You are on page 1of 44

347

BAB 09






ANALISIS VARIAN DISAIN
FAKTORIAL


Sebagaimana yang sudah dijelaskan sebelumnya bahwa salah satu statistik


parametrik yang sering digunakan dalam penelitian pendidikan yaitu Analisis
Varian. Analisis varian disain faktorial merupakan kelanjutan dari analisis varian
dua jalan. Perbedaan utama dengan analisis varian dua jalan yaitu pada analisis
varian disain faktorial telah menambahkan adanya pengaruh bersama dari kedua
variabel bebas yang disebut dengan interaksi. Oleh karena itu pada bagian ini
(Analisis Varian Faktorial) akan dibahas secara rinci tentang; pengertian interaksi
pada analisis varian disain faktorial, Jenis interaksi, keunggulan analisis varian
disainfaktorial,danpenggunaanhasilanalisisvariandisainfaktorial.

348
9.1 PENGERTIAN INTERAKSI

Sebagaimana telah dibahas sebelumnya pada analisis varian satu jalan, analisis
varian dua jalan merupakan teknik analisis yang digunakan untuk menentukan
apakah perbedaan atau variasi nilai suatu variabel terikat disebabkan oleh atau
tergantung pada perbedaan (variasi) nilai pada dua variabel bebas. Pada analisis
varian dua jalan terdapat empat komponen varian nilai yang harus dipisah
pisahkan karena memiliki makna yang berbeda, yaitu (1) komponen explained
varian untuk seluruh variabel bebas (X1 + X2), (2) komponen explained varian
variabelbebasX1saja,(3)komponenexplainedvarianvariabelbebasX2saja,dan
(4) komponen unexplained varian. Dengan demikian pada analisis varian dua
jalan tidak kita temukan istilah varian antar kelompok (between groups) dan
variandalamkelompok(withingroups).
Untukmelakukananalisismenggunakananalisisvarianduajalantahapannyatidak
jauh berbeda dengan analisis varian satu jalan. Karena itu besaran angka yang
dihasilkanolehSPSSdigunakanuntuk:
1) Menentukansignifikansisecaraumum.
2) Menentukansignifikansiperpasangan.
3) Menentukanbesaranmasingmasingkomponenvarian.
Untuk uji lebih lanjut, Analisis varians pada dasarnya dapat dikembangkan tidak
hanya sampai analisis dua jalur. Pengembangan analisis varian dua jalur ini
disebut dengan istilah Analisis Varians Disain Faktorial. Dengan pengembangan
menjadi Analisis Varians Disain Faktorial maka akan dapat digunakan untuk
menganalisis data penelitian yang terdiri dari satu variabel dependen kontinum
danlebihdarisatuvariabelindependenkategorik.
Beberapa manfaat yang dapat diperoleh dengan melakukan analisis disain
faktorial yaitu (1) dapat melakukan analisis interaksi antarvariabel independen
dan(2)masalahtuntutanbesarnyasampelyangmenghendakijumlahsubjeklebih
sedikit dibandingkan dengan analisis varians sederhana untuk memperoleh
kekuatan analisis. Dengan kata lain, pada jumlah subjek yang sama, maka
kekuatan analisis varian faktorial akan lebih besar daripada analisis varian
sederhana(satujalur).
Sebagai gambaran untuk mengingat pembahasan yang telah lalu, bahwa pada
model analisis varian sederhana (satu jalur) maka hanya terdapat satu variabel
yang menjelaskan. Dengan demikian analisis yang dilakukan masih tergolong
sederhana. Guna memberikan pemahaman yang agak konkrit, model analisis
variansederhana(satujalur)tersebutdapatditunjukkanpadaGambar9.1.
349

Gambar9.1Modelvariasihasilbelajaryangdijelaskanolehvariabelstrategi
pembelajaran

Pada Gambar 9.1 menunjukkan bahwa variasi pada prestasi belajar yang hanya
dijelaskanolehsatuvariabelyaitumetodepembelajaran.Untukmengembangkan
analisis varian satu jalur menjadi analisis varian disain faktorial maka variabel
penjelasnya perlu ditambah lagi sehingga tidak hanya satu variabel penjelas.
Misalnya ditambah dengan variabel kemampuan awal siswa. Dengan
memasukkan variabel kemampuan awal siswa untuk menjelaskan variasi prestasi
belajar maka variasi yang terjadi pada prestasi belajar akan dijelaskan oleh dua
variabel, yaitu variabel metode pembelajaran dan variabel kemampuan awal
siswa. Oleh karena itu model yang terjadi dalam menjelaskan variasi prestasi
belajardapatditunjukkansbb.

Gambar9.2Modelvariasihasilbelajaryangdijelaskanolehvariabelstrategi
pembelajarandankemampuanawalsiswa
Berdasarkan ilustrasi tersebut, dengan adanya dua variabel penjelas (variabel
strategipembelajarandankemampuanawalsiswa),makamunculsatubagianlagi
HasilBelajar
Strategi Pembelajaran
A
e
HasilBelajar
StrategiPembelajaran
InteraksiantaraA*B
KemampuanAwalSiswa
A
B
e
350
sebagai akibat dari pertemuan antara variabel metode pembelajaran dan
kemampuan awal siswa. Bagian yang muncul akibat dari pertemuan antara
variabel metode pembelajaran dan kemampuan awal siswa disebut dengan
interaksiantaravariabelmetodepembelajarandankemampuanawalsiswa(A*B).
Bagianlaindarivariasihasilbelajarsiswayangtidakdijelaskanolehvariasimodel
pembelajaran, kemampuan awal siswa, dan interaksi antara variabel metode
pembelajarandankemampuanawalsiswamerupakanerroratauresidu.
Kerlinger (2000) menyatakan interaksi merupakan kerja sama dua variabel bebas
atau lebih dalam mempengaruhi satu variabel terikat. Interaksi berarti bahwa
kerja atau pengaruh dari suatu variabel bebas terhadap suatu variabel terikat,
bergantung pada taraf atau tingkat variabel bebas lainnya. Dengan kata lain,
interaksi terjadi manakala suatu variabel bebas memiliki efekefek berbeda
terhadap suatu variabel terikat pada berbagaibagai tingkat dari suatu variabel
bebaslain.Definisitentanginteraksiyangmerangkumduavariabelbebasdisebut
sebagai interaksi orde pertama. Ada kemungkinan bahwa tiga variabel bebas
berinteraksi dalam mempengaruhi satu variabel terikat, ini disebut sebagai
interaksiordeatautingkatkedua.
Pemahaman terhadap interaksi dalam kajian analisis varian faktorial merupakan
keterpaduanantarasatuvariabelpenjelasdenganvariabelpenjelaslainnyadalam
membentukvariasiyangterjadipadavariabelterikat(dependent).Dalamcontoh
di atas interaksi antara variabel metode pembelajaran dan kemampuan awal
siswa yaitu keterpaduan antara variabel metode pembelajaran dan kemampuan
awalsiswadalammembentukvariasiprestasibelajar.
Akibat adanya interaksi antara variabel penjelas yang satu dengan variabel
penjelas lainnya maka efek yang terjadi juga terjadi perubahan sehingga dalam
analisis varian disain faktor dikenal istilah efek utama (Main Effect) dan efek
interaksi (Interaction Effect). Efek utama [Main Effect (ME)] merupakan efek
yang secara langsung ditimbulkan oleh variabel bebas atau independen tanpa
memperhitungkan kehadiran variabel independen lain. Banyaknya ME akan
sebanyak variabel bebas/independen yang dilibatkan dalam model penelitian.
Apabila variabel bebas/independen yang dilibatkan dalam model penelitian ada
duamakaakanterdapatduaME.Efekinteraksi[InteractionEffect(IE)]yaituefek
yang diakibatkan oleh adanya interaksi antara satu variabel independen dengan
variabel independen lainnya dalam suatu model analisis. Dengan demikian IE
merupakan suatu efek yang diakibatkan oleh suatu variabel independen dengan
memperhitungkankehadiranvariabelindependenlain.

351
9.2 JENIS INTERAKSI

Pada dasarnya dalam analisis varian disain faktorial terdapat beberapa jenis
interaksiyangberbedabentuksatudenganlainnya.Kerlinger(2000)menyatakan
bahwa ragam interaksi dengan pola salingsilang disebut sebagai interaksi
disordinal. Sedangkan interaksi dengan pola segaris yaitu variabel bebas berlaku
efektif pada satu tingkat dari variabel bebas lainnya disebut sebagai interaksi
ordinal. Sebagai ilustrasi bentuk interaksi dua variabel bebas dapat ditunjukkan
berikutini.
Tabel9.1Berbagaihimpunanhargatengahyangmemperlihatkanberbagaicorak
akibatutamadaninteraksi
A
1
A
2
A
1
A
2
A
1
A
2

B1
B2
30
30
20
20
25
25
30
20
30
20
30
20
30
40
20
30
25
35
30 20 25 25 35 25
(a) Asignifikan;Btidak
signifikan;Interaksitidak
signifikan
(b) Atidaksignifikan;B
signifikan;Interaksi
tidaksignifikan
(c) Asignifikan;B
signifikan;Interaksi
tidaksignifikan
A
1
A
2
A
1
A
2
A
1
A
2

B1
B2
30
20
20
30
25
25
30
20
20
20
25
20
20
30
20
20
20
25
25 25 25 20 25 20
(d) Interaksisignifikan
(disordinal)
(e) Interaksisignifikan
(ordinal)
(f) Interaksisignifikan
(ordinal)
Sumber:Kerlinger(2000)

BerdasarkanilustrasisebagaimanadisajikanpadaTabel9.1diatasmasingmasing
corak interaksi dapat ditunjukkan dalam bentuk grafik interaksi antarvariabel
bebas. Beberapa contoh grafik (berdasarkan data Tabel 9.1) yang menunjukkan
corak interaksi antarvariabel bebas pada analisis varian disain faktorial disajikan
padaGambar9.3.

