PENGARUH GAYA KOGNITIF TERHADAP HASIL BELAJAR SISWA MENGGUNAKAN UJI ONE WAY ANOVA

Moh. Zhafran Hidayatulloh

2023-05-31

1 PENDAHULUAN

1.1 Latar Belakang

Pendidikan adalah suatu proses dalam rangka mempengaruhi peserta didik agar dapat menyesuaikan diri sebaik mungkin terhadap lingkungannya dan demikian akan menimbulkan perubahan dalam dirinya yang memungkinkannya untuk berfungsi secara adekuat dalam kehidupan masyarakat. Pengajaran bertugas mengarahkan proses ini agar sasaran dari perubahan itu dapat tercapai sebaik yang diinginkan (Purwanto, 2006). Setiap pengalaman yang memiliki efek formatif pada cara orang berpikir, merasa, atau tindakan dapat dianggap pendidikan.

Seperti yang telah dikemukakan, bahwa dalam pendidikan orang perlu belajar bukan hanya untuk memperoleh informasi dan pengetahuan, tapi untuk dapat memakainya dalam membuat keputusan, pertimbangan dan lain-lain. Karena itu kepada siswa perlu diberikan pengalaman yang berguna dalam pengambilan keputusan secara aktual dan untuk mencapai kemampuan menguasai dan menentukan pelajaran mereka sendiri.

Salah satu alternatif untuk memecahkah permasalahan diatas yaitu menggunakan media pembelajaran. Secara khusus, pengertian media dalam proses belajar mengajar cenderung diartikan sebagai alat-alat grafis, pothografis, atau elektronik untuk menangkap, memproses, dan menyusun kembali informasi visual atau verbal (Azhar, 1997). Perbedaan-perbedaan antar pribadi yang menetap dalam cara menyusun dan mengelola informasi serta pengalaman-pengalaman ini dikenal sebagai gaya kognitif. Gaya kognitif terbagi atas dua bagian, yaitu field dependent dan field independent (Ibrahim dan Nana, 2003). Dimensi FI dan FD memiliki dampak bagi dunia pendidikan yaitu tentang bagaimana siswa belajar, bagaimana guru mengajar, bagaimana siswa dan guru berinteraksi, dan bagaimana siswa membuat keputusan dalam memilih pekerjaan.

2 TINJAUAN PUSTAKA

2.1 Statsitika Deskriptif

Hasan (2004:185) menjelaskan: Analisis deskriptif merupakan bentuk analisis data penelitian untuk menguji generalisasi hasil penelitian berdasarkan satu sample. Analisa deskriptif ini dilakukan dengan pengujian hipotesis deskriptif. Hasil analisisnya adalah apakah hipotesis penelitian dapat digeneralisasikan atau tidak. Jika hipotesis nol (H₀) diterima, berarti hasil penelitian dapat digeneralisasikan. Analisis deskriptif ini menggunakan satu variabel atau lebih tapi bersifat mandiri, oleh karena itu analisis ini tidak berbentuk perbandingan atau hubungan.

Selanjutnya Hasan (2001:7) menjelaskan : Statistik deskriptif atau statistik deduktif adalah bagian dari statistik mempelajari cara pengumpulan data dan penyajian data sehingga muda dipahami. Statistik deskriptif hanya berhubungan dengan hal menguraikan atau memberikan keterangan-keterangan mengenai suatu data atau keadaan atau fenomena. Dengan kata lain statistik deskriptif berfungsi menerangkan keadaan, gejala, atau persoalan.

2.2 One Way Analisis Of Varians

Anova satu arah adalah analisis untuk menguji hubungan yang melibatkan hanya satu peubah bebas. Menurut Kukuh Setiawan(2019), Anova satu arah digunakan dalam suatu penelitian yang memiliki ciri-ciri yaitu melibatkan hanya satu peubah bebas dengan 2 kategori atau lebih yang dipilih dan ditentukan oleh peneliti secara tidak acak.Tujuan dari uji anova satu jalur adalah untuk membandingkan lebih dari dua rata-rata. Sedangkan gunanya untuk menguji kemampuan generalisasi. Maksudnya dari signifikansi hasil penelitian. Jika terbukti berbeda berarti kedua sampel tersebut dapat digeneralisasikan (data sampel dianggap dapat mewakili populasi). Anova lebih dikenal dengan uji-F (Fisher Test), sedangkan arti variasi atau varian itu asalnya dari pengertian konsep “Mean Square” (KT).

