Analisis Jalur Model Trimming Terhadap Faktor-Faktor yang Mempengaruhi Prestasi Mahasiswa (Studi Kasus: Mahasiswa D3 Statistika FMIPA USU)

DAFTAR PUSTAKA

Muhidin, Sambas Ali. 2007. Analisis Korelasi, Regresi dan Jaur dalam penelitian. Bandung: CV PUSTAKA SETIA

Riduwan. 2007. Cara menggunakan dan memaknai Analisis Jalur. Bandung: CV ALVABETA

Sarwono, Jonathan. 2007. Analisis Jalur untuk Riset Bisnis dengan SPSS.

Yogyakarta: CV ANDI OFFSET

Singgih, Santoso. 2010. Statistik Multivariat Konsep dan Aplikasi dengan SPSS. Jakarta: PT Elek Media Komputindo

Sudjana.1996.Metoda Statistika. Bandung: Tarsito

Sugiyono. 2006. Statistika Untuk Penelitian. Bandung: CV ALFABETA Supranto. J. 2004. Analisis Multivariat. Jakarta: Rineka Cipta

HASIL DAN PEMBAHASAN

3.1. Populasi

Populasi adalah keseluruhan objek penelitian. Dari penelitian yang akan menjadi populasi adalah mahasiswa D3 Statistika angkatan 2013 dan 2014 yang berjumlah sebanyak 273 orang dengan perincian mahasiswa statistika angkatan 2013 sebanyak 122 orang dan angkatan 2014 sebanyak 151 orang.

3.2. Sample dan Teknik Sampling

Sampel adalah bagian dari populasi yang menjadi objek penelitian. Pengambilan sampel dilakukan dengan Stratified Random Sampling. Jumlah populasinya adalah 273 orang dengan presisi 10%, maka untuk menentukan jumlah sampelnya dilakukan dengan menggunakan rumus Slovin:

�= �

��2 _{+ 1}

Sehingga diperoleh banyaknya sampel adalah

� = 273

273(0,1)2_{+ 1}

� = 273

273(0,01) + 1

� = 273

2,73 + 1

� = 273

3,73 � = 73,1903 � = 73 ���������

Dari jumlah sampel yang didapat, ditentukan jumlah masing-masing sampel menurut kelasnya secara proportional random sampling dengan rumus:

�� =�_�� � Dimana:

�� = jumlah sampel per strata

�� = jumlah populasi per strata

� = jumlah populasi keseluruhan

� = jumlah sampel keseluruhan

Dengan rumus diatas, maka dapat dilakukan pengambilan sampel berdasarkan kelasnya masing-masing.

����� 2013 = 40

273× 73 = 11 ��������� ����� 2013 = 40

273× 73 = 11 ��������� ����� 2013 = 42

273× 73 = 11 ��������� ����� 2014 = 49

273× 73 = 13 ��������� ����� 2014 = 50

273× 73 = 13 ��������� ����� 2014 = 52

273× 73 = 14 ���������

3.3. Metode Pengumpulan Data

Pengumpulan data dalam penelitian ini dilakukan dengan studi lapangan yaitu dengan memperoleh data secara langsung dari sumber informasi dan studi pustaka dengan mencari buku-buku yang berkaitan dengan penelitian. Model

pengumpulan data dilakukan dengan pemberian kuesioner kepada respoden. Dimana kuesioner sendiri merupakan metode pengumpulan data dengan cara membuat daftar pertanyaan tertulis kepada responden untuk di jawab sesuai dengan penilaian mereka terhadap atribut-atribut dalam kuesioner. Tipe kuesioner yang digunakan adalah tipe tertutup denga jawaban yang telah disedian dengan pilihan jawabannya adalah sangat setuju (ss), setuju (s), kurang setuju (ks), tidak setuju (ts) dan sangat tidak setuju (sts).

3.4. Uji Validitas dan Reliabilitas

Setelah kuesiner disebarkan dan terkumpul, sebelum data diolah maka perlu dilakukan uji validitas dan reliabilitas pada data.

1. Uji validitas dan reliabilitas dari motivasi belajar

Pengujian validitas tiap item pertanyaan dilakukan dengan menggunakan rumus

product moment pearson

��� = � ∑ �� − ∑ � ∑ �

�[� ∑ �2 −₍∑ �₎2_][� ∑ �2 −₍∑ �₎2_]

a. Menghitung besarnya koefisien korelasi pada item 1

��� =

73 × 7606−350 × 1581

�[73 × 1690−(350)2_{][73 × 34493−(1581)}2_]

��� = 555238−553350

�[123370−122500][2517989−2499561] ��� =

1888

�[870][18428] ��� = 0,472

Mencari nilai thitung pada item 1 dengan rumus:

�ℎ����� =�√� −

2 √1− �2 �ℎ����� =

0,472√73−2 �1−0,4722 �ℎ����� =

0,472√71 √1−0,223 �ℎ����� =

3,977

0,881 �ℎ����� = 4,511

b. Menghitung besarnya koefisien korelasi pada item 2

��� =

73 × 6457−295 × 1581

�[73 × 1229−(295)2_{][73 × 34493−(1581)}2_] ��� =

471361−466395

�[897171−87025][2517989−2499561]

��� = 4966

�[2692][18428] ��� = 0,705 Mencari nilai thitung pada item 2

�ℎ����� =

0,705√73−2 �1−0,7052

�ℎ����� = 0,705√71

√1−0,497 �ℎ����� =

5,940

0,709 �ℎ����� = 8,375

c. Menghitung besarnya koefisien korelasi pada item 3

��� =

73 × 6812−312 × 1581

�[73 × 1358−(312)2_{][73 × 34493−(1581)}2_] ��� =

497276−493272

�[99134−97344][2517989−2499561] ��� =

4004

�[1790][18428] ��� = 0,697 Mencari nilai thitung pada item 3

�ℎ��� �� =

0,697√73−2 �1−0,6972 �ℎ����� =

0,697√71 √1−0,486 �ℎ����� =

5,873

0,717 �ℎ����� = 8,192

d. Menghitung besarnya koefisien korelasi item 4

��� =

73 × 6522−299 × 1581

�[73 × 1247−(299)2_{][73 × 34493}−₍₁₅₈₁₎2_] ��� =

476106−472719

�[91031−89401][2517989−2499561]

