Analisis hubungan tingkat stres dengan nilai UTS metode statistika (Studi kasus: mahasiswa IPB yang mengambil mata kuliah metode statistika pada semester genap tahun ajaran 2013/2014)

ANALISIS HUBUNGAN TINGKAT STRES DENGAN NILAI
UTS METODE STATISTIKA (Studi kasus: Mahasiswa IPB
yang Mengambil Mata Kuliah Metode Statistika pada
Semester Genap Tahun Ajaran 2013/2014)

SEPTIAN DEWI HARTANTI

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Hubungan
Tingkat Stres dengan Nilai UTS Metode Statistika (Studi kasus: Mahasiswa IPB
yang Mengambil Mata Kuliah Metode Statistika pada Semester Genap Tahun
Ajaran 2013/2014) adalah benar karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan

maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, September 2014
Septian Dewi Hartanti
NIM G14100020

ABSTRAK
SEPTIAN DEWI HARTANTI. Analisis Hubungan Tingkat Stres dengan Nilai
UTS Metode Statistika (Studi kasus: Mahasiswa IPB yang Mengambil Mata
Kuliah Metode Statistika pada Semester Genap Tahun Ajaran 2013/2014).
Dibimbing oleh MUHAMMAD NUR AIDI dan I MADE SUMERTAJAYA.
Keberhasilan seseorang dalam menempuh jenjang pendidikan dapat dilihat
dari prestasi belajarnya yang biasanya dilihat dari nilai tes. Prestasi belajar
dipengaruhi oleh faktor eksternal dan internal (fisik dan psikis). Keadaan psikis
berkenaan dengan kondisi kejiwaan seseorang seperti stres. Stres dapat
menyebabkan penurunan akademik. Terdapat beberapa faktor penyebab stres
(stressor), baik bersumber dari dalam diri sendiri, keluarga, maupun lingkungan
masyarakat. Mahasiswa merupakan kelompok yang rentan terkena stres.

Penelitian ini mengambil studi kasus mahasiswa IPB yang mengambil mata kuliah
Metode Statistika dengan tujuan untuk memperoleh informasi mengenai
gambaran umum stres pada mahasiswa serta faktor-faktor yang berpengaruh
langsung dan tidak langsung terhadap nilai UTS Metode Statistika. Analisis lintas
(path analysis) merupakan metode yang dapat digunakan untuk menganalisis
hubungan kausal antar peubah dengan tujuan untuk mengetahui pengaruh
langsung dan tidak langsung, dengan faktor-faktor penyebab stres sebagai peubah
eksogen (penjelas) dan skor stres serta nilai UTS Metode Statistika sebagai
peubah endogen (respon). Hasil dari penelitian ini menunjukkan bahwa sebanyak
114 dari 150 mahasiswa mengalami stres tingkat ringan sampai sangat berat.
Tinggi rendahnya skor stres mahasiswa dipengaruhi paling besar oleh tingkat
kesulitan beradaptasi, sedangkan nilai UTS Metode Statistika dipengaruhi paling
besar oleh tingkat kesulitan memahami materi kuliah.
Kata kunci: analisis lintas, stres, stressor

ABSTRACT
SEPTIAN DEWI HARTANTI. Analysis of the Relationship Stress Score with
Mid Test Term Score of Statistical Method (Case study: Students of Bogor
Agriculture University Who Take Course Statistical Method on Even Semester
2013/2014). Supervised by MUHAMMAD NUR AIDI dan I MADE

SUMERTAJAYA.
Person's success in education can be seen from the learning achievement is
usually seen from the test score. Learning achievement is influenced by external
and internal factors (physic and psychologic). Psychological condition related
with psychiatric condition of person such as stress. Stress can affect decreased
academic. There are some factors that cause stress (stressors), both sourced from
within themselves, families, and the community. Students are a group who
susceptible to stress. This research take a case study students of Bogor Agriculture
University who take course Statistical Method with the goal to get information
about general description from stress on students and the factors that impact
directly and indirectly on the Mid Test Term score of Statistical Method. Path

analysis is a method that can be used to analyze the causal relationship between
variables in order to determine direct effect and indirect effect, with the factors
that cause stress as exogenous variables (descriptors) and the stress score and Mid
Test Term score of Statistical Method as variables endogenous (response). The
results of this research indicate that there are 114 of the 150 students experience
mild stress to very severe stress. High and low of the student stress score greatest
influenced by difficult level of adaptability, while the Mid Test Term score of
Statistical Method greatest influenced by difficult level of learn the lesson.

Keywords: path analysis, stress, stressor

ANALISIS HUBUNGAN TINGKAT STRES DENGAN NILAI
UTS METODE STATISTIKA (Studi kasus: Mahasiswa IPB
yang Mengambil Mata Kuliah Metode Statistika pada
Semester Genap Tahun Ajaran 2013/2014)

SEPTIAN DEWI HARTANTI

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika
pada
Departemen Statistika

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia dan rahmat-Nya sehingga karya ilmiah ini berhasil diselesaikan.
Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2014
ini ialah stres pada mahasiswa, dengan judul Analisis Hubungan Tingkat Stres
dengan Nilai UTS Metode Statistika (Studi kasus: Mahasiswa IPB yang
Mengambil Mata Kuliah Metode Statistika pada Semester Genap Tahun Ajaran
2013/2014).
Terima kasih penulis ucapkan kepada Bapak Dr Ir Muhammad Nur Aidi,
MS dan Bapak Dr Ir I Made Sumertajaya, MSi selaku pembimbing yang telah
banyak memberikan saran. Di samping itu, penghargaan penulis sampaikan
kepada koordinator mata kuliah Metode Statistika Departemen Agronomi dan
Hortikultura serta Departemen Teknologi Hasil Perairan, staf Tata Usaha
Departemen Statistika, dan teman-teman yang telah membantu selama
pengumpulan data. Ungkapan terima kasih juga disampaikan kepada ayah, ibu,
adik, seluruh keluarga, serta sahabat atas segala doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.

Bogor, September 2014

Septian Dewi Hartanti

DAFTAR ISI
DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

PENDAHULUAN

1

Latar Belakang

1

Tujuan Penelitian

2

TINJAUAN PUSTAKA

2

Stres

2

Analisis Lintas (Path Analysis)

3

Diagram Lintas

3

Koefisien Lintas

3

METODE

4

Data

4

Prosedur Analisis Data

4

HASIL DAN PEMBAHASAN

11

Analisis Deskriptif

11

Analisis Lintas (Path Analysis)

13

Analisis Lintas Model Awal

13

Pemeriksaan dan Penanganan Data

14

Analisis Lintas Model Awal Terboboti

16

Analisis Lintas Model Modifikasi Terboboti

17

SIMPULAN DAN SARAN

19

Simpulan

19

Saran

20

DAFTAR PUSTAKA

20

LAMPIRAN

22

RIWAYAT HIDUP

32

DAFTAR TABEL
1 Ukuran contoh masing-masing lapisan
2 Kategori tingkat stres
3 Besar pengaruh langsung, pengaruh tidak langsung, dan pengaruh total
terhadap skor stres dan nilai UTS Metode Statistika pada model
alternatif

