LMS-SPADA INDONESIA LMS-SPADA INDONESIA
Global searching is not enabled.

Statistika Penelitian Pendidikan

  1. Home
  2. Courses
  3. ILMU PENDIDIKAN
  4. ILMU PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM (MIPA)
  5. Pendidikan Matematika
  6. MAT044 - Statistika Penelitian Pendidikan
Skip to main content

Course Content


Topic outline

  • Statistika Penelitian Pendidikan

    Collapse all Expand all

    Dosen Pengampu

     

    Nama : Amalia Fitri

    Email: fitriamalia280186@gmail.com

    Nama: Padrul Jana

    Email: padrul.jana@upy.ac.id
    Mata Kuliah   :   Statistika Penelitian Pendidikan
    Kode   :   MAT044
    Program Studi   :   S1 Pendidikan Matematika
    Perguruan Tinggi   :   Universitas Pekalongan

    Assalamualaikum warahmatullahi wabarakatuh

    Selamat datang di perkuliahan Statistika Penelitian Pendidikan. Perkenalkan, saya Amalia Fitri, M.Pd. dari Universitas Pekalongan, bersama rekan saya, Dr. Padrul Jana, S.Pd, M. Sc. dari Universitas PGRI Yogyakarta. Kami berdua akan menjadi dosen pengampu yang mendampingi Anda dalam mempelajari, memahami, dan mengaplikasikan konsep-konsep statistik dalam konteks penelitian pendidikan..

    Mata kuliah ini bertujuan membekali mahasiswa dengan pemahaman mendalam tentang konsep dan penerapan metode statistik dalam penelitian pendidikan, khususnya pada bidang pendidikan matematika. Melalui perkuliahan ini, mahasiswa diharapkan mampu menguasai prinsip-prinsip dasar statistik, memilih teknik analisis yang tepat sesuai desain penelitian, menggunakan perangkat lunak statistik (program R) secara efektif, serta menginterpretasikan hasil analisis dengan kritis, teliti, dan sesuai etika penelitian. Cakupan materi dalam mata kuliah ini meliputi pengantar statistik penelitian pendidikan, pengujian hipotesis, uji asumsi statistik, analisis varians satu jalur (one-way ANOVA), analisis varians dua jalur (two-way ANOVA), analisis regresi dan korelasi serta praktik menggunakan perangkat lunak statistic (program R). Penyajian materi dilakukan secara terpadu antara teori dan praktik, dengan pembagian beban studi sebesar 3sks. Evaluasi hasil belajar mahasiswa dilakukan melalui penilaian berbasis proyek yaitu mahasiswa diminta untuk merancang dan melaksanakan analisis data penelitian pendidikan menggunakan data primer/sekunder.

    Capaian Pembelajaran Mata Kuliah (CPMK)

    1. Manguasai konsep statistika inferensial yang dibutuhkan dalam mengolah data penelitian
    2. Menerapkan konsep statistik inferensial dalam penelitian pendidikan menggunakan program statistik
    3. Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data dengan memperhatikan norma dan etika akademik

    Selama mengikuti mata kuliah Statistik Penelitian Pendidikan, setiap mahasiswa diwajibkan untuk berpartisipasi aktif dalam berbagai kegiatan pembelajaran yang telah dirancang. Adapun bentuk kegiatan dan bobot penilaiannya adalah sebagai berikut:

    Diskusi/Forum (10%) 

    Pada setiap pertemuan disediakan forum diskusi. Setiap mahasiswa diwajibkan berpartisipasi dalam forum diskusi dengan memberikan opini, tanggapan atau pertanyaan terkait materi yang sedang dipelajari. 

    Tugas (20%)

    Tugas diberikan secara berkala sesuai topik pembelajaran. Tugas dikerjakan secara individu atau kelompok sesuai dengan instruksi dosen.  

    Kuis (10%)

      • Kuis dilakukan secara daring melalui SPADA Indonesia.

      • Materi kuis meliputi topik yang sudah dibahas pada pertemuan sebelumnya.

      • Kuis bersifat individu dan dikerjakan sesuai waktu yang ditentukan.

    2. Ujian Tengah Semester (UTS) – 30%

      • UTS dilaksanakan secara daring.

      • Bentuk ujian berupa penugasan mini proyek yaitu menganalisis data sekunder dengan menerapkan uji t beserta uji prasyarat yang dilakukan.

    3. Ujian Akhir Semester (UAS)/Tugas Proyek – 30%

      • Mahasiswa akan mengerjakan proyek analisis data penelitian pendidikan.

      • Proyek dilakukan secara berkelompok dengan menggunakan data penelitian (data sekunder) yang diperoleh mahasiswa.

      • Hasil proyek dipresentasikan dalam bentuk laporan tertulis dan/atau presentasi daring.

  • Pengantar Statistik

  • Pertemuan ke 1

    Capaian pembelajaran di pertemuan ke 1 ini adalah 1. Mahasiswa mampu menjelaskan definisi, peran statistic, dan jenis data.

