S PEK 1002118 Chapter3

(1)

Ilham Taufik Effendi, 2015

PENGARUH MINAT BELAJAR, LINGKUNGAN BELAJAR, DAN MOTIVASI BERPRESTASI TERHADAP HASIL BELAJAR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB III

SUBJEK DAN METODELOGI PENELITIAN

3.1 Objek dan Subjek Penelitian

Objek penelitian ini adalah Hasil Belajar (Y) sebagai variabel terikat, Minat Belajar (X1), Lingkungan Belajar (X2), dan Motivasi Berprestasi (X3) sebagai variabel bebas. Adapun subjek dalam penelitian ini adalah Mahasiswa Pendidikan ekonomi FPEB UPI Angkatan 2011,2012, dan 2013.

3.2 Metode Penelitian

Secara umum, Metode penelitian diartikan sebagai cara ilmah untuk mendapatkan data dengan tujuan dan kegunaan tertentu (Sugiyono, 2012:3). Dalam sebuah penelitian tidak akan terlepas dari metode yang digunakan untuk melakukan penelitian tersebut. Adapun yang menjadi metode dalam penelitian ini adalah eksplanatori (Explanatory Research). Menurut Singarimbun (dalam Singarimbun dan Effendi, 1995:4), eksplanotori merupakan penelitian yang menjelaskan hubungan kausal antara variabel penelitian dengan pengujian hipotesa. Di dalam penelitian eksplanatori, pendekatan yang dipakai dalam penelitian adalah metode survey, yaitu penelitian yang dilakukan untuk memperoleh fakta-fakta mengenai fenomena-fenomena yang ada di dalam obyek penelitian dan mencari keterangan secara aktual dan sistematis.

(2)

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Menurut Suharsimi Arikunto (2006: 130), populasi adalah keseluruhan subjek penelitian. Berdasarkan definisi tersebut dan berdasarkan masalah yang diteliti maka yang menjadi ukuran populasi dalam penelitian ini adalah jurusan pendidikan Universitas Pendidikan Indonesia

Berikut adalah tabel yang menyajikan jumlah Mahasiswa Pendidikan Ekonomi FPEB Angkatan 2011, 2012, dan 2013 Universitas Pendidikan Indonesia:

Tabel 3.1

Jumlah Mahasiswa Pendidikan Ekonomi FPEB Angkatan 2011, 2012, dan 2013 UPI

No Angkatan Jumlah

Mahasiswa

1 2011 85

2 2012 85

3 2013 83

Jumlah 253

Sumber : Akademik FPEB

3.3.2 Sampel

Menurut Suharsimi Arikunto (2006: 131) sampel adalah sebagian atau wakil populasi yang diteliti. Sedangkan menurut Sugiyono (2010: 118) sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut.

Dengan menggunakan data diatas didapat sampel mahasiswa sebagai berikut: � = + �²

= 5

+ 5 . 5 ² =

(3)

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu =

.

= 155.2147 Dibulatkan menjadi 155

Dari perhitungan diatas, maka ukuran sampel dalam penelitian ini adalah 155 mahasiswa pendidikan ekonomi FPEB UPI angkatan 2011, 2012, dan 2013.

Setelah menentukan ukuran sampel keseluruhan, selanjutnya mengalokasi berikutnya atau menyebarkan satuan-satuan sampling, ke dalam setiap jurusan dengan menggunakan rumus sebagai berikut:

ni= � �� Dimana:

ni = jumlah sampel menurut stratum n = jumlah sampel seluruhnya

Ni = Jumlah populasi menurut stratum N = Jumlah populasi Seluruhnya

Dalam penarikan sampel siswa dilakukan secara proporsional, yaitu dapat dilihat pada tabel dibawa:

Tabel 3.2

Perhitungan dan Distribusi Sampel Mahasiswa

No Jumlah

Mahasiswa

Jumlah Sampel Angkatan

1 2011 85 8 x 55 = 5 . 7 = ��

(4)

3 2013 83 8 x 155 = 50,85 = 51

Jumlah 253 155

Sumber : Akademik FPEB (data diolah)

