STATISTIK LANJUT
Tugas ini disusun untuk memenuhi tugas ujian akhir semester pada matakuliah
Statistik Lanjut yang diampu oleh:
Prof. Dr. I Made Candiasa, M.I. Kom. & Dr. I Putu Wisna Ariawan, M.Si
Rama
Penelitian ini menggunakan desain faktorial 3x2 dengan 3 variabel bebas dan 2 variabel terikat.
Untuk menguji hipotesis penelitian ini, analisis data yang digunakan adalah manova 1 jalur.
Konstalasi variabel dalam penelitian ini adalah sebagai berikut.
Hipotesis Penelitian Awal adalah Terdapat Pengaruh Antara Tiga Tipe Pembelajaran Kooperatif
(STAD, TGT, JIGSAW) pada Pembelajaran Algoritma Pemrograman terhadap Hasil Belajar dan Praktek
Uji Hipotesis Uji hipotesis yang digunakan adalah uji Manova Satu Jalur. Perumusan hipotesis nul (H 0)
dan hipotesis alternatif (Ha) adalah:
H0 : tidak terdapat perbedaan Antara Tiga Tipe Pembelajaran Kooperatif (STAD, TGT,
JIGSAW) pada Pembelajaran Algoritma Pemrograman terhadap Hasil Belajar Teori dan
Praktek
Ha : terdapat perbedaan Antara Tiga Tipe Pembelajaran Kooperatif (STAD, TGT, JIGSAW)
pada Pembelajaran Algoritma Pemrograman terhadap Hasil Belajar Teori dan Praktek.
Apabila taraf signifikansi terhitung α < (0,05) maka H 0 ditolak. Desain penelitian ini adalah
sebagai berikut:
A STAD TGT JIGSAW
B (A1) (A2) (A3)
Hasil Belajar A2
A1 B1 A3 B1
(B1) B1
Praktek (B2) A1 B2 A2 A3 B2
B2
Dari output Descriptive Statistics di atas, kita dapat mengetahui hasil dari uji deskripsi
dari masing-masing variabel bebes terhadap variabel terikat. Hasil belajar menggunakan
model pembelajaran STAD memiliki nilai rata-rata sebesar 80,75 dan standar deviasi sebesar
6,34. Hasil belajar menggunakan model pembelajaran TGT menemukan hasil rata-rata
sebesar 81,50 dan standar deviasi 7,79. Hasil belajar menggunakan model jigsaw menemukan
nilai rata-rata sebesar 79,08 dan standar deviasi sebesar 8,25.
Sedangkan hasil praktek dengan model pembelajaran STAD menemukan nilai rata-rata
sebesar 84,25 dan standar deviasi sebesar 8,92. Hasil praktik dengan model pembelajaran
TGT menemukan nilai rata-rata sebesar 80,30 dan standar deviasi sebesar 4,19. Hasil praktik
dengan model jigsaw menemukan nilai rata-rata sebesar 79,50 dan standar deviasi sebesar
6,86. Berdasarkan table tersebut diketahui nilai rata-rata hasil belajar tertinggi adalah hasil
belajar yang menggunakan model TGT, sedangkan hasil praktik tertinggi adalah model
STAD.
Pairwise Comparisons
95% Confidence
Mean Interval for Differenceb
Dependent (I) MOIDEL (J) MOIDEL Difference (I- Std. Lower Upper
Variable PEMBELAJARAN PEMBELAJARAN J) Error Sig.b Bound Bound
HASIL STAD TGT -.750 2.485 .764 -5.725 4.225
BELAJAR JIGSAW 5.750* 2.485 .024 .775 10.725
TEORI TGT STAD .750 2.485 .764 -4.225 5.725
JIGSAW 6.500* 2.485 .011 1.525 11.475
JIGSAW STAD -5.750* 2.485 .024 -10.725 -.775
TGT -6.500* 2.485 .011 -11.475 -1.525
HASIL STAD TGT 3.950 2.194 .077 -.443 8.343
BELAJAR JIGSAW 4.750* 2.194 .035 .357 9.143
PRAKTEK TGT STAD -3.950 2.194 .077 -8.343 .443
JIGSAW .800 2.194 .717 -3.593 5.193
JIGSAW STAD -4.750* 2.194 .035 -9.143 -.357
TGT -.800 2.194 .717 -5.193 3.593
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
b. Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).
Berdasarkan tabel Pairwise Comparisons, pada kolom Mean Difference (I-J) itu ada yang
berbintang (*) dan ada yang tidak berbintang (*). Dimana yang bertanda * itu artinya model
tersebut berbeda secara signifikan dibandingkan dengan model-model yang lain.
Untuk perbedaan hasil belajar teori berdasarkan model pembelajaran, yang memiliki
perbedaan paling signifikan adalah STAD dengan TGT pada Pembelajaran Algoritma
Pemrograman.
Untuk perbedaan praktek berdasarkan model pembelajaran, yang memiliki perbedaan
adalah STAD dengan TGT dengan JIGSAW pada Pembelajaran Algoritma Pemrograman.
Desain Penelitian
Model Tes
(A)
Kesukaran A1 A2
Keterangan:
A1: Power Test; A2: Speed Test; B1: Sukar; B2: Mudah;
Y1: Motivasi Belajar; Y2: Kreativitas Siswa
Rumuskan hipotesis penelitian di atas dan uji hipotesis tersebut dengan data fiktif yang dibuat
sendiri minimal 25 responden untuk tiap sel. Data tiap mahasiswa tidak boleh sama.
