Langkah pertama yang dilakukan adalah pengujian linieritas untuk memastikan variabel X dan Y linier menggunakan diagram scatter plot. Lakukan instalasi modul “scatr” pada perangkat lunak Jamovi.
Pada sudut kanan atas, pilih menu Modules –> jamovi library.
Proses instalasi modul membutuhkan koneksi internet. Pilih modul “scatr”
dengan klik tombol INSTALL.
Setelah modul scatr tertanam pada Jamovi, pada tab Analyses, pilih menu Exploration –> Scatterplot.
Masukkan variabel Motivasi ke dalam X-Axis.
Masukkan variabel Hasil Belajar ke dalam Y-Axis.
Pada pilihan Regression Line, aktifkan pilihan Linear.
Hasil pencaran data tampak pada grafik scatter plot.
Sebaran data nampak menunjukkan bahwa ada kecenderungan makin besar nilai X diikuti oleh nilai Y yang makin besar pula. Hal ini bisa ditafsirkan bahwa hubungan antara variabel X dan Y adalah linier. Oleh karenanya asumsi linieritas telah terpenuhi dan model yang digunakan adalah persamaan regresi linier Y = a + bX.
Selanjutnya beralih ke tab Analyses, pilih menu Regression –> Linear Regression.
Masukkan variabel Motivasi (X) ke dalam Covariates, dan variabel Hasil belajar (Y) ke dalam Dependent Variable.
Pada bagian Assumption Checks, beri tanda (v) pada pilihan Normality test, Q- Q plot of residuals, dan Residual plots.
Pada bagian Data Summary, beri tanda (v) pada pilihan Cook’s distance.
Pada blok Model Fit, untuk Overall Model Test, beri tanda (v) pada pilihan F test.
Pada blok Model Coefficients, beri tanda (v) pada pilihan ANOVA test di bagian Omnibus Test; beri tanda (v) pada pilihan Confidence interval di bagian Estimate; beri tanda (v) pada pilihan Standardized estimate dan Confidence interval di bagian Standardized Estimate.
Selanjutnya hasil uji asumsi normalitas nampak pada output berikut.
Pada tabel Normality Test menunjukkan nilai p>0,05 yang berarti residual berdistribusi normal.
Hal ini juga didukung oleh grafik diagram pencar yang menunjukkan sebaran residual di sekitar garis diagonal. Oleh karenanya asumsi normalitas telah terpenuhi.
Uji asumsi berikutnya adalah uji asumsi homoskedastisitas, yaitu varians dari residual harus homogen (homoskedastisitas). Maknanya adalah meskipun nilai X dan Y berubah, maka konstanta residual tidak boleh berubah. Bila uji asumsi ini tidak terpenuhi maka model regresi tidak memiliki makna, tidak bisa digunakan, dan harus menggunakan model regresi lain yang tidak membutuhkan asumsi homoskedastisitas.
Perangkat lunak Jamovi membuat scatter plot antara residual dengan variabel X dan Y. Grafik yang perlu dicermati adalah grafik Fitted untuk estimated Y ( Y^ ). Residual yang homogen ditunjukkan melalui grafik dengan sebaran residu yang acak seperti gambar di atas.
Keberadaan pencilan (outliers) penting untuk dicermati karena kehadirannya bisa merubah garis regresi secara drastis, juga turut menentukan kehandalan garis persamaan regresi. Untuk melihat seberapa jauh outlier ini mengganggu garis regresi adalah menggunakan nilai mean dari Cook’s distance.
Cook’s distance yang nilai mean-nya kurang dari 1 mengindikasikan bahwa kehadiran outlier dapat diabaikan, yang berarti outlier tersebut tidak terlalu mengganggu garis regresi. Pada tabel Cook’s distance nampak Mean < 1 yang berarti keberadaan outlier tidak mengganggu garis regresi.
Ada atau tiadanya outlier tidak berpengaruh pada kehandalan garis regresi.
Catatan:
Bila peneliti mendapati Mean outlier >1 dianjurkan tidak langsung membuang data, karena sebuah data sangat berharga. Bisa jadi outlier berbicara tentang suatu fenomena yang justru perlu digali peneliti mengapa satu data pencilan ini berbeda dengan data yang lain. Bila harus membuang pencilan, peneliti harus melaporkan kedua garis regresi, yaitu garis regresi dengan pencilan dan garis regresi tanpa pencilan.
