TEKNIK ANALISIS DATA

1. Analisis Data Tes Kemampuan Berpikir Kritis Matematis

1) Statistik deskriptif data tes awal dan tes akhir (Pretest dan Postest)
Berdasarkan statistik deskriptif data pretest diperoleh nilai maksimum,
nilai minimum, rata-rata, simpangan baku, dan varians kelas eksperimen dan kelas
kontrol dengan menggunakan program SPSS 20.0 for windows.
2) Melakukan uji normalitas kepada kedua kelas tersebut
Dengan menggunakan uji Shapiro-wilk melalui aplikasi program SPSS 20.0 for
windows dengan taraf signifikansi 5%. Adapun pedoman pengambilan keputusan
mengenai uji normalitas menurut Santosa (dalam Yulianti, 2012:45) adalah sebagai
berikut:
 Jika nilai signifikan > 0,05 maka sebaran skor data berdistribusi normal.
 Jika nilai signifikansi < 0,05 maka sebaran skor data berdistribusi tidak
snormal.

Jika masing-masing sampel berdistribusi normal maka lanjutkan dengan uji

homogenitas. Tetapi, jika masing-masing kelompok sampel tidak berdistribusi normal,
maka gunakan statistika non-parametris yaitu dengan menggunakan Uji Mann-Whitney.

3) Melakukan uji homogenitas varians

Pengujian ini menggunakan uji Lavene pada program SPSS 20.0 for windows
dengan taraf signifikansi 5%. Adapun pedoman pengambilan keputusan mengenai
uji homogenitas menurut Santoso (dalam Yulianti, 2012:45) yaitu sebagai berikut:
 Jika nilai Sig. atau signifikansi < 0,05 maka kedua kelas memiliki varians
yang tidak sama (tidak homogen).
 Jika nilai Sig. atau signifikansi > 0,05 maka kedua kelas memiliki varians
yang sama (homogen).

Jika kedua kelas berdistribusi normal tapi tidak homogen, maka dilakukan uji
kesamaan dua rerata (Uji-t) melalui uji dua pihak menggunakan uji-t’ yaitu
independent sample t-test dengan asumsi kedua varians tidak homogen atau dikenal
dengan equal variances not assumed. Jika salah satu atau keduanya tidak berdistribusi
normal, maka dilakukan uji kesamaan dua rerata (Uji-t) melalui uji dua pihak
menggunakan uji statistik non-parametrik yaitu dengan uji Mann- Whitney U-Test.
4) Melakukan uji kesamaan dua rerata (uji-t)
Jika data berdistribusi normal dan memiliki varians yang homogen, selanjutnya
dilakukan uji kesamaan dua rerata dengan uji-t melalui program SPSS 20.0
for windows menggunakan Independent Sample T- Test dengan asumsi kedua
varians homogen (equal varians assumed) dengan taraf signifikansi 5%.
5) Melakukan uji t'
Jika data berdistribusi normal dan memiliki varians yang tidak homogen,
selanjutnya dilakukan uji t'.
6) Melakukan Uji hipotesis dua pihak
Hipotesis pada penelitian ini dirumuskan dalam bentuk hipotesis statistik (uji
dua pihak) sebagai berikut:
𝐻0 : 𝜇1=𝜇2
𝐻1 : 𝜇1≠𝜇2
Adapun kriteria pengambilan keputusan menurut Uyanto (dalam
Susilawati, 2013:46) adalah sebagai berikut :
 Jika nilai probabilitas > 0,05 maka H0 diterima dan 𝐻1ditolak
 Jika nilai probabilitas < 0,05 maka H0 ditolak dan 𝐻1diterima

7) Analisis Data Indeks Gain

Menghitung data gain dilakukan untuk mengetahui peningkatan kemampuan berpikir
kritis matematis siswa sebelum dan sesudah pembelajaran. Kemudian dilakukan
perhitungan indeks gain untuk mengetahui kualitas peningkatan kemampuan berpikir
kritis matematis pada kedua kelas. Analisis dilakukan dengan menggunakan rumus
Gain ternormalisasi rata-rata (average normalized gain) oleh Meltzer (dalam
Sulistiawati, 2012:48) sebagai berikut:
 𝑃𝑜𝑠𝑡𝑒𝑠 − 𝑃𝑟𝑒𝑡𝑒𝑠
𝐺𝑎𝑖𝑛 =
𝑆𝑘𝑜𝑟 𝑀𝑎𝑘𝑠𝑖𝑚𝑢𝑚 − 𝑃𝑟𝑒𝑡𝑒𝑠

