18

19

I. LEBIH DARI DUA RATA-RATA-SATU FAKTOR

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:

Seorang peneliti ingin mengetahui apakah penerapan suatu model pembelajaran

memberikan dampak yang berbeda terhadap hasil belajar IPA padu suatu topik tertentu. Ia
menggunakan tigaa kelas yang setara untuk melakukan penelitian yaitu kelas A, B dan C.
Kelas A diberikan pembelajaran menggunakan model X, kelas B belajar dengan
menggunakan model Y dan kelas C diberikan pembelajarn dengan model Z. Setelah waktu
yang ditentukan dilakukan pengukuran hasil belajar dengan hasil seperti data berikut:
 20

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.

F. Langkah-langkah Analisis Parametrik: ANOVA

1. Lakukan entri data pada SPSS dengan dua variabel yaitu model pembelajaran dan
dan hasil belajar:
 21

2. Pada bagian menu bar, pilih Analyze>Compare Means>One-Way ANOVA. Perhatikan

gambar dibawah ini.

3. Masukkan HasilBelajar ke dalam kotak Dependent Variable(s) dan WaktuAplikasi

pada Grouping Variabel
 22

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

6. Klik OK, sehingga keluar output SPSS berikut:

7. Memaknai output SPSS:

 24

a. Descriptives:

Descriptives

HasilBelajar

95% Confidence Interval for

Mean

N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum

Model X 20 68,75 9,684 2,165 64,22 73,28 49 81

Model Y 20 61,95 8,678 1,941 57,89 66,01 46 82

Model Z 20 73,75 9,684 2,165 69,22 78,28 54 86

Total 60 68,15 10,413 1,344 65,46 70,84 46 86

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.

Apakah terdapat perbedaan rata-rata hasil belajar? Lakukan pengujian hipotesis

memperhatikan tabel Anova sebagai berikut:

ANOVA
HasilBelajar

Sum of Squares Df Mean Square F Sig.

Between Groups 1403,200 2 701,600 8,007 ,001

Within Groups 4994,450 57 87,622
Total 6397,650 59

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

Mean Difference 95% Confidence Interval

(I) Model (J) Model (I-J) Std. Error Sig. Lower Bound Upper Bound

Model X Model Y 6,800 2,960 ,076 -,50 14,10

Model Z -5,000 2,960 ,290 -12,30 2,30

Model Y Model X -6,800 2,960 ,076 -14,10 ,50
*
Model Z -11,800 2,960 ,001 -19,10 -4,50
Model Z Model X 5,000 2,960 ,290 -2,30 12,30
*
Model Y 11,800 2,960 ,001 4,50 19,10

*. The mean difference is significant at the 0.05 level.

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

G. Langkah-langkah Analisis Parametrik: Kruskal-Wallis

1. Lakukan entri data pada SPSS dengan dua variabel yaitu Model dan HasilBelajar:

2. Pada bagian menu bar, pilih Analyze>Nonparametric Tests>Legacy Dialogs>K

Independent Samples. Perhatikan gambar dibawah ini.
 27

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

sehingga muncul output berikut:

5. Memaknai output SPSS:
d. Kriteria: jika nilai Asymp. sig ≥ α maka tidak terdapat perbedaan rata-rata antara
kelompok data yang diperbandingkan dan dinyatakan berbeda nyata jika nilai
Asymp. sig < α. α dapat ditentukan dengan 0,05 atau 0,01.
e. Kesimpulan: berdasarkan output SPSS di atas, nilai nilai Asymp. sig 0,002< α 0,05
maupun 0,01, dengan demikian dapat disimpulkan bahwa setidaknya terdapat
satu pasang model pembelajaran yang memberikan pengaruh beda pada hasil
belajar.
f. Pertanyaan selanjutnya adalah pasangan model manakah manakah yang yang
menunjukkan perbedaan hasil belajar? Lakukan uji jarak berganda seperti pada
ANOVA.