Buku Ajar Desain Eksperimen

BAB I.
PENDAHULUAN
A. Penata Awal
Pada Bab I ini akan diuraikan mengenai (1) Konsep Dasar Penelitian Eksperimen, (2)
Kriteria Desain Penelitian Eksperimen, (3) Validitas Internal dan Eksternal Penelitian, (4) Uji
Persyaratan Analisis Data.
B. Kompetensi Dasar
Memahami tentang konsep dasar penelitian eksperimen, kriteria desain penelitian
eksperimen, validitas internal dan eksternal penelitian, dan uji persyaratan analisis data hasil
eksperimen.
C. Indikator Hasil Belajar
1. Menjelaskan dan disertai dengan contoh tentang konsep dasar penelitian
eksperimen
2. Menjelaskan dan disertai dengan contoh tentang kriteria desain penelitian
eksperimen,
3. Menjelaskan dan disertai dengan contoh tentang validitas internal dan eksternal
penelitian,
4. Menjelaskan dan disertai dengan contoh tentang uji persyaratan analisis data.
D. Uraian Materi
1. Konsep Dasar Penelitian Eksperimen
Metode eksperimen merupakan metode penelitian yang sangat kuat untuk mengetahui
hubungan sebab-akibat antar variabel. Dalam hal ini terdapat variable independent/
eksperimental/ perlakuan (treatment) dan variable dependent/ kriterium/ outcome. Ciri
utama dari metode eksperimen adalah peneliti dapat memanipulasi variable independent,
karena dapat menentukan perlakuan yang diterapkan pada kelompok eksperimen.
Karaklteristik utama dari metode eksperimen adalah adanya kelompok eksperimen dan
kelompok control.
Untuk mengontrol pengaruh variable ekstraneous, dapat dilakukan dengan cara
randomisasi dalam pembentukan kelompok (random assignment), matching, dan analisis
covarians (pengendalian dengan analisis statistic).
2.
Kriteria Desain Penelitian Eksperimen

Desain eksperimen memiliki dua kegunaan, yaitu (1) menyediakan jawaban terhadap
pertanyaan-pertanyaan penelitian, dan (2) mengontrol serta mengendalikan variansi yang

1
mungkin terjadi. Berdasarkan kedua fungsi tersebut, maka kriteria desain penelitian adalah
sebagai berikut. (1) Menjawab Pertanyaan Penelitian. (2) Kemungkinan melakukan
generalisasi. (3) Kontrol terhadap Variabel Bebas Ekstra (ekstraneous)
3.
Validitas Internal dan Eksternal Penelitian

a. Validitas Eksternal Penelitian: yaitu menyangkut tingkat kepresentatifan hasil
penelitian digeneralisasikan kepada populasinya. Jadi menyangkup luasan
generalisasi dengan populasi subyek yang dikenakan maupun pada populasi
obyeknya (variabel). Beberapa ancaman terhadap validitas eksternal, adalah: (1)
interaksi antara seleksi subyek dengan perlakuan, (2) interaksi seting dengan
perlakuan, dan (3) interaksi sejarah dengan perlakuan. Beberapa cara untuk
mengatasi ancaman tersebut adalahsebagai berikut.(1) Melakukan randomisasi
dalam penentuan sampel penelitian agar sampel representatif. (2) Mengunakan
teknik purposif yang telah ditentukan secara sengaja untuk memperoleh sampel yang
homogen (3) Memilih jenis kelompok, seting, dan waktu dimana genersalisasi akan
dilakukan.
b. Validitas internal menyangkut tingkat kualitas ketepatan pengendalian aspek fisikpsikologis pelaksanaan penelitian dan pemilihan berbagai instrumen dalam penelitian.
Sejumlah ancaman terhadap validitas internal penelitian dan cara mengatasinya adalah
sebagai berikut.
1). Karakteristik Subyek (bias seleksi), yang disebabkan oleh umur, daya tahan, kecepatan,
inteligensi, sikap, bahasa, etnis, kelancaran bicara, status sosial ekonomi, keyakinan, dll.
Untuk menghindari hal ini, peneliti sebaiknya sejak awal mengidentifikasi hal tersebut
melalui kajian hasil-hasil penelitian yang relevan. Caranya adalah dengan mengontrol
faktor-faktor penyebab bias tersebut.
2).. Hilangnya subyek (mortality). Hal ini dapat terjadi karena pindah domisili, penugasan
dalam kegiatan lain, sakit, atau bahkan meninggal/kematian. Untuk mengatasi hal tersbut,
sampel dapat diperbanyak 10% dari sampel minimal (Warwick, 2001), dan perbedaan
antar kelompok bisa ditoleransi sampai 0,10 (Dayton, 2000).
3). Lokasi, lokasi penelitian yang berbeda antar kelompok dapat menimbulkan bias, karena
lokasi merupakan suatu variabel. Untuk mengatasi hal tersebut, adalah dengan lokasi yang
tetap sama terhadap semua sampel.
4). Instrumentasi, bias instrumentasi lebih banyak disebabkan oleh faktor pelaku pemakai
instrumen tsb., seperti penilai, observer, dan pewawancara. Cara mengatasi hal ini adalah
dengan cara mengatur waktu penilaian.
5). Testing, misalnya adanya pretest dapat menimbulkan ancaman terhadap validitas internal,
karena dengan pemberian pretest dapat terjadi praktice effect, yaitu subyek menjadi sadar
atau sensitif terhadap apa yang diinginkan oleh peneliti. Untuk mengatasi hal tersebut,
dapat dilakukan dengan menganalisis skor perolehan (gain score) yang ternormalisasikan.
6). Sejarah (history), adanya kejadian diluar dugaan dan tidak mungkin dikontrol yang dapt
mempengaruhi respon subyek, seperti terjadinya gempa, bom oleh teroris, dll., yang dapat
mempengaruhi respon subyek. Ancaman ini diatasi dengan cara melakukan penelitian
pada saat kondisi aman.
7). Kematangan (maturity), perubahan yang terjadi karena pengaruh waktu dan hal ini dapat
mempengaruhi hasil eksperimen yang dilakukan dalam waktu lama (penelitian
multiyears). Untuk mengatasi ancaman ini dapat dilakukan dengan melakukan eksperimen
tidak terlalu lama, atau dengan menggunakan kelompok pembanding.
8). Sikap subyek, dimana subyek menyadari bahwa mereka digunakan sebagai subyek
eksperimen. Keadaan ini disebut Howthorne effect. Untuk mengatasi hal ini, dapat
dilakukan placebo (dibaca plasebo), yaitu istilah pada bidang kedokteran, yaitu pemberian
obat atau suatu perlakuan yang sesungguhnya tidak berdampak apa-apa, tetapi dapat
menimbulkan sugesti, terutama pada kelompok pembanding.
9). Regresi, ini diakibatkan karena adanya keperluan subyek untuk bisa berubah. Misalnya,
jika suatu kelompok dipilih berdasarkan karakteristik yang ekstrim, seperti 20% dari skor
terendah dalam suatu tesawal. Kelmpok ini setelah mendapat perlakuan, maka rata-rata
skornya akan mendekati rata-rata populasi, terlepas dari perlakuan yang bagaimanapun
yang diberikan. Hal ini dapat terjadi terutama pada kelompk yang sangat memerlukan
perlakuan tersebut. Cara lain dapat dilakukan dengan mengamati secara seksama terhadap
perilaku subyek untuk mengetahui adanya perbahan-perubahan di luar kebiasaan.
10). Implementasi, disebabkan karena adanya harapan implementer
terhadap suatu
kelompok untuk berperilaku sesuai dengan apa yang diharapkan oleh peneliti itu untuk
terjadi. Ancaman ini dapat diatasi dengan cara: (1) menyamakan kemampuan implementer,
(2) semua implementer ditugaskan untuk melakukan metode A dan B, (3) beberapa
implementer melakukan suatu metode.
3
4. Uji Persyaratan Analisis Data

Uji persyaratan analisis data, meliputi (1) Uji Normalitas Sebaran Data. (2) Uji
Homogenitas Varians. (3) Uji Linearitas Hubungan. (4) Uji Kesetaraan Kelompok Sampel.
a. Uji Normalitas Sebaran Data
Uji normalitas sebaran data dapat menggunakan (1) Menggunakan Kertas Peluang
Normal. (2) Menggunakan Uji Chi-Kwadrat. (3) Menggunakan Uji Liliefors. (4)
Menggunakan Teknik Kolmogorov-Smirnov. (5) Uji Normalitas dengan SPSS
1). Uji Normalitas dengan Kertas Peluang Normal
a). Buatlah daftar distribusi frekuensi kumulatif kurang dari
berdasarkan sampel distribusi data berikut
Tabel 1.1. Tabel Distribusi Skor Statistik
Kls Interval
f absolut
31 40
41 50
51 60
61 70
71 80
81 90
91 100
0
2
3
5
14
24
20
12
80
Jumlah
f kumulatif
kurang dari 31
0
2
5
10
24
48
68
80
F kumulatif
Lebih dari 31
80
78
75
70
56
32
12
0
b) Berdasarkan tabel distribusi frekuensi tersebut di atas, kemudian dapat dibuat grafik
Ogive, baik grafik ogive kurang dari maupun grafik ogive lebih. Hal ini dapat dilihat pada
Gambar Grafik seperti tertera pada halaman berikut
Pindahkan Grafik Ogive tersebut ke dalam kertas peluang normal (lihat Statistika:
Sujana)
c). Apabila gambarnya membentuk garis lurus atau mendekati lurus, maka sampel tersebut
berasal dari populasi yang berdistribusi normal.
2). Menggunakan Uji Chi-Kwadrat (2) (sering digunakan)
a). Data sampel dikelompokkan dalam daftar distribusi frekuensi absolut, kemudian tentukan
batas kelas intervalnya
b). Tentukan nilai z dari masing-masing batas interval itu
c). Hitung besar peluang untuk tiap-tiap nilai z itu (berupa luas) berdasarkan tabel z F(Z)
d). Hitung besar peluang untuk masing-masing kelas interval sebagai selisih luas dari nomor
e). Tentukan fe untuk tiap kelas interval sebagai hasilkali peluang tiap kelas (d) dengan n
(ukuran sampel)
f). Gunakan rumus Chi-Kuadrat:
( f0 fe )2
=
fe
2
g). Apabila 2 hitung < 2tabel , maka sampel berasal dari jjjpopulasi yang berdistribusi normal.
Contoh:
Telah dihitung: M 75,88
s 14,18
N = 80
2 = 5,531 + 0,128 + 1,293 + 0,513 + 0,149 + 0,345 + 1,121= 9,08

dk = 7 2 1 = 4 pada tabel 2 untuk taraf sinifikansi 5% = 9,49
Dengan demikian, harga 2hitung = 9,08 < harga 2tab =9,49 sehingga H0 diterima. Jadi,
terima H0 berarti berdistribusi normal.
Catatan: dalam hal ini menggunakan dua parameter, yaitu:
Nilai rata-rata hitung ( =75,88) dan standar deviasi (s=14,18), sehingga dk-nya =
Jumlah kelas dikurangi parameter, dikurangi 1, sehingga: 7 2 1 = 4.
Perhitungan:
Z
X-X
30,5 - 75,88
3,20
SD
14,18
Lihat tabel luas di bawah lengkungan kurve normal dari 0 s/d z pada buku statistik.
Untuk z = -3,20, tabel z = 0,4993 (perhatikan 3,2 kebawah dan 0 kesamping kanan,
sehingga ditemukan angka 0,4993). Luas setengan daerah (0,5); jika z minus, maka
0,5 dikurangi dengan 0,4993. Tetapi, jika z positif, maka 0,5 ditambah bilangan pada
tabel z.
(1). Dengan demikian, dapat dihitung F(z) = 0,5 0,4993 = 0,0007
(2). Dengan cara yang sama, untuk z = -2,50 = 0,5 0,4938 = 0.0062
6
(3). Kemudian, 0,0007 0,0062 = 0,0055 (untuk menentukan luas tiap kelas interval)
(4). Untuk mencari fe = luas kelas interval dikalikan n = (0,0055)(80)=0,44
(5) f0 telah diketahui = 2 (lihat f absolut)
( f 0 f e ) 2 ( 2 0,44) 2
5,531
(6).
fe
0,44
Demikian seterusnya sampai diperoleh angka 1,121.

(7). Hitung Chi-Kuadrat dengan rumus:
2
( f0 fe )2
9,08
fe
(8). Bandingkan f hitung dengan f tabel pada taraf signifikasi 5%, jika f hitung lebih dari f
tabel, maka f hitung signifikan (H1 diterima); ini berarti terdapat perbedaan frekuensi,
sehingga tidak normal. Jika f hitung lebih kecil dari f tabel, maka H0 diterima, maka
sampel berasal dari populasi yang berdistribusi normal.
3). Menggunakan Uji Liliefors (sering digunakan)
a). Urutkan data sampel dari kecil ke besar dan tentukan frekuensi tiap-tiap data
b). Tentukan nilai z dari tiap-tiap data itu
c). Tentukan besar peluang untuk masing-masing nilai z berdasarkan tabel z dan diberi nama
F(z)
d). Hitung frekuensi kumulatif relatif dari masing-masing nilai z dan sebut dengan S(z)
Hitung proporsinya, kalau n = 20, maka tiap-tiap frekuensi kumulatif dibagi dengan n.
Gunakan nilai L0 yang terbesar.
e). Tentkan nilai L0 = |F(z) S(z)|, hitung selisihnya, kemudian bandingkan dengan nilai Lt
dari tabel Liliefors
f). Jika L0 < Lt , maka H0 diterima, sehingga dapat disimpulkan bahwa sampel berasal dari
populasi yang berdistribusi normal.
Contoh:
7
Tabel 1.4. Menghitung Harga Liliefors

X
F abs.
f kum
F(z)
S(z)
| F(z) S(z)|
-2,01
0,0222
0,0500
0,0278
-1,34
0,0901
0,1500
0,0599
-0,67
0,2516
0,3500
0,0984
13
0,00
0,5000
0,6500
0,1500*)
17
0,67
0,7486
0,8500
0,1014
19
1,34
0,9099
0,9500
0,0401
20
2,01
0,9778
1,0000
0,0222
N=20
*) Nilai L0 terbesar
Cara menghitung:
(1) M X
(2)
Z=
fX
n
100
5; SD
20
fX
(n 1)
( fX ) 2
n( n 1)
542
100 2
1,49
19
20(19)
X X
25
2,01
SD
1,49
Hitung nilzi z dengan cara yang sama sehingga diperoleh semua nilai z, yaitu: -,1,34;
-0,67; 0,00; 0,67; 1,34; dan 2,01.
(3) Hitung F(z) dengan cara seperti pada contoh pertama di atas, yaitu: untuk nilai z = -2,01,
maka luas daerah pada tabel z = 0,4778; dengan demikian F(z) = 0,5 0,4778 =0,0222
(lihat tabel di atas).
(4) Hitung selisi antara F(z) dan S(z), sehingga diperoleh: 0,0278; dan seterusnya.
(5) Lihat nilai yang terbesar, yaitu 0,1500 (= L0)
(6) Bandingkan nilai L0 dengan Lt. Jika L0 < Lt , maka H0 diterima, sehingga dapat
disimpulkan bahwa sampel berasal dari populasi yang berdistribusi normal
Dalam hal ini, diperoleh: L0 =0,1500 < Lt = 0,190 (untuk dk = n = 20 pada taraf
signifikansi 5%), maka terima H0 yang berarti bahwa sampel berasal dari populasi yang
berdistribusi normal.
4). Menggunakan Uji Kolmogorov-Smirnov
Langkah mengerjakan sebagai berikut.

