Teknik pengumpulan data dalam penelitian ini dilakukan dengan beberapa cara yaitu sebagai berikut:
1. Tes Kemampuan Pemodelan dan Abstraksi Matematis
Tes tulis kemampuan pemodelan dan abstraksi matematis, diberikan sebelum dan sesudah proses pembelajaran terhadap seluruh siswa kelas eksperimen dan kelas kontrol. Skor peningkatan kemampuan pemodelan dan abstraksi matematis diperoleh dari perhitungan gain ternormalisasi (g). Menurut Meltzer (2002) (dalam Kurniawan, 2010) rumus yang digunakan untuk menghitung gain ternormalisasi adalah: max postT preT g T preT Keterangan: g= Gain ternormalisasi
postT= Skor postes
preT = Skor pretes maxT= Skor ideal
Tata, 2015
PENINGKATAN KEMAMPUAN PEMODELAN DAN ABSTRAKSI MATEMATIS SERTA MOTIVASI BELAJAR SISWA SEKOLAH MENENGAH PERTAMA MELALUI PEMBELAJARAN KONTEKSTUAL KOLABORATIF
Universitas Pendidikan Indonesia | \.upi.edu perpustakaan.upi.edu
Kriteria mengenai besarnya gain ternormalisasi adalah sebagai berikut:
Tabel 3.40
Kriteria Gain Ternormalisasi Gain Ternormalisasi (g) Interpretasi
g ≥ 0,7 Tinggi
0,3 ≤ g < 0,7 Sedang
g < 0,3 Rendah
Skor pencapaian kemampuan pemodelan matematis didasarkan kepada perolehan skor tes masing-masing siswa yang mengacu kepada pedoman penskoran pada Tabel 3.28 dengan skor maksimal idelanya sebesar 2, sedangkan skor pencapaian kemampuan abstraksi matematis didasarkan kepada perolehan skor tes masing-masing siswa yang mengacu kepada pedoman penskoran pada Tabel 3.37 dengan skor maksimal idelanya sebesar 28. Adapun kriteria pencapaian kemampuan pemodelan matematis dan kemampuan abstraksi matematis diadaptasi dari Noer (2010), disajikan pada Tabel 3.41.
Tabel 3.41
Kriteria Pencapaian Kemampuan Pemodelan dan Abstraksi Matematis
Skor Tes (X) Interpretasi
X ≥ 70% Tinggi
60% ≤ X < 70% Sedang
X < 60% Rendah
2. Skala Motivasi Belajar Siswa
Skala motivasi belajar siswa diberikan kepada seluruh siswa kelas eksperimen dan kelas kontrol diberikan sebelum dan setelah seluruh proses pembelajaran selesai dilaksanakan.
3. Lembar Pengamatan Aktivitas Siswa
Lembar pengamatan aktivitas siswa diisi oleh observer yaitu guru matematika yang bertugas mengamati setiap aktivitas yang dilakukan oleh siswa dalam proses pembelajaran.
4. Wawancara siswa
Tata, 2015
PENINGKATAN KEMAMPUAN PEMODELAN DAN ABSTRAKSI MATEMATIS SERTA MOTIVASI BELAJAR SISWA SEKOLAH MENENGAH PERTAMA MELALUI PEMBELAJARAN KONTEKSTUAL KOLABORATIF
Universitas Pendidikan Indonesia | \.upi.edu perpustakaan.upi.edu F. Teknik Analisis Data
Berdasarkan teknik pengumpulan data, ada dua jenis data yang diperoleh, yaitu data kuantitatif dan data kualitatif. Sehingga teknik penganalisisannya melalui dua jalur pula, yaitu jalur kuantitatif dan jalur kualitatif.
1. Analisis Data Kuantitatif
Analisis data kuantitatif dilakukan terhadap data postes dan data gain ternormalisasi kemampuan pemodelan dan abstraksi matematis serta motivasi belajar siswa, diantaranya adalah.
a. Uji Normalitas
Uji normalitas dilakukan untuk menentukan apakah data yang kita peroleh berdistribusi normal atau tidak.
Langkah-langkah dalam pengujian normalitas dengan menggunakan SPSS-17 adalah sebagai berikut:
Merumuskan hipotesis, yaitu:
0
H : Data berdistribusi normal A
H : Data tidak berdistribusi normal
i) Menentukan level of significance. Diambil nilai α sebesar 0,05
ii) Menentukan kriteria pengujian, yaitu daerah terima untuk H0 dan daerah tolak untuk H0. Kriteria pengujian dengan menggunakan SPSS-17 adalah: jika Sig. > , maka H0 diterima. Dan Jika Sig. ≤ , maka H0 ditolak.
