Teknik Analisis Data

BAB III METODE PENELITIAN

3.6. Teknik Analisis Data

Peneliti menggunakan teknik analisis data kualitatif dan teknik analisis data kuantitatif.

36

1. Teknik Analisis Data Kualitatif

Data kualitatif dalam penelitian berdasarkan hasil observasi dan wawancara kepada siswa, kemudian dianalisis dengan teknik analisis interaktif yang saling terkait satu sama lain, yaitu sebagai berikut.

1) Reduksi data (data reduction)

Mereduksi data berarti merangkum, memilih data, memfokuskan pada hal-hal yang penting, dicari tema dan polanya dan membuang yang tidak perlu dari data observasi, jawaban dari wawancara, dan angket respon siswa.

2) Penyajian data (data display)

Penyajian data adalah sekumpulan informasi tersusun yang memberi kemungkinan adanya penarikan kesimpulan dan pengambilan tindakan dalam bentuk teks naratif. Data yang disajikan adalah data hasil dari instrumen penelitian yang digunakan.

3) Penarikan kesimpulan (conclusion drawing)

Penarikan kesimpulan pada penelitian ini bertujuan untuk mencari makna data yang dikumpulkan dengan mencari hubungan, persamaan, atau perbedaan untuk ditarik kesimpulan sebagai jawaban dari penerapan dan keefektifan case based learning berbantuan media lagu matematika terhadap kemampuan literasi matematika siswa.

2. Teknik Analisis Data Kuantitatif a. Analisis Statistika Deskriptif

Statistik deskriptif digunakan untuk menganalisis data dengan cara mendeskripsikan data yang terkumpul secara verbatim, tanpa bermaksud menarik kesimpulan umum atau generalisasi. (Sugiyono, 2015). Analisis deskriptif sebagai proses mengumpulkan, menganalisis dan menghubungkan berbagai karakteristik data untuk mencoba menjelaskan data secara memadai, disajikan dalam bentuk tabel, grafik, menyajikan perhitungan, mendistribusikan data dengan menghitung rata-rata dan standar deviasi. Statistik deskriptif digunakan untuk menjelaskan dan menganalisis data dari lembar observasi pembelajaran dan survei umpan balik siswa untuk penerapan studi kasus menggunakan lagu matematika.

b. Analisis Statistika Inferensial 1) Uji Normalitas

Uji normalitas adalah prosedur yang digunakan untuk menginterpretasikan data dari populasi yang berdistribusi normal (Nuryadi dkk., 2017). Dasar pengambilan keputusan adalah jika nilai 𝐿_{ℎ𝑖𝑡𝑢𝑛𝑔} > 𝐿_{𝑡𝑎𝑏𝑒𝑙} maka 𝐻₀ ditolak, dan jika 𝐿_{ℎ𝑖𝑡𝑢𝑛𝑔} < 𝐿_{𝑡𝑎𝑏𝑒𝑙} nilai maka 𝐻₀ diterima. Hipotesis yang digunakan sebagai berikut:

𝐻₀ : sampel berdistribusi normal

𝐻₁ : sampel data berdistribusi tidak normal

Uji normalitas yang digunakan peneliti adalah uji Shapiro Wilk dengan mengunakan aplikasi SPSS Statistics versi 26. Dasar pengambilan keputusan sebagai berikut:

38

a) Jika nilai signifikansi ˃ 0,05 maka 𝐻₀ diterima.

b) Jika nilai signifikansi < 0,05 maka 𝐻₀ ditolak.

Peneliti mengambil sampel siswa kelas VIII B MTs Negeri 2 Kota Semarang dengan jumlah 32 siswa. Hasil yang didapatkan dari jawaban siswa mengerjakan soal pretest dan posttest kemampuan literasi matematika dapat dilihat dalam tabel berikut.

Tabel 3.2 Data Hasil Tes Literasi Matematika

No. Pretest Posttest 1 22,2 72,2 2 66,7 100 3 38,9 88,9 4 55,6 77,8 5 72,2 88,9 6 33,3 77,8 7 22,2 72,2 8 55,6 83,3 9 44,4 88,9 10 72,2 77,8 11 44,4 77,8 12 55,6 83,3 13 44,4 88,9 14 55,6 83,3 15 33,3 88,9 18 61,1 94,4 19 55,6 83,3 20 44,4 88,9 21 83,3 100 22 44,4 66,7 16 66,7 94,4 17 44,4 100 23 77,8 88,9 24 33,3 94,4

25 72,2 83,3 26 77,8 83,3 27 83,3 83,3 28 55,6 94,4 29 33,3 77,8 30 55,6 72,2 31 61,1 94,4 32 55,6 77,8

Hasil pretest dan posttest yang sudah didapat selanjutnya diuji normalitas dengan menggunakan aplikasi SPSS Statistics 26 didapatkan hasil sebagai berikut.