352

Gambar9.3Grafikberbagaicorakinteraksipadaanalisisdisainfaktorial
(Kerlinger,2000)
B
1
B
2
(a) Interaksitidaksignifikan
40
30
20
10
0
A
1 A
2

B
1
B
2
(e) Interaksisignifikan
(ordinal)
40
30
20
10
0
A
1
A
2

B
1

B
2

(c) Interaksisignifikan
(disordinal)
40
30
20
10
0
A
1
A
2

B
1

B
2

40
30
20
10
0
A
1 A
2

(c) Interaksitidaksignifikan
353
Perlu diperhatikan dengan seksama, bahwa interaksi tidak selalu merupakan
akibatdarisuatuinteraksisejatiantaraperlakuanperlakuaneksperimental.Jika
terdapatsatuinteraksisignifikan,adatigakemungkinanpenyebabnya.Penyebab
pertama adalah interaksi sejati, yaitu varian ditimbulkan oleh interaksi yang
sungguhsungguh terjadi antara dua variabel dalam bersamasama
mempengaruhi sebuah variabel ketiga. Kemungkinan kedua adalah galat (error).
Dapat terjadi, suatu interaksi signifikan yang muncul karena kebetulan semata
mata.Kemungkinanketigaadalah,interaksiterjadikarenaadanyapengaruhatau
efekyangbekerjapadasatutingkateksperimennamuntidakbekerjapadatingkat
eksperimenlain(Kerlinger,2000).

9.3 KEUNGGULAN ANALISIS VARIAN DISAIN


FAKTORIAL
Dalamanalisisfaktorvarian,duavariabelbebasataulebihbervariasisecarabebas
atauberinteraksisatudenganyanglaindalammenimbulkanvariasipadavariabel
terikat. Analisis faktor varian ialah metode statistik yang menganalisis akibat
akibatmandirimaupunakibatakibatinteraktifdariduavariabelbebasataulebih,
terhadapsuatuvariabelterikat(Kerlinger,2000).
Berdasarkan pengertian tersebut menunjukkan bahwa suatu penelitian yang
melibatkan dua variabel bebas, yaitu X1 dan X2 dalam analisis disain faktorial,
makapersamaangarislinearnyaakanmerupakanfaktordariX1,X2,daninteraksi
antara X1 dan X2, serta faktor galatnya (error). Karenanya dalam bentuk
persamaandapatdinyatakansbb.
y = a
0
+ X
1
+ X
2
+ X
1
- X
2
+
Dengan demikian apabila variabel bebas yang dilibatkan dalam suatu analisis
bertambah, misalnya tiga variabel bebas, maka persamaan garis linearnya akan
menjadi sangat kompleks. Hal ini karena persamaan tersebut memperhitungkan
tigaefekutama(X1,X2,danX3)sertainteraksidariketigavariabelbebastersebut
baik interaksi satu dengan lainnya maupun interaksi bersama ketiga variabel
bebas.
Berkaitan dengan keunggulan analisis varian disain faktorial maka semua
pembahasan di atas merupakan keunggulan penting yang terdapat pada analisis
tersebut. Secara rinci menurut Kerlinger, (2000) beberapa hal yang merupakan
keunggulandarimetodeanalisisvariandisainfaktorialdapatdisampaikansbb.
1. Membuat peneliti mampu memanipulasikan dan mengendalikan dua
variabel atau lebih secara serempak. Dalam penelitian pendidikan,
354
kemungkinannya bukan hanya pengkajian tentgang akibatakibat metode
pengajaran terhadap prestasi; kita dapati pula akibatakibat dari kedua
metode yang bersangkutan dan kedua jenis penguat, misalnya. Dalam
riset psikologi kita dapat mengkaji akibatakibat terpisah atau akibat
gabungan dari banyak ragam variabel bebas seperti kecemasan, rasa
bersalah, penguat, prototipe, tipe persuasi, ras, dan iklim kelompok
terhadap banyak ragam variabel terikat, seperti kepatuhan, penyesuaian
diri (konformitas) proses belajar, transfer, diskriminasi, persepsi, dan
perubahan sikap. Selain itu, kita dapat mengontrol atau mengendalikan
variabelvariabel seperti jenis kelamin, klas sosial, dan lingkungan
rumah/keluarga.
2. Analisis varian disain faktorial lebih tepat atau lebih tajam presisinya
daripadaanalisissatuarah.
3. Terbukanya kemungkinan bagi kita untuk mengadakan kajian tentang
akibatakibat interaktif dari variabel bebas terhadap variabel terikat.
Analisis faktorial memungkinkan kita menghipotesiskan interaksi karena
akibatakibat interaksi itu dapat kita uji secara langsung. Dalam analisis
satu arah, kita hanya mengatakan: jika p maka q. Jika metodenya anu,
maka hasilnya itu. Sedangkan dalam analisis faktorial, kita
mengungkapkan kondisi atau persyaratan yang lebih kaya. Kita dapat
mengatakan:jikapmakaqdanjikarmakaq,yangalhasilsamadengan
membuat pernyataan tentang akibat utama atau efek utama dalam suatu
analisisfaktorial,yangsamasajadenganmenyatakaninteraksi.

9.4 PROSEDUR ANALISIS VARIAN DISAIN


FAKTORIAL
Pada dasarnya prosedur atau tahapan dalam melakukan analisis varian disain
faktorial tidak jauh berbeda dengan analisis varian dua jalur. Untuk memberikan
gambaranyanglebihkonkritakandiberikanilustrasidenganmenggunakancontoh
berikutini.

Contoh9.1

Seorang guru ingin melakukan pengujian terhadap perolehan hasil belajar siswa
yang disebabkan oleh penggunaan waktu belajar siswa. Dalam pengujian ini
sebagai variabel terikat (Y) adalah hasil belajar. Sebagai variabel bebas pertama
355
(X1) adalah lama waktu belajar (dalam jam) yang dikelompokkan menjadi empat
yaitu 2 jam, 3 jam, 4 jam, dan 5 jam. Sebagai variabel bebas kedua (X2) yaitu
kemampuanawalsiswayangdikelompokkanmenjaditinggi,sedang,danrendah.
Jumlah responden untuk masingmasing kelompok sebanyak 4 orang dan tingkat
kesalahan yang dipilih yaitu 5%. Setelah dilaksanakan tes kepada seluruh
respondenmakadiperolehdatasbb:
Tabel9.2Sekorhasiltesbelajarsiswaberdasarkanlamabelajarnyadan
tingkatkemampuanawalsiswa

LamanyaBelajar(jam)
2 3 4 5
Kemampuan
Awal
Tinggi
79.30
83.80
82.00
82.50
85.50
87.20
87.50
87.00
84.00
86.80
83.10
87.80
83.30
84.00
82.80
82.50
Sedang
80.30
81.80
80.00
82.50
84.00
86.80
83.10
87.80
83.30
83.00
82.80
81.50
85.50
85.20
84.50
83.00
Rendah
70.30
71.80
80.00
72.50
84.00
76.80
83.10
77.80
73.30
73.00
82.80
81.50
75.50
75.20
84.50
83.00

