19
A. Peruntukan: Untuk menganalisis data penelitian yang terdiri atas satu faktor dan lebih
dari dua taraf faktor (perlakuan)
B. Statistik : Parametrik: ANOVA Satu Jalur
Nonparametrik: Kruskal-Wallis
C. Hipotesis:
H0 : µ2= µ1= µn ; Rata-rata kelompok data pertama tidak berbeda dengan rata-rata
kelompok data ke n
H1 : µ2≠ µ1 ≠ µ1; setidaknya ada satu pasang rata-rata dari n rata-rata menunjukkan
perberbedaan nyata
D. Contoh kasus:
X Y Z
81 60 86
81 46 86
77 82 82
79 54 84
76 61 81
74 49 79
56 61 61
60 65 65
74 59 79
73 68 78
69 64 74
70 75 75
76 51 81
78 63 83
49 54 54
54 59 59
61 66 66
60 65 65
62 67 67
65 70 70
E. Hipotesis:
H0 : µ2= µ1= µ3 ; Rata-rata hasil belajar pada kelas dengan model X tidak berbeda dengan
rata-rata kelompok data pada kelas dengan model Y dan Z.
H1 : µ2≠ µ1≠ µn ; setidaknya ada satu pasangan rata-rata hasil belajar berbeda dengan
rata-rata hasil belajar pada penggunaan model pembelajaran.
4. Klik Post Hoc, dan pilih salah satu multiple comparison yang akan digunakan
(misalnya Benferoni) untuk menemukan uji parsial perbedaan rata-rata masing-
masing pasangan.
5. klik continue>option, thick pada descriptive jika akan dianalisis statistik deskriptif
23
a. Descriptives:
Descriptives
HasilBelajar
Mean
N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum
Dari output tersebut diketahui bahwa rata-rata hasil belajar tertinggi 73,75 terjadi
pada pembelajaran dengan model Z, diikuti dengan model X 68,75 dan model Y
61,95.
ANOVA
HasilBelajar
a. Kriteria: jika nilai probabilitas (sig) ≥ α maka tidak terdapat perbedaan rata-rata
antara kelompok data yang diperbandingkan dan dinyatakan berbeda nyata jika
nilai probabilitas (sig) < α.
b. Kesimpulan: berdasarkan output SPSS di atas, nilai nilai probabilitas (sig) 0,001< α
0,05 maupun 0,01, dengan demikian dapat disimpulkan bahwa setidaknya
25
terdapat satu pasangan perlakuan yang memberikan dampak hasil bejar yang
berbeda.
c. Pertanyaan selanjutnya adalah pasangan model pembelajaran yang manakah
yang yang menunjukkan dampak perbedaan hasil belajar? Untuk menjawab
pertanyaan tersebut dapat dilihat dari hasil uji jarak berganda Benferroni, sebagai
berikut:
Multiple Comparisons
Dependent Variable: HasilBelajar
Bonferroni
(I) Model (J) Model (I-J) Std. Error Sig. Lower Bound Upper Bound
Perhatikan tanda bintang (*) yang mengikuti angka pada kolom Mean difference,
pasangan perlakuan yang ditandai dengan bintang menunjukkan berbeda nyata.
Terlihat bahwa yang memiliki tanda bintang adalah pasangan model Y-Model Z
dan siang sore. Sedangkan pasangan yang lain tidak berbeda nyata. Uji jarak
berganda juga dapat dilakukan dengan memperhatikan nilai probabilitas pada
masing-masing pasangan. Jika nilai probabilitas <α, maka pasangan perlakuan
tersebut dinyatakan berbeda. Pada output di atas nilai probabilitas yang kurang
dari α adalah pasangan Model Y-Model Z, sedangkan nilai probabilitas pada
pasangan lain >α dengan demikian tidak berbeda nyata.
26
Masukkan HasilBelajar ke dalam kotak Test Variable(s) dan Model pada Grouping
Variabel
3. Klik Define range dan masukkan 1 pada minimum dan 3 pada maximum:
28
4. Klik Continue, pastikan pilihan Kruskal-Wallis-H diberi tanda centang dan klik OK