METODE PENELITIAN A. Jenis Penelitian
G. Pengujian Validitas dan Reliabilitas
2. Uji Hipotesis
a. Uji Prasyarat 1) Uji Normalitas
Uji asumsi normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak. Jika nilai asymtot memiliki signifikansi lebih dari α = 0,05 maka distribusi dapat dikatakan normal, dan jika nilai asymtot memiliki signifikansi lebih kecil dari
α= 0,05 berarti distribusi tersebut tidak normal.
Dalam penelitian ini, uji normalitas dilakukan dengan menggunakan uji kolmogorof-smirnov dengan tingkat kepercayaan 5% atau 0,05. Jika signifikansi > 0,05 maka regresi yang digunakan memiliki data residual yang berdistribusi normal. Rumus ujiKolmogrov-Sminovuntuk normalitas sebagai berikut:
= | ( ) − ( )|
Dimana: D : Deviasi maksimum
Fo(X) : Fungsi distribusi frekuensi kumulatif yang ditentukan
Sn(X) : Distribusi frekuensi kumulatif yang diobservasi Dari output diatas, dapat diketahui bahwa nilai signifikansi
Asymp.Sig (2-tailed)Metode Mengajar Dosen (X1) sebesar 0,437, Intensitas Belajar (X2) sebesar 0,108, Sarana Belajar (X3) sebesar 0,661, dan Lingkungan Belajar sebesar 0.166. Apabila
dibandingkan dengan signifikansi > 0,05 maka dapat disimpulkan bahwa X1,X2,X3,X4 residual berdistribusi normal.
2) Uji Linieritas
Uji linearitas digunakan untuk melihat apakah model yang dibangun mempunyai hubungan yang linear atau tidak. Model dibentuk berdasarkan tinjauan teoritis bahwa hubungan antara variabel independen dengan variabel dependennya adalah linear. Uji linearitas digunakan untuk mengkonfirmasi apakah sifat linear antar dua variabel yang diidentifikasikan secara teori sesuai dengan hasil observasi yang ada. Untuk menguji linieritas dapat menggunakan uji F.
Uji F digunakan pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat. Langkah-langkah pengujiannya adalah sebagai berikut :
a) Derajat kepercayaan = 5 %
b) Derajat kebebasan f tabel ( α, k, n-k-1 )
α = 0,05
k = jumlah variabel bebas n = jumlah sampel
c) Menentukan kriteria pengujian H0 ditolak apabila fhitung> ftabel
HA ditolak apabila fhitung< ftabel d) Menentukan f dengan rumus
= /
(1 − )/( − − ) Dimana: R2: koefisien determinan berganda
n : jumlah sampel
k : jumlah variabel bebas Kesimpulan :
Apabila f hitung < f tabel maka H0 diterima dan HA ditolak, artinya tidak ada pengaruh secara simultan artinya hubungan variabel bebas dengan variabel terikat bersifat linear. Apabila f hitung> f tabel maka H0 ditolak dan HA diterima, artinya ada pengaruh secara simultan artinya hubungan variabel bebas dengan variabel terikat bersifat non-linear.
Pada tabel ANOVA diketahui nilai signifikansi (Deviation from Linearity) pada variabel metode mengajar dosen sebesar 0,206. Apabila dibandingkan dengan signifikansi > 0,05 maka dapat disimpulkan bahwa hubungan antara variabel metode mengajar dosen dengan prestasi belajar mahasiswa dinyatakan linier.
Pada variabel intensitas belajar diketahui nilai signifikansi (Deviation from Linearity) sebesar 0,290. Apabila dibandingkan dengan signifikansi > 0,05 maka dapat disimpulkan bahwa
hubungan antara variabel intensitas belajar dengan prestasi belajar mahasiswa dinyatakan linier.
Pada variabel fasilitas belajar diketahui nilai signifikansi (Deviation from Linearity) sebesar 0,841. Apabila dibandingkan dengan signifikansi > 0,05 maka dapat disimpulkan bahwa hubungan antara variabel fasilitas belajar dengan prestasi belajar mahasiswa dinyatakan linier.
Begitu juga pada variabel lingkungan sosial, diketahui nilai signifikansi (Deviation from Linearity) sebesar 0,642. Apabila dibandingkan dengan signifikansi > 0,05 maka dapat disimpulkan bahwa hubungan antara variabel lingkungan sosial dengan prestasi belajar mahasiswa dinyatakan linier.
b. Uji Hipotesis
1) Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk mendeteksi ada tidaknya pelanggaran dalam regresi berganda. Uji asumsi klasik yang dilakukan adalah sebagai berikut:
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):
= n ∑ x y − (∑ x )(∑ y ) (n ∑ x − (x ) )(n ∑ y − (y ) )
Selanjutnya dengan program SPSS diadakan analisa
collinerity statistics. Dari analisis collinerity statistics akan memperoleh VIF (Variance Inflation Factor). Dasar analisis yang digunakan yaitu jikatolerancelebih dari 0,1 dan VIF kurang dari 5 maka tidak terjadi masalah multikolinieritas.
