UJI ASUMSI ANALISIS DATA PARAMETRIK DI SPSS

1. Populasi dan sampel

Efektivitas tiga model pembelajaran, yaitu PBL (A1), PJBL (A2), dan inquiry (A3) terlihat dari skor prestasi belajar matematika ketiga kelompok yang dibelajarkan dengan model pembelajaran tersebut selama tiga bulan. data prestasi belajar ketiga kelompok disajikan sebagai berikut.

• Populasi berdasarkan data tersebut adalah seluruh kelompok yang telah mengikuti model pembelajaran PBL (A1), PJBL (A2), dan inquiry (A3) selama tiga bulan.
• Sampel berdasarkan data tersebut adalah diambil sebanyak 10 siswa yang mengikuti model pembelajaran PBL (A1), PJBL (A2), dan inquiry (A3) selama tiga bulan.

1. Hipotesis yang akan diuji

H₀: tidak ada perbedaan prestasi belajar matematika antara siswa yang dibelajarkan dengan model pembelajaran PBL, PJBL dan inquiry.

H₁: ada perbedaan prestasi belajar matematika antara siswa yang dibelajarkan dengan model pembelajaran PBL, PJBL dan inquiry.

Atau dalam bentuk hipotesis statistik yaitu:

H0 ∶ µ1 = µ2 = µ3

H1 ∶ µ1 ≠ µ2 ≠ µ3

1. Data dan instrumen

• Data

• Instrumen
  1. Buka IBM SPSS Statistics 24, buka lembar kerja baru di SPSS lalu klik variabel view untuk mengisi data seperti pada gambar di bawah.
  2. Pada variabel view → isi pada values seperti data di bawah

Cara mengisinya:

• Value: ketik 1; Label: ketik; PBL Klik Add
• Value: ketik 2; Label: ketik PJBL; Klik Add
• Value: ketik 3; Label: ketik Inquiry; Klik Add

Klik Ok

3. Langkah selanjutnya klik data view, kemudian data “Model Pembelajaran” dan “Nilai” sesuai dengan kolom tersedia.

1. Pegujian asumsi

Untuk melihat apakah data tersebut dapat diselesaikan dengan uji anova satu arah, akan dilakukan pengujian asumsi yaitu uji normalitas dan uji homogenitas. Apabila dua uji tersebut terpenuhi maka anova satu arah dapat digunakan. Adapun langkah-langkah untuk pengujian asumsi sebagai berikut:

• Uji normalitas

Uji normalitas adalah suatu metode statistik yang digunakan untuk menentukan apakah data yang kita miliki memiliki distribusi normal atau tidak. Uji normalitas umumnya dilakukan sebelum menerapkan analisis statistik parametrik, seperti uji t, ANOVA, dan sebagainya, karena analisis parametrik mengasumsikan bahwa data berasal dari distribusi normal.

Dalam melaksanakan uji normalitas, hipotesis nolnya adalah bahwa data berasal dari distribusi normal. Jika nilai p dari uji normalitas tersebut lebih besar dari Tingkat signifikansi yang ditentukan (misalnya 0,05), maka kita gagal menolak hipotesis nol, dan dapat menyimpulkan bahwa data kita mungkin berasal dari distribusi normal.

Langkah-langkah melakukan uji normalitas:

1. Klik menu Analyze → Descriptive Statistics → Explore
2. Maka akan muncul kotak dialog explore, selanjutnya masukkan variabel nilai siswa dalam 3 bulan ke kotak Dependen List, lalu masukkan variabel “model pembelajaran” ke kotak Factor List, pada bagian Display pilih Both, Kemudian Plots.
3. Maka akan muncul kotak dialog “Explore: Plots”, kemudian berikan tanda centang pada Normality plots with tests, lalu klik continue.
4. Selanjutnya klik Ok untuk mengakhiri perintah. Maka muncul output SPSS. Perhatikan output ketiga, yakni pada table “Test of Normality”.

