id
BAB III
METODE PENELITIAN
c. Seminar proposal
d. Revisi Proposal dan Instrumen
e. Pengurusan Izin Penelitian
f. Validasi tes prestasi, tes
kemampuan spasial dan kreativitas
2. Pelaksanaan Penelitian
a. Uji coba tes prestasi, tes
kemampuan spasial dan kreativitas
b. Menganalisis hasil uji coba
instrumen
c. Pelaksanaan eksperimen
d. Pelaksanaan postes
3. Tahap Akhir
a. Analisis data dan penyusunan
laporan penelitian
b. Seminar hasil
c. Revisi
commit to user
43
perpustakaan.uns.ac.id 44
digilib.uns.ac.id
a. Tahap Persiapan
Tahap persiapan terdiri dari pengajuan judul, pembuatan proposal
penelitian, konsultasi proposal, seminar proposal, pembuatan instrumen
penelitian, dan pengajuan izin tempat penelitian. Tahap persiapan ini
direncanakan berlangsung pada bulan Oktober 2015 sampai Januari 2016.
b. Tahap Pelaksanaan
Tahap pelaksanaan meliputi uji coba instrumen, permohonan izin
penelitian dan eksperimen dilakukan dengan 8 kali pertemuan. Tahap
pelaksanaan dilaksanakan pada bulan Februari 2016 sampai Mei 2016.
c. Tahap Akhir
Tahap akhir meliputi tahap analisis data penelitian dan penyusunan
laporan yang dilakukan pada bulan Mei 2016 sampai Juli 2016.
B. Rancangan Penelitian
Sesuai dengan permasalahan yang diteliti, maka jenis penelitian yang
digunakan adalah penelitian eksperimental semu (Quasi Experimental Research).
Dalam penelitian ini dipilih jenis penelitian eksperimental semu karena tidak
memungkinkan bagi peneliti untuk mengendalikan dan memanipulasi semua
variabel yang relevan dalam penelitian.
Penelitian ini dikelompokkan menjadi dua kelas eksperimen, yaitu kelas
eksperimen 1 dan kelas eksperimen 2. Kelas eksperimen 1 merupakan kelompok
siswa yang dikenai model pembelajaran MURDER berbasis mind mapping dan
kelompok kelas eksperimen 2 dikenai model pembelajaran MURDER. Masing-
masing kelas eksperimen terdiri dari kelompok siswa yang memiliki kemampuan
spasial tinggi, sedang dan rendah. Penelitian ini menggunakan rancangan faktorial
2x3 yang dapat digambarkan seperti pada Tabel Rancangan Penelitian berikut.
commit to user
perpustakaan.uns.ac.id 45
digilib.uns.ac.id
Keterangan:
A : Model pembelajaran
B : Kemampuan spasial
a1 : Model MURDER berbasis mind mapping
a2 : Model MURDER
b1 : Kemampuan spasial tinggi
b2 : Kemampuan spasial sedang
b3 : Kemampuan spasial rendah
(ab)111 : Prestasi belajar matematika siswa yang dikenai model pembelajaran
MURDER berbasis mind mapping dan memiliki kemampuan spasial
tinggi
(ab)211 : Kreativitas siswa yang dikenai model pembelajaran MURDER berbasis
mind mapping dan memiliki kemampuan spasial tinggi
(ab)112 : Prestasi belajar matematika siswa yang dikenai model pembelajaran
MURDER berbasis mind mapping dan memiliki kemampuan spasial
sedang
(ab)212 : Kreativitas siswa yang dikenai model pembelajaran MURDER
berbasis mind mapping dan memiliki kemampuan spasial tinggi
(ab)113 : Prestasi belajar matematika siswa yang dikenai model pembelajaran
MURDER berbasis mind mapping dan memiliki kemampuan spasial
rendah commit to user
perpustakaan.uns.ac.id 46
digilib.uns.ac.id
dengan:
Xi : rerata nilai ujian nasional matematika SMP Negeri ke-i di
Kabupaten Magelang (i = 1, 2, 3, …, 54)
μ : rerata dari rerata nilai ujian nasional matematika SMP Negeri di
Kabupaten Magelang
σ : standar deviasi nilai ujian nasional matematika SMP Negeri di
Kabupaten Magelang
Dari masing-masing kategori peringkat sekolah diambil satu sekolah
secara random, sehingga diperoleh 3 sekolah dari populasi sebanyak 54
sekolah Negeri di Kabupaten Magelang. Sekolah yang dimaksud adalah
SMP Negeri 1 Kota Mungkid (kategori tinggi), SMP Negeri 3 Muntilan
(kategori sedang) dan SMP Negeri 2 Borobudur (kategori rendah).
Perhitungan pengkatagorian populasi penelitian dapat dilihat dalam
Lampiran 4.
b. Berdasarkan sub populasi yakni sekolah-sekolah yang diperoleh dari
proses sebelumnya kemudian diambil cluster dari setiap sekolah yang ada.
