Gambar 10. Pie Chart Kecenderungan Motivasi Belajar Berdasarkan data dari identifikasi kategori variabel Motivasi
Belajar, menunjukkan bahwa kecenderungan variabel Motivasi Belajar berpusat pada kategori tinggi.
B. Hasil Uji Prasyarat Analisis 1. Uji Normalitas
Uji normalitas dalam penelitian ini menggunakan rumus Kolmogorov- Smirnov. Berdasarkan analisis data dengan bantuan program komputer
yaitu program SPSS Statistik 20.0 for windows dapat diketahui nilai signifikansi yang menunjukan normalitas data. Kriteria yang digunakan
yaitu data dikatakan berdistribusi normal jika harga koefisien Asymp.Sig.2-tailed pada output Kolmogorov-Smirnov test lebih besar
dari alpha yang ditentukan yaitu 5 0,05. Berdasarkan hasil analisis data dengan menggunakan SPSS Statistik 20.0 for windows pada lampiran 6
diperoleh hasil uji normalitas adalah sebagai berikut
:
.
23,08
67,95 8,97 0
sangat tinggi tinggi
rendah sangat rendah
Tabel 24. Rangkuman Hasil Uji Nomalitas
Variabel Signifikansi
Alpha5 Kondisi
Kesimpulan Persepsi Siswa tentang
Mata Pelajaran Akuntansi
0,505 0,05
SA Normal
Lingkungan Teman Sebaya
0,271 0,05
SA Normal
Motivasi Belajar 0,659
0,05 SA
Normal
Prestasi Belajar Akuntansi
0,052 0,05
SA Normal
Sumber: Data Primer yang Diolah Berdasarkan tabel di atas nilai signifikansi variabel Persepsi Siswa
tentang Mata Pelajaran Akuntansi 0,505, Lingkungan Teman Sebaya 0,271, Motivasi Belajar 0,659 dan Prestasi Belajar Akuntansi 0,052
lebih besar dari alpha 0,05. Dengan demikian dapat disimpulkan bahwa distribusi data dari masing-masing variabel berdistribusi normal.
2. Uji Linearitas
Uji linearitas merupakan suatu prosedur yang digunakan untuk mengetahui ada tidaknya hubungan linear suatu data penelitian. Hasil yang
diperoleh melalui uji linearitas akan menentukan teknik analisis regresi yang digunakan, apabila dari hasil uji linearitas didapatkan kesimpulan
bahwa distribusi data penelitian dikategorikan linear maka penelitian harus diselesaikan dengan teknik analisis regresi linear. Demikian sebaliknya
apabila ternyata tidak linear maka distribusi data penelitian harus dianalisis dengan teknik analisis regresi non-linear.
Uji linearitas diketahui dengan menggunakan uji F, kriterianya adalah apabila nilai P 0,05, maka hubungan variabel bebas dengan
variabel terikat tidak linear. Setelah dilakukan perhitungan dengan bantuan
komputer program SPSS Statistik 20.0 for windows pada lampiran 6, hasil pengujian linearitas seperti terangkum dalam tabel berikut ini.
Tabel 25. Rangkuman Hasil Uji Linearitas
Sumber : Data Primer yang diolah Tabel di atas menunjukkan bahwa uji linearitas data Persepsi Siswa
tentang Mata Pelajaran Akuntansi X
1
terhadap Prestasi Belajar Akuntansi Y, hasil analisis menunjukkan nilai P 0,674 lebih besar dari 0,05. Dengan
demikian variabel Persepsi Siswa tentang Mata Pelajaran Akuntansi mempunyai hubungan yang linear dengan Prestasi Belajar Akuntansi. Uji
linearitas variabel Lingkungan Teman Sebaya X
2
, hasil analisis menunjukkan nilai P 0,126 lebih besar dari 0,05. Dengan demikian
variabel Lingkungan Teman Sebaya mempunyai hubungan yang linear dengan Prestasi Belajar Akuntansi. Uji Linearitas variabel Motivasi
Belajar X
3
, hasil analisis menunjukkan nilai P 0,179 lebih besar dari 0,05. Dengan demikian variabel Motivasi Belajar mempunyai hubungan
yang linear dengan Prestasi Belajar Akuntansi. Berdasarkan hasil tersebut dapat disimpulkan bahwa masing-masing variabel bebas dengan variabel
terikat memiliki hubungan yang linear, maka analisis regresi linear dapat dilanjutkan.
No Variabel
Db F
Hitung
F
table
SigP Kesimpulan
Bebas Terikat
1 X
1
Y 2254
0,833 1,743
0,674 Linear
2 X
2
Y 1957
1,501 1,772
0,126 Linear
3 X
3
Y 2452
1,354 1,729
0,179 Linear
2. Uji Multikolinearitas
Uji multikolinearitas dapat diketahui menggunakan rumus korelasi product moment dari Karl Pearson. Uji multikolinearitas digunakan untuk
mengetahui ada tidaknya multikolinearitas antar variabel bebas sebagai syarat digunakannya regresi ganda dalam menguji hipotesis keempat.
Hasil uji multikolinearitas antar variabel menunjukkan bahwa interkorelasi antar variabel sebesar 0,469. Seluruh interkorelasi antar variabel bebas
tidak ada yang melebihi 0,800. Dengan demikian tidak terjadi
multikolinearitas, maka analisis regresi ganda dapat dilanjutkan. Berdasarkan hasil analisis data dengan menggunakan program SPSS 20.0
for windows pada lampiran 6 diperoleh hasil uji multikolinearitas sebagai berikut:
Tabel 26. Rangkuman Hasil Uji Multikolinearitas Pearson
Variabel X
1
X
2
X
3
Keterangan
Persepsi Siswa tentang Mata
Pelajaran Akuntansi X
1
1 0,516
0,578 Tidak terjadi
multikolinearitas
Lingkungan Teman Sebaya
X
2
0,516 1
0,541 Motivasi Belajar
X
3
0,578 0,541
1
Sumber: Data Primer yang diolah Nilai VIF Variance Index Factor dan nilai Tolerance juga dapat
dijadikan standar uji multikolinearitas jika VIF kurang dari 10 dan Tolerance juga tidak kurang dari 0,10. Pada lampiran 6 nilai VIF terbukti
kurang dari 10 dan nilai Tolerance juga tidak kurang dari 0,10.
Setelah dilakukan perhitungan dengan bantuan komputer program SPSS Statistik
20.0 for windows pada lampiran 6, hasil pengujian multikolinearitas dengan menggunakan nilai VIF dan nilai tolerance
seperti terangkum dalam tabel berikut ini. Tabel 27. Rangkuman Hasil Uji Multikolinearitas VIF
Variabel collinearity
statistics Keterangan
tolerance VIF
X
1
0,484 2,066
tidak terjadi multikolinearitas
X
2
0,528 1,894
X
3
0,459 2,177
Sumber : Data Primer yang diolah Tabel di atas menunjukkan bahwa nilai VIF tiap variabel pada tabel
tersebut 10 , dan juga nilai tolerance semuanya 0,10, sehingga dapat disimpulkan bahwa tidak ada multkolinearitas, dengan demikian analisis
regresi dapat dilanjutkan.
4. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskedastisitas yaitu adanya
ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak
adanya gejala heteroskedastisitas. Heteroskedastisitas bisa dideteksi dengan berbagai cara, salah
satunya dengan uji Park. Uji Park dilakukan dengan meregresi logaritma dari kuadrat residual hasil regresi awal dari variabel-variabel
independennya. Kriteria pengujiannya adalah dengan melihat nilai
