DAFTAR ISI
PERNYATAAN ... i
ABSTRAK ... ii
ABSTRACT ... iii
KATA PENGANTAR ... iv
UCAPAN TERIMA KASIH ... vi
DAFTAR ISI ... viii
DAFTAR TABEL ... x
DAFTAR DIAGRAM ... xii
DAFTAR BAGAN ... xiii
DAFTAR LAMPIRAN ... xiv
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah ... 1
1.2 Rumusan Masalah ... 9
1.3 Maksud dan Tujuan Penelitian ... 10
1.4 Manfaat Penelitian ... 10
1.5 Definisi Operasional ... 11
BAB II KAJIAN PUSTAKA 2.1 Penalaran ... 13
2.2 Penalaran Matematis ... 13
2.3 Penalaran Statistis ... 15
2.4 Disposisi Matematis ... 18
2.5 Disposisi Statistis ... 19
2.6 Exploratory Data Analysis (EDA) ... 24
2.7 Pembelajaran Secara Ekspositori ... 28
2.8 Hasil Penelitian yang Relevan ... 30
2.9 Kerangka Pemikiran ... 32
BAB III METODE PENELITIAN
3.1 Rancangan Penelitian ... 36
3.2 Populasi dan Sampel ... 36
3.3 Bahan Ajar ... 37
3.4 Variabel Penelitian ... 37
3.5 Instrumen Penelitian ... 38
3.6 Kesimpulan Hasil Uji Coba Instrumen ... 44
3.7 Analisis Data ... 48
3.8 Prosedur Penelitian ... 52
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian ... 56
4.2 Pembahasan Hasil Penelitian ... 81
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan ... 86
5.2 Saran ... 86
DAFTAR PUSTAKA ... 88
LAMPIRAN-LAMPIRAN ... 91
LAMPIRAN A ... 92
LAMPIRAN B ... 202
DAFTAR TABEL
Tabel
3.1 Pedoman Pemberian Skor Kemampuan Penalaran Statistis ... 38
3.2 Klasifikasi Koefisien Validitas ... 40
3.3 Klasifikasi Koefisien Reliabilitas ... 41
3.4 Klasifikasi Indeks Daya Pembeda ... 42
3.5 Klasifikasi Tingkat Kesukaran ... 43
3.6 Data Hasil Uji Validitas Instrumen Kemampuan Penalaran Statistis .... 44
3.7 Data Hasil Uji Reliabilitas Instrumen Kemampuan Penalaran Statistis 45
3.8 Data Hasil Uji Daya Pembeda Instrumen Kemampuan Penalaran Statistis ... 46
3.9 Data Hasil Uji Tingkat Kesukaran Instrumen Kemampuan Penalaran Statistis ... 46
3.10 Data Hasil Uji Validitas Instrumen Angket Disposisi Statistis ... 47
3.11 Data Hasil Uji Reliabilitas Instrumen Angket Disposisi Statistis ... 48
3.12 Interpretasi Persentase Skor Angket Disposisi Statistis ... 49
3.13 Interpretasi Skor Gain Ternormalisasi ... 50
4.1 Data Statistik Skor Kemampuan Penalaran Statistis ... 56
4.2 Data Hasil Uji Normalitas Skor Kemampuan Penalaran Statistis ... 58
4.3 Data Hasil Uji Homogenitas Varians Skor Kemampuan Penalaran Statistis ... 58
4.4 Data Hasil Uji Kesamaan Dua Rata-rata Skor Pretes Kemampuan Penalaran Statistis ... 60
4.5 Data Hasil Uji Perbedaan Dua Rata-rata Skor Postes Kemampuan Penalaran Statistis ... 61
4.6 Data Hasil Uji Perbedaan Dua Rata-rata Skor Gain Ternormalisasi Kemampuan Penalaran Statistis ... 62
4.7 Data Respon Disposisi Statistis Dimensi Pertama ... 64
4.9 Data Respon Disposisi Statistis Dimensi Ketiga ... 67
4.10 Data Respon Disposisi Statistis Dimensi Keempat ... 69
4.11 Data Respon Disposisi Statistis Dimensi Kelima ... 70
4.12 Data Respon Disposisi Statistis Dimensi Keenam ... 71
4.13 Data Respon Disposisi Statistis Dimensi Ketujuh ... 72
C.1.1 Data Skor Uji Coba Instrumen Tes Kemampuan Penalaran Statistis .... 226
C.2.1 Data Hasil Uji Validitas Instrumen Tes Kemampuan Penalaran Statistis ... 227
C.2.2 Data Hasil Uji Reliabilitas Instrumen Kemampuan Penalaran Statistis 227
C.2.3 Data Hasil Uji Daya Pembeda Kemampuan Penalaran Statistis ... 227
C.2.4 Data Hasil Uji Tingkat Kesukaran Kemampuan Penalaran Statistis ... 228
C.4.1 Data Hasil Uji Validitas Instrumen Angket Disposisi Statistis ... 232
C.4.2 Data Hasil Uji Reliabilitas Instrumen Angket Disposisi Statistis ... 232
C.5.1 Data Pretes, Postes, dan Gain Ternormalisasi Kelas EDA ... 233
C.6.1 Data Pretes, Postes, dan Gain Ternormalisasi Kelas Ekspositori ... 235
C.7.1 Data Hasil Uji Normalitas Data Skor Pretes, Postes, Gain Ternormalisasi Kelas EDA dan Ekspositori Dengan SPSS ... 237
C.7.2 Data Hasil Uji Homogenitas Data Skor Pretes, Postes, Gain Ternormalisasi Kelas EDA dan Ekspositori Dengan SPSS ... 237
C.7.3 Data Hasil Uji t Dua Sampel Independen Skor Pretes, Postes, Gain Ternormalisasi Kelas EDA dan Ekspositori Dengan Fathom ... 238
C.8.1 Data Jawaban Respon Postes Disposisi Statistis Kelas EDA ... 239
DAFTAR DIAGRAM
Diagram
4.1 Hubungan Mean dan Simpangan Baku ... 78
4.2 Sampling dan Distribusi Sampling ... 80
DAFTAR BAGAN
Bagan
DAFTAR LAMPIRAN
Lampiran A
A.1 SAP 1 Kelas EDA ... 93
A.2 Kisi-kisi LKM 1 ... 99
A.3 LKM 1 Kelas EDA ... 99
A.1 SAP 2 Kelas EDA ... 102
A.2 Kisi-kisi LKM 2 ... 112
A.3 LKM 2 Kelas EDA ... 112
A.1 SAP 3 Kelas EDA ... 116
A.2 Kisi-kisi LKM 3 ... 122
A.3 LKM 3 Kelas EDA ... 122
A.1 SAP 4 Kelas EDA ... 128
A.2 Kisi-kisi LKM 4 ... 135
A.3 LKM 4 Kelas EDA ... 135
A.1 SAP 5 Kelas EDA ... 142
A.2 Kisi-kisi LKM 5 ... 147
A.3 LKM 5 Kelas EDA ... 147
A.1 SAP 6 Kelas EDA ... 154
A.2 Kisi-kisi LKM 6 ... 160
A.3 LKM 6 Kelas EDA ... 160
A.1 SAP 7 Kelas EDA ... 166
A.2 Kisi-kisi LKM 7 ... 172
A.3 LKM 7 Kelas EDA ... 172
A.4 SAP 1 Kelas Ekspositori ... 177
A.4 SAP 2 Kelas Ekspositori ... 181
A.4 SAP 3 Kelas Ekspositori ... 184
A.4 SAP 4 Kelas Ekspositori ... 188
A.4 SAP 5 Kelas Ekspositori ... 192
A.4 SAP 7 Kelas Ekspositori ... 198
Lampiran B B.1 Kisi-kisi Soal Tes Kemampuan Penalaran Statistis ... 203
B.2 Soal Tes Kemampuan Penalaran Statistis (KPS) ... 204
B.3 Kunci Jawaban Soal Tes KPS ... 209
B.4 Kisi-kisi Angket Disposisi Statistis ... 212
B.5 Angket Disposisi Statistis (ADS) ... 214
B.6 Pedoman Lembar Pengisian Angket Disposisi Statistis ... 216
B.7 Lembar Observasi ... 221
B.8 Pedoman Lembar Observasi ... 223
B.9 Pedoman Wawancara ... 225
Lampiran C C.1 Data Skor Uji Coba Tes Kemampuan Penalaran Statistis ... 227
C.2 Data Hasil Uji Coba Instrumen Kemampuan Penalaran Statistis ... 228
C.3 Data Jawaban Uji Coba Instrumen Angket Disposisi Statistis ... 230
C.4 Data Hasil Uji Coba Instrumen Angket Disposisi Statistis ... 231
C.5 Data Pretes, Postes, dan Gain Ternormalisasi Kelas EDA ... 234
C.6 Data Pretes, Postes, dan Gain Ternormalisasi Kelas Ekspositori ... 236
C.7 Data Hasil Pengolahan Data Skor Pretes, Postes, dan Gain Ternormalisasi Kelas EDA ... 238
C.8 Data Jawaban Respon Angket Disposisi Statistis Kelas EDA ... 240
C.9 Data Hasil Observasi Kegiatan Pembelajaran Statistika Kelas EDA ... 244
ini untuk menelaah kemampuan penalaran dan disposisi statistis mahasiswa yang belajar dengan pendekatan Exploratory Data Analysis (EDA) berbantuan Fathom. Penelitian ini mengambil dua kelompok sampel yang terdiri dari 32 mahasiswa kelas
EDA dan 31 mahasiswa kelas ekspositori pada salah satu sekolah tinggi di kota
Cirebon. Hasil pertama menunjukkan bahwa kemampuan penalaran statistis mahasiswa yang belajar dengan pendekatan Exploratory Data Analysis (EDA) berbantuan Fathom lebih baik dibandingkan mahasiswa yang belajar secara ekspositori. Kedua, peningkatan kemampuan penalaran statistis mahasiswa yang belajar dengan pendekatan EDA berbantuan Fathom lebih baik dibandingkan mahasiswa yang belajar secara ekspositori. Ketiga, disposisi statistis mahasiswa kelas
EDA dikategorikan baik pada semua dimensi disposisi statistis.