Teknik tersebut memberikan asumsi bahwa sekolah tersebut mempunyai
kemampuan yang sama. Dari masing-masing sekolah diambil 2 kelas dari
kelas VIII secara random, yaitu masing-masing satu kelas dengan model
pembelajaran MURDER berbasis mind mapping dan satu kelas dengan
model pembelajaran MURDER. Jumlah kelas yang dijadikan sampel
commit to user
perpustakaan.uns.ac.id 48
digilib.uns.ac.id
adalah sebanyak enam kelas meliputi tiga kelas eksperimen 1 dan tiga
kelas eksperimen 2.
a. Model Pembelajaran
1) Definisi operasional
Model pembelajaran adalah perencanaan atau pola yang digunakan
sebagai pedoman dalam merencanakan kegiatan belajar mengajar untuk
mencapai tujuan dalam pembelajaran.
2) Indikator: Langkah-langkah pembelajaran MURDER berbasis mind
mapping dan pembelajaran MURDER.
3) Skala pengukuran: Skala nominal
4) Simbol : A
a1 : Model pembelajaran MURDER berbasis mind mapping
a2 : Model pembelajaran MURDER
b. Kemampuan Spasial
1) Definisi operasional
Kemampuan spasial diartikan sebagai kemampuan untuk
menggambarkan bentuk dari berbagai benda dan kemampuan
seseorang dalam menvisualisasikan sesuatu atau objek yang
berhubungan dengan benda-benda nyata dengan menggunakan
imajinasi dan kemampuan berpikir abstrak siswa melalui objek
gambar
2) Indikator: nilai tes kemampuan spasial pada materi bangun ruang
3) Skala pengukuran: Skala interval yang ditransformasikan ke dalam
skala ordinal yang terdiri dari tiga kategori, yaitu tinggi, sedang, dan
rendah.
̅ ) dan standar
Penentuan kategorinya berdasarkan rata-rata (𝑋
deviasi (s), yaitu:
Keterangan:
̅
𝑋 : rerata dari seluruh skor total siswa
SD : standar deviasi
4) Simbol: bj, dengan j = 1, 2, 3
b1 : Kemampuan spasial tinggi
b2 : Kemampuan spasial sedang
b3 : Kemampuan spasial rendah
2015a: 32). Adapun uji coba instrumen yang dilakukan terhadap tes tertulis
berbentuk pilihan ganda dan angket dalam upaya mendapatkan data yang akurat
adalah sebagai berikut.
a. Tes Prestasi Belajar dan Kemampuan Spasial
1) Uji Validitas Isi
Validitas tes yang digunakan dalam penelitian ini adalah validitas
isi. Suatu instrumen dikatakan valid apabila isi instrumen tersebut telah
merupakan sampel yang representatif dari keseluruhan isi hal yang akan
diukur (Budiyono, 2015a: 38). Kegiatan validasi isi adalah serangkaian
kegiatan yang berlangsung setelah bentuk awal instrumen telah selesai
ditulis. Untuk menilai apakah instrumen mempunyai validitas isi yang
tinggi dilakukan melalui experts judgment ( penilaian yang dilakukan
oleh pakar) (Budiyono, 2015a: 39).
Budiyono (2015a: 38-39) mengemukakan bahwa untuk
mempertinggi validitas isi, disarankan agar pembuat soal melalui
langkah-langkah berikut: (1) mengidentifikasi bahan-bahan yang telah
diberikan beserta tujuan instruksionalnya (indikator); (2) membuat kisi-
kisi dari soal tes yang ditulis; (3) menyusun soal tes beserta kuncinya;
dan (4) menelaah soal tes sebelum dicetak yang dilakukan oleh ahli-ahli
yang relevan.
Para ahli menilai apakah kisi-kisi yang dibuat oleh pengembang
tes telah menunjukkan bahwa klasifikasi kisi-kisi telah mewakili isi
yang akan diukur. Sebelum dilakukan validasi instrumen tes prestasi dan
kemampuan spasial terlebih dahulu dilakukan validasi kisi-kisi butir.
Hal tersebut dilakukan agar mengetahui apakah kisi-kisi yang dibuat
oleh peneliti sudah sesuai dengan indikator yang dibuat atau tidak.
Penelaahan validitas isi instrumen tes prestasi belajar dilakukan oleh
tiga validator.
Dalam penelitian ini instrumen tes dikatakan valid menurut
validitas isi jika telah memenuhi seluruh kriteria penelaahan tersebut
yang disetujui oleh duacommit to user
dari tiga validator sehingga instrumen tersebut
perpustakaan.uns.ac.id 54
digilib.uns.ac.id
benar butir soal lebih banyak daripada kelompok siswa tidak pandai.
Sebagai tolak ukur pandai atau tidak pandai adalah skor total dari
sekumpulan butir yang dianalisis. Rumus yang digunakan untuk
menghitung daya pembeda dalam penelitian ini adalah dengan rumus
korelasi biserial momen produk dari Karl Pearson:
𝑛 ∑𝑛𝑖=1 𝑋𝑖 𝑌𝑖 − (∑𝑛𝑖=1 𝑋𝑖 )(∑𝑛𝑖=1 𝑌𝑖 )
𝑟𝑝 𝑏𝑖𝑠 = ,
√(𝑛 ∑𝑛𝑖=1 𝑋𝑖 2 − (∑𝑛𝑖=1 𝑋𝑖 )2 )(𝑛 ∑𝑛𝑖=1 𝑌𝑖 2 − (∑𝑛𝑖=1 𝑌𝑖 )2 )
keterangan:
𝑟𝑝𝑏𝑖𝑠 : koefisien korelasi biserial (indeks daya pembeda butir ke-i)
n : banyaknya subyek yang dikenai tes
Xi : skor untuk butir ke-i
Yi : skor total untuk butir ke-i.