    Halo para calon pendidik matematika yang luar biasa!
    Selamat datang di pertemuan pertama mata kuliah Statistik Penelitian. Semoga kalian datang dengan semangat baru, pikiran terbuka, dan rasa ingin tahu yang tinggi, karena di mata kuliah ini kalian akan belajar bagaimana data dapat “berbicara” dan membantu kita membuat keputusan yang lebih baik dalam dunia pendidikan. Sebelum kita mulai perkuliah pelajari kontrak kuliah berikut. 

    1. Kontrak perkuliahan

      Kontrak kuliah merupakan kesepakatan akademik antara dosen dan mahasiswa yang berisi aturan, mekanisme pembelajaran, serta capaian pembelajaran yang akan dicapai selama satu semester. Di dalamnya memuat penjelasan mengenai tujuan mata kuliah, strategi pembelajaran, kewajiban mahasiswa, tata tertib perkuliahan, metode evaluasi, serta kriteria penilaian. Kontrak kuliah menjadi pedoman agar proses pembelajaran berjalan terarah, transparan, dan dapat dipertanggungjawabkan.

      Selain itu, kontrak kuliah berfungsi sebagai instrumen untuk membangun kedisiplinan, profesionalitas, serta tanggung jawab bersama dalam proses perkuliahan. Mahasiswa memahami apa yang diharapkan dari mereka, sedangkan dosen berkomitmen memberikan pembelajaran sesuai rencana. Dengan demikian, kontrak kuliah dapat meningkatkan efektivitas pembelajaran sekaligus meminimalkan potensi kesalahpahaman antara dosen dan mahasiswa.

    2. Definisi dan Peran, Statistik

      Statistika merupakan ilmu yang mempelajari cara mengumpulkan, mengolah, menganalisis, menyajikan, dan menafsirkan data untuk membantu pengambilan keputusan yang tepat. Dalam praktiknya, statistika berperan penting di berbagai bidang seperti pendidikan, ekonomi, kesehatan, teknologi, maupun ilmu sosial. Fungsi utama statistika adalah menyediakan dasar pertimbangan yang objektif dalam memahami fenomena, memprediksi kecenderungan, serta menguji hipotesis secara ilmiah.

      Data dalam statistika terbagi menjadi data kualitatif dan data kuantitatif. Data kualitatif menggambarkan kategori atau atribut, sedangkan data kuantitatif berbentuk angka yang dapat diukur dan dihitung. Penguasaan konsep data ini sangat penting karena menjadi fondasi dalam memilih metode analisis yang sesuai. Dengan pemahaman yang baik mengenai definisi, peran, dan fungsi statistika, mahasiswa dapat melihat bahwa statistika tidak sekadar teori, tetapi merupakan alat praktis yang sangat relevan dengan kebutuhan penelitian dan pengambilan keputusan.

      Jenis Data Statistik

    3. Populasi adalah keseluruhan objek atau individu yang menjadi sasaran penelitian, baik dalam jumlah besar maupun terbatas, yang memiliki karakteristik tertentu sesuai tujuan studi. Populasi dapat berupa manusia, hewan, tumbuhan, maupun objek lain yang ingin dikaji. Sementara itu, sampel adalah bagian dari populasi yang dipilih dengan prosedur tertentu untuk mewakili karakteristik populasi tersebut. Penggunaan sampel diperlukan ketika peneliti tidak memungkinkan mengamati seluruh populasi karena keterbatasan waktu, biaya, atau tenaga.

      Hubungan antara populasi dan sampel sangat fundamental dalam statistika, karena kesimpulan yang diperoleh dari analisis sampel akan digeneralisasikan kembali pada populasi. Oleh sebab itu, pemilihan sampel harus dilakukan dengan teknik yang tepat agar representatif. Pemahaman yang baik tentang populasi dan sampel akan membantu mahasiswa mengerti mengapa metode pengambilan data sangat menentukan validitas hasil penelitian dan kualitas analisis statistik.

    Uji Homogenitas

    Uji homogenitas bertujuan untuk mengetahui bahwa populasi yang memiliki varians yang yang sama (homogen). uji homogenitas ini menggunakan uji Bartlett.

    • File icon
      PPT Materi 1. Pengantar Statistik File
    • File icon
      Materi 1. Pengantar Statistika File
    • Forum icon
      Forum Diskusi Pertemuan 1
      Due: Wednesday, 24 September 2025, 11:51 AM
    • URL icon
      Video Conference URL
    • Quiz icon
      QUIZ PERTEMUAN 1
      Opened: Wednesday, 24 September 2025, 10:21 AM
      Closed: Saturday, 27 September 2025, 12:21 PM

      Quiz ini bertujuan untuk mengukur pemahaman mahasiswa mengenai konsep dasar statistika yang telah dipelajari pada pertemuan pertama. Materi yang diujikan meliputi definisi, peran dan fungsi statistika, jenis data statistik, serta pengertian populasi dan sampel.

