BAB III METODE PENELITIAN
3.8 Teknik Analisis Data
3.8.1 Uji Pengaruh Perlakuan
1. Uji Normalitas Distribusi Data
Uji normalitas distribusi data digunakan untuk mengetahui apakah distribusi data normal atau tidak. Selain itu, uji normalitas juga digunakan untuk menentukan jenis statistik yang digunakan dalam menganalisis data selanjutnya (Field, 2009: 144). Data dianalisis menggunakan analisis non parametrik yang mempertimbangkan distribusi data untuk mengetahui apakah data terdistribusi normal atau tidak (Priyatno, 2012: 11).
Suatu kondisi dikatakan ideal jika data dapat terdistribusi secara normal. Jika distribusi data normal, teknik uji statistik selanjutnya menggunakan statistik parametrik misalnya dengan Independent Samples t-test atau Paired Samples t-test (Field, 2009: 326). Jika distribusi data tidak normal, teknik uji statistik selanjutnya menggunakan statistik non parametrik misalnya dengan Mann-Whitney U-test untuk data tidak berpasangan atau Wilcoxon untuk data berpasangan (Field, 2009: 345). Untuk uji normalitas distribusi data digunakan One-Sample Kolmogorov-Smirnov atau Shapiro-Wilk test dengan hipotesis statistik sebagai berikut.
Hnull : Tidak ada deviasi dari normalitas Hi : Ada deviasi dari normalitas
Kriteria yang digunakan untuk mengetahui normalitas distribusi data adalah sebagai berikut.
1. Jika harga p < 0,05, maka Hnull ditolak dan Hi diterima. Dengan kata lain, distribusi data tidak normal.
2. Jika harga p > 0,05, maka Hnull diterima dan Hi ditolak. Dengan kata lain, distribusi data normal.
47 Uji normalitas distribusi data dihitung dengan mengambil data dari seluruh skor pretest, posttest I, posttest II, dan selisih pretest – posttest I dari kelompok kontrol dan kelompok eksperimen digunakan untuk uji normalitas distribusi data.
3. Uji Homogenitas Varian
Uji homogenitas varian digunakan untuk memastikan apakah skor rerata dua kelompok yang dibandingkan memiliki varian yang homogen. Teknik pengujian homogenitas varian menggunakan Levene’s test (Field, 2009: 340). Apabila data berdistribusi normal, hasil Levene’s test dapat dilihat di output SPSS pada Independent Samples t-test. Jika varian homogen, data yang digunakan adalah data pada baris pertama dalam analisis output SPSS pada Independent samples t-test 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. Apabila data tidak berdistribusi normal, hasil Levene’s test di dapat dari menu explore (Field, 2009: 151). Data yang digunakan adalah data pada baris kedua, yaitu data berdasarkan median, karena data yang digunakan tidak berdistribusi normal. Hipotesis untuk uji homogenitas varian adalah sebagai berikut.
Hnull : Tidak ada perbedaan varian yang signifikan antara rerata pretest/ selisih pretest - posttest I kelompok kontrol dan kelompok eksperimen.
Hi : Ada perbedaan varian yang signifikan antara rerata pretest/ selisih pretest - posttest I kelompok kontrol dan kelompok eksperimen.
Kriteria yang digunakan untuk mengetahui homogenitas varian adalah sebagai berikut.
1. Jika harga p < 0,05, maka Hnull ditolak dan Hi diterima. Artinya, ada perbedaan varian yang signifikan. Dengan kata lain, varian kedua kelompok tersebut tidak homogen.
2. Jika harga p > 0,05, maka Hnull diterima dan Hi ditolak. Artinya, tidak ada perbedaan varian yang signifikan. Dengan kata lain, varian kedua kelompok tersebut homogen.
48 Untuk uji homogenitas varian, data diambil dari skor pretest dan selisih pretest – posttest I dari kelompok kontrol dan kelompok eksperimen.
