RESUME N-GAIN, N-CHANGE, EFFECT SIZE

Diajukan untuk memenuhi salah satu tugas Mata Kuliah Statistika Terapan yang diampu oleh
Dosen: Dr. Achmad Samsudin, S.Pd., M.Pd.

Disusun oleh:
Sri Zakiyah (2208152)

PROGRAM STUDI MAGISTER PENDIDIKAN FISIKA

FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN INDONESIA
BANDUNG
2022
Tugas Statistika Terapan Pertemuan Ke-11
Nama : Sri Zakiyah
NIM : 2208152
Uji N-Gain, N-Change dan Effect Size

A. Uji N-Gain
Gain (yaitu, perubahan, perbedaan) didefinisikan sebagai perbedaan antara nilai tes (selisih
antara nilai post-test dan pre-test) yang diperoleh untuk setiap individu atau kelompok melalui
instrumen pengukuran yang dimaksudkan untuk mengukur peningkatan pemahaman, penguasaan
konsep, atau keterampilan yang sama, antara dua atau lebih dalam suatu pengujian.
Alasan menggunakan konsep Gain dalam penelitian diantarnya;
 Mengevaluasi hasil perlakuan,
 Mnemukan variabel yang berkorelasi, dan
 Membandingkan perbedaan perolehan nilai dari setiap individu.
Ketika kita menggunakan Gain sebagai acuan menentukan perbedaan atau selisih antara
nilai pre-test dan post-test maka seringkali dan tidak bisa dipungkiri akan adanya bias yang
dihasilkan. Bias adalah suatu proses penyimpulan setiap tahap penelitian yang cenderung
menghasilkan kesimpulan yang berbeda secara sistematis dari nilai yang sebenarnya. Karena
alasan ini, perlu dilakukan normalisasi dari data atau nilai yang akan dianalisis. Oleh karena itu,
diperkenalkanlah konsep dari Normalized Gain atau sering disebut dengan Gain yang
ternormalisasi dan bisa disingkat N-Gain.
Uji Normalitas Gain/N-Gain menurut Hake adalah sebuah uji yang bisa memberikan
gambaran umum peningkatan skor hasil pembelajaran antara sebelum dan sesudah diterapkannya
metode tersebut (Hake, 1999 as cited in Sundayana, 2016). Gain dan N-Gain dapat melihat
selisih perbedaan skor kemampuan siswa, baik dalam bentuk peningkatan maupun penurunan,
sehingga pengujian ini merupakan metode yang cocok untuk diterapkan dalam menentukan ada
tidaknya perkembangan. Adapun normalized gain atau N-Gain score dapat kita hitung dengan
berpedoman pada rumus di bawah ini:
Skor Posttest−Skor Pretest
N Gain=
Skor Ideal−Skor Pretest
Keterangan: Skor Ideal adalah nilai maksimal (tertinggi) yang dapat diperoleh
1) Jenis-jenis Uji N-Gain
Berikut jenis-jenis uji N-Gain, diantaranya;
 Gain dari rata-rata (N-Gain of average)

¿ g>¿ ¿ ¿
Keterangan: Sf adalah nilai pretest dan Si adalah nilai pretest.
 Dalam persamaan ini, yang dilakukan pertama kali adalah menghitung nilai rata-rata dari
pre-test dan rata-rata post-test skor dari kelas kemudian mengkonversinya kedalam bentuk
Normalized Gain. Adapun kategori hasilnya ditampilkan dalam tabel berikut:
Tabel 1: Kategori N-Gain of average (R. Hake, 1998)
Kategor
Skor N-Gain i
<g> ≥ 0,7 Tinggi
0,7 < <g> ≥ 0,3 Sedang
<g> <0,3 Rendah

Karakteristik N-gain of averages:

1. Merupakan definisi orisinal dari Hake (1998).
2. Digunakan jika skor individu tidak diketahui, tetapi skor rata-rata kelas diketahui
3. Tidak mengharuskan data cocok. Data yang cocok artinya skor siswa yang
dimasukkan khusus untuk siswa yang mengikuti pre-test dan post-test.
4. Nilai N-Gain masih dapat ditentukan meskipun ada beberapa siswa mendapatkan
skor pretest sama dengan 100.

