Menguji linieritas dengan langkah-langkah berikut; (1) Mencari Jumlah Kuadrat Error (JKE) dengan rumus:
JKE = ∑k =
(2) Mencari Jumlah Kuadrat Tuna Cocok (JKTC) dengan rumus:
JKTC = JKRes – JKE
= 16058,39 – 5453
= 10605,39
(3) Mencari Rata-rata Jumlah Kuadrat Tuna Cocok (RJKTC) dengan rumus:
RJKTC =
=
= 392,7922206
(4) Mencari Rata-rata Jumlah Kuadrat Error (RJKE) dengan rumus:
RJKE =
=
=
=
(5) Mencari F hitung dengan rumus: F hitung =
=
Perlu diketahui bahwa uji linieritas berbeda dengan uji signifikansi, adapun perbedaannya terletak pada pengambilan keputusan (kaidah pengujian) yaitu:
(a) Menentukan Keputusan Pengujian Signifikansi
Jika maka tolak Ho, artinya
signifikan maka terima Ho, artinya tidak signifikan
(b) Menentukan Keputusan Pengujian Linieritas
Jika maka terima Ho, artinya data berpola tidak linier
Jika maka tolak Ho, artinya data berpola linier
(c) Menentukan Keputusan Pengujian Linieritas
Jika maka terima Ho, artinya data berpola tidak linier
Jika maka tolak Ho, artinya data
berpola linier
Dengan taraf signifikan (α) = 0,05 = F (1-α) (dk TC, dk E)
= F (1 - 0,05 ) (dk = k – 2, dk = n – k ) = F (1– 0,05) (dk = 29 – 2, dk = 50 – 229) = F (1 – 0,05) (dk = 27, dk = 16)
= F (0,95) (27, 16)
Cara mencari = Ftabel dk = 27 = pembilang, dk = 16 = penyebut
= F tabel = 2,24
Membandingkan
Ternyata F hitung < F tabel atau 1,15251706< 2,19, maka tolak Ho artinya data berpola linier.
Kesimpulan variabel Iklim Sekolah terhadap Motivasi Belajar Siswa berpola linier.
b) Kinerja Guru
Menguji linieritas dengan langkah-langkah berikut; (1) Mencari Jumlah Kuadrat Error (JKE) dengan rumus:
JKE = ∑k =
= 1330577(proses pada lampiran)
(2) Mencari Jumlah Kuadrat Tuna Cocok (JKTC) dengan rumus:
JKTC = JKRes – JKE
= 17336,19 – 1330577 = -1313240
(3) Mencari Rata-rata Jumlah Kuadrat Tuna Cocok (RJKTC) dengan rumus:
=
=
= -46901,4
(4) Mencari Rata-rata Jumlah Kuadrat Error (RJKE) dengan rumus:
RJKE =
=
=
=
(5) Mencari F hitung dengan rumus: F hitung =
=
= -0,52873
Dengan taraf signifikan (α) = 0,05 = F (1-α) (dk TC, dk E)
= F (1 - 0,05 ) (dk = k – 2, dk = n – k ) = F (1 – 0,05) (dk = 30– 2, dk = 50 – 30) = F (1 – 0,05) (dk = 28, dk = 20)
Cara mencari = Ftabel dk = 28 = pembilang,
dk = 20 = penyebut
= F tabel = 2,29
Membandingkan
Ternyata F hitung < F tabel atau -0,52873 < 2,29, maka tolak Ho artinya data berpola linier.
Kesimpulan variabel Kinerja Guru terhadap Motivasi Belajar Siswa berpola linier.
c. Analisis Regresi Ganda
Tabel 33
Descriptive Statistics
Mean Std. Deviation N Motivasi Belajar Siswa 164.4667 20.03928 50
Iklim Sekolah 119.1778 14.45729 50
Kinerja Guru 150.1778 13.86508 50
Sumber: SPSS Statistics Viewer \ analisis regresi ganda
Hasil deskriptif variabel Iklim Sekolah (X1), dalam tabel
Descriptive Statistics dijelaskan bahwa terdapat jumlah kasus (N) = 50 responden; rata-rata (mean) sebesar 119.1778; simpangan baku (standar deviasi) = 14.45729 dan variabel Kinerja Guru (X2) dijelaskan bahwa terdapat jumlah kasus (N) = 50 responden; rata-rata (mean) sebesar 150.1778; simpangan baku (standar deviasi) = 13.86508 serta variabel Motivasi Belajar Siswa (Y) dijelaskan bahwa terdapat jumlah
kasus (N) = 50 responden; rata-rata (mean) sebesar 164.4667; simpangan baku (standar deviasi) = 20.03928.
