Uji N-Gain: Rumus, Kategori, Cara Menghitung, dan Uji Lanjutnya

Uji N-Gain (normalized gain) adalah cara mengukur peningkatan hasil belajar dari pretest ke posttest, dibandingkan dengan peningkatan maksimal yang masih mungkin dicapai. N-Gain banyak dipakai di penelitian pendidikan, terutama penelitian eksperimen dan penelitian tindakan kelas.

Kelebihannya, N-Gain adil bagi siswa yang nilai awalnya sudah tinggi. Naik 20 poin dari 40 ke 60 berbeda maknanya dengan naik 20 poin dari 75 ke 95, karena ruang naik yang tersisa berbeda. Namun, N-Gain sering disalahpahami sebagai uji statistik, padahal sebenarnya ukuran deskriptif.

Artikel ini bagian dari seri Materi Statistik IDTesis. Uji statistik untuk membandingkan dua kelas dibahas di artikel uji beda t-test.

Rumus N-Gain

Hake (1998) merumuskan N-Gain sebagai kenaikan yang dicapai dibagi kenaikan yang masih mungkin:

Contoh: seorang siswa mendapat 48 pada pretest dan 65 pada posttest, dengan skor maksimal 100. Maka g = (65 ? 48) / (100 ? 48) = 17 / 52 = 0,33.

Kategori N-Gain

Kategori ini berasal dari Hake (1998). Siswa pada contoh di atas (g = 0,33) masuk kategori sedang.

Banyak skripsi juga memakai N-Gain dalam persen (g × 100) dengan tabel “tafsiran efektivitas”, misalnya di bawah 40% tidak efektif. Sebelum memakainya, pastikan sumber tabel itu bisa dilacak dan dirujuk dengan benar.

Rata-rata Kelas atau Rata-rata Individu?

Ada dua cara menghitung N-Gain sebuah kelas:

1. Dari rata-rata kelas. Hitung rata-rata pretest dan posttest kelas, lalu masukkan ke rumus. Ini cara yang dipakai Hake (1998).
2. Dari rata-rata individu. Hitung g setiap siswa, lalu rata-ratakan.

Hasil kedua cara bisa berbeda, terutama jika nilai pretest siswa sangat beragam (Bao, 2006). Tuliskan cara yang Anda pakai di Bab 3. Cara kedua punya kelebihan: nilai g per siswa bisa dipakai untuk uji statistik.

Contoh: Kelas Eksperimen dan Kelas Kontrol

Data ilustrasi dua kelas dengan 30 siswa per kelas, skor maksimal 100:

Pada data ini, kedua cara menghitung memberi hasil yang hampir sama: kelas eksperimen 0,494 dengan kedua cara, dan kelas kontrol 0,351 (rata-rata individu) serta 0,352 (rata-rata kelas).

Kedua kelas masuk kategori sedang. Apakah berarti metodenya sama efektif? Belum tentu. Sebaran kategorinya berbeda: di kelas eksperimen, 3 siswa mencapai kategori tinggi dan hanya 2 yang rendah. Di kelas kontrol, tidak ada yang tinggi dan 10 siswa rendah.

N-Gain Bukan Uji Signifikansi

N-Gain hanya menggambarkan besarnya peningkatan. Untuk menyimpulkan bahwa kelas eksperimen lebih baik daripada kelas kontrol, tetap diperlukan uji statistik. Ada dua pilihan yang umum:

1. Uji t pada Nilai N-Gain

Bandingkan nilai g per siswa di kedua kelas dengan uji t independen. Versi Welch lebih aman karena tidak menganggap varians kedua kelas sama. Pada contoh, hasilnya t(57,46) = 4,11; p < 0,001, dengan ukuran efek Cohen’s d = 1,06 (besar). Jika nilai g tidak berdistribusi normal pada sampel kecil, pakai uji Mann-Whitney. Pemeriksaan syaratnya ada di artikel uji normalitas dan uji homogenitas ?.

2. ANCOVA dengan Pretest sebagai Kovariat

Cara ini membandingkan nilai posttest kedua kelas setelah perbedaan nilai pretest dikendalikan. Banyak ahli menilai cara ini lebih kuat daripada membandingkan selisih atau gain, karena memakai informasi pretest secara lebih tepat (Vickers & Altman, 2001).

Pada contoh, setelah pretest dikendalikan, nilai posttest kelas eksperimen rata-rata 7,79 poin lebih tinggi, F(1, 57) = 15,74; p < 0,001; partial ?² = 0,22. Syarat kesamaan kemiringan garis regresi terpenuhi, karena interaksi kelas dengan pretest tidak signifikan (p = 0,646). Penjelasan ANCOVA ada di artikel ANCOVA.

Memilih antara uji t pada N-Gain dan ANCOVA, lalu menjelaskannya kepada penguji, sering membingungkan. Jika Anda butuh teman diskusi untuk data kelas Anda sendiri, tim IDTesis bisa membantu.