��� = 3387

�[1630][18428] ��� = 0,618 Mencari nilai thitung pada item 4

�ℎ����� = 0,618√73−2

�1−0,6182 �ℎ����� = 0,618√71

√1−0,382 �ℎ����� =

5,207

0,786 �ℎ����� = 6,623

e. Menghitung besarnya koefisien korelasi item 5

��� =

73 × 7096−325 × 1581

�[73 × 1475−(325)2_{][73 × 34493}−₍₁₅₈₁₎2_]

��� = 518008−513825

��� =

4183

�[2050][18428] ��� = 0,680 Mencari nilai thitung pada item 5

�ℎ����� =

0,680√73−2 �1−0,6802 �ℎ����� =

0,680√71 √1−0,462 �ℎ����� =

5,730

0,733 �ℎ����� = 7,817

Setelah setiap item pertanyaan dicari thitung, maka selanjutnya

dibandingkan dengan nilai ttabel. Dengan kriteria jika thitung < ttabel maka item

pernyataan tersebut tidak valid, sebaliknya jika thitung ≥ ttabel maka item

pernyataan tersebut valid dan dapat digunakan. Nilai ttabel dapat diperoleh dari

tabel t dengan alpa 5% dan derajat kebebasan 71. Dengan demikian dapat dirangkum semua perhitungan dan pengujian validitas untuk setiap item sebagai berikut:

Tabel 3.1 Rangkuman analisis validitas dari motivasi belajar Item rhitung thitung ttabel keterangan

1 0,472 4,511 1,666 Valid 2 0,705 8,375 1,666 Valid 3 0,697 8,192 1,666 Valid 4 0,618 6,623 1,666 Valid 5 0,681 7,817 1,666 Valid

Setelah menguji validitas dari setiap item, maka selanjutnya dilakukan uji reliabilitas dengan menggunakan rumus Cronbach Alpha:

�11 =� �

� −1� �1− ∑ ��

�� � Dan untuk mencari Si dan St digunakan rumus:

�� =

∑ ��2 −(∑ ��)

2 � � �� =

∑ ��2 −(∑ ��)

2 � �

Dengan demikian dapat dihitung varians masing-masing item pernyataan tersebut. Untuk item 1

�1 =∑ �1

2₋(∑ �1)2 �

�

�1 =1696−

122500 73

73

�1 =1696−1678,082 73

�1 = 0,163

Untuk item 2

�2 =∑ �2

2₋(∑ �2)2 �

�1 =1229−

87025 73

73

�2 =1229−1192,123 73

�2 = 0,505

Untuk item 3

�3 =∑ �3

2₋(∑ �3)2 �

�

�3 =1358−

97344 73

73

�3 =1358−1333,479 73

�3 = 0,335

Untuk item 4

�4 =∑ �4

2₋(∑ �4)2 �

�

�4 =

1247−89401₇₃

73

�� =

1247−1224,671 73

Untuk item 5

�5 =∑ �5

2₋(∑ �5)2 �

�

�5 =1475−

105625 73

73

�5 =1475−1446,918 73

�5 = 0,385

Untuk item total

�� =

∑ ��2−(∑ ��)

2 �

�

�� =

34493−2499561₇₃

73

�� =

34493−34240,562 73

�� = 3,458

Kemudian menjumlahkan varians semua item instrument dengan rumus:

∑�� = �1+�2 +�3+�4+�5

∑�� = 0,163 + 0,505 + 0,336 + 0,306 + 0,385

Dengan demikian dapat dicari nilai Cronbach Alpha �11 =�

�

� −1� �1− ∑ ��

�� �

�11 =� 5

5−1� �1− 1,695 3,458�

�11 =� 5

4�(1−0,490) �11 = 0,637

Untuk melihat apakah instrument tersebut reliable atau tidaknya maka diperlukan pengujian. Dengan kriteria jika nilai Cronbach Alpha ≥ 0,60 maka instrument

tersebut reliable, sebaliknya jika nilai Cronbach Alpha < 0,60 maka instrument tersebut tidak reliable. Dari hasil yang telah diperoleh maka dapat dilihat bahwa nilai Cronbach Alpha yang diperoleh lebih besar daripada 0,60, ini berarti instrument tersebut reliebel.

2. Uji validitas dan reliabilitas untuk minat belajar

Dengan mengikuti langkah-langkah diatas, demikian juga dilakukan pada minta belajar dan diperoleh hasil seperti pada tabel dibawah.

Tabel 3.2 Rangkuman analisis validitas minat belajar Item rhitung thitung ttabel keterangan

1 0,687 7,968 1,666 Valid 2 0,646 7,129 1,666 Valid 3 0,718 8,682 1,666 Valid 4 0,705 8,380 1,666 Valid 5 0,777 10,395 1,666 Valid

Dari tabel dapat dilihat bahwa setiap itemnya itu valid, kemudian setelahnya dilakukan uji realibitas dengan mencari nilai Cronbach Alphanya dan diperoleh sebesar 0,735. Dan dengan kriteria yang telah ditetatpkan maka dapat disimpulkan bahwa intrumen tersebut reliable.

3. Uji validitas dan reliabilitas untuk disiplin belajar

Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel. Tabel 3.3 Rangkuman analisis validitas disiplin belajar Item rhitung thitung ttabel keterangan

1 0,500 4,864 1,666 Valid 2 0,776 10,352 1,666 Valid 3 0,868 14,737 1,666 Valid 4 0,741 9,307 1,666 Valid 5 0,772 10,224 1,666 Valid

Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai

Cronbach Alpha dan diperoleh hasilnya sebesar 0,789 dan lebih besar dari 0,60 maka untuk instrument ini dikatakan reliable.

4. Uji validitas dan reliabilitas untuk lingkungan belajar

Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel. Tabel 3.4 Rangkuman analisis validitas lingkungan belajar

Item rhitung thitung ttabel keterangan

1 0,797 11,113 1,666 Valid 2 0,776 10,377 1,666 Valid 3 0,765 9,999 1,666 Valid 4 0,713 8,569 1,666 Valid 5 0,733 9,087 1,666 Valid

Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai

Cronbach Alpha dan diperoleh hasilnya sebesar 0,805 dan lebih besar dari 0,60 maka untuk instrument ini dikatakan reliable.

5. Uji validitas dan reliabilitas untuk perhatian orang tua

Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel. Tabel 3.5 Rangkuman analisis validitas perhatian orang tua

Item rhitung thitung ttabel keterangan

1 0,736 9,158 1,666 Valid 2 0,831 12,612 1,666 Valid 3 0,800 11,223 1,666 Valid 4 0,778 10,426 1,666 Valid 5 0,747 9,483 1,666 Valid

Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai

Cronbach Alpha dan diperoleh hasilnya sebesar 0,835 dan lebih besar dari 0,60 maka untuk instrument ini dikatakan reliable.

