Data Skor Tes Teknik Analisis Data

Asep Dedy Sutrisno, 2014 Penggunaan Model Pembelajaran Two Stay Two Stray Tsts Berbantuan Simulasi Komputer Untuk Meminimalisasi Miskonsepsi Pada Materi Momentum Dan Impuls Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu variabel yang akan dianalisis harus berdistribusi normal Sugiyono, 2013, hlm. 172. Oleh karena itu, sebelum melakukan uji hipotesis terlebih dahulu dilakukan uji normalitas data. Karena terdapat kelas eksperimen dan kelas pembanding, maka kedua kelas tersebut diuji normalitasnya sebelum diberi treatment. Untuk menguji normalitas dapat dilakukan dengan uji Chi Kuadrat. Langkah-langkah pengujian normalitas data dengan Chi Kuadrat adalah sebagai berikut Sugiyono, 2013, hlm. 172: 1 Merangkum data seluruh variabel yang akan diuji normalitasnya. Dalam hal ini data hasil pre-testuntuk masng-masing kelas. 2 Menentukan jumlah interval kelas. Jumlah siswa untuk masing-masing kelas adalah 35 dan 37 siswa. Oleh karena itu, jumah kelas intervalnya = 6, karena luas kurva normal dibagi menjadi enam, masing-masing luasnya adalah 2,7; 13,34; 33,96; 33,96;13,34; 2,7. 3 Menentukan panjang kelas interval yaitu : data terbesar-data terkecil dibagi dengan jumlah kelas interval 6. 4 Menyusun ke dalam tabel distribusi frekuensi, yang sekaligus merupakan tabel penolong untuk menghitung Chi Kuadrat. 5 Menghitung frekuensi yang diharapkan F h dengan cara mengalikan persentase luas tiap bidang kurva normal dengan jumlah anggota sampel. 6 Memasukan harga F h ke dalam tabel kolom F h , sekaligus menghitung harga-harga F o -F h dan Fo − Fh 2 Fh dan Asep Dedy Sutrisno, 2014 Penggunaan Model Pembelajaran Two Stay Two Stray Tsts Berbantuan Simulasi Komputer Untuk Meminimalisasi Miskonsepsi Pada Materi Momentum Dan Impuls Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu menjumlahkannya. Jumlah harga Fo − Fh 2 Fh adalah harga Chi Kuadrat X 2 hitung. 7 Menbandingkan harga Chi Kuadrat hitung dengan Chi Kuadrat tabel. Jika harga Chi Kuadrat hitung lebih keci atau sama dengan harga Chi Kuadrat tabel X h 2 ≤X t 2 , maka distribusi data dinyatakan normal. Jika X h 2 X t 2 , maka distribusi data dinyatakan tidak normal. b Uji Homogenitas Sebelum menguji hipotesis terlebih dahulu dilakukan uji homogenitas kedua kelas. Uji homgenitas ini juga menggunakan data hasil pre-test sebelum pemberian treatment masing-masing kelas. Hipotesis yang akan diuji berdasarkan n yang tidak sama, n 1 = 35 dan n 2 = 37, tetapi varians kedua sampel homogen atau tidak, maka perlu diuji homogenitas variansnya terlebih dulu dengan uji F Sugiyono, 2013, hlm. 197. Persamaan yang digunakan sebagai berikut: � = � � ...Pers. 7 Harga ini selanjutnya dibandingkan sengan harga F tabel dengan dk pembilang dan dk penyebut sesuai jumlah n - 1 kedua kelas. Jika harga F hitung lebih keci dari F tabel F h F t maka kedua kelas homogen. Sedangkan jika harga F h F t , maka kedua kelas tidak homogen. c Uji Hipotesis Jika kedua kelas sudah normal dan homogen, maka kedua kelas tersebut diberi tretment kemudian data hasil post- testdianalisis dan uji hipotesis dapat dilakukan. Pengujian hipotesis menggunakan rumus t-test dan terdapat beberapa rumus t-test yang digunakan untuk pengujian.Sugiyono 2013, hlm. 197 menjelaskan bila sampel yang digunakan itu berkorelasiberpasangan, yaitu membandingkan kelompok Asep Dedy Sutrisno, 2014 Penggunaan Model Pembelajaran Two Stay Two Stray Tsts Berbantuan Simulasi Komputer Untuk Meminimalisasi Miskonsepsi Pada Materi Momentum Dan Impuls Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu eksperimen dan kelompok pembanding, maka digunakan rumus t-test sampel related. Persamaannya dapat ditulis sebagai berikut: = 1 − 2 1 2 1 + 2 2 2 −2 1 1 2 2 ...Pers. 8 Keterangan: X 1 = rata-rata skor kelas eksperimen X 2 = rata-rata skor kelas pembanding s 1 2 = varians kelas eksperimen s 2 2 = varians kelas pembanding r = koefisien korelasi s 1 = simpangan baku kelas eksperimen s 2 = simpangan baku kelas pembanding n 1 = jumlah sampel kelas eksperimen n 2 = jumlah sampel kelas pembanding Selanjutnya t hitung tersebut dibandingkan dengan t tabel dengan taraf signifikansi 1 . Dalam hal ini berlaku ketentuan bahwa, jika t hitung lebih kecil atau sama dengan t tabel t h ≤t t , maka Ho diterima. Jika t hitung lebih besar dari t tabel t h t t , maka Ho ditolak. d Efektivitas Pembelajaran dengan Nilai Gain yang Dinormalisasi Hasil dari pre-test dan post-testkemudian mencari besar gain dengan perhitungan sebagai berikut: G = skor post test – skor pre test ...Pers. 9 Peningkatan hasil belajar peserta didik setelah pembelajaran dengan menggunakan model pembelajaran kooperatif tipe two stay two stray TSTS dan juga model pembelajaran konvensional dicari dengan menghitung rata-rata gain dinormalisasi. Gain dinormalisasi Asep Dedy Sutrisno, 2014 Penggunaan Model Pembelajaran Two Stay Two Stray Tsts Berbantuan Simulasi Komputer Untuk Meminimalisasi Miskonsepsi Pada Materi Momentum Dan Impuls Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu digunakan untuk mengetahui model pembelajaran mana yang lebih efektiv dalam meminimalisasi miskonsepsi. Rumus yang digunakan untuk menghitung gain yang dinormalisasiHake, 2007, hlm. 8 adalah: � = − 100 − ...Pers. 10 Interpretasi terhadap nilai gain yang dinormalisasi ditunjukan oleh tabel Tabel 3.8berikut: Tabel 3.8.Interpretasi Nilai Gain yang dinormalisasi Nilai g kriteria � ≥ 0,7 Tinggi 0,7 � ≥ 0,3 Sedang � 0,3 Rendah Nilai rata-rata n-gain pada kedua kelas dibandingkan, kemudian dibuat kesimpulan untuk tingkat efektivitasnya.

