HASIL PENELITIAN DAN PEMBAHASAN
C. Analisis data
4. Uji Analisis Jalur ( Path Analysis ) a. Pengertian analisis jalur (Path Analysis)
Analisis jalur adalah keterkaitan hubungan atau pengaruh antara variabel bebas, variabel moderator dan variabel terikat di mana peneliti mendefenisikan secar jelas bahwa suatu variabel akan menjadi penyebab variabel lainnya yang biasanya disajikan dalam bentuk
diagram. di dalam diagram ada gambar panah-panah yang menunjukan arah pengaruh antara variabel bebas, moderator dan variabel terikat, dan biasanya digambarkan dalam bentuk tanda panah satu arah (Noor, 2010 : 224).
Analisis jalur digunakan untuk menguji pengaruh langsung atau tidak langsung variabel Independen (input siswa) terhadap variabel pemoderator (persepsi siswa tentang kepala sekolah dan kompetensi sosial guru ) dan variabel dependen (prestasi belajar). Dengan demikian dapat ditarik kesimpulan apakah variabel persepsi siswa tentang kepala sekolah dan kompetensi sosial guru mempunyai fungsi sebagai pemoderator input siswa terhadap pencapaian prestasi belajar.
Gambar 3. Bagan Analisis Jalur X3 X1 X2 Y X4 Motivasi Belajar
Persepsi Siswa Tentang Kepemimpinan Kepala
Sekolah
Prestasi Belajar Input Siswa
Persepsi Siswa Tentang Kompetensi Sosial PX3X1 PX4X2 PX4X1 PX3X2 PYX1 PYX2 PYX3 PYX4
b. Penyelesaian kasus analisis jalur (Path Analysis)
Model dalam analisis jalur diasumsikan telah memenuhi persyaratan data berskala interval, berdistribusi normal, pemenuhan asumsi normalitas, validitas dan reliabilitas.
Dalam diagram diatas, akan dipecah menjadi 5 struktural yaitu : 1. Struktural bagian pertama persamaannya adalah :
X3 = βX1 + βX2 + ε
2. Struktural bagian kedua persamaannya adalah :
X4 = βX1 + βX2 + ε
X1
X3
X2
X1
X4
X2
3. Struktural bagian keempat persamaannya adalah :
Y = βYX1 + βYX2 + βYX3 + βYX4 + ε
c. Hasil analisis jalur (Path Analysis)
Dari hasil pengolahan data program SPSS Versi 16. Pada substruktural -1 terlihat tabel V.14 , koefisien jalur yang diperoleh diuji sebagai berikut
Tabel. V.14
Hasil Pengujian Koefisien Jalur Sub Struktural -1
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1Regression 206.673 2 103.336 3.861 .027a Residual 1579.263 59 26.767 Total 1785.935 61 a. Predictors: (Constant), X2, X1 b. Dependent Variable: X3
X1
X1
Y
X2
X4
PX3X1 = 0, 340 PX3X2 = - 0,051 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1(Constant) 44.253 8.479 5.219 .000 X1 .159 .058 .340 2.772 .007 X2 -.395 .953 -.051 -.415 .680 a. Dependent Variable: X3 Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .340a .116 .086 5.174 a. Predictors: (Constant), X2, X1
Dari hasil pengolahan data program SPSS Versi 16. Pada substruktural -2 terlihat tabel V.15, koefisien jalur yang diperoleh diuji sebagai berikut.
Tabel. V.15
Hasil Pengujian Koefisien Jalur Sub Struktural -2
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1Regression 338.558 2 169.279 5.782 .005a
Residual 1727.442 59 29.279
Total 2066.000 61
a. Predictors: (Constant), X2, X1 b. Dependent Variable: X4
PX4X1 = 0,402 PX4X2 = 0,025 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1(Constant) 32.015 8.868 3.610 .001 X1 .203 .060 .402 3.367 .001 X2 .210 .996 .025 .211 .834 a. Dependent Variable: X4 Model Summary
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .405a .164 .136 5.411
a. Predictors: (Constant), X2, X1
Dari hasil pengolahan data program SPSS Versi 16. Pada substruktural -3 terlihat tabel V.16. , koefisien jalur yang diperoleh diuji sebagai berikut:
Tabel. V.16
Hasil Pengujian Koefisien Jalur Sub Struktural -3
ANOVAb
Model
Sum of
Squares Df Mean Square F Sig.
