informasi atau mengirimkan tugas yang bersangkutan dengan mata pelajaran.
Berikut adalah tabel hasil perhitungan distribusi frekuensi mengenai pemanfaatan teknologi informasi oleh siswa kelas XI IPS
dengan bantuan program SPSS versi 22.
Tabel IV. 9 Frekuensi Pemanfaatan Teknologi Informasi oleh Siswa
Sumber: data diolah, 2014 Berdasarkan tabel di atas diketahui siswa yang memiliki tingkat
pemanfaatan teknologi informasi yang rendah berjumlah 8 siswa atau sebesar 12,7. Sedangkan siswa yang memiliki tingkat pemanfaatan
teknologi informasi sedang yaitu berjumlah 48 siswa atau sebesar 76,2.
Siswa yang menyatakan pemanfaatan teknologi informasi tinggi berjumlah 7 siswa atau sebesar 11,1. Jadi, dapat disimpulkan
sebagian besar siswa kelas XI IPS SMA Negeri 6 Yogyakarta memiliki pemanfaatan teknologi informasi sedang yang berarti siswa
tidak memanfaatkan teknologi informasi setiap kali belajar atau
Frequency Percent
Valid Percent Cumulative
Percent Valid
Rendah 8
12.7 12.7
12.7 Sedang
48 76.2
76.2 88.9
Tinggi 7
11.1 11.1
100.0 Total
63 100.0
100.0
menyelesaikan tugas tetapi kadang-kadang memanfaatkannya untuk belajar atau menyelesaikan tugas ekonomi.
5. Deskripsi Data tentang Kedisiplinan Belajar Siswa
Kedisiplinan belajar yang dimaksud adalah ketaatan siswa dalam mengikuti ketentuan yang berlaku untuk menjalankan aktivitas
belajarnya baik di rumah maupun di sekolah. Indikator dalam variabel ini adalah frekuensi mengatur jadwal belajar di rumah, frekuensi
kehadiran siswa dalam mengikuti pelajaran, frekuensi ketepatan waktu dalam mengikuti pelajaran, dan frekuensi ketepatan waktu dalam
mengumpulkan tugas. Berikut adalah tabel hasil perhitungan distribusi frekuensi
mengenai kedisiplinan belajar siswa kelas XI IPS dengan bantuan program SPSS versi 22.
Tabel IV.10 Frekuensi Kedisiplinan Belajar Siswa
Frequency Percent
Valid Percent Cumulative
Percent Valid
Rendah 12
19.0 19.0
19.0 Sedang
44 69.8
69.8 88.9
Tinggi 7
11.1 11.1
100.0 Total
63 100.0
100.0
Sumber: data diolah, 2014 Berdasarkan tabel di atas dapat diketahui bahwa kedisiplinan
belajar siswa rendah yaitu berjumlah 12 siswa atau sebesar 19,0 Kedisiplinan belajar siswa sedang berjumlah 44 siswa atau 69,8.
Sedangkan siswa yang memiliki kedisiplinan belajar tinggi berjumlah 7 siswa atau sebesar 11,1. Sehingga dapat disimpulkan bahwa
sebagian besar responden memiliki kedisiplinan belajar sedang yang berarti siswa tidak selalu mengikuti ketentuan yang berlaku untuk
menjalankan aktivitas belajarnya baik di rumah maupun di sekolah tetapi kadang-kadang siswa juga dapat mengikuti ketentuan tersebut.
6. Deskripsi Data tentang Hasil Belajar Siswa
Hasil belajar yang dimaksud adalah nilai rapor semester 2 siswa pada mata pelajaran ekonomi. Indikator dalam variabel ini adalah nilai
rapor semester 2 siswa pada mata pelajaran ekonomi tahun ajaran 20132014.
Tabel IV.11 Frekuensi Hasil Belajar siswa
Frequency Percent
Valid Percent Cumulative
Percent Valid
Rendah 5
7.9 7.9
7.9 Sedang
32 50.8
50.8 58.7
Tinggi 26
41.3 41.3
100.0 Total
63 100.0
100.0
Sumber: data diolah, 2014 Berdasarkan tabel di atas dapat diketahui bahwa hasil belajar
siswa yang berada ditingkat rendah yaitu berjumlah 5 siswa atau 7,9. Sedangkan jumlah responden yang memiliki hasil belajar
sedang berjumlah 32 siswa atau sebesar 50,8 dan siswa yang memiliki hasil belajar tinggi yaitu berjumlah 26 siswa atau sebesar
41,3. Hal tersebut berarti sebagian besar siswa memiliki hasil belajar yang sedang, tidak terlalu tinggi, dan tidak terlalu rendah.
C. Analisis Data
1. Pengujian Prasyarat
a. Uji Normalitas
Uji asumsi normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal atau tidak. Jika nilai asymtot memiliki signifikansi lebih dari = 0,05 maka distribusi dapat dikatakan
normal, dan jika nilai asymtot memiliki signifikansi lebih kecil dari = 0,05 berarti distribusi tersebut tidak normal.
Dalam penelitian ini, uji normalitas dilakukan dengan menggunakan uji kolmogorof-smirnov dengan tingkat kepercayaan
5 atau 0,05. Jika signifikansi 0,05 maka regresi yang digunakan memiliki data residual yang berdistribusi normal.
