Teknik Pengolahan Data Angket Motivasi Belajar Siswa

Meta Siti Pajarwati, 2013 Profilrespon Siswa Pada Pembelajaran Fisika Menggunakan Hypothetical Learning Trajectory HLT Dalam Perspektif Motivasi Belajar Siswa Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Tabel 3.6 Hasil Perhitungan Uji Reliabilitas Angket Motivasi Belajar Siswa Koefisien Gultman Split Half r tabel 95dk = n – 2 = 8 Kesimpulan 0,966 0,707 Reliabel Berdasarkan tabel 3.6 di atas, dapat dilihat bahwa r hitung yang diperoleh adalah 0,966, sedangkan nilair tabel adalah 0,707. Hal itu berarti bahwa r hitung ˃r tabel . Dengan demikian angket yang telah disusun penulis reliabel.

b. Teknik Pengolahan Data

1 Seleksi Angket Pada tahap ini, langkah pertama yang dilakukan adalah memeriksa dan menyeleksi angket yang terkumpul dari responden. Kegiatan ini bertujuan untuk meyakinkan bahwa data yang terkumpul telah memenuhi syarat untuk diolah. Tahap seleksi angket ini secara lebih terperinci dilakukan dengan langkah-langkah sebagai berikut. a Memeriksa apakah semua angket telah terkumpul dari semua responden. b Memeriksa semua pernyataan dalam angket untuk memastikan jawaban sesuai dengan petunjuk yang diberikan. c Memeriksa apakah data yang terkumpul tersebut layak untuk diolah. 2 Pengolahan Data Setelah semua data terkumpul dan telah dilakukan uji validitas serta uji reliabilitas, maka langkah selanjutnya adalah pengolahan data. Pengolahan data merupakan upaya untuk membuat data berarti. Meta Siti Pajarwati, 2013 Profilrespon Siswa Pada Pembelajaran Fisika Menggunakan Hypothetical Learning Trajectory HLT Dalam Perspektif Motivasi Belajar Siswa Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Hal tersebut sama seperti yang dikemukakan oleh Surakhmad 2004: 109 sebagai berikut. “Mengolah data adalah usaha yang konkret untuk membuat da ta itu „berbicara‟, sebab betapa pun besarnya jumlah dan tingginya nilai data yang terkumpul sebagai hasil fase pelaksanaan pengumpulan data, apabila tidak disusun dalam satu organisasi dan diolah menurut sistematik yang baik, niscaya data itu tetap merupakan bahan- bahan yang membisu bahasa.” Dalam penelitian ini, terdapat dua macam data angket motivasi, yaitu angket sebelum kondisi awal dan sesudah pembelajaran kondisi akhir. Oleh sebab itu, pengolahan datanya pun masing- masing dilakukan terhadap kedua data tersebut. Akan tetapi, pengolahan data kedua data angket itu dilakukan dengan cara dan langkah-langkah yang sama. Hasil dari pengolahan kedua angket tersebut akan menunjukkan profil motivasi belajar siswa. Kemudian kedua hasil itu dibandingkan untuk melihat perubahan motivasi belajar siswa sebelum dan sesudah pembelajaran, apakah meningkat, tetap, ataukah menurun. Adapun pengolahan data untuk menentukan kedudukan setiap item, sekaligus untuk menggambarkan keadaan dan kecenderungan motivasi belajar siswa dilakukan dengan langkah-langkah berikut. a Menghitung motivasi belajar setiap responden atau siswa melalui langkah-langkah sebagai berikut. 1 Menghitung skor setiap siswa dan menyajikannya dalam tabel. 2 Menentukan kategori motivasi setiap siswa tiap aspek. Adapun perumusannya menurut Anwar Taufiqurrohim, 2010: 302 adalah sebagai berikut. X ≤ μ – 1,5σ Sangat Rendah μ – 1,5σ X ≤ μ – 0,5σ Rendah Meta Siti Pajarwati, 2013 Profilrespon Siswa Pada Pembelajaran Fisika Menggunakan Hypothetical Learning Trajectory HLT Dalam Perspektif Motivasi Belajar Siswa Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu μ – 0,5σ X ≤ μ + 0,5σ Sedang μ + 0,5σ X ≤ μ + 1,5σ Tinggi μ + 1,5σ X Sangat tinggi Keterangan: μ = Skor Minimum x 3 � = − 6 3 Menghitung persentase motivasi siswa untuk setiap kategori dengan rumus: 4 Menentukan hubungan persentase nilai dengan tafsiran sebaran untuk setiap alternatif jawaban pada masing- masing aspek. Hubungan antara persentase dengan tafsiran sebaran yang digunakan adalah sebagai berikut. Tabel 3.7 Hubungan Persentase dengan Tafsiran Sebaran Persentase Tafsiran Tidak ada 1 – 25 Sebagian Kecil 26 – 49 Hampir Setengahnya 50 Setengahnya 51 – 77 Sebagian Besar 76 – 99 Hampir Seluruhnya 100 Seluruhnya Sumber: Koentjaraningrat dalam Mujiburahman 2009:51 � = 100 Meta Siti Pajarwati, 2013 Profilrespon Siswa Pada Pembelajaran Fisika Menggunakan Hypothetical Learning Trajectory HLT Dalam Perspektif Motivasi Belajar