Varian Disain Faktorial PDF
Varian Disain Faktorial PDF
347
348
Sebagaimana telah dibahas sebelumnya pada analisis varian satu jalan, analisis
varian dua jalan merupakan teknik analisis yang digunakan untuk menentukan
apakah perbedaan atau variasi nilai suatu variabel terikat disebabkan oleh atau
tergantungpadaperbedaan(variasi)nilaipadaduavariabelbebas.Padaanalisis
varian dua jalan terdapat empat komponen varian nilai yang harus dipisah
pisahkan karena memiliki makna yang berbeda, yaitu (1) komponen explained
varian untuk seluruh variabel bebas (X1 + X2), (2) komponen explained varian
variabelbebasX1saja,(3)komponenexplainedvarianvariabelbebasX2saja,dan
(4) komponen unexplained varian. Dengan demikian pada analisis varian dua
jalan tidak kita temukan istilah varian antar kelompok (between groups) dan
variandalamkelompok(withingroups).
Untukmelakukananalisismenggunakananalisisvarianduajalantahapannyatidak
jauh berbeda dengan analisis varian satu jalan. Karena itu besaran angka yang
dihasilkanolehSPSSdigunakanuntuk:
1) Menentukansignifikansisecaraumum.
2) Menentukansignifikansiperpasangan.
3) Menentukanbesaranmasingmasingkomponenvarian.
Untuk uji lebih lanjut, Analisis varians pada dasarnya dapat dikembangkan tidak
hanya sampai analisis dua jalur. Pengembangan analisis varian dua jalur ini
disebut dengan istilah Analisis Varians Disain Faktorial. Dengan pengembangan
menjadi Analisis Varians Disain Faktorial maka akan dapat digunakan untuk
menganalisis data penelitian yang terdiri dari satu variabel dependen kontinum
danlebihdarisatuvariabelindependenkategorik.
Beberapa manfaat yang dapat diperoleh dengan melakukan analisis disain
faktorial yaitu (1) dapat melakukan analisis interaksi antarvariabel independen
dan(2)masalahtuntutanbesarnyasampelyangmenghendakijumlahsubjeklebih
sedikit dibandingkan dengan analisis varians sederhana untuk memperoleh
kekuatan analisis. Dengan kata lain, pada jumlah subjek yang sama, maka
kekuatan analisis varian faktorial akan lebih besar daripada analisis varian
sederhana(satujalur).
Sebagai gambaran untuk mengingat pembahasan yang telah lalu, bahwa pada
model analisis varian sederhana (satu jalur) maka hanya terdapat satu variabel
yang menjelaskan. Dengan demikian analisis yang dilakukan masih tergolong
sederhana. Guna memberikan pemahaman yang agak konkrit, model analisis
variansederhana(satujalur)tersebutdapatditunjukkanpadaGambar9.1.
349
HasilBelajar
Strategi Pembelajaran
Gambar9.1Modelvariasihasilbelajaryangdijelaskanolehvariabelstrategi
pembelajaran
Pada Gambar 9.1 menunjukkan bahwa variasi pada prestasi belajar yang hanya
dijelaskanolehsatuvariabelyaitumetodepembelajaran.Untukmengembangkan
analisis varian satu jalur menjadi analisis varian disain faktorial maka variabel
penjelasnya perlu ditambah lagi sehingga tidak hanya satu variabel penjelas.
Misalnya ditambah dengan variabel kemampuan awal siswa. Dengan
memasukkanvariabelkemampuanawalsiswauntukmenjelaskanvariasiprestasi
belajar maka variasi yang terjadi pada prestasi belajar akan dijelaskan oleh dua
variabel, yaitu variabel metode pembelajaran dan variabel kemampuan awal
siswa. Oleh karena itu model yang terjadi dalam menjelaskan variasi prestasi
belajardapatditunjukkansbb.
HasilBelajar
StrategiPembelajaran
A
e
KemampuanAwalSiswa
InteraksiantaraA*B
Gambar9.2Modelvariasihasilbelajaryangdijelaskanolehvariabelstrategi
pembelajarandankemampuanawalsiswa
Berdasarkan ilustrasi tersebut, dengan adanya dua variabel penjelas (variabel
strategipembelajarandankemampuanawalsiswa),makamunculsatubagianlagi
350
sebagai akibat dari pertemuan antara variabel metode pembelajaran dan
kemampuan awal siswa. Bagian yang muncul akibat dari pertemuan antara
variabel metode pembelajaran dan kemampuan awal siswa disebut dengan
interaksiantaravariabelmetodepembelajarandankemampuanawalsiswa(A*B).
Bagianlaindarivariasihasilbelajarsiswayangtidakdijelaskanolehvariasimodel
pembelajaran, kemampuan awal siswa, dan interaksi antara variabel metode
pembelajarandankemampuanawalsiswamerupakanerroratauresidu.
Kerlinger(2000)menyatakaninteraksimerupakankerjasamaduavariabelbebas
atau lebih dalam mempengaruhi satu variabel terikat. Interaksi berarti bahwa
kerja atau pengaruh dari suatu variabel bebas terhadap suatu variabel terikat,
bergantung pada taraf atau tingkat variabel bebas lainnya. Dengan kata lain,
interaksi terjadi manakala suatu variabel bebas memiliki efekefek berbeda
terhadap suatu variabel terikat pada berbagaibagai tingkat dari suatu variabel
bebaslain.Definisitentanginteraksiyangmerangkumduavariabelbebasdisebut
sebagai interaksi orde pertama. Ada kemungkinan bahwa tiga variabel bebas
berinteraksi dalam mempengaruhi satu variabel terikat, ini disebut sebagai
interaksiordeatautingkatkedua.
Pemahaman terhadap interaksi dalam kajian analisis varian faktorial merupakan
keterpaduanantarasatuvariabelpenjelasdenganvariabelpenjelaslainnyadalam
membentukvariasiyangterjadipadavariabelterikat(dependent).Dalamcontoh
di atas interaksi antara variabel metode pembelajaran dan kemampuan awal
siswa yaitu keterpaduan antara variabel metode pembelajaran dan kemampuan
awalsiswadalammembentukvariasiprestasibelajar.
Akibat adanya interaksi antara variabel penjelas yang satu dengan variabel
penjelas lainnya maka efek yang terjadi juga terjadi perubahan sehingga dalam
analisis varian disain faktor dikenal istilah efek utama (Main Effect) dan efek
interaksi (Interaction Effect). Efek utama [Main Effect (ME)] merupakan efek
yang secara langsung ditimbulkan oleh variabel bebas atau independen tanpa
memperhitungkan kehadiran variabel independen lain. Banyaknya ME akan
sebanyak variabel bebas/independen yang dilibatkan dalam model penelitian.
Apabila variabel bebas/independen yang dilibatkan dalam model penelitian ada
duamakaakanterdapatduaME.Efekinteraksi[InteractionEffect(IE)]yaituefek
yang diakibatkan oleh adanya interaksi antara satu variabel independen dengan
variabel independen lainnya dalam suatu model analisis. Dengan demikian IE
merupakan suatu efek yang diakibatkan oleh suatu variabel independen dengan
memperhitungkankehadiranvariabelindependenlain.
351
Pada dasarnya dalam analisis varian disain faktorial terdapat beberapa jenis
interaksiyangberbedabentuksatudenganlainnya.Kerlinger(2000)menyatakan
bahwa ragam interaksi dengan pola salingsilang disebut sebagai interaksi
disordinal.Sedangkaninteraksidenganpolasegarisyaituvariabelbebasberlaku
efektif pada satu tingkat dari variabel bebas lainnya disebut sebagai interaksi
ordinal. Sebagai ilustrasi bentuk interaksi dua variabel bebas dapat ditunjukkan
berikutini.
