1 / 93

KULIAH STATISTIK 2012

KULIAH STATISTIK 2012. What do you think about statistic ?. Statistic is easy ----- yes/no Statistic is difficult ---- yes/ no Statistic is very difficult--- yes/no Statistic made you nervous --- yes/no Statistic is very useful to make decision of research---yes / no

afric
Download Presentation

KULIAH STATISTIK 2012

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. KULIAH STATISTIK2012

  2. What do you think about statistic ? • Statistic is easy ----- yes/no • Statistic is difficult ---- yes/ no • Statistic is very difficult--- yes/no • Statistic made you nervous --- yes/no • Statistic is very useful to make decision of research---yes / no • All research need statistic --- yes/no • There is no statistic in Qualitative research --- yes/no • Quantitative research need statistic ---- yes/no • There are not something in the world without statistic --yes/no

  3. What is the crucial problem of statistics? Now, a complex computation can besolved by computer , so don’ t worry with statistics The crucial problem is, how to choose statistical tehnique. Remember that statistics is only a tools. Don’t cut the cake by a saw, but use a stainless steel knife

  4. SUMBER BACAAN • Budiono.2004. Statistika Untuk Penelitian. Surakarta: Sebelas Maret University Press. • Guilford, J.P. and Fruchter, B. 1978. Fundamental Statistics in Psychology and Education. Tokyo: McGraw-Hill Kokhagusa Ltd. • Kerlinger, F. N. And Pedhazur, E. J. 1973. Multiple Regression in Behavioral Research. New York: Holt Rinehart and Winston Inc. • Roscoe, J.T. 1969. Fundamental Research Statistic For The Behavioral Sciences. New York: Holt Rinehart and Winston Inc • Tuckman, B.W. Conducting Educational Research. New York: Harcourt Brace Javanovich, Inc. • Sudjana. 1992. Metode Statistika. Bandung; Tarsito • Sudjana, 2003, Teknik Analisis Korelasi dan Regresi. Bandung: Tarsito • Wright, R.L.D. 1976. Understanding Statistics. New York: Haecourt Brace Javanovich Inc.

  5. Langkah-langkah penelitian • Perumusan Masalah • Penyusunan Kerangka Berpikir • Perumusan Hipotesis • Pengujian Hipotesis • Penarikan kesimpulan Apakah setiap penelitian harus menggunakan statistik ?

  6. Apakah statistika itu? • Statistik sebagai disiplin akademik memberikan prosedur ilmiah untuk pengumpulan, pengorganisasian, peringkasan dan penganalisaan informasi-informasi kuantitatif. • Statistik hanyalah alat bantu. Kita harus pandai-pandai memilih alat bantu yang . Kapan statistik digunakan ? • Jika menghadapi data yang komplek • Jika ingin melakukan generalisasi (meneliti sedikit kesimpulannya untuk yang banyak)

  7. Dalam bidang apa saja statistik digunakan ? • Behavioral Sciences (education, psychology, sociology) • Bidang yang lain (Chemistry, biology, agriculture, physics, economic, medicine, dll. • Guru ingin menarik kesimpulan manakah metode pengajaran yang lebih unggul dari beberapa metode • Psikolog ingin menentukan ketepatan pengukurannya tentang kecenderungan tertentu • Sosiolog ingin meyakinkan tentang peristiwa-peristiwa anti sosial. • Ahli medis ingin menentukan obat yang paling efektif • Ahli pertanian ingin mengetahui pupuk yang paling efektif untuk jenis tanaman tertentu

  8. Statistik Deskriptif • Mempelajari cara penyusunan dan penyajian data yang dikumpulkan. Teknik ini memungkinkan kita untuk menggambarkan dengan tepat suatu kumpulan informasi kuantitatif, menyajikannya dalam bentuk yang lebih ringkas dan menyenangkan daripada kumpulan data aslinya, memfasilitasi kita yang ingin mengkomunikasikan dan memberikan interpretasi secara rapi daripada menyajikannya dalam bentuk data yang tak terorganisir. • Sebagai contoh skore hasil suatu tes terhadap sejumlah besar siswa dapat diringkaskan dengan menunjukkan rata-rata, distribusi frekuensi, grafik distribusi tersebut. • Termasuk dalam statistik deskriptif a.l. rata-rata, simpangan baku, median dsb.

