LAPORAN

STATISTIK PENDIDIKAN
“PENGARUH MODEL JIGSHOW TERHADAP AKTIVITAS BELAJAR
DAN HASIL BELAJAR FISIKA SISWA KELAS X SMAN 1 JEMBER”

Nama : Devi Tri Ulul Azmi

NIM : 160210102041
Kelas :F
Dosen Pengampu : Drs. Subiki M. Kes.
Dr. Sudarti M.Kes

PENDIDIKAN FISIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS JEMBER
2017
1. Lampiran Data

1.1. Data Excel

1.2 Data View

1.3 Data Variabel View

1.4 Data Out Put

NPar Tests

One-Sample Kolmogorov-Smirnov Test

VAR00001 VAR00002

N 30 30
Normal Parametersa,b Mean 85,8000 77,2667
Std. Deviation 6,54112 6,62770
Most Extreme Differences Absolute ,146 ,151
Positive ,146 ,107
Negative -,132 -,151
Test Statistic ,146 ,151
Asymp. Sig. (2-tailed) ,104c ,080c

a. Test distribution is Normal.

b. Calculated from data.
c. Lilliefors Significance Correction.
Oneway

Test of Homogeneity of Variances

VAR00003

Levene Statistic df1 df2 Sig.

,248 1 58 ,620

ANOVA
VAR00003

Sum of Squares df Mean Square F Sig.

Between Groups 1092,267 1 1092,267 25,193 ,000

Within Groups 2514,667 58 43,356
Total 3606,933 59

Group Statistics

VAR00004 N Mean Std. Deviation Std. Error Mean

VAR00003 1,00 30 85,8000 6,54112 1,19424

2,00 30 77,2667 6,62770 1,21005

Levene's Test for

Equality of
Variances t-test for Equality of Means

Std. 95% Confidence

Mean Error Interval of the

Sig. (2- Differenc Differenc Difference

F Sig. t df tailed) e e Lower Upper

VAR00 Equal variances 11,9365

,248 ,620 5,019 58 ,000 8,53333 1,70012 5,13017
003 assumed 0

Equal variances 57,99 11,9365

5,019 ,000 8,53333 1,70012 5,13015
not assumed 0 1

Regression
 Variables Entered/Removeda

Variables
Model Variables Entered Removed Method

1 aktivitasbelajarb . Enter

a. Dependent Variable: hasilbelajar

b. All requested variables entered.

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 ,327a ,107 ,075 6,37515

a. Predictors: (Constant), aktivitasbelajar

b. Dependent Variable: hasilbelajar

ANOVAa

Model Sum of Squares df Mean Square F Sig.

218,076
1 Regression 135,874 1 4,814 ,039b
45,301
Residual 1137,993 28

Total 1273,867 29

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 48,874 15,572 3,139 ,004

aktivitasbelajar ,331 ,181 ,327 1,828 ,039

a. Dependent Variable: hasilbelajar

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 72,0382 80,9729 77,2667 2,16456 30

Residual -15,01644 9,65264 ,00000 6,26427 30
Std. Predicted Value -2,415 1,712 ,000 1,000 30
Std. Residual -2,355 1,514 ,000 ,983 30

a. Dependent Variable: hasilbelajar

Charts
2. Rumusan Masalah
2.1 Apakah model jigsaw berpengaruh terhadap hasil belajar Fisika?
2.2 Apakah aktivitas belajar siswa berpengaruh terhadap hasil belajar Fisika siswa?
3. Hipotesis Penelitian
3.1 ada pengaruh model jigsaw terhadap hasil belajar siswa
3.2 Ada pengaruh aktivitas belajar siswa terhadap hasil belajar Fisika siswa
4. Hipotesis Statistik
1. Ho : μ1 = μ2 (Tidak ada pengaruh model jigsaw terhadap hasil belajar fisika
siswa)

Hi : μ1 > μ2 (Ada pengaruh model jigsaw terhadap hasil belajar fisika siswa)

2. Ho : Tidak ada pengaruh aktivitas belajar siswa terhadap hasil belajar fisika (Ho =
α)
Hi : Ada pengaruh aktivitas belajar siswa terhadap hasil belajar fisika (Hi ≠ α)
Kriteria Pengujian :

