DIKTAT MATA KULIAH STATISTIKA PENELITIAN PENDIDIKAN MATEMATIKA

DIKTAT MATA KULIAH STATISTIKA PENELITIAN PENDIDIKAN MATEMATIKA

Oleh :

Wahyu Hidayat, S.Pd., M.Pd. NIDN. 0404088402

PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP) SILIWANGI 2015

UJI NORMALITAS Uji normalitas dimaksudkan untuk mengetahui langkah apa yang akan di lakukan selanjutnya dalam menguji Hipotesis, apakah harus pengujian statistika parametrik atau non-parametrik. Ada beberapa teknik yang dapat dilakukan dalam menguji normalitas, antara lain Uji Lilliefors, Uji Chi-kuadrat, dan Uji Kolmogrov-Smirnov.

Agar dapat memahami langkah-langkah pengujian normalitas, maka akan dilakukan ilustrasi pengujian dengan pertanyaan penelitian “Apakah data tinggi badan 30 orang siswa berdistribusi normal pada taraf signifikansi 5% ?” Kode Siswa S-1 S-2 S-3 S-4 S-5 S-6 S-7 S-8 S-9 S-10

Tinggi Badan (cm) 170 175 174 173 177 176 180 172 168 165

Tinggi Badan (cm) 170 168 170 172 171 168 169 180 179 177

Kode Siswa S-11 S-12 S-13 S-14 S-15 S-16 S-17 S-18 S-19 S-20

Kode Siswa

A. Langkah pengujian dengan SPSS 1. Definisikan variabel tinggi badan dan input data ke SPSS

1

S-21 S-22 S-23 S-24 S-25 S-26 S-27 S-28 S-29 S-30

Tinggi Badan (cm) 177 175 168 170 172 173 170 171 170 175

2. Pilih menu Analyze → Descriptives Statistics → Explore.

3. Masukkan variabel tinggi ke Dependent List, kemudian klik tombol Plots, Pilih Normality Test With Plots, kemudian klik Continue dan OK.

2

Maka pada output akan menampilkan beberapa tampilan. Namun untuk pengujian Normalitas, hanya output Tests of Normality saja yang digunakan. Tests of Normality Kolmogorov-Smirnov Statistic Tinggi

,139

df

a

Shapiro-Wilk

Sig. 30

Statistic

,143

,956

df

Sig. 30

,243

a. Lilliefors Significance Correction

Rumusan Hipotesis : H0

: Data berdistribusi normal

HA

: Data tidak berdistribusi normal

Kriteria pengujian : Jika (Sig.) > α

maka terima H0.

Dari statistik uji, didapat nilai Sig. = 0,143 yang mengakibatkan (Sig.) > α. Maka dapat disimpulkan bahwa data tinggi badan 30 orang siswa berdistribusi normal.

B. Langkah pengujian dengan Minitab 1. Input data variabel Tinggi Badang pada kolom di bawah C1

3

2. Pilih menu Stat → Basic Statistic→ Normality Test.

3. Klik kolom variable, kemudian pilih variable C1 Tinggi Badan dan pilih Select, kemudian klik Test for Normality Kolmogrov-Smirnov, serta ketik Title dengan Normalitas Data Tinggi Badan, kemudian klik OK.

4

Maka akan tampil graph seperti di bawah ini.

4. dfs 5.

Rumusan Hipotesis : H0

: Data berdistribusi normal

HA

: Data tidak berdistribusi normal

Kriteria pengujian : Jika P-Value > α

maka terima H0.

Dari statistik uji, didapat nilai P-Value = 0,142 yang mengakibatkan P-Value > α. Maka dapat disimpulkan bahwa data tinggi badan 30 orang siswa berdistribusi normal.

5

Uji Perbandingan Rata-Rata Pengujian hipotesis perbandingan rata-rata dilakukan untuk melihat kesesuaian dugaan peneliti terhadap suatu objek yang diteliti dengan kenyataannya. Misalnya seorang peniliti ingin mengetahui bahwa nilai rata-rata ujian nasional siswa kelas XII SMA Se-Kabupaten Cianjur pada bidang studi Matematika adalah 80. Kemudian peneliti tersebut melakukan penelitian terhadap siswa kelas XII pada salah satu SMA di Kabupaten Cianjur yang hasilnya akan digeneralisasikan dengan pertanyaan penelitian dari peneliti tersebut.

I. One Sample T-Test Agar dapat memahami langkah-langkah pengujian perbedaan rata-rata satu kelompok sampel, maka akan dilakukan ilustrasi pengujian dengan pertanyaan penelitian “Apakah tinggi badan siswa kelas XII SMA X sama dengan 170 cm? Dengan mengambil sampel sebanyak 30 orang dan diasumsikan sampel berdistribusi normal pada taraf signifikansi 5% ?”

Kode Siswa S-1 S-2 S-3 S-4 S-5 S-6 S-7 S-8 S-9 S-10

Tinggi Badan (cm) 170 175 174 173 177 176 180 172 168 165

Tinggi Badan (cm) 170 168 170 172 171 168 169 180 179 177

Kode Siswa S-11 S-12 S-13 S-14 S-15 S-16 S-17 S-18 S-19 S-20

Kode Siswa S-21 S-22 S-23 S-24 S-25 S-26 S-27 S-28 S-29 S-30

Tinggi Badan (cm) 177 175 168 170 172 173 170 171 170 175

A. Langkah pengujian dengan SPSS 1. Karena telah diasumsikan sampel berdistribusi normal, maka tidak perlu di uji normalitasnya. 2. Definisikan variabel tinggi badan dan input data ke SPSS

6

3. Pilih menu Analyze → Compare Means → One-Sample T Test.

4. Masukkan variabel tinggi ke Test Variable(s), kemudian isi pada kolom Test Value dengan nilai 170 klik tombol Option, lihat Confidance Interval Percentage apakah sudah sesuai dengan taraf signifikansi yang diasumsikan (100 – α)%. Kemudian klik Continue dan OK.

7

Maka pada output akan menampilkan beberapa tampilan. Namun untuk pengujian perbedaan rata-rata satu sampel, hanya output one-Sample Test saja yang digunakan. One-Sample Test Test Value = 170 95% Confidence Interval of the Difference

Mean t Tinggi

3,509

df

Sig. (2-tailed) 29

Difference

,001

2,50000

Lower 1,0430

Upper 3,9570

Rumusan Hipotesis : H0 : μT = 170 HA : μT ≠ 170 Kriteria pengujian : Jika (Sig.) > α

maka terima H0.

