Analisis Faktor-Faktor Yang Berasosiasi Dengan Perencanaan Karier Mahasiswa

(1)

L

A

M

P

I

R

A

(2)

Lampiran 3. Jumlah Mahasiswa FMIPA USU Tahun Angkatan 2010-2011

No.

Program

Studi D3

Tahun Angkatan

Jumlah

2010

2011

2012

1

Kimia

69

mahasiswa

111

mahasiswa

146

mahasiswa

326

mahasiswa

2

Statistik

94

mahasiswa

126

mahasiswa

151

mahasiswa

371

mahasiswa

3

Teknik

Informatika

177

mahasiswa

254

mahasiswa

237

mahasiswa

668

mahasiswa

4

Fisika

10

mahasiswa

30

mahasiswa

55

mahasiswa

95

mahasiswa

5

Metrologi

-

58

mahasiswa

95

mahasiswa

153

mahasiswa

Total

1613

(3)

Lampiran 1.Hasil Data Kuesioner

Responden Indeks Prest asi Kumulat if Keakt ifan Ber orgaisasi M ot ivasi Per encanaan Karier

1 IPK 3,01-3,56 23 28 26

2 IPK 3,57-4,00 21 26 28

3 IPK 3,01-3,56 26 25 28

4 IPK 2,45-3.00 25 27 27

5 IPK 3,01-3,56 24 27 29

6 IPK 3,57-4,00 22 31 29

7 IPK 3,57-4,00 21 31 30

8 IPK 3,01-3,56 24 31 30

9 IPK 3,01-3,56 25 31 32

10 IPK 2,45-3.00 26 30 30

11 IPK 2,45-3.00 27 29 28

12 IPK 3,01-3,56 27 29 27

13 IPK 2,45-3.00 29 27 28

14 IPK 3,01-3,56 27 27 28

15 IPK 2,45-3.00 26 27 26

16 IPK 3,01-3,56 26 28 28

17 IPK 3,01-3,56 26 28 27

18 IPK 2,45-3.00 28 29 29

19 IPK 2,45-3.00 28 28 31

20 IPK 3,01-3,56 27 28 29

21 IPK 2,45-3.00 28 27 31

22 IPK 2,45-3.00 27 30 29

23 IPK 2,45-3.00 27 28 31

24 IPK 3,01-3,56 27 30 32

25 IPK 3,57-4,00 25 31 32

26 IPK 3,57-4,00 22 29 32

27 IPK 3,01-3,56 24 26 29

28 IPK 2,45-3.00 25 28 27

29 IPK 2,45-3.00 29 28 30

30 IPK 2,45-3.00 25 30 30

31 IPK 3,01-3,56 27 29 32

32 IPK 3,01-3,56 27 28 29

33 IPK 2,45-3.00 27 25 27

34 IPK 2,45-3.00 27 27 27

35 IPK 2,45-3.00 28 28 29

36 IPK 3,01-3,56 24 30 31

37 IPK 3,01-3,56 28 30 32

38 IPK 3,01-3,56 25 31 29

39 IPK 2,45-3.00 25 27 31

(4)

41 IPK 2,45-3.00 29 27 28

42 IPK 3,01-3,56 30 29 26

43 IPK 3,01-3,56 29 29 27

44 IPK 3,01-3,56 27 30 27

45 IPK 2,45-3.00 25 27 31

46 IPK 2,45-3.00 23 28 28

47 IPK 2,45-3.00 29 27 30

48 IPK 3,01-3,56 30 30 30

49 IPK 3,01-3,56 32 30 31

50 IPK 3,01-3,56 29 30 34

51 IPK 3,57-4,00 29 29 31

52 IPK 3,01-3,56 29 26 30

53 IPK 2,45-3.00 27 27 26

54 IPK 2,45-3.00 27 28 29

55 IPK 2,45-3.00 27 31 28

56 IPK 3,01-3,56 28 31 30

57 IPK 3,01-3,56 29 28 30

58 IPK 3,01-3,56 27 28 30

59 IPK 2,45-3.00 25 26 28

60 IPK 2,45-3.00 24 28 28

61 IPK 3,01-3,56 25 28 28

62 IPK 3,01-3,56 26 30 27

63 IPK 3,57-4,00 27 30 31

64 IPK 3,57-4,00 25 29 31

65 IPK 3,01-3,56 26 28 30

66 IPK 3,01-3,56 25 29 28

67 IPK 2,45-3.00 28 27 29

68 IPK 2,45-3.00 26 28 29

69 IPK 3,01-3,56 26 29 29

70 IPK 3,01-3,56 25 28 32

71 IPK 3,57-4,00 23 28 29

72 IPK 3,57-4,00 25 28 28

73 IPK 3,01-3,56 25 29 29

74 IPK 3,01-3,56 25 31 30

75 IPK 3,57-4,00 27 28 32

76 IPK 3,01-3,56 27 29 30

77 IPK 2,45-3.00 26 29 32

78 IPK 2,45-3.00 24 28 28

79 IPK 3,01-3,56 22 29 27

80 IPK 3,57-4,00 25 30 28

81 IPK 3,01-3,56 28 31 27

82 IPK 3,01-3,56 26 30 30

83 IPK 2,45-3.00 27 28 31

84 IPK 2,45-3.00 24 29 27

(5)

86 IPK 2,45-3.00 27 28 30

87 IPK 2,45-3.00 28 28 30

88 IPK 2,45-3.00 25 27 31

89 IPK 3,01-3,56 27 31 27

90 IPK 3,01-3,56 27 30 30

91 IPK 3,01-3,56 26 32 29

92 IPK 3,01-3,56 26 31 30

93 IPK 3,01-3,56 27 28 31

(6)

KEMENTRIAN PENDIDIKAN DAN KEBUDAYAAN UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM Jalan Bioteknologi No. 1 Kampus USU Medan Padang Bulan Medan 20155

Telp. (061) 8211050, 8214290, Fax. (061) 8214290

KARTU BIMBINGAN TUGAS AKHIR MAHASISWA

Nama Mahasiswa : Kristina Erny Lisnawaty Manik Nomor Induk Mahasiswa : 102407051

Judul Tugas Akhir : Analisis Faktor-faktor Yang Berasosiasi Dengan Perencanaan Karier Mahasiswa

(Studi Kasus Mahasiswa D3 FMIPA USU Angkatan 2010,2011, dan2012)

Dosen Pembimbing : Prof. Dr. Tulus, Vordipl, M.Si., Ph.D. Tanggal Mulai Bimbingan :12 Maret 2013

Tanggal Selesai Bimbingan :11 Juni 2013

No. Tanggal Asistensi Bimbingan

Pemhasan Asistensi Pada Bab

Paraf Dosen Pembimbing

Keterangan

1. 2. 3. 4. 5. 6. 7. 8. 9. 10.

1. Kartu ini harap dikembalikan ke Departemen Matematika bila bimbingan telah selesai

Diketahui/ Disetujui oleh:

KetuaDepartemen Matematika FMIPA USU Pembimbing

(7)

(8)

DAFTAR PUSTAKA

Andy Bruce dan Ken Langdon. 2008. Berpikir Strategis. Jakarta: esensi.

Dalil, Soendoro (2002), Paradigma Baru Manajemen Sumber Daya Manusia, Penerbit Amara Book, Yogyakarta

Darsono, Max. dkk. 2000. Belajar dan Pembelajaran. Semarang: IKIP Semarang Press.

Dessler, Garry. 2010. Manajemen Sumber Daya Manusia. Edisi Kesepuluh Jilid 1. Jakarta : Indeks.

Dessler, Garry. 2010. Manajemen Sumber Daya Manusia. Edisi Kesepuluh Jilid 2. Jakarta : Indeks.

Dimyati.2005. Belajar dan Pembelajaran.Jakarta: Depdikbud.

Djamarah,Syaiful Bahri.2002. Strategi Belajar Mengajar. Jakarta: Rineka Cipta.

Dr.H.B.Siswanto. 2005. Pengantar Manajemen. Jakarta: Bumi Aksara.

Ekaningrum Indri F, (2002), The Boundaryless Career Pada Abad ke –21, Jurnal Visi

(Kajian Ekonomi manajemen dan Akuntansi),Vol.IX. No.1 Februari 2002, FE Unika

Soegijapranata Semarang.

Hamalik,Oemar.2003. Proses Belajar Mengajar.Bandung: Bumi Aksara.

Mulyasa,E.2003. Kurikulum Berbasis Kompetensi. Bandung:Remaja Rosdakarya.

(9)

Sardiman,A.M.2006. Interaksi dan Motivasi Belajar Mengajar. Jakarta: Grafindo.

Sarwono, Jonathan. 2007. Analissi Jalur Untuk Riset Bisnis dengan SPSS. Yogyakarta: ANDI.

Simamora Henry. (2001), Manajemen Sumber Daya Manusia, Penerbit STIE YKPN, Yogyakarta

Sunyoto, Danang. 2012. Analisis Validitas & Asumsi Klasik. Yogyakarta: Gava Media.

