Sebuah penelitian menghimpun data skor tes dari 20 orang siswa seperti yang tercantum pada tabel di bawah. Sebuah penelitian menghimpun data skor tes dari 2 kelas seperti yang tercantum pada tabel di bawah. Beri nama “Kontrol” sebagai nama variabel untuk skor tes kelas kontrol, dan untuk setting Measure Type pilih Continous.
Beri nama “Eksperimen” sebagai nama variabel untuk skor tes kelas eksperimen, dan untuk setting Measure Type pilih Continous. Sebuah penelitian dirancang untuk melihat apakah terdapat perbedaan skor tes sebelum dan sesudah diterapkan sebuah model pembelajaran dengan taraf 5%.
Membandingkan dua kelompok independen dengan uji-t tidak berpasangan
Pada Additional Statistics beri tanda (v) pada pilihan Mean difference beserta Confidence interval, Effect size, dan Descriptives. Varians kedua kelompok data adalah homogen, atau varians kelas Kontrol dan kelas Eksperimen adalah homogen. Oleh karena uji asumsi terpenuhi maka dilanjutkan dengan pengujian hipotesis penelitian dengan statistika parametrik uji-t tidak berpasangan.
Untuk melihat nilai rata-rata skor kelas Kontrol dan Eksperimen dilihat pada tabel Group Descriptives, nilai rata-rata kelas Kontrol 72,7, sedangkan rata-rata kelas Eksperimen 64,7. Sedangkan untuk uji-t tidak berpasangan alternatif non-prametrik yang digunakan adalah uji Mann-Whitney U atau uji-t Welch.
Tugas
Analisis Varians (Anova) Satu Jalur
Latihan
Lakukan input data jumlah spermatozoa untuk masing-masing dosis 0%, 25%, dan 50% dengan cara seperti tampilan pada gambar berikut. Catatan: bila asumsi normalitas tidak terpenuhi, pengujian hipotesis tidak menggunakan Anova, melainkan uji Kruskal‐Wallis. Lantas untuk menguji perlakuan mana yang memberikan pengaruh paling besar dan adakah perbedaan secara nyata dengan perlakuan lain, maka dilanjutkan uji lanjut/Post Hoc Test.
Jika nilai p > 0,05, H0 diterima, maka perbedaan rata-rata antara kedua kelompok tidak signifikan, tidak terdapat perbedaan yang nyata. Jika nilai p < 0,05, H0 ditolak, maka perbedaan rata-rata antara kedua kelompok signifikan, terdapat perbedaan yang nyata.
Tugas
Analisis Varians Dua Jalur
Lakukan input data hasil panen tembakau pada masing-masing kombinasi perlakuan seperti pada gambar di atas. Berarti ada pengaruh signifikan perlakuan Varietas terhadap hasil panen tembakau dengan besaran efek yang kecil. Pada baris Overall model nilai p < 0,05, berarti secara keseluruhan model Anova bekerja dengan baik untuk mengestimasi hasil panen tembakau.
Oleh karena perlakuan Dosis tidak signifikan, maka tidak perlu melakukan uji lanjut/Post Hoc Test untuk perlakuan Dosis karena hasil panen tidak ditentukan oleh perlakuan dosis pupuk P. Berikut adalah rerata hasil panen dari 3 varietas yang akan diuji apakah ketiganya memiliki perbedaan yang signifikan. Hal ini sejalan dengan hasil pengujian Anova bahwa ada pengaruh signifikan perlakuan Varietas terhadap hasil panen tembakau, akan tetapi dengan besaran efek yang kecil.
Hal ini menunjukkan walau varietas PVH21 menunjukkan hasil panen tertinggi, tetapi tidak banyak berbeda nyata dengan varietas Cocker 176. Pada bagian Estimated Marginal Means, masukkan variabel Varietas dan Dosis pada Term yang sama, Term 1. Berarti ada pengaruh signifikan interaksi Varietas dan Dosis terhadap hasil panen tembakau dengan besaran efek yang kecil.
Pada tabel Estimated Marginal Means, nampak kombinasi perlakuan varietas PVH21 dan dosis 30kg menunjukkan rerata hasil panen tembakau tertinggi. Varietas PVH 21 yang memberikan hasil panen tertinggi tetapi tidak menunjukkan perbedaan nyata dengan varietas lainnya. Nyatakan kesimpulan dari analisis statistika yang telah anda kerjakan, perlakuan mana yang memberikan hasil panen terbaik.