Pada tabel Model Fit Measures menunjukkan nilai R=0,864 yang berarti ada hubungan yang kuat antara Motivasi dengan Hasil Belajar. Untuk mengetahui besarnya sumbangan variabel X terhadap Y, pakai rumus R Square x 100% = 0,746 x 100% =74.6%. Sumbangan variabel motivasi terhadap hasil belajar adalah 74.6%, sedangkan 25.4% sisanya disumbangkan oleh variabel lain yang tidak diteliti atau di luar lingkup penelitian.
Nilai p pada kolom Overall Model Test digunakan untuk uji signifikansi persamaan garis regresi.
Nilai p<0,05 menunjukkan ada bahwa persamaan garis regresi adalah signifikan. Hal ini berarti bahwa persamaan garis regresi dapat diandalkan (good fit) untuk mengestimasi variabel Hasil Belajar berdasarkan variabel Motivasi.
Pada tabel Omnibus ANOVA Test nampak nilai Sum of Squares (SS) pada variabel Motivasi lebih besar dari nilai SS Residual. Hal ini mengindikasikan bahwa memang variabel Hasil Belajar banyak ditentukan oleh variabel Motivasi. Sedangkan Residual
menggambarkan variabel lain yang tidak dapat dijelaskan oleh peneliti tetapi ikut berkontribusi pada Hasil Belajar.
Catatan:
Peneliti yang mengkaji bidang sosial humaniora perlu bersikap realistis bahwa banyak fenomena yang dipelajari bersifat multi- faset, artinya ada banyak variabel yang turut berkorelasi pada variabel dependen. Tidak mungkin sebuah fenomena hanya dijelaskan oleh satu variabel yang dominan. Oleh karenanya nilai R square yang amat besar atau nilai SS prediktor yang lebih besar dari residual justru memancing kecurigaan atas penelitian yang berjalan (too good to be true).
Karena memenuhi uji prasyarat linieritas, maka dapat diketahui
koefisien a dan b untuk persamaan garis regresi Y = a + bX --> Y = 29,09 +
Kesimpulan:
1. Persamaan garis regresi dapat diandalkan (good fit) untuk mengestimasi data (F(1,18)=52,9, nilai p<.001).
2. Terdapat hubungan yang kuat antara variabel motivasi (X) dengan variabel hasil belajar (Y) yang digambarkan dalam bentuk persamaan garis regresi Y = 29,09 + 1,22X + ε.
3. Sumbangan variabel motivasi terhadap hasil belajar adalah sebesar 74.6%, sedangkan 25.4%
sisanya disumbangkan oleh variabel lain yang tidak diteliti.
4. Motivasi merupakan prediktor yang dapat menjelaskan Hasil Belajar (B=1.22; CI95
=[0,866:1,57]; SE=0,167; t=7,27; nilai p<.001).
B. Tugas
Sebuah penelitian dirancang pada 36 siswa untuk mengkaji bagaimana hubungan keterampilan metakognitif (X) terhadap hasil belajar kognitif siswa (Y) pada pembelajaran Biologi dengan penerapan strategi PBMP.
No. Siswa X Y
1 44,62 52,59
2 48,54 58,27
3 37,09 49,43
4 50,84 55,31
5 42,07 57,98
6 43,81 59,73
7 32,32 51,25
8 43,46 59,64
9 51,52 61,52
10 37,89 44,40
11 35,08 48,95
12 39,26 44,59
13 42,58 55,08
14 40,97 50,32
15 49,21 68,56
16 46,57 61,56
17 45,19 59,77
18 39,91 46,58
No. Siswa X Y
19 46,28 56,64
20 48,70 55,36
21 39,40 53,80
22 33,91 43,62
23 42,84 47,27
24 48,62 60,61
25 36,70 43,95
26 28,57 42,59
27 42,66 54,52
28 35,14 55,33
29 37,43 49,04
30 33,86 48,90
31 40,23 43,98
32 43,64 66,43
33 39,27 54,38
34 44,52 57,09
35 41,31 53,73
36 31,86 45,7
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. Berapa hasil perhitungan koefisien korelasi?
2. Berapa besarnya sumbangan variabel X terhadap variabel Y?
3. Rumuskan persamaan garis regresi untuk menggambarkan bentuk hubungan antara keterampilan metakognitif dengan pemahaman konsep siswa.
4. Lakukan uji signifikansi garis regresi.
5. Bagaimana kesimpulan hasil penelitian yang diperoleh dari hasil analisis korelasi dan regresi?