Tabel 34 Correlations Motivasi Belajar Siswa Iklim Sekolah Kinerja Guru Pearson Correlation Motivasi Belajar Siswa 1.000 .319 .262
Iklim Sekolah .319 1.000 -.023
Kinerja Guru .262 -.023 1.000
Sig. (1-tailed) Motivasi Belajar Siswa . .016 .041
Iklim Sekolah .016 . .441
Kinerja Guru .041 .441 .
N Motivasi Belajar Siswa 50 50 50
Iklim Sekolah 50 50 50
Kinerja Guru 50 50 50
Sumber: SPSS Statistics Viewer \ analisis regresi ganda
Hasil Correlations variabel Iklim Sekolah (X1) dengan Motivasi Belajar Siswa (Y). Nilai yang diperoleh 0.319 tingkat hubungan yang rendah antara variabel Iklim Sekolah dan Motivasi Belajar Siswa. Untuk membuktikan hipotesis “apakah ada hubungan yang signifikan antara variabel X1 dan Y ” lihat saja nilai signifikansinya.
Uji signifikansi ditunjukkan oleh tabel Correlations. Hipotesis penelitian yang akan diuji dirumuskan secara statistik berikut :
Ha : ryx1 0
Hipotesis bentuk kalimat
Ha : Iklim Sekolah berhubungan secara signifikan dengan Motivasi Belajar Siswa
Ho : Iklim Sekolah tidak berhubungan secara signifikan dengan Motivasi Belajar Siswa
1) Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau [0,05 Sig], maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
2) Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau [0,05 Sig], maka Ho ditolak dan Ha diterima, artinya signifikan.
Tabel Correlations diperoleh variabel Iklim Sekolah dan Motivasi Belajar Siswa nilai Sig. (1-tailed) sebesar 0.016, kemudian dibandingkan dengan probabilitas 0,05, ternyata nilai probabilitas 0,05
lebih besar dari nilai probabilitas Sig (1-tailed) atau [0,05 >0.016], maka Ho ditolak dan Ha diterima artinya signifikan. Terbukti bahwa Iklim Sekolah berhubungan secara signifikan dengan Motivasi Belajar Siswa.
Hasil Correlations variabel Kinerja Guru (X2) dengan Motivasi Belajar Siswa (Y). Nilai yang diperoleh 0,262 tingkat hubungan yang rendah antara variabel Kinerja Guru dan Motivasi Belajar Siswa. Untuk membuktikan hipotesis “apakah ada hubungan yang signifikan antara variabel X2 dan Y ” lihat saja nilai signifikansinya.
1) Uji signifikansi ditunjukkan oleh tabel Correlations. Hipotesis penelitian yang akan diuji dirumuskan secara statistik berikut
Ha : ryx1 0
Ho : ryx1 = 0
Hipotesis bentuk kalimat
Ha : Kinerja Guru berhubungan secara signifikan dengan Motivasi Belajar Siswa
Ho : Kinerja Guru tidak berhubungan secara signifikan dengan Motivasi Belajar Siswa
a) Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau [0,05 Sig], maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
b) Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau [0,05 Sig], maka Ho ditolak dan Ha diterima, artinya signifikan.
Tabel Correlations diperoleh variabel Kinerja Guru dan Motivasi Belajar Siswa nilai Sig. (1-tailed) sebesar 0.041, kemudian dibandingkan dengan probabilitas 0,05, ternyata nilai probabilitas 0,05
lebih besardari nilai probabilitas Sig (1-tailed) atau [0,05 <0.041], maka Ho ditolak dan Ha diterima artinya signifikan. Terbukti bahwa Kinerja Guru berhubungan secara signifikan dengan Motivasi Belajar Siswa.
