Uji Peningkatan Skor Pretest ke Posttest I Uji Besar Pengaruh Perlakuan

40 menjelaskan dan menginterpretasi . Kriteria yang digunakan untuk menolak H null adalah jika harga Sig.2-tailed 0,05 Field, 2009: 53.

3.8.3 Analisis Lebih Lanjut

3.8.3.1 Uji Peningkatan Skor Pretest ke Posttest I

Uji peningkatan skor pretest ke posttest I dilakukan untuk mengetahui apakah terdapat peningkatan skor yang signifikan dari pretest ke posttest I baik pada kelompok eksperimen maupun kontrol. Data yang diuji berasal dari kelompok yang sama, sehingga menggunakan dua uji statistik berikut Field, 2009: 325. Uji statistik yang digunakan adalah Paired samples t-test jika data terdistribusi dengan normal. Uji statistik menggunakan Wilcoxon jika data terdistribusi dengan tidak normal Field, 2009: 345. Teknik analisis data menggunakan tingkat kepercayaan 95. Analisis data menggunakan hipotesis statistik sebagai berikut. 1 H i : ada perbedaan skor yang signifikan dari skor pretest ke posttest I pada kelompok eksperimen dan atau kelompok kontrol. Dengan kata lain terdapat penurunan peningkatan skor yang signifikan dari pretest ke posttest I pada kelompok eksperimen dan atau kelompok kontrol terhadap kemampuan menjelaskan dan menginterpretasi . 2 H null : tidak ada perbedaan skor yang signifikan dari skor pre-test ke posttest I pada kelompok eksperimen dan atau kelompok kontrol. Dengan kata lain tidak terdapat penurunan peningkatan skor yang signifikan dari pretest ke posttest I pada kelompok eksperimen dan atau kelompok kontrol terhadap kemampuan menjelaskan dan menginterpretasi . Kriteria yang digunakan untuk menolak H null adalah jika harga Sig.2-tailed 0,05 Field, 2009: 53. Persentase kenaikan skor pretest ke posttest I dihitung menggunakan rumus sebagai berikut Gunawan, 2006: 575. Gambar 3.3 Rumus Persentase Uji Peningkatan Skor 41

3.8.3.2 Uji Besar Pengaruh Perlakuan

Uji besar pengaruh perlakuan dilakukan untuk mengetahui seberapa besar pengaruh perlakuan terhadap kemampuan menjelaskan dan menginterpretasi . Jika data terdistribusi dengan normal, maka digunakan rumus koefisien korelasi Pearson pada Gmbar 3.4 halaman 42 Field, 2009: 57 179. Gambar 3.4 Rumus Besar Efek untuk Data Normal Keterangan : r = besar pengaruh effect size perlakuan dengan menggunakan koefisien korelasi Pearson t = harga uji t df = derajad kebebasan degree of freedom Jika data terdistribusi dengan tidak normal, maka digunakan rumus sebagai berikut Field, 2009: 57. Gambar 3.5 Rumus Besar Efek untuk Data Tidak Normal Keterangan : Z = harga Z yang diambil dari perhitungan statistik non parametrik dari program SPSS N = 2 x jumlah responden yang bersangkutan Besar pengaruh perlakuan dapat diklasifikasikan dengan kriteria sebagai berikut Field, 2009: 57. Tabel 3.7 Kriteria Besar Pengaruh Perlakuan Persentase pengaruh perlakuan dihitung dengan mengkuadratkan harga r harga koefisien korelasi Pearson yang didapat atau R 2 x 100 Field, 2009: 179. r effect size Kriteria Efek 0,10 Kecil, setara dengan 1 pengaruh perlakuan 0,30 Menengah, setara dengan 9 pengaruh perlakuan 0,50 Besar, setara dengan 25 pengaruh perlakuan 42

3.8.3.3 Uji Retensi Pengaruh Perlakuan