Low statistical reasoning ability of students is a matter of concern in this research.
The purpose of this research is to examine the students’ ability in statistical reasoning and disposition who learned statistics with Exploratory Data Analysis (EDA) approach and Fathom Assistance. The research took two sample groups, consisting 32 students of EDA class and 31 students of expository class in one of college in Cirebon city. The result shows, first, the students’ statistical reasoning ability under EDA approach and Fathom assistance is higher than those under expository. Second, the students learned statistics under EDA approach and Fathom assistance have higher enhancement in statistical reasoning than those who learned statistics under expository. Third, the students disposition of EDA class is good in all dimentions of statistical disposition.
Key Words: Statistical Reasoning Ability (SRA), Disposition, Exploratory Data
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Pendidikan merupakan suatu usaha sadar dan terencana untuk mewujudkan
suasana belajar dan proses pembelajaran, agar peserta didik secara aktif
mengembangkan potensi dirinya untuk memiliki kekuatan spiritual, keagamaan,
pengendalian diri, kepribadian, kecerdasan, akhlak mulia serta keterampilan yang
diperlukan oleh dirinya, masyarakat, bangsa, serta negara (Rojai & Romadon,
2013). Untuk itu, seorang pendidik harus memiliki kompetensi dasar dalam
melaksanakan tugas keprofesionalannya, yang meliputi kompetensi pedagogik,
kepribadian, profesional dan sosial. Keempat kompetensi yang dimiliki seorang
pendidik diharapkan mampu untuk mewujudkan tujuan pendidikan nasional untuk
membentuk manusia-manusia yang beriman kepada Tuhan Yang Maha Esa,
bertakwa, berakhlak mulia, sehat, berilmu, kreatif, cakap, dan mandiri, serta
mampu menjadi warga negara yang bertanggung jawab. Seseorang dapat
mengembangkan dan meningkatkan potensi dirinya melalui proses pembelajaran
didalam mengenyam dunia pendidikan, sehingga dapat memiliki keterampilan
yang dibutuhkan oleh dirinya, baik dari segi intelegensi maupun karakternya.
Oleh karena itu, pendidikan memiliki peran yang sangat penting dalam
mengembangkan kualitas Sumber Daya Manusia (SDM) yang ditunjukkan oleh
hasil pendidikan yang berkualitas.
Sekolah Tinggi Ilmu Komputer (STIKOM) Poltek Cirebon merupakan
sebuah lembaga pendidikan tinggi yang menyelenggarakan salah satu Program
Studi Teknik Informatika (TI) dengan misi meningkatkan kualitas proses belajar
mengajar yang berbasis pada teknologi informasi dan selalu adaptif terhadap
perubahan. Selain itu, STIKOM Poltek Cirebon memiliki beberapa tujuan dari
diselenggarakannya program studi ini, antara lain: (1) menghasilkan lulusan yang
memiliki keterampilan yang tinggi; dan (2) menghasilkan lulusan yang mampu
beradaptasi dengan teknologi baru. Yamin (2013) menyatakan bahwa dalam era
pengetahuan dan teknologi dibandingkan dengan hasil teknologi itu sendiri,
sehingga dibutuhkan pendidik yang profesional di dalam bidangnya, dan pendidik
merupakan salah satu komponen yang berpengaruh dan memiliki peran penting,
serta merupakan kunci pokok bagi keberhasilan peningkatan mutu pendidikan.
Matematika merupakan salah satu bidang keilmuan yang dipelajari oleh
mahasiswa STIKOM Poltek Cirebon, memiliki peran penting dalam mewujudkan
tujuan pendidikan nasional maupun tujuan Program Studi Teknik Informatika ini,
melalui pengembangan potensi yang dimiliki oleh mahasiswa itu sendiri. Di
dalam bidang keilmuan matematika, STIKOM menyediakan mata kuliah statistika
yang pada prinsipnya mempelajari mengenai pengumpulan data, pengolahan data,
penganalisaan data serta penarikan kesimpulan berdasarkan hasil analisis data
(Sudjana, 2005). Statistika juga diungkapkan oleh Moore (1997) sebagai suatu
pengetahuan yang menyediakan sarana untuk dapat memberikan solusi terhadap
fenomena yang terjadi di dalam kehidupan, lingkungan pekerjaan dan di dalam
ilmu pengetahuan itu sendiri.
Mahasiswa STIKOM Poltek Cirebon pada dasarnya telah memiliki
pengetahuan dan keterampilan statistika pada tingkat pendidikan sebelumnya.
Pada saat siswa lulus dari Sekolah Menengah Atas (SMA), siswa diharapkan
sudah mampu untuk memahami dan mengaplikasikan penyajian data dalam
bentuk tabel, diagram, ukuran pemusatan, letak dan sebaran, permutasi dan
kombinasi, ruang sampel dan peluang kejadian serta dapat menerapkannya dalam
memecahkan suatu masalah. Kompetensi-kompetensi ini diperlukan agar
mahasiswa dapat memiliki bekal kemampuan dalam memperoleh, mengelola, dan
memanfaatkan informasi sesuai dengan setiap keadaan yang terjadi di masyarakat
dan di dalam dunia kerja.
Berkaitan dengan kondisi perkembangan informasi dan teknologi pada saat
ini sudah begitu kompleks dan cepat, mahasiswa memerlukan sebuah kemampuan
yang dapat digunakan untuk memahami dan memberikan makna terhadap
penyajian informasi statistis yang ditampilkan melalui media cetak maupun
elektronik. Banyak surat kabar dan media televisi menyajikan beberapa bentuk
dapat memahami dan menghargai informasi yang didapatkan tersebut, sehingga
informasi statistis tersebut tidak hanya digunakan bagi kalangan terdidik saja
(Dasari, 2006).
Berbagai artikel isu terbaru dikalangan ahli statistis Amerika yang telah
dirangkum oleh Snee bahwa “…highlight the growing feeling that statistical
education is in serious trouble and that changes must be made. These changes are necessary because, in general, people don’t understand statistical thinking and as a result don’t value its use. People can’t value what they don’t understand”. Ini berkenaan dengan sorotan perasaan yang berkembang bahwa pendidikan statistis
mengalami masalah serius dan harus dilakukan perubahan. Perubahan ini
diperlukan karena pada umumnya, orang-orang tidak mengerti berpikir statistis
dan sebagai hasilnya tidak menghargai hasil penggunaannya. Orang-orang tidak
dapat menghargai apa yang tidak mereka mengerti (Martadiputra, 2010).
Ben-Zvi dan Garfield (2004) juga menyatakan bahwa sudah lewat satu
dekade, telah ada dorongan yang kuat dalam pendidikan statistika untuk
memusatkan perhatian lebih pada melek statistis, bernalar statistis dan berpikir
statistis, dikarenakan pendekatan pengajaran konvensional saat ini hanya
memusatkan pada keterampilan, prosedur, perhitungan dan tidak menggerakkan
siswa kepada bernalar dan berpikir statistis. Oleh karena itu, statistika pada
tingkatan sekolah tinggi memiliki peran penting dalam meningkatkan kesadaran
akan pentingnya data dan memahaminya, sehingga dapat dikonsumsi sesuai
dengan penggunaannya. Salah satu kemampuan yang mesti dimiliki oleh
mahasiswa sekolah tinggi tersebut adalah kemampuan penalaran statistis.
Penalaran pada dasarnya merupakan suatu aktivitas mental untuk
meningkatkan pemikiran dengan melihat beberapa fakta, sehingga menghasilkan
proses mental berupa pengetahuan maupun kesimpulan. Adapun penalaran
statistis didefinisikan sebagai suatu cara dalam memberikan alasan dengan ide-ide
statistis dan memberikan makna mengenai informasi statistis, termasuk di
dalamnya membuat interpretasi berdasarkan kumpulan data, representasi data,
maupun ringkasan data statistis (Garfield, 2002). Pemahaman konsep ide-ide
sampling termasuk bagian dari bentuk penalaran statistis atau dapat juga
merupakan kombinasi ide tentang data dan peluang, seperti inferensi dan
interpretasi hasil statistis (Dasari, 2006).
