Analisis Data

BAB 1 PENDAHULUAN

H. Uji Validitas dan Reliabilitas

I. Analisis Data

Penelitian ini bertujuan untuk mengetahui ada tidaknya pengaruh secara parsial dan simultan antara kecerdasan Inteligensi (IQ) dan Motivasi belajar siswa terhadap hasil belajar siswa mata pelajaran sosiologi kelas X Man Gondanglegi. Teknik analisis data yang digunakan oleh peneliti dalam penelitian ini adalah: 1. Analisis Statistik Deskriptif

Penelitian ini menggunakan data jenis kuantitatif yang dinyatakan dengan angka dan dianalisis dengan teknik statistik. Data tersebut diperoleh dari hasil penskoran kuesioner atas jawaban yang diberikan responden. Untuk menentukan

klasifikasi kondisi tiap-tiap variabel terlebih dahulu ditentukan perhitungan panjang kelas interval. Rumus yang digunakan untuk menghitung panjang kelas interval adalah sebagai berikut:

Panjang kelas interval =^{Skor tertinggi − skor terendah} Banyak kelas interval

Setelah menentukan panjang interval total nilai tiap item dimasukkan ke dalam tiap interval, sehingga dapat difrekuensikan tiap klasifikasi. Dari frekuensi tersebut, skor yang didapat kemudian dihitung dengan tingkat persentasenya untuk selanjutnya dikualifikasi. Untuk menentukan besarnya persentase digunakan rumus:

P = ^𝐹

𝑁^𝑥100%

Keterangan: P = Persentase

F = Frekuensi (banyaknya responden yang menjawab) N = Jumlah responden

2. Uji Asumsi Klasik

Dalam menggunakan alat analisis regresi, perlu dilakukan pengujian asumsi klasik, agar hasil dari analisis ini menunjukkan hubungan yang valid

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, baik versi dependen ataupun independen, keduanya mempunyai distribusi normal atau tidak, model regresi yang baik adalah regresi yang mempunyai distribusi normal

atau mendekati normal.⁶² Uji normalitas menguji apakah model regresi variabel independen dan variabel dependen, keduanya berdistribusi secara normal atau tidak. Uji ini adalah untuk menguji normal atau tidaknya suatu distribusi data.

Pedoman pengambilan keputusan:

Nilai sig atau signifikansi probabilitas <0,05 distribusi adalah tidak normal. .Nilai sig atau signifikansi atau probabilitas > 0,05 distribusi adalah normal. b. Uji Multikolinearitas

Menurut Algifari multikolinearitas artinya antara variabel bebas yang terdapat dalam model memiliki hubungan yang sempurna atau mendekati sempurna. Salah satu cara untuk mendeteksi kolinieritas dilakukan dengan mengkolerasikan antar variabel dan apabila korelasinya signifikan, maka antara variabel bebas tersebut terjadi multikolinieritas.⁶³

Uji multikolinearitas ini bertujuan untuk mengetahui apakah dalam regresi ini ditemukan adanya korelasi antar variabel bebas. Kemudian dasar pengambilan keputusan pada uji multikolinearitas ini adalah sebagai berikut:

a). Melihat nalai tolerance

1). jika nilai tolerance >0,10 maka tidak terjadi multikolinieritas

2). Jika nilai tolerance <0,10 atau = 0,10. Maka terjadi Multikolinieritas. b). Melalui Nilai VIF (Variance Inflation Factor)

1). Jika Nilai VIF < 10,00 maka tidak terjadi multikolinieritas. 2). Jika nilai VIF > 10,00 = 10,00 maka terjadi multikolinieritas. c. Uji Heteroskedastisitas

62 Imam Ghozali, Aplikasi Analisis Multivariate dengan program IBM SPSS 19. Semarang, (Badan Penerbit Universitas Diponegoro: 2011). Hlm 160

Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual atau pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengaamatan ke pengamatan lain tetap, maka disebut heteroskedastisitas. Model regresi yang baik adalah homoskedastisitas atau tidak terjadi heteroskedastisitas. Kebanyakan data crossection mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran ( kecil, sedang dan besar).⁶⁴

Adapun dasar untuk menganalisinya adalah:

1). Jika ada pola tertentu (bergelombang, melebar, kemudian menyempit), maka, mengidentifikasi bahwa telah terjadi heteroskedastisitas.

