Anova Table Tabel 13
Uji linearitas data variabel Motivasi Belajar dan Self regulated learning
Berdasarkan hasil uji linearitas antara kedua variabel tersebut menggunakan uji F = 36,940 dan p =0,000 p 0,05, maka dapat disimpulkan
bahwa data variabel motivasi belajar memiliki hubungan yang linier dengan variabel self regulated learning.
C. Hasil Analisa Data
1. Hasil Perhitungan Korelasi Antarvariabel
Metode yang digunakan dalam penelitian ini adalah korelasi Pearson Product Moment dengan bantuan SPSS 17.0. Hasil pengujian statistik yang
dilakukan dapat dilihat pada tabel berikut.
Sum Of Squares
df Mean
Square F
Sig
SRL Between Combined MB Groups Linearity
Deviation from Linearity
Within Groups Total
16467.340 8707.536
7759.805 55866.512
72333.852 32
1 31
237 269
514.604 8707.53
6 250.316
235.724 2.183
36.940 1.062
.001 .000
.385
Universitas Sumatera Utara
Correlations Tabel 14
Korelasi antara motivasi belajar dengan Self regulated learning pada
mahasiswa USU yang mengalami proses pembelajaran e-learning
Correlations si significants at the 0.01 level 2tailed Berdasarkan hasil pengolahan data diperoleh koefisien korelasi r sebesar .347
Hal ini berarti hipotesa nol Ho ditolak dan hipotesa alternatif Ha diterima, yang menunjukkan adanya hubungan antara motivasi belajar dengan self
regulated learning pada mahasiswa USU yang mengalami proses pembelajaran e- learning. Semakin tinggi motivasi belajar maka semakin tinggi self regulated
learning pada mahasiswa USU yang mengalami proses pembelajaran e-learning. Sebaliknya, semakin rendah motivasi belajar maka semakin rendah self regulated
learning pada mahasiswa USU yang mengalami proses pembelajaran e-learning.
MB SRL
MB Pearson Correlations Sig.2 tailed
Sum of squares and Cross-products
Covariance N
1 8929.941
33.197 270
.347 .000
8818.037 32.781
270
SRL Pearson Correlations Sig.2 tailed
Sum of squares and Cross-products
Covariance N
.347 .000
8818.037 32.781
270 1
72333.852 268.899
270
Universitas Sumatera Utara
2. Kategorisasi Data a. Kategorisasi Data Motivasi Belajar
Kategorisasi ini didasarkan pada asumsi bahwa skor populasi terdistribusi normal. Kriteria kategorisasi yang digunakan dalam motivasi belajar yaitu tinggi
dan rendah. Data penelitian tentang kategori motivasi belajar seperti tertera pada tabel berikut:
Tabel 15
Variabel Deskripsi Data Penelitian Motivasi Belajar
Skor Empirik Skor Hipotetik
Min Max
Mean SD
Min Max
Mean SD
Motivasi Belajar
40 78
61,39 5,762
20 100
60 13,33
Berdasarkan tabel 16, diperoleh mean empirik untuk Skala motivasi belajar sebesar 61,39 dengan SD empirik sebesar 5,762, sedangkan untuk mean
hipotetiknya 60 dengan SD hipotetiknya sebesar13,33. Hasil perbandingan antara skor mean empirik dengan skor mean hipotetik menunjukkan bahwa mean
empirik lebih besar dari mean hipotetik. Rangkuman data penelitian tersebut, selanjutnya digunakan untuk
mengkategorisasikan motivasi belajar pada mahasiswa USU yang mengalami proses pembelajaran e-learning dalam tingkatan-tingkatan yang disusun menurut
norma tertentu. Motivasi belajar dikategorisasikan menjadi dua kategori yaitu tinggi dan rendah dengan mempertimbangkan standart eror of measurement
untuk mengatasi resiko pembagian motivasi belajar. Standart eror of measurement akan memberikan kecermatan hasil pengukuran.
Universitas Sumatera Utara
Rumusan standart eror dalam pengukuran motivasi belajar yaitu: S
e
=S
x
√ 1-R
xx’
Keterangan: S
e
= standar eror S
x
= standar deviasi R
xx`
=koefisien reliabilitas Berdasarkan pengolahan data motivasi belajar pada mahasiswa USU yang
mengalami proses pembelajaran e-learning, dengan bantuan SPSS 17.0 for windows diperoleh R
xx’
= 0,666 dan S
x
= 7,19014 sehingga standar eror dalam pengukuran ini adalah:
S
e
= 7,19014 √1-0,666
= 7,19014 √0,334
= 7,19014 x 0,57 = 4,098
Mengetahui besarnya S
e
akan dapat mengestimasi fluktuasi skor skala motivasi belajar yaitu:
X ± Z α2 . S
e
Dengan menggunakan taraf kepercayaan 95 berarti sama dengan taraf signifikan 5 atau α = 0.05 sehingga α2= 0.025, maka diperoleh nilai z=1.96
Universitas Sumatera Utara
bersadarkan tabel distribusi normal dengan begitu fluktuasi motivasi belajar sebesar:
X ± 1,96 4,098 X ± 8,03
X ± 8 dibulatkan maka: X + 8 = 61+ 8 = 69
X –8 = 61– 8 = 53 Dari perhitungan di atas maka katagorisasi terhadap motivasi belajar dapat
dilihat pada tabel 16 berikut:
Tabel 16 Kategorisasi Data Motivasi Belajar
Berdasarkan tabel 17 diatas, dapat diketahui sebanyak10 27orang yang memiliki motivasi belajar yang tinggi, 8,122 orang yang memiliki motivasi
belajar yang rendah, dan 81,8 221 orang tidak terklasifikasi karena tujuan penelitian hanya mengkategorikan subjek ke dalam 2 kategori saja.