Ho ditolak apabila Sig. ≤ 0,05

Ho diterima apabila Sig ≥ 0,05

5. Uji Statistik
Uji statistik menggunkaan software aplikasi SPSS 22. Uji yang digunakan awalnya
adalah uji normalitas dimana dalam hal ini adalah terdistribusi normal. Uji normalitas adalah
untuk melihat apakah data sudah terdistribusi normal atau tidak. Uji pertama menggunkana
uji normalitas Kolmogorov–Smirnov test (K-S test) merupakan pengujian statistik non-
parametric yang paling mendasar dan paling banyak digunakan. K-S test dimanfaatkan untuk
uji satu sampel (one-sample test) yang memungkinkan perbandingan suatu distribusi
frekuensi dengan beberapa distribusi terkenal, seperti distribusi normal Gaussian. Konsep
dasar K-S test yaitu mengukur perbandingan data empirik dengan data berdistribusi normal
teoritik yang memiliki mean dan standar deviasi yang sama dengan data empirik. Kemudian
uji homogenitas yaitu untuk mengetahui apakah semua data telah homegen atau tidak.
Kemudian telah homogen maka dilaukan uji komparasi yaitu untuk mengetahui
perbandingan sampel yang digunakan yaitu kelas kontrol dan kelas eksperimen.
Uji komparasi menggunakan uji statistik teknik statistik T-test dimana data yang
digunakan adalah data rasio atau interval . menggunakan independen karena variabel terpisah
yaitu kelas kontrol dan kelas eksperimen. Kemudian menggunakan uji one tiled pihak kanan
karena hasil atau kesimpulan telah diketahui arahnya. Dan untuk penelitian aktivitas belajar
siswa terhadaopat hasil belajar fisika adalah uji statistik yang digunakn adalah sama.
Uji ANOVA dimana uji menggunakan uji F ini untuk mengetahui pengaruh antara nilai
matematika terhadap nilai fisika. Hal ini dapat dilihat pada Sig. yaitu apabila Sig.< 0,05 maka
Hi diterima dan Ho ditolak sedangkan Sig. > 0,05 maka Hi ditolak dan Ho diterima. Model
summary (model regresi) dapat diterangkan dengan menggunakan nilai koefisien determinasi
(KD = R Square x 100%) semakin besar nilai tersebut maka model semakin baik. Jika nilai
mendekati 1 maka model regresi semakin baik.
Analisis regresi linear merupakan salah satu metode regresi yang dapat dipakai sebagai
alat inferensi statistik untuk menentukan pengaruh sebuah variabel bebas (independen)
terhadap variabel terikat (dependen). Dengan demikian uji statistik yang digunakan adalah uji
regresi. Uji normalitas yang diguankan dalam praktikum kali ini juga menggunakan uji P-P
plot regresi residual dan uji histogram.
 Uji varaibel dimana variabel dalam praktikum ini ada 2 yaitu variabel bebas dan
variabel terikat dimana variabel bebasnya adalah nilai Matematika dan variabel terikatnya
adalah nilai fisika.
6. Uji Distribusi Normal

Uji distribusi normal atau juga disebut sebagai uji normalitas merupakan sebuah uji
yang dilakukan untuk menilai sebaran data pada sebuah kelompok data atau variabel, apakah
sebaran data tersebut terdistribusi normal ataukah tidak. Ada beberapa cara untuk menguji
normalitas yaitu seperti Chi Square, Kolmogorov Smirnov, Liliefors, Shapiro Wilk dan
Jarque Bera. Ketika praktikum ini kami menggunkaan SPSS 23, dimana uji normalitas yang
digunakan dalam praktikum ini adalah kolmogorov-smirnov test (K-S test) yang merupakan
pengujian statistik non-parametric yang paling dasar dan paling banyak digunakan. Berikut
merupakan hasil dari uji normalitas :

NPar Tests

One-Sample Kolmogorov-Smirnov Test

KELAS KELAS
EKSPERIMEN KONTROL

N 30 30
Normal Parametersa,b Mean 85,8000 77,2667
Std. Deviation 6,54112 6,62770
Most Extreme Differences Absolute ,146 ,151
Positive ,146 ,107
Negative -,132 -,151
Test Statistic ,146 ,151
Asymp. Sig. (2-tailed) ,104c ,080c

a. Test distribution is Normal.

b. Calculated from data.
c. Lilliefors Significance Correction.