Talizihiduhu, N. 1997. Budaya Organisasi. Jakarta: RINEKE CIPTA.

http://anapriyangga.blogspot.com/2010/09/perencanaan-dan-pengembangan-karir.html

http://indosdm.com/perencanaan-karir-menyelaraskan-alur-karir-dan-tujuan-karir-dengan-pengembangan-karir-dan-kebutuhan-karyawan

http://www.jawaban.com/index.php/money/detail/id/82/news/070626153900/limit/0/

(10)

BAB 3

METODE PENELITIAN

3.1 Lokasi dan Waktu Penelitian

Penelitian ini merupakan studi kasus pada Program Diploma 3 Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara, di Kampus Universitas Sumatera Utara, Medan. Pemilihan lokasi penelitian ini dilakukan secara sengaja berdasarkan pertimbangan bahwa peneliti merupakan salah satu mahasiswa D3 FMIPA USU dimana salah satu sasaran program diploma 3 khususnya Diploma 3 FMIPA USU untuk langsung terjun ke dunia kerja. Penelitian ini dilaksanakan pada bulan Maret-Mei 2013.

3.2 Jenis dan Sumber Data

Ada 2 (dua) data yang digunakan dalam menjawab hipotesis penelitian ini, yaitu data primer dan data sekunder. Data primer adalah data yang berasal langsung dari sumber data yang dikumpulkan secara khusus dan berhubungan langsung dengan masalah yang diteliti. Dalam penelitian ini, data primer didapat dari kuesioner (angket) yang diisi oleh responden. Responden dalam penelitian ini adalah mahasiswa Diploma 3 FMIPA USU. Sedangkan data sekunder yaitu data yang diperoleh dari pihak lain dalam bentuk yang sudah berupa publikasi (J. Supranto, 2000).

3.3 Subjek Penelitian

(11)

Subjek dalam penelitian ini adalah mahasiswa Diploma 3 Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara, melalui pemilihan subjek dengan karakteristik sebagai berikut:

1). Mahasiswa jurusan D3 Kimia, D3 Statistika, D3 Teknik Informatika, D3 Fisika, dan D3 Metrologi yang terdaftar masih aktif dalam perkuliahan.

2). Mahasiswa angkatan 2010, 2011, dan 2012. 3). Laki-laki dan perempuan

3.4 Populasi dan Sampel

3.4.1 Populasi

Berkaitan dengan populasi penelitian, Anto Dajan (1989) mengartikan populasi sebagai keseluruhan unsur-unsur yang memiliki satu atau beberapa karakteristik yang sama. Sedangkan pengertian populasi menurut Sutrisno Hadi (1994) adalah keseluruhan penduduk atau individu yang diselidiki, populasi juga sering disebut sebagai universe. Populasi dalam penelitian ini adalah beberapa mahasiswa Diploma 3 Fakultas Matematika dan Ilmu Pengetahuan Alam,

Universitas Sumatera Utara yang berjumlah 1613 mahasiswa.

3.4.2 Sampel

(12)

digunakan agar ukuran sampel diharapkan tidak terlalu banyak mengingat untuk mengurangi biaya dan waktu lebih efektif.

3.5 Teknik Pengambilan Sampel

Data yang digunakan merupakan data primer dan dilakukan perhitungan dengan metode analisis jalur (path analysis) agar didapatkan nilai kegunaan masing-masing atribut dan taraf-tarafnya. Pengambilan sampel secara proporsional random sampling.

Untuk mendapatkan sampel yang benar-benar representatif atau yang mewakili seluruh populasi dan populasi berdistribusi normal, maka dalam penelitian ini teknik penentuan jumlah sampel menggunakan rumus Slovin:



₁ _N_._e2



N n

฀ ฀

(1)

Keterangan:

n: ukuran sampel (orang) N: ukuran populasi

e: tingkat kesalahan maksimum yang masih dapat ditoleransi, umumnya 10% atau presisi

yang ditetapkan

3.6 Metode Pengumpulan Data

(13)

3.6.1 Kuesioner

Pengumpulan data akan dilakukan melalui kuesioner yang diserahkan kepada masing-masing responden. Data dalam penelitian ini didapat langsung dari pengisian kuesioner oleh mahasiswa D3 FMIPA USU yaitu antara lain mahasiswa D3 jurusan Kimia, Statistika, Teknik Informatika, Fisika, dan Metrologi. Pernyataan-pernyataan dalam kuesioner menunjukkan sebuah nilai yang didapat dari penilaian responden. Kuesioner yang dibagikan kepada responden terdiri dari dua bagian pokok.

Bagian pertama berisi pertanyaan untuk memperoleh data Indeks Prestasi Kumulatif (IPK). Bagian kedua digunakan untuk mendapatkan data mengenai Keaktifan Berorganisasi dan Motivasi dalam bagian dua ini dibuat dengan menggunakan semantic defferential scale dengan skala pengukuran 1-10 untuk mendapatkan data yang bersifat interval dan diberi skor atau nilai sebagai berikut:

Untuk kategori peernyataan dengan jawaban Sangat Tidak Setuju (STS) / Sangat Setuju (SS)

Sangat Tidak Setuju Sangat Setuju

1 2 3 4 5 6 7 8 9 10

Peneliti menggunakan numerical scale 1-10 dengan alasan-alasan sebagai berikut (Husein, 2000):

(14)

Responden diminta untuk mengisi jawaban kuesioner dengan cara memberi tanda check (√) pada skala pengukuran yang tercantum dibawahnya sesuai dengan penilaian yang dirasakan paling benar oleh responden. Skala pengukuran yang digunakan dalam kuesioner tersebut memiliki skor antara 1-10.

Metode pengumpulan data untuk data sekunder yaitu dengan studi pustaka. Studi pustaka adalah kegiatan mengumpulkan bahan-bahan yang berhubungan dengan penelitian yang diperoleh dari literatur. Dalam penelitian ini data skunder diperoleh dari Kepala Sub Bagian Akademik (Kasubag) FMIPA USU.

3.7 Variabel Penelitian

Variabel adalah objek penelitian atau apa yang menjadi titik perhatian suatu penelitian. Variabel penelitian merupakan atribut-atribut yang mempengaruhi kepuasaan pemustaka dalam memenuhi kebutuhan informasi pemustaka. Adapun variabel dalam penelitian ini adalah sebagai berikut:

1. Variabel Bebas (X), dengan indikator: a. Motivasi

b. Keaktifan Berorganisasi

c. Indeks Prestasi Kumulatif (IPK)

2. Variabel Terikat (Y), yaitu dimensi penuhan kebutuhan informasi pemustaka, dengan indikator:

(15)

3.8 Prosedur Penelitian

Guna mendapatkan hasil penelitian yang baik dan akurat, maka dibutuhkan suatu prosedur penelitian yang sudah dirancang dengan baik dan efisien. Prosedur penelitian meliputi prosedur persiapan penelitian, prosedur pelaksanaan penelitian, dan prosedur pengolahan data penelitian.

3.8.1 Prosedur Persiapan Penelitian

Dalam penelitian ini terdapat beberapa tahapan persiapan penelitian yang merupakan proses yang harus dilakukan, hal-hal yang dilakukan antara lain:

1. Merumuskan masalah

2. Menentukan variabel yang akan diteliti.

3. Melakukan studi pustaka untuk mendapatkan gambaran dan landasan teori yang tepat mengenai variabel penelitian.

4. Menentukan, menyusun dan menyiapkan alat ukur yang digunakan dalam penelitian. 5. Menentukan lokasi penelitian.

3.8.2 Prosedur Pelaksanaan Penelitian

1. Melakukan survei terhadap keberadaan responden untuk melakukan uji coba alat ukur yang

dibuat dan melakukan pengambilan data (penelitian).

(16)

interval secara sekaligus yang akan digunakan pada pengolahan data penelitian. Peneliti menyebarkan kuesioner kepada mahasiswa Diploma 3 FMIPA USU.