b. Uji Homogenitas
Uji homogenitas ditujukan untuk mengetahui apakah dua buah distribusi atau lebih pada kelompok eksperimen dan kelompok kontrol memiliki variansi-variansi yang sama atau tidak. Uji homogenitas menggunakan uji variansi-variansi dua buah peubah bebas karena sampel yang diselidiki saling bebas. Berikut ini langkah-langkah yang akan dilakukan dalam uji homogenitas dengan menggunakan SPSS-17 adalah:
Tata, 2015
PENINGKATAN KEMAMPUAN PEMODELAN DAN ABSTRAKSI MATEMATIS SERTA MOTIVASI BELAJAR SISWA SEKOLAH MENENGAH PERTAMA MELALUI PEMBELAJARAN KONTEKSTUAL KOLABORATIF
Universitas Pendidikan Indonesia | \.upi.edu perpustakaan.upi.edu
ii). Menentukan tingkat keberartian α sebesar 0,05
iii). Menentukan uji statistik dengan menggunakan uji Levene pada taraf konfidensi 95%.
iv). Menentukan kriteria pengujian, jika Sig. > , maka H0 diterima.
c). Uji ANAVA Satu Jalur
Untuk mengetahui perbedaan pencapaian dan peningkatan kemampuan pemodelan dan abstraksi matematis pada kelompok eksperimen dan kelompok kontrol, digunakan Anova satu jalur. Berikut langkah-langkah yang akan dilakukan untuk menguji perbedaan rerata dengan menggunakan ANAVA satu jalur:
i) Merumuskan hipotesis
ii) Menentukan tingkat keberartian α sebesar 0,05
iii) Menentukan kriteria pengujian, yaitu jika Sig. > , maka H0 diterima. Dan Jika Sig. ≤ , maka H0 ditolak.
ANAVA hanya melihat ada tidak adanya perbedaan rerata, tidak sampai mengetahui mana yang berbeda signifikan. Jika diantara ketiga kelompok atau lebih diketahui ada perbedaan, maka untuk melihat mana yang berbeda dilakukan uji lanjutan dengan menggunakan uji Scheffe (Ruseffendi, 2005).
d). Uji Scheffe
Uji Scheffe merupakan uji lanjutan untuk melihat perbedaan rerata yang telah dilakukan dengan ANAVA satu jalur. Berikut langkah-langkah menggunakan uji Scheffe:
i) Merumuskan hipotesis
0
H : Tidak terdapat perbedaan rerata antara ketiga kelompok atau lebih. A
H : Paling tidak ada dua kelompok yang berbeda. ii) Menentukan tingkat keberartian α sebesar 0,05
iii) Menentukan uji statistik dengan menggunakan uji Scheffe.
vi) Menentukan kriteria pengujian, jika Sig. > , maka H0 diterima. Dan Jika Sig. ≤ , maka H0 ditolak.
Tata, 2015
PENINGKATAN KEMAMPUAN PEMODELAN DAN ABSTRAKSI MATEMATIS SERTA MOTIVASI BELAJAR SISWA SEKOLAH MENENGAH PERTAMA MELALUI PEMBELAJARAN KONTEKSTUAL KOLABORATIF
Universitas Pendidikan Indonesia | \.upi.edu perpustakaan.upi.edu
Uji Kruskal-Wallis adalah uji nonparametrik sebagai pengganti uji
ANAVA satu jalur, dilakukan ketika data tidak berdistribusi normal. Berikut langkah-langkah yang akan dilakukan untuk menguji perbedaan rerata:
i) Merumuskan hipotesis
0
H : Tidak terdapat perbedaan rerata antara ketiga kelompok atau lebih. A
H : Paling tidak ada dua kelompok yang berbeda. ii) Menentukan tingkat keberartian α sebesar 0,05
iii) Menentukan uji statistik dengan menggunakan uji Kruskal-Wallis.
iv) Menentukan kriteria pengujian, jika Sig. > , maka H0 diterima. Dan Jika Sig. ≤ , maka H0 ditolak.
f) Uji ANAVA Dua Jalur
Uji ANAVA dua jalur digunakan untuk mengetahui interaksi antara model pembelajaran dan level sekolah maupun dengan pengetahuan awal matematika (PAM) terhadap pencapaian dan peningkatan kemampuan pemodelan dan abstraksi matematis maupun motivasi belajar siswa. Berikut langkah-langkah yang akan dilakukan untuk menguji interaksi:
i) Merumuskan hipotesis
0
H : Tidak terdapat interaksi A
H : Terdapat interaksi
ii) Menentukan tingkat keberartian α sebesar 0,05
iii) Menentukan uji statistik dengan menggunakan ANAVA dua jalur.
iv) Menentukan kriteria pengujian, jika Sig. > , maka H0 diterima. Dan Jika Sig. ≤ , maka H0 ditolak.