3.4 Operasional Variabel

Untuk menjelaskan variabel dan metode yang digunakan dalam penelitian ini maka dijelaskan dalam operasionalisasi variable berikut ini

Tabel 3.3 Operasional Variabel

Variabel Konsep Teoritis Konsep

Empiris Konsep Analisis

(5)

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu selama dan luar diri siswa baik yang bersidat a. Perasaan ketika

mengikuti pelajaran

b. Keinginan dalam menerima

(6)

(7)

(8)

kompetensi

3.5 Teknik Pengumpulan Data

(9)

(kueisioner). Menurut Sugiyono (2009:142), kuesioner merupakan teknik pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan atau peryataan tertulis kepada responden untuk dijawabnya.

Menurut Arikunto (2010:268) sebelum menyusun kuesioner harus memperhatikan prosedur sebagai berikut :

1. Merumuskan tujuan yang akan dicapai dengan kuesioner

2. Mengidentifikasikan variabel yang akan dijadikan sasaran kuesioner 3. Menjabarkan setiap variabel menjadi sub-variabel yang lebih spesifik dan

tunggal

4. Menentukan jenis data yang akan dikumpulkan, sekaligus untuk menentukan teknisk analisisnya.

Setelah dibuat kuesioner/angket maka ditentukan data penelitian disusun menggunakan skala likert dengan alternatif jawaban jika item pernyataannya bersifat positif yaitu: Sangat Setuju (SS) = 5; Setuju (S) = 4; Ragu-ragu (R) = 3; Tidak Setuju (TS) = 2; Sangat Tidak Setuju (STS) = 1. Sedangkan jika item pernyataannya bersifat negatif maka skala likert yang digunakan bernilai sebaliknya dari item positif.

3.6 Analisis Instrumen Penelitian

Analisis instrumen penelitian ini digunakan untuk menguji apakah intrumen penelitian dapat memenuhi kesimpulan sesuai dengan data yang diperoleh. Analisis intrumen peneltian dapat dilakukan dengan cara uji validitas dan uji reliabilitas.

4.3.1 Uji Validitas

(10)

2010 maka hasil yang diperoleh dalam pengujian validitas pada tiap item penyataan pada angket yang terdiri dari tiga variabel penelitian, yaitu sebagai berikut ini:

Tabel 3.4

Uji Validitas Instrumen Penelitian

Variabel No R

Hitung R Tabel Keterangan

Minat Belajar

(X1)

1 0,437 0,156 Valid

2 0,439 0,156 Valid

3 0,608 0,156 Valid

4 0,656 0,156 Valid

5 0,647 0,156 Valid

6 0,668 0,156 Valid

7 0,532 0,156 Valid

8 0,505 0,156 Valid

9 0,462 0,156 Valid

10 0,497 0,156 Valid

11 0,474 0,156 Valid

Lingkungan Belajar

(X2)

12 0,489 0,156 Valid

13 0,240 0,156 Valid

14 0,320 0,156 Valid

15 0,451 0,156 Valid

16 0,578 0,156 Valid

17 0,391 0,156 Valid

18 0,423 0,156 Valid

19 0,514 0,156 Valid

20 0,645 0,156 Valid

21 0,455 0,156 Valid

22 0,631 0,156 Valid

23 0,619 0,156 Valid

24 0,492 0,156 Valid

(11)

26 0,422 0,156 Valid

27 0,678 0,156 Valid

28 0,431 0,156 Valid

Motivasi Berprestasi

(X3)

29 0,691 0,156 Valid

30 0,646 0,156 Valid

31 0,761 0,156 Valid

32 0,677 0,156 Valid

33 0,679 0,156 Valid

34 0,503 0,156 Valid

35 0,640 0,156 Valid

36 0,766 0,156 Valid

37 0,449 0,156 Valid

38 0,576 0,156 Valid

39 0,594 0,156 Valid

40 0,546 0,156 Valid

Sumber: Hasil Penelitian (data diolah)

Berdasarkan tabel 4.2 di atas, dapat diketahui bawah seluruh hasil r hitung > r tabel dengan α = 0.05 (5%), maka dapat diambil kesimpulan bahwa seluruh item

pernyataan untuk semua variabel penelitian dinyatakan valid. 4.3.2 Uji Reliabilitas

