3.8 Teknik Analisis Data
3.8.1 Uji Pengaruh Pelakuan
1. Uji normalitas distribusi data
Uji normalitas digunakan untuk mengetahui apakah data terdistribusi secara normal atau tidak, hal ini sebagai syarat digunakannya analisis parametrik (Priyatno, 2012: 132). Jika data terdistribusi tidak normal maka analisis data dilakukan dengan statistik non parametrik (Priyatno, 2012: 11). Uji normalitas dilakukan dengan menggunakan IBM SPSS Statistics 22 for Windows dengan tingkat kepercayaan 95%. Pengujian dilakukan dengan Kolmogorov Smirnov test. Analisis data uji normalitas distribusi data menggunakan hipotesis sebagai berikut:
Hnull : Tidak ada deviasi dari normalitas Hi : Ada deviasi dari normalitas
Kriteria yang digunakan untuk mengetahui data tersebut normal atau tidak normal adalah sebagai berikut (Priyatno, 2012: 136).
1. Jika harga p > 0,05 maka Hnull diterima dan Hi ditolak, artinya distribusi data normal.
48 2. Jika harga p > 0,05 maka Hnull ditolak dan Hi diterima maka distribusi data
tidak normal.
Data untuk uji normalitas distribusi data diambil dari seluruh skor pretest, posttest I, posttest II, dan selisih pretest ke posttest I dari kelompok kontrol dan eskperimen. Apabila distribusi data normal maka analisis uji statistik selanjutnya menggunakan statistik parametrik misalnya Paired samples t-test, sedangkan apabila distribusi data tidak normal maka dilakukan uji statistik non parametrik misalnya dengan Mann-Whitney U-testatau Wilcoxon signed-ranks (Priyatno, 2012:141).
2. Uji homogenitas varian
Uji homogenitas varian dilakukan untuk memastikan apakah varian dari kedua kelompok yang berbeda tersebut homogen. Teknik uji homogenitas varian dapat menggunakan Levene’s test pada program komputer IBM SPSS Statistics 22 for Windows. Apabila data berdistribusi normal, hasil Levene’s test dapat dilihat di output SPSS pada Independent samples t-test. Apabila data tidak berdistribusi normal, hasil Levene’s test didapat dari menu explore (Field, 2009: 151).
Jika varian homogen, data yang digunakan adalah data pada baris pertama dalam analisis outputIMB SPSSStatistics 22 for Windows yang sebaris dengan keterangan equal variances assumed dan jika varian tidak homogen, data yang digunakan adalah data pada baris kedua dengan keterangan equal variances non-assumed (Field, 2009: 340). Data uji homogenitas varian diambil dari skor pretest
dan selisih pretest ke posttest I dari kelompok kontrol dan kelompok eksperimen. Analisis data uji normalitas distribusi data menggunakan hipotesis sebagai berikut:
Hnull : tidak ada perbedaan varian yang signifikan antara rerata skor pretest
kelompok kontrol dan kelompok eksperimen.
Hi : ada perbedaan varian yang signifikan antara rerata skor pretest
kelompok kontrol dan kelompok eksperimen.
Kriteria yang digunakan untuk mengetahui homogenitas varian adalah sebagai berikut (Priyatno, 2012: 37).
49 1. Jika harga p< 0,05 maka ditolak dan diterima. Hal ini menunjukkan
ada perbedaan varian yang signifikan. Dengan kata lain, varian kedua kelompok tersebut tidak homogen.
2. Jika harga p> 0,05 maka diterima dan ditolak. Hal ini menunjukkan tidak ada perbedaan varian yang signifikan. Dengan kata lain, varian kedua kelompok tersebut homogen.
3.8.1.2 Uji Perbedaan Kemampuan Awal
Uji perbedaan kemampuan awal dilakukan dengan menganalisis hasil
pretest dari kelompok kontrol dan kelompok eksperimen. Uji perbedaan kemampuan awal bertujuan untuk mengetahui kemampuan awal yang dimiliki kelompok kontrol dan kelompok eksperimen terhadap kemampuan mengeksplanasi dan meregulasi diri, sehingga kemampuan dua kelompok dapat dibandingkan. Uji ini dilakukan dengan menghitung rerata skor pretest kelompok kontrol dan kelompok eksperimen. Jika kedua kelompok memiliki kemampuan awal yang setara, maka kemungkinan bias kecil (Neuman, 2013: 238). Jika data tidak terdistribusi normal maka menggunakan uji Mann Whitney U-test, sedangkan jika distribusi data normal menggunakan Independent samples t-test
(Priyatno, 2012: 136). Analisis data uji perbedaan kemampuan menggunakan hipotesis sebagai berikut:
Hnul : Tidak ada perbedaan rerata pretest yang signifikan antara kelompok kontrol dan kelompok eksperimen.
Hi : Ada perbedaan rerata pretest yang signifikan antara kelompok kontrol dan kelompok eksperimen.
Kriteria yang digunakan untuk menentukan uji perbedaan rerata pretest kelompok kontrol dan kelompok eksperimen adalah sebagai berikut (Priyatno, 2012: 23). 1. Jika harga p> 0,05 maka Hnull diterima dan Hi ditolak, artinya tidak ada
perbedaan rerata pretest yang signifikan pada kelompok kontrol dan kelompok eksperimen.