3.8.3 Prosedur Pengolahan Data

1. Melakukan skoring terhadap hasil kuesioner yang telah diisi responden.

2. Menghitung dan membuat tabulasi data yang diperoleh kemudian membuat tabel data.

3. Melakukan analisa data dengan menggunakan metode statistik untuk menguji hipotesis penelitian.

3.9 Teknik Analisis Data

Data yang diperoleh dalam penelitian ini perlu dianalisis lebih lanjut agar dapat ditarik kesimpulan yang tepat. Oleh karena itu perlu ditetapkan teknik analisis yang sesuai dengan tujuan penelitian yang hendak dicapai, juga untuk menguji kebenaran hipotesis. Adapun tahapan analisis yang digunakan dalam penelitian ini adalah:

1. Melakukan uji instrumen (kuesioner) 2. Melakukan uji asumsi analisis jalur 3. Melakukan analisa regresi

4. Melakukan analisa korelasi

5. Melakukan pengujian hipotesis

(17)

Prestasi Kumulatif (IPK) dengan variabel dependent (terikat) yaitu perencanaan karier. Dalam penelitian ini, peneliti menggunakan beberapa rumus, yaitu:

1. Uji Instrumen

1.a Uji Validitas

Validitas digunakan untuk mengukur sah atau valid tidaknya suatu butir pertanyaan. Jika skala pengukuran tidak valid maka tidak bermanfaat bagi peneliti, sebab tidak mengukur apa yang seharusnya dilakukan. Rumusnya sebagai berikut:

฀

฀฀ ฀

฀

₂

฀

2

฀

₂

฀

฀ ฀

2

฀

฀ ฀ ฀

Y Y n X X

n

Y X XY

n r

(2)

Keterangan: r = koefisien korelasi n = jumlah sampel ฀X = jumlah skor item ฀Y = jumlah skor total

Untuk memudahkan perhitungan validitas ini digunakan alat bantu komputer dengan

(18)

1.b Uji Reliabilitas

Reliabilitas (keandalan) merupakan ukuran suatu kestabilan dan konsistensi responden dalam menjawab hal yang berkaitan dengan konstruk-konstruk pertanyaan yang merupakan dimensi suatu variabel dan disusun dalam suatu bentuk kuesioner. Uji reliabilitas atau uji konsistensi suatu item pertanyaan dengan membandingkan antara nilai cronbach’s alpha dan taraf keyakinan (coefficients of confidance = CC ) dengan ketentuan sebagai berikut:

Jika CC < cronbach’s alpha, item pertanyaan reliable (konsisten)

Jika CC > cronbach’s alpha, item pertanyaan tidak reliable (tidak konsisten)

Secara sistematis besarnya reliabilitas dirumuskan sebagai berikut (Danang, 2012):

฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀

฀

₂

2 1 1 ab ab k k r (3)

Atau dengan rumus sebagai berikut (Kountur, 2003):

฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀

฀

total item N N 2 2 1 1    (4) Keterangan: α = Cronbach’s alpha

N = banyak butir pertanyaan ฀σ2item = variance dari pertanyaan σ2total = variance dari skor total

(19)

Interval Koefisien Tingkat Hubungan

0,80 – 1,000 Sangat Kuat

0,60 – 0,799 Kuat

0,40 – 0,599 Cukup Kuat

0,20 – 0,399 Rendah

0,00 – 0,199 Sangat Rendah

Tabel. Intepretasi nilai r

2 Asumsi Analisis Jalur

2.a Normalitas

Analisis normalitas suatu data ini akan menguji data variabel bebas (X) dan data variabel terikat (Y) pada persamaan regresi yang dihasilkan, beristribusi normal atau berdistribusi tidak normal. Persamaan regresi dikatakan baik jika memiliki data variabel bebas dan data variabel terikat berdistribusi mendekati normal atau normal sama sekali. Uji asumsi klasik normalitas bisa melalui nilai kemiringan kurva (skewness = α3) atau nilai keruncingan kurva (kurtosis = α4)

diperbandingkan dengan nilai Z tabel. Rumus nilai Z untuk kemiringan kurva skewness):

N Z

atau N

skewness skewness

Z

6 3 3 6

_ ฀  ฀ 

(5)

(20)

N Z

atau N

kurtosis kurtosis

Z

24 4 4 24

_ ฀  ฀ 

(6) N: banyak data

Ketentuan analisis:

 Variabel (bebas atau terikat) berdistribusi normal jika Z hitung (Zα3 atau Zα4) < Z tabel.

 Variabel berdistribusi tidak normal jika Z hitung (Zα3 atau Zα4)> Z tabel.

Dalam menentukan suatu data berdistribusi normal atau tidak juga bisa dilakukan dengan memakai grafik histogram. Cukup membandingkan antara data rill atau nyata dengan garis kurva yang terbentuk, apakah mendekati normal atau memang normal sama sekali. Cara grafik histogram lebih sesuai untuk data yang relatif banyak, dan tidak cocok untuk data yang sedikit, karena interpretasinya dapat menyesatkan. Cara normal probability plot lebih handal daripada cara grafik histogram normal karena cara ini membandingkan data rill dengan data distribusi normal (otomatis oleh komputer) secara kumulatif. Suatu data dikatakan berdistribusi normal jika garis data rill mengikuti garis diagonal.

2.b Multikolinieritas

(21)

korelasi antar variabel bebas lebih kecil atau sama dengan 0,60 (r ≤ 0,60). Atau dalam menentukan ada tidaknya multikolinieritas dapat digunakan cara lain yaitu:

 Nilai tolerance adalah besarnya tingkat kesalahan nyang dibenarkan secara statistik (α).

 Nilai variance inflation factor (VIF) adalah faktor inflasi penyimpangan baku kuadrat.

Nilai tolerance (α) dan VIF dapat dicari dengan menggabungkan kedua nilai tersebut sebagai

berikut:

 Besar nilai tolerance (α):

VIF

1 ฀ 

 Besar nilai variance inflation factor (VIF):

 1 ฀

VIF

Variabel bebas mengalami multikolinieritas jika: α hitung < α dan VIF hitung > VIF

Variabel bebas tidak mengalami multikolinieritas jika: α hitung > α dan VIF hitung < VIF.

2.c Heteroskedastisitas

Pengujian ini dimaksudkan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Jika residualnya memiliki varians yang sama disebut terjadi homoskedastisitas dan jika variansnya tidak sama atau berbeda disebut terjadi heteroskedastisitas. Persamaan regresi yang baik jika tidak terjadi heterokedastisitas, misalkan:

 Nilai statistik dari 5 mahasiswa kelas B yaitu 70, 69, 71, 73, 70 cenderung lebih seragam

(22)

 Nilai statistik dari 5 mahasiswa A 30, 90, 60, 80, 40 cenderung tidak seragam atau sangat

bervariasi karena selisihnya besar, kejadian ini disebut heterokedastisitas.

Homokedastisitas terjadi jika pada scatterplot jika titik-titik hasil pengolahan data antara ZRESID dan SRESID menyebar dibawah maupun diatas titik origin (angka 0) pada sumbu Y dan tidak memiliki pola yang teratur. Heterokedastisitas terjadi jika pada scatterplot titik-titiknya memiliki pola yang teratur baik menyempitkan, melebar maupun bergelombang-gelombang. Data yang baik adalah data yang heterokedastisitas.

3. Uji Hipotesis

3.a Uji F

Uji F digunakan untuk menguji signifikansi pengaruh variabel bebas (X1, X2,….Xn) terhadap variabel terikat (Y). Rumusnya:



1 2



/



1



2

฀ ฀ ฀

฀

k n R

R F_hitung

(7)

Keterangan:

n = ukuran sampel k = variabel bebas

Dengan ketentuan sebagai berikut:

1). Terdapat pengaruh signifikan jika nilai signifikansi (Fhitung) < α yaitu H0 ditolak.

(23)

3.b Uji t

Uji t digunakan untuk menguji signifikansi pengaruh antara dua variabel (bebas dan terikat) terdapat hubungan secara sendiri-sendiri dengan rumus dan ketentuan sebagai berikut:

2 1 1 r m N r t_hitung ฀ ฀ ฀ ฀ (8) Ketentuan:

1). Terdapat pengaruh signifikan jiia nilai signifikansi (thitung) < α yitu Ho ditolak.

2). Tidak terdapat pengaruh signifikan jika nilai signifkansi (thitung) ≥ α yaitu H0 ditolak.

4. Analisis Regresi Berganda

Analisis regresi adalah analisis yang mengukur pengaruh antara variabel bebas (independent) dan variabel terikat (independent). Jika pengukuran ini melibatkan lebih dari dua variabel bebas (X) dan variabel terikat (Y) dinamakan analisis regresi linear berganda yang dirumuskan (Sudjana, 2005): 4 4 3 2 1

0 a X1 a X2 a X3 a X

a ฀ ฀ ฀ ฀

฀ 

(9)

Nilai-nilai a0, a1, a2, a3 dan a4 dihitung dengan menyelesaikan persamaan secara simultan:

฀

Y

₁

X

₂_i

฀

a

₀

฀

X

₂_i

฀

a

₁

฀

X

₁_i

X

₂_i

฀

a

₂

฀

X

₂2_i

฀

a

₃

฀

X

₂_i

X

₃_i

฀

a

₄

฀

X

₂_i

X

₄_i

฀

Y

₁

฀

a

₀

n

฀

a

₁

X

₁2_i

฀

a

₂

X

₂_i

฀

a

₃

X

₃_i

฀

a

₄

X

₄_i

฀

2

฀

₂

฀

₁ ₂

฀

₃

฀

₁ ₃

฀

₄

฀

₁ ₄

1 1 1 0 1

1

X

a

X

a

X

a

X

a

X

a

X

Y

_i _i _i _i _i _i _i

(24)