5
6

18

DAFTAR GAMBAR
1 Diagram lintas teori hubungan faktor-faktor penyebab stres dengan skor
stres serta nilai UTS Metode Statistika (model awal)
2 Persentase tingkat stres mahasiswa
3 Persentase banyaknya mahasiswa yang mengalami stres atau tidak stres
pada tiap departemen
4 Persentase banyaknya mahasiswa yang mengalami stres atau tidak stres
pada tiap kelompok IPK
5 Diagram lintas model modifikasi terboboti

6
11
12
12
18

DAFTAR LAMPIRAN
1 Kuesioner penelitian
2 Uji validitas dan reliabilitas kuesioner bagian C
3 Hasil uji linieritas persamaan sub struktural satu dan persamaan sub
struktural dua data awal
4 Hasil uji signifikansi koefisien lintas parsial model awal
5 Plot antara Y2 dengan Y1 data asli
6 Plot antara Y2 dengan Y1 yang digunakan untuk membuat persamaan
regresi linier dugaan (Plot mY2 dengan mY1)
7 Plot antara sisaan dengan Y2 duga yang diperoleh dari persamaan
regresi linier 125 data
8 Plot antara Y2 yang telah diboboti (wY2) dengan Y1
9 Plot antara wY2 duga dengan sisaannya hasil dari regresi antara wY2
dengan Y1
10 Hasil uji linieritas persamaan sub struktural dua dengan data Y2 yang
telah diboboti (wY2)
11 Hasil uji signifikansi koefisien lintas parsial model awal terboboti
12 Hasil uji signifikansi koefisien lintas parsial model modifikasi terboboti

22
25
26
27
28
28
29
29
30
30
31
31

PENDAHULUAN
Latar Belakang
Keberhasilan seseorang dalam menempuh jenjang pendidikan dapat dilihat
dari prestasi belajarnya. Prestasi belajar adalah penguasaan pengetahuan atau
ketrampilan yang dikembangkan oleh mata pelajaran, lazimnya dilanjutkan
dengan nilai tes atau angka nilai yang diberikan oleh pengajar (Departemen
Pendidikan dan Kebudayaan 1997). Suryabrata (2004) mengemukakan prestasi
belajar dapat dilihat dari nilai yang diperoleh melalui tes/ujian. Keberhasilan studi
mahasiswa IPB selama mengikuti pendidikan dilihat dari segi penilaian mata
kuliah, penilaian semester, penilaian akhir tahun akademik, dan penilaian akhir
program. Nilai setiap mata kuliah merupakan hasil kumulatif dari komponen nilai
tugas terstruktur, nilai praktikum (bagi mata kuliah dengan praktikum), nilai ujian
tengah semester (UTS), nilai ujian akhir semester (UAS), dan nilai ujian-ujian
lainnya (IPB 2010). Berdasarkan pernyataan tersebut, nilai setiap ujian pada tiap
mata kuliah menjadi sangat penting bagi mahasiswa guna memperoleh hasil akhir
studi yang maksimal. Nilai tersebut menjadi tolak ukur seorang mahasiswa dalam
memahami mata kuliah yang diajarkan.
Secara umum faktor-faktor yang mempengaruhi prestasi belajar seseorang
dibagi menjadi dua yaitu faktor internal yang bersumber dari dalam diri individu
seperti faktor fisik dan psikis serta faktor eksternal yang bersumber dari luar
individu seperti faktor keluarga dan lingkungan masyarakat (Suryabrata 2004).
Faktor psikis merupakan faktor yang berkenaan dengan kondisi kejiwaan
seseorang, diantaranya adalah stres. Greenberg (2002) menyatakan bahwa stres
dapat terjadi pada siapa saja, bahkan sebagian besar mahasiswa mengalami stres.
Stres didefinisikan sebagai tekanan, ketegangan, atau kekhawatiran akibat dari
masalah yang terjadi dalam hidup seseorang (Oxington 2008).
Oxington (2008) berpendapat bahwa stres dapat mereduksi konsentrasi dan
menyebabkan penurunan akademik. Penurunan akademik pada mahasiswa dapat
berupa penurunan nilai ujian yang diperolehnya. Sarafino (1990) membagi faktor
penyebab stres (stressor) menjadi dua macam yaitu faktor internal seperti
sakit/cidera dan faktor eksternal seperti konflik dengan keluarga. Faktor penyebab
stres yang sering terjadi pada mahasiswa antara lain sakit, perubahan gaya hidup,
sulit beradaptasi dengan lingkungan baru, mata kuliah atau SKS yang diambil
terlalu banyak, tugas kuliah maupun tugas praktikum yang diberikan terlalu
banyak, kesibukan organisasi, hubungan dan komunikasi dengan keluarga yang
tidak harmonis, memiliki konflik dengan dosen, memiliki konflik dengan
pacar/teman/rekan organisasi, memiliki masalah keuangan, memiliki pekerjaan
sampingan yang belum terselesaikan, sistem pembelajaran yang kurang tepat
(Sarafino 1990, Greenberg 2002, Oxington 2008). Faktor penyebab stres ini akan
mempengaruhi tingkat stres seseorang. Umumnya, semakin banyak faktor
penyebab stres yang dirasakan mahasiswa maka semakin berat pula tingkat stres
yang dialami.
Apabila stres terjadi secara berkepanjangan maka akan menimbulkan
berbagai efek negatif yang mengganggu (Soewondo 2012). Efek negatif dari stres
yang umumnya sering terjadi pada mahasiswa antara lain menurunnya energi dan

2
produktivitas, menurunnya konsentrasi, mudah lupa dan menurunnya daya nalar,
serta ketidakhadiran kuliah tinggi. Seseorang yang mengalami stres akan lebih
sulit mengendalikan emosinya. Kondisi yang demikian akan berpengaruh terhadap
prestasi belajar mahasiswa.
Penelitian ini mengambil studi kasus mahasiswa IPB yang mengambil mata
kuliah Metode Statistika pada semester genap tahun ajaran 2013/2014. Metode
Statistika (STK211) ialah salah satu mata kuliah yang berada di bawah naungan
departemen Statistika IPB. Metode Statistika merupakan mata kuliah yang penting
bagi mahasiswa IPB sebab Metode Statistika sangat diperlukan mahasiswa saat
melakukan penelitian. Hampir semua departemen di IPB menjadikan mata kuliah
ini sebagai mata kuliah interdepartemen. Nilai Metode Statistika yang diperoleh
mahasiswa yang satu dengan lainnya bervariasi. Rata-rata nilai UTS Metode
Statistika mahasiswa yang mengambil mata kuliah Metode Statistika pada
semester genap tahun ajaran 2013/2014 adalah 54.40, sedangkan pada semester
genap tahun ajaran 2012/2013 rata-ratanya 51.54. Nilai UTS Metode Statistika
yang bervariasi ini dapat dipengaruhi oleh tingkat stres yang dialami mahasiswa
serta faktor-faktor penyebab stres.
Analisis lintas (path analysis) dapat digunakan untuk mengetahui hubungan
antara nilai UTS Metode Statistika, tingkat stres mahasiswa, dan faktor-faktor
penyebab stres. Melalui analisis lintas, dapat diketahui pengaruh langsung,
pengaruh tidak langsung, serta pengaruh total dari masing-masing peubah eksogen
(peubah penyebab) terhadap peubah endogen (peubah akibat/respon).