a). Urutkan data sampel dari kecil ke besar dan tentukan frekuensi tiap-tiap data (X)
b). Hitung frekuensi absolut (f)
c). Hitung f kumulatif (f kum)
d). Hitung probabilitas frekuensi (P) dengan membagi frekuensi dengan banyak data (f/n) =
1/20 = 0,05, dan seterusnya
e). Hitung probabilitas
frekuensi kumulatif (KP) dengan membagi frekuensi kumulatif
dengan banyak data (fkum/n) = 1/20 = 0,05, dan seterusnya.

f). Tentukan nilai z dari tiap-tiap data itu dengan rumus:
Z=
X X
25
2,01
SD
1,49
g). Tentukan besar peluang untuk masing-masing nilai z berdasarkan tabel z dan diberi nama
F(z) lihat tabel z. Jika nilai z minus, maka 0,5 dikurangi (-) luas wilayah pada tabel z.
Sebaliknya, jika nilai z plus, maka 0,5 ditambah (+) luas nilai z pada tabel, sehingga
diperoleh nilai-nilai F(z).
h). Hitung selisih antara kumulatif proporsi (KP) dengan nilai z pada batas bawah (lihat nilai
F(z) dibawahnya); (A1), misalnya: 0-0,0222 = 0,0222; 0,015 0,0901 = 0,0401; dst.
i). Hitung selisih antara kumulatif frekuensi (KP) dengan nilai z pada batas atas (lihat nilai
F(z) di atasnya); (A2) misalnya: 0,05 0,0222 = 0,0278; 0,15 0,0901 = 0,0599; dst.
j). Selanjutnya, nilai A1 maksimum (0,1500) dibandingkan dengan harga pada tabel D,
yang diperoleh dari harga kritik Kolmogorov-Smirnov satu sampel.
k). Jika A1 maksimum = 0,1500 < harga tabel D= 0,294 (lihat tabel D untuk n=20, = 0,294
pada ts 5%), maka H0 diterima, sehingga dapat disimpulkan bahwa sampel berasal dari
populasi yang berdistribusi normal (lihat tabel D berikut.
Tabel 1.6.Tabel D
5). Uji Normalitas dengan SPSS

Untuk menguji normalitas data dengan program SPPS, lakukan langkah berikut:
1). Entry data atau buka file data yang akan dianalisis
2). Pilih menu: Analyze, Desciptives Statistics, Explore
3). Setelah muncul kotak dialog uji normalitas, selanjutnya pilih y sebagai dependent list 4)
(pilih x sebagai factor list, jika ada lebih dari 1 kelompok data); klik tombol Plots; pilih
Normality test with plots; dan klik Continue, lalu OK.
Uji normalitas menghasilkan tiga jenis keluaran, yaitu Processing Summary,
Descriptives, Test of Normality, dan Q-Q Plots. Untuk keperluan penelitian umumnya hanya
diperlukan keluaran berupa Test of Normality, yaitu keluaran seperti table berikut.
10
b. Uji Homogenitas Varians

1). Uji Homogenitas pada Uji Perbedaan (Test Bartlett)
Contoh data:
(1) Data: Kelompok 1:
12, 20, 23, 10, 17.
Kelompok 2:
14, 15, 10, 19,
Kelompok 3:
6,
16, 16,
20
Kelomp ok 4:
9,
14, 18,
19
22
(2) Varians:
Kelompok 1: s12 = 29,3 (dihitung dengan calculator)
Kelompok 2: s22 = 21,5
(3). Hipotesis: Hipotesis statistik:
H0 = 12 = 22 = 32 = 42
H1 = salah satu tanda tidak berlaku
(4) Tabel Kerja
Tabel 1.7. Tabel Kerja untuk Menghotung Nilai
Sampel
dk
1/dk
s2
log s2
dk. log s2
0,25
29,3
1,4669
5,8676
0,25
21,5
1,3324
5,3296
0,33
35,7
1,5527
4,6581
0,33
20,7
1.3160
3,9480
Jumlah
14
1,16
19,8033
(5) Varians gabungan
s 2 gab.
(dk .s
dk
4( 29,3) 4( 21,5) 3(35,7) 3( 20,7)

26,6
4 433
log.s2gab = log 26,6 = 1,4249

(6). Nilai B:
11
B = (dk) log.s2gab = 14 (1,4249) = 19,9486.

(7) Harga 2 = (Ln 10) {B (dk) log s2 }= (2,3026)(19,9486 19,8033) = 0,3346
Untuk taraf signifikansi 5% dan dk= k 1 = 4-1 =3; 2tab = 7,815
Karena 2 hitung < 2tab = maka H0 diterima.
(8) Kesimpulan: keempat kelompok data berasal dari populasi yang homogen.
2). Uji Homogenitas Varians dengan SPSS
(1). Langkah Pengujian
Untuk menguji kehomogenan data sampel Y berdasarkan pengelompokan data X, lakukan
langkah-langkah berikut.
Buka file data yang akan dianalisis
Pilih menu berikut ini:
Analyze
Descriptics Statistics
Explore
(2). Selanjutnya laukan langkah berkut.

Pilih y sebagai dependent list dan x sebagai factor list:
Catatan: untuk homogenitas uji beda, x adalah kode kelompok
Untuk homogenitas regresi, x adalah prediktor
Klik tombol Plots
Pilih Lavene test untuk untransformed
Klik continue, lalu klik OK
Untuk keperluan penelitian, pada umumnya hanya perlu keluaran Test of Homogenity
of Variance. Keluaran lain bisa dihapus dengan cara klik sekali pada objek yang akan
dihapus, lalu tekan tombol Delete.
(3) Cara menafsirkan print out
Lihat Statistik Lavene dan signifikansinya. Jika signifikansinya > (0,05), maka
varianskelompok adalah homogen.
12
Tabel 1.8. Test of Homogenity of Variance

Lavene Statistic
Y
df-1
df-2
Significant
Based on Mean
0,098
57
0,907
Based on Median
0,086
57
0,918
Based on Median 0,086

and with adjusted
df
55,882
0,918
Based on
trimmed mean
57
0,909
0,096
Interpretasi dilakukan dengan memilih salah satu statistic, yaitu statistic yang
didasarkan pada rata-rata (Based on Mean), dan ternyata statistik tidak signifikan
sehingga varians kelompok adalah homogen.
Hipotesis yang diuji:
H0: Varians pada tiap kelmpok homogen
H1: Varians pada tiap kelompok tidak homogen
Dengan demikian, jika hasil uji tidak signifikan, maka varians homogen.
c. Uji Linearitas Hubungan dengan SPSS
Uji linearitas antara variabel X dengan variabel Y dengan menggunakan SPSS,
lakukan langkah berikut:
Entry data: data dimasukkan ke dalam lembar kerja SPSS dengan menggunakan
nama variabel x dan y.
Analisis: analisis dilakukan dengan cara memilih menu berikut:
Analyze
Compare mean
Means
Selanjutnya akan muncul kotak dialog Uji Linearitas, kemudian lakukan sebagai
berikut:
Pindahkan y ke variabel dependent
Pindahkan x ke variabel independent
Pilih kotak option dan pilih Test of Linearity
Klik continue
13
Klik OK
Interpretasi hasil analisis print out computer sebagai berikut.
Tabel 1.9. Tabel Anova
SV
Y*X
Sum
square
df
Mean
Square
Sigf
(Combined)
9447,042
24
393,627
3,35
0,009
Linearity
7308,885
7308,885 62,209
0,000
Deviation
from linearity
2138,157
23
92,963
0,791
0,702
Within
Groups
1762,333
15
117,489
Total
11209,375
39
Between
Groups
Untuk menguji linearitas hubungan antara variabel bebas dengan variabel terikat,
digunakan nilai F tuna cocok atau Deviation from linearity (penyimpangan terhadap
kelinearan). Jika nilai F tidak signifikan (sig >0,05), maka nilai F tidak menyimpang dari
kelinearan atau linear. Hasil analisis menunjukkan bahwa harga F tuna cocok (deviation from
linearity) = 0,791 dengan signifikansi 0,702 (di atas 0,05), sehingga harga F tuna cocok tidak
signifikan. Ini berarti bahwa regresi linear.
d. Uji Kesetaraan Kelompok Sampel
Untuk menguji kesetaraan kelompok sampel, digunakan uji t atau t-test untuk dua
kelompok sampel. Jika kelompok sampel lebih dari dua kelompok, maka digunakan analisis
varians (uji F) satu jalan. Jika hasil analisis non signifikan, maka kedua kelompok atau lebih
dari dua kelompok tersebut adalah setara. Teknik analisis varians dan t test, diuraikan pada
bagian lebih lanjut.
14
BAB II.
WEAK EXPERIMENTAL DESIGN (PRE-EXPERIMENTAL)
(desain yang paling lemah)
A. Penata Awal
Pada Bab II ini akan diuraikan mengenai Weak Experimental Design (Pra
Experimental), yang terdiri atas (1) The One-Shot Case Study Design, (2) The One Group
Pretest-Posttest Design, (3). The Static- Group Comparison Design, dan (4)The StaticGroup Pretest-Posttest Design
B. Kompetensi Dasar
1. Memahami tentang desain The One-Shot Case Study Design dan contoh judul
penelitian beserta teknik analisis datanya.
2. Memahami tentang desain The One Group Pretest-Posttest Design dan contoh
judul penelitian beserta teknik analisis datanya.
3. Memahami tentang desain The Static- Group Comparison Design dan contoh judul
penelitian beserta teknik analisis datanya
4. Memahami tentang desain The Static- Group Pretest-Posttest Design dan contoh
judul penelitian beserta teknik analisis datanya

1. Menjelaskan desain The One-Shot Case Study Design dan contoh judul penelitian
beserta teknik analisis datanya.
2. Menjelaskan desain The One Group Pretest-Posttest Design dan contoh judul
3. Menjelaskan The Static- Group Comparison Design dan contoh judul penelitian
beserta teknik analisis datanya
4. Menjelaskan The Static- Group Pretest-Posttest Design dan contoh judul penelitian
beserta teknik analisis datanya
15
D. Uraian Materi
1.
The One-Shot Case Study Design

X
Treatment
(perlakuan)
Observation (measurement)
(dependent variable)
Analisis data dengan rumust-test

Untuk data satu sampe, dianalisis dengan uji-t (t-test) dengan rumus sebagai
berikut.
t
N(N 2 1)
Contoh Judul Penelitian

Pengaruh model pembelajaran Kooperatif Tipe STAD terhadap hasil belajar
matematika pada siswa kelas V SDN 1 di Singaraja.
Kriteria Ketuntasan Minimal (KKM) mata pelajaran matematika ditetapkan untuk kelas V
SDN 1 Singaraja adalah 7,00.
Contoh : misalnya data hasil penelitian sebagai tabel berikut.
Tabel 2.1. Data Hasil Penelitian
16
Perhitungan dapat dilakukan berdasarkan tabel berikut.

Tabel 2.2. Tabel Kerja Menghitung D
Analisis data dengan rumus t test untuk data satu sampel sebagai berikut.
X
N(N 2 1)
8-7
22
10(10 2 1)
22
990
1
1
6,708
0,022 0,149
2. Analisis Data dengan Sign Test (Uji Tanda)

Contoh Judul penelitian
Pengaruh waktu kerja terhadap produktivitas kerja (siang hari dan malam hari)
Hipotesis penelitian:
H0: Tidak ada perbedaan produktivitas kerja antara waktu kerja sianghari dan malam hari
H1: Ada perbedaan produktivitas kerja antara waktu kerja siang hari dan malam hari
Hipotesis Statistik:
H0: 1 = 2
H1 : 1 2
17
Tabel 2.3. Data Produktivitas Kerja
Probabilitas (peluang) memperoleh tanda (+) dan (-) = 0.50. Dari sejumlah 15
responden observasi tersebut diharapkan akan memiliki mean dan SD sebagai berikut.
Mean () = np = 15 (0,5) = 7,5
Dari observasi yang diperoleh jumlah tanda (+) = 12, maka X akan terletak pada X =
11,5
maka test staistik:
Nilai kritis jika menggunakan taraf signifikansi 5% ( = 0,05) untuk uji dua ekor (dua
sisi), maka nilai kritis = Z = 1,96
H0 diterima jika -1,96 Z + 1,96
H0 ditolak jika Z > + 1,96 atau Z < - 1,96
Simpulan: H0 ditolak karena Z < + 1,96. Hal ini berarti bahwa terdapat perbedaan
produktivitas kerja antara waktu bekerja siang hari dan malam hari dengan resiko
kesalahan (taraf signifikansi) 5%.
18
2. The One Group Pretest-Posttest Design

O
Pretest
Treatment
O
Posttest
Dianalisis gain score-nya, yaitu skor posttest dikurangi skor pretest. Kalau ada
peningkatan skor, berarti treatment tersebut berpengaruh terhadap peningkatan skor variabel
terikat.
Contoh judul penelitian:
Pengaruh model pembelajaran kooperatif tipe NHT terhadap prestasi belajar
matematika pada siswa SMA Negeri di Singaraja
Tabel 2.4. Skor Pretest dan Posttest
Hipotesis Penelitian
19
Analisis Data
Keterangan:
Skor perolehan (gain score) dengan normalisasi
20
Perhitungan:
GSn = gain score dengan normalisasi, diperoleh dengan jalan sebagai berikut.
Menghitung Mean (M) dan nilai t hitung
Uji signifikansi: db t =(n1 +n2) 2 = 18.

Pada ts 5%, diperoleh harga t tabel = 2,10
Harga t hitung = 9,13 > t tabel = 2,10. sehingga harga t hitung signifikan. Jadi ada pengaruh
yang signifikan penerapan model pembelajaran kooperatif tipe NHT terhadap hasil belajar
matematika .
3. The Static- Group Comparison Design
X1
O1
------------------------------------------------
X2
X1
O2
(klp eksperimen) dan X2 (klp kontrol) diberi perlakuan berbeda, kemudian
diobservasi (diukur/ di test (posttest), sesuai dengan materi yang diajarkan). Hasil ukur
21
dianalisis dengan t-test (sampel independent), kemudian disimpulkan perlakuan mana yang
lebih baik pengaruhnya terhadap hasil belajar.
Contoh analisis data:
Misalnya, dua kelompok (kelas), masing-masing diberi metode yang berbeda.
Kelompok eksperimen diberi metode STAD dan kelompok kontrol diberi metode
konvensional dalam pembelajaran matematika. Setelah 12 kali perlakuan, diukur dengan tes
matematika yang sama, kemudian dianalisis dengan t-test untuk sampel independent, dengan
rumus:
X1 X 2
2
s1 s2
n1 n2
rumus (separated varians)

Contoh Judul Penelitian:
Pengaruh metode pembelajaan kooperatif tipe STAD terhadap prestasi belajar
matematika pada siswa SMA
Rumusan masalah:
Apakah terdapat perbedaan prestasi belajar matematika antara klp siswa yang
mengikuti pembelajaran dengan metode
kooperatif tipe STAD dan siswa yang
mengikuti pembelajaran dengan metode konvensionalpada siswa SMA?