2). Jika tidak ada pola yang tertentu serta titik menyebut di atas dan di bawah angka nol dari sumbu y maka, tidak terjadi heteroskedastisitas. d. Uji Autokelerasi

Uji autokolerasi ini bertujuan untuk mengetahui apakah dalam model regresi linier ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan pada periode t1 (sebelumnya). Dalam penelitian ini untuk mencari nhasil dari autokolerasi dapat dilakukan dengan menggunakan uji Durbin Watson, dan pengabilan keputusan pada uji autokolerasi ini adalah:

Jika d lebih kecil dari dL atau lebih besar dari (4-dL), maka hipotesis nol ditolak, yang berarti terdapat autokolerasi

Jika d terletak diantara dU dan (4-dU), aka hipotesis nol diterima, yang artinya tidak terdapat autokolerasi.

64 Ibid, hlm 110

Jika d terletak diantara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak menghasilkan kesimpulan yang pasti.

3. Analisis Regresi Linier Berganda

Untuk menentukan ketepatan prediksi apakah ada hubungan yang kuat antara variabel terikat (Y) kesulitan belajar dan variabel bebas (XI), (X2), dan (X3), yaitu minat belajar, lingkungan keluarga, dan lingkungan sekolah, maka dalam penelitian ini rumus regresinya sebagai berikut:

Y= 𝑎 + 𝑏₁ 𝑋₁ +𝑏₂𝑋₂+𝑏₃𝑋₃+…+e Keterangan :

Y = Variabel dependen (kesulitan belajar) a = konstanta

𝑏₁ = koefisien regresi 𝑋₁ 𝑏₂ = koefisien regresi𝑋₂ 𝑏₂ = koefisien regresi𝑋₃

𝑋₁ = Variabel independen (minat belajar )

𝑋₂ = Variabel Independen (lingkungan Keluarga) 𝑋₃ = Variabel Independen (Lingkungan Sekolah )

4. Uji Hipotesis a. Uji Simultan (F)

Analisis simultan ini digunakan untuk menentukan variabel bebas yang memiliki pengaruh secara bersama-sama yang signifikan terhadap variabel terikat. Untuk mengetahui signifikan tidaknya suatu korelasi berganda ini maka dilakukan dengan menggunakan rumus uji F adalah sebagai berikut:

F hitung = 𝑅2 𝑘−1 1−𝑅2 𝑛−𝑘 𝑅2 = koefisien determinasi 𝑘 = jumlah variabel bebas 𝑛 = jumlah sampel

Adapun langkah-langkah yang digunakan untuk uji F adalah:

1). Jika Fhitung < F tabel maka Ho diterima dan Ha ditolak, ini berarti tidak terdapat pengaruh simultan oleh variabel X dan Y. dan jika Fhitung > F tabel maka Ho ditolak dan Ha diteria, ini berarti terdapat pengaruh simultan oleh variabel X dan Y.

2). Cara singkat dan cepat untuk melihat signifikansi uji F, yaitu bila nilai F hitung lebih besar dari pada 4, maka Ho yang menyatakan b1=b2=….bk =0 dapat ditolak pada derajat kepercayaan 5%. Dengan kata lain, kita mnerima Ha, yang mengatakan semua variabel independen secara serentak dan signifikan mempengaruhi variabel dependen.65

b. Uji Parsial (t)

Uji parsial yaitu uji statistic secara individual untuk mengetahui pengaruh masing-masing variabel bebas terhadap variabel terika dengan menggunakan uji t. analisis secara parsial ini digunakan untuk menentukan variabel bebas yang meiliki variable hubungan paling dominan terhadap variabel bebas terikat sehingga digunakan uji t (uji parsial).

Rumus:

t

hitung= ^𝑏−𝛽_𝑆𝑜

65 Kuncoro Mudjarat, Metode kuantitatif Teori dan Aplikasi Untuk Bisnis dan Ekonomi, (Yogyakarta: STM YKPN,2007), hlm 83

dimana :

b = koefisien regresi variabel So = standar eror

Β = koefisien beta

Adapun langkah-langkah yang digunakan untuk uji t adalah:

1). Jika thitung < t tabel maka Ho diteria dan Ha ditolak, ini berarti tidak terdapat pengaruh antara variabel X dan Y. dan jika thiung> ttabel maka Ho ditolak dan Ha diterima ini berarti terdapat pengaruh antara variabel X dan Y.

2). Cara singkat dan cepat untuk elihat signifikansi uji t adalah bila jumlah degree of freedom adalah 20 atau lebih dan derajatkepercayaan sebesar 5%, maka Ho yang menyatakan b1 = 0 dapat ditolak bila nilai t lebih besar dari 2 (dalam nilai absolute). Dengan kata lain Ha diterima, yang menyatakan bahwa satu variabel independen secara individual mempengaruhi variabel dependen.

78