Tujuan Penelitian
Penelitian ini bertujuan untuk :
1. Memperoleh informasi mengenai gambaran umum stres pada mahasiswa IPB
yang mengambil mata kuliah Metode Statistika pada semester genap tahun
ajaran 2013/2014.
2. Memperoleh informasi mengenai faktor-faktor penyebab stres serta tingkat
stres yang memberikan pengaruh langsung dan tidak langsung terhadap nilai
UTS mata kuliah Metode Statistika mahasiswa IPB yang mengambil mata
kuliah Metode Statistika pada semester genap tahun ajaran 2013/2014.

TINJAUAN PUSTAKA
Stres
Stres dipandang dalam tiga pendekatan. Pendekatan pertama memandang
stres sebagai sebuah stimulus akibat faktor-faktor penyebab stres (stressor).
Kedua, stres dipandang sebagai sebuah respon dan tekanan yang dihasilkan oleh
faktor-faktor penyebab stres (stressor). Pendekatan ketiga memandang stres
sebagai sebuah proses interaksi yang terlibat secara terus-menerus atau transaksi
antara orang dan lingkungan. Berdasarkan ketiga pendekatan tersebut stres
didefinisikan sebagai suatu kondisi yang dihasilkan ketika terjadi transaksi antara

3
seseorang dengan lingkungan yang menyebabkan individu merasakan
ketidaksesuaian, secara nyata maupun tidak, antara tuntutan dari suatu situasi dan
sumber daya yang dimiliki seseorang baik dari segi biologis, psikologis, dan
sistem sosial orang tersebut (Sarafino 1990). Beberapa tanda seseorang yang
mengalami stres antara lain mudah marah, mudah kesal, mudah tersinggung, tidak
tenang, merasa cemas/was-was, mudah gelisah, merasa sedih, susah tidur, tidak
sabar, dan bertindak berlebihan terhadap sesuatu hal (Sarafino 1990, Lovibond
dan Lovibond 1995).
Goldman (1997) dalam Oxington (2008) menyimpulkan bahwa stres
membawa dampak negatif terhadap mahasiswa berdasarkan survei yang
dilakukannya terhadap 167 mahasiswa. Hasil penelitian Hernawati (2006)
terhadap mahasiswa TPB IPB tahun akademik 2005/2006 menunjukkan bahwa
sebanyak 62.7% dari 2112 mahasiswa atau sebanyak 1325 mahasiswa mengalami
stres tingkat tinggi. Hardiono (2008) dalam penelitiannya menyatakan bahwa
mahasiswa yang bekerja memiliki tingkat stres rendah, sedangkan mahasiswa
yang tidak bekerja memiliki tingkat stres kategori sedang.

Analisis Lintas (Path Analysis)
Analisis lintas digunakan untuk menilai kontribusi langsung dan tidak
langsung suatu peubah, dimana beberapa peubah sebagai penyebab terhadap
peubah lain yang ditetapkan sebagai akibat (Dillon dan Goldstein 1984, Joreskog
dan Sorbom 1993). Terdapat dua macam peubah dalam analisis lintas yaitu
peubah yang tidak dipengaruhi oleh peubah lain dalam sistem (peubah penyebab)
disebut peubah eksogen dan peubah yang dipengaruhi oleh peubah lain (peubah
akibat) disebut peubah endogen (Gall, Gall, dan Borg 2003). Beberapa asumsi
dalam analisis lintas yang harus terpenuhi adalah sebagai berikut (Duncan 1966,
Dillon dan Goldstein 1984) :
1. Hubungan antar peubah pada analisis lintas adalah linier dan aditif.
2. Sisaan tidak berkorelasi satu sama lain.
3. Hanya terdapat aliran/hubungan kausal satu arah.
4. Peubah minimal diukur dalam skala interval.
5. Peubah yang diamati diasumsikan diukur dengan benar.
6. Model lintasan yang dibuat dispesifikasikan dengan tepat berdasarkan teori
maupun pengetahuan ahli yang bersangkutan.
Diagram Lintas
Pola hubungan antar peubah ditampilkan dalam diagram lintas yang
penggambarannya memiliki beberapa makna (Johnson dan Wichern 1998) :
1. Garis panah lurus satu arah menunjukkan pengaruh langsung dari peubah
penyebab ke peubah terikat.
2. Garis panah lurus satu arah menghubungkan sisaan dengan masing-masing
peubah terikatnya.
3. Garis panah berbentuk kurva dan putus-putus dua arah menunjukkan adanya
korelasi antar peubah penyebab.

4

METODE
Data
Data yang digunakan dalam penelitian ini adalah data sekunder dan data
primer. Data sekunder berupa IPK mahasiswa diperoleh dari Direktorat
Administrasi Pendidikan IPB sedangkan data nilai UTS Metode Statistika
diperoleh dari pengampu mata kuliah Metode Statistika masing-masing
departemen. Data primer diperoleh dari penyebaran kuesioner terhadap
mahasiswa IPB yang mengambil mata kuliah Metode Statistika pada semester
genap tahun ajaran 2013/2014. Ukuran contoh yang diambil sebanyak 150
mahasiswa dari 384 mahasiswa dengan tingkat kesalahan 5%. Pengumpulan data
dilakukan pada bulan April sampai Juni 2014 meliputi penyebaran kuesioner dan
pengumpulan nilai UTS Metode Statistika. Penyebaran kuesioner dilakukan pada
saat UTS Metode Statistika yakni minggu ke-dua bulan April 2014, sedangkan
nilai UTS Metode Statistika diperoleh pada bulan Mei sampai dengan Juni 2014.
Terdapat 15 peubah yang digunakan dalam penelitian ini yang semua
peubahnya diukur dalam skala interval kecuali peubah SKS diukur dalam skala
rasio. Peubah Y1 memiliki nilai 0-42, peubah Y2 memiliki nilai 0-100, peubah X1
memiliki nilai 0-10, peubah X2 merupakan jumlah SKS yang diambil oleh
responden, dan peubah X3 sampai dengan peubah X13 memiliki nilai 0-10.
Peubah-peubah yang digunakan sebagai berikut :
Y1 : skor stres mahasiswa, komponen penyusunnya dapat dilihat pada
Lampiran 1.
Y2 : nilai UTS Metode Statistika
X1 : tingkat sakit
X2 : banyaknya SKS yang diambil
X3 : beban tugas kuliah/praktikum
X4 : masalah keuangan
X5 : tingkat kesulitan memahami materi kuliah
X6 : tingkat kesulitan beradaptasi
X7 : jarang komunikasi dengan keluarga
X8 : tingkat homesick
X9 : konflik keluarga
X10 : konflik dengan orang lain selain keluarga
X11 : kesibukan pekerjaan sampingan
X12 : kesibukan organisasi
X13 : tingkat ketidaknyaman lingkungan tempat tinggal

Prosedur Analisis Data
1. Tahapan penentuan data dalam penelitian ini yaitu :
a. Menentukan populasi dan sampel.
Populasi dalam penelitian ini adalah mahasiswa IPB yang mengambil
mata kuliah Metode Statistika pada semester genap tahun ajaran 2013/2014.
Pemilihan sampel dilakukan dengan menggunakan penarikan contoh acak
berlapis dengan departemen sebagai lapisannya yaitu sebanyak empat

