu kelas di atas siswa yang merupakan objek penelitian. Kelas yang akan dijadikan objek penelitian adalah kelas IX sehingga uji instrumen tidak bisa dilakukan pada sekolah yang sama dengan tempat penelitian, dalam hal ini uji instrumen dilakukan di salah satu kelas X di satu sekolah yang memiliki kondisi mirip dengan sekolah yang akan dijadikan tempat penelitian. Kelas yang akan menjadi objek uji instrumen terlebih dahulu mempelajari materi yang dijadikan pokok bahasan dalam penelitian. Instrumen yang diuji coba berupa tes berbentuk pilihan ganda sebanyak 35 soal dan siswa yang menjadi objek uji instrumen adalah sebanyak 36 siswa.

Hasil perhitungan tingkat kesukaran, daya pembeda dan validitas tes dapat dilihat pada lampiran. Hasil perhitungan taraf kesukaran dengan persamaan 3.3 menunjukkan bahwa tingkat kesukaran dari 35 soal yang diujicobakan berkategori mudah sebesar 60%, berkategori sedang sebesar 28,57%, dan berkategori sukar sebesar 11,43%. Persamaan 3.4 untuk menentukan daya pembeda, didapat dari 40 soal yang diujicobakan berkategori cukup sebesar 37,14%, berkategori jelek sebesar 8,57%, dan berkategori baik sebesar 54,29%. Selain itu, dari persamaan 3.1 diperoleh informasi bahwa validitas tes dari 35 soal yang diujicobakan

Nilai DP Kategori Negatif – 0.00 Tidak baik 0.01 – 0.20 Jelek (poor)

0.21 – 0.40 Cukup (satisfactory) 0.41 – 0.70 Baik (good)

Mohamad Arief Rizqillah, 2014

Pemanfatan Perangkat Lunak Celestia Pada Pembelajaran Model Predict-Observe-Explain (Poe) Dengan Strategi Inkuiri Demonstrasi Interaktif Untuk Meningkatkan Penguasaan Konsep Siswa Smp

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.

berkategori rendah sebanyak 14,29%, berkategori sedang sebanyak 45,71%, dan berkategori tinggi sebanyak 40%.

Selanjutnya, rekapitulasi hasil uji coba instrumen dari segi daya pembeda, tingkat kesukaran, dan validitas ditunjukkan pada Tabel 3.6.di bawah ini:

Tabel 3.6

Rekapitulasi Analisis Hasil Uji Coba Instrumen No

soal

Daya Pembeda Tingkat Kesukaran Validitas Nilai Kriteria Nilai Kriteria Nilai Kriteria