Budiyono (2015a: 102)
Daya pembeda untuk butir ke i kurang dari 0,3 maka butir tersebut
harus dibuang. Berdasarkan pendapat tersebut, untuk keperluan
pengambilan data dalam penelitian ini digunakan butir soal dengan daya
pembeda lebih dari atau sama dengan 0, 3 (D ≥ 0,3).
a) Daya Pembeda Butir Tes Prestasi Belajar Matematika
Rangkuman hasil pengujian daya pembeda butir pada uji coba
tes prestasi belajar matematika disajikan dalam Tabel 3.5.
pembeda yang baik dan tingkat kesukaran yang sedang, akan tetapi
soal yang digunakan ditetapkan 25 soal yang sudah memenuhi syarat
dan memenuhi setiap indikator. Adapun butir soal yang tidak
digunakan adalah soal nomor 1, 4, 8, 9, 10, 11, 13, 16, 20, 22, 25,
27, 33, 35 dan 38. Soal tes prestasi pilihan ganda prestasi belajar
matematika yang digunakan dalam penelitian ini terdapat pada
Lampiran 12.1.
b) Penetapan hasil ujicoba tes kemampuan spasial dilihat berdasarkan
hasil daya pembeda dan tingkat kesukaran setiap butir soal. Pada
butir soal nomor 7, 8, 20, 33, 35 memiliki tingkat kesukaran sedang
tetapi tidak memiliki daya pembeda yang baik, maka butir soal
tersebut tidak dipakai dan daya pembeda butir soal nomor 30
terpenuhi tetapi tingkat kesukaran tidak terpenuhi maka butir soal
tidak terpakai. Dari 40 soal tes pilihan ganda ditetapkan 25 soal yang
sudah memenuhi syarat dan memenuhi setiap indikator. Adapun
butir soal yang tidak digunakan adalah soal nomor 3, 4, 5, 7, 8, 11,
19, 20, 26, 28, 30, 33, 34, 35 dan 38. Soal tes prestasi pilihan ganda
prestasi belajar matematika yang digunakan dalam penelitian ini
terdapat pada Lampiran 12.2.
5) Reliabilitas
Suatu instrumen disebut reliabel jika hasil pengukuran dengan
instrumen tersebut tetap sama jika pengukuran tersebut dilakukan pada
orang yang sama pada waktu yang berlainan atau pada orang yang
berlainan (tetapi mempunyai kondisi yang sama) pada waktu yang sama
atau pada waktu yang berlainan (Budiyono, 2015: 47). Menurut
Budiyono (2015:50), pendekatan satu kali tes (single-test method)
merupakan pendekatan yang paling banyak dipakai karena merupakan
pendekatan yang paling ekonomis dan paling praktis.
Adapun rumus yang digunakan adalah rumus Kuder-Richardson
atau KR-20 sebagai berikut.
commit to user
perpustakaan.uns.ac.id 60
digilib.uns.ac.id
𝑛 𝑠𝑡 2 − ∑𝑛𝑖−1 𝑝𝑖 𝑞𝑖
𝑟11 =( )( ),
𝑛−1 𝑠𝑡 2
dengan:
𝑟11 : koefisien reliabilitas tes
𝑛 : banyaknya butir tes
𝑠𝑡 2 : variansi skor total yang diperoleh subyek uji coba
𝑝𝑖 : proporsi banyaknya subyek yang menjawab benar pada butir ke-
i, di mana i = 1, 2, . . .
𝑞𝑖 = 1- 𝑝𝑖 , i = 1, 2, ..., n.
Budiyono (2015a: 53)
Menurut Budiyono (2015: 49), hasil pengukuran yang mempunyai
indeks reliabilitas 0,70 atau lebih cukup baik nilai kemanfaatannya,
dalam arti instrumennya dapat dipakai untuk melakukan pengukuran.
a) Reliabilitas Tes Prestasi Belajar matematika
Tes prestasi belajar yang digunakan dalam penelitian ini terdiri
dari 25 butir soal. Butir soal yang dipilih sebagai tes prestasi belajar
adalah butir soal nomor 2, 3, 5, 6, 7, 12, 14, 15, 17, 18, 19, 21, 23,
24, 26, 28, 29, 30, 31, 32, 34, 36, 37, 39 dan 40. Uji reliabilitas tes
prestasi belajar menggunakan rumus KR-20. Berdasarkan hasil
pengujian diperoleh r11 = 0,793 yang dapat diinterpretasikan bahwa
tes prestasi belajar reliabel karena r11 ≥ 0,70. Perhitungan
selengkapnya dapat dilihat pada Lampiran 6.2.
b) Reliabilitas Tes Kemampuan Spasial
Tes prestasi belajar yang digunakan dalam penelitian ini terdiri
dari 25 butir soal. Butir soal yang dipilih sebagai tes prestasi belajar
adalah butir soal nomor 1, 2, 6, 8, 9, 10, 12, 13, 14, 15, 16, 17, 18,
21, 23, 24, 25, 27, 29, 31, 32, 36, 37, 39 dan 40. Uji reliabilitas tes
prestasi belajar menggunakan rumus KR-20. Berdasarkan hasil
pengujian diperoleh 𝑟11 = 0,89 yang dapat diinterpretasikan bahwa
tes kemampuan spasial reliabel karena 𝑟11 ≥ 0,70. Perhitungan
selengkapnya dapatcommit
dilihat to userLampiran 8.2.