Tabel9.1Berbagaihimpunanhargatengahyangmemperlihatkanberbagaicorak
akibatutamadaninteraksi
A1
A2
A1
A2
A1
A2
B1
30
20
25
30
30
30
30
20
25
B2
30
20
25
20
20
20
40
30
35
30
20
25
25
35
25
(a) Asignifikan;Btidak
signifikan;Interaksitidak
signifikan
A1
A2
A1
A2
A1
A2
B1
30
20
25
30
20
25
20
20
20
B2
20
30
25
20
20
20
30
20
25
25
25
25
20
25
20
(d) Interaksisignifikan
(disordinal)
(e) Interaksisignifikan
(ordinal)
(f) Interaksisignifikan
(ordinal)
Sumber:Kerlinger(2000)
BerdasarkanilustrasisebagaimanadisajikanpadaTabel9.1diatasmasingmasing
corak interaksi dapat ditunjukkan dalam bentuk grafik interaksi antarvariabel
bebas. Beberapa contoh grafik (berdasarkan data Tabel 9.1) yang menunjukkan
corak interaksi antarvariabel bebas pada analisis varian disain faktorial disajikan
padaGambar9.3.
352
40
40 B2
B1
30
30 B
1
B2
20
20
10
10
A1
0
A1
A2
(a) Interaksitidaksignifikan
A2
(c) Interaksitidaksignifikan
40
40
30
20
30 B
1
B1
20
B2
B2
10
10
A1
0
A2
(c) Interaksisignifikan
(disordinal)
A1
A2
(e) Interaksisignifikan
(ordinal)
Gambar9.3Grafikberbagaicorakinteraksipadaanalisisdisainfaktorial
(Kerlinger,2000)
353
Perlu diperhatikan dengan seksama, bahwa interaksi tidak selalu merupakan
akibatdarisuatuinteraksisejatiantaraperlakuanperlakuaneksperimental.Jika
terdapatsatuinteraksisignifikan,adatigakemungkinanpenyebabnya.Penyebab
pertama adalah interaksi sejati, yaitu varian ditimbulkan oleh interaksi yang
sungguhsungguh terjadi antara dua variabel dalam bersamasama
mempengaruhisebuahvariabelketiga.Kemungkinankeduaadalahgalat(error).
Dapat terjadi, suatu interaksi signifikan yang muncul karena kebetulan semata
mata.Kemungkinanketigaadalah,interaksiterjadikarenaadanyapengaruhatau
efekyangbekerjapadasatutingkateksperimennamuntidakbekerjapadatingkat
eksperimenlain(Kerlinger,2000).
Dengan demikian apabila variabel bebas yang dilibatkan dalam suatu analisis
bertambah, misalnya tiga variabel bebas, maka persamaan garis linearnya akan
menjadisangatkompleks.Halinikarenapersamaantersebutmemperhitungkan
tigaefekutama(X1,X2,danX3)sertainteraksidariketigavariabelbebastersebut
baik interaksi satu dengan lainnya maupun interaksi bersama ketiga variabel
bebas.
Berkaitan dengan keunggulan analisis varian disain faktorial maka semua
pembahasan di atas merupakan keunggulan penting yang terdapat pada analisis
tersebut. Secara rinci menurut Kerlinger, (2000) beberapa hal yang merupakan
keunggulandarimetodeanalisisvariandisainfaktorialdapatdisampaikansbb.
1. Membuat peneliti mampu memanipulasikan dan mengendalikan dua
variabel atau lebih secara serempak. Dalam penelitian pendidikan,
354
kemungkinannya bukan hanya pengkajian tentgang akibatakibat metode
pengajaran terhadap prestasi; kita dapati pula akibatakibat dari kedua
metode yang bersangkutan dan kedua jenis penguat, misalnya. Dalam
riset psikologi kita dapat mengkaji akibatakibat terpisah atau akibat
gabungan dari banyak ragam variabel bebas seperti kecemasan, rasa
bersalah, penguat, prototipe, tipe persuasi, ras, dan iklim kelompok
terhadap banyak ragam variabel terikat, seperti kepatuhan, penyesuaian
diri (konformitas) proses belajar, transfer, diskriminasi, persepsi, dan
perubahan sikap. Selain itu, kita dapat mengontrol atau mengendalikan
variabelvariabel seperti jenis kelamin, klas sosial, dan lingkungan
rumah/keluarga.
2. Analisis varian disain faktorial lebih tepat atau lebih tajam presisinya
daripadaanalisissatuarah.
3. Terbukanya kemungkinan bagi kita untuk mengadakan kajian tentang
akibatakibat interaktif dari variabel bebas terhadap variabel terikat.
Analisis faktorial memungkinkan kita menghipotesiskan interaksi karena
akibatakibat interaksi itu dapat kita uji secara langsung. Dalam analisis
satu arah, kita hanya mengatakan: jika p maka q. Jika metodenya anu,
maka hasilnya itu. Sedangkan dalam analisis faktorial, kita
mengungkapkan kondisi atau persyaratan yang lebih kaya. Kita dapat
mengatakan:jikapmakaqdanjikarmakaq,yangalhasilsamadengan
membuatpernyataantentangakibatutamaatauefekutamadalamsuatu
analisisfaktorial,yangsamasajadenganmenyatakaninteraksi.
Contoh9.1
Seorang guru ingin melakukan pengujian terhadap perolehan hasil belajar siswa
yang disebabkan oleh penggunaan waktu belajar siswa. Dalam pengujian ini
sebagaivariabelterikat(Y)adalahhasilbelajar.Sebagaivariabelbebaspertama
355
(X1)adalahlamawaktubelajar(dalamjam)yangdikelompokkanmenjadiempat
yaitu 2 jam, 3 jam, 4 jam, dan 5 jam. Sebagai variabel bebas kedua (X2) yaitu
kemampuanawalsiswayangdikelompokkanmenjaditinggi,sedang,danrendah.
Jumlahrespondenuntukmasingmasingkelompoksebanyak4orangdantingkat
kesalahan yang dipilih yaitu 5%. Setelah dilaksanakan tes kepada seluruh
respondenmakadiperolehdatasbb:
Tabel9.2Sekorhasiltesbelajarsiswaberdasarkanlamabelajarnyadan
tingkatkemampuanawalsiswa
Tinggi
Kemampuan
Awal
Sedang
Rendah
2
79.30
83.80
82.00
82.50
80.30
81.80
80.00
82.50
70.30
71.80
80.00
72.50
LamanyaBelajar(jam)
3
4
85.50
84.00
87.20
86.80
87.50
83.10
87.00
87.80
84.00
83.30
86.80
83.00
83.10
82.80
87.80
81.50
73.30
84.00
76.80
73.00
83.10
82.80
77.80
81.50
5
83.30
84.00
82.80
82.50
85.50
85.20
84.50
83.00
75.50
75.20
84.50
83.00
Berdasarkandatadiataspadavariabelbebaslamabelajarterdiriatas2,3,4,dan
5 jam masingmasing sebanyak 12 responden yang terdiri atas kemampuan
awalnya tinggi 4 responden, sedang 4 responden, dan kemampuan awalnya
rendah 4 responden. Pada variabel bebas diisikan dengan sekor hasil tes yang
dicapai oleh masingmasing responden sesuai dengan lamanya waktu yang
digunakan untuk belajar. Dengan demikian masingmasing waktu belajar terdiri
atas12respondensehinggalamabelajar2jamada12responden,lamabelajar3
jam ada 12 responden. Demikian juga untuk lama belajar 4 dan 5 jam masing
masing12responden.
