Teknik Analisis Data METODE PENELITIAN

siswa, untuk kelas XII IPS 1 berjumlah 35 siswa, untuk kelas XII IPS 2 berjumlah 36 siswa, dan untuk kelas XII IPS 3 berjumlah 36 siswa, untuk kelas XII IPS 4 berjumlah 33 siswa; siswa-siswi SMA Pangudi Luhur Sedayu untuk kelas XI IPS 1 berjumlah 35 siswa, untuk kelas XI IPS 2 berjumlah 35 siswa, untuk kelas XII IPS 1 berjumlah 36 siswa, untuk kelas XII IPS 2 berjumlah 36 siswa. 2 Sampel Sampel adalah keseluruhan kecil yang kita amati atau bagian dari populasi Consuelo, 1993:160. Dalam penelitian ini, sampel penelitian ditentukan sebesar 150 siswa untuk SMA BOPKRI 2 Yogyakarta dan 106 siswa untuk SMA Pangudi Luhur Sedayu yang dipilih secara “Random Sampling”.

H. Teknik Analisis Data

1 Uji Indikator Analisis Pengujian Normalitas Uji Normalitas dilakukan untuk mengetahui kondisi masing – masing variabel, apakah berdistribusi normal atau tidak. Perhitungan ini dilakukan dengan menggunakan komputer program LISREL. Kriteria pengujian normalitas, yaitu jika skewness dan kurtosis pada p-value 0.05 , maka data tersebut bersifat normal; dan jika skewness dan kurtosis pada p-value 0.05, data tidak normal. 2 Uji Validitas dan Reliabilitas Uji validitas dilakukan untuk mengetahui apakah jawaban responden atas pertanyaan yang diberikan memiliki validitas kesahihan atau tidak. Apabila korelasi antara skor total dengan skor masing-masing pertanyaan signifikan, maka dapat dikatakan bahwa kuesioner tersebut mampu mengukur apa yang seharusnya diukur. Rumusnya adalah sebagai berikut. δ λξ χ + = Keterangan: χ = indikator variabel laten eksogen ξ = variabel laten eksogen δ = measurement error untuk variabel eksogen Suatu variabel dikatakan mempunyai validitas yang baik terhadap konstruk atau variabel latennya Wijanto, 2008:65, jika: • Nilai t muatan faktornya loading factors lebih besar dari nilai kritis yaitu 1,96 • Muatan faktor standarnya standardized loading factors lebih besar atau sama dengan 0.70 dan 0.50 Reliabilitas adalah konsistensi suatu pengukuran. Reliabilitas yang tinggi menunjukkan bahwa indikator-indikator mempunyai konsistensi tinggi dalam mengukur konstruk latennya. Reliabilitas dilakukan setelah test of validity. Dengan kata lain, jika hasil pengukuran konsisten atas obyek yang sama, maka instrumen pengukuran tersebut dapat dipercaya untuk digunakan sebagai alat ukur. Langkah-langkah yang digunakan untuk melakukan test reliabilitas adalah mencari nilai reliabilitas dengan menggunakan rumus Construct Reliability CR Wijanto, 2008:66 sebagai berikut: ∑ ∑ ∑ + = j e loading std loading std CR 2 2 . . Keterangan: CR = Construct Reliability Σ std.loading = Jumlah standardized loadings e j = Measurement Error Ekstrak varian mencerminkan jumlah varian keseluruhan dalam indikator-indikator variabel-variabel teramati yang dijelaskan oleh variabel laten. Ukuran ekstrak varian dapat dihitung dengan rumus Wijanto, 2008:66 sebagai berikut: ∑ ∑ ∑ + = j e loadings std loadings std VE 2 2 . . atau N loadings std VE ∑ = 2 . Keterangan: VE = Variance Extracted Σ std.loading = Jumlah standardized loadings e j = Measurement Error N = Banyaknya variabel teramati dari model Dari hasil perhitungan tersebut, jika nilai hitung VE lebih tinggi atau sama dengan 0.50 dan jika nilai hitung CR lebih tinggi atau sama dengan 0.70 maka kuesioner tersebut mempunyai reliabilitas yang baik Wijanto, 2008:66. Pengujian validitas dan reliabilitas instrumen akan dikerjakan dengan bantuan LISREL. 3 Statistik Deskriptif Untuk mendeskripsikan variabel metode mengajar guru akuntansi, minat siswa dalam belajar akuntansi, motivasi siswa terhadap pelajaran akuntansi, kebiasaan siswa dalam belajar akuntansi, sikap siswa terhadap pelajaran akuntansi, maka akan dilakukan perhitungan rata-rata mean dan deviasi standar, menentukan kisaran aktual dan kisaran teoritis. Perhitungan nilai-nilai tersebut didasarkan pada skor jawaban masing-masing responden sebelum skor-skor jawaban ditransformasi ke dalam tingkat pengukuran interval. Statistik deskriptif akan dikerjakan dengan bantuan SPSS. 4 Uji Path Analysis Analisis Jalur Analisis jalur ini digunakan untuk mengetahui hubungan variabel eksogenus variabel bebas terhadap variabel endogenus variabel terikat. Sebelum dilakukan uji analisis, dilakukan uji konfirmatori faktor untuk masing – masing konstruk. X2 Gambar III.1 Diagram Alur Hubungan Antar Variabel X 1 = Metode Mengajar Guru Akuntansi X 2 = Minat Siswa Dalam Belajar Akuntansi X 3 = Sikap Siswa Terhadap Pelajaran Akuntansi X 4 = Kebiasaan Siswa Dalam Belajar Akuntansi X 5 = Motivasi Siswa Dalam Belajar