Tabel diatas merupakan tabel out put dari uji normalitas dimana uji normalitas yang di
uji adalah kelas kontrol dan eksperimen. Tabel diatas didalamnya terdapat simbol “N” yang
menunjukkan jumlah data dimana jumlah data yang digunakan dalam masing-masing kelas
eksperimen dan kelas kontrol adalah 30. Mean dalam tabel tersebut menunjukkan nilai rata-
rata pada setiap tabel uji normalitas. Rata-rata pada tabel diatas diketahui bahwa nilai rata-
rata sebesar 85,8 dan 77,2667.
 Normalitas pada setiap variabel dapat dilihat melalui Asymp. Sig (2-tailed) yaitu
apabila nilai sig ≤ 0,05 maka Ho ditolak yang berarti data tidak terdistribusi normal namun
sedangkan nilai sig > 0,05 maka Ho diterima yang berarti data terdistribusi normal. Nilai
Asymp. Sig (2-tailed) pada masing-masing tabel diatas secara berturut yaitu sebesar 0,104
dan 0,08. Sehingga dari data tersebut Sig. > 0,05 dimana dikatakan bahwa Ho diterima yang
berarti data terdistribusi normal.
7. Uji komparasi (Independent sampel t-test)

Oneway

Test of Homogeneity of Variances

VAR00003

Levene Statistic df1 df2 Sig.

,248 1 58 ,620

Tabel diatas merupakan test homogenitas varians yang menggunakan uji homogenitas
oneway anova dimana untuk melihat data telah homogen ataukah tidak dapat kita lihat pada
tabel yaitu dibagian Sig. Apabila nilai Sig. > 0,05 maka data adalah homogen begitu pula
sebaliknya apabila nilai Sig. < 0,05 maka data yang diuji tidak homogen. Sehingga hasil uji
data yang telah kami praktikumkan menghasilkan Sig. sebesar 0,620 dimana nilai Sig. ini >
0,05 maka data yang kami uji adalah homogen. Didalam tabel terdapat df1 dan df2 dimana df
merupakan derajat kebebasan dimana df1 yang bernilai 1 merupakan derajat kebebesan
sebagai pembilang dan df2 yang bernilai 48 merupakan derajat kebebasan sebagai penyebut.

ANOVA
VAR00003

Sum of Squares df Mean Square F Sig.

Between Groups 1092,267 1 1092,267 25,193 ,000

Within Groups 2514,667 58 43,356
Total 3606,933 59

Anova merupakan singkatan dari “analysis of varian“. Analysis of Varian adalah

salah satu uji komparatif yang digunakan untuk menguji perbedaan mean (rata-rata) data
lebih dari dua kelompok. Tabel ketiga ini digunakan untuk menentukan taraf signifikasi atau
linieritas dari regresi. Terdapat simbol df yang merupakan derajat kebebasan. didalam tabel
df terdapat angka 1 dan 48 sehingga keseluruhannya menjadi 49. Angka 1 sebagai derajat
kebebasan pembilang sedangkan angka 48 adalah derajat kebebasan penyebut.
 Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.).
Apabila kita ingin melihat terdapat pengaruh atau tidak tentang pengaruh model inkuiri
terhadap hasil belajar Fisika maka dapat dilihat melalui nilai Sig. Dimana apabila nilai Sig. <
0,05 maka Ho ditolak sedangkan Hi diterima sehingga model jigsow berpengaruh terhadap
hasil belajar Fisika. Begitu pula sebaliknya apabila nilai Sig. > 0,05 maka Ho diterima dan Hi
ditolak sehingga model jigsaw tidak berpengaruh terhadap hasil belajar Fisika. Sig. hasil
praktikum diatas menunjukkan nilai Sig. sebesar 0,000 dimana yang berarti nilai Sig. < 0,05
sehingga data hasil praktikum ini menunjukkan Ho ditolak dan Hi diterima maka model
pembelajaran ijigsaw berpengaruh terhadap hasil balajar Fisika di SMA kelas X .
Mean of Square menunjukkan rata-rata varian yaitu 1092,267 dan 43,356. Sum of
square atau Kolom SS (Sum of Square) atau jumlah kuadrat untuk regression diperoleh dari
penjumlahan kuadrat dari prediksi variabel terikat (permintaan) dikurangi dengan nilai rata-
rata permintaan dari data sebenarnya.