PerludiperhatikanbahwavariabelyangakandianalisismenggunakanSPSSterdiri
atastigavariabelyaitu(1)lamabelajar,(2)kemampuanawal,dan(3)hasilbelajar.
Pada variabel lamanya waktu yang digunakan untuk belajar terdiri atas empat
kategori, yaitu (1) 2 jam, (2) 3 jam, (3) 4 jam, dan (4) 5 jam. Dengan demikian
padavariabellamabelajarhanyaakandiisidatayangberupaangka1,2,3,dan4.
Padavariabelkemampuanawalsiswaterdiriatastigakategori,yaitu(1)tinggi,(2)
sedang,dan(3)rendah.Dengandemikianpadavariabelkemampuanawalhanya
akan diisi data dengan angka 1, 2, dan 3. Sedangkan pada variabel hasil belajar
356
akan diisi dengan nilai yang diperoleh siswa setelah mengikuti kegiatan dan tes
yangdiberikan.
Setelah data tersebutdiinput pada lembar kerja SPSS Data Editor maka hasilnya
akantampaksbb.
Gambar9.4KotaklembarkerjaSPSSDataEditoryangterisidenganvariabellama
belajar,kemampuanawan,danprestasibelajar
PerhatikandenganbaikpadaGambar9.4diatas,bahwapadakolomvariabellama
belajar 1 (berarti 2 jam belajar) terdiri atas kemampuan awal 1, 2, dan 3 (yang
berartitinggi,sedang,danrendah)masingmasingempatsampel.Demikianjuga
dengan siswa yang lama belajarnya 2 (berarti 3 jam) akan terdiri atas hal yang
samayaitukemampuanawal1,2,dan3(yangberartitinggi,sedang,danrendah)
masingmasingempatsampel.Demikianjugadenganlamabelajar3dan4(yang
berartidenganwaktu4dan5jam)sehinggajumlahsampelsebesar48orang.
357
Tahapanuntukmelakukananalisisvariandisainfaktorialdapatdijelaskanberikut
ini.
1) Pilih dan klik pada menu Analyze, pilih pada General Linear Model kemudian
pilihdanklikpadaUnivariatesehinggamunculkotakdialogsbb.
Gambar9.5KotakdialogUnivariateuntukmenentukanvariabelyangakan
dianalisisdanbesaranstatistikyangdiperlukan
Carapengisian:
(1) Pilih dan klik pada variabel hasil belajar (Y) kemudian pindahkan
variabel tersebut ke kotak Dependent Variable dengan cara menklik
padatandapanahkekananyangmenujukotakDependentVariable.
(2) Pilihdanklikpadavariabellamabelajar(X1)dankemampuanawal(X2)
kemudianpindahkanvariabeltersebutkekotakFixedFactor(s)dengan
cara menklik pada tanda panah ke kanan yang menuju kotak Fixed
Factor(s). Dengan dua pengisian tersebut maka program akan
menampilkankotakdialogsbb.
358
Gambar9.6KotakdialogUnivariatedenganvariabelvariabelyangakandianalisis
dengananavadisainfaktorial
(3) Pilih dan klik pada kotak Model yang terdapat di sebelah kanan atas
sehingga muncul kotak dialog sebagaimana terlihat pada Gambar 9.7
berikutini.
CarapengisiankotakdialogGambar9.7sbb.
a. PilihdanklikpadaCustomyangterdapatpadakotakSpecifyModel.
b. Pilih dan klik X1 yang terdapat pada kotak Factors & Covariates,
kemudian pindahkan ke kotak Model yang terdapat di sebelah
kanannya dengan cara menklik pada tanda panah ke kanan yang
mengarahkepadakotakModel.
c. Pilih dan klik X2 yang terdapat pada kotak Factors & Covariates,
kemudian pindahkan ke kotak Model yang terdapat di sebelah
kanannya dengan cara menklik pada tanda panah ke kanan yang
mengarahkepadakotakModel.
359
d. Pilih dan klik X1 dan X2 (secara bersamaan) yang terdapat pada
kotak Factors & Covariates, kemudian pindahkan ke kotak Model
yang terdapat di sebelah kanannya dengan cara menklik pada
tandapanahkekananyangmengarahkepadakotakModel.
e. PilihAll2WayyangterdapatpadakotakBuildTerm(s)Type.
f. PilihTypeIuntukSumofSquares.
g. Include Intercept in Model dinonaktifkan sehingga diperoleh
tampilansbb.
Gambar9.7KotakdialogUnivariate:Modeluntukmenetapkanspesifikasimodel,
tipeanalisisvarian,danSumofSquares
(4) Pilih dan klik pada kotak Continue sehingga tampilan di monitor
kembalipadaGambar9.6.
2) Pilih dan klik pada kotak Post Hoc ... yang terdapat di sebelah kanan atas
sehinggaprogrammenampilkankotakdialogPostHocberikutini
360
Gambar9.8KotakdialogUnivariate:PostHocMultipleComparisonsforObserved
untukmenetapkanvariabelyangdianalisisdenganPostHoc
3) PindahkanX1danX2kekotakPostHocTestsfor:dengancaramemblokkedua
variabel tersebut kemudian klik pada tanda panah ke kanan yang mengarah
padakotakPostHocTestsfor.
4) Aktifkan Bonferroni dan Tukey yang terdapat pada kotak Equal Variances
assumed dengan cara memberi tanda ceklis () bagian kotak kecil yang
terdapatdidepannya.Apabiladikehendakimakadapatmengaktifkanbagian
bagianlainnyasesuaidengankebutuhananalisis.Denganpengisiantersebut
maka tampilan kotak dialog Gambar 9.8 tersebut akan berubah dengan
tampilansbb.
361
Gambar9.9KotakdialogUnivariate:PostHocMultipleComparisonsforObserved
yangterisivariabeldanpilihanEqualVariancesAssumed
Sebagai mana yang dikemukakan sebelumnya, bahwa pada kotak dialog
Gambar 9.9 tersebut terdapat 10 koefisien Equal Variances Assumed yang
dapat diaktifkan semua secara bersamaan. Hal tersebut dapat dilakukan
apabila memang diperlukan dalam analisis. Apabila tidak diperlukan maka
sebaiknya cukup satu atau dua sebagaimana ditunjukkan pada Gambar 8.29
tersebut. Kotak dialog Gambar 9.9 ini diperlukan untuk memilih uji
perbandinganpasangansecaramenyeluruhdengantekniktertentu(pilihsalah
satudarisepuluhteknikyangadapadakotakEqualVariancesAssumed).
Padaumumnya,apabilatelahmensetingbokPostHocmakatidakmenseting
bokOptionskarenaapabiladibandingkanmakahasilanalisispadaPostHocini
akan sama dengan hasil analisis pada Options. Oleh karena itu, apabila kita
362
telahmensetingbokPostHocuntukmenganalisisCompareMainEffects,kita
tidak perlu lagi menseting bok Options untuk melakukan hal yang sama.
Perintah yang terdapat pada bok Post Hoc lebih lengkap jika dibandingkan
denganperintahyangterdapatpadabokOptions.Namundemikiankeduabok
tersebutsalingmelengkapisatudenganlainnya.
5) Pilih dan klik pada kotak Continue sehingga kotak dialog akan kembali ke
Gambar9.6dengantampilansbb.
Gambar9.10KotakdialogUnivariatedenganvariabelvariabelyangakan
dianalisisdenganModeldanPostHocyangtelahdiseting
BagianakhiryangperluuntukdisetingdalammelakukananalisisVariandisain
FaktorialyaituMeansPlot.PerintahPlotinidimaksudkanuntukmenampilkan
grafikEstimatedMarginalMeansofDependentVariable.HasilsetingMeans
Plot pada analisis varian dengan disain faktorial agak berbeda dengan seting
padaanalisisvariansatujalur.Padabagiananalisisvariansdisainfaktorialini
memungkinkan untuk menampilkan posisi masingmasing kelompok dari
variabelsatupadatiapleveldarivariabellainnya.