1 Regression 1297.452 4 324.363 4.100 .005a
Residual 4509.467 57 79.113
ANOVAb
Model
Sum of
Squares Df Mean Square F Sig.
1 Regression 1297.452 4 324.363 4.100 .005a Residual 4509.467 57 79.113 Total 5806.919 61 a. Predictors: (Constant), X4, X2, X1, X3 b. Dependent Variable: Y PYX1 = 0,166 PYX2 = 0,269 PYX3 = - 0, 391 PYX4 = 0,180 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1(Constant) 59.907 18.017 3.325 .002 X1 .140 .110 .166 1.274 .208 X2 3.761 1.642 .269 2.290 .026 X3 -.704 .238 -.391 -2.965 .004 X4 .301 .227 .180 1.326 .190 a. Dependent Variable: Y Model Summary
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .473a .223 .169 8.895
a. Predictors: (Constant), X4, X2, X1, X3
1) Substruktural 1 ( Perhatikan Hasil Output Regresi Sub 1)
Uji secara simultan ditunjukan oleh tabel V.14 Anova. Hipotesis statistik dirumuskan sebagai berikut :
Ha : Motivasi belajar dan input siswa berpengaruh terhadap persepsi siswa tentang kepemimpinan kepala sekolah Ho : Motivasi belajar dan input siswa tidak berpengaruh terhadap
persepsi siswa tentang kepemimpinan kepala sekolah Tabel anova diperoleh nilai F sebesar 3, 861 dengan nilai probabilitas (sig) = 0,027, karena nilai sig < 0,05, maka keputusannya adalah Ho ditolak dan Ha diterima artinya motivasi belajar dan (X1), input siswa (X2) secara simultan berpengaruh terhadap persepsi siswa tentang kepemimpinan kepala sekolah (X3). Besarnya koefisien determinan R square atau R2 adalah = 0,116 = 11,6% (tabel V.12. Model Summary) dan besarnya pengaruh variabel lain diluar variabel diatas adalah =
.
Model simultan ini terjadi secara signifikan. Hal ini dapat dilihat dari probalility yang kurang dari 0,05. Sehingga dapat diambil kesimpulan secara simultan motivasi belajar dan input siswa berpengaruh terhadap persepsi siswa tentang kepemimpinan kepala sekolah, besaran pengaruhnya adalah 0,116, atau menjadi 11,6 % yang merupakan pengaruh kedua variabel tersebut terhadap persepsi siswa tentang kepemimpinan
kepala sekolah. Adapun sisanya 88,4 % dipengaruhi oleh faktor atau variabel lain di luar model.
2) Substruktural 2 ( Perhatikan Hasil Output Regresi Sub 2)
Uji secara simultan ditunjukan oleh tabel V.15 Anova. Hipotesis statistik dirumuskan sebagai berikut :
Ha : Motivasi belajar dan input siswa berpengaruh terhadap persepsi siswa tentang kompetensi sosial guru
Ho : Motivasi belajar dan input siswa tidak berpengaruh terhadap persepsi siswa tentang kompetensi sosial guru Tabel anova diperoleh nilai F sebesar 5,782 dengan nilai probabilitas (sig) = 0,005, karena nilai sig < 0,05, maka keputusannya adalah Ho ditolak dan Ha diterima artinya motivasi belajar dan (X1), input siswa (X2) secara simultan berpengaruh terhadap persepsi siswa tentang kompetensi sosial guru (X4). Besarnya koefisien determinan R square atau R2 adalah = 0,164 = 16,4% (tabel V.13. Model Summary) dan besarnya pengaruh variabel lain diluar variabel diatas adalah =
.
Model simultan ini terjadi secara signifikan. Hal ini dapat dilihat dari probalility yang kurang dari 0,05. Sehingga dapat diambil kesimpulan secara simultan motivasi belajar dan input siswa berpengaruh terhadap persepsi siswa tentang kompetensi sosial guru, besaran pengaruhnya adalah 0,164, atau menjadi
16,4% yang merupakan pengaruh kedua variabel tersebut terhadap persepsi siswa tentang kompetensi sosial guru. Adapun sisanya 83,6 % dipengaruhi oleh faktor atau variabel lain di luar model.