Akuntansi Y = Prestasi Belajar Akuntansi Dalam gambar 3.1, perubah X 1 adalah eksogenus, peubah-peubah ini ditulis dalam angka baku z, maka z untuk peubah eksogenus ini ialah z 1 , dinyatakan oleh suku residual e 1 , yakni z = e 1 . Peubah X 2 yang tergantung pada peubah X 1 , juga tergantung pada e 2 dengan koefisien jalur ρ 21 . Persamaannya adalah z 2 = ρ 21 z 1 +e 2 . Peubah X 3 yang tergantung pada peubah X 1 , juga tergantung e 3 dengan koefisien jalur ρ 31 . Persamaannya adalah z 3 = ρ 31 z 1 +e 3 . Peubah X 4 yang tergantung pada peubah X 1 , X 2 , dan X 3 , juga tergantung e 4 dengan koefisien ρ 41 , ρ 42 , dan ρ 43 . Persamaannya adalah z 4 = ρ 41 z 1 + ρ 42 z 2 + ρ 43 z 3 +e 4 . Peubah X1 X3 Y X4 X5 X 5 yang tergantung pada peubah X 1 , X 2 , dan X 3 , juga tergantung e 5 dengan koefisien ρ 51 , ρ 52 , dan ρ 53 . Persamaannya adalah z 5 = ρ 51 z 1 + ρ 52 z 2 + ρ 53 z 3 +e 5 . Peubah Y yang tergantung pada peubah X 4 , dan X 5 , juga tergantung e 6 dengan koefisien ρ 64 , dan ρ 65 . Persamaannya adalah z 6 = ρ 64 z 4 + ρ 65 z 5 +e 6 . Persamaan di atas diringkas sebagai berikut. Z 1 = e 1 Z 2 = ρ 21 z 1 +e 2 Z 3 = ρ 31 z 1 +e 3 Z 4 = ρ 41 z 1 + ρ 42 z 2 + ρ 43 z 3 +e 4 Z 5 = ρ 51 z 1 + ρ 52 z 2 + ρ 53 z 3 +e 5 Z 6 = ρ 64 z 4 + ρ 65 z 5 +e 6 Dalam persamaan di atas, tiap residu tidaklah berkorelasi dengan peubah-peubah yang terdapat dalam persamaan dan juga antara residual sendiri tidak terdapat korelasi. Oleh karena harga-harga peubah dinyatakan dalam angka baku, maka untuk n buah pengamatan akan berlaku formula Sudjana, 1983:180 sebagai berikut: ∑ = j Z i Z n ij r 1 Keterangan: r ij = koefisien korelasi n = jumlah pengamatan z i = angka baku peubah endogenus variabel terikat z j = angka baku peubah eksogenus variabel bebas Koefisien-koefisien jalur dapat dicari dengan mensubstitusikan zn ke dalam rumus rij maka dihasilkan sistem persamaan Sudjana, 1983:182 sebagai berikut: r 12 = ρ 21 r 13 = ρ 31 r 14 = ρ 41 + ρ 42 +r 24 + ρ 43 +r 34 r 15 = ρ 51 + ρ 52 +r 25 + ρ 53 +r 35 r 24 = ρ 41 +r 14 + ρ 42 r 25 = ρ 51 +r 25 + ρ 52 r 34 = ρ 41 +r 14 + ρ 43 r 35 = ρ 51 +r 15 + ρ 53 r 46 = ρ 64 r 56 = ρ 65 keterangan: ρ 21 = koefisien jalur X 1 ke X 2 ρ 31 = koefisien jalur X 1 ke X 3 ρ 41 = koefisien jalur X 1 ke X 4 ρ 51 = koefisien jalur X 1 ke X 5 ρ 42 = koefisien jalur X 2 ke X 4 ρ 52 = koefisien jalur X 2 ke X 5 ρ 43 = koefisien jalur X 3 ke X 4 ρ 53 = koefisien jalur X 3 ke X 5 ρ 64 = koefisien jalur X 4 ke X 6 ρ 65 = koefisien jalur X 5 ke X 6 r 12 = koefisien korelasi X 12 r 13 = koefisien korelasi X 13 r 14 = koefisien korelasi X 14 r 15 = koefisien korelasi X 15 r 24 = koefisien korelasi X 24 r 25 = koefisien korelasi X 25 r 34 = koefisien korelasi X 34 r 35 = koefisien korelasi X 35 r 46 = koefisien korelasi X 46 r 56 = koefisien korelasi X 56 5 Uji Regresi a. Pengujian Hipotesis pertama H 1 1. Rumusan Hipotesis pertama H 1 Ho: tidak ada hubungan yang signifikan antara metode mengajar guru akuntansi dengan minat, motivasi, dan kebiasaan siswa dalam belajar akuntansi serta sikap siswa terhadap pelajaran akuntansi. H 1 : ada hubungan yang signifikan antara metode mengajar guru akuntansi dengan minat, motivasi, dan kebiasaan siswa dalam belajar akuntansi serta sikap siswa terhadap pelajaran akuntansi. 2. Pengujian Signifikansi ∑ − = θ χ , 1 2 S F n Keterangan: χ 2 = Chi-square S = matrik kovarian sampel n = jumlah sampel Σ θ = matrik kovarian model Kriteria validitas yang digunakan adalah chi-square. Jika χ 2 rendah dan significance level lebih besar atau sama dengan 0.05, berarti variabel bebas secara bersama-sama berhubungan secara signifikan terhadap variabel tidak bebas. Jika χ 2 besar dan significance level lebih kecil dari 0.05, berarti variabel bebas secara bersama-sama tidak berhubungan secara signifikan terhadap variabel tidak bebas. Pengujian hipotesis H 1 akan dikerjakan dengan bantuan LISREL. O F F GFI Λ − = 1 Keterangan: GFI = Goodness-of-Fit Index F o = Nilai minimum dari F, ketika tidak ada model yang dihipotesiskan F = Nilai minimum dari F untuk model yang dihipotesiskan Kriteria validitas yang digunakan adalah Goodness-of-Fit Index. Jika GFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan GFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 1 akan dikerjakan dengan bantuan LISREL. df NCP − = 2 χ Keterangan: NCP = Non-Centrality Parameter χ 2 = Chi-Square df = degree of freedom Kriteria validitas yang digunakan adalah Non-Centrality Parameter. Jika NCP semakin besar merupakan badness of fit kecocokan yang buruk, sedangkan NCP yang nilainya kecilrendah. Pengujian