Berdasarkandatadiataspadavariabelbebaslamabelajarterdiriatas2,3,4,dan
5 jam masingmasing sebanyak 12 responden yang terdiri atas kemampuan
awalnya tinggi 4 responden, sedang 4 responden, dan kemampuan awalnya
rendah 4 responden. Pada variabel bebas diisikan dengan sekor hasil tes yang
dicapai oleh masingmasing responden sesuai dengan lamanya waktu yang
digunakan untuk belajar. Dengan demikian masingmasing waktu belajar terdiri
atas12respondensehinggalamabelajar2jamada12responden,lamabelajar3
jam ada 12 responden. Demikian juga untuk lama belajar 4 dan 5 jam masing
masing12responden.
PerludiperhatikanbahwavariabelyangakandianalisismenggunakanSPSSterdiri
atastigavariabelyaitu(1)lamabelajar,(2)kemampuanawal,dan(3)hasilbelajar.
Pada variabel lamanya waktu yang digunakan untuk belajar terdiri atas empat
kategori, yaitu (1) 2 jam, (2) 3 jam, (3) 4 jam, dan (4) 5 jam. Dengan demikian
padavariabellamabelajarhanyaakandiisidatayangberupaangka1,2,3,dan4.
Padavariabelkemampuanawalsiswaterdiriatastigakategori,yaitu(1)tinggi,(2)
sedang,dan(3)rendah.Dengandemikianpadavariabelkemampuanawalhanya
akan diisi data dengan angka 1, 2, dan 3. Sedangkan pada variabel hasil belajar
356
akan diisi dengan nilai yang diperoleh siswa setelah mengikuti kegiatan dan tes
yangdiberikan.
Setelah data tersebut diinput pada lembar kerja SPSS Data Editor maka hasilnya
akantampaksbb.
Gambar9.4KotaklembarkerjaSPSSDataEditoryangterisidenganvariabellama
belajar,kemampuanawan,danprestasibelajar
PerhatikandenganbaikpadaGambar9.4diatas,bahwapadakolomvariabellama
belajar 1 (berarti 2 jam belajar) terdiri atas kemampuan awal 1, 2, dan 3 (yang
berarti tinggi, sedang, dan rendah)masingmasing empat sampel. Demikian juga
dengan siswa yang lama belajarnya 2 (berarti 3 jam) akan terdiri atas hal yang
samayaitukemampuanawal1,2,dan3(yangberartitinggi,sedang,danrendah)
masingmasing empat sampel. Demikian juga dengan lama belajar 3 dan 4 (yang
berartidenganwaktu4dan5jam)sehinggajumlahsampelsebesar48orang.
357
Tahapan untuk melakukan analisis varian disain faktorial dapat dijelaskan berikut
ini.
1) Pilih dan klik pada menu Analyze, pilih pada General Linear Model kemudian
pilihdanklikpadaUnivariatesehinggamunculkotakdialogsbb.
Gambar9.5KotakdialogUnivariateuntukmenentukanvariabelyangakan
dianalisisdanbesaranstatistikyangdiperlukan
Carapengisian:
(1) Pilih dan klik pada variabel hasil belajar (Y) kemudian pindahkan
variabel tersebut ke kotak Dependent Variable dengan cara menklik
padatandapanahkekananyangmenujukotakDependentVariable.
(2) Pilihdanklikpadavariabellamabelajar(X1)dankemampuanawal(X2)
kemudianpindahkanvariabeltersebutkekotakFixedFactor(s)dengan
cara menklik pada tanda panah ke kanan yang menuju kotak Fixed
Factor(s). Dengan dua pengisian tersebut maka program akan
menampilkankotakdialogsbb.
358
Gambar9.6KotakdialogUnivariatedenganvariabelvariabelyangakandianalisis
dengananavadisainfaktorial

(3) Pilih dan klik pada kotak Model yang terdapat di sebelah kanan atas
sehingga muncul kotak dialog sebagaimana terlihat pada Gambar 9.7
berikutini.
CarapengisiankotakdialogGambar9.7sbb.
a. PilihdanklikpadaCustomyangterdapatpadakotakSpecifyModel.
b. Pilih dan klik X1 yang terdapat pada kotak Factors & Covariates,
kemudian pindahkan ke kotak Model yang terdapat di sebelah
kanannya dengan cara menklik pada tanda panah ke kanan yang
mengarahkepadakotakModel.
c. Pilih dan klik X2 yang terdapat pada kotak Factors & Covariates,
kemudian pindahkan ke kotak Model yang terdapat di sebelah
kanannya dengan cara menklik pada tanda panah ke kanan yang
mengarahkepadakotakModel.
359
d. Pilih dan klik X1 dan X2 (secara bersamaan) yang terdapat pada
kotak Factors & Covariates, kemudian pindahkan ke kotak Model
yang terdapat di sebelah kanannya dengan cara menklik pada
tandapanahkekananyangmengarahkepadakotakModel.
e. PilihAll2WayyangterdapatpadakotakBuildTerm(s)Type.
f. PilihTypeIuntukSumofSquares.
g. Include Intercept in Model dinonaktifkan sehingga diperoleh
tampilansbb.
Gambar9.7KotakdialogUnivariate:Modeluntukmenetapkanspesifikasimodel,
tipeanalisisvarian,danSumofSquares

(4) Pilih dan klik pada kotak Continue sehingga tampilan di monitor
kembalipadaGambar9.6.

2) Pilih dan klik pada kotak Post Hoc ... yang terdapat di sebelah kanan atas
sehinggaprogrammenampilkankotakdialogPostHocberikutini

360
Gambar9.8KotakdialogUnivariate:PostHocMultipleComparisonsforObserved
untukmenetapkanvariabelyangdianalisisdenganPostHoc

3) PindahkanX1danX2kekotakPostHocTestsfor:dengancaramemblokkedua
variabel tersebut kemudian klik pada tanda panah ke kanan yang mengarah
padakotakPostHocTestsfor.
4) Aktifkan Bonferroni dan Tukey yang terdapat pada kotak Equal Variances
assumed dengan cara memberi tanda ceklis () bagian kotak kecil yang
terdapatdidepannya.Apabiladikehendakimakadapatmengaktifkanbagian
bagian lainnya sesuai dengan kebutuhan analisis. Dengan pengisian tersebut
maka tampilan kotak dialog Gambar 9.8 tersebut akan berubah dengan
tampilansbb.
361
Gambar9.9KotakdialogUnivariate:PostHocMultipleComparisonsforObserved
yangterisivariabeldanpilihanEqualVariancesAssumed
Sebagai mana yang dikemukakan sebelumnya, bahwa pada kotak dialog
Gambar 9.9 tersebut terdapat 10 koefisien Equal Variances Assumed yang
dapat diaktifkan semua secara bersamaan. Hal tersebut dapat dilakukan
apabila memang diperlukan dalam analisis. Apabila tidak diperlukan maka
sebaiknya cukup satu atau dua sebagaimana ditunjukkan pada Gambar 8.29
tersebut. Kotak dialog Gambar 9.9 ini diperlukan untuk memilih uji
perbandinganpasangansecaramenyeluruhdengantekniktertentu(pilihsalah
satudarisepuluhteknikyangadapadakotakEqualVariancesAssumed).
Pada umumnya, apabila telah menseting bok Post Hoc maka tidak menseting
bokOptionskarenaapabiladibandingkanmakahasilanalisispadaPostHocini
akan sama dengan hasil analisis pada Options. Oleh karena itu, apabila kita
362
telah menseting bok Post Hoc untuk menganalisis Compare Main Effects, kita
tidak perlu lagi menseting bok Options untuk melakukan hal yang sama.
Perintah yang terdapat pada bok Post Hoc lebih lengkap jika dibandingkan
denganperintahyangterdapatpadabokOptions.Namundemikiankeduabok
tersebutsalingmelengkapisatudenganlainnya.
5) Pilih dan klik pada kotak Continue sehingga kotak dialog akan kembali ke
Gambar9.6dengantampilansbb.
Gambar9.10KotakdialogUnivariatedenganvariabelvariabelyangakan
dianalisisdenganModeldanPostHocyangtelahdiseting
BagianakhiryangperluuntukdisetingdalammelakukananalisisVariandisain
FaktorialyaituMeansPlot.PerintahPlotinidimaksudkanuntukmenampilkan
grafik Estimated Marginal Means of Dependent Variable. Hasil seting Means
Plot pada analisis varian dengan disain faktorial agak berbeda dengan seting
padaanalisisvariansatujalur.Padabagiananalisisvariansdisainfaktorialini
memungkinkan untuk menampilkan posisi masingmasing kelompok dari
variabelsatupadatiapleveldarivariabellainnya.
363
6) UntukmenampilkangrafikEstimatedMarginalMeansofDependentVariable,
pilihdanklikpadabagianPlots....sehinggamunculkotakdialogsebagaimana
terlihatpadaGambar9.11.
CarapengisiankotakdialogGambar9.11sbb.
(1) Pindahkan variabel X1 ke kotak Horizontal Axis: dengan memilih variabel
tersebut kemudian klik pada tanda panah ke kanan yang mengarah pada
kotakHorizontalAxis.
Gambar9.11KotakdialogUnivariate:ProfilPlotsuntukmensetingEstimated
MarginalMeansofDependentVariable
(2) PilihdanklikpadavariabelX2untukdipindahkankekotakSeparateLines:
dengan menklik pada tanda panah ke kanan yang mengarah pada kotak
SeparateLines.
(3) Pilih dan klik pada kotak Add sehingga variabel X1 dan X2 akan berpindah
kekotakPlots:yangterdapatdibawahnyadalambentukinteraksi.
364
Setelah melakukan seting nomor (1) sampai dengan nomor (3) maka kotak
dialogGambar9.11tampilannyaakanberubahmenjadisebagaimanaterlihat
padaGambar9.12.
Gambar9.12KotakdialogUnivariate:ProfilPlotsyangtelahdisetingEstimated
MarginalMeansofDependentVariable

7) Pilih dan klik pada Continue sehingga kotak dialog akan kembali ke kotak
dialogGambar9.10.
8) BerdasarkanGambar9.10PilihdanklikpadabagianOKsehinggasistemakan
menampilkanoutputhasilanalisisberikutini.


