BAB IV PENYAJIAN DATA DAN ANALISIS
C. Analisis dan Pengujian Hipotesis
Hasil analisis deskriptif dari masing-masing variabel yaitu variabel kecerdasan logis matematis (X1), variable kecerdasan linguistik (X2) dan variabel hasil belajar (Y) atau hasil analisis deskriptif dari rumusan
masalah nomor 1, 2 dan 3. Data tersebut dikategorisasikan berdasarkan jenjang penelitian.
a. Kecerdasan Logis Mtematis siswa kelas VIII MTs Negeri 4 Pasuruan Dari hasil perhitungan uji frekuensi dengan program IBM SPSS Statistics 25. Deskripsi skor data kecerdasan matematis-logis siswa di Mts Negeri 4 Pasuruan dapat dilihat pada tabel berikut ini:
Tabel 4.2
Deskripsi Kategori Kecerdasan Matematis-Logis
No.
Tingkat Pencapaian
Skor
Frekuensi Presen
tasi Kategori
1 99-115 7 11 % Sangat Tinggi
2 80-98 17 26% Tinggi
3 61-79 38 58% Sedang
4 42-60 3 5% Rendah
5 23-41 0 0% Sangat Rendah
Jumlah 65 100%
Sumber: Sugiyono, 2015:183.91
Berdasarkan tabel di atas, diketahui bahwa kecerdasan logis matematis dari 65 siswa sebagai sampel menyatakan terdapat 7 siswa dengan kategori sangat tinggi (11%), 17 siswa kategori tinggi (26%), 38 siswa kategori sedang (58%), dan 3 siswa kategori rendah (5%).
Data keanggotaan siswa di MTs Negeri 4 Pasuruan diperoleh dengan melakukan proses pengisian angket kecerdasan logis matematis. Dari 87 siswa yang menjadi kelas sampel penelitian yang terbagi dalam tiga kelas, hanya 65 siswa yang diambil datanya.
91 Sugiyono, Metode, 183.
b. Kecerdasan Linguistik siswa kelas VIII MTs Negeri 4 Pasuruan
Dari hasil perhitungan uji frekuensi dengan program IBM SPSS Statistics 25. Deskripsi skor data kecerdasan linguistik siswa di MTs Negeri 4 Pasuruan, dapat dilihat pada tabel berikut ini :
Tabel 4.3
Deskripsi Kategori Kecerdasan Linguistik
No.
Tingkat Pencapaian
Skor
Frekuensi Presen
tasi Kategori
1 73-85 9 14 % Sangat Tinggi
2 59-72 20 30% Tinggi
3 45-58 31 48% Sedang
4 31-44 5 8% Rendah
5 17-30 0 0% Sangat Rendah
Jumlah 65 100%
Sumber: Sugiyono, 2015:183.92
Berdasarkan tabel di atas, diketahui bahwa kecerdasan linguistik dari 65 siswa sebagai sampel menyatakan terdapat 9 siswa dengan kategori sangat tinggi (14%), 20 siswa kategori tinggi (41%), 31 siswa kategori sedang (48%), dan 5 siswa dengan kategori rendah (8%).
c. Hasil belajar siswa kelas VIII Negeri 4 Pasuruan
Dari hasil perhitungan uji frekuensi dengan program IBM SPSS Statistics 25. Deskripsi skor data hasil belajar siswa di MTs Negeri 4 Pasuruan, dapat dilihat pada tabel berikut ini:
92 Sugiyono, Metode, 183.
Tabel 4.4
Deskripsi Kategori Hasil Belajar
No.
Tingkat Pencapaian
Skor
Frekuensi Presen
tasi Kategori
1 80-100 35 54 % Sangat Tinggi
2 60-79 30 46% Tinggi
3 40-59 0 0% Sedang
4 20-39 0 0% Rendah
5 0-19 0 0% Sangat Rendah
Jumlah 65 100%
Sumber: Sugiyono, 2015:183.93
Berdasarkan tabel di atas, diketahui bahwa hasil belajar dari 65 siswa sebagai sampel menyatakan dengan kategori sangat tinggi (54%) dan tinggi (46%).
2. Analisis Inferensial
Analisis inferensial dalam penelitian ini untuk menjawab rumusan masalah nomor 4 dan 5 dengan penyajian data menggunakan analisis data regresi linier berganda. Berdasarkan persyaratan analisis regresi, maka sebelum pengujian hipotesis perlu dilakukan uji prasyarat analisis terhadap data hasil penelitian. Analisis uji prasyarat yang perlu dilakukan dalam penelitian ini adalah sebagai berikut:
a. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah suatu data berdistribusi normal atau tidak. Uji normalitas ini merupakan uji prasyarat sebelum dilakukan pengujian hipotesis. Model regresi
93 Sugiyono, Metode, 183.
memenuhi kenormalan apabila data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal.
