DAFTAR PUSTAKA
Muhidin, Sambas Ali. 2007. Analisis Korelasi, Regresi dan Jaur dalam penelitian. Bandung: CV PUSTAKA SETIA
Riduwan. 2007. Cara menggunakan dan memaknai Analisis Jalur. Bandung: CV ALVABETA
Sarwono, Jonathan. 2007. Analisis Jalur untuk Riset Bisnis dengan SPSS.
Yogyakarta: CV ANDI OFFSET
Singgih, Santoso. 2010. Statistik Multivariat Konsep dan Aplikasi dengan SPSS. Jakarta: PT Elek Media Komputindo
Sudjana.1996.Metoda Statistika. Bandung: Tarsito
HASIL DAN PEMBAHASAN
3.1. Populasi
Populasi adalah keseluruhan objek penelitian. Dari penelitian yang akan menjadi populasi adalah mahasiswa D3 Statistika angkatan 2013 dan 2014 yang berjumlah sebanyak 273 orang dengan perincian mahasiswa statistika angkatan 2013 sebanyak 122 orang dan angkatan 2014 sebanyak 151 orang.
3.2. Sample dan Teknik Sampling
Sampel adalah bagian dari populasi yang menjadi objek penelitian. Pengambilan sampel dilakukan dengan Stratified Random Sampling. Jumlah populasinya adalah 273 orang dengan presisi 10%, maka untuk menentukan jumlah sampelnya dilakukan dengan menggunakan rumus Slovin:
�= �
��2 + 1
Sehingga diperoleh banyaknya sampel adalah
� = 273
273(0,1)2+ 1
� = 273
273(0,01) + 1
� = 273
2,73 + 1
� = 273
Dari jumlah sampel yang didapat, ditentukan jumlah masing-masing sampel menurut kelasnya secara proportional random sampling dengan rumus:
�� =��� �
Dimana:
�� = jumlah sampel per strata
�� = jumlah populasi per strata
� = jumlah populasi keseluruhan
� = jumlah sampel keseluruhan
Dengan rumus diatas, maka dapat dilakukan pengambilan sampel berdasarkan kelasnya masing-masing.
����� 2013 = 40
273× 73 = 11 ���������
����� 2013 = 40
273× 73 = 11 ���������
����� 2013 = 42
273× 73 = 11 ���������
����� 2014 = 49
273× 73 = 13 ���������
����� 2014 = 50
273× 73 = 13 ���������
����� 2014 = 52
273× 73 = 14 ���������
3.3. Metode Pengumpulan Data
pengumpulan data dilakukan dengan pemberian kuesioner kepada respoden. Dimana kuesioner sendiri merupakan metode pengumpulan data dengan cara membuat daftar pertanyaan tertulis kepada responden untuk di jawab sesuai dengan penilaian mereka terhadap atribut-atribut dalam kuesioner. Tipe kuesioner yang digunakan adalah tipe tertutup denga jawaban yang telah disedian dengan pilihan jawabannya adalah sangat setuju (ss), setuju (s), kurang setuju (ks), tidak setuju (ts) dan sangat tidak setuju (sts).
3.4. Uji Validitas dan Reliabilitas
Setelah kuesiner disebarkan dan terkumpul, sebelum data diolah maka perlu dilakukan uji validitas dan reliabilitas pada data.
1. Uji validitas dan reliabilitas dari motivasi belajar
Pengujian validitas tiap item pertanyaan dilakukan dengan menggunakan rumus
product moment pearson
��� = � ∑ �� − ∑ � ∑ �
�[� ∑ �2 −(∑ �)2][� ∑ �2 −(∑ �)2]
a. Menghitung besarnya koefisien korelasi pada item 1
��� =
73 × 7606−350 × 1581
�[73 × 1690−(350)2][73 × 34493−(1581)2]
��� = 555238−553350
�[123370−122500][2517989−2499561]
��� =
1888
�[870][18428]
Mencari nilai thitung pada item 1 dengan rumus:
�ℎ����� =�√� −
2 √1− �2
�ℎ����� =
0,472√73−2 �1−0,4722
�ℎ����� =
0,472√71 √1−0,223
�ℎ����� =
3,977
0,881
�ℎ����� = 4,511
b. Menghitung besarnya koefisien korelasi pada item 2
��� =
73 × 6457−295 × 1581
�[73 × 1229−(295)2][73 × 34493−(1581)2]
��� =
471361−466395
�[897171−87025][2517989−2499561]
��� = 4966
�[2692][18428]
��� = 0,705
Mencari nilai thitung pada item 2
�ℎ����� =
�ℎ����� = 0,705√71
√1−0,497
�ℎ����� =
5,940
0,709
�ℎ����� = 8,375
c. Menghitung besarnya koefisien korelasi pada item 3
��� =
73 × 6812−312 × 1581
�[73 × 1358−(312)2][73 × 34493−(1581)2]
��� =
497276−493272
�[99134−97344][2517989−2499561]
��� =
4004
�[1790][18428]
��� = 0,697
Mencari nilai thitung pada item 3
�ℎ��� �� =
0,697√73−2 �1−0,6972
�ℎ����� =
0,697√71 √1−0,486
�ℎ����� =
5,873
0,717
d. Menghitung besarnya koefisien korelasi item 4
��� =
73 × 6522−299 × 1581
�[73 × 1247−(299)2][73 × 34493−(1581)2]
��� =
476106−472719
�[91031−89401][2517989−2499561]
��� = 3387
�[1630][18428]
��� = 0,618
Mencari nilai thitung pada item 4
�ℎ����� = 0,618√73−2
�1−0,6182
�ℎ����� = 0,618√71
√1−0,382
�ℎ����� =
5,207
0,786
�ℎ����� = 6,623
e. Menghitung besarnya koefisien korelasi item 5
��� =
73 × 7096−325 × 1581
�[73 × 1475−(325)2][73 × 34493−(1581)2]
��� = 518008−513825
��� =
4183
�[2050][18428]
��� = 0,680
Mencari nilai thitung pada item 5
�ℎ����� =
0,680√73−2 �1−0,6802
�ℎ����� =
0,680√71 √1−0,462
�ℎ����� =
5,730
0,733
�ℎ����� = 7,817
Setelah setiap item pertanyaan dicari thitung, maka selanjutnya
dibandingkan dengan nilai ttabel. Dengan kriteria jika thitung < ttabel maka item
pernyataan tersebut tidak valid, sebaliknya jika thitung ≥ ttabel maka item
pernyataan tersebut valid dan dapat digunakan. Nilai ttabel dapat diperoleh dari
tabel t dengan alpa 5% dan derajat kebebasan 71. Dengan demikian dapat dirangkum semua perhitungan dan pengujian validitas untuk setiap item sebagai berikut:
Tabel 3.1 Rangkuman analisis validitas dari motivasi belajar Item rhitung thitung ttabel keterangan
Setelah menguji validitas dari setiap item, maka selanjutnya dilakukan uji reliabilitas dengan menggunakan rumus Cronbach Alpha:
�11 =� �
� −1� �1− ∑ ��
�� �
Dan untuk mencari Si dan St digunakan rumus:
�� =
∑ ��2 −(∑ ��)
2 � �
�� =
∑ ��2 −(∑ ��)
2 � �
Dengan demikian dapat dihitung varians masing-masing item pernyataan tersebut. Untuk item 1
�1 =∑ �1
2−(∑ �1)2 �
�
�1 =1696−
122500 73
73
�1 =1696−1678,082 73
�1 = 0,163
Untuk item 2
�2 =∑ �2
2−(∑ �2)2 �
�1 =1229−
87025 73
73
�2 =1229−1192,123 73
�2 = 0,505
Untuk item 3
�3 =∑ �3
2−(∑ �3)2 �
�
�3 =1358−
97344 73
73
�3 =1358−1333,479 73
�3 = 0,335
Untuk item 4
�4 =∑ �4
2−(∑ �4)2 �
�
�4 =
1247−8940173
73
�� =
1247−1224,671 73
Untuk item 5
�5 =∑ �5
2−(∑ �5)2 �
�
�5 =1475−
105625 73
73
�5 =1475−1446,918 73
�5 = 0,385
Untuk item total
�� =
∑ ��2−(∑ ��)
2 �
�
�� =
34493−249956173
73
�� =
34493−34240,562 73
�� = 3,458
Kemudian menjumlahkan varians semua item instrument dengan rumus:
∑�� = �1+�2 +�3+�4+�5
∑�� = 0,163 + 0,505 + 0,336 + 0,306 + 0,385
Dengan demikian dapat dicari nilai Cronbach Alpha
�11 =� �
� −1� �1− ∑ ��
�� �
�11 =� 5
5−1� �1− 1,695 3,458�
�11 =� 5
4�(1−0,490)
�11 = 0,637
Untuk melihat apakah instrument tersebut reliable atau tidaknya maka diperlukan pengujian. Dengan kriteria jika nilai Cronbach Alpha ≥ 0,60 maka instrument
tersebut reliable, sebaliknya jika nilai Cronbach Alpha < 0,60 maka instrument tersebut tidak reliable. Dari hasil yang telah diperoleh maka dapat dilihat bahwa nilai Cronbach Alpha yang diperoleh lebih besar daripada 0,60, ini berarti instrument tersebut reliebel.
