Pada tabel tersebut nilai total pola tidur mahasiswa sebanyak 91 orang dengan 13 soal dari skala Linkert minimum adalah 17, sedangkan maksimumnya
adalah 42 dengan rata-rata nilai total 29.45.
3. Tingkat Stres Mahasiswa
Berdasarkan data mengenai tingkat mahasiswa, dapat dibuat tabel distribusi frekuensi sebagai berikut :
Tabel 4.8 Distribusi frekuensi tingkat stres mahasiswa
NO RENTANG
KATEGORI FREKUENSI
PROSENTASE
1 57
– 76 Tinggi
25 27.5
2 38 - 56
Sedang 65
71.4 3
38 Rendah
1 1.1
Jumlah 91
100
Berdasarkan tabel distribusi frekuensi tersebut di atas diketahui bahwa nilai rentang 38-56 merupakan frekuensi tertinggi yaitu 71.4, sehingga rata-rata
tingkat stres mahasiswa tergolong sedang. Tabel tersebut dalam diagram lingkaran piechart tergambar sesuai pada
gambar 4.3 sebagai berikut :
Sedang 71.4
Tinggi 27.5
Rendah 1.1
commit to user
Adapun deskripsi data untuk tingkat stres nilai minimum, maksimum dan rata-rata seperti tampak pada tabel di bawah ini :
Tabel 4.9. Deskripsi data tingkat stres Variabel
Jumlah sampel n
Nilai Minimum
Nilai Maksimum
Nilai Rata- rata
Standar deviasi
Intensitas Olahraga
91 26
62 41.21
7.92 Pada tabel tersebut nilai total tingkat stres mahasiswa sebanyak 91 orang
dengan 19 soal dari skala Linkert minimum adalah 26, sedangkan maksimumnya adalah 62 dengan rata-rata nilai total 41.21.
3. Analisis Data
Sehubungan dengan perumusan masalah dan hipotesis yang diajukan sebagaimana diuraikan pada bagian sebelumnya, maka dapat dijelaskan bahwa
variabel-variabel yang mempengaruhi tingkat stres adalah intensitas olahraga X1 dan pola tidur X2. Dalam penelitian ini variabel terikatnya adalah tingkat stres
yaitu variabel Y. a. Hasil uji Prasyarat
1. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah model regresi variabel
terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak Ghozali, 2009. Berdasarkan salah satu hasil uji Kolmogorov-
Smirnov cara untuk melakukan uji normalitas data dengan hipotesis : Ho = Skor pengkuran berdistribusi normal
Ha = Skor pengukuran tidak berdistribusi normal perpustakaan.uns.ac.id
commit to user
Kriteria yang digunakan adalah Ho diterima apabila nilai signifikansi lebih dari 0,05. Perhitungan analisis Kolmogorov-Smirnov menggunakan
bantuan program SPSS for windows terhadap residual regresi diperoleh hasil sebagai berikut :
Tabel 4.10. Hasil Uji Normalitas Data
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 91
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 8.09173898
Most Extreme Differences Absolute
.059 Positive
.059 Negative
-.045 Kolmogorov-Smirnov Z
.564 Asymp. Sig. 2-tailed
.908 Sumber : hasil analisis spss Juni 2014
Dari tabel diatas menunjukkan bahwa data penelitian dari variabel intensitas olahraga, pola tidur dan tingkat stres berdistribusi normal, hal ini
terlihat dari nilai Asymp.sig. 0,908 lebih besar dari 0,05. 2 Uji Linieritas
Uji ini dilakukan untuk mengetahui apakah hubungan antar variabel yang diteliti bersifat linier atau tidak. Uji linieritas menggunakan uji F dengan bantuan
program komputer SPSS for windows. Hipotesis yang digunakan untuk menguji linieritas garis regresi dinyatakan sebagai berikut :
Ho = Model regresi berbentu linier Ha = Model regresi berbentuk non linier
commit to user
Kriteria yang digunakan adalah Ho diterima apabila nilai signifikansinya lebih dari 0,05 . Uji linieritas ini dilihat sebagai berikut :
Tabel 4.11. Hasil Uji Linieritas Hubungan Intensitas Olahraga dan Pola Tidur dengan Tingkat Stres
