MENINGKATKAN KEMAMPUAN PENALARAN DAN DISPOSISI STATISTIS MAHASISWA DENGAN PENDEKATAN EXPLORATORY DATA ANALYSIS (EDA) BERBANTUAN FATHOM.
DAFTAR ISI
PERNYATAAN ... i
ABSTRAK ... ii
ABSTRACT ... iii
KATA PENGANTAR ... iv
UCAPAN TERIMA KASIH ... vi
DAFTAR ISI ... viii
DAFTAR TABEL ... x
DAFTAR DIAGRAM ... xii
DAFTAR BAGAN ... xiii
DAFTAR LAMPIRAN ... xiv
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah ... 1
1.2 Rumusan Masalah ... 9
1.3 Maksud dan Tujuan Penelitian ... 10
1.4 Manfaat Penelitian ... 10
1.5 Definisi Operasional ... 11
BAB II KAJIAN PUSTAKA 2.1 Penalaran ... 13
2.2 Penalaran Matematis ... 13
2.3 Penalaran Statistis ... 15
2.4 Disposisi Matematis ... 18
2.5 Disposisi Statistis ... 19
2.6 Exploratory Data Analysis (EDA) ... 24
2.7 Pembelajaran Secara Ekspositori ... 28
2.8 Hasil Penelitian yang Relevan ... 30
2.9 Kerangka Pemikiran ... 32
(2)
BAB III METODE PENELITIAN
3.1 Rancangan Penelitian ... 36
3.2 Populasi dan Sampel ... 36
3.3 Bahan Ajar ... 37
3.4 Variabel Penelitian ... 37
3.5 Instrumen Penelitian ... 38
3.6 Kesimpulan Hasil Uji Coba Instrumen ... 44
3.7 Analisis Data ... 48
3.8 Prosedur Penelitian ... 52
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian ... 56
4.2 Pembahasan Hasil Penelitian ... 81
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan ... 86
5.2 Saran ... 86
DAFTAR PUSTAKA ... 88
LAMPIRAN-LAMPIRAN ... 91
LAMPIRAN A ... 92
LAMPIRAN B ... 202
(3)
DAFTAR TABEL
Tabel
3.1 Pedoman Pemberian Skor Kemampuan Penalaran Statistis ... 38
3.2 Klasifikasi Koefisien Validitas ... 40
3.3 Klasifikasi Koefisien Reliabilitas ... 41
3.4 Klasifikasi Indeks Daya Pembeda ... 42
3.5 Klasifikasi Tingkat Kesukaran ... 43
3.6 Data Hasil Uji Validitas Instrumen Kemampuan Penalaran Statistis .... 44
3.7 Data Hasil Uji Reliabilitas Instrumen Kemampuan Penalaran Statistis 45
3.8 Data Hasil Uji Daya Pembeda Instrumen Kemampuan Penalaran Statistis ... 46
3.9 Data Hasil Uji Tingkat Kesukaran Instrumen Kemampuan Penalaran Statistis ... 46
3.10 Data Hasil Uji Validitas Instrumen Angket Disposisi Statistis ... 47
3.11 Data Hasil Uji Reliabilitas Instrumen Angket Disposisi Statistis ... 48
3.12 Interpretasi Persentase Skor Angket Disposisi Statistis ... 49
3.13 Interpretasi Skor Gain Ternormalisasi ... 50
4.1 Data Statistik Skor Kemampuan Penalaran Statistis ... 56
4.2 Data Hasil Uji Normalitas Skor Kemampuan Penalaran Statistis ... 58
4.3 Data Hasil Uji Homogenitas Varians Skor Kemampuan Penalaran Statistis ... 58
4.4 Data Hasil Uji Kesamaan Dua Rata-rata Skor Pretes Kemampuan Penalaran Statistis ... 60
4.5 Data Hasil Uji Perbedaan Dua Rata-rata Skor Postes Kemampuan Penalaran Statistis ... 61
4.6 Data Hasil Uji Perbedaan Dua Rata-rata Skor Gain Ternormalisasi Kemampuan Penalaran Statistis ... 62
4.7 Data Respon Disposisi Statistis Dimensi Pertama ... 64
(4)
4.9 Data Respon Disposisi Statistis Dimensi Ketiga ... 67
4.10 Data Respon Disposisi Statistis Dimensi Keempat ... 69
4.11 Data Respon Disposisi Statistis Dimensi Kelima ... 70
4.12 Data Respon Disposisi Statistis Dimensi Keenam ... 71
4.13 Data Respon Disposisi Statistis Dimensi Ketujuh ... 72
C.1.1 Data Skor Uji Coba Instrumen Tes Kemampuan Penalaran Statistis .... 226
C.2.1 Data Hasil Uji Validitas Instrumen Tes Kemampuan Penalaran Statistis ... 227
C.2.2 Data Hasil Uji Reliabilitas Instrumen Kemampuan Penalaran Statistis 227
C.2.3 Data Hasil Uji Daya Pembeda Kemampuan Penalaran Statistis ... 227
C.2.4 Data Hasil Uji Tingkat Kesukaran Kemampuan Penalaran Statistis ... 228
C.4.1 Data Hasil Uji Validitas Instrumen Angket Disposisi Statistis ... 232
C.4.2 Data Hasil Uji Reliabilitas Instrumen Angket Disposisi Statistis ... 232
C.5.1 Data Pretes, Postes, dan Gain Ternormalisasi Kelas EDA ... 233
C.6.1 Data Pretes, Postes, dan Gain Ternormalisasi Kelas Ekspositori ... 235
C.7.1 Data Hasil Uji Normalitas Data Skor Pretes, Postes, Gain Ternormalisasi Kelas EDA dan Ekspositori Dengan SPSS ... 237
C.7.2 Data Hasil Uji Homogenitas Data Skor Pretes, Postes, Gain Ternormalisasi Kelas EDA dan Ekspositori Dengan SPSS ... 237
C.7.3 Data Hasil Uji t Dua Sampel Independen Skor Pretes, Postes, Gain Ternormalisasi Kelas EDA dan Ekspositori Dengan Fathom ... 238
C.8.1 Data Jawaban Respon Postes Disposisi Statistis Kelas EDA ... 239
C.8.2 Data Frekuensi Jawaban Respon Postes Disposisi Statistis Kelas EDA Dengan SPSS ... 240
(5)
DAFTAR DIAGRAM
Diagram
4.1 Hubungan Mean dan Simpangan Baku ... 78 4.2 Sampling dan Distribusi Sampling ... 80 4.3 Hubungan Lama Belajar dan IP ... 81
(6)
DAFTAR BAGAN
Bagan
(7)
DAFTAR LAMPIRAN
Lampiran A
A.1 SAP 1 Kelas EDA ... 93
A.2 Kisi-kisi LKM 1 ... 99
A.3 LKM 1 Kelas EDA ... 99
A.1 SAP 2 Kelas EDA ... 102
A.2 Kisi-kisi LKM 2 ... 112
A.3 LKM 2 Kelas EDA ... 112
A.1 SAP 3 Kelas EDA ... 116
A.2 Kisi-kisi LKM 3 ... 122
A.3 LKM 3 Kelas EDA ... 122
A.1 SAP 4 Kelas EDA ... 128
A.2 Kisi-kisi LKM 4 ... 135
A.3 LKM 4 Kelas EDA ... 135
A.1 SAP 5 Kelas EDA ... 142
A.2 Kisi-kisi LKM 5 ... 147
A.3 LKM 5 Kelas EDA ... 147
A.1 SAP 6 Kelas EDA ... 154
A.2 Kisi-kisi LKM 6 ... 160
A.3 LKM 6 Kelas EDA ... 160
A.1 SAP 7 Kelas EDA ... 166
A.2 Kisi-kisi LKM 7 ... 172
A.3 LKM 7 Kelas EDA ... 172
A.4 SAP 1 Kelas Ekspositori ... 177
A.4 SAP 2 Kelas Ekspositori ... 181
A.4 SAP 3 Kelas Ekspositori ... 184
A.4 SAP 4 Kelas Ekspositori ... 188
A.4 SAP 5 Kelas Ekspositori ... 192
(8)
A.4 SAP 7 Kelas Ekspositori ... 198
Lampiran B B.1 Kisi-kisi Soal Tes Kemampuan Penalaran Statistis ... 203
B.2 Soal Tes Kemampuan Penalaran Statistis (KPS) ... 204
B.3 Kunci Jawaban Soal Tes KPS ... 209
B.4 Kisi-kisi Angket Disposisi Statistis ... 212
B.5 Angket Disposisi Statistis (ADS) ... 214
B.6 Pedoman Lembar Pengisian Angket Disposisi Statistis ... 216
B.7 Lembar Observasi ... 221
B.8 Pedoman Lembar Observasi ... 223
B.9 Pedoman Wawancara ... 225
Lampiran C C.1 Data Skor Uji Coba Tes Kemampuan Penalaran Statistis ... 227
C.2 Data Hasil Uji Coba Instrumen Kemampuan Penalaran Statistis ... 228
C.3 Data Jawaban Uji Coba Instrumen Angket Disposisi Statistis ... 230
C.4 Data Hasil Uji Coba Instrumen Angket Disposisi Statistis ... 231
C.5 Data Pretes, Postes, dan Gain Ternormalisasi Kelas EDA ... 234
C.6 Data Pretes, Postes, dan Gain Ternormalisasi Kelas Ekspositori ... 236
C.7 Data Hasil Pengolahan Data Skor Pretes, Postes, dan Gain Ternormalisasi Kelas EDA ... 238
C.8 Data Jawaban Respon Angket Disposisi Statistis Kelas EDA ... 240
C.9 Data Hasil Observasi Kegiatan Pembelajaran Statistika Kelas EDA ... 244
(9)
ini untuk menelaah kemampuan penalaran dan disposisi statistis mahasiswa yang belajar dengan pendekatan Exploratory Data Analysis (EDA) berbantuan Fathom. Penelitian ini mengambil dua kelompok sampel yang terdiri dari 32 mahasiswa kelas
EDA dan 31 mahasiswa kelas ekspositori pada salah satu sekolah tinggi di kota
Cirebon. Hasil pertama menunjukkan bahwa kemampuan penalaran statistis mahasiswa yang belajar dengan pendekatan Exploratory Data Analysis (EDA) berbantuan Fathom lebih baik dibandingkan mahasiswa yang belajar secara ekspositori. Kedua, peningkatan kemampuan penalaran statistis mahasiswa yang belajar dengan pendekatan EDA berbantuan Fathom lebih baik dibandingkan mahasiswa yang belajar secara ekspositori. Ketiga, disposisi statistis mahasiswa kelas
EDA dikategorikan baik pada semua dimensi disposisi statistis.
Kata Kunci: Kemampuan Penalaran Statistis, Disposisi, Exploratory Data Analysis (EDA), Fathom.
(10)
Low statistical reasoning ability of students is a matter of concern in this research.
The purpose of this research is to examine the students’ ability in statistical reasoning and disposition who learned statistics with Exploratory Data Analysis (EDA) approach and Fathom Assistance. The research took two sample groups, consisting 32 students of EDA class and 31 students of expository class in one of college in Cirebon city. The result shows, first, the students’ statistical reasoning ability under EDA approach and Fathom assistance is higher than those under expository. Second, the students learned statistics under EDA approach and Fathom assistance have higher enhancement in statistical reasoning than those who learned statistics under expository. Third, the students disposition of EDA class is good in all dimentions of statistical disposition.