Hipotesis penelitian:
(1) H0: Terdapat perbedaan prestasi belajar matematika antara siswa yang mengikuti
pembelajaran dengan metode kooperatif tipe STAD dan siswa yang mengikuti
pembelajaran dengan metode konvensional pada siswa SMA
(2) H1: Tidak terdapat perbedaan prestasi belajar matematika antara siswa yang mengikuti
pembelajaran dengan metode kooperatif tipe STAD dan siswa yang mengikuti
pembelajaran dengan metode konvensional pada siswa SMA
H0: 1 = 2
H1 : 1 2
22
Contoh Data Hasil Penelitian

Analisis Data Hasil Penelitian

Statistik yang diperlukan untuk uji t, adalah nilai rata-rata dan varians masing-masing
kelompok.
Menghitung Varians dan Nilai t-test
Simpulan:
Contoh data lain:

A1 = metode konvensional
A2 = metode STAD
23
Tabel.2.8. Data Hasil Penelitian
Cara menghitung:
Perhitungan:
X1 X 2
6,8 - 5,4
1,4
1,4
1,4
10
0,14
1,3
1
,
2
0,26
0,24
0,02
s1 s2
dbt = (n1 + n2)-2

5 =5(5+5) 2 = 8
2
n1 n2
Nilai t tabel untuk db = 8 adalah 2,306. Dengan demikian nilai t hitung lebih besar
dari nilai t tabel sehingga H0 ditolak dan H1 diterima. Dengan demikian nilai t hitung
adalah signifikan. Jadi ada perbedaan yang signifikan nilai matematika antara siswa
yang belajar dengan metode STAD dan metode konvensional. Dari nilai rata-rata
hitung diketahui bahwa nilai rata-rata hitung pada siswa yang belajar dengan metode
STAD lebih besar dari nilai rata ada siswa yang belajar dengan metode konvensional.
Jadi metode STAD berpengaruh terhadap prestasi belajar matematika.
4.The Static-Group Pretest-Posttest Design

O
X1
---------------------------------------O
X2
Dihitung gain score or change, yaitu skor posttest dikurangi skor pretest.
Contoh Analisis Data

Misalnya, dua kelompok (kelas), masing-masing diberi metode yang berbeda.
Kelompok pertama diberi metode STAD dan kelompok ke dua diberi metode Proyek dalam
pembelajaran matematika. Sebelum perlakuan dimulai, terlebih dahulu dilakukan pretest (tes
awal) untuk kedua kelompok. Kemudian dilakukan perlakuan (treatment) sebanyak 12 kali
pertemuan dan dilakukan posttest (tes akhir) untuk kedua kelompok tersebut dengan
24
menggunakan tes yang sama dengan tes awal. Setelah itu, nilai tes akhir dikurangi tes awal.
Nilai itulah dianalisis dengan rumus t-test untuk sampel independent
Contoh data lain: dengan gain score ternormalisasi
Cara menghitung GSn (gain score dinormalisasi

GSn
GS
2
2
0,4
Skor maksimal ideal - skor pretest 10 - 5 5
GSn
GS
1
1
0,25; dst
H0: 1 = 2
H1 : 1 2
Analisis data:
Analisis dengan rumus t-test sebagai berikut.
X1 X 2
2
s1 s2
n1 n2
0,38 - 0,68
- 0,3
0,3
0,3
1,43
0,03 0,245
0,006 - 0,05
0,044 0,21
5
5
25
BAB III
TRUE EXPERIMENT DESIGN
A. Penata Awal
Pada Bab III ini akan diuraikan mengenai Tru Experimental Design yang terdiri
atas (1) The Randomized Posttest Only Control Group Design, (2) The Randomized Pretest26
Posttest Control Group Design (3). The Randomized Solomon Four Group Design, (4)The
Randomized Posttest Only Control Group Design, dan (5) The Randomized Pretest-Posttest
Control Group Design, Using Matched Subject.
B. Kompetensi Dasar
1. Memahami tentang desain The Randomized Posttest Only Control Group Design
dan contoh judul penelitian beserta teknik analisis datanya.
2. Memahami tentang desain
The Randomized Pretest-Posttest Control Group
Design dan contoh judul penelitian beserta teknik analisis datanya.

3. Memahami tentang desain The Randomized Solomon Four Group Design dan
contoh judul penelitian beserta teknik analisis datanya
4. Memahami tentang desain The Randomized Posttest Only Control Group Design,
dan contoh judul penelitian beserta teknik analisis datanya
5. Memahami tentang desain The Randomized Pretest-Posttest Control Group
Design, Using Matched Subject.
1. Menjelaskan tentang desain The Randomized Posttest Only Control Group Design
2. Menjelaskan tentang desain The Randomized Pretest-Posttest Control Group
Design dan contoh judul penelitian beserta teknik analisis datanya.
3. Menjelaskan tentang desain The Randomized Solomon Four Group Design dan
contoh judul penelitian beserta teknik analisis datanya
4. Menjelaskan tentang desain
The Randomized Posttest Only Control Group
Design, dan contoh judul penelitian beserta teknik analisis datanya

5. Menjelaskani tentang desain The Randomized Pretest-Posttest Control Group
Design, Using Matched Subject.
D. Uraian Materi
1. The Randomized Posttest Only Control Group Design
Treatment group
Control group
R
X1
O
--------------------------------R
--O
27
Contoh: (lihat pada diagram berikut)
Contoh analisis data

Analisis data (menghitung varians dan nilai t)
28
Simpulan:
2. The Randomized Pretest-Posttest Control Group Design

Treatment group
O1
X1
O2
---------------------------Control group
O1
X2
O2
Keterangan: R = Randomized
X1 = treatment klp eksperimen
X2 = treatment klp kontrol
O1= pretest
O2= posttest
Pengaruh Metode Pembelajaran terhadap hasil belajar matemaika. Metode
pembelajaran terdiri atas dua faktor, yaitu Metode STAD dan Metode Proyek.
Contoh: (lihat pada diagram berikut)
29
Contoh data dengan gain score ternormalisasi
Cara menghitung GSn (gain score dinormalisasi)

GSn
GS
2
2
0,4
GSn
GS
1
1
0,25; dst
H0: 1 = 2
H1 : 1 2
Analisis data Analisis dengan rumus t-test sebagai berikut.
30
X1 X 2
2
s1 s2
n1 n2
0,38 - 0,68
- 0,3
0,3
0,3
2,857
0,03 0,0245
0,006 0,005
0,011 0,105
5
5
3. The Randomized Solomon Four Group Design

Treatment group (A)
Control group
(C)
Treatment group (B)

Control group (D)
R
O1
X1
O2
-------------------------------R
O3
-O4
=================
R
-X1
O5
---------------------------------R
-O6
Contoh judul penelitian

31
Pengaruh model pembelajaran kooperatif tipe STAD terhadap prestasi belajar IPS.
Peneliti menentukan 2 klp eksperimen (misal klp A dan B) dan 2 klp kontrol (misal klp. C
dan D).
Hipotesis stastistik yang diuji:
H0: 1 = 2
H1 : 1 2
Contoh Data Hasil Penelitian
32
33
Dengan demikian, t hitung lebih besar dari t tabel (2,475 > 2,101), sehingga H0
ditolak dan H1 diterima. Jadi pada klp (B dan D yang tidak menggunakan pretest, ada
34
perbedaan yang signifikan prestasi belajar IPS antara siswa yang belajar dengan model
pembelajaran tipe STAD dan konvensional. Langkah terakhir adalah mencari perbedaan antar
kelompok dengan melakukan uji F pada keempat kelompok dengan perhitungan sebagai
berikut.
Berdasarakan tabel kerja di atas, kemudian hitung JK total, JK antar A, dan JK dalam
(error).
Menghitung Jumlah Kuadrat (JK):
JK total
X
X tot -
tot
X - X
JK antar
2392 -
tot
nA
306 2
40
2392 - 2340,9 51,1
84 2 78 2
10
10
10
71 2 73 2 - 306 2
10
10
(705,6 608,4 504,1 532,9 ) - 2340,9 2351 - 2340,9 10,1

JK dalam JK tottal - JK antar 51,1 - 10,1 41
Menghitung db, RJK, dan F
35
40
Uji antar sel (uji lanjut) dengan rumus t-Scheffe sebagai berikut.
t
XA - XB
8,4 - 7,8
2 * RJK dalam
2 *1,139
n
10
0,6
0,6
0,6
1,2578 1,258
2,278
0,2278 0,477
10
Selanjutnya dengan cara yang sama dapat dihitung nilai t yang lain.
(Kerjakan dan Simpulkan hasilnya).
36
Simpulan:
Berdasarkan tabel rerata tersebut diketahui bahwa O2 (8,4) lebih besar dari pada
rerata O1 (7,4); rerata O2 (8,4) lebih besar dari pada O4 (7,1); rerata O5 (7,8) lebih besar dari
rerata O6 (7,3); rerata O5 (7,8) lebih besar dari O3; dan seterusnya.Dengan demikian dapat
disimpulkan bahwa model pembelajaran kooperatif tipe STAD berpengaruh terhadap prestasi
belajar IPS.
4. The Randomized Postest Only Control Group Design, Using Matched Subject
Treatment group
Control group
M,
X1
O
-----------------------------M,
X2
O
Contoh: The Randomized Posttest-Only Control Group Design, Using Matched Subjects
37
Analisis Data
Analisis data menggunakan t tes seperti tersebut di atas.
Latihan:
Buatlah data satuan dengan N = 10 untuk kelompok eksperimen dan kelompok
kontrol. Kemudian hitunglah nilai t dengan menggunakan rumus sebagai berikut.
5.
X1 X 2
2
s1
s
2
n1
n2
..................?
The Randomized Pretest-Posttest Control Group Design, Using Matched Subject
Treatment group
M,
X1
--------------------------------Control group
M,
X2
Contoh: The Randomized Posttest-Only Control Group Design, Using Matched Subjects,
dapat digambarkan dalam bagan berikut.
38
Analisis data menggunakan gain score) ternormalisasi(GSn), yaitu skor

perolehan dengan cara: skor pretest dikurangi skor posttest, dengan rumus sebagai berikut.
GS n
GS
Skor Maks Ideal - Skor Pretest
Kemudian dihitung dengan t-test (sampel independent)

Latihan: buat data satuan , N = 10 untuk tiap-tiap klp eksperimen dan klp. Kontrol.
39
BAB IV.
QUASI EXPERIMENT DESIGN
A. Penata Awal
Pada Bab IV ini akan diuraikan mengenai Quasi Experimental Design, yang terdiri
atas (1) Non Equivalent Control Group Design, (2) The Matching Only Posttest Only
Control Group Design,dan (3). The Matching Only Pretest-Posttest Control Group Design.
B. Kompetensi Dasar
1. Memahami tentang desain Non Equivalent Control Group Design dan contoh
2. Memahami tentang desain The Matching Only Posttest Only Control Group
Design,dan dan contoh judul penelitian beserta teknik analisis datanya.
3. Memahami tentang desain The Matching Only Pretest-Posttest Control Group
Design. dan contoh judul penelitian beserta teknik analisis datanya

1. Menjelaskan tentang desain Non Equivalent Control Group Design dan contoh
2. Menjelaskan tentang desain The Matching Only Posttest Only Control Group
Design,dan dan contoh judul penelitian beserta teknik analisis datanya.
3. Menjelaskan tentang desain The Matching Only Pretest-Posttest Control Group
Design. dan contoh judul penelitian beserta teknik analisis datanya
D. Uraian Materi
Pada penelitian quasi-experimental design, tidak menggunakan random assignment,
tetapi menggunakan teknik lain untuk mengontrol tantangan validitas internal. Beberapa
teknik penelitian eksperimen semu ini, antara lain sebagai berikut.
40
1. Non Equivalent Control GroupDesign

O
X
O
---------------------------------O
O
Disain ini sering digunakan dalam penelitian pendidikan karena tidak mungkin
menggunakan simple random sampling, sehingga menggunakan intac group (kelompok yang
utuh).
Langkah-langkah pelaksanaan:
a. Mengadakan pretest (tes awal)
b. Bagi kelas menjadi dua kelompok yang setara
c. Berikan treatmen pada kelompok eksperimen
d. Setelah treatment, dilakukan postest
e. Hitung gain skor yang dinormalisasi, dan analisis dengan t test
Misalnya, peneliti ingin mengetahui pengaruh model pembelajaran tipe STAD
terhadap prestasi belajar statistik mahasiswa.
H0: 1 = 2
H1 : 1 2
Data tersebut pada tabel di atas harus diuji homogenitas variannya dengan rumus ttest untu sampel independen.
41
Menghitung GSn (gain score dinormalisasi)
Menghitung nilai t dengan rumus berikut.
X1 X 2
2
s1 s2
n1 n2
0,501 - 0,246
0,255
0,255
2,656
0,058 0,034
0,0058 0,0034 0,096
10
10
42
db t = (n1 + n2 )- 2 =18. Nilai t tabel pada ts 5% = 2,101. Dengan demikian, nilai t

hitung lebih besar dari nilai t tabel, sehingga Ho ditolak dan H1 diterima. Jadi model
pembelajaran tipe STAD berpengaruh terhadap prestasi belajar statistik mahasiswa.
2. The Matching Only Posttest Only Control Group Design
Teatment group
X1
--------------------Control group
X2
Keterangan:
Kelompok Eksperimen dan Kelompok kontrol disamakan.
a. Kelompok Eksperimen diberi perlakuan dengan Model STAD dan kelompok kontrol
dengan model konvensional (misal dalam pembelajaran Statistik)
b. Pada akhir perlakuan, kedua kelompok di tes (posttest)
c. Hasil posttest dianalisis dengan rumus t tes untuk sampel independen.
Tugas latihan:
Buat data sendiri, n1 dan n2 sama, masing-masing 10. Data terendah 5 dan tertinggi 9.
43
3. The Matching Only Pretest-Posttest Control Group Design