2. Analisis Data Skala Kecemasan

Data hasil isian skala sikap adalah data yang berisi respon siswa terhadap
pembelajaran matematika dengan menggunakan model pembelajaran matematika
Knisley (MPMK) dengan metode Brainstorming.
a. Mengubah Data Skala Sikap ke dalam Skala Kuantitatif
Skala sikap berupa pernyataan-pernyataan dengan pilihan jawaban SS (sangat
setuju), S (setuju), TS (tidak setuju), dan STS (sangat tidak setuju). Bagi suatu
pernyataan yang mendukung suatu sikap positif, skor yang diberikan untuk SS= 4,
S= 3, TS= 2, STS= 1 dan bagi pernyataan yang mendukung sikap negatif, skor yang
diberikan adalah SS= 1, S= 2, TS= 3, STS= 4.

b. Menghitung Rerata Skala Sikap Siswa

Jika nilai perhitungan skor rerata lebih dari 3 artinya respon siswa positif dan bila
nilai perhitungan skor rerata kurang dari 3 artinya respon siswa negatif. Rerata skor
siswa makin mendekati 4, sikap siswa semakin positif. Sebaliknya jika mendekati
1, sikap siswa makin negatif.
c. Uji Normalitas Distribusi Data Skala Sikap
Uji normalitas dilakukan untuk mengetahui apakah data angket berasal dari
populasi yang berdistribusi normal atau tidak. Pengujian dilakukan dengan
menggunakan uji Shapiro-Wilk pada SPSS SPSS 20.0 for windows Dengan kriteria
pengujiannya menurut Uyanto (dalam Susilawati, 2012:52),
 Jika nilai signifikasi > 0,05 maka data angket berdistribusi normal.
 Jika nilai signifikasi < 0,05 maka data angket tidak berdistribusi normal.

d. Uji-t Satu Pihak.

Analisis pengolahan data skala sikap dengan menggunakan pengujian hipotesis
deskriptif (satu sampel). Pada data angket dilakukan Uji-t satu pihak menggunakan
uji One-Sample T-Test pada SPSS 20.0 for windows dengan nilai yang
dihipostesiskan 3. Dengan kriteria pengujiannya menurut Uyanto dalam Susilawati
(2012: 52), “Nilai signifikansi dua pihak (2-tailed) yang diperoleh dibagi 2, karena
dilakukan uji hipotesis satu pihak (pihak kanan)”. Dengan kriteria pengujian
menurut Uyanto (dalam Susilawati, 2012: 52),
 Jika 12 nilai signifikasi > 0,05, maka H0 diterima dan Ha ditolak.
 Jika 12 nilai signifikasi < 0,05, maka H0 ditolak dan Ha diterima.
Rumus hipotesis untuk skala sikap ini adalah:
Hipotesis tersebut dirumuskan dalam bentuk hipotesis statistik (uji pihak kanan):
H0 : μ0 ≤ 3,00
Ha : μ0 > 3,00
Keterangan:
H0 : Sikap siswa terhadap penggunaan model pembelajaran matematika Knisley
(MPMK) dengan metode Brainstorming dalam pembelajaran matematika
adalah lebih kecil atau sama dengan 3,00
Ha : Sikap siswa terhadap penggunaan model pembelajaran matematika Knisley
(MPMK) dengan metode Brainstorming dalam pembelajaran matematika
adalah lebih dari 3,00.
3. Analisis Lembar Observasi
Dalam menganalisis hasil observasi, data kualitatif yang telah diperoleh ditransfer
terlebih dahulu ke dalam data kuantitatif. Selanjutnya untuk mengetahui besarnya
persentase dari setiap pernyataan yang telah dipilih oleh siswa, digunakan rumus
sebagai berikut:

𝑓0
𝑝̅ = 𝑥 100% (Arikunto 2006)
𝑛

Keterangan:
p : persentase jawaban
n : jumlah total siswa
f0 : jumlah frekuensi alternative

Untuk mengklasifikasikan observasi terhadap siswa dan guru meliputi: Amat Baik (AB),
Baik (B), Cukup (C), dan Kurang (K). Teknik penetapan kriteria klasifikasi tersebut adalah
≤ 60% dari skor maksimal termasuk klasifikasi Kurang, 60 % ˂ K ≤ 74% dari skor
maksimal termasuk klasifikasi Cukup, K ≤ 84% dari skor maksimal termasuk klasifikasi
Baik, dan 84% ˂ K ≤ 100% dari skor maksimal termasuk klasifikasi Amat Baik.