Bab Iv
Bab Iv
BAB IV
HASIL PENELITIAN
A. Deskripsi Data
Maret 2019. Pengambilan data pada penelitian ini dilakukan dengan cara
Untuk nilai hasil rata-rata siswa itu sendiri di dapat dari latihan soal
dimana soal yang diberikan kepada siswa berupa soal pilihan ganda.
prasyarat analisis terpenuhi , maka analisis untuk uji hipotesis dapat dilaksanakan
sebagai berikut:
Tabel 4.1
Nilai Hasil Pretest-Posttest
A Dewi Intan 50 85
Adib Ghazali B 15 60
Ahmad Arifnur Amar 35 85
A Baso Ambarala 25 75
Andi Fahrul Razak 45 85
Andi Wahyu Djalil 60 90
Awal Jaya 60 95
Dedy Sima 25 70
Imanuel Gretzon S 30 85
M. Nur Arsyam Aditya 15 60
M. Syawal Madjid 20 75
Magrifad Imansyah 45 80
Moh. Rafly Nurdin 35 75
Muh. Aswan Ibrahim 30 85
Muh. Farel Ardan 30 70
Muh. Hasril Chaidir 50 95
M. Hanan Halim 25 85
Muh. Ilmansyah 30 80
Muh. Rifqi H 15 75
39
Nur Asiva 60 85
Nur Rahmadhani 45 85
Nurfadillah 55 80
Nurhikma Suleman 40 80
Putra Erlangga Sabara 25 65
Rhamadhan 45 75
Sahran 40 80
Salbiyah 50 85
Srikandi Cahya C 25 70
Tri Putri Aulia 50 85
a. Menentukan rentang
= 60 – 15
= 45
= 1 + 3.3 log 29
= 1 + 3.3 (1,46)
40
= 5,818 (diambil k = 6)
rentang
𝑃=
panjang kelas
45
=
6
= 7,5 (diambil p = 8)
Tabel 4.2
Daftar Distribusi Frekuensi Nilai Pre-Test Standar Deviasi
sebagai berikut:
Ʃ𝑓𝑖 . . 𝑥𝑖
𝑋̅1 =
Ʃ𝑓𝑖
1072,5
=
29
= 36,98
41
Diperoleh nilai rata-rata pada tes awal ini yaitu 36,98. Kemudian
n(Ʃ𝑓𝑖 . 𝑥𝑖 2 ) − (Ʃ𝑓𝑖 . 𝑥𝑖 )²
𝑆1 1 =
n(n − 1)
29(44797,25) − (1072,5)²
=
29(29 − 1)
1299120,33 − 1150256,3
=
812
148864
=
812
= √183,33
= 13,54
a. Menentukan rentang
= 95 – 60
= 35
= 1 + 3.3 log 29
= 1 + 3.3 (1,46)
42
= 5,818 (diambil k = 6)
rentang
𝑃=
panjang kelas
35
=
6
= 5,8 (diambil p = 6)
Tabel 4.3
Daftar Distribusi Frekuensi Nilai Post-Test Standar Deviasi
sebagai berikut:
Ʃ𝑓𝑖 . . 𝑥𝑖
𝑋̅ 2 =
Ʃ𝑓𝑖
2310,5
=
29
= 79,67
43
Diperoleh nilai rata-rata pada tes awal ini yaitu 79,67. Kemudian
n(Ʃ𝑓𝑖 . 𝑥𝑖 2 ) − (Ʃ𝑓𝑖 . 𝑥𝑖 )²
𝑆1 ² =
n(n − 1)
29(186439,25) − (2310,5)²
=
29(29 − 1)
5406738,3 − 5338410,3
=
812
68328
=
812
= √84,14
= 9,17
Analisis data yang dilakukan untuk mengetahui apakah data dari pre-
test dan post-test tersebut mempunyai syarat normalitas dan varians yang
sama.
Uji normalitas bertujuan untuk mengetahui apakah data dari pre-test dan
untuk menghitung luas di bawah kurva normal untuk tiap-tiap kelas interval.
