104
variabel hasil belajar dengan kebiasaan belajar memiliki hubungan yang linier, karena nilai signifikansi kurang dari 0,05.
Tabel 4.12 Hasil Uji Linieritas Motivasi Belajar dengan Hasil Belajar
ANOVA Table
Sum of Squares
df Mean
Square F
Sig.
Hasil Belajar
Motivasi Belajar
Between Groups
Combined 3445,871
25 137,835
1,442 ,103 Linearity
1182,617 1 1182,617 12,374 ,001
Deviation from
Linearity 2263,253
24 94,302
,987 ,490
Within Groups 10130,372 106
95,570 Total
13576,242 131
Sumber: Lampiran 26 Berdasarkan perhitngan tabel tersebut, bahwa pada kolom Sig. baris
Linearity diketahui nilai signifikansi sebesar 0,001. Hal ini menunjukkan bahwa variabel hasil belajar dengan motivasi belajar memiliki hubungan yang linier,
karena nilai signifikansi kurang dari 0,05.
4.1.4.3 Uji Multikolinearitas Data
Uji mltikolinearitas merupakan keadaan yang terjadi hubungan linier yang sempurna atau mendekati sempurna antar variabel independen dalam regresi. Uji
multikolinearitas bertujuan untuk menguji apakah dalam model analisis regresi berganda ditemukan adanya korelasi antar variabel bebas. Model regresi berganda
yang baik menuntut tidak adanya korelasi antar variabel bebas atau tidak adanya multikolinearitas. Ada tidaknya multikolinearitas di dalam penelitian ini dengan
melihat output Coefficients pada kolom nilai Variance Inflation Factor VIF. Apabila nilai VIF 5, maka dapat disimpulkan tidak ada multikolinearitas antar
105
variabel bebas dalam model regresi. Berikut hasil perhitungan menggunakan program SPSS versi 21:
Tabel 4.13 Uji Multikolinearitas Data
Coefficients
a
Model
Unstandardized Coefficients
Standardized Coefficients
T Sig. Collinearity
Statistics B
Std. Error
Beta Tole
rance VIF
1 Constant
34,669 9,815 3,532 ,001
Kebiasaan Belajar
-,014 ,083
-,022 -,171 ,865 ,425 2,352
Motivasi Belajar ,480
,199 ,312 2,417 ,017
,425 2,352 Sumber: Lampiran 27
Berdasarkan perhitungan tabel tersebut, dapat diketahui bahwa nilai VIF sebesar 2,352. Nilai tersebut menunjukkan nilai VIF 5. Hal ini menunjukkan
bahwa tidak ada multikolinearitas antar variabel independen dalam regresi.
4.1.4.4 Akan Uji Heteroskedastisitas Data
Heteroskedastisitas merupakan keadaan yang terjadi ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Uji heteroskedastisitas
digunakan untuk mengetahui ada atau tidaknya ketidaksamaan varian dari residual pada model regresi. Prasyarat yang harus terpenuhi adalah dalam model regresi
tidak adanya masalah heteroskedastisitas. Dalam penelitia ini, peneliti yang dibantu dengan progam SPSS versi 21 menggunakan rumus uji
Spearman’s Rho, yaitu mengkorelasikan nilai residual Unstandardized Residual dengan masing-masing
variabel independen. Cara mengambil keputusan dapat diketahui pada output Correlations baris Sig. 2 tailed. Jika nilai signifikansinya 0,05, maka tidak terjadi
106
masalah keteroskedastisitas. Berikut hasil pengolahan menggunakan Spearman’s
Rho dengan progam SPSS versi 21. Tabel 4.14 Uji Heteroskedastisitas Data
Correlations
Unstandardi zed Residual
Kebiasaan Belajar
Motivasi Belajar
Spearman s rho
Unstandar dized
Residual Correlation Coefficient
1,000 -,026
-,032 Sig. 2-tailed
. ,768
,717 N
132 132
132 Kebiasaan
Belajar Correlation Coefficient
-,026 1,000
,748 Sig. 2-tailed
,768 .
,000 N
132 132
132 Motivasi
Belajar Correlation Coefficient
-,032 ,748
1,000 Sig. 2-tailed
,717 ,000
. N
132 132
132
Sumber: Lampiran 28 Berdasarkan perhitungan diketahui korelasi antara kebiasaan belajar dengan
Unstandardized Residual menghasilkan nilai signifikansi 0,768 dan korelasi antara motivasi belajar dengan Unstandardized Residual menghasilkan nilai signifikansi
0,717. Kedua nilai signifikansi korelasi lebih dari 0,05 sehingga dapat disimpulkan bahwa pada model regresi tidak ditemukan adanya masalah heteroskedastisitas.
4.1.5 Uji Analisis Akhir