Treatment group
X1
-----------------------------Control group
X2
M menunjuk pada fakta bahwa subjek pada setiap kelompok telah disamakan
(matching) berdasarkan variable-variabel tertentu, tetapi tidak dirandom pada pembentukan
kelompok.
Keterangan
a. Kelompok Eksperimen dan Kelompok kontrol disamakan.
b. Kelompok Eksperimen diberi perlakuan dengan Model STAD dan kelompok kontrol
dengan model konvensional (misal dalam pembelajaran Statistik)
c. Dilakukan pretest untuk kedua kelompok
d. Pada akhir perlakuan, kedua kelompok di tes (posttest)
e. Dicari gain score yang dinormalisasi dengan rumus yang telah dijelaskan terdahulu
(skor posttest dikurangi skor pretest, kemudian diterapkan rumus GSn)
f. Analisis dengan t-test dengan sampel independen
Tugas latihan:
Buat data sendiri, n1 dan n2 sama, masing-masing 10. Data terendah 5 dan tertinggi 9.
44
BAB V.
COUNTERBALANCED DESIGN
A. Penata Awal
Pada Bab V ini akan diuraikan mengenai Counterbalanced Design, yang terdiri atas
A Three Treatment Counterbalanced Design
B. Kompetensi Dasar
Memahami tentang desain A Three Treatment Counterbalanced Design
Memahami tentang desain A Three Treatment Counterbalanced Design
D. Uraian Materi
Counterbalanced design adalah teknik lain untuk menyamakan kelompok eksperimen
dan kelompok control. Dalam desain ini, tiap kelompok diberikan semua perlakuan
(treatment), tetapi dalam urutan berbeda.
A Three-Treatment Counterbalanced Design
Group I
X1
X2
X3
-------------------------------------------------Group II
X2
X3
X1
-------------------------------------------------Group III
X3
X1
X2
Untuk menentukan efektifitas treatment, adalah dengan cara membandingkan ratarata skor posttest untuk setiap treatment pada semua kelompok. Dengan kata lain, rata-rata
skor posttest semua kelompok untuk treatment I dapat dibandingkan dengan rata-rata skor
posttest untuk semua kelompok pada treatment 2, dan seterusnya.
45
Contoh judul penelitian: (kalau 2 x 2 )

Pengaruh Model Pembelajaran Kooperatif dan Waktu
Belajar terhadap Prestasi Belajar Matematika.
Keterangan:
Model pembelajaran terdiri atas dua faktor (model STAD dan model Ceramah)
1) model STAD (A1), dan 2) Model Ceramah (A2)
Waktu belajar terdiri atas dua faktor (pagi dan sore)
1) Belajar Pagi (B1), dan 2) Belajar Sore (B2)
Desain penelitiannya adalah desain faktorial 2 x 2, dan desain analisisnya sebagai berikut.
Hipotesis Penelitian:
H0: (1) Model Pembelajaran tidak berpengaruh
terhadap Prestasi Belajar Matematika
(2) Waktu belajar tidak berpengaruh terhadap prestasi

(3) Tidak ada pengaruh interaksi antara model
belajar matematika
pembelajaran dan waktu belajar
terhadap prestasi belajar Matematika

H1: (1) Model Pembelajaran berpengaruh terhadap Prestasi Belajar Matematika
(2) Waktu belajar berpengaruh terhadap prestasi belajar matematika
(3) Ada pengaruh interaksi antara model pembelajaran dan waktu belajar terhadap
prestasi belajar Matematika
46
Hipotesis Statistk:
Tabel Kerja untuk Analisis data
Langkah-langkah mengerjakan
47
(702 : 10) + (692 : 10) - (1392 : 20)
A1
n A1
X
A2
n A2
tot
(490 476,1) 966,05 = 966,1 966,05 = 0,05
Menghitung RJK dan nilai F
48
Simpulan
FAB = 34,61**) karena FAB signifikan, maka harus dilanjutkan pada uji simple effect,
untuk mengetahui pengaruh antara model pembelajaran dan waktu belajar terhadap prestasi
belajar matematika.
49
Uji t-Scheffe atau Uji Tukey
Rumus Tukey:
X1 X 2
RJKdal db Q = n dan m
n
(n = sampel, dan m = jumlah kelompok)

atau Uji t-Scheffe Untuk n1 = n2 : t =
X1 X 2
2 xRJKdal , dimana
n
db t sama dengan db dalam = 16. Nilai t tabel untuk db = 16 pada taraf

signifikansi 5% = 2,120.
Uji t-Scheffe
Hasil uji lanjut dengan Uji t-Scheffe dapat diperiksa pada halaman berikut. Setelah
diketahui hasilnya, supaya disimpulkan masing-masing.
Kesimpulan akhir, diskusikanlah bersama dalam kelompok masing-masing!

50
BAB VI.
TIME SERIES DESIGN
A. Penata Awal
Pada Bab VI ini akan diuraikan mengenai Time Series Design, yang terdiri atas (1)
A Basic Time Series Design, dan (2) Control Group Time Series Design.
B. Kompetensi Dasar
1. Memahami tentang desain A Basic Time Series Design dan contoh judul penelitian
2. Memahami tentang desain Control Group Time Series Design.
1. Menjelaskan tentang desain A Basic Time Series Design dan contoh judul
2. Menjelaskan tentang desain Control Group Time Series Design.
D. Uraian Materi
1. A Basic Time Series Design
O1
O2
O3
O4
O5
O6
Keterangan:
O = observasi (test)
X = treatmen (perlakuan)
Desain ini cocok untuk studi kecenderungan (trend studies) dimana observasi awal
dilakukan beberapa kali dalam interval waktu yang panjang. Misalnya, prestasi belajar
matematika di kls 1, 2, 3 diobservasi, kemudian diberikan perlakukan (treatment). Setelah
itu, prestasi matematikanya diobservasi lagi di kelas 4, 5, dan 6.
Contoh judul penelitian: Pengaruh model pembelajaran kooperatif tipe STAD terhadap
prestasi belajar matematika pada siswa kls 5.
51
1). H0: Tidak ada perbedan prestasi belajar matematika siswa kls 5 antara sebelum diberi
model pembelajaran kooperatif tipe STAD dengan sesudah diterapkannya model
pembelajaran kooperatif tipe STAD.
2). H1: Ada perbedan prestasi belajar matematika siswa kls 5 antara sebelum diberi model
pembelajaran kooperatif tipe STAD dengan sesudah diterapkannya model
pembelajaran kooperatif tipe STAD.
Hipotesis Statistik
1). H0: 1 = 12
2). H0: 1 12 )
Contoh data hasil penelitian (sebelum dan sesudah perlakuan), perhatikan tabel
datapada halaman beriut.
Data sebelum perlakuan
52
Analisis data dengan Anava Satu Jalan (Anava A), sebelum perlakuan
Menghitung JK dan db
Menghitung RJK dan F
Tabel Ringkasan Anava Satu Jalan
53
Simpulan
Pada taraf signifikansi 5%, ada perbedaan yang signifikan prestasi belajar matematika
antara hasil pengukuran 1, 2, dan 3. Tetapi kalau menggunakan taraf signifikansi 1%,
maka harga F hitung tidak signifikan.
Lakukan uji lanjut dengan t-Sceffe ! Beri simpulan hasilnya!
Analisis data dengan Anava satu jalan sesudah perlakuan
54

Untuk menghitung Rerata Jumlah Kuadrat (RJK) dan nilai F, digunakan rumus seperti
perhitungan yang telah dilakukan lebih dahulu, sebagai berikut.
Tabel 6.7. Tabel Ringkasan Anava Satu Jalan
Simpulan
antara hasil pengukuran 4, 5, dan 6. Tetapi kala menggunakan taraf signifikansi 1%, maka
harga F hitung tidak signifikan.
Lakukan uji lanjut dengan t-Sceffe ! Beri simpulan hasilnya!
Langkah selanjutnya adalah membandingkan prestasi belajar matematika antara
sebelum dan sesudah perlakuan dengan analisis t-test sebagai berikut. Pehatikan data berikut.
55
Menghitung Varians dan nilai t
Menarik kesimpulan
db t = (n1 + n2) 2 = 18. Nilai t tabel pada taraf signifikansi 5% = 2,101. Dengan
demikian nilai t hitung = 9,464 > t tabel = 2,101; sehingga H0 ditolak dan H1 diterima. Jadi
terdapat perbedaan yang signifikan prestasi belajar matematika antara sebelum dan sesudah
diterapkan perlakuan model pembelajaran kooperatif tipe STAD. Nilai rata-rata hitung
sesudah perlakuan lebih tinggi dari pada sebelum diterapkan perlakuan. Jadi
dapat
disimpulkan bahwa penerapan model pembelajaran kooperatif tipe STAD berpengaruh

terhadap prestasi belajar matematika.
2. Control-Group Time Series Design
Experimental Group:
O1
O2
O3
O4
O6
O6
----------------------------------------------------------Control group:
O1
O2
O3
--
O4
Keterangan:
O = observasi (test)
X = treatment (perlakuan)
56
O5
O6
Contoh judul penelitian

Pengaruh Model Pembelajaran Kooperatif tipe STAD terhadap prestasi belajar
Matematika pada siswa SMA
`H0: Tidak ada pengeruh model pembelajaran tipe STAD terhadap prestasi belajar
H1: Ada pengeruh model pembelajaran tipe STAD terhadap
prestasi
belajar

H0 : 1 = 2
H1 : 1 2
Langkah-langkah analisis data
a. Tentukan klp eksperimen dan klp kontrol
b. Adakan pretest pada klp eksperimen dan klp kontrol secara berulang
c. Berikan treatment pada klp eksperimen
d. Adakan posttest pada klp eksperimen dan klp kontrol secara berulang
e. Analisis hasil pretest klp eksperimen, posttest klpeksperimen, pretest klp kontrol, dan
posttest klp kontrol dengan ANAVA satu jalan secara terpisah
f. Bandingkan rerata pretest klp eksperimen dengan rerata posttest klp eksperimen
dengan uji-t
g. Bandingkan rerata pretest klp kontrol dengan rerata psttest klp eksperimen dengan
uji-t
h. Bandingkan rerata pretest klp eksperimen dengan rerata pretest klp kontrol dengan
uji-t
i. Bandingkan rerata posttest klp eksperimen dengan rerata posttest klp kontrol dengan
uji-t
Langkah 1
Tentukan klp eksperimen dan klp kontrol seperti tercantum pada Tabel 6.9 pada
halaman berikut.
57
Perhitungan Anava Satu Jalan

Analisis varians satu jalan untuk kelompok eksperimen dan kelompok kontrol
dilakukan secara terpisah. Untuk melakukan analisis tersebut, buatlah tabel kerja untuk
masing-masing kelompok. Selanjutnya, hitunglah jumlah kuadrat (JK) dan derajat kebebasan
(db). Berikut ini adalah tabel kerja untuk kelompok ekperimen seperti tercantum pada Tabel
6.10 berikut.
58
Menghitung JK (jumlah kuadrat) dan db (derajat kebebasan)
Menghitung RJK dan harga F
Tabel 6.11.Tabel Ringkasan Anava Satu Jalan
Simpulan
Pada taraf signifikansi 5%, tidak terdapat perbedaan yang signifikan prestasi belajar
matematika antara kelompok eksperimen dan kelompok kontrol pada skor pretest.
59
Anava satu jalan pada A1 (skor posttest)
60
Simpulan
pada skor posttest.
Anava satu jalan untuk A2 (klp kontrol) skor pretest
61
Simpulan
Pada taraf signifikansi 5%, tidak ada perbedaan yang signifikan prestasi belajar
matematika pada skor pretest.
Anava satu jalan untuk A2 (kontrol) skor posttest
62
Tabel 6.17. Ringkasan Anava Satu Jalan
Simpulan
Pada taraf signifikansi 5%, tidak ada perbedaan yang signifikan prestasi belajar
matematika pada skor posttest.
63
Tabel rangkuman data
64
Membandingkan skor pretest klp eksperimen dengan skor posttest klp

eksperimen dengan t-test (uji-t)
X1 X 2
2
s1 s2
n1 n2
5,47 - 7,53
- 2,06
- 2,06
- 8,51 (lihat harga mutlaknya) 8,51

0,88 0,88
0,05867 0,242
30
30
db t = (30+30) 2 = 58; nilai t tabel = 2,000

Nilai t hitung yang diperoleh, t = 8,51 > nilai t tabel pada taraf signifikansi 5% =
2,000. Dengan demikian H0 ditolak dan H1 diterima. Jadi ada perbedaan yang signifikan
prestasi belajar matematika antara pretest dengan posttest pada klp eksperimen.
Membandingkan skor pretest klp kontrol dengan skor posttest klp kontrol
dengan uji-t.
X1 X 2
2
s1 s2
n1 n2
4,63 - 6,67
- 2,04
- 2,04
- 9,09 (lihat harga mutlaknya) 9,09

1,0 0,51
0,0503 0,224
30 30
Nilai t hitung = 9,09 lebih besar dari nilai t tabel pada taraf signifikansi 5% = 2,000.
Dengan demikian H0 ditolak dan H1 diterima. Jadi ada perbedaan yang signifikan prestasi
belajar matematika antara skor pretest dan skor posttest pada klp kontrol.
Membandingkan skor pretest klp eksperimen dengan skor pretest klp kontrol
dengan uji-t sebagai berikut.
X1 X 2
2
s1 s2
n1 n2
5,47 - 4,63
0,84
0,84
3,36
0,88 1,00
0,06267 0,250
30
30
Nilai t hitung = 3,36 lebih besar dari nilai t tabel pd ts 5% = 2,000. Dengan demikian
H0 ditolak dan H1 diterima. Jadi ada perbedaan prestasi belajar matematika antara skor
pretest klp eksperimen dengan pretest klp kontrol.
Membandingkan skor posttest klp eksperimen dengan skor posttest klp kontrol
dengan uji-t sebagai berikut.
X1 X 2
2
s1 s2
n1 n2
7,53 - 6,67
0,86
0,86
4,00
0,88 0,51
0,0463 0,215
30
30
65
Berdasarkan analisis diperoleh nilai t hitung = 4,00 lebih besar dari nilai t tabel pada
taraf signifikansi 5% = 2,000. Dengan demikan, H0 ditolak dan H1 diterima. Jadi ada
perbedaan yang signifikan prestasi belajar Matematika antara skor posttest klp eksperimen
dengan klp kontrol. Nilai rata-rata klp eksperimen lebih besar dari pada klp kontrol. Dengan
demikian disimpulkan bahwa model pembelajaran kooperatif tipe STAD berpengaruh
terhadap prestasi belajar matematika.
66
BAB VII.
FACTORIAL DESIGN
A. Penata Awal
Pada Bab VII ini akan diuraikan tentang desain Factorial Design yang terdiri atas
(1) Factorial Design 2 X 2, dan (2) Factorial Design 3 X 3.
B. Kompetensi Dasar
1. Memahami tentang rancangan Factorial Design 2 X 2 dan contoh judul penelitian
2. Memahami tentang rancangan Factorial 3 X 3 dan contoh judul penelitian beserta
teknik analisis datanya.
1. Menjelaskan tentang rancangan Factorial Design 2 X 2 dan contoh judul penelitian
2. Menjelaskan tentang rancangan Factorial 3 X 3 dan contoh judul penelitian beserta
teknik analisis datanya.
D. Uraian Materi
Factorial Design ada yang 2 x 2 dan bisa dikembangkan menjadi 2x3; 3x3; 4x3; dan
seterusnya tergantung pada keperluan dan variabel yang dilibatkan. Yang dianalisis adalah
main effect A (FA), main effect B (FB), dan Pengaruh Interaksi AxB. Jika pengaruh interaksi
signifikan, dilanjutkan dengan menguji simple effect dengan t-Scheffe atau dengan Uji Tukey
(uji Q).
Contoh Judul Penelitian:
Pengaruh Metode STAD dan Motivasi Berprestasi terhadap prestasi belajar Matematika
1.
Factorial Design 2 x 2 dngan Analisis Varians Dua Jalan
67
Keterangan:
A = Metode (A1 metode STAD; A2 metode konvensional)
B = Motivasi (B1 Motivasi Tinggi; B2 Motivasi Rendah)
Y = skor matematika
Hipotesis Statistk:
Contoh data hasil penelitian mengenai penelitian yang berjudul Pengaruh Metode
STAD dan Motivasi Berprestasi terhadap prestasi belajar Matematika sebagai tercantum
pada Tabel 7.2 berikut.
Tabel 7.3. Tabel kerja (Statistik yang diperlukan)

untuk Anava 2 jalan (Anava AB)
Menghitung Jumlah Kuadrat (JK) dan derajat kebebasan (db)
68
A1
n A1
A2
n A2
tot
Semua hasil perhitungan di atas, kemudian dimasukkan ke dalam tabel ringkasan

analisis varians dua jalan sebagai berikut.
69
Kesimpulan
Uji lanjut (untuk menguji simple effect)
70
atau Untuk n1 = n2 : t =
X1 X 2
2 xRJKdal , dimana db t = db dalam
n
( n = sampel, dan m = banyaknya kelompok)