5
lapisan. Ukuran sampel yang diambil mengikuti rumus (Scheaffer RL,
Mendenhall W, Ott RL 1990) sebagai berikut :

keterangan :
N = ukuran populasi.
Ni = ukuran lapisan i.
n = ukuran contoh.
ni = ukuran contoh lapisan i.
= ragam lapisan i.
i
i
= departemen yang menjadi lapisan (departemen Ilmu Tanah,
departemen Agronomi dan Hortikultura, departemen Teknologi
Hasil Perairan, departemen Geofisika dan Meteorologi).
D = B2/4 dengan B = 1.96.
Ukuran lapisan dan ukuran contoh masing-masing lapisan (departemen
amatan) dapat dilihat pada Tabel 1.
Tabel 1 Ukuran contoh masing-masing lapisan
Lapisan i
Departemen Ilmu Tanah
Departemen Agronomi dan Hortikultura
Departemen Teknologi Hasil Perairan
Departemen Geofisika dan Meteorologi

Ukuran lapisan i
71
166
69
78

Ukuran contoh
lapisan i
23
61
37
29

b. Melakukan survei dengan cara membagikan kuesioner kepada 150
responden yang terpilih.
Kuesioner yang digunakan untuk mengukur faktor-faktor penyebab
stres menggunakan line scale (skala garis) dengan panjang maksimum 10cm
sedangkan kuesioner yang digunakan untuk mengukur skor stres responden
menggunakan 14 pertanyaan dari kuesioner DASS-42 (Depression Anxiety
and Stress Scale 42) yang dibuat oleh Lovibond dan Lovibond (1995).
Besarnya skor stres responden merupakan total skor dari 14 pertanyaan
kuesioner DASS-42. Kuesioner yang digunakan dalam penelitian ini dapat
dilihat pada Lampiran 1.
c. Melakukan uji reliabilitas dan uji validitas kuesioner.
Instrumen valid artinya instrumen tersebut dapat digunakan untuk
mengukur apa yang seharusnya diukur, sedangkan instrumen yang reliabel
artinya instrumen yang bila digunakan beberapa kali untuk mengukur objek
yang sama akan menghasilkan data yang sama (Sugiyono 2013). Kuesioner
yang digunakan dalam penelitian ini terdiri atas 3 bagian yaitu bagian A
berisi biodata umum responden, bagian B berisi pertanyaan langsung
mengenai faktor-faktor penyebab stres yang dirasakan responden, dan
bagian C berisi indikator-indikator untuk mengukur tingkat stres responden.
Uji reliabilitas dan validitas hanya dilakukan pada bagian C kuesioner,
sedangkan pada bagian B kuesioner tidak dilakukan uji tersebut karena
untuk mengujinya diperlukan kontrol yaitu dengan menanyakan kembali

6
kondisi responden kepada teman responden ataupun dosen. Kontrol ini sulit
dilakukan karena teman responden ataupun dosen mungkin tidak
mengatahui kondisi pribadi responden sehingga kontrol tidak dilaksanakan
pada penelitian ini. Pertanyaan pada kuesioner penelitian ini dikatakan valid
apabila memiliki nilai corrected item-total correlation lebih besar dari nilai
rtabel product moment dengan N=150 (rtabel = 0.159) dan dikatakan memenuhi
syarat reliabilitas apabila nilai cronbach’s alpha ≥ 0.7. Lampiran 2
menunjukkan bahwa semua pernyataan pada kuesioner bagian C valid dan
memiliki tingkat reliabilitas yang kuat karena semua nilai cronbach’s alpha
yang dihasilkan lebih dari 0.8.
2. Tahapan analisis data dalam penelitian ini yaitu :
a. Menghitung skor stres setiap responden kemudian mengkategorikan tingkat
stresnya menurut kelompok tingkat stres yang dibuat oleh Lovibond dan
Lovibond (1995) seperti yang tertera pada Tabel 2.
Tabel 2 Kategori tingkat stres
Skor stres
0-14
15-18
19-25
26-33
34+

Tingkat stres
Normal
Ringan
Sedang
Berat
Sangat berat

b. Melakukan analisis deskriptif mengenai stres pada mahasiswa dengan
diagram lingkaran dan diagram batang.
c. Menentukan diagram lintas model dan persamaan struktural untuk model
yang akan diuji.
Diagram lintas model dibuat berdasarkan teori yang ada serta
pengetahuan ahli. Berdasarkan teori yang dikemukakan Sarafino (1990),
Greenberg (2002), dan Oxington (2008), faktor-faktor penyebab stres akan
mempengaruhi skor stres. Oxington (2008) mengemukakan bahwa stres
dapat menyebabkan penurunan akademik. Penurunan akademik pada
mahasiswa dapat berupa penurunan nilai ujian yang diperolehnya.
Berdasarkan hal tersebut diagram lintas model yang terbentuk dapat dilihat
pada Gambar 1. Persamaan model struktural secara umum sebagai berikut :
keterangan :
Yi* = nilai peubah endogen pada persamaan sub struktural ke-i yang telah
dibakukan.
Xj* = adalah nilai peubah eksogen ke-j yang telah dibakukan.
= sisaan pada persamaan sub struktural ke-i.
= koefisien lintas sisaan persamaan sub struktural ke-i.
Persamaan struktural dari diagram lintas model awal adalah sebagai berikut :
Persamaan sub struktural 1:
Persamaan sub struktural 2:

7
X1
X2
X3
X4
X5
Y2

X6
X7

Y1

X8

eY2

X9
X10

eY1

X11
X12
X13
Gambar 1 Diagram lintas teori hubungan faktor-faktor penyebab stres dengan
skor stres serta nilai UTS Metode Statistika (model awal)
d. Melakukan pengujian asumsi linieritas untuk masing-masing persamaan sub
struktural. Peubah yang tidak memenuhi asumsi linieritas akan dikeluarkan
dari model lintasan dan tidak dilibatkan pada analisis lintas.
e. Membentuk matriks korelasi antar peubah penelitian berukuran axa (aCa)
dengan a adalah banyaknya peubah yang digunakan dalam analisis.

f. Melakukan pengujian untuk masing-masing persamaan sub struktural yang
dibentuk (persamaan sub struktural 1 dan persamaan sub struktural 2).
i. Membentuk matriks korelasi antar peubah penyebab berukuran kxk
(kCik) dengan k adalah banyaknya peubah penjelas pada persamaan sub
struktural ke-i dan i = 1, 2.
ii. Membentuk matriks invers korelasi antar peubah penyebab (Ci-1).
iii. Menghitung koefisien lintas persamaan sub struktural 1 dan persamaan
sub struktural 2 dengan rumus (Kusnendi 2008) :

8
keterangan :
= koefisien lintas dari peubah eksogen Xj pada model Yi.
-

= matriks invers korelasi antar peubah penjelas pada persamaan
sub struktural ke-i.
r
= vektor berukuran kx1 yang elemennya merupakan korelasi
antara peubah endogen Yi dengan peubah eksogen Xj (
).
i
= 1, 2.
j
= 1, 2, ..., k dengan k adalah banyaknya peubah eksogen dalam
persamaan sub struktural ke-i.
iv. Menghitung koefisien determinasi
dan koefisien lintas
peubah sisaan
dari masing-masing persamaan sub struktural dengan
rumus (Dillon dan Goldstein 1984) :

keterangan :
= koefisien lintas dari peubah eksogen Xj pada model Yi.
= korelasi antara peubah endogen Yi dengan peubah eksogen Xj.
i
= 1, 2.
j
= 1, 2, ..., k dan k adalah banyaknya peubah eksogen dalam
persamaan sub struktural ke-i.
v. Melakukan uji signifikansi koefisien lintas secara simultan dengan
statistik uji F dengan hipotesis sebagai berikut (Kusnendi 2008) :
H0 :
(Peubah eksogen X1, X2, ..., Xj tidak
berpengaruh terhadap peubah endogen ).
H1 : minimal ada satu peubah eksogen X1, X2, ..., Xj yang berpengaruh
terhadap peubah endogen Yi.
Statistik uji F :

keterangan :
n
= banyaknya data.
k
= banyaknya peubah eksogen dalam model Yi.
= koefisien determinasi model Yi.
Hipotesis nol ditolak apabila nilai Fhit ≥ b l (α; , -k-1) atau nilai p dari
statistik uji F < α yang ditentukan.
vi. Melakukan uji signifikansi untuk masing-masing koefisien lintas dengan
statistik uji t dengan hipotesis sebagai berikut (Kusnendi 2008):
H0 :
0 (Peubah eksogen Xj tidak berpengaruh terhadap ).
H1 :

0 (Peubah eksogen Xj berpengaruh positif terhadap

).

