ANALISIS PENGARUH ANTARA NILAI RAPOR DI SMA DENGAN INDEKS PRESTASI KUMULATIF PADA MAHASISWA D3 STATISTIKA

(1)

ANALISIS PENGARUH ANTARA NILAI RAPOR DI SMA DENGAN INDEKS PRESTASI KUMULATIF PADA MAHASISWA D3 STATISTIKA

Andi Jumaena

Program Studi D3 Statistika Program Pendidikan Vokasi Universitas Halu Oleo Email : [email protected]

Abstrak

ANDI JUMAENA. Analisis Hubungan antara Nilai Rapor di SMA dengan Indeks Prestasi Kumulatif pada Mahasiswa D3 Statistika. Dibimbing oleh GUSTI NGURAH ADHI WIBAWA dan IRMA YAHYA .

Penelitian ini bertujuan untuk mengetahui secara empiris seberapa besar hubungan antara nilai rapor di sekolah Menengah Atas (SMA) dengan Indeks Prestasi Kumulatif (IPK) pada mahasiswa D3 Statistika PPV UHO dengan menggunakan analisis regresi linear berganda dengan dummy variabel. Teknik pengambilan sampel yang digunakan pada penelitian ini adalah teknik stratified

sampling dengan banyaknya responden sebanyak 33 responden. Penelitian ini

menggunakan lima variabel yang diduga mempunyai pengaruh terhadap IPK. Variabel tersebut adalah nilai matematika, nilai Bahasa Inggris, nilai rata-rata rapor, akreditasi sekolah dan lokasi sekolah. Hasil dari penelitian ini menunjukkan bahwa dari lima variabel, hanya dua variabel yang berpengaruh terhadap IPK. Variabel tersebut adalah variabel nilai rata-rata rapor dan lokasi sekolah. Maka diperoleh model regresi adalah

{

Kota di sekolah lokasi untuk , 0258 , 0 258 , 1 Desa di sekolah lokasi untuk , 0258 , 0 03 , 1 ˆ X X Y   

Arti dari model jika nilai rata-rata rapor (X3) adalah 70 dengan lokasi sekolah

SMA di Kota maka nilai rata-rata IPK yang di capai sebesar 3,064 . untuk model kedua apabila nilai rata-rata rapor (X3) adalah 70 dengan lokasi sekolah SMA di Desa

maka nilai rata-rata IPK yang di capai sebesar 2,836. Kata Kunci: Stratified sampling

(2)

ABSTRACT

ANDI JUMAENA. Analysis of the influence between the Values score in SMA with the Grade Point Average in D3 Statistics Students. Guided by GUSTI NGURAH ADHI WIBAWA and IRMA YAHYA

This study aims to determine empirically how much influence between the value of report cards in high school with grade point average (GPA) on D3 Statistika PPV UHO students by using multiple linear regression analysis with variable

dummy. Sampling technique used in this research is stratified sampling technique with the number of respondents as much as 33 respondents. This study uses five variables that are suspected to have an effect on the GPA. The variables are the math score, the English score, the average score of the report card, the school accreditation and the location of the school.

The results of this study indicate that of the five variables, only two variables that affect the GPA. These variables are the average value of the report card and the location of the school. Then obtained regression model is

{

city in the locations school For , 0258 , 0 258 , 1 village in the school the of location For the , 0258 , 0 03 , 1 ˆ X X Y   

The meaning of the model if the average value of the report card (X3) is 70 with the location of the high school in the City, the average value of GPA reached 3.064. For the second model if the average value of the report card (X3) is 70 with the location of the high school in the village then the average value of GPA is achieved at 2.836.

Keywords: Stratified Sampling

Pendahuluan

Pendidikan merupakan usaha sadar yang dilakukan oleh keluarga, masyarakat dan pemerintah melalui kegiatan bimbingan, pengajaran dan latihan yang berlangsung di sekolah dan luar sekolah sepanjang hayat untuk mempersiapkan peserta didik agar dapat memainkan peranan dalam berbagai lingkunagan hidup secara tetap untuk masa yang akan datang (Dale, 1999). Sekolah sebagai lembaga formal merupakan sarana dalam rangka pencapaian tujuan pendidikan tersebut. Melalui lembaga formal, peserta didik diberikan pengajaran agar dapat menunjukkan adanya perubahaan ynag sifatnya positif sehingga pada tahap akhir akan didapat keterampilan, kecakapan dan pengetahuan baru. Diakhir pengajaran para peserta didik akan memperoleh hasil yang disebut prestasi belajar. Perstasi belajar adalah hasil yang dicapai seorang mahasiswa dalam usaha belajarnya sebagaimana dicantumkan di dalam nilai Kartu Hasil Studi (Murjono, 1996).