363
6) UntukmenampilkangrafikEstimatedMarginalMeansofDependentVariable,
pilihdanklikpadabagianPlots....sehinggamunculkotakdialogsebagaimana
terlihatpadaGambar9.11.
CarapengisiankotakdialogGambar9.11sbb.
(1) Pindahkan variabel X1 ke kotak Horizontal Axis: dengan memilih variabel
tersebut kemudian klik pada tanda panah ke kanan yang mengarah pada
kotakHorizontalAxis.
Gambar9.11KotakdialogUnivariate:ProfilPlotsuntukmensetingEstimated
MarginalMeansofDependentVariable
(2) PilihdanklikpadavariabelX2untukdipindahkankekotakSeparateLines:
dengan menklik pada tanda panah ke kanan yang mengarah pada kotak
SeparateLines.
(3) PilihdanklikpadakotakAddsehinggavariabelX1danX2akanberpindah
kekotakPlots:yangterdapatdibawahnyadalambentukinteraksi.
364
Setelah melakukan seting nomor (1) sampai dengan nomor (3) maka kotak
dialogGambar9.11tampilannyaakanberubahmenjadisebagaimanaterlihat
padaGambar9.12.
Gambar9.12KotakdialogUnivariate:ProfilPlotsyangtelahdisetingEstimated
MarginalMeansofDependentVariable
7) Pilih dan klik pada Continue sehingga kotak dialog akan kembali ke kotak
dialogGambar9.10.
8) BerdasarkanGambar9.10PilihdanklikpadabagianOKsehinggasistemakan
menampilkanoutputhasilanalisisberikutini.
365
OutputHasilAnalisisVarianDisainFaktorial
Univariate Analysis of Variance
BetweenSubjectsFactors
ValueLabel
LamaBelajar
Kemapuan
Awal
1
2
3
4
1
2
2jam
3jam
4jam
5jam
KATinggi
KASedang
12
12
12
12
16
16
KARendah
16
TestsofBetweenSubjectsEffects
DependentVariable:HasilBelajar
TypeISum
Mean
Source
df
F
ofSquares
Square
Model 322263,638a
12
26855,303 3178,848
X1
321829,667
4
80457,417 9523,701
X2
398,167
2
199,083
23,565
X1*X2
35,803
6
5,967
,706
Error
304,133
36
8,448
Total
322567,770
48
a.RSquared=,999(AdjustedRSquared=,999)
Sig.
,000
,000
,000
,647
366
Lama Belajar
MultipleComparisons
DependentVariable:HasilBelajar
(I)Lama
Belajar
TukeyHSD 2jam
3jam
4jam
5jam
Bonferroni 2jam
3jam
4jam
Mean
(J)Lama
Std.
Difference
Belajar
Error
(IJ)
3jam
4jam
5jam
2jam
4jam
5jam
2jam
3jam
5jam
2jam
3jam
4jam
3jam
4jam
5jam
2jam
4jam
5jam
2jam
3jam
5,3167*
3,0083
3,5167*
5,3167*
2,3083
1,8000
3,0083
2,3083
,5083
3,5167*
1,8000
,5083
5,3167*
3,0083
3,5167*
5,3167*
2,3083
1,8000
3,0083
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
2,3083 1,18660
Sig.
,000
,071
,026
,000
,228
,438
,071
,228
,973
,026
,438
,973
,000
,094
,032
,000
,357
,828
,094
95%Confidence
Interval
Lower Upper
Bound Bound
8,5125 2,1209
6,2041 ,1875
6,7125 ,3209
2,1209 8,5125
,8875 5,5041
1,3958 4,9958
,1875 6,2041
5,5041 ,8875
3,7041 2,6875
,3209 6,7125
4,9958 1,3958
2,6875 3,7041
8,6296 2,0037
6,3213 ,3046
6,8296 ,2037
2,0037 8,6296
1,0046 5,6213
1,5130 5,1130
,3046 6,3213
5jam
,5083 1,18660 1,000 3,8213 2,8046
5jam
2jam
3,5167* 1,18660 ,032 ,2037 6,8296
3jam
1,8000 1,18660 ,828 5,1130 1,5130
4jam
,5083 1,18660 1,000 2,8046 3,8213
Basedonobservedmeans.
TheerrortermisMeanSquare(Error)=8,448.
*.Themeandifferenceissignificantatthe0,05level.
367
Homogeneous Subsets
HasilBelajar
LamaBelajar
Subset
1
78,9000
81,9083
a,b
TukeyHSD
2jam
12
4jam
12
81,9083
5jam
12
82,4167
3jam
12
84,2167
Sig.
,071
,228
Meansforgroupsinhomogeneoussubsetsaredisplayed.Basedon
observedmeans.TheerrortermisMeanSquare(Error)=8,448.
a.UsesHarmonicMeanSampleSize=12,000.b.Alpha=0,05.
Kemampuan Awal
Multiple Comparisons
Dependent Variable:Hasil Belajar
Tukey
95% Confidence
(I)
(J)
Mean
Kemapuan
Kemapuan
Difference
Awal
Awal
(I-J)
KA Tinggi
HSD
KA Sedang
KA Rendah
KA Sedang
KA Tinggi
KA Rendah
KA Rendah
KA Tinggi
KA Sedang
Bonferroni KA Tinggi
KA Sedang
KA Rendah
KA Sedang
KA Tinggi
KA Rendah
KA Rendah
KA Tinggi
KA Sedang
Std.
Error
,8750 1,02763
Sig.
Interval
Lower
Upper
Bound
Bound
,674
-1,6368
3,3868
6,5000 1,02763
,000
3,9882
9,0118
-,8750 1,02763
,674
-3,3868
1,6368
5,6250 1,02763
,000
3,1132
8,1368
-6,5000* 1,02763
,000
-9,0118
-3,9882
,000
-8,1368
-3,1132
-1,7054
3,4554
,000
3,9196
9,0804
-3,4554
1,7054
-5,6250 1,02763
*
6,5000 1,02763
*
,000
3,0446
8,2054
,000
-9,0804
-3,9196
,000
-8,2054
-3,0446
5,6250 1,02763
-6,5000 1,02763
-5,6250 1,02763
368
Homogeneous Subsets
HasilBelajar
Kemapuan
Awal
Subset
1
2
TukeyHSD
KARendah
16 77,8188
KASedang
16
83,4438
KATinggi
16
84,3188
Sig.
1,000
,674
Meansforgroupsinhomogeneoussubsetsaredisplayed.Basedon
observedmeans.TheerrortermisMeanSquare(Error)=8,448.
a.UsesHarmonicMeanSampleSize=16,000.
b.Alpha=0,05.
a,b
Profile Plots
369
Berdasarkan hasil (out put) analisis varian disain faktorial tersebut di atas
menunjukkan tiga komponen utama yang berupa: (1) ANOVA, (2) Post Hoc Test
yang berupa Multiple Comparisons, dan (3) Homogeneous Subsets. Di sisi lain,
penggunaan analisis varian terdapat tiga hal pokok yang perlu diperhatikan dan
dipenuhidalampenerapanpenelitian.Ketigahalpokokpadaanalisisvariandisain
faktorialdapatdikemukakanberikutini.
1) Penentuansignifikansiumum.
2) Penentuansignifikansiperpasangan(multiplecomparisons).
3) Penentuankomponenvarian.
Masingmasing komponen (tiga komponen pokok) yang diperlukan pada analisis
variandisainfaktorialtersebutdapatdijelaskansbb.
