METODE PENELITIAN
G. ANALISIS DATA 1. Uji Prasyarat Analisis 1.Uji Prasyarat Analisis
Teknik analisis data yang digunakan adalah analisis regresi ganda, teknik ini dipilih karena dalam penelitian ini terdapat lebih dari 1 variabel independen.
a. Uji Normalitas
Uji normalitas berarti sebuah pengujian yang bertujuan untuk melihat apakah sampel yang diambil mampu mewakili distribusi populasi. Jika distribusi sampel adalah normal dapat dikatakan sampel yang diambil mewakili populasi. Uji normalitas pada penelitian ini dengan menggunakan analisis grafik dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
Dengan melihat tampilan grafik normal plot dapat terlihat bahwa data atau titik-titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat dinyatakan bahwa model regresi memenuhi asumsi normalitas. Uji normalitas juga bisa menggunakan uji kolmogorov-smirnov. Jika nilai siginifikansi pada hasil uji kolmogorov-smirnov lebih besar dari 0,05 berarti model regresi terdistribusi normal.
b. Uji Multikolinieritas
Tujuan dari uji multikolonieritas adalah untuk menguji apakah pada model regresi terdapat adanya hubungan atau korelasi antar variabel bebas (independen) satu dengan lain. Regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel- variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Atau bisa sebut terdapat problem multikolinieritas (Ghozali,2005: 91). Sedangkan menurut (Singgih
commit to user
Santoso, 2002: 112) multikolinearitas dapat dilihat dari nilai VIF (variance inflaction factor). Pedoman suatu model yang bebas multikolinearitas yaitu mempunyai nilai VIF ≤ 4 atau 5.
c. Uji Autokorelasi
Uji autokorelasi merupakan pengujian asumsi dalam regresi dimana variabel dependen tidak berkorelasi dengan dirinya sendiri.
Korelasi dengan diri sendiri berarti bahwa nilai dari variabel dependen tidak berhubungan dengan nilai variabel itu sendiri, baik nilai variabel sebelumnya atau nilai periode sesudahnya (Santosa&Ashari, 2005: 240).
Uji autokorelasi dalam penelitian ini menggunakan pendekatan D-W (Durbin – Watson). Hal ini dapat diketahui dengan melihat nilai dari uji DW yang di konsultasikan dengan tabel DW.
H0 = tidak ada autokorelasi (r=0) Ha = ada autokorelasi (r≠0)
Pengambilan keputusan ada tidaknya autokorelasi :
1) Bila nilai DW terletak diantara batas atas atau upper bound (du) dan (4-du), maka koefisien auto korelasi sama dengan nol berarti tidak ada autokorelasi.
2) Bila nilai DW lebih rendah dari pada batas bawah atau lower bound (dl), maka koefisien autokorelasi lebih besar dari pada nol, berarti ada autokorelasi positif.
3) Bila nilai DW lebih besar dari pada (4 –dl), maka koefisien autokorelasi lebih kecil dari pada nol, berarti ada autokorelasi negatif.
4) Bila DW teletak diantara batas atas (du) dan batas bawah (dl) maka hasilnya tidak dapat disimpulkan.
d. Uji Linieritas
Asumsi ini menyatakan bahwa setiap persamaan regresi linier, hubungan antar variabel independen dan dependen harus linier. Untuk dapat menyimpulkan tingkat kelinieran suata data penelitian maka dilihat dari hasil yang terlihat pada ANOVA Table jika nilai linierity pada tabel
commit to user
tersebut menunjukkan signifikansi kurang dari 0,05
linierity menunjukkan signifikansi lebih dari 0,05 maka dapat data tersebut sudah memenuhi syarat linieritas.
e. Uji Heterokedasitistas
Pengujian ini digunakan untuk melihat apakah variab pengganggu mempunyai varian yang sama atau tidak. H
mempunyai suatu keadaan observasi dengan nilai prediksi) lain berbeda.
penyebaran residual pada grafik scatterplot terliha 2. Pengujian Hipotesis
Setelah uji prasyarat analisis dipenuhi maka akan d pengujian hipotesis yang telah dia
berikut:
a. Menghitung koefisien korelasi sederhana antara X terhadap Y.
1) Koefisien korelasi sederhana antara X ry1 =
2) Koefisien korelasi sederhana antara X ry2 =
tersebut menunjukkan signifikansi kurang dari 0,05 dan ni menunjukkan signifikansi lebih dari 0,05 maka dapat data tersebut sudah memenuhi syarat linieritas.
Uji Heterokedasitistas
Pengujian ini digunakan untuk melihat apakah variab pengganggu mempunyai varian yang sama atau tidak. Heteroskedastisitas mempunyai suatu keadaan bahwa varian dari residual (selisih antara nilai observasi dengan nilai prediksi) suatu pengamatan ke pengam
lain berbeda. Untuk memenuhi asumsi heterokodasistas maka penyebaran residual pada grafik scatterplot terlihat tidak teratur.
Pengujian Hipotesis
Setelah uji prasyarat analisis dipenuhi maka akan d
pengujian hipotesis yang telah diajukan. Langkah -langkahnya adalah sebagai
Menghitung koefisien korelasi sederhana antara X1 terhadap Y dan X
Koefisien korelasi sederhana antara X1 terhadap Y
Koefisien korelasi sederhana antara X2 terhadap Y
(Sudjana, 2002: 332) menunjukkan signifikansi lebih dari 0,05 maka dapat dikatakan
Pengujian ini digunakan untuk melihat apakah variabel eteroskedastisitas (selisih antara nilai suatu pengamatan ke pengamatan yang nuhi asumsi heterokodasistas maka
t tidak teratur.