(12)

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Tabel 3.5

Uji Reliabilitas Instrumen Penelitian

Variabel Varian

Item

Total

Varian Reliabilitas Keterangan

Minat Belajar (X1) 6,634 20,615 0,746 Reliable

Lingkungan Belajar (X2) 8,236 31,930 0,788 Reliable

Motivasi Berprestasi (X3) 6,146 27,481 0,847 Reliable

Sumber: Hasil Penelitian (data diolah)

Berdasarkan tabel 3.5 di atas, dapat diketahui bawah seluruh hasil varian item > nilai koefisien (alpha) reliabilitas dengan α = 0.05 (5%), maka dapat diambil kesimpulan bahwa seluruh variabel penelitian dinyatakan reliabel.

3.7 Uji Multikolinearitas

Istilah multikolinearitas menunjukkan hubungan linear yang sempurna di antara variabel-variabel bebas dalam model regresi. Multikolinearitas adalah kondisi adanya hubugan linear antarvariabel independen (variabel bebas). Karena melibatkan beberapa variabel independen, maka multikolinearitas tidak akan terjadi pada persamaan regresi sederhana (Rohmana, 2010:141). Sedangkan menurut Kusnendi (2008:51) multikolinearitas menunjukkan kondisi di mana antarvariabel penyebab terdapat hubungan linear yang sempurna, eksak, perfectly predicted atau singularity.

(13)

“Ada satu asumsi klasik yang tidak dapat dilanggar dalam mengaplikasikan analisis jalur, yaitu asumsi multikolinearitas. Pelanggaran terhadap asumsi ini akan menjadikan hasil estimasi parameter model kurang dapat dipercaya. Hal tersebut ditunjukkan oleh estimasi koefisien determinasi yang tinggi estimasi koefisien jalur secara statistik tidak ada yang signifikan. Karena itu, sebelum koefisien jalur dihitung terlebih dahulu asumsi multikolinearitas diuji”.

Kusnendi (2008:52) memberikan alasan mengapa asumsi multikolinearitas dalam analisis jalur ini tidak dapat dilanggar karena:

“Apabila data sampelnya memiliki masalah multikolinearitas, dalam arti

antara variabel penyebab terdapat hubungan linier yang sempurna, eksak,

perfectly predictied atau singularity maka akan menghasilkan matriks non positive definitife, artinya parameter model yang tidak dapat diestimasi, dan keluaran dalam bentuk diagram, gagal ditampilkan atau jika parameter model dapat diestimasi dan keluaran diagram jalur berhasil ditampilkan, tetapi

hasilnya kurang dapat dipercaya”.

Cara untuk mengetahui adanya multikolinearitas yaitu dengan menghitung koefisien korelasi antar variabel independen. Apabila nilai koefisiennya rendah maka tidak terdapat multikolinieritas, tetapi jika koefisiennya tinggi maka terdapat multikolinieritas. Kolinearitas dapat diduga jika nilai koefisien determinasi (R2) cukup tinggi yaitu nilai R2 > 0,8. Hal ini menandakan adanya multikolinearitas. (Rohmana, 2010:143).

Selain dengan itu ada cara lain untuk mengetahui adanya multikolinearitas, yaitu dengan bantuan SPSS dilakukan uji regresi dengan nilai patokan VIF (Variance Inflation Factor) dengan kriteria jika nilai VIF di sekitar angka 1 atau memiliki toleransi mendekati 1, maka dikatakan tidak terdapat masalah multikolinieritas (Sulistyo, 2011:56).

(14)

Dalam penelitian ini, jenis data yang digunakan atau yang terkumpul adalah data ordinal dan data interval. Menurut Riduwan dan Kuncoro (2011:30) Data ordinal harus ditransformasikan menjadi data interval gunanya untuk memenuhi sebagian dari syarat analisis parametrik yang mana data setidaknya berskala interval. Teknik transformasi yang paling sederhana dengan menggunakan MSI (Method of Successive Interval). Dalam mentransfer data akan menggunakan sofware Microsoft Excel, yang selanjutnya data interval langsung diolah menggunakan analisis jalur (Path Analysis) dengan menggunakan sofware SPSS (Statistical Product and Service Solution) versi 18.0.