Dari statistik uji, didapat nilai Sig. = 0,001 atau (Sig.) < α. Maka mengakibatkan tolak H0 dan dapat disimpulkan bahwa tinggi badan siswa kelas XII SMA X tidak sama dengan 170cm.

8

B. Langkah pengujian dengan Minitab 1. Karena telah diasumsikan sampel berdistribusi normal, maka tidak perlu di uji normalitasnya. 2. Input data variabel Tinggi Badan ke dalam Worksheet minitab pada kolom di bawah C1

3. Pilih menu Stat → Basic Statistic→ 1-Sample t.

9

4. Klik kolom Sample in columns, kemudian pilih variable C1 Tinggi Badan dan pilih Select, kemudian klik Perform hypothesis test, serta ketik Hypothesized mean dengan nilai 170, kemudian klik Options.

5. Di dalam 1-Sample t – Options akan tampil seperti gambar berikut :

Confidence level : 1 – α

dalam penelitian ini mengambil α = 5% Sehingga Confidence level = (100 – 5)% = 95,0 (dalam %)

Alternative : disesuaikan dengan pertanyaan pelitian dan kebalikan dari H0, apakah less than (kurang dari), not equal (tidak sama dengan), atau greater than (lebih dari).

Dalam penelitian ini mengambil not equal. Kemudian klik OK sampai selesai.

10

Maka akan tampil output pada Session seperti di bawah ini.

Rumusan Hipotesis : H0 : μT = 170 HA : μT ≠ 170 Kriteria pengujian : Jika P-value > α

maka terima H0.

Dari statistik uji, didapat nilai P = 0,001 atau P-value < α. Maka mengakibatkan tolak H0 dan dapat disimpulkan bahwa tinggi badan siswa kelas XII SMA X tidak sama dengan 170cm.

11

II. Paired Sample T-Test Pengujian ini dilakukan jika variabel yang satu saling berkaitan (dependen) dengan variabel yang lain. Pengujian ini dimaksudkan dengan setiap satu sampel dikenai dua perlakuan. Agar dapat memahami langkah-langkah pengujian perbedaan rata-rata satu kelompok sampel dependen, maka akan dilakukan ilustrasi pengujian dengan pertanyaan penelitian “Apakah terdapat perbedaan nilai siswa yang belum mendapatkan perlakuan pembelajaran dengan yang telah mendapatkan perlakuan pembelajaran pada siswa kelas VII SMP X? Dengan mengambil sampel sebanyak 20 orang dan diasumsikan sampel berdistribusi normal pada taraf signifikansi 5% ?”

Kode Siswa

Nilai Sebelum Perlakuan

Kode Siswa

Nilai Setelah Perlakuan

S-1 S-2 S-3 S-4 S-5 S-6 S-7 S-8 S-9 S-10 S-11 S-12 S-13 S-14 S-15 S-16 S-17 S-18 S-19 S-20

61 59 57 59 60 60 55 62 64 59 57 55 53 55 56 56 51 58 60 56

S-1 S-2 S-3 S-4 S-5 S-6 S-7 S-8 S-9 S-10 S-11 S-12 S-13 S-14 S-15 S-16 S-17 S-18 S-19 S-20

84 80 79 81 80 83 77 85 86 82 80 76 75 77 76 79 73 81 82 78

A. Langkah pengujian dengan SPSS 1. Karena telah diasumsikan sampel berdistribusi normal, maka tidak perlu di uji normalitasnya. 2. Definisikan dan input nilai sebelum perlakuan dan setelah perlakuan ke dalam SPSS

12

13

3. Pilih menu Analyze → Compare Means → Paired-Samples T Test.

4. Masukkan variabel Sebelum_Perlakuan dan Setelah_Perlakuan bersama-sama kedalam Paired Variables, kemudian klik tombol Option, lihat Confidance Interval Percentage apakah sudah sesuai dengan taraf signifikansi yang diasumsikan (100 – α)%. Kemudian klik Continue dan OK.

Maka pada output akan menampilkan beberapa tampilan. Namun untuk pengujian perbedaan rata-rata satu sampel independen, hanya output Paired Samples Test saja yang digunakan.

14

Paired Samples Test Paired Differences 95% Confidence Interval of

Mean Pair 1

Sebelum_Perlakuan

Std.

Std. Error

Deviation

Mean

-22,05000

,94451

,21120

the Difference Lower -22,49205

Upper -21,60795

Sig. t -104,404

df

(2-tailed)

19

- Setelah_Perlakuan

Rumusan Hipotesis : H0 : μSb = μSd HA : μSb ≠ μSd Kriteria pengujian : Jika (Sig.) > α

maka terima H0.

Dari statistik uji, didapat nilai Sig. = 0,000 atau (Sig.) < α. Maka mengakibatkan tolak H0 dan dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara nilai siswa yang belum mendapatkan perlakuan pembelajaran dengan yang telah mendapatkan perlakuan pembelajaran siswa kelas VII SMP X pada taraf signifikansi 5%.

B. Langkah pengujian dengan Minitab 1. Karena telah diasumsikan sampel berdistribusi normal, maka tidak perlu di uji normalitasnya. 2. Input data nilai sebelum perlakuan dan setelah perlakuan ke dalam Worksheet pada minitab.

15

,000

3. Pilih menu Stat → Basic Statistic→ Paired t.

4. Klik kolom Samples in columns dan klik pada kolom First sample, lalu pilih variable C1 Sebelum dan pilih Select, kemudian pada kolom Second sample pilih variable C2 Sesudah dan pilih Select, kemudian klik Options.

16

5. Di dalam Paired t – Options akan tampil seperti gambar berikut :

Confidence level : 1 – α

dalam penelitian ini mengambil α = 5% Sehingga Confidence level = (100 – 5)% = 95,0 (dalam %)

Alternative : disesuaikan dengan pertanyaan pelitian dan kebalikan dari H0, apakah less than (kurang dari), not equal (tidak sama dengan), atau greater than (lebih dari). Dalam penelitian ini mengambil not equal. Kemudian klik OK sampai selesai.

Maka akan tampil output pada Session seperti di bawah ini.