Key Words: Statistical Reasoning Ability (SRA), Disposition, Exploratory Data
(11)
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah
Pendidikan merupakan suatu usaha sadar dan terencana untuk mewujudkan suasana belajar dan proses pembelajaran, agar peserta didik secara aktif mengembangkan potensi dirinya untuk memiliki kekuatan spiritual, keagamaan, pengendalian diri, kepribadian, kecerdasan, akhlak mulia serta keterampilan yang diperlukan oleh dirinya, masyarakat, bangsa, serta negara (Rojai & Romadon, 2013). Untuk itu, seorang pendidik harus memiliki kompetensi dasar dalam melaksanakan tugas keprofesionalannya, yang meliputi kompetensi pedagogik, kepribadian, profesional dan sosial. Keempat kompetensi yang dimiliki seorang pendidik diharapkan mampu untuk mewujudkan tujuan pendidikan nasional untuk membentuk manusia-manusia yang beriman kepada Tuhan Yang Maha Esa, bertakwa, berakhlak mulia, sehat, berilmu, kreatif, cakap, dan mandiri, serta mampu menjadi warga negara yang bertanggung jawab. Seseorang dapat mengembangkan dan meningkatkan potensi dirinya melalui proses pembelajaran didalam mengenyam dunia pendidikan, sehingga dapat memiliki keterampilan yang dibutuhkan oleh dirinya, baik dari segi intelegensi maupun karakternya. Oleh karena itu, pendidikan memiliki peran yang sangat penting dalam mengembangkan kualitas Sumber Daya Manusia (SDM) yang ditunjukkan oleh hasil pendidikan yang berkualitas.
Sekolah Tinggi Ilmu Komputer (STIKOM) Poltek Cirebon merupakan sebuah lembaga pendidikan tinggi yang menyelenggarakan salah satu Program Studi Teknik Informatika (TI) dengan misi meningkatkan kualitas proses belajar mengajar yang berbasis pada teknologi informasi dan selalu adaptif terhadap perubahan. Selain itu, STIKOM Poltek Cirebon memiliki beberapa tujuan dari diselenggarakannya program studi ini, antara lain: (1) menghasilkan lulusan yang memiliki keterampilan yang tinggi; dan (2) menghasilkan lulusan yang mampu beradaptasi dengan teknologi baru. Yamin (2013) menyatakan bahwa dalam era global ini, fungsi pendidik lebih penting dalam meningkatkan penguasaan ilmu
(12)
pengetahuan dan teknologi dibandingkan dengan hasil teknologi itu sendiri, sehingga dibutuhkan pendidik yang profesional di dalam bidangnya, dan pendidik merupakan salah satu komponen yang berpengaruh dan memiliki peran penting, serta merupakan kunci pokok bagi keberhasilan peningkatan mutu pendidikan.
Matematika merupakan salah satu bidang keilmuan yang dipelajari oleh mahasiswa STIKOM Poltek Cirebon, memiliki peran penting dalam mewujudkan tujuan pendidikan nasional maupun tujuan Program Studi Teknik Informatika ini, melalui pengembangan potensi yang dimiliki oleh mahasiswa itu sendiri. Di dalam bidang keilmuan matematika, STIKOM menyediakan mata kuliah statistika yang pada prinsipnya mempelajari mengenai pengumpulan data, pengolahan data, penganalisaan data serta penarikan kesimpulan berdasarkan hasil analisis data (Sudjana, 2005). Statistika juga diungkapkan oleh Moore (1997) sebagai suatu pengetahuan yang menyediakan sarana untuk dapat memberikan solusi terhadap fenomena yang terjadi di dalam kehidupan, lingkungan pekerjaan dan di dalam ilmu pengetahuan itu sendiri.
Mahasiswa STIKOM Poltek Cirebon pada dasarnya telah memiliki pengetahuan dan keterampilan statistika pada tingkat pendidikan sebelumnya. Pada saat siswa lulus dari Sekolah Menengah Atas (SMA), siswa diharapkan sudah mampu untuk memahami dan mengaplikasikan penyajian data dalam bentuk tabel, diagram, ukuran pemusatan, letak dan sebaran, permutasi dan kombinasi, ruang sampel dan peluang kejadian serta dapat menerapkannya dalam memecahkan suatu masalah. Kompetensi-kompetensi ini diperlukan agar mahasiswa dapat memiliki bekal kemampuan dalam memperoleh, mengelola, dan memanfaatkan informasi sesuai dengan setiap keadaan yang terjadi di masyarakat dan di dalam dunia kerja.
Berkaitan dengan kondisi perkembangan informasi dan teknologi pada saat ini sudah begitu kompleks dan cepat, mahasiswa memerlukan sebuah kemampuan yang dapat digunakan untuk memahami dan memberikan makna terhadap penyajian informasi statistis yang ditampilkan melalui media cetak maupun elektronik. Banyak surat kabar dan media televisi menyajikan beberapa bentuk diagram dan grafik dalam pemberitaan informasinya, dan pembaca diharapkan
(13)
dapat memahami dan menghargai informasi yang didapatkan tersebut, sehingga informasi statistis tersebut tidak hanya digunakan bagi kalangan terdidik saja (Dasari, 2006).
Berbagai artikel isu terbaru dikalangan ahli statistis Amerika yang telah dirangkum oleh Snee bahwa “…highlight the growing feeling that statistical
education is in serious trouble and that changes must be made. These changes are necessary because, in general, people don’t understand statistical thinking and as a result don’t value its use. People can’t value what they don’t understand”. Ini berkenaan dengan sorotan perasaan yang berkembang bahwa pendidikan statistis mengalami masalah serius dan harus dilakukan perubahan. Perubahan ini diperlukan karena pada umumnya, orang-orang tidak mengerti berpikir statistis dan sebagai hasilnya tidak menghargai hasil penggunaannya. Orang-orang tidak dapat menghargai apa yang tidak mereka mengerti (Martadiputra, 2010).
Ben-Zvi dan Garfield (2004) juga menyatakan bahwa sudah lewat satu dekade, telah ada dorongan yang kuat dalam pendidikan statistika untuk memusatkan perhatian lebih pada melek statistis, bernalar statistis dan berpikir statistis, dikarenakan pendekatan pengajaran konvensional saat ini hanya memusatkan pada keterampilan, prosedur, perhitungan dan tidak menggerakkan siswa kepada bernalar dan berpikir statistis. Oleh karena itu, statistika pada tingkatan sekolah tinggi memiliki peran penting dalam meningkatkan kesadaran akan pentingnya data dan memahaminya, sehingga dapat dikonsumsi sesuai dengan penggunaannya. Salah satu kemampuan yang mesti dimiliki oleh mahasiswa sekolah tinggi tersebut adalah kemampuan penalaran statistis.
Penalaran pada dasarnya merupakan suatu aktivitas mental untuk meningkatkan pemikiran dengan melihat beberapa fakta, sehingga menghasilkan proses mental berupa pengetahuan maupun kesimpulan. Adapun penalaran statistis didefinisikan sebagai suatu cara dalam memberikan alasan dengan ide-ide statistis dan memberikan makna mengenai informasi statistis, termasuk di dalamnya membuat interpretasi berdasarkan kumpulan data, representasi data, maupun ringkasan data statistis (Garfield, 2002). Pemahaman konsep ide-ide statistis, seperti pemusatan, sebaran, hubungan (keterkaitan), probabilitas, dan
(14)
sampling termasuk bagian dari bentuk penalaran statistis atau dapat juga
merupakan kombinasi ide tentang data dan peluang, seperti inferensi dan interpretasi hasil statistis (Dasari, 2006).
Dalam pembelajaran statistika, delMass (2002) menyatakan apabila tujuan dari belajar statistika tersebut adalah untuk membangun dan meningkatkan kemampuan penalaran statistis, maka mahasiswa akan diminta untuk menjelaskan mengapa atau bagaimana suatu hasil diperoleh, dan mengapa suatu kesimpulan ditetapkan atau diputuskan. Sumarmo (2013) mengungkapkan penggolongan penalaran menjadi induktif dan deduktif. Kegiatan yang tergolong penalaran induktif, antara lain: analogi, penarikan kesimpulan umum berdasarkan data yang teramati (generalisasi), memperkirakan jawaban, solusi atau kecenderungan, memberikan penjelasan terhadap model, fakta, sifat, hubungan, atau pola yang ada. Indikator yang akan digunakan di dalam penelitian ini berdasarkan dua pernyataan tersebut, adalah (1) Memberikan penjelasan dengan menggunakan ide-ide statistis terhadap hubungan yang ada; dan (2) Melakukan penarikan kesimpulan umum berdasarkan sejumlah data yang teramati. Indikator yang pertama ini sangat diperlukan dan penting untuk membantu mahasiswa STIKOM Poltek Cirebon dalam menganalisa flowchart (bagan alir) yang menunjukkan alir di dalam program atau prosedur sistem secara logika, dan bagan alir ini digunakan sebagai alat bantu komunikasi dan dokumentasi. Mahasiswa biasa bekerja pada diagram alir dan dituntut untuk mampu membaca, mendeskripsikan, dan menganalisa bagan alir tersebut, sedangkan indikator kedua untuk membantu mahasiswa dalam menarik suatu kesimpulan apabila sistem aplikasi yang dibuat memuat output atau keluaran sebagai laporan, sehingga kemampuan penalaran ini dapat dimanfaatkan oleh mahasiswa di dalam dunia kerja nanti.
Kemampuan penalaran statistis mahasiswa tentu dapat dibangun dan ditingkatkan apabila tersedia materi yang sesuai untuk mengukur kemampuan tersebut. Garfield (2002) menyebutkan bahwa ada beberapa materi guna membangun dan meningkatkan kemampuan penalaran statistis mahasiswa, yaitu: (1) Penalaran tentang data; (2) Penalaran tentang representasi data; (3) Penalaran tentang ukuran statistis; (4) Penalaran tentang sampel; dan (5) Penalaran tentang
(15)
asosiasi. Jones et al dan Mooney (Ben-Zvi & Garfield, 2004: 102) menyebutkan terdapat empat proses statistis yang menunjukkan daerah kritis penelitian pada penalaran statistis, antara lain: (1) Pendeskripsian data; (2) Pengorganisasian data; (3) Perepresentasian data; dan (4) Penganalisaan dan penginterpretasian data. Empat proses statistis ini diperlukan guna mengeksplorasi data di dalam
Exploratory Data Analysis (EDA).
Exploratory Data Analysis (EDA) merupakan suatu pendekatan yang
mengorganisasikan, mendeskripsikan, merepresentasikan, dan menganalisa data dengan menekankan pada tampilan visual (Ben-Zvi, 2004). EDA juga menyediakan sebuah kesempatan pedagogis untuk mengeksplorasi data secara terbuka oleh mahasiswa yang ditunjang oleh teknologi pendidikan. Teknologi pendidikan berupa komputer mendukung EDA dalam memanipulasi dan menampilkan data dengan berbagai cara, termasuk diagram. Paket perangkat lunak statistik yang digunakan dalam penelitian ini adalah Fathom. Aplikasi
software statistik Fathom berguna untuk mengeksplorasi data, menganalisis data,
dan menginterpretasikan hasil serta membangun penalaran statistis. Fathom merupakan alat yang fleksibel dan dinamis dirancang untuk membantu mahasiswa memahami konsep-konsep abstrak dan proses statistis (Garfiled & Ben-Zvi, 2004).