pada
perpustakaan.uns.ac.id 61
digilib.uns.ac.id
b. Angket Kreativitas
1) Uji Validitas Isi
Validitas isi pada angket digunakan untuk menilai angket tersebut
mempunyai validitas isi atau tidak. Para ahli atau validator terlebih
dahulu melakukan validasi kisi-kisi angket kreativitas belajar terlebih
dahulu. Hal tersebut dilakukan untuk menilai apakah kisi-kisi yang
dibuat oleh pengembang tes telah menunjukkan bahwa klasifikasi kisi-
kisi telah mewakili isi yang akan diukur. Penelaahan validitas isi
instrumen angket dilakukan oleh tiga validator.
Instrumen tes dikatakan valid menurut validitas isi jika telah
memenuhi seluruh kriteria penelaahan tersebut yang disetujui oleh dua
dari tiga validator sehingga instrumen tersebut siap diujicobakan.
Sebelum angket digunakan untuk mengumpulkan data, terlebih dahulu
diuji cobakan di luar sampel tetapi masih dalam populasi. Data dari uji
coba angket, selanjutnya digunakan untuk mengetahui reliabilitas dan
konsistensi internal angket.
Validasi isi pada angket kreativitas dilakukan oleh 2 orang dosen
Fakultas Psikologi Universitas Muhammadiyah Surakarta serta dosen
Fakultas Psikologi Universitas Sarjanawiyata Taman Siswa yaitu Dr. Sri
Lestari, M.Si, Dr. Nisa Rachmah Nur Anganthi, M. Si dan Flora Grace
P, S. Psi, M. Psi. Angket kreativitas yang diajukan sebanyak 30
pernyataan. Pada waktu pengajuan angket kreativitas kepada validator,
terdapat beberapa saran diantaranya perbaikan pada penulisan, indikator
diperjelas, penambahan pernyataan pada indikator dan perbaikan pada
pernyataan yang memiliki pernyataan ganda. Lembar validasi kisi-kisi
dan tes prestasi belajar matematika dapat di lihat pada Lampiran 9.2.
2) Konsistensi Internal (Daya Beda Angket)
Menurut Budiyono (2015:142-143), sebuah instrumen tentu terdiri
dari sejumlah butir-butir instrumen. Kesemua itu harus mengukur hal
yang sama dan menunjukkan kecenderungan yang sama pula. Ini berarti
commit
harus ada korelasi positif to user
antara skor masing-masing butir tersebut.
perpustakaan.uns.ac.id 62
digilib.uns.ac.id
dimana:
𝑟𝑖 : indeks konsistensi internal untuk butir ke-i
𝑛 : banyaknya subjek yang dikenai tes
𝑋𝑖 : skor untuk butir ke-i (dari subjek uji coba ke-i), i = 1, 2, ..., n
𝑌𝑖 : total skor (dari subjek uji coba ke-i), i = 1, 2, ..., n.
Daya pembeda untuk butir ke i kurang dari 0,3 maka butir tersebut
harus dibuang. Berdasarkan pendapat tersebut, untuk keperluan
pengambilan data dalam penelitian ini digunakan butir soal dengan daya
pembeda lebih dari atau sama dengan 0,3 (D ≥ 0,3).
Rangkuman hasil perhitungan konsistensi internal angket dapat
dilihat pada Tabel 3.10.
5, 9,11, 13, 15, 18, 20, 21, 23, 25, 30, 32, 33, 35, 37, 39, 41, 43, 48 dan
51. Perhitungan konsistensi internal dapat dilihat pada Lampiran 10.1.
Pernyataan angket yang digunakan dalam penelitian ini terdapat pada
Lampiran 12.3.
3) Uji Reliabilitas
Menurut Budiyono (2015:50), pendekatan yang sering dipakai
untuk mengestimasi indeks reliabilitas instrumen adalah pendekatan
satu kali tes (single-test method) karena merupakan pendekatan yang
paling ekonomis dan paling praktis. Untuk itu, dalam penelitian ini
menggunakan pendekatan satu kali tes dengan teknik Alpha.
Adapun indeks reliabilitasnya dihitung dengan rumus:
𝑛 ∑𝑛𝑖=1 𝑠𝑖2
𝑟11 =( ) (1 − ),
𝑛−1 𝑠𝑡2
dimana:
𝑟11: koefisien reliabilitas angket
𝑛 : banyaknya butir angket
𝑠𝑖2 : variansi skor butir ke-i, i = 1, 2, ..., n
𝑠𝑡2 : variansi skor total yang diperoleh subjek uji coba.
Suatu instrumen dikatakan reliabel apabila koefisien
reliabilitasnya r11 ≥ 0, 70.