2. Uji validitas dan reliabilitas untuk minat belajar
Dengan mengikuti langkah-langkah diatas, demikian juga dilakukan pada minta belajar dan diperoleh hasil seperti pada tabel dibawah.
Tabel 3.2 Rangkuman analisis validitas minat belajar Item rhitung thitung ttabel keterangan
Dari tabel dapat dilihat bahwa setiap itemnya itu valid, kemudian setelahnya dilakukan uji realibitas dengan mencari nilai Cronbach Alphanya dan diperoleh sebesar 0,735. Dan dengan kriteria yang telah ditetatpkan maka dapat disimpulkan bahwa intrumen tersebut reliable.
3. Uji validitas dan reliabilitas untuk disiplin belajar
Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel. Tabel 3.3 Rangkuman analisis validitas disiplin belajar Item rhitung thitung ttabel keterangan
1 0,500 4,864 1,666 Valid 2 0,776 10,352 1,666 Valid 3 0,868 14,737 1,666 Valid 4 0,741 9,307 1,666 Valid 5 0,772 10,224 1,666 Valid
Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai
Cronbach Alpha dan diperoleh hasilnya sebesar 0,789 dan lebih besar dari 0,60 maka untuk instrument ini dikatakan reliable.
4. Uji validitas dan reliabilitas untuk lingkungan belajar
Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel. Tabel 3.4 Rangkuman analisis validitas lingkungan belajar
Item rhitung thitung ttabel keterangan
Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai
Cronbach Alpha dan diperoleh hasilnya sebesar 0,805 dan lebih besar dari 0,60 maka untuk instrument ini dikatakan reliable.
5. Uji validitas dan reliabilitas untuk perhatian orang tua
Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel. Tabel 3.5 Rangkuman analisis validitas perhatian orang tua
Item rhitung thitung ttabel keterangan
1 0,736 9,158 1,666 Valid 2 0,831 12,612 1,666 Valid 3 0,800 11,223 1,666 Valid 4 0,778 10,426 1,666 Valid 5 0,747 9,483 1,666 Valid
Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai
Cronbach Alpha dan diperoleh hasilnya sebesar 0,835 dan lebih besar dari 0,60 maka untuk instrument ini dikatakan reliable.
6. Uji validitas dan reliabilitas untuk dosen
Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel. Tabel 3.6 Rangkuman analisis validitas dosen Item rhitung thitung ttabel keterangan
Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai
Cronbach Alpha dan diperoleh hasilnya sebesar 0,813 dan lebih besar dari 0,60 maka untuk instrument ini dikatakan reliable.
7. Uji validitas dan reliabilitas untuk pengaruh teman
Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel. Tabel 3.7 Rangkuman analisis validitas pengaruh teman Item rhitung thitung ttabel keterangan
1 0,684 7,913 1,666 Valid 2 0,813 11,786 1,666 Valid 3 0,735 9,144 1,666 Valid 4 0,776 10,354 1,666 Valid 5 0,741 9,308 1,666 Valid
Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai
Cronbach Alpha dan diperoleh hasilnya sebesar 0,796 dan lebih besar dari 0,60 maka untuk instrument ini dikatakan reliable.
8. Uji validitas dan reliabilitas untuk kecerdasan emosional
Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel. Tabel 3.8 Rangkuman analisis validitas kecerdasan emosional
Item rhitung thitung ttabel keterangan
Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai
Cronbach Alpha dan diperoleh hasilnya sebesar 0,648 dan lebih besar dari 0,60 maka untuk instrument ini dikatakan reliable.
9. Uji validitas dan reliabilitas untuk prestasi belajar
Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel. Tabel 3.9 Rangkuman analisis validitas prestasi belajar Item rhitung thitung ttabel keterangan
1 0,831 12,568 1,666 Valid 2 0,856 13,942 1,666 Valid 3 0,715 8,609 1,666 Valid
Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai
Cronbach Alpha dan diperoleh hasilnya sebesar 0,721 dan lebih besar dari 0,60 maka untuk instrument ini dikatakan reliable.
3.5. Analisis Data
Berdasarkan data yang telah diperoleh dari hasil penyebaran kuesioner maka diperoleh data untuk setiap masing-masing variabel sebagai berikut:
Tabel 3.10 Skor data tiap variabel
No X1 X2 X3 X4 X5 X6 X7 X8 X9
1 24 24 21 23 25 23 25 21 12
2 20 22 20 18 25 16 18 18 13
3 22 16 16 18 25 18 19 19 11
4 25 19 19 18 22 18 18 20 12
5 23 19 18 19 23 18 20 20 14
6 23 23 19 21 25 17 22 19 15
No X1 X2 X3 X4 X5 X6 X7 X8 X9
8 22 20 20 20 17 16 16 16 13
9 19 16 17 18 20 19 18 19 13
10 23 15 19 21 25 18 19 18 12
11 20 18 20 12 25 9 17 17 10
12 20 18 17 20 21 14 18 20 11
13 20 20 17 20 20 18 20 19 9
14 24 23 22 19 22 17 22 20 14
15 19 19 18 16 20 17 20 16 9
16 21 21 23 22 24 17 21 18 13
17 20 15 13 17 22 15 20 16 11
18 22 19 21 21 24 15 21 21 12
19 21 20 18 19 20 16 20 16 9
20 23 16 13 20 24 12 19 19 14
21 21 20 16 22 23 20 20 18 14
22 20 21 21 21 25 18 22 20 12
23 23 19 20 22 24 20 25 22 14
24 23 20 20 24 23 21 20 19 13
25 21 17 18 19 21 15 18 16 9
26 21 20 19 22 21 14 20 18 8
27 20 19 18 19 25 20 19 20 11
28 20 21 20 19 21 17 20 18 11
29 22 17 17 14 21 17 18 18 9
30 20 19 21 17 21 19 19 19 12
31 21 21 23 22 24 17 22 18 13
32 20 18 14 22 20 19 18 17 11
33 23 17 17 14 25 16 20 13 12
34 18 17 15 23 25 17 15 16 11
No X1 X2 X3 X4 X5 X6 X7 X8 X9
36 21 20 17 20 21 19 20 18 13
37 25 25 9 11 25 21 25 21 7
38 19 18 17 20 24 18 17 19 12
39 18 19 20 20 18 16 18 19 12
40 22 17 16 19 22 21 20 17 12
41 22 18 20 18 25 17 18 19 11
42 21 18 17 17 20 15 17 18 9
43 21 23 22 24 20 19 20 19 12
44 23 22 22 22 24 19 21 20 13
45 21 19 17 20 24 25 19 18 15
46 20 18 17 21 25 16 19 19 12
47 22 18 16 20 18 10 18 12 10
48 24 22 24 22 25 21 25 22 15
49 22 20 22 23 25 21 25 24 12
50 20 17 17 16 22 15 15 20 12
51 25 23 22 24 25 19 24 22 12
52 25 25 20 24 25 23 24 23 15
53 23 20 21 20 24 18 21 17 13
54 25 17 17 13 21 18 17 15 13
55 21 18 14 20 22 21 22 18 12
56 23 22 22 20 23 24 20 24 13
57 21 20 20 22 25 23 24 23 15
58 19 16 20 18 20 18 10 20 12
59 24 14 12 22 21 19 13 17 11
60 20 16 17 20 11 18 17 19 12
61 21 20 19 12 21 13 16 19 11
62 25 24 20 25 25 23 22 22 15
No X1 X2 X3 X4 X5 X6 X7 X8 X9
64 22 20 20 25 25 16 20 20 12
65 20 17 16 22 18 20 23 19 9
66 19 17 10 18 23 22 14 19 9
67 21 22 21 22 22 22 21 21 12
68 23 23 18 24 23 20 20 19 13
69 23 23 18 24 23 20 21 19 12
70 23 21 24 21 24 20 19 24 15
71 18 20 16 20 24 20 24 20 9
72 23 18 19 21 23 19 20 19 12
73 23 19 19 22 23 18 19 20 13
Keterangan:
X1 = motivasi belajar
X2 = minat belajar
X3 = displin belajar
X4 = lingkungan belajar
X5 = perhatian oraang tua
X6 = dosen
X7 = pengaruh teman
X8 = kecerdasan emosional
3.5.1. Diagram Jalur dan Persamaan Struktural
Dalam pengerjaan dalam analisis jalur, pertama sekali kita membuat gambar model jalurnya dan kemudian membuat persamaan strukturalnya.