6. Uji validitas dan reliabilitas untuk dosen

Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel. Tabel 3.6 Rangkuman analisis validitas dosen Item rhitung thitung ttabel keterangan

1 0,744 9,390 1,666 Valid 2 0,677 7,756 1,666 Valid 3 0,854 13,836 1,666 Valid 4 0,837 12,901 1,666 Valid 5 0,721 8,770 1,666 Valid

Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai

Cronbach Alpha dan diperoleh hasilnya sebesar 0,813 dan lebih besar dari 0,60 maka untuk instrument ini dikatakan reliable.

7. Uji validitas dan reliabilitas untuk pengaruh teman

Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel. Tabel 3.7 Rangkuman analisis validitas pengaruh teman Item rhitung thitung ttabel keterangan

1 0,684 7,913 1,666 Valid 2 0,813 11,786 1,666 Valid 3 0,735 9,144 1,666 Valid 4 0,776 10,354 1,666 Valid 5 0,741 9,308 1,666 Valid

Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai

Cronbach Alpha dan diperoleh hasilnya sebesar 0,796 dan lebih besar dari 0,60 maka untuk instrument ini dikatakan reliable.

8. Uji validitas dan reliabilitas untuk kecerdasan emosional

Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel. Tabel 3.8 Rangkuman analisis validitas kecerdasan emosional

Item rhitung thitung ttabel keterangan

1 0,540 5,411 1,666 Valid 2 0,651 7,226 1,666 Valid 3 0,653 7,258 1,666 Valid 4 0,664 7,482 1,666 Valid 5 0,727 8,935 1,666 Valid

Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai

Cronbach Alpha dan diperoleh hasilnya sebesar 0,648 dan lebih besar dari 0,60 maka untuk instrument ini dikatakan reliable.

9. Uji validitas dan reliabilitas untuk prestasi belajar

Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel. Tabel 3.9 Rangkuman analisis validitas prestasi belajar Item rhitung thitung ttabel keterangan

1 0,831 12,568 1,666 Valid 2 0,856 13,942 1,666 Valid 3 0,715 8,609 1,666 Valid

Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai

Cronbach Alpha dan diperoleh hasilnya sebesar 0,721 dan lebih besar dari 0,60 maka untuk instrument ini dikatakan reliable.

3.5. Analisis Data

Berdasarkan data yang telah diperoleh dari hasil penyebaran kuesioner maka diperoleh data untuk setiap masing-masing variabel sebagai berikut:

Tabel 3.10 Skor data tiap variabel

No X1 X2 X3 X4 X5 X6 X7 X8 X9

1 24 24 21 23 25 23 25 21 12

2 20 22 20 18 25 16 18 18 13

3 22 16 16 18 25 18 19 19 11

4 25 19 19 18 22 18 18 20 12

5 23 19 18 19 23 18 20 20 14

6 23 23 19 21 25 17 22 19 15

No X1 X2 X3 X4 X5 X6 X7 X8 X9

8 22 20 20 20 17 16 16 16 13

9 19 16 17 18 20 19 18 19 13

10 23 15 19 21 25 18 19 18 12

11 20 18 20 12 25 9 17 17 10

12 20 18 17 20 21 14 18 20 11

13 20 20 17 20 20 18 20 19 9

14 24 23 22 19 22 17 22 20 14

15 19 19 18 16 20 17 20 16 9

16 21 21 23 22 24 17 21 18 13

17 20 15 13 17 22 15 20 16 11

18 22 19 21 21 24 15 21 21 12

19 21 20 18 19 20 16 20 16 9

20 23 16 13 20 24 12 19 19 14

21 21 20 16 22 23 20 20 18 14

22 20 21 21 21 25 18 22 20 12

23 23 19 20 22 24 20 25 22 14

24 23 20 20 24 23 21 20 19 13

25 21 17 18 19 21 15 18 16 9

26 21 20 19 22 21 14 20 18 8

27 20 19 18 19 25 20 19 20 11

28 20 21 20 19 21 17 20 18 11

29 22 17 17 14 21 17 18 18 9

30 20 19 21 17 21 19 19 19 12

31 21 21 23 22 24 17 22 18 13

32 20 18 14 22 20 19 18 17 11

33 23 17 17 14 25 16 20 13 12

34 18 17 15 23 25 17 15 16 11

No X1 X2 X3 X4 X5 X6 X7 X8 X9

36 21 20 17 20 21 19 20 18 13

37 25 25 9 11 25 21 25 21 7

38 19 18 17 20 24 18 17 19 12

39 18 19 20 20 18 16 18 19 12

40 22 17 16 19 22 21 20 17 12

41 22 18 20 18 25 17 18 19 11

42 21 18 17 17 20 15 17 18 9

43 21 23 22 24 20 19 20 19 12

44 23 22 22 22 24 19 21 20 13

45 21 19 17 20 24 25 19 18 15

46 20 18 17 21 25 16 19 19 12

47 22 18 16 20 18 10 18 12 10

48 24 22 24 22 25 21 25 22 15

49 22 20 22 23 25 21 25 24 12

50 20 17 17 16 22 15 15 20 12

51 25 23 22 24 25 19 24 22 12

52 25 25 20 24 25 23 24 23 15

53 23 20 21 20 24 18 21 17 13

54 25 17 17 13 21 18 17 15 13

55 21 18 14 20 22 21 22 18 12

56 23 22 22 20 23 24 20 24 13

57 21 20 20 22 25 23 24 23 15

58 19 16 20 18 20 18 10 20 12

59 24 14 12 22 21 19 13 17 11

60 20 16 17 20 11 18 17 19 12

61 21 20 19 12 21 13 16 19 11

62 25 24 20 25 25 23 22 22 15

No X1 X2 X3 X4 X5 X6 X7 X8 X9

64 22 20 20 25 25 16 20 20 12

65 20 17 16 22 18 20 23 19 9

66 19 17 10 18 23 22 14 19 9

67 21 22 21 22 22 22 21 21 12

68 23 23 18 24 23 20 20 19 13

69 23 23 18 24 23 20 21 19 12

70 23 21 24 21 24 20 19 24 15

71 18 20 16 20 24 20 24 20 9

72 23 18 19 21 23 19 20 19 12

73 23 19 19 22 23 18 19 20 13

Keterangan:

X1 = motivasi belajar

X2 = minat belajar

X3 = displin belajar

X4 = lingkungan belajar

X5 = perhatian oraang tua

X6 = dosen

X7 = pengaruh teman

X8 = kecerdasan emosional

3.5.1. Diagram Jalur dan Persamaan Struktural

Dalam pengerjaan dalam analisis jalur, pertama sekali kita membuat gambar model jalurnya dan kemudian membuat persamaan strukturalnya.