5. Analisis Korelasi

5.a Analisis Korelasi Sederhana

Analisis korelasi adalah analisis untuk mengetahui hubungan atau tingkat asosiasi yang terjadi antara variabel indeks prestasi kumulatif dengan perencanaan karier, keaktifan berorganisasi dengan perencanaan karier, variabel motivasi dengan perencanaan karier. Rumusan koefisien korelasinya (r) sebagai berikut:













฀





฀



฀





฀

฀ ฀ ฀ ฀ 2 2 2 2 1 i i i i i i Y Y n X X n Y X Y X n r (10)

5.b Analisis Korelasi Ganda

Analisis korelasi adalah suatu analisis statistik yang mengukur tingkat asosiasi atau hubungan antara dua variabel yaitu variabel bebas (independent variable) disimbolkan dengan “X” dengan variabel terikat dependent variable) disimbolkan dengan “Y” dimana hubungan antara dua variabel tersebut (X dan Y) disebut korelasi bivariat. Sedangkan koefisien korelasi adalah suatu ukuran arah dan kekuatan hubungan linear antara dua variabel random. Pengukuran korelasi bivariat dapat dibedakan menjadi pengukuran secara linear (termasuk parsial) dan secara berganda (multiple). Yang dimaksud pengukuran korelasi secara linear adalah pengukuran atau perhitungan korelasi yang hanya melibatkan satu variabel bebas (X) dan satu variabel terikat (Y). Sedangkan pengukuran korelasi secara berganda adalah pengukuran atas perhitungan korelasi dengan melibatkan lebih dari satu variabel bebas (X1,X2,X3,…Xn) dan satu variabel terikat (Y)

(25)

฀

฀ 1 1 2 2 3₂ 3 ....

Y

Y X b Y X b Y X b Y X b

R n n

(26)

(27)

BAB 4

PEMBAHASAN

4.1 Deskripsi Variabel

Deskripsi variabel akan menjelaskan tentang gambaran jawaban yang diberikan responden atas pertanyaan-pertanyaan yang diajukan dalam kuesioner. Analisis variabel ini akan dilakukan untuk tiap-tiap variabel. Pemberian nilai dengan mengikuti ketentuan sebagai berikut:

Ketentuan:

 Jika menjawab 1-2 berarti responden memilih sangat tidak setuju (STS)

 Jika menjawab 3-4 berarti responden memilih tidak setuju (TS)

 Jika menjawab 5-6 berarti responden memilih netral (N)

 Jika menjawab 7-8 berarti responden memilih setuju (S)

 Jika menjawab 9-10 berarti responden memilih sangat setuju (SS)

4.1.1 Karakteristik Responden

Pada penelitian ini, populasinya adalah mahasiswa Diploma 3 FMIPA USU yang berjumlah 1613 mahasiswa berdasarkan data yang diperoleh dari Sub Bagian Akademik FMIPA USU, diantaranya:

(28)

4. D3 Fisika : 95 mahasiswa 5. D3 Metrologi : 153 mahasiswa Total Mahasiswa : 1613 mahasiswa

4.2 Penarikan Sampel

Dengan memakai rumus (1), kita dapat menentukan sampel:

2 1 N e

n n

฀ ฀

 

94

1 , 0 1613 1

1613

2

฀ ฀ ฀

n n

Jadi jumlah sampel sebesar 94 mahasiswa.

Sampel yang dihasilkan dengan menggunakan rumus (1) adalah sebanyak 94 mahasiswa dari populasi sebesar 1613 orang yang masih aktif terdaftar sebagai mahasiswa D3 Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara.

4.3 Gambaran Umum Subjek Penelitian

(29)

Klasifikasi subjek berdasarkan jenis kelamin dalam penelitian ini sebanyak 94 yang terdiri dari 40 mahasiswa dan 54 mahasiswi Diploma 3 FMIPA USU. Berikut tabel 4.1 yang menggambarkan persentase subjek berdasarkan jenis kelamin.

Tabel 4.1

Jumlah Subjek Berdasarkan Jenis Kelamin

Jenis Kelamin N Persentase

01 40 42,55 %

02 54 57,45 %

Jumlah 94 100 %

Ket;*(01= laki-laki, 02= perempuan)

Tabel 4.1 menunjukkan bahwa responden penelitian ini terdiri dari 40 mahasiswa (42,55%) laki-laki dan 54 mahasiswa (57,45%) perempuan, dapat diartikan bahwa sebagian besar

sampel penelitian ini adalah perempuan.

Pada tabel 4.2 berikut menunjukkan klasifikasi Indeks Prestasi Kumulatif (IPK) subjek penelitian pada tiap intervalnya.

Tabel 4.2

Jumlah Subjek Penelitian Berdasarkan Indeks Prestasi Kumulatif (IPK)

No Indeks Prestasi Kumulatif Jumlah Persentase (%)

(30)

2 1,89 - 2,44 - -

3 2,45 - 3,00 37 38,1

4 3,01 - 3,56 44 45,4

5 3,57 - 4,00 13 13,4

Indeks Prestasi Kumulatif (IPK) 2,45-3,00 mencapai 37 mahasiswa atau 38,1 % sedangkan Indeks Prestasi Kumulatif (IPK) subjek penelitian 3,01-3,56 sebanyak 44 mahasiswa atau 45,4% dan Indeks Prestasi Kumulatif (IPK) 3,57-4,00 sebanyak 13 mahasiswa atau 13,4%. Jadi subjek penelitian ini didominasi oleh mahasiswa dengan nilai Indeks Prestasi Kumulatif (IPK) 3,01-3,56

4.4. Uji Hipotesis Penelitian

8.4.1. Uji Instrumen

Uji instrument dapat diklasifikasikan menjadi dua buah uji yaitu:

1. Uji Reliabilitas

(31)

Gambar 4.3 Case Processing Summary

N %

Cases Valid 94 95.9

Excludeda 4 4.1

Total 98 100.0

a. Listwise deletion based on all variables in the

procedure.

Gambar 4.4

Reliability Statistics

Cronbach's

Alpha

Cronbach's

Alpha Based on

Standardized

Items N of Items

.051 .062 7

Gambar 4.5

Item-Total Statistics

Scale Mean if

Item Deleted

Scale Variance if

Item Deleted

Corrected

Item-Total Correlation

Squared Multiple

Correlation

Cronbach's

Alpha if Item

Deleted

X21 21.56 2.571 -.126 .076 .156

X22 22.30 2.319 -.019 .034 .079

X23 21.78 2.218 .045 .048 .020

X24 21.53 2.273 .080 .050 -.002a

X25 24.30 2.061 .084 .034 -.024a

X26 23.06 2.060 -.006 .030 .076

X27 21.47 2.252 .094 .070 -.014a

a. The value is negative due to a negative average covariance among items. This violates reliability

[image:31.612.83.277.95.191.2] [image:31.612.84.466.427.648.2]

(32)

Pada tabel 4.3 diatas, kasus keaktifan berorganisasi atas jawaban responden yang valid sebanyak (N) = 94 data dengan persentase (%) = 100%. Sedangkan data yang dilarang masuk sebanyak (N) = 4 dengan persentase = 4,1%. Dengan demikian secara total data valid sebanyak 94 dan persentase 95,9%

Pada tabel 4.4 hasil Cronbach’s alpha untuk seluruh butir pertanyaan konstruk keaktifan berorganisasi (X2) sebesar 0,051 atau 5,1 %. Misalkan alpha pembanding yang digunakan sebesar 50 % atau 0,50 maka 0,051 > 0,50 berarti konstruk keaktifan berorganisasi adalah reliabel.

Untuk corrected item-total correlation pada tabel 4.5 yang digunakan untuk menunjukkan hubungan yang terjadi tiap konstruk pertanyaan yaitu korelasi X21= -0,126

(hubungan cukup lemah negatif), korelasi X22= -0,019 (hubngan lemah negatif ), korelasi X23=

0,045 (hubungan lemah positif ), korelasi X24= 0,080 (hubungan lemah positif), korelasi X25=

0,084 (hubungan lemah positif), korelasi X26= -0,006 (hubungan lemah negatif), dan korelasi

[image:32.612.84.277.475.590.2]

X27= 0,094 (hubungan lemah positif).

Gambar 4.6

Case Processing Summary

N %

Cases Valid 94 95.9

Excludeda 4 4.1

Total 98 100.0

a. Listwise deletion based on all variables in the

procedure.

(33)

Gambar 4.7

Cronbach's

Alpha

Cronbach's

Alpha Based on

Standardized

Items N of Items

.171 .198 7

Gambar 4.8

Scale Mean if

Item Deleted

Scale Variance if

Item Deleted

Corrected

Squared Multiple

Correlation

Cronbach's

Alpha if Item

Deleted

X31 26.90 1.980 -.053 .100 .266

X32 24.65 1.714 .265 .140 -.006a

X33 24.63 2.043 .015 .187 .187

X34 24.90 2.001 .020 .047 .185

X35 24.67 1.815 .183 .168 .061

X36 24.63 1.935 .092 .121 .131

X37 24.64 2.061 .001 .108 .196

a. The value is negative due to a negative average covariance among items. This violates reliability

model assumptions. You may want to check item codings.