(3)

Program Studi D3 Statistika merupakan salah satu program studi yang ada di Fakultas Program Pendidikan Vokasi (PPV) UHO. Program studi tersebut didirikan pada tanggal 22 juni 2007. Program studi ini didasari oleh keinginan universitas Halu Oleo untuk mengambil peran dalam pengembangan SDM dengan kualitas khusus dibidang statistika. Tujuan didirikan D3 Statistika yaitu untuk mendidik mahasiswa dengan konsep teoritis dan pengalaman praktis dibidang statistika yang bermanfaat sebagai dasar dalam menempuh jenjang pendidikan yang lebih tinggi ataupun persaingan di dunia kerja. Dalam penilaian terhadap tingkat pengetahuan mahasiswa dalam mengikuti pendidikan di perguruan tinggi, telah diterapkan sistem penilaian yang dinamakan Indeks Prestasi (IP). Sistem ini menggunakan huruf dimulai dari huruf A untuk yang sangat baik, B untuk baik, C untuk cukup, D untuk kurang, dan E untuk yang sangat buruk dalam menunjukkan kemampuan mahasiswa dalam menguasai suatu materi perkuliahan (http://vokasi.uho.ac.id/).

Mahasiswa dalam Program Studi D3 Statistika Program Pendidikan Vokasi (PPV) UHO, sebagaimana di ketahui telah menjalani pendidikan terlebih dahulu di Sekolah Menengah Atas (SMA). Di SMA, tingkat belajar mahasiswa dapat diukur melalui peringkat kelas yang diperoleh setiap semesternya di kelas X, XI, dan XII.

Setiap penerimaan mahasiswa baru di jurusan D3 Statistika PPV UHO biasanya melihat nilai Ujian Nasional sebagai pertimbangan apakah calon mahasiswa tersebut bisa lulus di jurusan D3 Statistika atau tidak, disini penulis melakukan penelitian apakah nilai rapor juga bisa digunakan dalam pertimbangan penerimaan mahasiswa baru, sehingga penulis mengambil judul analisis hubungan antara nilai Rapor dengan indeks prestasi kumulatif pada mahasiswa D3 Statistika.

TinjauanPustaka

Prestasi Belajar

Hamalik dalam Hipniati menyatakan prestasi belajar adalah hal-hal yang dicapai oleh seseorang. Ada dua faktor yang harus diperhatikan dalam melaksanakan evaluasi saat belajar: kesehatan fisik, kemampuan mental, kondisi emosional, minat dan kebutuhan serta lingkungan rumah tangga dan sosial. Kedua bermacam-macam tuntutan sosial dan ekonomi disekitar kehidupan di sosial dan ekonomi disekitar kehidupan siswa dimana siswa berpartisipasi aktif didalamnya (Crow, 2007). Indeks Prestasi Kumulatif (IPK)

Indeks prestasi kumulatif (IPK) adalah indeks prestasi yang dihitung pada akhir suatu program pendidikan lengkap atau pada akhir semester kedua dan seterusnya untuk semua mata kuliah yang diambilnya, yang dinyatakan dengan rentang angka 0,00-4,00.

Teknik Stratified Sampling

Stratified Sampling adalah cara mengambil sampel dengan memperhatikan

strata (tingkatan) didalam populasi. Teknik ini biasa digunakan apabila populasi terdiri dari susunan kelompok-kelompok yang bertingkat-tingkat. Penelitian

pendidikan sering menggunakan teknik ini, misalnya apabila meneliti tingkat-tingkat pendidikan tingkat kelas. Berikan metode stratified sampling:

1. Pupolasi dikelompokkan menjadi sub-sub populasi berdasarkan kriteria tertentu yang dimiliki unsur populasi. Masing-masing sub populasi diusahakan homogen.

(4)

2. Dari masing-masing sub selanjutnya diambil sebagian anggota secara acak dengan komposisi proporsional /disproporsional.

3. Total anggota yang diambil ditetapkan sebagai jumlah anggota sampel penelitian (Fuller, 2009).

Analisis Deskripif

Analisis deskriptif merupakan analisis yang paling sederhana, akan tetapi mampu menerangkan hubungan antara dua peubah dengan cukup baik. Dalam analisis tabulasi silang, penelitian menggunakan distribusi persentase pada sel-sel dalam tabel sebagai dasar untuk menyimpulkan hubungan antara variabel-variabel penelitian (Lestari, 2015).