hipotesis H 1 akan dikerjakan dengan bantuan LISREL. Kriteria validitas yang digunakan adalah Root Mean Square Residual RMR. RMR mewakili nilai rerata residual yang diperoleh dari mencocokkan matrik varian-kovarian dari model yang dihipotesiskan dengan matrik varian-kovarian dari data sampel. Jika RMR lebih besar 0,05 merupakan badness fit kecocokan yang buruk, sedangkan RMR lebih kecil atau sama dengan 0,05 merupakan good fit. Pengujian hipotesis H 1 akan dikerjakan dengan bantuan LISREL. df O F RMSEA ∧ = ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ − − ∧ = ∧ , 1 n df F Max O F Keterangan: RMSEA = Root Mean Square Error of Approximation Kriteria validitas yang digunakan adalah Root Mean Square Error of Approximation. Jika RMSEA lebih kecil atau sama dengan 0.05 merupakan close fit, jika RMSEA antara 0.05 sampai 0.08 merupakan good fit, dan jika RMSEA antara 0.08 ssampai 0.10 merupakan mediocre marginal fit, sedangkan nilai RMSEA lebih besar dari 0.10 merupakan poor fit. Pengujian hipotesis H 1 akan dikerjakan dengan bantuan LISREL. 1 2 − + = ∧ n q F ECVI Keterangan: ECVI = Expected Cross-Validation Index n = Ukuran Sampel q = Jumlah parameter yang diestimasi Kriteria validitas yang digunakan adalah Expected Cross- Validation Index. Jika ECVI memiliki nilai yang kecil dan dekat dengan ECVI saturated =0.045. Pengujian hipotesis H 1 akan dikerjakan dengan bantuan LISREL. GFI h df o df AGFI − − = 1 1 GFI h df P AGFI − − = 1 1 Keterangan: AGFI = Adjusted Goodness-of-Fit Index df o = degree of freedom dari tidak ada model = P df h = degree of freedom dari model yang dihipotesiskan P = jumlah varian dan kovarian dari variabel teramati Kriteria validitas yang digunakan adalah Adjusted Goodness- of-Fit Index. Jika AGFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan AGFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 1 akan dikerjakan dengan bantuan LISREL. 1 2 2 2 − − = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ i df i h df h i df i NNFI TLI χ χ χ Keterangan: TLINNFI = Tucker-Lewis Index Non Normed Fit Index df i = degree of freedom dari null model df h = degree of freedom dari model yang dihipotesiskan χ i 2 = chi square dari nullindependence model χ h 2 = chi square dari model yang dihipotesiskan Kriteria validitas yang digunakan adalah Tucker-Lewis Index atau Non Normed Fit Index. Jika TLINNFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan TLINNFI antara 0.80 dan 0.90 merupakan marginal fit . Pengujian hipotesis H 1 akan dikerjakan dengan bantuan LISREL. 2 2 2 i h i NFI χ χ χ − = Keterangan: NFI = Normed Fit Index χ i 2 = chi square dari nullindependence model χ h 2 = chi square dari model yang dihipotesiskan Kriteria validitas yang digunakan adalah Normed Fit Index. Jika NFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan NFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 1 akan dikerjakan dengan bantuan LISREL. i df i F h df h F RFI 1 − = Keterangan: RFI = Relative Fit Index F h = Nilai minimum F dari model yang dihipotesiskan F i = Nilai minimum F dari model nullindependence Kriteria validitas yang digunakan adalah Relative Fit Index. Jika RFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan RFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 1 akan dikerjakan dengan bantuan LISREL. h df i nF h nF i nF IFI − − = Keterangan: IFI = Incremental Fit Index df h = degree of freedom dari model yang dihipotesiskan F h = Nilai minimum F dari model yang dihipotesiskan F i = Nilai minimum F dari model nullindependence Kriteria validitas yang digunakan adalah Incremental Fit Index. Jika IFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan IFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 1 akan dikerjakan dengan bantuan LISREL. 2 1 1 ι ι − = CFI , max 1 h ι ι = , max 2 i h ι ι ι = [ ] h df h F n h − − = 1 ι [ ] i df i F n i − − = 1 ι Keterangan: CFI = Comparative Fit Index Kriteria validitas yang digunakan adalah Comparative Fit Index. Jika CFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan CFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 1 akan dikerjakan dengan bantuan LISREL. b. Pengujian Hipotesis Kedua H 2 1. Rumusan Hipotesis kedua H 2 Ho: tidak ada hubungan yang signifikan antara minat siswa dalam belajar akuntansi dengan motivasi siswa dalam belajar akuntansi, dan kebiasaan siswa dalam belajar akuntansi. H 2 : ada hubungan yang signifikan antara minat siswa dalam belajar akuntansi dengan motivasi siswa dalam belajar akuntansi, dan kebiasaan siswa dalam belajar akuntansi. 