Analisis Korelasi
Latihan Analisis Korelasi Tunggal
Pada grafik histogram nampak sebaran data membentuk kurva normal yang artinya data Motivasi dan Hasil Belajar mengikuti sebaran distribusi normal. Apabila sebaran data tidak membentuk kurva normal atau asumsi normalitas tidak terpenuhi, maka pengujian hipotesis menggunakan statistika non-parametrik korelasi. Selanjutnya untuk estimasi korelasi beralih ke tab Analyses, lalu pilih menu Regression –> Correlation Matrix.
Koefisien r menunjukkan angka 0,864 yang mengindikasikan derajat hubungan positif dan kuat antara motivasi dan hasil belajar.
Latihan Analisis Korelasi Ganda
Beri nama “Metakognisi” sebagai nama variabel untuk metakognisi, untuk setting Measure Type pilih Continous, untuk setting Data type pilih Integer. Pada grafik histogram nampak sebaran data membentuk kurva normal yang artinya data Metakognisi, Motivasi, dan Hasil Belajar mengikuti sebaran distribusi normal. Koefisien korelasi antara Metakognisi dengan Hasil Belajar gt; Hubungan sangat lemah antara Metakognisi dengan Hasil Belajar.
Koefisien korelasi antara Motivasi dengan Hasil Belajar gt; Hubungan yang kuat dengan arah positif antara Motivasi dengan Hasil Belajar. Sebuah penelitian dirancang pada 36 siswa untuk mengkaji bagaimana hubungan keterampilan metakognitif (X) terhadap hasil belajar kognitif siswa (Y) pada pembelajaran Biologi dengan penerapan strategi PBMP. Sebuah penelitian didesain untuk mengkaji apakah terdapat hubungan penghasilan orang tua (X1) dan prestasi belajar siswa (X2) dengan minat siswa melanjutkan studi ke perguruan tinggi (Y) pada siswa kelas XII.
Ujilah dengan analisis korelasi apakah terdapat hubungan dan berapa besar derajat hubungan antara beberapa variabel yang diteliti.
Regresi Linier Sederhana
Pada bagian Assumption Checks, beri tanda (v) pada pilihan Normality test, Q- Q plot of residuals, dan Residual plots. Keberadaan pencilan (outliers) penting untuk dicermati karena kehadirannya bisa merubah garis regresi secara drastis, juga turut menentukan kehandalan garis persamaan regresi. Untuk melihat seberapa jauh outlier ini mengganggu garis regresi adalah menggunakan nilai mean dari Cook’s distance.
Cook’s distance yang nilai mean-nya kurang dari 1 mengindikasikan bahwa kehadiran outlier dapat diabaikan, yang berarti outlier tersebut tidak terlalu mengganggu garis regresi. Pada tabel Cook’s distance nampak Mean < 1 yang berarti keberadaan outlier tidak mengganggu garis regresi. Bila harus membuang pencilan, peneliti harus melaporkan kedua garis regresi, yaitu garis regresi dengan pencilan dan garis regresi tanpa pencilan.
Pada tabel Model Fit Measures menunjukkan nilai R=0,864 yang berarti ada hubungan yang kuat antara Motivasi dengan Hasil Belajar. Sumbangan variabel motivasi terhadap hasil belajar adalah 74.6%, sedangkan 25.4% sisanya disumbangkan oleh variabel lain yang tidak diteliti atau di luar lingkup penelitian. Hal ini berarti bahwa persamaan garis regresi dapat diandalkan (good fit) untuk mengestimasi variabel Hasil Belajar berdasarkan variabel Motivasi.
Pada tabel Omnibus ANOVA Test nampak nilai Sum of Squares (SS) pada variabel Motivasi lebih besar dari nilai SS Residual. Terdapat hubungan yang kuat antara variabel motivasi (X) dengan variabel hasil belajar (Y) yang digambarkan dalam bentuk persamaan garis regresi Y X + ε. Rumuskan persamaan garis regresi untuk menggambarkan bentuk hubungan antara keterampilan metakognitif dengan pemahaman konsep siswa.
Regresi Linier Ganda
Pada Model Builder, buat Block 1 yang berisi variabel Metakognisi, dan Block 2 yang berisi variabel Motivasi. Untuk Assumption Checks dan Data Summary, beri tanda (v) pada pilihan Collinearity statistics, Normality test, Q- Q plot of residuals, Residual plots, dan Cook’s distance. Nilai mean pada Cook’s distance <1 yang menandakan bahwa keberadaan pencilan data tidak akan mengganggu garis persamaan regresi.
Kriteria pengujian berdasar nilai Variance Inflated Factor (VIF), nilai VIF<4 menunjukkan tidak terjadi multi kolinearitas dan model regresi dapat diinterpretasi. Hal ini berarti model 2 lebih kompleks dan bisa menjelaskan lebih banyak tentang variasi hasil belajar. Terlalu banyak prediktor bisa jadi malah tidak memberikan informasi yang baik, tidak punya nilai informasi.
