Tabel 4.19 menunjukan bahwa indikator lingkungan termasuk dalam kategori kurang baik dengan skor rata-rata 6,27. Banyaknya informasi yang ada dalam
lingkungan perlu dimanfaatkan siswa agar mendapat informasi yang lebih lengkap.
e. Aktivitas
Hasil analisis deskriptif persentase variabel pemanfaatan sumber belajar untuk indikator aktivitas ditunjukan pada tabel 4.20 dibawah ini:
Tabel 4.20 Distribusi Frekuensi Indikator Aktivitas
Interval Kriteria
Frekuensi Persentase
Rata-rata
14 – 16
Sangat Baik 6,11
11 – 13
Baik 1
1,1 8
– 10 Cukup
29 30,8
5 – 7
Kurang Baik 34
36,2 2
– 4 Tidak Baik
30 31,9
Jumlah 94
100 Sumber : data primer diolah, 2013 pada lampiran 19
Tabel 4.20 menunjukan bahwa indikator aktivitas termasuk dalam kategori kurang baik dengan skor rata-rata 6,11. Aktivitas diperlukan agar informasi yang
diperoleh siswa maksimal.
4.1.2. Uji Prasyarat Analisis Regresi Linear Berganda 4.1.2.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui
bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal Ghozali, 2011:160. Untuk menguji normalitas dapat dilakukan dengan
menggunakan uji statistik atau menganalisis grafik.
Unstandardized Residual N
Normal Mean Parameters
a,b
Std. Deviation Most Extreme Absolute
Differences Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
94 ,0000000
5,01984286 ,039
,036 -,039
,383 ,999
Pengujian normalitas dengan menggunakan uji statistik yaitu dengan menggunakan rumus Kolmogorov-Smirnov dibantu dengan menggunakan
program IBM SPSS Statistics 19. Apabila nilai probabilitas 0,05 maka data penelitian berdistribusi normal. Hasil output dari pengolahan dengan
menggunakan IBM SPSS Statistics 19 adalah sebagai berikut:
Tabel 4.21 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
a. Test distribution is Normal. b. Calculated from data.
Sumber: data diolah, 2013 pada lampiran 21 Berdasarkan hasil perhitungan dengan bantuan IBM SPSS Statistics 19
diperoleh nilai Kolmogorov-Smirnov dengan hasil belajar sebagai variabel dependen adalah 0,383 dan signifiksi 0,999 yang nilainya lebih dari 0,05 sehingga
dapat dikatakan bahwa data berdistribusi normal.
4.1.3. Uji Asumsi Klasik 4.1.3.1. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model model regresi ditemukan adanya korelasi antara variabel cara belajar, lingkunagn keluarga, dan
pemanfatan sumber belajar. Jika nilai VIF Variance Inflation Factor kurang dari
atau sama dengan 10 atau nilai Tol Tolarance lebih besar atau sama dengan 0,10 maka tidak terjadi multikolinearitas. Menurut Ghozali 2011:105 model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel bebas Berdasarkan data yang telah diperoleh dan telah diolah dengan
menggunakan bantuan IBM SPSS Statistics 19 diperoleh hasil uji multikolinearitas sebagai berikut:
Tabel 4.22 Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
Constant cara_belajar
lingk_keluarga sumb_belajar
,712 1,404
,834 1,198
,686 1,458
Sumber: data diolah, 2013 pada lampiran 22 Tabel 4.22 menunjukan bahwa tidak terjadi multikolinearitas antar
variabel bebas pada model regresi. Hal ini ditunjukan dengan nilai VIF yang tidak melebihi 10 dan Tol Tolarance lebih besar dari 0,10.
