Artikel 10 : “SPSS + GPT-5: Duet Maut Analisis Data” (dengan Contoh Kasus)

• 5. Soal Kasus 1 — Efektivitas Pembelajaran Daring

Seorang peneliti pendidikan di Indonesia ingin menguji apakah metode pembelajaran daring meningkatkan prestasi belajar dibanding metode tatap muka tradisional.

Peneliti mengumpulkan sampel acak siswa kelas X dari beberapa SMA di satu provinsi. Data hasil ujian akhir semester (skala 0–100) untuk kelompok Tatap Muka (kontrol) dan Daring (perlakuan) adalah sebagai berikut (ringkasan):

Peneliti melakukan independent samples t-test (two-tailed) dengan asumsi varian hampir sama. Hasil ringkasan uji ditampilkan sebagai:

• a. Perbedaan mean (Daring – Tatap Muka) = 8.4 poin (ini ≈ 12% dari mean Tatap Muka)
• b. t(248) = 6.18
• c. p < 0.001
• d. Pooled SD ≈ 10.74
• e. Cohen’s d ≈ 0.78
• f. 95% CI untuk selisih mean ≈ [5.72, 11.08]
• 
  
• Berdasarkan hasil ini, sistem GPT-5 membaca output dan menyimpulkan:

“Metode daring terbukti meningkatkan skor rata-rata sebesar 12%, dengan dampak paling besar pada siswa di wilayah perkotaan. Disarankan sekolah menggabungkan metode daring dengan tatap muka untuk hasil optimal.”

Interpretasi lanjutan dri  GPT5 dibuat berdasarkan pertanyaan-pertanyaan berikut: 

• 1. Jelaskan hipotesis nol (H0) dan hipotesis alternatif (H1) untuk uji ini.
• 2. Interpretasikan nilai t(248) = 6.18 dan p < 0.001 dalam konteks penelitian ini.
• 3. Hitung dan jelaskan Cohen’s d secara singkat (apa maknanya di sini).
• 4. Jelaskan arti interval kepercayaan 95% [5.72, 11.08] untuk selisih mean.
• 5. Sebutkan dan jelaskan minimal empat asumsi uji t independen yang perlu diperiksa sebelum menerima hasil.
• 6. Peneliti mengklaim “dampak paling besar pada siswa di wilayah perkotaan.” Sebutkan tiga analisis lanjutan yang dapat dilakukan (dengan SPSS atau GPT-5) untuk menguji klaim tersebut.
• 7. Buatlah satu prompt singkat yang akan Anda berikan ke GPT-5 untuk meminta rekomendasi kebijakan sekolah berdasarkan hasil ini (prompt harus jelas dan ringkas).

• Jawaban dari GPT 5