370
2) EfekPerlakuanLamaBelajar(2,3,4,dan5jam)
Hepotesis tentang efek perlakuan lama belajar digunakan untuk menyatakan
ada tidaknya perbedaan hasil belajar yang diakibatkan oleh perlakuan lama
belajar tanpa memperhatikan perlakuan lainnya. Hipotesis yang dapat
dirumuskan untuk menyatakan efek perlakuan lama belajar terhadap hasil
belajarsbb.
Ho = Tidakadaperbedaanhasilbelajarantarasiswayanglamabelajarnya
2,3,4,dan5jam.
H1 = Terdapat perbedaan hasil belajar antara siswa yang lama belajarnya
2,3,4,dan5jam.
3) EfekPerlakuanTingkatKemampuanAwal(Tinggi,Sedang,danRendah)
Hepotesis tentang efek perlakuan tingkat kemampuan awal digunakan untuk
menyatakan ada tidaknya perbedaan hasil belajar yang diakibatkan oleh
perlakuan tingkat kemampuan awal (tinggi, sedang, dan rendah) tanpa
memperhatikan perlakuan lainnya. Hipotesis yang dapat dirumuskan untuk
menyatakan efek perlakuan tingkat kemampuan awal terhadap hasil belajar
sbb.
Ho = Tidak ada perbedaan hasil belajar antara siswa yang tingkat
kemampuanawalnyatinggi,sedang,danrendah.
H1 = Terdapat perbedaan hasil belajar antara siswa yang tingkat
kemampuanawalnyatinggi,sedang,danrendah.
4) EfekInteraksiantaraLamaBelajardenganTingkatKemampuanAwal
Hipotesis tentang Interaksi antara Lama Belajar dengan Tingkat Kemampuan
Awal digunakan untuk menyatakan ada tidaknya interaksi yang signifikan
antaraLamaBelajardenganTingkatKemampuanAwalsiswa.Hipotesisyang
dapat dirumuskan untuk menyatakan ada tidaknya interaksi yang signifikan
antaraLamaBelajardenganTingkatKemampuanAwalsiswasbb.
Ho = Tidak terdapat interaksi yang signifikan antara Lama Belajar dengan
TingkatKemampuanAwalsiswa.
H1 = TerdapatinteraksiyangsignifikanantaraLamaBelajardenganTingkat
KemampuanAwalsiswa..
371
Output hasil analisis varian disain faktorial yang dapat digunakan untuk
membuktikankeempatmacamhipotesistersebutyaitudisajikanpadatabelTests
ofBetweenSubjectsEffectsdengantampilansebagaiberikut.
TestsofBetweenSubjectsEffects
DependentVariable:HasilBelajar
TypeISum
Mean
Source ofSquares
df
Square
F
a
Model 322263,638
12
26855,303 3178,848
X1
321829,667
4
80457,417 9523,701
X2
398,167
2
199,083
23,565
X1*X2
35,803
6
5,967
,706
Error
304,133
36
8,448
Total
322567,770
48
a.RSquared=,999(AdjustedRSquared=,999)
KriteriaPengujian:
Sig.
,000
,000
,000
,647
(1) MenggunakankoefisienSig.,denganketentuan
Jikanilaisig.Hitung(probabilitas)<0,05makatolakHo.
Jikanilaisig.Hitung(probabilitas)>0,05makaterimaHo.
(2) MenggunakankoefisienFhitung,denganketentuan.
JikakoefisienFHitung>FtabelmakatolakHo.
JikakoefisienFHitung<FtabelmakaterimaHo.
Gunamengujihipotesistersebutmakaoutputanalisisyangdapatdigunakanyaitu
tabelTestofBetweenSubjectsEffectssebagaimanaditunjukkandiatas.
Berdasarkan hasil analisis yang disajikan pada tabel Test of BetweenSubjects
EffectsmenunjukkanbahwatarafsignifikansihasilhitungandankoefisienFhitung
sebagaiberikut.
No
1.
2.
3.
4.
Hipotesis
Gabungan(Model)
Efeklamabelajar
Efekkemampuanawal
Interaksi
Fitungh
3178,85
9523,70
23,57
0,71
Ftabel
1,95
2,56
3,19
2,30
Sig.
0,000
0,000
0,000
0,647
Alpha
0,05
0,05
0,05
0,05
372
Hasil analisis sebagai mana yang disajikan pada tabel Test of BetweenSubjects
Effects menunjukkan bahwa harga koefisien Sig untuk hipotesis 13 (hipotesis
gabungan,efeklamabelajar,danefekkemampuanawal)seluruhnya<alphayang
ditetapkan (5%). Sedangkan untuk hipotesis keempat tentang interaksi antara
lamabelajardengankemampuanawalmenunjukkanbahwakoefisienSig>alpha
yangditetapkan(5%).Dengandemikiandapatdisimpulkansbb.
1. Ho yang menyatakan tidak ada perbedaan hasil belajar siswa antarlama
belajar (2, 3, 4, dan 5 jam) dan antartingkat kemampuan awal siswa secara
gabungan (bersamasama) di tolak sehingga dapat dinyatakan bahwa ada
perbedaan hasil belajar siswa antarlama belajar (2, 3, 4, dan 5 jam) dan
antartingkatkemampuanawalsiswasecaragabungan(bersamasama).
2. Hoyangmenyatakantidakadaperbedaanhasilbelajarantarasiswayanglama
belajarnya 2, 3, 4, dan 5 jam di tolak sehingga dapat dinyatakan bahwa ada
perbedaanhasilbelajarantarasiswayanglamabelajarnya2,3,4,dan5jam.
3. Ho yang menyatakan tidak ada perbedaan hasil belajar antara siswa yang
tingkat kemampuan awalnya tinggi, sedang, dan rendah di tolak sehingga
dapatdinyatakanbahwaadaperbedaanhasilbelajarantarasiswayangtingkat
kemampuanawalnyatinggi,sedang,danrendah.
4. Ho yang menyatakan tidak terdapat interaksi yang signifikan antara Lama
BelajardenganTingkatKemampuanAwalsiswaditerimasehinggadinyatakan
tidak terdapat interaksi yang signifikan antara Lama Belajar dengan Tingkat
KemampuanAwalsiswa.
373
Lama Belajar
MultipleComparisons
DependentVariable:HasilBelajar
Mean
(I)Lama (J)Lama
Difference Std.Error Sig.
Belajar Belajar
(IJ)
3jam
4jam
5jam
2jam
4jam
5jam
2jam
3jam
5jam
2jam
3jam
4jam
3jam
4jam
5jam
2jam
4jam
5jam
2jam
5,3167*
3,0083
3,5167*
5,3167*
2,3083
1,8000
3,0083
2,3083
,5083
3,5167*
1,8000
,5083
5,3167*
3,0083
3,5167*
5,3167*
2,3083
1,8000
3,0083
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
1,18660
,000
,071
,026
,000
,228
,438
,071
,228
,973
,026
,438
,973
,000
,094
,032
,000
,357
,828
,094
95%CInterval
Lower
Upper
Bound Bound
8,5125 2,1209
6,2041
,1875
6,7125
,3209
2,1209 8,5125
,8875 5,5041
1,3958 4,9958
,1875 6,2041
5,5041
,8875
3,7041 2,6875
,3209 6,7125
4,9958 1,3958
2,6875 3,7041
8,6296 2,0037
6,3213
,3046
6,8296
,2037
2,0037 8,6296
1,0046 5,6213
1,5130 5,1130
,3046 6,3213
3jam
2,3083
1,18660
,357
5,6213
1,0046
5jam
,5083 1,18660 1,000
5jam 2jam
3,5167* 1,18660
,032
3jam
1,8000 1,18660
,828
4jam
,5083 1,18660 1,000
Basedonobservedmeans.