Dari hasil perhitungan dengan menggunakan program IBM SPSS Statistics 25 pada lampiran dapat dilihat pada gambar dibawah ini:
Gambar 4.1
Uji Normalitas Kecerdasan Logis Matematis dan Kecerdasan Linguistik Terhadap Hasil Belajar
Berdasarkan gambar 4.1 diperoleh normal P-P Plots of Regresion standart bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, sehingga dapat disimpulkan bahwa data berdistribusi normal. Dengan demikian, asumsi atau persyaratan normalitas dalam model regresi dikatakan sudah terpenuhi.
b. Uji Kolinieritas
Uji kolinearitas digunakan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi kolerasi maka dinamakan terdapat problem kolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen, yakni jika nilai VIF < 2,00 dan nilai Tolerance > 0,10.
Dari hasil perhitungan dengan menggunakan program IBM SPSS Statistics 25 pada lampiran diperoleh nilai VIF dan nilai Tolerence yang dapat dilihat pada tabel dibawah ini:
Tabel 4.5 Uji Kolinieritas
Collinearity Statistics Tolerance VIF
.820 .820
1.219 1.219
Berdasarkan tabel di atas, nilai VIF untuk semua variabel tersebut < 2,00 dan nilai Tolerance > 0,10. Maka berdasarkan pedoman keputusan berarti tidak terjadi kolinieritas dalam model regresi atau tidak terjadi gangguan kolinearitas pada model regresi yang digunakan pada penelitian ini.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan variansi dari residual dari satu pengamatan ke pengamat yang lain. Jika variansi residual dari satu
pengamat ke pengamat yang lain tetap, maka disebut Homoskedastisitas. Jika varians berbeda, disebut Heteroskedastisitas.
Model regresi yang bebas dari heterokedastisitas adalah apabila tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y.
Hasil perhitungan dengan menggunakan program IBM SPSS Statistics 25 pada lampiran diperoleh scatterplot variabel kecerdasan logis mateamtis dan kecerdasan linguistik terhadap hasil belajar seperti yang terlihat pada gambar di bawah ini.
Gambar 4.2 Uji Heteroskedastisitas
Berdasarkan gambar di atas, karena tidak terdapat pola yang jelas serta titik-titik data menyebar di atas dan di bawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas hingga model regresi yang ideal dapat terpenuhi.
d. Uji Autokorelasi
Uji Autokorelasi merupakan prasyarat untuk melakukan uji regeresi linear sederhana. Disamping itu juga untuk mengidentifikasi suatu model seri waktu yang sesuai. Regresi yang baik adalah regresi yang tidak mengandung autokorelasi. Regresi yang terbebas dari terjadinya autokorelasi ketika 1,65 < DW < 2,35.
Hasil perhitungan dengan menggunakan program IBM SPSS Statistics 25 diperoleh tabel uji autokorelasi variabel kecerdasan matematis-logis dan disposisi matematis terhadap hasil belajar berikut ini.
Tabel 4.6 Uji Autokorelasi
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .772a .596 .583 4.665 1.904
Dari tabel di atas dapat diketahui angka Durbin Watson 1,904 dan dikarenakan 1,65 < 1,904 < 2,35 maka sebagai dasar pengambilan keputusan dalam uji Durbin Watson dapat disimpulkan bahwa tidak terdapat masalah atau gejala autokorelasi. Dengan demikian analisis regresi linear berganda untuk uji hipotesis penelitian di atas dapat dilakukan atau dilanjutkan.
3. Pengujian Hipotesis
Penelitian ini bertujuan untuk mengetahui pengaruh kecerdasan logis matematis dan kecerdasan linguistic terhadap hasil belajar
matematika siswa. Analisis yang digunakan untuk menguji hipotesis yang diajukan pada penelitian ini adalah regresi linier berganda dengan berbantuan program IBM SPSS Statistics 25.
Ho1 : Tidak ada pengaruh yang signifikan kecerdasan logis matematis dan kecerdasan linguistik secara bersama-sama terhadap hasil belajar matematika siswa kelas VIII di MTs Negeri 4 Pasuruan.
Ha1 : Ada pengaruh yang signifikan kecerdasan logis matematis dan kecerdasan linguistik secara bersama-sama terhadap hasil belajar matematika siswa kelas VIII di MTs Negeri 4 Pasuruan.
Ho1 : Tidak ada pengaruh yang signifikan kecerdasan logis matematis dan kecerdasan linguistik secara individu terhadap hasil belajar matematika siswa kelas VIII di MTs Negeri 4 Pasuruan.
Ha2 : Ada pengaruh yang signifikan kecerdasan logis matematis dan kecerdasan linguistik secara individu terhadap hasil belajar matematika siswa kelas VIII di MTs Negeri 4 Pasuruan.