Dalam pembelajaran statistika, delMass (2002) menyatakan apabila tujuan
dari belajar statistika tersebut adalah untuk membangun dan meningkatkan
kemampuan penalaran statistis, maka mahasiswa akan diminta untuk menjelaskan
mengapa atau bagaimana suatu hasil diperoleh, dan mengapa suatu kesimpulan
ditetapkan atau diputuskan. Sumarmo (2013) mengungkapkan penggolongan
penalaran menjadi induktif dan deduktif. Kegiatan yang tergolong penalaran
induktif, antara lain: analogi, penarikan kesimpulan umum berdasarkan data yang
teramati (generalisasi), memperkirakan jawaban, solusi atau kecenderungan,
memberikan penjelasan terhadap model, fakta, sifat, hubungan, atau pola yang
ada. Indikator yang akan digunakan di dalam penelitian ini berdasarkan dua
pernyataan tersebut, adalah (1) Memberikan penjelasan dengan menggunakan
ide-ide statistis terhadap hubungan yang ada; dan (2) Melakukan penarikan
kesimpulan umum berdasarkan sejumlah data yang teramati. Indikator yang
pertama ini sangat diperlukan dan penting untuk membantu mahasiswa STIKOM
Poltek Cirebon dalam menganalisa flowchart (bagan alir) yang menunjukkan alir
di dalam program atau prosedur sistem secara logika, dan bagan alir ini digunakan
sebagai alat bantu komunikasi dan dokumentasi. Mahasiswa biasa bekerja pada
diagram alir dan dituntut untuk mampu membaca, mendeskripsikan, dan
menganalisa bagan alir tersebut, sedangkan indikator kedua untuk membantu
mahasiswa dalam menarik suatu kesimpulan apabila sistem aplikasi yang dibuat
memuat output atau keluaran sebagai laporan, sehingga kemampuan penalaran ini
dapat dimanfaatkan oleh mahasiswa di dalam dunia kerja nanti.
Kemampuan penalaran statistis mahasiswa tentu dapat dibangun dan
ditingkatkan apabila tersedia materi yang sesuai untuk mengukur kemampuan
tersebut. Garfield (2002) menyebutkan bahwa ada beberapa materi guna
membangun dan meningkatkan kemampuan penalaran statistis mahasiswa, yaitu:
(1) Penalaran tentang data; (2) Penalaran tentang representasi data; (3) Penalaran
asosiasi. Jones et al dan Mooney (Ben-Zvi & Garfield, 2004: 102) menyebutkan
terdapat empat proses statistis yang menunjukkan daerah kritis penelitian pada
penalaran statistis, antara lain: (1) Pendeskripsian data; (2) Pengorganisasian data;
(3) Perepresentasian data; dan (4) Penganalisaan dan penginterpretasian data.
Empat proses statistis ini diperlukan guna mengeksplorasi data di dalam
Exploratory Data Analysis (EDA).
Exploratory Data Analysis (EDA) merupakan suatu pendekatan yang
mengorganisasikan, mendeskripsikan, merepresentasikan, dan menganalisa data
dengan menekankan pada tampilan visual (Ben-Zvi, 2004). EDA juga
menyediakan sebuah kesempatan pedagogis untuk mengeksplorasi data secara
terbuka oleh mahasiswa yang ditunjang oleh teknologi pendidikan. Teknologi
pendidikan berupa komputer mendukung EDA dalam memanipulasi dan
menampilkan data dengan berbagai cara, termasuk diagram. Paket perangkat
lunak statistik yang digunakan dalam penelitian ini adalah Fathom. Aplikasi
software statistik Fathom berguna untuk mengeksplorasi data, menganalisis data,
dan menginterpretasikan hasil serta membangun penalaran statistis. Fathom
merupakan alat yang fleksibel dan dinamis dirancang untuk membantu mahasiswa
memahami konsep-konsep abstrak dan proses statistis (Garfiled & Ben-Zvi,
2004).
Selain itu, pendekatan EDA ini dapat membelajarkan mahasiswa secara
aktif, dikarenakan pendekatan ini lebih banyak melibatkan aktivitas mahasiswa
dalam mengakses berbagai informasi dan pengetahuan untuk dibahas dan dikaji
dalam proses pembelajaran di kelas, sehingga mereka mendapatkan berbagai
pengalaman yang dapat meningkatkan pemahaman dan kompetensinya. Lebih dari
itu, keaktifan akan memungkinkan mahasiswa dapat mengembangkan
kemampuan bernalar, seperti yang diungkapkan oleh Rusman (2013) bahwa
membelajarkan mahasiswa secara aktif memungkinkan mahasiswa
mengembangkan kemampuan berpikir tingkat tinggi, sehingga dapat dijadikan
nilai baru yang dapat diimplementasikan dalam kehidupan sehari-hari.
Pembelajaran ini juga menggunakan bantuan komputer yang memanfaatkan
dalam proses pembelajarannya dalam mengeksplorasi data, sehingga diharapkan
mahasiswa dapat meningkatkan kemampuan bernalar statistisnya. Dani Ben-Zvi
(2004) dalam penelitiannya tentang penalaran analisis data, menegaskan bahwa
meskipun siswa tidak lebih dari sekedar membuat pemaknaan sebagian materi
yang dilibatkan, namun pendekatan bimbingan guru, diskusi di dalam kelas,
interaksi dan kerja sama dengan teman sebaya menjadi penting, dan yang lebih
penting adalah siklus yang berkelanjutan dari pengalaman dengan masalah yang
realistik, sedikit demi sedikit akan mendukung pembangunan makna dan
pengembangan penalaran statistis siswa. Oleh karena itu, pendekatan EDA
berbantuan Fathom di dalam penelitian ini adalah suatu pendekatan yang
bertujuan untuk memahami data atau materi statistika melalui perepresentasian,
pengorganisasian, pendeskripsian, dan penganalisaan yang dibantu oleh aplikasi
perangkat lunak statistika Fathom sebagai alat untuk mengeksplorasi data atau
materi statistika tersebut, sehingga mahasiswa secara aktif melakukan pengamatan
dan penyelidikan, aktif berinteraksi dan berkomunikasi melalui metode diskusi,
dan melakukan refleksi dengan memikirkan kembali hasil yang telah
diperolehnya.
Pada tingkat sekolah tinggi, Cooper dan Shore (2008) melaporkan dalam
penelitiannya, bahwa mahasiswa sering mengalami kesulitan dalam memahami
data yang disajikan secara grafis, terutama menginterpretasikan pemusatan dan
variabilitas pada dua kelompok data di dalam bentuk histogram dan plot
dahan-daun. Mahasiswa mengalami kesulitan dalam menarik suatu kesimpulan pada soal
membandingkan variabilitas dua kelompok data yang disajikan dalam bentuk
histogram. Dari 186 mahasiswa hanya 27,5% yang menjawab benar, sedangkan
sisanya 72,5% mahasiswa yang menjawab salah, walaupun 94% mahasiswa telah
mengenal histogram. Hal ini memberikan gambaran bahwa mahasiswa kurang
mampu dalam memberikan suatu alasan dengan menggunakan ide-ide statistis
mengenai variabilitas yang merupakan bagian dari bentuk penalaran statistis.
Persoalan dari hasil penelitian Cooper dan Shore ini diberikan kepada 24
mahasiswa Program Studi Manajemen Informatika STIKOM Poltek Cirebon yang
persoalan ini memberikan sedikit informasi bahwa kemampuan penalaran statistis
mahasiswa mengenai variabilitas yang disajikan dalam bentuk histogram masih
dikategorikan sedang atau baru mencapai 45,8% bagi mahasiswi, sedangkan untuk
mahasiswa baru mencapai 37,5% atau dikategorikan rendah. Adapun berkenaan
dengan level kemampuan penalaran statistis, ternyata semua mahasiswa berada
pada level transisi atau masih dikategorikan rendah. Pada level transisi ini,
mahasiswa STIKOM Poltek Cirebon cenderung berfokus pada satu aspek dalam
menarik suatu kesimpulan berdasarkan data yang diamati. Kemampuan penalaran
dan level kemampuan penalaran statistis mahasiswa yang masih rendah,
sedangkan tujuan dari pembelajaran statistika di STIKOM Poltek Cirebon adalah
untuk meningkatkan kemampuan bernalar statistis mahasiswa, sehingga
menghasilkan lulusan yang memiliki keterampilan yang tinggi dan mampu
beradaptasi dengan teknologi baru.
Selain itu, hasil penelitian lain yang mendukung untuk dilakukan penelitian
ini, seperti Olani, Hoekstra, Harskamp, dan Van der Werf (2010), menunjukkan
bahwa adanya peningkatan kemampuan penalaran statistis mahasiswa sebelum
dan sesudah pembelajaran dengan menggunakan kelompok kecil, ternyata
rata-rata kemampuan penalaran statistis dalam penelitian tersebut meningkat sebesar
1,60. Peningkatan rata-rata kemampuan penalaran statistis mahasiswa berkenaan
dengan materi statistika deskriptif yang meningkat sebesar 50%, penyajian data
meningkat sebesar 40% dan probabilitas meningkat sebesar 69%. Hal ini
memberikan gambaran bahwa peningkatan kemampuan penalaran statistis
berkenaan dengan penyajian data lebih rendah dibandingkan dengan yang lainnya.