17

Rumusan Hipotesis : H0 : μSb = μSd HA : μSb ≠ μSd Kriteria pengujian : Jika P-value > α maka terima H0. Dari statistik uji, didapat nilai P = 0,000 atau P-value < α. Maka mengakibatkan tolak H0 dan dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara nilai siswa yang belum mendapatkan perlakuan pembelajaran dengan yang telah mendapatkan perlakuan pembelajaran siswa kelas VII SMP X pada taraf signifikansi 5%.

18

III. Two Sample T-Test (Independent) Pengujian ini dilakukan jika variabel yang satu saling tidak berkaitan (independent) dengan variabel yang lain. Pengujian ini dimaksudkan dengan setiap dua sampel dikenai satu perlakuan. Agar dapat memahami langkah-langkah pengujian perbedaan rata-rata satu kelompok sampel independent, maka akan dilakukan ilustrasi pengujian dengan pertanyaan penelitian “Apakah terdapat perbedaan nilai siswa yang pembelajarannya menggunakan metode A dengan yang pembelajarannya menggunakan metode B pada siswa kelas VII SMP X? Dengan mengambil sampel sebanyak 20 orang dan diasumsikan sampel berdistribusi normal pada taraf signifikansi 5% ?”

Kode Siswa

Nilai dengan Metode A

Kode Siswa

Nilai dengan Metode B

S-1 S-2 S-3 S-4 S-5 S-6 S-7 S-8 S-9 S-10 S-11 S-12 S-13 S-14 S-15 S-16 S-17 S-18 S-19 S-20

61 59 57 59 60 60 55 62 64 59 57 55 53 55 56 56 51 58 60 56

S-1 S-2 S-3 S-4 S-5 S-6 S-7 S-8 S-9 S-10 S-11 S-12 S-13 S-14 S-15 S-16 S-17 S-18 S-19 S-20

84 80 79 81 80 83 77 85 86 82 80 76 75 77 76 79 73 81 82 78

A. Langkah pengujian dengan SPSS 1. Karena telah diasumsikan sampel berdistribusi normal, maka tidak perlu di uji normalitasnya. 2. Definisikan dan input nilai siswa dengan menggunakan metode A dan metode B, serta menggabungkannya ke dalam kolom Nilai_Siswa pada SPSS

19

20

3. Pilih menu Analyze → Compare Means → Independent-Samples T Test.

4. Masukkan variabel Nilai_Siswa kedalam Test Variable(s), dan variabel Metode kedalam Grouping Variable. Kemudian klik tombol Define Groups dan isi Group 1 dan 2 dengan Pengelompokkan metode yang di input pada tahap awal (dalam ilustrasi ini di isi untuk Group 1 dengan angka 1 dan Group 2 dengan angka 2. Lalu klik Countinue.

5. Klik menu Option, lihat Confidance Interval Percentage apakah sudah sesuai dengan taraf signifikansi yang diasumsikan (100 – α)%. Kemudian klik Continue dan OK.

21

Maka pada output akan menampilkan beberapa tampilan. Namun untuk pengujian perbedaan rata-rata dua sampel independen, hanya output Paired Samples Test saja yang digunakan. Independent Samples Test Levene's Test for Equality of Variances

t-test for Equality of Means 95% Confidence Interval of the

F Nilai_Siswa

Equal variances

,092

Sig.

t

df

Sig.

Mean

Std. Error

(2-tailed)

Difference

Difference

Difference Lower

Upper

,763 -21,157

38

,000

-22,050

1,042

-24,160

-19,940

-21,157

37,719

,000

-22,050

1,042

-24,160

-19,940

assumed

Equal variances not assumed

Untuk menguji hipotesis perbedaan rata-rata dua kelompok sampel, maka langkah awal lihat terlebih dahulu nilai Sig. Pada kolom Levene’s Test for Equality of Variances. Didapat nilai Sig. tersebut = 0.763 dan berada pada baris Equal variances assumed. Berarti dapat disimpulkan bahwa varians kedua kelompok sampel adalah homogen. Setelah mengetahui bahwa varians kedua kelompok sample itu adalah homogen, maka akan dilanjutkan dengan menguji hipotesis dengan melihat nilai Sig. pada kolom Sig. (2-tailed) dan baris Equal variances assumed.

Rumusan Hipotesis : H0 : μA = μB HA : μA ≠ μB Kriteria pengujian : Jika (Sig.) > α

maka terima H0.

Dari statistik uji, didapat nilai Sig. = 0,000 atau (Sig.) < α. Maka mengakibatkan tolak H0 dan dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara siswa kelas VII SMP X pembelajarannya menggunakan metode A dengan yang pembelajarannya menggunakan metode B pada taraf signifikansi 5%.

22

B. Langkah pengujian dengan Minitab 1. Karena telah diasumsikan sampel berdistribusi normal, maka tidak perlu di uji normalitasnya. 2. Input data nilai siswa dengan menggunakan metode A dan metode B ke dalam Worksheet minitab.

3. Sebelum ke menu 2-sample t, pada program minitab harus diketahui terlebih dahulu, apakah kedua varians sample homogen atau tidak, maka terlebih dahulu akan dilakukan uji homogenitas varians kelompok sample dengan cara : Pilih menu Stat → Basic Statistic→ 2 Variances.

23

Hasil dari uji homogenitas varians akan menghasilkan output seperti berikut :

Untuk mengetahui apakah varians kedua sample homogen, maka dilihat pada P-value baik pada F-Test ataupun Levene’s Test. F-Test

→ P-value : 0,710

Levene’s Test

→ P-value : 0,806

Kriteria Pengujian : Jika P-value > α, maka varians kedua kelompok sampel homogen Dari hasil yang diperoleh, didapat P-value > α, sehingga dapat disimpulkan bahwa varians kedua kelompok sampel homogen. Langkah berikutnya baru kita dapat melakukan analisis data two sample t-test. 4. Pilih menu Stat → Basic Statistic→ 2-Sample t.

24

5. Klik kolom Samples in different columns dan klik pada kolom First sample, lalu pilih variable C1 Metode A dan pilih Select, kemudian pada kolom Second sample pilih variable C2 Metode B dan pilih Select, lalu ceklist pada kolom Assume equal variances (Karena dalam pengolahan sebelumnya telah diketahui bahwa varians kedua kelompok sampel homogen), kemudian klik Options.