  9. Statistik Inference (inferensial)/ Statistik induktif • Mempelajari tata cara penarikan kesimpulan mengenai populasi berdasarkan data yang ada pada sampel. • Teknik ini memungkinkan peneliti untuk menggambarkan kesimpulan dan generalisasi dari sampel ke populasi, dari individu-individu yang berpartisipasi langsung dalam penelitian kepada individu-individu yang tidak terlibat langsung dalam penelitian. Yang ingin diteliti sebenarnya populasi, namun karena berbagai alasan maka yang diteliti sampel. • Statistik inference telah digambarkan sebagai “ a collection of tools for making the possible decisions in the face of uncertainty” • Termasuk di sini a.l. Uji t, anava, regresi dan korelasi sederhana, regresi dan korelasi multiple, anacova dan analisis multivariat

  10. Apakah Variabel itu ? • Diartikan sebagai konstruk atau sifat-sifat yag diteliti. • Sesuatu yang menggolongkan anggota ke dalam beberapa golongan. • Sesuatu yang memiliki beberapa nilai. Jika hanya memilki satu nilai maka disebut konstanta. • Traits, which are capable of variation from person to person a called variable • Ada dua golongan besar: variabel kualitatif (jenis kelamin, anak minum asi dan tak minum asi, kidal dan tidak kidal, kawin tak kawin) and variabel kuantitatif (IQ, EQ, Keingintahuan, memori, prestasi belajar, kelancaran berbahasa inggris)

  11. Variabel dapat digolongkan menjadi diskrit dan kontinu • Variabel deskrit: hanya ada satu nilai, tidak fraksional, datanya diperoleh dengan mencacah. Contoh jenis kelamin, afiliasi politik, jumlah anak dalam kelas, agama. Data yang menggambarkan variabel deskrit disebut data deskrit. • Variabel kontinu: dapat mempunyai nilai fraksional, diperoleh melalui suatu pengukuran. Contoh: tinggi badan, kecakapan berbicara, IQ. Hasil pengukuran var. Kontinu kadang dinyatakan dalam angka bulat, IQ seseorang = 115, sebenarnya antara 114.5 s/d 115.5.

  12. Adakah kaitan deskrit-kontinu dan kualitatif-kuantitatif? • Variabel kontinu selalu kuantitatif • Variabel deskrit dapat berbentuk kualitatif (afiliasi politik, agama, ) atau berbentuk kuantitatif (jumlah siswa dalam kelas, jumlah siswa yang lulus UAN) • Variabel kontinu kadang-kadang dinyatakan dalam deskrit, contoh: IQ dikelompokkan menjadi gifted, normal dan retarded; kreativitas dikelompokkan menjadi tinggi, sedang, rendah; motivasi berprestasi dikelompokkan menjadi tinggi dan rendah

  13. Skala pengukuran Skala nominal: • skala pengukuran paling rendah, menggolongkan hasil pengamatan ke dalam kategori. Contoh: jenis kelamin (laki-laki dan perempuan), mahasiswa dan bukan mahasiswa; suatu populasi guru SMA dapat digolongkan menjadi guru bahasa, guru IPA dsb. • Skala noninal sifatnya deskrit dan kualitatif. Skala ordinal: • skala yang mempunyai dua karakteristik yaitu 1) dapat dilakukan klasifikasi pengamatan dan 2) dapat dilakukan pengurutan. • Skala ini sering disebut juga rank order

  14. Contoh variabel yang skalanya ordinal:ranking dalam memainkan piano. Seorang musisi profesional dapat menyusun ranking terhadap 3 orang pemain piano walaupun tidak dapat menjelaskan seberapa lebih baik satu dengan yang lain. Contoh lain: tingkat pendidikan dosen, pangkat dan golongan pegawai negeri. • Skala ordinal mungkin deskrit , contoh variabel tingkat pendidikan (SD, SMP, SMA, PT), atau kontinu, contoh ranking guru atas dasar besarnya kontribusi terhadap profesinya( kurang, cukup, baik, sangat baik). • Teknik statistik yang disusun untuk skala nominal dan ordinal disebut statistik nonparametrik.

  15. Skala interval: • skala ini mempunyai karakteristik 1) dapat dilakukan klasifikasi pengamatan, 2) dapat dilakukan pengurutan pengamatan, 3) terdapat-nya satuan pengukuran. • Skala interval benar-benar kuantitatif. • Tidak ada hasil pengukuran yang berskala interval yang hasilnya benar-benar 0. Contoh skala interval adalah IQ, tidak ada orang yang IQ nya = 0. Orang dengan IQ= 100 tidak dapat diartikan kemampuannya 2 kali orang yang mempunyai IQ= 50. • Sebagian besar tes psikologi hasil pengukurannya berskala interval, seperti achivement motivation, spatial ability, numerical ability, curiousity, creativity, attitude toward matematic dll.