3) Substruktural 3 ( Perhatikan Hasil Output Regresi Sub 6)
Uji secara simultan ditunjukan oleh tabel V.16 Anova. Hipotesis statistik dirumuskan sebagai berikut :
Ha : Motivasi belajar dan input siswa berpengaruh terhadap prestasi belajar siswa dengan adanya persepsi siswa tentang kepemimpinan kepala sekolah dan kompetensi sosial guru
Ho : Motivasi belajar dan input siswa tidak berpengaruh terhadap prestasi belajar siswa dengan adanya persepsi siswa tentang kepemimpinan kepala sekolah dan kompetensi sosial guru
Tabel anova diperoleh nilai F sebesar 4,100 dengan nilai probabilitas (sig) = 0,005, karena nilai sig < 0,05, maka keputusannya adalah Ho ditolak dan Ha diterima artinya motivasi belajar dan (X1), input siswa (X2) secara simultan berpengaruh terhadap prestasi belajar (Y) dengan persepsi siswa tentang kepemimpinan kepala sekolah (X3) dan persepsi siswa tentang kompetensi sosial guru (X4). Besarnya koefisien determinan R square atau R2 adalah = 0,223 = 22,3% (tabel 4.16.
Model Summary) dan besarnya pengaruh variabel lain diluar
variabel diatas adalah = .
Model simultan ini terjadi secara signifikan. Hal ini dapat dilihat dari probalility yang kurang dari 0,05. Sehingga dapat diambil kesimpulan secara simultan motivasi belajar dan input siswa berpengaruh terhadap prestasi belajar dengan adanya persepsi siswa tentang kepemimpinan kepala sekolah dan kompetensi sosial guru, besaran pengaruhnya adalah 0,223, atau menjadi 22,3% yang merupakan pengaruh keempat variabel tersebut terhadap prestasi belajar. Adapun sisanya 77,7% dipengaruhi oleh faktor atau variabel lain di luar model.
e. Rincian Koefisien jalur ( path analysis ) 1) Pengaruh Langsung (Direct effect atau DE)
a) Pengaruh variabel motivasi belajar terhadap persepsi siswa tentang kepemimpinan kepala sekolah:
(X1 X3) = 0,340
b) Pengaruh variabel input siswa terhadap persepsi siswa tentang kepemimpinan kepala sekolah:
(X2 X3) = -0,051
c) Pengaruh variabel motivasi belajar terhadap persepsi siswa tentang kompetensi sosial guru:
d) Pengaruh variabel input siswa terhadap persepsi siswa tentang kompetensi sosial guru:
(X2 X4) = 0,025
e) Pengaruh variabel motivasi belajar siswa terhadap prestasi belajar:
(X1 Y) = 0,116
f) Pengaruh variabel input siswa terhadap prestasi belajar: (X2 Y) = 0,269
g) Pengaruh variabel persepsi siswa tentang kepemimpinan kepala sekolah terhadap prestasi belajar:
(X3 Y) = - 0,391
h) Pengaruh variabel persepsi siswa tentang kompetensi sosial guru terhadap prestasi belajar:
(X4 Y) = 0,180 2) Pengaruh Tidak Langsung (Indirect effect atau IE)
a) Pengaruh variabel motivasi belajar terhadap prestasi belajar melalui persepsi siswa tentang kepemimpinan kepala sekolah (X1 X3 Y) = 0,340 x – 0,391 = - 0,133
b) Pengaruh variabel input siswa terhadap prestasi belajar melalui persepsi siswa tentang kepemimpinan kepala sekolah (X2 X3 Y) = -0,051 x -0,391 = - 0,020
c) Pengaruh variabel motivasi belajar terhadap prestasi belajar melalui persepsi siswa tentang kompetensi sosial guru (X1
X4 Y) = 0,402 x 0,180 = 0,072
d) Pengaruh variabel input siswa terhadap prestasi belajar melalui persepsi siswa tentang kompetensi sosial guru (X2
X4 Y) = 0,025 x 0,180 = 0,004
f. Rangkuman dari koefisien jalur, pengaruh langsung, pengaruh tidak langsung, dan total dari pengaruh masing-masing variabel.