44
Tabel 4.4
Tabel daftar uji normalitas data pre-test
Batas
Batas Luas Luas tiap Frekuensi Frekuensi
Nilai
Kelas Z-Score Daerah Kelas diharapkan pengamatan
Tes
(X1) (Luas 0- Interval (E1) (Oi)
Z)
14.5 -1,66 0,4515
ƩOi=29
45
𝑘
2
(𝑂1 − 𝐸1 )
𝑋 =∑
𝐸1
𝑖−1
(4 − 4,1615)2 (4 − 1,9836)2
+ +
4,1615 1,9836
= 4,65
oleh karena X2hitung< X2tabel yaitu 4,65 < 11,07 maka dapat disimpulkan bahwa
interval untuk menghitung luas di bawah kurva normal untuk tiap-tiap kelas
interval
46
Tabel 4.5
Tabel Daftar Uji Normalitas Data Post-Test
Batas
Batas Luas Luas tiap Frekuensi Frekuensi
Nilai
Kelas Z-Score Daerah Kelas diharapkan pengamatan
Tes
(X1) (Luas 0- Interval (E1) (Oi)
Z)
59,5 -2.19 0.4857
ƩOi = 29
47
𝑘
2
(𝑂1 − 𝐸1 )
𝑋 =∑
𝐸1
𝑖−1
= 9,64
11,07 oleh karena X2hitung< X2tabel yaitu 9,64 < 11,07 maka dapat disimpulkan
berhasil dari populasi dengan varians yang sama, sehingga hasil dari penelitian ini
diperoleh ̅̅̅
𝑋1 = 36,98 dan 𝑆12 = 13,54 untuk data pada tes awal, sedangkan
̅̅̅2 = 79,67 dan 𝑆22 = 9,17. Hipotesis yang akan di uji pada
untuk data tes akhir 𝑋
Ho : δ12= δ22
Ha : δ12> δ22
Pengujian ini adalah uji pihak kanan maka kriteria pengujian adalah “tolak
𝑆12
𝐹=
𝑆22
13,54
=
9,17
= 1,47
= F (0,05) (28,28)
= 1,87
Ternyata F hitung <F tabel atau 1,47 < 1,87, maka dapat disimpulkan bahwa
6. Pengujian hipotesis
derajat kebebasan (dk= n-1) dengan kriteria pengujian tolak Ho jika thitung > ttabel
49
dan terima H0 dalam hal lainnya. Rumusan hipotesis yang akan diuji dalam
Tabel 4.6
Uji T Data Pre-Test dan Post-Test
Gain Xd
Responden Pretest Posttest Md X2d
(d) (d-Md)
1 50 85 35 42,2 -7,2 51,84
2 15 60 45 42,2 2,8 7,84
3 35 85 50 42,2 7,8 60,84
4 25 75 50 42,2 7,8 60,84
5 45 85 40 42,2 -2,2 4,84
6 60 90 30 42,2 -12,2 148,84
7 60 95 35 42,2 -7,2 51,84
8 25 70 45 42,2 2,8 7,84
9 30 85 55 42,2 12,8 163,84
10 15 60 45 42,2 2,8 7,84
11 20 75 55 42,2 12,8 163,84
12 45 80 35 42,2 -7,2 51,84
13 35 75 40 42,2 -2,2 4,84
50
𝑑
𝑀𝑑 =
𝑛
1225
𝑀𝑑 =
29
𝑀𝑑 = 42,2
51
42,2
𝑡=
2615,16
29(29 − 1)
42,2
𝑡=
2615,16
812,000
42,2
𝑡=
√3,221
42,2
𝑡=
1,794
𝑡 = 23,52
dicari ttabel didapatkan t(0,95)(28) = 1,70 maka 23,52>1,70 berarti thitung > t1-α.
rata-rata post-test (79,31), untuk lebih jelasnya perhatikan grafik perbedaan nilai
Gambar 4.1
Grafik Nilai Rata-rata Pre-Test dan Post-Test
rata siswa sebelum dan sesudah menggunakan metode example non example
terhadap hasil belajar siswa, terutama pada mata pelajaran AutoCAD pada kelas
XI DPIB Smk Negeri 10 sul-sel. Secara umum ada peningkatan nilai hasil belajar
diperlakukan treatment.
pada taraf signifikan α=0,05 maka dari tabel distribusi t didapat t(0,95)(28) = 1,70
jadi thitung > ttabel atau 23,52 > 1,70. Kriteria pengujian hipotesis yaitu jika
53
thitung > ttabel maka Ha diterima dan Ho ditolak, sedangkan jika thitung < ttabel maka
hasil belajar siswa XI DPIB dengan menerapkan metode example non example.
Hal ini terbukti dengan adanya berbedaan nilai rata-rata dari pre-test sebelum
BAB V
A. KESIMPULAN
example tehadap hasil belajar AutoCAD siswa kelas XI DPIB Smk Negeri 10
Sul-Sel.
B. Saran
menggunakan metode Example non Example ini yaitu diharapkan kepada tenaga
pendidik dalam artian ini adalah guru untuk bisa menggunakan atau menerapkan
metode example non example ini dalam mengajar mata pelajaran, tidak hanya
terhadap mata pelajaran kejuruan saja tetapi ke mata pelajaran produktif lainnya.