Gambar 3.1 Model Diagram Jalur
Dari gambar diatas dapat dibuat persamaan strukturalnya: Persamaan Substruktur 1
�9 =��9�1�1+��9�2�2+��9�3�3+��9�6�6+��9�1�1
Persamaan Substruktur 2
�1 =��1�5�5+��1�7�7+��1�3�3
Persamaan Substruktur 3
�2 = ��2�1�1+��2�7�7+��2�8�8+��2�4�4
Persamaan Substruktur 4
3.5.2. Menghitung korelasi antar Variabel
Menghitung korelasi antar setiap variabel adalah dengan menggunakan product moment pearson dengan rumus:
��� = � ∑ �� − ∑ � ∑ �
�[� ∑ �2 −(∑ �)2][� ∑ �2 −(∑ �)2]
Mengitung korelasi dari X1 dan X2
��1�2 =
� ∑ �1�2− ∑ �1∑ �2
��� ∑ �12−(∑ �1)2��� ∑ �22−(∑ �2)2�
��1�2 =
73(30791)−(1581)(1415)
�[73(34493)−(1581)2][73(27899)−(1415)2]
��1�2 =
2247743−2237115
�[2517989−2499561][2036627−2001115]
��1�2 =
10628 �(18428)(34402)
��1�2 =
10628 25178,563
��1�2 = 0,422
Demikianlah sampai seterusnya hingga hubungan korelasi sampai pada X9.
� = ⎝ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎛
1 ��1�2 ��1�3 ��2�1 1 ��2�3 ��3�1 ��3�2 1
��1�4 ��1�5 ��1�6 ��2�4 ��2�5 ��2�6 ��3�4 ��3�5 ��3�6
��1�7 ��1�8 ��1�9 ��2�7 ��2�8 ��2�9 ��3�7 ��3�8 ��3�9 ��4�1 ��4�2 ��4�3
��5�1 ��5�2 ��5�3 ��6�1 ��6�2 ��6�3
1 ��4�5 ��4�6 ��5�4 1 ��5�6 ��6�4 ��6�5 1
��4�7 ��4�8 ��4�9 ��5�7 ��5�8 ��5�9 ��6�7 ��6�8 ��6�9 ��7�1 ��7�2 ��7�3
��8�1 ��8�2 ��8�3 ��9�1 ��9�2 ��9�3
��7�4 ��7�5 ��7�6 ��8�4 ��8�5 ��8�6 ��9�4 ��9�5 ��9�6
1 ��7�8 ��7�9 ��8�7 1 ��8�9 ��9�7 ��9�8 1 ⎠
⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎞ �= ⎝ ⎜ ⎜ ⎜ ⎜ ⎜ ⎛
1 0,422 0,251
0,422 1 0,494
0,251 0,494 1
0,176 0,248 0,215 0,324 0,214 0,357 0,348 0,115 0,062
0,348 0,250 0,370 0,578 0,468 0,297 0,293 0,406 0,483 0,176 0,324 0,348
0,248 0,214 0,115 0,215 0,357 0,062
1 0,179 0,366
0,179 1 0,239
0,366 0,239 1
0,343 0,349 0,409 0,454 0,335 0,189 0,383 0,530 0,340 0,348 0,578 0,293
0,250 0,468 0,406 0,370 0,297 0,483
0,343 0,454 0,383 0,349 0,335 0,530 0,409 0,189 0,340
1 0,424 0,193
0,424 1 0,373
0,193 0,373 1 ⎠ ⎟ ⎟ ⎟ ⎟ ⎟ ⎞
3.5.3. Menghitung Koefisien Jalur Persamaan Substruktur 1
1. Model Diagram Jalur
2. Persamaan strukturanya
�9 =��9�1�1+��9�2�2+��9�3�3+��9�6�6+��9�1�1
3. Matriks korelasi dan perhitungan koefisien jalur
� =
⎝ ⎜ ⎛
1 ��1�2 ��2�1 1
���1�3 ��1�6
�2�3 ��2�6 ��3�1 ��3�2
��4�1 ��4�2
1 ��3�6 ��4�3 1 ⎠
⎟ ⎞ � = � 1 0,422 0,422 1 0,251 0,215 0,494 0,357 0,251 0,494 0,215 0,357 1 0,062 0,062 1 �
Invers matrik korelasinya sebagai berikut:
�−1= �
1,229 −0,441 −0,441 1,699
−0,084 −0,102 −0,700 −0,468 −0,084 −0,700
−0,102 −0,468
1,355 0,184 0,184 1,178
�
Kemudian dapat dihitung koefisien jalurnya
� ��9�1 ��9�2 ��9�3 ��9�6
�= �
1,229 −0,441 −0,441 1,699
−0,084 −0,102 −0,700 −0,468 −0,084 −0,700
−0,102 −0,468
1,355 0,184 0,184 1,178
� � ��9�1 ��9�2 ��9�3 ��9�6
�
� ��9�1 ��9�2 ��9�3 ��9�6
�= �
1,229 −0,441 −0,441 1,699
−0,084 −0,102 −0,700 −0,468 −0,084 −0,700
−0,102 −0,468
1,355 0,184 0,184 1,178
� � 0,370 0,297 0,483 0,340 �
Maka diperoleh nilai masing-masing koefisien jalurnya sebagai berikut:
� ��9�1 ��9�2 ��9�3 ��9�6
Setelah memperoleh nilai koefisien jalurnya maka, kemudian mencari nilai R square
��9(�1,�2,�3,�6)
2 = ��
�9�1 ��9�2 ��9�3 ��9�6� � ��9�1 ��9�2 ��9�3 ��9�6
�
��92 (�1,�2,�3,�6)= (0,249 −0,156 0,478 0,313)� 0,370 0,297 0,483 0,340
�
��9(�1,�2,�3,�6)
2 = 0,388
Setelah memperoleh nilai R square, maka kita dapat menghitung koefisien residunya dengan cara:
��9�1 = �1− ��9(�1,�2,�3,�6) 2
��9�1 = �1−0,388
��9�1 = 0,782
Sehingga dari seluruhnya didapatlah persamaan substruktural 1 sebagai berikut:
�9 =��9�1�1+��9�2�2+��9�3�3+��9�6�6+��9�1�1
�9 = 0,249�1−0,156�2+ 0,478�3+ 0,313�6+0,782�1
4. Pengujian Hipotesis Secara Simultan
�0: ��29(�1,�2,�3,�6) = 0, artinya tidak terdapat pengaruh motivasi belajar, minat belajar, disiplin belajar dan dosen terhadap prestasi belajar.
�0: ��29(�1,�2,�3,�6) ≠ 0, artinya terdapat pengaruh motivasi belajar, minat belajar, disiplin belajar dan dosen terhadap prestasi belajar.
Untuk menguji hipotesis, dilakukan dengan uji F.