2. Analisis Data Kualitatif
a. Analisis Data Pengamatan Aktivitas Siswa
Analisis data pengamatan aktivitas siswa bertujuan untuk mengetahui kadar aktivitas siswa selama proses pembelajaran dan untuk melengkapi temuan
Tata, 2015
PENINGKATAN KEMAMPUAN PEMODELAN DAN ABSTRAKSI MATEMATIS SERTA MOTIVASI BELAJAR SISWA SEKOLAH MENENGAH PERTAMA MELALUI PEMBELAJARAN KONTEKSTUAL KOLABORATIF
Universitas Pendidikan Indonesia | \.upi.edu perpustakaan.upi.edu
pencapaian dan peningkatan kemampuan pemodelan matematis, abstraksi matematis, dan motivasi belajar siswa.
b. Analisis Data Hasil Wawancara Siswa
Analisis data hasil wawancara siswa bertujuan untuk mengungkapkan kesalahan yang dilakukan oleh siswa ketika menjawab soal kemampuan pemodelan dan abstraksi matematis serta angket motivasi belajar siswa.
Keterkaitan antara masalah, hipotesis, kelompok data, dan jenis uji statistik yang digunakan dalam analisis data disajikan dalam Tabel 3.42.
Tabel 3.42
Keterkaitan antara Masalah, Hipotesis, Kelompok Data, dan Jenis Uji Statistik yang Digunakan dalam Analisis Data
Masalah Nomor Hipotesis Kelompok Data Jenis Uji Statistik
Perbedaan pencapaian dan peningkatan kemampuan pemodelan matematis siswa
antara yang memperoleh PKK, PK, dan PB. 1, 2
P-PKK P-PK P-PB ANAVA Satu Jalur, Uji Scheffe Interaksi antara kelompok model
pembelajaran (PKK, PK, PB) dan level sekolah (tinggi, sedang) dalam pencapaian dan peningkatan kemampuan pemodelan matematis. 3, 4 PI-PKK PS-PKK PI-PK PS-PK PI-PB PS-PB ANAVA Dua Jalur
Interaksi antara kelompok model pembelajaran (PKK, PK, PB) dan
pengetahuan awal matematika (atas, tengah, bawah) dalam pencapaian dan peningkatan
kemampuan pemodelan matematis. 5, 6
PA-PKK PT-PKK PB-PKK PA-PK PT-PK PB-PK PA-PB PT-PB PB-PB ANAVA Dua Jalur
Perbedaan pencapaian dan peningkatan kemampuan abstraksi matematis siswa antara
yang memperoleh PKK, PK, dan PB. 7, 8
A-PKK A-PK A-PB ANAVA Satu Jalur, Uji Scheffe Interaksi antara kelompok model
pembelajaran (PKK, PK, PB) dan level sekolah (tinggi, sedang) dalam pencapaian dan peningkatan kemampuan abstraksi matematis. 9, 10 AI-PKK AS-PKK AI-PK AS-PK AI-PB AS-PB ANAVA Dua Jalur
Interaksi antara kelompok model 11, 12 AA-PKK AT-PKK
ANAVA Dua
Tata, 2015
PENINGKATAN KEMAMPUAN PEMODELAN DAN ABSTRAKSI MATEMATIS SERTA MOTIVASI BELAJAR SISWA SEKOLAH MENENGAH PERTAMA MELALUI PEMBELAJARAN KONTEKSTUAL KOLABORATIF
Universitas Pendidikan Indonesia | \.upi.edu perpustakaan.upi.edu
pembelajaran (PKK, PK, PB) dengan pengetahuan awal matematika (atas, tengah, bawah) dalam pencapaian dan peningkatan kemampuan abstraksi matematis.
AB-PKK AA-PK AT-PK AB-PK AA-PB AT-PB AB-PB Jalur
Perbedaan pencapaian dan peningkatan motivasi belajar siswa dalam matematika
antara yang memperoleh PKK, PK, dan PB. 13, 14
M-PKK M-PK M-PB ANAVA Satu Jalur, Uji Scheffe Interaksi antara kelompok model
pembelajaran (PKK, PK, PB) dan level sekolah (tinggi, sedang) terhadap pencapaian dan peningkatan motivasi belajar siswa dalam matematika. 15, 16 MI-PKK MS-PKK MI-PK MS-PK MI-PB MS-PB ANAVA Dua Jalur
Interaksi antara kelompok model pembelajaran (PKK, PK, PB) dan
pengetahuan awal matematika (atas, tengah, bawah) terhadap pencapaian dan peningkatan
motivasi belajar siswa dalam matematika. 17, 18
MA-PKK MT-PKK MB-PKK MA-PK MT-PK MB-PK MA-PB MT-PB MB-PB ANAVA Dua Jalur
Korelasi antara kemampuan pemodelan matematis, kemampuan abstraksi matematis,
dan motivasi belajar 19, 20, 21
KPM KAM MB Uji Korelasi Pearson, Spearman G. Prosedur Penelitian