  16. Skala rasio: • Skala ini mempunyai semua sifat skala interval ditambah satu sifat adanya pengukuran yang nilainya zero. • Contoh: tinggi, berat badan, umur, besarnya kuat arus, besarnya tahanan listrik. • Teknik statistik yang dikembangkan untuk data yang skalanya interval dan rasio disebut statistik non parametrik. Soal: Golongkan hasil pengukuran variabel berikut ke dalam jenis skala: prestasi belajar statistik, kemampuan memahami bacaan, SQ, perilaku sehat.

  17. Statistik inferensial • Secara umum hanya ada dua, yaitu uji beda dan uji hubungan. • Contoh Uji beda: studi komparasi, studi efektivitas, studi pengaruh. • Contoh uji hubungan: studi korelasi, studi hubungan, studi sumbangan, studi kontribusi. • Hampir semua teknik statistik dalam penelitian kuantitatif dapat dikelompokkan ke dalam kedua uji tersebut. • Bagaimana memilih teknik statistik yang sesuai? Untuk uji rataan lihat Budiono, hal 151. Roscoe, hal 159-283, Tuckman, hal 254-257

  18. Menentukan taraf signifikansi () • Sebagian besar behavioral research dilakukan dengan taraf signifikansi 0.05 dan 0.01. Untuk exploratory research digunakan taraf signifikansi 0.10 dan 0.20. Dalam pengujian obat digunakan taraf signifikansi yang sangat kecil, misal 0.0001. Demikian juga pengujian atas ketepatan stir pesawat terbang digunakan  yang sangat kecil. • Bila kita mengambil taraf signifikansi 5 % artinya kita sudah mengantisipasi bahwa kita akan 5 kali menolak hipotesis yang sebenarnya benar dari 100 kali pengujian • Apa yang mendasari pemilihan angka taraf signifikansi tersebut?

  19. Uji t dan Uji Z • Uji t digunakan bila berhadapan dengan pengujian dua rataan, yang simpangan baku populasinya tak diketahui. • Uji Z digunakan bila berhadapan dengan pengujian dua rataan, yang simpangan baku populasinya diketahui. • Dalam kedua uji tersebut ada uji dua pihak dan uji satu pihak (pihak kanan atau pihak kiri)

  20. Pengujian kesamaan dua rataan (Uji dua pihak)

  21. Pengujian perbedaan dua rataan (Uji satu pihak)

  22. Sampel besar (>30) pakai uji t apa uji Z • Ada yg berpendapat bahwa untuk sampel besar diasumsikan simpangan baku sampel mewakili simpangan baku populasi, maka digunakan uji Z. Apakah rumus untuk uji t bagi “independent samples” dan related samples berbeda? • Rumusnya berbeda, namun persyaratannya sama, yaitu populasi-populasi harus normal.

  23. Contoh penelitian dengan “independent samples” • Seorang guru mendesain dua metode mengajar dan ingin mengetahui mana yang lebih efektif, diambil dua kelas yang berbeda untuk penerapan kedua metode tersebut, kemudian mengetes hasilnya dengan instrumen yang sama. • Seorang dosen ingin melihat apakah hasil belajar statistika mahasiswa prodi matematika berbeda dengan mahasiswa prodi fisika. PBM dan intrumen tesnya sama. • Seorang guru ingin mengetahui mana pendekatan belajar yang lebih baik antara yang langsung melihat lingkungan dengan yang hanya melihat rekaman lingkungan untuk materi pencemaran lingkungan

  24. Contoh penelitian dengan “related samples” • Seorang guru telah menyelesaikan pokok bahasan tertentu, dia tidak puas lalu menambah materi dalam bentuk media interaktif dalam komputer, kemudian mengetes hasilnya dengan instrumen yang sama. • Seorang dosen ingin melihat apakah ada peningkatan kemampuan penalaran formal pada sekelompok siswa setelah diberi pelatihan berpikir abstrak. Intrumen tes penalaran formal yang digunakan sama. • Seorang guru ingin mengetahui pengaruh pemutaran film tentang penerapan berbagai bioteknologi terhadap perubahan sikap siswa terhadap pelajaran biologi.

