33
Tabel 5.4. Distribusi Frekuensi IPK Mahasiswa di Fakultas Keperawatan USU Medan
No. IPK
Klasifikasi Frekuensi
Persentase
1. 3,51 - 4,00
Cumlaude 3
5,4 2.
2,76 - 3,50 Sangat memuaskan
38 67,9
3. 2,00 - 2,75
Memuaskan 15
26,8
Jumlah 41
100,0
1.5. Mahasiswa Underachiever dan Non underachiever Berdasarkan IQ dan
IPK di Fakultas Keperawatan USU Medan
Berdasarkan tabel 5.5. diketahui mahasiswa underachiever ada sebanyak 10 orang, sementara mahasiswa non underachiever sebanyak 31 orang.
Tabel 5.5. Distribusi Frekuensi Mahasiswa Underachiever Berdasarkan IQ
dan IPK di Fakultas Keperawatan USU Medan No.
IPK IQ
Jumlah ≥ 90
90 n
n n
1. ≥ 3,0
25 96,2
1 3,8
26 100,0
2. 3,0
10 66,7
5 33,3
15 100,0
1.6. Hasil Uji Asumsi Klasik
Pengujian Statistik dengan analisis regresi dapat dilakukan dengan pertimbangan tidak adanya pelanggaran terhadap asumsi-asumsi klasik. Asumsi-
asumsi klasik tersebut antara lain:
1.6.1. Uji Normalitas
Pada hasil pengolahan data menampilkan grafik histogram memberikan pola distribusi normal. Maka model regresi layak dipakai untuk memprediksikan
kejadian underachiever berdasarkan faktor konsep diri dan strategi belajar mahasiswa.
34
Selain itu, dilakukan uji normalitas data dengan menggunakan One sample kolmogorov-smirnov test. Berdasarkan hasil pengujian diperoleh nilai asymptotic
significance 2-tailed adalah 0,073 dan diatas nilai signifikansi 0,05. Dengan kata lain variabel residual berdistribusi normal.
Tabel 5.6 Uji Normalitas Data
One-Sample Kolmogorov-Smirnov Test
41 .0000000
.40418153 .201
.159 -.201
1.286 .073
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.
-3 -2
-1 1
2
Regression Standardized Residual
2 4
6 8
10 12
14
Fr eq
ue nc
y
Mean = 1.67E-16 Std. Dev. = 0.975
N = 41
Dependent Variable: Kejadian Underachiever Histogram
35
1.6.2. Uji Multikolinieritas
Uji multikolinieritas digunakan untuk menguji apakah ada korelasi antara variabel independen. Metode yang digunakan untuk mendeteksi adanya
multikolinieritas dengan menggunakan nilai VIF Variance Inflation Floor, jika nilai VIF di bawah 5, maka dapat dikatakan bahwa tidak terjadi gejala
multikolinearitas dalam model penelitian. Hasil pengujian multikolinieritas disajikan pada tabel 5.7.
Tabel 5.7 Hasil Uji Gejala Multikolinieritas
Berdasarkan hasil pengujian pada tabel 5.7 di atas, karena nilai VIF untuk semua variabel memiliki nilai lebih kecil daripada 5, maka dapat disimpulkan
tidak terdapat gejala multikolinieritas antar variabel independen.
1.6.3. Uji Heteroskedastisitas
Heterokedastisitas digunakan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Uji heteroskedastisitas dilakukan dengan melihat ada tidaknya
pola tertentu pada grafik Scatterplot antara SRESID dan ZPRED dimana dasar analisisnya adalah: 1 jika titik-titik yang ada membentuk suatu pola tertentu
yang teratur, bergelombang, melebar kemudian menyempit maka terjadi heterokedastisitas, dan jika 2 jika tidak ada pola yang jelas titik-titik menyebar
diatas dan dibawah angka 0 pada sumbu Y maka tidak terjadi gejala heterokedastisitas. Dari grafik Scatterplot penelitian ini terlihat titik-titik
Coefficients
a
-.401 .942
.023 .018
.204 .871
1.148 .017
.011 .243
.871 1.148
Constant KD
SB Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
Tolerance VIF
Collinearity Statistics
Dependent Variable: KUC a.
36
menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y hal ini menunjukkan tidak terjadi heterokedastisitas pada model regresi,
sehingga model regresi layak dipakai untuk memprediksi kejaidan keberhasilan pengamanan aset daerah berdasarkan masukan variabel independennya
Inventarisasi, Pembukuan dan Pelaporan.
1.7. Hasil Analisis Regresi Berganda