Tabel 35
Variables Entered/Removed
Model Variables Entered
Variables
Removed Method 1 Kinerja Guru, Iklim
Sekolah
. Enter
a. All requested variables entered.
Sumber: SPSS Statistics Viewer \ analisis regresi ganda
Hasil dari tabel Variables Entered/Removed, bagian ini menjelaskan tentang variabel yang dimasukkan, dimana semua variabel dimasukkan adalah Iklim Sekolah dan Kinerja Guru serta tidak ada variabel yang dikeluarkan (removed). Hal ini disebabkan metode yang dipakai adalah single step (enter) dan bukannya stepwise.
Tabel 36 Model Summaryb Model R R Squar e Adjuste d R Square Std. Error of the Estimate Change Statistics Durbin-Watson R Square Change F Change df1 df2 Sig. F Change 1 .417a .174 .135 18.64153 .174 4.423 2 48 .018 1.738 a. Predictors: (Constant), Kinerja Guru, Iklim Sekolah
b. Dependent Variable: Motivasi Belajar Siswa
Sumber: SPSS Statistics Viewer \ analisis regresi ganda
Hasil dari tabel Model Summaryb , pada bagian ini ditampilkan nilai R = 0.417a dan koefisien Determinasi (RSquare) sebesar 0.174 (adalah pengkuadratan dari koefisien korelasi, atau 0.417 x 0.417 = 0.174). Hal ini menunjukkan pengertian bahwa Motivasi Belajar Siswa (Y) dipengaruhi 17,4% oleh variabel Iklim Sekolah (X1) dan Kinerja Guru (X2). Sedangkan sisanya (100% - 17,4% = 82,6%) dipengaruhi oleh karena faktor lain.
R Square berkisar pada angka 0 sampai 1, dengan catatan semakin kecil angka RSquare semakin lemah hubungan kedua atau lebih variabel tersebut.
Tabel 37
ANOVAb
Model Sum of Squares df Mean Square F Sig. 1 Regression 3073.917 2 1536.958 4.423 .018a
Residual 14595.283 48 347.507
Total 17669.200 50
a. Predictors: (Constant), Kinerja Guru, Iklim Sekolah b. Dependent Variable: Motivasi Belajar Siswa
Sumber: SPSS Statistics Viewer \ analisis regresi ganda
Hasil dari uji ANOVAb, pada bagian ini ditampilkan hasil yang diperoleh adalah nilai F = 4.423 dengan tingkat probabilitas sig 0.018a. Oleh karena probabilitas (0.018a) jauh lebih kecil dari 0,05, maka model regresi ganda dipakai untuk memprediksi Motivasi Belajar Siswa. Tabel 38 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 52.393 38.783 1.351 .184 Iklim Sekolah .450 .194 .325 2.317 .025 Kinerja Guru .389 .203 .269 1.918 .062 a. Dependent Variable: Motivasi Belajar Siswa
Hasil dari uji Coefficientsa, pada bagian Iklim Sekolah dikemukakan nilai konstanta (a) = 52.393 dan beta = 0.325 serta harga t-hitung dan tingkat signifikansi 0.025. Dari tabel di atas diperoleh persamaan perhitungannya adalah: = 52.393 + 0.325X1
Keterangan:konstanta sebesar 52.393 menyatakan bahwa jika tidak ada peningkatan Iklim Sekolah, maka Motivasi Belajar Siswa adalah 52.393.
Koefisien regresi sebesar 0.325 menyatakan bahwa setiap penambahan (karena tanda +) Iklim Sekolah 0.325 akan meningkatkan Motivasi Belajar Siswa sebesar 0.325. Sebaliknya jika Iklim Sekolah turun 1, maka Motivasi Belajar Siswa juga diprediksi mengalami penurunan sebesar 0.325. Jadi tanda + menyatakan arah hubungan yang searah, dimana kenaikan atau penurunan variabel independen (X) akan mengakibatkan kenaikan/penurunan variabel dependen (Y)
Pada regresi ganda, angka korelasi (0.417) yang sudah dijelaskan saat membahas R, adalah juga angka Standardized.
1) Uji t untuk menguji signifikansi konstanta dan variabel dependen (Motivasi Belajar Siswa).
