pertanyaan loading factornya menunjukkan angka lebih besar dan sama dengan 0,40 maka item pertanyaan dapat dikatakan valid. Sementara beberapa item dikeluarkan dari proses
analysis data, yaitu pertanyaan nomor 1, 6a, 8, 18, 19, 20, 23, dan 26 dieliminir, karena loading factor-nya kurang dari 0,40.
8. Analisis Deskritif dan Statistik
Analaisis deskriptif merupakan suatu analisis yang menguraikan data hasil penelitian tanpa melakukan pengujian. Analisis deskriptif ini disajikan dalam bentuk tabel frekuensi.
Pengolahan distribusi frekuensi ini dilakukan dengan membuat kelompok atau nilai skor tabel jawaban responden Sedangkan analisis statistik adalah untuk menguji lebih lanjut
hipotesa penelitian yang telah dirumuskansebelumnya,yaitu untuk mengetahui hubungan signifikan antara status social ekonomi dan prestasi belajar terhadap tingkat ICT literacy di
kalangan mahasiswa.
Variable N
Minimum Maximum Mean
Std.Deviation SES
PB MMSB
IL 60
60 60
60 2
4 3
22 9
10 8
56 5,80
9,33 5,73
48,33 1,655
1,284 1,219
6,573 Tabel di atas memberikan informasi mengenai nilai rata-rata mean, nilai minimum-
maksimum, dan deviasi standar data yang digunakan dalam penelitian ini.
9. Analisis Inferensial
Analisis kuantitatif adalah analisis data yang dilakukan berdasarkan atas data deskriptif kemudian dianalisis dengan alat- alat analisis secara statistik. Analisis
statistik yang digunakan dalam penelitian ini meliputi analisis korelasi, regresi berganda dan analisis parsial .
Langkah- langkah analisis inferensial dalam penelitian ini adalah :
a. Uji Asumsi Klasik
Uji asumsi klasik terhadap suatu model dilakukan untuk mendapatkan suatu model regresi yang benar- benar mampu memberikan estimasi yang tidak bias dan handal, atau
memenuhi kaidah- kaidah Best Linear Unbiased Estimator atau BLUE. Dalam uji asumsi klasik ini dilakukan dengan tiga uji,yaitu uji Normalitas, uji Heteroskedastisitas dan uji
Multikolinieritas. Untuk meyakinkan bahwa model regresi yang diperoleh mempunyai kemampuan prediktif serta memenuhi asumsi- asumsi, maka terlebih dahulu model
regresi harus diuji apakah model telah memenuhi asumsi- asumsi yang melandasinya. Penyimpanngan dari asumsi- asumsi tersebut di atas, berarti model regresi yang diperoleh
tidak banyak bermanfaat dalam pengambilan keputusan.
b. Uji Normalitas
Dalam uji normalitas penulis menggunakan Teori Normalitas yang disebut “Central Limit Theorem” yang mengemukakan bahwa jika sampel penelitian sudah
melebhi 30 sampel berarti distribusinya sudah baik atau normal. Dalam penelitian sampel penelitian sebanyak 60 responden, sehingga memenuhi kriteria uji normalitas.
c. Uji Heteroskedastisitas
Uji ini dilakukan untuk mengetahui linieritas model heteroskedastisitas terjadi apabila variabel gangguan tidak mempunyai varian yang sama untuk semua observasi.
Heteroskedatisitas ini akan mengakibatkan nilai- nilai estimator atau koefisien regresi dari model regresi tersebut tidak efisien, meskipun estimator tersebut tidak bias dan
konsisten Gujarati, 1995:177. Dalam penelitian ini uji terhadap ada tidaknya heteroskedatisitas tersebut dilakukan
dengan mendeteksi tampilan grafik scatterplot pada gambar 1. Tidak terjadi pola yang jelas dan titik titik menyebar di atas dan di bawah angka 0 pada sumbu Y menunjukkan
tidak terjadinya heterokedastisitas pada model regresi pada penelitian ini.
d. Uji Multikoliniearitas
Uji multikoliniearitas dilakukan untuk mengefisienkan model penelitian. multikoliniearitas merupakan suatu kondisi dimana salah satu atau lebih variabel
independent dapat dinyatakan sebagai kombinasi linier dari variabel independent lainnya. Sehingga pada dasarnya multikoliniearitas adalah suatu hubungan linier yang sempurna
mendekati sempurna antara beberapa atau semua variabel bebas Kuncoro, 2001 :104.
2 -2
-4
SES
6 4
2 -2
-4 -6
-8
IL Dependent Variable: IL
Partial Regression Plot
2 1
-1 -2
-3 -4
PB
10
-10 -20
IL
Dependent Variable: IL Partial Regression Plot
3 2
1 -1
-2 -3
MMSB
6 3
-3 -6
-9
IL
Dependent Variable: IL Partial Regression Plot
Pada tabel di atas meringkas hasil uji asumsi klasik atas masalah multikoliniearitas. Pada bagian coefficient untuk ketiga variable independen nampak bahwa angka VIF berada di sekitar
angka 1. Demikian pula nilai tolerance untuk ketiga variable independen tersebut mendekati 1. Hal ini didukung dari besaran korelasi antarvariabel independen pada bagian coefficient
correlations. Koefisien korelasi antarvariabel independen lemah di bawah 0,5. Dengan demikian tidak terdapat masalah multikoliniaritas dalam model regresi pada penelitian ini.
Autokorelasi dideteksi dengan mengamati nilai Durbin-Watson pada Model Summary yang dihasilkan dari model regresi yang diuji. Hasil uji autokorelasi terhadap model regresi penelitian
ini menunjukkan nilai Durbin-Watson sebesar 1,696.
Coefficients
a
4,335 3,169
1,368 ,177
-,122 ,263
-,031 -,464
,645 ,823
1,215 4,539
,342 ,887
13,265 ,000
,807 1,239
,409 ,332
,076 1,231
,223 ,950
1,053 Constant
SES PB
MMSB Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: IL a.
Model Summary
b
,893
a
,798 ,787
3,032 1,696
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, MMSB, SES, PB a.
Dependent Variable: IL b.
10. Mencari Model Regresi Berganda untuk setiap kelompok variabel