Jawab:
Penelitian ini menggunakan metode quasi eksperiment desain faktorial 2x2. Dan diuji
menggunakan MANOVA, dengan Desain treatment by level. Variabel yang intervensi
(manipulasi) adalah Model Tes dan Tingkat Kesukaran Tes. Sedangkan variabel manipulasi
(kontrol) adalah Motivasi Belajar dan Kreativitas Siswa.
A1 A2
Keterangan:
A1: Power Test; A2: Speed Test; B1: Sukar; B2: Mudah;
Y1: Motivasi Belajar; Y2: Kreativitas Siswa
Keterangan :
Y1(11) = skor hasil belajar model Power Test dan Tingkat Kesukaran sukar terhadap motivasi
belajar
Y2(11) = skor hasil belajar model Power Test dan Tingkat Kesukaran sukar terhadap kreativitas
siswa
Y1(21) = skor hasil belajar model Speed Test dan Tingkat Kesukaran sukar terhadap motivasi
belajar
Y2(21) = skor hasil belajar model Speed Test dan Tingkat Kesukaran sukar terhadap kreativitas
siswa
Y1(12) = skor hasil belajar model Power Test dan Tingkat Kesukaran mudah terhadap motivasi
belajar
Y2(12) = skor hasil belajar model Power Test dan Tingkat Kesukaran mudah terhadap kreativitas
siswa
Y1(2,2)= skor hasil belajar model Speed Test dan Tingkat Kesukaran mudah terhadap motivasi
belajar
Y2(22) = skor hasil belajar model Speed Test dan Tingkat Kesukaran mudah terhadap kreativitas
siswa
Uji Hipotesis
Uji hipotesis yang digunakan adalah uji Manova dengan desain faktorial 2x2. Perumusan
hipotesis nol (H0) dan hipotesis alternatif (Ha) adalah:
H0 : tidak terdapat perbedaan Motivasi Belajar dan Kreativitas Siswa Antara siswa
yang diberi Model Tes dan Tingkat Kesukaran Tes dengan siswa yang diberi Model
Konvensional
Ha : terdapat perbedaan Motivasi Belajar dan Kreativitas Siswa Antara siswa yang
diberi Model Tes dan Tingkat Kesukaran Tes dengan siswa yang diberi Model
Konvensional.
Apabila taraf signifikansi terhitung α < (0,05) maka H0 ditolak.
Selanjutnya data dianalisis menggunakan SPSS 22 For Windows. Hasil analisis adalah
sebagai berikut:
Descriptive Statistics
Model Ting.Kesukaran Mean Std. Deviation N
Motivasi Power Test Sukar 81.04 9.039 25
Mudah 78.92 10.356 25
Total 79.98 9.680 50
Speed Test Sukar 71.96 7.243 25
Mudah 83.40 11.475 25
Total 77.68 11.116 50
Total Sukar 76.50 9.314 50
Mudah 81.16 11.052 50
Total 78.83 10.434 100
Kreativitas Power Test Sukar 76.00 14.942 25
Mudah 80.24 9.011 25
Total 78.12 12.398 50
Speed Test Sukar 80.68 11.448 25
Mudah 78.12 13.308 25
Total 79.40 12.354 50
Total Sukar 78.34 13.384 50
Mudah 79.18 11.299 50
Total 78.76 12.330 100
Data analisis deskriptif menunjukkan bahwa dari sudut pandang motivasi belajar, siswa
mendapatkan nilai rerata tertinggi pada model speed test dengan tingkat kesukaran soal level
mudah. Rerata siswa 83.40 dengan standar deviasi 11.475. Sementara itu, rerata motivasi
belajar terendah diperoleh pada model speed test dengan tingkat kesukaran soal level sukar.
Rerata siswa 71.96 dengan standar deviasi 7.243.
Pada kreativitas, nilai rerata tertinggi ditemukan pada model speed test tingkat kesukaran
level sukar. Rerata siswa 80.68 dengan standar deviasi 11.448. Di sisi lain, nilai rerata
kreativitas terendah ditemukan pada model power test tingkat kesukaran level suka. Rerata
siswa 76.00 dengan standar deviasi 14.942
Uji homogenitas menunjukkan bahwa varian data pada variabel motivasi adalah homogen yang
ditunjukkan dengan nilai p>0.05 (0.075). Sementara itu, varian data pada kreativitas siswa
ditemukan tidak homogen dengan nilai p<0.05 (0.021).