Tempelaar, Van der loeff, dan Gijselaers (2007) dalam penelitiannya juga
mengenai struktur persamaan model penganalisaan hubungan sikap mahasiswa
terhadap statistika, kemampuan penalaran, dan proses perkuliahan pada
mahasiswa bisnis dan ekonomi internasional. Hasil penelitian tersebut
memberikan gambaran skor rata-rata kemampuan penalaran statistis mahasiswa
masih rendah dibawah 65% berkenaan dengan menghitung probabilitas secara
benar (40%) dan variabilitas penarikan sampel (28%). Begitu juga dengan
Cheng-Chi, Feng-Chia di Taiwan dan mahasiswa Iowa di Amerika yang menunjukkan
adanya perbedaan kemampuan penalaran statistis mahasiswa berdasarkan kategori
negara, namun kemampuan penalaran statistis tersebut tidak dipengaruhi oleh
perbedaan gender. Skor rata-rata kemampuan penalaran statistis berkenaan dengan
variabilitas penarikan sampel masih rendah (46% untuk mahasiswa Taiwan dan
44% untuk mahasiswa Amerika).
Perkembangan arus informasi yang begitu cepat dan mudah sekecil
mungkin berpengaruh pada perkembangan karakter peserta didik baik ke arah
yang positif maupun negatif, tergantung bagaimana menggunakan informasi
tersebut. Seharusnya dengan begitu mudah dan cepatnya perkembangan
informasi, peserta didik dapat menjadi lebih mudah menambah pengetahuan dan
menjadi lebih bijaksana. Namun, bagi beberapa mahasiswa seperti mahasiswa di
Universitas Seni Liberal (Liberal Art University) Amerika mengikuti perkuliahan
statistika merupakan hal yang sedikit menyenangkan, dikarenakan mahasiswa
mempercayai bahwa materi statistika melibatkan banyak matematika, dan tidak
relevan dengan profesinya nanti (Carnell, 2008). Garfield, Hogg, Schau, dan
Whittinghill (2002) menyatakan bahwa ada tiga kategori hasil pembelajaran
statistika, yaitu berorientasi pada pembelajaran mahasiswa, ketekunan mahasiswa,
sikap dan keyakinan mahasiswa. Ini akan sangat mempengaruhi kemampuan
mahasiswa dalam menggunakan keterampilan, gagasan, dan teknik statistika.
Penjelasan ini mengandung arti bahwa satu kategori hasil dari pembelajaran
statistika adalah membelajarkan mahasiswa dengan pembelajaran yang
membangun dan meningkatkan kemampuan intelegensi yang mesti dimilikinya,
sedangkan dua kategori lainnya merupakan pembangunan disposisi statistis
mahasiswa.
Disposisi itu sendiri mengandung arti kebiasaan secara alami, kebiasaan
yang diperoleh atau kecenderungan karakteristik yang terdapat di dalam diri
seseorang. Adapun disposisi statistis diartikan sebagai kecenderungan untuk
berpikir, berbuat, dan bersikap dengan cara yang positif dan konstruktif yang
berlangsung dalam kegiatan statistis. Carnell (2008) dalam penelitiannya
mahasiswa terhadap statistika berkenaan dengan usaha dan minat yang belajar
dengan pembelajaran berbasis proyek lebih menunjukkan sikap yang positif
setelah diberi perlakuan. Vanhoof et al (2006) dalam penelitiannya menyatakan
bahwa sikap mahasiswa terhadap penggunaan statistika dalam bidang studi ilmu
pendidikan cenderung negatif, namun sikap mahasiswa terhadap perkuliahan
statistika menunjukkan sikap yang cenderung positif. Olani, Hoekstra, Harskamp,
dan Werf (2010) dalam penelitiannya menyatakan bahwa terdapat peningkatan
rasa kepercayaan diri mahasiswa setelah diberi perlakuan, yaitu setelah
pembelajaran direformasi dari segi isi materi dengan menggunakan buku
Introduction to the Practice of Statistics, pedagogik, (menggunakan kelompok
kecil, peran aktif mahasiswa, dan lebih banyak diskusi), teknologi (menggunakan
aplikasi perangkat lunak statistika StatPlay) dan umpan balik (diberikan
pertanyaan melalui email), sedangkan sikap terhadap statistika tidak mengalami
perbedaan setelah diberikan perlakuan.
Beberapa permasalahan yang terdapat dalam penelitian ini berdasarkan
pemaparan di atas, antara lain:
1. Masih rendahnya kemampuan penalaran statistis mahasiswa STIKOM
Poltek Cirebon yang baru mencapai 45,8% bagi mahasiswi dan 37,5%
bagi mahasiswa sebagai hasil dari analisis pendahuluan.
2. Masih rendahnya level kemampuan penalaran statistis mahasiswa
STIKOM Poltek Cirebon yang baru mencapai level transisi sebagai
hasil dari analisis pendahuluan.
Berdasarkan permasalahan-permasalahan di atas, maka judul dalam
penelitian ini adalah: Meningkatkan Kemampuan Penalaran dan Disposisi
Statistis Mahasiswa Dengan Pendekatan Exploratory Data Analysis (EDA)
Berbantuan Fathom.
1.2 Rumusan Masalah
Rumusan masalah yang terdapat didalam penelitian ini berdasarkan latar
1. Apakah kemampuan penalaran statistis mahasiswa yang belajar dengan
pendekatan Exploratory Data Analysis (EDA) berbantuan Fathom lebih
baik dibandingkan mahasiswa yang belajar secara ekspositori?
2. Apakah peningkatan kemampuan penalaran statistis mahasiswa yang
belajar dengan pendekatan Exploratory Data Analysis (EDA)
berbantuan Fathom lebih baik dibandingkan mahasiswa yang belajar
secara ekspositori?
3. Bagaimanakah disposisi statistis mahasiswa yang belajar dengan
pendekatan Exploratory Data Analysis (EDA) berbantuan Fathom?
1.3 Maksud dan Tujuan Penelitian
Sesuai dengan rumusan masalah penelitian yang telah dikemukakan di atas,
penelitian ini memiliki maksud dan tujuan untuk:
1. Mengetahui perbedaan kemampuan penalaran statistis antara
mahasiswa yang belajar dengan pendekatan Exploratory Data Analysis
(EDA) berbantuan Fathom dengan mahasiswa yang belajar secara
ekspositori.
2. Mengetahui perbedaan peningkatan kemampuan penalaran statistis
antara mahasiswa yang belajar dengan pendekatan Exploratory Data
Analysis (EDA) berbantuan Fathom dengan mahasiswa yang belajar
secara ekspositori.
3. Mengetahui gambaran disposisi statistis mahasiswa yang belajar dengan
pendekatan Exploratory Data Analysis (EDA) berbantuan Fathom.
1.4 Manfaat Penelitian
Hasil dalam penelitian ini diharapkan dapat memberikan manfaat bagi
peningkatan pembelajaran matematika pada umumnya dan pembelajaran statistika
pada khususnya. Secara rinci, manfaat penelitian ini, antara lain:
1. Bagi mahasiswa, implementasi pembelajaran statistika dengan
pendekatan EDA berbantuan Fathom ini diharapkan dapat memberikan
kemampuan penalaran statistis mahasiswa, sehingga dapat digunakan
mahasiswa dalam memasuki dunia kerja.
2. Bagi dosen, dapat dijadikan alternatif pilihan dalam melakukan
kegiatan pengajaran melalui pendekatan EDA berbantuan Fathom ini
guna membangun dan meningkatkan kemampuan penalaran statistis
mahasiswa.
3. Bagi peneliti, dapat melihat perbedaan kemampuan penalaran statistis
dan mengetahui disposisi statistis mahasiswa terhadap pembelajaran
statistika dengan pendekatan EDA berbantuan Fathom.
1.5 Definisi Operasional
Dengan memperhatikan judul penelitian yang akan dilakukan, ada beberapa
istilah yang perlu dijelaskan guna menghindari terjadinya miskonsepsi didalam
penafsirannya, yaitu:
1. Penalaran statistis adalah kemampuan dalam memberikan alasan
dengan menggunakan ide-ide statistis dan memberikan pemaknaan
mengenai informasi statistis, termasuk membuat interpretasi
berdasarkan kumpulan data, representasi data, maupun ringkasan data
statistis. Indikator dari penalaran statistis di dalam penelitian ini adalah
mampu memberikan suatu penjelasan dengan menggunakan ide-ide
statistis terhadap hubungan yang ada dan melakukan penarikan
kesimpulan yang umum berdasarkan pada sejumlah data yang teramati.
2. Disposisi statistis adalah kecenderungan untuk berpikir, berbuat dan
bersikap dengan cara yang positif dan konstruktif yang berlangsung
dalam kegiatan statistis.