Siswa Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu b Menghitung motivasi belajar siswa tiap aspek melalui langkah-langkah yang sama dengan point a, namun untuk setiap aspek. c Menghitung kecenderungan umum jawaban responden terhadap motivasi belajar siswa, dengan menggunakan rumus Weighted Means Scores WMS. Adapun rumusnya sebagai berikut: Keterangan: = Rata-rata skor responden = Jumlah skor dari setiap alternatif jawaban responden = Jumlah responden d Mencocokkan Skor Rata-rata dengan Tabel Kriteria. Adapun Tabel Kriteria hasil perhitungan WMS adalah sebagai berikut: Tabel 3.8 Kriteria Hasil Perhitungan WMS Rentang Nilai Kriteria 4,01 – 5,00 Sangat Tinggi 3,01 – 4,00 Tinggi 2,01 – 3,00 Cukup 1,01 – 2,00 Sedang 0,01 – 1,00 Rendah Sumber: Sugiyono 2004:221 e Mengubah skor mentah menjadi skor baku untuk setiap variabel, dengan menggunakan rumus sebagai berikut: Keterangan: = Skor rata-rata yang dicari � = Data skor dari masing-masing responden = 50 + 10 � − � = Meta Siti Pajarwati, 2013 Profilrespon Siswa Pada Pembelajaran Fisika Menggunakan Hypothetical Learning Trajectory HLT Dalam Perspektif Motivasi Belajar Siswa Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu � = Skor rata-rata = Simpangan baku Untuk menggunakan rumus tersebut, maka akan ditempuh melalui langkah-langkah sebagai berikut. 1 Menentukan rentang R, dengan rumus: R = Skor terbesar – Skor terkecil 2 Menentukan banyak kelas Bk interval dengan rumus: 3 Menentukan panjang kelas interval, yaitu rentang dibagi banyaknya kelas. 4 Membuat tabel distribusi frekuensi 5 Mencari nilai rata-rata mean dengan rumus: 6 Mencari simpangan baku standar deviasi dengan rumus: f Uji normalitas distribusi data Uji normalitas distribusi data dimaksudkan untuk mengetahui apakah pengolahan data selanjutnya menggunakan analisis parametrik atau non parametrik. Hal tersebut sejalan dengan pendapat Surakhmad 2004: 95 yaitu: � = 1 + 3,3 log = � � = ∑ � ∑ � = ∑ � 2 − ∑ � 2 − 1 Meta Siti Pajarwati, 2013 Profilrespon Siswa Pada Pembelajaran Fisika Menggunakan Hypothetical Learning Trajectory HLT Dalam Perspektif Motivasi Belajar Siswa Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Tidak semua populasi maupun sampel menyebar secara normal. Dalam hal ini digunakan teknik yang diduga menyebar normal. Teknik statistik yang dipakai sering disebut teknik parametrik, sedangkan untuk penyebaran yang tidak normal dipakai teknik nonparametrik, sebuah teknik yang tidak terikat oleh bentuk penyebaran. Untuk mengetahui dan menentukan apakah pengolahan data dalam penelitian ini menggunakan analisis parametrik atau nonparametrik, maka dilakukan uji normalitas distribusi data dengan menggunakan rumus Chi-kuadrat. Keterangan: � 2 = Chi-kuadrat yang dicari = frekuensi yang diobservasi = frekuensi yang diharapkan Adapun langkah-langkah yang ditempuh adalah: 1 Membuat tabel distribusi frekuensi untuk mencari harga-harga yang digunakan, seperti Mean, Simpangan baku, dan Chi-kuadrat. 2 Mencari kelas, yaitu batas bawah skor kiri interval interval pertama dikurangi 0,5 dan batas atas skor kanan interval interval kanan ditambah 0,5. 3 Mencari Z-Score untuk batas kelas dengan rumus: � 2 = − 2 =1 = � − Meta Siti Pajarwati, 2013 Profilrespon Siswa Pada Pembelajaran Fisika Menggunakan Hypothetical Learning Trajectory HLT Dalam Perspektif Motivasi Belajar Siswa Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 4 Mencari luas O-Z dan tabel kurva Normal dari O-Z dengan menggunakan angka-angka pada batas kelas. Sehingga diperoleh luas O-Z. 5 Mencari luas tiap interval dengan cara mencari selisih luas O-Z dengan interval yang berdekatan untuk tanda Z sejenis dan menambahkan luas O-Z yang berlainan secara terus-menerus, kecuali untuk angka yang paling tengah tanda positif dan negatif ditambahkan dengan angka baris berikutnya. 6 Mencari frekuensi yang diharapkan diperoleh dengan cara mengalikan tiap kelas interval dengan n jumlah responden. 7 Mencari frekuensi hasil penelitian diperoleh dengan cara mengalikan tiap kelas interval pada tabel distribusi frekuensi. 8 Mencari � 2 dengan cara menjumlahkan hasil perhitungan. 9 Membandingkan nilai � 2 hitung dengan � 2 tabel. Dengan kriteria pengujian sebagai berikut. a Jika � 2 hitung ≥ � 2 tabel , artinya distribusi data tidak normal b Jika � 2 hitung ≤ � 2 tabel , artinya distribusi normal

3. Lembar Observasi