Pada Tabel 4.3 analisa signifikan dan reliabilitas statistik faktor minat belajar dapat disimpulkan bahwa nilai Cronbachs Alpha 0,663 dengan jumlah
pertanyaan sebanyak 5 buah pertanyaan dan nilai Cronbachs Alpha di atas nilai standar adalah 0,677 karena Cronbachs alpha di atas 0,60 maka percobaan data
dapat diterima sebagai bukti reliabilitas internal. Dari hasil sampel dan testing dapat disimpulkan bahwa data yang penulis
gunakan adalah valid dan dapat dipercaya. Dari perbedaan data sampel dan testing data dapat dilihat pada Tabel 4.4
Tabel 4.4 Signifikan dan Reliabilitas Statistik Data No Variabel dalam Skala
Cronbachs alpha Data Training
75 Data Cronbachs alpha
Data Testing 1254 Data
1 Faktor Kepercayaan Diri
.669 .629
2 Faktor Dukungan Orang Tua
.655 .623
3 Faktor Minat Belajar
.663 .628
Dari Tabel 4.4 di atas dapat dijelaskan bahwa statistik signifikan dan reliabilitas data sampel lebih tinggi dari data testing atau keseluruhan data dengan
alasan data training adalah data sampel sementara data testing adalah keseluruhan data.
4.2.2 Hasil Percobaan Descriptive Data
Pengolahan data Descriptive statistik digunakan untuk menyajikan data statistik deskriptif pada sebuah variabel seperti jumlah data, ukuran penyebaran berupa
rentang data range, minimum, maximum, rata-rata mean, standart deviasi, dan variance hasil dari uji data keseluruhan dapat dilihat pada Tabel 4.5
Tabel 4.5 Descriptive Statistik Testing Data
N Range
Minimum Maximum
Mean Std.
Deviation Variance
p1 1254
2 3
5 4,38
,657 ,432
P2 1254
2 3
5 3,67
,731 ,534
p3 1254
2 3
5 4,03
,824 ,680
p4 1254
2 3
5 4,40
,633 ,401
p5 1254
2 3
5 4,66
,507 ,257
Kep. Diri 1254
7 13
20 16,76
1,788 3,196
p6 1254
2 3
5 4,37
,657 ,432
p7 1254
2 3
5 3,66
,722 ,521
Universitas Sumatera Utara
p8 1254
2 3
5 4,02
,827 ,685
p9 1254
2 3
5 4,39
,633 ,401
p10 1254
2 3
5 4,65
,510 ,261
Dukungan Orang
Tua 1254
9 16
25 21,08
2,156 4,648
p11 1254
2 3
5 4,39
,659 ,435
P12 1254
2 3
5 3,68
,743 ,552
p13 1254
2 3
5 4,02
,823 ,678
p14 1254
2 3
5 4,40
,638 ,407
p15 1254
2 3
5 4,67
,504 ,255
Minat Belajar
1254 9
16 25
21,16 2,162
4,675 Valid N
listwise 734
Pada Tabel 4.5 fungsi analisa descriptive data adalah untuk memberikan gambaran umum tentang data yang telah diperoleh. Gambaran umum ini bisa
menjadi acuan untuk melihat karakteristik data yang kita peroleh. Untuk mengawali analisa ini penulis melakukan analisis descriptive sebelum melakukan
analisis lainnya pada data. Hal ini sangat penting karena dengan analisis descriptive kita bisa mengkoreksi secara cepat data yang sudah kita entri. Pada
Tabel 4.5 penulis menggunakan jumlah data sebanyak 1254 data dan semua data valid.