1 0,61 Baik 0,75 Mudah 0,47 Sedang

2 0,17 Jelek 0,75 Mudah 0,40 Rendah

3 0,33 Cukup 0,89 Mudah 0,70 Tinggi

4 0,33 Cukup 0,72 Mudah 0,52 Sedang

5 0,11 Jelek 0,93 Mudah 0,32 Rendah

6 0,50 Baik 0,53 Sedang 0,51 Sedang

7 0,61 Baik 0,75 Mudah 0,73 Tinggi

8 0,61 Baik 0,47 Sedang 0,50 Sedang

9 0,50 Baik 0,75 Mudah 0,60 Tinggi

10 0,50 Baik 0,81 Mudah 0,57 Sedang

11 0,50 Baik 0,75 Mudah 0,70 Tinggi

12 0,11 Jelek 0,52 Sedang 0,32 Rendah

13 0,33 Cukup 0,83 Mudah 0,59 Sedang

14 0,33 Cukup 0,83 Mudah 0,59 Sedang

15 0,39 Cukup 0,81 Mudah 0,26 Rendah

16 0,33 Cukup 0,14 Sukar 0,74 Tinggi

17 0,33 Cukup 0,83 Mudah 0,55 Sedang

18 0,30 Cukup 0,80 Mudah 0,23 Rendah

19 0,56 Baik 0,72 Mudah 0,68 Tinggi

20 0,44 Baik 0,07 Sukar 0,62 Tinggi

21 0,61 Baik 0,47 Sedang 0,52 Sedang

22 0,50 Baik 0,75 Mudah 0,60 Tinggi

23 0,61 Baik 0,75 Mudah 0,73 Tinggi

24 0,30 Cukup 0,8 Mudah 0,59 Sedang

25 0,56 Baik 0,72 Mudah 0,68 Tinggi

26 0,22 Cukup 0,83 Mudah 0,44 Sedang

27 0,33 Cukup 0,83 Mudah 0,60 Tinggi

28 0,33 Cukup 0,28 Sukar 0,74 Tinggi

29 0,61 Baik 0,75 Mudah 0,69 Tinggi

30 0,61 Baik 0,75 Mudah 0,73 Tinggi

31 0,56 Baik 0,56 Sedang 0,55 Sedang

32 0,44 Baik 0,72 Mudah 0,45 Sedang

33 0,28 Baik 0,07 Sukar 0,50 Sedang

34 0,33 Cukup 0,83 Mudah 0,60 Tinggi

Mohamad Arief Rizqillah, 2014

Pemanfatan Perangkat Lunak Celestia Pada Pembelajaran Model Predict-Observe-Explain (Poe) Dengan Strategi Inkuiri Demonstrasi Interaktif Untuk Meningkatkan Penguasaan Konsep Siswa Smp

Hasil perhitungan reliabilitas tes dengan persamaan 3.2, semua instrumen dinyatakan reliabel dengan kriteria sangat tinggi yaitu 0,92. Hasil perhitungan reliabilitas menunjukkan bahwa secara keseluruhan, instrumen yang diuji sudah reliable sehingga data yang akan didapatkan dari instrumen ini dapat dipercaya. Perhitungan lengkapnya dapat dilihat pada lampiran.

Berdasarkan rekapitulasi Tabel 4.1, dapat dianalisis bahwa dari 35 soal yang diujicobakan, ada 3 soal yang memiliki daya pembeda dengan kriteriajelek dan validitas rendah, yaitu soal No. 2, 5, dan 12 serta ada 2 soal yang memiliki validitas yang rendah yaitu soal No. 15 dan 18. Soal-soal tersebut dapat diperbaiki baik dari segi isi maupun bahasa atau dapat “dibuang” dengan catatan sudah ada soal serupa yang “mewakili”soal yang akan dibuang atau dengan kata lain sudah ada soal lain yang menguji indikator/konsep serupa dengan soal yang akan dibuang. Selanjutnya kita bisa melihat pada kisi-kisi instrumen yang terdapat di lampiran, apakah soal-soal yang memiliki validitas rendah dan/atau daya pembeda jelek sudah terwakili oleh soal yang lain.

Soal No. 2 yang memiliki daya pembeda jelek dan validitas rendah dapat dibuang karena sudah terwakili oleh soal No. 6 dan 25.

Soal No. 5 daya pembedanya jelek, validitas rendah dan sudah terwakili oleh soal No. 1.

Memiliki daya pembeda jelek dan validitas rendah serta sudah terwakili oleh soal No. 13 dan 17 membuat soal No. 12 bisa dibuang dari instrumen.

Soal No. 15 yang memiliki validitas rendah memiliki kemiripan dengan soal No. 7 yang bervaliditas tinggi sehingga yang digunakan soal No. 7 dan soal No. 15 dibuang.

Soal No. 1 sudah mewakili soal No. 18 sehingga soal No. 18 yang memiliki validitas rendah dapat dibuang.

Mohamad Arief Rizqillah, 2014

Pemanfatan Perangkat Lunak Celestia Pada Pembelajaran Model Predict-Observe-Explain (Poe) Dengan Strategi Inkuiri Demonstrasi Interaktif Untuk Meningkatkan Penguasaan Konsep Siswa Smp

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi. H.Teknik Pengolahan Data

Alur pengolahan data pada dapat dilihat pada gambar berikut ini :

Gambar 3.2 Bagan Alur Pengolahan Data

1. Pemberian skor

Dalam penelitian ini, data skor tes digunakan untuk mengukur penguasaan konsep siswa. Skor tes ini berasal dari nilai Pre Test dan Post Test.

Skor untuk soal pilihan ganda ditentukan berdasarkan metode Rights Only, yaitu jawaban benar diberi skor satu dan jawaban salah atau butir soal yang tidak dijawab diberi skor nol. Penskoran dihitung menggunakan rumus (Arikunto, 2010:172).