Regresi Linier Berganda

Sekumpulan data yang terdiri atas n observasi dari variabel tak bebas Y dan X variabel bebas, X1, X2, ..., Xp. Hubungan antara Y dan X1, X2, ..., Xp dapat dirumuskan

sebagai suatu model linier sebagai berikut: 0 1 1 2 2 ... p p

Y     X   X    X 

dimana0,1,2, ...,padalah parameter (koefisien regresi) yang harus ditaksir berdasarkan data dan 𝜀 adalah galat [𝜀 ∼N (0,𝜎2)].

Metode Penelitian

Data yang digunakan dalam penelitian ini adalah data primer yang dikumpulkan dengan cara melakukan penyebaran angket berupa kuesioner yang diberikan kepada mahasiswa D3 Statistika dengan populasi mahasiswa angkatan 2014 dan 2015 yang aktif kuliah sebanyak 91 mahasiswa dengan metode pengambilan sampel adalah Stratified sampling. Jumlah sampel dalam penelitian ini yaitu 33 mahasiswa, dimana 13 mahasiswa laki-laki dan 20 mahasiswa perempuan.

Hasil danPembahasan

4.1Statistika Deskriptif 4.1.1 Jenis Kelamin

Berdasarkan Gambar 4.1 menunjukkan bahwa mahasiswa D3 statistika yang dijadikan sampel penelitian terdiri dari 33 responden dimana jenis kelamin laki-laki dengan persentase sebesar 39% dan jenis kelamin perempuan dengan persentase sebesar 61%.

(5)

Gambar 4.1 persentase responden berdasarkan jenis kelamin 4.1.2 Akreditasi Sekolah

Berdasarkan Gambar 4.2 menunjukkan bahwa akreditasi sekolah SMA dari 33 responden memiliki akreditasi A atau B dengan persentase sebesar 85% sedangkan reponden yang memiliki akreditasi lainnya memiliki persentase sebesar 15%.

Gambar 4.2 Persentase responden berdasarkan akreditasi sekolah 4.1.3 Lokasi Sekolah

Berdasarkan Gambar 4.3 menunjukkan bahwa sebagian besar dari reponden memiliki lokasi sekolah di Desa dengan persentase sebesar 58% dan lokasi sekolah di Kota memiliki persentase sebesar 42%.

Gambar 4.3 Persentase responden berdasarkan lokasi sekolah

4.1.4 Diagram Akreditasi Sekolah Terhadap Nilai IPK

Berdasarkan Gambar 4.4 menunjukkan bahwa mahasiswa asal sekolah SMA berakreditasi A atau B memiliki nilai rata-rata IPK sebesar 3,17 sedangkan

mahasiswa asal sekolah SMA berakreditasi Lainnya memiliki nilai rata-rata IPK sebesar 2,97. 39% 61% Laki-laki Perempuan 85% 15% _{Akreditasi A atau B} Lainnya 42% 58% Kota Desa

(6)

Gambar 4.4 Akreditasi Sekolah terhadap nilai IPK 4.1.5 Diagram Lokasi Sekolah Terhadap Nilai IPK

Berdasarkan Gambar 4.5 menunjukkan bahwa mahasiswa asal sekolah SMA di Kota memiliki nilai rata-rata IPK sebesar 3,24 sedangkan mahasiswa asal sekolah SMA di Desa memiliki nilai rata-rata IPK sebesar 3,059.

Gambar 4.5 Lokasi sekolah terhadap nilai IPK 4.1.6 Deskripsi Plot Faktor-Faktor yang Mempengaruhi IPK 4.1.6.1 Plot Nilai Matematika Terhadap Nilai IPK

Berdasarkan Gambar 4.6 terlihat bahwa ada kecenderungan terdapat hubungan linear nilai matematika terhadap nilai IPK, namun ada 3 amatan diduga pencilan yaitu amatan ke- 23, 31 dan 32.

1 0 0 9 5 9 0 8 5 8 0 7 5 7 0 6 5 3 , 8 3 , 6 3 , 4 3 , 2 3 , 0 2 , 8 2 , 6 2 , 4 2 , 2 2 , 0 M a t e m a t ik a IP K S c a t t e r p l o t o f I P K v s M a t e m a t i k a

Gambar 4.6 Plot nilai matematikaa terhadap nilai IPK 4.1.6.2 Plot Nilai Bahasa Inggris Terhadap Nilai IPK

Berdasarkan Gambar 4.7 terlihat bahwa ada kecenderungan terdapat hubungan linear nilai bahasa inggris terhadap nilai IPK, namun ada 3 amatan diduga pencilan yaitu amatan ke- 23, 31 dan 32.

