BAB V ANALISIS DATA DAN PEMBAHASAN
B. Pengujian Prasyarat Analisis Data
Uji normalitas data digunakan untuk menguji normal atau
tidaknya data hasil pengukuran. Pengujian normalitas pada penelitian
ini menggunakan rumus Kolmogorov-Smirnov, dengan bantuan
program komputer SPSS 16. Syarat uji signifikansi yang digunakan
adalah jika p> 0,05 maka data penelitian dapat dikatakan normal.
Hasil pengujian dan kesimpulan uji normalitas dapat dilihat pada tabel
sebagai berikut:
Tabel 5.4 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
X1 X2 Y
N 62 62 62
Normal Parametersa Mean 48.8548 70.8387 68.0432 Std. Deviation 3.23326 7.98809 2.25728 Most Extreme Differences Absolute .155 .059 .065 Positive .061 .059 .065 Negative -.155 -.054 -.052 Kolmogorov-Smirnov Z 1.217 .467 .511 Asymp. Sig. (2-tailed) .104 .981 .956 a. Test distribution is Normal.
Tabel 5.5
Kesimpulan Uji Normalitas
No Variabel Koef. Kolmogorov Probabilitas Taraf Signifikansi Kesimpulan 1 Media Pembelajaran (X1) 1,217 0,104 0,05 Normal 2 Motivasi Belajar (X2) 0,467 0.981 0,05 Normal 3 Prestasi Belajar (Y) 0,511 0,956 0,05 Normal
Dari tabel diatas dapat disimpulkan bahwa hasil uji normalitas
dengan menggunakan rumus Kolmogorov-Smirnov untuk variabel
media pembelajaran (X1) diperoleh sebesar 1,217 dengan nilai
probabilitas (p) sebesar 0,104 (p>0,05) yang berarti memiliki data
normal, untuk variabel motivasi belajar (X2) sebesar 0,467 dengan
nilai probabilitas (p) sebesar 0,981 (p>0,05) yang berarti memiliki
data normal, dan untuk variabel prestasi belajar (Y) sebesar 0,511
dengan nilai probabilitas (p) sebesar 0,956 (p>0,05) yang berarti
memiliki data normal. Ketiga variabel tersebut memiliki probabilitas
lebih tinggi dari taraf signifikansi 0,05% yang berarti ketiga variabel
tersebut normal.
2. Uji Asumsi klasik
a. Uji Multikolinieritas
Uji multikolinieritas dilakukan untuk menguji apakah
Tabel 5.6
Rangkuman Hasil Uji Multikolinieritas
Coefficientsa Model Unstandardized Coefficients Standardize d Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) 60.328 5. 228 11.540 .000 X1 .146 .089 .210 1.642 .106 .994 1.006 X2 .008 .036 .028 .220 .827 .994 1.006 a. Dependent Variable: Y Tabel 5.7 Coefficient Correlationsa Model X2 X1 1 Correlations X2 1.000 .078 X1 .078 1.000 Covariances X2 .001 .000 X1 .000 .008 a. Dependent Variable: Y
Melihat hasil besaran korelasi antar variabel independen
tampak bahwa hanya variabel motivasi belajar siswa yang
mempunyai korelasi cukup tinggi dengan variabel media
pembelajaran dengan tingkat korelasi sebesar 0,078. Oleh karena
korelasi ini masih dibawah 0,95 maka dapat dikatakan tidak
Hasil perhitungan nilai tolerance juga menunjukkan tidak
ada variabel independen yang memiliki nilai tolerance kurang dari
0.10 berarti tidak ada korelasi antar varaiabel independen. Hasil
perhitungan nilai variance inflation faktor (VIF) juga menunjukkan hal yang sama tidak ada satu variabel independen
yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan
bahwa tidak ada multikolinieritas antar variabel independen
dalam model regresi.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam
model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan lain. Hasil uji heteroskedastisitas
dapat dilihat dibawah ini:
Tabel 5.8
Hasil Uji Heteroskedastisitas
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 60.328 5.228 11.540 .000 X1 .146 .089 .210 1.642 .106 X2 .008 .036 .028 .220 .827 a. Dependent Variable: Y
Hasil pengujian menunjukkan koefisien parameter untuk
variabel bebas tidak ada yang signifikan (sig > 0,05 )
mempengaruhi variabel terikat (dependent), maka dapat
disimpulkan bahwa model regresi tidak heteroskedastisitas.