2. Pengujian Signifikansi ∑ − = θ χ , 1 2 S F n Keterangan: χ 2 = Chi-square S = matrik kovarian sampel n = jumlah sampel Σ θ = matrik kovarian model Kriteria validitas yang digunakan adalah chi-square. Jika χ 2 rendah dan significance level lebih besar atau sama dengan 0.05, berarti variabel bebas secara bersama-sama berhubungan secara signifikan terhadap variabel tidak bebas. Jika χ 2 besar dan significance level lebih kecil dari 0.05, berarti variabel bebas secara bersama-sama tidak berhubungan secara signifikan terhadap variabel tidak bebas. Pengujian hipotesis H 2 akan dikerjakan dengan bantuan LISREL. O F F GFI Λ − = 1 Keterangan: GFI = Goodness-of-Fit Index F o = Nilai minimum dari F, ketika tidak ada model yang dihipotesiskan F = Nilai minimum dari F untuk model yang dihipotesiskan Kriteria validitas yang digunakan adalah Goodness-of-Fit Index. Jika GFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan GFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 2 akan dikerjakan dengan bantuan LISREL. df NCP − = 2 χ Keterangan: NCP = Non-Centrality Parameter χ 2 = Chi-Square df = degree of freedom Kriteria validitas yang digunakan adalah Non-Centrality Parameter. Jika NCP semakin besar merupakan badness of fit kecocokan yang buruk, sedangkan NCP yang nilainya kecilrendah. Pengujian hipotesis H 2 akan dikerjakan dengan bantuan LISREL. Kriteria validitas yang digunakan adalah Root Mean Square Residual RMR. RMR mewakili nilai rerata residual yang diperoleh dari mencocokkan matrik varian-kovarian dari model yang dihipotesiskan dengan matrik varian-kovarian dari data sampel. Jika RMR lebih besar 0,05 merupakan badness fit kecocokan yang buruk, sedangkan RMR lebih kecil atau sama dengan 0,05 merupakan good fit. Pengujian hipotesis H 2 akan dikerjakan dengan bantuan LISREL. df O F RMSEA ∧ = ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ − − ∧ = ∧ , 1 n df F Max O F Keterangan: RMSEA = Root Mean Square Error of Approximation Kriteria validitas yang digunakan adalah Root Mean Square Error of Approximation. Jika RMSEA lebih kecil atau sama dengan 0.05 merupakan close fit, jika RMSEA antara 0.05 sampai 0.08 merupakan good fit, dan jika RMSEA antara 0.08 ssampai 0.10 merupakan mediocre marginal fit, sedangkan nilai RMSEA lebih besar dari 0.10 merupakan poor fit. Pengujian hipotesis H 2 akan dikerjakan dengan bantuan LISREL. 1 2 − + = ∧ n q F ECVI Keterangan: ECVI = Expected Cross-Validation Index n = Ukuran Sampel q = Jumlah parameter yang diestimasi Kriteria validitas yang digunakan adalah Expected Cross- Validation Index. Jika ECVI memiliki nilai yang kecil dan dekat dengan ECVI saturated =0.045. Pengujian hipotesis H 2 akan dikerjakan dengan bantuan LISREL. GFI h df o df AGFI − − = 1 1 GFI h df P AGFI − − = 1 1 Keterangan: AGFI = Adjusted Goodness-of-Fit Index df o = degree of freedom dari tidak ada model = P df h = degree of freedom dari model yang dihipotesiskan P = jumlah varian dan kovarian dari variabel teramati Kriteria validitas yang digunakan adalah Adjusted Goodness- of-Fit Index. Jika AGFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan AGFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 2 akan dikerjakan dengan bantuan LISREL. 1 2 2 2 − − = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ i df i h df h i df i NNFI TLI χ χ χ Keterangan: TLINNFI = Tucker-Lewis Index Non Normed Fit Index df i = degree of freedom dari null model df h = degree of freedom dari model yang dihipotesiskan χ i 2 = chi square dari nullindependence model χ h 2 = chi square dari model yang dihipotesiskan Kriteria validitas yang digunakan adalah Tucker-Lewis Index atau Non Normed Fit Index. Jika TLINNFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan TLINNFI antara 0.80 dan 0.90 merupakan marginal fit . Pengujian hipotesis H 2 akan dikerjakan dengan bantuan LISREL. 2 2 2 i h i NFI χ χ χ − = Keterangan: NFI = Normed Fit Index χ i 2 = chi square dari nullindependence model χ h 2 = chi square dari model yang dihipotesiskan Kriteria validitas yang digunakan adalah Normed Fit Index. Jika NFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan NFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 2 akan dikerjakan dengan bantuan LISREL. i df i F h df h F RFI 1 − = Keterangan: RFI = Relative Fit Index F h = Nilai minimum F dari model yang dihipotesiskan F i = Nilai minimum F dari model nullindependence Kriteria validitas yang digunakan adalah Relative Fit Index. Jika RFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan RFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 2 akan dikerjakan dengan bantuan LISREL. h df i nF h nF i nF IFI − − = Keterangan: IFI = Incremental Fit Index df h = degree of freedom dari model yang dihipotesiskan F h = Nilai minimum F dari model yang dihipotesiskan F i = Nilai minimum F dari model nullindependence Kriteria validitas yang digunakan adalah Incremental Fit Index. Jika IFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan IFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 2 akan dikerjakan dengan bantuan LISREL. 