Oleh : Bambang Priyo Darminto

Meningkatkan Kemampuan Berpikir Matematis Tingkat Tinggi Calon Guru Matematika Melalui Pembelajaran Berbasis Komputer Pada Perguruan Tinggi Muhammadiyah Oleh : Bambang Priyo Darminto

Pendahuluan Saat ini, dunia telah memasuki era ekonomi global berbasis pengetahuan, di mana pertumbuhan ekonomi, kemakmuran, dan kesejahteraan suatu bangsa amat dipengaruhi oleh kemampuannya dalam menguasai ilmu pengetahuan dan teknologi. Perkembangan ini ternyata diikuti oleh makin kuatnya kecenderungan sistem terbuka yang menimbulkan persaingan global. Dalam rangka menghadapi persaingan tersebut, maka bangsa Indonesia harus meningkatkan mutu SDM-nya agar memiliki daya saing yang tinggi. Pendidikan tinggi memiliki peran yang amat strategis dalam meningkatkan mutu SDM. Bank Dunia dalam salah satu laporannya tahun 1999 menyatakan bahwa terdapat kontribusi yang signifikan dari sektor pendidikan tinggi terhadap upaya peningkatan daya saing bangsa (Depdiknas, 2004). Sehubungan dengan hal tersebut, pemerintah telah menyusun Rencana Strategis Departemen Pendidikan Nasional Tahun 20052009 dengan tujuan utama meningkatkan meningkatkan mutu lulusan perguruan tinggi, yakni lulusan yang terampil, kreatif dan inovatif dalam memanfaatkan ilmu pengetahuan dan teknologi, ahli, profesional, serta memiliki kecakapan hidup yang dapat membantu dirinya dalam menghadapi berbagai tantangan dan perubahan (Depdiknas,2005). Rencana tersebut meliputi upaya peningkatan kemampuan tenaga pengajar, penyediaan sarana dan prasarana belajar yang lebih memadai, mengembangkan kurikulum, memperbanyak sumber dan bahan ajar, menciptakan model-model pembelajaran, serta meningkatkan penguasaan information communication technology (ICT). Guru matematika yang profesional merupakan salah satu unsur penting dalam meningkatkan mutu SDM. Dalam rangka menghadapi masa depan dan daya saing bangsa yang semakin ketat, setiap calon guru matematika harus memiliki kemampuan berpikir matematis tingkat tinggi (KBMTT) yang meliputi penalaran matematis, koneksi mate-matis, komunikasi matematis, dan pemecahan masalah matematis (Webb, N.L. dan Coxford, 1993). Kemampuan berpikir seperti ini dapat ditingkatkan melalui

Semnas Matematika dan Pendidikan Matematika 2008

2 - 139

pendidikan matematika di perguruan tinggi karena pembelajaran matematika difokuskan untuk melatih berpikir dan bernalar dalam menarik kesimpulan, mengkomunikasikan gagasan secara lisan atau melalui grafik, dan mengembangkan kemampuan memecahkan masalah. Di samping itu, matematika memiliki karakteristik yang unik, yaitu penalaran deduktif. Dalam penalaran deduktif, kebenaran suatu konsep atau pernyataan diperoleh sebagai akibat logis dari kebenaran sebelumnya sehingga kaitan antarkonsep atau pernyataan tersebut bersifat konsisten (Depdiknas, 2003). Matematika juga dikenal sebagai ilmu yang terstruktur dalam arti antara konsep matematis yang satu dengan lainnya terjalin hubungan fungsional. Karakteristik matematika yang lain adalah sifatnya yang sistematis yakni materinya tersusun secara hierarkhis, menggunakan bahasa simbol yang efisien. Di samping itu, dengan menggunakan matematika dapat dibuat suatu bentuk pemodelan tertentu untuk memecahkan beberapa masalah dalam kehidupan sehari-hari. Pengetahuan matematika juga erat berkait dengan perkembangan teknologi. Beberapa pakar ilmu komputer menyatakan bahwa matematika mempunyai peran yang sangat pen-ting dalam mengembangkan ilmu komputer. Standish (1995) menyatakan bahwa matema-tika mempunyai dua peran yang amat penting dalam mengembangkan ilmu

komputer

yaitu

membantu

perhitungan

dan

analisis

dalam

hal

efficiency/correctness program aplikasi dalam bidang ilmu komputer. Di samping itu, matematika merupakan pondasi yang amat penting dalam mengembangkan kinerja komputer (Cormen, et al.,1990). Di sisi lain, perkembangan teknologi komputer dari mainframe ke personal computer (PC), ternyata dapat mempengaruhi proses pembelajaran dan pengajaran matematika di sekolah menengah maupun di perguruan tinggi. Sarama dan Clements (2001) menyatakan bahwa pembelajaran matematika berbantuan komputer di sekolah menengah dapat meningkatkan kemampuan berpikir para siswa. Di perguruan tinggi, Hillel (2001) menya-takan bahwa penggunaan komputer sangat bermanfaat untuk meningkatkan kreativitas mahasiswa dalam menemukan solusi permasalahan, meningkatkan logika dan mengem-bangkan konsep-konsep matematis. Karena itu, kehadiran komputer sangat membantu manusia dalam menyelesaikan masalah secara cepat dan akurat. Dalam bidang pendidikan, komputer bermanfaat untuk meningkatkan mutu proses pembelajaran.