Tabel. V.17
Rangkuman Dari Koefisien Jalur (Pengaruh Langsung, Tidak Langsung Dan Total)
No Pengaruh Variabel Langsung Tidak Langsung (Melalui X3) Tidak Langsung (Melalui X4) Total 1 X1 X3 0,340 0 0 0,340 2 X2 X3 -0,051 0 0 -0,051 3 X1 X4 0,402 0 0 0,402 4 X2 X4 0,025 0 0 0,025 5 X1 Y 0,116 - 0,133 0,072 0,055 6 X2 Y 0,269 - 0,020 0,004 0,253 7 X3 Y -0,391 0 0 -0,391 8 X4 Y 0,180 0 0 0,180
g. Model teoritis analisis jalur (path anaysis)
Gambar 3. Model Teoritis Analisis Jalur X3
X1
X2
Y
X4 h. Hasil pengujian hipotesis dan kesimpulan
a) Motivasi belajar (X1) terhadap persepsi siswa tentang kepemimpinan kepala sekolah (X3)
Berdasarkan hasil analisis data, diperoleh koefisien jalur (ρ X1X3) = 0,340. Harga t hitung = 2,772, sedangkan harga t tabel (α = 0,05 ; 20) = 1,671. Fakta ini mengungkapkan bahwa t hitung >t tabel, berarti Ho ditolak dan Ha diterima, artinya koefisien jalur ini signifikan. Dalam analisis jalur, Temuan ini dapat diinterpretasikan bahwa motivasi belajar (X1) memiliki pengaruh terhadap persepsi siswa tentang kepemimpinan kepala sekolah (X3).
Motivasi Belajar
Persepsi Siswa Tentang Kepemimpinan Kepala
Sekolah
Prestasi Belajar Input Siswa
Persepsi Siswa Tentang Kompetensi Sosial 0,340 0,025 0,402 -0,051 0,055 0,253 -0,391 0,180
b) Input siswa (X2) terhadap persepsi siswa tentang kepemimpinan kepala sekolah (X3)
Berdasarkan hasil analisis data, diperoleh koefisien jalur (ρ X2X3) = -0,051. Harga t hitung = - 0, 415, sedangkan harga t tabel (α = 0,05 ; 20) = 1,671. Fakta ini mengungkapkan bahwa t hitung <t tabel, berarti Ho diterima dan Ha ditolak, artinya koefisien jalur ini tidak signifikan. Dalam analisis jalur, Temuan ini dapat diinterpretasikan bahwa input siswa (X1) tidak memiliki pengaruh terhadap persepsi siswa tentang kepemimpinan kepala sekolah (X3). Ada faktor eksogenus lain diluar variabel input siswa yang mampu menjadikan persepsi siswa tentang kepemimpinan kepala sekolah sukses menjadi pemoderator.
c) Motivasi belajar (X1) terhadap persepsi siswa tentang kompetensi sosial guru (X4)
Berdasarkan hasil analisis data, diperoleh koefisien jalur (ρ X2X4) = 0,402. Harga t hitung = 3,367, sedangkan harga t tabel (α = 0,05 ; 20) = 1,671. Fakta ini mengungkapkan bahwa t hitung >t tabel, berarti Ho ditolak dan Ha diterima, artinya koefisien jalur ini signifikan. Dalam analisis jalur, Temuan ini dapat diinterpretasikan bahwa motivasi belajar (X1) memiliki pengaruh terhadap persepsi siswa tentang kompetensi sosial guru (X3).
d) Input siswa (X2) terhadap persepsi siswa tentang kompetensi sosial guru (X4)
Berdasarkan hasil analisis data, diperoleh koefisien jalur (ρ X2X4) = 0,025. Harga t hitung = 0, 211, sedangkan harga t tabel (α = 0,05 ; 20) = 1,671. Fakta ini mengungkapkan bahwa t hitung <t tabel, berarti Ho diterima dan Ha ditolak, artinya koefisien jalur ini tidak signifikan. Dalam analisis jalur, Temuan ini dapat diinterpretasikan bahwa input siswa (X2) tidak memiliki pengaruh terhadap persepsi siswa tentang kompetensi sosial guru (X3). Ada faktor eksogenus lain diluar variabel input siswa yang mampu menjadikan persepsi siswa tentang kompetensi sosial guru sukses menjadi pemoderator.