2.8 2.9 3 3.1 3.2 Akreditasi Lainnya Akreditasi A atau B Series1 2.968 3.166071429 IPK 2.93 3.1 3.2 3.3 Lokasi sekolah di Desa Lokasi sekolah di Kota Series1 3.058947368 3.240714286 IPK

(7)

9 5 9 0 8 5 8 0 7 5 7 0 3 , 8 3 , 6 3 , 4 3 , 2 3 , 0 2 , 8 2 , 6 2 , 4 2 , 2 2 , 0 B a h a s a In g g r is IP K S c a t t e r p l o t o f I P K v s B a h a s a I n g g r i s

Gambar 4.7 Plot nilai bahasa inggris terhadap nilai IPK 4.1.6.3 Plot Nilai Rata-Rata Rapor Terhadap Nilai IPK

Berdasarkan Gambar 4.8 terlihat bahwa ada kecenderungan terdapat hubungan linear nilai rata-rata rapor terhadap nilai IPK, namun ada 3 amatan diduga pencilan yaitu amatan ke- 23, 31 dan 32.

9 0 8 5 8 0 7 5 7 0 3 , 8 3 , 6 3 , 4 3 , 2 3 , 0 2 , 8 2 , 6 2 , 4 2 , 2 2 , 0 R a t a - r a t a R a p o r IP K S c a t t e r p l o t o f I P K v s R a t a -r a t a R a p o r

Gambar 4.8 plot nilai rata-rata rapor terhadap nilai IPK

Berdasarkan hasil analisis pada lampiran 4 diperoleh 3 amatan pencilan yaitu amatan ke-23, 31 dan 32. Sehingga ke-3 amatan tersebut disisihkan karena pada responden ke 23, 31 dan 32 memiliki nilai IPK rendah sedangkan dilihat dari nilai matematika di SMA tinggi hal ini disebabkan bahwa responden jarang masuk kuliah dengan alasan sakit, ada urusan keluarga dan tanpa keterangan sehingga nilai IPK yang dicapai sekarang menurun.

4.1 Persmaan Regresi dan Penaksiran Parameter Persamaan regresi untuk penelitian ini yaitu:

𝑌_𝑖 = 𝛽₀+ 𝛽₁𝑋₁+ 𝛽₂𝑋₂+ 𝛽₃𝑋₃+ 𝛽₄𝐷₁+ 𝛽₅𝐷₂+ 𝜀_𝑖

Dengan Yadalah variabel terikat yaitu nilai IPK mahasiswa dan untuk variabel bebasnya yakni nilai matematika sebagai variabel X1, nilai Bahasa Inggris sebagai

X2, nilai rata-rata rapor sebagai variabel X3, akreditasi sekolah sebagai 𝐷₁ dan lokasi

sekolah sebagai 𝐷₂.

Berdasarkan metode kuadrat terkecil diperoleh nilai-nilai taksiran untuk setiap parameter regresi (Lampiran 5). Taksiran untuk koefisien regresi yaitu 𝛽̂0 =

0,939, 𝛽̂₁ = -0,0057, 𝛽̂₂ = 0,0066, 𝛽̂₃ = 0,0263 dan 𝛽̂₄ = −0,030, 𝛽̂₅ = 0,230 sehingga diperoleh model taksiran dari persamaan (2.6) yaitu:

𝑌̂_𝑖 = 0,939 − 0,0057𝑋₁+ 0,0066𝑋₂+ 0,0263𝑋₃− 0,030𝐷₁+ 0,230𝐷₂ 4.2 Uji Multikolinearitas

Pengujan multikolinearitas menggunakan koefisien determinasi ganda (R2₎

(8)

yang lain. Selanjutnya untuk mendeteksi multikolinearitas dihitung besaran VIF sesuai persamaan (2.11).

Tebel 4.1 Nilai VIF

Model Colinearity Statistics

VIF

1

Nilai Matematika 3,339

Nilai Bahasa Inggris 3,540

Nilai Rata-rata Rapor (x3) 4,741

Akreditasi Sekolah 1,023

Lokasi sekolah (D2) 1,080

Berdasarkan Tabel 4.1 nilai VIF seperti pada Lampiran 2 yang diperoleh tidak lebih besar dari 10, hal ini menujukkan bahwa data tidak mengalami masalah multikolinearitas.