4.2.3 Hasil Percobaan Frekuensi Data 4.2.3.1 Statistik Frekuensi Faktor Kepercayaan Diri
Pengolahan data frekuensi statistik faktor ekonomi digunakan untuk menampilkan dan menggambarkan data tentang faktor ekonomi dari pilihan responden. Hasil
dari uji data keseluruhan dapat dilihat pada Tabel 4.6 Tabel 4.6 Statistik Frekuensi Faktor Kepercayaan Diri
Frequency Percent
Valid Percent
Cumulative Percent
Valid 16
60 4,8
4,8 4,8
17 60
4,8 4,8
9,5 18
198 15,8
15,8 25,3
19 258
20,6 20,6
45,9 20
176 14,0
14,0 59,9
21 234
18,6 18,6
78,5 22
174 13,9
13,9 92,5
23 24
25 63
16 15
5,0 1.3
1.2 5,0
1,3 1,2
97,5 98,8
100,0 Total
1254 100,0
100,0
Universitas Sumatera Utara
Tabel 4.6 Statistik frekuensi faktor kepercayaan diri menjelaskan frekuensi data, dimana jumlah responden yang memiliki data berdasarkan
kepercayaan diri tertentu. Seperti misalnya responden dengan total nilai 16 ada 60 orang, responden dengan nilai 17 ada 60 orang dan seterusnya. Percent,
menunjukkan prosentase dari jumlah data yang memiliki faktor kepercayaan diri.
4.2.3.2 Statistik Frekuensi Faktor Dukungan Orang Tua
Pengolahan data frekuensi statistik faktor dukungan orang tua digunakan untuk menampilkan dan menggambarkan data tentang faktor dukungan orang tua dari
pilihan responden. Hasil dari uji data keseluruhan dapat dilihat pada Tabel 4.7 Tabel 4.7 Statistik Frekuensi Faktor Dukungan Orang Tua
Frequency Percent
Valid Percent
Cumulative Percent
Valid 16
41 3,3
3,3 3,3
17 41
3,3 3,3
6,5 18
43 3,4
3,4 9,9
19 186
14,9 14,9
24,8 20
193 15,4
15,4 40,2
21 188
15,0 15,0
55,2 22
166 13,2
13,2 68,4
23 210
16,8 16,8
85,1 24
166 13,2
13,2 98,4
25 20
1,6 1,6
100,0 Total
1254 100,0
100,0
Tabel 4.7 Statistik frekuensi dukungan orang tua menjelaskan frekuensi, menunjukkan jumlah responden yang memiliki data berdasarkan dukungan
orang tua tertentu. Seperti misalnya responden dengan total nilai 16 ada 41 orang, responden dengan nilai 17 ada 41 orang dan seterusnya. Percent,
menunjukkan prosentase dari jumlah data yang memiliki faktor dukungan orang tua
4.2.3.3 Statistik Frekuensi Faktor Minat Belajar
Pengolahan data frekuensi statistik faktor fasilitas belajar mahasiswa digunakan untuk menampilkan dan menggambarkan data tentang faktor fasilitas
belajar mahasiswa dari pilihan responden. Hasil dari uji data keseluruhan dapat dilihat pada Tabel 4.8
Tabel 4.8 Statistik Frekuensi Faktor Minat Belajar
Universitas Sumatera Utara
Frequency Percent
Valid Percent
Cumulative Percent
Valid 16
41 3,3
3,3 3,3
17 41
3,3 3,3
6,5 18
41 3,3
3,3 9,8
19 166
13,2 13,2
23,0 20
188 15,0
15,0 38,0
21 190
15,1 15,1
53,1 22
190 15,1
15,1 68,3
23 188
15,0 15,0
83,2 24
188 15,0
15,0 98,2
25 21
1,8 1,8
100,0 Total
1254 100,0
100,0
Tabel 4.8 Statistik frekuensi minat belajar mahasiswa menjelaskan frekuensi, menunjukkan jumlah responden yang memiliki data berdasarkan minat
belajar tertentu. Seperti misalnya responden dengan total nilai 16 ada 41 orang, responden dengan nilai 17 ada 41 orang dan seterusnya. Percent, menunjukkan
prosentase dari jumlah data yang memiliki faktor minat belajar.
