DOSEN PEMANGKU
Astri Wahyuni, M.Pd
OLEH:
MKP 6C
Hasil Belajar
NO Matematika
Pre-test Post-test
1 56 87
2 72 92
3 67 87
4 58 82
5 70 89
6 68 86
7 76 90
8 70 86
9 69 80
10 58 85
11 65 90
12 70 83
13 75 80
14 67 87
15 72 82
16 74 80
17 76 83
18 68 82
19 62 89
20 70 85
21 61 92
22 77 85
Pengambilan Hipotesis
Catatan:
Awalnya peneliti menggunakan analisis statistic parametric dengan uji paired sample t test
untuk uji hipotesis diatas, namun karena data penelitian tersebut tidak berdistribusi normal
maka peneliti menggunakan alternative lain yakni dengan uji Wilcoxon.
3. Setelah penamaan variabel dibuat, langkah selanjutnya klik Data View, lalu isikan
data penelitian di atas, sehingga tampilan sebagai berikut:
4. Langkah berikutnya klik menu Analyze lalu pilih Nonparametric test kemudian pilih
legacy dialog lalu pilih 2 related samples.
Gambar 3. Tampilan Menu Analyze
5. Maka dilayar akan muncul kotak dialog “Two-Related Sample Test”, selanjutnya
masukkan variabel pre-test (pre) dan post test (post) ke kotak test pairs secara
bersamaan kemudian pada bagian “Test Type” berikan tanda centang pada pilihan
Wilcoxon lalu klik OK.
Gambar 4. Tampilan menu Two Related Samples Test
Dalam uji hipotesis kita menggunakan output SPSS yang kedua yakni output “Test
Statistics”. Namun sebelum kita masukkan pada analisis terhadap hasil output di atas maka
terlebih dahulu kita ketahui dasar pengambil keputusan yang digunakan dalam uji Wilcoxon
untuk kita jadikan pegangan atau pedoman.
1. Jika nilai Asymp.Sig.(2-tailed) lebih kecil dari < 0,05 maka Ha diterima
2. Sebaliknya jika nilai Asymp.Sign.(2-tailed) lebih besar dari > 0,005 maka Ha ditolak.
Seorang peneliti membuat dugaan yang menyatakan bahwa “Nilai rata-rata hasil
belajar siswa yang aktif di OSIS adalah sama dengan 75”. Untuk membuktikan hal tersebut,
peneliti memilih secara random/acak 12 orang siswa yang aktif di OSIS. Adapun nilai rata-
rata hasil belajar 12 siswa tersebut adalah sebagai berikut:
Rata-Rata
NO.
Hasil Belajar
1 78,3
2 74,7
3 80,5
4 83,5
5 75
6 77,6
7 73,5
8 83,5
9 78,5
10 73,7
11 81,5
12 77
Langkah-langkah uji One Sample T-Test dengan SPSS:
1. Buka program SPSS, kemudian klik variabel view, selanjutnya isikan nama variabel
dan ketentuan lainnya sebagaimana pedoman dibawah ini.
Name : Hasil
Type : Numeric
Width :8
Desimals :2
Label : Hasil Belajar
Values : None
Missing : None
Columns :8
Align : Right
Measure : Scale
Role : Input
3. Langkah pertama kita melakukan uji normalitas terlebih dahulu, caranya klik
Analyze-Descriptive Statistics-Explore.
4. Muncul kotak dialog “Explore” kemudian masukkan variabel hasil belajar [hasil] ke
kotak Dependent List, lalu klik Plots.
Gambar 9. Tampilan Kotak Dialog Explore pada Uji One Sample T-test
5. Muncul kotak dialog “Explore: Plots”, lalu berikan tanda centang (v) pada
Normality Plot With Tests, kemudian klik Continue dan Ok.
Gambar 10. Tampilan Kotak Dialog Explore: Plots pada Uji One Sample T-test
Keputusan uji normalitas: berdasarkan output diatas diperoleh nilai Shapiro-Wilk Sig.
sebesar 0,368 > 0,05 sehingga dapat disimpulkan bahwa data hasil belajar siswa yang
aktif berdistribusi normal. dengan demikian asumsi normalitas dalam uji one sample
T-test sudah terpenuhi.
7. Selanjutnya kita akan melakukan uji one sample t-test. Caranya klik menu Analyze-
Compare Means-One Sample T-Test.
Gambar 12. Tampilan Menu One Sample T-test
8. Maka muncul kotak dialog “one sample t-test”, selanjutnya masukkan variabel hasil
belajar [hasil] ke kotak test variabel(s), pada bagian test value ketikkan 75 [sebab
peneliti ingin membandingkan nilai rata-rata hasil belajar siswa dengan nilai 75].
Tabel one sample statistics diatas menunjukkan nilai statistic deskriptif, yaitu n=12 artinya
jumlah sample yang dipakai adalah 12 orang. Mean=78,1083 artinya nilai rata-rata hitung
adalah 78,1083. Std. deviation atau simpangan baku adalah sebesar 3,55463 dan std. error
mean adalah sebesar 1,02613.