3. Pendekatan EDA berbantuan Fathom adalah suatu pendekatan yang
bertujuan untuk memahami data atau materi statistika melalui
perepresentasian, pengorganisasian, pendeskripsian, dan penganalisaan
yang dibantu oleh aplikasi perangkat lunak statistika Fathom sebagai
alat untuk mengeksplorasi data atau materi statistika tersebut, sehingga
berinteraksi dan berkomunikasi melalui metode diskusi, dan melakukan
refleksi dengan memikirkan kembali hasil yang telah diperolehnya.
4. Pembelajaran secara ekspositori dilakukan di kelas kontrol. Dalam
kegiatan pembelajaran ini dosen menjelaskan materi, konsep statistika,
kemudian memberikan contoh-contoh penyelesaian suatu permasalahan
dan mahasiswa boleh bertanya bila tidak mengerti apa yang telah
disampaikan oleh dosen. Setelah materi selesai diterangkan, dosen
memberikan soal-soal latihan untuk dikerjakan di kelas maupun di luar
BAB III
METODE PENELITIAN
3.1 Rancangan Penelitian
Penelitian yang dilakukan ini merupakan penelitian kuasi eksperimen.
Menurut Ruseffendi (2005) penelitian eksperimen pada umumnya dilakukan
untuk membandingkan dua kelompok atau lebih dan menggunakan ukuran-ukuran
statistik tertentu. Pada kuasi eksperimen ini subyek tidak dikelompokkan secara
acak, tetapi dipilih berdasarkan kelompok-kelompok yang sudah terbentuk secara
alamiah.
Rancangan penelitian yang digunakan adalah pretest-pottest control group
design (Sugiyono, 2008). Rancangan ini dipilih, dikarenakan peneliti beranggapan
bahwa subjek tidak dikelompokkan secara acak, tetapi peneliti menerima keadaan
subjek seadanya. Pada penelitian ini juga terdapat pretes, perlakukan yang
berbeda, postes dan gain ternormalisasi. Berikut ini disajikan desain penelitian
pretest-posttest control group design.
Kelas Kontrol O O
Kelas Eksperimen O X O
Keterangan:
O : Pretes dan postes.
X : Pendekatan EDA berbantuan Fathom.
- - - : Subyek tidak dikelompokkan secara acak
Pembelajaran baik pada kelompok eksperimen maupun kontrol dilakukan
oleh peneliti. Hal ini dilakukan agar tindakan pembelajaran yang telah
direncanakan dapat terlaksana dengan maksimal.
3.2 Populasi dan Sampel
Sudjana (2005) menyatakan bahwa populasi merupakan totalitas semua nilai
mengenai karakteristik tertentu dari semua anggota kumpulan yang lengkap dan
jelas yang ingin dipelajari sifat-sifatnya, sedangkan sampel merupakan bagian
kecil yang diambil dari populasi.
Populasi dalam penelitian ini adalah seluruh mahasiswa Sekolah Tinggi
Ilmu Komputer, sedangkan sampel yang diambil adalah sampel seadanya, yaitu
mahasiswa Teknik Informatika Sekolah Tinggi Ilmu Komputer Poltek Cirebon
yang mengontrak mata kuliah statistika. Sampel penelitian ini menggunakan dua
kelas yang terdiri dari kelas eksperimen yang belajar dengan pendekatan EDA
berbantuan Fathom (kelas EDA) dan kelas kontrol yang belajar secara ekspositori
(kelas ekspositori). Banyaknya mahasiswa yang berpartisipasi dalam kelas
eksperimen (kelas EDA) adalah 32 mahasiswa, sedangkan banyaknya mahasiswa
yang berpartisipasi dalam kelas kontrol (kelas ekspositori) adalah 31 mahasiswa.
3.3 Bahan Ajar
Bahan ajar merupakan rangkuman materi yang diajarkan dan diberikan
kepada siswa dalam bentuk bahan tercetak atau dalam bentuk lain yang tersimpan
dalam file elektronik baik verbal maupun tertulis. Bahan ajar berisi seperangkat
materi/substansi pembelajaran yang disusun secara sistematis, menampilkan sosok
utuh dari kompetensi yang akan dikuasai mahasiswa dalam kegiatan
pembelajaran. Dalam penelitian ini, bahan ajar yang dirancang adalah Lembar
Kerja Mahasiswa (LKM) yang diberikan kepada mahasiswa yang belajar dengan
pendekatan EDA berbantuan Fathom dan masalah-masalah yang harus dikerjakan
oleh mahasiswa serta dilakukan tujuh kali tatap muka.
3.4 Variabel Penelitian
Variabel-variabel yang terlibat di dalam penelitian ini mencakup variabel
bebas, yaitu pembelajaran dengan pendekatan EDA berbantuan Fathom, variabel
terikat, yaitu kemampuan penalaran statistis, dan variabel kontrol, yaitu
3.5 Instrumen Penelitian
Instrumen yang digunakan dalam penelitian ini adalah tes dan non tes.
Instrumen tes berupa seperangkat soal yang digunakan untuk mengukur
kemampuan penalaran statistis. Instrumen non tes berupa angket disposisi
statistis, lembar observasi, dan pedoman wawancara. Tes yang digunakan dalam
penelitian ini adalah tes tipe uraian. Penyusunan tes berdasarkan indikator
penalaran statistis yang hendak diukur. Diawali dengan pembuatan kisi-kisi,
kemudian menyusun soal berdasarkan kisi-kisi yang telah disusun disertai kunci
jawaban dan dilengkapi dengan pedoman pemberian skor tiap butir soal dengan
skala 0 sampai dengan 3, seperti Tabel 3.1 di bawah ini.
Tabel 3.1
Pedoman Pemberian Skor Kemampuan Penalaran Statistis
Skor Indikator
0 Tidak ada jawaban/Menjawab tidak sesuai dengan pertanyaan/Tidak
ada yang benar
1 Hanya sebagian jawaban memberikan penjelasan dengan
menggunakan ide-ide statistis terhadap hubungan yang ada di dalam
menyelesaikan soal, dan melakukan penarikan suatu kesimpulan
umum berdasarkan sejumlah data yang teramati.
2 Semua jawaban memberikan penjelasan dengan menggunakan ide-ide
statistis terhadap hubungan yang ada di dalam menyelesaikan soal, dan
melakukan penarikan suatu kesimpulan umum berdasarkan sejumlah
data yang teramati.
Instrumen yang telah disusun diujicobakan terlebih dahulu kepada
mahasiswa yang telah mendapatkan materi yang bersangkutan untuk mengetahui
apakah instrumen tes yang diberikan memenuhi kriteria sebagai alat ukur yang
baik atau tidak. Kriteria-kriteria tersebut adalah validitas, reliabilitas, indeks
dan daya pembeda dari hasil uji coba instrumen tes tersebut berpedoman pada
analisis sebagai berikut:
3.5.1 Validitas Instrumen
Menurut Arikunto (2010) validitas merupakan keadaan yang
menggambarkan tingkat instrumen yang bersangkutan mampu mengukur apa
yang hendak diukur. Alat ukur yang kurang valid berarti memiliki validitas
rendah. Validitas butir soal digunakan untuk mengetahui dukungan suatu butir
soal terhadap skor total. Hasil perhitungan validitas ini dapat digunakan untuk
menyelidiki lebih lanjut butir-butir soal yang mendukung maupun yang tidak
mendukung. Dukungan setiap butir soal dinyatakan dalam bentuk korelasi,
dikarenakan tes yang dilakukan berupa uraian, maka untuk mendapatkan
validitas butir soal digunakan rumus korelasi Pearson Product Moment
(Sugiyono, 2003), yaitu:
2 2 xy
y x
xy
r
Keterangan:
x = Xi X = Selisih dari skor butir soal dengan rata-rata skor butir soal.
y = Yi Y = Selisih dari skor total butir soal dengan rata-rata skor butir
soal.
xy
r = Koefisien validitas
x = Selisih antara skor butir soal dengan rata-rata skor butir soal
y = Selisih antara skor total dengan rata-rata skor total butir soal
i
X = Skor butir soal
i
Y = Skor total butir soal
X = Rata-rata skor butir soal
Suatu instrumen penelitian dikatakan valid jika rxy > r tabel dengan
mengambil taraf signifikansi tertentu, sehingga dapat dipergunakan sebagai
alat pengumpul data. Selanjutnya untuk menginterpretasikan klasifikasi
validitas instrumen menggunakan kriteria yang dibuat Guilford (Subana &
Sudrajat, 2005: 130) tersaji pada Tabel 3.2.
Tabel 3.2
Reliabel berarti handal sehingga reliabilitas berarti dapat diandalkan
Reliabilitas instrumen adalah reabilitas yang dihitung untuk mengetahui tingkat
konsistensi instrumen tersebut. Sebuah tes disebut reliabel jika instrumen itu
menghasilkan skor yang konsisten. Jika pengukurannya diberikan pada subyek
yang sama, meskipun dilakukan oleh peneliti yang berbeda, waktu yang
berbeda, dan tempat yang berbeda.