Sedangkan uji frekuensi untuk statistik, semua data yang dimasukkan ke dalam pengujian data yang terdiri dari :
1. Faktor kepercayaan diri 2. Faktor dukungan orang tua
3. Faktor minat belajar Ketiga data tersebut, dilakukan pengujian dengan uji frekuensi tiga faktor dari
data demografi. Hasil pengujian data frekuensi dapat dilihat pada Tabel 4.9 Tabel 4.9 Statistik Frekuensi Tiga Faktor Pendukung
Kepercayaan Diri
Dukungan Orang Tua
Minat Belajar
N Valid
1254 1254
1254 Missing
Mean Std. Error of Mean
Median Std. Deviation
Variance Skewness
Std. Error of Skewness Kurtosis
Std. Error of Kurtosis Range
Minimum Maximum
Sum 16,76
21,08 21,16
,066 ,080
,080 17,00
21,00 21,00
1,788 2,156
2,162 3,196
4,648 4,675
-,143 -,350
-,403 ,090
,090 ,090
-,700 -,547
-,479 ,180
,180 ,180
7 9
9 13
16 16
20 25
25 12300
15474 15535
Universitas Sumatera Utara
Tabel 4.9 menjelaskan data statistik frekuensi tiga faktor pendukung yang terdiri dari :
1. N menunjukkan jumlah data yang diproses yaitu 1254 buah 2. Mean menunjukkan rata-rata dari 1254 responden
3. Median menunjukkan titik tengah data yaitu jika data diurutkan dan dibagi dua sama besar.
4. Standard deviasi adalah menunjukkan dispersi rata-rata dari sampel. 5. Ukuran skewness adalah Rasio skewness adalah nilai skewness dibagi
dengan standard error skewness. Jika rasio skewness berada diantara nilai -2.00 sampai dengan 2.00 maka distribusi data adalah normal.
6. Nilai kurtosis adalah -1.170. Sama seperti skewness, maka rasio kurtosis
adalah nilai kurtosis dibagi dengan standard errornya
4.2.4 Signifikan dan Multicollinearity
4.2.4.1 Signifikan
Dalam penelitian ini, penulis telah menguji hubungan antara lima prediktor variabel model aturan untuk predikat lanjut dengan menggunakan
metode analisis regresi berganda dengan model fit untuk mengetahui variabel manakah yang paling memberikan kontribusi. Hasil yang diperoleh menunjukkan
bahwa ada tiga dari lima variabel tersebut di atas memiliki korelasi yang sangat signifikan terhadap model aturan untuk predikat lanjut kepercayaan diri,
dukungan orang tua, minat belajar. Semua-prediktor tiga variabel di atas memberikan kontribusi 82,8 dalam membuat model aturan untuk predikat
lanjut, seperti terlihat pada Tabel 4.10
Tabel 4.10 Korelasi Signifikan dari Tiga Prediktor Variabel Predikat
Universitas Sumatera Utara
Dari Tabel 4.10 kita dapat melihat bahwa variabel terbaik dari prediktor kepercayaan diri lihat pada R square ubah memberikan kontribusi 79,8.
Kelima variabel memberikan kontribusi yang signifikan R
2
Tabel 4.11 Signifikan dari Tiga Variabel Prediktor Predikat = 0,828. Dengan
demikian, kita dapat menyimpulkan bahwa tiga variabel tersebut di atas adalah sangat dipercaya untuk digunakan sebagai penaksir model aturan untuk predikat
lanjut, seperti yang terdapat pada Tabel 4.11
4.2.4.2 Multicollinearity
Karena prediksi beberapa variabel yang digunakan dalam penelitian ini, penting untuk mengidentifikasi Multicollinearity apapun. Multicollinearity adalah
Model Summary
d
Model
R R
Square Adjust
ed R Square
Std. Error of
the Estimate
Change Statistics
Durbin- Watson
R Squ
are Cha
nge F Change df1
df2 Sig. F
Chang e
1 ,894
a
,798 ,798
,365 ,798 2899,058
1 732
,000 2
,908
b
,825 ,824
,341 ,026 108,706
1 731
,000 3
,910
c
,828 ,827
,338 ,003 13,996
1 730
,000 1,882
a. Predictors: Constant, KEPERCAYAAN DIRI b. Predictors: Constant, KEPERCAYAAN DIRI, DUKUNGAN ORANGTUA