Pada tabel 4.6 diatas, kasus motivasi atas jawaban responden yang valid sebanyak (N) = 94 data dengan persentasse (%) = 95,9%. Sedangkan data yang dilarang masuk sebanyak (N) = 4 dengan persentase (%) = 4,1%

Hasil Cronbach’s alpha untuk seluruh butir pertanyaan konstruk motivasi (X3) sebesar 0,171 atau 17,1 %. Misalkan alpha pembanding yang digunakan sebesar 50 % atau 0,50 maka 0,171 > 0,50 berarti konstruk perencanaan karier (Y) adalah reliabel.

[image:33.612.85.467.201.429.2]

(34)

X32=0,265 (hubungan lemah positif), korelasi X33= 0,015 (hubungan lemah positif), korelasi

X34= 0,020 (hubungan lemah positif), korelasi X35= 0,183 (hubungan lemah positif), korelasi

X36= 0,092 (hubungan lemah positif), dan korelasi X37= 0,001 (hubungan lemah positif).

[image:34.612.82.425.264.659.2]

Sedangkan cronbach’s alpha if item deleted dimaksudkan mengetahui nilai uji reliabilitas setiap butir pertanyaan konstruk motivasi, dimana nilai cronbach’s alpha masing-masing konstruk tidak reliabel karena < 0,5. Untuk mengukur reabilitas konstruk perencanaan karier, lihat pada tabel 4.9 berikut:

Gambar 4.9 Tabel 4.10

Cronbach's

Alpha

Cronbach's

Alpha Based on

Standardized

Items N of Items

.662 .616 8

Gambar 4.10

Scale Mean if

Item Deleted

Scale Variance if

Item Deleted

Corrected

Cronbach's

Alpha if Item

Deleted

Y1 54.56 10.829 .393 .628

Y2 53.85 10.666 .543 .609

Y3 53.82 11.677 .225 .657

Y4 55.50 9.930 .465 .605

Y5 53.81 11.941 .146 .669

Y6 53.81 12.759 -.087 .701

Y7 53.86 10.572 .574 .604

(35)

Pada tabel 4.9 diatas, kasus motivasi atas jawaban responden yang valid sebanyak (N) = 94 data dengan persentasse (%) = 95,9%. Sedangkan data yang dilarang masuk sebanyak (N) = 4 dengan persentase (%) = 4,1%

Hasil Cronbach’s alpha untuk seluruh butir pertanyaan konstruk perencanaan karier (Y) sebesar 0,662 atau 66,2 %. Misalkan alpha pembanding yang digunakan sebesar 50 % atau 0,50 maka 0,662 > 0,50 berarti konstruk perencanaan karier (Y) adalah reliabel.

Untuk corrected item-total correlation yang digunakan untuk menunjukkan hubungan yang terjadi tiap konstruk pertanyaan yaitu korelasi Y1= 0,393 (hubungan lemah positif), korelasi

Y2=0,543 (hubungan kuat positif), korelasi Y3= 0,225 (hubungan lemah positif), korelasi Y4=

0,465 (hubungan kuat positif), korelasi Y5= 0,146 (hubungan lemah positif), korelasi Y6= -0,087

(hubungan lemah negatif), dan korelasi Y7= 0,574 (hubungan kuat positif). Sedangkan cronbach’s

alpha if item deleted dimaksudkan mengetahui nilai uji reliabilitas setiap butir pertanyaan konstruk motivasi, dimana nilai cronbach’s alpha masing-masing konstruk reliabel karena > 0,5.

2. Uji Validitas

(36)

Tabel 4.11

Correlations

X21 X22 X23 X24 X25 X26 X27

Total

X_2

X21 Pearson Correlation 1 -.026 -.174* .111 .037 -.113 -.151 .208*

Sig. (1-tailed) .402 .046 .142 .362 .139 .073 .022

N 94 94 94 94 94 94 94 94

X22 Pearson Correlation -.026 1 .038 -.067 -.091 -.018 .139 .352**

Sig. (1-tailed) .402 .358 .259 .190 .431 .091 .000

N 94 94 94 94 94 94 94 94

X23 Pearson Correlation -.174* .038 1 .043 .035 .032 .139 .404**

Sig. (1-tailed) .046 .358 .342 .369 .381 .090 .000

N 94 94 94 94 94 94 94 94

X24 Pearson Correlation .111 -.067 .043 1 .102 -.061 .111 .382**

Sig. (1-tailed) .142 .259 .342 .164 .280 .144 .000

N 94 94 94 94 94 94 94 94

X25 Pearson Correlation .037 -.091 .035 .102 1 .111 -.003 .476**

Sig. (1-tailed) .362 .190 .369 .164 .143 .487 .000

N 94 94 94 94 94 94 94 94

X26 Pearson Correlation -.113 -.018 .032 -.061 .111 1 .005 .470**

Sig. (1-tailed) .139 .431 .381 .280 .143 .480 .000

N 94 94 94 94 94 94 94 94

X27 Pearson Correlation -.151 .139 .139 .111 -.003 .005 1 .395**

Sig. (1-tailed) .073 .091 .090 .144 .487 .480 .000

N 94 94 94 94 94 94 94 94

Total Pearson Correlation .208* .352** .404** .382** .476** .470** .395** 1

Sig. (1-tailed) .022 .000 .000 .000 .000 .000 .000

N 94 94 94 94 94 94 94 94

*. Correlation is significant at the 0.05 level (1-tailed).

**. Correlation is significant at the 0.01 level (1-tailed).

Analisis validitas output diatas sebagai berikut:

 Butir pertanyaan 1 (X41) memiliki koefisien korelasi sebesar 0,208 dan signifikan 0,022

(37)

atau 0 % < 5 % berarti valid.

atau 0 % < 5% berarti valid.

atau 0 % > 5 % berarti tidak valid.

atau 0 % < 5 % berarti valid.

atau 0% < 5% berarti valid.

[image:37.612.85.490.444.722.2]

Tabel 4.13 menunjukkan valid tidaknya suatu butir pertanyaan motivasi (X3), sebagai berikut:

Gambar 4.12

Correlations

X31 X32 X33 X34 X35 X36 X37 Total_X3

X31 Pearson Correlation 1 .064 -.279** .011 .049 .014 -.010 .384**

Sig. (1-tailed) .270 .003 .459 .321 .446 .463 .000

N 94 94 94 94 94 94 94 94

X32 Pearson Correlation .064 1 .274** .160 .106 .103 -.045 .558**

Sig. (1-tailed) .270 .004 .062 .154 .161 .332 .000

N 94 94 94 94 94 94 94 94

X33 Pearson Correlation -.279** .274** 1 .098 -.064 .014 .080 .343**

Sig. (1-tailed) .003 .004 .173 .270 .446 .221 .000

N 94 94 94 94 94 94 94 94

X34 Pearson Correlation .011 .160 .098 1 -.100 -.023 -.093 .368**

Sig. (1-tailed) .459 .062 .173 .168 .414 .188 .000

(38)

X35 Pearson Correlation .049 .106 -.064 -.100 1 .278** .213* .492**

Sig. (1-tailed) .321 .154 .270 .168 .003 .020 .000

N 94 94 94 94 94 94 94 94

X36 Pearson Correlation .014 .103 .014 -.023 .278** 1 -.134 .414**

Sig. (1-tailed) .446 .161 .446 .414 .003 .099 .000

N 94 94 94 94 94 94 94 94

X37 Pearson Correlation -.010 -.045 .080 -.093 .213* -.134 1 .331**

Sig. (1-tailed) .463 .332 .221 .188 .020 .099 .001

N 94 94 94 94 94 94 94 94

Total Pearson Correlation .384** .558** .343** .368** .492** .414** .331** 1

Sig. (1-tailed) .000 .000 .000 .000 .000 .000 .001

N 94 94 94 94 94 94 94 94

Analisis validitas untuk output diatas sebagai berikut:

atau 0,0% < 5% berarti valid.

