kemampuan komunikasi dan pemecahan masalah matematis siswa dikumpulkan melalui tes pretes dan postes. Penggunaan kamera video bertujuan untuk melihat
pola berpikir siswa dalam menyelesaikan masalah dan dalam mengkomunikasikan ide-ide matematika, serta suasana kelas ketika proses belajar mengajar
berlangsung, sedangkan data yang berkaitan dengan sikap siswa dalam pembelajaran matematika dengan strategi REACT dikumpulkan melalui angket
skala sikap siswa.
G. Teknik Analisis Data
Ada dua jenis data yang dianalisis dalam penelitian ini, yaitu data kuantitatif dan kulitatif. Data kuantitatif adalah data hasil tes kemampuan
komunikasi matematis dan pemecahan masalah matematis siswa, sedangkan data kualitatif adalah data hasil observasi, skala sikap.
Data-data yang diperoleh dari hasil pretes dan postes dianalisis secara statistik. Sedangkan hasil pengamatan observasi pembelajaran dianalisis secara
deskriptif. Untuk pengolahan data penulis digunakan bantuan program software SPSS 16, dan Microsoft Excell 2007.
Setelah penelitian dilaksanakan, maka diperoleh data sebagai berikut: 1.
Data skor pretes kemampuan komunikasi dan kemampuan pemecahan masalah matematis kelompok eksperimen dan kelompok kontrol.
2. Data skor postes kemampuan komunikasi dan kemampuan pemecahan masalah
matematis kelompok eksperimen dan kelompok kontrol. 3.
Data skala sikap kelas eksperimen.
4. Data hasil observasi pembelajaran matematika dengan strategi REACT.
Tahap-tahap analisis data yang akan dilakukan pada penelitian ini adalah sebagai berikut:
1. Memberikan skor jawaban siswa sesuai dengan kunci jawaban dan sistem
penskoran yang digunakan. 2.
Menghitung statistik deskriptif skor pretes, skor postes, dan skor N-Gain meliputi skor terendah, skor tertinggi, rata-rata, dan simpangan baku.
3. Peningkatan kompetensi yang terjadi sebelum dan sesudah pembelajaran
dihitung dengan rumus gain ternormalisasi, yaitu: Gain ternormalisasi g =
skorpretes skorideal
skorpretes skorpostes
− −
Hake, 1999 Hasil perhitungan gain kemudian diinterpretasikan sebagai berikut:
Tabel 3.14 Klasifikasi Gain Ternormalisasi
Besarnya Gain g Interpretasi
g ≥
0,7 Tinggi
0,3 ≤
g 0,7 Sedang
g 0,3 Rendah
4. Melakukan uji normalitas untuk mengetahui kenormalan distribusi data skor
pretes, postes dan gain ternormalisasI kemampuan komunikasi dan pemecahan masalah matematis digunakan uji statistik One-Sample
Kolmogorov- Smirnov untuk data ≤30 dan Shapiro-Wilk untuk data 30.
5. Menguji homogenitas varians data skor pretes, postes dan gain peningkatan
kemampuan komunikasi dan pemecahan masalah matematis digunakan uji Homogen of Varians Levene Statistic.
6. Jika sebaran data normal dan homogen, akan dilakukan uji perbedaan dua
rataan pretes dan gain ternormalisasi digunakan Compare Mean Independent
