H. Analisis Data
a. Uji prasyarat analisis 1. Pengujian Linearitas
Pengujian linearitas dilakukan untuk mengetahui apakah ada sifat hubungan linear atau tidak antara variabel bebas dengan variabel terikat
dari data yang diperoleh. Rumus yang digunakan adalah rumus persamaan garis regresi dengan menghitung nilai “F” atau analisis varians untuk uji
linearitas Sudjana, 2002:332. F
=
e 2
TC 2
S S
Keterangan:
2 K
TC JK
S
TC 2
− =
k n
E JK
e S
2
− =
JK TC = Tuna Cocok JK E
= Kekeliruan Untuk menguji linearitasnya dengan mengkonsultasikan F hitung yang
lebih kecil dari pada F
tabel
dengan taraf signifikan 5 dan derajat kebebasan k-2 serta n-k, maka kedua variabel tersebut dinyatakan
mempunyai hubungan linear. Sebaliknya apabila F
hitung
lebih besar dari F
tabel
pada taraf signifikan 5 dengan derajat kebebasan k-2 dan n-k,
kedua variabel dinyatakan tidak mempunyai hubungan linear. Kriteria pengujian ini dapat juga dinyatakan sebagai berikut:
- Ho ditolak jika: F
hit
0,05 k-2, n-k F
tabel
0,05 k-2, n-k 2. Pengujian Normalitas
Pengujian normalitas data yang digunakan untuk mengetahui apakah sebaran data yang digunakan dalam penelitian berdistribusi
normal atau tidak. Untuk mengetahui hal tersebut digunakan rumus Kolmogorov Smirnov Sugiono, 2003:150.
D = Max [Fo xi – Fn xi] Keterangan :
D = deviasi Fo xi
= fungsi distribusi kumulatif yang ditentukan Fn xi
= frekuensi kulmulatif yang diobservasikan Jika F hitung dari F tabel pada taraf signifikasi 5 maka distribusi
data dikatakan normal. Jika nilai F hitung dari nilai F tabel maka distribusi dikatakan tidak normal.
3. Uji Asumsi Klasik a. Uji heteroskedastisitas
Menurut Algifari 1997:85-86 heteroskedastisitas artinya varians variabel dalam model tidak sama konstan. Konsekuensi
adanya heteroskedastisitas dalam model regresi adalah penaksir estimator yang diperoleh tidak efisien, baik dalam sampel kecil
maupun dalam sampel besar, walaupun penaksir yang diperoleh menggambarkan populasinya tidak bias dan bertambahnya sampel
yang digunakan akan mendekati nilai sebenarnya konsisten. Diagnosis adanya heteroskedastisitas secara kuantitatif dalam suatu
regresi dapat dilakukan dengan pengujian korelasi ranking Spearman. Adapun rumusnya sebagai berikut Sudjana,1990:230 :
1 di
6 -
1
2 2
− =
∑
N N
r
s
Keterangan: di = selisih ranking standar deviasi s dan ranking nilai mutlak error
e. Nilai e = Y – Y N = banyaknya sampel
Kriteria pengujian heteroskedastisitas yaitu jika nilai r hitung lebih kecil dari nilai r tabel pada taraf signifikan 5 dan db 100
maka tidak ada heteroskedastisitas. Sedangkan jika nilai r hitung lebih besar dari nilai r tabel pada taraf signifikan 5 dan db 100
maka ada heteroskedastisitas. b. Uji multikolinearitas
Menurut Algifari 1997:84 multikolinearitas artinya variabel independen yang terdapat dalam model memiliki hubungan yang
sempurna atau mendekati sempurna koefisien korelasinya tinggi atau bahkan 1. Untuk menguji multikolinearitas menggunakan
rumus VIF hitung Variance Inflation Factor. Adapun rumus yang digunakan yaitu Santoso, 2002: 356 :
VIF = 1 Tolerance
Kriteria pengujian multikolinearitas yaitu jika VIF hitung lebih besar dari 5 maka ada multikolinearitas. Sedangkan VIF hitung lebih
kecil dari 5 maka tidak ada multikolinearitas.