(39)

Tabel 4.14 menunjukkan valid tidaknya suatu butir pertanyaan perencanaan karier (Y) sebagai berikut:

Gambar 4.13

Correlations

Y1 Y2 Y3 Y4 Y5 Y6 Y7 Total_Y

Y1 Pearson Correlation 1 .119 .180* _.210* _.152 _-.212* _.147 _.528**

Sig. (1-tailed) .127 .042 .021 .072 .020 .078 .000

N 94 94 94 94 94 94 94 94

Y2 Pearson Correlation .119 1 -.042 .237* -.105 -.063 .979** .638**

Sig. (1-tailed) .127 .345 .011 .156 .274 .000 .000

N 94 94 94 94 94 94 94 94

Y3 Pearson Correlation .180* -.042 1 .137 .125 -.216* -.020 .356**

Sig. (1-tailed) .042 .345 .094 .114 .018 .426 .000

N 94 94 94 94 94 94 94 94

Y4 Pearson Correlation .210* .237* .137 1 -.029 -.115 .233* .622**

Sig. (1-tailed) .021 .011 .094 .390 .136 .012 .000

N 94 94 94 94 94 94 94 94

Y5 Pearson Correlation .152 -.105 .125 -.029 1 -.068 -.083 .283**

Sig. (1-tailed) .072 .156 .114 .390 .257 .214 .003

N 94 94 94 94 94 94 94 94

Y6 Pearson Correlation -.212* -.063 -.216* -.115 -.068 1 -.040 .054

Sig. (1-tailed) .020 .274 .018 .136 .257 .351 .303

N 94 94 94 94 94 94 94 94

Y7 Pearson Correlation .147 .979** -.020 .233* -.083 -.040 1 .665**

Sig. (1-tailed) .078 .000 .426 .012 .214 .351 .000

N 94 94 94 94 94 94 94 94

Total Pearson Correlation .528** .638** .356** .622** .283** .054 .665** 1

Sig. (1-tailed) .000 .000 .000 .000 .003 .303 .000

N 94 94 94 94 94 94 94 94

[image:39.612.83.490.174.690.2]

(40)

Analisis validitas untuk output diatas sebagai berikut:

 Butir pertanyaan 1 (X31) memiliki koefisien korelasi sebesar 0528 dan signifikan 0,000

atau 30,3% < 5% berarti tidak valid.

4.4.1c. Uji Validitas dengan Uji t

Dengan membandingkan nilai t hitung dan t tabel dapat menentukan valid dan tidak valid butir pertanyaan suatu konstruk. Untuk menguji validitas konstruk motivasi menggunakan uji t maka dipakai rumus sebagai berikut:

Rumus :

2

1 2

฀ ฀ ฀

(41)

Dan t tabel dirumuskan: tα ; df (n-2)

 Butir pertanyaan 1 (X41): 7,023

92 652 , 0 590 , 0 2 94 590 , 0 1 590 , 0

2 ฀ ฀

฀ ฀ ฀

t

Ternyata nilai t hitung = 7,023 > t tabel =1,295 maka Ho ditolak dan rmemang berkorelasi positif

berarti valid.

92 921 , 0 281 , 0 2 94 281 , 0 1 281 , 0

2 ฀ ฀

฀ ฀ ฀

t

Ternyata nilai t hitung = 2,81 > t tabel = 1,295 maka Ho ditolak dan memang berkorelasi positif

berarti valid.

92 891 , 0 33 , 0 2 94 333 , 0 1 333 , 0

2 ฀ ฀

฀ ฀ ฀

t

Ternyata nilai t hitung = 3,397 > t tabel = 1,295 maka H0 ditolak dan memang berkolerasi positif

berarti valid.

Begitu selanjutnya hingga butir pertanyaan ke tujuh dari motivasi.

Untuk menguji kevalidan konstruk perencanaan karier maka digunakan juga Uji t sebagai berikut:

2 1 2 ฀ ฀ ฀ n r r t_hitung

 Butir pertanyaan 1 (Y1): 63,75

94 260 , 0 510 , 0 2 94 510 , 0 1 510 , 0

2 ฀ ฀

฀ ฀ ฀

t

Ternyata nilai t hitung = 63,75 > t tabel = 1,295 maka H0 ditolak dan memang berkolerasi positif

(42)

 Butir pertanyaan 2 (Y2): 2,221 92 203 , 0 451 , 0 2 94 451 , 0 1 451 , 0

2 ฀ ฀

฀ ฀ ฀

t

Ternyata nilai t htung = 2,221 > t tabel = 1,295 maka H0 ditolak dan memang berkolerasi positif

berarti valid. Begitu selanjutnya hingga butir pertanyaan ketujuh dari perencanaan karier.

4.4.2 Uji Asumsi Analisis Jalur

Uji ini dilakukan untuk mengetahui hasil persamaan analisa regresi berganda telah memenuhi asumsi teoritis atau belum. Uji asumsi klasik ini terdiri dari Uji Normalitas, Uji Multikolinieritas, dan Uji Heteroskedastisitas.

4.4.2.a. Uji Normalitas

Analisis Normalitas suatu data ini akan menguji data variabel bebas (X) dan data variabel terikat (Y) pada persamaan regresi yang dihasilkan berdistribusi normal atau berdistribusi tidak normal. Suatu data dikatakan baik apabila data itu berdistribusi normal. Cara grafik histogram dan normal

probability plot dapat digunakan. Tabel 4.15 akan menunjukkan pendistribusian data apakah

normal atau tidak normal.

Gambar 4.14

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 28.10 30.38 29.17 .542 94

Residual -3.885 4.029 .000 1.697 94

Std. Predicted Value -1.975 2.238 .000 1.000 94

Std. Residual -2.252 2.335 .000 .984 94

(43)

Gambar 4.15

[image:43.612.99.319.428.629.2]

(44)

Berdasarkan output diatas yaitu grafik histogram didapatkan garis kurva normal, berarti data yang diteliti diatas berdistribusi normal. Demikian juga normal probability plots menunjukkan berdistribusi normal, karena garis ( titik-titik) mengikuti garis diagonal.

4.4.2.b. Uji Multikolinieritas

Uji ini akan mengukur tingkat asosiasi (keeratan) hubungan atau pengaruh antar variabel bebas tersebut melalui besaran koefisien korelasi (r). Dikatakan terjadi multikolinieritas jika koefisien korelasi antar variabel bebas lebih besar dari 0,50 dan sebaliknya. Tabel 4.16 akan menunjukkan ada tidaknya multikolinieritas.

Tabel 4.17

Coefficient Correlationsa

Model Motivasi

Kaktifan_Berorga

nisasi

Indeks_Prestasi_

Kumulatif

1 Correlations Motivasi 1.000 -.063 -.330

Kaktifan_Berorganisasi -.063 1.000 .273

Indeks_Prestasi_Kumulatif -.330 .273 1.000

Covariances Motivasi .016 .000 -.012

Kaktifan_Berorganisasi .000 .009 .007

Indeks_Prestasi_Kumulatif -.012 .007 .082

[image:44.612.82.338.574.701.2]

a. Dependent Variable: Perencanaan_Karier

Tabel 4.18

Coefficientsa

Model

Collinearity Statistics

Tolerance VIF

1 Indeks_Prestasi_Kumulatif .828 1.208

Kaktifan_Berorganisasi .925 1.081

Motivasi .891 1.123

(45)

Dari tabel 4.16 diatas dengan menggunakan besaran koefisien korelasi antar variabel bebas. Dari output diatas terlihat koefisien korelasi antar variabel bebas sebesar -0,330 < 0,50 sehingga dapat disimpulkan bahwa antar variabel bebas tidak terjadi multikolinieritas.

Menggunakan besaran tolerance (฀) dan variance inflation factor (VIF). Jika

menggunakan alpha sebesar 5% atau 0,05 maka:

20 05 , 0

1 1

฀ ฀ ฀



VIF

Berdasarkan output diketahui besar VIF hitung untuk indeks prestasi kumulatif (X1)= 1,208, keaktifan berorganissi (X2)= 1,081, dan motivasi (X3)= 1,123 dan semuanya lebih kecil dari VIF= 20 serta tolerance indeks prestasi kumulatif, keaktifan berorganisasi, dan motivasi, nilai tolerance > 5%. Maka dapat disimpulkan bahwa antar variabel bebas tidak terjadi multikolinieritas.

4.4.2.c. Uji Heterokedastisitas

Ingin menguji sama atau tidak varians dari residual dari observasi yang satu dengan observasi yang lain. Jika residualnya memiliki varians yang sama disebut terjadi homoskedastisitas dan jika variansnya tidak sama maka terjadi heterokedastisitas. Tabel 4.18 disertai dengan scatterplot akan menunjukkan apakah terjadi homokedastisitas atau heterokedastisitas pada tiap observasi.

Tabel 4.19

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 28.10 30.38 29.17 .542 94

Std. Predicted Value -1.975 2.238 .000 1.000 94

Standard Error of Predicted

Value

.192 .681 .343 .096 94

Adjusted Predicted Value 28.10 30.30 29.17 .544 94

(46)

Std. Residual -2.252 2.335 .000 .984 94

Stud. Residual -2.319 2.387 .000 1.003 94

Deleted Residual -4.120 4.211 .000 1.766 94

Stud. Deleted Residual -2.378 2.453 .000 1.011 94

Mahal. Distance .160 13.478 2.968 2.337 94

Cook's Distance .000 .081 .010 .014 94

Centered Leverage Value .002 .145 .032 .025 94

Gambar 4.20

[image:46.612.83.467.67.198.2]

(47)

4.4.3 Analisis Regresi

Analisis regresi adalah suatu analisis yang mengukur pengaruh antara variabel bebas terhadap variabel terikat. Tabel 4.14 akan menunjukkan pengaruh secara gabungan dari semua variabel bebas terhadap variabel terikat.