Multivariate Testsa
Hypothesis Partial Eta
Effect Value F df Error df Sig. Squared
Intercept Pillai's Trace .992 5728.691b 2.000 95.000 .000 .992
Wilks' Lambda .008 5728.691b 2.000 95.000 .000 .992
Hotelling's Trace 120.604 5728.691b 2.000 95.000 .000 .992
Roy's Largest
120.604 5728.691b 2.000 95.000 .000 .992
Root
Model Pillai's Trace .016 .792b 2.000 95.000 .456 .016
Wilks' Lambda .984 .792b 2.000 95.000 .456 .016
Hotelling's Trace .017 .792b 2.000 95.000 .456 .016
Roy's Largest
.017 .792b 2.000 95.000 .456 .016
Root
b
Ting.Kesukaran Pillai's Trace .060 3.017 2.000 95.000 .054 .060
Wilks' Lambda .940 3.017b 2.000 95.000 .054 .060
Hotelling's Trace .064 3.017b 2.000 95.000 .054 .060
Roy's Largest
.064 3.017b 2.000 95.000 .054 .060
Root
b
Model * Pillai's Trace .124 6.704 2.000 95.000 .002 .124
Ting.Kesukaran Wilks' Lambda .876 6.704b 2.000 95.000 .002 .124
Hotelling's Trace .141 6.704b 2.000 95.000 .002 .124
Roy's Largest
.141 6.704b 2.000 95.000 .002 .124
Root
a. Design: Intercept + Model + Ting.Kesukaran + Model * Ting.Kesukaran
b. Exact statistic
Hasil uji multivariat menunjukkan bahwa model test tidak memberikan pengaruh yang
signifikan terhadap motivasi belajar dan kreativitas siswa dengan nilai p>0.05 (0.456). Lebih
lanjut, tingkat kesukaran soal juga tidak memberikan pengaruh yang signifikan terhadap motivasi
belajar dan kreativitas siswa dengan nilai p>0.05 (0.054). Sementara itu, ditemukan terdapat
pengaruh interaksi yang signifikan antara model test dan tingkat kesukaran soal terhadap
motivasi belajar dan kreativitas siswa secara simultan. Hal itu ditunjukkan dengan nilai p<0.05
(0.002). Oleh karena itu, hasil analisis ini menunjukkan model test dan tingkat kesukaran soal
secara parsial tidak memberikan pengaruh terhadap motivasi belajar dan kreativitas secara
keseluruhan. Di sisi lain, interaksi antara model test dan tingkat kesukaran soal memberikan
pengaruh signifikan terhadap motivasi belajar dan kreativitas secara keseluruhan.
Hasil uji Manova mengungkap bahwa model test tidak memberikan pengaruh yang
signifikan terhadap motivasi belajar dengan nilai p>0.05 (0.237) begitu pula terhadap kreativitas
siswa dengan nilai p>0.05 (0.606). Selanjutnya, tingkat kesukaran soal hanya memberikan
pengaruh signifikan terhadap motivasi belajar dengan nilai p<0.05 (0.018) dan tidak berpengaruh
signifikan terhadap kreativitas siswa dengan nilai p>0.05 (0.735). Interaksi antara model test dan
tingkat kesukaran soal juga ditemukan hanya memberikan pengaruh yang signifikan terhadap
motivasi belajar (p=0.001). Di sisi lain, tidak terdapat pengaruh interaksi anatara model test dan
tingkat kesukaran soal terhadap kreativitas siswa (p=0.173).
3) Suatu penelitian ingin membandingkan hasil belajar teori (Y1) dan praktek (Y2) dari
tiga tipe pembelajaran kooperatif (STAD, TGT, JIGSAW) pada pembelajaran
Algoritma Pemrograman dengen pengendalian kecerdasan, seperti desain di bawah ini.
Rumuskan hipotesis penelitan tersebut. Selanjutnya uji hipotesis tersebut dengan data
fiktif yang dibuat sendiri (minimal 20 data untuk tiap kelompok/sel dan data tiap-tiap
mahasiswa harus berbeda).
Jawab:
Penelitian ini menggunakan metode quasi eksperiment desain, diuji menggunakan
MANCOVA satu jalur. Variabel bebas dalam eksperimen ini adalah tipe pembelajaran
koopertatif (STAD, TGT, dan JIGSAW). Sedangkan variabel terikat dalam penelitian ini adalah
variabel Hasil Belajar dan Praktek. Kovariat dalam penelitian ini adalah kecerdasan
Uji Hipotesis
Uji hipotesis yang digunakan adalah uji Mancova Satu Jalur. Perumusan hipotesis nol (H0) dan
hipotesis alternatif (Ha) adalah:
H0 : tidak terdapat perbedaan Antara Tiga Tipe Pembelajaran Kooperatif (STAD, TGT,
JIGSAW) pada Pembelajaran Algoritma Pemrograman terhadap Hasil Belajar Teori
dan Praktek dengan pengendalian kecerdasan
Ha : terdapat perbedaan Antara Tiga Tipe Pembelajaran Kooperatif (STAD, TGT,
JIGSAW) pada Pembelajaran Algoritma Pemrograman terhadap Hasil Belajar Teori
dan Praktek dengan pengendalian kecerdasan
Uji Hipotesis antara variabel dependen dengan variabel kovarian
H0 : kecerdasan tidak mempengaruhi Hasil Belajar Teori pada Pembelajaran Algoritma
Pemrograman dengan menggunakan Tiga Tipe Pembelajaran Kooperatif (STAD, TGT,
JIGSAW)
Ha : kecerdasan mempengaruhi Hasil Belajar Teori pada Pembelajaran Algoritma
Pemrograman dengan menggunakan Tiga Tipe Pembelajaran Kooperatif (STAD, TGT,
JIGSAW)
H0 : kecerdasan tidak mempengaruhi Praktek pada Pembelajaran Algoritma
Pemrograman dengan menggunakan Tiga Tipe Pembelajaran Kooperatif (STAD, TGT,
JIGSAW)
Ha : kecerdasan tidak mempengaruhi Praktek pada Pembelajaran Algoritma
Pemrograman dengan menggunakan Tiga Tipe Pembelajaran Kooperatif (STAD, TGT,
JIGSAW)
Descriptive Statistics
Model Mean Std. Deviation N
HBT STAD 66.95 12.605 20
TGT 62.70 8.712 20
JIGSAW 74.65 8.768 20
Total 68.10 11.191 60
HBP STAD 68.85 6.285 20
TGT 71.25 12.523 20
JIGSAW 65.90 10.799 20
Total 68.67 10.279 60
Rerata hasil belajar teori tertinggi setelah pengendalian kecerdasan ditemukan pada
model pembelajaran Jigsaw dengan nilai 74.65 (SD=8.768) dan yang terendah ditemukan pada
model TGT dengan nilai 62.70 (SD=8.712). Di variabel hasil belajar praktik, model
pembelajaran TGT memberikan rerata tertinggi dengan nilai 71.25 (SD=12.523) dan yang
terendah ditemukan pada model Jigsaw dengan nilai 65.90 (SD=10.799) setelah pengendalian
kecerdasan.