� =(� − � −1)(��9(�1,�2,�3,�6)
2 )
�(1− ��
9(�1,�2,�3,�6)
2 )
� =(73−4−1)(0,389) 4(1−0,389)
� =(68)(0,389) 4(0,389)
� = 10,543
Setelah diketahui nilai Fhitung maka selanjutnya mencari nilai Ftabel. Dan diperoleh
nilai Ftabel dengan db1 = 4 dan db2 = 68 adalah 2,51. Dengan kriteria pengujian jika Fhitung ≥ Ftabel maka H0 ditolak. Dan dari hasil yang diperoleh diketahui bahwa Fhitung ≥ Ftabel maka H0 ditolak, yang berarti terdapat pengaruh dari keseluruhan
variabel terhadap prestasi belajar.
5. Pengujian Hipotesis secara individual
• Pengujian koefisien jalur hubungan motivasi belajar dan prestasi belajar.
�0: ��9�1 = 0, artinya tidak terdapat pengaruh antara motivasi belajar terhadap prestasi belajar.
Pengujian terhadap hipotesis dilakukan dengan rumus:
� = ����� ��1− ���(�1�2…��)
2 ��
��
� − � −1
� = ��9�1 ��1− ��9(�1�2�3�6)
2 ��
11 � − � −1
� = 0,249
�(1−0,389)1,229 73−4−1
� = 0,249 �0,75168
� =0,249 0,105 � = 2,371
Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai thitung lebih
besar dari ttabel. Dengan tingkat alpha 5% untuk ttabel sendiri yaitu ������ ��
2,�−�−1�
= ������ ��
2,73−4−1�
= 1,995. Jika dilihat maka nilai thitung
lebih besar daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho
ditolak, yang artinya ada pengaruh dari motivasi belajar terhadap prestasi belajar.
• Pengujian koefisien jalur hubungan minat belajar terhadap prestasi belajar.
�0: ��9�2 = 0, artinya tidak terdapat pengaruh antara minat belajar terhadap prestasi belajar.
Pengujian terhadap hipotesis dilakukan dengan rumus:
� = ��9�2
��1− ��9(�1�2�3�4�5�6�7�8)
2 ��22
� − � −1
� = −0,156
�(1−730,389)1,699−4−1
� =−0,156 �1,03868
� =−0,156 0,123 � =−1,268
Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai thitung lebih
besar dari ttabel. Dengan tingkat alpha 5% untuk ttabel sendiri yaitu ������ ��
2,�−�−1�
= ������ ��
2,73−4−1�
= 1,995. Jika dilihat maka nilai thitung
lebih kecil daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho
diterima, yang artinya tidak ada pengaruh dari minat belajar terhadap prestasi belajar.
• Pengujian koefisien jalur hubungan disiplin belajar dengan prestasi belajar.
�0: ��9�3 = 0, artinya tidak terdapat pengaruh antara disiplin belajar terhadap prestasi belajar.
Pengujian terhadap hipotesis dilakukan dengan rumus:
� = ��9�3
��1− ��9(�1�2�3�4�5�6�7�8)
2 ��33
� − � −1
� = 0,478
�(1−730,389)1,355−4−1
� = 0,478 �0,82868
� =0,478 0,110 � = 4,345
Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai thitung lebih
besar dari ttabel. Dengan tingkat alpha 5% untuk ttabel sendiri yaitu ������ ��
2,�−�−1�
= ������ ��
2,73−4−1�
= 1,995. Jika dilihat maka nilai thitung
lebih besar daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho
ditolak, yang artinya ada pengaruh dari disiplin belajar terhadap prestasi belajar.
• Pengujian koefisien jalur hubungan dosen terhadap prestasi belajar.
�0: ��9�6 = 0, artinya tidak terdapat pengaruh antara dosen terhadap prestasi belajar.
�1: ��9�6 ≠ 0, artinya terdapat pengaruh antara dosen terhadap prestasi belajar.
Pengujian terhadap hipotesis dilakukan dengan rumus:
� = ��9�6 ��1− ��9(�1�2�3�6)
2 ��
� = 0,312
�(1−730,389)1,177−4−1
� = 0,312 �0,71968
� =0,312 0,103 � = 3,029
Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai thitung lebih
besar dari ttabel. Dengan tingkat alpha 5% untuk ttabel sendiri yaitu ������ ��
2,�−�−1�
= ������ ��
2,73−4−1�
= 1,995. Jika dilihat maka nilai thitung
lebih besar daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho
ditolak, yang artinya ada pengaruh dari dosen terhadap prestasi belajar.
Dari hasil yang telah diperoleh berdasrkan hasil uji signifikannya, terdapat beberapa variabel yang tidak signifikan didalam diagram jalurnya. Oleh sebab itu perlu dilakukan trimming, yaitu dengan mengeluarkan variabel yang tidak signifikan dan mengulang kembali diagram jalurnya, lalu menghitung ulang koefisien jalurnya.
Dengan demikian didapat persamaan substruktural yang baru.
�9 =��9�1�1+��9�3�3+��9�6�6+��9�1�1
Dengan matriks korelasinya adalah
� = �
1 ��1�3 ��1�6 ��3�1 1 ��3�6 ��6�1 ��6�3 1
�
� = �
1 0,251 0,215
0,251 1 0,062
0,215 0,062 1
�
Invers matriknya sendiri adalah
�−1= �
1,115 −0,266 −0,223 −0,266 1,067 −0,009 −0,223 −0,009 1,048 �
Perhitungan koefisien jalurnya adalah sebagai berikut:
� ��9�1 ��9�3 ��9�6
�=�
1,115 −0,266 −0,223 −0,266 1,067 −0,009 −0,223 −0,009 1,048
� � ��9�1 ��9�3 ��9�6
�
� ��9�1 ��9�3 ��9�6
�=�
1,115 −0,266 −0,223 −0,266 1,067 −0,009 −0,223 −0,009 1,048
� �0,3700,483 0,340 �
� ��9�1 ��9�3 ��9�6
�=� 0,208 0,414 0,269 �
Untuk nilai R square nya sendiri adalah
��9(�1,�3,�6)
2 =��
�9�1��9�3��9�6� � ��9�1 ��9�3 ��9�6 �
��9(�1,�3,�6)
2 = (0,208 0,414 0,269)�0,3700,483
��9(�1,�3,�6)
2 = 0,368
Koefisien residunya sendiri adalah:
��9�1 = �1− ��9(�1,�3,�6) 2
��9�1 = �1−0,368
��9�1 = 0,795
Maka, persamaan substruktural 1 yang baru adalah
�9 =��9�1�1+��9�3�3+��9�6�6+��9�1�1
�9 = 0,208�1+ 0,414�3+ 0,269�6+ 0,795�1
3.5.4. Menghitung Persamaan Substruktural 2
[image:31.595.177.451.471.624.2]1. Model Diagram Jalur
Gambar 3.4 Diagram Jalur Substruktural 2
2. Persamaan Substruktur
3. Perhitungan koefisien jalur
� = � 1 0,454
0,454 1 �
�−1= � 1,260 −0,572 −0,572 1,260� ���1�5
��1�7�
=� 1,260 −0,572 −0,572 1,260� �
0,248 0,348�
���1�5 ��1�7�
=�0,113 0,296�
Nilai R Square nya sendiri adalah
��1(�5�7)
2 = (0,113 0,296)�0,248 0,348� ��1(�5�7)
2 = 0,136
Setelah memperoleh nilai R square, kemudian menghitung koefisien residunya dengan cara:
��1�3 = �1− ��1(�5,�7) 2
��2�3 = �1−0,136
��1�3 = 0,930
Sehingga dari seluruhnya didapatlah persamaan substruktural 2 sebagai berikut:
�1 =��2�5�5+��1�7�7+��1�3�3
�1 = 0,113�5+ 0,296�7+ 0,930�3
4. Pengujian Hipotesis Secara Simultan
�0: ��21(,�5,�7) = 0, artinya tidak terdapat pengaruh perhatian orang tua dan pengaruh teman, terhadap motivasi belajar
�0: ��21(�5,�7) ≠ 0, artinya terdapat pengaruh perhatian orang tua dan pengaruh teman, terhadap motivasi belajar
Untuk menguji hipotesis, dilakukan dengan uji F.
