55
Untuk mengetahui tingkat kriteria tersebut, selanjutnya skor yang diperoleh dalam dengan analisis deskriptif presentase dikonsultasikan dengan
tabel kriteria. Dengan demikian tabel klasifikasi deskriptif presentase untuk variabel motivasi belajar dan variasi gaya mengajar dapat dilihat pada Tabel 3.4
sebagai berikut:
Tabel 3.4 Interval Motivasi Belajar Siswa dan Variasi Gaya Mengajar Guru
Interval Kategori
Motivasi Belajar Variasi Gaya Mengajar
84,0 100 Sangat tinggi
Sangat baik
68,0 84,0
Tinggi Baik
52,0 68,0
Cukup Cukup baik
36,0 52,0
Rendah Kurang baik
20,0 36,0
Sangat rendah Tidak baik
Sedang tabel kategori untuk prestasi belajar dapat dilihat pada tabel 3.5
sebagai berikut:
Tabel 3.5 Interval Prestasi Belajar
Kategori Nilai
Tuntas 65
Tidak Tuntas 65
Jumlah
3.7.2 Analisis Regresi
3.7.2.1 Uji Asumsi klasik
3.7.2.1.1 Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dua model regresi variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak.
56
Model regresi yang baik adalah yang memiliki distribusi normal atau mendekati normal. Normalitas pada prinsipnya dapat dideteksi dengan melihat penyebaran
data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya.
Salah satu cara yang digunakan untuk menguji normalitas adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari
distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan plotting data akan dibandingkan dengan garis diagonal. Jika distribusi data
adalah normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2005: 74.
Uji normalitas dapat juga menggunakan One Sample Kolmogorov- Smirnov Test dengan program SPSS. Diantaranya adalah sampel yang akan
dipakai untuk analisis haruslah berasal dari populasi yang berdistribusi normal dengan tingkat signifikansi
α = 5 0,05, jika signifikansi 0,05 maka distribusi data dapat dikatakan tidak normal. Sebaliknya jika signifikansi 0,05 maka
distribusi data dapat dikatakan normal.
3.7.2.1.2 Uji Multikolinieritas
Salah satu asumsi klasik adalah tidak terjadinya multikolinieritas diantara variabel-variabel bebas yang berada dalam satu model. Multikolinieritas artinya
antar variabel independen yang terdapat dalam model memiliki hubungan yang sempurna atau mendekati sempurna. Apabila terjadi multikolinieritas berarti
antara variabel bebas saling berkorelasi sehingga dalam hal ini sulit diketahui variabel bebas mana yang mempunyai pengaruh variabel terikat.
57
Mengetahui terjadi atau tidaknya multikolinieritas dapat dilihat dengan menggunakan SPSS. Apabila dari hasil SPSS diperoleh nilai VIF 10 maka dapat
disimpulkan terjadi multikolinieritas. Dapat pula dideteksi dengan melihat nilai tolerance
masing-masing variabel bebas di atas 0,1 maka disimpulkan tidak mengandung multikolineritas.
3.7.2.1.3 Uji Heteroskedastisitas