  25. Uji normalitas populasi sebagai syarat uji t • Dengan chi kwadrat (lihat Budiono, 2004:168-170; sudjana 1982:189). • Cara ini digunakan untuk data yang berupa distribusi frekuensi. Buat tabel kerja untuk menghitung rataan dan simpangan baku. • Buat tabel kerja untuk menghitung frekuensi harapan. • Hitung harga 2. • Lihat daerah penerimaan (Tabel) • Jika 2 (obsevasi/ hitung)> 2 tabel berarti populasi berdistribusi normal.

  26. Dengan metode Lilliefors (lihat Budiono, 2004: 170-172; sudjana 1982:450). • Digunakan untuk data yang tidak berbentuk distribusi frekuensi. • Buat tabel untuk mencari L maks. • Hitung (angka baku, zi) untuk masing-masing nilai • Hitung peluang F(zi ) dgn rumus F(zi )=(0.5 luas untuk harga zi yang bersangkutan-untuk z negatif). Jika z positif, maka F(zi )=(0.5 +luas untuk harga zi • Hitung S(zi ) dengan rumus S(zi ) = banyaknya cacah nilai dibagi n • Hitung harga F(zi )  S(zi ), lihat harga maksimumnya (inilah harga L maks hitung/ observasi. Cocokkan dengan harga L tabel • Jika L hitung > L , n maka populasi berdist. normal

  27. Example of t test • A reseacher is studying the effects of two different methods of instruction. Two random samples of size ten each are chosen from available student. The achievement test is given at the end of experiment . • Sample A: 1, 2, 3, 4, 4,5, 5, 8, 9, 9 (nA = 10, MA= 5, SSA =72. Sample B: 4, 6, 7, 7, 8, 8, 9, 10, 10, 11 (nB= 10, MB=8, SSB = 40. = 0.05, df = 18 Reject Ho, t -2.101, t  2.101 tobs = 2.67 So, method of B is better than method of A. SS1 = Xi2 (Xi)2/N

  28. Contoh lain (lihat Budiono 2004: 156) tentang perbandingan. met. mengajar lama dengan met. baru. • Lihat tabel 12.2. yg berisi banyaknya sampel, rataan dan deviasi baku. • Ho : 1  2 (met. baru tidak lebih baik dari met. lama) H1 : 1  2 (met. baru lebih baik dari met. lama) Kriteria: tolak H0 jika Z obs > Z tabel • = 0.01-- Z (0,5 ) -- Z (0.49) = 2.327 (dicari dari tabel 3 hal 312 Budiono, 2004) yang ada untuk angka 0.4898 --- Z = 2.32 untuk angka 0.4901 --- Z = 2.33 untuk angka 0.49 -- Z = ? Untuk angka 0.49 Z = 2.33  (0.0001/0.0003)x 0.01 = 2.33  0.00333 = 2.32667, dibulatkan menjadi 2.327

  29. Z obs (Z (hitung) = 2.491 (lihat perhitungan) Harga Z obs > Z tabel , berarti Ho ditolak • Jadi metode baru lebih baik dari metode lama. Contoh lain ( lihat Budiono,2004 hal 156-158) • Ingin menunjukkan apakah siswa pria dan wanita berbeda kemampuannya dalam matematika. • Diasumsikan populasi-populasi normal, variansi-variansinya sama tetapi besarnya tak diketahui. • Uji yang digunakan : Uji t dua pihak • Kriteria: tolak Ho jika t obs < t tabel atau t obs> t tabel (t tabel adalah t (½ , (n1 + n2 -2))

  30. Contoh lain ( lihat Budiono , 2004: hal 160-161) • Contoh ini merupakan contoh untuk “related sample”. • Peneliti ingin mengetahui apakah suatu stimulan dapat meningkatkan tekanan darah. • Sejumlah responden diambil, diukur tekanan darahnya sebelum diberi stimulan dan sesudah diberi stimulan. • Uji t yang digunakan : Uji t satu pihak • Kriteria : tolak Ho jika t obs> t tabel t tabel adalah t  , (n - 1) Contoh uji ini dapat diterapkan misalnya untuk mengetahui apakah pengajaran remidial dapat menaikkan hasil belajar, tapi sebaiknya gunakan kelompok kontrol yang tak diremidiasi.

