SM = Skor maksimum ideal dari soal tiap seri Data yang diperoleh adalah data berupa kualitatif yang akan dikonversikan
ke dalam data kuantitatif yang dibagi ke dalam kategori Tabel 3.8.
3. Angket
Data yang dihasilkan melalui angket akan dianalisi melalui perhitungan sederhana dari Trianto:
29
Keterangan: A = Proporsi siswa yang memilih
B = Jumlah siswa responden Data hasil pengolahan di atas akan diinterpretasikan ke dalam Tabel aturan
Koentjaraningrat dalam Suhartini yang dikutip oleh Reva sebagi berikut:
30
Tabel 3.9 Kategori Berdasarkan Aturan Koentjaraningrat Presentase
Kategori
Tidak ada 1 - 25
Sebagian kecil 26 - 49
Hampir separuhnya 50
Separuhnya 51 - 75
Sebagian besar 76 - 99
Hampir seluruhnya 100
Seluruhnya
29
Trianto, Mendesain Model Pembelajaran Inovatif-Progresif: Konsep, Landasan, dan Implementasinya pada Kurikulum Tingkat Satuan Pendidikan KTSP, Jakarta: Kencana Prenada
Media Group, 2011, edisi. 1, cet. 4, h. 243.
30
Reva Rimatusodik, “Profil Keterampilan Generik Siswa SMP dalam Praktikum Kerusakan Lingkungan Menggunakan Kotak Erosi”, Skripsi pada Sarjana S1 Pendidikan UPI Bandung,
Bandung, 2010, h. 49-50, tidak dipublikasikan, tersedia on line di http:repository.upi.eduskripsi View.php?export=htmlno_skripsi=5573.
45
BAB IV HASIL DAN PEMBAHASAN
A. Hasil Penelitian
1. Lembar Observasi Kemampuan Generik
Lembar observasi yang digunakan dalam penelitian ini bertujuan untuk mengamati kegiatan siswa selama praktikum berlangsung. Lembar observasi
disusun dalam bentuk format khusus dengan aspek-aspek penilaian yang dikembangkan dari indikator keterampilan generik.
Ragam kemampuan generik dalam penelitian ini dijaring melalui lembar observasi yaitu pengamatan langsung, pengamatan tidak langsung dan pemodelan.
Di mana ragam pengamatan langsung dan pemodelan dapat dijaring melalui praktikum Ingen Houz dan Uji Sach, sedangkan ragam pengamatan tidak
langsung hanya dapat dijaring melalui praktikum Uji Sach. Hasil analisis kemampuan generik yang didapatkan dari ragam pengamatan
langsung sebesar 59,15, ragam pengamatan tidak langsung sebesar 65,14, dan ragam pemodelan sebesar 63,85.
1
Ragam kemampuan generik pengamatan tidak langsung memiliki rerata tertinggi dibandingkan ragam lainnya. Ragam
kemampuan generik pemodelan berada dalam urutan kedua dan ragam kemampuan generik pengamatan langsung berada pada posisi yang terendah.
Perbandingan tersebut dapat dilihat pada Gambar 4.1.
1
Lampiran 18, h. 161.