Rumusnya:

\[ KT= \frac{JK}{db} \]

Dimana:

JK= Jumlah Kuadrat

db= derajat bebas

Sedangkan untuk menghitung nilai Anova atau F_hitung dengan rumus:

\[ F~hitung~= \frac{KT_{Perlakuan}}{KT_{Galat}}=\frac{JK_{perlakuan}/db_{perlakuan}}{JK_{Galat}/db_{galat}} \]

Dimana:

db_perlakuan= p-1

db_galat= np-1

dan untuk menghitung Jumlah Kuadrat perlakuan dan galat dapat dirumuskan: \[ JK_{perlakuan}= \frac{\Sigma Y_{i}^2}{n}-\frac{(\Sigma \Sigma Y_{ij})^2}{np} \]

\[ JK_{Total}= \Sigma \Sigma Y_{ij}^2-\frac{(\Sigma \Sigma Y_{ij})^2}{np} \]

\[ JK_{Galat}= JK_{Total}-JK_{Perlakuan} \]

2.3 Uji Lanjut BNT (Beda Nyata Terkecil)

Uji BNt (Beda Nyata terkecil) atau yang lebih dikenal sebagai uji LSD (Least Significance Different)adalah metode yang diperkenalkan oleh Ronald Fisher. Metode ini menjadikan nilai BNt atau nilaiLSD sebagai acuan dalam menentukan apakah rata-rata dua perlakuan berbeda secara statistik atau tidak.Untuk menghitung nilai BNt atau LSD, kita membutuhkan beberapa data yang berasal dari perhitungan sidik ragam (ANOVA) yang telah dilakukan sebelumnya, data tersebut berupa KT_Galat dan db_galat. Selain itu juga butuh tabel t-student (Susilawati, M 2015). Secara lengkap rumusnya adalah sebagai berikut:

\[ BNt_{\alpha}= t_{\alpha,db_{Galat}}\sqrt{\frac{2.KT_{Galat}}{n}} \]

2.4 Uji Asumsi

2.4.1 Uji Normalitas

Uji normalitas merupakan salah satu uji asumsi klasik yang bertujuan untuk mengetahui apakah residual berdistribusi normal atau tidak dalam model (Ghozali, 2016). Model yang memenuhi persyaratan ialah residual berdistribusi normal dalam model. Kasus normalitas disebabkan oleh ada data residual dari model yang nilainya terletak jauh dari kumpulan data, sehingga data tidak berdistribusi normal dan ada kondisi alam dari data tidak berdistribusi normal. Pengujian asumsi normalitas dapat dilakukan dengan berbagai cara yaitu melalui uji Saphiro-Wilk, uji Anderson-Darling, dan uji Kolmogorov-Smirnov.

Data yang dilakukan pengujian dikatakan memiliki residual yang berdistribusi normal berdasarkan nilai signifikansinya:

Nilai signifikansi (p) ≥ 0.05 menunjukkan residual berdistribusi normal.
Nilai signifikansi (p) < 0.05 menunjukkan residual tidak berdistribusi normal.

2.4.2 Uji Homogenitas Ragam

Uji homogenitas adalah suatu uji yang dilakukan untuk mengetahui bahwa dua atau lebih kelompok data sampel berasal dari populasi yang memiliki varians sama (homogen). Dalam buku yang ditulis Sudjana (2005:250), uji homogenitas dapat dilakukan dengan uji levene, fisher atau uji bartlett. Pengujian ini merupakan persyaratan sebelum melakukan pengujian lain, misalnya T Test dan Anova. Pengujian ini digunakan untuk meyakinkan bahwa kelompok data memang berasal dari sampel yang sama.

Uji Levene merupakan metode pengujian homogenitas varians yang hampir sama dengan uji Bartlett. Perbedaan uji Levene dengan uji Bartlett yaitu bahwa data yang diuji dengan uji Levene tidak harus berdistribusi normal, namun harus kontinu. Data yang dilakukan pengujian dikatakan homogen berdasarkan nilai signifikansinya:

Nilai signifikansi (p) ≥ 0.05 menunjukkan kelompok data berasal dari populasi yang memiliki varians yang sama (homogen).
Nilai signifikansi (p) < 0.05 menunjukkan masing-masing kelompok data berasal dari populasi dengan varians yang berbeda (tidak homogen).