Multivariate Testsa
Effect Value F Hypothesis df Error df Sig. Partial Eta Squared
Intercept Pillai's Trace .989 2426.371b 2.000 53.000 .000 .989
Wilks' Lambda .011 2426.371b 2.000 53.000 .000 .989
Hotelling's Trace 91.561 2426.371b 2.000 53.000 .000 .989
Roy's Largest Root 91.561 2426.371b 2.000 53.000 .000 .989
Model Pillai's Trace .262 4.073 4.000 108.000 .004 .131
Wilks' Lambda .738 4.348b 4.000 106.000 .003 .141
Hotelling's Trace .355 4.614 4.000 104.000 .002 .151
Roy's Largest Root .355 9.572c 2.000 54.000 .000 .262
X Pillai's Trace .064 1.820b 2.000 53.000 .172 .064
Wilks' Lambda .936 1.820b 2.000 53.000 .172 .064
Hotelling's Trace .069 1.820b 2.000 53.000 .172 .064
Roy's Largest Root .069 1.820b 2.000 53.000 .172 .064
Model * X Pillai's Trace .071 .996 4.000 108.000 .413 .036
Wilks' Lambda .929 .996b 4.000 106.000 .413 .036
Hotelling's Trace .077 .995 4.000 104.000 .414 .037
Roy's Largest Root .076 2.060c 2.000 54.000 .137 .071
a. Design: Intercept + Model + X + Model * X
b. Exact statistic
c. The statistic is an upper bound on F that yields a lower bound on the significance level.
Analisis Manova mengonfirmasi hasil analisis multivariat pada variabel terikat secara
parsial. Hasil analisis menunjukkan kecerdasan sebagai kovariat tidak memberikan pengaruh
yang signifikan terhadap hasil belajar teori dengan nilai p>0.05 (0.135) dan hasil belajar praktik
dengan nilai p>0.05 (0.312). Begitu pula integrasi antara kecerdasan dan model pembelajaran
menunjukkan hasil yang serupa dengan nilai p>0.05 (0.138) dan p>0.05 (0.943) untuk hasil
belajar teori dan praktik secara berturut-turut. Sementara itu, model pembelajaran memberikan
pengaruh yang signifikan terhadap hasil belajar teori siswa dengan nilai p<0.05 (0.001) namun
tidak memberikan pengaruh yang signifikan terhadap hasil belajar praktik siswa dengan nilai
p>0.05 (0.272).
Pairwise Comparisons
95% Confidence Interval for
Dependent (I) (J) Mean Difference Std. Differenceb
Variable Model Model (I-J) Error Sig.b Lower Bound Upper Bound
HBT TGT STAD 5.440 3.208 .096 -.991 11.871
*
JIGSAW -7.044 3.249 .035 -13.558 -.530
TGT STAD -5.440 3.208 .096 -11.871 .991
JIGSAW -12.484* 3.322 .000 -19.145 -5.824
JIGSAW STAD 7.044* 3.249 .035 .530 13.558
TGT 12.484* 3.322 .000 5.824 19.145
HBP STAD TGT -2.684 3.364 .428 -9.428 4.061
JIGSAW 3.734 3.407 .278 -3.097 10.565
TGT STAD 2.684 3.364 .428 -4.061 9.428
JIGSAW 6.418 3.484 .071 -.567 13.402
JIGSAW STAD -3.734 3.407 .278 -10.565 3.097
TGT -6.418 3.484 .071 -13.402 .567
Based on estimated marginal means
*. The mean difference is significant at the ,05 level.
b. Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).
Hasil uji lanjut antara model pembelajaran dengan hasil belajar teori menunjukkan bahwa
model pembelajaran Jigsaw memberikan pengaruh paling signifikan terhadap hasil belajar teori
siswa dengan nilai p<0.05.
