Tabel 4.11 Distribusi Jawaban Responden Pada Indikator sistem reward bagi siswa
No Interval
Kriteria Frekuensi Persentase
Rata-Rata 1
85-100 Sangat Tinggi
35 36
75 2
69-84 Tinggi
28 29
3 53-68
Cukup 33
34 4
37-52 Rendah
1 1
5 20-36
Sangat Rendah Jumlah
97 100
T Sumber: Hasil pengolahan data penelitian tahun 2013
Berdasarkan tabel di atas menunjukkan bahwa paling banyak responden menyatakan iklim sekolah melalui sistem reward bagi siswa dalam
kategori sangat tinggi sebesar 36 kemudian kategori tinggi yaitu sebesar 29, kategori cukup sebesar 34, kategori rendah sebesar 1 dan kategori
sangat rendah sebesar 0.
4.1.1.3 Deskriptif Variabel hasil belajar Y Tabel 4.12
Deskriptif Variabel hasil belajar
No. Interval
Kriteria Siswa
1 ≥ 75
Tuntas 32
32,98 2
75 Tidak Tuntas
65 67,02
Jumlah 97
100
4.1.2 Uji Asumsi Klasik
4.1.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau
tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Pada prinsipnya normalitas dapat dideteksi dengan melihat
penyebaran data atau titik pada sumbu diagonal dari grafik atau dengan melihat histogram dan residualnya.
Pengujian normalitas dapat dilakukan dengan menggunakan rumus Kolmogorov-Smirnov dan grafik P-P Plot dengan bantuan SPSS 16.00 for
windows. Dasar pengambilan keputusan pada rumus Kolmogorov-Smirnov adalah nilai probabilitas, yakni jika nilainya lebih dari 0.05 maka data penelitian
berdistribusi normal.
Tabel 4.13 Hasil Perhitungan Uji Normalitas
Berdasarkan tabel di atas menunjukknan bahwa harga Kolmogorov- Smirnov Test untuk variabel cara belajar, iklim sekolah, dan hasil belajar sebesar
0,838 dengan probalilitas sebesar 0,484. Semua nilai berada di atas 0,05 dengan demikian data variabel cara belajar, iklim sekolah, dan hasil belajar tersebut
berdistribusi normal. Grafik P-P Plot menunjukkan apakah residual berdistribusi normal atau
tidak. Normalitas data dapat diketahui apabila titik-titik yang dihasilkan
One-Sample Kolmogorov-Smirnov Test
97 .0000000
2.97436861 .085
.068 -.085
.838 .484
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
mendekati garis diagonal atau penyebaran plot berada sepanjang garis 45°. Hasil pengujian normalitas dilihat pada gambar berikut:
Sumber: Hasil pengolahan data penelitian tahun 2013
Gambar 4.3 P-P Plot Normalitas Data Penelitian
Gambar 4.4 menunjukkan penyebaran nilai residual mendekati garis diagonal atau berada pada sepanjang garis 45°, sehingga dapat disimpulkan bahwa
data tersebut berdistribusi normal.
4.1.2.2 Uji Multikolenieritas
Uji multikolenieritas digunakan untuk menguji apakah ditemukan adanya korelasi antara variabel cara belajar dan iklim sekolah. Model regresi yang baik
seharusnya tidak
terjadi korelasi
diantara variabel-variabel
tersebut. Multikolenieritas dapat dideteksi dengan mencari besarnya Variance Inflation
Factor VIF. Antara variabel cara belajar dan iklim sekolah dikatakan multikolenieritas apabila toleransinya
≤ 0,10 atau VIF ≥ 10, dan sebaliknya jika nilai toleransinya
≥ 0,10 atau VIF ≤ 10 maka dapat diartikan variabel - variabel tersebut tidak terjadi multikolenieritas. Hasil pengujian multikolenieritas dapat
dilihat pada tabel berikut:
Tabel 4.14 Hasil Uji Multikolenieritas
Coefficients
a
Model Unstandardiz
ed Coefficients
Standardized Coefficients
t Sig.
Correlations Collinearity
Statistics B
Std. Error
Beta Zero-order Partial Part Tolerance
VIF 1 Constant
54.243 1.750 30.99
.000 Cara Belajar
.136 .058
.308 2.341 .021
.693 .235
.164 .284 3.520
Iklim Sekolah
.237 .068
.455 3.465 .001
.716 .337
.243 .284 3.520
a. Dependent Variable: Hasil belajar
Sumber: Hasil pengolahan data penelitian tahun 2013
Dari tabel 4.11 diperoleh VIF untuk variabel cara belajar dan iklim sekolah masing – masing sebesar 3,520
≤ 10 dan nilai tolerance sebesar 0,284 ≥ 0,1 sehingga dapat disimpulkan bahwa model regresi tidak mengandung
multikolenieritas.
4.1.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas dapat dilihat dari grafik Scatter Plot dengan bantuan SPSS 16.00 for windows. Apabila grafik tersebut memperlihatkan titik
tersebar tidak beraturan dan berada di atas maupun di bawah angka nol pada sumbu vertikal menunjukkan bahwa model regresi tidak mengandung
heteroskedastisitas. Uji Heteroskedastisitas dapat dilihat pada gambar berikut:
Sumber: Hasil pengolahan data penelitian tahun 2013
Gambar 4.4 Scatter Plot Heteroskedastisitas Data Penelitian
Gambar 4.5 menunjukkan bahwa grafik Scatter Plot dengan pola-pola yang menyebar di sekitar angka 0, sehingga dapat diartikan bahwa model regresi
tidak mengandung heteroskedastisitas.
4.1.3 Analisis Regresi Berganda