TheerrortermisMeanSquare(Error)=8,448.
*.Themeandifferenceissignificantatthe0,05level.
3,8213
,2037
5,1130
2,8046
2,8046
6,8296
1,5130
3,8213
TukeyHSD 2jam
3jam
4jam
5jam
Bonferroni 2jam
3jam
4jam
374
Berdasarkan hasil analisis yang ditampilkan pada tabel Multiple Comparisons
tersebutmenunjukkanbahwaterdapatbeberapapasanganyangberbedasecara
nyata (signifikan). Salah satu ciri yang sangat mudah dikenali bahwa pasangan
yangberbedasecarasignifikan(nyata)makanilaipadakolomMeanDifference(ij)
diberitandabintang.
Beberapapasanganyangdinyatakanberbedasecaranyatauntukhasilanalisisdi
atasdapatditunjukkansbb.
a. Pasangan23jam,dengankoefisienMeanDifferencesebesar5,3167dan
signifikansihitungsebesar0,000.
b. Pasangan25jam,dengankoefisienMeanDifferencesebesar3,5167dan
signifikansihitungsebesar0,026.
Sedangkan pasanganpasangan lainnya dinyatakan tidak ada perbedaan, yaitu
untukpasanganberikutini.
a. Pasangan24jam,dengankoefisienMeanDifferencesebesar3,0083dan
signifikansihitungsebesar0,071.
b. Pasangan34jam,dengankoefisienMeanDifferencesebesar2,3083dan
signifikansihitungsebesar0,228.
c. Pasangan35jam,dengankoefisienMeanDifferencesebesar1,8000dan
signifikansihitungsebesar0,438.
d. Pasangan45jam,dengankoefisienMeanDifferencesebesar0.5083dan
signifikansihitungsebesar0,973.
Hasil analisis varian per pasangan menunjukan bahwa terdapat dua pasangan
yang berbeda secara nyata (signifikan), yaitu pasangan 23 jam dan pasangan
25 jam. Sedangkan pasangan empat lainnya dinyatakan tidak ada perbedaan,
yaitupasanganantara24jam,34jam,35jam,danpasangan45jam.
Penentuansignifikansiperpasangandidasarkanpadakemampuanawalsiswa
Sebagai mana dinyatakan sebelumnya bahwa hasil pengujian signifikansi secara
umum pada analisis varian tersebut tidak dapat diartikan bahwa setiap pasang
pasti berbeda secara signifikan (nyata). Peneliti perlu melakukan pengujian
perbedaanperpasanganuntukmenentukanpasanganmanayangberbedasecara
signifikan dan pasangan mana yang tidak berbeda. Setelah kita menentukan
signifikansi per pasangan didasarkan pada lama belajar, maka selanjutnya kita
perlu menentukan signifikansi per pasangan didasarkan pada kemampuan awal.
Gunamemudahkandalammenentukanpasanganpasanganyangberbedasecara
signifikandanyangtidakberbedadapatdilihatpadatabelMultipleComparisons
KemampuanAwalberikutini.
375
Kemampuan Awal
Multiple Comparisons
Dependent Variable:Hasil Belajar
Tukey
95% Confidence
(I)
(J)
Mean
Kemapuan
Kemapuan
Difference
Awal
Awal
(I-J)
KA Tinggi
HSD
KA Sedang
Bonferroni KA Tinggi
Lower
Upper
Bound
Bound
,674
-1,6368
3,3868
KA Rendah
6,5000* 1,02763
,000
3,9882
9,0118
-,8750 1,02763
,674
-3,3868
1,6368
5,6250* 1,02763
,000
3,1132
8,1368
KA Tinggi
KA Tinggi
-6,5000 1,02763
,000
-9,0118
-3,9882
KA Sedang
-5,6250* 1,02763
,000
-8,1368
-3,1132
-1,7054
3,4554
,000
3,9196
9,0804
-3,4554
1,7054
KA Sedang
KA Tinggi
KA Rendah
KA Rendah
Interval
,8750 1,02763
KA Rendah
KA Sedang
Error
Sig.
KA Sedang
KA Rendah
KA Rendah
Std.
KA Tinggi
KA Sedang
6,5000 1,02763
*
,000
3,0446
8,2054
,000
-9,0804
-3,9196
,000
-8,2054
-3,0446
5,6250 1,02763
-6,5000 1,02763
-5,6250 1,02763
376
Sedangkanpasangan lainnya dapat dinyatakan tidak ada perbedaan, yaitu untuk
pasangan kemampuan awal tinggikemampuan awal sedang, dengan koefisien
MeanDifferencesebesar0,8750dansignifikansihitungsebesar0,674.
DependentVariable:HasilBelajar
TypeISum
Mean
Source ofSquares
df
Square
F
a
Model 322263,638
12
26855,303 3178,848
X1
321829,667
4
80457,417 9523,701
X2
398,167
2
199,083
23,565
X1*X2
35,803
6
5,967
,706
Error
304,133
36
8,448
Total
322567,770
48
Sig.
,000
,000
,000
,647
a.RSquared=,999(AdjustedRSquared=,999)
Berdasarkan out put hasil analisis SPSS yang ditampilkan pada tabel Tests of
BetweenSubjects Effects untuk masingmasing sumber variasi (Source of
Variations)besarnyadapatdihitungdengancaraberikutini.
a. Persentase komponen varian antar model (expalined: model) diperoleh
sebesar
322263,638
322567,770
100%
99,9%
377
Angkasebesar99,9%inimerupakanefekgabungan(bersamasama)antara
variabel lamanya belajar dan tingkat kemampuan awal siswa terhadap
hasilbelajar.
b. PersentasekomponenvarianantarkelompokvariabelbebasX1diperoleh
sebesar
321829,667
322567,770
100%
99,77%
Angkasebesar99,77%inimerupakanefekvariabelbebaslamanyabelajar
terhadaphasilbelajarsecarasendiritanpamemperhitungkankemampuan
awalsiswa.
c. PersentasekomponenvarianantarkelompokvariabelbebasX2diperoleh
sebesar
398,167
322567,770
100%
0,12%
100%
0,01%
Angka sebesar 0,01% ini merupakan efek yang diakibatkan oleh interaksi
antara variabel lama belajar dan variabel tingkat kemampuan awal
terhadaphasilbelajar.
e. Persentase komponen varian yang tidak dapat dijelaskan oleh model
(unexplainedvarian)diperolehsebesar
304.133
322567,770
100%
0,1%
Hasil analisis varian disain faktorial tersebut berarti bahwa sebesar 99,9% varian
padavariabelterikat(hasilbelajarsiswa)disebabkanolehvariasiatauperbedaan
pada nilai variabel bebas yang berupa lamanya siswa belajar (jam) dan tingkat
kemampuan awal secara gabungan (bersamasama). Selebihnya sebesar 0,1%
tidakdiketahuisebabnya(tidakdapatdijelaskanolehmodel).
378
Contoh9.2
Berikutdisajikanhasiltessiswasetelahdiberiperlakuanbelajardenganlama2,3,
4, dan 5 jam dengan mempertimbangkan kemampuan awal siswa dalam
kelompoktinggi,sedang,danrendah.