Menurut Riduwan dan Kuncoro (2011:222) Berikut ini langkah-langkah atau prosedur pengolaan data yang dilakukan dalam penelitian adalah sebagai berikut :

1. Menyeleksi data agar dapat diolah lebih lanjut, yaitu memeriksa jawaban responden sesuai dengan kriteria yang telah ditetapkan

2. Menentukan bobot nilai untuk setiap kemungkinan jawaban pada setiap item variabel penelitian dengan menggunakan skala penilaian yang telah ditentukan, kemudian menentukan skornya

3. Melakukan analisis secara deskriptif, untuk mengetahui kecenderungan data. Dari analisis ini dapat diketahui rata-rata, median, standar deviasi dan varians data dari masing-masing variabel

4. Melakukan uji korelasi, regresi dilanjutkan path anlysis

Menurut Riduwan dan Kuncoro (2011:289-293) langkah-langkah menganalisis data dengan menggunakan path anlysis dengan menggunakan SPSS versi 18.0 adalah sebagai berikut :

1. Merumuskan hipotesis dan persamaan struktural model-1 a. Struktural model-1

(15)

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu  = Koefisien jalur

X1 = Lingkungan keluarga X2 = Iklim sekolah X3 = Motivasi belajar ei = Faktor residual

Gambar 3.1

Diagam analisis jalur Model 1

b. Struktural model-2

Y = yx1 X1 + yx2 X2 + yx3X3 + ei Keterangan :

Y = Hasil belajar siswa  = Koefisien jalur X1 = Lingkungan keluarga X2 = Iklim sekolah

ei

(X1)

x3x1

(X3)

(X2)

(16)

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu X3 = Motivasi belajar

ei = Faktor residual

a. Struktural Model-2

Gambar 3.2

Diagam analisis jalur Model 2

b. Menghitung koefisien jalur dengan menghitung uji R2, Uji F, dan Uji t untuk menguji hipotesis

3.9 Pengujian Hipotesis

3.9.1 Koefisien Determinasi (R2)

Koefisien determinasi R2 menunjukkan besarnya pengaruh secara bersama atau serempak variabel eksogen yang terdapat dalam model struktural yang dianalisis.

(X1)

(X3)

(X2)

ei

(17)

Koefisien determinasi dihitung dengan menggunakan program SPSS versi 18.0. nilai R2 berkisar antar 0-1 (0< R2<1), dengan ketentuan sebagai berikut:

a. Jika R2 semakin mendekati angka 1 maka hubungan antar variabel eksogen dengan variabel endogen semakin erat atau dengan kata lain model tersebut dapat dinilai baik

b. Jika R2 semakin menjauhi angka 1, maka hubungan antar variabel eksogen dengan variabel endogen akan jauh, dengan kata lain model tersebut kurang baik

3.9.2 Pengujian Hipotesis Secara Simultan (Uji F)

Uji secara simultan atau uji secara keseluruhan hipotesis statistik dirumuskan sebagai berikut :

Ho : yx3 = yx2 = yx1 = 0 Ha : yx3 = yx2 = yx1 ≠ 0

Untuk melakukan pengujian signifikansi dalam penelitian ini menggunakan bantuan program SpSS versi 18.0.

a. Struktural Model-1 Ho : x3x1 = x3x1 = 0 Ha : x3x1 = x3x1 ≠ 0 b. Struktural Model-2

Ho : yx3 = yx3 = 0 Ha : yx3 = yx3 ≠ 0

(18)

a. Jika nilai probabilitasnya 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau [0,05 ≤ Sig] maka Ho diterima dan Ha ditolak, yang artinya tidak signifikan

b. Jika nilai probabilitasnya 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau [0,05 ≥ Sig] maka Ho ditolak dan Ha diterima, yang artinya signifikan

