Uji Normalitas Teknik Analisis Data dan Pengujian Hipotesis

44 Uji normalitas dalam penelitian ini dilakukan dengan menggunakan pro- gram SPSS 17.0 dengan metode Kolmogorov-Smirnov. Dengan ketentuan jika signifikansi lebih besar dari 0.05 maka dapat disimpulkan bahwa data berdistribusi normal.

3. Analisis Variansi

Dalam penelitian ini peneliti menggunakan desain faktorial 2x2, sehingga untuk menganalisis data, digunakan Analisis Varians Dua Arah Anava Dua Arah. Analisis variansi Two Way ANOVA merupakan cara yang di- gunakan untuk menguji perbedaan variansi dua variabel atau lebih. Unsur utama dalam analisis variansi adalah variansi antar kelompok dan variansi di dalam kelompok. Variansi ditempatkan sebagai pembilang sedangkan variansi di dalam kelompok sebagai penyebut. Beberapa asumsi yang harus dipenuhi pada uji ANOVA yaitu : a Varians homogen sama b Sampel kelompok dependent atau independent ketegorikal c Data berdistribusi normal Tahapan-tahapan yang diambil dalam pengujian menggunakan ANOVA adalah: 1 Penentuan hipotesis nol H baik antar-kolom antar-kemampuan kog- nitif maupun antar-baris antar-model pembelajaran Hipotesis nol-kolom H 0-kolom : Rata-rata kemampuan berpikir kri- tis siswa kedua kemampuan kognitif siswa adalah sama 45 Hipotesis nol-baris H 0-baris : Rata-rata kemampuan berpikir kri- tis siswa kedua model pembelajaran adalah sama. 2 Memasukkan data dalam program SPSS 17.0 Struktur Informasi pokok analisis ANOVA antara lain : 1 Deskripsi rata-rata dan standar deviasi dari sampel. Pada tabel Descriptive nilai mean, standar deviasi, dan nilai minimum serta maksimum dapat diketahui. 2 Uji Homoskedastisitas Dengan hipotesis : Ho: varians k populasi sama H 1 : varians k populasi berbeda Bila nilai sig. di dapat α maka hipotesis nol ditolak dan hipotesis satu diterima dengan kata lain asumsi kesamaan ragam terpenuhi. 3 Hasil uji beda rata-rata k populasi Ho: μ 1 = μ 2 = …= μ k =0 Terlihat pada tabel ANOVA Bila nilai signifikansi atau p-value didapat ≤ α, maka hipotesis nol ditolak dan hipotesis satu diterima dengan kata lain minimal ada satu diantara tiap populasi yang memiliki perbedaan rata-rata. Oleh karena itu uji ANOVA dipenuhi. 4 Jika pada point 3 menghasilkan keputusan tolak Ho, maka untuk me- ngetahui populasi mana saja yang berbeda rata-ratanya secara signifi- kan, lihat Post Hoc Test. Pada analisis uji ini dapat terlihat perbedaan tiap populasi dilihat dari mean difference dan nilai signifikansi untuk

Dokumen yang terkait

Pengaruh model pembelajaran berdasarkan masalah ( Prblem based learning) terhadap Kemampuan berpikir kritis siswa

7 19 180

Pengaruh model pembelajaran learning cycle 5e terhadap kemampuan berpikir kritis matematis siswa: penelitian quasi eksperimen di salah satu SMP di Tangerang.

6 24 248

Meningkatkan Kemampuan Berpikir Kritis Matematis Siswa dengan Menggunakan Model Pembelajaran Kooperatif Tipe Team Assisted Individualization (TAI).

6 9 167

ANALISIS KEMAMPUAN BERPIKIR KREATIF MATEMATIS MELALUI PEMBELAJARAN MODEL CORE DITINJAU DARI KEMANDIRIAN SISWA

12 128 489

ANALISIS KEMAMPUAN BERPIKIR KRITIS SISWA MELALUI PENERAPAN MODEL PEMBELAJARAN GENERATIF (GENERATIVE LEARNING)DITINJAU DARI KEMAMPUAN KOGNITIF SISWA

2 14 78

ANALISIS KEMAMPUAN BERPIKIR KRITIS SISWA DENGAN PEMBELAJARAN MODEL 4K MATERI GEOMETRI KELAS VIII DITINJAU DARI GAYA KOGNITIF SISWA

21 118 377

PENINGKATAN KEMAMPUAN BERPIKIR KRITIS DAN KEAKTIFAN SISWA MELALUI PENERAPAN MODEL PEMBELAJARAN PROBLEM Peningkatan Kemampuan Berpikir Kritis Dan Keaktifan Siswa Melalui Penerapan Model Pembelajaran Problem Based Learning Dalam Pembelajaran Matematika (PT

0 5 16

PENINGKATAN KEMAMPUAN BERPIKIR KRITIS DAN KEAKTIFAN SISWA MELALUI PENERAPAN MODEL PEMBELAJARAN PROBLEM Peningkatan Kemampuan Berpikir Kritis Dan Keaktifan Siswa Melalui Penerapan Model Pembelajaran Problem Based Learning Dalam Pembelajaran Matematika (PT

0 3 14

PENERAPAN MODEL PEMBELAJARAN GENERATIF (GENERATIVE LEARNING) UNTUK MENINGKATKAN KEMAMPUAN PENALARAN DAN KONEKSI MATEMATIS SISWA SMP.

0 2 49

Peningkatan Keterampilan Berpikir Kritis Siswa Melalui Penerapan Model Generative Learning pada Materi Hukum Newton

0 0 7