Tabel 4.21

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .304a .093 .062 1.725

a. Predictors: (Constant), Motivasi, Kaktifan_Berorganisasi,

Indeks_Prestasi_Kumulatif

b. Dependent Variable: Perencanaan_Karier

Berdasarkan tabel diatas besarnya angka R square (r2) adalah 0,093. Angka tersebut dapat digunakan untuk melihat besarnya pengaruh indeks prestasi kumulatif, keaktifan berorganisasi, dan motivasi terhadap perencanaan karier dengan cara menghitung koefisien determinasi (KD) deengan menggunakan rumus sebagai berikut;

KD= r2x 100% KD= 0,093 x 100% KD= 9,3 %

(48)

variabel lain di luar model ini.

4.4.3.1 Analisis Regresi Gabungan

Untuk menganalisis indeks prestasi kumulatif, keaktifan berorganisasi, dan motivasi terhadap perencanaan karier digunakan Uji F. Untuk mengetahui kelayakan model regresi digambarkan angka-angka dari tabel anova dibawah ini:

Tabel 4.22

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 27.347 3 9.116 3.062 .032a

Residual 267.930 90 2.977

Total 295.277 93

a. Predictors: (Constant), Motivasi, Kaktifan_Berorganisasi, Indeks_Prestasi_Kumulatif

b. Dependent Variable: Perencanaan_Karier

Hipotesis berbunyi sebagai berikut:

H0: Tidak ada hubungan linier antara motivasi, keaktifan berorganisasi, dan indeks prestasi

kumulatif, terhadap perencanaan karier.

H1:` Ada hubungan linier antara motivasi, keaktifan berorganisasi, dan indeks prestasi

kumulatif, terhadap perencanaan karier

Dengan memakai Uji F, akan dibandingkan besarnya angka F penelitian dengan F tabel. Caranya sebagai berikut:

 F penelitian dari SPSS didapatkan sebesar 3,062

(49)

 Derajat Kebebasan dengan ketentuan numerator: jumah variabel-1 atau 5-1=4 dan

denumerator jumlah kaus -4 atau 94-4=90

 Dengan ketentuan tersebut didapat nilai Ftabel= 2,17

 Menentukan kriteria uji hipotesis sebagai berikut:

 Jika F penelitian > F tabel maka H0 ditolak  Jika F penelitian < F tabel maka H0 diterima

Dari hasil penelitian didapatkan angka F penelitian sebesar 3,062 > F tabel sebesar 2,17 sehingga Ho ditolak dan H1 diterima. Artinya, ada hubungan linier antara indeks prestasi

kumulatif, keaktifan berorganisasi, dan motivasi terhadap perencanaan karier.

4.4.3.2 Analisis Regresi Parsial

Untuk melihat besarnya pengaruh masing-masing variabel indeks prestasi kumulatif, keaktifan berorganisasi, dan motivasi terhadap perencanaan karier, maka digunakan Uji t.

Tabel 4.23

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 17.565 4.197 4.185 .000

Indeks_Prestasi_Ku

mulatif

.428 .286 .165 1.493 .139

Kaktifan_Berorganisa

si

.138 .092 .155 1.488 .140

Motivasi .224 .125 .191 1.791 .077

[image:49.612.83.491.465.669.2]

(50)

Hipotesisnya:

H0: Tidak ada hubungan linier antara indeks prestasi kumulatif dengan perencanaan

karier.

H1: Ada hubungan linier antara indeks prestasi kumulatif dengan perencanaan karier.

Dari t penelitian diperoleh t = 4,185. Menghitung nilai t tabel dengan ketentuan taraf signifikansi 0,05 dan derajat kebebasan (dk)= n-2 = 94-2 = 92.Dari ketentuan tersebut diperoleh angka t tabel = 1,665.

Berdasarkan hasil perhitungan, t penelititan sebesar 1,493 > t tabel sebesar 1,665 sehingga H0 diterima. Artinya tidak ada hubungan antara indeks prestasi kumulatif terhadap

perencanaan karier.

 Hubungan antara keaktifan berorganisasi dan perencanaan karier

Hipotesisnya:

H0: Tidak ada hubungan antara keaktifan berorganisasi dengan perencanaan karier.

H1: Ada hubungan antara keaktifan berorganisasi terhadap perencanaan karier.

Dari hasil perhitungan diperoleh t penelitian sebesar 1,488< t tabel sebesar 1,665 sehingga Ho diterima. Artinya tidak ada hubungan linier antara keaktifan berorganisasi dengan perencanan karier.

 Hubungan antara motivasi dan perencanaan karier

Hipotesisnya:

H0: Tidak ada hubungan antara motivasi dengan perencanaan karier.

(51)

Dari hasil perhitungan diperoleh t penelitian sebesar 1,791 > t tabel sebesar 1,665 sehingga H0

ditolak. Artinya ada hubungan linier antara motivasi dan perencanaan karier.

Dengan demikian diperoleh persamaan regresi berganda (dari nilai B, lihat tabel 4.16 diatas): Y = a+b1X1+b2X2+b3X3

Y = 17,565+ 0,428X1 +0,138X2 +0,224X3

Dari persamaan diatas dapat di interpretasikan sebagai berikut:

 Diketahui konstanta besarnya 17,565 dengan koefisien indeks prestasi kumulatif (X1),

keaktifan berorganisasi (X2), dan motivasi (X3) bernilai konstan/ tetap, maka diperoleh nilai perencanaan karier mahasiswa D3 FMIPA USU Angkatan 2010-2011. sebesar 17,565 satuan.

 Nilai koefisien indeks prestasi kumulatif sebesar 0,428, maka perubahan variabel

prediktor indeks prestasi kumulatif (X1) sebesar satu satuan, akan mengakibatkan perubahan positif pada nilai perencanaan karier mahasiswa D3 FMIPA USU Angkatan 2010-2011.

 Nilai koefisien keaktifan berorganisasi sebesar 0,138, maka perubahan variabel prediktor

keaktifan berorganisasi (X2) sebesar satu satuan, akan menghasilkan perubahan yang positif pada perencanaan karier mahasiswa D3 FMIPA USU Angkatan 2010-2011.

 Nilai koefisien motivasi sebesar 0,224, maka perubahan variabel prediktor motivasi (X3)

(52)

4.4.4 Analisis Korelasi

[image:52.612.84.499.251.558.2]

Analisis korelasi digunakan untuk mengetahui derajat atau tingkat hubungan secara serempak antara variabel bebas terhadap variabel terikat. Korelasi antara indeks prestasi kumulatif, keaktifan berorganisasi, dan motivasi dan perencanaan karier secara parsial dapat dilihat pada tabel 4.17 dibawah ini:

Tabel 4.24

Correlations

Indeks_Prestasi_K

umulatif

Kaktifan_Beror

ganisasi Motivasi

Perencanaan_

Karier

Indeks_Prestasi_

Kumulatif

Pearson Correlation 1 -.267** .325** .185

Sig. (2-tailed) .009 .001 .074

N 94 94 94 94

Kaktifan_Berorga

nisasi

Pearson Correlation -.267** 1 -.029 .106

Sig. (2-tailed) .009 .779 .311

N 94 94 94 94

Motivasi Pearson Correlation .325** -.029 1 .240*

Sig. (2-tailed) .001 .779 .020

N 94 94 94 94

Perencanaan_Kar

ier

Pearson Correlation .185 .106 .240* 1

Sig. (2-tailed) .074 .311 .020

N 94 94 94 94

 Korelasi antara indeks pestasi kumulatif dan keaktifan berorganisasi.

(53)

berorganisasinya tinggi. Korelasi dua variabel bersifat signifikan karena angka signfikansi 0,009 > 0,05.

 Korelasi antara indeks prestasi kumulatif dan motivasi

Berdasarkan perhitungan, angka korelasi antara variabel indeks prestasi kumulatif dan motivasi sebesar 0,325 memiliki hubungan yang lemah dan searah ( karena hasilnya positif). Searah artinya jika indeks prestasi tinggi maka motivasi juga tinggi. Karena angka signifikansi sebesar 0,001 < 0,05 maka hubungan keduanya signifikan.

 Korelasi antara indeks prestasi kumulatif dan perencanaan karier

Berdasarkan perhitungan, angka korelasi antara variabel indeks prestasi kumulatif dan perencanaan karier sebesar 0,185 memiliki hubungan yang lemah dan searah (karena hasilnya positif). Searah artinya jika indeks prestasi tinggi maka perencanaan karier juga tinggi. Karena angka signifikansi sebesar 0,074 > 0,05 maka hubungan keduanya tidak signifikan.