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
1958.266 2
979.133 21.526
.000
a
Residual 4002.767
88 45.486
Total 5961.033
90 a. Predictors: Constant, Pola Tidur, Intensitas Olahraga
b. Dependent Variable: Tingkat Stres
Sumber : hasil analisis spss juni 2014 Berdasarkan tabel diatas dapat diketahui bahwa nilai signifikansi pada
liniearity sebesar 0,000 untuk semua variabel. Karena signifikansi kurang dari 0,05 maka terdapat hubungan yang linier antara intensitas olahraga dan pola tidur
denga tingkat stres. Maka asumsi linieritas telah terpenuhi. 3 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah regresi ditemukan adanya korelasi antar variabel bebas independen. Menguji adanya
multikolinieritas dapat dilihat dari nilai VIF Variance Inflation Factor. Jika nilai VIF lebih kecil dari 10, maka variabel terebut tidak memiliki persoalan dengan
multikolinieritas. Hipotesis yang digunakan untuk menguji multkolinieritas dinyatakan sebagai berikut :
commit to user
Tabel 4.12. Hasil Uji Multikolinieritas Hubungan Intensitas Olahraga dan Pola Tidur dengan Tingkat Stres
Hasil perhitungan multikolinieritas dengan melihat nilai VIF, dapat diketahui bahwa untuk semua variabel mmempunyai nilai dibawah angka 10,
sehingga hasil uji multikolinieritas menunjukkan tidak adanya multikolinieritas antar variabel bebas.
4 Uji Hipotesis a Hubungan antara intensitas olahraga dan tingkat stres
Tabel 4.13. Hasil Uji Product Moment Hubungan Intensitas Olahraga dan Tingkat Stres
Correlations
intensitas olahraga
tingkat stres intensitas olahraga
Pearson Correlation 1
-.070 Sig. 2-tailed
.510
Sum of Squares and Cross- products
3153.758 -295.055
Covariance 35.042
-3.278 N
91 91
tingkat stres Pearson Correlation
-.070 1
Sig. 2-tailed .510
Sum of Squares and Cross- products
-295.055 5645.033
Covariance -3.278
62.723 N
91 91
Sumber : hasil analisis spss Juni 2014
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 1.278
.377 3.387
.001 intensitas
Olahraga 1 -.007
.096 -.007 -.071
.943 .994
1.006 Pola Tidur 1
.501 .159
.319 3.152 .002
.994 1.006
Sumber : hasil analisis spss Juni 2014
commit to user
Dari tabel diatas berdasarkan analisis uji Product Moment diatas diperoleh p = 0.510, hal ini menunjukkan p 0.05 sehingga Ho diterima. Dengan demikian
dapat simpulkan bahwa tidak ada hubungan antara variabel intensitas olahraga dengan tingkat stres.
b Hubungan antara pola tidur dan tingkat stres Tabel 4.14. Hasil Uji Product Moment Pola Tidur dan Tingkat Stres
Correlations
tingkat stres pola tidur
tingkat stres Pearson Correlation
1 .543
Sig. 2-tailed .000
Sum of Squares and Cross- products
5645.033 1825.440
Covariance 62.723
20.283 N
91 91
pola tidur Pearson Correlation
.543 1
Sig. 2-tailed .000
Sum of Squares and Cross- products
1825.440 2004.527
Covariance 20.283
22.273 N
91 91
Sumber : hasil analisis spss Juni 2014 Dari tabel diatas berdasarkan analisis uji Product Moment diatas diperoleh p
= 0.000, hal ini menunjukkan p 0.05 sehingga Ho ditolak. Dengan demikian dapat simpulkan bahwa ada hubungan antara variabel pola tidur dengan tingkat
stres serta memiliki hubungan yang sedang terlihat dari pearson corelation yang berada diantara 0,34
– 0,66. c Hubungan intensitas olahraga dan pola tidur dengan tingkat stres
Tabel 4.15. Hasil uji Regresi Linier Berganda untuk mengetahui hubungan intensitas olahraga dan pola tidur dengan tingkat stres.
