Lakukan pengisian data pada masing- masing variabel
Lakukan pengujian linieritas untuk memastikan baik X1 dan Y, maupun X2 dan Y adalah linier dengan
menggunakan diagram scatter plot.
Pastikan modul “scatr” sudah tertanam pada perangkat lunak Jamovi.
Pada tab Analyses, pilih menu Exploration –> Scatterplot.
Untuk yang pertama adalah melihat diagram pencar antara Metakognisi (X1) dengan Hasil Belajar (Y). Masukkan variabel Metakognisi ke dalam X-Axis dan Hasil Belajar ke dalam Y-Axis.
Grafik diagram pencar menunjukkan ada kecenderungan membentuk pola linier antara Metakognisi dan Hasil Belajar.
Untuk yang kedua adalah melihat diagram pencar antara Metakognisi (X1) dengan Hasil Belajar (Y). Masukkan variabel Motivasi ke dalam X-Axis dan Hasil Belajar ke dalam Y-Axis.
Grafik diagram pencar menunjukkan ada kecenderungan membentuk pola linier antara Motivasi dan Hasil Belajar.
Selanjutnya beralih ke tab Analyses, pilih menu Regression –> Linear Regression.
Masukkan variabel Hasil Belajar (Y) ke dalam Dependent Variable.
Masukkan Metakognisi dan Motivasi ke dalam Covariates.
Pada Model Builder, buat Block 1 yang berisi variabel Metakognisi, dan Block 2 yang berisi variabel Motivasi.
Langkah ini untuk membuat 2 model regresi:
Model 1 untuk Metakognisi
Model 2 untuk Metakognisi + Motivasi
Untuk Assumption Checks dan Data Summary, beri tanda (v) pada pilihan Collinearity statistics, Normality test, Q- Q plot of residuals, Residual plots, dan Cook’s distance.
Uji autokorelasi Durbin-Watson digunakan manakala kedua prediktor merupakan entitas yang sama. Oleh karena metakognisi dan motivasi adalah dua entitas berbeda, maka uji
autokorelasi tidak dibutuhkan.
Untuk Model Fit, beri tanda (v) pada pilihan AIC dan BIC pada Fit Measures.
Beri tanda (v) di F test pada Overall Model Test.
Pada Model Coefficients, beri tanda (V) pada pilihan ANOVA test, Confidence intervl, dan Standized estimate.
Uji asumsi normalitas terpenuhi yang mana hal ini nampak pada nilai p>0,05 dan grafik Q-Q plot yang menggambarkan sebaran residu mengumpul di sekitar garis diagonal.
Residual yang homogen ditunjukkan melalui grafik dengan sebaran residu yang acak seperti yang tampak pada grafik Residual Plots tersebut.
Nilai mean pada Cook’s distance <1 yang menandakan bahwa keberadaan pencilan data tidak akan mengganggu garis persamaan regresi.
Uji asumsi berikutnya adalah uji kolinearitas. Model persamaan regresi mengharuskan tidak boleh ada korelasi antar prediktor (antara X1 dan X2).
Kriteria pengujian berdasar nilai Variance Inflated Factor (VIF), nilai VIF<4 menunjukkan tidak terjadi multi kolinearitas dan model regresi dapat diinterpretasi
Nilai VIF
< 4 pada tabel
menunjukkan tidak terjadi multi kolinearitas.
Tabel Model Fit Measures mengkomparasikan 2 model regresi, yaitu:
Model 1 – hanya menggunakan 1 prediktor (metakognisi)
Model 2 – yang menggunakan 2 prediktor (metakognisi dan motivasi) Berdasarkan nilai R2 dapat ditafsirkan sebagai berikut.
• Model 1 menggambarkan bahwa variabel hasil belajar dapat dijelaskan oleh 1 prediktor saja sebesar 55,1% (F(1,23)=28,2; nilai p<.001).
• Model 2 menggambarkan bahwa variabel hasil belajar dapat dijelaskan oleh 2 prediktor saja sebesar 63,1% (F(2,22)=18,8; nilai p<.001).
Hal ini berarti model 2 lebih kompleks dan bisa menjelaskan lebih banyak tentang variasi hasil belajar.
Akan tetapi model regresi yang kompleks belum tentu bisa memberikan informasi yang lebih baik.
Terlalu banyak prediktor bisa jadi malah tidak memberikan informasi yang baik, tidak punya nilai informasi. Untuk menentukan model mana yang memberikan informasi yang baik ditentukan dari nilai Akaike Information Criteria (AIC) atau Bayesian Information Criteria (BIC) mana yang lebih kecil dari kedua model. Berdasarkan tabel di atas, nampak nilai AIC dan BIC untuk model 2 lebih kecil daripada model 1. Oleh karenanya model 2 dengan 2 prediktor bisa memberikan informasi yang lebih baik.