2 1 1 ι ι − = CFI , max 1 h ι ι = , max 2 i h ι ι ι = [ ] h df h F n h − − = 1 ι [ ] i df i F n i − − = 1 ι Keterangan: CFI = Comparative Fit Index Kriteria validitas yang digunakan adalah Comparative Fit Index. Jika CFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan CFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 2 akan dikerjakan dengan bantuan LISREL. c. Pengujian Hipotesis Ketiga H 3 1. Rumusan Hipotesis ketiga H 3 Ho: tidak ada hubungan yang signifikan antara sikap siswa terhadap pelajaran akuntansi dengan motivasi siswa dalam belajar akuntansi, dan kebiasaan siswa dalam belajar akuntansi. H 3 : ada hubungan yang signifikan antara sikap siswa terhadap pelajaran akuntansi dengan motivasi siswa dalam belajar akuntansi, dan kebiasaan siswa dalam belajar akuntansi. 2. Pengujian Signifikansi ∑ − = θ χ , 1 2 S F n Keterangan: χ 2 = Chi-square S = matrik kovarian sampel n = jumlah sampel Σ θ = matrik kovarian model Kriteria validitas yang digunakan adalah chi-square. Jika χ 2 rendah dan significance level lebih besar atau sama dengan 0.05, berarti variabel bebas secara bersama-sama berhubungan secara signifikan terhadap variabel tidak bebas. Jika χ 2 besar dan significance level lebih kecil dari 0.05, berarti variabel bebas secara bersama-sama tidak berhubungan secara signifikan terhadap variabel tidak bebas. Pengujian hipotesis H 3 akan dikerjakan dengan bantuan LISREL. O F F GFI Λ − = 1 Keterangan: GFI = Goodness-of-Fit Index F o = Nilai minimum dari F, ketika tidak ada model yang dihipotesiskan F = Nilai minimum dari F untuk model yang dihipotesiskan Kriteria validitas yang digunakan adalah Goodness-of-Fit Index. Jika GFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan GFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 3 akan dikerjakan dengan bantuan LISREL. df NCP − = 2 χ Keterangan: NCP = Non-Centrality Parameter χ 2 = Chi-Square df = degree of freedom Kriteria validitas yang digunakan adalah Non-Centrality Parameter. Jika NCP semakin besar merupakan badness of fit kecocokan yang buruk, sedangkan NCP yang nilainya kecilrendah. Pengujian hipotesis H 3 akan dikerjakan dengan bantuan LISREL. Kriteria validitas yang digunakan adalah Root Mean Square Residual RMR. RMR mewakili nilai rerata residual yang diperoleh dari mencocokkan matrik varian-kovarian dari model yang dihipotesiskan dengan matrik varian-kovarian dari data sampel. Jika RMR lebih besar 0,05 merupakan badness fit kecocokan yang buruk, sedangkan RMR lebih kecil atau sama dengan 0,05 merupakan good fit. Pengujian hipotesis H 3 akan dikerjakan dengan bantuan LISREL. df O F RMSEA ∧ = ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ − − ∧ = ∧ , 1 n df F Max O F Keterangan: RMSEA = Root Mean Square Error of Approximation Kriteria validitas yang digunakan adalah Root Mean Square Error of Approximation. Jika RMSEA lebih kecil atau sama dengan 0.05 merupakan close fit, jika RMSEA antara 0.05 sampai 0.08 merupakan good fit, dan jika RMSEA antara 0.08 ssampai 0.10 merupakan mediocre marginal fit, sedangkan nilai RMSEA lebih besar dari 0.10 merupakan poor fit. Pengujian hipotesis H 3 akan dikerjakan dengan bantuan LISREL. 1 2 − + = ∧ n q F ECVI Keterangan: ECVI = Expected Cross-Validation Index n = Ukuran Sampel q = Jumlah parameter yang diestimasi Kriteria validitas yang digunakan adalah Expected Cross- Validation Index. Jika ECVI memiliki nilai yang kecil dan dekat dengan ECVI saturated =0.045. Pengujian hipotesis H 3 akan dikerjakan dengan bantuan LISREL. GFI h df o df AGFI − − = 1 1 GFI h df P AGFI − − = 1 1 Keterangan: AGFI = Adjusted Goodness-of-Fit Index df o = degree of freedom dari tidak ada model = P df h = degree of freedom dari model yang dihipotesiskan P = jumlah varian dan kovarian dari variabel teramati Kriteria validitas yang digunakan adalah Adjusted Goodness- of-Fit Index. Jika AGFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan AGFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 3 akan dikerjakan dengan bantuan LISREL. 