Nurchasanah,2016 PENGARUH PENDEKATAN BRAIN BASED LEARNING
TERHADAP KEMAMPUAN KOMUNIKASI MATEMATIS SISWA PADA KONSEP LUAS PERSEGI DAN PERSEGI PANJANG
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
G. Teknik Pengumpulan Data
Beberapa cara yang dilakukan untuk mengumpulkan data pada penelitian ini adalah sebagai berikut:
1. Tes, dilakukan sebelum pretes dan sesudah postes proses pembelajaran terhadap kedua kelas baik eksperimen maupun kontrol. Waktu
pelaksanaan tes awal dan tes akhir dilakukan secara bersamaan antara kelas eksperimen dan kelas kontrol agar data yang dihasilkan lebih akurat
dan tidak menimbulkan kebocoran soal dari siswa yang telah mendapatkan tes terlebih dahulu.
2. Skala sikap diberikan kepada seluruh siswa. Instrumen skala sikap ini diberikan setelah seluruh pembelajaran selesai dilaksanakan dan setelah
dilakukan postes. 3. Wawancara dilakukan pada siswa setelah proses pembelajaran selesai.
Dimana beberapa siswa dipilih secara acak. 4. Dalam pengisian Lembar observasi dilakukan pada setiap pembelajaran
treathment berlangsung. Untuk observer sendiri adalah guru matematika kelas eksperimen yang terlibat langsung dalam pemantauan pada saat
proses pembelajaran dilakukan.
H. Teknik Analisis Data
1. Analisis Data Tes
a. Uji Normalitas Hipotesis yang telah dirumuskan, nantinya akan di uji menggunakan
perhitungan statistika, antara lain dengan meghitung normalitas, homogenitas data dan uji hipotesis. Uji normalitas digunakan agar data
yang didapatkan dapat terlihat berdistribusi normal atau tidak. Maksud dari kata normal tersebut adalah apakah sebaran data siswa yang diperoleh
mendapatkan nilai tinggi, sedang dan rendah. Rumus untuk menghitung normalitas menurut Riduwan 2004, hlm. 182 sebagai berikut:
Nurchasanah,2016 PENGARUH PENDEKATAN BRAIN BASED LEARNING
TERHADAP KEMAMPUAN KOMUNIKASI MATEMATIS SISWA PADA KONSEP LUAS PERSEGI DAN PERSEGI PANJANG
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Keterangan : = frekuensi yang diamati
Adapun untuk melakukan uji normalitas data pada penelitian ini digunakan program software Statistics Passage for the Social Sciense
SPSS 21.0 for windows . Dengan cara memasukkan data yang akan
diproses pada program, kemudian pilih analyze, descriptive statistics dan explore
, maka akan keluar berupa output nilai uji normalitas yang diinginkan setelah sebelumnya melengkapi data input. Output ini
menjelaskan hasil uji apakah sebuah distribusi data bisa dikatakan normal atau tidak. Pedoman pengambilan keputusan menurut Susanto 2010,
hlm.186 Hipotesis untuk uji normalitas yaitu sebagai berikut: H
: data berdistribusi normal H
α
: data tidak berdistribusi normal Uji statistik yang digunakan adalah uji Shapiro-Wilk, dimana taraf
signifikansinya α sebesar 0,05. Dengan kriteria keputusan sebagai berikut:
Jika nilai signifikansi 0,05 maka H diterima
Jika nilai signifikansi 0,05 maka H ditolak
b. Uji Homogenitas Variansi Uji homogenitas variansi dilakukan dengan maksud untuk
mengetahui apakah kelas eksperimen dan kelas kontrol memiliki varians yang homogen atau tidak. Untuk mengetahui apakah kelompok
Nurchasanah,2016 PENGARUH PENDEKATAN BRAIN BASED LEARNING
TERHADAP KEMAMPUAN KOMUNIKASI MATEMATIS SISWA PADA KONSEP LUAS PERSEGI DAN PERSEGI PANJANG
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
eksperimen dan kelompok kontrol memiliki varians yang homogen digunakan uji F, menurut Sudjana 2005, hlm.249, sebagai berikut:
F =
2 2
2 1
S S
Keterangan:
2 1
S = variansi besar
2 2
S = variansi kecil
Hipotesis untuk uji homogenitas sebagai berikut: H
: kedua variansi sama homogen H
α
: kedua variansi tidak sama heterogen Dengan kriteria pengambilan keputusan adalah sebagai berikut:
Jika signifikansi Sig. ≤ 0,05 maka ditolak
Jika signifikansi Sig. 0,05 maka diterima
Untuk mempermudah pengolahan data, dalam penelitian ini peneliti menggunakan bantuan software Statistics Passage for the Social
Science SPSS 21.0 for windows. Dengan cara memasukkan data yang
akan diproses pada program, kemudian pilih analyze, descriptive statistics
dan explore, maka akan keluar berupa output nilai uji homogenitas yang diinginkan setelah sebelumnya melengkapi data input.