2 - 140

Penerapan model pembelajaran berbasis komputer di Perguruan Tinggi Muhammadiyah (PTM) belum banyak dilakukan. Perkuliahan di PTM pada umumnya masih dilaksanakan secara konvensional, yaitu proses pembelajaran di dalam kelas dengan menggunakan metode ekspositori/ceramah dan memposisikan mahasiswa sebagai pemerhati ceramah dosen. Model pembelajaran konvensional masih banyak digunakan di PTM karena paling mudah dilaksanakan. Dengan semakin pesatnya perkembangan teknologi informasi dan komunikasi, saat pembelajaran matematika dapat dilakukan dengan memberdayakan teknologi komputer. Pembelajaran

matematika

berbasis

komputer

merupakan

pembelajaran

yang

berlandaskan pada konsep ComputerBased Instruction (CBI) maupun ComputerAssisted Instruction (CAI). Pada awalnya program aplikasi komputer yang digunakan dalam CBI atau CAI dikembangkan berdasarkan teori perilaku dan pembelajaran terprogram, namun sekarang telah dikembangkan berdasarkan teori kognitif sehingga telah terdapat beberapa program aplikasi multimedia interaktif

yang dibuat berlandaskan tingkat

kemampuan dan kesiapan belajar anak. Untuk meningkatkan minat dan daya tarik, program aplikasi pembelajaran berbasis komputer dibuat lebih menarik, interaktif, menggabungkan konsep visual, grafis, dan audio, serta mudah dioperasikan. Penelitian ini mengunakan mata kuliah statistika sebagai ruang lingkup bidang kajian karena statistika merupakan salah satu cabang matematika yang penerapannya sering kali digunakan dalam memecahkan berbagai persoalan manusia sehari-hari. Selain itu,

metodologi statistika banyak digunakan dalam banyak bidang ilmu

pengetahuan dan engineering. Mayers L.S, et al. (2002:14) mengemukakan bahwa “ ... there are many case studies that demonstrate statistical analysis of interesting real life data sets”.

Karena peranannya sangat penting dalam kehidupan manusia, maka

statistika diajarkan sejak di SD sampai dengan perguruan tinggi. Perguruan tinggi swasta (PTS) sebagai mitra perguruan tinggi negeri (PTN) mempunyai peran dan tanggung jawab untuk meningkatkan mutu SDM di Indonesia. Sehubungan dengan hal itu, PTS yang membuka program pendidikan keguruan dan memiliki program studi pendidikan matematika senantiasa ber-upaya meningkatkan mutu akademik dan mutu pelayanan dengan menyediakan berbagai sarana belajar dan kebutuhan infrastruktur lainnya. Upaya-upaya ini perlu dilakukan oleh PTS agar mampu