Budiyono (2015a:55)
Pengujian reliabilitas dilakukan pada butir angket yang terpilih,
yaitu pada 30 butir pernyataan. Berdasarkan hasil perhitungan diperoleh
r11 = 0,836 yang dapat diinterpretasikan bahwa angket aspek afektif
reliabel karena r11 ≥ 0,869. Perhitungan reliabilitas angket kreativitas
dapat dilihat pada Lampiran 10.2.
kemampuan awal dan kreativitas siswa untuk kelas eksperimen satu dan kelas
eksperimen dua. Sebelum data dianalisis terlebih dahulu dilakukan uji prasyarat.
Dalam penelitian ini pengolahan analisis data menggunakan sofware Microsoft
Office Excel 2013.
Berikut uraian untuk uji prasyarat, uji keseimbangan, uji hipotesis dan uji
lanjut dalam penelitian ini.
1. Uji prasyarat Multivariat
Uji prasyarat multivariat dilakukan untuk memenuhi asumsi-asumsi yang
harus dipenuhi sebelum uji beda rerata multivariat terhadap kedua kelas
eksperimen. Sebagaimana yang dikemukakan oleh Budiyono (2015b:40),
asumsi-asumsi yang harus dipenuhi pada uji beda rerata multivariat dengan p
variabel terikat adalah a) nilai-nilai variabel sampel berasal dari populasi yang
berdistribusi normal mutivariat, b) matriks variansi-variansi kovariansi pada
dua populasi harus sama (homogen). Kedua asumsi dapat dipenuhi dengan
melakukan uji sebagai berikut.
a. Uji Normalitas Bivariat
Uji normalitas berfungsi untuk menguji data yang diperoleh dari
sampel apakah berasal dari populasi yang berdistribusi normal atau tidak.
Uji normalitas dilakukan dengan mencari titik jarak kuadrat (d2) dan
menggunakan nilai pendekatan dari distribusi Chi-Kuadrat (𝜒2 ). Menurut
Johnson dan Wichern (dalam Budiyono, 2015b: 75) merumuskan beberapa
prosedur perhitungan nilai jarak kuadrat (d2) sebagai berikut.
1) Hipotesis Uji
H0 : Data amatan berdistribusi normal bivariat.
H1 : Data amatan tidak berdistribusi normal bivariat.
2) Taraf signifikansi: α = 0,5
3) Statistik uji:
𝑇 −𝟏
𝑑𝑗 2 = (𝑿𝒋 − 𝑿
̅) 𝑺 (𝑿𝒋 − 𝑿 ̅ ), j = 1,2, . . ., n
2 … 𝑆1𝑝
𝑆1 𝑆12
𝑺 = [𝑆… 21 𝑆22 … 𝑆2𝑝 ],
… … …
𝑆𝑝1 𝑆𝑝2 …commit
𝑆𝑝2 to user
perpustakaan.uns.ac.id 65
digilib.uns.ac.id
dengan,
̅ 𝑝 )2
∑𝑝𝑝=1(𝑋𝑝 − 𝑋
2
𝑆𝑝 =
𝑛−1
∑𝑝𝑝=1(𝑋1
−𝑋̅ 1 )(𝑋𝑝 − 𝑋
̅ 𝑝)
𝑆1𝑝 2 =
𝑛−1
𝑝 ̅ 𝑝 )(𝑋1 − 𝑋
̅ 1)
∑𝑝=1(𝑋𝑝 − 𝑋
𝑆𝑝1 2 =
𝑛−1
𝑑𝑗 2 : nilai jarak kuadrat ke-j, j = 1, 2, 3, . . ., n
𝑿𝒋 : matriks nilai data amatan ke-j, j = 1, 2, 3, . . ., n
̅ : matriks nilai rerata seluruh data amatan
𝑿
𝑺 : matriks variansi-kovariansi
𝑺−𝟏 : invers matriks variansi-kovariansi
n : banyaknya data
p : banyaknya variabel terikat
Setelah diperoleh nilai dari 𝑑𝑗 2 untuk j = 1, 2, 3, . . ., n maka nilai
𝑑𝑗 2 harus diurutkan dari nilai yang terkecil sampai nilai yang terbesar
commit to user
perpustakaan.uns.ac.id 66
digilib.uns.ac.id
3) Statistik uji:
𝑝(𝑝+1)(𝑘−1)
𝜒2 = (1 − 𝐶)𝑊~𝜒2 ( 2
),
dimana,
𝑘
2𝑝2 + 3𝑝 − 1 1 1
𝐶= [∑ − ]
6(𝑝 + 1)(𝑘 − 1) 𝑣𝑖 𝑣𝑒
𝑖=1
𝑘
𝑊 = 𝑣𝑒 log|𝑺| − ∑ 𝑣𝑖 log|𝑺𝒊 |
𝑖=1
∑𝑘𝑖=1 𝑣𝑖 𝑺𝒊
𝑺= , 𝑣𝑒 = 𝑛 − 𝑘,
𝑣𝑒
𝑘
𝑣𝑖 = 𝑛𝑖 − 1, 𝑛 = ∑ 𝑛𝑖
𝑖=1
dengan,
𝑝 : banyaknya variabel terikat
𝑛 : banyaknya data
𝑘 : banyak populasi
𝑛𝑖 : ukuran sampel ke-𝑖; 𝑖 = 1, 2, … , 𝑘
𝑺𝒊 : matriks variansi kovariansi sampel ke-𝑖, i = 1, 2, . . ., k
𝑺 : matriks variansi kovariansi gabungan sampel
4) Daerah Kritis
a. Hipotesis uji
𝜇11 𝜇12
𝜇21 𝜇
𝐻0 : ( … ) = ( …22 )
𝜇𝑝1 𝜇𝑝2
𝜇11 𝜇12
𝜇21 𝜇22
𝐻1 : ( … ) ≠ ( … )
𝜇𝑝1 𝜇𝑝2
dengan,
𝑾𝟏 : matriks Sum of square cross product untuk kelas eksperimen 1
𝑾𝟐 : matriks Sum of square cross product untuk kelas eksperimen 2
d. Daerah kritis: 𝐷𝐾 = {𝐹|𝐹 > 𝐹á;𝑝,𝑁−𝑝−1 }
e. Keputusan uji: 𝐻0 ditolak jika 𝐹ℎ𝑖𝑡 𝜖 𝐷𝐾
(Budiyono, 2015b:68-69)
3. Uji Hipotesis
Uji hipotesis pada penelitian ini menggunakan analisis variansi
multivariat dua jalan atau two-way multivariate abalysis of variance (two-way
MANOVA) dengan sel tak sama. Uji ini dilakukan karena terdapat dua variabel
terikat yaitu prestasi belajar dan kreativitas siswa. Adapun uraian yang
berkaitan dengan uji hipotesis.