H1 :

0 (Peubah eksogen Xj berpengaruh negatif terhadap

).

H1 :

0 (Peubah eksogen Xj berpengaruh terhadap

).

9
Statistik uji t :

keterangan :
= koefisien lintas dari peubah eksogen Xj pada model Yi.
Cjj

= elemen diagonal ke-j dari matriks invers korelasi antar
peubah eksogen dalam model Yi.
= koefisien determinasi model Yi.
≥

0

l
≥

b l(α,

0

b l(α,

0

b l(α

,

0

Apabila terdapat peubah eksogen Xj yang tidak berpengaruh terhadap Yi
maka model perlu diperbaiki yaitu dengan melepaskan lintasan yang
tidak signifikan.
vii. Memeriksa asumsi sisaan saling bebas pada masing-masing persamaan
sub struktural.
g. Memeriksa adanya pengaruh peubah skor stres (Y1) terhadap peubah nilai
UTS Metode Statistika (Y2).
Langkah pertama yang dilakukan untuk pemeriksaan data adalah
membuat plot antara peubah skor stres (Y1) dengan peubah nilai UTS
Metode Statistika (Y2) beserta dengan garis regresinya. Apabila garis regresi
linier yang dihasilkan dari regresi antara Y2 dengan Y1 condong ke kanan
atau ke kiri artinya terdapat pengaruh dari Y1 terhadap Y2, kemudian
analisis dilanjutkan ke langkah h. Sebaliknya apabila garis regresi linier
yang dihasilkan hampir mendatar menunjukkan pengaruh yang sangat kecil
dari Y1 terhadap Y2 sehingga pengaruhnya tidak terlihat. Agar data tetap
dapat digunakan untuk analisis, langkah-langkah penanganan data yang
dapat dilakukan sebagai berikut :
i. Memisahkan data yang merupakan pencilan. Pencilan dapat dilihat dari
plot antara Y1 dengan Y2 yang ditunjukkan oleh titik-titik yang letaknya
jauh dari kumpulan titik-titik yang lain.
ii. Membuat persamaan regresi antara Y1 dengan Y2 dari data yang tidak
mengandung pencilan.
iii. Menduga nilai Y2 dan nilai sisaannya dari semua data dengan persamaan
regresi yang dihasilkan dari langkah g.ii.
iv. Melihat keragaman sisaan yang dihasilkan dengan cara membuat plot
antara Y2 duga dengan sisaannya.
v. Menghitung nilai simpangan baku sisaan dari data yang tidak
m g u g p c l ( 1) dan nilai simpangan baku sisaan dari data
g m g u g p c l ( 2).
vi. Menangani pencilan dengan cara memberikan bobot sebesar 1/ 2
terhadap nilai Y2 dari data yang memiliki keragaman sisaan besar (data
yang mengandung pencilan) dan bobot sebesar 1 pada nilai Y2 lainnya.

10
Setelah dilakukan penanganan terhadap data maka analisis data diulangi
lagi dari langkah d dengan data Y2 yang telah diboboti.
h. Menghitung nilai koefisien determinasi gabungan dari model hipotesis awal
dengan rumus (Dillon dan Goldstein 1984):
Rm2 = 1 – (1-R12

( -Rp2)

dengan p adalah banyaknya persamaan sub struktural pada diagram lintas
dan p adalah koefisien determinasi persamaan sub struktural ke-p.
i. Membuat diagram lintas baru (model alternatif/model modifikasi).
j. Melakukan pendugaan dan pengujian koefisien lintas dari model modifikasi.
k. Menghitung nilai koefisien determinasi gabungan dari model modifikasi
dengan rumus (Dillon dan Goldstein 1984):
M = 1 – (1-R12

( -Rp2)

dengan p adalah banyaknya persamaan sub struktural pada diagram lintas
dan p adalah koefisien determinasi persamaan sub struktural ke-p.
l. Melakukan uji kebaikan model dengan statistik uji Q dan atau statistik uji W.
Uji kebaikan model bertujuan untuk menguji kesesuaian model yang
telah dibuat dan memutuskan model yang sesuai antara model awal dan
model modifikasi. Uji kebaikan model dapat menggunakan statistik uji Q
dan atau statistik uji W (Dillon dan Goldstein 1984).
Statistik uji Q :
m

;

g

0

Apabila nilai Q = 1 maka model hipotesis awal yang dibuat memadai,
sedangkan jika nilai Q < 1 maka uji kebaikan model dilanjutkan dengan
statistik uji W (Dillon dan Goldstein 1984, Kusnendi 2008). Hipotesis
statistik uji W sebagai berikut (Dillon dan Goldstein 1984):
H0:`model alternatif (model modifikasi) memadai.
H1: model alternatif (model modifikasi) tidak memadai.
Statistik uji W : W = -(n-d) ln Q
dengan n adalah banyaknya pengamatan dan d adalah banyaknya koefisien
lintas yang tidak signifikan pada model awal. Hipotesis nol ditolak jika nilai
W lebih besar dari nilai chi-square ( ) tabel dengan derajat bebas d dan
tingkat kesalahan (α
u
m. Membuat diagram lintas secara lengkap dari model yang terpilih.
n. Menghitung besarnya pengaruh langsung, pengaruh tidak langsung, dan
pengaruh total dari model yang sesuai/memadai (model yang terpilih pada
langkah l).
Nilai koefisien lintas
menunjukkan besarnya pengaruh langsung
dari peubah eksogen Xj terhadap peubah endogen Yi. Besarnya pengaruh
tidak langsung dari peubah eksogen terhadap peubah endogen melalui
peubah
adalah
(Dillon dan Goldstein 1984). Besarnya
pengaruh total merupakan hasil penjumlahan dari pengaruh langsung dan
pengaruh tidak langsung.

11

HASIL DAN PEMBAHASAN
Analisis Deskriptif
Hasil dari penelitian yang dilakukan terhadap 150 mahasiswa ini
menunjukkan bahwa sebagian besar mahasiswa mengalami stres meliputi stres
tingkat ringan sampai tingkat sangat berat pada saat UTS Metode Statistika.
Mahasiswa merupakan kelompok yang rentan terkena stres. Hal ini terlihat dari
banyaknya mahasiswa yang mengalami stres lebih banyak dibandingkan
mahasiswa yang tidak mengalami stres. Persentase tingkat stres mahasiswa yang
menjadi responden dapat dilihat pada Gambar 2. Gambar 2 menunjukkan bahwa
sebanyak 24% dari 150 responden atau sebanyak 36 mahasiswa tidak mengalami
stres dan sisanya sebanyak 76% atau sebanyak 114 mahasiswa mengalami stres
pada berbagai tingkat. Sebanyak 20% atau 30 mahasiswa mengalami stres tingkat
ringan, sebanyak 41% atau 61 mahasiswa mengalami stres tingkat sedang,
sebanyak 14% atau 21 mahasiswa mengalami stres tingkat berat, dan sisanya
sebanyak 1% atau 2 mahasiswa mengalami stres tingkat sangat berat.