� =(� − � −1)(��1(,�5,�7)
2 )
�(1− ��
1(,�5,�7)
2 )
� =(73−2−1)(0,135) 2(1−0,135)
� =(70)(0,135) 2(0,865)
� = 5,462
Setelah diketahui nilai Fhitung maka selanjutnya mencari nilai Ftabel. Dan diperoleh
nilai Ftabel dengan db1 = 2 dan db2 = 70 adalah 3,13. Dengan kriterian pengujian
jika Fhitung ≥ Ftabel maka H0 ditolak. Dan dari hasil yang diperoleh diketahui bahwa Fhitung ≥ Ftabel maka H0 ditolak, yang berarti terdapat pengaruh dari keseluruhan
variabel terhadap motivasi belajar. 5. Pengujian Hipotesis secara individual
Dengaan proses yang sama, maka tabel dibawah ini adalah ringkasan untuk uji hipotesis secara individual, dengan ttabel(α/2, 73-2-1) = 1,994.
Hipotesis thitung ttabel Kesimpulan
�0: ��1�5 = 0, tidak ada hubungan perhatian orang tua terhadap motivasi
�1: ��1�5 ≠ 0, tidak ada hubungan perhatian orang tua terhadap motivasi
�0: ��1�7 = 0, tidak ada hubungan teman terhadap motivasi
�1: ��1�7 ≠ 0, tidak ada hubungan teman terhadap motivasi
2,378 1,995 H0 ditolak
[image:34.595.160.470.360.473.2]Dari hasil diatas dapat dilihat bahwa perhatian orang tua tidak ada hubungan dengan motivasi belajar. Oleh sebabnya perlu di trimming dengan mengeluarkan variabel yang tidak valid serta membuat ulang diagram jalur dan persamaan substrukturnya.
Gambar 3.5. Diagram Jalur Persamaan Substruktural 2 hasil Trimming
Dengan demikian didapat persamaan substruktural yang baru.
�1 =��1�7�7+��1�3�3
Dengan matriks korelasinya adalah
� = (1)
Invers matriknya sendiri adalah
Perhitungan koefisien jalurnya adalah sebagai berikut:
���1�7�= (1)���1�7�
���1�7�= (0,348)
Untuk nilai R square nya sendiri adalah
��1(�7)
2 =��
�1�7����1�7�
��1(�2)
2 = (0,348)(0,348)
��1(�2)
2 = 0,121
Koefisien residunya sendiri adalah:
��1�3 = �1− ��1(�2) 2
��1�3 = �1−0,121
��1�3 = 0,937
Maka, persamaan substruktural 2 yang baru adalah
�1 =��1�7�7+��1�3�3
3.5.5. Menghitung Persamaan Substruktural 3
[image:36.595.164.464.160.338.2]1. Model Diagram Jalur
Gambar 3.6 Diagram Jalur Substruktural 3
2. Persamaan Substruktur
�2 = ��2�1�1+��2�7�7+��2�8�8+��2�4�4
3. Perhitungan koefisien jalur
� = �
1 0,348 0,250
0,348 1 0,424
0,250 0,424 1
�
�−1= �
1,155 −0,341 −0,144 −0,341 1,320 −0,474 −0,144 −0,474 1,237 �
� ��2�1 ��2�7 ��2�8
�=�
1,155 −0,341 −0,144 −0,341 1,320 −0,474 −0,144 −0,474 1,237
� �0,4220,578 0,468 �
� ��2�1 ��2�7 ��2�8
Nilai R Square nya sendiri adalah
��2(�1�7�8)
2 = (0,223 0,397 0,244)�
0,422 0,578 0,468 �
��2(�1�7�8)
2 = 0,438
Setelah memperoleh nilai R square, maka kita dapat menghitung koefisien residunya dengan cara:
��2�4 = �1− ��2(�1,�7,�8) 2
��2�4 = �1−0,438
��2�4 = 0,749
Sehingga dari seluruhnya didapatlah persamaan substruktural 3 sebagai berikut:
�2 = ��2�1�1+��2�7�7+��2�8�8+��2�4�4
�2 = 0,223�1+ 0,397�7+ 0,244�8+ 0,749�4
4. Pengujian Hipotesis Secara Simultan
Menguji hipotesis secara bersama-sama hubungan motivasi belajar pengaruh teman dan kecerdasan emosional terhadap minat belajar.
�0: ��22(�1,�7,�8) = 0, artinya tidak terdapat pengaruh dari motivasi belajar, pengaruh teman, dan kecerdasan emosional terhadap minat belajar
Untuk menguji hipotesis, dilakukan dengan uji F.
� =(� − � −1)(��2(�1,�7,�8)
2 )
�(1− ��
2(�1,�7,�8)
2 )
� =(73−3−1)(0,438) 3(1−0,438)
� =(69)(0,438) 4(0,438)
� = 17,900
Setelah diketahui nilai Fhitung maka selanjutnya mencari nilai Ftabel. Dan diperoleh
nilai Ftabel dengan db1 = 3 dan db2 = 69 adalah 2,50. Dengan kriteria pengujian jika Fhitung ≥ Ftabel maka H0 ditolak. Dan dari hasil yang diperoleh diketahui bahwa Fhitung ≥ Ftabel maka H0 ditolak, yang berarti terdapat pengaruh dari keseluruhan
variabel terhadap minat belajar.
5. Pengujian Hipotesis secara individual
Dengaan proses yang sama, maka tabel dibawah ini adalah ringkasan untuk uji hipotesis secara individual, dengan ttabel(α/2, 73-3-1) = 1,995.
Hipotesis thitung ttabel Kesimpulan
�0: ��2�1 = 0, tidak ada pengaruh motivasi terhadap minat
�1: ��2�1 ≠ 0, ada pengaruh motivasi terhadap minat
2,297 1,995 H0 ditolak
�0: ��2�7 = 0, tidak ada hubungan pengaruh teman terhadap minat belajar
�1: ��2�7 ≠ 0, ada hubungan pengaruh teman terhadap minat belajar
�0: ��2�8 = 0, tidak ada hubungan kecerdasan emosional terhadap minat
�1: ��2�8 ≠ 0, ada hubungan kecerdasan emosional terhadap minat
2,432 1,995 H0 ditolak
Dari hasil diatas dapat dilihat bahwa seluruhnya memiliki hubungan yang signifikan sehingga tidak perlu didakan trimming.
3.5.6. Menghitung Persamaan Substruktural 4
[image:39.595.116.519.97.186.2]1. Model Diagram Jalur
Gambar 3.7 Diagram Jalur Substruktural 4
2. Persamaan Substruktur
�3 = ��3�2�2+��3�4�4 +��3�2�2
3. Perhitungan koefisien jalur
� = � 1 0,324
0,324 1 �
�−1= � 1,117 −0,362 −0,362 1,117�
���3�2 ��3�4�
=� 1,117 −0,362 −0,362 1,117� �
���3�2 ��3�4�
=�0,211 0,426�
Nilai R Square nya sendiri adalah
��3(�2�4)
2 = (0,211 0,426)�0,494 0,348�
��3(�2�4�8)
2 = 0,284
Setelah memperoleh nilai R square, maka kita dapat menghitung koefisien residunya dengan cara:
��3�2 = �1− ��3(�2,�4) 2
��3�2 = �1−0,284
��3�2 = 0,846
Sehingga dari seluruhnya didapatlah persamaan substruktural 4 sebagai berikut:
�3 = ��3�2�2+��3�4�4+��3�8�8+��3�2�2
�3 = 0,211�2+ 0,426�4+ 0,846�2
4. Pengujian Hipotesis Secara Simultan
Menguji hipotesis secara bersama-sama minat belajar dan lingkungan belajar terhadap disiplin belajar.
�0: ��23(�2,�4) = 0, artinya tidak terdapat pengaruh dari minat belajar dan lingkungan belajar terhadap disiplin belajar
Untuk menguji hipotesis, dilakukan dengan uji F.