S  R

_{. . .} _{Persamaan 3.5} Keterangan:

S = Skor peserta didik

R = Jawaban peserta didik yang benar DATA TES SKOR TES GAIN YANG DINORMALISASI UJI NORMALITAS UJI HOMOGENITAS PENGUJIAN HIPOTESIS DENGAN UJI - t KESIMPULAN PENGUJIAN HIPOTESIS DENGAN UJI WILCOXON

Tidak Normal

Normal

Mohamad Arief Rizqillah, 2014

Pemanfatan Perangkat Lunak Celestia Pada Pembelajaran Model Predict-Observe-Explain (Poe) Dengan Strategi Inkuiri Demonstrasi Interaktif Untuk Meningkatkan Penguasaan Konsep Siswa Smp

2. Menghitung gain skor yang dinormalisasi

Gain yang dinormalisasi merupakan perbandingan antara skor gain aktual yaitu skor gain yang diperoleh siswa dengan skor gain maksimum yaitu skor gain tertinggi yang mungkin diperoleh siswa (Hake, 1997). (Pritchard, 2002) mengemukakan bahwa pembelajaran yang baik bila gain skor yang dinormalisasi lebih besar dari 0,4. Untuk mengetahui peningkatan hasil belajar siswa pada ranah kognitif, digunakan data hasil pretest dan posttest siswa untuk kemudian dilakukan analisis terhadap gain yang dinormalisasi. (Richard R Hake, 2002: 3) menyatakan terdapat dua jenis gain yang dinormalisasi yaitu:

a) Gain yang dinormalisasi untuk setiap siswa yang dinyatakan dengan persamaan % % 100 % posttest pretest g pretest    _{. . . Persamaan 3.6}

b) Rata-rata gain yang dinormalisasi yang dinyatakan dengan persamaan sebagai berikut : % % 100 % posttest pretest g pretest        _{ } _ . . . Persamaan 3.7

Gain yang dinormalisasi tiap siswa akan digunakan untuk menghitung rata-rata gain yang dinormalisasi, sedangkan rata-rata-rata-rata gain yang dinormalisasi akan digunakan untuk menentukan peningkatan penerapan model pembelajaran. Menurut Hake, interpretasi rata-rata gain yang dinormalisasi terhadap peningkatan hasil belajar pada aspek kognitif pada suatu pembelajaran dibagi ke dalam tiga kriteria sebagai mana tercantum pada Tabel 3.7.

Tabel 3.7

Kriteria Peningkatan Gain

Rata-rata gain yang dinormalisasi Kriteria 0,00 < (<g>) ≤ 0,30 Rendah 0,30 < (<g>) ≤ 0,70 Cukup 0,70 < (<g>) ≤ 1,00 tinggi

Mohamad Arief Rizqillah, 2014

Pemanfatan Perangkat Lunak Celestia Pada Pembelajaran Model Predict-Observe-Explain (Poe) Dengan Strategi Inkuiri Demonstrasi Interaktif Untuk Meningkatkan Penguasaan Konsep Siswa Smp

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.

Dengan menggunakan perumusan yang sama akan dihitung pula

peningkatan setiap kemampuan ranah kognitif Taksonomi Bloom yang diukur dalam penelitian.

3. Uji Normalitas

Uji normalitas bertujuan untuk mengetahui sebaran distribusi data yang

diperoleh. Melalui uji normalitas peneliti bisa mengetahui apakah sampel yang diambil mewakili populasi ataukah tidak. Uji normalitas dilakukan dengan menggunakan teknik Chi-Kuadrat. Langkah-langkah yang dilakukan adalah sebagai berikut (Pangabean, 2001:133) :

a. Menentukan banyak kelas (k) N

k 13,3log Persamaan 3.8 b. Menentukan panjang kelas interval (p)

p = .=

^{Persamaan 3.9}

c. Menentukan batas atas dan batas bawah setiap kelas interval. Batas atas diperoleh dari ujung kelas atas ditambah 0,5; sedangkan batas bawah diperoleh dari ujung kelas bawah dikurangi 0,5.

d. Menentukan skor rata-rata masing-masing kelas menggunakan rumus: N

X X _



ⁱ

. . . Persamaan 3.10

dengan Xyaitu skor rata-rata, X_i yaitu skor setiap siswa dan N yaitu jumlah siswa.

e. Menghitung standar deviasi dengan rumus :

1 ) ( ²   



N X X S_x ⁱ . . . Persamaan 3.11

f. Menghitung z skor batas nyata masing-masing kelas interval dengan menggunakan rumus z skor :

S X bk

z _ 

. . . . Persamaan 3.12

Mohamad Arief Rizqillah, 2014

Pemanfatan Perangkat Lunak Celestia Pada Pembelajaran Model Predict-Observe-Explain (Poe) Dengan Strategi Inkuiri Demonstrasi Interaktif Untuk Meningkatkan Penguasaan Konsep Siswa Smp