e) Motivasi belajar (X1) terhadap prestasi belajar (Y). Berdasarkan
hasil analisis data, diperoleh koefisien jalur (ρ YX1) = 0,055. Harga t hitung = 1,274, sedangkan harga t tabel (α = 0,05 ; 20)
= 1,671. Fakta ini mengungkapkan bahwa t hitung <t tabel, berarti Ho diterima dan Ha ditolak, artinya koefisien jalur ini tidak signifikan. Dalam analisis jalur, Temuan ini dapat diinterpretasikan bahwa motivasi belajar (X1) tidak memiliki pengaruh terhadap prestasi belajar (Y)
f) Input siswa (X2) terhadap prestasi belajar (Y). Berdasarkan hasil
analisis data, diperoleh koefisien jalur (ρ YX2) = 0,253. Harga t
hitung = 2, 290, sedangkan harga t tabel (α = 0,05 ; 20) = 1,671. Fakta ini mengungkapkan bahwa t hitung >t tabel, berarti Ho ditolak dan Ha diterima, artinya koefisien jalur ini signifikan. Dalam analisis
jalur, Temuan ini dapat diinterpretasikan bahwa input siswa (X1) memiliki pengaruh terhadap prestasi belajar (Y)
g) Persepsi siswa tentang kepemimpinan kepala sekolah (X3) terhadap prestasi belajar (Y). Berdasarkan hasil analisis data,
diperoleh koefisien jalur (ρ YX3) = -0,391,. Harga t hitung = - 2,965, sedangkan harga t tabel (α = 0,05 ; 20) = 1,671. Fakta ini mengungkapkan bahwa t hitung <t tabel, berarti Ho diterima dan Ha ditolak, artinya koefisien jalur ini tidak signifikan. Dalam analisis jalur, Temuan ini dapat diinterpretasikan bahwa persepsi siswa tentang kepemimpinan kepala sekolah (X3) memiliki tidak ada pengaruh terhadap prestasi belajar (Y)
h) Persepsi siswa tentang kompetensi sosial guru (X4) terhadap prestasi belajar (Y). Berdasarkan hasil analisis data, diperoleh
koefisien jalur (ρ YX4) =0,180. Harga t hitung = 1,326, sedangkan harga t tabel (α = 0,05 ; 20) = 1,671. Fakta ini mengungkapkan bahwa t
hitung <t tabel, berarti Ho diterima dan Ha ditolak, artinya koefisien jalur ini tidak signifikan. Dalam analisis jalur, Temuan ini dapat diinterpretasikan bahwa persepsi siswa tentang kompetensi sosial guru (X4) memiliki tidak ada pengaruh terhadap prestasi belajar (Y)
i) Pengkodean simbol analisis jalur
Gambar 4. Pengkodean Analisis Jalur X3 X1 X2 Y X4 Keterangan : - = tidak berpengaruh + = berpengaruh
Rangkuman : analisis jalur digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung variabel bebas (eksogenus) terhadap variabel terikat (endogenus). Dari hasil interpretasi data dan kesimpulan, analisis jalur pengaruh total tidak terjadi pada variabel motivasi belajar (X1) dan input siswa (X2) terhadap prestasi belajar
Motivasi Belajar
Persepsi Siswa Tentang Kepemimpinan Kepala
Sekolah
Prestasi Belajar Input Siswa
Persepsi Siswa Tentang Kompetensi Sosial + - + - - + - -
(Y) dengan adanya persepsi siswa tentang kepemimpinan kepala sekolah (X3), persepsi siswa tentang kompetensi sosial guru (X4). 5. Pengujian Asumsi Klasik
a. Uji Multikolinieritas
Multikolinieritas merupakan suatu perselingkuhan atau hubungan antara variabel bebas yang satu dengan yang lain. Dalam hal ini variabel tersebut disebut variabel yang bersifat tidak ortogonal. Variabel yang bersifat tidak ortogonal tersebut merupakan variabel bebas yang korelasinya tidak sama dengan nol. Untuk mendeteksi masalah multikolinieritas dapat menggunakan rumus korelasi. Adapun rumus korelasi sebagai berikut (Sugiyono, 2010):
Selanjutnya dengan program SPSS diadakan analisa collinerity statistics. Dari analisis collinerity statistics akan memperoleh VIF (Variance Inflation Factor). Dasar analisis yang digunakan yaitu jika
tolerance lebih dari 0,1 dan VIF kurang dari 5 maka tidak terjadi masalah multikolinieritas. Hasil output dari uji multikolinearitas sebagai berikut:
Tabel V.18
Hasil Uji Multikolinearitas
Coefficientsa
Model Collinearity Statistics Tolerance VIF 1. (Constant) motivasi_belajar persepsi_ks persepsi_komsos input_siswa .799 .785 .742 .989 1.251 1.274 1.348 1.011
Sumber: data diolah, 2013
Berdasarkan output diatas, dapat diketahui bahwa nilai tolerance
dari keempat variabel yaitu: motivasi belajar siswa (0,799), input siswa (0,989), persepsi siswa tentang kepemimpinan kepala sekolah (0,785) dan pemahaman (0,743) lebih besar dari 0,1. Sedangkan nilai VIF dalam keempat variabel tersebut pun kurang dari 5. VIF dari keempat variabel yaitu: motivasi belajar (1,251), input siswa (1,011) persepsi siswa tentang kepemimpinan kepala sekolah (1,274) dan persepsi siswa tentang kompetensi sosial guru (1,348). Maka dapat dikatakan nilai VIF < 5 sehingga dapat disimpulkan bahwa dalam model regresi tidak terjadi masalah multikolinearitas.