Group Statistics

VAR00004 N Mean Std. Deviation Std. Error Mean

VAR00003 1,00 30 85,8000 6,54112 1,19424

2,00 30 77,2667 6,62770 1,21005

Levene's Test for

Equality of
Variances t-test for Equality of Means

Std. 95% Confidence

Mean Error Interval of the

Sig. (2- Differenc Differenc Difference

F Sig. t df tailed) e e Lower Upper

VAR00 Equal variances 11,9365

,248 ,620 5,019 58 ,000 8,53333 1,70012 5,13017
003 assumed 0

Equal variances 57,99 11,9365

5,019 ,000 8,53333 1,70012 5,13015
not assumed 0 1

Independent Samples Test

Uji independent samples ini menggunkan uji komparasi independent karena anggota
sampelnya yang terpisah yaitu SMAN 1 Jember dan SMAN 1 Pakusari. Uji ini juga
menggunakan one tile karena pengujiannya satu arah yang arah hipotesisinya sudah dapat
ditentukan atau kesimpulan akhirnya sudah dapat diduga. Untuk menguji independent
sampels test dengan cara Compare Means – Independent Sampels T Test – Nilai UN –
Sekolah.
Tabel pertama diatas yang menunjukkan kelas eksperimen dan kelas kontrol yaitu
secara berturut-turut ditunjukkan pada mean atau rata-rata adalah sebesar 85,800 dan
77,2667. Dimana mean atau rata-rata nilai kedua kelas tersebut menunjukkan rata-rata yang
lumayan jauh berbeda yaitu memiliki selisih sekitar 8,533. Tabel pertama juga menunjukkan
tingkat varians kelas eksperimen dan kelas kontrol. Tingkat varians dapat dilihat pada standar
deviasi dimana semakin besar nilai standar deviasainya maka varians semakin beragam dan
sebaliknya semakin kecil nilai standar deviasinya maka tigkat keberagaman variansnya
semakin sedikit. Nilai stadar deviasi pada tabel tersebut terlihat bahwa kelas eksperimen dan
kelas kontrol secara berturut-turut adalah 6,54112 dan 6,62770. Sehingga dapat ditinjau
bahwa varians data kelas kontrol lebih beragam daripada kelas eksperimen.
Tabel kedua menunjukkan independent samples test yang menguji data nilai Fisika
telah Homogen ataukah tidak. Uji homogenitas untuk mengetahui apakah nilai varians kedua
sampel yang diukur memiliki varians yang sama ataukan tidak. Dimana data yang homogen
ataukah tidak dapat dilihat dari nilai Sig. Suatu data dikatakan homogen apabila nilai Sig. >
0,05 begitu pula sebaliknya data yang tidak homogen apabila nilai Sig < 0,05. Hasil uji data
diatas menunjukkan data yang homogen karena nilai Sig menunjukkan nilai sebesar 0,620
yang berarti nilai Sig (0,620) > 0,05. Kemudian data yang menunjukkan ada tidaknya suatu
perbedaan pada hasil belajar kelas eksperimen dan hasil belajar kelas kontrol dapat dilihat
pada tabel Sig. 2-tailed namun dalam hal ini nilai Sig. Dibagi 2 karena dalam hal ini data
menggunkan uji one tile pada hasil belajar Fisika. Nilai Sig. 2-tailed menghasilkan data
sebesar 0,000 yang kemudian dibagi menjadi 2 sehingga menghasilkan nilai Sig. sebesar
0,000. Apabila nilai Sig. > 0,05 maka Ho diterima dan Hi ditolak begitupula sebaliknya
apabila nilai Sig. < 0,05 maka Ho ditolak dan Hi diterima. Sehingga pada data tersebut
menunjukkan nilai Sig (0,000) < 0,05 yang berarti Ho ditolak dan Hi diterima maka terdapat
perbedaan antara hasil belajar fisika kelas eksperimen dan hasil belajar fisika kelas kontrol
pada SMA kelas X.
9. Regresi
Regresi adalah suatu metode analisis statistik yang digunakan untuk melihat pengaruh antara
dua atau lebih variabel. Hubungan variabel tersebut bersifat fungsional yang diwujudkan dalam suatu
model matematis. Pada analisis regresi, variabel dibedakan menjadi dua bagian, yaitu variabel respons
(response variable) atau biasa juga disebut variabel bergantung (dependent variable) dan variabel
explanory atau biasa disebut penduga (predictor variable) atau disebut juga variabel bebas
(independent variabel). Regresi yang digunakan dalam hal ini adala regresi linier dimana dalam hal ini
mempelajari hubungan linier antara dua variabel. Dua variabel ini dibedakan menjadi variabel bebas
(X) dan varaibel tak bebas atau terikat (Y).