Rumus yang digunakan untuk mencari koefisien reliabilitas bentuk
uraian dikenal dengan rumus Alpha (Muhidin & Abdurahman, 2007) yaitu:
k = Banyaknya butir soal
2i
σ = Jumlah varians butir soal
2 t
= Varians total N = Banyak responden
X = Skor butir soal
Suatu instrumen penelitian dikatakan reliabel jika r11 > r tabel dengan
mengambil taraf signifikansi tertentu sehingga dapat dipergunakan sebagai alat
pengumpul data. Selanjutnya untuk menginterpretasikan reliabilitas instrumen
menggunakan kriteria yang dibuat Guilford (Subana & Sudrajat, 2005: 132)
dan tersaji pada Tabel 3.3 berikut:
Tabel 3.3
Klasifikasi Koefisien Reliabilitas
Nilai r11 Interpretasi
r11 < 0,20 Korelasi Sangat Rendah
0,20 r11 < 0,40 Korelasi Rendah
0,40 r11 < 0,70 Korelasi Sedang
0,70 r11 < 0,90 Korelasi Tinggi
0,90 r11 < 1,00 Korelasi Sangat Tinggi
r11 = 1,00 Korelasi Sempurna
3.5.3 Daya Pembeda
Daya pembeda soal adalah indeks yang menunjukkan tingkat
kemampuan suatu butir soal yang membedakan kelompok berprestasi tinggi
(kelompok atas) dari kelompok yang berprestasi rendah (kelompok bawah)
diantara peserta tes. Pernyataan tersebut mengindikasikan bahwa suatu soal
dengan daya pembeda yang baik akan dapat membedakan antara seseorang
yang menguasai materi dengan seseorang yang tidak menguasai materi. Daya
pembeda untuk masing-masing butir soal digunakan sebuah rumus (Rostina,
IA
SA = Jumlah Skor Mahasiswa Kelompok Atas
SB = Jumlah Skor Mahasiswa Kelompok Bawah
IA = Jumlah Skor Ideal Mahasiswa Kelompok Atas
Bermutu atau tidaknya butir-butir soal pada instrumen dapat diketahui
dari indeks atau persentase tingkat kesukaran soal. Semakin besar persentase
indeks kesukaran, maka semakin mudah soal tersebut. Rumus yang digunakan
untuk menentukan tingkat kesukaran soal (Rostina, 2014) adalah:
IB
SA = Jumlah Skor Mahasiswa Kelompok Atas
IA = Jumlah Skor Ideal Mahasiswa Kelompok Atas
IB = Jumlah Skor Ideal Mahasiswa Kelompok Bawah
Menurut klasifikasi indeks kesukaran yang digunakan (Subana & Sudrajat,
2007: 135) tersaji dalam Tabel 3.5.
Tabel 3.5
Klasifikasi Tingkat Kesukaran
Nilai TK Interpretasi
TK = 0,00 Soal terlalu sukar
0,00 < TK 0,30 Soal sukar
0,30 < TK 0,70 Soal sedang
0,70 < TK 1,00 Soal mudah
TK = 1,00 Soal terlalu mudah
Instrumen non tes yang digunakan dalam penelitian ini, yaitu:
a. Angket
Angket disposisi statistis di dalam penelitian ini menggunakan skala
Likert dengan jangkauan respon dari Sangat Sering (SS), Sering (S),
Jarang (J), dan Sangat Jarang (SJ). Angket ini dianalisa secara
deskriptif dengan penskoran 4 (SS), 3 (S), 2 (J), dan 1 (SJ) guna
mengetahui gambaran dari kecenderungan mahasiswa untuk
berpikir, bertindak, dan bersikap dengan cara yang positif selama
kegiatan statistis berlangsung. Angket disposisi statistis diberikan
pada saat pertemuan terakhir pada pembelajaran statistika dengan
pendekatan EDA berbantuan Fathom.
b. Lembar Observasi
Lembar observasi digunakan untuk mengetahui gambaran tentang
aktivitas selama pembelajaran statistika berlangsung dengan
ini tidak dianalisis secara statistik, tetapi hanya dijadikan bahan
masukan untuk pembahasan hasil secara deskriptif.
c. Wawancara
Wawancara dalam penelitian ini bertujuan untuk melengkapi data
yang tidak terungkap dalam instrumen lainnya.
3.6 Kesimpulan Hasil Uji Coba Instrumen
Uji coba instrumen dilakukan terhadap 30 orang mahasiswa Program Studi
Teknik Informatika (TI) STIKOM Poltek Cirebon semester IV. Hasil uji coba
instrumen kemampuan penalaran statistis yang pertama adalah uji validitas. Uji
validitas dilakukan dengan tujuan untuk mengetahui tingkat ketepatan instrumen
mengukur sesuatu dengan tepat apa yang hendak diukur. Rumus yang digunakan
untuk menguji validitas adalah korelasi produk moment dari Karl Pearson dengan
rumusan hipotesis di bawah ini.
a) Rumusan Hipotesis
H0 : Instrumen yang digunakan tidak valid
H1 : Instrumen yang digunakan valid
b) Statistik Uji, Kriteria Pengujian dan Kesimpulan
Tabel 3.6
Data Hasil Uji Validitas Instrumen Kemampuan Penalaran Statistis
Butir
Soal r hitung r tabel
Keputusan H0
Keterangan Kategori
1 0,798 0,361 Ditolak Valid Tinggi
2 0,650 0,361 Ditolak Valid Tinggi
3 0,709 0,361 Ditolak Valid Tinggi
4 0,619 0,361 Ditolak Valid Sedang
5 0,497 0,361 Ditolak Valid Sedang
6 0,607 0,361 Ditolak Valid Sedang
7 0,543 0,361 Ditolak Valid Sedang
Uji coba dilakukan terhadap 30 orang mahasiswa program studi Teknik
sebanyak 7 butir soal dapat dinyatakan valid, dikarenakan nilai r hitung >
r tabel dengan mengambil taraf kesalahan 5%. Dengan demikian, soal tes
kemampuan penalaran statistis dapat digunakan sebagai alat
pengumpulan data. Dari 7 butir soal tersebut, 4 (57,14%) butir soal
validitasnya dikategorikan sedang, dan 3 (42,86%) butir soal validitasnya
dikategorikan tinggi.
Selanjutnya hasil uji coba intrumen yang kedua adalah reliabilitas. Rumus
yang dipergunakan untuk menguji reliabilitas instrumen di dalam penelitian ini
adalah koefisien alpha dari Cronbach dengan rumusan hipotesis di bawah ini.
a) Rumusan Hipotesis
H0 : Instrumen yang digunakan tidak reliabel
H1 : Instrumen yang digunakan reliabel
b) Statistik Uji, Kriteria Pengujian dan Kesimpulan
Tabel 3.7
Data Hasil Uji Reliabilitas Instrumen Kemampuan Penalaran Statistis
r hitung
(Cronbach’s Alpha) r tabel Keputusan H0 Keterangan Kategori
0,857 0,361 Ditolak Reliabel Tinggi
Tabel 3.7 memberikan informasi bahwa r hitung atau koefisien Cronbach’s Alpha
diperoleh sebesar 0,857 dan dikategorikan tinggi. Dengan mengambil taraf
kesalahan sebesar 5% dan derajat kebebasan N sebesar 30, sehingga r tabel yang
didapatkan adalah 0,361. Terlihat bahwa koefisien Cronbach’s Alpha lebih besar
dari r tabel, sehingga H0 ditolak. Dengan demikian, instrumen yang digunakan
reliabel dan dapat dijadikan sebagai alat pengumpulan data.
Hasil uji coba instrumen selanjutnya adalah daya pembeda. Daya pembeda
tes merupakan kemampuan tes tersebut dalam memisahkan antara subjek yang
pintar dengan subjek yang kurang pintar. Dalam hal ini untuk mengetahui sejauh
mana tes yang digunakan tersebut dapat membedakan kemampuan mahasiswa.
sebanyak 5 (71,43%) butir soal memiliki daya pembeda dengan kategori cukup,
dan 2 (28,57%) butir soal memiliki daya pembeda dengan kategori baik.
Tabel 3.8
Data Hasil Uji Daya Pembeda Butir Instrumen Kemampuan Penalaran Statistis
Butir
Tingkat kesukaran tes merupakan kemampuan tes dalam menjaring
banyaknya subjek yang dapat mengerjakan dengan benar dan bertujuan untuk
mengetahui level kesukaran setiap butir soal. Hasil perhitungan tingkat kesukaran
butir soal kemampuan penalaran statistis disajikan dalam Tabel 3.9 di bawah ini.
Tabel 3.9
Data Hasil Uji Tingkat Kesukaran Instrumen Kemampuan Penalaran Statistis
Butir Soal Tingkat Kesukaran Kategori
kesukaran dengan kategori sedang, dan 1 (14,28%) butir soal memiliki tingkat
kesukaran dengan kategori sukar.