a. Model data
Model data untuk populasi pada analisis multivariat dua jalan dalam
Budiyono (2015:133) yaitu:
𝑿𝑖𝑗𝑘 = 𝝁 + 𝜶𝑖 + 𝜷𝑗 + (𝜶𝜷)𝑖𝑗 + 𝜺𝑖𝑗𝑘
dengan
𝑿𝒊𝒋𝒌 : matriks data nilai ke-𝑘 pada baris (model) ke-𝑖 kolom (tipe
kemampuan spasial) ke-𝑗
𝝁 : rerata dari seluruh data (rerata besar, grand mean)
𝜶𝒊 = 𝝁𝒊. − 𝝁
: matriks efek faktor A (model pembelajaran) kategori ke-𝑖
𝜷𝒋 = 𝝁.𝒋 − 𝝁
: matriks efek faktor B (kemampuan spasial) kategori ke-𝑗
(𝜶𝜷)𝒊𝒋 = 𝝁𝒊𝒋 − (𝝁 + 𝜶𝒊 + 𝜷𝒋 )
: matriks interaksi faktor A kategori ke-𝑖 dan faktor B kategori ke-j
𝜺𝒊𝒋𝒌 : deviasi data 𝑋𝑖𝑗𝑘 terhadap populasinya diasumsikan berdistribusi
𝑁𝑝 (0, 𝛴).
commit to user
perpustakaan.uns.ac.id 69
digilib.uns.ac.id
b. Hipotesis uji
1) Hipotesis
a) Hipotesis perbandingan antar baris (perbandingan model
pembelajaran)
𝜇11∙ 𝜇12∙ 𝜇1𝑖∙
𝜇21∙ 𝜇22∙ 𝜇2𝑖∙
𝐻0𝐴 : ( … )=( … ) =. . . = ( … )
𝜇𝑝1∙ 𝜇𝑝2∙ 𝜇𝑝𝑖∙
commit to user
perpustakaan.uns.ac.id 70
digilib.uns.ac.id
Tabel 3.11 Rerata MANOVA Dua Jalan dengan Sel Tak Sama
Kemampuan Spasial (B)
Model Tinggi (𝑏1 ) Sedang (𝑏2 ) Rendah (𝑏3 )
Pembelajaran Prestasi Prestasi Prestasi
(𝐴) Kreativitas Kreativitas Kreativitas
Belajar Belajar Belajar
(𝑋2 ) (𝑋2 ) (𝑋2 )
(𝑋1 ) (𝑋1 ) (𝑋1 )
MURDER-
𝑋̅11∙
Mind 𝑋̅111 𝑋̅211 𝑋̅112 𝑋̅212 𝑋̅113 𝑋̅213
𝑋̅21∙
Mapping (𝑎1 )
MURDER 𝑋̅12∙
𝑋̅121 𝑋̅221 𝑋̅122 𝑋̅222 𝑋̅123 𝑋̅223
(𝑎2 ) 𝑋̅22∙
𝑋̅1
Rerata Kolom 𝑋̅1∙1 𝑋̅2∙1 𝑋̅1∙2 𝑋̅2∙2 𝑋̅1∙3 𝑋̅2∙3
𝑋̅2
Tabel 3.12 Matriks SSCP pada Analisis Multivariat Dua Jalur Sel Tak Sama