Model Tes
(A)
A1 A2
Tingkat Kesukaran
X(21)
B1 X(11) Y1(11) X(11) Y2(11) X(21) Y1(21)
Y2(21)
X(22)
B2 X(12) Y1(12) X(12) Y2(12) X(22) Y1(2,2)
Tes (B)
Y2(22)
Keterangan:
A1: Power Test; A2: Speed Test; B1: Sukar; B2: Mudah;
X: Kecerdasan Siswa; Y1: Motivasi Belajar; Y2:Kreativitas Siswa
Jawab:
Karena banyaknya kovariat hanya satu, maka untuk menguji asumsi ini dapat diperiksa
menggunakan uji ANAVA. Hipotesis untuk uji ini adalah :
Interaksi Model Tes dan Tingkat Kesukaran
(H0) = Kecerdasan Siswa tidak berkorelasi dengan model tes dan tingkat kesukaran
(Ha) = Kecerdasan Siswa berkorelasi dengan model tes dan tingkat kesukaran
Model Tes
(H0) = Kecerdasan Siswa tidak berkorelasi dengan model tes
(Ha) = Kecerdasan Siswa berkorelasi dengan model tes
Tingkat Kesukaran
(H0) = Kecerdasan Siswa tidak berkorelasi dengan tingkat kesukaran
(Ha) = Kecerdasan Siswa berkorelasi dengan tingkat kesukaran
Data pada tabel diatas selanjutnya dianalisis dengan SPSS 22. For Windows. Berdasarkan
analisis, didapatkan hasil sebagai berikut:
Multivariate Testsa
Partial
Eta
Effect Value F Hypothesis df Error df Sig. Squared
Intercept Pillai's Trace .535 52.932b 2.000 92.000 .000 .535
b
Wilks' Lambda .465 52.932 2.000 92.000 .000 .535
Hotelling's Trace 1.151 52.932b 2.000 92.000 .000 .535
b
Roy's Largest Root 1.151 52.932 2.000 92.000 .000 .535
Model Pillai's Trace .070 3.442b 2.000 92.000 .036 .070
Wilks' Lambda .930 3.442b 2.000 92.000 .036 .070
Hotelling's Trace .075 3.442b 2.000 92.000 .036 .070
Roy's Largest Root .075 3.442b 2.000 92.000 .036 .070
Tingkat_Kesukatran Pillai's Trace .072 3.568b 2.000 92.000 .032 .072
Wilks' Lambda .928 3.568b 2.000 92.000 .032 .072
b
Hotelling's Trace .078 3.568 2.000 92.000 .032 .072
Roy's Largest Root .078 3.568b 2.000 92.000 .032 .072
Kecerdasan Pillai's Trace .192 10.938b 2.000 92.000 .000 .192
Wilks' Lambda .808 10.938b 2.000 92.000 .000 .192
Hotelling's Trace .238 10.938b 2.000 92.000 .000 .192
Roy's Largest Root .238 10.938b 2.000 92.000 .000 .192
Model * Pillai's Trace .037 1.766b 2.000 92.000 .177 .037
Tingkat_Kesukatran Wilks' Lambda .963 1.766b 2.000 92.000 .177 .037
b
Hotelling's Trace .038 1.766 2.000 92.000 .177 .037
Roy's Largest Root .038 1.766b 2.000 92.000 .177 .037
Model * Kecerdasan Pillai's Trace .084 4.206b 2.000 92.000 .018 .084
Wilks' Lambda .916 4.206b 2.000 92.000 .018 .084
Hotelling's Trace .091 4.206b 2.000 92.000 .018 .084
Roy's Largest Root .091 4.206b 2.000 92.000 .018 .084
Tingkat_Kesukatran Pillai's Trace .065 3.181b 2.000 92.000 .046 .065
* Kecerdasan Wilks' Lambda .935 3.181 b
2.000 92.000 .046 .065
Hotelling's Trace .069 3.181b 2.000 92.000 .046 .065
b
Roy's Largest Root .069 3.181 2.000 92.000 .046 .065
a. Design: Intercept + Model + Tingkat_Kesukatran + Kecerdasan + Model * Tingkat_Kesukatran + Model *
Kecerdasan + Tingkat_Kesukatran * Kecerdasan
b. Exact statistic
Tests the null hypothesis that the error variance of the dependent variable is
equal across groups.
a. Design: Intercept + Model + Tingkat_Kesukatran + Kecerdasan + Model *
Tingkat_Kesukatran + Model * Kecerdasan + Tingkat_Kesukatran *
Kecerdasan
Hasil uji homogenitas menunjukkan varian data untuk variabel motivasi belajar dan
kreativitas siswa adalah homogen dengan nilai p>0.05 secara berturut-turut yaitu 0.059 dan
0.061.
Tests of Between-Subjects Effects
Dependent Type III Sum of Partial Eta
Source Variable Squares df Mean Square F Sig. Squared
Corrected Model Motivasi Belajar 4345.106a 6 724.184 7.844 .000 .336
Kreativitas Siswa 1566.738b 6 261.123 2.388 .034 .133
Intercept Motivasi Belajar 1958.583 1 1958.583 21.213 .000 .186
Kreativitas Siswa 9065.442 1 9065.442 82.891 .000 .471
Model Motivasi Belajar 630.561 1 630.561 6.830 .010 .068
Kreativitas Siswa 21.773 1 21.773 .199 .657 .002
Tingkat_Kesukatran Motivasi Belajar 557.370 1 557.370 6.037 .016 .061
Kreativitas Siswa 148.755 1 148.755 1.360 .246 .014
Kecerdasan Motivasi Belajar 1965.386 1 1965.386 21.287 .000 .186
Kreativitas Siswa 123.422 1 123.422 1.129 .291 .012
Model * Motivasi Belajar 38.026 1 38.026 .412 .523 .004
Tingkat_Kesukatran Kreativitas Siswa 353.455 1 353.455 3.232 .075 .034
Model * Kecerdasan Motivasi Belajar 773.878 1 773.878 8.382 .005 .083
Kreativitas Siswa 21.676 1 21.676 .198 .657 .002
Tingkat_Kesukatran * Motivasi Belajar 538.092 1 538.092 5.828 .018 .059
Kecerdasan Kreativitas Siswa 80.207 1 80.207 .733 .394 .008
Error Motivasi Belajar 8586.454 93 92.327
Kreativitas Siswa 10171.022 93 109.366
Total Motivasi Belajar 662890.000 100
Kreativitas Siswa 615156.000 100
Corrected Total Motivasi Belajar 12931.560 99
Kreativitas Siswa 11737.760 99
a. R Squared = ,336 (Adjusted R Squared = ,293)
b. R Squared = ,133 (Adjusted R Squared = ,078)
Dependent Variable Model Mean Std. Error Lower Bound Upper Bound
a
Motivasi Belajar Power Test 78.884 1.438 76.028 81.739
a. Covariates appearing in the model are evaluated at the following values: Kecerdasan Siswa = 85,23.