2 - 141

menghasilkan calon-calon guru matematika yang bermutu tinggi, profesional, dan memiliki daya saing tinggi. Berdasarkan latar belakang yang telah diuraikan di atas, peneliti memperoleh inspi-rasi untuk mengaplikasikan komputer sebagai alat bantu dalam proses pembelajaran matematika di PTM sebagai salah satu upaya meningkatkan KBMTT mahasiswa. Selan-jutnya, untuk melihat efektivitas dan kehandalan kedua model pembelajaran berbasis komputer, maka proses pelaksanaan pembelajaran dalam penelitian ini dirancang dalam tiga model pembelajaran sebagai berikut, 1. Eksperimen-1: kelompok mahasiswa yang diajar dengan menggunakan program aplikasi multimedia interaktif statistika berbasis komputer buatan peneliti. 2. Ekperimen-2: kelompok mahasiswa yang diajar dengan menggunakan program aplikasi multimedia interaktif Elementary Statistics, A Step by Step Approach for Higher Education berbasis komputer buatan Allan G. Bluman. 3. Konvensional: kelompok mahasiswa yang diajar tanpa menggunakan alat bantu komputer, dilaksanakan di kelas dengan metode ceramah/ ekspositori. Perhatian penelitian ini difokuskan pada penerapan model pembelajaran matematika berbasis komputer, namun level kemampuan awal (tinggi dan rendah) dari para mahasiswa juga ikut diperhatikan sebab untuk meningkatkan KBMTT, mahasiswa akan dihadapkan pada sejumlah tugas/permasalahan matematika tingkat tinggi yang penyelesaiannya memerlukan sejumlah pengetahuan awal matematika. Berdasarkan uraian di atas, permasalahan penelitian ini adalah sebagai berikut: 1. Apakah terdapat perbedaan yang signifikan mengenai peningkatan KBMTT antara mahasiswa yang diajar dengan model eksperimen-1, eksperimen-2, dan konvensional di PTM1 dan PTM2? Jika terdapat perbedaan, kelompok manakah yang memiliki pening-katan KBMTT tertinggi dari ketiga model pembelajaran tersebut? 2. Apakah terdapat terdapat perbedaan mengenai peningkatan KBMTT antara mahasiswa yang diajar dengan model eksperimen-1 dan mahasiswa yang diajar dengan model eksperimen-2, baik yang dilaksanakan di PTM1 maupun di PTM2? 3. Apakah kemampuan awal dan sikap mahasiswa terhadap model pembelajaran matematika berbasis komputer mempengaruhi peningkatan KBMTT? Penelitian ini mempunyai beberapa tujuan, antara lain:


2 - 142

1. Mengetahui kemungkinan adanya perbedaan peningkatan KBMTT antara mahasiswa diajar dengan menggunakan model eksperimen-1, eksperimen-2, dan konvensional di PTM1 dan PTM2. 2. Mengetahui/membandingkan model pembelajaran matematika berbasis komputer mana yang lebih tepat diterapkan pada PTM dalam meningkatkan KBMTT. 3. Mengetahui kemungkinan adanya hubungan/korelasi antara kemampuan, sikap, dan KBMTT mahasiswa. Berdasarkan tujuan yang telah dikemukakan di atas, penelitian ini mempunyai beberapa manfaat, antara lain: 1. Bagi mahasiswa, pembelajaran berbasis komputer bermanfaat untuk meningkatkan minat, daya tarik, dan aktivitas/keterlibatan mahasiswa dalam proses pembelajaran. 2. Bagi dosen, pembelajaran berbasis komputer bermanfaat untuk kegiatan remediasi dan penguatan (reinforcement). 3. Bagi lembaga atau penentu kebijakan (decision maker), pembelajaran berbasis komputer bermanfaat dapat digunakan sebagai salah satu daya tarik sehingga dapat meningkatkan kepercayaan masyarakat untuk memilih PTM sebagai tempat belajar. Metode Penelitian Populasi penelitian ini adalah mahasiswa calon guru matematika di Universitas Muhammadiyah Purworejo dan Universitas Muhammadiyah Purwokerto. Sampel penelitian diambil dengan secara random sampling melalui undian. Banyaknya sampel di PTM1 115 mahasiswa, dan di PTM2 sebanyak 98 mahasiswa. Penelitian ini merupakan penelitian eksperimen dengan desain kelompok pretespostes (pretest postest control group design). Dalam desain ini, sampel diambil secara acak (A), KBMTT awal diukur dengan pretes (O), dan setelah diberi perlakuan kemudian diukur KBMTT akhir dengan postes (O). Kelas eksperimen-1 dan eksperimen-2 masing-masing memperoleh perlakuan X1 dan X2, sedangkan

kelas

kontrol tidak diberi perlakuan. Desain penelitian ini disajikan sebagai berikut: A

O

X1

O

A

O

X2

O

A

O

O

A : O : X1 : X2 :

Pemilihan sampel secara acak Pretes atau postes tentang KBMTT Perlakuan 1 Perlakuan 2


2 - 143

Desain faktorial yang digunakan dalam penelitian ini adalah 2 × 2 × 3 , disajikan pada tabel di bawah ini. Tabel 1. Skema Desain Penelitian PTM

KBMTT Mahasiswa

KAM Eksp-1

Kontrol KBMTTKT

Sikap Mahasiswa Eksp-1 Eksp-2 Skp1T Skp2T

PTM1

Tinggi

KBMTT1T

Eksp-2 KBMTT2T

PTM2

Rendah

KBMTT1R

KBMTT2R KBMTTKR

Skp1R

Skp2R

GAB. PTM

Total

KBMTT1

KBMTT2

Skp1

Skp2

KBMTTK

Prosedur analisis data dalam penelitian ini dilakukan sebagai berikut: 1. Menghitung ratarata skor TPAM dan