Regression

Variables Entered/Removeda

Variables
Model Variables Entered Removed Method

1 aktivitasbelajarb . Enter

a. Dependent Variable: hasilbelajar

b. All requested variables entered.
Tabel pertama menunjukkan suatu data dimana memuat tentang variabel apa saja
yang diproses. Variabel disini terdapat 2 variabel yaitu variabel independent dan variabel
dependent. Variabel independent merupakan variabel bebas dimana variabel yang
mempengaruhi variabel lain. Variabel independent atau disebut juga variabel bebas dalam
praktikum ini adalah aktivitas belajar. Sedangkan variabel dependent merupakan variabel
terikat dimana variabel ini adalah variabel yang dipengaruhi variabel lain. Variabel dependent
atau variabel terikat dalam praktikum ini adalah hasil belajar
Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 ,327a ,107 ,075 6,37515

a. Predictors: (Constant), aktivitasbelajar
b. Dependent Variable: hasilbelajar

Tabel kedua terdapat simbol “R” yang menjelaskan kekuatan hubungan antara nilai
mata pelajaran Matematika dan nilai mata pelajaran Fisika. Dimana R merupakan simbol dari
nilai koefisien korelasi. Nilai R pada tabel diatas sebesar 0,327. Nilai ini dapat
diinterpretasikan bahwa hubungan kedua variabel penelitian ada pada kategori sedang.
Kategori ini dapat dilihat pada tabel koefisien korelasi di dalam buku iqbal maupun buku
sugiyono yaitu apabila nilai R berkisar 0,3 maka dalam kategori kurang. Sedangkan R Square
atau koefisisen determinasi (KD) adalah menunjukkan seberapa bagus model regresi yang
dibentuk oleh interkasi variabel bebas dan variabel terikat. R Square ini adalah pengaruh
predactor yang terdapat variabel bebas terhadap variabel lainnya dimana sebesar 0,107 x
100% sehingga menghasilkan 10,7 % yang merupakan nilai dari KD dimana ditafsirkan
bahwa variabel bebas X1 memiliki pengaruh kontribusi sebesar 10,7% terhadapat variabel Y.
Sedangkan sisa dari 17,3% merupakan variabel lain yang mempengaruhi yaitu sebesar 100%
- 10,7% = 89,3%, dengan kata lain 82,7% ini dipengaruhi oleh faktor-faktor lain diluar
variabel X1. Maka dari itu terdapat hasil tabel standart erorr dimana dalam hal ini
menjelaskan seberapa besar kesalahan dari variabel lain yang tidak diketahu tersebut. dimana
standar erornya adalah 6,37515. Data pada praktikum ini merupakan data yang tidak acak
maka dari itu yang dilihat adalah R Square, namun apabila data yang digunakan merupakan
data acak maka yang digunakan atau dilihat adalah Adjusted R Square.

ANOVAa

Model Sum of Squares df Mean Square F Sig.