4.3 Uji Simultan

Pengujian hipotesis secara simultan untuk membuktikan apakah variabel Y berhubungan linear dengan variabel X1, X2, X3, D1 dan D2 atau setidak-tidaknya

dengan salah satu diantara lima variabel bebas tersebut. Hipotesis yang digunakan adalah:

H0 : β1 = β2 = ... = β5 = 0 (Tidak ada pengaruh antara nilai matematika, nilai Bahasa

Inggris, nilai rata-rata rapor, akreditasi sekolah dan lokasi sekolah terhadap nilai IPK)

H1 : Minimal ada satu j dimana βj ≠ 0; j = 1,2,...,5 (minimal ada satu variabel yaitu

nilai matematika, nilai Bahasa Inggris, nilai rata-rata rapor, akreditasi sekolah dan lokasi sekolah berpengaruh terhadap nilai IPK)

Taraf nyata:

Taraf nyata yang digunakan adalah 95% dengan α = 0.05 Kriteria uji:

Jika Pvalue< α maka H0 ditolak.

Jika Pvalue ≥ α maka H0 diterima.

Pada (Lampiran 5) diuraikan perhitungan analisis ragam berdasarkan pengolahan minitab. Secara sederhana di tampilkan pada tabel berikut ini.

Tabel 4.2 Analisis ragam faktor-faktor yang mempengaruhi nilai IPK Sumber Derajat

Bebas (db) Jumlah Kuadrat Kuadrat Tengah F P

Regresi 4 0,99141 0,19828 3,05 0,029

Sisa 25 1,56072 0,06503

Total 29 2,55214

Kesimpulan

Hasil analisis pada Tabel 4.2 diperoleh P-value sebesar (0,029) < α (0,05) sehingga H0 ditolak. Hal ini berarti bahwa minimal ada satu variabel yaitu nilai

(9)

matematika, nilai bahasa inggris, nilai rata-rata rapor, akreditasi sekolah dan lokasi sekolah berpengaruh terhadap nilai IPK.

4.4 Uji Parsial

Uji parsial yaitu pengujian parameter-parameter dalam model regresi linear berganda yang dilakukan secara parsial atau masing-masing dari variabel-variabel penjelas apakah terdapat pengaruh atau tidak terhadap variabel respon.

Statistik uji t sebagai pedoman pengambilan keputusan dihitung berdasarkan persamaan (2.19).

Tabel 4.3 Nilai-nilai statistik uji t bagi uji parsial Model Koefisien

Regresi (𝛽̂𝑗)

Kesalahan

Standar (𝛽̂𝑗) Thitung Pvalue

Konstanta 0,9386 0,9463 0,99 0,331

Nilai matematika -0,00567 0,01164 -0,49 0,631 Nilai bahasa inggris 0,00663 0,01524 0,43 0,668 Nilai rata-rata rapor 0,02630 0,02269 1,16 0,258 Akreditasi sekolah -0,0300 0,1385 -0,22 0,830 Lokasi sekolah 0,23045 0,09878 2,33 0,028 4.4.1 Konstanta

Hipotesis:

H0 : β0 = 0 (Tidak ada pengaruh konstanta terhadap nilai IPK)

H1 : β0 ≠ 0 (Ada pengaruh konstanta terhadap nilai IPK)

Taraf nyata:

Jika Pvalue< α maka H0 ditolak.

Jika Pvalue ≥ α maka H0 diterima

Kesimpulan:

Hasil analisis diperoleh P-value sebesar 0,331 > α (0,05) maka H0 diterima.

Artinya tidak ada pengaruh konstanta terhadap nilai IPK. 4.4.1 Variabel Nilai Matematika

Hipotesis:

H0 : β1 = 0 (Tidak ada pengaruh nilai matematika terhadap nilai IPK)

H1 : β1 ≠ 0 (Ada pengaruh nilai matematika terhadap nilai IPK)

Taraf nyata:

Taraf nyata yang digunakan adalah 95% dengan α = 0.05

Kriteria uji:

Kesimpulan:

(10)

4.4.2 Variabel Nilai Bahasa Inggris Hipotesis:

H0 : β2 = 0 (Tidak ada pengaruh nilai Bahasa Inggris terhadap nilai IPK)

H1 : β2 ≠ 0 (Ada pengaruh nilai Bahasa Inggris terhadap nilai IPK)

Taraf nyata:

Kesimpulan:

Artinya tidak ada pengaruh nilai Bahasa Inggris terhadap nilai IPK. 4.4.4. Variabel Nilai Rata-rata Rapor

Hipoteisis:

H0 : β3 = 0 (Tidak ada pengaruh nilai rata-rata rapor terhadap nilai IPK)

H1 : β3 ≠ 0 (Ada pengaruh nilai rata-rata rapor terhadap nilai IPK)

Taraf nyata:

Kesimpulan:

Artinya tidak ada pengaruh nilai rata-rata rapor terhadap nilai IPK. 4.4.5. Variabel Akreditasi Sekolah

Hipotesis:

