Library:
> #install.packages("knitr")
> #install.packages("rmarkdown")
> #install.packages("prettydoc")1 PENDAHULUAN
1.1 Latar Belakang
Pendidikan adalah proses pembelajaran untuk mengembangkan potensi diri dan kecerdasan seseorang agar mereka memiliki keterampilan yang dibutuhkan dalam lingkungan masyarakat. Salah satu cara meningkatkan kualitas pendidikan adalah dengan menyempurnakan proses pembelajaran di sekolah, termasuk penyajian materi pelajaran dan penggunaan model pembelajaran yang tepat.
Siswa sering menganggap matematika sebagai pelajaran yang rumit dan mereka kurang memahami konsep matematika serta kurang menyadari hubungannya dengan kehidupan sehari-hari. Hal ini disebabkan oleh kurangnya pembangunan pengetahuan sendiri oleh siswa. Oleh karena itu, penting bagi siswa diberikan kesempatan yang luas untuk membangun pengetahuan mereka sendiri.
Pemahaman konsep merupakan bagian terpenting dalam pembelajaran matematika, karena pemahaman konsep yang baik akan mempermudah siswa dalam menggunakan rumus-rumus yang dipelajari. Siswa akan lebih mudah menyelesaikan soal matematika jika mereka memahami konsepnya terlebih dahulu. Pemahaman konsep yang baik juga memungkinkan siswa mengingat materi yang diajarkan oleh guru tanpa perlu menghafal rumus.
Pemahaman konsep adalah salah satu tujuan pembelajaran yang diharapkan oleh guru, karena guru berperan sebagai pembimbing siswa untuk mencapai pemahaman konsep tersebut. Pemahaman konsep matematika juga membuat pembelajaran menjadi lebih bermakna.
Rendahnya pemahaman konsep mungkin disebabkan oleh metode pembelajaran yang hanya mengandalkan penyampaian guru tanpa memberikan kesempatan kepada siswa untuk menggali pemahaman sendiri. Hal ini dapat menyebabkan rasa jenuh dan bosan pada siswa dalam mengikuti proses pembelajaran. Selain itu, siswa mungkin menjadi malas belajar, pasif, dan enggan mengeluarkan ide-ide selama pelajaran.
Berdasarkan observasi yang dilakukan di MTs Al-Hidayah diperoleh data yaitu anak yang memiliki skor 80<=x<=100 dengan presentase 13% dari seluruh siswa, 70<=x<=80 dengan presentase 29% dari seluruh siswa, dan<70 dengan presentase 58% dari seluruh siswa. Hal ini menunjukkan bahwa pemahaman konsep siswa masih tergolong rendah.
Pemahaman konsep matematika siswa rendah karena metode pembelajaran yang kurang mendukung pemahaman konsep tersebut. Penggunaan model pembelajaran yang tepat dapat mempengaruhi pemahaman konsep siswa. Salah satu model pembelajaran yang tepat adalah model Example Non Example, yang memungkinkan siswa mengklasifikasikan suatu konsep dengan menggunakan contoh dan bukan contoh dari materi yang dipelajari.
Model pembelajaran Example Non Example dapat menjadi alternatif bagi model pembelajaran konvensional. Tujuan model ini adalah agar siswa saling membantu dalam kelompok-kelompoknya. Penelitian menunjukkan bahwa model pembelajaran Example Non Example berpengaruh positif terhadap pemahaman konsep matematika siswa.
Dalam penelitian ini, peneliti menggunakan model pembelajaran Example Non Example dengan bantuan metode Poster Comment. Metode ini melibatkan semua siswa secara aktif dalam pembelajaran, dengan menggunakan poster sebagai media penyajian bahan pembelajaran. Metode Poster Comment mendorong siswa untuk mengemukakan pendapat mereka terkait dengan poster yang terkait dengan materi pembelajaran.
Diharapkan dengan penggunaan metode ini, siswa dapat lebih terampil dalam bekerja sama, berani mengungkapkan pemikiran mereka, dan lebih aktif dalam belajar. Penelitian sebelumnya juga menunjukkan bahwa metode Poster Comment dapat meningkatkan hasil belajar siswa serta mendorong siswa untuk belajar secara aktif, kreatif, dan mengungkapkan pemikiran mereka.