b. Data Hasil Observasi dan Angket

Respon siswa terhadap pembelajaran berupa pemberian tanda cheklist √ pada kolom tanggapan menggunakan skala likert maupun skala Guttman metode check list, kemudian dihitung presentase jumlah siswa yang setuju atau skala yang terbesar.

c. Data Hasil Wawancara dan Dokumentasi

Data-data tersebut digunakan sebagai data pendukung penelitian. Hasil wawancara digunakan untuk mendukung analisis data terhadap profil miskonsepsi siswa. Sedangkan dokumentasi untuk mendukung sebagai bukti bahwa penelitian sudah dilakukan. 61 Asep Dedy Sutrisno, 2014 Penggunaan Model Pembelajaran Two Stay Two Stray Tsts Berbantuan Simulasi Komputer Untuk Meminimalisasi Miskonsepsi Pada Materi Momentum Dan Impuls Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

BAB V SIMPULAN DAN SARAN

A. Kesimpulan

Berdasarkan data hasil penelitian dan juga pembahasan yang telah dilakukan, diperoleh kesimpulan secara umum yaitu penggunaan model pembelajaran kooperatif tipe Two Stay Two Stray TSTS berbantuan simulasi komputer dapat meminimalisasi miskonsepsi siswa pada materi momentum dan impuls. Secara khusus dijelaskan sebagai berikut: a. Profil miskonsepsi untuk kelas XII di salah satu SMA di Bandung sebesar 44,375 pada materi momentum dan impuls. Miskonsepsi terjadi pada empat konsep esensial, yaitu konsep momentum, konsep impuls, konsep hubungan momentum dan impuls, dan konsep energi kinetik berdasarkan konsep momentum dan impuls.Profil miskonsepsi untuk kelas XI juga masih ada. Hal ini terlihat dari persentase miskonsepsi setelah pembelajaran pada kelas pembandingyang menggunakan model ceramah sebesar 40,2 dan kelas eksperimen yang menggunakan model pembelajaran two stay two stray TSTS berbatuan simulasi komputer sebesar 21,3. b. Pengaruh dari penggunaan model pembelajaran two stay two strayTSTS berbantuan simulasi komputer, menunjukan hasil yang positif dalam meminimalisasi potensi miskonsepsi siswa. Hal ini dibuktikan dengan persentase potensi miskonsepsi untuk siswa kelas XI dari hasil post-test sebesar 21,3. Hasil ini lebih kecil dibanding dengan presentase miskonsepsi hasil pre-test sebesar 33,1. Begitu juga jika dibandingkan dengan persentase miskonsepsi pada kelas pembanding. Persentase miskonsepsi dengan menggunakan pembelajaran model ceramah ini malah meningkat. Dari hasil pre-testsebesar 37,4 meningkat menjadi 40,2 dari hasil post-test. c. Efektifitas pembelajaran dilihat dari nilai gain yang dinormalisasi. Nilai itu didapat dari kelas eksperimen dan kelas pembanding. Nilai rata-rata