Sumber Matriks SSCP Derajat Kebebasan
Faktor A
(𝑨𝑴)′ [𝑨(𝑳′ 𝑳)−𝟏 𝑨′ ]−𝟏 (𝑨𝑴) 𝑑𝑘ℎ𝐴 = 𝑎 − 1
(Model)
Faktor B
(𝑩𝑴)′ [𝑩(𝑳′ 𝑳)−𝟏 𝑩′ ]−𝟏 (𝑩𝑴) 𝑑𝑘ℎ𝐵 = 𝑏 − 1
(Spasial)
Interaksi
(𝑪𝑴)′ [𝑪(𝑳′ 𝑳)−𝟏 𝑪′ ]−𝟏 (𝑪𝑴) 𝑑𝑘ℎ𝐴𝐵 = (𝑎 − 1)(𝑏 − 1)
AB
Galat (𝑿 − 𝑳𝑴)′ (𝑿 − 𝑳𝑴) 𝑑𝑘𝐺 = 𝑁 − 𝑎𝑏
𝑎 𝑏 𝑛
Total ̅ )(𝑿𝒊𝒋𝒌 − 𝑿
∑ ∑ ∑(𝑿𝒊𝒋𝒌 − 𝑿 ̅ )′ 𝑑𝑘𝑇 = 𝑁 − 1
𝑖=1 𝑗=1 𝑘=1
Keterangan:
a : banyaknyacommit to user faktor A)
baris (klasifikasi
perpustakaan.uns.ac.id 71
digilib.uns.ac.id
𝑝2 𝑑𝑘ℎ𝐴 2 − 4
𝑠 = √ 2
𝑝 +𝑑𝑘ℎ𝐴 2 − 5
1
𝑑𝑘2𝐴 = 𝑚𝑠 − (𝑝)(𝑑𝑘ℎ𝐴 ) + 1
2
b) Untuk hipotesis efek faktor B (efek kemampuan spasial)
1
1 − 𝚲𝑠𝑩 𝑑𝑘2𝐵
𝐹𝐴 = ( 1 ) (𝑑𝑘 ) ~𝐹(𝛼; 𝑑𝑘1𝐵 , 𝑑𝑘2𝐵
),
1𝐵
𝚲𝑠𝑩
dengan,
|𝑺𝑺𝑪𝑷𝑮 |
𝚲𝑨 = ,
|𝑺𝑺𝑪𝑷𝑩 + 𝑺𝑺𝑪𝑷𝑮 |
𝑑𝑘1𝐵 = (𝑝)(𝑑𝑘ℎ𝐵 )
𝑑𝑘ℎ𝐵 = 𝑏 − 1
1
𝑚 = 𝑑𝑘𝐺 + 𝑑𝑘ℎ𝐵 − (𝑝 + 𝑑𝑘ℎ𝐵 + 1)
2
commit to user
𝑑𝑘𝐺 = 𝑁 − 𝑎𝑏
perpustakaan.uns.ac.id 72
digilib.uns.ac.id
𝑝2 𝑑𝑘ℎ𝐵 2 − 4
𝑠 = √
𝑝2 +𝑑𝑘ℎ𝐵 2 − 5
1
𝑑𝑘2𝐵 = 𝑚𝑠 − (𝑝)(𝑑𝑘ℎ𝐵 ) + 1
2
c) Untuk hipotesis efek interaksi
1
1 − 𝚲𝑠𝑨𝑩 𝑑𝑘2𝐴𝐵
𝐹𝐴𝐵 =( 1 )( ) ~𝐹(𝛼; 𝑑𝑘1𝐴𝐵 , 𝑑𝑘2𝐴𝐵 ),
𝑠
𝑑𝑘1𝐴𝐵
𝚲𝑨𝑩
dengan,
|𝑺𝑺𝑪𝑷𝑮 |
𝚲𝑨 =
|𝑺𝑺𝑪𝑷𝑨𝑩 + 𝑺𝑺𝑪𝑷𝑮 |
𝑑𝑘1𝐴𝐵 = (𝑝)(𝑑𝑘ℎ𝐴𝐵 )
𝑑𝑘ℎ𝐴𝐵 = (𝑎 − 1)(𝑏 − 1)
1
𝑚 = 𝑑𝑘𝐺 + 𝑑𝑘ℎ𝐴𝐵 − (𝑝 + 𝑑𝑘ℎ𝐴𝐵 + 1)
2
𝑑𝑘𝐺 = 𝑁 − 𝑎𝑏
𝑝2 𝑑𝑘ℎ𝐴𝐵 2 − 4
𝑠 = √ 2
𝑝 +𝑑𝑘ℎ𝐴𝐵 2 − 5
1
𝑑𝑘2𝐴𝐵 = 𝑚𝑠 − (𝑝)(𝑑𝑘ℎ𝐴𝐵 ) + 1
2
5) Daerah Kritis
Untuk masing-masing nilai F di atas, daerah kritisnya sebagai berikut.
a) Daerah kritis untuk 𝐹𝐴 adalah 𝐷𝐾𝐴 = {𝐹|𝐹 > 𝐹(𝛼;𝑑𝑘1𝐴 ;𝑑𝑘2𝐴)) }
yang berbeda. Uji lanjut ini menggunakan uji univariat (ANAVA) dua jalan
dengan sel tak sama dengan model data sebagai berikut.