Berdasarkan latar belakang tersebut, peneliti tertarik untuk menggabungkan model pembelajaran Example Non Example dengan metode Poster Comment dalam penelitian ini. Tujuannya adalah untuk menguji pengaruh model pembelajaran Example Non Example berbantuan Poster Comment terhadap pemahaman konsep matematika siswa.
2 TINJAUAN PUSTAKA
2.1 Anova
ANOVA (Analysis of Variance) adalah metode statistik yang digunakan untuk membandingkan rata-rata antara tiga atau lebih kelompok yang independen. Tujuan utama dari ANOVA adalah untuk mengetahui apakah terdapat perbedaan yang signifikan antara rata-rata kelompok-kelompok tersebut.
ANOVA menganalisis variasi data dengan membaginya menjadi dua komponen: variasi antar kelompok (between-group variation) dan variasi dalam kelompok (within-group variation). Jika variasi antar kelompok jauh lebih besar daripada variasi dalam kelompok, maka dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara kelompok-kelompok tersebut.
ANOVA merupakan salah satu teknik analisis multivariat yang berfungsi untuk membedakan rerata lebih dari dua kelompok data dengan cara membandingkan variansinya. Prinsip pengujiannya adalah menganalisis variabilitas atau keragaman data menjadi dua sumber variasi, yaitu variasi dalam kelompok (within) dan variasi antar kelompok (between). Terdapat dua jenis ANOVA, yaitu ANOVA satu jalur (one-way ANOVA) dan ANOVA dua jalur (two-way ANOVA). Untuk lebih jelasnya pada artikel ini dikhususkan untuk menjelaskan One-way ANOVA.
One-way ANOVA merupakan prosedur yang digunakan untuk menghasilkan analisis variansi satu arah untuk variabel dependen dengan tipe data kuantitatif, dengan sebuah variabel independen sebagai variabel faktor. Dalam pengujian one-way ANOVA menggunakan beberapa parameter yang perlu diperhatikan yaitu :
Data sampel yang digunakan berdistribusi normal atau dianggap normal, Populasi tersebut memiliki varian yang homogen, Sampel tidak berhubungan satu dengan lain (independen), sehingga uji ANOVA tidak bisa digunakan untuk sampel berpasangan (paired). Dalam melakukan Uji one-way ANOVA ada beberapa langkah perhitungan, sebagai berikut :
-Menentukan formulasi hipotesis
H0 : µ1 = µ2 = …..= µk
H1 : µ1 ≠ µ2 ≠ …..≠ µk
-Menentukan taraf nyata (α) beserta F tabel à Fα (v1,v2)
Variabel independent (v1)= k – 1
Variabel Dependent (v2)= k(n – 1)
-Menentukan kriteria pengujian
H0 diterima jika Fhitung < Fα (v1,v2)
H0 ditolak jika Fhitung > Fα (v1,v2)
-membuat tabel anova dengan sumber variasi perlakuan dan galat.
-membuat kesimpulan berdasarkan Fhitung dan Ftabel
2.2 Asumsi One Way Anova
Asumsi dasar yang harus dipenuhi dalam analisis one-way ANOVA adalah:
Asumsi Independence: Pengamatan dalam setiap kelompok harus saling independen satu sama lain. Artinya, hasil pengukuran pada satu subjek atau unit tidak boleh mempengaruhi hasil pengukuran pada subjek atau unit lainnya.
Asumsi Normalitas: Data dalam setiap kelompok harus terdistribusi secara normal. Hal ini berarti bahwa distribusi frekuensi dari nilai-nilai dalam setiap kelompok mengikuti pola yang simetris dan menyerupai kurva normal.
Asumsi Homogenitas Varian: Variansi dalam setiap kelompok harus sebanding atau homogen. Ini berarti bahwa variabilitas atau dispersi nilai-nilai dalam setiap kelompok harus serupa.
Asumsi Skala Interval atau Rasio: Data yang digunakan dalam analisis one-way ANOVA harus berskala interval atau rasio. Artinya, perbedaan antara dua nilai memiliki arti yang sama di seluruh rentang data, dan ada hubungan proporsional antara skala pengukuran.