Selain itu, pendekatan EDA ini dapat membelajarkan mahasiswa secara aktif, dikarenakan pendekatan ini lebih banyak melibatkan aktivitas mahasiswa dalam mengakses berbagai informasi dan pengetahuan untuk dibahas dan dikaji dalam proses pembelajaran di kelas, sehingga mereka mendapatkan berbagai pengalaman yang dapat meningkatkan pemahaman dan kompetensinya. Lebih dari itu, keaktifan akan memungkinkan mahasiswa dapat mengembangkan kemampuan bernalar, seperti yang diungkapkan oleh Rusman (2013) bahwa membelajarkan mahasiswa secara aktif memungkinkan mahasiswa mengembangkan kemampuan berpikir tingkat tinggi, sehingga dapat dijadikan nilai baru yang dapat diimplementasikan dalam kehidupan sehari-hari. Pembelajaran ini juga menggunakan bantuan komputer yang memanfaatkan fungsi perangkat lunak aplikasi statistika Fathom untuk membantu mahasiswa
(16)
dalam proses pembelajarannya dalam mengeksplorasi data, sehingga diharapkan mahasiswa dapat meningkatkan kemampuan bernalar statistisnya. Dani Ben-Zvi (2004) dalam penelitiannya tentang penalaran analisis data, menegaskan bahwa meskipun siswa tidak lebih dari sekedar membuat pemaknaan sebagian materi yang dilibatkan, namun pendekatan bimbingan guru, diskusi di dalam kelas, interaksi dan kerja sama dengan teman sebaya menjadi penting, dan yang lebih penting adalah siklus yang berkelanjutan dari pengalaman dengan masalah yang realistik, sedikit demi sedikit akan mendukung pembangunan makna dan pengembangan penalaran statistis siswa. Oleh karena itu, pendekatan EDA berbantuan Fathom di dalam penelitian ini adalah suatu pendekatan yang bertujuan untuk memahami data atau materi statistika melalui perepresentasian, pengorganisasian, pendeskripsian, dan penganalisaan yang dibantu oleh aplikasi perangkat lunak statistika Fathom sebagai alat untuk mengeksplorasi data atau materi statistika tersebut, sehingga mahasiswa secara aktif melakukan pengamatan dan penyelidikan, aktif berinteraksi dan berkomunikasi melalui metode diskusi, dan melakukan refleksi dengan memikirkan kembali hasil yang telah diperolehnya.
Pada tingkat sekolah tinggi, Cooper dan Shore (2008) melaporkan dalam penelitiannya, bahwa mahasiswa sering mengalami kesulitan dalam memahami data yang disajikan secara grafis, terutama menginterpretasikan pemusatan dan variabilitas pada dua kelompok data di dalam bentuk histogram dan plot dahan-daun. Mahasiswa mengalami kesulitan dalam menarik suatu kesimpulan pada soal membandingkan variabilitas dua kelompok data yang disajikan dalam bentuk histogram. Dari 186 mahasiswa hanya 27,5% yang menjawab benar, sedangkan sisanya 72,5% mahasiswa yang menjawab salah, walaupun 94% mahasiswa telah mengenal histogram. Hal ini memberikan gambaran bahwa mahasiswa kurang mampu dalam memberikan suatu alasan dengan menggunakan ide-ide statistis mengenai variabilitas yang merupakan bagian dari bentuk penalaran statistis.
Persoalan dari hasil penelitian Cooper dan Shore ini diberikan kepada 24 mahasiswa Program Studi Manajemen Informatika STIKOM Poltek Cirebon yang terdiri dari 12 laki-laki dan 12 perempuan. Analisa pendahuluan terhadap
(17)
persoalan ini memberikan sedikit informasi bahwa kemampuan penalaran statistis mahasiswa mengenai variabilitas yang disajikan dalam bentuk histogram masih dikategorikan sedang atau baru mencapai 45,8% bagi mahasiswi, sedangkan untuk mahasiswa baru mencapai 37,5% atau dikategorikan rendah. Adapun berkenaan dengan level kemampuan penalaran statistis, ternyata semua mahasiswa berada pada level transisi atau masih dikategorikan rendah. Pada level transisi ini, mahasiswa STIKOM Poltek Cirebon cenderung berfokus pada satu aspek dalam menarik suatu kesimpulan berdasarkan data yang diamati. Kemampuan penalaran dan level kemampuan penalaran statistis mahasiswa yang masih rendah, sedangkan tujuan dari pembelajaran statistika di STIKOM Poltek Cirebon adalah untuk meningkatkan kemampuan bernalar statistis mahasiswa, sehingga menghasilkan lulusan yang memiliki keterampilan yang tinggi dan mampu beradaptasi dengan teknologi baru.
Selain itu, hasil penelitian lain yang mendukung untuk dilakukan penelitian ini, seperti Olani, Hoekstra, Harskamp, dan Van der Werf (2010), menunjukkan bahwa adanya peningkatan kemampuan penalaran statistis mahasiswa sebelum dan sesudah pembelajaran dengan menggunakan kelompok kecil, ternyata rata-rata kemampuan penalaran statistis dalam penelitian tersebut meningkat sebesar 1,60. Peningkatan rata-rata kemampuan penalaran statistis mahasiswa berkenaan dengan materi statistika deskriptif yang meningkat sebesar 50%, penyajian data meningkat sebesar 40% dan probabilitas meningkat sebesar 69%. Hal ini memberikan gambaran bahwa peningkatan kemampuan penalaran statistis berkenaan dengan penyajian data lebih rendah dibandingkan dengan yang lainnya. Tempelaar, Van der loeff, dan Gijselaers (2007) dalam penelitiannya juga mengenai struktur persamaan model penganalisaan hubungan sikap mahasiswa terhadap statistika, kemampuan penalaran, dan proses perkuliahan pada mahasiswa bisnis dan ekonomi internasional. Hasil penelitian tersebut memberikan gambaran skor rata-rata kemampuan penalaran statistis mahasiswa masih rendah dibawah 65% berkenaan dengan menghitung probabilitas secara benar (40%) dan variabilitas penarikan sampel (28%). Begitu juga dengan Garfield (2003) dalam penelitiannya tentang penalaran statistis mahasiswa
(18)
Cheng-Chi, Feng-Chia di Taiwan dan mahasiswa Iowa di Amerika yang menunjukkan adanya perbedaan kemampuan penalaran statistis mahasiswa berdasarkan kategori negara, namun kemampuan penalaran statistis tersebut tidak dipengaruhi oleh perbedaan gender. Skor rata-rata kemampuan penalaran statistis berkenaan dengan variabilitas penarikan sampel masih rendah (46% untuk mahasiswa Taiwan dan 44% untuk mahasiswa Amerika).
Perkembangan arus informasi yang begitu cepat dan mudah sekecil mungkin berpengaruh pada perkembangan karakter peserta didik baik ke arah yang positif maupun negatif, tergantung bagaimana menggunakan informasi tersebut. Seharusnya dengan begitu mudah dan cepatnya perkembangan informasi, peserta didik dapat menjadi lebih mudah menambah pengetahuan dan menjadi lebih bijaksana. Namun, bagi beberapa mahasiswa seperti mahasiswa di Universitas Seni Liberal (Liberal Art University) Amerika mengikuti perkuliahan statistika merupakan hal yang sedikit menyenangkan, dikarenakan mahasiswa mempercayai bahwa materi statistika melibatkan banyak matematika, dan tidak relevan dengan profesinya nanti (Carnell, 2008). Garfield, Hogg, Schau, dan Whittinghill (2002) menyatakan bahwa ada tiga kategori hasil pembelajaran statistika, yaitu berorientasi pada pembelajaran mahasiswa, ketekunan mahasiswa, sikap dan keyakinan mahasiswa. Ini akan sangat mempengaruhi kemampuan mahasiswa dalam menggunakan keterampilan, gagasan, dan teknik statistika. Penjelasan ini mengandung arti bahwa satu kategori hasil dari pembelajaran statistika adalah membelajarkan mahasiswa dengan pembelajaran yang membangun dan meningkatkan kemampuan intelegensi yang mesti dimilikinya, sedangkan dua kategori lainnya merupakan pembangunan disposisi statistis mahasiswa.
Disposisi itu sendiri mengandung arti kebiasaan secara alami, kebiasaan yang diperoleh atau kecenderungan karakteristik yang terdapat di dalam diri seseorang. Adapun disposisi statistis diartikan sebagai kecenderungan untuk berpikir, berbuat, dan bersikap dengan cara yang positif dan konstruktif yang berlangsung dalam kegiatan statistis. Carnell (2008) dalam penelitiannya mengenai sikap mahasiswa terhadap statistika menghasilkan bahwa sikap
(19)
mahasiswa terhadap statistika berkenaan dengan usaha dan minat yang belajar dengan pembelajaran berbasis proyek lebih menunjukkan sikap yang positif setelah diberi perlakuan. Vanhoof et al (2006) dalam penelitiannya menyatakan bahwa sikap mahasiswa terhadap penggunaan statistika dalam bidang studi ilmu pendidikan cenderung negatif, namun sikap mahasiswa terhadap perkuliahan statistika menunjukkan sikap yang cenderung positif. Olani, Hoekstra, Harskamp, dan Werf (2010) dalam penelitiannya menyatakan bahwa terdapat peningkatan rasa kepercayaan diri mahasiswa setelah diberi perlakuan, yaitu setelah pembelajaran direformasi dari segi isi materi dengan menggunakan buku
Introduction to the Practice of Statistics, pedagogik, (menggunakan kelompok
kecil, peran aktif mahasiswa, dan lebih banyak diskusi), teknologi (menggunakan aplikasi perangkat lunak statistika StatPlay) dan umpan balik (diberikan pertanyaan melalui email), sedangkan sikap terhadap statistika tidak mengalami perbedaan setelah diberikan perlakuan.
Beberapa permasalahan yang terdapat dalam penelitian ini berdasarkan pemaparan di atas, antara lain:
1. Masih rendahnya kemampuan penalaran statistis mahasiswa STIKOM Poltek Cirebon yang baru mencapai 45,8% bagi mahasiswi dan 37,5% bagi mahasiswa sebagai hasil dari analisis pendahuluan.
2. Masih rendahnya level kemampuan penalaran statistis mahasiswa STIKOM Poltek Cirebon yang baru mencapai level transisi sebagai hasil dari analisis pendahuluan.
Berdasarkan permasalahan-permasalahan di atas, maka judul dalam penelitian ini adalah: Meningkatkan Kemampuan Penalaran dan Disposisi
Statistis Mahasiswa Dengan Pendekatan Exploratory Data Analysis (EDA) Berbantuan Fathom.
1.2 Rumusan Masalah
Rumusan masalah yang terdapat didalam penelitian ini berdasarkan latar belakang masalah yang telah diuraikan di atas, yaitu:
(20)
1. Apakah kemampuan penalaran statistis mahasiswa yang belajar dengan pendekatan Exploratory Data Analysis (EDA) berbantuan Fathom lebih baik dibandingkan mahasiswa yang belajar secara ekspositori?
2. Apakah peningkatan kemampuan penalaran statistis mahasiswa yang belajar dengan pendekatan Exploratory Data Analysis (EDA) berbantuan Fathom lebih baik dibandingkan mahasiswa yang belajar secara ekspositori?
3. Bagaimanakah disposisi statistis mahasiswa yang belajar dengan pendekatan Exploratory Data Analysis (EDA) berbantuan Fathom?