� =(� − � −1)(��3(�2,�4,)
2 )
�(1− ��
2(�2,�4,)
2 )
� =(73−2−1)(0,284) 2(1−0,284)
� =(70)(0,284) 3(0,716)
� = 13,850
Setelah diketahui nilai Fhitung maka selanjutnya mencari nilai Ftabel. Dan diperoleh
nilai Ftabel dengan db1 = 2 dan db2 = 70 adalah 3,13. Dengan kriterian pengujian
jika Fhitung ≥ Ftabel maka H0 ditolak. Dan dari hasil yang diperoleh diketahui bahwa Fhitung ≥ Ftabel maka H0 ditolak, yang berarti terdapat pengaruh dari keseluruhan
variabel terhadap displin belajar
5. Pengujian Hipotesis secara individual
Dengaan proses yang sama, maka tabel dibawah ini adalah ringkasan untuk uji hipotesis secara individual, dengan ttabel(α/2, 73-2-1) = 1,994.
Hipotesis thitung ttabel Kesimpulan
�0: ��3�2 = 0, tidak ada pengaruh minat belajar terhadap disiplin belajar
�1: ��3�2 ≠ 0, ada pengaruh minat belajar terhadap disiplin belajar
3,981 1,994 H0 ditolak
�0: ��3�4 = 0, tidak ada hubungan lingkungan belajar terhadap disiplin belajar
�1: ��3�4 ≠ 0, ada hubungan lingkungan belajar terhadap disiplin belajar
Dari hasil diatas dapat dilihat bahwa lingkungan belajar tidak berpengaruh terhadap disiplin belajar. Oleh sebabnya perlu di trimming dengan mengeluarkan variabel yang tidak valid serta membuat ulang diagram jalur dan persamaan substrukturnya.
Gambar 3.9. Diagram Jalur Persamaan Substruktural 4 hasil Trimming
Dengan demikian didapat persamaan substruktural yang baru.
�3 = ��3�2�2+��3�2�2
Dengan matriks korelasinya adalah
� = (1)
Invers matriknya sendiri adalah
�−1= (1)
Perhitungan koefisien jalurnya adalah sebagai berikut:
���3�2�= (1)���3�2�
Untuk nilai R square nya sendiri adalah
��3(�2,)
2 =��
�3�2����3�2�
��3(�2,)
2 = (0,494)(0,494)
��3(�2,)
2 = 0,244
Koefisien residunya sendiri adalah:
��3�2 = �1− ��3(�2,) 2
��3�2 = �1−0,244
��3�2 = 0,869
Maka, persamaan substruktural 4 yang baru adalah
�3 = ��3�2�2+��3�2�2
3.5.7. Model Diagram Jalur Hasil Trimming
[image:44.595.131.494.204.447.2]Berdasarkan hasil dari koefisien jalur pada substrukur 1 sampai substruktur 4, maka dapat digambarkan secara keseluruhan sebagai berikut:
Gambar 3.10. Diagram Jalur Hasil Trimming
Dengan persamaan strukturalnya Struktural 1
�9 =��9�1�1+��9�3�3+��9�6�6+��9�1�1
�9 = 0,208�1+ 0,414�3+ 0,269�6+ 0,795�1
Struktural 2
�1 =��1�7�7+��1�3�3
�1 = 0,348�7+ 0,937�3
Struktural 3
�2 = ��2�1�1+��2�7�7+��2�8�8+��2�4�4
Struktural 4
�3 = ��3�2�2+��3�2�2
�3 = 0,494�2+ 0,869�2
3.5.8. Pengujian Kesesuian Model
Uji kesesuian model dimaksud untuk menguji apakah model yang diusulkan neniliki kesesuain dengan data atau tidak. Model yang diusulkan dikatakan sesuai apabila matriks korelasi sampel tidak jauh beda dengan matriks korelasi estimasi. Hipotesis kesesuian model:
��:� ≠ �(∅), matriks korelasi estimasi berbeda dengan matriks korelasi sampel.
�0:� =�(∅), matriks korelasi estimasi tidak berbeda dengan matriks korelasi sampel.
Rumus yang digunakan untuk kesesuian model:
� =1− �� 2
1− �
Dimana:
��2 = 1−(1− �12)(1− �22) … (1− ��2)
��2 = 1−(1−0,389)(1−0,136)(1−0,438)(1−0,284)
��2 = 1−(0,611)(0,864)(0,562)(0,716)
��2 = 1−0,212
� = 1−(1− �12)(1− �22) … (1− �
�2)
� = 1−(1−0,368)(1−0,121)(1−0,438)(1−0,244)
� = 1−(0,632)(0,879)(0,562)(0,756)
� = 1−0,238
� = 0,762
Maka dapat dihitung koefisien Q � =1− ��
2
1− �
� =1−0,788 1−0,764
� =0,212 0,238
� = 0,891
Dengan ukuran sampel 73 dan d = 3, maka dihitung nilai W �ℎ����� =−(� − �)���
�ℎ����� =−(73−3) ln 0,891
�ℎ����� =−(70) (−0,115)
�ℎ����� = 8,05
Dicari dari tabel distribusi chi-square dengan dk = 3 dan α = 5%, maka diperoleh nilai �2 = 7,814. Ternyata Whitung > �2(3;0,05) atau 8,05 > 7,814 maka H0 ditolak
3.6. Besar Pengaruh Langsung dan Tidak Langsung
Besarnya masing-masing pengaruh baik secara langsung maupun tidak langsung dapat dilihat dibawah ini.
1. Pengaruh langsung motivasi (X1) terhadap prestasi belajar (X9) ��9�1 ×��9�1 = 0,208 × 0,208 = 0,043
2. Pengaruh disiplin (X3) terhadap prestasi belajar (X9) ��9�3 ×��9�3 = 0,414 × 0,414 = 0,171
3. Pengaruh langsung dosen (X6) terhadap prestasi belajar (X9) ��9�6 ×��9�6 = 0,269 × 0,269 = 0,072
4. Pengaruh langsung teman (X7) terhadap motivasi (X1) ��1�7 ×��1�7 = 0,348 × 0,348 = 0,121
5. Pengaruh langsung motivasi (X1) terhadap minat belajar (X2) ��2�1 ×��2�1 = 0,223 × 0,223 = 0,049
6. Pengaruh langsung teman (X7) terhadap minat belajar (X2) ��2�7×��2�7 = 0,397 × 0,397 = 0,158
7. Pengaruh langsung kecerdasan emosional (X8) terhadap minat belajar (X2) ��2�8×��2�8 = 0,244 × 0,244 = 0,059
8. Pengaruh langsung minat (X2) terhadap disiplin belajar (X3) ��3�2×��3�2 = 0,494 × 0,494 = 0,244
9. Pengaruh tidak langsung teman (X7) terhadap prestasi (X9) melalui motivasi
(X1).
10.Pengaruh tidak langsung minat (X2) melalui disiplin (X3) terhadap prestasi
(X9)
��3�2 ×��9�3 = 0,494 × 0,414 = 0,204
11.Pengaruh tidak langsung kecerdasan emosional (X8) terhadap prestasi (X9)
melalui minat (X2) dan disiplin belajar (X3)
��2�8 ×��3�2×��9�3 = 0,244 × 0,494 × 0,414 = 0,05
12. Pengaruh tidak langsung kecerdasan emosional (X8) terhadap disiplin belajar
(X3) melalui minat (X2)
��2�8 ×��3�2 = 0,244 × 0,494 = 0,121
13.Pengaruh tidak langsung motivasi (X1) terhadap disiplin belajar (X3) melalui
minat (X2)
��2�1 ×��3�2 = 0,208 × 0,494 = 0,103
14.Pengaruh tidak langsung teman (X7) terhadap disiplin belajar (X3) melalui
minat (X2)
4.1. Kesimpulan
Dari hasil penelitian yang telah dilakukan maka diperolah kesimpulan bahwa faktor yang berpengaruh langsung secara simultan terhadap prestsai mahasiswa D3 Statistika adalah motivasi, disiplin belajar dan dosen dengan besar pengaruhnya sebesar 36,8%. Faktor yang berpengaruh secara tidak langsung terhadap prestasi mahasiswa adalah teman, minat belajar, kecerdasan emosional, dan motivasi. Dimana teman berpengaruh secara tak langsung terhadap prestasi melalui motivasi sebesar 0,072, minat belajar berpengaruh secara tak langsung terhadap prestasi melalui disiplin belajar sebesar 0,204, dan pengaruh tidak langsung dari kecerdasan emosional terhadap prestasi melalui minat dan disiplin belajar adalah sebesar 0,05.
