84 Berdasarkan data dari tabel frekuensi skor prestasi belajar matematika
di atas, dapat divisualisasikan dalam gambar histogram frekuensi skor sebagai berikut.
Gambar 8. Histogram Prestasi Belajar Matematika Siwa yang Diajar dengan Metode
Pembelajaran Konvensional dengan Motivasi Belajar Rendah
B. Pengujian Persyaratan Analisis
Sebelum melaksanakan analisis teknik Anava dua jalan, data yang akan dianalisis haruslah memenuhi persyaratan normalitas data dan data dari populasi
yang homogen. Untuk peryasaratan data yang berdistribusi normal pda penelitian ini digunakan uji Kolmogorov Smirnov, sedangkan uji homogenitas dilakukan
dengan uji Barlett.
1. Uji Normalitas Data
F re
k u
en si
a b
so lu
t
10 8
6
4 2
37.5 43.5 49.5 55.5 61.5 67.5 73.5
85 a.
Hasil Uji normalitas Data Prestasi Belajar Matematika Siswa Yang Diajar Dengan Metode Pembelajaran tipe Student Tea ms Achievement Division
STAD
Perhitungan uji normalitas data dengan menggunakan uji Kolmogorov Smirnov
pada data prestasi belajar matematika siswa yang diajar dengan metode pembelajaran tipe Student Teams Achievement
Division STAD dapat dilihat pada Lampiran 8. berdasarkan hasil
perhitungan diperoleh nilai asimptotic signifivance sebesar 0,508 lebih besar dari a 0,05, sehingga dapat disimpulkan bahwa data prestasi
belajar matematika siswa yang diajar dengan metode pembelajaran tipe Student Tea ms Achievement Division
STAD berasal dari data populasi yang berdistribusi normal.
b. Hasil Uji normalitas Data Prestasi Belajar Matematika Siswa Yang Diajar
Dengan Metode Pembelajaran konvensional Perhitungan uji normalitas data dengan menggunakan uji
Kolmogorov Smirnov pada data prestasi belajar matematika siswa yang
diajar dengan metode pembelajaran konvensional dapat dilihat pada Lampiran 8. berdasarkan hasil perhitungan diperoleh nilai asimptotic
signifivance sebesar 0,879 lebih besar dari a 0,05, sehingga dapat
disimpulkan bahwa data prestasi belajar matematika siswa yang diajar
86 dengan metode pembelajaran konvensional berasal dari data populasi
yang berdistribusi normal. c.
Hasil Uji normalitas Data Prestasi Belajar Matematika Siswa yang Memiliki Motivasi Tinggi
Perhitungan uji normalitas data dengan menggunakan uji Kolmogorov Smirnov
pada data prestasi belajar matematika siswa yang memiliki motivasi tinggi dapat dilihat pada Lampiran 8. berdasarkan hasil
perhitungan diperoleh nilai asimptotic signifivance sebesar 0,601 lebih besar dari a 0,05, sehingga dapat disimpulkan bahwa data prestasi
belajar matematika siswa yang memiliki motivasi tinggi berasal dari data populasi yang berdistribusi normal.
d. Hasil Uji normalitas Data Prestasi Belajar Matematika Siswa yang
Memiliki Motivasi Rendah Perhitungan uji normalitas data dengan menggunakan uji
Kolmogorov Smirnov pada data prestasi belajar matematika siswa yang
memiliki motivasi rendah dapat dilihat pada Lampiran 8. berdasarkan hasil perhitungan diperoleh nilai asimptotic signifivance sebesar 0,534
lebih besar dari a 0,05, sehingga dapat disimpulkan bahwa data prestasi belajar matematika siswa yang memiliki motivasi rendah berasal dari data
populasi yang berdistribusi normal.
87 e.
Hasil Uji normalitas Data Prestasi Belajar Matematika Siswa yang Diajar dengan Metode Pembelajaran tipe student teams achievement division
STAD dengan Motivasi Belajar Tinggi
Perhitungan uji normalitas data dengan menggunakan uji Kolmogorov Smirnov
pada data prestasi belajar matematika siswa yang diajar dengan metode pembelajaran tipe student teams achievement
division STAD dengan motivasi belajar tinggi dapat dilihat pada
Lampiran 8. berdasarkan hasil perhitungan diperoleh nilai asimptotic signifivance
sebesar 0,753 lebih besar dari a 0,05, sehingga dapat disimpulkan bahwa data prestasi belajar matematika siswa yang diajar
dengan metode pembelajaran tipe student tea ms achievement division STAD dengan motivasi belajar tinggi berasal dari data populasi yang
berdistribusi normal. f.
Hasil Uji normalitas Data Prestasi Belajar Matematika Siswa yang Diajar dengan Metode Pembelajaran tipe student teams achievement division
STAD dengan Motivasi Belajar Rendah
Perhitungan uji normalitas data dengan menggunakan uji Kolmogorov Smirnov
pada data prestasi belajar matematika siswa yang diajar dengan metode pembelajaran tipe student teams achievement
division STAD dengan motivasi belajar rendah dapat dilihat pada
Lampiran 8. berdasarkan hasil perhitungan diperoleh nilai asimptotic signifivance
sebesar 0,708 lebih besar dari a 0,05, sehingga dapat
88 disimpulkan bahwa data prestasi belajar matematika siswa yang diajar
dengan metode pembelajaran tipe student tea ms achievement division STAD dengan motivasi belajar rendah berasal dari data populasi yang
berdistribusi normal. g.
Hasil Uji normalitas Data Prestasi Belajar Matematika Siswa yang Diajar dengan Metode Pembelajaran konvensional dengan Motivasi Belajar
Tinggi
Perhitungan uji normalitas data dengan menggunakan uji Kolmogorov Smirnov
pada data prestasi belajar matematika siswa yang diajar dengan metode pembelajaran konvensional dengan motivasi belajar
tinggi dapat dilihat pada Lampiran 8. berdasarkan hasil perhitungan diperoleh nilai asimptotic signifivance sebesar 0,877 lebih besar dari a
0,05, sehingga dapat disimpulkan bahwa data prestasi belajar matematika siswa yang diajar dengan metode pembelajaran konvensional
dengan motivasi belajar tinggi berasal dari data populasi yang berdistribusi normal.
h. Hasil Uji normalitas Data Prestasi Belajar Matematika Siswa yang Diajar
dengan Metode Pembelajaran konvensional dengan Motivasi Belajar Rendah
Perhitungan uji normalitas data dengan menggunakan uji Kolmogorov Smirnov
pada data prestasi belajar matematika siswa yang diajar dengan metode pembelajaran konvensional dengan motivasi belajar
89 rendah dapat dilihat pada Lampiran 8. berdasarkan hasil perhitungan
diperoleh nilai asimptotic signifivance sebesar 0,890 lebih besar dari a 0,05, sehingga dapat disimpulkan bahwa data prestasi belajar
matematika siswa yang diajar dengan metode pembelajaran konvensional dengan motivasi belajar rendah berasal dari data populasi yang
berdistribusi normal.
2. Uji Homogenitas Data
