Uji Hipotesis penelitian .1 Analisis Korelasional dari Variabel Penelitian

no 10, item 36 no 11, item 78 no 21, item 80 no 23, item 155 no 27. Item yang kesalahan pengukurannya berkorelasi satu sama lain dapat di simpulkan bahwa item – item tersebut bersifat multidimensional, yang artinya selain mengukur faktor need for achievement , item tersebut juga mengukur faktor – faktor lain. Meskipun begitu item 66 tidak akan di drop. Berarti sebanyak 20 item n–ach EPPS tetap akan dianalisis bobot nilainya pada uji hipotesis. 4.3 Uji Hipotesis penelitian 4.3.1 Analisis Korelasional dari Variabel Penelitian Pada penelitian ini terdapat 6 variabel independen, 1 variabel independen sekaligus menjadi dependen yaitu statistika 1 dan terakhir 1 variabel dependen yaitu statistika 2. Dengan total 8 variabel maka akan terdapat 36 korelasi. Adapun matriks korelasi akan dipaparkan sebagai berikut. Tabel 4.11 Matriks Korelasi Antar Variabel Correlations STAT1 STAT2 IQ ATTITUDE MOTIVATION ANXIETY SELF EFFICACY ACHIEVEME NT STAT1 Pearson Correlation 1 2-tailed N 208 STAT2 Pearson Correlation .534 1 Sig. 2-tailed .000 N 208 208 IQ Pearson Correlation .234 .262 1 Sig. 2-tailed .001 .000 N 208 208 208 ATTITU DE Pearson Correlation -.012 -.058 .011 1 Sig. 2-tailed .867 .405 .872 N 208 208 208 208 MOTIVA TION Pearson Correlation .206 .188 .088 .084 1 Sig. 2-tailed .003 .007 .207 .226 N 208 208 208 208 208 ANXIET Y Pearson Correlation .065 .006 .059 .604 .141 1 Sig. 2-tailed .352 .930 .397 .000 .042 N 208 208 208 208 208 208 SELF EFFICA CY Pearson Correlation .228 .165 .064 -.406 .004 -.270 1 Sig. 2-tailed .001 .018 .355 .000 .956 .000 N 208 208 208 208 208 208 208 ACHIEV EMENT Pearson Correlation .049 .209 .128 -.133 -.042 -.013 .101 1 Sig. 2-tailed .482 .002 .065 .055 .549 .851 .145 N 208 208 208 208 208 208 208 208 . Correlation is significant at the 0.01 level 2- tailed. . Correlation is significant at the 0.05 level 2- tailed. Dari matriks diatas korelasi antara IQ, statistika 1 dan statistika 2 berkorelasi secara signifikan p 0.05. Korelasi antara IQ dengan statistika 1 sebesar 0.234, sedangkan korelasi antara IQ dengan statistika 2 sebesar 0.262. Kemudian korelasi antara statistika 1 dan statsitika 2 sebesar 0.534 dan arahnya positif. Artinya jika nilai statistika 1 bagus maka akan diikuti pula oleh nilai statistika 2 dan sebaliknya. Selanjutnya korelasi antara sikap, statistika 1 dan statistika 2 tidak signifikan p 0.05. Variabel sikap dengan statistika 1 memiliki besaran korelasi yaitu -0.012, sedangkan pada statistika 2, variabel sikap juga berkorelasi negative yaitu – 0.058. Hubungan antara sikap dengan performance atau prestasi belajar memang belum begitu jelas arahnya. Penelitian tentang attitudinal factors dengan behavioral criterion masih belum begitu jelas hubungannya, meskipun telah banyak penelitian yang dilakukan sebelumnya. Seperti yang peneliti kutip dari artikel milik Wisenbaker 2000 dikatakan bahwa antara sikap dengan prestasi belajar memang saling keterkaitan, namun hubungan antara keduanya masih berinteraksi secara kompleks dengan variabel lainnya, bahkan tidak jarang hubungan antara keduanya tidak dapat diprediksi. Selanjutnya hubungan antara motivasi dengan statistika 1. Keduanya berkorelasi secara signifikan p 0.05 , besaran korelasi keduanya yaitu 0.206, artinya arah hubungan keduanya positif meskipun tidak terlalu besar. Korelasi antara motivasi dengan statistika 2 juga signifikan secara statistic p 0.05, besaran korelasinya tergolong kecil yaitu 0.188 dan hubungannya juga positif. Justru yang menarik hubungan antara kecemasan, sikap dan self efficacy. Korelasi antara sikap dengan kecemasan signifikan p 0.05 sebesar 0.630. Artinya hubungan keduanya cukup besar dan tergolong positif. Semakin positif sikap mahasiswa terhadap statistika maka semakin tinggi pula tingkat kecemasan mahasiswa tersebut. Hasil