1 I

I   . . . Persamaan 3.13

dengan I yaitu luas kelas interval, I₁ yaitu luas daerah batas atas kelas interval, I₂ yaitu luas daerah bawah kelas interval.

h. Menentukan frekuensi ekspektasi : E_i  Nl_{. . . Persamaan 3.14} i. Menghitung harga frekuensi dengan rumus Chi-Kuadrat:

 



^  i i i hitung E E O ² 2  . . . Persamaan 3.15 (Panggabean, 2001) dengan χ2

hitung = chi-kuadrat hasil perhitungan Oi = frekuensi pengamatan

Ei = frekuensi yang diharapkan j. Membandingkan harga χ2

hitung dengan χ2 tabel.. Jika χ2

hitung < χ2

tabel. , data berdistribusi normal

χ2

hitung> χ2

tabel. , data berdistribusi tidak normal 4. Uji homogenitas

Uji ini bertujuan untuk melihat apakah sampel mempunyai varian homogen atau tidak. Langkah-langkah menentukan homogenitas adalah sebagai berikut: a. Menentukan varians dari dua sampel yang akan diuji homogenitasnya b. Menghitung nilai F dengan menggunakan rumus :

k s b s F ₂ 2  . . . Persamaan 3.16 Dengan : s²b = Varians yang lebih besar

s²k = Varians yang lebih kecil

c. Menentukan F tabel distribusi frekuensi dengan derajat kebebasan(dk) = n – 1 d. Membandingkan nilai f hasil perhitungan dengan nilai F dari tabel

Fhitung < Ftabel , artinya sampel homogen Fhitung > Ftabel , artinya sampel tidak homogen 5. Uji Hipotesis dengan Uji – t

Metode statistika untuk menentukan uji hipotesis yang akan digunakan harus disesuaikan dengan asumsi –asumsi statistika seperti asumsi distribusi dan

Mohamad Arief Rizqillah, 2014

Pemanfatan Perangkat Lunak Celestia Pada Pembelajaran Model Predict-Observe-Explain (Poe) Dengan Strategi Inkuiri Demonstrasi Interaktif Untuk Meningkatkan Penguasaan Konsep Siswa Smp

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.

kehomogenan varians. Berikut ini kondisi asumsi distribusi dan kehomogenan varians dari data hasil penelitian serta uji hipotesis yang seharusnya digunakan :

a. Data Gain Skor Berdistribusi Normal dan Homogen.

Untuk menguji hipotesis digunakan statistik parametrik yaitu uji t sampel berpasangan sesuai persamaan berikut:

2 2 2 1 2 1 2 1 N s N s M M t    (Panggabean, 2001) dengan: M ₁ : Skor pretes rata-rata

M : Skor postes rata-rata 2

s : Standar deviasi pretes 2

s : Standar deviasi postes N : Jumlah sampel

Nilai t ini kemudian dikonsultasikan pada tabel distribusi t pada taraf signifikansi tertentu. Jika t_hitung > t_tabel, maka terdapat peningkatan yang signifikan antara skor pretes dan postes. Dengan demikian, hipotesis alternatif diterima. Namun jika t_hitung < t_tabel, maka tidak terdapat peningkatan yang signifikan antara skor pretes dan postes. Dengan demikian, hipotesis alternatif ditolak.

b. Apabila Data Gain Skor Berdistribusi Normal dan Tidak Homogen. Maka untuk menguji hipotesis digunakan statistik t’ sebagai berikut :

2 2 2 1 2 1 2 1 ' n s n s X X t    (Sudjana, 2005) dengan: X 1 : Skor pretes rata-rata

Mohamad Arief Rizqillah, 2014

Pemanfatan Perangkat Lunak Celestia Pada Pembelajaran Model Predict-Observe-Explain (Poe) Dengan Strategi Inkuiri Demonstrasi Interaktif Untuk Meningkatkan Penguasaan Konsep Siswa Smp

2 1

s : Standar deviasi pretes 2

s : Standar deviasi postes n : Jumlah sampel

Kriteria pengujian adalah , terima hipotesis H jika : ₀

2 1 2 2 1 1 2 1 2 2 1 1 ' w w t w t w t w w t w t w        Dengan :

 





2 1 1 1 , 2 1 1 / ; / 1 2 1 1 2 2 2 2 1 2 1 1         n t t dan n t t n s w n s w  

Untuk harga t’ lainnya, H ditolak. 0

c. Apabila Data Gain Skor Berdistribusi Tidak Normal.