Pretes untuk menentukan kemampuan

mahasiswa ke dalam kategori lower group (kelompok rendah/bawah), middle group (kelompok sedang/tengah) dan upper group (kelompok tinggi/atas). Banyaknya kelompok rendah/bawah atau kelompok atas/tinggi kira-kira 25%-27%, sedangkan kelompok sedang kurang lebih 56%-50%. 2. Mengolah skor TPAM, Pretes, dan Postes untuk melihat gambaran atau deskripsi secara umum. 3. Melakukan analisis statistik uji normalitas, uji homogenitas variansi, dan uji ratarata dari distribusi skor TPAM, Pretes dengan langkah-langkah sebagai berikut: a. Uji Normalitas Distribusi Skor TPAM, Pretes, dan Postes. b. Uji Homogenitas Variansi Skor TPAM, Pretes, dan Postes. c. Uji Perbedaan RataRata Skor TPAM, Pretes, dan Postes. 4. Menganalisis interaksi antara model pembelajaran dan kemampuan mahasiswa dengan ANOVA Dua Jalur. 5. Penarikan kesimpulan. Hasil Penelitian dan Pembahasan Untuk mengetahui ada atau tidaknya perbedaan peningkatan KBMTT mahasiswa pada PTM yang dilihat dari aspek PTM, model pembelajaran dan kemampuan awal, digunakan uji perbedaan atau ANOVA dua jalur. Sebelum itu, dilakukan uji normalitas dan homogenitas pada masingmasing kelompok. Hasil-hasil perhitungan tersebut


2 - 144

disajikan pada beberapa tabel, sedangkan gambaran hasil pembelajaran dan interaksi antarvariabel disajikan pada beberapa gambar di bawah ini. PTM1

PTM2

Gambar 1. Deskripsi Perkembangan KBMTT di PTM1 dan PTM2 Tabel 2. ANOVA Dua Jalur Skor Postes KBMTT Mahasiswa pada PTM1 Source Corrected Model Intercept KEMAMPUAN (A) MODEL PBM (B) A× B Error Total Corrected Total

Type III Sum of Squares 10469,083(a) 92276,817 10010,417 437,733 20,933 1067,100 103813,000 11536,183

df 5 1 1 2 2 54 60 59

Mean Square 2093,817 92276,817 10010,417 218,867 10,467 19,761

F

Sig.

105,956 4669,617 506,572 11,076 ,530

,000 ,000 ,000 ,000 ,592

α=5% (2tailed) Berdasarkan Tabel 2 di atas, diperoleh nilai Fhitung untuk faktor kemampuan (A) sama dengan 506,572 dengan nilai Sig. sama dengan 0,000 (<0,05). Karena itu, H0 ditolak. Ini berarti terdapat perbedaan yang signifikan mengenai KBMTT antara mahasiswa yang kemampuannya rendah dengan mahasiswa yang kemampuannya tinggi. Dalam hal ini mahasiswa di PTM1 yang kemampuannya tinggi mempunyai KBMTT yang relatif lebih tinggi daripada mahasiswa yang kemampuannya rendah. Nilai Fhitung untuk model pembelajaran (B) yaitu 11,076 dengan nilai Sig. sama dengan 0,000 (<0,05). Karena itu, H0 ditolak. Dengan demikian terdapat perbedaan yang signifikan mengenai KBMTT antara mahasiswa yang diajar dengan menggunakan eksperimen-1, eksperimen-2, dan kontrol. Nilai Sig. A × B sama dengan 0,592 (>0,05). Karena itu, H0 diterima. Ini berarti bahwa tidak ada interaksi antara kemampuan dan model pembelajaran dalam KBMTT


2 - 145

mahasiswa. Representasi interaksi antara kemampuan mahasiswa dan model pembelajaran di PTM1 disajikan pada gambar berikut. Estimated Marginal Means of Skor Postes KBMTT di PTM1 60.00

MODEL PBM EKSP1 EKSP2 KONTROL

Skor Postes KBMTT

50.00

40.00

30.00

20.00 RENDAH

TINGGI

Kemampuan Mahasiswa

Gambar 2. Interaksi antara Kemampuan Mahasiswa dan Model PBM di PTM1 Tabel 3. ANOVA Dua Jalur Skor Postes KBMTT Mahasiswa pada PTM2 Source Corrected Model Intercept KEMAMPUAN (A) MODEL PBM (B) A ×B Error Total Corrected Total α=5% (2tailed)


df 5 1 1 2 2 48 54 53

Mean Square 1837,841 86000,463 8740,167 202,296 22,222 23,986

F

Sig.