Gambar 2 Persentase tingkat stres mahasiswa
Gambar 3 menunjukkan bahwa terdapat mahasiswa yang mengalami stres
pada masing-masing departemen amatan. Mahasiswa yang mengalami stres lebih
banyak dibandingkan mahasiswa yang tidak mengalami stres (normal) pada
masing-masing departemen amatan. Sebanyak 78% atau sebanyak 18 mahasiswa
departemen Ilmu Tanah dari 23 mahasiswa yang menjadi responden mengalami
stres sedangkan 5 mahasiswa lainnya tidak mengalami stres. Terdapat 70% atau
sebanyak 26 mahasiswa dari 37 mahasiswa departemen Teknologi Hasil Perairan
yang menjadi responden mengalami stres sedangkan 11 mahasiswa lainnya tidak
mengalami stres. Mahasiswa departemen Geofisika dan Meteorologi yang
mengalami stres sebanyak 23 mahasiswa atau sebanyak 79% dari 29 mahasiswa
yang menjadi responden sedangkan sisanya sebanyak 6 mahasiswa tidak
mengalami stres. Terdapat 47 mahasiswa atau 77% dari 61 mahasiswa Agronomi
dan Hortikultura yang menjadi responden mengalami stres, sisanya sebanyak 14
mahasiswa tidak mengalami stres.

Persentase banyaknya mahasiswa
(%)

12
90
80
70
60
50
40

78

30

77

normal
stres

20
10

79

70
30

22

21

23

0
ITSL

THP
GFM
Departemen

AGH

Persentase banyaknya mahasiswa
(%)

Gambar 3 Persentase banyaknya mahasiswa yang mengalami stres atau
tidak stres pada tiap departemen
120
100
80
60

69

60
84

stres

40
20

normal
31

0
IPK < 2.75

40
16
2.75 - 3.50
IPK

IPK > 3.50

Gambar 4 Persentase banyaknya mahasiswa yang mengalami stres atau
tidak stres pada tiap kelompok IPK
Gambar 4 menunjukkan persentase banyaknya mahasiswa pada masingmasing kelompok IPK yang mengalami stres lebih banyak dibandingkan
mahasiswa yang tidak mengalami stres (normal). Terdapat 69% atau sebanyak 18
mahasiswa dari 26 mahasiswa yang menjadi responden pada kelompok IPK
kurang dari 2.75 mengalami stres, sedangkan sisanya sebanyak 8 mahasiswa tidak
mengalami stres. Pada kelompok IPK antara 2.75 sampai dengan 3.50 terdapat
84% atau sebanyak 75 mahasiswa dari 89 mahasiswa yang menjadi responden
mengalami stres, sisanya sebanyak 14 tidak mengalami stres. Banyaknya
mahasiswa yang mengalami stres pada kelompok IPK di atas 3.50 sebanyak 60%
atau sebanyak 21 mahasiswa dari 35 mahasiswa yang menjadi responden, sisanya

13
14 mahasiswa tidak mengalami stres. Mahasiswa yang mengalami stres paling
banyak memiliki IPK antara 2.75 sampai dengan 3.50 yaitu sebanyak 50% atau
sebanyak 75 mahasiswa dari 150 mahasiswa yang menjadi responden. Adanya
mahasiswa yang mengalami stres pada tiap departemen dan tiap kelompok IPK
menunjukkan bahwa stres dapat dialami oleh semua orang, tidak terkecuali
mahasiswa.
Tingkat stres yang dialami oleh mahasiswa berbeda-beda, tergantung dari
sikap mahasiswa tersebut dalam menghadapi masalah yang ada. Dengan masalah
yang sama mungkin saja akan mengakibatkan tingkat stres yang berbeda pada
mahasiswa yang satu dengan yang lainnya. Faktor-faktor penyebab stres pada
mahasiswa antara lain sakit, SKS yang diambil banyak, tugas praktikum dan
kuliah terlalu banyak/berat, masalah keuangan, sulitnya memahami materi kuliah,
sulit beradaptasi dengan lingkungan baru, kurangnya komunikasi dengan keluarga,
homesick, konflik keluarga, konflik dengan selain keluarga (teman/pacar/rekan
organisasi/dosen), kesibukan pekerjaaan sampingan, kesibukan organisasi,
maupun lingkungan tempat tinggal yang tidak nyaman. Tingkat stres yang dialami
oleh mahasiswa yang menjadi responden dalam penelitian ini dapat
mempengaruhi nilai UTS Metode Statistika yang diperolehnya. Untuk mengetahui
faktor-faktor yang berpengaruh langsung dan tidak langsung terhadap nilai UTS
Metode Statistika digunakan analisis lintas.

Analisis Lintas (Path Analysis)
Analisis Lintas Model Awal
Sebelum melakukan analisis lintas, terlebih dahulu dilakukan uji linieritas
pada setiap persamaan sub struktural. Terdapat dua persamaan sub struktural yang
dibangun pada hipotesis awal dengan diagram lintas seperti yang tertera pada
Gambar 1. Ringkasan uji linieritas pada kedua persamaan sub struktural dapat
dilihat pada Lampiran 3. Uji linieritas pada persamaan sub struktural satu
memberikan hasil bahwa semua peubah eksogen kecuali peubah kesibukan
organisasi (X12) memiliki hubungan linier dengan peubah endogen skor stres (Y1)
pada taraf nyata 5%, sehingga peubah kesibukan organisasi (X12) tidak dilibatkan
dalam analisis lintas pada persamaan sub struktural satu. Uji linieritas pada
persamaan sub struktural dua memberikan hasil bahwa semua peubah eksogen
kecuali peubah banyaknya SKS yang diambil (X2) memiliki hubungan linier
dengan peubah endogen nilai UTS Metode Statistika (Y2) pada taraf nyata 5%,
sehingga peubah banyaknya SKS yang diambil (X2) tidak dilibatkan dalam
analisis lintas pada persamaan sub struktural dua.
Persamaan sub struktural satu melibatkan dua belas peubah eksogen berupa
faktor-faktor penyebab stres pada mahasiswa dengan peubah endogen skor stres
(Y1). Hasil analisis lintas yang dilakukan pada persamaan sub struktural satu
memberikan nilai statistik uji F sebesar 3.311 dan nilai p sebesar 0.000. Nilai p
tersebut kurang dari α = 10%, sehingga H0 ditolak yang artinya bahwa minimal
terdapat satu peubah eksogen yang berpengaruh terhadap skor stres (Y1) pada
taraf nyata 10%. Pengujian signifikansi untuk masing-masing koefisien lintas
menggunakan statistik uji t dengan taraf nyata sebesar 30% memberikan hasil
bahwa terdapat lima peubah eksogen yang berpengaruh nyata terhadap skor stres