Untuk menguji normalitas data dalam penelitian ini menggunakan bantuan program SPSS versi 22. Berikut adalah tabel
hasil uji normalitas.
Tabel IV.12
One-Sample Kolmogorov-Smirnov Test
Fasilitas Belajar
Siswa Pemanfaatan
Teknologi Informasi oleh
Siswa Kedisiplinan
Belajar Siswa
N 63
63 63
Normal Parameters
a,b
Mean 7.02
18.41 26.32
Std. Deviation 1.896
2.803 3.839
Most Extreme
Differences Absolute
.206 .131
.110 Positive
.148 .131
.064 Negative
-.206 -.108
-.110 Test Statistic
.206 .131
.110 Asymp. Sig. 2-tailed
.000
c
.009
c
.055
c
Sumber: data diolah, 2014
Dari output diatas, dapat diketahui bahwa nilai signifikansi Asymp. Sig 2-tailed fasilitas belajar X1 sebesar 0,000
c
, pemanfaatan teknologi informasi X2 sebesar 0,009
c
, kedisiplinan belajar X3 sebesar 0,055
c
. Apabila dibandingkan dengan signifikansi 0,05 maka dapat disimpulkan bahwa residual
berdistribusi tidak normal. b.
Uji Linieritas Uji linearitas bertujuan mengetahui apakah masing-masing
variabel bebas mempunyai hubungan linier atau tidak dengan variabel terikatnya. Hasil uji linearitas dapat dilihat dari tabel
berikut ini:
Tabel IV.13 Hasil Uji Linearitas
No. Variabel
Sig. Deviation from Linearity
Kesimpulan
1 Fasilitas Belajar
0,558 Linier, karena
nilai signifikansi 0,558 0,05
2 Pemanfaatan
Teknologi Informasi
0,290 Linier, karena
nilai signifikansi 0,290 0,05
3 Kedisiplinan
Belajar 0,057
Linier, karena nilai signifikansi
0,057 0,05 Sumber: data diolah, 2014
Pada tabel ANOVA diketahui nilai signifikansi Deviation from Linearity pada variabel status sosial ekonomi sebesar 0,558.
Apabila dibandingkan dengan signifikansi 0,05 maka dapat disimpulkan bahwa hubungan antara variabel fasilitas belajar
dengan hasil belajar ekonomi dinyatakan linier. Pada variabel pemanfaatan teknologi informasi diketahui
nilai signifikansi Deviation from Linearity sebesar 0,290. Apabila dibandingkan dengan signifikansi 0,05 maka dapat disimpulkan
bahwa hubungan antara variabel pemanfaatan teknologi informasi dengan hasil belajar ekonomi dinyatakan linier.
Begitu juga pada variabel kedisiplinan belajar, diketahui nilai signifikansi Deviation from Linearity sebesar 0,057. Apabila
dibandingkan dengan signifikansi 0,05 maka dapat disimpulkan bahwa hubungan antara variabel kedisiplinan belajar dengan hasil
belajar ekonomi pemberdayaan ekonomi dinyatakan linier.
2. Pengujian Asumsi Klasik
a. Uji Multikolinieritas
Multikolinieritas merupakan suatu perselingkuhan atau hubungan antara variabel bebas yang satu dengan yang lain.
Dalam hal ini variabel tersebut disebut variabel yang bersifat tidak ortogonal. Variabel yang bersifat tidak ortogonal tersebut
merupakan variabel bebas yang korelasinya tidak sama dengan nol.
Untuk mendeteksi masalah multikolinieritas
dapat menggunakan rumus korelasi. Adapun rumus korelasi sebagai
berikut Sugiyono, 2010:
Selanjutnya dengan program SPSS diadakan analisa collinerity statistics. Dari analisis collinerity statistics akan
memperoleh VIF Variance Inflation Factor. Dasar analisis yang digunakan yaitu jika tolerance lebih dari 0,1 dan VIF kurang dari
5 maka tidak terjadi masalah multikolinieritas. Hasil dari uji multikolinearitas sebagai berikut:
Tabel IV.14 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
Fasilitas Belajar Siswa .897
1.115 Pemanfaatan Teknologi
Informasi oleh Siswa .932
1.073 Kedisiplinan Belajar Siswa
.845 1.183
Sumber: data diolah, 2014 Berdasarkan output di atas, dapat diketahui bahwa nilai
tolerance dari ketiga variabel yaitu: fasilitas belajar 0,897, pemanfaatan teknologi informasi 0,932 dan kedisiplinan belajar
0,845 lebih besar dari 0,1. Sedangkan nilai VIF dari ketiga variabel tersebut pun lebih dari 5. VIF dari ketiga variabel yaitu:
fasilitas belajar 1,115, pemanfaatan teknologi informasi 1,073 dan kedisiplinan belajar 1,183. Maka dapat dikatakan nilai VIF
5 sehingga dapat disimpulkan bahwa dalam model regresi tidak terjadi masalah multikolinearitas.
b. Uji Heteroskedastisitas
Heteroskedastisitas adalah suatu keadaan dimana varians dari kesalahan pengganggu tidak konstan untuk suatu variabel
bebas. Untuk
mendeteksi ada
tidaknya masalah
heteroskedastisitas digunakan
uji Glejser
dengan cara