76,621 3585,428 364,384 8,434 ,926

,000 ,000 ,000 ,001 ,403

Berdasarkan Tabel 3 di atas, diperoleh nilai Fhitung untuk faktor kemampuan (A) sama dengan 364,384 dengan nilai Sig. sama dengan 0,000 (<0,05). Karena itu, H0 ditolak. Ini berarti terdapat perbedaan yang signifikan mengenai KBMTT antara mahasiswa yang kemampuannya rendah dengan mahasiswa yang kemampuannya tinggi. Dalam hal ini mahasiswa di PTM2 yang kemampuannya tinggi mempunyai KBMTT yang relatif lebih tinggi daripada mahasiswa yang kemampuannya rendah. Nilai Sig. untuk model pembelajaran (B) sama dengan 0,001 (<0,05). Karena itu, H0 ditolak. Dengan demikian terdapat perbedaan yang signifikan mengenai KBMTT antara mahasiswa yang diajar dengan menggunakan eksperimen-1, eksperimen-2, dan kontrol. Nilai Sig. A × B sama dengan 0,403 (>0,05). Karena itu, H0 diterima. Ini berarti bahwa tidak ada interaksi antara kemampuan dan model pembelajaran dalam KBMTT


2 - 146

mahasiswa. Representasi interaksi antara kemampuan mahasiswa dan model pembelajaran di PTM2 disajikan pada gambar berikut. Estimated Marginal Means of Skor Postes KBMTT di PTM2 60.00


Skor Postes KBMT

50.00

40.00

30.00

20.00 RENDAH

TINGGI

Kemampuan Mahasiswa

Gambar 3. Interaksi antara Kemampuan Mahasiswa dan Model PBM di PTM2 Tabel 4. ANOVA Dua Jalur Skor Postes KBMT Mahasiswa pada Gabungan PTM Source Corrected Model Intercept KEMAMPUAN (A) MODEL PEMBELAJARAN (B) PTM (C) A× B A× C B× C A× B× C Error Total Corrected Total

Type III Sum of Squares

Mean Square

df

F

Sig.

19301,426(a) 179435,736 18200,022

11 1 1

1754,675 179435,736 18200,022

81,116 8295,037 841,359

,000 ,000 ,000

934,817

2

467,409

21,608

,000

29,806 28,044 7,917 4,010 9,097 2206,433 201198,000 21507,860

1 2 1 2 2 102 114 113

29,806 14,022 7,917 2,005 4,549 21,632

1,378 ,648 ,366 ,093 ,210

,243 ,525 ,547 ,912 ,811

α=5% (2tailed) Berdasarkan

Tabel 4, nilai Sig. untuk sumber PTM (C) sama dengan 0,243

(>0,05). Karena itu, H0 diterima. Jadi, tidak ada perbedaan yang signifikan mengenai KBMTT mahasiswa di PTM1 dan PTM2. Jika ditinjau dari kemampuan awal, mahasiswa PTM1 atau PTM2 yang kemampuan awalnya rendah maka KBMTTnya tetap rendah atau mahasiswa yang kemampuan awalnya tinggi maka KBMTTnya tetap tinggi meskipun diajar dengan model eksperimen-1 atau eksperimen-2. Nilai Sig. A × C sama dengan 0,547 (>0,05), nilai Sig. B × C sama dengan 0,912 (>0,05), dan nilai Sig. A × B × C sama dengan 0,811 (>0,05). Karena itu, H0 diterima. Dengan demikian dapat disimpulkan bahwa: (1) Tidak ada interaksi antara kemampuan


2 - 147

dan keberadaan PTM, (2) Tidak ada interaksi antara model pembelajaran dan keberadaan PTM, dan (3) Tidak ada interaksi antara kemampuan, model pembelajaran dan kebera-daan PTM dalam KBMTT. Representasi interaksi hasil analisis data pada gabungan PTM disajikan pada gambar berikut. Estimated Marginal Means of Skor Postes KBMTT pada Gab.PTM 60.00


Skor Postes KBMTT

50.00

40.00

30.00

20.00 RENDAH

TINGGI

Kemampuan Mahasiswa

Gambar 4. Interaksi antara Kemampuan Mahasiswa dan Model PBM pada Gab. PTM Estimated Marginal Means of Skor Postes KBMTT pada Gab.PTM 55.00

PTM PTM1 PTM2

Skor Postes KBMTT

50.00

45.00

40.00

35.00

30.00

25.00 RENDAH

TINGGI

Kemampuan Mahasiswa

Gambar 5. Interaksi antara Kemampuan Mahasiswa dan Keberadaan PTM pada Gab. PTM Estimated Marginal Means of Skor Postes KBMTT pada Gab.PTM 44.00

PTM PTM1 PTM2

Skor Postes KBMTT

42.00

40.00

38.00

36.00

34.00 EKSPERIMEN-1

EKSPERIMEN-2

KONTROL

MODEL_PBM

Gambar 6. Interaksi antara Model PBM dan Keberadaan PTM pada Gab. PTM Tabel 5. ANOVA Dua Jalur Skor Sikap Mahasiswa terhadap Model Pembelajaran Berbasis Komputer pada PTM1


2 - 148


Source Corrected Model Intercept KEMAMPUAN (A) MODEL PBM (B) A ×B Error Total Corrected Total α=5% (2tailed)

df 3 1 1 1 1 36 40 39

Mean Square 986,758 93993,025 2839,225 2,025 119,025 7,992

F

Sig.