      Soal disusun dalam bentuk pilihan ganda dan isian singkat untuk menilai kemampuan mahasiswa dalam memahami konsep, mengidentifikasi jenis data, serta membedakan antara populasi dan sampel. Hasil quiz digunakan sebagai penilaian formatif untuk memastikan mahasiswa memiliki dasar pengetahuan yang kuat sebelum memasuki materi berikutnya.

    • Choice icon
      Presensi Pertemuan 1 Choice

      Silakan isi presensi dengan memilih “Hadir” jika mengikuti perkuliahan hari ini.

  • Pengujian Hipotesis

  • Pertemuan ke 2

    Capaian pembelajaran di pertemuan ke 2 ini adalah 1. Mahasiswa Menjelaskan konsep dasar pengujian hipotesis

     

    Halo para calon peneliti dan pendidik matematika hebat!

    Selamat datang di Pertemuan ke-2 mata kuliah Statistik Penelitian. Minggu lalu kita sudah mengulas peran statistik dan jenis data. Hari ini kita bergerak ke konsep yang menjadi “jantungnya” analisis inferensial, yaitu Pengujian Hipotesis.

    Sebelum masuk lebih dalam, coba bayangkan:

    “Bagaimana kita bisa meyakini bahwa metode pembelajaran baru benar-benar meningkatkan hasil belajar siswa—bukan sekadar kebetulan?”

    Nah, pengujian hipotesis hadir sebagai alat bantu ilmiah untuk menjawab pertanyaan tersebut secara objektif. Pengujian hipotesis ini akan terbagi menjadi pengujian hipotesis rataan dan pengujian hipotesis proporsi.

    1. Pengujian Hipotesis Rataan

    Pengujian hipotesis rataan merupakan salah satu prosedur statistika inferensial yang digunakan untuk menguji dugaan terhadap nilai rata-rata suatu populasi berdasarkan data sampel. Prinsip dasarnya adalah membandingkan nilai statistik uji yang dihitung dari sampel dengan nilai kritis yang ditentukan dari distribusi peluang tertentu, biasanya distribusi normal atau distribusi t. Dengan demikian, peneliti dapat memutuskan apakah terdapat cukup bukti untuk menolak hipotesis nol yang menyatakan bahwa rata-rata populasi sama dengan nilai tertentu.

    Dalam praktiknya, pengujian hipotesis rataan dapat diterapkan pada berbagai bidang, misalnya menguji efektivitas suatu metode pembelajaran terhadap nilai rata-rata siswa atau mengevaluasi rata-rata penghasilan masyarakat dalam suatu daerah. Proses ini memerlukan pemahaman terhadap asumsi dasar, seperti data berdistribusi normal dan varians yang homogen, agar hasil analisis dapat dipercaya. Mahasiswa perlu menguasai langkah-langkah mulai dari merumuskan hipotesis, menentukan tingkat signifikansi, menghitung nilai uji, hingga menarik kesimpulan.

    2. Pengujian Hipotesis Proporsi

    Pengujian hipotesis proporsi digunakan untuk menguji pernyataan mengenai proporsi populasi berdasarkan data sampel. Proporsi dalam konteks ini merujuk pada perbandingan jumlah kejadian tertentu dengan keseluruhan elemen populasi. Sebagai contoh, pengujian proporsi dapat dilakukan untuk mengetahui apakah persentase mahasiswa yang lulus ujian tertentu lebih besar dari 75%, atau apakah proporsi masyarakat yang menggunakan layanan kesehatan mencapai target yang ditetapkan pemerintah.

    Teknik pengujian proporsi umumnya menggunakan distribusi binomial yang dapat didekati dengan distribusi normal ketika ukuran sampel cukup besar. Prosesnya melibatkan perumusan hipotesis nol dan hipotesis alternatif, perhitungan nilai uji proporsi dari data sampel, serta pembandingan dengan nilai kritis atau perhitungan p-value. Hasil pengujian ini memberikan dasar yang objektif bagi peneliti dalam menarik kesimpulan mengenai proporsi populasi, sehingga sangat relevan dalam penelitian survei maupun studi kebijakan.

     

    Uji Homogenitas

    Uji homogenitas bertujuan untuk mengetahui bahwa populasi yang memiliki varians yang yang sama (homogen). uji homogenitas ini menggunakan uji Bartlett.

  • Pertemuan ke 3

    Capaian pembelajaran di pertemuan ke 3 ini adalah Mahasiswa mampu menerapkan uji asumsi yang diperlukan dalam proses pegolahan data penelitian 

    Halo Para Calon Analis Statistik Pendidikan!

    Selamat datang di pertemuan ketiga!
    Bagaimana kabar Anda hari ini? Siap menelusuri “ruang mesin” dari analisis data penelitian?