c. Uji Autokorelasi
Uji autokorelasi digunakan untuk menguji apakah dalam
model regresi linear ada korelasi antara kesalahan pengganggu
pada periode t dengan kesalahan pengganggu pada periode t-1
(sebelumnya).
Pada penelitian ini uji autokorelasi yang digunakan adalah
Uji Durbin-Watson (DW-test), uji Durbin Watson digunakan
untuk autokorelasi tingkat satu (first order autocorrelation) dan
mensyaratkan adanya intercept (konstanta) dalam model regresi
dan tidak ada variabel lag di antara variabel independen(Ghozali,
2006:95) .
Hipotesis yang diuji adalah:
H0: tidak ada auto korelasi ( r=0)
HA: ada autokorelasi (r≠0)
Pengambilan keputusan ada tidaknya autokorelasi:
Hipotesis nol Keputusan Jika
Tidak ada autokorelasi positif
Tidak ada autokorelasi positif
Tolak
No decision
0 < d < dl
Tidak ada autokorelasi negatif
Tidak ada autokorelasi negatif
Tidak ada autokorelasi, positif atau
negatif Tolak No decision Tidak ditolak 4 – dl < d < 4 4 – du ≤ d ≤ 4 – dl du < d < 4 – du
Hasil perhitungan uji autokorelasi dengan menggunakan bantuan program SPSS 16 adalah sebagai berikut:
Tabel 5.9 Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .209a .044 .011 2.24433 2.040
a. Predictors: (Constant), X2, X1 b. Dependent Variable: Y
Nilai Durbin-Watson (d) sebesar 2,040, nilai d akan
dibandingkan dengan nilai tabel dengan menggunakan nilai
signifikansi 5%, jumlah sampel 100 (n) dan jumlah variabel
independen 2 (k = 2). Nilai d = 2,040 lebih besar dari batas du =
1,66 dan kurang dari 4-1,66 (4-du) atau 1,66 < 2,040< 2,34, maka
dapat disimpulkan bahwa tidak ada autokorelasi positif ataupun
3. Pengujian Hipotesis Penelitian
Dalam penelitian ini terdapat tiga hipotesis penelitian yang
akan diuji. Untuk pengujian hipotesis penelitian satu dan dua
digunakan rumus korelasi product moment, sedangkan untuk pengujian hipotesis yang ketiga digunakan analisis korelasi ganda dua
variabel bebas. Hasil analisis untuk pengujian satu dan dua dapat
dilihat dalam tabel sebagai berikut:
Tabel 5.10
Uji Hipotesis I dan II dengan Menggunakan Korelasi Product Moment
Correlations Y X1 X2 Pearson Correlation Y 1.000 .208 .012 X1 .208 1.000 -.078 X2 .012 -.078 1.000 Sig. (1-tailed) Y . .053 .464 X1 .053 . .272 X2 .464 .272 . N Y 62 62 62 X1 62 62 62 X2 62 62 62
Rangkuman hasil perhitungan hipotesis I dan II dapat dilihat
pada tabel sebagai berikut:
Tabel 5.11
Perhitungan Hipotesis I dan II
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 60.328 5.228 11.540 .000 X1 .146 .089 .210 1.642 .106 X2 .008 .036 .028 .220 .827 a. Dependent Variable: Y
a. Hubungan antara penggunaan media pembelajaran dengan
prestasi belajar siswa
Tabel 5.10 menunjukkan koefisien korelasi antara
penggunaan media pembelajaran dengan prestasi belajar siswa
adalah 0,208. Bila diinterpretasikan dalam tabel interpretasi nilai r
maka terletak pada kategori rendah, yaitu pada range 0,20 –
0,399. Diketahui pada dk 60 (62-2) dengan taraf signifikan
0,05 sebesar 0,254 (Sugiyono 2010:257). Karena <
yaitu 0,208 < 0,254, maka hipotesis yang menyatakan bahwa ada
hubungan antara penggunaan media pembelajaran dengan prestasi
belajar siswa ditolak.
