MENINGKATKAN KEMAMPUAN PENALARAN DAN DISPOSISI STATISTIS MAHASISWA DENGAN PENDEKATAN EXPLORATORY DATA ANALYSIS (EDA) BERBANTUAN FATHOM.

(1)

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

(2)

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

(3)

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)

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

(5)

DAFTAR DIAGRAM

Diagram

4.1 Hubungan Mean dan Simpangan Baku ... 78

4.2 Sampling dan Distribusi Sampling ... 80

(6)

DAFTAR BAGAN

Bagan

(7)

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.3 LKM 2 Kelas EDA ... 112

A.3 LKM 7 Kelas EDA ... 172

A.4 SAP 1 Kelas Ekspositori ... 177

(8)

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

(9)

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.

(10)

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

(11)

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

(12)

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

(13)

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

(14)

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

(15)

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

(16)

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

(17)

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

(18)

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

(19)

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

(20)

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

(21)

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

(22)

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

(23)

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

(24)

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

(25)

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

(26)

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 = X_i X = Selisih dari skor butir soal dengan rata-rata skor butir soal.

y = Y_i 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

(27)

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:

(28)

k = Banyaknya butir soal



2

i

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,

(29)

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

(30)

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

(31)

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

4 0,619 0,361 Ditolak Valid Sedang

Uji coba dilakukan terhadap 30 orang mahasiswa program studi Teknik

(32)

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.

(33)

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

(34)

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

4 0,25 3,61 Diterima Tidak Valid Rendah

20 0,38 3,61 Ditolak Valid Rendah

Tabel 3.10 memberikan informasi bahwa hanya item dari angket disposisi

(35)

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

(36)

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

(37)

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

(38)

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

(39)

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



1

n = 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.

(40)

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

(41)

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

(42)

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

(43)

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

(44)

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

(45)

________. (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.