2) Persamaan regresi ( = 52.393 + 0.325X1) yang didapat tersebut selanjutnya akan diuji apakah memang valid untuk memprediksi variabel dependen. Dengan kata lain, akan dilakukan pengujian apakah Iklim Sekolah benar-benar dapat memprediksi Motivasi
Belajar Siswa di masa mendatang. Di sini akan diuji koefisien regresi dari variabel Iklim Sekolah..
Hipotesis berdasarkan uji t dirumuskan secara statistik berikut. Ha : Pyx1 0
Ho :Pyx1= 0
Hipotesis bentuk kalimat
Ha : Iklim Sekolah berpengaruh signifikan terhadap Motivasi Belajar Siswa.
Ho : Iklim Sekolah tidak berpengaruh signifikan terhadap Motivasi Belajar Siswa.
Kaidah keputusan:
1) Jika nilai t hitung t tabel, maka Ho ditolak dan Ha diterima, artinya signifikan.
2) Jika nilai thitung t tabel, maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
Tabel Coefficientsa diperoleht hitung = 2.317. Prosedur mencari statistik tabel dengan kriteria:
1) Tingkat signifikan (ὰ = 0,05) untuk uji dua pihak
2) df atau dk (derajat kebebasan) = jumlah data – 2 atau 50 – 2 = 48
Ternyata nilai t hitung>t tabel, atau2.317> 2,021, maka Ho ditolak dan Ha diterima, artinya signifikan. Jadi, Iklim Sekolah berpengaruh terhadap Motivasi Belajar Siswa.
Hipotesis dengan tekhnik probabilitas diuji dirumuskan secara statistik sebagai berikut.
Ha : Pyx1 0 Ho : Pyx1 = 0
Hipotesis bentuk kalimat
Ha : Iklim Sekolah berpengaruh signifikan terhadap Motivasi Belajar Siswa.
Ho : Iklim Sekolah tidak berpengaruh signifikan terhadap Motivasi Belajar Siswa.
Kaidah keputusan:
1) Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau [0,05 Sig], maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
2) Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau [0,05 Sig], maka Ho ditolak dan Ha diterima, artinya signifikan.
Tabel Coefficientsa diperoleh variabel Iklim Sekolah nilai Sig. sebesar 0,025, kemudian dibandingkan dengan probabilitas 0,05, ternyata nilai probabilitas 0,05 lebih besar dari nilai Sig [0,05 >0,025], maka Ho
ditolak dan Ha diterima artinya signifikan. Terbukti bahwa Iklim Sekolah berpengaruh signifikan terhadap Motivasi Belajar Siswa.
Hasil dari uji Coefficientsa, pada bagian Kinerja Guru dikemukakan nilai konstanta (a) = 52.393 dan beta = 0.269 serta harga t-hitung dan tingkat signifikansi = 0.062. Dari tabel di atas diperoleh persamaan perhitungannya adalah: = 52.393 + 0.269X2
Keterangan : konstanta sebesar 52.393 menyatakan bahwa jika tidak ada peningkatan Kinerja Guru, maka Motivasi Belajar Siswa adalah 52.393.
Koefisien regresi sebesar 0.269 menyatakan bahwa setiap penambahan (karena tanda +) Kinerja Guru 0.269 akan meningkatkan Motivasi Belajar Siswa sebesar 0.269. Sebaliknya jika Kinerja Guru turun 1, maka Motivasi Belajar Siswa juga diprediksi mengalami penurunan sebesar 0.269. Jadi tanda + menyatakan arah hubungan yang searah, dimana kenaikan atau penurunan variabel independen (X) akan mengakibatkan kenaikan/penurunan variabel dependen (Y)
1) Uji t untuk menguji signifikansi konstanta dan variabel dependen (Motivasi Belajar Siswa).
2) Persamaan regresi ( = 52.393 + 0.269X2) yang didapat tersebut selanjutnya akan diuji apakah memang valid untuk memprediksi variabel dependen. Dengan kata lain, akan dilakukan pengujian apakah Kinerja Guru benar-benar dapat memprediksi Motivasi
Belajar Siswa di masa mendatang. Di sini akan diuji koefisien regresi dari variabel Kinerja Guru.