Pada tabel 5.11 diperoleh sebesar 1.642 dan harga
untuk dk 60 (62-2) pada taraf signifikansi 5% sebesar
1,671. Karena yaitu 1,642 < 1,671 sehingga
hipotesis yang menyatakan bahwa ada hubungan antara
penggunaan media pembelajaran dengan prestasi belajar siswa
ditolak.
b. Hubungan antara motivasi belajar dengan prestasi belajar
Tabel 5.10 menunjukkan koefisien korelasi antara
motivasi belajar dengan prestasi belajar adalah 0,012. Bila
diinterpretasikan dalam tabel nilai r maka terletak pada kategori
sangat rendah, yaitu pada range 0,00 – 0,199. Diketahui
(Sugiyono 2010:257). Karena < yaitu 0,012 < 0,254,
maka hipotesis yang menyatakan bahwa ada hubungan antara
motivasi belajar dengan prestasi belajar siswa ditolak.
Tabel 5.11 diperoleh sebesar 0,22 dan harga
untuk dk 60 (62-2) pada taraf signifikansi 5% sebesar 1,671.
Karena yaitu 0,22 < 1,671 sehingga hipotesis
yang menyatakan bahwa antara motivasi belajar dengan prestasi
belajar siswa ditolak.
c. Hubungan antara penggunaan media pembelajaran, motivasi
belajar dengan prestasi belajar siswa
Hasil perhitungan antara penggunaan media pembelajaran,
motivasi belajar dengan prestasi belajar siswa menggunakan
rumus regresi ganda dan korelasi ganda. Perhitungan analisis
regresi ganda berdasarkan tabel 5.11 adalah sebagai berikut:
Y= a + +
Y= 60.328+ 0,146 + 0,008
Keterangan :
Y = Subjek dalam variabel dependen yang diprediksikan.
a = harga Y ketika harga X= 0 (harga konstan).
b = angka arah atau koefisien regresi, yang menunjukkan
peningkatan ataupun penurunan variabel independen yang
didasarkan pada perubahan variabel independen. Bila (+) arah
x = Subjek pada variabel independen yang mempunyai nilai
tertentu.
Persamaan garis regresi di atas dapat digunakan sebagai
landasan untuk prediksi terhadap variabel prestasi belajar (Y) jika
diketahui untuk kedua variabel bebas. Skor Y menurun karena
hubungan dari kedua variabel bebas yaitu media pembelajaran
dan motivasi belajar berada pada kategori rendah. Dengan
demikian kelengkapan media pembelajaran dan tingkat
penggunaan media pembelajaran serta tinggi motivasi belajar
yang dimiliki oleh siswa tidak memiliki hubungan dalam
meningkatkan prestasi belajar siswa.
Tabel 5.12
Uji Hipotesis III dengan menggunakan Korelasi Ganda
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .209a .044 .011 2.24433 a. Predictors: (Constant), X2, X1 b. Dependent Variable: Y
Tabel 5.12 diketahui harga koefisien korelasi ganda Rxy
sebesar 0,209 dan harga koefisien determinasi yang diperoleh
sebesar 0,44. Diketahui pada dk 60 (62-2) dari hasil
interpolasi sebesar 0,254. Karena < yaitu 0,209 <