H0 : β4 = 0 (Tidak ada pengaruh akreditasi sekolah terhadap nilai IPK)

H1 : β4 ≠ 0 (Ada pengaruh akreditasi sekolah terhadap nilai IPK)

Taraf nyata:

Kesimpulan:

Artinya tidak ada pengaruh akreditasi sekolah terhadap nilai IPK. 4.4.6. Variabel Lokasi Sekolah

Hipotesis:

H0 : β5 = 0 (Tidak ada pengaruh lokasi sekolah terhadap nilai IPK)

H1 : β5 ≠ 0 (Ada pengaruh lokasi sekolah terhadap nilai IPK)

(11)

Kesimpulan:

Hasil analisis diperoleh P-value sebesar 0,028 < α (0,05) maka H0 ditolak.

Artinya ada pengaruh lokasi sekolah terhadap nilai IPK.

Berdasarkan hasil pengujian signifikansi parameter di atas dapat disimpulkan bahwa variabel penjelas yang signifikan pada model awal yaitu variabel lokasi sekolah. Model yang terbentuk dengan metode di atas menghasilkan nilai R2 sebesar 23,1% (Lampiran 6). Sehingga dilakukan pengujian regresi bertahap.

4.5 Hasil Stepwise Regression

Jika dilihat dari plot antara variabel nilai Matematika, nilai Bahasa Inggris dan nilai Rata-rata Rapor dengan IPK ada kecenderungan bahwa IPK dipengaruhi oleh variabel-variabel tersebut. Oleh karena itu untuk mengetahui variabel mana yang signifikan dilakukan melalui regresi bertahap (stepwise regression). 4.5.1 Persamaan Regresi dan Penaksiran Parameter

Berdasarkan hasil regresi bertahap terdapat dua variabel yang signifikan sehingga model dugaannya adalah:

2 5 3 3 0 ˆ ˆ ˆ ˆ _X _D Y_i     

dengan y adalah variabel terikat yaitu nilai IPK mahasiswa dan untuk variabel bebasnya yakni nilai rata-rata rapor sebagai variabel X3 dan lokasi sekolah sebagai

𝐷₂.

Berdasarkan metode kuadrat terkecil diperoleh nilai-nilai taksiran untuk setiap parameter regresi (Lampiran 8). Taksiran untuk koefisien regresi yaitu 𝛽̂₀ = 1,03, 𝛽̂₃ = 0,0258 dan 𝛽̂₅ = 0,228 sehingga diperoleh model taksiran dari

persamaan (2.6) yaitu:

𝑌̂_𝑖 = 1,03 + 0,0258𝑋₃+ 0,228𝐷₂ 4.5.2 Uji Simultan

Pengujian hipotesis secara simultan untuk membuktikan apakah variabel Y berhubungan linear dengan variabel X3 dan D2 atau setidak-tidaknya

dengan salah satu diantara dua variabel bebas tersebut. Hipotesis yang digunakan adalah:

H0 : β3 = β5 = 0 (Tidak ada pengaruh antara nilai rata-rata rapor dan lokasi sekolah

terhadap nilai IPK)

H1 : Minimal ada satu j dimana βj ≠ 0; j = 3,5 (minimal ada satu variabel yaitu nilai

rata-rata rapor dan lokasi sekolah berpengaruh terhadap nilai IPK) Taraf nyata:

Taraf nyata yang digunakan adalah 95% dengan α = 0.05

Kriteria uji:

(12)

Kesimpulan:

Hasil analisis diperoleh P-value sebesar (0,002) < α (0,05) sehingga H0

ditolak. Hal ini berarti bahwa paling sedikit terdapat satu dari beberapa faktor yaitu nilai rata-rata rapor dan lokasi sekolah berpengaruh terhadap nilai IPK. (Lampiran 8). 4.5.3 Uji Parsial

Uji parsial yaitu pengujian parameter-parameter dalam model regresi linear berganda yang dilakukan secara parsial atau masing-masing dari variabel-variabel penjelas apakah terdapat pengaruh atau tidak terhadap variabel respon.

Statistik uji t sebagai pedoman pengambilan keputusan dihitung berdasarkan persamaan (2.19).

