45
Tabel 3.6 Kategori Jawaban untuk Analisis Diskriptif Skala Kategori
Keterangan Kategori
204 – 240
Sangat Tinggi 168
– 203,9 Tinggi
132 – 167,9
Sedang 96
– 131,9 Rendah
60 – 95,9
Sangat Rendah 3.8.2 Uji Asumsi Klasik
3.8.2.1 Uji Normalitas
Tujuan dari uji normalitas adalah untuk menentukan apakah variabel berdistribusi normal atau tidak. Model regresi yang baik adalah memiliki
distribusi data normal atau mendekati normal. Pengujian normalitas dapat dilihat dari grafik probability plot. Apabila variabel berdistribusi normal, maka penyebab
plot akan berada disekitar dan disepanjang garis 45 derajat. Uji normalitas bertujuan untuk menguji apakah dalam model regresi,
variabel pengganggu atau residual memiliki distribusi normal. Ada dua cara yang dapat digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak
yaitu dengan analisis grafik dan uji statistik. Untuk melihat normalitas residual penulis menganalisis grafik histogram yang membandingkan antara data observasi
dengan distribusi yang mendekati distribusi normal an juga menganalisis probability plot yang membandingkan distribusi kumulatif dari distribusi normal
Ghozali,2006:74.
46
3.8.2.2 Uji Multikolinieritas
Uji multikolinieritas diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu
model. Deteksi multikolinieritas pada suatu model dapat dilihat dari beberapa hal,
antara lain : a. Jika nilai variance inflation faktor VIF tidak lebih dari 10 dan nilai
tolerance tidak kurang dari 0,1 maka dapat dikatakan bebas dari multikolinieritas.
b. Jika nilai koefisien korelasi antar masing-masing variabel independen kurang dari 0,70 maka model dapat dinyatakan bebas dari asumsi klasik
multikolinieritas. c. Jika nilai koefisien determinan, baik dilihat dari R
2
maupun R square diatas 0,60 namun tidak ada variabel independen yang berpengaruh terhadap variabel
dependen maka ditengarai model terkena multikolinieritas.
3.8.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi ketidaksamaan varian dari residual pengamatan ke pengamatan yang lain.
Jika varian dari residual pengamatan yang lain tetap maka disebut Homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model adalah dapat dilihat dari pola gambar scatterplot model tersebut. Analisis pada
47
gambar scatterplot yang menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas jika :
a. Titik-titik data menyebar diatas dan di bawah atau menyebar disekitar angka nol 0.
b. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja. c. Penyebaran titik data tidak boleh membentuk pola bergelombang melebar
kemudian menyempit dan melebar kembali. d. Penyebaran titik-titik data sebaiknya tidak berpola.
3.8.3 Analisis Regresi Linear Berganda
Analisis data dilakukan setelah data terkumpul. Proses analisis data merupakan usaha untuk memperoleh jawaban permasalahan penelitian. Analisis
data yang dapat digunakan dalam penelitian ini adalah analisis regresi ganda. Sugiono dan Eri Wibowo 2012: 205 “analisis regresi ganda adalah analisis yang
digunakan oleh peneliti bila peneliti bermaksud meneliti dengan menggunakan variabel independen yang diteliti berjumlah mini
mal dua”. Rumus analisis tersebut adalah sebagai berikut:
Keterangan: X1 = Peranan sumber belajar.
X2 = Motivasi belajar. Y = Prestasi belajar.
a = Konstanta. b = Koefisien regresi.
e = Faktor lain di luar rancangan.
48
Dalam penelitian ini untuk melakukan pembuktian hipotesis dilakukan dengan:
Uji t
Menurut Ridwan dan Sunarto 2009: 116 “analisis perbandingan suatu variabel bebas dikenal Uji t atau ttes. Tujuan Uji t adalah untuk mengetahui
perbedaan variabel yang dihipotesakan“. Dapat dikatakan pula uji ini digunakan untuk mengetahui apakah dalam model regresi variabel independen
X1,X2,…Xn secara parsial berpengaruh signifikan terhadap variabel dependen Y. Dalam penelitian ini taraf signifikansi yang digunakan ialah sebesar 5 atau
0,05. Perhitungan uji t menggunakan rumus: Di mana :
Bi = Koefisien regresi variabel. Se = Standar error kesalahan standar koefisien regresi variable bi.
βi = Koefisien betaparameter ke I yang dihipotesakan.
Setelah dilakukan analisis dan diketahui hasil perhitungannya, maka langkah selanjutnya adalah membandingkan nilai thitung dengan ttabel.
Kemudian untuk menarik kesimpulan apakah hipotesis nol diterima atau ditolak digunakan criteria pengujian sebagai berikut:
a. Apabila thitung, -ttabel atau thitung ttabel maka Ha diterima dan Ho ditolak, yang berarti terdapat pengaruh yang signifikan antara sumber belajar
dan motivasi belajar secara parsial terhadap prestasi belajar siswa kelas VIII SMP Negeri 2 Gajah.
b. Apabila thitung, ttabel atau thitung -ttabel maka Ho diterima dan Ha ditolak, yang berarti tidak terdapat pengaruh yang signifikan antara sumber
49
belajar dan motivasi belajar secara parsial terhadap prestasi belajar ekonomi kelas kelas VIII SMP Negeri 2 Gajah.
Uji F
Untuk membuktikan kebenaran hipotesis secara keseluruhan atau simultan, maka dilakukan uji F, yaitu untuk mengetahui pengaruh variabel bebas
X1,X2,…Xn yang terdapat dalam model secara bersama-sama atau simultan yang signifikan terhadap variabel terikat Y. Atau untuk mengetahui apakah
model regresi dapat digunakan untuk memprediksi variabel dependen atau tidak. Perhitungan uji F menggunakan rumus sebagai berikut:
Keterangan: R
2
= Koefisien determinasi. k = Jumlah variabel bebas.
n = Jumlah sampel.
Dari hasil analisis dan perhitungannya, maka langkah selanjutnya adalah membandingkan nilai Fhitung dengan Ftabel atau menggunakan kriteria
pengujian: a. Nilai Fhitung Ftabel, berarti menerima Ho dan menolak Ha yang artinya