 Rata-rata dari Gain (Average of Gain)

gave =
⟨ (% S f −% Si )
(100−% S i) ⟩
Dalam persamaan average of gain hal yang dilakukan adalah terlebih dahulu mencari nilai
Normalized Gain untuk masing-masing siswa kemudian baru dicari rata-ratanya.
Karakteristik average of N-Gain:
1. Persamaan ini umum digunakan terutama di Indonesia
2. Harus menggunakan data yang cocok
3. Dapat mengetahui N-gain dari setiap siswa
Menurut Hake (1998) dan Bao (2006), perbedaan dari kedua perhitungan tersebut tidak
signifikan untuk kelas besar, tetapi mungkin sedikit berbeda untuk kelas kecil dan dapat
dilihat dari contoh di atas. Data yang digunakan sama, namun nilai N-Gain berbeda. Dari
simulasi perhitungan penulis, kedua nilai ini hampir sama jika jumlah sampel N ≥ 53.
2) Syarat Uji N-Gain
Adapun syarat-syarat yang harus dipenuhi ketika peneliti akan menggunakn uji N-Gain
yaitu :
 a. Dalam penelitian one group pre-test post-test design, uji N-Gain dapat digunakan
ketika ada perbedaan yang signifikan antara rata-rata nilai pre-test dengan post-test
melalui uji paired simple t test.
b. Sementara pada penelitian menggunakan kelompok eksperimen dan kelompok kontrol,
uji N-Gain dapat digunakan ketika ada perbedaan yang signifikan antara rata-rata nilai
post-test kelompok eksperimen dengan nilai post-test kelompok kontrol melalui uji
independent simple t test (uji t).
3) Kelebihan dan Kekurangan Uji N-Gain
 Kelebihan
Ukuran ini sangat berbeda untuk setiap metode pembelajaran yang diterapkan
namun mengizinkan sebuah analisis konsisten untuk populasi siswa yang besar dan
keadaaan awal yang berbeda dan analisis ini dapat membandingkan pembelajaran
siswa satu dengan pembelajaran lain dari institusi yang berbeda dengan latar
belakang berbeda pula
 Kekurangan
- Sulit sekali untuk tidak menghubungkan keadaan awal siswa terhadap
perlakukan yang diberikan. Beberapa penelitian justru menunjukkan adanya
korelasi yang kuat antara keadaan awal dengan perlakukan.
- Analisis ini tidak bertanggung jawab untuk laju penurunan. Jika mendapatkan
skor post-test yang kecil atau sama dengan pre-test, apa makna effektivitas
dalam kasus ini. Apakah ketika Normalized Gain nol, pembelajaran tidak
mempunyai efektivitas sama sekali seolah-olah sama dengan tidak belajar. Atau
ketika nilai analisis ini negatif menunjukan bahwa pada siswa terjadi penurunan
pengetahuan setelah pembelajaran dilakukan. Sebuah alternatif untuk analisis ini
tentunya datang dari analisis keilmuan sosial. Dalam ranah sosial sering kali
memunculkan analisis "effect size" yang menunjukkan seberapa signifikan
sebuah perbedaan terjadi akibat sebuah perlakukan. Analisis ini jauh lebih awal
keberadaannya dibandingkan dengan Normalized Gain yang dikemukakan oleh
Hake tahun 1999.
B. Uji Normalized Change
Marx dan Cummings (2007) mengembangkan prosedur baru yang disebut Normalized
Change atau N-Change dengan symbol cave, yang dihitung sama dengan rumus N-Gain, namun
bedanya ada beberapa kejadian dimana data yang sudah diperoleh dapat di buang (drop).
Menurut Marx and Cummings (2007), cave lebih baik daripada g (g adalah Normalized Change),
karena persamaan tersebut membuat Gain lebih penting daripada losses, dan juga lebih akurat
dalam melihat sebaran data. Pada dasarnya Normalized Change identik dengan Average of Gain.
Normalized Change digunakan jika kita akan menghilangkan skor siswa yang memiliki skor 0
atau 100 pada pre-test maupun post-test. Selain itu Normalized Change digunakan jika N-Gain
bernilai negatif. Maka persamaan yang digunakan:

Pada dasarnya, N-Change diperkenalkan untuk memperbaiki gave (Average of Gain).