Tabel 4.4 Nilai-nilai statistik uji t bagi uji parsial Model Koefisien

Regresi (𝛽̂_𝑗)

Kesalahan

Standar (𝛽̂_𝑗) Thitung Pvalue

Konstanta 1,0308 0,8313 1,24 0,226

Nilai rata-rata rapor 0,02577 0,01023 2,52 0,018 Lokasi sekolah 0,22830 0,9327 2,45 0,021 4.5.3.1 Konstanta

Hipotesis:

H0 : β0 = 0 (Tidak ada pengaruh konstanta terhadap nilai IPK)

H1 : β0 ≠ 0 (Ada pengaruh konstanta terhadap nilai IPK)

Taraf nyata:

Kesimpulan:

Artinya tidak ada pengaruh konstanta terhadap nilai IPK. 4.5.3.2 Variabel Nilai Rata-rata Rapor

Hipotesis:

H0 : β3 = 0 (Tidak ada pengaruh nilai rata-rata rapor terhadap nilai IPK)

H1 : β3 ≠ 0 (Ada pengaruh rata-rata rapor terhadap nilai IPK)

Taraf nyata:

Kesimpulan:

Hasil analisis diperoleh P-value sebesar 0,018 > α (0,05) maka H0 ditolak.

Artinya ada pengaruh nilai rata-rata rapor terhadap nilai IPK. 4.5.3.3 Variabel Lokasi Sekolah

(13)

H0 : β5 = 0 (Tidak ada pengaruh lokasi sekolah terhadap nilai IPK)

H1 : β5 ≠ 0 (Ada pengaruh lokasi sekolah terhadap nilai IPK)

Taraf nyata:

Kesimpulan:

Hasil analisis diperoleh P-value sebesar 0,021 < α (0,05) maka H0 ditolak.

Artinya ada pengaruh lokasi sekolah terhadap nilai IPK. 4.6 Pengujian Asumsi Regresi Linear Berganda 4.6.1 Uji Multikolinearitas

Pengujan multikolinearitas menggunakan koefisien determinasi ganda (R2) yang diperoleh dengan meregresi tiap variabel (Xi) terhadap variabel terikaat (Y)

yang lain. Selanjutnya untuk mendeteksi multikolinearitas dihitung besaran VIF sesuai persamaan (2.11).

Tebel 4.5 Nilai VIF

Model Colinearity Statistics

VIF 1 Nilai Rata-rata Rapor (x3) 1,065

Lokasi sekolah (D2) 1,065

Berdasarkan Tabel 4.5 nilai VIF seperti pada Lampiran 7 yang diperoleh tidak lebih besar dari 10, hal ini menujukkan bahwa data tidak mengalami masalah multikolinearitas.

4.6.2 Uji Kebebasan Galat

Pengujian kebebasan galat menggunakan statistik d dari Durbin-Watson. Lampiran 12 mengilustrasikan perhitungan nilai statistik d berdasarkan persamaan (2.12). Hipotesis yang diuji yaitu:

H0 : ρ = 0 (Tidak ada korelasi antar galat)

H1 : ρ ≠ 0 (Ada korelasi antar galat)

Berdasarkan tabel batas-batas statistik d dari Durbin-Watson pada lampiran 13, untuk n= 30 dan 2 variabel bebas (k = 2), nilai kritis d pada α = 0,05 adalah 𝑑_𝐿 = 1,2837 dan 𝑑𝑈 = 1,5666 sedangkan 4 - 𝑑𝑈= 2,4334. Nilai d hasil perhitungan yaitu

2,012 berada dalam batas 𝑑𝑈<d <4 - 𝑑𝑈 sebagai kriteria penerimaan hipotesis nol

sehingga dapat disimpulan bahwa tidak ada korelasi antar galat. 4.6.3 Uji Heteroskedastisitas

Pengujian heteroskedastisitas menggunakan koefisien korelasi peringkat spearman pada persamaan (2.14). Hipotesis yang diuji yaitu:

H0 : Tidak terdapat heterskodastisitas

H1 : Terdapat heterkodastisitas

Model regresi teridiri atas 2 variabel bebas, dengan demikian berdasarkan analisis diperoleh dua koefisien korelasi peringkat spearman. Pengujian tingkat penting koefisien korelasi ini menggunakan perbandingan P-value dengan tingkat signifikansi α = 0,05.

(14)

Tabel 4.6 Koefisien korelasi peringkat dari spearman (rs) antara variabel bebas dan

galat berdasarkan keluaran SPSS.

X3 D2

Spearman’srho Galat Koefisien

korelasi -0,118 -0,071

Pvalue 0,536 0,680

n 30 30

Berdasarkan Tabel 4.6 diperoleh P-value masing-masing variabel bebas lebih besar dari α (0,05) maka H0 diterima. Hal ini menunjukkan bahwa tidak terdapat

heterskodastisitas. 4.6.4 Uji Normalitas

Pengujian normalitas dengan menggunakan uji Kolmogorov-smirnov dapat dilihat pada Lampiran 11. Hipotesis yang diuji yaitu:

H0 : galat menyebar normal[𝜀~𝑁(0, 𝜎2)]

H1 : galat tidak menyebar normal [𝜀 ≁ 𝑁(0, 𝜎2)]

Berdasarkan hasil analisis diperoleh nilai D = 0,121, dengan α = 0,05 dan 30 diperoleh nilai Dtabel yaitu 0,242 (Lampiran 12). Nilai D (0,121) < Dtabel (0,242)

maka hipotesis nol diterima, artinnya bahwa nilai-nilai galat dari model regresi berdistribusi normal.