 Korelasi antara keaktifan berorganisasi dan motivasi

Berdasarkan perhitungan diperoleh angka korelasi sebesar -0,029 merupakan korelasi lemah negatif. Dan korelasi bersifat tidak signifikan karena angka signifikan 0,779 > 0,05.

 Korelasi antara keaktifan berorganisasi dan perencanaan karier

Berdasarkan perhitungan, angka korelasi antara variabel indeks prestasi kumulatif dan perencanaan karier sebesar 0,106 memiliki hubungan yang lemah dan searah (karena hasilnya positif). Searah artinya jika indeks prestasi tinggi maka perencanaan karier juga tinggi. Karena angka signifikansi sebesar 0,311 > 0,05 maka hubungan keduanya tidak signifikan.

 Korelasi antara motivasi dan perencanaan karier

(54)

Analisis Jalurnya sebagai berikut:

[image:54.612.102.406.291.427.2]

1. Faktor-faktor yang mempengaruhi perencanaan karier dapat diterjemahkan ke dalam sebuah diagram jalur sebagai berikut:

Gambar 4.4

2. Hubungan Struktural antara X1, X2, X3, dan Y

X1 ρyx1 ฀

rx1x3 rx1x2

X2 ρyx2 Y rx2x3

X3 ρyx3

3. Gambar 4.4 yang berisi 3 buah variabel eksogen X1, X2, dan X3 dan sebuah vaariabel endogen Y, persamaan struktural untuk diagram jalur diatas adalah:

฀ 



 ฀ ฀ ฀

฀ yx₁X1 yx₂X2 yx₃X3 Y

Dari tabel 4.17 didapat matriks korelasi sebagai berikut:

X1 X2 X3 Y

X1 _1,000 _-0,267 _0,325*

0,185

X2 _-0,267 _1,000 _-0,029 _0,106

X3 _0,325*

(55)

Y _0,185 _0,106 _0,240*

1,000

4. Selanjutnya mencari koefisien jalur. Dari tabel 4.16 perhatikan pada Standardizedv

Coefficients, itu merupakan koefisien jalur varibel X1 dampai X3 ata biasa disebut koefisien

beta atau beta hitung. Daari tabel tersebut kita dapat menyusun matriks koefisien jalur sebagai berikut: ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ 191 , 0 155 , 0 165 , 0 3 2 1 yx yx yx   

Dari tabel 4.14 telihat kalau R Square atau R2 atau koefisien determinasi adalah 0,093. 5. Dari R square tersebut dapat dihitung koefisien jalur variabel lain diluar model yakni ρy฀

dengan rumus: 996 , 0 093 , 0 1 1 2 2 ฀ ฀ ฀ ฀ ฀ ฀  ฀  ฀  y y R y

6. Selanjutnya menguji koefisien jalur ρyxi:

H0: ρyxi = 0

H1: ρyxi ≠ 0

Dengan kembali menggunakan output SPSS, di tabel Coefficients (Tabel 4.16) pada kolom sig dan t dipakai untuk menguji koefisien jalur.

- Koefisien jalur ρyx1 H0: ρyx1 = 0

H0: ρyx1 ≠ 0

Terlihat pada p-value (kolom sig) = 0,139 yang lebih besar dari 0,05 atau pada kolom t = 1,493 yang lebih kecil dari titik kritis 1,665. Dengan demikian H0 diterima.

(56)

H0: ρyx2 = 0

H1: ρyx2 ≠ 0

Terlihat pada p-value (kolom sig) = 0,140 yang lebih besar dari 0,05 atau pada kolom t = 1,488 yang lebih kecil dari titik kritis 1,665. Dengan demikian H0 diterima.

- Koefisien jalur ρyx3 H0: ρyx3 = 0

H1: ρyx3 ≠ 0

Terlihat pada p-value (kolom sig) = 0,077 yang lebih besar dari 0,05 atau pada kolom t = 1,791 yang lebih kecil dari titik kritis 1,665. Dengan demikian H0 ditolak.

7. Dari hasil koefisien jalur diperoleh keterangan obyektif, bahwa koefisien jalur dari X1 ke Y dan X2 ke Y kedua-duanya secara statistik adalah tidak bermakna (thitung dibawah ttabel dan

p-value diatas 0,05) sedangkan koefisien jalur dari X3 ke Y adalah bermakna (thitung diatas ttabel

dan p-value dibawah 0,05). Oleh karena itu proses akan diulang dengan mengeluarkan X1 dan X2 dari model.

8. Faktor yang mempengaruhi menjadi motivasi (X3)

4.4.6 Analisis Koefisien Jalur

Langkah- langkah dalam mencari koefisien jalur adalah sebagai berikut:

(57)

X1

rx1x2=-0,267 px1y= 0,165 ฀= 0,952 rx1x3=

px2y=0,155

X2 Y

rx2x3=-0,029

px3y=0,191

(58)

BAB 5

IMPLEMENTASI SISTEM

5.1 Sejarah Singkat SPSS

Statistical Product and Service Solution ( SPSS ) pada awalnya dibuat untuk keperluan

pengolahan data statistik untuk ilmu-ilmu sosial sehingga kepanjangan SPSS itu sendiri adalah

Statistical Package for Social Sience. Sekarang SPSS diperluas untuk melayani berbagai jenis

pengguna seperti untuk proses produksi di pabrik, riset sains dan lain-lain.

SPSS dapat membaca atau memasukkan data secara langsung kedalam SPSS Data Editor. SPSS dalam versi pertama dirilis pada tahun 1968. SPSS adalah salah satu program yang paling banyak digunakan untuk analisis statistik dalam ilmu sosial. SPSS telah mengalami pergantian versi, dimulai dari versi 10.0 pada tahun 1983, versi 13.0, versi 15.0, versi 16.0, versi 17.0 dan yang terbaru yaitu SPSS versi 18.0.

5.2 Operasional Program SPSS

Berikut ini beberapa langkah awal mengenai pembukaan dan penutupan program SPSS.

5.2.1 Membuka Program SPSS

Langkahnya:

 Hidupkan komputer

(59)

Gambar 4.25 Awal Program SPSS

 Jika shortcut SPSS tidak ada di monitor: Klik Start: pilih All programs: SPSS

[image:59.612.105.477.168.482.2]

(60)

 Muncul data editor (lembar kerja SPSS)

Gambar 2.27 Data Editor SPSS

[image:60.612.105.464.69.400.2]

(61)

Langkah-langkahnya:

 Dari data editor klik file, pilih exit

Gambar 4.28 Menutup Program SPSS

 Atau klik close

5.2.3 Membuat identitas pada variabel

Sebelum kita melakukan entri data terlebih dahulu kita lakukan perubahan identitas variabel setiap kolom disesuaikan dengan nama dan karakteristik data yang akan kita olah. Berikut ini langkah-langkah penamaan variabel data editor:

[image:61.612.102.340.141.399.2]

(62)

Gambar 4.29 Variabel View

 Name ; isikan nama variabel

Type ; isikan numerik (data angka), string (data huruf) Width ; lebar cetak

Decimal place ; banyak angka desimal Label ; penjelasan nama variabel

Values ; diisi jika data berupa dummy variabel, misal; laki-laki=1, wanita= 2 Missing ; perintah khusus menghilangkan / menghapus data seluruhnya atau

sebagian

Coloums ; lebar kolom aktif Align ; rata kiri, kanan, tengah

Measure ; jenis pengukuran data otomatis (abaikan)

(63)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Pengolahan data dengan menggunakan analisis jalur pada penelitian ini adalah untuk mengetahui factor-faktor apa saja yang berasosiasi atau yang berhubungan dengan Perencanaan Karier Mahasiswa D3 Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara. Berikut adalah kesimpulan yang dapat diambil peneliti dari penelitian yang telah dilakukan:

1. Dari hasil penelitian 94 responden, variabel indeks prestasi akademik tidak menunjukkan pengaruh terhadap perencanaan karier mahasiswa D3 FMIPA USU Angkatan 2010,2011 dan 2012, variabel keaktifan berorganisasi tidak menunjukkan pengaruh terhadap perencanaan karier mahasiswa D3 FMIPA USU, motivasi yang paling berpengaruh erat asosiasinya terhadap perencanaan karier mahasiswa D3 FMIPA USU. Faktor indeks prestasi kumulatif (18,5%), keaktifan berorganisasi (-2,9%), dan motivasi (24,0%).

(64)

6.2 Saran

Saran yang dapat diberikan berdasarkan penelitian ini adalah sebagai berikut:

1. Kepada mahasiswa D3 Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara, agar lebih meningkatkan motivasi atau memperkuat motivasi yang dimiliki untuk memusatkan perhatian terhadap karier yang akan di capai.

2. Kepada mahasiswa D3 Fakultas Matematika dan Ilmu Pengetahuan Alam, agar menyeimbangkan motivasi dengan indeks prestasi kumulatif dan kegiatan berorganisasi mengingat faktor keduanya berperan aktif di dunia kerja mendatang.

3. Penelitian ini hanya terbatas terha