2. Tingkat_Kesukatran
a. Covariates appearing in the model are evaluated at the following values: Kecerdasan Siswa = 85,23.
5) uatu penelitian ingin mengkaji pengaruh langsung dan tidak langsung variabel
penguasaan materi ajar (X1) dan penguasaan pedagogi (X2) terhadap kemampuan
praktek mengajar (Y) melalui kemampuan melaksanakan pembelajaran mikro (X3)
dengan konstelasi permasalahan sebagai berikut.
X1
X3 Y
X2
Rumuskan hipotesis penelitian di atas dan uji hipotesis tersebut dengan data fiktif yang
dibuat sendiri minimal 25 responden untuk tiap variabel (tidak boleh sama).
Jawab:
Hipotesis Penelitian:
H0: Tidak terdapat pengaruh langsung penguasaan materi ajar (X 1) dan penguasaan
paedagogi (X2) terhadap kemampuan pembelajaran mikro (X3)
Ha: Terdapat pengaruh langsung penguasaan materi ajar (X1), penguasaan paedagogi (X2)
terhadap kemampuan pembelajaran mikro (X3)
H0: Tidak terdapat pengaruh langsung penguasaan materi ajar (X 1), penguasaan
paedagogi (X2) dan kemampuan pembelajaran mikri (X3) terhadap kemampuan praktek
mengajar (Y)
Ha: Terdapat pengaruh langsung penguasaan materi ajar (X1), penguasaan paedagogi (X2)
dan kemampuan pembelajaran mikro (X3) terhadap kemampuan praktek mengajar (Y)
H0: Tidak terdapat pengaruh penguasaan materi ajar (X1), penguasaan paedagogi (X2)
melalui keterampilam mikro (X3) terhadap kemampuan praktek mengajar (Y)
Ha: Terdapat pengaruh penguasaan materi ajar (X1), penguasaan paedagogi (X2) melalui
keterampilam mikro (X3) terhadap kemampuan praktek mengajar (Y)
Berdasarkan analisis yang dilakukan, didapatkan data sebagai berikut:
Model Summary
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
X1 0,529
X3
X2
0,471
Model Summary
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Kemampuan Melaksanakan
.763 .178 .748 4.285 .000
Pembelajaran Mikro
X1 -0,095
0,529
X3 Y
0.748
X2 0,471
0.346
Kesimpulan
Dari serangkaian pembahasan atas hasil di atas, kita dapat menarik kesimpulan sebagai berikut:
1. Penguasaan materi ajar dan penguasaan paedagogi berpengaruh langsung terhadap
pembelajaran mikro
2. Penguasaan materi ajar (X1) tidak berpengaruh secara langsung terhadap kemampuan
praktek mengajar (Y) sedangkan penguasaan paedagogi (X2) dan kemampuan mengajar
mikro (X3) berpengaruh langsung terhadap kemampuan praktek mengajar (Y).
3. Tidak terdapat pengaruh penguasaan materi ajar (X1), penguasaan paedagogi (X2) melalui
kemampuan pembelajaran mikro mikro (X3) terhadap kemampuan praktek mengajar (Y).
6) Seorang peneliti ingin mengetahui model struktural kemampuan praktek mengajar
calon guru matematika. Dari model yang dibuat oleh peneliti, ingin diketahui apakah
model tersebut sesuai dengan data yang ada. Berikut ini adalah model struktural
kemampuan praktek mengajar calon guru matematika.
Keterangan:
= Manajemen Kelas
X1 = Pengetahuan Faktual Y2 =
Pembelajaran
X 2 = Pengetahuan Konseptual δ = error indikator X
X 3 = Pemahaman ε = error indikator Y
Berikut ini adalah hasil dari pengukuran variabel observasi yang terdiri dari 50 responden.