Gambar 3.1 Model Diagram Jalur

Dari gambar diatas dapat dibuat persamaan strukturalnya: Persamaan Substruktur 1

�9 =�_�9�1�1+�_�9�2�2+�_�9�3�3+�_�9�6�6+�_�9�1�1

Persamaan Substruktur 2

�1 =�_�1�5�5+�_�1�7�7+�_�1�3�3

Persamaan Substruktur 3

�2 = �_�2�1�1+�_�2�7�7+�_�2�8�8+�_�2�4�4

Persamaan Substruktur 4

3.5.2. Menghitung korelasi antar Variabel

Menghitung korelasi antar setiap variabel adalah dengan menggunakan product moment pearson dengan rumus:

��� = � ∑ �� − ∑ � ∑ �

�[� ∑ �2 ₋₍∑ �₎2_{][� ∑ �}2 ₋₍∑ �₎2_]

Mengitung korelasi dari X1 dan X2 ��1�2 =

� ∑ �1�2− ∑ �1∑ �2

��� ∑ �12_{−(∑ �1)2��� ∑ �2}2_{−(∑ �2)2�} ��1�2 =

73(30791)−(1581)(1415)

�[73(34493)−(1581)2_][73(27899)−₍₁₄₁₅₎2_] ��1�2 =

2247743−2237115

�[2517989−2499561][2036627−2001115] ��1�2 =

10628 �(18428)(34402) ��1�2 =

10628 25178,563 ��1�2 = 0,422

Demikianlah sampai seterusnya hingga hubungan korelasi sampai pada X9.

Dan untuk lebih ringkasnya maka hasil yang diperoleh untuk matriks korelasinya adalah:

� = ⎝ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎛

1 �_�1�2 �_�1�3 ��2�1 1 ��2�3 ��3�1 ��3�2 1

��1�4 ��1�5 ��1�6 ��2�4 ��2�5 ��2�6 ��3�4 ��3�5 ��3�6

��1�7 ��1�8 ��1�9 ��2�7 ��2�8 ��2�9 ��3�7 ��3�8 ��3�9 ��4�1 ��4�2 ��4�3

��5�1 ��5�2 ��5�3 ��6�1 ��6�2 ��6�3

1 �_�4�5 �_�4�6 ��5�4 1 ��5�6 ��6�4 ��6�5 1

��4�7 ��4�8 ��4�9 ��5�7 ��5�8 ��5�9 ��6�7 ��6�8 ��6�9 ��7�1 ��7�2 ��7�3

��8�1 ��8�2 ��8�3 ��9�1 ��9�2 ��9�3

��7�4 ��7�5 ��7�6 ��8�4 ��8�5 ��8�6 ��9�4 ��9�5 ��9�6

1 �_�7�8 �_�7�9 ��8�7 1 ��8�9 ��9�7 ��9�8 1 ⎠

⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎞ �= ⎝ ⎜ ⎜ ⎜ ⎜ ⎜ ⎛

1 0,422 0,251

0,422 1 0,494

0,251 0,494 1

0,176 0,248 0,215 0,324 0,214 0,357 0,348 0,115 0,062

0,348 0,250 0,370 0,578 0,468 0,297 0,293 0,406 0,483 0,176 0,324 0,348

0,248 0,214 0,115 0,215 0,357 0,062

1 0,179 0,366

0,179 1 0,239

0,366 0,239 1

0,343 0,349 0,409 0,454 0,335 0,189 0,383 0,530 0,340 0,348 0,578 0,293

0,250 0,468 0,406 0,370 0,297 0,483

0,343 0,454 0,383 0,349 0,335 0,530 0,409 0,189 0,340

1 0,424 0,193

0,424 1 0,373

0,193 0,373 1 ⎠ ⎟ ⎟ ⎟ ⎟ ⎟ ⎞

3.5.3. Menghitung Koefisien Jalur Persamaan Substruktur 1 1. Model Diagram Jalur

2. Persamaan strukturanya

�9 =�_�9�1�1+�_�9�2�2+�_�9�3�3+�_�9�6�6+�_�9�1�1

3. Matriks korelasi dan perhitungan koefisien jalur

� = ⎝ ⎜ ⎛

1 �_�1�2 ��2�1 1

�_��1�3 ��1�6

�2�3 ��2�6 ��3�1 ��3�2

��4�1 ��4�2

1 ��3�6 ��4�3 1 ⎠

⎟ ⎞ � = � 1 0,422 0,422 1 0,251 0,215 0,494 0,357 0,251 0,494 0,215 0,357 1 0,062 0,062 1 �

Invers matrik korelasinya sebagai berikut:

�−1_{= �}

1,229 −0,441 −0,441 1,699

−0,084 −0,102 −0,700 −0,468 −0,084 −0,700

−0,102 −0,468

1,355 0,184 0,184 1,178

�

Kemudian dapat dihitung koefisien jalurnya

� ��9�1 ��9�2 ��9�3 ��9�6

�= �

1,229 −0,441 −0,441 1,699

−0,084 −0,102 −0,700 −0,468 −0,084 −0,700

−0,102 −0,468

1,355 0,184 0,184 1,178

� � ��9�1 ��9�2 ��9�3 ��9�6

�

� ��9�1 ��9�2 ��9�3 ��9�6

�= �

1,229 −0,441 −0,441 1,699

−0,084 −0,102 −0,700 −0,468 −0,084 −0,700

−0,102 −0,468

1,355 0,184 0,184 1,178

� � 0,370 0,297 0,483 0,340 �

Maka diperoleh nilai masing-masing koefisien jalurnya sebagai berikut:

� ��9�1 ��9�2 ��9�3 ��9�6

�= � 0,249 −0,156 0,478 0,313 �

Setelah memperoleh nilai koefisien jalurnya maka, kemudian mencari nilai R square

��9(�1,�2,�3,�6)