365
OutputHasilAnalisisVarianDisainFaktorial

Univariate Analysis of Variance


BetweenSubjectsFactors
ValueLabel N
LamaBelajar 1 2jam 12
2 3jam 12
3 4jam 12
4 5jam 12
Kemapuan
Awal
1 KATinggi 16
2 KASedang 16
3 KARendah 16




TestsofBetweenSubjectsEffects

DependentVariable:HasilBelajar
Source
TypeISum
ofSquares
df
Mean
Square
F Sig.
Model 322263,638
a
12 26855,303 3178,848 ,000
X1 321829,667 4 80457,417 9523,701 ,000
X2 398,167 2 199,083 23,565 ,000
X1*X2 35,803 6 5,967 ,706 ,647
Error 304,133 36 8,448
Total 322567,770 48
a.RSquared=,999(AdjustedRSquared=,999)




Post Hoc Tests

366
Lama Belajar
MultipleComparisons
DependentVariable:HasilBelajar

(I)Lama
Belajar
(J)Lama
Belajar
Mean
Difference
(IJ)
Std.
Error
Sig.
95%Confidence
Interval

Lower
Bound
Upper
Bound
TukeyHSD 2jam 3jam 5,3167
*
1,18660 ,000 8,5125 2,1209
4jam 3,0083 1,18660 ,071 6,2041 ,1875
5jam 3,5167
*
1,18660 ,026 6,7125 ,3209
3jam 2jam 5,3167
*
1,18660 ,000 2,1209 8,5125
4jam 2,3083 1,18660 ,228 ,8875 5,5041
5jam 1,8000 1,18660 ,438 1,3958 4,9958
4jam 2jam 3,0083 1,18660 ,071 ,1875 6,2041
3jam 2,3083 1,18660 ,228 5,5041 ,8875
5jam ,5083 1,18660 ,973 3,7041 2,6875
5jam 2jam 3,5167
*
1,18660 ,026 ,3209 6,7125
3jam 1,8000 1,18660 ,438 4,9958 1,3958
4jam ,5083 1,18660 ,973 2,6875 3,7041
Bonferroni 2jam 3jam 5,3167
*
1,18660 ,000 8,6296 2,0037
4jam 3,0083 1,18660 ,094 6,3213 ,3046
5jam 3,5167
*
1,18660 ,032 6,8296 ,2037
3jam 2jam 5,3167
*
1,18660 ,000 2,0037 8,6296
4jam 2,3083 1,18660 ,357 1,0046 5,6213
5jam 1,8000 1,18660 ,828 1,5130 5,1130
4jam 2jam 3,0083 1,18660 ,094 ,3046 6,3213
3jam 2,3083 1,18660 ,357 5,6213 1,0046
5jam ,5083 1,18660 1,000 3,8213 2,8046
5jam 2jam 3,5167
*
1,18660 ,032 ,2037 6,8296
3jam 1,8000 1,18660 ,828 5,1130 1,5130
4jam ,5083 1,18660 1,000 2,8046 3,8213
Basedonobservedmeans.
TheerrortermisMeanSquare(Error)=8,448.
*.Themeandifferenceissignificantatthe0,05level.

367
Homogeneous Subsets
HasilBelajar

LamaBelajar N
Subset
1 2
TukeyHSD
a,b
2jam 12 78,9000
4jam 12 81,9083 81,9083
5jam 12 82,4167
3jam 12 84,2167
Sig. ,071 ,228
Meansforgroupsinhomogeneoussubsetsaredisplayed.Basedon
observedmeans.TheerrortermisMeanSquare(Error)=8,448.
a.UsesHarmonicMeanSampleSize=12,000.b.Alpha=0,05.

Kemampuan Awal
Multiple Comparisons
Dependent Variable:Hasil Belajar

(I)
Kemapuan
Awal
(J)
Kemapuan
Awal
Mean
Difference
(I-J)
Std.
Error
Sig.
95% Confidence
Interval

Lower
Bound
Upper
Bound
Tukey
HSD
KA Tinggi KA Sedang ,8750 1,02763 ,674 -1,6368 3,3868
KA Rendah 6,5000
*
1,02763 ,000 3,9882 9,0118
KA Sedang KA Tinggi -,8750 1,02763 ,674 -3,3868 1,6368
KA Rendah 5,6250
*
1,02763 ,000 3,1132 8,1368
KA Rendah KA Tinggi -6,5000
*
1,02763 ,000 -9,0118 -3,9882
KA Sedang -5,6250
*
1,02763 ,000 -8,1368 -3,1132
Bonferroni KA Tinggi KA Sedang ,8750 1,02763 1,000 -1,7054 3,4554
KA Rendah 6,5000
*
1,02763 ,000 3,9196 9,0804
KA Sedang KA Tinggi -,8750 1,02763 1,000 -3,4554 1,7054
KA Rendah 5,6250
*
1,02763 ,000 3,0446 8,2054
KA Rendah KA Tinggi -6,5000
*
1,02763 ,000 -9,0804 -3,9196
KA Sedang -5,6250
*
1,02763 ,000 -8,2054 -3,0446
Based on observed means.
The error term is Mean Square(Error) = 8,448.
*. The mean difference is significant at the 0,05 level.
368
Homogeneous Subsets

HasilBelajar

Kemapuan
Awal
N
Subset
1 2
TukeyHSD
a,b
KARendah 16 77,8188
KASedang 16 83,4438
KATinggi 16 84,3188
Sig. 1,000 ,674
Meansforgroupsinhomogeneoussubsetsaredisplayed.Basedon
observedmeans.TheerrortermisMeanSquare(Error)=8,448.
a.UsesHarmonicMeanSampleSize=16,000.
b.Alpha=0,05.

Profile Plots

369
9.5 PENGGUNAAN HASIL ANALISIS VARIAN
DISAIN FAKTORIAL

Berdasarkan hasil (out put) analisis varian disain faktorial tersebut di atas
menunjukkan tiga komponen utama yang berupa: (1) ANOVA, (2) Post Hoc Test
yang berupa Multiple Comparisons, dan (3) Homogeneous Subsets. Di sisi lain,
penggunaan analisis varian terdapat tiga hal pokok yang perlu diperhatikan dan
dipenuhidalampenerapanpenelitian.Ketigahalpokokpadaanalisisvariandisain
faktorialdapatdikemukakanberikutini.
1) Penentuansignifikansiumum.
2) Penentuansignifikansiperpasangan(multiplecomparisons).
3) Penentuankomponenvarian.
Masingmasing komponen (tiga komponen pokok) yang diperlukan pada analisis
variandisainfaktorialtersebutdapatdijelaskansbb.

PENENTUAN SIGNIFIKANSI UMUM
Penentuan signifikansi pada penelitian umumnya berkaitan dengan pembuktian
hipotesis.Olehkarenaitu,sebelummenentukansignifikansiterlebihdahuluperlu
dirumuskanhipotesis.Padaanalisisvariandisainfaktorialinidapatdirumuskan4
macamhipotesispokok.
Berdasarkan Contoh 8.3 untuk analisis disain faktorial di atas maka dapat
dirumuskanempatmacamhipotesispokoksbb.
1) EfekGabungan(Bersamasama)
Hipotesisi gabungan (bersamasama) merupakan hipotesis yang menyatakan
tentangefekperlakuansecarabersamaantaravariabelbebassatu(perlakuan
lamabelajar)danvariabelbebaslainnya(perlakuantingkatkemampuanawal).
Hipotesis yang dapat dirumuskan untuk menyatakan efek gabungan antara
lamabelajardantingkatkemampuanawalsbb.
Ho = Tidakadaperbedaanhasilbelajarsiswaantarlamabelajar(2,3,4,dan
5 jam) dan antartingkat kemampuan awal siswa secara gabungan
(bersamasama).
H1 = Terdapatperbedaanhasilbelajarsiswaantarlamabelajar(2,3,4,dan
5 jam) dan antartingkat kemampuan awal siswa secara gabungan
(bersamasama).

370
2) EfekPerlakuanLamaBelajar(2,3,4,dan5jam)
Hepotesis tentang efek perlakuan lama belajar digunakan untuk menyatakan
ada tidaknya perbedaan hasil belajar yang diakibatkan oleh perlakuan lama
belajar tanpa memperhatikan perlakuan lainnya. Hipotesis yang dapat
dirumuskan untuk menyatakan efek perlakuan lama belajar terhadap hasil
belajarsbb.
Ho = Tidak ada perbedaan hasil belajar antara siswa yang lama belajarnya
2,3,4,dan5jam.
H1 = Terdapat perbedaan hasil belajar antara siswa yang lama belajarnya
2,3,4,dan5jam.