1.3 Maksud dan Tujuan Penelitian
Sesuai dengan rumusan masalah penelitian yang telah dikemukakan di atas, penelitian ini memiliki maksud dan tujuan untuk:
1. Mengetahui perbedaan kemampuan penalaran statistis antara mahasiswa yang belajar dengan pendekatan Exploratory Data Analysis
(EDA) berbantuan Fathom dengan mahasiswa yang belajar secara
ekspositori.
2. Mengetahui perbedaan peningkatan kemampuan penalaran statistis antara mahasiswa yang belajar dengan pendekatan Exploratory Data
Analysis (EDA) berbantuan Fathom dengan mahasiswa yang belajar
secara ekspositori.
3. Mengetahui gambaran disposisi statistis mahasiswa yang belajar dengan pendekatan Exploratory Data Analysis (EDA) berbantuan Fathom.
1.4 Manfaat Penelitian
Hasil dalam penelitian ini diharapkan dapat memberikan manfaat bagi peningkatan pembelajaran matematika pada umumnya dan pembelajaran statistika pada khususnya. Secara rinci, manfaat penelitian ini, antara lain:
1. Bagi mahasiswa, implementasi pembelajaran statistika dengan pendekatan EDA berbantuan Fathom ini diharapkan dapat memberikan pengalaman belajar yang baru dalam membangun dan meningkatkan
(21)
kemampuan penalaran statistis mahasiswa, sehingga dapat digunakan mahasiswa dalam memasuki dunia kerja.
2. Bagi dosen, dapat dijadikan alternatif pilihan dalam melakukan kegiatan pengajaran melalui pendekatan EDA berbantuan Fathom ini guna membangun dan meningkatkan kemampuan penalaran statistis mahasiswa.
3. Bagi peneliti, dapat melihat perbedaan kemampuan penalaran statistis dan mengetahui disposisi statistis mahasiswa terhadap pembelajaran statistika dengan pendekatan EDA berbantuan Fathom.
1.5 Definisi Operasional
Dengan memperhatikan judul penelitian yang akan dilakukan, ada beberapa istilah yang perlu dijelaskan guna menghindari terjadinya miskonsepsi didalam penafsirannya, yaitu:
1. Penalaran statistis adalah kemampuan dalam memberikan alasan dengan menggunakan ide-ide statistis dan memberikan pemaknaan mengenai informasi statistis, termasuk membuat interpretasi berdasarkan kumpulan data, representasi data, maupun ringkasan data statistis. Indikator dari penalaran statistis di dalam penelitian ini adalah mampu memberikan suatu penjelasan dengan menggunakan ide-ide statistis terhadap hubungan yang ada dan melakukan penarikan kesimpulan yang umum berdasarkan pada sejumlah data yang teramati. 2. Disposisi statistis adalah kecenderungan untuk berpikir, berbuat dan
bersikap dengan cara yang positif dan konstruktif yang berlangsung dalam kegiatan statistis.
3. Pendekatan EDA berbantuan Fathom adalah suatu pendekatan yang bertujuan untuk memahami data atau materi statistika melalui perepresentasian, pengorganisasian, pendeskripsian, dan penganalisaan yang dibantu oleh aplikasi perangkat lunak statistika Fathom sebagai alat untuk mengeksplorasi data atau materi statistika tersebut, sehingga mahasiswa aktif dalam melakukan pengamatan dan penyelidikan, aktif
(22)
berinteraksi dan berkomunikasi melalui metode diskusi, dan melakukan refleksi dengan memikirkan kembali hasil yang telah diperolehnya. 4. Pembelajaran secara ekspositori dilakukan di kelas kontrol. Dalam
kegiatan pembelajaran ini dosen menjelaskan materi, konsep statistika, kemudian memberikan contoh-contoh penyelesaian suatu permasalahan dan mahasiswa boleh bertanya bila tidak mengerti apa yang telah disampaikan oleh dosen. Setelah materi selesai diterangkan, dosen memberikan soal-soal latihan untuk dikerjakan di kelas maupun di luar kelas.
(23)
BAB III
METODE PENELITIAN
3.1 Rancangan Penelitian
Penelitian yang dilakukan ini merupakan penelitian kuasi eksperimen. Menurut Ruseffendi (2005) penelitian eksperimen pada umumnya dilakukan untuk membandingkan dua kelompok atau lebih dan menggunakan ukuran-ukuran statistik tertentu. Pada kuasi eksperimen ini subyek tidak dikelompokkan secara acak, tetapi dipilih berdasarkan kelompok-kelompok yang sudah terbentuk secara alamiah.
Rancangan penelitian yang digunakan adalah pretest-pottest control group
design (Sugiyono, 2008). Rancangan ini dipilih, dikarenakan peneliti beranggapan
bahwa subjek tidak dikelompokkan secara acak, tetapi peneliti menerima keadaan subjek seadanya. Pada penelitian ini juga terdapat pretes, perlakukan yang berbeda, postes dan gain ternormalisasi. Berikut ini disajikan desain penelitian
pretest-posttest control group design.
Kelas Kontrol O O
Kelas Eksperimen O X O
Keterangan:
O : Pretes dan postes.
X : Pendekatan EDA berbantuan Fathom. - - - : Subyek tidak dikelompokkan secara acak
Pembelajaran baik pada kelompok eksperimen maupun kontrol dilakukan oleh peneliti. Hal ini dilakukan agar tindakan pembelajaran yang telah direncanakan dapat terlaksana dengan maksimal.
3.2 Populasi dan Sampel
Sudjana (2005) menyatakan bahwa populasi merupakan totalitas semua nilai yang mungkin, hasil menghitung ataupun pengukuran, kuantitatif maupun kualitas
(24)
mengenai karakteristik tertentu dari semua anggota kumpulan yang lengkap dan jelas yang ingin dipelajari sifat-sifatnya, sedangkan sampel merupakan bagian kecil yang diambil dari populasi.
Populasi dalam penelitian ini adalah seluruh mahasiswa Sekolah Tinggi Ilmu Komputer, sedangkan sampel yang diambil adalah sampel seadanya, yaitu mahasiswa Teknik Informatika Sekolah Tinggi Ilmu Komputer Poltek Cirebon yang mengontrak mata kuliah statistika. Sampel penelitian ini menggunakan dua kelas yang terdiri dari kelas eksperimen yang belajar dengan pendekatan EDA berbantuan Fathom (kelas EDA) dan kelas kontrol yang belajar secara ekspositori (kelas ekspositori). Banyaknya mahasiswa yang berpartisipasi dalam kelas eksperimen (kelas EDA) adalah 32 mahasiswa, sedangkan banyaknya mahasiswa yang berpartisipasi dalam kelas kontrol (kelas ekspositori) adalah 31 mahasiswa.
3.3 Bahan Ajar
Bahan ajar merupakan rangkuman materi yang diajarkan dan diberikan kepada siswa dalam bentuk bahan tercetak atau dalam bentuk lain yang tersimpan dalam file elektronik baik verbal maupun tertulis. Bahan ajar berisi seperangkat materi/substansi pembelajaran yang disusun secara sistematis, menampilkan sosok utuh dari kompetensi yang akan dikuasai mahasiswa dalam kegiatan pembelajaran. Dalam penelitian ini, bahan ajar yang dirancang adalah Lembar Kerja Mahasiswa (LKM) yang diberikan kepada mahasiswa yang belajar dengan pendekatan EDA berbantuan Fathom dan masalah-masalah yang harus dikerjakan oleh mahasiswa serta dilakukan tujuh kali tatap muka.
3.4 Variabel Penelitian
Variabel-variabel yang terlibat di dalam penelitian ini mencakup variabel bebas, yaitu pembelajaran dengan pendekatan EDA berbantuan Fathom, variabel terikat, yaitu kemampuan penalaran statistis, dan variabel kontrol, yaitu pembelajaran secara ekspositori.
(25)
3.5 Instrumen Penelitian
Instrumen yang digunakan dalam penelitian ini adalah tes dan non tes. Instrumen tes berupa seperangkat soal yang digunakan untuk mengukur kemampuan penalaran statistis. Instrumen non tes berupa angket disposisi statistis, lembar observasi, dan pedoman wawancara. Tes yang digunakan dalam penelitian ini adalah tes tipe uraian. Penyusunan tes berdasarkan indikator penalaran statistis yang hendak diukur. Diawali dengan pembuatan kisi-kisi, kemudian menyusun soal berdasarkan kisi-kisi yang telah disusun disertai kunci jawaban dan dilengkapi dengan pedoman pemberian skor tiap butir soal dengan skala 0 sampai dengan 3, seperti Tabel 3.1 di bawah ini.
Tabel 3.1
Pedoman Pemberian Skor Kemampuan Penalaran Statistis
Skor Indikator
0 Tidak ada jawaban/Menjawab tidak sesuai dengan pertanyaan/Tidak ada yang benar
1 Hanya sebagian jawaban memberikan penjelasan dengan menggunakan ide-ide statistis terhadap hubungan yang ada di dalam menyelesaikan soal, dan melakukan penarikan suatu kesimpulan umum berdasarkan sejumlah data yang teramati.
2 Semua jawaban memberikan penjelasan dengan menggunakan ide-ide statistis terhadap hubungan yang ada di dalam menyelesaikan soal, dan melakukan penarikan suatu kesimpulan umum berdasarkan sejumlah data yang teramati.
Instrumen yang telah disusun diujicobakan terlebih dahulu kepada mahasiswa yang telah mendapatkan materi yang bersangkutan untuk mengetahui apakah instrumen tes yang diberikan memenuhi kriteria sebagai alat ukur yang baik atau tidak. Kriteria-kriteria tersebut adalah validitas, reliabilitas, indeks kesukaran dan daya pembeda. Dalam menganalisis validitas, realibitas, kesukaran,
(26)
dan daya pembeda dari hasil uji coba instrumen tes tersebut berpedoman pada analisis sebagai berikut:
3.5.1 Validitas Instrumen
Menurut Arikunto (2010) validitas merupakan keadaan yang menggambarkan tingkat instrumen yang bersangkutan mampu mengukur apa yang hendak diukur. Alat ukur yang kurang valid berarti memiliki validitas rendah. Validitas butir soal digunakan untuk mengetahui dukungan suatu butir soal terhadap skor total. Hasil perhitungan validitas ini dapat digunakan untuk menyelidiki lebih lanjut butir-butir soal yang mendukung maupun yang tidak mendukung. Dukungan setiap butir soal dinyatakan dalam bentuk korelasi, dikarenakan tes yang dilakukan berupa uraian, maka untuk mendapatkan validitas butir soal digunakan rumus korelasi Pearson Product Moment (Sugiyono, 2003), yaitu:
2 2 xy
y x
xy
r
Keterangan:
x = Xi X = Selisih dari skor butir soal dengan rata-rata skor butir soal. y = Yi Y = Selisih dari skor total butir soal dengan rata-rata skor butir
soal.
xy
r = Koefisien validitas
x = Selisih antara skor butir soal dengan rata-rata skor butir soal y = Selisih antara skor total dengan rata-rata skor total butir soal
i
X = Skor butir soal
i
Y = Skor total butir soal X = Rata-rata skor butir soal Y = Rata-rata skor total butir soal
(27)
Suatu instrumen penelitian dikatakan valid jika rxy > r tabel dengan
mengambil taraf signifikansi tertentu, sehingga dapat dipergunakan sebagai alat pengumpul data. Selanjutnya untuk menginterpretasikan klasifikasi validitas instrumen menggunakan kriteria yang dibuat Guilford (Subana & Sudrajat, 2005: 130) tersaji pada Tabel 3.2.