4.2. Saran
1. Untuk penelitian selanjutnya disarankan agar menambah variabel yang mempengaruhi prestasi belajar yang tidak terkandung dalam penelitian ini untuk hasil yang maksimal. Memperluas populasi dan menambah jumlah sampel agar bisa dijadikan bahan perbandingan dalam pengambilan keputusan 2. Sebagai pihak pengajar hendaknya lebih meningkatkan proses pengajaran agar
2.1. Analisis Jalur
Analisis jalur atau yang dikenal dengan path analysis dikembangkan pertama tahun 1920-an oleh seorang ahli genetika yaitu Sewall Wright. Menurut Sarwono (2007:1) terdapat beberapa defenisi analisis jalur, diantaranya:
1) Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung (Robert D. Ruterford 1993).
2) Analisis jalur merupakan pengembanganlangsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan (magnitude) dan signifikansi (significance) hubungan sebab akibat hipotepikal dalam seperankat variabel. (Paul Webley, 1997)
3) Analisis jalur merupakan model perluasan regresi yang digunakan untuk menguji keselarasan matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang dibandingkan oleh peneliti. (David Garson, 2003)
Dari beberapa defenisi diatas, dapat disimpulkan bahwa sebenarnya analisis jalur adalah perluasan dari analisis regresi berganda. Analisis jalur merupakan teknik analisis yang digunakan untuk mempelajari atau melihat hubungan kausal antara variabel bebas dan variabel tak bebas.
2.2. Konsep Dasar Analisis Jalur
pada sistem persamaan linear. Sistem hubungan kausal atau sebab akibat menyangkut dua jenis variabel, yaitu variabel bebas dan variabel terikat.
Pengaruh variabel bebas terhadap variabel terikat dalam analisis jalur dapat berupa pengaruh langsung maupun tidak langsung. Hal ini berbeda dengan model regresi dimana pengaruh variabel bebas terhadap variabel tak bebas hanya berupa pengaruh langsung. Pengaruh tidak langsung suatu variabel bebas terhadap variabel tak bebas adalah pengaruh variabel bebas (independent) terhadap variabel tak bebas (dependent) melalui variabel lain yang disebut variabel antara (intervening variable).
Dalam analisis jalur dikenal istilah variabel eksogen dan variabel endogen. Variabel endogen atau variabel yang mempengaruhi adalah variabel yang variasinya diasumsikan terjadi bukan karena sebab-sebab dalam model. Atau dalam diagram, tidak ada anak-anak panah yang menuju kearahnya selain pada bagian kesalahan pengukuran. Sedangkan variabel endogen atau variabel yang dipengaruhi adalah variabel yang variasinya terjelaskan oleh variabel eksogen ataupun variabel endogen lain dalam model.
2.3. Manfaat Analisis Jalur
2.4. Diagram Jalur dan Persamaan Struktural
[image:52.595.202.425.246.375.2]Pada saat akan melakukan analisis jalur, disarankan untuk terlebih dahulu menggambarkan secara diagramatik struktur hubungan kausal antara variabel penyabab dan variabel terikat. Diagram ini disebut diagram jalur (path diagram), dan bentuknya ditentukan oleh proposisi teoritik yang berasal dari kerangka pikir tertentu.
Gambar 2.1: diagram jalur hubungan kausal dari X1 ke X2
Gambar diatas merupakan diagram jalur paling sederhana. Gambar 2.1 menyatakan bahwa X1 sebagai variabel eksogen atau bebas yang mempengaruhi
variabel endogen atau terikat X2. Tetapi diluar daripada variabel X1 masih ada
[image:52.595.177.450.556.690.2]variabel lain yang tidak diukur dan dinyatakan sebagai variabel residu (ε). Persamaan strukturalnya adalah �2 =��2�1�1+�
Pada gambar diatas terdapat tiga buah variabel eksogen yaitu X1, X2 dan
X3 serta sebuah variabel residu ε. Pada diagram diatas juga menunjukkan
hubungan kausal dari X1 ke X4, X2 ke X4 dan X3 ke X4, sedangkan hubungan X1
dengan X2, X2 dengan X3, dan X1 dengan X3 menunjukkan hubungan korelasi.
[image:53.595.154.470.225.354.2]Persamaan strukturalnya adalah �4= ��4�1�1+��4�2�2+��4�3�3+�
Gambar 2.3: diagram jalur hubungan kausal dari X1, X2 ke X3 dan dari X3 ke X4
Pada gambar terdapat dua buah sub-struktur. Pertama, sub-struktur yang menyatakan hubungan kausal dari X1 dan X2 ke X3, serta kedua, mengisyaratkan
hubungan kausal dari X3 ke X4.
Persamaan struktural 1 adalah �3 = ��3�1�1+��3�2�2+�1
Persamaan struktural 2 adalah �4 = ��4�3�3+�2
Pada sub-strukur pertama X1 dan X2 merupakan variabel eksogen dan X3 merupakan variabel endogen serta ε1 merupakan variabel residu. Pada sub-struktur
kedua X3 merupakan variabel eksogen dan X4 merupakan variabel endogen, serta ε2 merupakan variabel residu.
2.5. Koefisien Jalur
[image:54.595.180.449.206.336.2]Besarnya pengaruh langsung dari suatu variabel eksogen terhadap variabel endogen dinyatakan oleh besarnya nilai numeric koefisien jalur (path analysis) dari eksogen ke endogen.
Gambar 2.4 hubungan kausal dari X1, X2 ke X3
Hubungan antara X1 dan X2 adalah hubungan korelasi. Intensitas keeratan
hubungan tersebut dinyatakan oleh besarnya koefisien korelasi rx1x2. Hubungan X1
dan X2 ke X3 adalah hubungan kausal. Besarnya pengaruh langsung dari X1 ke X3
dan dari X2 ke X3 masing-masing dinyatakan oleh besarnya nilai numeric
koefisien jalur ��3�1 dan ��3�2. Koefisien jalur ��3� menggambarkan besarnya pengaruh langsung variabel residu terhadap X3.
Langkah kerja yang dilakukan untuk menghitung koefisien jalur adalah: a. Menggambar diagram jalur yang mencerminkan proposisi hipotetik yang
diajukan, lengkap dengan persamaan strukturalnya b. Menghitung matrik korelasi antar variabel
� =
⎣ ⎢ ⎢
⎡�1 ��1�2
�2�1 1
⋯ ��1��
⋯ ��2��
⋮ ⋮
����1 ����2
⋱ ⋯
… 1 ⎦⎥
Formula untuk menghitung koefisien korelasi yang dicari adalah menggunakan Product Moment Coefficient dari Karl Pearson.
��� = � ∑ �� −
(∑ �)(∑ �)
��[∑ �2 −(∑ �)2][� ∑ �2 −(∑ �)2]
c. Mengidentifikasikan sub-struktur dan persamaan yang akan dihitung koefisien jalurnya. Lalu hitung matrik korelasi antar variabel eksogen yang menyusun sub-struktur tersebut.
d. Menghitung matrik invers korelasi variabel eksogen
�1−1 =�
�11 �12 �21 �22
⋯ �1� ⋯ �2�
⋮ ⋮
��1 ��2
⋱ ⋯
… ���
�
e. Menghitung semua koefisien jalur �����, dimana �= 1,2, … ,�; melalui rumus:
� ����1
����2
⋮ �����
�= �
�11 �12 �21 �22
⋯ �1�
⋯ �2�
⋮ ⋮
��1 ��2
⋱ ⋯
… ���
� � ����1
����2
⋮ �����
�
Untuk melihat seberapa besar kontribusi secara simultan antara variabel bebas dengan variabel terikat digunakan rumus:
��2�(�1�2…��) = [����1 ����2 ⋯ �����]�
����1
����2
⋮ �����
2.6. Analisis Jalur Model Trimming
Model trimming adalah model yang digunakan untuk memperbaiki suatu model struktur analisis jalur dengan cara mengeluarkan dari model variabel eksogen yang koefisien jalurnya tidak signifikan. Jadi model trimming terjadi ketika koefisien jalur diuji secara keseluruhan ternyata ada variabel yang tidak signifikan. Jika terdapat demikian maka model jalur yang telah dibuat sebelumnya perlu diperbaiki.