Berdasarkan one sample test diatas diketahui nilai t (t hitung) adalah sebesar 3,029. Nilai df
(degree of freedom) atau derajat kebebasan adalah 11. Nilai sig. (2-tailed) atau nilai
signifikansi dengan uji 2 sisi adalah sebesar 0,011.
H0: nilai rata-rata hasil belajar siswa yang aktif di OSIS sama dengan 75.
Ha: nilai rata-rata hasil belajar siswa yang aktif di OSIS tidak sama dengan 75.
Berdasarkan output tabel “one sample test” diatas ketahui nilai t hitung sebesar 3,029. Rumus
mencari t tabel (uji dua sisi; df) = (0,025;11) kemudian lihat pada distribusi nilai t tabel
statistic, maka ketemu nilai tabel sebesar 2,201.
Karena t hitung 3,209 > t tabel 2,201 , maka H 0 ditolak dan Ha diterima. Sehingga dapat
disimpulkan bahwa nilai rata-rata hasil belajar siswa yang aktif di OSIS tidak sama dengan
nilai 75.
Contoh Kasus Anova Dua Jalur
Peneliti menggunakan pengujian Two Way ANOVA dengan taraf signifikansi (α=
5%) untuk menguji hipotesis di bawah ini:
i. Hipotesis interaksi antara jenis kelamin siswa/i dengan pekerjaan orang tua terhadap
hasil belajar siswa/i
H0 = Tidak terdapat interaksi antara jenis kelamin siswa/i dengan pekerjaan orang tua
terhadap hasil belajar siswa/i
H1 = Terdapat interaksi antara jenis kelamin siswa/i dengan pekerjaan orang tua
terhadap hasil belajar siswa/i
ii. Hipotesis perbedaan hasil belajar siswa/i berdasarkan jenis kelamin
H0 = Tidak terdapat perbedaan hasil belajar siswa/i yang signifikan berdasarkan jenis
kelamin
H1 = Terdapat perbedaan hasil belajar siswa/i yang signifikan berdasarkan jenis
kelamin
iii. Hipotesis perbedaan hasil belajar siswa/i berdasarkan pekerjaan orang tua
H0 = Tidak terdapat perbedaan hasil belajar siswa/i yang signifikan berdasarkan
pekerjaan orang tua
H1 = Terdapat perbedaan hasil belajar siswa/i yang signifikan berdasarkan pekerjaan
orang tua
Type : Numeric
Width :8
Decimals : 0
Label :Jenis Kelamin
Missing : None
Columns :8
Align : Right
Measure : Nominal
Type : Numeric
Width :8
Decimals : 0
Missing : None
Columns :8
Align : Right
Measure : Nominal
Type : Numeric
Width :8
Decimals : 0
Values : None
Missing : None
Columns :8
Align : Right
Measure : Scale
6. Kemudian klik Data View untuk mengisi data. Lalu isi data seperti gambar di bawah,
Gambar 22. Tampilan Kotak Dialog Univariate pada Uji Anova Dua Jalur
9. Klik Plot, pindahkan jenis kelamin ke kolom Horizontal Axia dan pekerjaan orang tua
pindahkan ke kolom Separate Lines setelah itu klik Add,
Gambar 23. Tampilan Kotak Dialog Univariate Profile Plots
12. Klik Post Hoc, masukkan pekerjaan ke kotak Post Hoc Test For, lalu centang Tukey,
Gambar 25. Tampilan Kotak Post Hoc
Kesimpulan :
Berdasarkan output, pada tabel Levene diketahui nilai Sig. = 0,480 > 0.05. Sehingga
dapat disimpulkan bahwa Hasil Belajar (pada Hasil Ujian) adalah homogen.
b. Uji Interaksi
Berdasarkan output, untuk uji interaksi variable yang digunakan adalah
Jenis_Kelamin*Pekerjaan_Orang_Tua. Dengan nilai Sig. = 0, 005 < 0,05 maka H 0
ditolak H1 diterima, artinya terdapat interaksi antara jenis kelamin dan pekerjaan
orang tua terhadap hasil belajar.
c. Uji Faktor Jenis Kelamin
Berdasarkan output, untuk uji faktor jenis kelamin yang digunakan adalah Sig. pada
baris Jenis_Kelamin. Dengan nilai Sig. = 0,027 < 0,05 maka H 0 ditolak H1 diterima,
artinya terdapat perbedaan hasil belajar siswa/i yang signifikan berdasarkan jenis
kelamin.
d. Uji Faktor Pekerjaan Orang Tua
Berdasarkan output, untuk uji faktor pekerjaan orang tua yang digunakan adalah Sig.
pada baris Pekerjaan_Orang_Tua. Dengan nilai Sig. = 0,001< 0,05 maka H 0 ditolak
H1 diterima, artinya terdapat perbedaan hasil belajar siswa/i yang signifikan
berdasarkan pekerjaan orang tua.