3) EfekPerlakuanTingkatKemampuanAwal(Tinggi,Sedang,danRendah)
Hepotesis tentang efek perlakuan tingkat kemampuan awal digunakan untuk
menyatakan ada tidaknya perbedaan hasil belajar yang diakibatkan oleh
perlakuan tingkat kemampuan awal (tinggi, sedang, dan rendah) tanpa
memperhatikan perlakuan lainnya. Hipotesis yang dapat dirumuskan untuk
menyatakan efek perlakuan tingkat kemampuan awal terhadap hasil belajar
sbb.
Ho = Tidak ada perbedaan hasil belajar antara siswa yang tingkat
kemampuanawalnyatinggi,sedang,danrendah.
H1 = Terdapat perbedaan hasil belajar antara siswa yang tingkat
kemampuanawalnyatinggi,sedang,danrendah.

4) EfekInteraksiantaraLamaBelajardenganTingkatKemampuanAwal
Hipotesis tentang Interaksi antara Lama Belajar dengan Tingkat Kemampuan
Awal digunakan untuk menyatakan ada tidaknya interaksi yang signifikan
antaraLamaBelajardenganTingkatKemampuanAwalsiswa.Hipotesisyang
dapat dirumuskan untuk menyatakan ada tidaknya interaksi yang signifikan
antaraLamaBelajardenganTingkatKemampuanAwalsiswasbb.
Ho = Tidak terdapat interaksi yang signifikan antara Lama Belajar dengan
TingkatKemampuanAwalsiswa.
H1 = TerdapatinteraksiyangsignifikanantaraLamaBelajardenganTingkat
KemampuanAwalsiswa..

371
Output hasil analisis varian disain faktorial yang dapat digunakan untuk
membuktikankeempatmacamhipotesistersebutyaitudisajikanpadatabelTests
ofBetweenSubjectsEffectsdengantampilansebagaiberikut.

TestsofBetweenSubjectsEffects

DependentVariable:HasilBelajar
Source
TypeISum
ofSquares df
Mean
Square F Sig.
Model 322263,638
a
12 26855,303 3178,848 ,000
X1 321829,667 4 80457,417 9523,701 ,000
X2 398,167 2 199,083 23,565 ,000
X1*X2 35,803 6 5,967 ,706 ,647
Error 304,133 36 8,448
Total 322567,770 48
a.RSquared=,999(AdjustedRSquared=,999)

KriteriaPengujian:
(1) MenggunakankoefisienSig.,denganketentuan
Jikanilaisig.Hitung(probabilitas)<0,05makatolakHo.
Jikanilaisig.Hitung(probabilitas)>0,05makaterimaHo.
(2) MenggunakankoefisienFhitung,denganketentuan.
JikakoefisienFHitung>FtabelmakatolakHo.
JikakoefisienFHitung<FtabelmakaterimaHo.
Gunamengujihipotesistersebutmakaoutputanalisisyangdapatdigunakanyaitu
tabelTestofBetweenSubjectsEffectssebagaimanaditunjukkandiatas.
Berdasarkan hasil analisis yang disajikan pada tabel Test of BetweenSubjects
EffectsmenunjukkanbahwatarafsignifikansihasilhitungandankoefisienFhitung
sebagaiberikut.
No Hipotesis Fitungh Ftabel Sig. Alpha
1.
2.
3.
4.
Gabungan(Model)
Efeklamabelajar
Efekkemampuanawal
Interaksi
3178,85
9523,70
23,57
0,71
1,95
2,56
3,19
2,30
0,000
0,000
0,000
0,647
0,05
0,05
0,05
0,05

372
Hasil analisis sebagai mana yang disajikan pada tabel Test of BetweenSubjects
Effects menunjukkan bahwa harga koefisien Sig untuk hipotesis 13 (hipotesis
gabungan,efeklamabelajar,danefekkemampuanawal)seluruhnya<alphayang
ditetapkan (5%). Sedangkan untuk hipotesis keempat tentang interaksi antara
lamabelajardengankemampuanawalmenunjukkanbahwakoefisienSig>alpha
yangditetapkan(5%).Dengandemikiandapatdisimpulkansbb.
1. Ho yang menyatakan tidak ada perbedaan hasil belajar siswa antarlama
belajar (2, 3, 4, dan 5 jam) dan antartingkat kemampuan awal siswa secara
gabungan (bersamasama) di tolak sehingga dapat dinyatakan bahwa ada
perbedaan hasil belajar siswa antarlama belajar (2, 3, 4, dan 5 jam) dan
antartingkatkemampuanawalsiswasecaragabungan(bersamasama).
2. Hoyangmenyatakantidakadaperbedaanhasilbelajarantarasiswayanglama
belajarnya 2, 3, 4, dan 5 jam di tolak sehingga dapat dinyatakan bahwa ada
perbedaanhasilbelajarantarasiswayanglamabelajarnya2,3,4,dan5jam.
3. Ho yang menyatakan tidak ada perbedaan hasil belajar antara siswa yang
tingkat kemampuan awalnya tinggi, sedang, dan rendah di tolak sehingga
dapatdinyatakanbahwaadaperbedaanhasilbelajarantarasiswayangtingkat
kemampuanawalnyatinggi,sedang,danrendah.
4. Ho yang menyatakan tidak terdapat interaksi yang signifikan antara Lama
Belajar dengan Tingkat Kemampuan Awal siswa diterima sehingga dinyatakan
tidak terdapat interaksi yang signifikan antara Lama Belajar dengan Tingkat
KemampuanAwalsiswa.

PENENTUAN SIGNIFIKANSI PER PASANGAN


Penentuan signifikansi per pasangan ini dapat didasarkan pada dua perlakuan
yang ada, yaitu (a) didasarkan pada perlakuan lama belajar dan (b) didasarkan
padaperlakuankemampuanawalsiswa.
Penentuansignifikansiperpasangandidasarkanpadaperlakuanlamabelajar
Uji signifikansi secara umum telah dilakukan, selanjutnya yaitu diperlukan
pengujian signifikansi untuk setiap pasangan. Hasil pengujian signifikansi secara
umum pada analisis varian tersebut tidak dapat diartikan bahwa setiap pasang
pasti berbeda secara signifikan (nyata). Peneliti perlu melakukan pengujian
perbedaanperpasanganuntukmenentukanpasanganmanayangberbedasecara
signifikan dan pasangan mana yang tidak berbeda. Guna memudahkan dalam
menentukan pasanganpasangan yang berbeda secara signifikan dan yang tidak
berbedadapatdilihatpadatabelMultipleComparisonsberikutini.

373
Lama Belajar
MultipleComparisons

DependentVariable:HasilBelajar

(I)Lama
Belajar
(J)Lama
Belajar
Mean
Difference
(IJ)
Std.Error Sig.
95%CInterval

Lower
Bound
Upper
Bound
TukeyHSD 2jam 3jam 5,3167
*
1,18660 ,000 8,5125 2,1209
4jam 3,0083 1,18660 ,071 6,2041 ,1875
5jam 3,5167
*
1,18660 ,026 6,7125 ,3209
3jam 2jam 5,3167
*
1,18660 ,000 2,1209 8,5125
4jam 2,3083 1,18660 ,228 ,8875 5,5041
5jam 1,8000 1,18660 ,438 1,3958 4,9958
4jam 2jam 3,0083 1,18660 ,071 ,1875 6,2041
3jam 2,3083 1,18660 ,228 5,5041 ,8875
5jam ,5083 1,18660 ,973 3,7041 2,6875
5jam 2jam 3,5167
*
1,18660 ,026 ,3209 6,7125
3jam 1,8000 1,18660 ,438 4,9958 1,3958
4jam ,5083 1,18660 ,973 2,6875 3,7041
Bonferroni 2jam 3jam 5,3167
*
1,18660 ,000 8,6296 2,0037
4jam 3,0083 1,18660 ,094 6,3213 ,3046
5jam 3,5167
*
1,18660 ,032 6,8296 ,2037
3jam 2jam 5,3167
*
1,18660 ,000 2,0037 8,6296
4jam 2,3083 1,18660 ,357 1,0046 5,6213
5jam 1,8000 1,18660 ,828 1,5130 5,1130
4jam 2jam 3,0083 1,18660 ,094 ,3046 6,3213
3jam 2,3083 1,18660 ,357 5,6213 1,0046
5jam ,5083 1,18660 1,000 3,8213 2,8046
5jam 2jam 3,5167
*
1,18660 ,032 ,2037 6,8296
3jam 1,8000 1,18660 ,828 5,1130 1,5130
4jam ,5083 1,18660 1,000 2,8046 3,8213
Basedonobservedmeans.
TheerrortermisMeanSquare(Error)=8,448.
*.Themeandifferenceissignificantatthe0,05level.
374
Berdasarkan hasil analisis yang ditampilkan pada tabel Multiple Comparisons
tersebut menunjukkan bahwa terdapat beberapa pasangan yang berbeda secara
nyata (signifikan). Salah satu ciri yang sangat mudah dikenali bahwa pasangan
yangberbedasecarasignifikan(nyata)makanilaipadakolomMeanDifference(ij)
diberitandabintang.
Beberapa pasangan yang dinyatakan berbeda secara nyata untuk hasil analisis di
atasdapatditunjukkansbb.
a. Pasangan23jam,dengankoefisienMeanDifferencesebesar5,3167dan
signifikansihitungsebesar0,000.
b. Pasangan25jam,dengankoefisienMeanDifferencesebesar3,5167dan
signifikansihitungsebesar0,026.
Sedangkan pasanganpasangan lainnya dinyatakan tidak ada perbedaan, yaitu
untukpasanganberikutini.
a. Pasangan24jam,dengankoefisienMeanDifferencesebesar3,0083dan
signifikansihitungsebesar0,071.
b. Pasangan34jam,dengankoefisienMeanDifferencesebesar2,3083dan
signifikansihitungsebesar0,228.
c. Pasangan35jam,dengankoefisienMeanDifferencesebesar1,8000dan
signifikansihitungsebesar0,438.
d. Pasangan45jam,dengankoefisienMeanDifferencesebesar0.5083dan
signifikansihitungsebesar0,973.
Hasil analisis varian per pasangan menunjukan bahwa terdapat dua pasangan
yang berbeda secara nyata (signifikan), yaitu pasangan 23 jam dan pasangan
25 jam. Sedangkan pasangan empat lainnya dinyatakan tidak ada perbedaan,
yaitupasanganantara24jam,34jam,35jam,danpasangan45jam.