  31. Contoh lain ( lihat Roscoe, 1969 hal 172-173) untuk “related sample”. • Dua metode diterapkan pada anak cacat mental, dilihat pengaruhnya terhadap kemampuan memecahkan masalah sederhana. Peneliti menyusun dua kelompok berpasangan dengan karakteristik yang sama. • Uji yang digunakan : Uji t dua pihak (Ho : metode A tidak berbeda dengan metode B) • kriteria : tolak Ho jika t obs<t tabel ½ , (n - 1) ataut obs>t tabel ½ , (n - 1) • Dari perhitungan disimpulkan bahwa perbedaan pengaruh dua metode tersebut tidak signifikan.

  32. Contoh lain ( lihat Sudjana, 1982: hal 235-237) • Ada dugaan bahwa pemuda yang suka berenang rata-rata lebih tinggi dari yang bukan perenang. Diambil sampel 15 pemuda yang suka berenang dan 20 yang tak suka berenang . • Uji yang digunakan : Uji t satu pihak (Ho : pemuda perenang lebih tinggi daripada bukan perenang ) • kriteria : tolak Ho jika t obs>t tabel (1-) , (n1+n2 - 2) • Dari perhitungan disimpulkan bahwa pemuda perenang tidak lebih tinggi dari pemuda yang bukan perenang.

  33. Soal-soal: Tentukan teknik analisis statistik yang sesuai • Seorang guru mengembangkan cara praktikum IPA dengan menggunakan alat-alat sederhana dan bahan-bahan yang ada disekitarnya. Cara ini diharapkan dapat menggantikan praktikum yang sudah biasa dilakukan dengan hasil yang sama baiknya. • Seorang guru matematik menerapkan dua metode baru untuk pokok bahasan tertentu, setelah selesai dilakukan tes. Salah satu metode yang digunakan diharapkan lebih unggul dari yang lain. • Seorang peneliti ingin mengetahui apakah kemampuan berbahasa inggris antara siswa dan siswi SMA berbeda.

  34. Seorang peneliti ingin menguji apakah prestasi belajar Bahasa Inggris semester 1 untuk siswa-siswa yang diseleksi lewat PMDK lebih baik daripada yang diseleksi lewat UMPTN • Seorang guru menambah materi pelajaran dengan menaruhnya dalam Web di komputer sekolah. Dia ingin mengetahui apakah siswa yang lebih sering mengunjungi web nya akan memperoleh prestasi belajar yang lebih baik. • Dua orang guru dilatih dengan suatu metode baru, kemudian keduanya mengajar di dua kelas yang berbeda dengan materi yang sama. Selanjutnya Kepala sekolah melihat hasil belajar siswa untuk mengetahui mana guru yang lebih menguasai metode baru tersebut . Contoh hitungan lihat Roscoe. 1969: 86-87

  35. Anava (Analisis Variansi)Anova (Analysis of Variance) • Teknik analisis ini digunakan jika berhadapan dengan pengujian kesamaan beberapa rataan (lebih dari dua). Untuk menguji dua rataan cukup dengan uji t. Namun demikian Anava dapat juga digunakan untuk menguji dua rataan. • Teknik ini dapat digunakan untuk melihat pengaruh satu variabel bebas terhadap suatu variabel terikat. Teknik analisis disini disebui Anava satu jalan (one way classification). Disebut juga the simple analysis of variance. (Variabel bebas terdiri dari beberapa kategori ). Contoh peneliti ingin mengetahui apakah ada pengaruh waktu belajar (pagi, siang dan sore) terhadap prestasi belajar.

  36. Data prestasi belajar • Teknik ini dapat digunakan untuk melihat pengaruh dua variabel bebas terhadap suatu variabel terikat. Teknik anava untuk ini disebut Anava dua jalan (two way analysis of Variance). Jika masing-masing variabel bebas terdiri dari dua dan tiga kategori, maka disebut Anava dua jalan 2 x 3. Contoh: Studi pengaruh penggunaan metode kooperatif (Jigsaw dan STAD) dan keingintahuan (tinggi, sedang, rendah) terhadap prestasi belajar Bahasa Inggris Siswa SMA kelas X