korelasi kedua variabel ini berbeda dengan hasil penelitian Nasser 2004, dalam penelitiannya justru dihasilkan korelasi yang negative antara variabel sikap terhadap statistika dengan kecemasan terhadap statistika. Kemudian korelasi antara kecemasan dengan self efficacy arahnya negative sebesar - 0.270 dan signifikan secara statistik p 0.05. artinya semakin tinggi self efficacy mahasiswa maka akan semakin rendah tingkat kecemasannya. Sedangkan korelasi antara self efficacy dengan sikap bersifat negative yaitu – 0.406 dan signifikan secara statistic p 0.05. Hal ini kemungkinan bisa dinterpretasikan bahwa hubungan antara self efficacy dan sikap dapat dimoderatori oleh variabel kecemasan. Perlu dicatat bahwa kecemasan mahasiswa angkatan 2009 terhadap statistika berdasarkan data peneliti, tergolong tinggi yaitu μ = 31.2981. Hal ini dapat dimaklumi karena memang mahasiswa merasa cemas ketika menghadapi perkuliahan statistika 1 dan 2, sebab perkuliahan statistika merupakan salah satu mata kuliah pokok di fakultas psikologi UIN Jakarta.

4.3.2 Analisis Regresi Variabel Penelitian

Pada tahapan ini peneliti menguji hipotesis penelitian dengan teknik analisis regresi multivariat penghitungannya dibantu oleh software SPSS 16. Seperti yang sudah disebutkan pada bab 3, dalam regresi ada 3 hal yang dilihat yaitu, melihat apakah IV berpengaruh signifikan terhadap DV, kedua melihat besaran R square untuk mengetahui berapa persen varians pada DV yang dijelaskan oleh IV, kemudian terakhir melihat signifikan atau tidaknya koefisien regresi dari masing – masing IV. Langkah pertama peneliti menganalisis dampak dari seluruh independent variabel terhadap prestasi belajar statistika 1. Adapun hasil uji F dapat dilihat pada tabel berikut : Tabel 4.12 Tabel Anova ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 1686.903 6 281.151 6.280 .000 a Residual 8998.020 201 44.766 Total 10684. 207 a. Predictors: Constant, ACHIEVEMENT, ANXIETY, IQ, MOTIVATION, SELF EFFICACY, ATTITUDE Jika melihat kolom ke 6 dari kiri p 0.05 , maka hipotesis nihil yang menyatakan tidak ada pengaruh yang signifikan seluruh independen variabel terhadap statistika 1 ditolak. Artinya ada pengaruh yang signifikan dari kebutuhan berprestasi, kecemasan terhadap statistika, IQ, motivasi, sikap terhadap statistika dan self efficacy terhadap prestasi belajar statistika 1. Untuk tabel R square, dapat dilihat sebagai berikut Tabel 4.13 Tabel Rsquare Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .397 a .158 .133 6.69076 a. Predictors: Constant, ACHIEVEMENT, ANXIETY, IQ, MOTIVATION, SELF EFFICACY, ATTITUDE Dari tabel diatas dapat kita lihat bahwa perolehan R square sebesar 0.158 atau 15,8 . Artinya proporsi varians dari statistika 1 yang dijelaskan oleh semua independen variabel adalah sebesar 15,8 , sedangkan 84,2 sisanya dipengaruhi oleh variabel lain diluar penelitian ini. Langkah terakhir adalah melihat koefisien regresi tiap independen variabel. Jika nilai t 1,96 maka koefisien regresi tersebut signifikan yang berarti bahwa IV tersebut memiliki dampak yang signifikan terhadap prestasi belajar statistika 1. Adapun penyajiannya ditampilkan pada tabel berikut : Tabel 4.14 Koefisien Regresi Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 38.358 6.792 5.648 .000 IQ .202 .057 .232 3.519 .001 ATTITUDE .019 .045 .037 .424 .672 MOTIVATION .091 .035 .171 2.594 .010 ANXIETY .043 .044 .080 .975 .331 SELF EFFICACY .145 .037 .278 3.904 .000 ACHIEVEMENT .002 .039 .004 .064 .949 a. Dependent Variable: STAT1 Dari fungsi persamaan diatas, untuk melihat signifikan atau tidaknya koefisien regresi yang dihasilkan, kita cukup melihat nilai sig pada kolom yang paling kanan kolom ke-6, jika sig 0.05, maka koefisien regresi yang dihasilkan signifikan pengaruhnya terhadap prestasi belajar dan sebaliknya. Dari hasil diatas hanya koefisien regresi IQ, motivasi dan self efficacy