Tabel9.3Hasilbelajarsetelahmendapatperlakuanlamabelajardengan
mempertimbangkankemampuanawalsiswa
Tinggi
Kemampuan
Awal
Sedang
2
79.30
83.80
82.00
82.50
80.30
81.80
80.00
82.50
LamanyaBelajar(jam)
3
4
85.50
84.00
87.20
86.80
87.50
83.10
87.00
87.80
84.00
83.30
86.80
83.00
83.10
82.80
87.80
81.50
5
83.30
84.00
82.80
82.50
85.50
85.20
84.50
83.00
379
Rendah
2
70.30
71.80
80.00
72.50
LamanyaBelajar(jam)
3
4
84.00
73.30
76.80
73.00
83.10
82.80
77.80
81.50
5
75.50
75.20
84.50
83.00
Persiapan yang harus dilakukan untuk analisis perbedaan rerata (mean) dengan
menggunakanSPSSditunjukkanberikutini.
Gambar9.13KotakdialogSPSSStatisticsDataEditorsebagaiperiapanuji
perbedaanrerata(mean)antarsubkomponensubkomponen
Apabila ingin mengetahui bagai mana seting terhadap masingmasing variabel
analisis tersebut maka berdasarkan kotak dialog Gambar 9.13 tersebut kita klik
pada Variable View sehingga akan ditampilkan kotak dialog SPSS Statistics Data
EditoruntukVariableViewsbb.
380
Gambar9.14KotakdialogSPSSStatisticsDataEditoruntukmensetingvariabel
yangakandianalisis
Sesuaidengandatayangdisajikanpadacontoh9.2terlihatbahwasetiapselpada
Tabel9.3dijadikanvariabelpadasaatsetingataupersiapandatadiSPSS.Amati
baikbaikpadalembarkerjaSPSSStatisticsDataEditoruntukDataViewterdapat
12kolomyaitusebanyaksel(3x4)padaTabel9.3,yaitutigakolomdenganempat
baris. Apabila pada lembar kerja SPSS Statistics Data Editor untuk Data View
terdapat12kolommakaketikaditampilkanuntukVariableViewnyaakanterdapat
sebanyak12barisvariabel.
BerdasarkanpadatampilanataukotakdialogGambar9.13diatasmakatelahsiap
untukmelakukanujiperbedaanrerata(mean)perpasanganantarasubkomponen
lama belajar dengan subkomponen kemampuan awal. Dalam melakukan uji
perbedaanrerata(mean)perpasanganantarasubkomponenlamabelajardengan
subkomponen kemampuan awal maka perlu dikemukakan hipotesis penelitian.
Beberapa hipotesis penelitian yang dapat dibuat berdasarkan pada contoh 9.3
disajikanberikutini.
381
Hipotesis1.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya3jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 3 jam dengan
tingkatkemampuanawalyangtinggi.
Hipotesis2.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya4jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 4 jam dengan
tingkatkemampuanawalyangtinggi.
Hipotesis3.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya5jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 5 jam dengan
tingkatkemampuanawalyangtinggi.
Hipotesis4.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya3jamdansiswayanglamabelajarnya4jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 3 jam dan siswa yang lama belajarnya 4 jam dengan
tingkatkemampuanawalyangtinggi.
Hipotesis5.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya3jamdansiswayanglamabelajarnya5jamdengan
382
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 3 jam dan siswa yang lama belajarnya 5 jam dengan
tingkatkemampuanawalyangtinggi.
Hipotesis6.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya3jamdengan
tingkatkemampuanawalyangsedang.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 3 jam dengan
tingkatkemampuanawalyangsedang.
Hipotesis7.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya4jamdengan
tingkatkemampuanawalyangsedang.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 4 jam dengan
tingkatkemampuanawalyangsedang.
Hipotesis8.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya5jamdengan
tingkatkemampuanawalyangsedang.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 5 jam dengan
tingkatkemampuanawalyangsedang.
Masih banyak lagi hipotesis yang dapat dikemukakan berdasarkan contoh 9.3 di
atas. Namun demikian satu hal yang harus disadari bahwa dalam merumuskan
hipoteisiperludidukungteoriyangdigunakansebagaidasarnya.
Tahapanyangharusdilakukanuntukmelakukanujiperbedaanrerata(mean)per
pasangan antara subkomponen lama belajar dengan subkomponen kemampuan
awalsebagaimanadihipotesiskandiatassbb.
383
1. PilihdanklikmenuAnalyze
Gambar9.15KotakdialogSPSSStatisticsDataEditoruntukmemilihteknikyang
digunakanmengujiperbedaanrerata(mean)
2. Pilih dan klik pada bagian PairedSamples T test ... sehingga akan muncul
kotakdialogsebagaimanaditampilkanpadaGambar9.16.
CarapengisiankotakdialogGambar9.16.
(1) Pilih dan klik pada variabel L1A1, kemudian pindahkan ke kotak Paired
Variablespadabarispertamakolomkeduadenganmenkliktandapanahke
arahkotakPairedVariables.
(2) Pilih dan klik pada variabel L2A1, kemudian pindahkan ke kotak Paired
Variablespadabarispertamakolomketigadenganmenkliktandapanahke
arahkotakPairedVariables.
(3) Pilih dan klik pada variabel L1A1, kemudian pindahkan ke kotak Paired
Variablespadabariskeduakolomkeduadenganmenkliktandapanahke
arahkotakPairedVariables.
384
Gambar9.16KotakdialogPairedSamplesTTestuntukmemilihvariabelyang
akandipasangkanreratanya
(4) Pilih dan klik pada variabel L3A1, kemudian pindahkan ke kotak Paired
Variables pada baris kedua kolom ketiga dengan menklik tanda panah ke
arahkotakPairedVariables.
(5) PilihdanklikpadavariabelL1A1danL4A1,kemudianpindahkankekotak
Paired Variables pada baris ketiga dengan menklik tanda panah ke arah
kotakPairedVariables.
(6) PilihdanklikpadavariabelL2A1danL3A1,kemudianpindahkankekotak
PairedVariablespadabariskeempatdenganmenkliktandapanahkearah
kotakPairedVariables.
(7) PilihdanklikpadavariabelL2A1danL4A1,kemudianpindahkankekotak
Paired Variables pada baris kelima dengan menklik tanda panah ke arah
kotakPairedVariables.
(8) PilihdanklikpadavariabelL1A2danL3A2,kemudianpindahkankekotak
PairedVariablespadabariskeenamdenganmenkliktandapanahkearah
kotakPairedVariables.
385
(9) PilihdanklikpadavariabelL1A2danL2A2,kemudianpindahkankekotak
PairedVariablespadabarisketujuhdenganmenkliktandapanahkearah
kotakPairedVariables.
(10) PilihdanklikpadavariabelL1A2danL4A2,kemudianpindahkankekotak
Paired Variables pada baris kedelapan dengan menklik tanda panah ke
arahkotakPairedVariables.
BerdasarkanpengisiantersebutmakakotakdialogGambar9.16akanberubah
menjadiberikutini
Gambar9.17KotakdialogPairedSamplesTTestyangtelahterisivariabelyang
dipasangkanreratanya
3. BerdasarkankotakdialogPairedSamplesTTestyangtelahterisivariabelyang
dipasangkanreratanya(Gambar9.17)pilihdanklikpadabagianOKsehingga
sistemakanmenampilkanouputberikutini.
386
OUTPUTHASILANALISISPAIREDSAMPLESTTEST
T-Test
PairedSamplesStatistics
Pair1 2jamTinggi
3jamTinggi
Pair2 2jamTinggi
4jamTinggi
Pair3 2jamTinggi
5jamTinggi
Pair4 3jamTinggi
4jamTinggi
Pair5 3jamTinggi
5jamTinggi
Pair6 2jamSedang
3jamSedang
Pair7 2jamSedang
4jamSedang
Pair8 2jamSedang
5jamSedang
Pair1
Pair2
Pair3
Pair4
Pair5
Pair6
Pair7
Pair8
Mean
81,9000
86,8000
81,9000
85,4250
81,9000
83,1500
86,8000
85,4250
86,8000
83,1500
81,1500
85,4250
81,1500
82,6500
81,1500
84,5500
N
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
Std.