4.7 Makna dari Model yang Terbentuk

Berdasarkan hasil stepwise regression diperoleh bahwa variabel rata-rata rapor dan lokasi sekolah berpengaruh terhadap nilai IPK. Dengan demikian diperoleh persamaan regresi yaitu:

{

Kota di sekolah lokasi untuk 0258 , 0 258 , 1 Desa di sekolah lokasi untuk , 0258 , 0 03 , 1 ˆ X X Y   

Persamaan regresi diatas dapat dijelaskan sebagai berikut:

 Jika nilai rata-rata rapor (X3) adalah 70 dengan lokasi sekolah SMA di Kota maka

rata-rata nilai IPK yang di capai sebesar 3,064. Koefisien bernilai positif artinya terjadi hubungan positif antara nilai rata-rata rapor dan nilai IPK, semakin tinggi nilai rata-rata rapor maka semakin tinggi pula nilai IPK.

 Jika nilai rata-rata rapor (X3) adalah 70 dengan lokasi sekolah SMA di Desa maka

rata-rata nilai IPK yang di capai sebesar 2,836.

 Jika nilai rata-rata rapor mahasiswa adalah 10 maka IPK akan meningkat sebesar 0,258.

4.8 Uji Kebaikan Model Regresi

Nilai R2 sebesar 0,378 atau 37,8%, ini menunjukkan bahwa keragaman nilai IPK hanya dapat dijelaskan oleh variabel nilai rata-rata rapor dan lokasi sekolah sebesar 37,8% sedangakan sisanya 62,2% dipengaruhi oleh variabel lain yang tidak dimasukkan dalam model.

(15)

PENUTUP 5.1 Kesimpulan

Berdasarkan hasil penelitian dapat disimpulkan bahwa variabel nilai rata-rata rapor dan lokasi sekolah berpengaruh terhadap nilai IPK pada mahasiswa D3 Statistika. Sedangkan variabel nilai matematika, Bahasa Inggris dan akreditasi sekolah tidak berpengaruh signifikan. Model regresi yang terbentuk sebagai berikut:

{

Kota di sekolah lokasi untuk , 0258 , 0 258 , 1 Desa di sekolah lokasi untuk , 0258 , 0 03 , 1 ˆ X X Y   

Nilai R2 sebesar 37,8%, ini menunjukan bahwa keragaman nilai IPK hanya dapat dijelaskan oleh variabel nilai rata-rata rapor dan lokasi sekolah sebesar 37,8% sedangkan sisanya 62,2% dipengaruhi oleh variabel lain yang tidak dimasukkan dalam model.

5.2 Saran

Diharapkan kepada peneliti selanjutnya untuk menambahkan variabel-variabel lain yang belum dimasukkan dalam penelitian ini yang diperkirakan mempengaruhi IPK.

DAFTAR PUSTAKA

Chatterjee, S. & Ali, A.S. 2006. Regression Analysis by Example 4thedition. New Jersey: Wiley.

Crow, A. 2007. An Outline of Psicology (Terjemahan Z.Kazijan). Surabaya: PT. Bina Ilmu.

Dale, E. 1999. Pentingnya Pendidikan, Artikel Pendidikan. No. 7:11-13

Fuller, A.W. 2009. Sampling Statistics. New York (US): John Wiley and Sons. Inc. Gujarati, D.N. 1978. Ekonometrika Dasar. Jakarta: Erlangga

Lestari, A.M. 2015. Analisis Tingkat Kepuasan Nasabah Terhadap Pelayanan Bank

BRI Cabang Kendari [Tugas Akhir]. Kendari: Universitas Halu Oleo,

Fakultas Pendidikan Vokasi.

Murjono. 1996. Teori-Teori Belajar. Jakarta: Erlangga.

Steel, R.G.S. & Torrie, J.H. 1993. Prinsip dan Prosedur Statistika suatu Pendekatan

Biometrik. Jakarta: Gramedia.

Sugiarto. (1990). Analisis Regresi. Jakarta: Andi Offset

Walpole & Myers, R.H. 1995. Ilmu Peluang dan Statistika untuk Insinyur dan