4.1.3.2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui dan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residu satu pengamatan ke
pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut
heteroskedastisitas Ghozali 2011:139. Ada beberbagai cara untuk mendeteksi heteroskedastisitas misalnya dengan melihat grafik plots atau dengan
menggunakan uji statistik. Namun analisis dengan menggunakan grafik plots
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant cara_belajar
lingk_keluarga sumb_belajar
,562 1,893
,297 ,767
-,012 ,046
-,032 -,259
,796 ,002
,025 ,010
,084 ,933
,055 ,044
,156 1,238
,219
mempunyai kelemahan yang cukup signifikan, yaitu semakin sedikit jumlah pengamatan, semakin sulit menginterpretasikan hasil grafik plots. Oleh karena itu,
dalam penelitian ini, uji heteroskedastisitas dilakukan dengan uji statistik yang lebih dapat menjamin keakuratan hasil. Uji heteroskedastisitas dalam penelitian
ini dilakukan dengan menggunakan Uji Park. Apabila koefisien parameter beta dari persamaan persamaan regresi tersebut signifikan secara statistik, hal ini
menunjukan bahwa dalam data model empiris yang diestimasi terdapat heteroskedastisitas dan sebaliknya jika parameter beta tidak signifikan secara
statistik, maka asumsi homoskedastisitas pada data model tersebut tidak dapat ditolak Ghozali 2011:142.
Berdasarkan data yang telah diperoleh dan telah diolah dengan menggunakan bantuan
IBM SPSS Statistics 19 diperoleh hasil uji
heteroskedastisitas sebagai berikut:
Tabel 4.23 Hasil Uji Heteroskedastisitas
Coefficients
a
a. Dependent Variable: LnU2i
Sumber: data diolah, 2013 pada lmpiran 22 Tabel 4.23 menunjukan bahwa koefisien parameter untuk variabel
independen yaitu variabel cara belajar, lingkunga keluarga, dan pemanfaatan
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant cara_belajar
lingk_keluarga sumb_belajar
44,596 4,787
9,315 ,000
,256 ,116
,221 2,214
,029 ,126
,063 ,184
1,994 ,049
,390 ,112
,354 3,481
,001
sumber belajar tidak ada yang signifikan., maka dapat disimpulkan bahwa asumsi homoskedastisitas pada data model tidak dapat ditolak atau terbebas dari
hetoskedastisitas.
4.1.4. Analisis Regresi Berganda
Hasil analisis regresi berganda menggunakan bantuan program IBM SPSS Statistics 19 ditunjukan pada tabel 4.24 berikut:
Tabel 4.24 Analisis Regresi Linear Berganda
a. Dependent Variable: hasil_belajar
Sumber: data diolah, 2013 pada lampiran 23 Berdasarkan tabel 4.24 menunjukan bahwa persamaan regresi yang
diperoleh Y = 44.596 + 0,221 X
1
+ 0,184 X
2
+ 0,354X
3.
Model persamaan regresi tersebut mengandung arti bahwa:
1. Konstanta 44,596 berarti bahwa jika variabel cara belajar X
1
, lingkungan keluarga X
2
, dan pemanfaatan sumber belajar X
3
sebesar 0, maka hasil belajar siswwa sebesar 44,596
2. Koefisien cara belajar siswa X
1
sebesar 0,221 berarti bahwa setiap terjadi kenaikan 1 skor variabel cara belajar, maka akan diikuti dengan kenaikan hasil
belajar sebesar 0,221 dengan asumsi variabel lain dalam keadaan tetap.
3. Koefisien lingkungan keluarga X
2
sebesar 0,184 berarti bahwa setiap terjaadi kenaikan 1 skor variabel lingkungan keluarga, maka akan diikuti dengan
kenaikan hasil belajar sebesar 0,184 dengan asumsi variabel lain dalam keadaan tetap.
4. Koefisien pemanfaatan sumber belajar X
3
sebesar 0,354 berarti bahwa setiap terjadi kenaikan 1 skor variabel cara belajar, maka akan diikuti dengan
kenaikan hasil belajar sebesar 0,354 dengan asumsi variabel lain dalam keadaan tetap.
4.1.5. Uji hipotesis Penelitian 4.1.5.1. Uji F atau Uji Simultan