Tabel Model Comparisons memberikan informasi tambahan perbandingan 2 model di atas. Nilai p<0,05 menunjukkan ada perbedaan signifikan antara model 1 dan model 2.
Nilai ΔR2 memberikan informasi bahwa dengan penambahan satu prediktor ke dalam model 2 menunjukkan penambahan informasi sebanyak 7,98% untuk menjelaskan variabel Hasil Belajar.
Oleh karena model 2 memiliki nilai AIC lebih kecil, maka pada Model Specific Results pilih Model 2 untuk menggunakan Omnibus ANOVA Test Model 2.
besar dalam menjelaskan Hasil Belajar. Nilai JK residual yang terbesar menunjukkan bahwa ada masih banyak variabel lain yang turut berkorelasi pada Hasil Belajar selain Metakognisi dan Motivasi (yang tidak diteliti).
Tabel Model Coefficients di atas digunakan untuk membuat persamaan garis regresi. Kolom Estimate menunjukkan intercept, koefisien X1, dan koefisien X2. Oleh karenanya persamaan garis regresi Y = 33,184 + 0,507X1 + 0,381X2 + ε.
Pada variabel Metakognisi nilai p<0,05 sehingga metakognisi adalah prediktor yang signifikan.
Pada variabel Motivasi nilai p<0,05 sehingga motivasi adalah prediktor yang signifikan.
Kesimpulan:
1. Variabel Metakognisi (X1) dan Motivasi (X2) berkorelasi secara bersamaan terhadap variabel Hasil Belajar (Y) menurut persamaan Y = 33,184 + 0,507X1 + 0,381X2 + ε sebesar 63,1%, sedangkan sisanya sebesar 36,9% berkorelasi dengan variabel lain yang tidak diteliti.
2. Variabel Metakognisi (B=0,507; CI95 =[0,1068:0,9080], SE=0,193, t=2,63, nilai p=0,015) dan Motivasi (B=0,381; CI95 =[0,0186:0,743], SE=0,175, t=2,18, nilai p=0,040) adalah prediktor yang secara signifikan dapat menjelaskan Hasil Belajar.
B. Tugas
Sebuah penelitian didesain untuk mengkaji apakah terdapat hubungan tingkat penghasilan orang tua (X1) dan prestasi belajar siswa (X2) dengan minat siswa melanjutkan studi ke perguruan tinggi pada siswa kelas XII. Berikut adalah data skor X1, X2, dan Y.
No. Tingkat Pendidikan
Orang Tua (X1) Prestasi Belajar (X2) Minat Siswa Melanjutkan ke Perguruan Tinggi (Y)
1 14 74,6 62
2 13 77,6 60
3 16 79,2 64
4 13 76,8 61
5 12 76,0 56
6 12 77,1 57
7 14 78,9 63
8 14 76,8 61
9 13 79,2 60
10 12 75,5 57
11 12 78,2 59
12 12 81,2 57
13 18 78,9 68
14 12 78,7 59
15 14 76,5 63
16 11 77,2 52
17 17 78,7 65
18 12 80,3 57
19 12 76,8 56
20 12 77,9 58
21 12 77,3 54
22 14 77,5 62
23 15 75,6 63
24 14 77,4 60
25 12 77,7 58
26 14 76,5 62
27 14 79,5 62
28 12 79,1 55
29 12 76,2 57
30 7 76,5 49
31 15 77,8 63
32 14 77,7 61
33 16 76,5 63
34 16 75,9 64
35 16 76,5 63
36 14 80,9 62
37 18 80,3 69
38 16 77,6 64
39 20 81,1 70
40 14 77,2 61
Petunjuk:
1. Output tabel hasil analisis korelasi dari software Jamovi disalin ke dokumen LibreOfffice Writer. Kemudian nyatakan bagaimana kesimpulannya.
2. Cantumkan identitas nama dan NPM dengan jelas pada lembar jawaban. Penyerahan lembar jawaban tes berupa softcopy. Softcopy (berupa file berekstensi .doc atau .docx) dikirim melalui WA 082332826057.
3. Berbuat curang berupa salin-rekat (copy-paste) hasil pekerjaan milik orang lain adalah sangat mudah untuk dideteksi. Hukuman penalti untuk kecurangan ini adalah skor NOL untuk komponen tugas ini.
Soal
1. Lakukan uji prasyarat normalitas, multikolinearitas, dan homoskedastisitas pada model regresi
2. Berapa persen pengaruh yang diberikan masing-masing variabel X1 dan X2 terhadap variabel Y secara terpisah?
3. Rumuskan kesimpulan atas analisis regresi ganda yang anda lakukan.