Deviation
1,89209
,89069
1,89209
2,23364
1,89209
,65574
,89069
2,23364
,89069
,65574
1,19583
2,23364
1,19583
,79373
1,19583
1,11505
PairedSamplesCorrelations
N
Correlation
2jamTinggi&3jamTinggi
4
,856
2jamTinggi&4jamTinggi
4
,592
2jamTinggi&5jamTinggi
4
,215
3jamTinggi&4jamTinggi
4
,209
3jamTinggi&5jamTinggi
4
,131
2jamSedang&3jamSedang
4
,996
2jamSedang&4jamSedang
4
,720
2jamSedang&5jamSedang
4
,605
Std.Error
Mean
,94604
,44535
,94604
1,11682
,94604
,32787
,44535
1,11682
,44535
,32787
,59791
1,11682
,59791
,39686
,59791
,55752
Sig.
,144
,408
,785
,791
,869
,004
,280
,395
387
Paired Samples Test
Paired Differences
90% Confidence
Mean
Std.
Deviation
Std.
Interval of the
Error
Mean
-8,037
,004
1,88746
-3,735
,033
1,86458
,93229 -3,44402
,94402
-1,341
,272
1,37500
2,22467
1,11234 -1,24273
3,99273
1,236
,304
3,65000
1,17331
,58666
5,03062
6,222
,008
-4,27500
1,04682
-8,168
,004
-1,50000
1,85113
,92556 -3,67819
,67819
-1,621
,204
-3,40000
2,07043
1,03521 -5,83623
-,96377
-3,284
,046
jam Tinggi
jam Tinggi
jam Tinggi
jam Tinggi
3 jam Sedang
4 jam Sedang
2,26938
jam Tinggi
Upper
tailed)
1,21929
Sig. (2-
df
Difference
Lower
5 jam Sedang
Ouput yang digunakan untuk menguji hipotesis yaitu t hitung yang ditampilkan
pada tabel Paired Samples Test. Berdasarkan output hasil perhitungan di atas
makadapatdiringkassbb.
Pair1
Pair2
Pair3
Pair4
Pair5
Pair6
Pair7
Pair8
Pasangan
2jamTinggi3jamTinggi
2jamTinggi4jamTinggi
2jamTinggi5jamTinggi
3jamTinggi4jamTinggi
3jamTinggi5jamTinggi
2jamSedang3jamSedang
2jamSedang4jamSedang
2jamSedang5jamSedang
thitung
8,037*
3,735*
1,341
1,236
6,222*
8,168*
1,621
3,284*
ttabel
2,353
2,353
2,353
2,353
2,353
2,353
2,353
2,353
Sig
,004
,033
,272
,304
,008
,004
,204
,046
Alpha
0,05
0,05
0,05
0,05
0,05
0,05
0,05
0,05
388
Berdasarkanoutputhasilujitersebutmenunjukkanbahwaterdapatlimahipotesis
yang dinyatakan berbeda secara signifikan. Kelima hipotesis yang memiliki
perbedaanrerata(mean)tersebutsbb.
Hipotesis1.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya3jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 3 jam dengan
tingkatkemampuanawalyangtinggi.
Karenakoefisienthitunglebihbesardarikoefisienttabel(8,037>2,353),maka
Hoyangmenyatakantidakterdapatperbedaanrerata(mean)hasilbelajarsiswa
antarasiswayanglamabelajarnya2jamdansiswayanglamabelajarnya3dengan
tingkatkemampuanawalyangtinggiditolak.Dengandemikiandapatdisimpulkan
bahwa terdapat perbedaan yang signifikan antara rerata (mean) hasil belajar
siswaantarasiswayanglamabelajarnya2jamdansiswayanglamabelajarnya3
jamdengantingkatkemampuanawalyangtinggi.
Hipotesis2.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya4jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 4 jam dengan
tingkatkemampuanawalyangtinggi.
Hasilpengujianmenunjukkanbahwakoefisienthitunglebihbesardarikoefisient
tabel(3,735>2,353),makaHoyangmenyatakantidakterdapatperbedaanrerata
(mean)hasilbelajarsiswaantarasiswayanglamabelajarnya2jamdansiswayang
lama belajarnya 4 jam dengan tingkat kemampuan awal yang tinggi ditolak.
Dengan demikian dapat disimpulkan bahwa terdapat perbedaan yang signifikan
antararerata(mean)hasilbelajarsiswaantarasiswayanglamabelajarnya2jam
dan siswa yang lama belajarnya 4 jam dengan tingkat kemampuan awal yang
tinggi.
Hipotesis5.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya3jamdansiswayanglamabelajarnya5jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
389
lama belajarnya 3 jam dan siswa yang lama belajarnya 5 jam dengan
tingkatkemampuanawalyangtinggi.
Hasil pengujian menggunakan PairedSamples T test menunjukkan bahwa
koefisienthitunglebihbesardarikoefisienttabel(6,222>2,353),makaHoyang
menyatakan tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara
siswayanglamabelajarnya3jamdansiswayanglamabelajarnya5jamdengan
tingkatkemampuanawalyangtinggiditolak.Dengandemikiandapatdisimpulkan
bahwa terdapat perbedaan yang signifikan antara rerata (mean) hasil belajar
siswaantarasiswayanglamabelajarnya3jamdansiswayanglamabelajarnya5
jamdengantingkatkemampuanawalyangtinggi.
Hipotesis6.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya3jamdengan
tingkatkemampuanawalyangsedang.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 3 jam dengan
tingkatkemampuanawalyangsedang.
Pengujian hipotesis keenam menunjukkan bahwa koefisien t hitung lebih besar
dari koefisien t tabel (8,168 > 2,353), maka Ho yang menyatakan tidak terdapat
perbedaanrerata(mean)hasilbelajarsiswaantarasiswayanglamabelajarnya2
jamdansiswayanglamabelajarnya3jamdengantingkatkemampuanawalyang
sedangditolak.Dengandemikiandapatdisimpulkanbahwaterdapatperbedaan
yang signifikan antara rerata (mean) hasil belajar siswa antara siswa yang lama
belajarnya 2 jam dan siswa yang lama belajarnya 3 jam dengan tingkat
kemampuanawalyangsedang.
Hipotesis8.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya5jamdengan
tingkatkemampuanawalyangsedang.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 5 jam dengan
tingkatkemampuanawalyangsedang.
Demikian juga dengan pengujian hipotesis kedelapan, hasilnya menunjukkan
bahwakoefisienthitunglebihbesardarikoefisienttabel(3,284>2,353),maka
Hoyangmenyatakantidakterdapatperbedaanrerata(mean)hasilbelajarsiswa
antara siswa yang lama belajarnya 2 jam dan siswa yang lama belajarnya 5 jam
dengantingkatkemampuanawalyangsedangditolak.Berdasarkanhasiltersebut
dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara rerata
390
(mean)hasilbelajarsiswaantarasiswayanglamabelajarnya2jamdansiswayang
lamabelajarnya5jamdengantingkatkemampuanawalyangsedang.
Hipotesis3.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya5jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 5 jam dengan
tingkatkemampuanawalyangtinggi.
Hipotesis4.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya3jamdansiswayanglamabelajarnya4jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 3 jam dan siswa yang lama belajarnya 4 jam dengan
tingkatkemampuanawalyangtinggi.
Hipotesis7.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya4jamdengan
tingkatkemampuanawalyangsedang.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 4 jam dengan
tingkatkemampuanawalyangsedang.