14
mahasiswa (Y1). Kelima peubah eksogen tersebut adalah banyaknya SKS yang
diambil (X2), tingkat kesulitan memahami materi kuliah (X5), tingkat kesulitan
beradaptasi (X6), jarang komunikasi dengan keluarga (X7), dan konflik dengan
orang lain selain keluarga (X10). Keragaman data yang dapat dijelaskan oleh
model lintas skor stres sebesar 0.225 sedangkan sisanya tidak dapat dijelaskan
oleh model. Nilai R2 tersebut tergolong kecil menunjukkan adanya titik-titik
amatan yang tidak menempel pada garis linier. Koefisien lintas sisaan yang
dihasilkan dari persamaan sub struktural satu sebesar 0.88.
Persamaan sub struktural dua melibatkan lima peubah eksogen dengan
peubah endogen nilai UTS Metode Statistika (Y2). Analisis lintas pada persamaan
struktural dua memberikan nilai statistik uji F sebesar 2.052 dan nilai p sebesar
0.075, sehingga dapat disimpulkan bahwa H0 ditolak pada taraf nyata 10% yang
artinya minimal terdapat satu peubah eksogen yang mempengaruhi nilai UTS
Metode Statistika (Y2). Pengujian signifikansi untuk masing-masing koefisien
lintas memberikan hasil bahwa hanya terdapat satu peubah eksogen yang
berpengaruh terhadap nilai UTS Metode Statistika pada taraf nyata 30%, yaitu
tingkat kesulitan memahami materi kuliah (X5). Keragaman data yang dapat
dijelaskan oleh model lintas nilai UTS Metode Statistika sangat kecil yaitu hanya
6.70% sedangkan sisanya tidak dapat dijelaskan oleh model. Koefisien lintas
sisaan model lintas nilai UTS Metode Statistika sebesar 0.97. Ringkasan hasil
analisis lintas pada model awal dapat dilihat pada Lampiran 4.
Analisis lintas memerlukan terpenuhinya asumsi sisaan saling bebas satu
sama lain (tidak ada korelasi antar sisaan). Asumsi sisaan saling bebas dapat
dilihat dari plot antara sisaan dengan urutan pengamatan. Plot antara sisaan
dengan urutan pengamatan yang dihasilkan pada persamaan sub struktural satu
maupun persamaan sub struktural dua menggambarkan tebaran titik-titik yang
tidak berpola sehingga dapat disimpulkan bahwa sisaan saling bebas.
Pada kasus penelitian ini analisis lintas tidak dapat dilanjutkan karena hasil
analisis lintas pada model awal menunjukkan tidak ada pengaruh dari peubah skor
stres (Y1) terhadap peubah nilai UTS Metode Statistika (Y2). Hasil yang diperoleh
tidak sesuai dengan teori Oxington (2008) yang menyatakan bahwa stres dapat
menyebabkan penurunan akademik. Hal tersebut mungkin terjadi karena garis
regresi linier yang dihasilkan dari peubah skor stres (Y1) dengan peubah nilai UTS
Metode Statistika (Y2) hampir mendatar, sehingga perubahan dari skor stres (Y1)
tidak mempengaruhi nilai UTS Metode Statistika (Y2). Oleh sebab itu perlu
dilakukan pemeriksaan terhadap data skor stres (Y1) dan nilai UTS Metode
Statistika (Y2).
Pemeriksaan dan Penanganan Data
Langkah pertama yang dilakukan untuk memeriksa data skor stres (Y1) dan
nilai UTS Metode Statistika (Y2) adalah dengan melakukan eksplorasi data
dengan cara melihat plot antara peubah skor stres (Y1) dengan peubah nilai UTS
Metode Statistika (Y2). Selain itu dibuat juga garis regresi linier dari regresi antara
Y1 dengan Y2 untuk memeriksa adanya pengaruh dari skor stres (Y1) terhadap
nilai UTS Metode Statistika (Y2). Lampiran 5 menunjukkan garis regresi linier
yang diperoleh dari regresi antara skor stres (Y1) dengan nilai UTS Metode
Statistika (Y2) hampir mendatar. Hal tersebut mengindikasikan pengaruh yang
sangat kecil dari skor stres (Y1) terhadap nilai UTS Metode Statistika (Y2)

15
sehingga pengaruhnya tidak terlihat. Tebaran data pada plot antara skor stres (Y1)
dengan nilai UTS Metode Statistika (Y2) terlihat cukup lebar. Selain itu terlihat
ada titik-titik yang letaknya jauh dari kumpulan titik-titik lain. Hal tersebut
mengindikasikan adanya pencilan pada data tersebut. Adanya titik-titik yang
letaknya jauh tersebut dikhawatirkan data memiliki lebih dari satu model regresi.
Untuk mengetahui pola data secara umum maka dibuatlah model regresi linier
dari data yang dianggap mewakili sebagian besar pola titik-titik amatan yang tidak
mengandung pencilan.
Terdapat 125 data dari keseluruhan data yang tidak mengandung pencilan.
Data tersebut digunakan untuk menduga pola umum dari keseluruhan data dengan
cara membuat model regresi linier antara peubah skor stres (Y1) dengan peubah
nilai UTS Metode Statistika (Y2) data yang tidak mengandung pencilan. Model
regresi linier yang dihasilkan dapat dilihat pada Lampiran 6. Pada lampiran 6
menunjukkan garis regresi linier condong ke kiri, artinya ada hubungan linier
negatif antara Y1 dengan Y2. Model regresi linier yang dihasilkan digunakan
untuk menduga nilai UTS Metode Statistika (Y2 duga) dari keseluruhan data yang
kemudian digunakan untuk menduga nilai sisaannya.
Keragaman sisaan keseluruhan data dapat dilihat dari plot antara Y2 duga
dengan sisaannya. Plot keragamaan sisaan yang dihasilkan pada Lampiran 7
menunjukkan lebar pita sisaan tidak sama yang mengindikasikan keragaman
sisaan yang tidak homogen. Data yang tidak digunakan untuk membuat model
(data yang mengandung pencilan) memiliki keragaman sisaan yang lebih besar
dibandingkan dengan keragaman sisaan data yang digunakan untuk membuat
model regresi linier (data yang tidak mengandung pencilan). Data yang
mengandung pencilan sebanyak 25 data dan menghasilkan keragaman sisaan
sebesar 595.36. Data yang tidak mengandung pencilan menghasilkan keragaman
sisaan sebesar 153.
Agar semua data tetap dapat digunakan dalam analisis lintas ini maka
dilakukan penanganan data yang mengandung pencilan dengan cara pembobotan.
Data Y2 yang memiliki ragam sisaan lebih besar diberikan bobot yang lebih kecil
dibandingkan data lainnya. Nilai Y2 data yang digunakan untuk membuat model
regresi linier (125 data) diberikan bobot satu, sedangkan data yang mengandung
pencilan (25 data) diberikan bobot 0.507. Angka 0.507 tersebut diperoleh dari
perbandingan antara simpangan baku sisaan dari 125 data ( 1) dengan simpangan
baku sisaan dari 25 data ( 2). Simpangan baku sisaan merupakan akar dari ragam
sisaannya.
Setelah dilakukan penanganan terhadap data, dilakukan pemeriksaan lagi
terhadap data Y1 dan Y2 yang telah diboboti (wY2). Lampiran 8 memperlihatkan
garis regresi linier yang dihasilkan dari regresi antara peubah Y1 dengan Y2 yang
telah diboboti (wY2) adalah linier negatif. Hal tersebut mengindikasikan adanya
pengaruh dari skor stres (Y1) terhadap nilai UTS Metode Statistika yang diboboti
(wY2) dan sudah sesuai teori yang dikemukakan Oxington (2008) bahwa stres
dapat menyebabkan penurunan akademik. Selain itu keragaman sisaan yang
dihasilkan pun sudah homogen yang mengindikasikan tidak adanya pencilan. Hal
tersebut dapat dilihat dari tidak adanya pola yang terbentuk pada plot antara wY2
duga dengan sisaannya dan lebar pitanya sama (Lampiran 9). Selanjutnya
dilakukan analisis lintas kembali dengan data peubah nilai UTS Metode Statistika
yang telah diboboti (wY2).