Uji t-Scheffe sebagai berikut.
Untuk n1 = n2 : t =
X1 X 2
2 xRJKdal , dimana db t = db dalam
n
Tugas: Buatlah simpulan dari hasiluji t-Sceffe tersebut di atas
71
2.
Factorial Design 3 x 3 dengan Analisis Varians Dua Jalan
Keterangan
72
Hipotesis Statistik
Keterangan
73
74
75
Kesimpulan:
FA
= 0,32 non signifikan
FB
FAB

Karena FAB tidak signifikan, maka tidak perlu menguji simple effect dngan t-Sceffe.
Tugas latihan
Seorang peneliti bermaksud untuk mengetahui pengaruh metode pembelajaran
kooperatif dan motivasi belajar terhadap hasil belajar matematika pada siswa SMA. Untuk
itu, dilakukan eksperimen selama satu semester terhadap dua kelas sebagai kelompok
eksperimen dan dua kelas sebagai kelompok kontrol. Kelompok eksperimen dibelajarkan
dengan metode pembelajaran kooperatif, sedangkan kelompok kontrol dibelajarkan dengan
metode pembelajaran konvensional. Motivasi belajar siswa diklasifikasikan menjadi motivasi
tinggi dan rendah. Jumlah sampel penelitian sebanyak 100 orang.
1. Buatlah rancangan analisisnya
2. Rumuskan hipotesis penelitian dan hipotesis statistiknya
3. Hitunglah harga F masing-masing

4. Jika terjadi pengaruh interaksi yang signifikan, lakukan uji lanjut
Catatan: datanya dikarang sendiri (angka satuan, n = 100).
76
Daftar Pustaka
Anrderson, T.W., An Introductin to Multivariate Statistical Analysis, New York: John Wiley
& Sons, Inc., 1958.
Bruning, James L. Computational Handbook of Statistics, USA: Foresman and Company,
1977.
Everit, Brian S & Graham Dunn, Applied Multivariate Data Analysis, New York: Halsted
Press, 1991.
Furqon, Statistika Terapan untuk Penelitian, Bandung: CV Alfabeta,1999.
Guilford, J.P. and fruchter, B., Fundamental Statistics in Psycholoy and Education, New
York: McGraw-Hill Ltd, 1978.
Fraenkel, Jack R dan Norman E. Wallen. How to Design and Evaluatie Research in
Education. New York: McGraw-Hill Inc., 1993.
Huitema, Bradley E. The Analysis 0f Covarians and Alternatives, New York: John Wiley &
Sons,1980.
Imam Ghazali, Applied Analisis Multivariat dengan Program SPSS, Semarang: Badan
Penerbit Universitas Diponegoro, 2001.
Isaac, Stephen dan William B. Michael. Handbook in Research and Evaluation.San
Diego, California: Robert R. Knapp, Publisher, 1971.
Kerlinger, Fred N. 2002. Asas-Asas Penelitian Behavioral. Terjemehan Landung R
Simatupang. Foundation of Behavioral Research. Third Editon 1986.
Yogyakarta : Gajahmada University Press.
Singgih Santoso, SPSS Statistik Multivariat, Jakarta: Elex Media Komputindo, 2002
Sutrisno Hadi, Statistik, Jilid 2, Yogyakarta: Penerbit Andi Offset, 1996.
Sutrisno Hadi, Analisis Kovarians (Materi Kuliah Lembaga Pendidikan Doktor UGM),
Yogyakarta: UGM, 1984
Sudjana, Metoda Statistika, Bandung: Tarsito, 1992.
Sudjana, Teknik Analisis Regresi dan Korelasi bagi Para Peneliti, Penerbit Tarsito,
Bandung, 1992.
Sugiyono, Statistika untuk Penelitian, Bandung: Penerbit CV Alfabeta, 2002.
Sugiyono, Statistik Nonparametrik Untuk Penelitian, Bandung: PenerbitAlfabeta, 2004
Siegel, Sidney, and N.John Castellan, Jr. Nonparametric Statistics For The Behavioral
Sciences, New York: McGraw-Hill, Inc.1988.
Sutrisno Hadi, 2001. Metodologi Research. Cetakan ketigapuluhsatu. Yogyakarta
Andi Offset
Tuckman, Bruce W. Conducting Educational Research. New York: Harcourt Brace
Jovanovich, Inc., 1972.
77
Lampiran
DAFTAR TABEL STATISTIK
Tabel
I. Luas di bawah Lengkungsn Kurve Normal dari 0 sd Z
Tabel
II. Nilai-nilai dalam Distribusi t
Tabel
III. Nilai-nilai r Product Moment
Tabel
IV. Nilai-nilai Chi-Kwadrat
Tabel
V. Nilai-Nilai untuk Distribusi F
Tabel VI. Distribusi Tabel Q

Tabel VII. Tabel Liliefors (L)
Tabel VIII Nilai Kritis Uji Komogorov-Smirnov
Tabel
IX. Tabel D
78
Tabel I
LUAS Dl BAWAH LENGKUNGAN KURVE NORMAL
DARI 0 S/D Z
0,0
0000
0040
0080
0120
0160
0199
0239
0279
0319
0359
0,1
0398
0438
0478
0517
0557
0596
0636
0675
0714
0753
0,2
0793
0832
0871
0910
0948
0987
1026
1064
1103
1141
0,3
1179
1217
1255
1293
1331
1368
1406
1443
1480
1517
0,4
1554
1591
1628
1664
1700
1736
1772
1808
1844
1879
0,5
1915
1950
1985
2019
2054
2088
2123
2157
2190
2224
0,6
2258
2291
2324
2357
2389
2422
2454
2486
2517
2549
0,7
2580
2612
2642
2673
2703
2734
2764
2794
2823
2852
0,8
2881
2910
2939
2967
2995
3023
3051
3078
3106
3133
0,9
3159
3186
3212
3238
3264
3289
3315
3340
3365
3389
1,0
3413
3438
3461
3485
3508
3531
3554
3577
3599
3621
1,1
3643
3665
3686
3708
3729
3749
3770
3790
3810
3830
1,2
3849
3869
3888
3907
3925
3944
3962
3980
3997
4019
1,3
4032
4049
4066
4082
4099
4115
4131
4147
4162
4177
1,4
4192
4207
4222
4236
4251
4265
4279
4292
4306
4319
1,5
4332
4345
4357
4370
4382
4394
4406
4419
4429
4441
1,6
4452
4463
4474
4484
4495
4505
4515
4525
4535
4549
1,7
4554
4564
4573
4582
4591
4599
4608
4616
4625
4633
1,8
4641
4649
4656
4664
4671
4678
4586
4693
4699
4706
1,9
4713
4719
4726
4732
4738
4744
4750
4756
4761
4767
2,0
4772
4778
4783
4788
4793
4798
4808
4808
4812
4817
2,1
4821
4826
4830
4834
4838
4842
4846
4850
4854
4857
79
2,2
4861
4864
4868
4871
4875
4878
4881
4884
4887
4890
2,3
4898
4896
4898
4901
4004
4906
4909
4911
4913
4916
2,4
4918
4920
4922
4025
4927
4929
4931
4932
4934
4936
2,5
4938
4940
4941
4043
4945
4945
4948
4949
4951
4952
2,6
4953
4955
4956
4957
4959
4960
4961
4962
4963
4964
2,7
4965
4966
4967
4968
4969
4970
4971
4972
4973
4974
2,8
4074
4975
4976
4977
4977
4987
4979
4979
4980
4981
2,9
4981
4982
4982
4083
4984
4984
4985
4985
4986
4986
3,0
4987
4987
4987
4988
4988
4989
4989
4989
4990
4990
3,1
4990
4991
4991
4991
4992
4992
4992
4992
4993
4993
3,2
4993
4993
4994
4994
4994
4994
4994
4994
4995
4995
3,3
4995
4995
4995
4986
4996
4996
4996
4996
4997
4997
3,4
4997
4997
4997
4997
4997
4997
4997
4997
4997
4998
3,5
4998
4998
4998
4998
4998
4998
4998
4998
4998
4998
3,6
4998
4998
4999
4999
4999
4999
4999
4999
4999
4999
3,7
4999
4999
4999
4999
4999
4999
4999
4999
4999
4999
3,8
4999
4999
4999
4999
4999
4999
4999
4999
4999
4999
3,9
5000
5000
5000
5000
5000
5000
5000
5000
5000
5000
TABEL II
NILAI-NILAI DALAM DISTRIBUSI t
untuk uji dua fihak (two tail test)
80
0,50
0,20
0,10
0,05
0,02
0,01
untuk uji satu fihak (one tail test)