Cara Menghitung N-Gain di SPSS dan Excel

Di SPSS:

1. Klik Transform ? Compute Variable.
2. Tulis NGain di kotak Target Variable.
3. Tulis rumus (Posttest ? Pretest) / (100 ? Pretest) di kotak Numeric Expression, dengan nama variabel sesuai data Anda. Ganti 100 dengan skor maksimal tes Anda.
4. Klik OK. Kolom NGain akan muncul di Data View.
5. Untuk kategori, pakai Transform ? Recode into Different Variables: nilai di bawah 0,30 menjadi 1 (rendah), 0,30 sampai di bawah 0,70 menjadi 2 (sedang), dan 0,70 ke atas menjadi 3 (tinggi).

Di Excel: jika pretest di kolom B dan posttest di kolom C, tulis =(C2-B2)/(100-B2), lalu salin ke bawah.

Hal yang Perlu Diwaspadai

• Siswa dengan pretest sudah maksimal. Rumusnya menjadi pembagian dengan nol. Siswa seperti ini biasanya dikeluarkan dari perhitungan N-Gain, dan jumlahnya dilaporkan.
• N-Gain negatif. Terjadi jika posttest lebih rendah dari pretest. Nilai ini sah dan tetap dimasukkan.
• Instrumen pretest dan posttest harus setara, dengan skor maksimal yang sama.
• Menyimpulkan “efektif” tanpa kelas pembanding. Tanpa kelas kontrol, kenaikan bisa saja karena faktor lain, misalnya siswa sudah mengenal soal.

Contoh Penulisan di Bab 4

Rata-rata N-Gain kelas eksperimen sebesar 0,49 dan kelas kontrol sebesar 0,35, keduanya termasuk kategori sedang (Hake, 1998). Uji t Welch menunjukkan N-Gain kelas eksperimen lebih tinggi secara signifikan dibandingkan kelas kontrol, t(57,46) = 4,11; p < 0,001; d = 1,06. Hasil ini didukung ANCOVA dengan pretest sebagai kovariat: setelah perbedaan kemampuan awal dikendalikan, nilai posttest kelas eksperimen lebih tinggi 7,79 poin, F(1, 57) = 15,74; p < 0,001; partial ?² = 0,22.

Kesalahan yang Sering Terjadi

• Menyebut N-Gain sebagai uji signifikansi.
• Hanya melaporkan kategori rata-rata, tanpa sebaran kategori dan uji statistik.
• Mencampur cara menghitung, misalnya kelas eksperimen dari rata-rata individu dan kelas kontrol dari rata-rata kelas.
• Memakai skor maksimal yang salah, misalnya 100 padahal tes hanya bernilai maksimal 40.
• Memakai tabel tafsiran efektivitas tanpa sumber yang jelas.

Pertanyaan yang Sering Diajukan

Apakah N-Gain wajib diuji normalitas?

Jika nilai g per siswa akan diuji dengan uji t, ya, normalitas nilai g perlu diperiksa. Jika hanya dilaporkan secara deskriptif, tidak perlu.

Bolehkah memakai N-Gain tanpa kelas kontrol?

Boleh, misalnya pada penelitian tindakan kelas, tetapi kesimpulannya hanya sebatas “terjadi peningkatan dengan kategori tertentu”. Klaim bahwa metode tertentu lebih efektif membutuhkan kelas pembanding.

Skor maksimal saya bukan 100. Bagaimana?

Ganti angka 100 dalam rumus dengan skor maksimal tes Anda. Atau ubah dulu semua nilai ke skala 0–100.

Apakah ANCOVA lebih baik daripada N-Gain?

Untuk menguji perbedaan antarkelas, ANCOVA umumnya lebih kuat. N-Gain tetap berguna untuk menggambarkan besar peningkatan. Banyak penelitian melaporkan keduanya, seperti contoh di atas. Cara memilih analisis yang sesuai desain dijelaskan di artikel metode analisis data.

Butuh Teman Diskusi untuk Olah Data?

Masih ragu mengolah data pretest dan posttest penelitian Anda? Tim IDTesis bisa menemani Anda menghitung N-Gain, memeriksa syarat uji, memilih antara uji t dan ANCOVA, serta menuliskan hasilnya di Bab 4. Ceritakan dulu kebutuhan Anda lewat WhatsApp, atau lihat layanan olah data statistik.

Baca juga: Uji Beda T-Test · ANCOVA · Statistik Deskriptif

Referensi

• Bao, L. (2006). Theoretical comparisons of average normalized gain calculations. American Journal of Physics, 74(10), 917–922.
• Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE.
• Hake, R. R. (1998). Interactive-engagement versus traditional methods: A six-thousand-student survey of mechanics test data for introductory physics courses. American Journal of Physics, 66(1), 64–74.
• Meltzer, D. E. (2002). The relationship between mathematics preparation and conceptual learning gains in physics: A possible “hidden variable” in diagnostic pretest scores. American Journal of Physics, 70(12), 1259–1268.
• Vickers, A. J., & Altman, D. G. (2001). Analysing controlled trials with baseline and follow up measurements. BMJ, 323(7321), 1123–1124.