3 SOURCE CODE

3.1 Library

> #library(readxl)
> #library(agricolae)
> #library(car)
> #library(dplyr)
> #library(ggpubr)

Fungsi library(readxl) adalah untuk membaca Microsoft Excel xlsx dari dalam R.
Fungsi library(agricolae) adalah untuk melakukan uji lanjut.
Fungsi library (car) adalah untuk melakukan uji asumsi.
Fungsi library(dplyr) adalah untuk melakukan analisis deskriptif.
Fungsi library(ggpubr) adalah untuk melakukan analisis deskriptif.

3.2 Data

> library(readxl)
> Data_komstat<-read_excel("C:/Users/MOH ZHAFRAN H/OneDrive/Documents/MiniProject.xlsx")

3.3 Statistika Deskriptif

> library(dplyr)
> library(ggpubr)
> group_by(Data_komstat, GayaKognitif) %>% get_summary_stats(Nilai,type="common")

3.4 ANOVA

> anovas<- aov(Nilai~as.factor(GayaKognitif), data = Data_komstat)
> summary(anovas)

3.5 Uji Lanjut

> library(agricolae)
> BNT= LSD.test(anovas,"as.factor(GayaKognitif)", alpha = 0.05)
> BNT

3.6 Uji Asumsi

3.6.1 Uji Asumsi Normalitas

> shapiro.test(anovas$residuals)

3.6.2 Uji Asumsi Homogenitas Ragam

> library(car)
> leveneTest(Nilai~as.factor(GayaKognitif), data = Data_komstat)

4 HASIL DAN PEMBAHASAN

4.1 Statistika Deskriptif

# A tibble: 2 × 11
  GayaKognitif   variable     n   min   max median   iqr  mean    sd    se    ci
  <chr>          <fct>    <dbl> <dbl> <dbl>  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 Field Depende… Nilai       12    50    70   60    6.25  62.1  6.20  1.79  3.94
2 Field Indepen… Nilai       14    60    80   67.5 13.8   68.9  7.89  2.11  4.56

Berdasarkan Hasil perhitungan statistika deskriptif dari penelitian terhadap 2 group kelompok siswa diatas diperoleh rata-rata siswa yang memiliki gaya kognitif field dependent mendapatkan nilai 62.083 dan rata-rata siswa yang memperoleh gaya pembelajaran field independent mendapatkan nilai 68.929. pada hasil diatas, nilai minimum yang diperoleh siswa yang memiliki gaya kognitif field dependent adalah sebesar 50, sedangkan nilai maksimumnya sebesar 70, dan nilai minimum yang diperoleh siswa yang memiliki gaya kognitif field independent adalah sebesar 60, sedangkan nilai maksimumnya sebesar 80.

4.2 ANOVA

                        Df Sum Sq Mean Sq F value Pr(>F)  
as.factor(GayaKognitif)  1  302.8  302.77   5.899  0.023 *
Residuals               24 1231.8   51.33                 
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Hipotesis

H₀: Tidak ada perbedaan rata-rata antara nilai siswa yang memiliki gaya kognitif field dependent dengan field independent.

H₁: Terdapat perbedaan rata-rata antara nilai siswa yang memiliki gaya kognitif field dependent dengan field independent.

Keputusan

Dari hasil output diatas, diperoleh P-value (0.023) < 0.05, maka tolak H₀.

Kesimpulan

Dengan tingkat kepercayaan 95%, dapat disimpulkan bahwa terdapat perbedaan rata-rata yang signifikan antara nilai siswa yang memiliki gaya kognitif field dependent dengan field independent.