dk
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
0,25
0,10
1,00
0
0,005
0,025
0,01
0,005
3,07
6,314
12,706
31,821
63,657
1,88
2,920
4,303
6,965
9,925
1,63
2,353
3,182
4,541
5,841
1,53
2,132
2,776
3,747
4,604
1,48
2,015
2,571
3,365
4,032
1,44
1,943
2,447
3,143
3,707
1,41
1,895
2,365
2,998
3,499
1,39
1,860
2,306
2,896
0,^03
1,38
1,833
2,262
2,821
3,250
1,37
1,812
2,228
2,764
3,165
1,36
1,796
2,201
2,718
3,106
1,35
1,782
2,178
2,681
3,055
1,35
1,771
2,160
2,650
3,012
1,34
1,761
2,145
2,624
2,977
1,34
1,753
2,132
2,623
2,947
1,33
1,746
2,120
2,583
2,921
1,33
1,740
2,110
2,567
2,898
8
0,81
6
0,76
8
0,74
3
0,72
6
0,71
0
0,71
5
0,70
7
0,70
3
0,70
2
0,69
3
0,69
6
0,69
0
0,69
5
0,69
1
0,68
7
0,68
81
8
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
12
0
3
0,68
8
0,68
7
1,743
2,101
2,552
2,878
1,32
1,729/
2,093
2,539
2,861
1,32
1,725
2,086
2,528
2,845
1,32
1,721
2,080
2,518
2,831
1,32
1,717
2,074
2,508
2,819
1,31
1,714
2,069
2,500
2,807
1,31
1,711
2,064
2,492
2,797
1,31
1,708
2,060
2,485
2,787
1,31
1,706
2,056
2,479
2,779
1,31
1,703
2,052
2,473
2,771
1,31
1,701
2,048
2,467
2,763
1,31
1,699
2,045
2,462
2,756
1,31
1,697
2,042
2,457
2,750
1,30
1,684
2,021
2,423
2,704
1,29
1,671
2,000
2,390
2,660
1,28
1,658
1,980
2,358
2,617
1,28
1,645
1,960
2,326
2,576
8
0,68
5
0,68
3
0,68
1
0,68
9
0,68
8
0,68
6
0,68
5
0,68
4
0,68
3
0,68
1
0,68
0
0,68
3
0,67
6
0,67
9
0,67
1,33
0
82
TABEL III
NILAI-NILAI r PRODUCT MOMENT
3
4
Taraf Signif
5%
1%
0,997
0,999
Taraf
Signif
5%
1%
2
7
0,38
1
0,48
7
55
2
8
0,37
4
0,47
8
60
2
9
0,36
7
0,47
0
65
Taraf Signif
5%
1%
0,266
0,345
0,254
0,244
0,330
0,317
0,950
0,878
0,990
0,959
0,811
0,917
3
0
0,36
1
0,46
3
70
0,235
0,306
0,754
0,874
3
1
0,35
5
0,45
6
75
0,227
0,296
0,707
0,834
3
2
0,34
9
0,44
9
80
0,220
0,286
0,666
0,798
3
3
0,34
4
0,44
2
85
0,213
0,278
83
10
0,632
0,765
3
4
0,33
9
0,43
6
90
0,207
0,270
11
0,602
0,735
3
5
0,33
4
0,43
0
95
0,202
0,263
12
0,576
0,708
3
6
0,32
9
0,42
4
10C
0,195
0,250
13
0,553
0,684
3
7
0,32
5
0,41
8
125
0,176
0,230
14
0,532
0,661
3
8
0,32
0
0,41
3
150
0,159
0,210
15
0,514
0,641
3
9
0,31
6
0,40
8
175
0,148
0,194
16
0,497
0,623
4
0
0,31
2
0,40
3
200
0,138
0,181
17
0,482
0,606
4
1
0,30
8
0,39
8
300
0,113
0,148
18
0,468
0,590
4
2
0,30
4
0,39
3
400
0,098
0,128
19
0,456
0,575
4
3
0,30
1
0,38
9
500
0,088
0,115
20
0444
0,561
4
4
0,29
7
0,38
4
600
0,080
0,105
21
0,433
0,549
4
5
0,29
4
0,38
0
700
0,074
0,097
22
0,423
0,537
4
6
0,29
1
0,37
6
800
0,070
0,091
23
0,413
0,526
4
7
0,28
8
0,37
2
900
0,065
0,086
24
0,404
0,515
4
8
0,28
4
0,36
8
100
0
0,062
0,081
25
0,396
0,505
4
9
0,28
1
0,36
4
26
0,388
0,496
0,27
0,36
84
TABEL IV
NILAI-NILAI CHI KUADRAT
d
k
Taraf
signifikansi
50%
30%
20%
10%
5%,
85
1%
0,455
1,074
1,642
2,706
3,481
6,635
0,139
2,408
3,219
3,605
5,591
9,210
2,366
3,665
4,642
6,251
7,815
11,341
3,357
4,878
5,989
7,779
9,488
13,277
4,351
6,064
7,289
9,236
11,07
0
15,086
5,348
7,231
8,558
10,64
5
12,59
2
16,812
6,346
8,383
9,803
12,01
7
14,01
7
18,475
7,344
9,524
11,03
0
13,36
2
15,50
7
20,090
8,343
10,65
6
12,24
2
14,68
4
16,91
9
21,666
1
0
9,342
11,78
1
13,44
2
15,98
7
18,30
7
23,209
1
1
10,34
1
12,89
9
14,63
1
17,27
5
19,67
5
24,725
1
2
11,34
0
14,01
1
15,81
2
18,54
9
21,02
6
26,217
1
3
12,34
0
15,19
16,98
5
19,81
2
22,36
8
27,688
1
4
13,33
2
16,22
2
18,15
1
21,06
4
23,68
5
29,141
1
5
14,33
9
17,32
2
19,31
1
22,30
7
24,99
6
30,578
1
6
15,33
8
18,41
8
20,46
5
23,54
2
26,29
6
32,000
1
7
16,33
7
19,51
1
21,61
5
24,78
5
27,58
7
33,409
1
8
17,33
8
20,60
1
22,76
0
26,02
8
28,86
9
34,805
86
1
9
18,33
8
21,68
9
23,90
0
27,27
1
30,14
4
36,191
2
0
19,33
7
22,77
5
25,03
8
28,51
4
31,41
0
37,566
2
1
20,33
7
23,85
8
26,17
1
29,61
5
32,67
1
38,932
2
2
21,33
7
24,93
9
27,30
1
30,81
3
33,92
4
40,289
2
3
22,33
7
26,01
8
28,42
9
32,00
7
35,17
2
41,638
2
4
23,33
7
27,09
6
29,55
3
33,19
4
35,41
5
42,980
2
5
24,33
7
28,17
2
30,67
5
34,38
2
37,65
2
44,314
2
6
25,33
6
29,24
6
31,79
5
35,56
3
38,88
5
45,642
2
7
26,33
6
30,31
9
32,91
2
36,74
1
40,11
3
46,963
2
8
27,33
6
31,39
1
34,02
7
37,91
6
41,33
7
48,278
2
9
28,33
6
32,46
1
35,13
9
39,08
7
42,55
7
49,588
3
0
29,33
6
33,53
0
36,25
0
40,25
6
43,77
5
50,892
87
TABEL V
NILAI-NILAI UNTUK DISTRIBUSI F
v2 =
dk
penyebu
t
1
10
11
12
14
16
20
0.1
00
39.86
49.5
0
53.5
9
55.83
57.2
4
58.2
0
58.9
1
59.4
4
59.8
6
60.1
9
60.4
7
60.7
1
61.0
7
61.3
5
61.7
4
0.0
50
161.4
199.5
215.7
224.6
230.2
234.0
236.8
238.9
240.5
241.9
243.0
243.9
245.4
246.5
248.0
0.0
25
647.8
799.5
864.2
899.6
921.8
937.1
948.2
956.7
963.3
968.6
973.0
976.7
982.5
986.9
993.1
0.0
10
4052
4999
5403
5625
5764
5859
5928
5981
6022
6056
6083
6106
6143
6170
6209
0.0
05
2
16211 19999 21615
22500
23056 23437 23715 23925 24091 24224 24334 24426 24572 24681 24836
0.1
00
8.53
9.00
9.16
9.24
9.29
9.33
9.35
9.37
9.38
9.39
9.40
9.41
9.42
9.43
9.44
0.0
50
18.51
19.00
19.16
19.25
19.30
19.33
19.35
19.37
19.38
19.40
19.40
19.41
19.42
19.43
19.45
0.0
25
38.51
39.00
39.17
39.25
39.30
39.33
39.36
39.37
39.39
39.40
39.41
39.41
39.43
39.44
39.45
0.0
10
98.50
99.00
99.17
99.25
99.30
99.33
99.36
99.37
99.39
99.40
99.41
99.42
99.43
99.44
99.45
0.0
05
3
v1 = dk pembilang
198.50 199.00 199.17
199.25
199.30 199.33 199.36 199.37 199.39 199.40 199.41 199.42 199.43 199.44 199.45
0.1
00
5.54
5.46
5.39
5.34
5.31
5.28
5.27
5.25
5.24
5.23
5.22
5.22
5.20
5.20
5.18
0.0
50
10.13
9.55
9.28
9.12
9.01
8.94
8.89
8.85
8.81
8.79
8.76
8.74
8.71
8.69
8.66
0.0
25
17.44
16.04
15.44
15.10
14.88
14.73
14.62
14.54
14.47
14.42
14.37
14.34
14.28
14.23
14.17
0.0
10
34.12
30.82
29.46
28.71
28.24
27.91
27.67
27.49
27.35
27.23
27.13
27.05
26.92
26.83
26.69
0.0
05
55.55
49.80
47.47
46.19
45.39
44.84
44.43
44.13
43.88
43.69
43.52
43.39
43.17
43.01
42.78
88
0.1
00
4.54
4.32
4.19
4.11
4.05
4.01
3.98
3.95
3.94
3.92
3.91
3.90
3.88
3.86
3.84
0.0
50
7.71
6.94
6.59
6.39
6.26
6.16
6.09
6.04
6.00
5.96
5.94
5.91
5.87
5.84
5.80
0.0
25
12.22
10.65
9.98
9.60
9.36
9.20
9.07
8.98
8.90
8.84
8.79
8.75
8.68
8.63
8.56
0.0
10
21.20
18.00
16.69
15.98
15.52
15.21
14.98
14.80
14.66
14.55
14.45
14.37
14.25
14.15
14.02
0.0
05
31.33
26.28
24.26
23.15
22.46
21.97
21.62
21.35
21.14
20.97
20.82
20.70
20.51
20.37
20.17
0.1
00
4.06
3.78
3.62
3.52
3.45
3.40
3.37
3.34
3.32
3.30
3.28
3.27
3.25
3.23
3.21
0.0
50
6.61
5.79
5.41
5.19
5.05
4.95
4.88
4.82
4.77
4.74
4.70
4.68
4.64
4.60
4.56
0.0
25
10.01
8.43
7.76
7.39
7.15
6.98
6.85
6.76
6.68
6.62
6.57
6.52
6.46
6.40
6.33
0.0
10
16.26
13.27
12.06
11.39
10.97
10.67
10.46
10.29
10.16
10.05
9.96
9.89
9.77
9.68
9.55
0.0
05
22.78
18.31
16.53
15.56
14.94
14.51
14.20
13.96
13.77
13.62
13.49
13.38
13.21
13.09
12.90
0.1
00
3.78
3.46
3.29
3.18
3.11
3.05
3.01
2.98
2.96
2.94
2.92
2.90
2.88
2.86
2.84
0.0
50
5.99
5.14
4.76
4.53
4.39
4.28
4.21
4.15
4.10
4.06
4.03
4.00
3.96
3.92
3.87
0.0
25
8.81
7.26
6.60
6.23
5.99
5.82
5.70
5.60
5.52
5.46
5.41
5.37
5.30
5.24
5.17
0.0
10
13.75
10.92
9.78
9.15
8.75
8.47
8.26
8.10
7.98
7.87
7.79
7.72
7.60
7.52
7.40
0.0
05
18.63
14.54
12.92
12.03
11.46
11.07
10.79
10.57
10.39
10.25
10.13
10.03
9.88
9.76
9.59
0.1
00
3.59
3.26
3.07
2.96
2.88
2.83
2.78
2.75
2.72
2.70
2.68
2.67
2.64
2.62
2.59
0.0
50
5.59
4.74
4.35
4.12
3.97
3.87
3.79
3.73
3.68
3.64
3.60
3.57
3.53
3.49
3.44
0.0
25
8.07
6.54
5.89
5.52
5.29
5.12
4.99
4.90
4.82
4.76
4.71
4.67
4.60
4.54
4.47
0.0
10
12.25
9.55
8.45
7.85
7.46
7.19
6.99
6.84
6.72
6.62
6.54
6.47
6.36
6.28
6.16
0.0
05
16.24
12.40
10.88
10.05
9.52
9.16
8.89
8.68
8.51
8.38
8.27
8.18
8.03
7.91
7.75
0.1
00
3.46
3.11
2.92
2.81
2.73
2.67
2.62
2.59
2.56
2.54
2.52
2.50
2.48
2.45
2.42
0.0
50
5.32
4.46
4.07
3.84
3.69
3.58
3.50
3.44
3.39
3.35
3.31
3.28
3.24
3.20
3.15
0.0
25
7.57
6.06
5.42
5.05
4.82
4.65
4.53
4.43
4.36
4.30
4.24
4.20
4.13
4.08
4.00
0.0
10
11.26
8.65
7.59
7.01
6.63
6.37
6.18
6.03
5.91
5.81
5.73
5.67
5.56
5.48
5.36
0.0
05
14.69
11.04
9.60
8.81
8.30
7.95
7.69
7.50
7.34
7.21
7.10
7.01
6.87
6.76
6.61
89
Distribusi
F
v2 =
dk
penyebu
t
9
10
11
12
13
v1 = dk pembilang
10
11
12
14
16
20
0.1
00
3.36
3.01
2.81
2.69
2.61
2.55
2.51
2.47
2.44
2.42
2.40
2.38
2.35
2.33
2.30
0.0
50
5.12
4.26
3.86
3.63
3.48
3.37
3.29
3.23
3.18
3.14
3.10
3.07
3.03
2.99
2.94
0.0
25
7.21
5.71
5.08
4.72
4.48
4.32
4.20
4.10
4.03
3.96
3.91
3.87
3.80
3.74
3.67
0.0
10
10.56
8.02
6.99
6.42
6.06
5.80
5.61
5.47
5.35
5.26
5.18
5.11
5.01
4.92
4.81
0.0
05
13.61
10.11
8.72
7.96
7.47
7.13
6.88
6.69
6.54
6.42
6.31
6.23
6.09
5.98
5.83
0.1
00
3.29
2.92
2.73
2.61
2.52
2.46
2.41
2.38
2.35
2.32
2.30
2.28
2.26
2.23
2.20
0.0
50
4.96
4.10
3.71
3.48
3.33
3.22
3.14
3.07
3.02
2.98
2.94
2.91
2.86
2.83
2.77
0.0
25
6.94
5.46
4.83
4.47
4.24
4.07
3.95
3.85
3.78
3.72
3.66
3.62
3.55
3.50
3.42
0.0
10
10.04
7.56
6.55
5.99
5.64
5.39
5.20
5.06
4.94
4.85
4.77
4.71
4.60
4.52
4.41
0.0
05
12.83
9.43
8.08
7.34
6.87
6.54
6.30
6.12
5.97
5.85
5.75
5.66
5.53
5.42
5.27
0.1
00
3.23
2.86
2.66
2.54
2.45
2.39
2.34
2.30
2.27
2.25
2.23
2.21
2.18
2.16
2.12
0.0
50
4.84
3.98
3.59
3.36
3.20
3.09
3.01
2.95
2.90
2.85
2.82
2.79
2.74
2.70
2.65
0.0
25
6.72
5.26
4.63
4.28
4.04
3.88
3.76
3.66
3.59
3.53
3.47
3.43
3.36
3.30
3.23
0.0
10
9.65
7.21
6.22
5.67
5.32
5.07
4.89
4.74
4.63
4.54
4.46
4.40
4.29
4.21
4.10
0.0
05
12.23
8.91
7.60
6.88
6.42
6.10
5.86
5.68
5.54
5.42
5.32
5.24
5.10
5.00
4.86
0.1
00
3.18
2.81
2.61
2.48
2.39
2.33
2.28
2.24
2.21
2.19
2.17
2.15
2.12
2.09
2.06
0.0
50
4.75
3.89
3.49
3.26
3.11
3.00
2.91
2.85
2.80
2.75
2.72
2.69
2.64
2.60
2.54
0.0
25
6.55
5.10
4.47
4.12
3.89
3.73
3.61
3.51
3.44
3.37
3.32
3.28
3.21
3.15
3.07
0.0
10
9.33
6.93
5.95
5.41
5.06
4.82
4.64
4.50
4.39
4.30
4.22
4.16
4.05
3.97
3.86
0.0
05
11.75
8.51
7.23
6.52
6.07
5.76
5.52
5.35
5.20
5.09
4.99
4.91
4.77
4.67
4.53
0.1
3.14
2.76
2.56
2.43
2.35
2.28
2.23
2.20
2.16
2.14
2.12
2.10
2.07
2.04
2.01
90
00
14
15
16
17
0.0
50
4.67
3.81
3.41
3.18
3.03
2.92
2.83
2.77
2.71
2.67
2.63
2.60
2.55
2.51
2.46
0.0
25
6.41
4.97
4.35
4.00
3.77
3.60
3.48
3.39
3.31
3.25
3.20
3.15
3.08
3.03
2.95
0.0
10
9.07
6.70
5.74
5.21
4.86
4.62
4.44
4.30
4.19
4.10
4.02
3.96
3.86
3.78
3.66
0.0
05
11.37
8.19
6.93
6.23
5.79
5.48
5.25
5.08
4.94
4.82
4.72
4.64
4.51
4.41
4.27
0.1
00
3.10
2.73
2.52
2.39
2.31
2.24
2.19
2.15
2.12
2.10
2.07
2.05
2.02
2.00
1.96
0.0
50
4.60
3.74
3.34
3.11
2.96
2.85
2.76
2.70
2.65
2.60
2.57
2.53
2.48
2.44
2.39
0.0
25
6.30
4.86
4.24
3.89
3.66
3.50
3.38
3.29
3.21
3.15
3.09
3.05
2.98
2.92
2.84
0.0
10
8.86
6.51
5.56
5.04
4.69
4.46
4.28
4.14
4.03
3.94
3.86
3.80
3.70
3.62
3.51
0.0
05
11.06
7.92
6.68
6.00
5.56
5.26
5.03
4.86
4.72
4.60
4.51
4.43
4.30
4.20
4.06
0.1
00
3.07
2.70
2.49
2.36
2.27
2.21
2.16
2.12
2.09
2.06
2.04
2.02
1.99
1.96
1.92
0.0
50
4.54
3.68
3.29
3.06
2.90
2.79
2.71
2.64
2.59
2.54
2.51
2.48
2.42
2.38
2.33
0.0
25
6.20
4.77
4.15
3.80
3.58
3.41
3.29
3.20
3.12
3.06
3.01
2.96
2.89
2.84
2.76
0.0
10
8.68
6.36
5.42
4.89
4.56
4.32
4.14
4.00
3.89
3.80
3.73
3.67
3.56
3.49
3.37
0.0
05
10.80
7.70
6.48
5.80
5.37
5.07
4.85
4.67
4.54
4.42
4.33
4.25
4.12
4.02
3.88
0.1
00
3.05
2.67
2.46
2.33
2.24
2.18
2.13
2.09
2.06
2.03
2.01
1.99
1.95
1.93
1.89
0.0
50
4.49
3.63
3.24
3.01
2.85
2.74
2.66
2.59
2.54
2.49
2.46
2.42
2.37
2.33
2.28
0.0
25
6.12
4.69
4.08
3.73
3.50
3.34
3.22
3.12
3.05
2.99
2.93
2.89
2.82
2.76
2.68
0.0
10
8.53
6.23
5.29
4.77
4.44
4.20
4.03
3.89
3.78
3.69
3.62
3.55
3.45
3.37
3.26
0.0
05
10.58
7.51
6.30
5.64
5.21
4.91
4.69
4.52
4.38
4.27
4.18
4.10
3.97
3.87
3.73
0.1
00
3.03
2.64
2.44
2.31
2.22
2.15
2.10
2.06
2.03
2.00
1.98
1.96
1.93
1.90
1.86
0.0
50
4.45
3.59
3.20
2.96
2.81
2.70
2.61
2.55
2.49
2.45
2.41
2.38
2.33
2.29
2.23
0.0
25
6.04
4.62
4.01
3.66
3.44
3.28
3.16
3.06
2.98
2.92
2.87
2.82
2.75
2.70
2.62
0.0
10
8.40
6.11
5.18
4.67
4.34
4.10
3.93
3.79
3.68
3.59
3.52
3.46
3.35
3.27
3.16
0.0
05
10.38
7.35
6.16
5.50
5.07
4.78
4.56
4.39
4.25
4.14
4.05
3.97
3.84
3.75
3.61
91
Distribusi
F
v2 =
dk
penyebu
t
18
19
20
21
v1 = dk pembilang
10
11
12
14
16
20
0.1
00
3.01
2.62
2.42
2.29
2.20
2.13
2.08
2.04
2.00
1.98
1.95
1.93
1.90
1.87
1.84
0.0
50
4.41
3.55
3.16
2.93
2.77
2.66
2.58
2.51
2.46
2.41
2.37
2.34
2.29
2.25
2.19
0.0
25
5.98
4.56
3.95
3.61
3.38
3.22
3.10
3.01
2.93
2.87
2.81
2.77
2.70
2.64
2.56
0.0
10
8.29
6.01
5.09
4.58
4.25
4.01
3.84
3.71
3.60
3.51
3.43
3.37
3.27
3.19
3.08
0.0
05
10.22
7.21
6.03
5.37
4.96
4.66
4.44
4.28
4.14
4.03
3.94
3.86
3.73
3.64
3.50
0.1
00
2.99
2.61
2.40
2.27
2.18
2.11
2.06
2.02
1.98
1.96
1.93
1.91
1.88
1.85
1.81
0.0
50
4.38
3.52
3.13
2.90
2.74
2.63
2.54
2.48
2.42
2.38
2.34
2.31
2.26
2.21
2.16
0.0
25
5.92
4.51
3.90
3.56
3.33
3.17
3.05
2.96
2.88
2.82
2.76
2.72
2.65
2.59
2.51
0.0
10
8.18
5.93
5.01
4.50
4.17
3.94
3.77
3.63
3.52
3.43
3.36
3.30
3.19
3.12
3.00
0.0
05
10.07
7.09
5.92
5.27
4.85
4.56
4.34
4.18
4.04
3.93
3.84
3.76
3.64
3.54
3.40
0.1
00
2.97
2.59
2.38
2.25
2.16
2.09
2.04
2.00
1.96
1.94
1.91
1.89
1.86
1.83
1.79
0.0
50
4.35
3.49
3.10
2.87
2.71
2.60
2.51
2.45
2.39
2.35
2.31
2.28
2.22
2.18
2.12
0.0
25
5.87
4.46
3.86
3.51
3.29
3.13
3.01
2.91
2.84
2.77
2.72
2.68
2.60
2.55
2.46
0.0
10
8.10
5.85
4.94
4.43
4.10
3.87
3.70
3.56
3.46
3.37
3.29
3.23
3.13
3.05
2.94
0.0
05
9.94
6.99
5.82
5.17
4.76
4.47
4.26
4.09
3.96
3.85
3.76
3.68
3.55
3.46
3.32
0.1
00
2.96
2.57
2.36
2.23
2.14
2.08
2.02
1.98
1.95
1.92
1.90
1.87
1.84
1.81
1.78
0.0
50
4.32
3.47
3.07
2.84
2.68
2.57
2.49
2.42
2.37
2.32
2.28
2.25
2.20
2.16
2.10
0.0
25
5.83
4.42
3.82
3.48
3.25
3.09
2.97
2.87
2.80
2.73
2.68
2.64
2.56
2.51
2.42
0.0
10
8.02
5.78
4.87
4.37
4.04
3.81
3.64
3.51
3.40
3.31
3.24
3.17
3.07
2.99
2.88
0.0
9.83
6.89
5.73
5.09
4.68
4.39
4.18
4.01
3.88
3.77
3.68
3.60
3.48
3.38
3.24
92
05
22
23
24
25
26
0.1
00
2.95
2.56
2.35
2.22
2.13
2.06
2.01
1.97
1.93
1.90
1.88
1.86
1.83
1.80
1.76
0.0
50
4.30
3.44
3.05
2.82
2.66
2.55
2.46
2.40
2.34
2.30
2.26
2.23
2.17
2.13
2.07
0.0
25
5.79
4.38
3.78
3.44
3.22
3.05
2.93
2.84
2.76
2.70
2.65
2.60
2.53
2.47
2.39
0.0
10
7.95
5.72
4.82
4.31
3.99
3.76
3.59
3.45
3.35
3.26
3.18
3.12
3.02
2.94
2.83
0.0
05
9.73
6.81
5.65
5.02
4.61
4.32
4.11
3.94
3.81
3.70
3.61
3.54
3.41
3.31
3.18
0.1
00
2.94
2.55
2.34
2.21
2.11
2.05
1.99
1.95
1.92
1.89
1.87
1.84
1.81
1.78
1.74
0.0
50
4.28
3.42
3.03
2.80
2.64
2.53
2.44
2.37
2.32
2.27
2.24
2.20
2.15
2.11
2.05
0.0
25
5.75
4.35
3.75
3.41
3.18
3.02
2.90
2.81
2.73
2.67
2.62
2.57
2.50
2.44
2.36
0.0
10
7.88
5.66
4.76
4.26
3.94
3.71
3.54
3.41
3.30
3.21
3.14
3.07
2.97
2.89
2.78
0.0
05
9.63
6.73
5.58
4.95
4.54
4.26
4.05
3.88
3.75
3.64
3.55
3.47
3.35
3.25
3.12
0.1
00
2.93
2.54
2.33
2.19
2.10
2.04
1.98
1.94
1.91
1.88
1.85
1.83
1.80
1.77
1.73
0.0
50
4.26
3.40
3.01
2.78
2.62
2.51
2.42
2.36
2.30
2.25
2.22
2.18
2.13
2.09
2.03
0.0
25
5.72
4.32
3.72
3.38
3.15
2.99
2.87
2.78
2.70
2.64
2.59
2.54
2.47
2.41
2.33
0.0
10
7.82
5.61
4.72
4.22
3.90
3.67
3.50
3.36
3.26
3.17
3.09
3.03
2.93
2.85
2.74
0.0
05
9.55
6.66
5.52
4.89
4.49
4.20
3.99
3.83
3.69
3.59
3.50
3.42
3.30
3.20
3.06
0.1
00
2.92
2.53
2.32
2.18
2.09
2.02
1.97
1.93
1.89
1.87
1.84
1.82
1.79
1.76
1.72
0.0
50
4.24
3.39
2.99
2.76
2.60
2.49
2.40
2.34
2.28
2.24
2.20
2.16
2.11
2.07
2.01
0.0
25
5.69
4.29
3.69
3.35
3.13
2.97
2.85
2.75
2.68
2.61
2.56
2.51
2.44
2.38
2.30
0.0
10
7.77
5.57
4.68
4.18
3.85
3.63
3.46
3.32
3.22
3.13
3.06
2.99
2.89
2.81
2.70
0.0
05
9.48
6.60
5.46
4.84
4.43
4.15
3.94
3.78
3.64
3.54
3.45
3.37
3.25
3.15
3.01
0.1
00
2.91
2.52
2.31
2.17
2.08
2.01
1.96
1.92
1.88
1.86
1.83
1.81
1.77
1.75
1.71
0.0
50
4.23
3.37
2.98
2.74
2.59
2.47
2.39
2.32
2.27
2.22
2.18
2.15
2.09
2.05
1.99
0.0
25
5.66
4.27
3.67
3.33
3.10
2.94
2.82
2.73
2.65
2.59
2.54
2.49
2.42
2.36
2.28
0.0
10
7.72
5.53
4.64
4.14
3.82
3.59
3.42
3.29
3.18
3.09
3.02
2.96
2.86
2.78
2.66
0.0
9.41
6.54
5.41
4.79
4.38
4.10
3.89
3.73
3.60
3.49
3.40
3.33
3.20
3.11
2.97
93
05
27
0.1
00
2.90
2.51
2.30
2.17
2.07
2.00
1.95
1.91
1.87
1.85
1.82
1.80
1.76
1.74
1.70
0.0
50
4.21
3.35
2.96
2.73
2.57
2.46
2.37
2.31
2.25
2.20
2.17
2.13
2.08
2.04
1.97
0.0
25
5.63
4.24
3.65
3.31
3.08
2.92
2.80
2.71
2.63
2.57
2.51
2.47
2.39
2.34
2.25
Distribusi
F
v2 =
dk
penyebut
28
29
30
v1 = dk pembilang
1
10
11
12
14
16
20
0.0
10
7.68
5.49
4.60
4.11
3.78
3.56
3.39
3.26
3.15
3.06
2.99
2.93
2.82
2.75
2.63
0.0
05
9.34
6.49
5.36
4.74
4.34
4.06
3.85
3.69
3.56
3.45
3.36
3.28
3.16
3.07
2.93
0.1
00
2.89
2.50
2.29
2.16
2.06
2.00
1.94
1.90
1.87
1.84
1.81
1.79
1.75
1.73
1.69
0.0
50
4.20
3.34
2.95
2.71
2.56
2.45
2.36
2.29
2.24
2.19
2.15
2.12
2.06
2.02
1.96
0.0
25
5.61
4.22
3.63
3.29
3.06
2.90
2.78
2.69
2.61
2.55
2.49
2.45
2.37
2.32
2.23
0.0
10
7.64
5.45
4.57
4.07
3.75
3.53
3.36
3.23
3.12
3.03
2.96
2.90
2.79
2.72
2.60
0.0
05
9.28
6.44
5.32
4.70
4.30
4.02
3.81
3.65
3.52
3.41
3.32
3.25
3.12
3.03
2.89
0.1
00
2.89
2.50
2.28
2.15
2.06
1.99
1.93
1.89
1.86
1.83
1.80
1.78
1.75
1.72
1.68
0.0
50
4.18
3.33
2.93
2.70
2.55
2.43
2.35
2.28
2.22
2.18
2.14
2.10
2.05
2.01
1.94
0.0
25
5.59
4.20
3.61
3.27
3.04
2.88
2.76
2.67
2.59
2.53
2.48
2.43
2.36
2.30
2.21
0.0
10
7.60
5.42
4.54
4.04
3.73
3.50
3.33
3.20
3.09
3.00
2.93
2.87
2.77
2.69
2.57
0.0
05
9.23
6.40
5.28
4.66
4.26
3.98
3.77
3.61
3.48
3.38
3.29
3.21
3.09
2.99
2.86
0.1
00
2.88
2.49
2.28
2.14
2.05
1.98
1.93
1.88
1.85
1.82
1.79
1.77
1.74
1.71
1.67
0.0
50
4.17
3.32
2.92
2.69
2.53
2.42
2.33
2.27
2.21
2.16
2.13
2.09
2.04
1.99
1.93
0.0
5.57
4.18
3.59
3.25
3.03
2.87
2.75
2.65
2.57
2.51
2.46
2.41
2.34
2.28
2.20
94
25
40
60
12
0
24
0
50
0
0.0
10
7.56
5.39
4.51
4.02
3.70
3.47
3.30
3.17
3.07
2.98
2.91
2.84
2.74
2.66
2.55
0.0
05
9.18
6.35
5.24
4.62
4.23
3.95
3.74
3.58
3.45
3.34
3.25
3.18
3.06
2.96
2.82
0.1
00
2.84
2.44
2.23
2.09
2.00
1.93
1.87
1.83
1.79
1.76
1.74
1.71
1.68
1.65
1.61
0.0
50
4.08
3.23
2.84
2.61
2.45
2.34
2.25
2.18
2.12
2.08
2.04
2.00
1.95
1.90
1.84
0.0
25
5.42
4.05
3.46
3.13
2.90
2.74
2.62
2.53
2.45
2.39
2.33
2.29
2.21
2.15
2.07
0.0
10
7.31
5.18
4.31
3.83
3.51
3.29
3.12
2.99
2.89
2.80
2.73
2.66
2.56
2.48
2.37
0.0
05
8.83
6.07
4.98
4.37
3.99
3.71
3.51
3.35
3.22
3.12
3.03
2.95
2.83
2.74
2.60
0.1
00
2.79
2.39
2.18
2.04
1.95
1.87
1.82
1.77
1.74
1.71
1.68
1.66
1.62
1.59
1.54
0.0
50
4.00
3.15
2.76
2.53
2.37
2.25
2.17
2.10
2.04
1.99
1.95
1.92
1.86
1.82
1.75
0.0
25
5.29
3.93
3.34
3.01
2.79
2.63
2.51
2.41
2.33
2.27
2.22
2.17
2.09
2.03
1.94
0.0
10
7.08
4.98
4.13
3.65
3.34
3.12
2.95
2.82
2.72
2.63
2.56
2.50
2.39
2.31
2.20
0.0
05
8.49
5.79
4.73
4.14
3.76
3.49
3.29
3.13
3.01
2.90
2.82
2.74
2.62
2.53
2.39
0.1
00
2.75
2.35
2.13
1.99
1.90
1.82
1.77
1.72
1.68
1.65
1.63
1.60
1.56
1.53
1.48
0.0
50
3.92
3.07
2.68
2.45
2.29
2.18
2.09
2.02
1.96
1.91
1.87
1.83
1.78
1.73
1.66
0.0
25
5.15
3.80
3.23
2.89
2.67
2.52
2.39
2.30
2.22
2.16
2.10
2.05
1.98
1.92
1.82
0.0
10
6.85
4.79
3.95
3.48
3.17
2.96
2.79
2.66
2.56
2.47
2.40
2.34
2.23
2.15
2.03
0.0
05
8.18
5.54
4.50
3.92
3.55
3.28
3.09
2.93
2.81
2.71
2.62
2.54
2.42
2.33
2.19
0.1
00
2.73
2.32
2.11
1.97
1.87
1.80
1.74
1.70
1.66
1.63
1.60
1.57
1.53
1.50
1.45
0.0
50
3.88
3.03
2.64
2.41
2.25
2.14
2.05
1.98
1.92
1.87
1.83
1.79
1.73
1.69
1.61
0.0
25
5.09
3.75
3.17
2.84
2.62
2.46
2.34
2.25
2.17
2.10
2.05
2.00
1.92
1.86
1.77
0.0
10
6.74
4.69
3.86
3.40
3.09
2.88
2.71
2.59
2.48
2.40
2.32
2.26
2.16
2.08
1.96
0.0
05
8.03
5.42
4.39
3.82
3.45
3.19
2.99
2.84
2.71
2.61
2.52
2.45
2.33
2.23
2.09
0.1
00
2.72
2.31
2.09
1.96
1.86
1.79
1.73
1.68
1.64
1.61
1.58
1.56
1.52
1.49
1.44
0.0
50
3.86
3.01
2.62
2.39
2.23
2.12
2.03
1.96
1.90
1.85
1.81
1.77
1.71
1.66
1.59
0.0
5.05
3.72
3.14
2.81
2.59
2.43
2.31
2.22
2.14
2.07
2.02
1.97
1.89
1.83
1.74
95
25
0.0
10
6.69
4.65
3.82
3.36
3.05
2.84
2.68
2.55
2.44
2.36
2.28
2.22
2.12
2.04
1.92
0.0
05
7.95
5.35
4.33
3.76
3.40
3.14
2.94
2.79
2.66
2.56
2.48
2.40
2.28
2.19
2.04
0.1
00
2.71
2.30
2.08
1.94
1.85
1.77
1.72
1.67
1.63
1.60
1.57
1.55
1.50
1.47
1.42
0.0
50
3.84
3.00
2.60
2.37
2.21
2.10
2.01
1.94
1.88
1.83
1.79
1.75
1.69
1.64
1.57
0.0
25
5.02
3.69
3.12
2.79
2.57
2.41
2.29
2.19
2.11
2.05
1.99
1.94
1.87
1.80
1.71
0.0
10
6.64
4.61
3.78
3.32
3.02
2.80
2.64
2.51
2.41
2.32
2.25
2.18
2.08
2.00
1.88
0.0
05
7.88
5.30
4.28
3.72
3.35
3.09
2.90
2.74
2.62
2.52
2.43
2.36
2.24
2.14
2.00
TABEL VI
DISTRIBUSI TABEL Q (untuk Test Tukey)
= 0.05
k
df
1
2
3
4
5
6
7
8
9
10
11
12
18.0
6.08
4.50
3.93
3.64
3.46
3.34
3.26
3.20
3.15
3.11
3.08
27.0
8.33
5.91
5.04
4.60
4.34
4.16
4.04
3.95
3.88
3.82
3.77
32.8
9.80
6.82
5.76
5.22
4.90
4.68
4.53
4.41
4.33
4.26
4.20
37.1
10.88
7.50
6.29
5.67
5.30
5.06
4.89
4.76
4.65
4.57
4.51
40.4
11.73
8.04
6.71
6.03
5.63
5.36
5.17
5.02
4.91
4.82
4.75
43.1
12.43
8.48
7.05
6.33
5.90
5.61
5.40
5.24
5.12
5.03
4.95
45.4
13.03
8.85
7.35
6.58
6.12
5.82
5.60
5.43
5.30
5.20
5.12
47.4
13.54
9.18
7.60
6.80
6.32
6.00
5.77
5.59
5.46
5.35
5.27
96
10
49.1
13.99
9.46
7.83
6.99
6.49
6.16
5.92
5.74
5.60
5.49
5.39
13
14
15
16
17
18
19
20
24
30
40
60
120
oo
3.06
3.03
3.01
3.00
2.98
2.97
2.96
2.95
2.92
2.89
2.86
2.83
2.80
2.77
3.73
3.70
3.67
3.65
3.63
3.61
3.59
3.58
3.53
3.49
3.44
3.40
3.36
3.31
4.15
4.11
4.08
4.05
4.02
4.00
3.98
3.96
3.90
3.85
3.79
3.74
3.68
3.63
4.45
4.41
4.37
4.33
4.30
4.28
4.25
4.23
4.17
4.10
4.04
3.98
3.92
3.86
4.69
4.64
4.59
4.56
4.52
4.49
4.47
4.45
4.37
4.30
4.23
4.16
4.10
4.03
97
4.88
4.83
4.78
4.74
4.70
4.67
4.65
4.62
4.54
4.46
4.39
4.31
4.24
4.17
5.05
4.99
4.94
4.90
4.86
4.82
4.79
4.77
4.68
4.60
4.52
4.44
4.36
4.29
5.19
5.13
5.08
5.03
4.99
4.96
4.92
4.90
4.81
4.72
4.63
4.55
4.47
4.39
5.32
5.25
5.20
5.15
5.11
5.07
5.04
5.01
4.92
4.82
4.73
4.65
4.56
4.47
TABEL VI (Lanjutan )
DISTRIBUSI TABEL Q (untuk Test Tukey)
= 0.01
k
df
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
24
30
40
60
120
oo
2
90.0
13.90
8.26
6.51
5.70
5.24
4.95
4.75
4.60
4.48
4.39
4.32
4.26
4.21
4.17
4.13
4.10
4.07
4.05
4.02
3.96
3.89
3.82
3.76
3.70
3.64
10
135
19.02
10.62
8.12
6.98
6.33
5.92
5.64
5.43
5.27
5.15
5.05
4.96
4.89
4.84
4.79
4.74
4.70
4.67
4.64
4.55
4.45
4.37
4.28
4.20
4.12
164
22.56
12.17
9.17
7.80
7.03
6.54
6.20
5.96
5.77
5.62
5.50
5.40
5.32
5.25
5.19
5.14
5.09
5.05
5.02
4.91
4.80
4.70
4.59
4.50
4.40
186
25.37
13.32
9.96
8.42
7.56
7.00
6.62
6.35
6.14
5.97
5.84
5.73
5.63
5.56
5.49
5.43
5.38
5.33
5.29
5.17
5.05
4.93
4.82
4.71
4.60
202
27.76
14.24
10.58
8.91
7.97
7.37
6.96
6.66
6.43
6.25
6.10
5.98
5.88
5.80
5.72
5.66
5.60
5.55
5.51
5.37
5.24
5.11
4.99
4.87
4.76
216
29.86
15.00
11.10
9.32
8.32
7.68
7.24
6.91
6.67
6.48
6.32
6.19
6.08
5.99
5.92
5.85
5.79
5.73
5.69
5.54
5.40
5.26
5.13
5.01
4.88
227
31.73
15.65
11.54
9.67
8.61
7.94
7.47
7.13
6.87
6.67
6.51
6.37
6.26
6.16
6.08
6.01
5.94
5.89
5.84
5.69
5.54
5.39
5.25
5.12
4.99
237
33.41
16.21
11.92
9.97
8.87
8.17
7.68
7.33
7.05
6.84
6.67
6.53
6.41
6.31
6.22
6.15
6.08
6.02
5.97
5.81
5.65
5.50
5.36
5.21
5.08
246
34.93
16.71
12.26
10.24
9.10
8.37
7.86
7.49
7.21
6.99
6.81
6.67
6.54
6.44
6.35
6.27
6.20
6.14
6.09
5.92
5.76
5.60
5.45
5.30
5.16
TABEL VII
98
TABEL LILIEFORS (L)
=.
20
= .15
= .10
=.
05
= .01
.
3027
.3216
.3456
.3754
.4129
.
2893
.3027
.3188
.3427
.3959
.
2694
.2816
.2982
.3245
.3728
.
2521
.2641
.2802
.3041
.3504
.
2387
.2502
.2649
.2875
.3331
.
2273
.2382
.2522
.2744
.3162
10
.
2171
.2273
.2410
.2616
.3037
11
.
2080
.2179
.2306
.2506
.2905
12
.
2004
.2101
.2228
.2426
.2812
13
.
1932
.2025
.2147
.2337
.2714
14
.
1869
.1959
.2077
.2257
.2627
15
.
1811
.1899
.2016
.2196
.2545
16
.
1758
.1843
.1956
.2128
.2477
17
.
1711
.1794
.1902
.2071
.2408
18
.
1666
.1747
.1852
.2018
.2345
19
.
1624
.1700
.1803
.1965
.2285
20
.
1589
.1666
.1764
.1920
.2226
21
.1629
.1726
.1881
.2190
99
1553
22
.
1517
.1592
.1690
.1840
.2141
23
.
1484
.1555
.1650
.1798
.2090
24
.
1458
.1527
.1619
.1766
.2053
25
.
1429
.1498
.1589
.1726
.2010
26
.
1406
.1472
.1562
.1699
.1985
27
.
1381
.1448
.1533
.1665
.1941
28
.
1358
.1423
.1509
.1641
.1911
TABEL VII (Lanjutan)