1 2 2 2 − − = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ i df i h df h i df i NNFI TLI χ χ χ Keterangan: TLINNFI = Tucker-Lewis Index Non Normed Fit Index df i = degree of freedom dari null model df h = degree of freedom dari model yang dihipotesiskan χ i 2 = chi square dari nullindependence model χ h 2 = chi square dari model yang dihipotesiskan Kriteria validitas yang digunakan adalah Tucker-Lewis Index atau Non Normed Fit Index. Jika TLINNFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan TLINNFI antara 0.80 dan 0.90 merupakan marginal fit . Pengujian hipotesis H 3 akan dikerjakan dengan bantuan LISREL. 2 2 2 i h i NFI χ χ χ − = Keterangan: NFI = Normed Fit Index χ i 2 = chi square dari nullindependence model χ h 2 = chi square dari model yang dihipotesiskan Kriteria validitas yang digunakan adalah Normed Fit Index. Jika NFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan NFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 3 akan dikerjakan dengan bantuan LISREL. i df i F h df h F RFI 1 − = Keterangan: RFI = Relative Fit Index F h = Nilai minimum F dari model yang dihipotesiskan F i = Nilai minimum F dari model nullindependence Kriteria validitas yang digunakan adalah Relative Fit Index. Jika RFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan RFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 3 akan dikerjakan dengan bantuan LISREL. h df i nF h nF i nF IFI − − = Keterangan: IFI = Incremental Fit Index df h = degree of freedom dari model yang dihipotesiskan F h = Nilai minimum F dari model yang dihipotesiskan F i = Nilai minimum F dari model nullindependence Kriteria validitas yang digunakan adalah Incremental Fit Index. Jika IFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan IFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 3 akan dikerjakan dengan bantuan LISREL. 2 1 1 ι ι − = CFI , max 1 h ι ι = , max 2 i h ι ι ι = [ ] h df h F n h − − = 1 ι [ ] i df i F n i − − = 1 ι PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI Keterangan: CFI = Comparative Fit Index Kriteria validitas yang digunakan adalah Comparative Fit Index. Jika CFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan CFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 3 akan dikerjakan dengan bantuan LISREL. d. Pengujian Hipotesis Keempat H 4 1. Rumusan Hipotesis keempat H 4 Ho: tidak ada hubungan yang signifikan antara motivasi siswa dalam belajar akuntansi dengan prestasi belajar akuntansi siswa. H 4 : ada hubungan yang signifikan antara motivasi siswa dalam belajar akuntansi dengan prestasi belajar akuntansi siswa. 2. Pengujian Signifikansi ∑ − = θ χ , 1 2 S F n Keterangan: χ 2 = Chi-square S = matrik kovarian sampel n = jumlah sampel Σ θ = matrik kovarian model Kriteria validitas yang digunakan adalah chi-square. Jika χ 2 rendah dan significance level lebih besar atau sama dengan 0.05, berarti variabel bebas secara bersama-sama berhubungan secara signifikan terhadap variabel tidak bebas. Jika χ 2 besar dan significance level lebih kecil dari 0.05, berarti variabel bebas secara bersama-sama tidak berhubungan secara signifikan terhadap variabel tidak bebas. Pengujian hipotesis H 4 akan dikerjakan dengan bantuan LISREL. O F F GFI Λ − = 1 Keterangan: GFI = Goodness-of-Fit Index F o = Nilai minimum dari F, ketika tidak ada model yang dihipotesiskan F = Nilai minimum dari F untuk model yang dihipotesiskan Kriteria validitas yang digunakan adalah Goodness-of-Fit Index. Jika GFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan GFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 4 akan dikerjakan dengan bantuan LISREL. df NCP − = 2 χ Keterangan: NCP = Non-Centrality Parameter χ 2 = Chi-Square df = degree of freedom Kriteria validitas yang digunakan adalah Non-Centrality Parameter. Jika NCP semakin besar merupakan badness of fit kecocokan yang buruk, sedangkan NCP yang nilainya kecilrendah. Pengujian hipotesis H 4 akan dikerjakan dengan bantuan LISREL. Kriteria validitas yang digunakan adalah Root Mean Square Residual RMR. RMR mewakili nilai rerata residual yang diperoleh dari mencocokkan matrik varian-kovarian dari model yang dihipotesiskan dengan matrik varian-kovarian dari data sampel. Jika RMR lebih besar 0,05 merupakan badness fit kecocokan yang buruk, sedangkan RMR lebih kecil atau sama dengan 0,05 merupakan good fit. Pengujian hipotesis H 4 akan dikerjakan dengan bantuan LISREL. df O F RMSEA ∧ = ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ − − ∧ = ∧ , 1 n df F Max O F Keterangan: RMSEA = Root Mean Square Error of Approximation Kriteria validitas yang digunakan adalah Root Mean Square Error of Approximation. Jika RMSEA lebih kecil atau sama dengan 0.05 merupakan close fit, jika RMSEA antara 0.05 sampai 0.08 merupakan good fit, dan jika RMSEA antara 0.08 ssampai 0.10 merupakan mediocre marginal fit, sedangkan nilai RMSEA lebih besar dari 0.10 merupakan poor fit. Pengujian hipotesis H 4 akan dikerjakan dengan bantuan LISREL. 