2 _{= ��}

�9�1 ��9�2 ��9�3 ��9�6� � ��9�1 ��9�2 ��9�3 ��9�6

�

��92 (�1,�2,�3,�6)= (0,249 −0,156 0,478 0,313)� 0,370 0,297 0,483 0,340

�

�_�9(�1,�2,�3,�6)

2 _{= 0,388}

Setelah memperoleh nilai R square, maka kita dapat menghitung koefisien residunya dengan cara:

��9�1 = �1− ��9(�1,�2,�3,�6) 2

��9�1 = �1−0,388 ��9�1 = 0,782

Sehingga dari seluruhnya didapatlah persamaan substruktural 1 sebagai berikut:

�9 =�_�9�1�1+�_�9�2�2+�_�9�3�3+�_�9�6�6+�_�9�1�1 �9 = 0,249�₁−0,156�2+ 0,478�3+ 0,313�6+0,782�1

4. Pengujian Hipotesis Secara Simultan

Menguji hipotesis secara bersama-sama variabel motivasi belajar, minat belajar, disiplin belajar dan dosen

�0: �_�2_{9(�1,�2,�3,�6)} = 0, artinya tidak terdapat pengaruh motivasi belajar, minat belajar, disiplin belajar dan dosen terhadap prestasi belajar.

�0: �_�2_{9(�1,�2,�3,�6)} ≠ 0, artinya terdapat pengaruh motivasi belajar, minat belajar, disiplin belajar dan dosen terhadap prestasi belajar.

Untuk menguji hipotesis, dilakukan dengan uji F.

� =(� − � −1)(��9(�1,�2,�3,�6)

2 ₎

�(1− �_�

9(�1,�2,�3,�6)

2 ₎

� =(73−4−1)(0,389) 4(1−0,389)

� =(68)(0,389) 4(0,389) � = 10,543

Setelah diketahui nilai Fhitung maka selanjutnya mencari nilai Ftabel. Dan diperoleh

nilai Ftabel dengan db1 = 4 dan db2 = 68 adalah 2,51. Dengan kriteria pengujian jika Fhitung ≥ Ftabel maka H0 ditolak. Dan dari hasil yang diperoleh diketahui bahwa Fhitung ≥ Ftabel maka H0 ditolak, yang berarti terdapat pengaruh dari keseluruhan

variabel terhadap prestasi belajar.

5. Pengujian Hipotesis secara individual

• Pengujian koefisien jalur hubungan motivasi belajar dan prestasi belajar.

�0: �_�9�1 = 0, artinya tidak terdapat pengaruh antara motivasi belajar terhadap prestasi belajar.

�1: �_�9�1 ≠ 0, artinya terdapat pengaruh antara motivasi belajar terhadap prestasi belajar.

Pengujian terhadap hipotesis dilakukan dengan rumus:

� = ����� ��1− ���(�1�2…��)

2 _��

��

� − � −1 � = ��9�1

��1− ��9(�1�2�3�6)

2 _��

11 � − � −1

� = 0,249

�(1−0,389)1,229 73−4−1 � = 0,249

�0,751₆₈ � =0,249

0,105 � = 2,371

Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai thitung lebih

besar dari ttabel. Dengan tingkat alpha 5% untuk ttabel sendiri yaitu �_{����� �}�

2,�−�−1�

= �_{����� �}�

2,73−4−1�

= 1,995. Jika dilihat maka nilai thitung

lebih besar daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho

ditolak, yang artinya ada pengaruh dari motivasi belajar terhadap prestasi belajar.

• Pengujian koefisien jalur hubungan minat belajar terhadap prestasi belajar.

�0: �_�9�2 = 0, artinya tidak terdapat pengaruh antara minat belajar terhadap prestasi belajar.

�1: �_�9�2 ≠ 0, artinya terdapat pengaruh antara minat belajar terhadap prestasi belajar.

Pengujian terhadap hipotesis dilakukan dengan rumus:

� = ��9�2

��1− ��9(�1�2�3�4�5�6�7�8)

2 _��22

� − � −1

� = −0,156

�(1−₇₃0,389)1,699₋₄₋₁ � =−0,156

�1,038₆₈ � =−0,156 0,123 � =−1,268

Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai thitung lebih

besar dari ttabel. Dengan tingkat alpha 5% untuk ttabel sendiri yaitu �_{����� �}�

2,�−�−1�

= �_{����� �}�

2,73−4−1�

= 1,995. Jika dilihat maka nilai thitung

lebih kecil daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho

diterima, yang artinya tidak ada pengaruh dari minat belajar terhadap prestasi belajar.

• Pengujian koefisien jalur hubungan disiplin belajar dengan prestasi belajar.

�0: �_�9�3 = 0, artinya tidak terdapat pengaruh antara disiplin belajar terhadap prestasi belajar.

�1: �_�9�3 ≠ 0, artinya terdapat pengaruh antara disiplin belajar terhadap prestasi belajar.

Pengujian terhadap hipotesis dilakukan dengan rumus:

� = ��9�3

��1− ��9(�1�2�3�4�5�6�7�8)

2 _��33

� − � −1

� = 0,478

�(1−₇₃0,389)1,355₋₄₋₁ � = 0,478

�0,828₆₈ � =0,478

0,110 � = 4,345

Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai thitung lebih

besar dari ttabel. Dengan tingkat alpha 5% untuk ttabel sendiri yaitu �_{����� �}�

2,�−�−1�

= �_{����� �}�

2,73−4−1�

= 1,995. Jika dilihat maka nilai thitung

lebih besar daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho

ditolak, yang artinya ada pengaruh dari disiplin belajar terhadap prestasi belajar.

• Pengujian koefisien jalur hubungan dosen terhadap prestasi belajar.

�0: �_�9�6 = 0, artinya tidak terdapat pengaruh antara dosen terhadap prestasi belajar.

�1: �_�9�6 ≠ 0, artinya terdapat pengaruh antara dosen terhadap prestasi belajar.

Pengujian terhadap hipotesis dilakukan dengan rumus:

� = ��9�6 ��1− ��9(�1�2�3�6)

2 _��

66 � − � −1

� = 0,312

�(1−₇₃0,389)1,177₋₄₋₁ � = 0,312

�0,719₆₈ � =0,312

0,103 � = 3,029

Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai thitung lebih

besar dari ttabel. Dengan tingkat alpha 5% untuk ttabel sendiri yaitu �_{����� �}�

2,�−�−1�

= �_{����� �}�

2,73−4−1�

= 1,995. Jika dilihat maka nilai thitung

lebih besar daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho

ditolak, yang artinya ada pengaruh dari dosen terhadap prestasi belajar.