  37. Data prestasi belajar • Teknik ini dapat digunakan untuk melihat pengaruh tiga variabel bebas terhadap suatu variabel terikat. Teknik anava untuk ini disebut Anava tiga jalan (Three way analysis of Variance). Jika masing-masing variabel bebas terdiri dari dua kategori, maka disebut Anava tiga jalan 2 x 2 x 2. • Teknik ini dapat digunakan untuk melihat pengaruh dua variabel bebas terhadap suatu variabel terikat. Teknik anava untuk ini disebut Anava dua jalan (two way analysis of Variance). Jika masing-masing variabel bebas terdiri dari dua dan tiga kategori, maka disebut Anava dua jalan 2 x 3. Contoh: Studi pengaruh penggunaan metode kooperatif (Jigsaw dan STAD) dan keingintahuan (tinggi, sedang, rendah) terhadap prestasi belajar fisika Siswa SMA kelas X

  38. Contoh: Studi pengaruh penggunaan metode kooperatif (Jigsaw dan STAD) , jenis kelamin (laki-laki, perempuan) dan keingintahuan (tinggi, rendah) terhadap prestasi belajar bahasa inggris Siswa SMA kelas X • Anava tidak hanya terbatas tiga jalan tetapi dapat lebih banyak lagi

  39. Persyaratan Analisis variansi • Setiap sampel diambil secara random dari populasinya. • Masing-masing populasi saling independen dan masing-masing data amatan saling independen dalam satu kelompoknya Jika ingin melihat pengaruh waktu mengajar(pagi, siang dan sore), maka harus dijaga agar tidak ada saling mempengaruhi antara siswa yang diajar pagi, siang dan sore. Data amatan hasil belajar harus diperoleh masing-masing siswa secara independen, bukan saling mencontek.

  40. Setiap populasi berdistribusi normal Dalam konteks analisis variansi, masing-masing kelompok merupakan sampel dari populasinya sendiri-sendiri. Uji normalitas dilakukan terhadap masing-masing kelompok data (sel). • Populasi-populasi mempunyai variansi yang sama. (diuji dengan uji homogenitas varians). Uji homogenitas varians dilakukan dengan uji BartLet. Contoh uji homogenitas varians dapat dilihat pada Budiono, 2004 hal 175-178 • Untuk Anava dua jalan dan seterusnya, dikenal istilah interaksi. Pengertian interaksi (profil efek bersama akan dijelaskan dengan contoh penelitian.

  41. Contoh Anava satu jalan Contoh untuk sel sama, Lihat Budiyono, 2004: hal 193. • Ada 5 obat sakit kepala (A, B, C , D dan E), diberikan kepada lima kelompok yang berbeda (tentu saja lima kelompok ini harus setara). Lama waktu hilangnya rasa sakit dicatat dalam tabel 13.5. • Notasi-notasi: T = total skore dari masing-masing kelompok. G= jumlah skore total (grand total). JKA= jumlah kuadrat amatan (Treatment sum of square atau sum of square for column mean). JKG= jumlah kuadrat galat (error sum of square) • Ho : 1= 2 = 3 = 4 H1 : paling sedikit ada satu rataan yang tidak sama

  42. Cara menghitung lihat hal 194. Diperoleh Fobs = 6.90, sedangkan F 0.05, 4, 20 = 2.87 sehingga Ho ditolak, artinya keempat obat tersebut tidak memberi efek yang sama. Contoh untuk sel tak sama, Lihat Budiono, 2004: hal 198-200. • Ada 3 metode pembelajaran (A, B dan C) ingin diketahui perbedaan efeknya terhadap hasil belajar • Cara menghitung, lihat hal 199. perhatikan angka dan notasi dalam tabel 13.9 dan tabel 13.10 Diperoleh Fobs = 8.49, sedangkan F 0.05, 2, 12 = 3.89, sehingga Ho ditolak, artinya ketiga metode tidak memberikan efek yang sama, atau metode mengajar berpengaruh terhadap hasil belajar

  43. Uji lanjut pasca anava • Jika dari pengujian diperoleh bahwa ada efek perlakuan, maka dilanjutkan untuk mencari mana yang paling baik, apakah ada yang sama, digunakan uji Scheffe. Uji ini menggunakan tabel F. Uji lain dapat digunakan seperti uji Dunnett yang menggunakan tabel t. • Contoh pengujian (lihat Budiono, 2004; hal 204, Tampak dari uji Scheffe bahwa bahan belajar A sama baiknya dengan bahan belajar C, bahan belajar B sama baiknya dengan bahan belajar C, tetapi bahan belajar A lebih baik dari bahan belajar A. Contoh uji lanjut Anava dengan Dunnet dapat dilihat Roscoe , 1969: 239-242)