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
commit to user
1 Regression
1958.266 2
979.133 21.526
.000
a
Residual 4002.767
88 45.486
Total 5961.033
90 a. Predictors: Constant, Pola Tidur, Intensitas Olahraga
b. Dependent Variable: Tingkat Stres
Sumber: analisis spss juni 2014 Berdasarkan tabel diatas dapat diketahui bahwa nilai signifikansi pada
liniearity sebesar 0,000 untuk semua variabel. Karena signifikansi kurang dari 0.05 artinya Ho ditolak terdapat hubungan intensitas olahraga dan pola tidur
dengan tingkat stres. Tabel 4.16. Hasil uji Regresi Linier Berganda pada Anova untuk mengetahui
hubungan intensitas olahraga dan pola tidur dengan tingkat stres.
Dari tabel diatas angka R Square sebesar 0,315 atau 31,5. Hal ini menunjukkan bahwa intensitas olahraga dan pola tidur mempunyai hubungan
sebesar 31,5 dengan tingkat stres sedangkan sisanya 68,5 dipengaruhi variabel lain diluar penelitian.
Tabel 4.17. Hasil uji Regresi Linier Berganda pada Coefficient untuk mengetahui hubungan intensitas olahraga dan pola tidur dengan tingkat stres.
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta
Model Summary
b
Model R
R Square Adjusted R Square
Change Statistics R Square Change
Sig. F Change 1
.562
a
.315 .300
.315 .000
commit to user
1 Constant
20.709 5.856
3.537 .001
intensitas olahraga -.196
.119 -.146
-1.642 .104
pola tidur .944
.149 .562
6.319 .000
a. Dependent Variable: tingkat stres
Sumber : hasil analisis spss juni 2014
Berdasarkan hasil perhitungan tersebut diatas, diperoleh persamaan regresi linier berganda yang signifikan sebagai berikut :
Y = 20.709 + -0,196 X1 + 0,944 X2
Dimana : Y = Tingkat Stres
X1= Intensitas Olahraga X2= Pola Tidur
Konstanta a yang dihasilkan sebesar 20.704 menunjukkan bahwa tingkat stres Y sebesar 20.704 satu-satuan jika variabel intensitas olahraga X1 dan
pola tidur X2, bernilai konstan. Variabel intensitas olahraga mempunyai nilai sebesar -0,196 artinya nilai
tersebut bernilai dibawah nol, sehingga bernilai negatif. Tanda negatif menunjukkan bahwa intensitas olahraga erpengaruh negatif terhadap tingkat stres.
Variabel pola tidur mempunyai nilai sebesar 0.944 artinya apabila variabel pola tidur naik satu satuan akan menambah tingkat stres sebesar 0.944 satuan, jika
variabel yang lain dianggap konstan. Tanda positif menunjukkan bahwa pola tidur memiliki pengaruh positif terhadap tingkat stres.
Tabel 4.18. Perhitungan Sumbangan Efektif dan Relatif
Komponen B
Cross Product
Regresi Sumb Efektif
Total
Intensitas Olahraga -0.196 -295
1780 31.5
Pola Tidur 0.944
1825 Sumber : hasil analisis spss juni 2014
commit to user
SE
xi
= bxi.crossproduct.R
2
Regression SE
Intensitas Olahraga
= -0.196 x -295 x 31.5 1780 x 100 = 10.23 SE
Pola Tidur
= 0.944 x 1825 x 31.5 1780 x 100= 30.48 SR
Intensitas Olahraga
= SE
Intensitas Olahraga
R
2
= 10.2331.5 = 20 SR
Pola Tidur
= SE
Pola Tidur
R
2
= 30.48 31.5 = 80
Kesimpulan dari perhitungan diatas adalah sumbangan efektif intensitas olahraga terhadap tingkat stres adalah 10.23 serta sumbangan relatif 20 dan
sumbangan efektif pola tidur terhadap tingkat stres adalah 30.48 serta sumbangan relative 80.
B. Pembahasan