yang signifikan, sedangkan sisa lainnya tidak. Dengan demikian dapat disusun persamaan regresi pada prestasi belajar statistika 1, yaitu : Persamaan 4.1 Regresi Statistika 1 Statistika 1’ = 38.358 + 0.202IQ + 0.019Sikap + 0.091Motivasi + 0.043Kecemasan + 0.145 Self efficacy + 0.002Kebutuhan Berprestasi Selanjutnya peneliti menganalisis dampak seluruh independent variabel terhadap prestasi belajar statistika 2. Dalam analisis yang kedua ini prestasi belajar statistika 1 ikut dijadikan sebagai independent variabel. Adapun hasilnya dapat dilihat sebagai berikut. Tabel 4.14 Anova ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 2679.341 7 382.763 14.918 .000 a Residual 5131.424 200 25.657 Total 7810.764 207 a. Predictors: Constant, STAT1, ATTITUDE, ACHIEVEMENT, MOTIVATION, IQ, SELF EFFICACY, ANXIETY b. Dependent Variable: STAT2 Untuk menolak atau menerima hipotesis nihil yang berbunyi bahwa tidak ada pengaruh yang signifikan dari seluruh independen variabel terhadap prestasi belajar statistika 2, dapat dilihat pada kolom ke-6 dari kiri p 0.05. Dengan demikian hipotesis nihil yang menyatakan tidak ada pengaruh yang signifikan dari independen variabel terhadap statistika 2 ditolak. Artinya ada pengaruh yang signifikan dari prestasi belajar statistika 1, sikap terhadap statistika, kebutuhan berprestasi, motivasi, IQ, kecemasan terhadap statistika dan self efficacy terhadap statistika, terhadap prestasi belajar statistika 2. Untuk perolehan Rsquare dapat dilihat pada tabel berikut. Tabel 4.15 Model Summary Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .586 a .343 .320 5.06529 a. Predictors: Constant, STAT1, ATTITUDE, ACHIEVEMENT, MOTIVATION, IQ, SELF EFFICACY, ANXIETY Dari tabel diatas, dapat dilihat bahwa proporsi varians dari statistika 2 yang dijelaskan oleh variabel independen sebesar 0.343 atau 34,3 , sedangkan sisa varians sebesar 65.7 dijelaskan oleh variabel lain diluar penelitian ini. Melihat perubahan varians yang cukup besar antara prestasi belajar statistika 1 dan prestasi belajar statistika 2, maka dapat disimpulkan penambahan varians dari variable baru yaitu prestasi belajar statistika 1 yang kemungkinan cukup besar pengaruhnya terhadap prestasi belajar statistika 2. Langkah terakhir melihat koefisien regresi tiap independen variabel. Jika nilai t 1,96 maka koefisien regresi tersebut signifkan. Artinya IV yang bersangkutan dampaknya signifikan terhadap DV. Penyajiannya dapat dilihat pada tabel berikut : Tabel 4.16 Koefisien Regresi Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 27.300 5.535 4.933 .000 IQ .094 .045 .126 2.106 .036 ATTITUDE -.003 .034 -.007 -.091 .928 MOTIVATION .042 .027 .091 1.537 .126 ANXIETY -.013 .033 -.028 -.386 .700 SELF EFFICACY .073 .029 .165 2.395 .005 ACHIEVEMENT .085 .029 .168 2.869 .005 STAT1 .402 .053 .470 7.532 .000 a. Dependent Variable: STAT2 Untuk melihat signifikan atau tidaknya koefisien regresi yang dihasilkan, kita cukup melihat kolom paling kanan kolom ke-6, jika sig 0.05, maka koefisien regresi IV yang bersangkutan signifikan dampaknya terhadap DV dan sebaliknya. Dari persamaan diatas hanya ada empat koefisien regresi yang signifikan, yaitu statistika 1 dan IQ, self efficacy dan kebutuhan berprestasi sedangkan sisa lainnya tidak signifikan. Dengan demikian dapat disusun persamaan regresi pada prestasi belajar statistika 2, yaitu : Persamaan 4.2 Regresi Statistika 2 Statistika 2’ = 27.3 + 0.094IQ – 0.003Sikap + 0.042Motivasi - 0.013Kecemasan + 0.073 Self Efficacy + 0.085Kebutuhan Berprestasi + 0.402Statistika 1 Kemudian langkah selanjutnya peneliti menguji penambahan proporsi varians dari tiap independen variabel jika iv tersebut dimasukkan satu per satu ke dalam analisis regresi. Tujuannya adalah melihat penambahan incremented proporsi varians dari tiap iv apakah signifikan atau tidak. Untuk analisis lengkapnya dibahas pada sub bab berikut.