Berdasarkan output diatas, dapat diketahui bahwa nilai
tolerance dari keempat variabel yaitu: metode mengajar dosen (0,856), intensitas belajar (0,925), fasilitas belajar (0,899), dan lingkugan sosial (0,908) lebih besar dari 0,1. Sedangkan VIF dari keempat variabel yaitu: metode mengajar dosen (1,168), intensitas belajar (1,081), fasilitas belajar (1.113), dan lingkungan sosial (1,102). Maka dapat dikatakan nilai VIF < 5 sehingga dapat disimpulkan bahwa dalam model regresi tidak terjadi masalah multikolinearitas.
b) Uji Heteroskedastisitas
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.
c) Uji Autokorelasi
Autokorelasi adalah suatu keadaan dimana keselahan pengganggu dari satu observasi terhadap observasi selanjutnya yang berurutan tidak berpengaruh atau tidak terjadi korelasi. Untuk mendeteksi ada tidaknya masalah autokorelasi dapat digunakan uji Durbin Watson dengan rumus sebagai berikut:
=∑ ( − )
∑
Dimana: DW : nilai Durbin Watson et : gangguan estimasi t : observasi terakhir t - 1 : observasi sebelumnya
Untuk memperoleh kesimpulan apakah ada masalah autokorelasi atau tidak, hasil hitungan statistik DW harus dibandingkan dengan tabel statistik. Namun secara umum dapat diberi patokan sebagai berikut:
(1) dU < DW < 4 – dU maka H0 diterima (tidak ada 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
Apabila tidak ada penyimpangan satu atau lebih asumsi klasik, maka analisis regresi linier berganda dapat dilanjutkan. Namun apabila terjadi penyimpangan satu atau lebih asumsi klasik, maka analisis regresi linier berganda tidak dapat dilanjutkan.
2) Analisis Regresi Berganda
Analisis regresi berganda digunakan untuk mengetahui ada tidaknya kontribusi antara persepsi mahasiswa tentang metode mengajar dosen, intensitas belajar, sarana belajar dan lingkungan belajar terhadap prestasi belajar mahasiswa. Untuk mencari persamaan regresi adalah sebagai berikut (Sugiyono, 2010):
= + + + +
Keterangan:
Y : prestasi belajar mahasiswa b1,b2,b3 : koefisien garis regresi X1 : metode mengajar dosen X2 : intensitas belajar
X3 : sarana belajar X4 :lingkungan belajar a : konstanta
3) Uji F
Pengujian signifikansi terhadap koefisien korelasi ganda dapat menggunakan uji F dengan rumus (Sudjana, 2005):
= ⁄
(1 − ) ( −⁄ − 1) Keterangan:
F = koefisien korelasi ganda k = jumlah variabel independen n = banyaknya anggota sampel
a) Pembuktian hipotesis ini dengan menggunakan teknik regresi dengan bantuan program SPSS versi 16.
(1) Kontribusi persepsi mahasiswa tentang metode mengajar dosen terhadap prestasi belajar mahasiswa
Ho = Tidak ada kontribusi dan signifikansi persepsi mahasiswa tentang metode mengajar dosen terhadap prestasi belajar mahasiswa.
Ha = Ada kontribusi dan signifikansi persepsi mahasiswa tentang metode mengajar dosen terhadap prestasi belajar mahasiswa.
(2) Kontribusi intensitas belajar terhadap prestasi belajar mahasiswa
Ho = Tidak ada kontribusi dan signifikansi intensitas belajar terhadap prestasi belajar mahasiswa.
Ha = Ada kontribusi dan signifikansi intensitas belajar terhadap prestasi belajar mahasiswa.
(3) Kontribusi fasilitas belajar terhadap prestasi belajar mahasiswa
Ho= Tidak ada kontribusi dan signifikansi fasilitas belajar terhadap prestasi belajar mahasiswa.
Ha = Ada kontribusi dan signifikansi fasilitas belajar terhadap prestasi belajar mahasiswa.
(4) Kontribusi lingkungan sosial terhadap prestasi belajar mahasiswa
Ho= Tidak ada kontribusi dan signifikan lingkungan sosial terhadap prestasi belajar mahasiswa.
Ha = Ada kontribusi dan signifikan lingkungan sosial terhadap prestasi belajar mahasiswa.
(5) Kontribusi persepsi mahasiswa tentang metode mengajar dosen, intensitas belajar, fasilitas belajar dan lingkungan sosial terhadap prestasi belajar mahasiswa.
Ho = Tidak ada kontribusi dan signifikan persepsi mahasiswa tentang metode mengajar dosen, intensitas
belajar, fasilitas belajar dan lingkungan sosial terhadap prestasi belajar mahasiswa.
Ha = Ada kontribusi dan signifikan persepsi mahasiswa tentang metode mengajar dosen, intensitas belajar, fasilitas belajar dan lingkungan sosial terhadap prestasi belajar mahasiswa.
b) Menentukan level of significant (a) = 5% dengan level of confidancesebesar 95% dengandegree of freedom (df)= n-k c) Menentukan daerah penerimaan dan penolakan hipotesis dengan
kriteria sebagai berikut:
H0 ditolak jika = Fhitung< Ftabela, n-k Ha diterima jika = Fhitung< Ftabela, n-k
d) Menarik kesimpulan dengan membandingkan hasil dari, kemudian tentukan daerah penerimaan dan penolakannya. Apabila H0ditolak dan Ha diterima maka persepsi mahasiswa tentang metode mengajar dosen, intensitas belajar, fasilitas belajar dan lingkungan sosial berkontribusi positif dan signifikan terhadap prestasi belajar mahasiswa.
77
BAB IV