123,473 11761,380 355,273 ,253 14,894

,000 ,000 ,000 ,618 ,000

Berdasarkan Tabel 5 di atas, nilai sig. pada A sama dengan 0,000 (<0,05). Jadi Ho ditolak. Ini berarti bahwa terdapat perbedaan sikap antara mahasiswa yang kemampuannya tinggi dan rendah. Nilai sig. pada B sama dengan 0,618 (>0,05). Jadi Ho diterima. Ini artinya tidak terdapat perbedaan sikap antara mahasiswa dalam eksperimen-1 dan eksperimen-2. Nilai Sig. A × B sama dengan 0,000 (<0,05). Karena itu, Ho ditolak. Ini berarti bahwa jika ditinjau dari aspek kemampuan awal, maka mahasiswa di PTM1 yang kemampuannya rendah pada kelas eksperimen-1 memiliki sikap yang berbeda dengan mahasiswa yang kemampuannya rendah pada kelas eksperimen-2. Demikian juga, mahasiswa yang kemampuannya tinggi pada kelas eksperimen-1 memiliki sikap yang berbeda dengan mahasiswa yang kemampuannya tinggi pada kelas eksperimen-2. Interaksi antara kemampuan mahasiswa dan model pembelajaran dalam sikap mahasiswa pada PTM1 tersebut digambarkan oleh dua garis berpotongan yang disajikan pada Gambar 7 di di bawah. Estimated Marginal Means of Skor Sikap Mhs di PTM1 60.00

MODEL PBM EKSP1 EKSP2

Skor Sikap Mhs

55.00

50.00

45.00

40.00

35.00 RENDAH

TINGGI

Kemampuan Mahasiswa

Gambar 7. Interaksi antara Kemampuan Mahasiswa dan Model PBM dalam Sikap Mahasiswa di PTM1


2 - 149

Tabel 6. ANOVA Dua Jalur Skor Sikap Mahasiswa terhadap Model Pembelajaran Berbasis Komputer pada PTM2 Source Corrected Model Intercept KEMAMPUAN (A) MODEL PMB (B) A ×B Error Total Corrected Total α=5% (2tailed)


df

Mean Square

3 1 1 1 1 32 36 35

1057,963 83521,000 3098,778 11,111 64,000 10,847

F

Sig.

97,533 7699,759 285,675 1,024 5,900

,000 ,000 ,000 ,319 ,021

Berdasarkan Tabel 6 di atas, nilai sig. pada A sama dengan 0,000 (<0,05). Jadi Ho ditolak.Ini berarti bahwa terdapat perbedaan sikap antara mahasiswa yang kemampuannya tinggi dan rendah. Nilai sig. pada B sama dengan 0,319 (>0,05). Jadi Ho diterima. Ini

artinya tidak terdapat perbedaan sikap antara mahasiswa dalam

eksperimen-1 dan eksperimen-2. Nilai Sig. A × B sama dengan 0,021 (<0,05). Karena itu, Ho ditolak. Ini berarti bahwa jika ditinjau dari aspek kemampuan awal, maka mahasiswa di PTM2 yang kemampuannya rendah pada kelas eksperimen-1 memiliki sikap yang berbeda dengan mahasiswa yang kemampuannya rendah pada kelas eksperimen-2. Demikian juga, mahasiswa yang kemampuannya tinggi pada kelas eksperimen-1 memiliki sikap yang berbeda dengan mahasiswa yang kemampuannya tinggi pada kelas eksperimen-2. Interaksi antara kemampuan mahasiswa dan model pembelajaran dalam sikap mahasiswa pada PTM2 tersebut digambarkan oleh dua garis berpotongan yang disajikan pada Gambar 8 di bawah. Hasil analisis di PTM2 ternyata sama dengan analisis di PTM1. Estimated Marginal Means of Sikap Mhs di PTM2 60.00


Skor Sikap Mhs

55.00

50.00

45.00

40.00

35.00 RENDAH

TINGGI

Kemampuan Mahasiswa

Gambar 8. Interaksi antara Kemampuan Mahasiswa dan Model PBM dalam Sikap Mahasiswa di PTM2