Penentuansignifikansiperpasangandidasarkanpadakemampuanawalsiswa
Sebagai mana dinyatakan sebelumnya bahwa hasil pengujian signifikansi secara
umum pada analisis varian tersebut tidak dapat diartikan bahwa setiap pasang
pasti berbeda secara signifikan (nyata). Peneliti perlu melakukan pengujian
perbedaanperpasanganuntukmenentukanpasanganmanayangberbedasecara
signifikan dan pasangan mana yang tidak berbeda. Setelah kita menentukan
signifikansi per pasangan didasarkan pada lama belajar, maka selanjutnya kita
perlu menentukan signifikansi per pasangan didasarkan pada kemampuan awal.
Guna memudahkan dalam menentukan pasanganpasangan yang berbeda secara
signifikan dan yang tidak berbeda dapat dilihat pada tabel Multiple Comparisons
KemampuanAwalberikutini.
375
Kemampuan Awal
Multiple Comparisons
Dependent Variable:Hasil Belajar

(I)
Kemapuan
Awal
(J)
Kemapuan
Awal
Mean
Difference
(I-J)
Std.
Error
Sig.
95% Confidence
Interval

Lower
Bound
Upper
Bound
Tukey
HSD
KA Tinggi KA Sedang ,8750 1,02763 ,674 -1,6368 3,3868
KA Rendah 6,5000
*
1,02763 ,000 3,9882 9,0118
KA Sedang KA Tinggi -,8750 1,02763 ,674 -3,3868 1,6368
KA Rendah 5,6250
*
1,02763 ,000 3,1132 8,1368
KA Rendah KA Tinggi -6,5000
*
1,02763 ,000 -9,0118 -3,9882
KA Sedang -5,6250
*
1,02763 ,000 -8,1368 -3,1132
Bonferroni KA Tinggi KA Sedang ,8750 1,02763 1,000 -1,7054 3,4554
KA Rendah 6,5000
*
1,02763 ,000 3,9196 9,0804
KA Sedang KA Tinggi -,8750 1,02763 1,000 -3,4554 1,7054
KA Rendah 5,6250
*
1,02763 ,000 3,0446 8,2054
KA Rendah KA Tinggi -6,5000
*
1,02763 ,000 -9,0804 -3,9196
KA Sedang -5,6250
*
1,02763 ,000 -8,2054 -3,0446
Based on observed means.
The error term is Mean Square(Error) = 8,448.
*. The mean difference is significant at the 0,05 level.

Berdasarkan hasil analisis yang ditampilkan pada tabel Multiple Comparisons


tersebut menunjukkan bahwa terdapat beberapa pasangan yang berbeda secara
nyata (signifikan). Salah satu ciri yang sangat mudah dikenali bahwa pasangan
yangberbedasecarasignifikan(nyata)makanilaipadakolomMeanDifference(ij)
diberitandabintang.
Beberapa pasangan yang dinyatakan berbeda secara nyata untuk hasil analisis di
atasdapatditunjukkansbb.
a. Pasangan kemampuan awal tinggikemampuan awal rendah, dengan
koefisien Mean Difference sebesar 6,5000 dan signifikansi hitung sebesar
0,000.
b. Pasangan kemampuan awal sedangkemampuan awal rendah, dengan
koefisien Mean Difference sebesar 5,6250 dan signifikansi hitung sebesar
0,000.
376
Sedangkan pasangan lainnya dapat dinyatakan tidak ada perbedaan, yaitu untuk
pasangan kemampuan awal tinggikemampuan awal sedang, dengan koefisien
MeanDifferencesebesar0,8750dansignifikansihitungsebesar0,674.

PENENTUAN KOMPONEN VARIAN


Bagian lain yang ditampilkan oleh hasil analisis varian dua jalan menggunakan
SPSS besarnya varian tiaptiap komponen. Komponenkomponen yang terdapat
padaoutputanalisisvariandisainfaktorialberupa;jumlahkuadratmodel(sumof
squaresexplainedmodel),jumlahkuadratpadavariabelbebasX1(sumofsquares
variabel bebas X1), jumlah kuadrat pada variabel bebas X2 (sum of squares
variabel bebas X2), jumlah kuadrat pada variabel interaksi, dan jumlah kuadrat
Residual/Error(sumofsquaresResidual/Error).
Penentuan komponen varian ini dimaksudkan untuk menentukan besarnya efek
yang diakibatkan oleh masingmasing komponen (model gabungan, X1, X2,
interaksi X1 dan X2, dan komponen lain). Untuk memberikan apa makna dari
angkaangka statistik yang dihasilkan perlu ditunjukkan kembali tabel Tests of
BetweenSubjectsEffectsberikutini.
TestsofBetweenSubjectsEffects

DependentVariable:HasilBelajar
Source
TypeISum
ofSquares df
Mean
Square F Sig.
Model 322263,638
a
12 26855,303 3178,848 ,000
X1 321829,667 4 80457,417 9523,701 ,000
X2 398,167 2 199,083 23,565 ,000
X1*X2 35,803 6 5,967 ,706 ,647
Error 304,133 36 8,448
Total 322567,770 48
a.RSquared=,999(AdjustedRSquared=,999)

Berdasarkan out put hasil analisis SPSS yang ditampilkan pada tabel Tests of
BetweenSubjects Effects untuk masingmasing sumber variasi (Source of
Variations)besarnyadapatdihitungdengancaraberikutini.
a. Persentase komponen varian antar model (expalined: model) diperoleh
sebesar
S2226S,6S8
S22S67,77u
X 1uu% = 99,9%
377
Angkasebesar99,9%inimerupakanefekgabungan(bersamasama)antara
variabel lamanya belajar dan tingkat kemampuan awal siswa terhadap
hasilbelajar.
b. Persentase komponen varian antar kelompok variabel bebas X1 diperoleh
sebesar
S21829,667
S22S67,77u
X 1uu% = 99,77%
Angka sebesar 99,77% ini merupakan efek variabel bebas lamanya belajar
terhadaphasilbelajarsecarasendiritanpamemperhitungkankemampuan
awalsiswa.
c. Persentase komponen varian antar kelompok variabel bebas X2 diperoleh
sebesar
S98,167
S22S67,77u
X 1uu% = u,12%
Angka sebesar 0,12% ini merupakan efek variabel bebas tingkat
kemampuan awal terhadap hasil belajar secara sendiri tanpa
memperhitungkanlamabelajar.
d. Persentase komponen varian interaksi antara variabel bebas X1 dengan
variabelbebasX2(X1*X2)diperolehsebesar
SS.8uS
S22S67,77u
X 1uu% = u,u1%
Angka sebesar 0,01% ini merupakan efek yang diakibatkan oleh interaksi
antara variabel lama belajar dan variabel tingkat kemampuan awal
terhadaphasilbelajar.
e. Persentase komponen varian yang tidak dapat dijelaskan oleh model
(unexplainedvarian)diperolehsebesar
Su4.1SS
S22S67,77u
X 1uu% = u,1%
Hasil analisis varian disain faktorial tersebut berarti bahwa sebesar 99,9% varian
padavariabelterikat(hasilbelajarsiswa)disebabkanolehvariasiatauperbedaan
pada nilai variabel bebas yang berupa lamanya siswa belajar (jam) dan tingkat
kemampuan awal secara gabungan (bersamasama). Selebihnya sebesar 0,1%
tidakdiketahuisebabnya(tidakdapatdijelaskanolehmodel).