c. Uji Perbedaan Dua Rata-rata Uji perbedaan dua rata-rata digunakan untuk menguji hasil rata-rata
kelas kontrol dan kelas eksperimen apakah kemampuan komunikasi matematis siswa kedua kelompok sama atau tidak. Syarat untuk
melakukan uji-t ini adalah ketika uji normalitas dan uji homogenitas terpenuhi. Adapun rumus untuk menghitung uji-t menurut Arikunto
2010, hlm. 349 adalah:
Nurchasanah,2016 PENGARUH PENDEKATAN BRAIN BASED LEARNING
TERHADAP KEMAMPUAN KOMUNIKASI MATEMATIS SISWA PADA KONSEP LUAS PERSEGI DAN PERSEGI PANJANG
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Keterangan: r
= Nilai Korelasi X
1
dengan X
2
n
1
dan n
2
= Jumlah sampel dan
= Rata-rata sampel ke-1 dan sampel ke-2
1
dan = Standar Deviasi sampel ke-1 dan sampel ke-2
S
1
dan S
2
= Varians sampel ke-1 dan sampel ke-2 Kriteria pengambilan keputusannya adalah sebagai berikut:
Jika signifikansi 0,05, maka H ditolak.
Jika signifikansi 0,05, maka H diterima.
Perhitungan uji t dalam penelitian ini, akan diperoleh menggunakan untuk menghitung data statistik, yaitu software SPSS 21.0 setelah
mengatahui normalitas dan homogenitas datanya, dengan cara memasukan data yang akan diolah pada cell baru variabel view kemudian pilih
analisis compare means dan klik independent –samples t test dan apabila
data tidak normal pengolahannya menggunakan uji Man-Whitney U. Setelah dimasukan data pada variebel view maka akan keluar output
berupa tabel uji t.
d. Pengelompokkan Nilai Pretes dan Postes Pengelomppokkan data ini dilakukan untuk mengelompokkan nilai,
baik nilai pretes maupun postes, nilai tersebut dikelompokkan berdasarkan nilai kelompok tinggi, sedang, dan rendah. Pembagian siswa kedalam tiga
kategori didasarkan menurut Arikunto dalam Aliyah, 2013, hlm. 36 Jika
x ≥ + std maka x masuk kedalam kelompok Tinggi
Nurchasanah,2016 PENGARUH PENDEKATAN BRAIN BASED LEARNING
TERHADAP KEMAMPUAN KOMUNIKASI MATEMATIS SISWA PADA KONSEP LUAS PERSEGI DAN PERSEGI PANJANG
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Jika -
std ≤ x + std maka x masuk kedalam kelompok Sedang
Jika x - std maka x masuk kedalam kelompok Rendah Keterangan:
x = nilai siswa =
nilai rata-rata kelas Std = nilai standar deviasi kelas
e. Analisis Data Pengelompokkan Nilai Postes Eksperimen Pada analisis ini dimaksudkan untuk menganalisis hasil postes
siswa kelas eksperimen. Analisis ini dimaksudkan untuk melihat adakah perbedaan nilai belajar masing-masing sub kelompok pada kelas
eksperimen. Perhitungan dilakukan dengan bantuan software SPSS 21.0 for Windows.
Setelah dibagi kedalam beberapa sud kelompok nilai, maka dilakukan uji One way Anova uji perbedaan rata-rata lebih dari dua
kelompok dengan cara memasukkan data nilai postes kelas eksperimen kedalam tabel pada SPSS 21.0 lalu pilih Analizy pilih Compare Means
pilih One-Way Anova pada Post Hoc Multiple Comparisons ceklis Scheffe
dan klik Continue maka, akan muncul hasil dari pengolahan data tersebut. uji Scheffe sendiri untuk mencari manakah diantara tiga
kelompok yang berbeda dan yang tidak berbeda.
f. Perhitungan Gain Ternormalisasi Perhitungan gain ternormalisasi dilakukan untuk mengetahui sejauh
mana peningkatan kemampuan dasar komunikasi matematis siswa selama penelitian ini baik dengan pembelajaran menggunakan
pendekatan Brain Based Learning maupun pembelajaran yang menggunakan pendekatan konvensional. Adapun perhitungan gain
ternormalisasi menggunakan bantuan software Ms. Exel dengan rumus Melzer Humaeroh, 2014, hlm. 42 sebagai berikut:
Nurchasanah,2016 PENGARUH PENDEKATAN BRAIN BASED LEARNING
TERHADAP KEMAMPUAN KOMUNIKASI MATEMATIS SISWA PADA KONSEP LUAS PERSEGI DAN PERSEGI PANJANG
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
100 .
. .
. x
pretes skor
ideal skor
pretes skor
postes skor
g
Dimana skor ideal yaitu 100. Acuan untuk melihat peningkatan N-Gain digunakan tabel berikut:
Tabel 3.4 Interpretasi N
–Gain
Gain Klasifikasi
g0,7 gain
tinggi 0,3g≤0,7
gain sedang
g≤0,3 gain
rendah
2. Analisis Data Non-Tes
