1.1 Latar Belakang

Pendidikan adalah kebutuhan pokok manusia yang memiliki tujuan lebih tinggi dari sekedar hidup. Pendidikan memiliki peran penting dalam kemajuan suatu bangsa, dan tujuan pendidikan dasar adalah untuk memberikan pengetahuan dan keterampilan serta menumbuhkan sikap dasar yang diperlukan masyarakat. Pendidikan tidak hanya berhenti di sekolah dasar, tetapi juga mencakup sekolah menengah dan tinggi. Pendidikan harus terus diperbaiki secara kuantitas dan kualitas untuk meningkatkan kemampuan individu dan mempersiapkan siswa untuk menghadapi tuntutan zaman. Komunikasi antara guru dan siswa dalam proses pembelajaran sangat penting untuk mencapai tujuan pendidikan yang lebih baik. Salah satu pendidikan yang membutuhkan pembelajaran secara menyenangkan adalah pelajaran Kimia di Sekolah Menengah Atas. Pembelajaran kimia dengan materi larutan elektrolit dan non elektrolit membutuhkan strategi yang efektif untuk meningkatkan minat dan hasil belajar siswa. Penggunaan media pembelajaran berbasis audio visual adalah salah satu strategi yang dapat digunakan. Media audio visual dapat membantu siswa memahami bahan, meningkatkan konsentrasi, dan meningkatkan motivasi mereka untuk belajar. Gaya kognitif siswa juga mempengaruhi bagaimana mereka memproses dan memahami informasi. Studi sebelumnya menunjukkan bahwa penggunaan media audio visual dapat meningkatkan hasil belajar IPA, termasuk materi larutan elektrolit dan non-elektrolit. Misalnya, penelitian Taufiq (2019) menemukan bahwa penggunaan media audio visual meningkatkan hasil belajar IPA Konsep Gaya pada siswa kelas VI Madrasah Ibtidaiyah Al Abrar Makassar.

2.1 Statistika Deskriptif

Statistika deskriptif adalah cabang dari statistik yang berkaitan dengan pengumpulan, penyajian, dan analisis data untuk memberikan gambaran yang jelas tentang suatu kumpulan data. Tujuan utamanya adalah untuk menyajikan data dalam bentuk yang mudah dipahami tanpa membuat kesimpulan lebih lanjut atau generalisasi mengenai populasi yang lebih besar. Beberapa konsep utama dalam statistika deskriptif meliputi:

1. Ukuran Pemusatan: Mengukur titik pusat dari distribusi data (Rata-rata, Median, dan Modus).
2. Ukuran Penyebaran: Mengukur seberapa jauh data tersebar dari titik pusat (Rentang, Simpangan Baku, dan Varians).
3. Ukuran Bentuk Distribusi seperti Kemiringan (Skewness) dan Kurtosis.
4. Visualisasi Data seperti Histogram, Boxplot, Diagram Lingkaran, dan Grafik Batang.

2.2 ANOVA Satu Arah

Merupakan metode untuk menguji hubungan antara satu variabel dependen dengan satu atau lebih variabel. Model linier analisis ragam satu arah atau one-way ANOVA, yaitu :

\[ Y_{ij}= \mu_i+\epsilon_{ij}, \\ i = 1, ..., k \\k = 1, ..., n_i \]

Dimana \(n_i\) adlaah banyaknya pengamatan atau ulangan di setiap kelompok i = 1, …, k. Jika banyaknya amatan atau ulangan di setiap kelompok sama maka :

\[ n_1=n_2=...=n_i=n \] Hipotesis yang digunakan ketika terdapat k kelompok, yaitu :

\[ H_0 : \mu_1=...=\mu_k\\ H_1 : Sekurang-kurangnya\;dua\;\mu_i\;berbeda \] Keputusan yang digunakan ialah

• Menggunakan \(F~hitung~\)

-Jika F_hitung > F_tabel, maka Tolak \(H_0\),

-Jika F_hitung <= F_tabel, maka Terima \(H_0\)

• Menggunakan p-value

-Jika p-value <= \(\alpha\), maka Tolak \(H_0\)

-Jika p-value > \(\alpha\), maka Terima \(H_0\)