    Sebelum menjalankan uji statistik apa pun—baik uji t, ANOVA, regresi, maupun korelasi—ada komponen penting yang sering terlupakan tetapi sangat menentukan kebenaran hasil analisis, yaitu uji asumsi. Oleh karena itu mari kita pelajari materi Uji Asumsi berikut. 

    Uji Asumsi

    Penggunaan uji parametrik, seperti uji t ataupun anava, tidak dapat dilakukan secara langsung tanpa memastikan terpenuhinya beberapa asumsi dasar. Uji asumsi berperan penting untuk menjamin keabsahan hasil analisis, sehingga kesimpulan yang diambil benar-benar dapat dipertanggungjawabkan secara ilmiah.

    Pada pertemuan ini, kita akan mempelajari uji asumsi yang harus dilakukan sebelum menggunakan uji t. Uji yang dibahas meliputi:

    1. Uji Normalitas, yang memastikan bahwa data berasal dari populasi yang berdistribusi normal.

    2. Uji Homogenitas, yang menguji kesamaan varians antar kelompok pada populasi.

    Pembahasan akan mencakup landasan teoritis, prosedur pengujian serta interpretasi hasil uji. Mahasiswa diharapkan mampu menerapkan uji asumsi ini secara mandiri sebelum melanjutkan ke analisis utama, sehingga hasil uji t yang dilakukan memiliki validitas yang tinggi.

    Uji Normalitas

    Teknik uji yang dapat digunalan dalam uji normalitas diantaranya:

    • Uji chi-kuadrat, uji chi kuadrat digunakan ketika data dalam bentuk kelompok atau disajikan dalm distribusi frekuensi. Untuk lebih jelas, silahkan simak video berikut ini. 

    • Uji Liliefors, uji ini digunakan ketika data tidak dalam distribusi frekuensi. Untuk lebih jelas, silahkan simak video berikut ini.

    Uji Homogenitas

    Uji homogenitas bertujuan untuk mengetahui bahwa populasi yang memiliki varians yang yang sama (homogen). uji homogenitas ini menggunakan uji Bartlett.

  • Pertemuan ke 4

    Capaian pembelajaran di pertemuan ke 4 ini adalah Mahasiswa mampu menerapkan uji asumsi yang diperlukan dalam proses pegolahan data penelitian 

    Evaluasi Materi Pertemuan 2-3

    Halo para pembelajar statistik yang luar biasa!
    Sebelum kita melangkah ke materi berikutnya, saatnya Anda mengevaluasi pemahaman dari pertemuan yang sudah kita lalui. Evaluasi ini dirancang bukan hanya untuk mengukur apa yang sudah Anda kuasai, tetapi juga membantu Anda melihat bagian mana yang perlu diperkuat kembali.

    Pada tahap ini, Anda akan menemui beberapa pertanyaan yang berkaitan langsung dengan konsep inti yang telah dipelajari. Gunakan kesempatan ini untuk menguji kemampuan Anda, memastikan bahwa pondasi pengetahuan statistik—mulai dari definisi dasar hingga penerapan uji asumsi—sudah benar-benar kokoh.

    Kerjakan dengan tenang, teliti, dan jujur.

    Semoga evaluasi ini menjadi langkah awal untuk memperkuat pemahaman Anda menuju analisis data yang lebih mendalam dan profesional.

    Selamat mengerjakan, dan tetap semangat belajar! 

    Deskripsi Pertemuan

    Pada pertemuan ini, kita akan melakukan evaluasi pemahaman terhadap materi yang telah dipelajari pada Pertemuan 2 dan Pertemuan 3. Fokus utama evaluasi meliputi uji asumsi, uji hipotesis rataan, dan uji hipotesis proporsi.

    Sebagai bentuk evaluasi, silakan kerjakan kuis berikut ini secara mandiri untuk mengukur tingkat pemahaman Anda terhadap seluruh konsep di atas.

  • Pertemuan ke 5

    Capaian pembelajaran di pertemuan ke 5 ini adalah Mahasiswa mampu menguji asumsi dan menguji t dengan menggunakan program statistika 

    Halo para calon pendidik matematika yang penuh semangat!
    Pada pertemuan sebelumnya, Anda telah memahami konsep uji asumsi secara teoritis. Kini, saatnya naik ke tahap yang lebih aplikatif: mengolah dan menganalisis data menggunakan program statistika.

    Hari ini kita akan belajar bagaimana menerapkan uji asumsi dan menjalankan uji t secara langsung melalui software statistik (Program R), sehingga Anda tidak hanya memahami konsep matematisnya, tetapi juga mampu mempraktikkan analisis layaknya seorang peneliti profesional. Mari kita pelajari berikut ini!

    1. Uji Prasyarat Normalitas

    Uji normalitas bertujuan untuk mengetahui apakah data berasal dari populasi yang berdistribusi normal. Distribusi normal merupakan syarat penting agar uji parametrik seperti t-test dapat digunakan secara valid.