Tujuan dilakukannya pengujian ini adalah untuk menguji apakah penelitian ini bisa dilanjutkan atau tidak. Jika Ha terbukti diterima maka pengujian secara individual (pengujian antarvariabel dapat dilanjutkan)

3.9.3 Pengujian Hipotesis Secara Parsial (Uji t)

Pengujian t statistik bertujuan untuk menguji signifikansi masing-masing variabel bebas dalam mempengaruhi variabel terikat (variabel dependen). Pengujian t statistika ini merupakan uji signifikansi satu arah dengan menggunakan bantuan program SPSS versi 17.0.

a. Struktural Model-1, yaitu (X1 terhadap X3) dan (X2 terhadap X3) Hipotesis dalam penelitian ini adalah :

Ho : x3x1 = 0 Ha : x3x1 > 0

b. Struktural Model-2, yaitu (X1 terhadap Y) dan (X2 terhadap Y) Hipotesis dalam penelitian ini adalah :

(19)

Adapun kriteria uji t ini dengan cara membandingkan antara nilai probabilitas 0.05 dengan nilai probabilitas Sig dengan dasar pengambilan keputusan sebagai berikut :

a. Jika nilai probabilitasnya 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau [0,05 ≤ Sig] maka Ho diterima dan Ha ditolak, yang artinya tidak signifikan

b. Jika nilai probabilitasnya 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau [0,05 ≥ Sig] maka Ho ditolak dan Ha diterima, yang artinya signifikan

3.9.4 Pengujian Overall Model F it dengan Statistik Q dan atau W

Pengujian Pengujian Overall Model Fit dengan Statistik Q dan atau W dilakukan jika hasil uji penelitian tidak sesuai dengan hasil yaitu jika ukuran sampel terlalu kecil ataupun terlalu besar. Berikut ini Pengujian Overall Model Fit dengan Statistik Q dan atau W dengan rumus Shumacker & Lomaz sebagai berikut : (Kusnendi, 2008:156)

(Kusnendi, 2008:156) Dimana :

R2m = Menunjukkan koefisien variasi terjelaskan seluruh model

M = Menunjukkan koefisien terjelaskan setelah koefisien jalur yang tidak signifikan dari model yang diuji

(20)

Koefisien R2m dan M dapat dihitung dengan rumus sebagai berikut : R2m = M = 1 – (1- R21)(1- R22) ... (1- R2p)

Statistik Q berkisar antara 0 dan 1. Jika Q = 0 menunjukkan model yang diuji

fit perlu diuji dengan statistik W yang dihitung dengan rumus sebagai berikut: W = -(n-d) ln(Q)

Dimana :

n = Ukuran sampel

d = Derajat kebebasan (df) yang ditunjukkan oleh jumlah koefisien jalur yang tidak signifikan

3.9.5 Koefisien Jalur error variable atau variabel residu (ei)

Menurut Kusnendi (2008:157), “Variabel residu menunjukkan besarnya

pengaruh variabel lain yang tidak diobservasi atau tidak dijelaskan model”. Variabel residu dapat diketahui dengan menggunakan rumus sebagi berikut :

(Kusnendi, 2008:155)

3.9.6 Model Dekomposisi Pengaruh Antarvariabel

Model dekomposisi adalah model yang menekankan pada pengaruh yang bersifat kausalitas antarvariabel, baik pengaruh langsung maupun tidak langsung dalam kerangka path analysis, sedangkan hubungan yang sifatnya nonkausalitas atau

(21)

hubungan korelasional yang terjadi antarvariabel eksogen tidak termasuk dalam perhitungan ini. (Riduwan dan Kuncuro, 2011:151)

Menurut Riduwan dan Kuncoro (2011:152) perhitungan menggunakan analisis jalur dengan menggunakan model dekomposisi pengaruh kausal antarvariabel dapat dibedakan menjadi tiga, yaitu sebagai berikut :

1. Direct causal effects (Pengaruh Kausal Langsung = PKL) adalah pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi tanpa melalui variabel endogen lain.

2. Indirect causal effects (Pengaruh Kausal Tidak Langsung = PKTL) adalah pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi melalui variabel endogen lain yang terdapat dalam satu model kausalitas yang sedang dianalisis.