c. Predictors: Constant, KEPERCAYAAN DIRI, DUKUNGAN ORANGTUA, MINAT BELAJAR d. Dependent Variable: PREDIKAT
Model Summary
b
Model
R R
Square Adjuste
d R Square
Std. Error
of the Estim
ate Change Statistics
Durbin- Watson
R Square
Change F Change df1 df2
Sig. F Chang
e 1
,910
a
,828 ,827
,338 ,828
1169,793 3
730 ,000
1,882
a. Predictors: Constant, KEPERCAYAAN DIRI, DUKUNGAN ORANGTUA, MINAT BELAJAR b. Dependent Variable: PREDIKAT
Universitas Sumatera Utara
masalah umum dalam analisis korelasi banyak. Hal ini terjadi ketika variabel yang berlebihan dan dapat mengganggu penafsiran yang tepat dari hasil regresi
berganda. Cara sederhana untuk mengidentifikasi collinearity adalah toleransi dan VIF Varian Inflation Factor. Toleransi adalah jumlah variabilitas variabel
independen yang dipilih. Toleransi nilai mendekati 0.00 menunjukkan variabel sangat collinear dengan variabel prediktor lainnya. Faktor inflasi varian
berbanding terbalik dengan nilai toleransi. Sebuah nilai VIF yang besar, biasanya ambang 10,0 menunjukkan tingkat tinggi collinearity atau
multicollinearity antar variabel independen, seperti pada Tabel 4.12
Tabel 4.12 Multicollinearity Diagnostik
Model Beta
In T
Sig. Partial
Correlation Collinearity Statistics
Tolerance VIF
Minimum Tolerance
KEPER DIRI ORANGTUA
,726 10,426
a
,000 ,360
,049 20,223
,049 ,725
10,830
a
,000 ,372
,053 18,844
,053 MINAT
BELAJAR ,461
3,741
b
,000 ,137
,016 64,368
,014
Pada Tabel 4.12 tabel nilai toleransi terkecil bagi langkah model fit adalah 0,14 dan memiliki nilai VIF melebihi 10.0, sehingga tidak ada multicollinearity
yang signifikan dalam penelitian ini. Hal ini memastikan bahwa hasil percobaan data tidak bias.
4.2.5 Hasil Percobaan Decision Tree
Model sampel aturan decision tree dengan model grafik dari software rapidminer yang akan digunakan dapat dilihat pada gambar terlampir
a. Predictors in the Model: Constant, KEPERCAYAAN DIRI b. Predictors in the Model: Constant, KEPERCAYAAN DIRI, ORANGTUA
c. Dependent Variable: PREDIKAT
Universitas Sumatera Utara
Dari Gambar dapat dijelaskan bahwa faktor kepercayaan diri memiliki pengaruh paling besar dalam data penelitian tesis ini, setelah dilakukan percobaan
dengan menggunakan rapidminer bahwa variabel kepercayaan diri berada pada node paling atas, kemudian dibandingkan dengan rata-rata nilai dari faktor
kepercayaan diri untuk mendapatkan predikat lanjut. Jika rule grafik diterjemahkan kedalam rule bahasa sederhana dapat dilihat pada Tabel 4.13
Tabel 4.13 Keterengan Rule Grafik
Rule Keterangan Rule Predikat
1. Jika jumlah Kepercayaan Diri = High Ya
2. Jika jumlah Kepercayaan Diri = High dan jumlah Dukungan Orang tua = High
Ya 3. Jika jumlah Kepercayaan Diri = High dan jumlah Minat
Belajar = High Ya
4. 5.
Jika jumlah Kepercayaan Diri = High dan jumlah Perilaku Belajar = High
Jika jumlah Kepercayaan Diri = High dan jumlah Waktu Belajar = High
Ya Ya
Untuk lebih jelasnya dapat dilihat pada model aturan berbentuk teks seperti pada Gambar 4.1
Universitas Sumatera Utara
Gambar 4.1 Model Aturan Text Decision Tree
Universitas Sumatera Utara
Dari Gambar 4.1 di atas dapat dijelaskan bahwa faktor yang mempengaruhi pada node pertama adalah kepercayaan diri, node kedua dukungan
orang tua, node ketiga minat belajar. Untuk predikat lanjut model aturan yang terbaik adalah apabila jumlah faktor kepercayaan high, jumlah factor dukungan
orang tua high, dan jumlah factor minat belajar high.
4.2.6 Validasi Decision Tree