2.3 Asumsi

3.1 ANOVA Satu Arah

> Data <- data.frame(Siswa = seq(1, 26, 1),
+                    GayaKognitif = c("FI","FI","FI","FI","FI","FI","FI","FI","FI","FI","FI","FI","FI","FI","FD","FD","FD","FD","FD","FD","FD","FD","FD","FD","FD","FD"),
+                    Nilai = c(60, 65, 60, 75, 80, 60, 60, 65, 80, 65, 75, 80, 70, 70, 60, 65, 70, 50, 70, 70, 60, 65, 55, 60, 60, 60))
> 
> N <- nrow(Data)
> p <- length(unique(Data$GayaKognitif))
> DBt <- N - 1
> DBp <- p - 1
> DBg <- N - p
> 
> mean.perlakuan <- aggregate(Nilai ~ GayaKognitif, Data, mean)[,2]
> n <- aggregate(Nilai ~ GayaKognitif, Data, length)[,2]
> grand.mean <- mean(Data$Nilai)
> 
> JKt <- sum((Data$Nilai - grand.mean)^2)
> JKp <- sum(n * (mean.perlakuan - grand.mean)^2)
> JKg <- JKt - JKp
> 
> KTp <- JKp / DBp
> KTg <- JKg / DBg
> F.hitung <- KTp / KTg
> pValue <- pf(F.hitung, DBp, DBg, lower.tail = FALSE)
> 
> data.frame(SK = c("Perlakuan", "Galat", "Total"),
+            DB = c(DBp, DBg, DBt),
+            JK = c(JKp, JKg, JKt),
+            KT = c(KTp, KTg, NA),
+            Fhit = c(F.hitung, NA, NA),
+            p.value = c(pValue, NA, NA))
         SK DB        JK        KT     Fhit    p.value
1 Perlakuan  1  302.7701 302.77015 5.898861 0.02301079
2     Galat 24 1231.8452  51.32688       NA         NA
3     Total 25 1534.6154        NA       NA         NA

3.2 Uji Normalitas Kolmogorov-Smirnov

> # Memuat data
> GayaKognitif <- c("FI","FI","FI","FI","FI","FI","FI","FI","FI","FI","FI","FI","FI","FI","FD","FD","FD","FD","FD","FD","FD","FD","FD","FD","FD","FD")
> Nilai <- c(60, 65, 60, 75, 80, 60, 60, 65, 80, 65, 75, 80, 70, 70, 60, 65, 70, 50, 70, 70, 60, 65, 55, 60, 60, 60)
> # Uji Kolmogorov-Smirnov
> ks.test(Nilai ~ GayaKognitif)

    Exact two-sample Kolmogorov-Smirnov test

data:  Nilai by GayaKognitif
D = 0.35714, p-value = 0.1514
alternative hypothesis: two-sided

3.3 Uji Homogenitas

> # Memuat data
> GayaKognitif <- c("FI","FI","FI","FI","FI","FI","FI","FI","FI","FI","FI","FI","FI","FI","FD","FD","FD","FD","FD","FD","FD","FD","FD","FD","FD","FD")
> Nilai <- c(60, 65, 60, 75, 80, 60, 60, 65, 80, 65, 75, 80, 70, 70, 60, 65, 70, 50, 70, 70, 60, 65, 55, 60, 60, 60)
> # Uji Bartlett
> bartlett.test(Nilai ~ GayaKognitif)

    Bartlett test of homogeneity of variances

data:  Nilai by GayaKognitif
Bartlett's K-squared = 0.64793, df = 1, p-value = 0.4209

3.4 Plot

> library(ggplot2)
> 
> ggplot(Data, aes(x = Siswa, y = Nilai, color = GayaKognitif)) + 
+   geom_point() + 
+   labs(title = "Nilai Siswa Berdasarkan Gaya Kognitif",
+        x = "Siswa",
+        y = "Nilai") +
+   theme_minimal()

4.1 ANOVA Satu Arah

Hipotesis dari data diatas adalah sebagai berikut : \[ H_0 : Tidak\;ada\;pengaruh\;antara\;nilai\;terhadap\;gaya\;kognitif \\ H_1 : Terdapat\;pengaruh\;antara\;nilai\;terhadap\;gaya\;kognitif \\ \] Berdasarkan data diatas, \(\alpha\) yang digunakan sebesar 0.05, diperoleh kesimpulan bahwa Tolak \(H_0\) karena nilai \(*p-value*\) \(>\) \(\alpha\) sehingga dapat disimpulkan bahwa terdapat pengaruh antara nilai terhadap gaya kogntif.

4.2 Uji Normalitas Kolmogorov-Smirnov

Berdasarkan data diatas, nilai signifikan \(>\) 0.05, diperoleh kesimpulan bahwa Terima \(H_0\), sehingga dapat disimpulkan bahwa data berdistribusi normal.

4.3 Uji Homogenitas

Berdasarkan data diatas, nilai signifikan \(>\) 0.05, diperoleh kesimpulan bahwa Terima \(H_0\), sehingga dapat disimpulkan bahwa Kedua data bersifat homogen.