𝑋𝑖𝑗𝑘 = 𝜇 + 𝛼𝑖 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + 𝜀𝑖𝑗𝑘
𝑛 𝑛
2
(2) = ∑ 𝑆𝑆𝑖𝑗 (5) = ∑ ̅̅̅̅
𝐴𝐵𝑖𝑗
𝑖1,𝑗=1 𝑖=1,𝑗=1
𝑛
𝐴𝑖 2
(3) = ∑
𝑎
𝑖=1
Komponen jumlah kuadrat adalah sebagai berikut:
𝐽𝐾𝐴 = 𝑛̅ℎ {(3) − (1)}
𝐽𝐾𝐵 = 𝑛̅ℎ {(4) − (1)}
𝐽𝐾𝑇 = 𝐽𝐾𝐴 + 𝐽𝐾𝐵 + 𝐽𝐾𝐴𝐵 + 𝐽𝐾𝐺
𝐽𝐾𝐴𝐵 = 𝑛̅ℎ {(1) + (5) − (3) − (4)}
𝐽𝐾𝐺 = (2)
3.13 Tabel Rangkuman ANAVA Dua Jalan Dengan Sel Tak Sama
Sumber JK dk RK Fhitung
Baris (A) 𝐽𝐾𝐴 Fa
JKA p–1 𝑅𝐾𝐴 =
𝑑𝑘𝐴
Kolom (B) 𝐽𝐾𝐵 Fb
JKB q–1 𝑅𝐾𝐵 =
𝑑𝑘𝐵
Interaksi (p - 1)(q - 𝐽𝐾𝐴𝐵 Fab
(AB)
JKAB
1) 𝑅𝐾𝐴𝐵 =
𝑑𝑘𝐴𝐵
Galat 𝐽𝐾𝐺 -
N – pq 𝑅𝐾𝐺 =
𝑑𝑘𝐺
Total JKT N–1 - -
dengan,
p : banyaknya baris
q : banyaknya kolom
𝑛𝑖𝑗 : banyaknya data amatan pada sel ij
𝑎𝑏
𝑛̅ℎ = 1 : rataan harmonik frekuensi seluruh sel
∑𝑛
𝑖=1,𝑗=1𝑛
𝑖𝑗
𝐴𝑖 = ∑𝑛𝑖=1,𝑗=1 ̅̅̅̅
𝐴𝐵𝑖𝑗 : jumlah rataan pada baris ke- i
𝐵𝑗 = ∑𝑛𝑗=1 ̅̅̅̅
𝐴𝐵𝑖𝑗 : jumlah rataan pada kolom ke-j
̅̅̅̅𝑖𝑗 : jumlah rataan semua sel.
G = ∑𝑛𝑖=1,𝑗=1 𝐴𝐵
d. Statistik Uji
1) Untuk hipotesis efek model pembelajaran
RKA
FA = ~F(dk A , dk G ),
RKG
3) Statistik Uji
2
(𝑋̅𝑝𝑖. − 𝑋̅𝑝𝑗. )
𝐹𝑝𝑖.−𝑝𝑗. = ,
1 1
𝑅𝐾𝐺 (𝑛 + 𝑛 )
𝑝𝑖. 𝑝𝑗.
keterangan:
𝐹𝑝𝑖.−𝑝𝑗. : nilai Fob s variabel terikat ke-p pada pembandingan baris
ke-i dan baris ke-j
̅ 𝑝𝑖.
𝑋 : rerata variabel terikat ke- p pada baris ke-i
̅ 𝑝𝑗.
𝑋 : rerata variable terikat ke-p pada baris ke-j
RKG = 𝑆𝑆𝐸/𝜈𝐸 : rerata kuadrat galat dari perhitungan uji lanjut
analisis variansi
𝑛𝑝𝑖. : ukuran sampel baris ke-i
𝑛𝑝𝑗. : ukuran sampel baris ke-j
4) Daerah Kritis
Daerah kritis: DK ={F| F > (b-1)F;(a -1), N – ab}
5) Keputusan uji: 𝐻0 ditolak jika 𝐹ℎ𝑖𝑡 𝜖 𝐷𝐾.
(Budiyono, 2013: 215)
b. Komparasi rerata antar kolom
1) Hipotesis
𝐻0 ∶ 𝜇𝑝.𝑖 = 𝜇𝑝.𝑗
𝐻1 ∶ 𝜇𝑝.𝑖 ≠ 𝜇𝑝.𝑗
2) Tingkat signifikansi: α = 0.05
3) Statistik Uji
2
̅ 𝑝∙𝑖 − 𝑋
(𝑋 ̅ 𝑝∙𝑗 )
𝐹𝑝∙𝑖−𝑝∙𝑗 = ,
1 1
𝑅𝐾𝐺 (𝑛 + 𝑛 )
𝑝∙𝑖 𝑝∙𝑗
keterangan:
𝐹𝑝∙𝑖−𝑝∙𝑗 : nilai Fob s variabel terikata ke-p pada pembandingan kolom
ke-s dan kolom ke-t
̅ 𝑝.𝑖 : rerata variabel terikat ke-p pada kolom ke-i
𝑋
̅ 𝑝.𝑗 : rerata variabel terikat ke-p pada kolom ke-j
𝑋
commit to user
perpustakaan.uns.ac.id 77
digilib.uns.ac.id
analisis variansi
npij : ukuran sampel kolom ke-j untuk baris ke-i
npik commit
: ukuran sampel to user
kolom ke-k untuk baris ke-i
perpustakaan.uns.ac.id 78
digilib.uns.ac.id
variansi
npij : ukuran sampel baris ke-i untuk kolom ke-j
npkj : ukuran sampel baris ke-k untuk kolom ke-j
4) Daerah kritis: DK ={F| F > (ab-1)F;(ab -1), N – ab}
5) Keputusan uji: 𝐻0 ditolak jika 𝐹ℎ𝑖𝑡 𝜖 𝐷𝐾.
(Budiyono, 2013: 216)
commit to user