4.4.1 Pengujian Proporsi Varians untuk masing – masing Independent Variabel

Pengujian pada tahapan ini bertujuan untuk melihat apakah signifikan tidaknya penambahan incremented proporsi varians dari tiap iv, yang mana iv tersebut dianalisis secara satu per satu. Pada tabel 4.17 kolom pertama adalah iv yang dianalisis secara satu per satu, kolom kedua merupakan total penambahan varians dv dari tiap iv yang dianalisis satu per satu tersebut, kolom ketiga merupakan nilai murni varians dv dari tiap iv yang dimasukkan secara satu per satu, kolom keempat adalah harga f hitung bagi iv yang bersangkutan, kolom df adalah derajat bebas bagi iv yang bersangkutan pula, yang terdiri dari numerator dan denumerator, kolom f tabel adalah kolom mengenai nilaiharga iv pada tabel f dengan df dan taraf level of significance 5 yang telah ditentukan sebelumnya, harga pada kolom inilah yang akan dibandingkan dengan harga pada kolom f hitung. Apabila harga f hitung lebih besar daripada f tabel, maka kolom selanjutnya, yaitu kolom signifikan akan dituliskan signifikan dan sebaliknya. Jika signifikan artinya bahwa penambahan incremented proporsi varians dari iv yang bersangkutan, dampaknya signifikan. Besarnya proporsi varians pada prestasi belajar statistika 1 dapat dilihat pada tabel berikut : Tabel 4.17 Penghitungan Proporsi Varians Statistika 1 IV R 2 R 2 CHANGE F HITUNG DF F TABEL SIGNIFIKAN X 1 0.055 0.055 12.22 1,206 3,84 SIGNIFIKAN X 12 0.055 0 1,205 3,84 TIDAK SIGNIFIKAN X 123 0.091 0.036 7.627 1,204 3,84 SIGNIFIKAN X 1234 0.094 0.003 0.163 1,203 3,84 TIDAK SIGNIFIKAN X 12345 0.158 0.064 15.384 1,202 3,84 SIGNIFIKAN X 123456 0.158 0 1,201 3,84 TIDAK SIGNIFIKAN TOTAL 0.158 Keterangan : X 1 = IQ X 2 = Sikap terhadap statistika X 3 = Motivasi belajar statistika X 4 = Kecemasan terhadap statistika X 5 = Self efficacy terhadap statistika X 6 = Kebutuhan berprestasi terhadap statistika Dari tabel diatas dapat ringkas sebagai berikut : • Variabel IQ memberikan sumbangan sebesar 5,5 dalam varians prestasi belajar statistika 1. Sumbangan tersebut signifikan secara statistik dengan F hitung = 12,22 dan df = 1, 206. • Variabel sikap tidak memberikan sumbangan varians sama sekali, sebesar 0 . Oleh karena itu tidak signifikan dengan F hitung = 0 dan df = 1, 205. • Variabel motivasi memberikan sumbangan varians sebesar 3,6 pada prestasi belajar statistika 1. Sumbangan tersebut signifikan dengan F hitung = 7.627 dan df = 1, 204. • Variabel kecemasan memberikan sumbangan sebesar 0.3 pada prestasi belajar statistika 1. Sumbangan ini tidak signifkan dengan nilai F hitung = 0.163 dan df = 1, 203. • Variabel self efficacy memberikan sumbangan sebesar 6,4 pada prestasi belajar statistika 1. Dan sumbangan tersebut signifikan secara statistic dengan nilai F hitung = 15.384 dan df = 1,202. • Terakhir, variabel kebutuhan berprestasi memberikan sumbangan hanya sebesar 0 terhadap bervariasinya nilai statistika 1. Sumbangan ini tentunya tidak signifikan dengan F hitung = 0 dan df = 1,201. Dengan demikian dapat disimpulkan bahwa ada 3 IV yang signifikan sumbangannya terhadap prestasi belajar statistika 1, yaitu IQ, motivasi dan self efficacy . Sedangkan 3 IV lainnya tidak memberikan sumbangan secara signifikan. Salah satu asumsi dalam regresi yang harus dipenuhi agar hasil analisis regresi dengan metode least square dapat dipercaya adalah bahwa distribusi frekuensi dari residual mengikuti distribusi normal. Apabila residual berada disekitar