6. Di dalam 2-Sample t – Option akan tampil seperti gambar berikut :

Confidence level : 1 – α

dalam penelitian ini mengambil α = 5% Sehingga Confidence level = (100 – 5)% = 95,0 (dalam %)

Alternative : disesuaikan dengan pertanyaan pelitian dan kebalikan dari H0, apakah less than (kurang dari), not equal (tidak sama dengan), atau greater than (lebih dari). Dalam penelitian ini mengambil not equal. Kemudian klik OK sampai selesai.

25

Maka akan tampil output pada Session seperti di bawah ini.

Rumusan Hipotesis : H0 : μA = μB HA : μA ≠ μB Kriteria pengujian : Jika P-value > α maka terima H0. Dari statistik uji, didapat nilai P = 0,000 atau P-value < α. Maka mengakibatkan tolak H0 dan dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara siswa kelas VII SMP X pembelajarannya menggunakan metode A dengan yang pembelajarannya menggunakan metode B pada taraf signifikansi 5%.

26

Uji ANOVA ANOVA adalah singkatan dari Analysis of Variance. Uji ANOVA merupakan cara untuk melihat perbedaan rerata melalui menguji variansinya. Untuk melihat terdapat atau tidak terdapatnya perbedaan rerata dengan ANOVA, yang dipertentangkan bukan reratanya, tetapi variansinya. Selain itu dengan ANOVA kita juga dapat melihat pengaruh peubah bebas dan peubah kontrol (baik secara terpisah, maupun bersamaan) terhadap peubah terikatnya. Dengan kata lain, apakah terdapat efek interaksi antara peubah bebas dan peubah kontrol terhadap peubah terikatnya. Sebelum melakukan Uji ANOVA, sampel harus berdistribusi normal dan homogen (karena Uji ANOVA merupakan salah satu pengujian parametrik).

ONE WAYS - ANOVA Agar dapat memahami dan mempelajari cara pengolahan data dengan uji One Ways ANOVA, maka dibuat ilustrasi sebuah pertanyaan penelitian seperti berikut: Misalnya seorang peneliti ingin mengetahui bahwa apakah terdapat perbedaan hasil belajar matematik siswa SD, yang pembelajarannya menggunakan Metode A, Metode B, dan Metode C? (dengan taraf signifikansi α = 5%)

DATA NILAI HASIL BELAJAR SISWA METODE A NO

KODE SISWA

SKOR

NILAI

KELAS

1

A - 01

16

5,33

VI - A

2

A - 02

23

7,67

VI - A

3

A - 03

13

4,33

VI - A

4

A - 04

27

9,00

VI - A

5

A - 05

20

6,67

VI - A

6

A - 06

27

9,00

VI - A

7

A - 07

20

6,67

VI - A

8

A - 08

29

9,67

VI - A

9

A - 09

25

8,33

VI - A

27

NO

KODE SISWA

SKOR

NILAI

KELAS

10

A - 10

21

7,00

VI - A

11

A - 11

18

6,00

VI - A

12

A - 12

16

5,33

VI - A

13

A - 13

24

8,00

VI - A

14

A - 14

17

5,67

VI - A

15

A - 15

15

5,00

VI - A

16

A - 16

24

8,00

VI - A

17

A - 17

16

5,33

VI - A

18

A - 18

26

8,67

VI - A

19

A - 19

16

5,33

VI - A

20

A - 20

15

5,00

VI - A

21

A - 21

17

5,67

VI - A

22

A - 22

14

4,67

VI - A

23

A - 23

17

5,67

VI - A

24

A - 24

21

7,00

VI - A

25

A - 25

13

4,33

VI - A

26

A - 26

26

8,67

VI - A

DATA NILAI HASIL BELAJAR SISWA METODE B NO

KODE SISWA

SKOR

NILAI

KELAS

1

B - 01

14

4,67

VI - B

2

B - 02

20

6,67

VI - B

3

B - 03

19

6,33

VI - B

4

B - 04

11

3,67

VI - B

5

B - 05

24

8,00

VI - B

6

B - 06

14

4,67

VI - B

7

B - 07

16

5,33

VI - B

8

B - 08

15

5,00

VI - B

28

NO

KODE SISWA

SKOR

NILAI

KELAS

9

B - 09

21

7,00

VI - B

10

B - 10

18

6,00

VI - B

11

B - 11

9

3,00

VI - B

12

B - 12

21

7,00

VI - B

13

B - 13

29

9,67

VI - B

14

B - 14

10

3,33

VI - B

15

B - 15

24

8,00

VI - B

16

B - 16

23

7,67

VI - B

17

B - 17

23

7,67

VI - B

18

B - 18

14

4,67

VI - B

19

B - 19

28

9,33

VI - B

20

B - 20

11

3,67

VI - B

21

B - 21

14

4,67

VI - B

22

B - 22

17

5,67

VI - B

23

B - 23

17

5,67

VI - B

24

B - 24

25

8,33

VI - B

DATA NILAI HASIL BELAJAR SISWA METODE C NO

KODE SISWA

SKOR

NILAI

KELAS

1

C - 01

21

7,00

VI - C

2

C - 02

20

6,67

VI - C

3

C - 03

19

6,33

VI - C

4

C - 04

25

8,33

VI - C

5

C - 05

15

5,00

VI - C

6

C - 06

23

7,67

VI - C

7

C - 07

12

4,00

VI - C

8

C - 08

19

6,33

VI - C

9

C - 09

27

9,00

VI - C

29

NO

KODE SISWA

SKOR

NILAI

KELAS

10

C - 10

24

8,00

VI - C

11

C - 11

14

4,67

VI - C

12

C - 12

12

4,00

VI - C

13

C - 13

14

4,67

VI - C

14

C - 14

22

7,33

VI - C

15

C - 15

21

7,00

VI - C

16

C - 16

25

8,33

VI - C

17

C - 17

25

8,33

VI - C

18

C - 18

25

8,33

VI - C

19

C - 19

10

3,33

VI - C

20

C - 20

21

7,00

VI - C

21

C - 21

15

5,00

VI - C

22

C - 22

9

3,00

VI - C

23

C - 23

30

10,00

VI - C

24

C - 24

15

5,00

VI - C

25

C - 25

24

8,00

VI - C

26

C - 26

11

3,67

VI - C

27

C - 27

18

6,00

VI - C

28

C - 28

26

8,67

VI - C

29

C - 29

13

4,33

VI - C

30

C - 30

9

3,00

VI - C

31

C - 31

13

4,33

VI - C

32

C - 32

15

5,00

VI - C

A. Langkah Pengujian dengan SPSS Dalam menjawab pertanyaan penelitian di atas, maka akan dilakukan terlebih dahulu pengujian normalitas untuk melihat pengujian apa yang selanjutnya dilakukan. Uji Normalitas Data 1. Definisikan variabel Hasil Belajar dan Metode Pembelajaran pada Variable View dan input data ke SPSS pada Data View.