TABEL LILIEFORS (L)
=.
20
= .15
= .10
=.
05
= .01
29
.
1334
.1398
.1483
.1614
.1886
30
.
1315
.1378
.1460
.1590
.1848
31
.
1291
.1353
.1432
.1559
.1820
32
.
1274
.1336
.1415
.1542
.1798
33
.
1254
.1314
.1392
.1518
.1770
34
.
1236
.1295
.1373
.1497
.1747
35
.
1220
.1278
.1356
.1478
.1720
36
.
1203
.1260
.1336
.1454
.1695
37
.1245
.1320
.1436
.1677
100
1188
0
01.035
0.819
0.8
.795
75
0.741
fN
fN
fN
fN
38
.
1174
.1230
.1303
.1421
.1653
39
.
1159
.1214
.1288
.1402
.1634
40
.
1147
.1204
.1275
.1386
.1616
41
.
1131
.1186
.1258
.1373
.1599
42
.
1119
.1172
.1244
.1353
.1573
43
.
1106
.1159
.1228
.1339
.1556
44
.
1095
.1148
.1216
.1322
.1542
45
.
1083
.1134
.1204
.1309
.1525
46
.
1071
.1123
.1189
.1293
.1512
47
.
1062
.1113
.1180
.1282
.1499
48
.
1047
.1098
.1165
.1269
.1476
49
.
1040
.1089
.1153
.1256
.1463
50
.
1030
.1079
.1142
.1246
.1457
>5
0
Tabel VIII
Nilai Kritis Uji Komogorov-Smirnov
n
1
2
3
4
5
=0,20
0.900
0.684
0.565
0.493
0.447
=0,10
0.950
0.776
0.636
0.565
0.509
=0,05
0.975
0.842
0.708
0.624
0.563
101
=0,02
0.990
0.900
0.785
0.689
0.627
=0,01
0.995
0.929
0.829
0.734
0.669
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
35
40
45
50
55
60
65
70
n
75
80
85
90
95
100
0.410
0.381
0.359
0.339
0.323
0.308
0.296
0.285
0.275
0.266
0.258
0.250
0.244
0.237
0.232
0.226
0.221
0.216
0.212
0.208
0.204
0.200
0.197
0.193
0.190
0.177
0.165
0.156
0.148
0.142
0.136
0.131
0.126
=0,20
0.122
0.118
0.114
0.111
0.108
0.106
Pendekatan
1.07/ n
(Sumber: Siegel, 1997)
0.468
0.436
0.410
0.387
0.369
0.352
0.338
0.325
0.314
0.304
0.295
0.286
0.279
0.271
0.265
0.259
0.253
0.247
0.242
0.238
0.233
0.229
0.225
0.221
0.218
0.202
0.189
0.179
0.170
0.162
0.155
0.149
0.144
=0,10
0.139
0.135
0.131
0.127
0.124
0.121
1.22/
0.519
0.483
0.454
0.430
0.409
0.391
0.375
0.361
0.349
0.338
0.327
0.318
0.309
0.301
0.294
0.287
0.281
0.275
0.269
0.264
0.259
0.254
0.250
0.246
0.242
0.224
0.210
0.198
0.188
0.180
0.172
0.166
0.160
=0,05
0.154
0.150
0.145
0.141
0.137
0.134
1.36
102
0.577
0.538
0.507
0.480
0.457
0.437
0.419
0.404
0.390
0.377
0.366
0.355
0.346
0.337
0.329
0.321
0.314
0.307
0.301
0.295
0.290
0.284
0.279
0.275
0.270
0.251
0.235
0.222
0.211
0.201
0.193
0.185
0.179
=0,02
0.173
0.167
0.162
0.158
0.154
0.150
1.52
0.617
0.576
0.542
0.513
0.486
0.468
0.449
0.432
0.418
0.404
0.392
0.381
0.371
0.361
0.352
0.344
0.337
0.330
0.323
0.317
0.311
0.305
0.300
0.295
0.290
0.269
0.252
0.238
0.226
0.216
0.207
0.199
0.192
=0,01
0.185
0.179
0.174
0.169
0.165
0.161
1.63
103