Dasar pengambilan keputusan dalam uji normalitas:

• Jika nilai > 0,05 maka data berdistribusi normal.
• Jika nilai < 0,05 maka data tidak berdistribusi normal.

Dari output SPSS pada tabel Test of Normality di atas, diperoleh nilai Shapiro- Wilk Sig. untuk data metode pembelajaran PBL adalah sebesar 0,008, PJBL sebesar 0,177 dan Inquiry sebesar 0,127. Berdasarkan dasar pengambilan keputusan dalam uji normalitas di atas, maka data nilai siswa untuk ketiga jenis model pembelajaran > 0,05. Dengan demikian dapat disimpulkan bahwa data nilai siswa untuk ketiga jenis model pembelajaran (PBL, PJBL dan inquiry) adalah berdistribusi normal.

Karena asumsi dasar normalitas sudah terpenuhi maka analisis stastistik parametrik dengan Uji One Way Anova dapat dilakukan. Namun, jika data penelitian ternyata tidak berdistribusi normal maka alternatif analisis data sebagai pengganti uji one way anova adalah dengan menggunakan statistik non parametrik yakni dengan uji kruskal wallis.

• Uji homogenitas

Uji homogenitas adalah proses statistik yang digunakan untuk mengevaluasi apakah varians dari dua atau lebih kelompok data sama atau homogen. Varians yang homogen antar kelompok merupakan salah satu asumsi utama dalam banyak metode analisis statistik, seperti uji analisis varians (ANOVA). Uji homogenitas membantu memastikan bahwa perbedaan yang diamati antara kelompok bukan disebabkan oleh perbedaan varians antar kelompok tersebut.

Langkah-langkah melakukan uji homogenitas:

1. Klik menu Analyze → Compare Means → One Way
2. Maka akan muncul kotak “One Way ANOVA”, selanjutnya masukkan variabel “Nilai siswa selama 3 bulan” ke kotak Dependen List, lalu masukkan variabel “Model Pembelajaran” ke kotak Factor List, lalu klik Options.
3. Maka akan muncul kotak dialog “One-Way ANOVA: Options”, kemudian bagian “Statistics” berikan tanda centang untuk Homogenity of variance test, lalu klik continue.
4. Selanjutnya klik Ok untuk mengakhiri perintah. Maka muncul output SPSS berjudul “Oneway”. Untuk menafsirkan hasil uji homogenitas, cukup memperhatikan table output “Test of Homogenity of Variances”.

Berdasarkan tabel output “Test of Homogeneity of Variances” di atas diketahui nilai signifikansi (Sig.) variabel nilai siswa selama 3 bulan adalah sebesar 0,447. Karena nilai Sig. 0,447 > 0,05, maka sebagaimana dasar pengambilan keputusan dalam uji homogenitas di atas, dapat disimpulkan bahwa data nilai siswa untuk ketiga jenis model pembelajaran (PBL, PJBL dan inquiry) adalah sama atau homogen.

Analisis data parametrik merupakan suatu pendekatan statistik yang melibatkan pengukuran atau estimasi parameter dari suatu populasi. Data parametrik diasumsikan mengikuti distribusi tertentu, seperti distribusi normal.

Sebelum melakukan analisis parametrik, lakukan normalitas data. Normalitas dapat diuji menggunakan berbagai metode, seperti uji normalitas Shapiro-Wilk atau Kolmogorov- Smirnov. Kemudian lakukan uji homogenitas, uji homogenitas ini bertujuan untuk memastikan perbedaan yang diamati antara kelompok bukan disebabkan oleh perbedaan varians antar kelompok tersebut. Selain uji t dan ANOVA, terdapat berbagai uji statistik parametrik lainnya seperti uji chi-kuadrat untuk uji asosiasi, uji F untuk uji perbedaan varians, dan lain sebagainya.