1 2 − + = ∧ n q F ECVI Keterangan: ECVI = Expected Cross-Validation Index n = Ukuran Sampel q = Jumlah parameter yang diestimasi Kriteria validitas yang digunakan adalah Expected Cross- Validation Index. Jika ECVI memiliki nilai yang kecil dan dekat dengan ECVI saturated =0.045. Pengujian hipotesis H 4 akan dikerjakan dengan bantuan LISREL. GFI h df o df AGFI − − = 1 1 GFI h df P AGFI − − = 1 1 Keterangan: AGFI = Adjusted Goodness-of-Fit Index df o = degree of freedom dari tidak ada model = P df h = degree of freedom dari model yang dihipotesiskan P = jumlah varian dan kovarian dari variabel teramati Kriteria validitas yang digunakan adalah Adjusted Goodness- of-Fit Index. Jika AGFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan AGFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 4 akan dikerjakan dengan bantuan LISREL. 1 2 2 2 − − = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ i df i h df h i df i NNFI TLI χ χ χ Keterangan: TLINNFI = Tucker-Lewis Index Non Normed Fit Index df i = degree of freedom dari null model df h = degree of freedom dari model yang dihipotesiskan χ i 2 = chi square dari nullindependence model χ h 2 = chi square dari model yang dihipotesiskan Kriteria validitas yang digunakan adalah Tucker-Lewis Index atau Non Normed Fit Index. Jika TLINNFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan TLINNFI antara 0.80 dan 0.90 merupakan marginal fit . Pengujian hipotesis H 4 akan dikerjakan dengan bantuan LISREL. 2 2 2 i h i NFI χ χ χ − = Keterangan: NFI = Normed Fit Index χ i 2 = chi square dari nullindependence model χ h 2 = chi square dari model yang dihipotesiskan Kriteria validitas yang digunakan adalah Normed Fit Index. Jika NFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan NFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 4 akan dikerjakan dengan bantuan LISREL. i df i F h df h F RFI 1 − = Keterangan: RFI = Relative Fit Index F h = Nilai minimum F dari model yang dihipotesiskan F i = Nilai minimum F dari model nullindependence Kriteria validitas yang digunakan adalah Relative Fit Index. Jika RFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan RFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 4 akan dikerjakan dengan bantuan LISREL. h df i nF h nF i nF IFI − − = Keterangan: IFI = Incremental Fit Index df h = degree of freedom dari model yang dihipotesiskan F h = Nilai minimum F dari model yang dihipotesiskan F i = Nilai minimum F dari model nullindependence Kriteria validitas yang digunakan adalah Incremental Fit Index. Jika IFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan IFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 4 akan dikerjakan dengan bantuan LISREL. 2 1 1 ι ι − = CFI , max 1 h ι ι = , max 2 i h ι ι ι = [ ] h df h F n h − − = 1 ι [ ] i df i F n i − − = 1 ι Keterangan: CFI = Comparative Fit Index Kriteria validitas yang digunakan adalah Comparative Fit Index. Jika CFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan CFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 4 akan dikerjakan dengan bantuan LISREL. e. Pengujian Hipotesis Kelima H 5 1. Rumusan Hipotesis kelima H 5 Ho: tidak ada hubungan yang signifikan antara kebiasaan siswa dalam belajar akuntansi dengan prestasi belajar akuntansi siswa. H 5 : ada hubungan yang signifikan antara kebiasaan siswa dalam belajar akuntansi dengan prestasi belajar akuntansi siswa. 2. Pengujian Signifikansi ∑ − = θ χ , 1 2 S F n Keterangan: χ 2 = Chi-square S = matrik kovarian sampel n = jumlah sampel Σ θ = matrik kovarian model Kriteria validitas yang digunakan adalah chi-square. Jika χ 2 rendah dan significance level lebih besar atau sama dengan 0.05, berarti variabel bebas secara bersama-sama berhubungan secara signifikan terhadap variabel tidak bebas. Jika χ 2 besar dan significance level lebih kecil dari 0.05, berarti variabel bebas secara bersama-sama tidak berhubungan secara signifikan terhadap variabel tidak bebas. Pengujian hipotesis H 5 akan dikerjakan dengan bantuan LISREL. O F F GFI Λ − = 1 Keterangan: GFI = Goodness-of-Fit Index F o = Nilai minimum dari F, ketika tidak ada model yang dihipotesiskan F = Nilai minimum dari F untuk model yang dihipotesiskan Kriteria validitas yang digunakan adalah Goodness-of-Fit Index. Jika GFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan GFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 5 akan dikerjakan dengan bantuan LISREL. df NCP − = 2 χ Keterangan: NCP = Non-Centrality Parameter χ 2 = Chi-Square df = degree of freedom Kriteria validitas yang digunakan adalah Non-Centrality Parameter. Jika NCP semakin besar merupakan badness of fit kecocokan yang buruk, sedangkan NCP yang nilainya kecilrendah. Pengujian hipotesis H 5 akan dikerjakan dengan bantuan LISREL. Kriteria validitas yang digunakan adalah Root Mean Square Residual RMR. RMR mewakili nilai rerata residual yang diperoleh dari mencocokkan matrik varian-kovarian dari model yang dihipotesiskan dengan matrik varian-kovarian dari data sampel. Jika RMR lebih besar 0,05 merupakan badness fit kecocokan yang buruk, sedangkan RMR lebih kecil atau sama dengan 0,05 merupakan good fit. Pengujian hipotesis H 5 akan dikerjakan dengan bantuan LISREL. df O F RMSEA ∧ = ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ − − ∧ = ∧ , 1 n df F Max O F Keterangan: RMSEA = Root Mean Square Error of Approximation Kriteria validitas yang digunakan adalah Root Mean Square Error of Approximation. Jika RMSEA lebih kecil atau sama dengan 0.05 merupakan close fit, jika RMSEA antara 0.05 sampai 0.08 merupakan good fit, dan jika RMSEA antara 0.08 ssampai 0.10 merupakan mediocre marginal fit, sedangkan nilai RMSEA lebih besar dari 0.10 merupakan poor fit. Pengujian hipotesis H 5 akan dikerjakan dengan bantuan LISREL. 1 2 − + = ∧ n q F ECVI Keterangan: ECVI = Expected Cross-Validation Index n = Ukuran Sampel q = Jumlah parameter yang diestimasi Kriteria validitas yang digunakan adalah Expected Cross- Validation Index. Jika ECVI memiliki nilai yang kecil dan dekat dengan ECVI saturated =0.045. Pengujian hipotesis H 5 akan dikerjakan dengan bantuan LISREL. GFI h df o df AGFI − − = 1 1 GFI h df P AGFI − − = 1 1 Keterangan: AGFI = Adjusted Goodness-of-Fit Index df o = degree of freedom dari tidak ada model = P df h = degree of freedom dari model yang dihipotesiskan P = jumlah varian dan kovarian dari variabel teramati Kriteria validitas yang digunakan adalah Adjusted Goodness- of-Fit Index. Jika AGFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan AGFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 5 akan dikerjakan dengan bantuan LISREL. 1 2 2 2 − − = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ i df i h df h i df i NNFI TLI χ χ χ Keterangan: TLINNFI = Tucker-Lewis Index Non Normed Fit Index df i = degree of freedom dari null model df h = degree of freedom dari model yang dihipotesiskan χ i 2 = chi square dari nullindependence model χ h 2 = chi square dari model yang dihipotesiskan Kriteria validitas yang digunakan adalah Tucker-Lewis Index atau Non Normed Fit Index. Jika TLINNFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan TLINNFI antara 0.80 dan 0.90 merupakan marginal fit . Pengujian hipotesis H 5 akan dikerjakan dengan bantuan LISREL. 2 2 2 i h i NFI χ χ χ − = Keterangan: NFI = Normed Fit Index χ i 2 = chi square dari nullindependence model χ h 2 = chi square dari model yang dihipotesiskan Kriteria validitas yang digunakan adalah Normed Fit Index. Jika NFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan NFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 5 akan dikerjakan dengan bantuan LISREL. i df i F h df h F RFI 1 − = Keterangan: RFI = Relative Fit Index F h = Nilai minimum F dari model yang dihipotesiskan F i = Nilai minimum F dari model nullindependence Kriteria validitas yang digunakan adalah Relative Fit Index. Jika RFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan RFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 5 akan dikerjakan dengan bantuan LISREL. h df i nF h nF i nF IFI − − = Keterangan: IFI = Incremental Fit Index df h = degree of freedom dari model yang dihipotesiskan F h = Nilai minimum F dari model yang dihipotesiskan F i = Nilai minimum F dari model nullindependence Kriteria validitas yang digunakan adalah Incremental Fit Index. Jika IFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan IFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 5 akan dikerjakan dengan bantuan LISREL. 2 1 1 ι ι − = CFI , max 1 h ι ι = , max 2 i h ι ι ι = [ ] h df h F n h − − = 1 ι [ ] i df i F n i − − = 1 ι Keterangan: CFI = Comparative Fit Index Kriteria validitas yang digunakan adalah Comparative Fit Index. Jika CFI lebih besar atau sama dengan 0.90 merupakan good fit kecocokan yang baik, sedangkan CFI antara 0.80 dan 0.90 merupakan marginal fit. Pengujian hipotesis H 5 akan dikerjakan dengan bantuan LISREL. 90

BAB IV HASIL TEMUAN LAPANGAN