Buku Ajar Desain Eksperimen

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Buku Ajar Desain Eksperimen

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB I.

Kriteria Desain Penelitian Eksperimen

pertanyaan-pertanyaan penelitian, dan (2) mengontrol serta mengendalikan variansi yang

Validitas Internal dan Eksternal Penelitian

4. Uji Persyaratan Analisis Data

Telah dihitung: M 75,88

2 = 5,531 + 0,128 + 1,293 + 0,513 + 0,149 + 0,345 + 1,121= 9,08

Demikian seterusnya sampai diperoleh angka 1,121.

Tabel 1.4. Menghitung Harga Liliefors

Langkah mengerjakan sebagai berikut.

frekuensi kumulatif (KP) dengan membagi frekuensi kumulatif

dengan banyak data (fkum/n) = 1/20 = 0,05, dan seterusnya.

5). Uji Normalitas dengan SPSS

b. Uji Homogenitas Varians

12, 20, 23, 10, 17.

14, 15, 10, 19,

(5) Varians gabungan

4( 29,3) 4( 21,5) 3(35,7) 3( 20,7)

log.s2gab = log 26,6 = 1,4249

B = (dk) log.s2gab = 14 (1,4249) = 19,9486.

(2). Selanjutnya laukan langkah berkut.

Tabel 1.8. Test of Homogenity of Variance

Based on Median 0,086

C. Indikator Hasil Belajar

The One-Shot Case Study Design

Analisis data dengan rumust-test

Contoh Judul Penelitian

Perhitungan dapat dilakukan berdasarkan tabel berikut.

2. Analisis Data dengan Sign Test (Uji Tanda)

Tabel 2.3. Data Produktivitas Kerja

maka test staistik:

2. The One Group Pretest-Posttest Design

Skor perolehan (gain score) dengan normalisasi

Menghitung Mean (M) dan nilai t hitung

Uji signifikansi: db t =(n1 +n2) 2 = 18.

(klp eksperimen) dan X2 (klp kontrol) diberi perlakuan berbeda, kemudian

rumus (separated varians)

kooperatif tipe STAD dan siswa yang

mengikuti pembelajaran dengan metode konvensionalpada siswa SMA?

Contoh Data Hasil Penelitian

Analisis Data Hasil Penelitian

Contoh data lain:

Tabel.2.8. Data Hasil Penelitian

dbt = (n1 + n2)-2

4.The Static-Group Pretest-Posttest Design

Contoh Analisis Data

Cara menghitung GSn (gain score dinormalisasi

The Randomized Pretest-Posttest Control Group

Design dan contoh judul penelitian beserta teknik analisis datanya.

The Randomized Posttest Only Control Group

Design, dan contoh judul penelitian beserta teknik analisis datanya

Contoh: (lihat pada diagram berikut)

Contoh analisis data

Analisis data (menghitung varians dan nilai t)

2. The Randomized Pretest-Posttest Control Group Design

Contoh: (lihat pada diagram berikut)

Contoh data dengan gain score ternormalisasi

Cara menghitung GSn (gain score dinormalisasi)

3. The Randomized Solomon Four Group Design

Treatment group (B)

Contoh judul penelitian

2392 - 2340,9 51,1

(705,6 608,4 504,1 532,9 ) - 2340,9 2351 - 2340,9 10,1