2 - 150

Tabel 7. ANOVA Dua Jalur Skor Sikap Mahasiswa terhadap Model Pembelajaran Berbasis Komputer pada Gab. PTM Type III Sum of Squares

Source Corrected Model Intercept KEMAMPUAN (A) MODEL PBM (B) PTM (C) A ×B B ×C A ×C A ×B ×C Error Total Corrected Total

6135,965(a) 176961,064 5937,884 2,070 1,801 177,222 11,544 13,779 2,907 634,811 184283,000 6770,776

df 7 1 1 1 1 1 1 1 1 68 76 75

Mean Square

F

876,566 176961,064 5937,884 2,070 1,801 177,222 11,544 13,779 2,907 9,335

93,896 18955,800 636,057 ,222 ,193 18,984 1,237 1,476 ,311

Sig. ,000 ,000 ,000 ,639 ,662 ,000 ,270 ,229 ,579

α=5% (2tailed) Tabel 7 menggambarkan bahwa terdapat pengaruh model pembelajaran terhadap sikap mahasiswa ditinjau dari kemampuan (Sig.A × B=0,00<0,05). Sikap mahasiswa yang kemampuannya rendah dalam eksperimen-1 lebih positif daripada eksperimen-2, tetapi sebaliknya, mahasiswa yang kemampuannya tinggi dalam eksperimen-2 ternyata memiliki sikap yang lebih posisif daripada eksperimen-1. Interaksi antara model pembelajaran dan kemampuan dalam sikap mahasiswa disajikan pada Gambar 9 di bawah. Estimated Marginal Means of Skor Sikap Mhs pada Gab. PTM 60.00


Skor Sikap Mhs

55.00

50.00

45.00

40.00

35.00 RENDAH

TINGGI

Kemampuan Mahasiswa

Gambar 9. Interaksi antara Kemampuan Mahasiswa dan Model PBM dalam Sikap Mahasiswa pada Gab. PTM Untuk mengetahui keeratan hubungan antara KBMTT, kemampuan, dan sikap mahasiswa di bawah ini disajikan hasil perhitungan korelasi antarvariabel tersebut dengan menggunakan korelasi parsial.


2 - 151

Tabel 8. Korelasi antara KBMTT, Kemampuan, dan Sikap Mahasiswa di PTM1 Control Variables none(a) KBMTT SIKAP KEMAMPUAN

KEMAMPUAN

KBMTT

SIKAP

Correlation Significance (2tailed) df Correlation Significance (2tailed) df Correlation Significance (2tailed) df Correlation Significance (2tailed) df Correlation Significance (2tailed) df

KBMTT 1,000 . 0 ,958 ,000 74 ,981 ,000 74 1,000 . 0 ,132 ,258 73

SIKAP ,958 ,000 74 1,000 . 0 ,971 ,000 74 ,132 ,258 73 1,000 . 0

KEMAMPUAN ,981 ,000 74 ,971 ,000 74 1,000 . 0

α=5% (2tailed) Berdasarkan Tabel 8, sebelum korelasi partial atau pada zero order (tanpa ada variabel kontrol) didapat koefisien korelasi antara KBMTT dengan sikap sama dengan 0,958, dan uji signifikansi korelasi KBMTT dengan sikap menunjukkan 0,000 dengan dk sama dengan 74. Karena nilai signifikansi tersebut lebih kecil daripada 0,025, maka terdapat hubungan yang signifikan antara KBMTT dengan sikap mahasiswa terhadap model pembelajaran berbasis komputer pada PTM1. Koefisien korelasi antara KBMTT dengan kemampuan mahasiswa sama dengan 0,981, dan uji signifikansi korelasinya menunjukkan nilai 0,000 dengan dk sama dengan 74. Karena nilai signifikansi lebih kecil daripada 0,025, maka korelasi variabel antara KBMTT dan kemampuan mahasiswa adalah signifikan. Koefisien korelasi sikap dengan kemampuan mahasiswa sama dengan 0,971, dan uji signifikansinya sama dengan 0,000 dengan dk sama dengan 74. Karena nilai signifikansi lebih kecil 0,025, maka terdapat hubungan yang signifikan antara sikap dan kemampuan mahasiswa pada PTM1. Pada keluaran kedua, setelah variabel kemampuan dikeluarkan dan dilakukan korelasi, maka koefisien korelasi antara KBMTT dan sikap turun dari 0,958 menjadi 0,132 dan uji signifikansi korelasinya menunjukkan nilai 0,258 dengan dk sama dengan 73. Karena nilai signifikansi jauh lebih besar daripada 0,025, maka korelasi antara kedua variabel setelah variabel kontrol kemampuan dikeluarkan menjadi tidak signifikan. Jadi, tidak terdapat hubungan yang signifikan antara KBMTT dengan sikap mahasiswa PTM1. Tabel 9. Korelasi antara KBMTT, Kemampuan, dan Sikap Mahasiswa di PTM2 Semnas Matematika dan Pendidikan Matematika 2008