Dari hasil yang telah diperoleh berdasrkan hasil uji signifikannya, terdapat beberapa variabel yang tidak signifikan didalam diagram jalurnya. Oleh sebab itu perlu dilakukan trimming, yaitu dengan mengeluarkan variabel yang tidak signifikan dan mengulang kembali diagram jalurnya, lalu menghitung ulang koefisien jalurnya.

Dengan demikian didapat persamaan substruktural yang baru.

�9 =�_�9�1�1+�_�9�3�3+�_�9�6�6+�_�9�1�1

Dengan matriks korelasinya adalah

� = �

1 �_�1�3 �_�1�6 ��3�1 1 ��3�6 ��6�1 ��6�3 1

�

� = �

1 0,251 0,215

0,251 1 0,062

0,215 0,062 1

�

Invers matriknya sendiri adalah

�−1_{= �}

1,115 −0,266 −0,223 −0,266 1,067 −0,009 −0,223 −0,009 1,048 �

Perhitungan koefisien jalurnya adalah sebagai berikut:

� ��9�1 ��9�3 ��9�6

�=�

1,115 −0,266 −0,223 −0,266 1,067 −0,009 −0,223 −0,009 1,048

� � ��9�1 ��9�3 ��9�6

�

� ��9�1 ��9�3 ��9�6

�=�

1,115 −0,266 −0,223 −0,266 1,067 −0,009 −0,223 −0,009 1,048

� �0,3700,483 0,340 �

� ��9�1 ��9�3 ��9�6

�=� 0,208 0,414 0,269 �

Untuk nilai R square nya sendiri adalah

�_�9(�1,�3,�6)

2 _=��

�9�1��9�3��9�6� � ��9�1 ��9�3 ��9�6 �

��9(�1,�3,�6)

2 _{= (0,208 0,414 0,269)�}0,370_0,483 0,340 �

��9(�1,�3,�6)

2 _{= 0,368}

Koefisien residunya sendiri adalah:

��9�1 = �1− ��9(�1,�3,�6) 2

��9�1 = �1−0,368 ��9�1 = 0,795

Maka, persamaan substruktural 1 yang baru adalah

�9 =�_�9�1�1+�_�9�3�3+�_�9�6�6+�_�9�1�1 �9 = 0,208�₁+ 0,414�3+ 0,269�6+ 0,795�1

3.5.4. Menghitung Persamaan Substruktural 2 1. Model Diagram Jalur

Gambar 3.4 Diagram Jalur Substruktural 2

2. Persamaan Substruktur

3. Perhitungan koefisien jalur

� = � 1 0,454

0,454 1 �

�−1_{= �} 1,260 −0,572 −0,572 1,260� ���1�5

��1�7�

=� 1,260 −0,572 −0,572 1,260� �

0,248 0,348�

���1�5 ��1�7�

=�0,113 0,296�

Nilai R Square nya sendiri adalah

��1(�5�7)

2 _{= (0,113 0,296)�}0,248 0,348� ��1(�5�7)

2 _{= 0,136}

Setelah memperoleh nilai R square, kemudian menghitung koefisien residunya dengan cara:

��1�3 = �1− ��1(�5,�7) 2

��2�3 = �1−0,136 ��1�3 = 0,930

Sehingga dari seluruhnya didapatlah persamaan substruktural 2 sebagai berikut:

�1 =�_�2�5�5+�_�1�7�7+�_�1�3�3 �1 = 0,113�5+ 0,296�7+ 0,930�3

4. Pengujian Hipotesis Secara Simultan

Menguji hipotesis secara bersama-sama minat belajar, perhatian orang tua, dosen dan pengaruh teman terhadap motivasi belajar.

�0: �_�2_{1(,�5,�7)} = 0, artinya tidak terdapat pengaruh perhatian orang tua dan pengaruh teman, terhadap motivasi belajar

�0: �_�2_1(�5,�7) ≠ 0, artinya terdapat pengaruh perhatian orang tua dan pengaruh teman, terhadap motivasi belajar

Untuk menguji hipotesis, dilakukan dengan uji F.

� =(� − � −1)(��1(,�5,�7)

2 ₎

�(1− �_�

1(,�5,�7)

2 ₎

� =(73−2−1)(0,135) 2(1−0,135)

� =(70)(0,135) 2(0,865) � = 5,462

Setelah diketahui nilai Fhitung maka selanjutnya mencari nilai Ftabel. Dan diperoleh

nilai Ftabel dengan db1 = 2 dan db2 = 70 adalah 3,13. Dengan kriterian pengujian

jika Fhitung ≥ Ftabel maka H0 ditolak. Dan dari hasil yang diperoleh diketahui bahwa Fhitung ≥ Ftabel maka H0 ditolak, yang berarti terdapat pengaruh dari keseluruhan

variabel terhadap motivasi belajar. 5. Pengujian Hipotesis secara individual

Dengaan proses yang sama, maka tabel dibawah ini adalah ringkasan untuk uji hipotesis secara individual, dengan t_{tabel(α/2, 73}-2-1) = 1,994.

Hipotesis thitung ttabel Kesimpulan

�0: �_�1�5 = 0, tidak ada hubungan perhatian orang tua terhadap motivasi

�1: �_�1�5 ≠ 0, tidak ada hubungan perhatian orang tua terhadap motivasi

�0: �_�1�7 = 0, tidak ada hubungan teman terhadap motivasi

�1: �_�1�7 ≠ 0, tidak ada hubungan teman terhadap motivasi

2,378 1,995 H0 ditolak

Dari hasil diatas dapat dilihat bahwa perhatian orang tua tidak ada hubungan dengan motivasi belajar. Oleh sebabnya perlu di trimming dengan mengeluarkan variabel yang tidak valid serta membuat ulang diagram jalur dan persamaan substrukturnya.

Gambar 3.5. Diagram Jalur Persamaan Substruktural 2 hasil Trimming

Dengan demikian didapat persamaan substruktural yang baru.