30

2. Pilih menu Analyze → Descriptives Statistics → Explore.

31

3. Masukkan variabel Hasil Belajar ke Dependent List dan Metode Pembelajaran ke Faktor List kemudian klik tombol Plots Pilih Normality Test With Plots kemudian klik Continue dan OK.

Maka pada output akan menampilkan beberapa tampilan. Namun untuk pengujian Normalitas hanya output Tests of Normality saja yang digunakan. Tests of Normality Metode Pembelajaran

Kolmogorov-Smirnov Statistic

df

a

Shapiro-Wilk

Sig.

Statistic

df

Sig.

Hasil Belajar

Metode A

,181

26

,029

,927

26

,064

Matematika

Metode B

,105

24

,200

*

,967

24

,591

Siswa

Metode C

,160

32

,036

,950

32

,140

a. Lilliefors Significance Correction *. This is a lower bound of the true significance.

32

Kriteria pengujian : Jika (Sig.) > α

maka Sampel berdistribusi normal.

Dari statistik uji, karena sampel yang di ambil merupakan sampel kecil (n < 40) maka diambil nilai Sig. pada kolom Shapiro-Wilk, dengan nilai Sig. untuk metode A = 0,064 ; metode B = 0,591 dan untuk metode C = 0,140 yang mengakibatkan (Sig.) > α. Maka dapat disimpulkan bahwa ketiga sampel berdistribusi normal.

Uji One Ways ANOVA 1. Pilih menu Analyze → General Linear Model → Univariate.

2. Masukkan variabel Hasil Belajar ke Dependent List dan Metode Pembelajaran ke Fixed Factor(s) kemudian klik tombol Model

33

3. Pilih Custom, Pindahkan Metode Pembelajaran, pada Factors & Covariates ke Model dengan menekan tombol tanda panah di bawah tombol interaction. Kemudian klik tombol Continue.

4. Pilih Post Hoc, Pindahkan TKAS ke Post Hoc Tests for, kemudian pilih tombol Scheffe, Tukey (pilih berdasarkan uji lanjutan apa yang diinginkan peneliti). Lalu klik tombol Continue.

34

5. Pilih Option, pilih Homogeneity tests. Lalu klik tombol Continue dan OK.

35

Untuk melihat apakah varians dari Hasil Belajar Matematika Siswa Homogen, maka yang dilihat output tampilannya pada gambar berikut : Levene's Test of Equality of Error Variances

a

Dependent Variable:Hasil Belajar Matematika Siswa F

df1 ,846

df2 2

Sig. 79

,433

Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a. Design: Intercept + Metode_Pembelajaran

Kriteria pengujian : Jika (Sig.) > α

maka Varians Hasil Belajar Matematika Siswa Homogen

Dari statistik Levene’s Test didapat nilai Sig. = 0,433 yang mengakibatkan (Sig.) > α. Maka dapat disimpulkan bahwa varians Hasil Belajar Matematika Siswa ketiga sampel Homogen. 36

Karena Asumsi Homogenitas Varians dipenuhi, maka langkah selanjutnya akan dilihat hasil pengolahan data Uji One Ways ANOVA. Hasil output dari SPSS yang dilihat adalah Tabel 1 : One Ways ANOVA sebagai berikut: Tabel 1 : One Ways ANOVA Tests of Between-Subjects Effects Dependent Variable:Hasil Belajar Matematika Siswa Type III Sum of Source

Squares

df

Mean Square

F

Sig.

a

2

2,200

,646

,527

3191,058

1

3191,058

937,001

,000

4,399

2

2,200

,646

,527

Error

269,043

79

3,406

Total

3508,145

82

273,443

81

Corrected Model Intercept

4,399

Metode_Pembelajaran

Corrected Total

a. R Squared = ,016 (Adjusted R Squared = -,009)

H 0 :  A   B  C H A : Paling tidak terdapat satu Metode yang berbeda secara signifikan dengan Metode lainnya Kriteria pengujian : sig > 0,05 : H0 diterima Dari Tabel 1 kita memperoleh nilai sig pada baris Metode Penelitian = 0,527; dengan kata lain sig > 0,05. Hal tersebut dapat disimpulkan bahwa tidak terdapat perbedaan yang signifikan antara hasil belajar matematika siswa, antara yang pembelajarannya menggunakan Metode A, Metode B, dan Metode C pada taraf signifikansi 5%. Implikasinya pembelajaran dari ketiga Metode A, B, dan C dalam pembelajaran matematika sama-sama membantu mengembangkan hasil belajar matematika siswa.

Karena H0 diterima (tidak terdapat perbedaan), maka uji lanjutan (Post Hoc) diabaikan, walaupun hasilnya terdapat pada output SPSS :

37

Multiple Comparisons Dependent Variable:Hasil Belajar Matematika Siswa 95% Confidence Interval

Mean

Tukey HSD

(I) Metode

(J) Metode

Pembelajaran

Pembelajaran

Metode A

Metode B

,5454 ,52238

,552

-,7025

1,7932

Metode C

,4495 ,48725

,628

-,7144

1,6134

Metode A

-,5454 ,52238

,552

-1,7932

,7025

Metode C

-,0958 ,49832

,980

-1,2862

1,0945

Metode A

-,4495 ,48725

,628

-1,6134

,7144

Metode B

,0958 ,49832

,980

-1,0945

1,2862

Metode B

,5454 ,52238

,582

-,7579

1,8486

Metode C

,4495 ,48725

,655

-,7661

1,6652

Metode A

-,5454 ,52238

,582

-1,8486

,7579

Metode C

-,0958 ,49832

,982

-1,3391

1,1474

Metode A

-,4495 ,48725

,655

-1,6652

,7661

Metode B

,0958 ,49832

,982

-1,1474

1,3391

Metode B

Metode C

Scheffe

Metode A

Metode B

Metode C

Difference

Std.

(I-J)

Error

Sig.

Lower

Upper

Bound

Bound

Based on observed means. The error term is Mean Square(Error) = 3,406.