Hipotesis berdasarkan uji t dirumuskan secara statistik berikut. Ha : Pyx1 0
Ho : Pyx1 = 0 Hipotesis bentuk kalimat
Ha : Kinerja Guru berpengaruh signifikan terhadap Motivasi Belajar Siswa.
Ho : Kinerja Guru tidak berpengaruh signifikan terhadap Motivasi Belajar Siswa.
Kaidah keputusan:
1) Jika nilai t hitung t tabel, maka Ho ditolak dan Ha diterima, artinya signifikan.
2) Jika nilai t hitung t tabel, maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
Tabel Coefficientsa diperoleh t hitung = 1.918. Prosedur mencari statistik tabel dengan kriteria:
1) Tingkat signifikan (α = 0,05) untuk uji dua pihak
2) df atau dk (derajat kebebasan) = jumlah data – 2 atau 50 – 2 = 48
Ternyata nilai t hitung< t tabel, atau1.918< 2,021, maka Ho diterima dan Ha ditolak, artinya tidak signifikan. Jadi, Kinerja Guru tidak berpengaruh terhadap Motivasi Belajar Siswa.
Hipotesis dengan tekhnik probabilitas diuji dirumuskan secara statistik sebagai berikut.
Ha : Pyx1 0 Ho : Pyx1 = 0
Hipotesis bentuk kalimat
Ha : Kinerja Guru berpengaruh signifikan terhadap Motivasi Belajar Siswa.
Ho : Kinerja Guru tidak berpengaruh signifikan terhadap Motivasi Belajar Siswa.
Kaidah keputusan:
1) Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau [0,05 Sig], maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
2) Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau [0,05 Sig], maka Ho ditolak dan Ha diterima, artinya signifikan.
Tabel Coefficientsa diperoleh variabel Kinerja Guru nilai Sig. sebesar 0,062, kemudian dibandingkan dengan probabilitas 0,05, ternyata nilai probabilitas 0,05 lebih kecil dari nilai Sig [0,05 <0,062], maka Ho
diterima dan Ha ditolak artinya tidak signifikan. Terbukti bahwa Kinerja Guru tidak berpengaruh signifikan terhadap Motivasi Belajar Siswa.
Tabel 39
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N Predicted Value 142.7251 178.4430 164.4667 8.35833 50 Std. Predicted Value -2.601 1.672 .000 1.000 50 Standard Error of Predicted
Value
2.865 8.878 4.619 1.370 50
Adjusted Predicted Value 149.0957 180.5487 164.7030 8.06170 50 Residual -41.42628 31.98517 .00000 18.21293 50
Std. Residual -2.222 1.716 .000 .977 50
Stud. Residual -2.288 1.739 -.006 1.015 50
Deleted Residual -43.91939 32.86300 -.23637 19.69293 50 Stud. Deleted Residual -2.416 1.784 -.010 1.034 50
Mahal. Distance .061 9.002 1.956 1.933 50
Cook's Distance .000 .262 .028 .045 50
Centered Leverage Value .001 .205 .044 .044 50 a. Dependent Variable: Motivasi Belajar Siswa
Sumber: SPSS Statistics Viewer \ analisis regresi ganda
Hasil dari uji Residuals Statisticsa, pada bagian ini mengemukakan ringkasan hasil-hasil dari Predicted Value (nilai yang diprediksi) yang berupa nilai minimal = 142.7251 maksimal = 178.4430, mean = 164.4667 standar deviasi = 8.35833 dan N = 50.
Gambar 20
Dependent Variabel : MOTIVASI BELAJAR SISWA
Mean = 4.00E16 Std. Dev = 0.977
Gambar 21
Hasil dari Normal Probability-Pilot, gambar ini memperlihatkan penyebaran dari data-data yang ada pada variabel (menggambarkan garis regresi), karena titik-titik terletak mendekati atau sekitar garis lurus.
Gambar 22
Gambar 23
Hasil dari Scatterplot, pada Scatterplotini dapat membantu kita mengetahui penyabaran data dan membantu untuk memprediksi nilai regresi antara “ Iklim Sekolah dan Kinerja Guru terhadap Motivasi Belajar Siswa”.
Dependent Variabel : MOTIVASI BELAJAR SISWA
MOTIVASI BELAJAR SISWA