    Beberapa metode yang umum digunakan dalam R:

    • Shapiro-Wilk test → fungsi shapiro.test(data)

    • Kolmogorov-Smirnov test → fungsi ks.test(data, "pnorm", mean=mean(data), sd=sd(data))

    • Visualisasi dengan histogram atau QQ-plot → hist(data) dan qqnorm(data); qqline(data)

    Interpretasi hasil:

    • Jika nilai p-value > 0.05, maka data dianggap berdistribusi normal (tidak menolak H₀).

    • Jika nilai p-value ≤ 0.05, maka data tidak berdistribusi normal (menolak H₀).

    • File icon
      Contoh sintaks di R File

      Untuk mempelajari penerapan analisis statistik menggunakan Program R, silakan unduh dan jalankan source code berikut.
      Kode ini berisi langkah-langkah analisis mulai dari input data hingga interpretasi hasil uji.
      Klik tautan di  atas ini untuk melihat dan menjalankan source code secara lengkap.

    • Page icon
      Uji Prasyarat Homogenitas Page

      2. Uji Prasyarat Homogenitas

      Uji homogenitas digunakan untuk memastikan bahwa dua atau lebih kelompok data memiliki varians yang sama (homogen). Hal ini penting ketika kita akan membandingkan dua kelompok menggunakan uji t dua sampel atau ANOVA.

      Metode uji homogenitas di R antara lain:

      • Levene Test → fungsi leveneTest(y ~ group, data = dataset) dari paket car

      • Bartlett Test → fungsi bartlett.test(y ~ group, data = dataset)

      Interpretasi hasil:

      • Jika p-value > 0.05, maka varians antar kelompok homogen (tidak menolak H₀).

      • Jika p-value ≤ 0.05, maka varians tidak homogen (menolak H₀).

    • File icon
      Contoh sintaks di R File

      Untuk mempelajari penerapan analisis statistik menggunakan Program R, silakan unduh dan jalankan source code berikut.
      Kode ini berisi langkah-langkah analisis mulai dari input data hingga interpretasi hasil uji.
      Klik tautan di atas ini untuk melihat dan menjalankan source code secara lengkap.

    • Page icon
      Uji t Satu Sampel (One Sample t-Test) Page

      Uji t satu sampel digunakan untuk menguji apakah rata-rata suatu sampel berbeda secara signifikan dari nilai tertentu (μ₀), misalnya nilai standar atau nilai rata-rata populasi.

      Langkah-langkah dalam R:

      1. Tentukan nilai pembanding (μ₀).

      2. Gunakan fungsi t.test().

      3. Interpretasikan hasil uji berdasarkan p-value.

    • File icon
      a File

      Untuk mempelajari penerapan analisis statistik menggunakan Program R, silakan unduh dan jalankan source code berikut.
      Kode ini berisi langkah-langkah analisis mulai dari input data hingga interpretasi hasil uji.
      Klik tautan di atas ini untuk melihat dan menjalankan source code secara lengkap.

    • Untuk lebih jelas lihat video berikut:

      Uji Normalitas menggunakan R

      Uji Homogenitas menggunakan R

      Uji one sample t test menggunakan R

    • Forum icon
      Diskusi Forum

      Menurut teman-teman apa kendala dan kesulitan setelah belajar pada pertemuan ini?

      Kemudian apa yang sudah teman-teman dapatkan setelah belajar materi ini?

  • Analisis Varians (ANAVA)

  • Pertemuan ke 6

    Capaian pembelajaran pada pertemuan ke-6 ini adalah mahasiswa dapat menerapkan konsep anava 1 jalan dan dapat mengambil keputusan berdasar hasil analisis data yang diketahui

    Halo Para Calon Analis Pendidikan yang Visioner!

    Selamat datang kembali di ruang belajar kita! Senang sekali bisa bertemu lagi dengan Anda di pertemuan keenam mata kuliah Statistik Penelitian.

    Pada sesi kali ini, kita akan melangkah ke salah satu teknik analisis yang sangat sering digunakan dalam penelitian pendidikan, khususnya ketika kita ingin membandingkan lebih dari satu kelompok, yaitu ANAVA satu jalan (One-Way ANOVA).

    Misalkan Kita ingin mengetahui apakah tiga model pembelajaran yang berbeda menghasilkan capaian belajar yang sama atau tidak.
    Metode ANAVA satu jalan hadir untuk menjawab pertanyaan penting tersebut secara ilmiah dan terukur.