4.3 Uji Lanjut BNT

$statistics
   MSerror Df     Mean       CV
  51.32688 24 65.76923 10.89305

$parameters
        test p.ajusted                  name.t ntr alpha
  Fisher-LSD      none as.factor(GayaKognitif)   2  0.05

$means
                     Nilai      std  r      LCL      UCL Min Max   Q25  Q50
Field Dependent   62.08333 6.200562 12 57.81488 66.35178  50  70 60.00 60.0
Field Independent 68.92857 7.888300 14 64.97675 72.88039  60  80 61.25 67.5
                    Q75
Field Dependent   66.25
Field Independent 75.00

$comparison
NULL

$groups
                     Nilai groups
Field Independent 68.92857      a
Field Dependent   62.08333      b

attr(,"class")
[1] "group"

Karena diperoleh keputusan tolak H₀, maka perlu dilakukan uji lanjut. Dari hasil uji BNT diatas, dapat dilihat bahwa gaya kognitif field dependent dan gaya kognitif field independent memiliki notasi yang berbeda, yang artinya bahwa rata-rata siswa yang memiliki gaya kognitif field dependent dan gaya kognitif field independent berbeda nyata.

4.4 Uji Asumsi

4.4.1 Asumsi Normalitas


    Shapiro-Wilk normality test

data:  anovas$residuals
W = 0.94038, p-value = 0.1372

Hipotesis

H₀: Residual menyebar secara normal.

H₁`: Residual tidak menyebar secara normal.

Keputusan

Dari hasil uji shapiro-wilk diatas, dapat dilihat bahwa P-value (0.1372) > 0.05, maka terima H₀.

Kesimpulan

Dengan tingkat kepercayaan 95%, dapat disimpulkan bahwa residual pada data tersebut berdistribusi normal.

4.4.2 Asumsi Homogenitas Ragam

Levene's Test for Homogeneity of Variance (center = median)
      Df F value Pr(>F)
group  1  1.8092 0.1912
      24

Hipotesis

H₀: σ²₁ = σ²₂

H₁: paling sedikit ada satu σ²_i yang tidak sama

Keputusan

Dari hasil uji levene test diatas, dapat dilihat bahwa P-value (0.1912) > 0.05, maka terima H₀.

Kesimpulan

Dengan tingkat kepercayaan 95%, dapat disimpulkan bahwa ragam bersifat homogen.

5 KESIMPULAN

setelah dilakukan uji tentang pengaruh gaya kognitif terhadap hasil belajar siswa, dapat ditarik kesimpulan sebagai berikut:

Berdasarkan hasil uji One-Way Anova diperoleh hasil bahwa nilai signifikan uji anova adalah 0,023 < 0,05 dan H0 ditolak, maka dapat disimpulkan bahwaa terdapat perbedaan rata-rata gaya kognitif yang dimiliki siswa terhadap hasil belajar siswa.

6 DAFTAR PUSTAKA

Azhar Arsyad, Media Pengajaran, (Jakarta: PT Raja Grafindo Persada, 1997), hal. 3.
Elia, Nushrah Mufti. Pengaruh Media Pembelajaran Berbasis Audiovisual dan Gaya Kognitif terhadap Hasil Belajar Siswa pada Materi Larutan Elektrolit dan Larutan Non Elektrolit di MAN 1 Aceh Barat Daya. Diss. UIN Ar-Raniry Banda Aceh, 2019.(https://repository.ar-raniry.ac.id/id/eprint/7872/)
Ghozali, I. (2016). Aplikasi Analisis Multivariete dengan Program IBM SPSS 23 (Edisi 8) Cetakan ke VIII. Semarang: Badan Penerbit Universitas Diponegoro.
Hasan, Iqbal, (2001). Pokok-Pokok Materi Statistik 1 (Statistik Deskriptif). Jakarta : PT Bumi Aksara.
Hasan, Iqbal, (2004). Analisa Data Penelitian dengan Statistik. Jakarta : PT Bumi Aksara.
Ibrahim, R., Nana Syaodih, S., Perencanaan Pengajaran, (Jakarta: Pt Rineka Cipta, 2003), h. 73 .
M. Ngalim Purwanto, Ilmu Pendidikan Teoritis Dan Praktis, (Bandung: PT Remaja Rosdakarya, 2006), h. 2-3.
Setiawan, Kukuh. Buku ajar metodologi penelitian (anova satu arah). (2019).
Susilawati, M. (2015). Bahan Ajar Perancangan Percobaan. Denpasar: Universitas Udayana.
Sudjana, N. Metoda Penelitian. Bandung: Tarsito (2005).