Artinya nilai yang dihitung adalah cave yang berarti nilai rata-rata mengantikan Average of Gain.
Kelebihan dan Kekurangan Uji Normalized Change
Adapun kelebihan dan kekurangan dalam uji Normalized Change, diantaranya;
1) Digunakan untuk mememperbaiki rata-rata dari gain
2) Mengutamakan data cocok (matched)
3) Sulit digunakan pada sampel/populasi yang besar
4) Sulit digunakan pada analisis sosial.
5) Sulit digunakan untuk penelitian lanjutan pada meta analisis

C. Uji Effect Size

Effect size merupakan perbedaan antar kelompok yang diubah menjadi satuan standar
deviasi yang berarti hasilnya dapat dibandingkan dengan studi lain, atau pertumbuhan prestasi
siswa yang normal/diharapkan. Uji Effect Size juga digunakan untuk Mengetahui besar
keefektifan dari model pembelajaran, Langkah untuk mengukur seberapa besar skala keefektifan
metode/model pembelajaran yang telah kita uji dan Menunjukan perbedaan terstandar antara
skor dari kelompok kontrol dan eksperimen.
Perlu dipahami bahwa effect size bukanlah uji signifikansi dan uji signifikansi bukanlah
effect size. Meskipun effect size dapat diturunkan dari hasil uji signifikansi dan besarnya effect
size mempengaruhi kemungkinan menemukan hasil yang signifikan, keduanya perlu dibedakan.
Untuk mengetahui suatu perbedaan tidak hanya bermakna secara statistik tetapi juga
penting/berarti, dibutuhkan perhitungan effect size. Effect size memperkirakan besarnya efek
ataupun hubungan antara dua atau lebih variabel. Baik effect size maupun uji signifikansi akan
sangat berguna bagi informasi penelitian.
1) Jenis Effect Size
 Menurut Ferguson (2009) Effect Size dapat dibagi menjadi empat kategori umum,
diantaranya;
a) Uji beda dua kelompok (Group difference indice).
Contoh: Cohen’s d, Hedges’s g, dan Glass’s Δ.
b) Uji kekuatan hubungan (Strength of association indices).
Contoh: Pearson r, R, r parsial, Spearman’s ρ, koefisien regresi yang distandarkan (ß),
dan Kendal tau.
c) Uji perkiraan yang dikoreksi (Corrected estimates).
Contoh: adjusted, Hay’s (ω2), Ɛ2, r2, dan eta-kuadrat (ƞ2).
d) Uji perkiraan resiko (Risk estimates), pengukuran ini lebih banyak digunakan pada hasil
penelitian medis.
Contoh: relative risk RR dan odds ratio (OR)
 Cohen’s d
Cohen’s d adalah ukuran dari effect size yang mendeskripsikan standar perbedaan rata-rata
dari suatu efek. Cohen’s d digunakan untuk melengkapi uji-t (atau uji mann Witney) dan
uji ANOVA (atau uji Kruskal Wallis) dan Secara perhitungan, Cohen’s d akan sangat
efektif didata yang memiliki ukuran besar (>50). Adapun rumus Cohens’ d adalah sebagai
berikut:
 Jika ukuran sampelnya sama:

' M 1−M 2
Cohen s d=
SD Pooled
dimana

SD Pooled =
2 √
SD 21 + SD 22

 Jika ukuran sampelnya berbeda (Cohens’ d ds):

' M 1−M 2
Cohen s d ds=
SD Pooled
dimana

SD Pooled =
√ (n1 −1)SD 21 +(n2−1)SD 22
n1+ n2−2

 Jika ukuran sampelnya < 50:

Cohen s ' d=
M 1−M 2
SD Pooled
x
n−3
n−2.25
x( n−2
n
Kriteria pengkategorian nilai Cohens’d effect size (J Cohen, 1988)
) √
Menurut Cohen’s, kriteria effect size yang semakin besar berarti perbedaanya dapat dilihat
dengan kasat mata. Kelemahan dari Cohen’s d dikarenakan Cohen’s didasarkan pada rata-rata
sampel, hal ini menimbulkan bias pada populasi effect size khusunya ketika menggunakan
ukuran jumlah sampel yang kecil seperti dibawah 20 sehingga menyebabkan Cohen’s sering
disebut effect size tak terkoreksi.
 Koreksi Hedges
Hedges 'g adalah alat ukut dari effect size. Effect size memberi tahu peneliti seberapa besar
perbedaan satu grup dari yang lain, biasanya perbedaan antara grup eksperimen dan grup kontrol.
Hedges ‘g dan d Cohen sangat mirip. Keduanya memiliki bias ke atas (inflasi) dalam hasil
hingga sekitar 4%. Kedua statistik tersebut sangat mirip kecuali ketika ukuran sampel di bawah
20, ketika Hedges g mengungguli Cohen d. Oleh karena itu, lindung nilai g kadang-kadang
disebut ukuran efek terkoreksi. Adapun rumus Koreksi Hedges adalah sebagai berikut:

