Analisis Deskriptif Metode Analisis Data

x 100 =100 2 Menetapkan angka presentase terendah x 100 =20 3 Menetapkan rentang presentase. Rentang presentase diperoleh dengan cara mengurangi tertinggi 100 dengan persentase terendah 20 sehingga diperoleh : 100 - 20 =80 4 Menetapkan interval kelas persentase. Interval diperoleh dengan cara membagi rentang dengan jenjang kriteria sehingga diperoleh: = = = 16 5 Menetapkan jenjang kriteria. Dalam menetapkan jenjang kriteria, peneliti mengelompokkan menjadi 5 kriteria yaitu sangat tinggi, tinggi , sedang, rendah, sangat rendah. Penyusunan tabel kriteria masing-masing variabel adalah sebagai berikut : Tabel 3.8 Kriteria Analisis Deskriptif Persentase Variabel Persepsi Siswa Mengenai Ketrampilan Guru dalam Mengelola Kelas No Interval Persentase Kriteria Kesiapan 1. 84skor ≤100 Sangat Baik 2. 68skor ≤ 84 Baik 3. 52skor ≤68 Cukup Baik 4. 36skor ≤52 Kurang Baik 5. 20skor ≤36 Tidak Baik Tabel 3.9 Kriteria Analisis Deskriptif Persentase Variabel Motivasi Belajar No Interval Persentase Kriteria Kesiapan 1. 84skor ≤100 Sangat Tinggi 2. 68skor ≤ 84 Tinggi 3. 52skor ≤68 Cukup Tinggi 4. 36skor ≤52 Rendah 5. 20skor ≤36 Sangat Rendah Tabel 3.10 Kriteria Analisis Deskriptif Persentase Variabel Penggunaan Internet sebagai Sumber Belajar No Interval Persentase Kriteria Kesiapan 1. 84skor ≤100 Sangat Tinggi 2. 68skor ≤ 84 Tinggi 3. 52skor ≤68 Cukup Tinggi 4. 36skor ≤52 Rendah 5. 20skor ≤36 Sangat Rendah 3.6.1.1 Distribusi Frekuensi Hasil Belajar Skor interval untuk variabel hasil belajar didasarkan pada kriteria ketuntasan minimum KKM yang telah ditetapkan di SMA Negeri 8 Semarang, yaitu sebagai berikut: Tabel 3.11 Skor Interval Variabel Hasil Belajar Y Sumber: SMA Negeri 8 Semarang, 2015 No Nilai Kriteria 1 75-100 Tuntas 2 75 Tidak tuntas Dari rumus tersebut, peneliti dapat menentukan kategori deskriptif variabel yang diambil sebagai berikut : a. Variabel Persepsi Siswa Mengenai Ketrampilan Guru Dalam Mengelola Kelas Untuk menentukan kategori deskriptif Persepsi Siswa Mengenai Ketrampilan Guru Dalam Mengelola Kelas X 1 dapat dilakukan langkah sebagai berikut : Nilai Maksimal = 115 Nilai Minimal = 23 Range = Nilai Maks.- Nilai Min = 115-23 = 92 Panjang kelas = 5 Interval = 92+15 = 19 Tabel 3.12 Skor Interval Variabel Persepsi Siswa Mengenai Ketrampilan Guru Dalam Mengelola Kelas No Nilai Interval Kriteria 1 99- 117 Sangat Baik 2 80 – 98 Baik 3 61 – 79 Cukup Baik 4 42 – 60 Kurang Baik 5 23-41 Tidak Baik b. Variabel Motivasi Belajar Untuk menentukan kategori deskriptif Motivasi Belajar X 2 dapat dilakukan langkah sebagai berikut : Nilai Maksimal = 85 Nilai Minimal = 17 Range = Nilai Maks.- Nilai Min = 85 – 17 =68 Panjang kelas = 5 Interval = 68+15 = 14 Tabel 3.13 Skor Interval Variabel Motivasi Belajar No Nilai Interval Kriteria 1 73 – 86 Sangat Tinggi 2 59 – 72 Tinggi 3 45 – 58 Cukup 4 31 –44 Rendah 5 17 – 30 Sangat Rendah c. Variabel Penggunaan Internet sebagai Sumber Belajar Untuk menentukan kategori deskriptif Penggunaan Internet sebagai Sumber Belajar X 3 dapat dilakukan langkah sebagai berikut : Nilai Maksimal = 70 Nilai Minimal = 14 Range = Nilai Maks.- Nilai Min = 7 0 – 14 = 56 Panjang kelas = 5 Interval = 56+15 = 12 Tabel 3.14 Skor Interval Variabel Penggunaan Internet sebagai Sumber Belajar No Nilai Interval Kriteria 1 62 – 73 Sangat Tinggi 2 50 – 61 Tinggi 3 38 – 49 Cukup 4 26 – 37 Rendah 5 14 – 25 Sangat Rendah

3.6.2 Analisis Statistik Inferensial

3.6.2.1 Uji Prasyarat Analisis Regresi Berganda

Untuk menghindari pelanggaran asumsi-asumsi klasik pada metode regresi berganda, maka perlu dilakukan uji prasyarat sebagi berikut :

3.6.2.1.1 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 menganalisis grafik atau menggunakan uji statistik. Pada prinsipnya, normalitas dapat dideteksi dengan melihat sebaran data titik pada suram residualnya. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas Ghozali, 2013: 163. Dalam penelitian ini uji normalitas menggunakan uji statistik dapat dilakukan dengan menggunakan rumus Kolmogorov-Smirnov. Perhitungan rumus Kolmogorov-Smirnov dapat dilakukan dengan menggunakan program IBM SPSS Statistics 17. Apabila nilai probabilitas 0, 05 maka data penelitian berdistribusi normal.

3.6.2.2 Uji Linearitas

Uji linearitas ini digunakan untuk mengetahui data yang diperoleh berbentuk linear atau tidak. Jika data berbentuk linear, maka analisis regresi pada pengujian hipotesis dapat dinyatakan benar atau dapat dipertanggungjawabkan. Namun, jika data ternyata tidak linear maka harus menggunakan analisis non linear. Terdapat beberapa model yang dapat digunakan untuk menguji linearitas