Selanjutnya dilakukan pengujian validitas dan reliabilitas untuk angket
disposisi statistis yang disajikan dalam Tabel 3.10 dan Tabel 3.11 dengan
rumusan hipotesis adalah:
H0 : Instrumen yang digunakan tidak valid
H1 : Instrumen yang digunakan valid
Tabel 3.10
Data Hasil Uji Validitas Instrumen Angket Disposisi Statistis
Item r hitung r tabel Keputusan H0 Keterangan Kategori
1 0,10 3,61 Diterima Tidak Valid Sangat Rendah
2 0,63 3,61 Ditolak Valid Sedang
3 0,45 3,61 Ditolak Valid Sedang
4 0,25 3,61 Diterima Tidak Valid Rendah
5 0,45 3,61 Ditolak Valid Sedang
6 0,47 3,61 Ditolak Valid Sedang
7 0,30 3,61 Diterima Tidak Valid Rendah
8 0,66 3,61 Ditolak Valid Sedang
9 0,50 3,61 Ditolak Valid Sedang
10 0,64 3,61 Ditolak Valid Sedang
11 0,63 3,61 Ditolak Valid Sedang
12 0,44 3,61 Ditolak Valid Sedang
13 0,58 3,61 Ditolak Valid Sedang
14 0,49 3,61 Ditolak Valid Sedang
15 0,46 3,61 Ditolak Valid Sedang
16 0,47 3,61 Ditolak Valid Sedang
17 0,42 3,61 Ditolak Valid Sedang
18 0,51 3,61 Ditolak Valid Sedang
19 0,56 3,61 Ditolak Valid Sedang
20 0,38 3,61 Ditolak Valid Rendah
21 0,24 3,61 Diterima Tidak Valid Rendah
22 0,49 3,61 Ditolak Valid Sedang
Tabel 3.10 memberikan informasi bahwa hanya item dari angket disposisi
dari r tabel (3,61), sehingga item nomor-nomor tersebut tidak valid dan akan
dihilangkan dari angket disposisi statistis untuk pengumpulan data berikutnya.
Dari 22 item angket disposisi statistis terdapat 17 atau 77,27% item berkategori
sedang, dan 4 atau 18,18% item berkategori rendah, dan 1 atau 4,55% item
berkategori sangat rendah. Adapun rumusan hipotesis untuk pengujian reliabilitas
angket disposisi statistis adalah:
H0 : Instrumen yang digunakan tidak reliabel
H1 : Instrumen yang digunakan reliabel
Tabel 3.11
Data Hasil Uji Reliabilitas Instrumen Angket Disposisi Statistis
r hitung r tabel Keputusan H0 Keterangan Kategori
0,857 0,361 Ditolak Reliabel Tinggi
Tabel 3.11 memberikan informasi bahwa r hitung atau Cronbach’s Alpha adalah
0,857. Nilai ini lebih besar dari 3,61, sehingga intrumen angket disposisi statistis
dapat dikatakan reliabel dan berkategori tinggi.
3.7 Analisis Data
Data yang diperoleh dari hasil penelitian terbagi dalam dua kelompok, yaitu
data tes dan non-tes. Data non-tes diperoleh dari hasil angket, lembar observasi,
dan wawancara, sedangkan data tes diperoleh dari hasil pretes dan postes. Adapun
teknik pengolahan data dari kedua jenis data tersebut adalah sebagai berikut:
3.6.1 Analisis Data Non Tes
Hasil angket disposisi statistis ini diolah dengan menggunakan rumus
persentase sebagai berikut:
% 100 n f
P
Keterangan: P = Persentase jawaban
n = Banyak responden
Selain itu, data dihitung dengan persentase penskoran untuk
masing-masing item dan diinterpretasikan berdasarkan kriteria, yaitu:
100%
f1 = Banyaknya responden yang menjawab Sangat Sering.
f2 = Banyaknya responden yang menjawab Sering.
f3 = Banyaknya responden yang menjawab Jarang.
f4 = Banyaknya responden yang menjawab Sangat Jarang.
Tabel 3.12
Interpretasi Persentase Skor Angket Disposisi Statistis
Persentase Skor Jawaban (Pi) Kategori
0 Pi 20 Sangat Buruk
20 < Pi 40 Buruk
40 < Pi 60 Cukup Baik
60 < Pi 80 Baik
80 < Pi 100 Sangat Baik
Selanjutnya hasil observasi dianalisis dan diinterpretasikan berdasarkan
hasil pengamatan selama pembelajaran statistika dengan menggunakan
pendekatan EDA berbantuan Fathom berlangsung, sedangkan analisis
terhadap data wawancara dipaparkan berdasarkan jawaban responden guna
mendapatkan informasi yang belum terungkap di dalam instrumen lainnya
3.6.2 Analisis Data Tes
Data berupa hasil tes kemampuan penalaran statistis dianalisa secara
kuantitatif dengan menggunakan uji statistik. Untuk lebih jelasnya, berikut ini
disajikan tahapan yang dilakukan dalam pengolahan data tes.
a) Memberikan skor pretes dan postes sesuai dengan kunci jawaban dan
pedoman penskoran.
b) Menghitung besarnya peningkatan kemampuan penalaran statistis
mahasiswa yang diperoleh dari skor pretes dan postes dengan
menggunakan gain ternormalisasi yang dikembangkan oleh Hake (1999)
beserta dengan interpretasi skor gain ternormalisasi sebagai berikut:
Pretes
c) Melakukan uji kesamaan dua rata-rata skor pretes kemampuan penalaran
statistis kedua kelas, baik EDA maupun ekspositori dengan hipotesis
μ = Rata-rata skor pretes kemampuan penalaran statistis kelas EDA.
K
μ = Rata-rata skor pretes kemampuan penalaran statistis kelas
d) Melakukan uji perbedaan dua rata-rata skor postes kemampuan penalaran
μ = Rata-rata skor postes kemampuan penalaran statistis kelas EDA.
K
μ = Rata-rata skor postes kemampuan penalaran statistis kelas
ekspositori.
e) Melakukan uji perbedaan dua rata-rata skor gain ternormalisasi
kemampuan penalaran statistis kedua kelas, baik EDA maupun
ekspositori dengan hipotesis sebagai berikut:
H0 : μE μK
H1 : μE μK
Keterangan:
E
μ = Rata-rata skor gain ternormalisasi kemampuan penalaran statistis
kelas EDA.
E
μ = Rata-rata skor gain ternormalisasi penalaran statistis kelas
ekspositori.
Jika skor kemampuan penalaran statistis berdistribusi normal dan
variansnya homogen, maka uji statistik selanjutnya menggunakan uji t
dengan rumus:
Untuk uji dua pihak, kriteria pengujian dengan taraf signifikansi = 5%
adalah terima H0 jika
pengujian untuk uji satu pihak untuk taraf signifikansi yang sama adalah
Apabila skor kemampuan penalaran statistis tidak berdistribusi normal
dan varians-variansnya tidak homogen, maka uji non parametris yang
akan digunakan, yaitu uji Mann-Whitney U dengan rumus:
1
1n = Banyaknya mahasiswa kelas EDA.
2
n = Banyaknya mahasiswa kelas ekspositori.
1
= Jumlah rangking kelas EDA.
2
= Jumlah rangking kelas ekspositori.
1
U = Jumlah banyak kalinya unsur kelas EDA mendahului
unsur-unsur kelas ekspositori
2
U = Jumlah banyak kalinya unsur- unsur kelas ekspositori mendahului
unsur-unsur kelas EDA.
3.8 Prosedur Penelitian
Prosedur penelitian yang akan dilakukan peneliti mencakup tiga tahapan
penelitian, yaitu: tahap persiapan, tahap pelaksanaan, dan tahap pembuatan
laporan. Pada tahap persiapan, kegiatan yang dilakukan diantaranya:
1) Melakukan kajian toeritis mengenai pembelajaran dengan
menggunakan pendekatan EDA berbantuan Fathom, kemampuan
penalaran statistis dan disposisi mahasiswa.
2) Menyusun instrumen tes yang mengukur kemampuan penalaran
statistis.
3) Menyusun angket disposisi, lembar observasi dan pedoman wawancara.
5) Melakukan pelatihan Fathom selama tiga hari dan dilakukan pada saat
minggu tenang, yaitu tanggal 21, 22, dan 23 April 2014.
6) Menguji coba instrumen kemampuan penalaran statistis penelitian
kepada mahasiswa yang sudah mendapatkan materi yang diujikan dan
bukan merupakan sampel penelitian.
7) Menguji coba instrumen angket disposisi statistis penelitian kepada
mahasiswa yang sudah mendapatkan materi yang diujikan dan bukan
merupakan sampel penelitian.
8) Menentukan dua kelas yang akan digunakan sebagai kelas EDA dan
kelas ekspositori.
Pada tahap pelaksanaan, kegiatan yang dilakukan merupakan pelaksanaan
penelitian, yaitu:
1) Memberikan pretes kepada kelas EDA dan kelas ekspositori untuk
mengetahui kemampuan awal penalaran statistis pada masing-masing
kelas tersebut.
2) Pembelajaran dilakukan dengan pendekatan EDA berbantuan Fathom
pada kelas EDA dan pembelajaran ekspositori pada kelas ekspositori.
Pelaksanaan pretes, postes, dan pembelajaran dimulai dari tanggal 9
Mei 2014 dan berakhir pada tanggal 9 Juni 2014. Pembelajaran
statistika pada kelas eksperimen dilakukan dua kali dalam seminggu,
yaitu hari Selasa pukul 08.00 sampai dengan 09.30 WIB dan hari Sabtu
pukul 11.00 sampai dengan 12.30 WIB, sedangkan pembelajaran
statistika untuk kelas kontrol dilakukan pada hari Senin pukul 09.30
sampai dengan 11.00 WIB dan hari Jumat pukul 14.30 sampai dengan
16.00 WIB. Pengisian lembar observasi dilakukan oleh observer dalam
beberapa pertemuan.