b. Uji Heteroskedastis
Heteroskedastisitas adalah suatu keadaan dimana varians dari kesalahan pengganggu tidak konstan untuk suatu variabel bebas. Untuk mendeteksi ada tidaknya masalah heteroskedastisitas digunakan uji Glejser dengan cara meregresikan antara variabel independen dengan nilai absolut residualnya. Jika signifikansi antara variabel independen dengan nilai absolut residualnya > 0,05 maka tidak terjadi masalah heteroskedastisitas, tetapi jika < 0,05 maka terjadi masalah heteroskedastisitas. Hasil output adalah sebagai berikut:
Tabel V.19
Hasil Uji Heteroskesdastis Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1(Constant) -2.159 10.730 -.201 .841 motivasi_belajar .035 .066 .079 .537 .593 persepsi_ks .102 .142 .106 .719 .475 persepsi_komsos -.075 .135 -.084 -.551 .584 input_siswa .557 .978 .075 .569 .571
a. Dependent Variable: ABS_RES
Sumber: data diolah, 2013
Berdasarkan tabel diatas, signifikansi (p-value) dari ketiga variabel yaitu: motivasi belajar (0,593), input siswa (0,571) persepsi siswa tentang kepemimpinan kepala sekolah (0,475) dan persepsi siswa tentang kompetensi sosial guru (0,584). Oleh karena itu dapat dikatakan bahwa nilai signifikansi (p-value) > 0,05 sehingga dapat
disimpulkan bahwa dalam model regresi tidak terjadi masalah heteroskedastisidas.
c. Uji Auto Korelasi
Autokorelasi adalah suatu keadaan dimana keselahan pengganggu dari satu observasi terhadap observasi selanjutnya yang berurutan tidak berpengaruh atau tidak terjadi korelasi. Dalam penelitian ini uji autokorelasi menggunakan metode Durbin Watson. Cara mendeteksi masalah autokorelasi dengan metode Durbin Watson adalah sebagai berikut:
1) dU < DW < 4-dU maka H0 diterima (tidak terjadi autokorelasi) 2) DW < dL atau DW > 4-dL maka H0 ditolak (terjadi autokorelasi) 3) dL < DW < dU atau 4-dU < DW < 4-dL maka tidak ada keputusan
yang pasti
Dari hasil data yang telah diolah melalui program SPSS 16.0, diperoleh output sebagai berikut:
Tabel V.20
Hasil Uji Auto Korelasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .493a .243 .190 8.781 1.494
a. Predictors: (Constant), input_siswa, persepsi_ks, motivasi_belajar, persepsi_komsos
Berdasarkan output diatas dapat diketahui bahwa nilai Durbin Watson (DW) sebesar 1,494. Dengan melihat tabel Durbin Watson pada signifikansi 0,05; jumlah responden (n) = 62 dan jumlah variabel independen (k) = 4 didapat dL = 1,4554 dU = 1,7288. Maka didapat hasil nilai DW berada diantar dL dan dU yaitu 1,4554 < 1,494 <1,7288 Oleh karena itu dapat disimpulkan bahwa dalam model regresi tidak dapat disimpulkan karena tidak ada keputusan yang pasti