16
Analisis Lintas Model Awal Terboboti
Setelah melakukan penanganan data, dilakukan analisis ulang pada model
lintas awal dengan data peubah nilai UTS Metode Statistika yang telah diboboti
(wY2). Hasil pendugaan dan pengujian koefisien lintas pada persamaan sub
struktural satu model awal terboboti sama dengan model awal sebelum diboboti,
sedangkan pada persamaan sub struktural dua dilakukan pendugaan dan pengujian
koefisien lintas lagi karena melibatkan data Y2 yang telah diboboti (wY2).
Sebelum melakukan pendugaan dan pengujian koefisien lintas pada persamaan
sub struktural dua, terlebih dahulu dilakukan uji linieritas pada peubah-peubah
yang terlibat dalam persamaan tersebut. Uji linieritas pada persamaan sub
struktural dua memberikan hasil bahwa semua peubah eksogen kecuali peubah
banyaknya SKS yang diambil (X2) memiliki hubungan linier dengan peubah
endogen nilai UTS Metode Statistika yang telah diboboti (wY2) pada taraf nyata
5% sehingga peubah banyaknya SKS yang diambil (X2) tidak dilibatkan dalam
analisis.
Persamaan sub struktural dua melibatkan lima peubah eksogen dengan
peubah endogen nilai UTS Metode Statistika yang telah diboboti (wY2). Analisis
lintas pada persamaan sub struktural dua menghasilkan nilai statistik uji F sebesar
6.471 dan nilai p dari statistik uji F sebesar 0.000, sehingga dapat disimpulkan H0
ditolak pada taraf nyata 10% yang artinya minimal terdapat satu peubah eksogen
yang mempengaruhi nilai UTS Metode Statistika (wY2). Pengujian signifikansi
masing-masing koefisien lintas dengan statistik uji t memberikan hasil bahwa
hanya terdapat dua peubah eksogen yang berpengaruh terhadap nilai UTS Metode
Statistika (wY2) pada taraf nyata 30%. Kedua peubah eksogen tersebut adalah
skor stres (Y1) dan tingkat kesulitan memahami materi kuliah (X5). Keragaman
data yang dapat dijelaskan oleh model lintas nilai UTS Metode Statistika (wY2)
sebesar 0.183 dengan koefisien lintas sisaan sebesar 0.90. Ringkasan hasil analisis
pada model awal terboboti dapat dilihat pada Lampiran 11.
Plot antara sisaan dengan urutan pengamatan yang dihasilkan pada
persamaan sub struktural dua menggambarkan tebaran titik-titik yang tidak
berpola, sehingga dapat disimpulkan bahwa asumsi sisaan saling bebas terpenuhi.
Model awal yang dihipotesiskan memiliki koefisien determinasi (R2) gabungan
sebesar 0.367, artinya keragaman data yang dapat dijelaskan oleh model awal
sebesar 36.7%, sedangkan sisanya sebesar 63.3% dijelaskan oleh faktor lain yang
tidak dimasukkan ke dalam model. Analisis lintas model dengan data Y2 yang
telah diboboti (wY2) memberikan nilai statistik uji F dan koefisien determinasi
(R2) yang lebih besar dibandingkan analisis lintas model dengan data Y2 sebelum
diboboti. Hal tersebut menunjukkan model yang dibangun pada saat penanganan
data sudah cukup baik.
Pengujian signifikansi masing-masing koefisien lintas pada persamaan sub
struktural satu maupun persamaan sub struktural dua menunjukkan adanya
beberapa peubah eksogen yang tidak berpengaruh terhadap masing-masing
peubah endogennya. Oleh sebab itu model lintas awal perlu diperbaiki, artinya
perlu dilakukan modifikasi model. Model modifikasi dibuat untuk mendapatkan
model lintas yang lebih baik dalam menjelaskan data. Setelah dibuat diagram
lintas dari model modifikasi, dilanjutkan dengan pengujian dan pendugaan
koefisien lintas pada model modifikasi tersebut.

17
Analisis Lintas Model Modifikasi Terboboti
Model modifikasi yang terbentuk memiliki dua persamaan sub struktural.
Persamaan sub struktural satu pada model modifikasi melibatkan peubah endogen
skor stres (Y1) dengan lima peubah eksogen, sedangkan persamaan sub struktural
dua melibatkan peubah endogen nilai UTS Metode Statistika (wY2) dengan dua
peubah eksogen. Statistik uji F pada persamaan sub struktural satu maupun
persamaan sub struktural dua memberikan hasil bahwa minimal terdapat satu
peubah eksogen yang berpengaruh terhadap peubah endogen skor stres (Y1) dan
peubah endogen nilai UTS Metode Statistika (wY2) pada taraf nyata 10%. Uji
signifikansi masing-masing koefisien lintas dengan statistik uji t pada persamaan
sub struktural satu memberikan hasil terdapat satu peubah eksogen yang tidak
berpengaruh terhadap nilai skor stres (Y1) pada taraf nyata 30% yaitu peubah
jarang komunikasi dengan keluarga (X7). Uji signifikansi masing-masing
koefisien lintas pada persamaan sub struktural dua dengan statistik uji t
memberikan hasil semua peubah eksogen yang terlibat dalam persamaan sub
struktural dua berpengaruh terhadap nilai UTS Metode Statistika (wY2) pada taraf
nyata 10%.
Karena koefisien lintas peubah eksogen jarang komunikasi dengan keluarga
(X7) tidak berpengaruh terhadap skor stres (Y1) maka dilakukan kembali analisis
pada persamaan sub struktural satu tanpa peubah jarang komunikasi dengan
keluarga (X7). Analisis kembali pada persamaan sub struktural satu memberikan
hasil bahwa semua peubah eksogen yang terlibat dalam persamaan sub struktural
satu tersebut berpengaruh terhadap skor stres (Y1) pada taraf nyata 20%. Peubahpeubah eksogen tersebut adalah banyaknya SKS yang diambil (X2), tingkat
kesulitan memahami materi kuliah (X5), tingkat kesulitan beradaptasi (X6), dan
konflik dengan orang lain selain keluarga (X10). Koefisien determinasi persamaan
sub struktural satu dari model modifikasi terboboti sebesar 0.195 dengan koefisien
lintas sisaan sebesar 0.89, sedangkan persamaan sub struktural dua dari model
modifikasi terboboti memberikan nilai koefisien determinasi sebesar 0.175 dengan
koefisien lintas sisaan sebesar 0.91. Ringkasan hasil analisis lintas pada model
modifikasi terboboti dapat dilihat pada Lampiran 12.
Asumsi sisaan saling bebas dari persamaan sub struktural satu dan
persamaan sub struktural dua dari model modifikas