  44. Anava dua jalan Lihat Budiono, 2004: 215-220. • Seorang peneliti ingin melihat manakah diantara tiga strategi pembelajaran (A, B dan C) yang paling efektif, dilihat dari rataan prestasi belajarnya. • Peneliti juga ingin melihat apakah rataan prestasi belajar siswa (pria atau wanita) yang lebih baik. • Peneliti juga sekaligus ingin melihat apakah terdapat perbedaan rataan prestasi belajar siswa (pria atau wanita) pada masing-masing strategi pembelajaran. Dalam hal ini peneliti berhadapan dengan anava dua jalan (3 x 2) • Perhatikan notasi dan tahap perhitungannya

  45. Konsep Interaksi dalam Anava • Dari penerapan 3 strategi pembelajaran, rataan hasil belajar siswa pria dan wanita dapat digambarkan dalam bentuk profil sbb: • Tampak bahwa rataan hasil belajar wanita selalu lebih tinggi daripada pria baik dengan strategi A, B maupun C. 8.3 6.7 Wanita 5.3 5.0 2.3 Pria A B C

  46. Profil tersebut dapat untuk menduga ada tidaknya interaksi antara variabel independet strategi pembelajaran dengan variabel independen jenis kelamin. Jika tidak berpotongan maka diduga tidak ada interaksi. Jika berpotongan mungkin ada interaksi, namun demikian yang dipegang tetap hasil pengujian. Complex Skill Score Apakah gambar di samping ini menunjukkan adanya interaksi antara pemberian motivasi dengan jenis skill terhadap prestasi olah raga Simple Skill Normal motivational Hyper motivational

  47. Contoh lain analisis anava dua jalan (lihat Roscoe, 1969: 251. Seorang psikhiatri melakukan terapi dengan Drug dan dengan Electroshock . Tingkat kesembuhan dinyatakan dengan skor 0, 1, 2,3 dan 4. Data penelitian dicatat dalam tabel berikut: Hasil menunjukkan bahwa: tak ada interaksi antara drug dan electroshock, drug tak memberi pengaruh yang signifikan, electroshock memberi pengaruh yang signifikan.

  48. Anacova (Analysis of covariance) • Keberhasilan peneliti dalam membandingkan beberapa perlakuan sangat bergantung bagaimana peneliti mengontrol penelitiannya. • Pengontrolan dilakukan terhadap variabel-variabel yang diperkirakan akan mempengaruhi hasil perlakuan. • Pengontrolan dapat dilakukan dengan mengatur desain penelitian, seperti menyamakan menyamakan subyek-subyek penelitian atas dasar Nilai UN, nilai semester sebelumnya, IQ dll. • Anacova adalah teknik pengontrolan non eksperimen, atau disebut pengontrolan secara statistik.

  49. Seorang peneliti ingin membandingkan dua metode pembelajaran di SMA. Dia yakin bahwa materi yang akan dipelajari sangat terkait dengan penguasaan Tenses di SMP (yang diwakili nilai N-UN), oleh karena itu peneliti menempatkan N-UN sebagai kovarian. Nilai N-UN dibiarkan apa adanya tanpa digolongkan tinggi rendah, dimasukkan dalam perhitungan. Jika N-UN dijadikan pengontrol tetapi digolongkan menjadi tinggi rendah, maka peneliti menggunakan desain Anava. Dengan memasukkan N-UN sebagai kovarian diharapkan perbedaan hasil benar-benar karena perbedaan metode pembelajaran, bukan karena pengaruh penguasaan Tenses di SMP (N-UN).

  50. Contoh Anacova lihat Roscoe, 1969: hal 254-263 Y adalah skore hasil belajar dan X adalah skore variabel pengontrol (misal NEM • Ho : dua rata-rata populasi sama bila pengaruh variabel x dikontrol. • Dengan rumus-rumus yang ada, diperoleh F obs = 22.6, sedangkan F , (k1), (n-k-1) - F 0.05, 1, 9 =5.12. Jadi tolak Ho. Artinya rataan kelompok 2 yang sudah disesuaikan (adjusted mean) lebih besar daripada rataan kelompok 1. • Jika penelitian ini tak dikontrol dengan nilai X, dihitung dengan simple analysis of variance maka harga F obs = 0.6 Jadi rataan kelompok 2 tidak lebih baik dari rataan kelompok 1

More Related