Apabila hasil Post Hoc dianalisis, terlihat semua nilai Sig. pada Tabel Multiple Comparisons juga lebih besar dari alpha (α = 0,05). Hal ini dapat disimpulkan bahwa dari ketiga metode tersebut (Metode A, B, dan C) tidak terdapat perbedaan yang signifikan pada taraf signifikansi 5%.

38

B. Langkah Pengujian dengan Minitab Dalam menjawab pertanyaan penelitian di atas, maka akan dilakukan terlebih dahulu pengujian normalitas untuk melihat pengujian apa yang selanjutnya dilakukan. Uji Normalitas Data 1. Definisikan variabel Hasil Belajar Gabungan, Metode Pembelajaran, Data Hasil Belajar setiap metode (Hasil Belajar – A, Hasil Belajar – B, dan Hasil Belajar – C) pada setiap Field di Worksheet Minitab. Kemudian input data ke minitab pada Worksheet.

2. Pilih menu Stat → Basic Statistics → Normality Test.

39

3. Pilih variabel C2 Hasil Belajar – A kemudian Select ke Variable, dan pilih ke RyanJoiner (Smiliar to Shapiro-Wilk). Lalu dalam Title, ketik judul (misalnya: Uji Normalitas Data Hasil Belajar Siswa – Metode A). Kemudian klik OK.

* untuk pemilihan Ryan-Joiner dikarenakan sampel yang dipilih dianggap sampel kecil (n < 40).

Maka pada output akan menampilkan : Uji Normalitas Data Hasil Belajar Siswa - Metode A Normal

99

Mean StDev N RJ P-Value

95 90

Percent

80 70 60 50 40 30 20 10 5

1

2

3

4

5 6 7 8 HASIL BELAJAR - A

9

10

11

Kriteria pengujian : Jika (P-value) > α

maka Sampel berdistribusi normal.

40

6,615 1,629 26 0,976 >0,100

Dari statistik uji, terlihat P-Value = 0,100, mengakibatkan (P-Value) > α. Maka dapat disimpulkan bahwa sampel dengan menggunakan Metode-A berdistribusi normal. Lakukan hal yang sama untuk menguji normalitas data sampel Metode-B dan Metode-C, sehingga didapat output minitab sebagai berikut :

Uji Normalitas Data Hasil Belajar Siswa - Metode B Normal

99

95 90

Mean StDev N RJ P-Value

6,069 1,886 24 0,992 >0,100

Mean StDev N RJ P-Value

6,167 1,975 32 0,985 >0,100

Percent

80 70 60 50 40 30 20 10 5

1

2

3

4

5 6 7 8 HASIL BELAJAR - B

9

10

11

Uji Normalitas Data Hasil Belajar Siswa - Metode C Normal

99

95 90

Percent

80 70 60 50 40 30 20 10 5

1

2

3

4

5 6 7 8 HASIL BELAJAR - C

9

10

11

Terlihat dari hasil minitab di atas, ketiga sampel (hasil belajar matematika siswa yang menggunakan Metode-A, Metode-B, dan Metode-C) berdistribusi normal. Maka langkah 41

selanjutnya adalah pengujian parametrik dalam menguji perbedaan rata-rata tiga sampel menggunakan One Ways ANOVA. Tetapi apabila ingin menguji Homogenitas Variansnya, maka langkah-langkahnya adalah sebagai berikut: 1.

Pilih menu Stat → ANOVA → Test for Equal Variances.

2. Pilih variabel C1 Hasil Belajar kemudian Select ke Response, dan Pilih variabel C2 Metode Pembelajaran kemudian Select ke Factors. Lalu dalam Title, ketik judul (misalnya: Homogenitas Varians). Kemudian klik OK.

42

Maka pada output akan menampilkan : Homogenitas Varians Bartlett's Test Test Statistic P-Value

A

1,02 0,602

Metode Pembelajaran

Lev ene's Test Test Statistic P-Value

0,73 0,486

B

C

1,0

1,5 2,0 2,5 95% Bonferroni Confidence Intervals for StDevs

3,0

Kriteria pengujian : Jika (P-value) > α

maka Varians Kelompok Sampel Homogen

Dari statistik uji, terlihat P-Value = 0,602 (untuk Bartlett’s Test) dan P-Value = 0,486 (untuk Levene’s Tests) mengakibatkan (P-Value) > α. Maka dapat disimpulkan bahwa Varians Kelompok Sampel Homogen. Uji One Ways ANOVA 1. Pilih menu Stat → ANOVA → One-Way.

43

2. Pilih variabel C1 Hasil Belajar kemudian Select ke Response, dan Pilih variabel C2 Metode Pembelajaran kemudian Select ke Factors. Klik Comparisons. Di dalam box One-Way Multiple Comparisons, pilih Tukey’s, family error rate, kemudian OK, lalu OK kembali.

44

Outputnya akan muncul pada bagian Session, seperti dibawah ini:

H 0 :  A   B  C H A : Paling tidak terdapat satu Metode yang berbeda secara signifikan dengan Metode lainnya Kriteria pengujian : P-Value > 0,05

: H0 diterima

Dari Output minitab, kita memperoleh nilai P pada baris Metode Penelitian = 0,527; dengan kata lain P-Value > 0,05. Hal tersebut dapat disimpulkan bahwa tidak terdapat perbedaan yang signifikan antara hasil belajar matematika siswa, antara yang pembelajarannya menggunakan Metode A, Metode B, dan Metode C pada taraf signifikansi 5%. Implikasinya pembelajaran dari ketiga Metode A, B, dan C dalam pembelajaran matematika sama-sama membantu mengembangkan hasil belajar matematika siswa.