Jika asumsi-asumsi di atas tidak terpenuhi, hasil analisis one-way ANOVA dapat menjadi tidak valid. Untuk memeriksa asumsi-asumsi ini, dapat digunakan teknik statistik dan tes seperti uji normalitas (seperti uji Shapiro-Wilk atau uji Kolmogorov-Smirnov) untuk memeriksa normalitas data, serta uji homogenitas varian (seperti uji Levene atau uji Bartlett) untuk memeriksa homogenitas varian.
Jika data tidak memenuhi asumsi normalitas atau homogenitas varian, alternatif metode non-parametrik seperti uji Kruskal-Wallis dapat digunakan sebagai pengganti one-way ANOVA. Namun, jika asumsi-asumsi terpenuhi, analisis one-way ANOVA dapat memberikan informasi tentang perbedaan yang signifikan antara kelompok-kelompok yang diuji.
3 SOURCE CODE
3.1 Input Data
> #a <- eksperimen_1
> #b <- eksperimen_2
> #c <- eksperimen_3
> #d <- kontrol
>
> a <- c(84,75,80,75,90,69,75,78,81,75,67,78,87,75,85,50,90,81,79,90,
+ 78,75)
> b <- c(80,71,65,70,90,60,80,80,50,75,65,72,80,64,80,58,80,68,80,72,
+ 72,72)
> c <- c(60,75,70,80,65,79,64,78,60,75,62,70,70,78,85,60,70,80,70,58,
+ 60,50)
> d <- c(56,60,65,65,65,70,50,78,80,65,67,63,65,70,78,70,60,80,55,60,
+ 65,68)
>
>
> n<- length(a)
> abar<-sum(a)/n
> abar
[1] 78.04545
> m<- length(b)
> bbar<-sum(b)/m
> bbar
[1] 72
> p<-length(c)
> cbar<-sum(c)/p
> cbar
[1] 69.04545
> q<-length(d)
> dbar<-sum(d)/q
> dbar
[1] 66.136363.2 Membuat Tabel Data Penelitian
> data.ekspe<-data.frame(a,b,c,d)
> data.ekspe
a b c d
1 84 80 60 56
2 75 71 75 60
3 80 65 70 65
4 75 70 80 65
5 90 90 65 65
6 69 60 79 70
7 75 80 64 50
8 78 80 78 78
9 81 50 60 80
10 75 75 75 65
11 67 65 62 67
12 78 72 70 63
13 87 80 70 65
14 75 64 78 70
15 85 80 85 78
16 50 58 60 70
17 90 80 70 60
18 81 68 80 80
19 79 80 70 55
20 90 72 58 60
21 78 72 60 65
22 75 72 50 68
> summary(data.ekspe)
a b c d
Min. :50.00 Min. :50.00 Min. :50.00 Min. :50.00
1st Qu.:75.00 1st Qu.:65.75 1st Qu.:60.50 1st Qu.:60.75
Median :78.00 Median :72.00 Median :70.00 Median :65.00
Mean :78.05 Mean :72.00 Mean :69.05 Mean :66.14
3rd Qu.:83.25 3rd Qu.:80.00 3rd Qu.:77.25 3rd Qu.:70.00
Max. :90.00 Max. :90.00 Max. :85.00 Max. :80.00
> #buat data jadi satu vektor
> svdata<-stack(data.ekspe)
> svdata
values ind
1 84 a
2 75 a
3 80 a
4 75 a
5 90 a
6 69 a
7 75 a
8 78 a
9 81 a
10 75 a
11 67 a
12 78 a
13 87 a
14 75 a
15 85 a
16 50 a
17 90 a
18 81 a
19 79 a
20 90 a
21 78 a
22 75 a
23 80 b
24 71 b
25 65 b
26 70 b
27 90 b
28 60 b
29 80 b
30 80 b
31 50 b
32 75 b
33 65 b
34 72 b
35 80 b
36 64 b
37 80 b
38 58 b
39 80 b
40 68 b
41 80 b
42 72 b
43 72 b
44 72 b
45 60 c
46 75 c
47 70 c
48 80 c
49 65 c
50 79 c
51 64 c
52 78 c
53 60 c
54 75 c
55 62 c
56 70 c
57 70 c
58 78 c
59 85 c
60 60 c
61 70 c
62 80 c
63 70 c
64 58 c
65 60 c
66 50 c
67 56 d
68 60 d
69 65 d
70 65 d
71 65 d
72 70 d
73 50 d
74 78 d
75 80 d
76 65 d
77 67 d