�1 =�_�1�7�7+�_�1�3�3

Dengan matriks korelasinya adalah

� = (1)

Invers matriknya sendiri adalah

Perhitungan koefisien jalurnya adalah sebagai berikut:

���1�7�= (1)���1�7� ���1�7�= (0,348)

Untuk nilai R square nya sendiri adalah

��1(�7)

2 _=��

�1�7����1�7� �_�1(�2)

2 _{= (0,348)(0,348)}

��1(�2)

2 _{= 0,121}

Koefisien residunya sendiri adalah:

��1�3 = �1− ��1(�2) 2

��1�3 = �1−0,121 ��1�3 = 0,937

Maka, persamaan substruktural 2 yang baru adalah

�1 =�_�1�7�7+�_�1�3�3 �1 = 0,348�7+ 0,937�3

3.5.5. Menghitung Persamaan Substruktural 3 1. Model Diagram Jalur

Gambar 3.6 Diagram Jalur Substruktural 3

2. Persamaan Substruktur

�2 = �_�2�1�1+�_�2�7�7+�_�2�8�8+�_�2�4�4

3. Perhitungan koefisien jalur

� = �

1 0,348 0,250

0,348 1 0,424

0,250 0,424 1

�

�−1_{= �}

1,155 −0,341 −0,144 −0,341 1,320 −0,474 −0,144 −0,474 1,237 �

� ��2�1 ��2�7 ��2�8

�=�

1,155 −0,341 −0,144 −0,341 1,320 −0,474 −0,144 −0,474 1,237

� �0,4220,578 0,468 �

� ��2�1 ��2�7 ��2�8

�=� 0,223 0,397 0,244 �

Nilai R Square nya sendiri adalah

��2(�1�7�8)

2 _{= (0,223 0,397 0,244)�}

0,422 0,578 0,468 � ��2(�1�7�8)

2 _{= 0,438}

Setelah memperoleh nilai R square, maka kita dapat menghitung koefisien residunya dengan cara:

��2�4 = �1− ��2(�1,�7,�8) 2

��2�4 = �1−0,438 ��2�4 = 0,749

Sehingga dari seluruhnya didapatlah persamaan substruktural 3 sebagai berikut:

�2 = �_�2�1�1+�_�2�7�7+�_�2�8�8+�_�2�4�4 �2 = 0,223�1+ 0,397�7+ 0,244�8+ 0,749�4

4. Pengujian Hipotesis Secara Simultan

Menguji hipotesis secara bersama-sama hubungan motivasi belajar pengaruh teman dan kecerdasan emosional terhadap minat belajar.

�0: �_�2_{2(�1,�7,�8)} = 0, artinya tidak terdapat pengaruh dari motivasi belajar, pengaruh teman, dan kecerdasan emosional terhadap minat belajar

�0: �_�2_{2(�1,�7,�8)} ≠0, artinya terdapat pengaruh dari motivasi belajar, pengaruh teman, dan kecedasan emosional terhadap minat belajar

Untuk menguji hipotesis, dilakukan dengan uji F.

� =(� − � −1)(��2(�1,�7,�8)

2 ₎

�(1− �_�

2(�1,�7,�8)

2 ₎

� =(73−3−1)(0,438) 3(1−0,438)

� =(69)(0,438) 4(0,438) � = 17,900

Setelah diketahui nilai Fhitung maka selanjutnya mencari nilai Ftabel. Dan diperoleh

nilai Ftabel dengan db1 = 3 dan db2 = 69 adalah 2,50. Dengan kriteria pengujian jika Fhitung ≥ Ftabel maka H0 ditolak. Dan dari hasil yang diperoleh diketahui bahwa Fhitung ≥ Ftabel maka H0 ditolak, yang berarti terdapat pengaruh dari keseluruhan

variabel terhadap minat belajar.

5. Pengujian Hipotesis secara individual

Dengaan proses yang sama, maka tabel dibawah ini adalah ringkasan untuk uji hipotesis secara individual, dengan ttabel(α/2, 73-3-1) = 1,995.

Hipotesis thitung ttabel Kesimpulan

�0: �_�2�1 = 0, tidak ada pengaruh motivasi terhadap minat

�1: �_�2�1 ≠ 0, ada pengaruh motivasi terhadap minat

2,297 1,995 H0 ditolak

�0: �_�2�7 = 0, tidak ada hubungan pengaruh teman terhadap minat belajar

�1: �_�2�7 ≠ 0, ada hubungan pengaruh teman terhadap minat belajar

�0: �_�2�8 = 0, tidak ada hubungan kecerdasan emosional terhadap minat

�1: �_�2�8 ≠ 0, ada hubungan kecerdasan emosional terhadap minat

2,432 1,995 H0 ditolak

Dari hasil diatas dapat dilihat bahwa seluruhnya memiliki hubungan yang signifikan sehingga tidak perlu didakan trimming.

3.5.6. Menghitung Persamaan Substruktural 4 1. Model Diagram Jalur

Gambar 3.7 Diagram Jalur Substruktural 4

2. Persamaan Substruktur

�3 = �_�3�2�2+�_�3�4�4 +��3�2�2

3. Perhitungan koefisien jalur

� = � 1 0,324

0,324 1 �

�−1_{= �} 1,117 −0,362 −0,362 1,117� ���3�2

��3�4�

=� 1,117 −0,362 −0,362 1,117� �

0,494 0,348�

���3�2 ��3�4�

=�0,211 0,426�

Nilai R Square nya sendiri adalah

��3(�2�4)

2 _{= (0,211 0,426)�}0,494 0,348� ��3(�2�4�8)

2 _{= 0,284}

Setelah memperoleh nilai R square, maka kita dapat menghitung koefisien residunya dengan cara:

��3�2 = �1− ��3(�2,�4) 2

��3�2 = �1−0,284 ��3�2 = 0,846

Sehingga dari seluruhnya didapatlah persamaan substruktural 4 sebagai berikut:

�3 = �_�3�2�2+�_�3�4�4+��3�8�8+��3�2�2 �3 = 0,211�2+ 0,426�4+ 0,846�2

4. Pengujian Hipotesis Secara Simultan

Menguji hipotesis secara bersama-sama minat belajar dan lingkungan belajar terhadap disiplin belajar.

�0: �_�2_3(�2,�4) = 0, artinya tidak terdapat pengaruh dari minat belajar dan lingkungan belajar terhadap disiplin belajar

�0: �_�2_3(�2,�4) ≠ 0, artinya terdapat pengaruh dari minat belajar dan lingkungan belajar terhadap disiplin belajar.

Untuk menguji hipotesis, dilakukan dengan uji F.