garis harapan untuk kurva normal, dapat disimpulkan bahwa persamaan regresi ini memiliki error atau residual yang distribusinya mengikuti kurva normal. Artinya, hasil persamaan regresi beserta interpretasinya dapat dipercaya. Berikut adalah gambar “residual plot” yang dihasilkan yaitu gambar 4.5 untuk dependent variabel prestasi belajar statistika 1 dan gambar 4.6 untuk dependent variabel prestasi belajar statistika 2. Gambar 4.5 Residual Plot Statistika 1 Dari gambar diatas dapat kita lihat bahwa distribusi dari residual yang dihasilkan adalah normal. Dengan demikian, uji hipotesis dan penelitian dengan analisis regresi pada statistika 1 dapat dipercaya. Selanjutnya pengujian signifikansi sumbangan varians iv terhadap statistika 2. Dalam analisis yang kedua ini, prestasi belajar statistika 1 dijadikan predictor bagi prestasi belajar statistika 2. Adapun hasil sumbangan varians tiap IV dapat dilihat pada tabel berikut : Tabel 4.18 Penghitungan Proporsi Varians Statistika 2 IV R 2 R 2 CHANGE F HITUNG DF F TABEL SIGNIFIKAN X 1 0.069 0.069 15.26 1,206 3,84 SIGNIFIKAN X 12 0.072 0.003 0.667 1,205 3,84 TIDAK SIGNIFIKAN X 123 0.102 0.03 6.622 1,204 3,84 SIGNIFIKAN X 1234 0.102 0 1,203 3,84 TIDAK SIGNIFIKAN X 12345 0.129 0.027 6.264 1,202 3,84 SIGNIFIKAN X 123456 0.157 0.028 6.68 1,201 3,84 SIGNIFIKAN X 1234567 0.346 0.189 46.66 1,200 3,84 SIGNIFIKAN TOTAL 0.346 Keterangan : X 1 = IQ X 2 = Sikap terhadap statistika X 3 = Motivasi belajar statistika X 4 = Kecemasan terhadap statistika X 5 = Self efficacy terhadap statistika X 6 = Kebutuhan berprestasi terhadap statistika X 7 = Prestasi Belajar Statistika 1 Dari tabel diatas maka dapat disimpulkan : • Variabel IQ memberikan sumbangan varians sebesar 6,9 pada prestasi belajar statistika 2. Sumbangan ini signifikan dengan nilai F hitung sebesar = 15,26 dan df = 1, 206. • Variabel sikap hanya memberikan sumbangan varians sebesar 0,3 . Namun sumbangan ini tidak signifikan dengan nilai F hitung = 0.667 dan df = 1,205. • Variabel motivasi memberikan sumbangan varians sebesar 3 . Dan sumbangan ini signifikan dengan F hitung = 6.622 dan df = 1,204. • Variabel kecemasan memberikan sumbangan sebesar 0 . Sumbangan ini tentunya tidak signfikan dengan nilai F hitung = 0 dan df = 1,203. • Variabel self efficacy memberikan sumbangan varians sebesar 2,7 pada prestasi belajar statistika 2. Sumbangan ini tidak signifikan dengan nilai F = 6.264 dan df = 1,202. • Variable kebutuhan berprestasi memberikan sumbangan varians sebesar 2,8 . Sumbangan ini signifikan dengan nilai F = 6,68 dan df = 1,201. • Terakhir variabel prestasi belajar statistika 1 memberikan sumbangan varians sebesar 18,9 terhadap prestasi belajar statistika 2. Tentunya sumbangan ini signifikan dengan nilai F = 46.66 dan df = 1,200. Dengan demikian, sumbangan varians yang signifikan terhadap prestasi belajar statistika 2 hanya ada 5 iv, yaitu IQ, motivasi, self efficacy, kebutuhan berprestasi dan prestasi belajar statistika 1. Sedangkan sumbangan varians dari iv lainnya tidak signifikan. Selanjutnya peneliti akan menampilkan gambar “residual plots” dari prestasi belajar statistika 2. Gambar 4.6 Residual Plot Statistika 2 Dari gambar diatas dapat kita lihat bahwa residual dari prestasi belajar statistika 2 mengikuti kurva distirbusi normalnya. Dengan demikian uji hipotesis dengan menggunakan analisis regresi yang ada pada prestasi belajar statistika 2 dapat dipercaya.

BAB 5 KESIMPULAN, DISKUSI DAN SARAN