    Analisis Varians Satu Jalur (One-Way ANOVA)
    Analisis Varians Satu Jalur atau One-Way ANOVA merupakan uji statistik yang digunakan untuk membandingkan rata-rata lebih dari dua kelompok berdasarkan satu variabel bebas (faktor).
    Tujuannya adalah untuk mengetahui apakah perbedaan rata-rata antar kelompok bersifat signifikan secara statistik atau hanya disebabkan oleh faktor kebetulan (random error).
    Contoh Kasus
    Seorang peneliti ingin mengetahui apakah metode pembelajaran berbeda (ceramah, diskusi, dan blended learning) menghasilkan rata-rata hasil belajar yang berbeda. Karena terdapat tiga kelompok perlakuan, maka uji yang tepat adalah ANAVA satu jalur.
    Prasyarat ANAVA: 
    1. Sampel diambil secara acak dari populasi

    2. Error yang terjadi pada setiap pasangan kasus bersifat independen

    3. Data berdistribusi normal

    4. Data sampel sebelum perlakuan homogen

    untuk lebih lengkap pelajari video berikut ini.  

  • Pertemuan ke 7

    Capaian pembelajaran di pertemuan ke 7 ini adalah Mahasiswa mampu melakukan uji anava 1 jalan menggunakan program statistika

     

    Halo Analis Muda dan Calon Peneliti Pendidikan!
    Selamat datang di pertemuan ketujuh. Hari ini kita akan praktik menggunakan software statistika. Setelah memahami konsep uji asumsi dan uji t secara matematis, sekarang saatnya mengubah konsep menjadi keterampilan.

    Pertemuan ini akan membimbing Anda untuk:
    🔹 mengecek validitas data melalui uji asumsi,
    🔹 menjalankan uji t secara tepat,
    🔹 serta menafsirkan output program statistika secara profesional.

    Siapkan perangkat, fokus, dan rasa ingin tahu Anda—hari ini kita benar-benar menganalisis data!

    1. Uji t Sampel Independen (Independent Samples t-Test)

    Uji ini digunakan untuk membandingkan rata-rata dua kelompok yang tidak saling berhubungan atau independen.
    Contoh penerapannya adalah membandingkan rata-rata nilai ujian antara dua kelas yang diajar dengan metode berbeda.

    Tujuan:
    Mengetahui apakah terdapat perbedaan yang signifikan antara dua kelompok independen berdasarkan rata-rata sampel masing-masing.

    Asumsi yang harus dipenuhi:

    1. Data dalam setiap kelompok berdistribusi normal.

    2. Varians kedua kelompok homogen (sama besar).

    3. Observasi antar anggota kelompok bersifat independen.

    Langkah umum analisis di Program R:

    • Melakukan uji normalitas untuk memastikan data berdistribusi normal.

    • Melakukan uji homogenitas varians.

    • Melaksanakan uji t dua sampel independen (dengan atau tanpa asumsi varians sama).

    Interpretasi hasil:
    Jika nilai p-value ≤ 0,05 maka terdapat perbedaan signifikan antara dua kelompok.
    Sebaliknya, jika p-value > 0,05 maka tidak terdapat perbedaan yang signifikan.

    2. Uji t Sampel Berpasangan (Paired Samples t-Test)

    Uji ini digunakan untuk membandingkan rata-rata dua pengukuran yang dilakukan pada subjek yang sama, misalnya sebelum dan sesudah perlakuan atau intervensi.
    Contoh: mengukur skor tes siswa sebelum dan sesudah diberi pelatihan.

    Tujuan:
    Mengetahui apakah terdapat perbedaan signifikan antara dua kondisi pengukuran yang berpasangan.

    Asumsi yang harus dipenuhi:

    1. Selisih antara dua pengukuran berdistribusi normal.

    2. Data bersifat berpasangan, yaitu pengukuran berasal dari individu yang sama.

    Langkah umum analisis di Program R:

    • Menghitung selisih antara skor sebelum dan sesudah perlakuan.

    • Menguji normalitas terhadap distribusi selisih.

    • Melakukan uji t berpasangan untuk melihat ada tidaknya perbedaan rata-rata.

    Interpretasi hasil:
    Jika p-value ≤ 0,05 maka terdapat perbedaan signifikan antara dua kondisi pengukuran.
    Jika p-value > 0,05 maka tidak terdapat perbedaan yang signifikan.

    • File icon
      File source code

      Untuk mempelajari penerapan analisis statistik menggunakan Program R, silakan unduh dan jalankan source code berikut.
      Kode ini berisi langkah-langkah analisis mulai dari input data hingga interpretasi hasil uji.
      Klik tautan di atas ini untuk melihat dan menjalankan source code secara lengkap.

  • Pertemuan ke 8 (Tugas mini Project)

    Mini Project: Analisis Uji t Menggunakan Program R

    Pada tugas mini project ini, mahasiswa diminta melakukan analisis uji t menggunakan Program R dengan memanfaatkan data simulasi yang bersumber dari skripsi mahasiswa (boleh skripsi sendiri, teman, atau arsip prodi). Tujuan utama dari kegiatan ini adalah agar mahasiswa mampu menerapkan konsep uji t sampel independen dan uji t sampel berpasangan sesuai dengan rancangan penelitian yang relevan.