218,076
1 Regression 135,874 1 4,814 ,039b
45,301
Residual 1137,993 28

Total 1273,867 29

a. Dependent Variable: hasilbelajar

b. Predictors: (Constant), aktivitasbelajar
Tabel ketiga ini digunakan untuk menentukan taraf signifikasi atau linieritas dari
regresi. Terdapat simbol df yang merupakan derajat kebebasan. didalam tabel df terdapat
angka 1 dan 28 sehingga keseluruhannya menjadi 29. Angka 1 sebagai derajat kebebasan
pembilang sedangkan angka 28 adalah derajat kebebasan penyebut. Kriterianya dapat
ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.). Apabila kita ingin melihat
terdapat pengaruh atau tidak tentang nilai mata pelajaran Matematika terhadap nilai mata
pelajaran Fisika maka dapat dilihat melalui nilai Sig. Dimana apabila nilai Sig. < 0,05 maka
Ho ditolak sedangkan Hi diterima sehingga aktivitas belajar berpengaruh terhadap hasil
belajar. Begitu pula sebaliknya apabila nilai Sig. > 0,05 maka Ho diterima dan Hi ditolak
sehingga nilai mata pelajaran matematika tidak berpengaruh terhadap nilai mata pelajaran
Fisika. Sig. hasil praktikum diatas menunjukkan nilai Sig. sebesar 0,039 yang berarti nilai
Sig. < 0,05 sehingga data hasil praktikum ini menunjukkan Ho ditolak dan Hi diterima maka
aktivitas belajar berpengaruh terhadap hasil belajar.
Sum of square dalam analisis regresi ada 2, yakni sum of square regression dan sum
of square residual. Sum of square regression menghitung nilai total varian yang terbentuk
akibat dari nilai Y prediksi (total varian Y prediksi/estimasi hasil regresi) dimana dalam tabel
nilainya sebesar 218,076. Sum of square residual menghitung nilai total varian yang
terbentuk akibat dari nilai sisa antara Y aktual (hasil penelitian) dengan Y prediksi (estimasi
hasil regresi) dimana dalam tabel nilainya adalah 1041,924. Sedangkan Mean of Square
menunjukkan rata-rata varian yang dihitung per variabel (Mean of Square Regression) yaitu
sebesar 218,076 dan menunjuk rata-rata varian per data Y (mean square residual) yaitu
sebesar 45,301.

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 48,874 15,572 3,139 ,004

aktivitasbelajar ,331 ,181 ,327 1,828 ,039

a. Dependent Variable: hasilbelajar

Tabel keempat yaitu Coefficients dimana tabel ini menunjukkan untuk mengetahui
berapa konstan dari data tersebut dan juga tentang berapa variabel bebas yang mempengaruhi
variabel lainnya. Dengan kata lain tabel keempat menginformasikan model persamaan regresi
yang diperoleh dengan koefisien konstanta dan koefisien variabel yang ada di kolom
Unstandardized Coefficients B. Kita ketahui persaman Regresi linier yaitu Y = a + bx dimana
“y” menunjukan nilai mata pelajaran Fisika (Variabel yang terikat) dan “x” menunjukkan
aktivitas belajar (Variabel bebas), “a” adalah nilai konstan dan beta nol yang ditunjukkan
pada tabel yaitu sebesar 48,874 sedangkan “b” (Koefisien) adalah beta yaitu aktivitas beljaar
yang ditunjukan pada tabel sebesar 0,331. Sehingga Y = 48,874 + 0,331x. Apabila kita ingin
mengetahui apakah ada pengaruh atau tidak pada nilai mata pelajaran Matematika terhadap
nilai mata pelajaran Fisika maka kita dapat melihat pada nilai Sig yang kedua pada tabel
tersebut. Apabila nilai Sig. < 0,05 maka Ho ditolak sedangkan Hi diterima sehingga nilai
mata pelajaran Matematika berpengaruh terhadap nilai mata pelajaran Fisika. Begitu pula
sebaliknya apabila nilai Sig. > 0,05 maka Ho diterima dan Hi ditolak sehingga nilai mata
pelajaran matematika tidak berpengaruh terhadap nilai mata pelajaran Fisika. Karena nilai
Sig. pada tabel menunjukkan nilai sebesar 0,039 maka nilai Sig. < 0,05 sehingga Ho ditolak
sedangkan Hi diterima sehingga aktivitas belajar berpengaruh terhadapa hasil belajar.