Tabel 3.2
Klasifikasi Koefisien Validitas
Nilai rxy Klasifikasi
rxy 0,00 Tidak Valid
0,00 < rxy < 0,20 Korelasi Sangat Rendah
0,20 rxy < 0,40 Korelasi Rendah
0,40 rxy < 0,70 Korelasi Sedang
0,70 rxy < 0,90 Korelasi Tinggi
0,90 rxy 1,00 Korelasi Sangat Tinggi
3.5.2 Reliabilitas Instrumen
Reliabel berarti handal sehingga reliabilitas berarti dapat diandalkan Reliabilitas instrumen adalah reabilitas yang dihitung untuk mengetahui tingkat konsistensi instrumen tersebut. Sebuah tes disebut reliabel jika instrumen itu menghasilkan skor yang konsisten. Jika pengukurannya diberikan pada subyek yang sama, meskipun dilakukan oleh peneliti yang berbeda, waktu yang berbeda, dan tempat yang berbeda.
Rumus yang digunakan untuk mencari koefisien reliabilitas bentuk uraian dikenal dengan rumus Alpha (Muhidin & Abdurahman, 2007) yaitu:
2t 2 i 11 σ σ 1 1 k k
r dimana
N N X X 2 2 2
Keterangan: 11(28)
k = Banyaknya butir soal
2i
σ = Jumlah varians butir soal
2 t
= Varians total N = Banyak responden X = Skor butir soal
Suatu instrumen penelitian dikatakan reliabel jika r11 > r tabel dengan
mengambil taraf signifikansi tertentu sehingga dapat dipergunakan sebagai alat pengumpul data. Selanjutnya untuk menginterpretasikan reliabilitas instrumen menggunakan kriteria yang dibuat Guilford (Subana & Sudrajat, 2005: 132) dan tersaji pada Tabel 3.3 berikut:
Tabel 3.3
Klasifikasi Koefisien Reliabilitas
Nilai r11 Interpretasi
r11 < 0,20 Korelasi Sangat Rendah
0,20 r11 < 0,40 Korelasi Rendah
0,40 r11 < 0,70 Korelasi Sedang
0,70 r11 < 0,90 Korelasi Tinggi
0,90 r11 < 1,00 Korelasi Sangat Tinggi
r11 = 1,00 Korelasi Sempurna
3.5.3 Daya Pembeda
Daya pembeda soal adalah indeks yang menunjukkan tingkat kemampuan suatu butir soal yang membedakan kelompok berprestasi tinggi (kelompok atas) dari kelompok yang berprestasi rendah (kelompok bawah) diantara peserta tes. Pernyataan tersebut mengindikasikan bahwa suatu soal dengan daya pembeda yang baik akan dapat membedakan antara seseorang yang menguasai materi dengan seseorang yang tidak menguasai materi. Daya pembeda untuk masing-masing butir soal digunakan sebuah rumus (Rostina, 2014), sebagai berikut:
(29)
IA SB SA
DP
Keterangan:
DP = Daya Pembeda
SA = Jumlah Skor Mahasiswa Kelompok Atas SB = Jumlah Skor Mahasiswa Kelompok Bawah IA = Jumlah Skor Ideal Mahasiswa Kelompok Atas
Indeks Daya Pembeda yang digunakan (Subana & Sudrajat, 2007: 134) tersaji dalam Tabel 3.4.
Tabel 3.4
Klasifikasi Indeks Daya Pembeda
Nilai Interpretasi
DP = 0,00 Sangat Jelek
0 < DP 0,20 Jelek
0,20 < DP 0,40 Cukup
0,40 < DP 0,70 Baik
0,70 < DP 1,00 Sangat Baik
3.5.4 Indeks Kesukaran
Bermutu atau tidaknya butir-butir soal pada instrumen dapat diketahui dari indeks atau persentase tingkat kesukaran soal. Semakin besar persentase indeks kesukaran, maka semakin mudah soal tersebut. Rumus yang digunakan untuk menentukan tingkat kesukaran soal (Rostina, 2014) adalah:
IB IA
SB SA TK
Keterangan:
TK = Tingkat Kesukaran
SA = Jumlah Skor Mahasiswa Kelompok Atas SB = Jumlah Skor Mahasiswa Kelompok Bawah
(30)
IA = Jumlah Skor Ideal Mahasiswa Kelompok Atas IB = Jumlah Skor Ideal Mahasiswa Kelompok Bawah
Menurut klasifikasi indeks kesukaran yang digunakan (Subana & Sudrajat, 2007: 135) tersaji dalam Tabel 3.5.
Tabel 3.5
Klasifikasi Tingkat Kesukaran
Nilai TK Interpretasi
TK = 0,00 Soal terlalu sukar
0,00 < TK 0,30 Soal sukar 0,30 < TK 0,70 Soal sedang 0,70 < TK 1,00 Soal mudah
TK = 1,00 Soal terlalu mudah
Instrumen non tes yang digunakan dalam penelitian ini, yaitu: a. Angket
Angket disposisi statistis di dalam penelitian ini menggunakan skala
Likert dengan jangkauan respon dari Sangat Sering (SS), Sering (S),
Jarang (J), dan Sangat Jarang (SJ). Angket ini dianalisa secara deskriptif dengan penskoran 4 (SS), 3 (S), 2 (J), dan 1 (SJ) guna mengetahui gambaran dari kecenderungan mahasiswa untuk berpikir, bertindak, dan bersikap dengan cara yang positif selama kegiatan statistis berlangsung. Angket disposisi statistis diberikan pada saat pertemuan terakhir pada pembelajaran statistika dengan pendekatan EDA berbantuan Fathom.
b. Lembar Observasi
Lembar observasi digunakan untuk mengetahui gambaran tentang aktivitas selama pembelajaran statistika berlangsung dengan menggunakan pendekatan EDA berbantuan Fathom. Hasil observasi
(31)
ini tidak dianalisis secara statistik, tetapi hanya dijadikan bahan masukan untuk pembahasan hasil secara deskriptif.
c. Wawancara
Wawancara dalam penelitian ini bertujuan untuk melengkapi data yang tidak terungkap dalam instrumen lainnya.
3.6 Kesimpulan Hasil Uji Coba Instrumen
Uji coba instrumen dilakukan terhadap 30 orang mahasiswa Program Studi Teknik Informatika (TI) STIKOM Poltek Cirebon semester IV. Hasil uji coba instrumen kemampuan penalaran statistis yang pertama adalah uji validitas. Uji validitas dilakukan dengan tujuan untuk mengetahui tingkat ketepatan instrumen mengukur sesuatu dengan tepat apa yang hendak diukur. Rumus yang digunakan untuk menguji validitas adalah korelasi produk moment dari Karl Pearson dengan rumusan hipotesis di bawah ini.
a) Rumusan Hipotesis
H0 : Instrumen yang digunakan tidak valid
H1 : Instrumen yang digunakan valid
b) Statistik Uji, Kriteria Pengujian dan Kesimpulan Tabel 3.6
Data Hasil Uji Validitas Instrumen Kemampuan Penalaran Statistis Butir
Soal r hitung r tabel
Keputusan H0
Keterangan Kategori
1 0,798 0,361 Ditolak Valid Tinggi
2 0,650 0,361 Ditolak Valid Tinggi
3 0,709 0,361 Ditolak Valid Tinggi
4 0,619 0,361 Ditolak Valid Sedang
5 0,497 0,361 Ditolak Valid Sedang
6 0,607 0,361 Ditolak Valid Sedang
7 0,543 0,361 Ditolak Valid Sedang
Uji coba dilakukan terhadap 30 orang mahasiswa program studi Teknik Informatika (TI) STIKOM Poltek Cirebon semester IV, ternyata
(32)
sebanyak 7 butir soal dapat dinyatakan valid, dikarenakan nilai r hitung > r tabel dengan mengambil taraf kesalahan 5%. Dengan demikian, soal tes kemampuan penalaran statistis dapat digunakan sebagai alat pengumpulan data. Dari 7 butir soal tersebut, 4 (57,14%) butir soal validitasnya dikategorikan sedang, dan 3 (42,86%) butir soal validitasnya dikategorikan tinggi.
Selanjutnya hasil uji coba intrumen yang kedua adalah reliabilitas. Rumus yang dipergunakan untuk menguji reliabilitas instrumen di dalam penelitian ini adalah koefisien alpha dari Cronbach dengan rumusan hipotesis di bawah ini.
a) Rumusan Hipotesis
H0 : Instrumen yang digunakan tidak reliabel
H1 : Instrumen yang digunakan reliabel
b) Statistik Uji, Kriteria Pengujian dan Kesimpulan Tabel 3.7
Data Hasil Uji Reliabilitas Instrumen Kemampuan Penalaran Statistis r hitung
(Cronbach’s Alpha) r tabel Keputusan H0 Keterangan Kategori
0,857 0,361 Ditolak Reliabel Tinggi
Tabel 3.7 memberikan informasi bahwa r hitung atau koefisien Cronbach’s Alpha
diperoleh sebesar 0,857 dan dikategorikan tinggi. Dengan mengambil taraf kesalahan sebesar 5% dan derajat kebebasan N sebesar 30, sehingga r tabel yang didapatkan adalah 0,361. Terlihat bahwa koefisien Cronbach’s Alpha lebih besar dari r tabel, sehingga H0 ditolak. Dengan demikian, instrumen yang digunakan
reliabel dan dapat dijadikan sebagai alat pengumpulan data.
Hasil uji coba instrumen selanjutnya adalah daya pembeda. Daya pembeda tes merupakan kemampuan tes tersebut dalam memisahkan antara subjek yang pintar dengan subjek yang kurang pintar. Dalam hal ini untuk mengetahui sejauh mana tes yang digunakan tersebut dapat membedakan kemampuan mahasiswa. Hasil perhitungan daya pembeda disajikan dalam Tabel 3.8 dan terlihat bahwa
(33)
sebanyak 5 (71,43%) butir soal memiliki daya pembeda dengan kategori cukup, dan 2 (28,57%) butir soal memiliki daya pembeda dengan kategori baik.
Tabel 3.8
Data Hasil Uji Daya Pembeda Butir Instrumen Kemampuan Penalaran Statistis
Butir Soal
Mean
Kelompok Atas
Mean
Kelompok Bawah
Daya
Pembeda Kategori
1 9,38 5,00 0,22 Cukup
2 8,38 4,00 0,29 Cukup
3 7,50 1,50 0,40 Cukup
4 6,38 2,00 0,44 Baik
5 8,25 4,00 0,32 Cukup
6 9,38 5,00 0,44 Baik
7 7,38 4,00 0,23 Cukup
Tingkat kesukaran tes merupakan kemampuan tes dalam menjaring banyaknya subjek yang dapat mengerjakan dengan benar dan bertujuan untuk mengetahui level kesukaran setiap butir soal. Hasil perhitungan tingkat kesukaran butir soal kemampuan penalaran statistis disajikan dalam Tabel 3.9 di bawah ini.
