Grafik 4.8
Dari grafik dimana sumbu X adalah Y yang telah diprediksi, dan sumbu X adalah residual Y Prediksi
– Y sesungguhnya terlihat titik menyebar secara acak dan tidak membentuk suatu pola tertentu. Tersebar baik diatas maupun dibawah
angka 0 nol pada sumbu Y. Hal ini dapat diartikan bahwa tidak terjadi heteroskedasitas pada model regresi, sehingga model regresi layak dipakai untuk
memprediksi faktor determinan perilaku belajar mahasiswa.
4.1.2.3 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk melihat apakah model regresi ditemukan korelasi antar variabel independent. Jika terjadi, maka terdapat masalah
yang dinamakan problem Multikolinieritas Multi. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independent. Untuk
mendeteksinya bisa dilihat dari nilai Tolerance dan lawannya Variance Inflation
X Y
Factor VIF. Nilai yang umum dipakai pedoman bebas multikolinearitas adalah sebagai berikut:
- Mempunyai nilai VIF dibawah 10
- Mempunyai angka tolerance dibawah 1
Tabel 4.7 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardiz
ed Coefficien
ts T
Sig. Collinearity
Statistics B
Std. Error Beta
Toleranc e
VIF 1Constant
25,712 2,819
9,121 ,000
Fisiologis 5,810
,475 ,242 12,240
,000 ,954 1,048
Psikologis 15,026
,518 ,582 28,991
,000 ,927 1,079
Keluarga ,523
,176 ,058
2,974 ,003
,968 1,033 Sekolah
6,058 ,537
,234 11,288 ,000
,871 1,148 Masyarak
at 8,609
,438 ,411 19,644
,000 ,852 1,173
a. Dependent Variable: PerilakuBelajar Hasil dari bagian coefficients terlihat untuk ke lima variabel independent
memiliki nilai VIF kurang dari 10 yaitu variabel fisiologis sebesar 1,048, psikologis sebesar 1,079, variabel keluarga sebesar 1,033, sekolah sebesar 1,148
dan variabel masyarakat sebesar 1,173. Demikian pula dengan nilai tolerance masing-masing variabel dibawah angka 1. Variabel fisiologis sebesar 0,954,
psikologis sebesar 0,927, keluarga 0,968, untuk variabel sekolah sebesar 0,871, dan terakhir untuk variabel masyarakat sebesar 0,852. Sehingga dapat
disimpulkan bahwa
model regresi
tersebut tidak
memiliki problem
multikolinearitas dan data bisa dipakai.
4.1.2.4 Analisis Regresi Linear Berganda
Analisis regresi linear berganda digunakan untuk mengetahui adanya pengaruh antara variabel independent terhadap variabel dependent yang dibantu
dengan menggunakan program SPSS versi 18. Hasil analisanya sebagai berikut:
Tabel 4.8 Coefficients
a
Model Unstandardized
Coefficients Standardiz
ed Coefficien
ts t
Sig. Collinearity
Statistics B
Std. Error Beta
Toleranc e
VIF 1Constant
25,712 2,819
9,121 ,000
Fisiologis 5,810
,475 ,242 12,240
,000 ,954 1,048
Psikologis 15,026
,518 ,582 28,991
,000 ,927 1,079
Keluarga ,523
,176 ,058
2,974 ,003
,968 1,033 Sekolah
6,058 ,537
,234 11,288 ,000
,871 1,148 Masyarak
at 8,609
,438 ,411 19,644
,000 ,852 1,173
a. Dependent Variable: PerilakuBelajar Berdasarkan tabel diatas, maka persamaan regresi yang terbentuk pada uji
regresi ini adalah : Y=5,810X
1
+15,026X
2
+0,523X
3
+6,058X
4
+8,609X
5
Dari persamaan regresi tersebut dapat dilihat bahwa: a.
Variabel Fisiologis X
1
berpengaruh terhadap perilaku belajar mahasiswa Universitas Negeri Semarang
b. Variabel Psikologis X
1
berpengaruh terhadap perilaku belajar mahasiswa Universitas Negeri Semarang
c. Variabel Keluarga X
1
berpengaruh terhadap perilaku belajar mahasiswa Universitas Negeri Semarang
d. Variabel Sekolah X
1
berpengaruh terhadap perilaku belajar mahasiswa Universitas Negeri Semarang
e. Variabel Masyarakat X
1
berpengaruh terhadap perilaku belajar mahasiswa Universitas Negeri Semarang.
4.1.2.5 Uji Hipotesis