    Mahasiswa terlebih dahulu menuliskan identitas sumber data, meliputi nama penulis skripsi, tahun, judul, program studi, dan universitas. Selanjutnya, mahasiswa menyajikan data simulasi minimal 30 observasi berdasarkan hasil penelitian tersebut, misalnya berupa skor hasil belajar, kemampuan berpikir kritis, atau motivasi belajar siswa.

    Analisis dilakukan dengan tahapan: (1) menguji normalitas data menggunakan uji Shapiro-Wilk, (2) menguji homogenitas varians (jika menggunakan uji t independen), dan (3) melaksanakan uji t sesuai desain penelitian. Mahasiswa mencatat nilai t-value, df, dan p-value dari hasil output Program R, kemudian menuliskan interpretasi hasil dalam bentuk narasi ilmiah yang jelas.

    Hasil analisis disusun dalam laporan mini project yang terdiri dari: identitas sumber data, deskripsi data, jenis uji dan alasan pemilihannya, hasil analisis, serta kesimpulan. Laporan ditulis maksimal 10 halaman dalam format PDF dan diunggah ke LMS.

    Waktu pengerjaan mini project adalah 2 minggu: minggu pertama untuk pengumpulan data dan simulasi, minggu kedua untuk analisis dan penulisan laporan. Melalui kegiatan ini, mahasiswa diharapkan mampu memahami penerapan uji t secara nyata, serta meningkatkan kemampuan analisis statistik dan interpretasi hasil penelitian menggunakan Program R secara mandiri.

  • Pertemuan ke 9

    Capaian pembelajaran pada pertemuan ke-9 adalah mahasiswa menerapkan konsep anava 2 jalan dan dapat mengambil keputusan berdasar hasil analisis data yang diketahui 

    Analisis Varians Dua Jalur

    Hai para peserta course Statistika Penelitian,
    Pada modul ini Anda akan mempelajari ANAVA Dua Jalur, sebuah teknik analisis yang digunakan untuk menguji pengaruh dua faktor sekaligus serta melihat ada tidaknya interaksi di antara keduanya. Materi yang disajikan mencakup konsep dasar, struktur tabel ANAVA, asumsi yang perlu dipenuhi, serta contoh penerapannya dalam penelitian bidang pendidikan.

    Silakan baca file materi yang telah tersedia pada LMS secara berurutan. Perhatikan bagian penjelasan konsep, contoh perhitungan, serta interpretasi hasil karena ketiganya akan menjadi dasar untuk latihan dan tugas pada modul ini.

    Selamat belajar, dan manfaatkan forum diskusi jika ada bagian yang ingin didalami lebih lanjut.

    ANAVA dua jalur (Two-Way ANOVA) adalah teknik analisis varians yang digunakan ketika penelitian melibatkan dua faktor (variabel bebas) dan satu variabel terikat (dependent variable).

    Teknik ini membantu menjawab:

    • Apakah faktor A berpengaruh secara signifikan terhadap variabel terikat?

    • Apakah faktor B berpengaruh secara signifikan terhadap variabel terikat?

    • Apakah terjadi interaksi antara faktor A dan faktor B?

    Interaksi terjadi ketika pengaruh salah satu faktor bergantung pada level faktor lainnya.

    Contoh Kontekstual untuk Pendidikan Matematika

    Misalnya Anda meneliti hasil belajar matematika berdasarkan:

    • Faktor A: Model Pembelajaran (Problem Based Learning, Direct Instruction)

    • Faktor B: Kategori Kemampuan Awal (Tinggi, Sedang, Rendah)

    ANAVA dua jalur akan menjawab:

    1. Apakah model pembelajaran berpengaruh?

    2. Apakah kemampuan awal berpengaruh?

    3. Apakah pengaruh model pembelajaran berbeda untuk tiap kategori kemampuan awal?

    Ini sangat relevan untuk penelitian-penelitian PTK maupun skripsi pendidikan matematika.

  • Pertemuan ke 10. ANAVA DUA JALUR UNTUK STATISTIKA PENELITIAN PENDIDIKAN

    ANAVA DUA JALUR UNTUK STATISTIKA PENELITIAN PENDIDIKAN
    Capaian Pembelajaran pada pertemuan ke-10 ini adalah mahasiswa dapat melakukan uji anava 2 jalan menggunakan program statistika.
    Analisis ANAVA dua jalur ini dipakai untuk melihat pengaruh dua hal sekaligus yaitu model pembelajaran (dalam contoh kasus ini: konvensional vs RME) dan tingkat motivasi belajar (dalam contoh kasus ini:rendah, sedang, tinggi) terhadap hasil belajar matematika mahasiswa. Pengujian untuk mengetahui apakah nilai rata-rata berbeda secara nyata antar model pembelajaran, antar tingkat motivasi, serta mengetahui apakah efektivitas model tertentu bergantung pada seberapa tinggi motivasi mahasiswa. Prakteknya pada pembelajaran mahasiswa yang tergabung dalam skema Hibah Pembelajaran Daring Kolaboratif, desain ini sangat pas diterapkan pada satu mata kuliah yang diajarkan bersama kepada mahasiswa Pendidikan Matematika Universitas PGRI Yogyakarta dan Universitas Pekalongan melalui kelas daring/hybrid lintas kampus. Jika hasil menunjukkan efek utama dan interaksi yang signifikan, artinya kombinasi model pembelajaran yang lebih inovatif (RME berbasis LMS kolaboratif) dan motivasi belajar yang baik benar‑benar mampu mengangkat capaian nilai mahasiswa di kedua kampus.
    • File icon
      Syntax Program File