Apabila data gain skor berdistribusi tidak normal, maka tidak perlu dilakukan uji homogenitas karena statistik yang digunakan bukan lagi statistik parametrik tetapi statistik nonparametrik, yakni prosedur statistik yang tidak mengacu pada parameter tertentu. Itulah sebabnya, statistik nonparametrik sering disebut sebagai prosedur yang bebas distribusi (free-distibution procedures). Dan statistik nonparametrik yang digunakan untuk uji hipotesis adalah Uji Wilcoxon dengan langkah-langkah sebagai berikut :

o Membuat daftar rank dengan mengurutkan nilai pretes (PI) dengan nilai postes(P2) Nomor rank dimulai dari P2-P1 terkecil tanpa memperhatikan tanda. Dengan catatan data yang skornya sama harus diberikan rangking yang sama (rata-rata rangking) dan jika Pi = 0 pasangan tersebut dibuang/dianggap tidak ada, maka (n=banyaknya Pi ≠ 0).

o Berikan tanda (+) pada rangking yang berasal dari di positip (P_i> 0) dan tanda (-) pada rangking yang berasal dari di negative (P_i< 0).

o Menentukan nilai W dari tabel nilai kritis W_{α (n)} untuk uji Wilcoxon. Karena pada daftar W_{α (n)} , harga n yang paling besar adalah 25. Maka untuk n > 25, harga W_{α (n)} dihitung dengan rumus :

Mohamad Arief Rizqillah, 2014

Pemanfatan Perangkat Lunak Celestia Pada Pembelajaran Model Predict-Observe-Explain (Poe) Dengan Strategi Inkuiri Demonstrasi Interaktif Untuk Meningkatkan Penguasaan Konsep Siswa Smp

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.

(Panggabean, 2001 : 159)

Dengan : n = jumlah sampel

Z = 2,57 untuk taraf signifikasi 1 % Z = 1,96 untuk taraf signifikasi 5 % Jika W hitung > W_{α (n)} , maka Ho diterima

Jika W hitung < W_{α (n)} , maka Ho ditolak 6. Pengolahan Lembar Observasi

Keterlaksanaan penerapan model POE dengan strategi Inkuiri Demonstrasi Interaktif dapat diketahui dengan cara mencari persentase keterlaksanaan dengan menggunakan persamaan sebagai berikut:

Langkah-langkah yang penulis lakukan untuk menghitung persentase keterlaksanaan pembelajaran adalah sebagai berikut ini.

a. Menghitung jumlah jawaban “ya” dan “tidak” yang observer isi pada lembar observasi aktivitas guru dan siswa.

b. Menghitung persentase keterlaksanaan model pembelajaran POE dengan pendekatan Inkuiri dengan menggunakan rumus sebagai berikut :

c. Menafsirkan kategori keterlaksanaan model POE dengan pendekatan

Inkuiri berdasarkan Tabel 3.8.

Tabel 3.8

Kriteria Keterlaksanaan Model Pembelajaran

KM (%) KRITERIA

KM = 0 Tak satupun kegiatan terlaksana 0<KM<25 Sebagian kecil kegiatan terlaksana 25<KM<50 Hampir Setengah Kegiatan terlaksana

KM = 50 Kegiatan terlaksana setengah 50<KM<75 Sebagian besar kegiatan terlaksana 75<KM<100 Hampir seluruh kegiatan terlaksana

KM = 100 Seluruh kegiatan terlaksana

(Riduan, 2012) 24 ) 1 2 )( 1 ( 4 ) 1 ( ) (      ⁿ ⁿ Z ⁿ ⁿ ⁿ W_ _n

Mohamad Arief Rizqillah, 2014

Pemanfatan Perangkat Lunak Celestia Pada Pembelajaran Model Predict-Observe-Explain (Poe) Dengan Strategi Inkuiri Demonstrasi Interaktif Untuk Meningkatkan Penguasaan Konsep Siswa Smp

BAB V

Dalam dokumen PEMANFATAN PERANGKAT LUNAK CELESTIA PADA PEMBELAJARAN MODEL PREDICT-OBSERVE-EXPLAIN (POE) DENGAN STRATEGI INKUIRI DEMONSTRASI INTERAKTIF UNTUK MENINGKATKAN PENGUASAAN KONSEP SISWA SMP. (Halaman 25-38)