4. Pengujian Hipotesis Dalam penelitian ini penulis menggunakan teknik analisis data secara
kuantitatif untuk menjawab permasalahan yang ada. Analisis kuantitatif adalah analisis data yang digunakan untuk menarik kesimpulan dari data
hasil penelitian dengan menggunakan perhitungan dan rumus statistik. Adapun teknik analisis yang digunakan dalam penelitian ini adalah
sebagai berikut. 1. Statistik Deskriptif
Peneliti akan menyajikan data yang diperoleh dari penelitian yaitu data mengenai status sosial ekonomi orang tua, dorongan orang
tua, dan prestasi belajar siswa yang diperoleh dari kuesioner yang dibagikan kepada siswa ke dalam tabel penilaian. Dalam hal ini
peneliti akan menghitung nilai rata-rata dan standart deviasi, dan selanjutnya menyusun tabel penilaian. Status sosial ekonomi orang
tua, dorongan orang tua, dan prestasi belajar siswa diklasifikasikan dengan menggunakan Penilaian Acuan Patokan tipe II
Tabel 3.7 Kategori Penilaian Acuan Patokan PAP Tipe II
Tingkat Penguasaan Kompetensi Kategori Kecenderungan Variabel
81 - 100 Sangat tinggi
66 - 80 Tinggi
56 - 65 Cukup
46 - 55 Rendah
46 Sangat rendah
2. Untuk menguji Hipotesis ke-1, ke-2, dan ke3, digunakan teknik Analisis Regresi Linier Sederhana
. Teknik ini digunakan untuk mengetahui bagaimana variabel dependen
dapat diprediksikan oleh variabel independen, melalui persamaan:
Y` = a + bx Untuk mencari a, rumusnya adalah a = Y – bx, sedangkan b
= r
x y
S S
, dimana r adalah koefisien korelasi Product Moment, yang dicari
dengan rumus dengan rumus Suharsimi,1990:425 : r
=
{ }
{ }
2 2
2 2
Y Y
N X
X N
X -
XY N
Σ −
Σ Σ
− Σ
ΣΥ Σ
Σ
Keterangan: r
= koefisien korelai X = variabel bebas
Y = variabel terikat Σ
XY = jumlah hasil kali X dan Y N = jumlah sampel
S
y
= simpangan baku variabel y S
x
= simpangan baku variabel x
Untuk menguji apakah harga itu signifikan atau tidak, maka dilakukan uji signifikansi pada taraf signifikan 5 dengan tabel r product
moment .
Penarikan Kesimpulan : Ho : ditolak jika r
hitung
r
tabel.
Pada hakekatnya nilai r bervariasi dari -1 melalui 0 hingga +1 r = -1, berarti korelasi negatif dan sangat lemah
r = 0, berarti tidak ada korelasi antara variabel- variabel r = +1, berarti korelasi tersebut positif dan sangat kuat.
Batasan-batasan yang dipakai untuk mengetahui tingkat koefisien korelasi adalah sebagai berikut :
Tabel 3.8 Batasan Nilai r
Interval Koefisien Interpretasi
0,00 – 0,199 Sangat rendah
0,20 – 0,399 Rendah
0,40 – 0,599 Sedang cukup
0,60 – 0,799 Kuat
0,80 – 1,000 Sangat kuat
3. Untuk menguji hipotesis ke-4 digunakan Analisis Regresi Linier Berganda.
Analisis ini digunakan untuk memprediksi pengaruh antara seluruh prediktor variabel bebas dengan kriteria variabel terikat
serta untuk mengetahui sumbangan atau pengaruh yang diberikan oleh prediktor terhadap kriterian. Persaman regresi linier berganda dengan 4
prediktor dinyatakan dengan rumus Hadi,1992:33 : Y = a
1
. X
1
+ a
2
. X
2
+ a
3
. X
3
+k
Keterangan: a
1
= slope yang berpengaruh terhadap variabel X
1
a
2
= slope yang berpengaruh terhadap variabel X
2
a
3
= slope yang berpengaruh terhadap variabel X
3
X
1
= variabel status sosial ekonomi orang tua X
2
= variabel dorongan orang tua X
3
= variabel prestasi belajar Y = variabel minat siswa melanjutkan ke Perguruan Tinggi
Sedangkan koefisien a
1,
a
2,
a
3
, dihitung dengan persamaan: Σ
X
1
y = a
1
Σ X
1 2
+ a
2
Σ X
1
X
2
+ a
3
Σ X
1
X
3
+ a
4
Σ X
1 .
X
4
Σ X
2
y = a
1
Σ
1
X
2
+ a
2
Σ X
2 2
+ a
3
Σ X
1
X
3
+ a
4
Σ X
1 .
X
4
Σ X
3
y =a
1
Σ X
1
.X
3
+ a
2
Σ X
1
X
2
+ a
3
Σ X
3 2
+ a
4
Σ X
1
X
4
Untuk mengetahui koefisien korelasi antara variabel bebas secara bersama-sama terhadap variabel terikat, digunakan rumus Hadi,
1995:25:
2 3
3 2
2 1
1 3,
1,.2, y
R y
y x
a y
x a
y x
a Σ
Σ +
+ Σ
=
∑
Untuk mengetahui besarnya sumbangan yang diberikan oleh variabel bebas secara bersama-sama terhadap variabel terikat digunakan
rumus koefisien determinasi berbentuk R
y1,2,3 2
= R
2.
Sedangkan F
tes
yang dipergunakan untuk menguji signifikansi antara variabel bebas secara bersama-sama dengan variabel terikat
Sudjana, 2002:385adalah :
1 1
F
2 2
− −
− =
K N
R k
R
Keterangan: k : banyaknya variabel bebas
n : banyaknya responden
R
2
: koefisien determinan Harga F
hitung
yang diperoleh dikonsultasikan dengan F
tabel
pada db derajat kebebasan = {k:n-k-1} dan pada taraf signifikan 5 .
Kriteria: Jika F
hitung
F
tabel
maka harga R
y1,2,3,4
signifikan, dan berarti ada korelasi antar variabel bebas secara keseluruhan dengan
variabel terikat.
38
BAB IV HASIL TEMUAN LAPANGAN