Untuk menentukan model mana yang memberikan informasi yang baik ditentukan dari nilai Akaike Information Criteria (AIC) atau Bayesian Information Criteria (BIC) mana yang lebih kecil dari kedua model. Berdasarkan tabel di atas, nampak nilai AIC dan BIC untuk model 2 lebih kecil daripada model 1. Nilai ΔR2 memberikan informasi bahwa dengan penambahan satu prediktor ke dalam model 2 menunjukkan penambahan informasi sebanyak 7,98% untuk menjelaskan variabel Hasil Belajar.
Oleh karena model 2 memiliki nilai AIC lebih kecil, maka pada Model Specific Results pilih Model 2 untuk menggunakan Omnibus ANOVA Test Model 2. Nilai JK residual yang terbesar menunjukkan bahwa ada masih banyak variabel lain yang turut berkorelasi pada Hasil Belajar selain Metakognisi dan Motivasi (yang tidak diteliti). Variabel Metakognisi (X1) dan Motivasi (X2) berkorelasi secara bersamaan terhadap variabel Hasil Belajar (Y) menurut persamaan Y X1 + 0,381X2 + ε sebesar 63,1%, sedangkan sisanya sebesar 36,9% berkorelasi dengan variabel lain yang tidak diteliti.
Analisis Kovarians (ANCOVA)
Prosedur ini menghasilkan output tabel Descriptives yang menggambarkan mean/rerata skor hasil belajar siswa dari kedua metode yang belum terkoreksi dengan kovariat. Prosedur selanjutnya untuk melihat adakah pengaruh metode pembelajaran terhadap hasil belajar siswa dengan memperhitungkan pengaruh kovariat. Terlebih dahulu lakukan uji asumsi pada variabel Hasil Belajar yang meliputi uji normalitas dan homogenitas.
Pada tabel Homogeneity of Variances Test nilai p>0,05, berarti varians Hasil Belajar di kedua kelompok data adalah homogen. Pengaruh metode pembelajaran terhadap hasil belajar siswa ketika disesuaikan/terkoreksi dengan pengaruh kovariat menjadi signifikan (F p<0,001; ω2=0,105). Pada kolom Sum of Squares, nilai SS Pretes lebih besar dari SS Metode, hal ini bermakna variasi Hasil Belajar lebih banyak dijelaskan oleh pengetahuan awal siswa (kovariat) daripada metode pembelajaran.
Oleh karena pengaruh metode pembelajaran signifikan, selanjutnya dilakukan pengujian untuk melihat seberapa besar perbedaan hasil belajar siswa karena pengaruh metode pembelajaran. Nilai p baik dari uji Tukey dan Bonferroni menunjukkan ada perbedaan signifikan hasil belajar siswa dari kedua metode dengan derajat yang besar. Rerata marjinal yang nampak dari grafik dan tabel di atas merupakan rerata hasil belajar siswa yang telah disesuaikan/terkoreksi oleh pengaruh kovariat (pengetahuan awal).
Pengetahuan awal siswa sebagai kovariat telah dikontrol tetapi secara signifikan turut berpengaruh terhadap hasil belajar siswa (F p<0,001; ω2=0,789). Pengujian post hoc mengungkapkan bahwa metode Inkuiri menghasilkan rerata hasil belajar yang lebih tinggi dibandingkan dengan metode Saintifik. Soal: Lakukan analisis untuk melihat apakah terdapat perbedaan kemampuan akademik berpengaruh terhadap hasil belajar siswa dengan mengontrol variabel motivasi.
Uji Reliabilitas Instrumen
Indikatornya nampak pada koefisien korelasi item-total, hal ini disebut daya diskriminasi atau daya beda. Daya beda berperan membedakan mana individu yang memiliki atribut yang diukur dan mana individu yang tidak memiliki atribut yang diukur. Nilai koefisien r dari masing-masing butir item terhadap skor total dihimpun pada tabel berikut untuk dibandingkan dengan nilai r tabel.
Kaidah pengujiannya adalah bila nilai r hitung > r tabel, maka item butir angket dinyatakan valid dan dapat dijadikan instrumen pengambilan data. Kemudian untuk uji reliabilitas instrumen, item angket yang dipakai untuk uji reliabilitas hanya yang valid. Bila terdapat item yang menggunakan arah gradasi yang terbalik, pilih item tersebut dan masukkan dalam Reverse Scaled Items untuk dibalik arah gradasinya sehingga sama dengan item yang lain.
Bila dengan pertimbangan tertentu terdapat item angkat yang masih perlu dibuang, peneliti bisa melihat pengaruhnya terhadap nilai alfa atau omega.
Daftar Rujukan