No. X1 X2 X3 X4 X5 X6 Y1 Y2 No. X1 X2 X3 X4 X5 X6 Y1 Y2
1 18 17 13 16 20 16 16 12 26 22 20 19 16 20 17 18 16
2 23 20 19 15 20 14 17 16 27 20 20 19 16 19 17 16 19
3 17 18 16 16 19 20 20 20 28 19 17 19 16 18 19 18 17
4 21 21 19 17 21 19 19 18 29 19 19 15 14 14 10 15 15
5 17 16 12 16 20 14 16 12 30 19 18 16 14 16 12 17 16
6 25 23 17 20 24 21 22 16 31 18 20 18 15 20 18 17 18
7 20 17 19 15 20 14 17 16 32 19 19 13 14 18 16 19 19
8 23 20 21 17 19 14 19 13 33 19 18 13 15 18 17 18 16
9 23 20 19 17 20 17 21 16 34 25 23 11 17 25 15 19 9
10 23 24 17 16 20 18 20 16 35 25 25 18 18 25 24 25 21
11 21 20 22 16 20 20 20 20 36 23 23 19 15 19 18 20 20
12 19 19 19 16 20 20 20 18 37 25 20 20 16 22 20 20 20
13 18 18 20 16 20 20 20 20 38 19 19 18 15 19 16 19 16
14 25 25 25 17 21 22 22 19 39 23 17 14 13 19 14 18 16
15 20 20 25 17 21 15 18 19 40 19 18 17 15 17 16 22 20
16 25 25 25 16 22 18 23 19 41 14 20 15 15 16 14 20 16
17 23 16 16 15 22 18 21 17 42 18 18 16 16 19 17 18 16
18 22 20 23 16 20 18 23 22 43 23 20 8 18 25 14 14 12
19 18 15 15 16 20 18 18 16 44 21 20 16 16 21 18 18 16
20 21 20 16 14 18 17 18 17 45 21 19 20 15 21 20 20 16
21 22 18 18 17 23 22 23 19 46 20 18 20 16 22 20 20 20
22 20 13 14 12 18 12 18 14 47 19 20 16 16 21 18 18 16
23 24 20 19 16 22 13 17 16 48 25 25 22 17 22 15 24 21
24 22 19 16 17 21 17 19 21 49 25 25 25 18 25 25 25 25
25 20 16 18 14 19 20 20 20 50 20 20 12 17 20 13 16 12
Jawab:
Penelitian ini menggunakan metode analisis Structural Equation Modeling dengan
Partial Least Square (SEM-PLS). Aplikasi komputer yang digunakan untuk mengolah data
dengan penggunaan metode SEM-PLS adalah IBM SPSS Statistics 22 dan smartPLS 3.0.
Berdasarkan tabel Statistics diatas ditemukan hasil bahwa sampel tiap variabel berjumlah
50. Sebagai contoh variabel Pembelajaran yang memiliki kisaran 9 sampai 25 dengan nilai rata-
rata sebesar 17,20 dan standar deviasi sebesar 3,010. Dengan melihat nilai rata-rata sebesar
17,20 yang melebihi nilai median 16,50 dapat dikatakan bahwa variabel Pembelajaran memiliki
nilai yang tinggi.
Analisis data dalam penelitian ini dibantu dengan Aplikasi SMART PLS For Windows
A. Menilai Outer Model
1. Convergent Validity
Penilaian convergent validity berdasar pada korelasi antara item score/component
score yang diestimasi dengan Soflware PLS. Ukuran refleksif individual dikatakan tinggi jika
berkorelasi lebih dari 0.70 dengan konstruk yang diukur. Namun untuk penelitian tahap awal
dari pengembangan skala pengukuran nilai loading 0.5 sampai 0.6 dianggap cukup memadai.
Dalam penelitian ini akan digunakan batas loading factor sebesar 0.60.
Berdasarkan tabel diatas diketahui nilai loading factor untuk indikator dari variabel
laten memiliki nilai loading factor lebih besar dibanding nilai loading variabel laten lainnya.
Artinya, variabel laten memiliki discriminant validity yang baik.
3. Mengevaluasi Reability dan Average Variance Extracted (AVE)
Kriteria validity dan reliabilitas juga dapat dilihat dari nilai reliabilitas suatu konstruk
dan nilai Average Variance Extracted (AVE) dari masing-masing konstruk. Konstruk
dikatakan memiliki reliabilitas yang tinggi jika nilainya 0.70 dan AVE berada diatas 0.50.
Pada dibawah ini akan disajikan nilai Composite Reliability dan AVE untuk seluruh variabel.
Composite Reliability dan Average Variance Extracted
Variabel Composite Reliability Average Variance
Extracted
Penguasaan Materi Ajar 0.900 0,819
Penguasaan Pedagogi 0,755 0,607
Pembelajaran Mikro 0,856 0,749
Kemampuan Praktek 0,907 0,830
Mengajar
Berdasarkan tabel diatas dapat disimpulkan semua konstruk memenuhi kriteria reliabel,
hal ini ditunjukkan dengan nilai composite reliability˃ 0.70 dan AVE ˃ 0.50 sebagaimana
kriteria yang direkomendasikan.
Model struktural pada SEM dengan PLS dilakukan dengan uji R-squared (R2) dan uji
signifikansi melalui estimasi koefisien jalur.
1. Pengujian R2
Hasil dari PLS R-Squares mempresentasikan jumlah variance dari konstruk yang
dijelaskan oleh model. Berikut disajikan hasil penghitungan nilai R-Squares:
Nilai R-Square
N
Variabel R-Square
o.
Kemampuan Praktek
1 0,465
Mengajar
2 Pembelajaran Mikro 0,433
Penelitian ini menggunakan 2 variabel yang dipengaruhi oleh variabel lainnya yaitu
variabel Kemampuan Praktek Mengajar (Y) yang dipengaruhi oleh penguasaan materi ajar
(X1) dan penguasaan pedagogi (X2) dan variabel Pembelajaran Mikro (X3) yang
dipengaruhi oleh penguasaan materi ajar (X1) dan penguasaan pedagogi (X2) dan
Kemampuan Praktek Mengajar (Y). Tabel Nilai R-Square menunjukkan nilai R-square
untuk variabel Kemampuan Praktek Mengajar (Y) diperoleh sebesar 0,465 dan untuk
variabel Pembelajaran Mikro (X3) diperoleh sebesar 0,433. Hasil ini menunjukkan bahwa
46.5% variabel Kemampuan Praktek Mengajar (Y) dipengaruhi Praktek Mengajar (Y) yang
dipengaruhi oleh penguasaan materi ajar (X1) dan penguasaan pedagogi (X2) dan variabel
Pembelajaran Mikro (X3) dan 43.3% variabel Pembelajaran Mikro (X3) yang dipengaruhi
oleh penguasaan materi ajar (X1) dan penguasaan pedagogi (X2) dan Kemampuan Praktek
Mengajar (Y).