Setelah uji prasyarat analisis dipenuhi maka akan dapat dilakukan langkahnya adalah sebagai
terhadap Y dan X2
(Sudjana, 2002: 332)
commit to user Ho : Tidak ada hubungan antara
dengan
Ha : Ada hubungan antara masing
pembelajaran dan sarana belajar) dengan variabel te (prestasi siswa).
dengan r ry < rteb
b. Menghitung koefisien korelasi multipel antara krete prediktor X1
Ry1,2 =
Dimana:
Ry(1,2) = koefisien korelasi antara X ry1 = koefisien korelasi antara Y dan X ry2 = koefisien korelasi antara Y dan X c. Uji Signifikansi
Uji signifikansi atau keberartian kriterium dengan prediktornya. U
F =
Dimana:
F = Menyatakan harga F garis regresi.
n = Menyatakan ukuran sampel.
k = Menyatakan banyaknya variabel bebas.
(Sudjana, 2002: 108)
R = Menyatakan koefisien korelasi antara kriterium prediktor
Ho : Tidak ada hubungan antara masing-masing var dengan variabel terikat.
Ha : Ada hubungan antara masing-masing variabel bebas (metode pembelajaran dan sarana belajar) dengan variabel te (prestasi siswa).
Setelah harga rhit ditemukan, kemudian dikonsultasikan dengan rtab pada taraf signifikansi 5%. Keputusan uji adalah Ap
= maka Ho diterima, ry > rtab= maka Ho ditolak.
Menghitung koefisien korelasi multipel antara kreterium Y dengan
1 dan prediktor X2dengan menggunakan rumus:
(Sudjana, 2002: 385)
= koefisien korelasi antara X1 dan X2
= koefisien korelasi antara Y dan X1
= koefisien korelasi antara Y dan X2
Uji Signifikansi
Uji signifikansi atau keberartian kriterium dengan prediktornya. Untuk uji signifikansi menggunakan rumus:
= Menyatakan harga F garis regresi.
= Menyatakan ukuran sampel.
= Menyatakan banyaknya variabel bebas.
(Sudjana, 2002: 108)
Menyatakan koefisien korelasi antara kriterium prediktor-prediktornya.
masing variabel bebas
masing variabel bebas (metode pembelajaran dan sarana belajar) dengan variabel terikat
ditemukan, kemudian dikonsultasikan pada taraf signifikansi 5%. Keputusan uji adalah Apabila
= maka Ho ditolak.
Menghitung koefisien korelasi multipel antara kreterium Y dengan dengan menggunakan rumus:
(Sudjana, 2002: 385)
Uji signifikansi atau keberartian kriterium dengan prediktor-ntuk uji signifikansi menggunakan rumus:
Menyatakan koefisien korelasi antara kriterium dengan
commit to user
d. Menghitung persamaan regresi linier multipel diguna berikut:
e. Menentukan sumbangan relatif dan sumbangan efektif prediktor.
Sumbangan relatif yaitu untuk mengetahui seberapa b sumbangan masing
adalah sebagai berikut:
Prediktor X1
Prediktor X2
(Sutrisno Hadi, 2001: 45)
Sumbangan efektif yaitu untuk mengetahui seberapa b sumbangan yang diberikan masing
Y.
Sumbangan Relati
Terlebih dahulu dicari efektif garis regresi dengan R2 =
Mencari sumbangan efektif X1 terhadap Y dengan rumu berikut:
SE% X1= SR% X
Menghitung persamaan regresi linier multipel digunakan rumus sebagai
X1 + a2X2 (Sudjana, 2002: 348)
koefisien a0, a1, dan a2dapat dihitung dengan menggunakan
X1 – a2X2
(Sudjana, 2002: 349)
Menentukan sumbangan relatif dan sumbangan efektif
Sumbangan relatif yaitu untuk mengetahui seberapa b sumbangan masing-masing variabel X terhadap variabel Y. Rumusnya
sebagai berikut:
1 : SR% =
2 : SR% = (Sutrisno Hadi, 2001: 45)
Sumbangan efektif yaitu untuk mengetahui seberapa b sumbangan yang diberikan masing-masing variabel X terhadap variabel
Sumbangan Relatif (SR) dihitung sebagai berikut:
Terlebih dahulu dicari efektif garis regresi dengan rumus sebagai berikut:
Mencari sumbangan efektif X1 terhadap Y dengan rumu
= SR% X1 × R2
58 kan rumus sebagai
dapat dihitung dengan menggunakan
Menentukan sumbangan relatif dan sumbangan efektif masing-masing
Sumbangan relatif yaitu untuk mengetahui seberapa besar masing variabel X terhadap variabel Y. Rumusnya
Sumbangan efektif yaitu untuk mengetahui seberapa besar masing variabel X terhadap variabel
rumus sebagai berikut:
Mencari sumbangan efektif X1 terhadap Y dengan rumus sebagai
commit to user
Mencari sumbangan efektif X2 terhadap Y dengan rumus sebagai berikut:
SE% X2 = SR% X2 × R2 R2 = efektifitas garis regresi.
Keterangan:
SR = sumbangan relatif masing-masing prediktor SE = sumbangan efektif masing-masing prediktor R2 = koefisien korelasi antara X1 dan X2 dengan Y (Sutrisno Hadi, 2001: 46)
commit to user 60 BAB IV
