Teknik Analisis Data METODE PENELITIAN

Sendi Ramdhani, 2012 Pembelajaran Matematika Dengan Pendekatan Problem Posing Untuk Meningkatkan Kemampuan Pemecahan Masalah Dan Koneksi Matematis Siswa Universitas Pendidikan Indonesia | repository.upi.edu

2. Skala Sikap

Skala sikap adalah Seperangkat nilai angka yang ditetapkan kepada subjek, objek atau tingkah laku dengan tujuan mengukur sifat. Skala sikap ini diberikan kepada siswa kelompok eksperimen, dengan tujuan untuk mengungkapkan secara umum sikap siswa terhadap pembelajaran problem posing . Skala sikap yang digunakan adalah model skala Likert, dengan pilihan jawaban SS Sangat Setuju, S Setuju, TS Tidak Setuju, STS Sangat Tidak Setuju. Pilihan N Netral dihilangkan untuk menghindari sikap ragu-ragu atau rasa aman untuk tidak memihak pada suatu pernyataan yang diajukan.

D. Teknik Analisis Data

Data-data yang dianalisis berupa data kuantitatif yang terdiri dari hasil tes dan skala sikap siswa. Hasil tes kemampuan pemecahan masalah dan kemampuan koneksi matematis sebelum dianalisis, peneliti melakukan hal-hal berikut: 1. Menskor jawaban siswa sesuai dengan kunci jawaban. 2. Merangkum jawaban dari kelompok eksperimen dan kontrol dalam bentuk tabel. 3. Menghitung peningkatan kemampuan pemecahan masalah dan kemampuan koneksi matematis yang terjadi sebelum dan sesudah pembelajaran dengan rumus gain ternormalisasi, yaitu: �� � � � � = − � � − Meltzer, 2002 Sendi Ramdhani, 2012 Pembelajaran Matematika Dengan Pendekatan Problem Posing Untuk Meningkatkan Kemampuan Pemecahan Masalah Dan Koneksi Matematis Siswa Universitas Pendidikan Indonesia | repository.upi.edu Setelah melakukan penskoran, merangkum jawaban dalam tabel dan menghitung peningkatan kemampuan pemecahan masalah dan kemampuan koneksi matematis , maka peneliti melakukan analisis statistik deskriptif sebagai berikut: 1. Menghitung rerata hitung pretes dan postes, dengan menggunakan rumus: n X X n i i    1 Keterangan: X = rerata i X = data ke-i n = banyak data 2. Menghitung deviasi standar pretes dan postes untuk mengetahui penyebaran kelompok, dengan menggunakan rumus:   1 1 2      n X X SD n i i Keterangan: SD = Standar Deviasi X = rerata i X = data ke-i n = banyak data Sendi Ramdhani, 2012 Pembelajaran Matematika Dengan Pendekatan Problem Posing Untuk Meningkatkan Kemampuan Pemecahan Masalah Dan Koneksi Matematis Siswa Universitas Pendidikan Indonesia | repository.upi.edu Selanjutnya peneliti melakukan analisis untuk mengetahui perbedaan rerata kelas eksperimen dengan kelas kontrol dan peningkatan kemampuan pemecahan dan koneksi matematis, dengan langkah-langkah sebagai berikut: 1. Menguji normalitas. Uji normalitas digunakan untuk melihat apakah data hasil tes berdistribusi normal atau tidak. Uji normalitas dilakukan pada data hasil pretes, postes, dan gain dengan menggunakan uji normalitas lillefors Kolmogorof-Smirnov. 2. Menguji homogenitas. Uji homogenitas digunakan untuk melihat apakah data hasil tes homogen atau tidak. Uji homogenitas mengunakan Levene’s test. 3. Jika diketahui data berdistribusi normal dan homogen, maka selanjutnya untuk menguji beda dua rerata digunakan uji-t . Sedangkan jika data berdistribusi normal dan tidak homogen maka pengujian beda dua rerata yang digunakan uji- t’, yaitu uji beda dua rerata yang variannya berbeda. 4. Jika diketahui data tidak berdistribusi normal maka untuk menentukan perbedaan rerata antara kelompok eksperimen dan kelompok kontrol digunakan uji non parametrik yaitu uji Mann-Whitney. 5. Untuk mengetahui peningkatan kemampuan pemecahan masalah dan koneksi matematis siswa dengan pembelajaran matematika dengan pendekatan problem posing dianalisis menggunakan gain score ternormalisasi menurut Hake 1999 dengan rumus sebagai berikut: = � − � � 100 − � � Sendi Ramdhani, 2012 Pembelajaran Matematika Dengan Pendekatan Problem Posing Untuk Meningkatkan Kemampuan Pemecahan Masalah Dan Koneksi Matematis Siswa Universitas Pendidikan Indonesia | repository.upi.edu Keterangan : = gain score ternormalisasi � = skor rerata post-test � � = skor rerata pre-test Menurut Hake 1999, gain score ternormalisasi merupakan metode yang baik untuk menganalisis hasil pre-test dan post-test. Gain score merupakan indikator yang baik untuk menunjukkan tingkat kefektifan pembelajaran yang dilakukan dilihat dari skor pre-test dan post-test. Tingkat perolehan gain score ternormalisasi dikategorikdanan dalam tiga kategori Hake, 1999, yaitu: Tabel 3.11 Kriteria Skor Gain Ternormalisasi Skor Gain Interpretasi 0,7 0,3 ≤ 0,7 ≤ 0,3 Tinggi Sedang Rendah 6. Untuk mengkategorikan kualitas kemampuan pemecahan masalah dan koneksi matematis siswa digunakan penilaian skala lima dan tabel konversi sebagai berikut: Tabel 3.12 Kualitas Pencapaian Kemampuan Persentase Pencapaian Interpretasi 40 00 55 40 75 55 90 75 100 90           E D C B A Sangat Tinggi Tinggi Cukup Rendah Sangat Renda Suherman, 1990 Sendi Ramdhani, 2012 Pembelajaran Matematika Dengan Pendekatan Problem Posing Untuk Meningkatkan Kemampuan Pemecahan Masalah Dan Koneksi Matematis Siswa Universitas Pendidikan Indonesia | repository.upi.edu Adapun untuk menjawab rumusan masalah nomor tiga mengenai sikap siswa terhadap pembelajaran problem posing , dilakukan analisis hasil skala sikap siswa. Untuk mengkategorikan sikap siswa terhadap pembelajaran problem posing , peneliti menggunakan tiga kriteria, yaitu Tabel 3.13 Kriteria Sikap Rerata Skor Sikap Interpretasi − � − � ≤ + � + � ≤ Rendah Sedang Tinggi Keterangan: = mean teoritis = 3   item S = luas jarak sebaran : 3 Luas jarak sebaran =          1 5 item item Azwar, 2003 Berikut ini alur uji statistik untuk melihat perbedaan dua rerata: Gambar 3.1 Diagram Alur Uji Statistik Uji Mann-Whitney Data Pretes Postes Uji Normalitas Uji Homogenitas Uji t Uji t’ ya tidak ya tidak Normal ? Homogen ? Sendi Ramdhani, 2012 Pembelajaran Matematika Dengan Pendekatan Problem Posing Untuk Meningkatkan Kemampuan Pemecahan Masalah Dan Koneksi Matematis Siswa Universitas Pendidikan Indonesia | repository.upi.edu

E. Agenda Penelitian