Tabel 3.9
Data Hasil Uji Tingkat Kesukaran Instrumen Kemampuan Penalaran Statistis Butir Soal Tingkat Kesukaran Kategori
1 0,36 Sedang
2 0,41 Sedang
3 0,30 Sukar
4 0,42 Sedang
5 0,41 Sedang
6 0,72 Mudah
7 0,38 Sedang
Tabel 3.9 memberikan informasi bahwa 1 (14,28%) butir soal memiliki tingkat kesukaran dengan kategori mudah, 5 (71,44%) butir soal memiliki tingkat
(34)
kesukaran dengan kategori sedang, dan 1 (14,28%) butir soal memiliki tingkat kesukaran dengan kategori sukar.
Selanjutnya dilakukan pengujian validitas dan reliabilitas untuk angket disposisi statistis yang disajikan dalam Tabel 3.10 dan Tabel 3.11 dengan rumusan hipotesis adalah:
H0 : Instrumen yang digunakan tidak valid
H1 : Instrumen yang digunakan valid
Tabel 3.10
Data Hasil Uji Validitas Instrumen Angket Disposisi Statistis Item r hitung r tabel Keputusan H0 Keterangan Kategori
1 0,10 3,61 Diterima Tidak Valid Sangat Rendah
2 0,63 3,61 Ditolak Valid Sedang
3 0,45 3,61 Ditolak Valid Sedang
4 0,25 3,61 Diterima Tidak Valid Rendah
5 0,45 3,61 Ditolak Valid Sedang
6 0,47 3,61 Ditolak Valid Sedang
7 0,30 3,61 Diterima Tidak Valid Rendah
8 0,66 3,61 Ditolak Valid Sedang
9 0,50 3,61 Ditolak Valid Sedang
10 0,64 3,61 Ditolak Valid Sedang
11 0,63 3,61 Ditolak Valid Sedang
12 0,44 3,61 Ditolak Valid Sedang
13 0,58 3,61 Ditolak Valid Sedang
14 0,49 3,61 Ditolak Valid Sedang
15 0,46 3,61 Ditolak Valid Sedang
16 0,47 3,61 Ditolak Valid Sedang
17 0,42 3,61 Ditolak Valid Sedang
18 0,51 3,61 Ditolak Valid Sedang
19 0,56 3,61 Ditolak Valid Sedang
20 0,38 3,61 Ditolak Valid Rendah
21 0,24 3,61 Diterima Tidak Valid Rendah
22 0,49 3,61 Ditolak Valid Sedang
Tabel 3.10 memberikan informasi bahwa hanya item dari angket disposisi statistis nomor 1, 4, 7, dan 21 memiliki koefisien korelasinya (r hitung) kurang
(35)
dari r tabel (3,61), sehingga item nomor-nomor tersebut tidak valid dan akan dihilangkan dari angket disposisi statistis untuk pengumpulan data berikutnya. Dari 22 item angket disposisi statistis terdapat 17 atau 77,27% item berkategori sedang, dan 4 atau 18,18% item berkategori rendah, dan 1 atau 4,55% item berkategori sangat rendah. Adapun rumusan hipotesis untuk pengujian reliabilitas angket disposisi statistis adalah:
H0 : Instrumen yang digunakan tidak reliabel
H1 : Instrumen yang digunakan reliabel
Tabel 3.11
Data Hasil Uji Reliabilitas Instrumen Angket Disposisi Statistis
r hitung r tabel Keputusan H0 Keterangan Kategori
0,857 0,361 Ditolak Reliabel Tinggi
Tabel 3.11 memberikan informasi bahwa r hitung atau Cronbach’s Alpha adalah 0,857. Nilai ini lebih besar dari 3,61, sehingga intrumen angket disposisi statistis dapat dikatakan reliabel dan berkategori tinggi.
3.7 Analisis Data
Data yang diperoleh dari hasil penelitian terbagi dalam dua kelompok, yaitu data tes dan non-tes. Data non-tes diperoleh dari hasil angket, lembar observasi, dan wawancara, sedangkan data tes diperoleh dari hasil pretes dan postes. Adapun teknik pengolahan data dari kedua jenis data tersebut adalah sebagai berikut:
3.6.1 Analisis Data Non Tes
Hasil angket disposisi statistis ini diolah dengan menggunakan rumus persentase sebagai berikut:
% 100 n f
P
Keterangan: P = Persentase jawaban f = Frekuensi Jawaban
(36)
n = Banyak responden
Selain itu, data dihitung dengan persentase penskoran untuk masing-masing item dan diinterpretasikan berdasarkan kriteria, yaitu:
100% n
4
f f 2 f 3 4f
P 1 2 3 4
i
Keterangan:
Pi = Persentase penskoran item nomor ke i.
f1 = Banyaknya responden yang menjawab Sangat Sering.
f2 = Banyaknya responden yang menjawab Sering.
f3 = Banyaknya responden yang menjawab Jarang.
f4 = Banyaknya responden yang menjawab Sangat Jarang.
Tabel 3.12
Interpretasi Persentase Skor Angket Disposisi Statistis Persentase Skor Jawaban (Pi) Kategori
0 Pi 20 Sangat Buruk
20 < Pi 40 Buruk
40 < Pi 60 Cukup Baik
60 < Pi 80 Baik
80 < Pi 100 Sangat Baik
Selanjutnya hasil observasi dianalisis dan diinterpretasikan berdasarkan hasil pengamatan selama pembelajaran statistika dengan menggunakan pendekatan EDA berbantuan Fathom berlangsung, sedangkan analisis terhadap data wawancara dipaparkan berdasarkan jawaban responden guna mendapatkan informasi yang belum terungkap di dalam instrumen lainnya dan bersifat saling melengkapi dengan intrumen yang lain.
(37)
3.6.2 Analisis Data Tes
Data berupa hasil tes kemampuan penalaran statistis dianalisa secara kuantitatif dengan menggunakan uji statistik. Untuk lebih jelasnya, berikut ini disajikan tahapan yang dilakukan dalam pengolahan data tes.
a) Memberikan skor pretes dan postes sesuai dengan kunci jawaban dan pedoman penskoran.
b) Menghitung besarnya peningkatan kemampuan penalaran statistis mahasiswa yang diperoleh dari skor pretes dan postes dengan menggunakan gain ternormalisasi yang dikembangkan oleh Hake (1999) beserta dengan interpretasi skor gain ternormalisasi sebagai berikut:
Pretes Ideal Maksimum Skor Pretes Postes N-Gain Tabel 3.13
Interpretasi Skor Gain Ternormalisasi
Skor gain Kategori
70 , 0 g Tinggi 70 , 0 30 ,
0 g Sedang
30 , 0
g Rendah
c) Melakukan uji kesamaan dua rata-rata skor pretes kemampuan penalaran statistis kedua kelas, baik EDA maupun ekspositori dengan hipotesis sebagai berikut:
H0 : μE μK
H1 : μE μK
Keterangan:
E
μ = Rata-rata skor pretes kemampuan penalaran statistis kelas EDA.
K
μ = Rata-rata skor pretes kemampuan penalaran statistis kelas ekspositori.
(38)
d) Melakukan uji perbedaan dua rata-rata skor postes kemampuan penalaran statistis kedua kelas, baik kelas EDA maupun ekspositori dengan hipotesis sebagai berikut:
H0 : μE μK
H1 : μE μK
Keterangan:
E
μ = Rata-rata skor postes kemampuan penalaran statistis kelas EDA.
K
μ = Rata-rata skor postes kemampuan penalaran statistis kelas ekspositori.
e) Melakukan uji perbedaan dua rata-rata skor gain ternormalisasi kemampuan penalaran statistis kedua kelas, baik EDA maupun ekspositori dengan hipotesis sebagai berikut:
H0 : μE μK
H1 : μE μK
Keterangan:
E
μ = Rata-rata skor gain ternormalisasi kemampuan penalaran statistis kelas EDA.
E
μ = Rata-rata skor gain ternormalisasi penalaran statistis kelas ekspositori.
Jika skor kemampuan penalaran statistis berdistribusi normal dan variansnya homogen, maka uji statistik selanjutnya menggunakan uji t dengan rumus: 2 1 2 1 hitung n 1 n 1 s x x t
dengan
2 n n s 1 n s 1 n s 2 1 2 2 2 2 1 1 2
Untuk uji dua pihak, kriteria pengujian dengan taraf signifikansi = 5% adalah terima H0 jika
α 2 1 tabel hitung α 2 1 tabel t t
t , sedangkan kriteria
pengujian untuk uji satu pihak untuk taraf signifikansi yang sama adalah tolak H0 jika thitungttabel, dalam hal lainnya diterima (Sudjana, 2005).
(39)
Apabila skor kemampuan penalaran statistis tidak berdistribusi normal dan varians-variansnya tidak homogen, maka uji non parametris yang akan digunakan, yaitu uji Mann-Whitney U dengan rumus:
1
1 12 1
1 n n 1 P
2 1 n n
U
2
2 22 1
2 n n 1 P
2 1 n n
U
Nilai U adalah nilai U1 atau U2 yang dipilih paling kecil.
Keterangan:
1
n = Banyaknya mahasiswa kelas EDA.
2
n = Banyaknya mahasiswa kelas ekspositori.
1
P =
m i i p 1
= Jumlah rangking kelas EDA.
2
P =
m i i p 1
= Jumlah rangking kelas ekspositori.
1
U = Jumlah banyak kalinya unsur kelas EDA mendahului unsur-unsur kelas ekspositori
2
U = Jumlah banyak kalinya unsur- unsur kelas ekspositori mendahului unsur-unsur kelas EDA.
3.8 Prosedur Penelitian
Prosedur penelitian yang akan dilakukan peneliti mencakup tiga tahapan penelitian, yaitu: tahap persiapan, tahap pelaksanaan, dan tahap pembuatan laporan. Pada tahap persiapan, kegiatan yang dilakukan diantaranya:
1) Melakukan kajian toeritis mengenai pembelajaran dengan menggunakan pendekatan EDA berbantuan Fathom, kemampuan penalaran statistis dan disposisi mahasiswa.
2) Menyusun instrumen tes yang mengukur kemampuan penalaran statistis.
3) Menyusun angket disposisi, lembar observasi dan pedoman wawancara. 4) Membuat pedoman penskoran untuk soal uraian.
(40)
5) Melakukan pelatihan Fathom selama tiga hari dan dilakukan pada saat minggu tenang, yaitu tanggal 21, 22, dan 23 April 2014.
6) Menguji coba instrumen kemampuan penalaran statistis penelitian kepada mahasiswa yang sudah mendapatkan materi yang diujikan dan bukan merupakan sampel penelitian.
7) Menguji coba instrumen angket disposisi statistis penelitian kepada mahasiswa yang sudah mendapatkan materi yang diujikan dan bukan merupakan sampel penelitian.
8) Menentukan dua kelas yang akan digunakan sebagai kelas EDA dan kelas ekspositori.
Pada tahap pelaksanaan, kegiatan yang dilakukan merupakan pelaksanaan penelitian, yaitu:
1) Memberikan pretes kepada kelas EDA dan kelas ekspositori untuk mengetahui kemampuan awal penalaran statistis pada masing-masing kelas tersebut.