378
9.6 UJI PERBEDAAN RERATA (MEAN)

Pengujian sebagai mana yang dilakukan di atas merupakan uji perbedaan


perkomponen, baik komponen lama belajar yang terdiri atas 2, 3, 4, dan 5 jam
maupunkomponenkemampuanawalyangterdiriatastinggi,sedang,danrendah.
Pengujian perbedaan rerata (mean) per pasangan antara subkomponen lama
belajar dengan subkomponen kemampuan awal belum dapat dilakukan. Sering
kali peneliti menghendaki untuk menguji perbedaan rerata (mean) antara
subkomponenlamabelajardengansubkomponenkemampuanawal.
Sebagai ilustrasi dapat dikemukakan beberapa masalah penelitian tentang uji
perbedaan rerata (mean) yang tidak terselesaikan oleh analisis varian
sebagaimanadikemukakandiatas.
a. Apakah ada perbedaan rerata (mean) hasil belajar antara siswa
kemampuanawaltinggidankemampuanawalsedangdenganlamabelajar
2jam.
b. Apakahadaperbedaanrerata(mean)hasilbelajarantarasiswayanglama
belajarnya 2 jam dan lama belajarnya 3 jam dengan kemampuan awal
tinggi.
Untuk menjawab masalah tersebut dapat dilakukan dengan menggunakan uji t
sebagailanjutandariujiANOVA.

Contoh9.2
Berikutdisajikanhasiltessiswasetelahdiberiperlakuanbelajardenganlama2,3,
4, dan 5 jam dengan mempertimbangkan kemampuan awal siswa dalam
kelompoktinggi,sedang,danrendah.
Tabel9.3Hasilbelajarsetelahmendapatperlakuanlamabelajardengan
mempertimbangkankemampuanawalsiswa

LamanyaBelajar(jam)
2 3 4 5
Kemampuan
Awal
Tinggi
79.30
83.80
82.00
82.50
85.50
87.20
87.50
87.00
84.00
86.80
83.10
87.80
83.30
84.00
82.80
82.50
Sedang
80.30
81.80
80.00
82.50
84.00
86.80
83.10
87.80
83.30
83.00
82.80
81.50
85.50
85.20
84.50
83.00
379

LamanyaBelajar(jam)
2 3 4 5
Rendah
70.30
71.80
80.00
72.50
84.00
76.80
83.10
77.80
73.30
73.00
82.80
81.50
75.50
75.20
84.50
83.00

Persiapan yang harus dilakukan untuk analisis perbedaan rerata (mean) dengan
menggunakanSPSSditunjukkanberikutini.
Gambar9.13KotakdialogSPSSStatisticsDataEditorsebagaiperiapanuji
perbedaanrerata(mean)antarsubkomponensubkomponen
Apabila ingin mengetahui bagai mana seting terhadap masingmasing variabel
analisis tersebut maka berdasarkan kotak dialog Gambar 9.13 tersebut kita klik
pada Variable View sehingga akan ditampilkan kotak dialog SPSS Statistics Data
EditoruntukVariableViewsbb.
380
Gambar9.14KotakdialogSPSSStatisticsDataEditoruntukmensetingvariabel
yangakandianalisis
Sesuaidengandatayangdisajikanpadacontoh9.2terlihatbahwasetiapselpada
Tabel 9.3 dijadikan variabel pada saat seting atau persiapan data di SPSS. Amati
baikbaikpadalembarkerjaSPSSStatisticsDataEditoruntukDataViewterdapat
12kolomyaitusebanyaksel(3x4)padaTabel9.3,yaitutigakolomdenganempat
baris. Apabila pada lembar kerja SPSS Statistics Data Editor untuk Data View
terdapat12kolommakaketikaditampilkanuntukVariableViewnyaakanterdapat
sebanyak12barisvariabel.
BerdasarkanpadatampilanataukotakdialogGambar9.13diatasmakatelahsiap
untukmelakukanujiperbedaanrerata(mean)perpasanganantarasubkomponen
lama belajar dengan subkomponen kemampuan awal. Dalam melakukan uji
perbedaanrerata(mean)perpasanganantarasubkomponenlamabelajardengan
subkomponen kemampuan awal maka perlu dikemukakan hipotesis penelitian.
Beberapa hipotesis penelitian yang dapat dibuat berdasarkan pada contoh 9.3
disajikanberikutini.
381
Hipotesis1.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya3jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 3 jam dengan
tingkatkemampuanawalyangtinggi.

Hipotesis2.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya4jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 4 jam dengan
tingkatkemampuanawalyangtinggi.

Hipotesis3.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya5jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 5 jam dengan
tingkatkemampuanawalyangtinggi.

Hipotesis4.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya3jamdansiswayanglamabelajarnya4jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 3 jam dan siswa yang lama belajarnya 4 jam dengan
tingkatkemampuanawalyangtinggi.

Hipotesis5.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya3jamdansiswayanglamabelajarnya5jamdengan
382
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 3 jam dan siswa yang lama belajarnya 5 jam dengan
tingkatkemampuanawalyangtinggi.

Hipotesis6.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya3jamdengan
tingkatkemampuanawalyangsedang.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 3 jam dengan
tingkatkemampuanawalyangsedang.

Hipotesis7.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya4jamdengan
tingkatkemampuanawalyangsedang.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 4 jam dengan
tingkatkemampuanawalyangsedang.

Hipotesis8.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya5jamdengan
tingkatkemampuanawalyangsedang.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 5 jam dengan
tingkatkemampuanawalyangsedang.

Masih banyak lagi hipotesis yang dapat dikemukakan berdasarkan contoh 9.3 di
atas. Namun demikian satu hal yang harus disadari bahwa dalam merumuskan
hipoteisiperludidukungteoriyangdigunakansebagaidasarnya.
Tahapan yang harus dilakukan untuk melakukan uji perbedaan rerata (mean) per
pasangan antara subkomponen lama belajar dengan subkomponen kemampuan
awalsebagaimanadihipotesiskandiatassbb.
383
1. PilihdanklikmenuAnalyze
Gambar9.15KotakdialogSPSSStatisticsDataEditoruntukmemilihteknikyang
digunakanmengujiperbedaanrerata(mean)
2. Pilih dan klik pada bagian PairedSamples T test ... sehingga akan muncul
kotakdialogsebagaimanaditampilkanpadaGambar9.16.
CarapengisiankotakdialogGambar9.16.
(1) Pilih dan klik pada variabel L1A1, kemudian pindahkan ke kotak Paired
Variablespadabarispertamakolomkeduadenganmenkliktandapanahke
arahkotakPairedVariables.
(2) Pilih dan klik pada variabel L2A1, kemudian pindahkan ke kotak Paired
Variablespadabarispertamakolomketigadenganmenkliktandapanahke
arahkotakPairedVariables.
(3) Pilih dan klik pada variabel L1A1, kemudian pindahkan ke kotak Paired
Variables pada baris kedua kolom kedua dengan menklik tanda panah ke
arahkotakPairedVariables.
384
Gambar9.16KotakdialogPairedSamplesTTestuntukmemilihvariabelyang
akandipasangkanreratanya
(4) Pilih dan klik pada variabel L3A1, kemudian pindahkan ke kotak Paired
Variables pada baris kedua kolom ketiga dengan menklik tanda panah ke
arahkotakPairedVariables.
(5) Pilih dan klik pada variabel L1A1 dan L4A1, kemudian pindahkan ke kotak
Paired Variables pada baris ketiga dengan menklik tanda panah ke arah
kotakPairedVariables.
(6) Pilih dan klik pada variabel L2A1 dan L3A1, kemudian pindahkan ke kotak
PairedVariablespadabariskeempatdenganmenkliktandapanahkearah
kotakPairedVariables.
(7) Pilih dan klik pada variabel L2A1 dan L4A1, kemudian pindahkan ke kotak
Paired Variables pada baris kelima dengan menklik tanda panah ke arah
kotakPairedVariables.
(8) Pilih dan klik pada variabel L1A2 dan L3A2, kemudian pindahkan ke kotak
Paired Variables pada baris keenam dengan menklik tanda panah ke arah
kotakPairedVariables.
385
(9) Pilih dan klik pada variabel L1A2 dan L2A2, kemudian pindahkan ke kotak
Paired Variables pada baris ketujuh dengan menklik tanda panah ke arah
kotakPairedVariables.
(10) PilihdanklikpadavariabelL1A2danL4A2,kemudianpindahkankekotak
Paired Variables pada baris kedelapan dengan menklik tanda panah ke
arahkotakPairedVariables.
BerdasarkanpengisiantersebutmakakotakdialogGambar9.16akanberubah
menjadiberikutini
Gambar9.17KotakdialogPairedSamplesTTestyangtelahterisivariabelyang
dipasangkanreratanya
3. BerdasarkankotakdialogPairedSamplesTTestyangtelahterisivariabelyang
dipasangkan reratanya (Gambar 9.17) pilih dan klik pada bagian OK sehingga
sistemakanmenampilkanouputberikutini.