Tabel 3.3 Hasil Uji Normalitas Shapiro Wilk Nilai Tes Literasi

Tests of Normality

Kolmogorov-Smirnov^a Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Pretest ,136 32 ,140 ,960 32 ,279

Posttest ,131 32 ,176 ,955 32 ,201

a. Lilliefors Significance Correction

Tabel di atas menunjukkan hasil uji normalitas Shapiro Wilk dari nilai tes literasi matematika dimana didapatkan bahwa masing-masing data berdistribusi normal karena sesuai dengan kriteria pengambilan keputusan yaitu nilai signifikansi > 0,05 data berdistribusi normal atau 𝐻₀ diterima. Data pretest yaitu hasil nilai siswa dari tes literasi matematika sebelum perlakuan case based learning berbantuan media lagu matematika didapatkan nilai signifikansi sebesar 0,279. Nilai signifikansi dari data posttest dari tes literasi matematika sesudah perlakuan adalah 0,201.

2) Paired Sample t-Test

40

Uji-t berpasangan (paired t-test) merupakan salah satu metode pengujian hipotesis dimana data yang digunakan tidak bebas (berpasangan) (Nuryadi dkk., 2017:101). Uji ini bertujuan untuk mengetahui apakah terdapat perbedaan rata-rata dua sampel (dua kelompok) yang saling berpasangan atau berhubungan. Penelitian ini menggunakan uji-t berpasangan karena menggunakan dua sampel yang berpasangan yaitu pretest dan posttest kemampuan literasi matematika siswa yang mengalami perlakuan pembelajaran case based learning berbantuan media lagu matematika.

Hipotesis yang digunakan sebagai berikut:

𝐻₀ : 𝜇₁ = 𝜇₂ : tidak ada perbedaan rata-rata antara hasil pretest dan posttest kemampuan literasi matematika siswa artinya tidak ada pengaruh penggunaan case based learning berbantuan media lagu matematika terhadap kemampuan literasi matematika siswa.

𝐻_𝑎 : 𝜇₁ ≠ 𝜇₂ : ada perbedaan rata-rata antara hasil pretest dan posttest kemampuan literasi matematika siswa artinya ada pengaruh penggunaan case based learning berbantuan media lagu matematika terhadap kemampuan literasi matematika siswa.

Dasar pengambilan keputusan uji-t berpasangan adalah jika nilai Sig. (2- tailed)َّ˂َّ0,05,َّmakaَّ diterima, jika nilai Sig. (2-tailed)َّ˃َّ0,05,َّmakaَّ ditolak.

Uji-t berpasangan menggunakan perangkat lunak SPSS versi 26.

3) Uji N-gain

Pengujian keefektifan antara case based learning berbantuan media lagu matematika digunakan perhitungan dengan menggunakan rumus uji Gain

ternomalisasi (N-Gain) yang dilakukan untuk mengetahui peningkatan kemampuan literasi matematika setelah diberikan perlakuan. Menghitung skor Gain yang dinormalisasi berdasarkan rumus berikut:

𝑁 − 𝐺𝑎𝑖𝑛 = 𝑠𝑘𝑜𝑟 𝑝𝑜𝑠𝑡𝑡𝑒𝑠𝑡 − 𝑠𝑘𝑜𝑟 𝑝𝑟𝑒𝑡𝑒𝑠𝑡

𝑠𝑘𝑜𝑟 𝑚𝑎𝑘𝑠𝑖𝑚𝑎𝑙 − 𝑠𝑘𝑜𝑟 𝑝𝑟𝑒𝑡𝑒𝑠𝑡× 100

Hasil perhitungan gain ternomalisasi tersebut selanjutnya diinterpretasikan dalam bentuk tabel di bawah ini.

Tabel 3.4 Kriteria N-Gain

Kriteria Nilai N-Gain

Tinggi g ≥ 0,70

Sedang 0,7َّ>َّ(g)َّ≥َّ0,3

Rendah g < 0,3

Sumber: Guntara (2020)

Kategori perolehan N-Gain berdasarkan tabel di atas dijelaskan sebagai berikut.

a) Apabila nilai N-Gainَّ ≥َّ 0,7َّ denganَّ kriteriaَّ tinggi,َّ makaَّ case based learning berbantuan media lagu matematika efektif terhadap kemampuan literasi matematika siswa.

b) Apabila nilai N-Gain adalah 0,7 > (g) ≥ 0,3 dengan kriteria sedang, maka case based learning berbantuan media lagu matematika cukup efektif terhadap kemampuan literasi matematika siswa.

c) Apabila nilai N-Gain < 0,3 dengan kriteria rendah, maka case based learning berbantuan media lagu matematika tidak efektif terhadap kemampuan literasi matematika siswa.

Nilai N-Gain juga dapat ditafsirkan dalam presentase berikut.

42

Tabel 3.5 Kategori Keefektifan N-Gain

Presentase (%) Tafsiran

< 40 Tidak efektif

40 - 55 Kurang efektif

56 - 75 Cukup efektif

76 Efektif

Sumber: Budi (2022)

Kedua tabel yang disajikan boleh dipilih salah satu dari kedua ketentuan kriteria perolehan nilai N-Gain.