Untuk mengetahui hasil rekapitulasi regresi linear berganda pada lampiran antara variabel bebas kecerdasan logis matematis dan kecerdasan linguistik dengan variabel terikat hasil belajar matematika siswa di MTs Negeri 4 Pasuruan, dapat dilihat pada tabel di bawah ini:
Tabel 4.7
Rekapitulasi hasil Regresi Linier Berganda
Variabel Bebas
Variabel Terikat
Koef isien regre si b
t hitung
t
tabel Sig. Keputu
san Kecerdasan
Logis Matematis
Hasil
Belajar 0,191 3,619 1,998 0,001 0,322 Diterima Kecerdasan
Linguistik
Hasil
Belajar 0,384 6,487 1,998 0,000 0,578 Diterima Konstanta = 43,259
F hitung = 45,757 F tabel = 3,14 Sig F = 0,00 R Square = 0,596 = 0,05
Berdasarkan analisis tabel 1.3 di atas dapat diketahui bahwa F hitung = 45,757 lebih besar dari F tabel = 3,14 pada taraf nyata = 0,05.
Atau nilai sig. F = 0,00 yang lebih kecil dari taraf nyata = 0,05. Dari hasil tersebut dapat dikatakan bahwa hipotesis alternatif 1 (Ha1) yang menyatakan bahwa “Ada pengaruh yang signifikan kecerdasan logis matematis dan kecerdasan linguistik secara bersama-sama terhadap hasil belajar matematika siswa kelas VIII di MTs Negeri 4 Pasuruan” diterima.
Hasil dari tabel 1.3 juga menjawab hipotesis alternatif 2 (Ha2).
Dengan uji statistik t akan diketahui apakah ada pengaruh kecerdasan logis matematis dan kecerdasan linguistik secara individu terhadap hasil belajar matematika siswa kelas VIII di MTs Negeri 4 Pasuruan. Penjelasan terhadap hasil uji t sebagai berikut:
a. Variabel kecerdasan logis matematis (X1), diketahui thitung = 3,619 lebih besar dari ttabel = 1,998 pada taraf nyatanya 0,05. Dari hasil tersebut dapat dikatakan bahwa hipotesis alternatif 1 (Ha1) yang menyatakan bahwa “Ada pengaruh yang signifikan kecerdasan logis matematis terhadap hasil belajar matematika siswa kelas VIII di MTs Negeri 4 Pasuruan” diterima.
b. Variabel kecerdasan linguistik (X2), diketahui thitung = 6,487 lebih besar dari ttabel = 1,998 pada taraf nyatanya 0,05. Dari hasil tersebut dapat dikatakan bahwa hipotesis alternatif 2 (Ha2) yang menyatakan bahwa “Ada pengaruh yang signifikan kecerdasan linguistik terhadap hasil belajar matematika siswa kelas VIII di MTs Negeri 4 Pasuruan”
diterima.
Hasil pengujian signifikan baik secara individual maupun secara bersama-sama memberikan nilai yang baik. Dari hasil uji signifikansi secara keseluruhan (uji F) dapat disimpulkan bahwa kecerdasan logis matematis dan kecerdasan linguistik secara bersama-sama berpengaruh signifikan terhadap hasil belajar matematika siswa kelas VIII di MTs Negeri 4 Pasuruan. Secara individual variabel kecerdasan logis matematis dan kecerdasan linguistik juga telah lolos uji t, berarti secara individual kedua variabel tersebut berpengaruh signifikan terhadap hasil belajar matematika siswa kelas VIII di MTs Negeri 4 Pasuruan.
Sehingga hasil estimasi dari pengaruh variabel kecerdasan logis matematis dan kecerdasan linguistik dapat dinyatakan sebagai berikut:
Y = 43,259 + 0,191 X1 + 0,384 X2
Koefisien regresi untuk variabel kecerdasan logis matematis X1 adalah sebesar 0,191. Hal ini diartikan bahwa jika variabel bebas X1
berubah sebesar satu satuan maka variabel Y akan berubah sebesar 0,191 satuan dengan asumsi variabel bebas lainnya konstan artinya jika input kecerdasan logis matematis ditambah satu nilai maka akan menaikkan hasil belajar matematika siswa kelas VIII di MTs Negeri 4 Pasuruan sebesar 19,1%. Sedangkan koefisien determinasi parsial (r2) dari variabel X1 adalah 0,322 atau 32,2% yang berarti bahwa sumbangan variabel X1
terhadap naik turunya variabel Y adalah 32,2% dimana variabel-variabel bebas lainnya konstan.
Koefisien regresi untuk variabel kecerdasan linguistik X2 adalah sebesar 0,384. Hal ini diartikan bahwa jika variabel bebas X2 berubah sebesar satu satuan maka variabel Y akan berubah sebesar 0,384 satuan dengan asumsi variabel bebas lainnya konstan artinya jika input kecerdasan linguistik ditambah satu nilai maka akan menaikkan hasil belajar matematika siswa kelas VIII di MTs Negeri 4 Pasuruan sebesar 38,4%. Sedangkan koefisien determinasi parsial (r2) dari variabel X2
adalah 0,578 atau 57,8% yang berarti bahwa sumbangan variabel X2
terhadap naik turunya variabel Y adalah 57,8% dimana variabel-variabel bebas lainnya konstan.