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 72,0382 80,9729 77,2667 2,16456 30

Residual -15,01644 9,65264 ,00000 6,26427 30
Std. Predicted Value -2,415 1,712 ,000 1,000 30
Std. Residual -2,355 1,514 ,000 ,983 30

a. Dependent Variable: hasilbelajar

Residual adalah selisih antara nilai duga (predicted value) dengan nilai pengamatan
sebenarnya apabila data yang digunakan adalah data sampel. Tabel kelima ini didalamnya
terdapat jumalah “N”, standart deviation, mean atau rata-rata, nilai maksimum dan nilai
minimum. Terlihat pada tabel bahwa jumlah datanya adalah 30. Didalam tabel tersebut juga
terdapat Predicted value adalah nilai duga yang dihasilkan dari model regresi yang diperoleh.

Charts

Praktikum kali ini terdapat 2 grafik. Grafik pertama merupakan grafik standar residual
regresi dimana apabila didalam kurva tersebut terdapat batang kosong maka menandakan
bahwa tidak ada nilai interval pada batang tersebut. begitu pula sebaliknya jika terdapat kurva
seluruhnya tanpa ada yang kosong maka terdapat nilai interval seluruhnya pada grafik batang
tersebut. apabila membahas grafik ini maka yang perlu dibahas terlebih dahulu adalah tabel
residuals statistic. Grafik ini merupakan grafik histrogram. Dapat dilihat bahwa grafik
tersebut tidak ada yang kosong dan hampir ada yang sama atau tidak sehingga grafik ini
menunjukkan data berdistribusi normal tidak rata.

Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat
grafik histrogram yang membandingkan antara data observasi dengan distribusi yang
mendekati normal. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran
data (titik-titik) pada sumbu diagaonal dari grafik atau dengan melihat grafik residualnya.
Jika data penyebaran disekitar gaaris diagonal dan mengikuti arah garis diagonal atau
histrogramnya maka menunujukkan pola distribusi normal maka model regresi memenuhi
asumsi normalitas. Begitu juga sebaliknya apabila titik-tiitk jauh dari garis diagonal dan tidak
mengikuti garis diagonal maka tidak menunjukkan pola distribusi normal. Grafik kedua
adalah grafik hubungan peluang dengan ekspektasi. Dengan kata lain Garfik diatas terdapat
titik-titik yang menunjukkan apakah sesuai dengan ekspektasi. Apabila sesuai maka titik-titik
tersebut akan lurus dengan garis. Dapat dilihat pada grafik uji normal P-plot regresi diatas
menunjukkan titik-titik yang tidak jauh dari garis diagonal dan mengikuti garis diagonal
maka data yang kami gunakan adalah normal.

10. Kesimpulan

9.1 Ada pengaruh model jigsaw terhadap hasil belajar Fisika siswa dimana Sig. hasil
praktikum diatas menunjukkan nilai Sig. sebesar 0,000 dimana yang berarti nilai Sig. <
0,05 sehingga data hasil praktikum ini menunjukkan Ho ditolak dan Hi diterima maka
model pembelajaran ijigsaw berpengaruh terhadap hasil balajar Fisika di SMA kelas X
.Ada pengaruh aktivitas belajar siswa terhadap hasil belajar Fisika siswa dimana hasil
menunjukkan nilai Sig (0,000) < 0,05 yang berarti Ho ditolak dan Hi diterima maka
terdapat perbedaan antara hasil belajar fisika kelas eksperimen dan hasil belajar fisika
kelas kontrol

9.2 Sig. hasil praktikum sebesar 0,039 yang berarti nilai Sig. < 0,05 sehingga data hasil
praktikum ini menunjukkan Ho ditolak dan Hi diterima maka terdapat pengaruh aktivitas
belajar terhadap hasil belajar.