45

TWO WAYS - ANOVA Agar dapat memahami dan mempelajari cara pengolahan data dengan uji Two Ways ANOVA, maka dibuat ilustrasi sebuah pertanyaan penelitian seperti berikut: Misalnya seorang peneliti ingin mengetahui bahwa apakah terdapat perbedaan hasil belajar matematik siswa SMA, yang pembelajarannya menggunakan metode A dengan yang pembelajarannya menggunakan metode B, berdasarkan tingkat kemampuan awal siswa (Tinggi, Sedang, dan Kurang)? (dengan taraf signifikansi α = 5%)

DATA NILAI HASIL BELAJAR SISWA DENGAN METODE A NO

KODE SISWA

HASIL BELAJAR

TKAS

1

E-01

73

Kurang

2

E-02

69

Kurang

3

E-03

81

Sedang

4

E-04

67

Sedang

5

E-05

59

Kurang

6

E-06

72

Kurang

7

E-07

69

Sedang

8

E-08

80

Sedang

9

E-09

82

Sedang

10

E-10

76

Sedang

11

E-11

53

Sedang

12

E-12

56

Sedang

13

E-13

69

Sedang

14

E-14

71

Kurang

15

E-15

75

Sedang

16

E-16

75

Sedang

17

E-17

72

Tinggi

18

E-18

83

Tinggi

19

E-19

82

Tinggi

20

E-20

59

Kurang

21

E-21

80

Tinggi

22

E-22

76

Kurang

23

E-23

82

Tinggi

24

E-24

75

Tinggi

25

E-25

71

Tinggi

26

E-26

72

Kurang

46

NO

KODE SISWA

HASIL BELAJAR

TKAS

27

E-27

60

Kurang

28

E-28

81

Tinggi

29

E-29

78

Tinggi

30

E-30

69

Tinggi

31

E-31

63

Tinggi

32

E-32

69

Tinggi

DATA NILAI HASIL BELAJAR SISWA DENGAN METODE B NO

KODE SISWA

HASIL BELAJAR

TKAS

1

K-01

33

Kurang

2

K-02

31

Sedang

3

K-03

44

Kurang

4

K-04

33

Sedang

5

K-05

53

Kurang

6

K-06

44

Sedang

7

K-07

59

Kurang

8

K-08

31

Sedang

9

K-09

56

Tinggi

10

K-10

50

Kurang

11

K-11

41

Kurang

12

K-12

31

Kurang

13

K-13

61

Tinggi

14

K-14

53

Kurang

15

K-15

56

Kurang

16

K-16

27

Sedang

17

K-17

53

Tinggi

18

K-18

40

Sedang

19

K-19

50

Tinggi

20

K-20

38

Tinggi

21

K-21

53

Sedang

22

K-22

35

Sedang

23

K-23

25

Sedang

24

K-24

53

Tinggi

25

K-25

59

Tinggi

47

NO

KODE SISWA

HASIL BELAJAR

TKAS

26

K-26

44

Sedang

27

K-27

47

Sedang

28

K-28

47

Sedang

29

K-29

50

Tinggi

30

K-30

38

Tinggi

31

K-31

44

Sedang

C. Langkah Pengujian dengan SPSS Dalam menjawab pertanyaan penelitian di atas, maka akan dilakukan terlebih dahulu pengujian normalitas untuk melihat pengujian apa yang selanjutnya dilakukan. Uji Normalitas Data 1. Definisikan variabel Hasil Belajar, Metode Pembelajaran, Tingkat Kemampuan Awal Siswa pada Variable View dan input data ke SPSS pada Data View.

48

2. Pilih menu Analyze → Descriptives Statistics → Explore.

3. Masukkan variabel Hasil Belajar ke Dependent List dan Metode Pembelajaran ke Faktor List kemudian klik tombol Plots Pilih Normality Test With Plots kemudian klik Continue dan OK.

49

Maka pada output akan menampilkan beberapa tampilan. Namun untuk pengujian Normalitas hanya output Tests of Normality saja yang digunakan. Tests of Normality Kolmogorov-Smirnov

Metode Pembelajaran Hasil Belajar Matematika

Metode A Metode B

Statistic ,145 ,125

df

a

Shapiro-Wilk

Sig.

Statistic

df

Sig.

32

,086

,936

32

,056

31

*

,955

31

,208

,200

Siswa a. Lilliefors Significance Correction *. This is a lower bound of the true significance.

Kriteria pengujian : Jika (Sig.) > α

maka Sampel berdistribusi normal.

Dari statistik uji, karena sampel yang di ambil merupakan sampel kecil (n < 40) maka diambil nilai Sig. pada kolom Shapiro-Wilk, dengan nilai Sig. untuk metode A = 0,056 dan untuk metode B = 0,208 yang mengakibatkan (Sig.) > α. Maka dapat disimpulkan bahwa kedua sampel berdistribusi normal.

50

Uji Two Ways ANOVA 1. Pilih menu Analyze → General Linear Model → Univariate.

2. Masukkan variabel Hasil Belajar ke Dependent List dan Metode Pembelajaran serta Tingkat Kemampuan Awal Siswa ke Fixed Factor(s) kemudian klik tombol Model.

51

3. Pilih Custom, Pindahkan Metode Pembelajaran, TKAS (tidak bersamaan) pada Factors & Covariates ke Model dengan menekan tombol tanda panah di bawah tombol interaction. Kemudian pindahkan juga Metode Pembelajaran dan TKAS secara bersamaan pada Factors & Covariates ke Model (untuk melihat interaksi Metode dan TKAS secara bersamaan dalam menghasilkan hasil belajar siswa) kemudian klik tombol Continue.

4. Pilih Plot, Pindahkan TKAS ke Horizontal Axis, dan Metode Pembelajaran ke Separate lines, kemudian pilih tombol add sehingga muncul Metode_Pembelajaran*TKAS. Lalu klik tombol Continue.

52

5. Pilih Post Hoc, Pindahkan TKAS ke Post Hoc Tests for, kemudian pilih tombol Scheffe, Tukey (pilih berdasarkan uji lanjutan apa yang diinginkan peneliti). Lalu klik tombol Continue.

53

6. Pilih Option, pilih Homogeneity tests. Lalu klik tombol Continue dan OK.

54

Untuk melihat apakah varians dari Hasil Belajar Matematika Siswa Homogen, maka yang dilihat output tampilannya pada gambar berikut : Levene's Test of Equality of Error Variances

a

Dependent Variable:Hasil Belajar Matematika Siswa F

df1 ,801

df2 5

Sig. 57

,554

Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a. Design: Intercept + Metode_Pembelajaran + TKAS + Metode_Pembelajaran * TKAS

Kriteria pengujian : Jika (Sig.) > α

maka Varians Hasil Belajar Matematika Siswa Homogen

Dari statistik Levene’s Test didapat nilai Sig. = 0,554 yang mengakibatkan (Sig.) > α. Maka dapat disimpulkan bahwa varians Hasil Belajar Matematika Siswa kedua sampel Homogen. 55

Karena Asumsi Homogenitas Varians dipenuhi, maka langkah selanjutnya akan dilihat hasil pengolahan data Uji ANOVA. Hasil output dari SPSS yang dilihat adalah Tabel 2 : Two Ways ANOVA sebagai berikut: TABEL 2 : Two Ways ANOVA Tests of Between-Subjects Effects Dependent Variable:Hasil Belajar Matematika Siswa Type III Sum of Source

Squares

df

Mean Square

F

Sig.