2) Pembelajaran dilakukan dengan pendekatan EDA berbantuan Fathom pada kelas EDA dan pembelajaran ekspositori pada kelas ekspositori. Pelaksanaan pretes, postes, dan pembelajaran dimulai dari tanggal 9 Mei 2014 dan berakhir pada tanggal 9 Juni 2014. Pembelajaran statistika pada kelas eksperimen dilakukan dua kali dalam seminggu, yaitu hari Selasa pukul 08.00 sampai dengan 09.30 WIB dan hari Sabtu pukul 11.00 sampai dengan 12.30 WIB, sedangkan pembelajaran statistika untuk kelas kontrol dilakukan pada hari Senin pukul 09.30 sampai dengan 11.00 WIB dan hari Jumat pukul 14.30 sampai dengan 16.00 WIB. Pengisian lembar observasi dilakukan oleh observer dalam beberapa pertemuan.
3) Setelah seluruh pembelajaran statistika selesai dilakukan, kedua kelas diberikan postes atau tes akhir kemampuan penalaran untuk melihat perbedaan dan peningkatan kemampuan penalaran statistis mahasiswa antara dua kelas tersebut dan disposisi statistis diberikan kepada
(41)
mahasiswa yang belajar denagan pendekatan EDA berbantuan Fathom, serta melakukan wawancara kepada beberapa mahasiswa.
Akhirnya, pada tahap pembuatan laporan merupakan kegiatan-kegiatan setelah penelitian selesai dilakukan, yaitu: mengumpulkan setiap data yang diperoleh dari intrumen tes dan non-tes penelitian, mengolah, menganalisis, dan menulis laporan hasil penelitian.
(42)
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Penelitian tentang meningkatkan kemampuan penalaran dan disposisi statistis mahasiswa dengan pendekatan Exploration Data Analysis (EDA) berbantuan Fathom telah dilakukan pada mahasiswa Teknik Informatika STIKOM Poltek Cirebon. Beberapa kesimpulan dari hasil penelitian ini yang dapat diambil, adalah sebagai berikut:
1) Kemampuan penalaran statistis mahasiswa yang belajar dengan pendekatan Exploratory Data Analysis (EDA) berbantuan Fathom lebih baik dibandingkan mahasiswa yang belajar secara ekspositori.
2) Peningkatan kemampuan penalaran statistis mahasiswa yang belajar dengan pendekatan Exploratory Data Analysis (EDA) berbantuan
Fathom lebih baik dibandingkan mahasiswa yang belajar secara
ekspositori.
3) Respon terhadap disposisi statistis mahasiswa yang belajar dengan pendekatan EDA berbantuan Fathom dikategorikan baik dalam hal gairah dan perhatian serius dalam belajar statistika, rasa percaya diri, fleksibel dalam mengeksplorasi ide-ide, memonitor dan merefleksikan penalaran, gigih dalam menghadapi dan menyelesaikan masalah statistis, rasa ingin tahu yang tinggi, berbagi pendapat dengan orang lain.
1.2 Saran
Berdasarkan pemaparan sebelumnya bahwa EDA merupakan suatu pendekatan yang bertujuan untuk memahami data atau materi statistika yang ditunjang oleh teknologi komputasi (Fathom). Pembelajaran ini lebih banyak melibatkan aktivitas mahasiswa dalam mengakses berbagai informasi dan
(43)
pengetahuan untuk dibahas dan dikaji dalam proses pembelajaran di kelas, sehingga mahasiswa dapat mengembangkan kemampuan bernalar dan mampu menerapkannya dalam kehidupan sehari-hari. Pemanfaatan fungsi perangkat lunak komputer sebagai alat bantu dalam pelaksanaan pembelajaran yang dipandang penting dalam memainkan perannya untuk membangun kemampuan bernalar statistis mahasiswa. Adapun beberapa saran di dalam penelitian ini guna memperbaiki kekurangan dalam pelaksanaan pembelajaran statistika di kemudian hari, antara lain:
1) Pembelajaran statistika dengan pendekatan EDA berbantuan Fathom disarankan dapat dijadikan alternatif pembelajaran statistika pada tingkat pendidikan tinggi.
2) Pembelajaran statistika dengan pendekatan EDA berbantuan Fathom dalam satu kelompok mahasiswa hanya memiliki satu komputer, sehingga disarankan untuk selanjutnya, semua mahasiswa dapat mengoperasikan dan memiliki satu komputer (laptop, netbook) untuk mendukung kegiatan pembelajaran statistika sehingga dapat berjalan dengan lebih baik.
3) Pembelajaran statistika di kelas dengan bantuan Fathom memiliki keterbatasan dalam menyajikan data dalam bentuk diagram (tidak semua diagram terdapat di dalam menu Fathom) dan proses penginputan data membutuhkan waktu yang tidak sedikit, sehingga mahasiswa disarankan dapat mengunakan Ms. Excel.
4) Mahasiswa disarankan harus lebih aktif lagi dalam berdiskusi dan berinteraksi dengan sesama teman, pemberian motivasi yang intensif, dapat memanfaatkan waktu dengan sebaik-baiknya di dalam pembelajaran statistika dengan pendekatan EDA berbantuan Fathom ini, sehingga kemampuan penalaran statistis dapat dicapai dengan lebih baik lagi dikemudian hari.
(44)
DAFTAR PUSTAKA
Arikunto, S, (2010). Manajeman Penelitian. Jakarta: Rineka Cipta.
Ben-Zvi, D., & Garfield, J. (2004). The Challenge of Developing Statistical
Literacy, Reasoning, and Thinking. Dordrecht, The Netherlands:
Kluwer Academic Publishers.
Ben-Zvi, D. (2004). Reasoning About Data Analysis. In D. Ben-Zvi, & J. Garfield, The Challenge of Developing Statistical Literacy, Reasoning,
and Thinking (pp. 121–145). Dordrecht, The Netherlands: Kluwer
Academic Publishers.
Cahyo, A. (2013). Panduan Aplikasi Teori-Teori Belajar Mengajar Teraktual dan
Terpopuler. Yogyakarta: DIVA Press.
Carnell, L. (2008). The Effect of a Student-Designed Data Collection Project on Attitudes Toward Statistics. Journal of Statistics Education, 16(1), 1-15.
Chance, Ben-Zvi, D., Garfield, J., & Medina, E. (2007). The Role of Technology in Improving Student Learning of Statistics. Technology Innovations in
Statistics Education Journal, 1(1), 91-144.
Cooper, L.L., & Shore, F.S. (2008). Students’ Misconseptions in Interpreting Center and Variability of Data Represented via Histogram and Steam-and-leaf Plots. Journal of Statistics Education, 16(2), 1-14.
Dasari, D. (2006). Kemampuan Literasi Statistis dan Implikasinya Dalam
Pembelajaran.[Online].Tersedia:
file.upi.edu/…DASARI/...Literasi_Statistis_2006.pdf
Dahlan, J.A. (2004). Meningkatkan Kemampuan Penalaran dan Pemahaman
Matematik Siswa Sekolah Lanjutan Tingkat Pertama Melalui Pendekatan Open-Ended. Desertasi SPs UPI Bandung: Tidak
Diterbitkan.
delMas, R.C. (2002). Statistical Literacy, Reasoning, and Learning: A Commentary. Journal of Innovations in Statistics Education, 7(1), 1-11.
Fitzallen., Elizabeth, N. (2013). Characterising Students’ Interaction with
ThinkerPlots. Journal of Statistics Education, 10(3), 1-19.
Garfield, J. (2002). The Challenge of Developing Statistical Reasoning. Journal of
(45)
________. (2003). Assessing Statistical Reasoning. Statistics Education Research
Journal, 2(1), 22-23.
Garfield, J., Hogg, B., Schau, C., & Whittinghill, D. (2002). First Courses in Statistical Science: The Status of Educational Reform Efforts. Journal
of Statistics Education, 10(2). [Online]. Tersedia:
http://www.amstat.org/publications/jse/v10n2/garfield.html
Hake, R.R. (1999). Analizing Change/Gain Scores. [Online]. Tersedia pada http://
www.physics Indiana.edu/sdi/Analizing Change-Gain.pdf.[1 September 2013]
Hartono, R. (2013). Ragam Mengajar yang Mudah Diterima Murid. Yogyakarta: DIVA Press.
Martadiputra, B.A.P. (2010). Kajian Tentang Kemampuan Melek Statistis
(Statistical Literacy), Penalaran Statistis (Statistical Reasoning), dan Berpikir Statistis (Statistical Thinking) Guru SMP/SMA. [Online].
Tersedia: http://jurnal.upi.edu/file/Bambang_A.pdf
_________________. (2012). Meningkatkan Kemampuan Berpikir Statistis
Mahasiswa S1 Pendidikan Matematika Melalui Pembelajaran MEAs yang Dimodifikasi. Desertasi, SPs UPI Bandung: Tidak diterbitkan
Moore, D. (1997). New Pedagogy and New Content: The Case of Statistics.
International Statistics Review, 65(2), 123-165.
Nasrudin, E. (2010). Psikologi Manajemen. Bandung: Pustaka Setia.
NN .(2006). Engineering Statistics Handbook. [Online]. Tersedia
http://www.itl.nist.gov/div898/handbook/eda/section1/eda1.htm
Olani, A., Hoekstra, R., Harskamp, E., & Van der Werf, G. (2010). Fostering
Students’ Statistical Reasoning, Self-efficacy, and Attitudes: Findings From A Comprehensively Reformed Undergaduate Statistics Course. In C. Reading (Ed), Data and Context in Statistics Education: Toward an
Evidence-Based Society. Proceedings of the Eight International Conference on Teaching Statistics (ICOTS, July, 2010), Ljubljana, Slovenia. Voorburg, The Netherlands: International Statistical Institute.
Rojai., & Romadon, R. (2013). Panduan Sertifikasi Guru Berdasarkan
Undang-Undang Guru & Dosen. Jakarta: Dunia Cerdas.
(46)
Ruseffendi, E.T. (2005). Dasar-dasar Penelitian Pendidikan dan Bidang Non-
Eksakta Lainnya. Bandung: Tarsito.
Shadiq, F. (2004). Penalaran, Pemecahan Masalah dan Komunikasi Matematika. Diklat Instruktur/ Pengembangan Matematika SMP Jenjang Dasar. PPPG Matematika. Yogyakarta.
Syaban, M. (2008). Menumbuhkan Daya dan Disposisi Siswa SMA melalui
Pembelajaran. [Online]. Tersedia:
http://www.uai.no/no/content/download/2math.html.
Subana., & Sudrajat. (2005). Dasar-Dasar Penelitian Ilmiah. Bandung: Pustaka Setia.
Sugiyono. (2003). Statistika untuk Penelitian. Bandung: Alfabeta. _______. (2008). Metode Penelitian Pendidikan. Bandung: Alfabeta.
Siregar, N. (2009). Studi Perbandingan Kemampuan Penalaran Matematik Siswa
Madrasah Tsanawiyah Pada Kelas yang Belajar Geometri Berbantuan
Geometer’s Sketchpad Dengan Siswa yang Belajar Geometri Tanpa Geometer’s Sketchpad. Tesis SPs UPI: Tidak Diterbitkan.
Sudjana. (2005). Metode Statistika. Bandung: Tarsito.
Sumarmo, U. (2013). Kumpulan Makalah: Berpikir dan Disposisi Matematik
serta Pembelajarannya. Bandung: UPI.
Rostina. (2014). Statistika Penelitian Pendidikan. Bandung: Alfabeta.
Tempelaar, T., Van Der Loeft, S., Guselaers, W. (2007). A Structural Equation Model Analyzing the Relationship of Student’s Attitudes Toward Statistics, Prior Reasoning Abilities and Course Performance. Statistics
Education Research Journal, 6(2), 78-102.
