66
sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di-studentized. Dasar analisis:
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah
angka 0 nol pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3.6.4 Analisis Regresi Ganda
Analisis regresi dilakukan untuk membuat model matematika yang dapat menunjukkan hubungan antara variabel bebas dengan variabel terikat. Analisis
regresi yang digunakan adalah analisis regresi ganda. Analisis yang digunakan untuk membuat model matematika antara lain X
1
, X
2
, X
3
secara bersama-sama dengan Y. Persamaan regresi linier berganda menggunakan rumus:
Y
∧
= a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
Keterangan: Y = Prestasi Belajar
b
1
= Koefisien regresi motivasi belajar b
2
= Koefisien regresi sikap ilmiah b
3
= Koefisien regresi perhatian orang tua a = Konstanta Sudjana 2002:348
67
3.6.5 Pengujian Hipotesis Penelitian
1. Uji Signifikansi Simultan Uji Statistik F
Menurut Ghozali 2001:44 uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai
pengaruh secara bersama-sama terhadap variabel terikat variabel dependen. Hipotesis nol H0 yang hendak diuji adalah apakah semua parameter dalam
model sama dengan nol, atau: H0 : b1 = b2 .... = bk = 0
Artinya, apakah semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya HA tidak
semua parameter secara simultan sama dengan nol, atau: HA : b1
≠ b2 ≠ ....bk ≠ 0 Artinya, semua variabel independen secara simultan merupakan penjelas
yang signifikan terhadap variabel dependen. Untuk menguji kedua hipotesis ini digunakan statistik F dengan kriteria pengambilan keputusan sebagai berikut:
a. Quick look : bila nilai F lebih besar daripada 4 maka H0 yang menyatakan b1
= b2 = .... bk = 0 dapat ditolak pada derajat kepercayaan 5, dengan kata lain kita menerima hipotesis alternatifnya, yang menyatakan bahwa semua variabel
independen secara serentak dan signifikan mempengaruhi variabel dependen. b.
Membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel. Bila nilai F hasil perhitungan lebih besar daripada nilai F menurut tabel, maka H0
ditolak dan menerima HA.
68
2. Uji Signifikan Parameter Individual Uji Statistik t
Menurut Ghozali 2001:44 uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas independen secara individual
dalam menerangkan variasi variabel independen. Hipotesis nol H0 yang hendak diuji adalah apakah suatu parameter bi sama dengan 0 nol, atau:
H0 : bi = 0, atau dapat ditulis: H0 : b1.
2.3
= 0, b2.
1.3
= 0, b3.
1.2
= 0 Artinya, apakah suatu variabel independen bukan merupakan penjelas
yang signifikan terhadap variabel dependen. Hipotesis alternatifnya HA parameter suatu variabel tidak sama dengan 0 nol, atau:
HA : bi ≠ 0, atau dapat ditulis:
HA : b1.
2.3
≠ 0, b2.
1.3
≠ 0, b3.
1.2
≠ 0 Artinya variabel tersebut merupakan penjelas yang signifikan terhadap
variabel dependen. Cara melakukan uji adalah sebagai berikut: a.
Quick look: bila jumlah degree of freedom adalah 20 atau lebih, dan derajat kepercayaan sebesar 5, maka H0 yang menyatakan bi = 0 dapat ditolak bila
nilai t lebih besar dari 2 dalam nilai absolut, dengan kata lain kita menerima hipotesis alternatif, yang menyatakan bahwa suatu variabel independen secara
individual mempengaruhi variabel dependen. b.
Membandingkan nilai statistik t dengan titik kritis menurut tabel, apabila nilai statistik t hasil perhitungan lebih tinggi dibandingkan nilai t tabel, kita
menerima hipotesis alternatif yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen.
69
3. Koefisien Determinasi R
2
Nilai koefisien determinasi adalah diantara 0 nol dan 1 satu. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data silang crossection relatif rendah karena
adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu time series biasanya mempunyai nilai koefisien determinasi
yang tinggi. Dalam penelitian ini yang digunakan untuk mengukur kemampuan model dalam menerangkan variasi variabel dependen yaitu nilai adjusted R
2
karena nilai adjusted R
2
dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model.
70
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian
4.1.1 Analisis Deskriptif
1. Deskriptif Umum Variabel Motivasi Belajar Siswa
Secara keseluruhan motivasi belajar siswa SMA Negeri 1 Tayu menunjukkan kategori cukup dengan skor 60,36 atau 63,53. Ditinjau dari
motivasi belajar masing-masing siswa dapat dilihat dari tabel distribusi frekuensi pada tabel berikut:
Tabel 4.1 Distribusi Frekuensi Motivasi Belajar Siswa
No. Interval Kriteria
Frekuensi Persentase
1. 84,00-100 Sangat Tinggi 5
4.46 2. 68,00-83,00
Tinggi 36
32.14 3. 52,00-67,00
Cukup 61
54.46 4. 36,00-51,00
Rendah 10
8.93 5. 20,00-35,00 Sangat
Rendah 0.00
Jumlah 112 100.00
Sumber: Data Penelitian 2008, Diolah
MOTIVASI BELAJAR SISWA
Rendah, 8.93
Sangat Rendah,
0.00 Sangat
T inggi, 4.46
T inggi, 32.14
Cukup , 54.46
Gambar 4.1: Diagram Pie Motivasi Belajar Siswa