2 - 152

Control Variables none(a)

KBMTT KBMTT SIKAP KEMAMPUAN

KEMAMPUAN

KBMTT SIKAP

Correlation Significance (2tailed) df Correlation Significance (2tailed) df Correlation Significance (2tailed) df Correlation Significance (2tailed) df Correlation Significance (2tailed) df

1,000 . 0 ,899 ,000 62 ,906 ,000 62 1,000 . 0 ,127 ,323 61

SIKAP ,899 ,000 62 1,000 . 0 ,981 ,000 62 ,127 ,323 61 1,000 . 0

KEMAMPUAN ,906 ,000 62 ,981 ,000 62 1,000 . 0

α=5% (2tailed) Berdasarkan Tabel 9, disimpulkan beberapa hal sebagai berikut: (1)Terdapat hubungan yang signifikan antara KBMTT dengan sikap mahasiswa terhadap model pembelajaran berbasis komputer pada PTM2, (2) Korelasi variabel antara KBMTT dan kemampuan mahasiswa adalah signifikan, (3) Terdapat hubungan yang signifikan antara sikap dan kemampuan mahasiswa pada PTM2, (4) Setelah variabel kemampuan dikeluarkan dan dilakukan korelasi, maka tidak terdapat hubungan yang signifikan antara KBMTT dengan sikap mahasiswa pada PTM2. Jadi dapat disimpulkan bahwa, pada PTM2 ketiga variabel yakni KBMTT, sikap dan kemampuan mahasiswa saling berpengaruh dan peran kemampuan mahasiswa sangat penting dalam menjelaskan hubungan antara KBMTT dan sikap mahasiswa. Ini berarti bahwa semakin tinggi kemampuan awal dan semakin positif sikap mahasiswa, maka semakin tinggi pula KBMTTnya. Kesimpulan 1. Terdapat perbedaan mengenai peningkatan KBMTT antara mahasiswa yang diajar dengan model eksperimen-1, eksperimen-2, dan konvensional. Mahasiswa yang diajar dengan menggunakan model eksperimen-1 atau eksperimen-2 di PTM1 dan PTM2 masing-masing mempunyai peningkatan KBMTT yang relatif lebih tinggi daripada mahasiswa yang diajar secara konvensional. 2. Tidak terdapat perbedaan mengenai KBMTT antara mahasiswa yang diajar dengan model eksperimen-1 dan mahasiswa yang diajar dengan model eksperimen-2, baik yang dilaksanakan di PTM1 maupun di PTM2.


2 - 153

3. Terdapat korelasi positif antara sikap dan kemampuan awal terhadap KBMTT mahasiswa, baik di PTM1 maupun PTM2. Kemampuan awal berperan penting dalam menjelaskan hubungan antara KBMTT dan sikap mahasiswa. Daftar Pustaka Cormen, H.T, et al. (1990). Introduction to Algorithms. Massachusetts : The Massachusetts Institute of Technology. Departemen Pendidikan Nasional. (2003). Kurikulum 2004 Standar Kompetensi Mata Pelajaran Matematika, Sekolah Menengah Atas dan Madrasah Aliyah. Jakarta : Depdiknas. Departemen Pendidikan Nasional. (2004). Strategi Jangka Panjang Pendidikan Tinggi 2003-20010 (HELTS). Jakarta : Depdiknas. Departemen Pendidikan Nasional. (2005). Rencana Strategis Departemen Pendidikan Nasional Tahun 2005-2009. Jakarta : Depdiknas. Hillel, Joel. (2001). “Computer Algebra Systems in the Learning and Teaching of Linear Algebra: Some Examples”,dalam Derek Holton (Ed.).The Teaching and Learning of Mathematics at University Level. Dordrecht : Kluwer Academic Publishers. Mayers, L.S, et al. (2002). Probability & Statistics for Engineers & Scientists. USA: Prentice-Hall Inc. Sarama, J.& Clements, H.D. (2001). Computers in Early Childhood Mathematics. USA : University at Buffalo. Standish, T.A. (1995). Data Structures, Algorithms, and Software Principles in C. California : Addison-Wesley Publishing Company, Inc. Webb, N.L. dan Coxford , A.F. (Eds) (1993). Assessment in Mathematics Classroom. Virginia: NCTM.


2 - 154

Oleh : Bambang Priyo Darminto

Recommend Documents