Vanhoof, S., Sotos, A., Onghena, P., Verschaffel, L., Dooren, W., Noortgate, W., & Leuven, K. (2006). Attitudes Toward Statistics and Their Relationship with Short-and Long-Term Exam result. Journal of
Statistics Education, 14(3), 1-17.
Wardani, S. (2002). Pembelajaran Pemecahan Masalah Matematika melalui
Model Kooperatif Tipe Jigsaw. [Online]. Tersedia:
http://www.matedu.cinvestav.mx/adalira.pdf.
(1)
mahasiswa yang belajar denagan pendekatan EDA berbantuan Fathom, serta melakukan wawancara kepada beberapa mahasiswa.
Akhirnya, pada tahap pembuatan laporan merupakan kegiatan-kegiatan setelah penelitian selesai dilakukan, yaitu: mengumpulkan setiap data yang diperoleh dari intrumen tes dan non-tes penelitian, mengolah, menganalisis, dan menulis laporan hasil penelitian.
(2)
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Penelitian tentang meningkatkan kemampuan penalaran dan disposisi statistis mahasiswa dengan pendekatan Exploration Data Analysis (EDA) berbantuan Fathom telah dilakukan pada mahasiswa Teknik Informatika STIKOM Poltek Cirebon. Beberapa kesimpulan dari hasil penelitian ini yang dapat diambil, adalah sebagai berikut:
1) Kemampuan penalaran statistis mahasiswa yang belajar dengan pendekatan Exploratory Data Analysis (EDA) berbantuan Fathom lebih baik dibandingkan mahasiswa yang belajar secara ekspositori.
2) Peningkatan kemampuan penalaran statistis mahasiswa yang belajar dengan pendekatan Exploratory Data Analysis (EDA) berbantuan
Fathom lebih baik dibandingkan mahasiswa yang belajar secara
ekspositori.
3) Respon terhadap disposisi statistis mahasiswa yang belajar dengan pendekatan EDA berbantuan Fathom dikategorikan baik dalam hal gairah dan perhatian serius dalam belajar statistika, rasa percaya diri, fleksibel dalam mengeksplorasi ide-ide, memonitor dan merefleksikan penalaran, gigih dalam menghadapi dan menyelesaikan masalah statistis, rasa ingin tahu yang tinggi, berbagi pendapat dengan orang lain.
1.2 Saran
Berdasarkan pemaparan sebelumnya bahwa EDA merupakan suatu pendekatan yang bertujuan untuk memahami data atau materi statistika yang ditunjang oleh teknologi komputasi (Fathom). Pembelajaran ini lebih banyak
(3)
pengetahuan untuk dibahas dan dikaji dalam proses pembelajaran di kelas, sehingga mahasiswa dapat mengembangkan kemampuan bernalar dan mampu menerapkannya dalam kehidupan sehari-hari. Pemanfaatan fungsi perangkat lunak komputer sebagai alat bantu dalam pelaksanaan pembelajaran yang dipandang penting dalam memainkan perannya untuk membangun kemampuan bernalar statistis mahasiswa. Adapun beberapa saran di dalam penelitian ini guna memperbaiki kekurangan dalam pelaksanaan pembelajaran statistika di kemudian hari, antara lain:
1) Pembelajaran statistika dengan pendekatan EDA berbantuan Fathom disarankan dapat dijadikan alternatif pembelajaran statistika pada tingkat pendidikan tinggi.
2) Pembelajaran statistika dengan pendekatan EDA berbantuan Fathom dalam satu kelompok mahasiswa hanya memiliki satu komputer, sehingga disarankan untuk selanjutnya, semua mahasiswa dapat mengoperasikan dan memiliki satu komputer (laptop, netbook) untuk mendukung kegiatan pembelajaran statistika sehingga dapat berjalan dengan lebih baik.
3) Pembelajaran statistika di kelas dengan bantuan Fathom memiliki keterbatasan dalam menyajikan data dalam bentuk diagram (tidak semua diagram terdapat di dalam menu Fathom) dan proses penginputan data membutuhkan waktu yang tidak sedikit, sehingga mahasiswa disarankan dapat mengunakan Ms. Excel.
4) Mahasiswa disarankan harus lebih aktif lagi dalam berdiskusi dan berinteraksi dengan sesama teman, pemberian motivasi yang intensif, dapat memanfaatkan waktu dengan sebaik-baiknya di dalam pembelajaran statistika dengan pendekatan EDA berbantuan Fathom ini, sehingga kemampuan penalaran statistis dapat dicapai dengan lebih baik lagi dikemudian hari.
(4)
DAFTAR PUSTAKA
Arikunto, S, (2010). Manajeman Penelitian. Jakarta: Rineka Cipta.
Ben-Zvi, D., & Garfield, J. (2004). The Challenge of Developing Statistical
Literacy, Reasoning, and Thinking. Dordrecht, The Netherlands:
Kluwer Academic Publishers.
Ben-Zvi, D. (2004). Reasoning About Data Analysis. In D. Ben-Zvi, & J. Garfield, The Challenge of Developing Statistical Literacy, Reasoning,
and Thinking (pp. 121–145). Dordrecht, The Netherlands: Kluwer
Academic Publishers.
Cahyo, A. (2013). Panduan Aplikasi Teori-Teori Belajar Mengajar Teraktual dan
Terpopuler. Yogyakarta: DIVA Press.
Carnell, L. (2008). The Effect of a Student-Designed Data Collection Project on Attitudes Toward Statistics. Journal of Statistics Education, 16(1), 1-15.
Chance, Ben-Zvi, D., Garfield, J., & Medina, E. (2007). The Role of Technology in Improving Student Learning of Statistics. Technology Innovations in
Statistics Education Journal, 1(1), 91-144.
Cooper, L.L., & Shore, F.S. (2008). Students’ Misconseptions in Interpreting Center and Variability of Data Represented via Histogram and Steam-and-leaf Plots. Journal of Statistics Education, 16(2), 1-14.
Dasari, D. (2006). Kemampuan Literasi Statistis dan Implikasinya Dalam
Pembelajaran.[Online].Tersedia:
file.upi.edu/…DASARI/...Literasi_Statistis_2006.pdf
Dahlan, J.A. (2004). Meningkatkan Kemampuan Penalaran dan Pemahaman
Matematik Siswa Sekolah Lanjutan Tingkat Pertama Melalui Pendekatan Open-Ended. Desertasi SPs UPI Bandung: Tidak
Diterbitkan.
delMas, R.C. (2002). Statistical Literacy, Reasoning, and Learning: A Commentary. Journal of Innovations in Statistics Education, 7(1), 1-11.
Fitzallen., Elizabeth, N. (2013). Characterising Students’ Interaction with
ThinkerPlots. Journal of Statistics Education, 10(3), 1-19.
(5)
________. (2003). Assessing Statistical Reasoning. Statistics Education Research
Journal, 2(1), 22-23.
Garfield, J., Hogg, B., Schau, C., & Whittinghill, D. (2002). First Courses in Statistical Science: The Status of Educational Reform Efforts. Journal
of Statistics Education, 10(2). [Online]. Tersedia:
http://www.amstat.org/publications/jse/v10n2/garfield.html
Hake, R.R. (1999). Analizing Change/Gain Scores. [Online]. Tersedia pada http://
www.physics Indiana.edu/sdi/Analizing Change-Gain.pdf.[1 September
2013]
Hartono, R. (2013). Ragam Mengajar yang Mudah Diterima Murid. Yogyakarta: DIVA Press.
Martadiputra, B.A.P. (2010). Kajian Tentang Kemampuan Melek Statistis
(Statistical Literacy), Penalaran Statistis (Statistical Reasoning), dan Berpikir Statistis (Statistical Thinking) Guru SMP/SMA. [Online].
Tersedia: http://jurnal.upi.edu/file/Bambang_A.pdf
_________________. (2012). Meningkatkan Kemampuan Berpikir Statistis
Mahasiswa S1 Pendidikan Matematika Melalui Pembelajaran MEAs yang Dimodifikasi. Desertasi, SPs UPI Bandung: Tidak diterbitkan
Moore, D. (1997). New Pedagogy and New Content: The Case of Statistics.
International Statistics Review, 65(2), 123-165.
Nasrudin, E. (2010). Psikologi Manajemen. Bandung: Pustaka Setia.
NN .(2006). Engineering Statistics Handbook. [Online]. Tersedia http://www.itl.nist.gov/div898/handbook/eda/section1/eda1.htm
Olani, A., Hoekstra, R., Harskamp, E., & Van der Werf, G. (2010). Fostering
Students’ Statistical Reasoning, Self-efficacy, and Attitudes: Findings
From A Comprehensively Reformed Undergaduate Statistics Course. In C. Reading (Ed), Data and Context in Statistics Education: Toward an
Evidence-Based Society. Proceedings of the Eight International Conference on Teaching Statistics (ICOTS, July, 2010), Ljubljana, Slovenia. Voorburg, The Netherlands: International Statistical Institute.
Rojai., & Romadon, R. (2013). Panduan Sertifikasi Guru Berdasarkan
Undang-Undang Guru & Dosen. Jakarta: Dunia Cerdas.
(6)
Ruseffendi, E.T. (2005). Dasar-dasar Penelitian Pendidikan dan Bidang Non-
Eksakta Lainnya. Bandung: Tarsito.
Shadiq, F. (2004). Penalaran, Pemecahan Masalah dan Komunikasi Matematika. Diklat Instruktur/ Pengembangan Matematika SMP Jenjang Dasar. PPPG Matematika. Yogyakarta.
Syaban, M. (2008). Menumbuhkan Daya dan Disposisi Siswa SMA melalui
Pembelajaran. [Online]. Tersedia:
http://www.uai.no/no/content/download/2math.html.
Subana., & Sudrajat. (2005). Dasar-Dasar Penelitian Ilmiah. Bandung: Pustaka Setia.
Sugiyono. (2003). Statistika untuk Penelitian. Bandung: Alfabeta. _______. (2008). Metode Penelitian Pendidikan. Bandung: Alfabeta.
Siregar, N. (2009). Studi Perbandingan Kemampuan Penalaran Matematik Siswa
Madrasah Tsanawiyah Pada Kelas yang Belajar Geometri Berbantuan
Geometer’s Sketchpad Dengan Siswa yang Belajar Geometri Tanpa Geometer’s Sketchpad. Tesis SPs UPI: Tidak Diterbitkan.
Sudjana. (2005). Metode Statistika. Bandung: Tarsito.
Sumarmo, U. (2013). Kumpulan Makalah: Berpikir dan Disposisi Matematik
serta Pembelajarannya. Bandung: UPI.
Rostina. (2014). Statistika Penelitian Pendidikan. Bandung: Alfabeta.
Tempelaar, T., Van Der Loeft, S., Guselaers, W. (2007). A Structural Equation Model Analyzing the Relationship of Student’s Attitudes Toward Statistics, Prior Reasoning Abilities and Course Performance. Statistics
Education Research Journal, 6(2), 78-102.
Vanhoof, S., Sotos, A., Onghena, P., Verschaffel, L., Dooren, W., Noortgate, W., & Leuven, K. (2006). Attitudes Toward Statistics and Their Relationship with Short-and Long-Term Exam result. Journal of
Statistics Education, 14(3), 1-17.
Wardani, S. (2002). Pembelajaran Pemecahan Masalah Matematika melalui
Model Kooperatif Tipe Jigsaw. [Online]. Tersedia: http://www.matedu.cinvestav.mx/adalira.pdf.