78 63 d
79 65 d
80 70 d
81 78 d
82 70 d
83 60 d
84 80 d
85 55 d
86 60 d
87 65 d
88 68 d
> library(rmarkdown)
> paged_table(as.data.frame(svdata))3.3 Uji Anova Satu Arah
> ujianova<-aov(values~ind, data=svdata)
> ujianova
Call:
aov(formula = values ~ ind, data = svdata)
Terms:
ind Residuals
Sum of Squares 1710.216 6514.500
Deg. of Freedom 3 84
Residual standard error: 8.806451
Estimated effects may be unbalanced
>
> summary(ujianova)
Df Sum Sq Mean Sq F value Pr(>F)
ind 3 1710 570.1 7.351 0.000196 ***
Residuals 84 6515 77.6
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 14 HASIL DAN PEMBAHASAN
4.1 Desain Penelitian
Dalam penelitian ini sampel menggunakan seluruh siswa kelas VII, dimana kelas VIIA sebanyak 22 siswa sebagai kelas eksperimen 1 dengan pembelajaran menggunakan menggunakan metode pembelajaran Example Non Example berbantuan Poster Comment, kelas VIIB sebanyak 22 siswa sebagai kelas eksperimen 2 dengan pembelajaran menggunakan model pembelajaran Example Non Example, kelas VIIC sebanyak 22 siswa sebagai kelas eksperimen 3 dengan menggunakan pembelajaran konvensional berbantuan Poster Comment dan kelas VIID sebanyak 22 siswa sebagai kelas kontrol dengan menggunakan pembelajaran konvensional.
4.2 Uji Anova Satu Arah
hipotesis:
H0: \[\mu1 = \mu2 = \mu3= \mu4= 0\] H1: setidaknya ada satu pasang \[\mu i \] tidak sama dengan \[\mu j \]
taraf signifikan= 5%
berdasarkan output pada uji anova di atas didapatkan nilai p-value sebesar 0.000196 < alfa (0.05) maka tolak H0 sehingga dapat disimpulkan bahwa terdapat setidaknya 1 rata rata yang tidak sama dari keempat perlakuan.
5 KESIMPULAN
Dengan demikian dapat disimpulkan bahwa rata-rata pemahaman konsep matematis pada keempat kelompok baik kelompok eksperimen ataupun kelompok kontrol memberikan pengaruh yang berbeda terhadap pemahaman konsep matematis siswa kelas VII MTs Al-Hidayah Srikuncoro. Karena pada hasil didapatkan kesimpulan tolak H0 maka diperlukan uji lanjut seperti Uji BNT, Uji BNJ, dan sebagainya.
6 DAFTAR PUSTAKA
Saputri, Syarofa Dwi. 2017. Pengaruh Model Pembelajaran Example Non Example berbantuan Poster Comment Terhadap Pemahaman Konsep Matematis Siswa Kelas VII MTS Al-Hidayah Sri Kuncoro Tanggamus Tahun Ajaran 2016/2017. Skripsi. Jurusan : Pendidikan Matematika. FAKULTAS TARBIYAH DAN KEGURUAN UNIVERSITAS ISLAM NEGERI (UIN) RADEN INTAN LAMPUNG 2016/2017.
Hasan, Iqbal. 2012. Pokok-Pokok Materi Statistik II (Statistik Inferensial). Jakarta: Bumi Aksara
Miftakhurrizal.2018. Pengantar Analisis Multivariat. http://miftakhurrizal.lecture.ub.ac.id/files/2018/02/Pengantar-Analisis-Multivariat.pdf Diakses pada 29 Mei 2023.
Somantri, A. & Sambas Ali Muhidin, 2006. Statistika Dalam Penelitian. Bandung
Sudijono, Anas . 2008. Pengantar Statistik Pendidikan. Jakarta: PT. Rajafindo Persada.