Corrected Model

12957,296

a

5

2591,459

36,785

,000

Intercept

210278,112

1

210278,112

2984,851

,000

10514,167

1

10514,167

149,246

,000

TKAS

785,261

2

392,631

5,573

,006

Metode_Pembelajaran *

369,752

2

184,876

2,624

,081

Error

4015,562

57

70,448

Total

231698,000

63

16972,857

62

Metode_Pembelajaran

TKAS

Corrected Total

a. R Squared = ,763 (Adjusted R Squared = ,743)

Dari perhitungan pada Tabel 2 : Two Ways ANOVA di atas untuk menganalisisnya lebih komprehensif kita perinci satu persatu: Yang pertama akan dilihat pengaruh Metode Pembelajaran terhadap Hasil Belajar Matematika Siswa (1) Metode Pembelajaran H 0 :  A = B H A :  A  B Kriteria pengujian : sig > 0,05 : H0 diterima Dari Tabel 2 kita memperoleh nilai sig = 0,000; atau dengan kata lain sig < 0,05. Hal tersebut dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara hasil belajar matematika siswa, antara yang pembelajarannya menggunakan metode A dengan yang pembelajarannya menggunakan metode B pada taraf signifikansi 5%. Implikasinya pembelajaran yang menggunakan metode A dalam pembelajaran matematika membantu mengembangkan hasil belajar matematika siswa. 56

Berikutnya akan dilihat pengaruh Tingkat Kemampuan Awal Siswa (TKAS) terhadap Hasil Belajar Matematika Siswa (2) TKAS H 0 : t '   s'   k ' H A : Paling tidak terdapat satu TKAS yang berbeda secara signifikan dengan TKAS lainnya Kriteria pengujian : sig > 0,05 maka H0 diterima Dari Tabel 2 diperoleh nilai sig = 0,006; atau dengan kata lain sig < 0,05; hal tersebut dapat disimpulkan bahwa paling tidak terdapat satu kelompok siswa dengan TKAS tertentu yang hasil belajar matematika siswanya berbeda secara signifikan dengan TKAS lainnya pada taraf signifikansi 5%. Untuk mengetahui kelompok siswa dengan TKAS mana yang berbeda secara signifikan dalam hasil belajar matematika, dilanjutkan dengan uji Scheffe. Hasil perhitungannya tersaji dari output SPSS berikut: Tabel 3 : Uji Scheffe Multiple Comparisons Dependent Variable:Hasil Belajar Matematika Siswa 95% Confidence

Scheffe

(I) Tingkat

(J) Tingkat

Kemampuan

Kemampuan

Difference

Awal Siswa

Awal Siswa

(I-J)

Tinggi

Sedang

Std. Error

Sig.

Lower

Upper

Bound

Bound

Sedang

11,4048

*

Kurang

7,6270

*

2,69601

,024

,8506

14,4034

-11,4048

*

2,50800

,000

-17,7086

-5,1009

-3,7778

2,61709

,359

-10,3558

2,8003

*

2,69601

,024

-14,4034

-,8506

3,7778

2,61709

,359

-2,8003

10,3558

Tinggi Kurang

Kurang

Interval

Mean

Tinggi

-7,6270

Sedang

2,50800

,000

5,1009

17,7086

Based on observed means. The error term is Mean Square(Error) = 70,448.

Dari Tabel 3 disimpulkan bahwa terdapat perbedaan yang signifikan antara hasil belajar matematika siswa pada TKAS Tinggi terhadap TKAS Sedang pada taraf signifikansi 5% (terlihat dari sig. TKAS Tinggi terhadap TKAS Sedang ataupun sebaliknya = 0,000). Selain itu juga terdapat perbedaan yang signifikan antara hasil belajar matematika siswa pada TKAS 57

Tinggi terhadap TKAS Kurang pada taraf signifikansi 5% (terlihat dari sig. TKAS Tinggi terhadap TKAS Kurang ataupun sebaliknya = 0,000). Dalam hal ini hasil belajar matematika siswa dengan TKAS Tinggi dan TKAS Kurang lebih baik daripada siswa dengan TKAS sedang. Implikasinya hasil belajar matematika siswa pada TKAS Tinggi dan TKAS Kurang lebih berkembang dari TKAS Sedang.

Berikutnya akan dilihat efek interaksi secara bersama-sama antara Pendekatan Pembelajaran dan TKAS terhadap Hasil Belajar Matematika Siswa (3) Efek Interaksi antara Metode Pembelajaran dan TKAS Untuk melihat secara grafik ada tidaknya efek interaksi antara metode pembelajaran dan TKAS dapat dilihat pada Gambar 1 : efek interaksi yang merupakan output dari SPSS

Gambar 1 Efek Interaksi antara Pendekatan Pembelajaran dan TKAS dalam hasil belajar matematika

Pada Gambar 1 nampak tidak terdapat efek interaksi antara metode pembelajaran dengan hasil belajar matematika siswa baik pada TKAS Tinggi, Sedang maupun Kurang. Hal ini

58

dikarenakan ruas garis nampak sejajar. Sekarang berdasarkan Tabel 1, kita analisis efek interaksi tersebut secara keseluruhan. Rumusan Hipotesis: H 0 :  At   Bt   As   Bs   Ak   Bk H A : Paling tidak ada satu selisih yang berbeda secara signifikan dari yang lainnya Kriteria pengujian : Jika sig > 0,05 maka H0 diterima Dari Tabel 2 diperoleh nilai sig = 0,081 lebih besar dari 0,05; hal tersebut dapat disimpulkan bahwa tidak terdapat perbedaan yang signifikan antara selisih hasil belajar matematika siswa yang memperoleh pembelajaran melalui Metode A pada TKAS Tinggi, Sedang, dan Kurang dengan siswa yang memperoleh pembelajaran melalui Metode B pada TKAS Tinggi, Sedang dan Kurang pada taraf signifikansi 5%. Kesimpulannya secara umum metode pembelajaran tidak memberikan pengaruh yang signifikan terhadap TKAS dalam mengembangkan hasil belajar matematika siswa pada taraf signifikansi 5%.

59