3.8.1.2Uji Perbedaan Kemampuan Awal
Uji perbedaan kemampuan awal digunakan untuk mengukur kemampuan dari kelompok kontrol dan kelompok eksperimen. Uji perbedaan kemampuan awal dilakukan agar peneliti mengetahui apakah kemampuan dari kelompok kontrol dan eksperimen berbeda atau sama sehingga dapat dibandingkan hasilnya. Dengan demikian peneliti dapat mengetahui karakteristik subjek yang akan diteliti, dan dapat mengetahui terkendali atau tidaknya ancaman terhadap validitas internal yaitu karakteristik subjek.
Uji perbedaan kemampuan awal dilakukan dengan cara menguji rerata skor pretest kelompok kontrol dan kelompok eksperimen. Jika data pretest yang diuji berasal dari dua kelompok yang berbeda distribusi datanya normal, maka dapat menggunakan uji kemampuan awal statistik parametrik Independent Samples t-test (Filed, 2009: 326). Sedangkan jika distribusi data tidak normal, maka uji kemampuan awal menggunakan statistik non parametrik Mann-Whitney U-test (Filed, 2007: 345). Sebelum melakukan analisis, dilakukan uji asumsi untuk memeriksa homogenitas varians dengan melihat harga Sig. Levene’s test. Jika harga Sig. Levene’s test < 0,05 maka tidak terdapat homogenitas varian dari kedua data yang dibandingkan, namun jika harga Sig. Levene’s test > 0,05 maka terdapat homogenitas varian dari kedua data yang dibandingkan (Field, 2009: 150). Analisis statistik dilakukan dengan program statistik IBM SPSS statistics 22 for Windows dengan tingkat kepercayaan 95%. Analisis data uji perbedaan kemampuan awal (pretest) menggunakan hipotesis statistik sebagai berikut.
Hnull : Tidak ada perbedaan yang signifikan antara skor pretest kelompok kontrol dan kelompok eksperimen.
Hi : Ada perbedaan yang signifikan antara skor pretest kelompok kontrol dan skor kelompok eksperimen.
Kriteria yang digunakan untuk mengambil keputusan pada uji kemampuan awal adalah sebagai berikut.
49 1. Jika p > 0,05 maka Hnull diterima dan Hi ditolak. Hal ini berarti tidak ada perbedaan yang signifikan pada hasil pretest antara kelompok kontrol dan kelompok eksperimen, sehingga kedua kelompok memiliki kemampuan awal yang sama.
2. Jika p < 0,05 Hnull ditolak dan Hi diterima. Hal ini berarti adanya perbedaan yang signifikan antara pretest kelompok kontrol dan kelompok eksperimen, sehingga kedua kelompok memiliki kemampuan awal yang tidak sama.
Kondisi yang ideal bagi dua kelompok adalah ketika kedua kelompok tidak memiliki perbedaan yang signifikan atau memiliki kemampuan awal yang sama, sehingga kedua kelompok memiliki titik pijak yang sama untuk dilakukan perbandingan. Selain itu, terdapat ancaman validitas internal penelitian yang dapat mengancam adalah karakteristik subjek dan pengujian. Oleh karena itu perlu dilakukan pengujian kemampuan awal siswa dengan memberikan soal pretest untuk kelompok kontrol dan eksperimen.
3.8.1.3Uji Signifikansi
Uji signifikansi dimaksudkan untuk memastikan apakah penerapan variabel independen berpengaruh terhadap variabel dependen. Pada penelitian ini uji signifikansi dilakukan untuk mengetahui pengaruh perlakuan-perlakuan model pembelajaran kooperatif tipe Make a Match terhadap kemampuan mengeksplanasi dan meregulasi diri, dengan melihat perbedaan selisih skor Posttest I dan pretest dari kelompok kontrol dan kelompok eksperimen. Sesuai dengan desain penelitian dan perhitungan untuk mencari pengaruh dengan (O2 - O1) - (O4 - O3), jika hasilnya lebih besar dari 0, ada perbedaan. Uji statistik berupa uji signifikansi pengaruh perlakuan membantu untuk memastikan apakah pengaruhnya signifikan. Untuk itu digunakan program statistik IBM SPSS Statistics 22 for Windows dengan tingkat kepercayaan 95% untuk uji dua ekor atau Sig. (2-tailed). Jika distribusi data normal, digunakan Independent Samples t-test dan jika distribusi data tidak normal, digunakan Mann-Whitney U test. Hipotesis statistiknya adalah sebagai berikut. Hnull : Tidak ada perbedaan yang signifikan antara rerata selisih skor pretest –
50 Hi : Ada perbedaan yang signifikan antara rerata selisih skor pretest –
posttest kelompok kontrol dan kelompok eksperimen.