      Untuk download contoh program R yang digunakan dalam pembelajaran dapat di download  di bawah ini.

    • Forum icon
      Forum Diskusi

      Mari teman2 jika ada kesulitan dan perlu diskusi lebih lanjut dapat memanfaatkan room ini.

  • Pertemuan ke 11

    Capaian Pembelajaran pada pertemuan ke-11 ini adalah mahasiswa dapat menerapkan konsep analisis regresi dan dapat mengambil keputusan berdasar hasil analisis data yang diketahui.

    Analisis Regresi

    Halo calon-calon pendidik matematika yang luar biasa!
    Selamat datang di materi Analisis Regresi, salah satu topik penting dalam statistika terapan yang perlu kalian kuasai sebagai calon guru yang akan membimbing siswa memahami data dan hubungan antar-variabel dalam kehidupan nyata.

    Regresi bukan sekadar rumus atau perhitungan. Lebih dari itu, regresi membantu kita menjawab pertanyaan seperti:

    • Bagaimana hubungan antara waktu belajar dan hasil ujian?

    • Apakah motivasi belajar berpengaruh terhadap prestasi?

    • Seberapa besar kontribusi beberapa faktor terhadap suatu hasil?

    Pemahaman tentang regresi akan memperkuat kemampuan kalian dalam membaca data, menyusun pembelajaran berbasis analisis, dan melakukan penelitian tindakan kelas atau skripsi di masa depan. Mari kita jelajahi langkah demi langkah bagaimana model regresi dibangun dan bagaimana interpretasinya digunakan secara bijaksana dalam konteks pendidikan.

  • Pertemuan ke 12. ANALISIS REGRESI UNTUK STATISTIKA PENELITIAN PENDIDIKAN

    ANALISIS REGRESI UNTUK STATISTIKA PENELITIAN PENDIDIKAN
    pembelajaran pada pertemuan ke-12 ini adalah mahasiswa dapat melakukan analisis regresi menggunakan program statistika
    Analisis regresi sederhana ini dipakai untuk melihat seberapa kuat hubungan antara jumlah jam belajar dan nilai ujian matematika mahasiswa. Hasil model berfungsi untuk menunjukkan bahwa semakin banyak jam belajar per minggu, rata-rata nilai ujian matematika cenderung meningkat secara signifikan selain itu setiap tambahan satu jam belajar memberi kenaikan nilai dengan besaran tertentu yang bisa dijelaskan oleh koefisien regresi. Nilai R-squared yang cukup tinggi menandakan bahwa variasi jam belajar menjelaskan porsi yang besar dari perbedaan nilai antar mahasiswa, meskipun masih ada faktor lain seperti kemampuan awal, kualitas materi, dan dukungan dosen. Pada kasus perkuliahan kolaboratif mahasiswa Pendidikan Matematika Universitas PGRI Yogyakarta dan Universitas Pekalongan, regresi digunakan untuk membandingkan apakah pola hubungan jam belajar–nilai serupa di kedua kampus ketika kuliah diselenggarakan bersama secara daring.

  • Pertemuan ke 13

    Capaian pembelajaran pada pertemuan ke 13 adalah mahasiswa dapat memvisualisaikan, menganalisis dengan statistik yang tepat dan melakukan penarikan kesimpulan pada data hasil penelitian 

  • Pertemuan ke 14

    Capaian pembelajaran pada pertemuan ke 14 adalah mahasiswa dapat memvisualisaikan, menganalisis dengan statistik yang tepat dan melakukan penarikan kesimpulan pada data hasil penelitian 

  • Pertemuan ke 15

    Capaian pembelajaran pada pertemuan ke 15 adalah mahasiswa dapat memvisualisaikan, menganalisis dengan statistik yang tepat dan melakukan penarikan kesimpulan pada data hasil penelitian 

  • Pertemuan ke 16

    Mahasiswa mampu menerapkanstatistik parametrik dalam pengolahan data dan mampu mempresentasikan hasil olah data tersebut. 

Contact

spada@kemdiktisaintek.go.id

Spada Indonesia

http://spada.kemdiktisaintek.go.id
LMS-SPADA INDONESIA LMS-SPADA INDONESIA

Copyright © 2025 Spada Indonesia. All Rights Reserved.