(
gs =d s 1−
3
)
4 ( n 1+ n2 )−9
 Glass’s Δ
Pada tahun 1976, Gene V. Glass’s Δ mengusulkan estimator ukuran efek yang hanya
menggunakan standar deviasi kelompok kedua. Glass’s Δ awalnya dikembangkan untuk konteks
riset eksperimental tapi kemudian berlanjut digeneralisasi untuk studi non-eksperimental dan
menggunakan standar deviasi grup kontrol sebagai standarisasi. Persamaan yang digunakan
adalah sebagai berikut:
M 1−M 2
∆ s=
SDcontrol
Kelompok kedua dapat dianggap sebagai kelompok kontrol, dan Glass berpendapat bahwa
jika beberapa perlakuan dibandingkan dengan kelompok kontrol, akan lebih baik menggunakan
standar deviasi saja yang dihitung dari kelompok kontrol, sehingga ukuran efek tidak akan
berbeda dengan rata-rata yang sama. dan varian yang berbeda.
Perbandingan antara Cohen’s d, Hedges’s g dan Glass’ Δ
Adapun perbandingan penggunaan antara Cohen’s d, Hedges’g dan Glass’ Δ, diantaranya:
  Untuk ukuran sampel yang sangat kecil (<20) menggunakan Hedges’ g daripada Cohen’s
d.
 Untuk ukuran sampel >20, hasil untuk kedua statistik kira-kira setara.
 Jika standar deviasi berbeda secara signifikan antar grup, menggunakan Glass’ Δ sebagai
gantinya. Glass’ Δ hanya menggunakan deviasi standar (SDC) grup kontrol.

Adapun untuk perhitungan SPSS kita akan menggunakan metode yang kedua yaitu Rata-rata dari
Gain (Average of Gain).
a. Sebelum kita membuka program SPSS, maka terlebih dahulu kita perlu membuat
pengelompokan data untuk kelas eksperimen dan kelas kontrol.
b. Selanjutnya, buka program SPSS lalu klik Variable View.
c. Selanjutnya isi kolom values,
Catatan: untuk mengisi kolom "Values" pada variabel Kelompok dilakukan dengan cara
mengklik kolom Values pada variabel tersebut, maka akan muncul dialog “Value
Labels”. Selanjutnya, pada kotak Value ketikkan 1 dan kotak Label ketikan Eksperimen,
lalu klik Add.
d. Langkah berikutnya, klik Data View, lalu masukkan angka kategorisasi kelas ke kolom
variabel “Kelompok”, nilai pretest ke kolom variabel “Pre” dan nilai post-test ke kolom
variabel “Post”. Pengisian dimulai dari data kelas eksperimen kemudian di ikuti
(dibawahnya) data kelas kontrol.
e. Selanjutnya kita akan menghitung selisih nilai pre-test dan pada kelas eksperimen dan
kelas kontrol. Caranya dari menu SPSS klik Transform lalu klik Compute Variable.
f. Maka muncul kotak dialog dengan nama “Compute Variable” selanjutnya pada kotak
Target Variable ketikan “Post_Kurang_Pre” pada kotak Numeric Expression ketikkan
“Post-Pre” lalu klik Ok. Penulisan tanpa tanda petik (“).
g. Maka pada tampilan Data View akan muncul variabel baru dengan nama
Post_Kurang_Pre
h. Langkah berikutnya klik kembali menu Transform – Computer Variable.
i. Maka pada tampilan Data View akan muncul variabel baru dengan nama
Seratus_Kurang_Pre
j. Klik menu Transform – Compute Variable… Hapus tulisan yang ada pada kotak Target
Variable lalu ketikan “NGain_Score” selanjutnya hapus tulisan yang ada di kotak
 Numeric Expression lalu ketikan “Post_Kurang_Pre /Seratus_Kurang_Pre” kemudian
klik Ok.
k. Maka pada tampilan Data View akan muncul variabel baru dengan nama N Gain Score.
l. Berikutnya kita akan menghitung rata-rata nilai N-gain score. Caranya klik Analyze –
Descriptive Statistics – Explore…
m. Muncul kotak dialog “Explore”, selanjutnya masukkan variabel NGain_Score ke kolom
Dependent List, kemudian masukkan variabel Kelas [Kelompok] ke kolom Factor List.
n. Langkah terakhir klik Ok. Maka akan muncul output SPSS dengan judul “Explore”.
Dalam hal ini kita cukup memperhatikan tabel output “Descriptive”.
o. Interpretasi N-Gain Score Kelas Eksperimen dan Kontrol dengan SPSS