Variabel Rentang nilai
Kategori Frekuensi
Persentase
Motivasi Belajar
X ≥ 69
Tinggi 27
10 X
≤ 53 Rendah
22 8,1
53 X 69 TidakTerklasifik
asi 221
81,8
Universitas Sumatera Utara
b. Kategorisasi Data Self Regulated Learning Kategorisasi ini didasarkan pada asumsi bahwa skor populasi terdistribusi
normal. Kriteria kategorisasi yang digunakan dalam self regulated learning yaitu tinggi dan rendah. Deskripsi data penelitian self regulated learning seperti tertera
pada tabel 18 berikut:
Tabel 17 Deskripsi Data Penelitian
Self regulated learning
Berdasarkan tabel 18, diperoleh mean empirik untuk skala self regulated larning sebesar 136,26 dengan SD empirik sebesar 16,398, sedangkan untuk
mean hipotetiknya 117 dengan SD hipotetiknya sebesar 26. Hasil perbandingan antara skor mean empirik dengan skor mean hipotetik menunjukkan bahwa mean
empirik lebih besar dari mean hipotetik. Hal ini berarti bahwa self regulated learning penelitian lebih tinggi dari pada alat ukur yang digunakan.
Rangkuman data penelitian tersebut, selanjutnya digunakan untuk mengkatagorisasikan self regulated learning pada mahasiswa USU yang
mengalami proses pembelajaran e-learning dalam tingkatan-tingkatan yang disusun menurut norma tertentu. Self regulated learning dikategorisasikan
menjadi dua kategori yaitu tinggi dan rendah dengan mempertimbangkan standart eror of measurement untuk mengatasi resiko pembagian self regulated learning.
Standart eror of measurement akan memberikan kecermatan hasil pengukuran.
Variabel Skor Empirik
Skor Hipotetik
Min Max Mean
SD Min
Max Mean
SD Self regulated
learning 91
175 136,26 16,398
39 195
117 26
Universitas Sumatera Utara
Rumusan standart eror dalam pengukuran self regulated learning yaitu: S
e
=S
x
√ 1-R
xx’
Keterangan: S
e
= standar eror S
x
= standar deviasi R
xx’
= koefisien reliabilitas Berdasarkan pengolahan data self regulated learning pada mahasiswa USU
yang mengalami proses pembelajaran e-learning, dengan bantuan SPSS 17.0 for windows diperoleh R
xx’
= 0.889 dan S
x
= 17,013 sehingga standar eror dalam pengukuran ini adalah:
S
e
= 17,013 √1-0,889
= 17,013 √0,11
= 17,013 x 0,333 = 5,66
Mengetahui besarnya S
e
akan dapat mengestimasi fluktuasi skor skala self regulated learning, yaitu:
X ± Z α2 . S
e
Dengan menggunakan taraf kepercayaan 95 berarti sama dengan taraf signifikan 5 atau α = 0.05 sehingga α2= 0.025, maka diperoleh nilai z=1.96
Universitas Sumatera Utara
bersadarkan tabel distribusi normal dengan begitu fluktuasi skor self regulated learning sebesar:
X ± 1,96 5,66 X ± 11,09
X ± 11 dibulatkan maka: X +11 = 136+11 = 147
X – 11 = 136–11 = 125 Dari perhitungan di atas maka kategorisasi terhadap self regulated learning
dapat dilihat pada tabel 18 berikut:
Tabel 18 Kategorisasi Data
Self Regulated Learning
Berdasarkan tabel 19 diatas, dapat diketahui 27,4 74orang yang memiliki self regulated learning yang tinggi, 29,6 80orang yang memiliki self
regulated learning yang rendah, dan 42,9116orang tidak terklasifikasi karena tujuan penelitian hanya mengkategorikan subjek ke dalam 2 kategori saja.
Variabel Rentang Nilai
Kategori Frekuensi Persentase
Self Regulated
Learning X
≥ 147 Tinggi
74 27,4
X ≤ 125
Rendah 80
29,6 125 X 147 Tidak Terklasifikasi
116 42,9
Universitas Sumatera Utara
D. Pembahasan
