( S Post ) −( S Pre )
tersebut. Uji n-gain dapat dihitung menggunakan persamaan ( g)= . Terdapat 2
100 %−( S Pre )
jenis n gain yaitu:
1. Gain dari rata-rata (gain of average)
Merupakan definisi "standar" dari gain yang dinormalisasi, menurut Hake. Pada gain of
average, berlaku beberapa ketentuan sebagai berikut:
- Mengabaikan data yang cocok (matched)
- Biasanya digunakan pada sampel/populasi yang besar.
- Analisis dari nilai rata-rata kelas, sehingga jika hanya memiliki nilai rata-rata saja (tidak
memiliki nilai individual) maka gain of average dapat digunakan.
- Digunakan pada instsitusi dan latar belakang yang berbeda
Langkah-langkah:
- Menghitung nilai rata-rata pretest
- Menghitung nilai rata-rata posttest
- Menghitung n gain menggunakan persamaan <g> sebagai berikut:
Dimana:
<g> = Average normalized gain/ N-gain rata-rata/Gain ternormalisasi rata-rata
<post> = Rerata post/ final test kelas
<pre> = Rerata pre/ initial test kelas
2. Rata-rata Gain (Average of Gain)
Average of Gain Sangat umum digunakan karena biasanya digunakan pada
sampel/populasi yang kecil. Average of Gain dapat pula digunakan untuk mencocokkan
data, karena sebelumnya harus memiliki data individu untuk perhitungan gain nya.
Average of Gain juga bisa untuk menghubungkan perolehan siswa individu dengan
perolehan rata-rata kelas.
Langkah-langkah:
- Menghitung gain ternormalisasi terlebih dahulu untuk masing-masing siswa
- Setelah itu baru menghitung rata-rata gain nya menggunakan persamaan berikut:
- Berawal dari rata-rata gain, muncullah normalisasi baru yang dinamakan normalisasi c
atau n-change oleh (Marx dan Cummings, 2007)
Uji n-change merupakan hasil penyempurnaan untuk menentukan skor N-gain. Atau
secara sederhana disebut juga sebagai n gain yang memiliki cakupan negatif. Terdapat
beberapa keadaan dalam menentukan skor n-change. Keadaan pertama, menunjukkan skor
posttest lebih besar daripada pretest, maka persamaan c yang digunakan sama dengan
persamaan yang diajukan Hake (1999). Keadaan kedua, yaitu skor pretest sama dengan
posttest (100 atau 0), sehingga data tersebut tidak digunakan dalam perhitungan hal ini
karena kinerja siswa diluar lingkup instrumen pengukuran. Keadaan ketiga, yaitu skor pretest
sama dengan posttest, sehingga skor c sama dengan nol. Keadaan terakhir, yaitu skor posttest
lebih kecil daripada skor pretest. Nilai skor c diperoleh dengan mengubah terlebih dahulu
skor pretest dan posttest nya dalam bentuk persentase.
Perhitungan uji n-change dilakukan secara menual dan bisa menggunakan aplikasi Ms.
Excell, dengan langkah sebagai berikut:
- Menghitung rata-rata skor pre test
- Menghitung rata-rata skor post test
- Menggunakan rumus perhitungan n-gain kita dapat menentukan nilai g yang disesuaikan
dengan keadaan yang ada pada tabel kategori.
Effect size merupakan ukuran mengenai besarnya efek suatu variabel pada variabel lain,
besarnya perbedaan maupun hubungan yang bebas dari pengaruh besarnya sampel. Effect size
x́ 1−x́ 2
dihitung dengan persamaan d= . Effect size menurut sumber lain juga diartikan sebagai
S gab
efektivitas atau digunakan untuk mengetahui besar keefektifan dari suatu model pembelajaran
yang telah kita uji dan terapkan kepada siswa. Menurut [ CITATION Fer09 \l 1033 ] , Effect Size
dapat dibagi menjadi empat kategori umum, yaitu:
1. Uji beda dua kelompok (Group difference indice), contohnya yaitu: Cohen’s d, Hedges’s
g, Glass’s .
2. Uji Perkiraan yang dikoreksi (Corrected estimates), contohnya: adjusted, Hay’s (2) , 2,
r2, eta-kuadrat (2).
4. Uji Perkiraan resiko (Risk estimates), pengukuran ini lebih banyak digunakan pada hasil
penelitian medis. Contoh : relative risk RR, dan odds ratio (OR).