2. Uji Signifikansi
Uji signifikansi pada model SEM dengan PLS bertujuan untuk mengetahui pengaruh
variabel eksogen terhadap variabel endogen. Pengujian hipotesis dengan metode SEM PLS
dilakukan dengan cara melakukan proses bootstrapping dengan bantuan program komputer
smartPLS 3.0 sehingga diperoleh hubungan pengaruh variabel eksogen terhadap variabel
endogen sebagai berikut:
a) Pengujian Hipotesis Pengaruh Langsung
Dasar pengujian hipotesis dalam penelitian ini adalah nilai yang terdapat pada output
result for inner weight. Hasil output estimasi untuk pengujian model struktural dapat dilihat pada
tabel berikut:
Result For Inner Weights
Pengujian Hipotesis
1. H0 : 𝜌𝑧𝑦 = 0 : Tidak terdapat pengaruh Pembelajaran Mikro terhadap Kemampuan Praktek
Mengajar
Ha : 𝜌𝑧𝑦 ≠ 0 : Terdapat pengaruh Pembelajaran Mikro terhadap Kemampuan Praktek
Mengajar
Pengaruh Pembelajaran Mikro terhadap Kemampuan Praktek Mengajar menunjukkan
nilai Tstatistik sebesaar 2,150, nilai tersebut lebih besar dari nilai t tabel (2,0). Arah hubungan
langsung Pembelajaran Mikro terhadap Kemampuan Praktek Mengajar adalah positif dengan
nilai koefisien jalur sebesar 0,373. Sehingga diperoleh kesimpulan bahwa Pembelajaran Mikro
berpengaruh positif terhadap Kemampuan Praktek Mengajar Berdasarkan hal tersebut dapat
ditarik kesimpulan bahwa Hipotesis (Ha) Diterima.
3. H0: 𝜌𝑦𝑥1 = 0 : Tidak terdapat pengaruh Penguasaan Materi Ajar terhadap Pembelajaran
Mikro
Ha: 𝜌𝑦𝑥1 = 0 : Terdapat pengaruh Penguasaan Materi Ajar terhadap Pembelajaran Mikro
Pengaruh Penguasaan Materi Ajar terhadap Pembelajaran Mikro menunjukkan nilai
Tstatistik sebesaar 1,071, nilai tersebut lebih kecil dari nilai ttabel (2,0). Arah hubungan langsung
Penguasaan Materi Ajar terhadap Pembelajaran Mikro adalah positif dengan nilai koefisien jalur
sebesar 0.199. Sehingga diperoleh kesimpulan bahwa Penguasaan Materi Ajar tidak terbukti
menjadi mediasi hubungan Pembelajaran Mikro. Berdasarkan hal tersebut dapat ditarik
kesimpulan bahwa Hipotesis (H0) Diterima.
Hasil pengujian hipotesis pengaruh tidak langsung melalui Pembelajaran Mikro sebagai
variabel intervening.
Specific Indirect Effect
Pengujian Hipotesis
1. H0: 𝜌𝑦𝑥𝑖1−2 = 0: Tidak terdapat pengaruh Penguasaan Materi Ajar dan Pembelajaran Mikro
terhadap Kemampuan Praktek Mengajar
Ha: 𝜌𝑦𝑥𝑖1−2 ≠ 0: Terdapat pengaruh Penguasaan Materi Ajar dan Pembelajaran Mikro
terhadap Kemampuan Praktek Mengajar.
Pengaruh Penguasaan Materi Ajar terhadap Kemampuan Praktek Mengajar melalui
Pembelajaran Mikro sebagai variabel intervening dengan ditunjukkan nilai T statistik sebesar 0,956
yang lebih kecil dari ttabel (2,0). Berdasarkan hal tersebut dapat dikatakan bahwa H0 diterima.
Dapat disimpulkan “Penguasaan Materi Ajar secara tidak langsung melalui Pembelajaran Mikro
sebagai variabel intervening tidak berpengaruh secara signifikan terhadap Kemampuan Praktek
Mengajar”.
2. H0: 𝜌𝑧𝑥𝑖1−2 = 0 : Tidak terdapat pengaruh Penguasaan Pedagogi dan Pembelajaran Mikro
terhadap Kemampuan Praktek Mengajar.
Ha: 𝜌𝑧𝑥𝑖1−2 ≠ 0 : Terdapat pengaruh Penguasaan Pedagogi dan Pembelajaran Mikro
terhadap Kemampuan Praktek Mengajar.
Pengaruh Penguasaan Pedagogi terhadap Kemampuan Praktek Mengajar melalui
Pembelajaran Mikro sebagai variabel intervening dengan ditunjukkan nilai Sstatistik sebesar
2,093 yang lebih besar dari ttabel (2,0). Berdasarkan hal tersebut dapat dikatakan bahwa Ha
diterima. Dapat disimpulkan “Penguasaan Pedagogi secara tidak langsung melalui Pembelajaran
Mikro sebagai variabel intervening berpengaruh secara signifikan terhadap Kemampuan Praktek
Mengajar”.