Cara menggunakan trimming yaitu menghitung ulang koefisien jalur tanpa menyertakan variabel eksogen yang koefisien jalurnya tidak signifikan. Langkah-langkah pengujian analisis jalur (path analysis) dengan model trimming adalah:
1) Merumuskan persamaan struktural 2) Menghitung koefisien jalur
3) Menguji koefisien jalur secara simultan (keseluruhan) Uji hipotesis secara keseluruhan:
�0:����1 = ����2 =⋯= ����� = 0 �1:����1 =����2 = ⋯=����� ≠0
Pengujian signifikansi menggunakan uji F
� =(� − � −1)�
2
��(�1�2…��) �(1− �2
��(�1�2…��)
Dimana:
n = jumlah sampel
k = jumlah variabel eksogen
�2
��(�1�2…��) = koefisien determinasi
Kriteria pengujian:
4) Menguji koefisien jalur secara individual Hipotesis yang diuji:
�0:����� = 0, artinya tidak terdapat pengaruh variabel eksogenus (��)
terhadap variabel endogenus (��).
�0:����� ≠0, artinya terdapat pengaruh variabel eksogenus (��) terhadap
variabel endogenus (��)
Pengujian menggunakan uji t
�= �����
�(1− �2��(�1�2…��))��� � − � −1
Dengan kriteria pengujian: ditolak �0 jika �ℎ����� >������ 5) Menguji kesesuaian antar model analisis jalur
Uji kesesuaian model dimaksud untuk menguji apakah model yang diusulkan memiliki kesesuaian dengan data atau tidak. Untuk itu digunakan uji statistic kesesuain model koefisien Q dengan rumus:
� =1− ��
2
1− �
Dimana:
� =����������
��2 = 1−(1− �12)(1− �22) …�1− ��2� � =��2 ������ℎ�����������������
Apabila Q = 1 mengindikasikan model fit sempurna. Jika Q < 1, untuk menentukan fit tidaknya model maka statistic koefisien Q perlu diuji dengan statistik W yang dihitung dengan rumus:
Dimana:
n = menunjukkan ukuran sampel
d = banyak koefisien jalur yang tidak signifikan sama dengan degree of freedom
��2 = koefisien determinasi multiple untuk model yang diusulkan
� = koefisien determinasi multiple setelah koefisien jalur yang tidak signifikan dihilangkan.
Dasar pengambilan keputusan adalah jika �ℎ����� ≥ �(2��;�) maka model yang diperoleh signifikan.
6) Memaknai dan menyimpulkan
2.7. Variabel dan Data
2.7.1. Variabel
Variabel adalah karakteristik yang akan di observasi dari satuan pengamatan. Karakteristik yang dimiliki satuan pengamatan keadaannya berbeda-beda atau memiliki gejala yang bervariasi dari satu satuan pengamatan ke satu satuan pengamatan lainnya, atau untuk satuan pengamatan yang sama, karakteristiknya berubah menurut waktu atau tempat.
Dilihat dari hubungan antar variabel, dikenal bermacam-macam variable, antara lain:
1. Variabel independen (bebas, eksogenus) adalah variabel yang menjadi sebab terjadinya variabel dependen (terikat, endogenus).
2. Variabel dependen (terikat, endogenus) adalah variabel yang nilainya dipengruhi oleh variabel independen
4. Variabel intervening adalah variabel moderator yang nilainya tidak dapat diukur secara pasti, seperti sedih, gembira, dan lain sebagainya.
5. Variabel control adalah variabel yang dapat dikendalikanoleh peneliti.
2.7.2. Data
Jenis data berdasarkan cara memperolehnya dapat dibagi atas dua bagian, yaitu: 1. Data primer, yaitu data yang diapat langsung dari objeknya. Misalnya data
hasil observasi langsung, data hasil wawancara dan data hasil pengisian kuesioner.
2. Data sekunder, yaitu data yang diperoleh dalam bentuk sudah jadi, hasil dari pengumpulan dan pengolahan pihak lain
2.7.3. Teknik Pengumpulan Data
Teknik pengumpulan data adalah cara yang dapat digunakan oleh peneliti untuk mengumpulkan data. Ada beberapa teknik yang digunakan untuk mengumpulkan data, diantaranya adalah:
1. Teknik observasi, merupakan teknik pengumpulan data dimana peneliti mengadakan pengamatan dan pencatatan secara sistematis terhadap objek yang ditetili, baik dalam situasi buatan yang secara khusus diadakan (laboratorium) ataupun dalam situasi alamiah atau sebenarnya (lapangan). 2. Teknik wawancara, merupaka teknik pengumpulan data yang dilakukan
dengan cara mengadakan Tanya jawab, baik secara langsung maupun tidak langsung secara bertatap muka dengan sumber data (responden)
2.7.4. Skala Pengukuran
Maksud dari skala pengukuran adalah untuk mengklasifikasikan variabel yang akan diukur supaya tidak terjadi kesalahan dalam menentukan analisis data dan langkah penelitian. Jenis-jenis skala pengukuran ada empat, yaitu:
1. Skala nominal, yaitu skala yang menyatakan kategori, kelompok atau klasifikasi konstruk yang diukur dalam bentuk variabel. Nilai variabel dalam skala nominl hanya menjelaskan kategori, tidak menjelaskan nilai peringkat, jarak atau perbandingan.
2. Skala ordinal, yaitu skala pengukuran yang tidak hanya menyak=takan kategori tetapi juga menyataakan peringkat konstruk yang diukur.
3. Skala interval, yaitu skala yang menunjukkan jarak antara satu data dengan data yang lain dan mempunyai bobot yang sama. Contohnya adalah skor ujian perguruan tinggi: A, B, C, D dan E, temperature, persepsi (sangat setuju, setuju, kurang setuju, tidak setuju, sangat tidak setuju).
4. Skala rasio, yaitu skala pengukuran yang mempunyai nilai nol mutlak dan mempunyai jarak yang sama.
2.7.5. Pengujian Instrumen Penelitian
Dalam hal kegiatan pengumpulan data, perlu dilakukan pengujian terhadap instrument yang digunakan. Kegiatan pengujian instrument penelitian meliputi dua hal, yaitu pengujian validitas dan reliabilitas.
1. Validitas Instrumen
��� = � ∑ �� − ∑ � ∑ �
�[� ∑ �2−(∑ �)2][� ∑ �2−(∑ �)2]
Dimana:
rxy = koefisien korelasi
X = skor butir soal
Y = skor total
n = jumlah responden
Setelah setiap instrument dihitung besarnya koefisien korelasi dengan skor totalnya, maka langkah selanjutnya adalah menghitung uji-t dengan rumus:
�ℎ����� = ����� − 2 1− ���2
Kemudian hasil diatas dibandingkan dengan nilai t dari tabel dengan taraf kepercayaan 95% dan derajat kebebasan (dk) = n-2. Dengan kriteria pengujian adalah apabila nilai �ℎ����� ≥ ������ ,maka butir penyataan tersebut dinyatakan valid. Sebaliknya apabila �ℎ����� <������ ,maka butir pernyataannya tidak valid.
2. Reliabilitas Instrumen
Suatu instrument dikatakan reliable jika pengukurannya konsisten dan cermat akurat. Jadi uji reliabilitas instrument dilakukan dengan tujuan untuk mengetahui konsistensi dari instrument sebagai alat ukur, sehingga hasil suatu pengukuran dapat dipercaya. Rumus statistic yang digunakan adalah reliability analysis Alpha Cronbach, dengan rumus:
�11 =� �
� −1� �1−
∑ ��
�� �
Dimana:
∑Si = jumlah varians skor tiap item St = varians total
k = jumlah item
Menghitung varians skor tiap-tiap item dengan rumus:
�� =
<