386
OUTPUTHASILANALISISPAIREDSAMPLESTTEST

T-Test

PairedSamplesStatistics
Mean N
Std.
Deviation
Std.Error
Mean
Pair1 2jamTinggi 81,9000 4 1,89209 ,94604
3jamTinggi 86,8000 4 ,89069 ,44535
Pair2 2jamTinggi 81,9000 4 1,89209 ,94604
4jamTinggi 85,4250 4 2,23364 1,11682
Pair3 2jamTinggi 81,9000 4 1,89209 ,94604
5jamTinggi 83,1500 4 ,65574 ,32787
Pair4 3jamTinggi 86,8000 4 ,89069 ,44535
4jamTinggi 85,4250 4 2,23364 1,11682
Pair5 3jamTinggi 86,8000 4 ,89069 ,44535
5jamTinggi 83,1500 4 ,65574 ,32787
Pair6 2jamSedang 81,1500 4 1,19583 ,59791
3jamSedang 85,4250 4 2,23364 1,11682
Pair7 2jamSedang 81,1500 4 1,19583 ,59791
4jamSedang 82,6500 4 ,79373 ,39686
Pair8 2jamSedang 81,1500 4 1,19583 ,59791
5jamSedang 84,5500 4 1,11505 ,55752


PairedSamplesCorrelations
N Correlation Sig.
Pair1 2jamTinggi&3jamTinggi 4 ,856 ,144
Pair2 2jamTinggi&4jamTinggi 4 ,592 ,408
Pair3 2jamTinggi&5jamTinggi 4 ,215 ,785
Pair4 3jamTinggi&4jamTinggi 4 ,209 ,791
Pair5 3jamTinggi&5jamTinggi 4 ,131 ,869
Pair6 2jamSedang&3jamSedang 4 ,996 ,004
Pair7 2jamSedang&4jamSedang 4 ,720 ,280
Pair8 2jamSedang&5jamSedang 4 ,605 ,395


387
Paired Samples Test

Paired Differences
t df
Sig. (2-
tailed)
Mean
Std.
Deviation
Std.
Error
Mean
90% Confidence
Interval of the
Difference
Lower Upper
Pair
1
2 jam Tinggi - 3
jam Tinggi
-4,90000 1,21929 ,60964 -6,33472 -3,46528 -8,037 3 ,004
Pair
2
2 jam Tinggi - 4
jam Tinggi
-3,52500 1,88746 ,94373 -5,74594 -1,30406 -3,735 3 ,033
Pair
3
2 jam Tinggi - 5
jam Tinggi
-1,25000 1,86458 ,93229 -3,44402 ,94402 -1,341 3 ,272
Pair
4
3 jam Tinggi - 4
jam Tinggi
1,37500 2,22467 1,11234 -1,24273 3,99273 1,236 3 ,304
Pair
5
3 jam Tinggi - 5
jam Tinggi
3,65000 1,17331 ,58666 2,26938 5,03062 6,222 3 ,008
Pair
6
2 jam Sedang -
3 jam Sedang
-4,27500 1,04682 ,52341 -5,50677 -3,04323 -8,168 3 ,004
Pair
7
2 jam Sedang -
4 jam Sedang
-1,50000 1,85113 ,92556 -3,67819 ,67819 -1,621 3 ,204
Pair
8
2 jam Sedang -
5 jam Sedang
-3,40000 2,07043 1,03521 -5,83623 -,96377 -3,284 3 ,046

Ouput yang digunakan untuk menguji hipotesis yaitu t hitung yang ditampilkan
pada tabel Paired Samples Test. Berdasarkan output hasil perhitungan di atas
makadapatdiringkassbb.
Pasangan thitung ttabel Sig Alpha
Pair1 2jamTinggi3jamTinggi 8,037*
2,353
,004
0,05
Pair2 2jamTinggi4jamTinggi 3,735*
2,353
,033
0,05
Pair3 2jamTinggi5jamTinggi 1,341
2,353
,272
0,05
Pair4 3jamTinggi4jamTinggi 1,236
2,353
,304
0,05
Pair5 3jamTinggi5jamTinggi 6,222*
2,353
,008
0,05
Pair6 2jamSedang3jamSedang 8,168*
2,353
,004
0,05
Pair7 2jamSedang4jamSedang 1,621
2,353
,204
0,05
Pair8 2jamSedang5jamSedang 3,284*
2,353
,046
0,05

388
Berdasarkanoutputhasilujitersebutmenunjukkanbahwaterdapatlimahipotesis
yang dinyatakan berbeda secara signifikan. Kelima hipotesis yang memiliki
perbedaanrerata(mean)tersebutsbb.
Hipotesis1.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya3jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 3 jam dengan
tingkatkemampuanawalyangtinggi.
Karena koefisien t hitung lebih besar dari koefisien t tabel (8,037 > 2,353), maka
Ho yang menyatakan tidak terdapat perbedaan rerata (mean) hasil belajar siswa
antarasiswayanglamabelajarnya2jamdansiswayanglamabelajarnya3dengan
tingkatkemampuanawalyangtinggiditolak.Dengandemikiandapatdisimpulkan
bahwa terdapat perbedaan yang signifikan antara rerata (mean) hasil belajar
siswa antara siswa yang lama belajarnya 2 jam dan siswa yang lama belajarnya 3
jamdengantingkatkemampuanawalyangtinggi.
Hipotesis2.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya4jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 4 jam dengan
tingkatkemampuanawalyangtinggi.
Hasilpengujianmenunjukkanbahwakoefisienthitunglebihbesardarikoefisient
tabel(3,735>2,353),makaHoyangmenyatakantidakterdapatperbedaanrerata
(mean)hasilbelajarsiswaantarasiswayanglamabelajarnya2jamdansiswayang
lama belajarnya 4 jam dengan tingkat kemampuan awal yang tinggi ditolak.
Dengan demikian dapat disimpulkan bahwa terdapat perbedaan yang signifikan
antara rerata (mean) hasil belajar siswa antara siswa yang lama belajarnya 2 jam
dan siswa yang lama belajarnya 4 jam dengan tingkat kemampuan awal yang
tinggi.
Hipotesis5.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya3jamdansiswayanglamabelajarnya5jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
389
lama belajarnya 3 jam dan siswa yang lama belajarnya 5 jam dengan
tingkatkemampuanawalyangtinggi.
Hasil pengujian menggunakan PairedSamples T test menunjukkan bahwa
koefisienthitunglebihbesardarikoefisienttabel(6,222>2,353),makaHoyang
menyatakan tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara
siswa yang lama belajarnya 3 jam dan siswa yang lama belajarnya 5 jam dengan
tingkatkemampuanawalyangtinggiditolak.Dengandemikiandapatdisimpulkan
bahwa terdapat perbedaan yang signifikan antara rerata (mean) hasil belajar
siswa antara siswa yang lama belajarnya 3 jam dan siswa yang lama belajarnya 5
jamdengantingkatkemampuanawalyangtinggi.
Hipotesis6.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya3jamdengan
tingkatkemampuanawalyangsedang.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 3 jam dengan
tingkatkemampuanawalyangsedang.
Pengujian hipotesis keenam menunjukkan bahwa koefisien t hitung lebih besar
dari koefisien t tabel (8,168 > 2,353), maka Ho yang menyatakan tidak terdapat
perbedaan rerata (mean) hasil belajar siswa antara siswa yang lama belajarnya 2
jamdansiswayanglamabelajarnya3jamdengantingkatkemampuanawalyang
sedang ditolak. Dengan demikian dapat disimpulkan bahwa terdapat perbedaan
yang signifikan antara rerata (mean) hasil belajar siswa antara siswa yang lama
belajarnya 2 jam dan siswa yang lama belajarnya 3 jam dengan tingkat
kemampuanawalyangsedang.
Hipotesis8.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya5jamdengan
tingkatkemampuanawalyangsedang.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 5 jam dengan
tingkatkemampuanawalyangsedang.
Demikian juga dengan pengujian hipotesis kedelapan, hasilnya menunjukkan
bahwa koefisien t hitung lebih besar dari koefisien t tabel (3,284 > 2,353), maka
Ho yang menyatakan tidak terdapat perbedaan rerata (mean) hasil belajar siswa
antara siswa yang lama belajarnya 2 jam dan siswa yang lama belajarnya 5 jam
dengantingkatkemampuanawalyangsedangditolak.Berdasarkanhasiltersebut
dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara rerata
390
(mean)hasilbelajarsiswaantarasiswayanglamabelajarnya2jamdansiswayang
lamabelajarnya5jamdengantingkatkemampuanawalyangsedang.
Hipotesis3.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya5jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 5 jam dengan
tingkatkemampuanawalyangtinggi.

Hipotesis4.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya3jamdansiswayanglamabelajarnya4jamdengan
tingkatkemampuanawalyangtinggi.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 3 jam dan siswa yang lama belajarnya 4 jam dengan
tingkatkemampuanawalyangtinggi.

Hipotesis7.
Ho = Tidak terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa
yanglamabelajarnya2jamdansiswayanglamabelajarnya4jamdengan
tingkatkemampuanawalyangsedang.
H1 = Terdapat perbedaan rerata (mean) hasil belajar siswa antara siswa yang
lama belajarnya 2 jam dan siswa yang lama belajarnya 4 jam dengan
tingkatkemampuanawalyangsedang.

Pengujian terhadap hipotesis yang ketiga, keempat, dan ketujuh hasilnya


menunjukkan bahwa koefisien t hitung lebih kecil dari koefisien t tabel. Dengan
demikian Ho untuk hipotesis 3, 4, dan 7 diterima yang berarti bahwa tidak
terdapatperbedaanrerata(mean)hasilbelajarsiswa.

You might also like