Kriteria yang digunakan untuk mengetahui pengaruh perlakuan adalah sebagai berikut.
1. Jika harga p < 0,05, Hnull ditolak dan Hi diterima. Artinya, ada perbedaan yang signifikan. Dengan kata lain penerapan variabel independen berpengaruh terhadap kemampuan dalam variabel dependen.
2. Jika harga p > 0,05, Hnull diterima dan Hi ditolak. Artinya, tidak ada perbedaan yang signifikan. Dengan kata lain penerapan variabel independen tidak berpengaruh terhadap kemampuan dalam variabel dependen.
Untuk uji signifikansi pengaruh perlakuan, data diambil dari skor selisih pretest - posttest I pada kelompok kontrol dan kelompok eksperimen sesuai dengan desain penelitian.
3.8.1.4Uji Besar Pengaruh Perlakuan
Uji besar pengaruh perlakuan digunakan untuk mengetahui apakah pengaruh suatu perlakuan secara statistik signifikan tidak dengan sendirinya menunjukkan apakah pengaruh tersebut substantif atau penting (Field, 2009: 56). Besar pengaruh suatu perlakuan dapat diketahui melalui effect size. Effect size adalah suatu ukuran objektif dan terstandarisasi untuk mengetahui seberapa besar efek yang dihasilkan (Field, 2009: 56-57). Teknik yang banyak digunakan adalah teknik koefisien korelasi Pearson (r) yang menggunakan skala 0 (tidak ada efek) dan 1 (efek sempurna). Berikut adalah kriteria uji pengaruh perlakuan (Cohen, Manion, & Marrison, 2007, dalam Field, 2009: 57).
Tabel 3.7 Kriteria Uji Pengaruh Perlakuan
r (effect size) Kriteria
0,10 Efek kecil atau setara dengan 1% 0,30 Efek menengah atau setara dengan 9% 0,50 Efek besar atau setara dengan 25%
Berikut adalah penjelasan lebih lanjut mengenai kriteria uji pengaruh perlakuan (Fraenkel, Wallen, dan Hyun, 2012: 253).
51
Tabel 3.8 Kriteria Uji Pengaruh Perlakuan
No Harga r Interpretasi
1. 0,00 – 0,40 Efek tidak penting secara praktis, bisa jadi masih penting secara teoretis untuk membuat prediksi.
2. 0,41 – 0,60 Efek cukup besar secara praktis dan teoretis
3. 0,61 – 0,80 Efek sangat penting, tetapi jarang dicapai dalam penelitian pendidikan. 4. 0,81 – 1,00 Mungkin terjadi kesalahan dalam perhitungan, jika tidak efeknya
memang sangat besar.
Ada dua cara untuk mengetahui besar pengaruh perlakuan. Jika distribusi data normal, digunakan rumus korelasi Pearson berikut (Field, 2009: 332).
Gambar 3.4 Rumus Besar Pengaruh Perlakuan
Keterangan:
r : korelasi Pearson yang digunakan untuk mengukur besar pengaruh (effect size)
t : harga uji t (dari output SPSS dengan Independent Samples t-test) df : derajat kebebasan (degree of freedom) yaitu (N-2 atau jumlah total
kelompok kontrol dan kelompok eksperimen dikurangi 2).
Jika distribusi data tidak normal, digunakan rumus korelasi Pearson berikut (Field, 2009: 550).
Gambar 3.5 Rumus Korelasi Pearson Data Tidak Normal
Keterangan:
r : korelasi Pearson yang digunakan untuk mengukur besar pengaruh (effect size)
Z : skor Z (dari output SPSS dengan Mann-Whitney U test)
N : jumlah seluruh responden dari kelompok kontrol dan eksperimen Untuk mengubah harga r menjadi persen, digunakan koefisien determinasi (R2) dikalikan 100% (Field, 2009: 179).
r =
𝑍 √𝑁52
Gambar 3.6 Rumus Persentase Pengaruh