3) Setelah seluruh pembelajaran statistika selesai dilakukan, kedua kelas
diberikan postes atau tes akhir kemampuan penalaran untuk melihat
perbedaan dan peningkatan kemampuan penalaran statistis mahasiswa
mahasiswa yang belajar denagan pendekatan EDA berbantuan Fathom,
serta melakukan wawancara kepada beberapa mahasiswa.
Akhirnya, pada tahap pembuatan laporan merupakan kegiatan-kegiatan
setelah penelitian selesai dilakukan, yaitu: mengumpulkan setiap data yang
diperoleh dari intrumen tes dan non-tes penelitian, mengolah, menganalisis, dan
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Penelitian tentang meningkatkan kemampuan penalaran dan disposisi
statistis mahasiswa dengan pendekatan Exploration Data Analysis (EDA)
berbantuan Fathom telah dilakukan pada mahasiswa Teknik Informatika
STIKOM Poltek Cirebon. Beberapa kesimpulan dari hasil penelitian ini yang
dapat diambil, adalah sebagai berikut:
1) Kemampuan penalaran statistis mahasiswa yang belajar dengan
pendekatan Exploratory Data Analysis (EDA) berbantuan Fathom lebih
baik dibandingkan mahasiswa yang belajar secara ekspositori.
2) Peningkatan kemampuan penalaran statistis mahasiswa yang belajar
dengan pendekatan Exploratory Data Analysis (EDA) berbantuan
Fathom lebih baik dibandingkan mahasiswa yang belajar secara
ekspositori.
3) Respon terhadap disposisi statistis mahasiswa yang belajar dengan
pendekatan EDA berbantuan Fathom dikategorikan baik dalam hal
gairah dan perhatian serius dalam belajar statistika, rasa percaya diri,
fleksibel dalam mengeksplorasi ide-ide, memonitor dan merefleksikan
penalaran, gigih dalam menghadapi dan menyelesaikan masalah
statistis, rasa ingin tahu yang tinggi, berbagi pendapat dengan orang
lain.
1.2 Saran
Berdasarkan pemaparan sebelumnya bahwa EDA merupakan suatu
pendekatan yang bertujuan untuk memahami data atau materi statistika yang
ditunjang oleh teknologi komputasi (Fathom). Pembelajaran ini lebih banyak
pengetahuan untuk dibahas dan dikaji dalam proses pembelajaran di kelas,
sehingga mahasiswa dapat mengembangkan kemampuan bernalar dan mampu
menerapkannya dalam kehidupan sehari-hari. Pemanfaatan fungsi perangkat lunak
komputer sebagai alat bantu dalam pelaksanaan pembelajaran yang dipandang
penting dalam memainkan perannya untuk membangun kemampuan bernalar
statistis mahasiswa. Adapun beberapa saran di dalam penelitian ini guna
memperbaiki kekurangan dalam pelaksanaan pembelajaran statistika di kemudian
hari, antara lain:
1) Pembelajaran statistika dengan pendekatan EDA berbantuan Fathom
disarankan dapat dijadikan alternatif pembelajaran statistika pada tingkat
pendidikan tinggi.
2) Pembelajaran statistika dengan pendekatan EDA berbantuan Fathom
dalam satu kelompok mahasiswa hanya memiliki satu komputer,
sehingga disarankan untuk selanjutnya, semua mahasiswa dapat
mengoperasikan dan memiliki satu komputer (laptop, netbook) untuk
mendukung kegiatan pembelajaran statistika sehingga dapat berjalan
dengan lebih baik.
3) Pembelajaran statistika di kelas dengan bantuan Fathom memiliki
keterbatasan dalam menyajikan data dalam bentuk diagram (tidak semua
diagram terdapat di dalam menu Fathom) dan proses penginputan data
membutuhkan waktu yang tidak sedikit, sehingga mahasiswa disarankan
dapat mengunakan Ms. Excel.
4) Mahasiswa disarankan harus lebih aktif lagi dalam berdiskusi dan
berinteraksi dengan sesama teman, pemberian motivasi yang intensif,
dapat memanfaatkan waktu dengan sebaik-baiknya di dalam
pembelajaran statistika dengan pendekatan EDA berbantuan Fathom ini,
sehingga kemampuan penalaran statistis dapat dicapai dengan lebih baik
DAFTAR PUSTAKA
Arikunto, S, (2010). Manajeman Penelitian. Jakarta: Rineka Cipta.
Ben-Zvi, D., & Garfield, J. (2004). The Challenge of Developing Statistical
Literacy, Reasoning, and Thinking. Dordrecht, The Netherlands:
Kluwer Academic Publishers.
Ben-Zvi, D. (2004). Reasoning About Data Analysis. In D. Ben-Zvi, & J. Garfield, The Challenge of Developing Statistical Literacy, Reasoning,
and Thinking (pp. 121–145). Dordrecht, The Netherlands: Kluwer
Academic Publishers.
Cahyo, A. (2013). Panduan Aplikasi Teori-Teori Belajar Mengajar Teraktual dan
Terpopuler. Yogyakarta: DIVA Press.
Carnell, L. (2008). The Effect of a Student-Designed Data Collection Project on Attitudes Toward Statistics. Journal of Statistics Education, 16(1), 1-15.
Chance, Ben-Zvi, D., Garfield, J., & Medina, E. (2007). The Role of Technology in Improving Student Learning of Statistics. Technology Innovations in
Statistics Education Journal, 1(1), 91-144.
Cooper, L.L., & Shore, F.S. (2008). Students’ Misconseptions in Interpreting Center and Variability of Data Represented via Histogram and Steam-and-leaf Plots. Journal of Statistics Education, 16(2), 1-14.
Dasari, D. (2006). Kemampuan Literasi Statistis dan Implikasinya Dalam
Pembelajaran.[Online].Tersedia:
file.upi.edu/…DASARI/...Literasi_Statistis_2006.pdf
Dahlan, J.A. (2004). Meningkatkan Kemampuan Penalaran dan Pemahaman
Matematik Siswa Sekolah Lanjutan Tingkat Pertama Melalui Pendekatan Open-Ended. Desertasi SPs UPI Bandung: Tidak
Diterbitkan.
delMas, R.C. (2002). Statistical Literacy, Reasoning, and Learning: A Commentary. Journal of Innovations in Statistics Education, 7(1), 1-11.
Fitzallen., Elizabeth, N. (2013). Characterising Students’ Interaction with
ThinkerPlots. Journal of Statistics Education, 10(3), 1-19.
Garfield, J. (2002). The Challenge of Developing Statistical Reasoning. Journal of
________. (2003). Assessing Statistical Reasoning. Statistics Education Research
Journal, 2(1), 22-23.
Garfield, J., Hogg, B., Schau, C., & Whittinghill, D. (2002). First Courses in Statistical Science: The Status of Educational Reform Efforts. Journal
of Statistics Education, 10(2). [Online]. Tersedia:
http://www.amstat.org/publications/jse/v10n2/garfield.html
Hake, R.R. (1999). Analizing Change/Gain Scores. [Online]. Tersedia pada http://
www.physics Indiana.edu/sdi/Analizing Change-Gain.pdf.[1 September 2013]
Hartono, R. (2013). Ragam Mengajar yang Mudah Diterima Murid. Yogyakarta: DIVA Press.
Martadiputra, B.A.P. (2010). Kajian Tentang Kemampuan Melek Statistis
(Statistical Literacy), Penalaran Statistis (Statistical Reasoning), dan Berpikir Statistis (Statistical Thinking) Guru SMP/SMA. [Online].
Tersedia: http://jurnal.upi.edu/file/Bambang_A.pdf
_________________. (2012). Meningkatkan Kemampuan Berpikir Statistis
Mahasiswa S1 Pendidikan Matematika Melalui Pembelajaran MEAs yang Dimodifikasi. Desertasi, SPs UPI Bandung: Tidak diterbitkan
Moore, D. (1997). New Pedagogy and New Content: The Case of Statistics.
International Statistics Review, 65(2), 123-165.
Nasrudin, E. (2010). Psikologi Manajemen. Bandung: Pustaka Setia.
NN .(2006). Engineering Statistics Handbook. [Online]. Tersedia
http://www.itl.nist.gov/div898/handbook/eda/section1/eda1.htm
Olani, A., Hoekstra, R., Harskamp, E., & Van der Werf, G. (2010). Fostering
Students’ Statistical Reasoning, Self-efficacy, and Attitudes: Findings From A Comprehensively Reformed Undergaduate Statistics Course. In C. Reading (Ed), Data and Context in Statistics Education: Toward an
Evidence-Based Society. Proceedings of the Eight International Conference on Teaching Statistics (ICOTS, July, 2010), Ljubljana, Slovenia. Voorburg, The Netherlands: International Statistical Institute.
Rojai., & Romadon, R. (2013). Panduan Sertifikasi Guru Berdasarkan
Undang-Undang Guru & Dosen. Jakarta: Dunia Cerdas.