2. Jika harga p< 0,05 maka Hnull ditolak dan Hi diterima, artinya ada perbedaan rerata pretest yang signifikan pada kelompok kontrol dan kelompok eksperimen.
50 3.8.1.3 Uji Signifikansi Pengaruh Perlakuan
Uji signifikansi pengaruh perlakuan digunakan untuk mengetahui pengaruh perlakuan atau penerapan model TGT terhadap kemampuan mengeskplanasi dan meregulasi diri, dengan melihat perbedaan dari rerata skor selisih posttest dan pretest dari kedua kelompok. Uji ini diperoleh dengan mengurangkan rerata selisih skor posttest ke pretest pada kelompok eksperimen dengan rerata selisih skor posttestkepretest pada kelompok kontrol (Sugiyono, 2012: 76). Uji ini menggunakan rumus (O2 - O1) - (O4 - O3). Jika hasil selisih skor pretest-posttest I diatas 0 maka ada pengaruh.
Uji statistik yang digunakan adalah sebagai berikut: 1) Independen samples t-test jika data terdistribusi normal. 2) Mann-Witney U-test jika data terdistribusi dengan tidak normal (Field, 2009: 345). Data untuk uji signifikansi pengaruh perlakuan diambil dari skor selisih pretest ke posttest I pada kelompok kontrol dan kelompok eksperimen. Teknik analisis data menggunakan tingkat kepercayaan 95%. Hipotesis statistiknya adalah sebagai berikut:
Hnull : Tidak ada perbedaan yang signifikan antara selisih skor pretest-postest I
pada kelompok kontrol dan kelompok eksperimen.
Hi : Ada perbedaan yang signifikan antara selisih skor posttest-pretest I pada kelompok kontrol dan kelompok eksperimen.
Kriteria yang digunakan untuk mengetahui pengaruh perlakuan adalah sebagai berikut.
1. Jika harga p < 0,05 maka Hnull ditolak dan Hi diterima. Artinya ada perbedaan yang signifikan. Dengan kata lain penerapan variabel independen berpengaruh terhadap variabel dependen.
2. Jika harga p > 0,05 maka Hnull diterima dan Hi ditolak. Artinya tidak ada perbedaan yang signifikan. Dengan kata lain penerapan variabel independen tidak berpengaruh terhadap variabel dependen.
3.8.1.4 Uji Besar Pengaruh Perlakuan
Uji besar pengaruh perlakuan bertujuan untuk mengetahui seberapa besar pengaruh penerapan modep pembelajaran tipe Teams Games Tournament (TGT) terhadap kemampuan mengeskplanasi dan meregulasi diri. Mengukur uji besar
51 pengaruh dapat dilihat dengan mencari effect size. Effect size adalah ukuran objektif dan standarisasi dari sebuah besarnya ukuran yang diamati (Field, 2009: 56). Teknik yang digunakan adalah koefisien korelasi Pearson (r) yang menggunakan skala antara 0 (tidak ada efek) dan 1 (efek sempurna). Effect size ini berguna untuk memberikan ukuran yang objektif tentang pentingnya efek suatu perlakuan (Field, 2009: 57). Untuk uji besar pengaruh perlakuan, jika distribusi data normal, digunakan rumus korelasi Pearson sebagai berikut (Field, 2009: 332).
Gambar 3. 4Rumus Besar Efek untuk Data Normal Keterangan:
r = besar pengaruh (effect size) perlakuan dengan menggunakan koefisien korelasi Pearson.
t = harga uji t
df = harga derajat kebebasan (degree of freedom)
Jika distribusi data tidak normal, digunakan rumus korelasi Pearson sebagai berikut (Field, 2009: 550).
Gambar 3. 5 Rumus Besar Efek untuk Data Tidak Normal
Keterangan:
r = korelasi Pearson yang digunakan untuk mengukur besar pengaruh (effect size)
Z = skor Z
N = jumlah total responden dari kelompok kontrol dan kelompok eksperimen Berikut adalah kriteria dalam menentukan effect size (Cohen, 1988, 1992, dalam Field, 2009: 57).
r = 0,10 (efek kecil) : setara dengan 1%
r = 0,30 (efek menengah) : setara dengan 9%
√
√
52
r = 0,50 (efek besar) : setara dengan 25%
Fraenkel, Wallen, dan Hyun (2012: 253) menjelaskan sebagai berikut. Tabel 3. 5Kriteria Besar Pengaruh
r Interpretasi
0,00-0,40 Efek tidak penting secara praktis, boleh jadi masih penting secara teoretis untuk membuat prediksi
0,41 - 0,60 Efek cukup besar secara praktis dan teoretis
0,61 – 0,80 Efek sangat penting, tetapi jarang diperoleh dalam penelitian pendidikan 0,81 – 1,00 Kemungkinan terjadi kesalahan dalam perhitungan; jika tidak, efeknya sangat
besar
Jika akan mengubah ke dalam bentuk persen, koefisien determinasi (R2) dikalikan dengan 100% (Field, 2009: 179).
Gambar 3. 6 Rumus persentase pengaruh perlakuan