� =(� − � −1)(��3(�2,�4,)

2 ₎

�(1− �_�

2(�2,�4,)

2 ₎

� =(73−2−1)(0,284) 2(1−0,284)

� =(70)(0,284) 3(0,716) � = 13,850

Setelah diketahui nilai Fhitung maka selanjutnya mencari nilai Ftabel. Dan diperoleh

nilai Ftabel dengan db1 = 2 dan db2 = 70 adalah 3,13. Dengan kriterian pengujian

jika Fhitung ≥ Ftabel maka H0 ditolak. Dan dari hasil yang diperoleh diketahui bahwa Fhitung ≥ Ftabel maka H0 ditolak, yang berarti terdapat pengaruh dari keseluruhan

variabel terhadap displin belajar

5. Pengujian Hipotesis secara individual

Dengaan proses yang sama, maka tabel dibawah ini adalah ringkasan untuk uji hipotesis secara individual, dengan ttabel(α/2, 73-2-1) = 1,994.

Hipotesis thitung ttabel Kesimpulan

�0: �_�3�2 = 0, tidak ada pengaruh minat belajar terhadap disiplin belajar

�1: �_�3�2 ≠ 0, ada pengaruh minat belajar terhadap disiplin belajar

3,981 1,994 H0 ditolak

�0: �_�3�4 = 0, tidak ada hubungan lingkungan belajar terhadap disiplin belajar

�1: �_�3�4 ≠ 0, ada hubungan lingkungan belajar terhadap disiplin belajar

Dari hasil diatas dapat dilihat bahwa lingkungan belajar tidak berpengaruh terhadap disiplin belajar. Oleh sebabnya perlu di trimming dengan mengeluarkan variabel yang tidak valid serta membuat ulang diagram jalur dan persamaan substrukturnya.

Gambar 3.9. Diagram Jalur Persamaan Substruktural 4 hasil Trimming

Dengan demikian didapat persamaan substruktural yang baru.

�3 = �_�3�2�2+�_�3�2�2

Dengan matriks korelasinya adalah

� = (1)

Invers matriknya sendiri adalah

�−1_{= (1)}

Perhitungan koefisien jalurnya adalah sebagai berikut:

���3�2�= (1)���3�2� ���3�2�= (0,494)

Untuk nilai R square nya sendiri adalah

�_�3(�2,)

2 _=��

�3�2����3�2� �_�3(�2,)

2 _{= (0,494)(0,494)}

�_�3(�2,)

2 _{= 0,244}

Koefisien residunya sendiri adalah:

��3�2 = �1− ��3(�2,) 2

��3�2 = �1−0,244 ��3�2 = 0,869

Maka, persamaan substruktural 4 yang baru adalah

�3 = �_�3�2�2+�_�3�2�2 �3 = 0,494�2+ 0,869�2

3.5.7. Model Diagram Jalur Hasil Trimming

Berdasarkan hasil dari koefisien jalur pada substrukur 1 sampai substruktur 4, maka dapat digambarkan secara keseluruhan sebagai berikut:

Gambar 3.10. Diagram Jalur Hasil Trimming

Dengan persamaan strukturalnya Struktural 1

�9 =�_�9�1�1+�_�9�3�3+�_�9�6�6+�_�9�1�1 �9 = 0,208�1+ 0,414�3+ 0,269�6+ 0,795�1

Struktural 2

�1 =�_�1�7�7+�_�1�3�3 �1 = 0,348�7+ 0,937�3

Struktural 3

�2 = �_�2�1�1+�_�2�7�7+�_�2�8�8+�_�2�4�4 �2 = 0,223�1+ 0,397�7+ 0,244�8+ 0,749�4

Struktural 4

�3 = �_�3�2�2+�_�3�2�2 �3 = 0,494�2+ 0,869�2

3.5.8. Pengujian Kesesuian Model

Uji kesesuian model dimaksud untuk menguji apakah model yang diusulkan neniliki kesesuain dengan data atau tidak. Model yang diusulkan dikatakan sesuai apabila matriks korelasi sampel tidak jauh beda dengan matriks korelasi estimasi. Hipotesis kesesuian model:

��:� ≠ �(∅), matriks korelasi estimasi berbeda dengan matriks korelasi sampel.

�0:� =�(∅), matriks korelasi estimasi tidak berbeda dengan matriks korelasi sampel.

Rumus yang digunakan untuk kesesuian model:

� =1− �� 2 1− �

Dimana:

��2 = 1−(1− �12)(1− �22) … (1− ��2)

��2 = 1−(1−0,389)(1−0,136)(1−0,438)(1−0,284)

��2 = 1−(0,611)(0,864)(0,562)(0,716)

��2 = 1−0,212

� = 1−(1− �12_{)(1− �2}2_{) … (1− �}

�2)

� = 1−(1−0,368)(1−0,121)(1−0,438)(1−0,244) � = 1−(0,632)(0,879)(0,562)(0,756)

� = 1−0,238 � = 0,762

Maka dapat dihitung koefisien Q � =1− ��

2 1− � � =1−0,788

1−0,764 � =0,212

0,238 � = 0,891

Dengan ukuran sampel 73 dan d = 3, maka dihitung nilai W �ℎ����� =−(� − �)���

�ℎ����� =−(73−3) ln 0,891

�ℎ����� =−(70) (−0,115)

�ℎ����� = 8,05

Dicari dari tabel distribusi chi-square dengan dk = 3 dan α = 5%, maka diperoleh nilai �2 = 7,814. Ternyata Whitung > �2(3;0,05) atau 8,05 > 7,814 maka H0 ditolak

3.6. Besar Pengaruh Langsung dan Tidak Langsung

Besarnya masing-masing pengaruh baik secara langsung maupun tidak langsung dapat dilihat dibawah ini.

1. Pengaruh langsung motivasi (X1) terhadap prestasi belajar (X9) ��9�1 ×��9�1 = 0,208 × 0,208 = 0,043

2. Pengaruh disiplin (X3) terhadap prestasi belajar (X9) ��9�3 ×��9�3 = 0,414 × 0,414 = 0,171

3. Pengaruh langsung dosen (X6) terhadap prestasi belajar (X9) ��9�6 ×��9�6 = 0,269 × 0,269 = 0,072

4. Pengaruh langsung teman (X7) terhadap motivasi (X1) ��1�7 ×��1�7 = 0,348 × 0,348 = 0,121

5. Pengaruh langsung motivasi (X1) terhadap minat belajar (X2) ��2�1 ×��2�1 = 0,223 × 0,223 = 0,049

6. Pengaruh langsung teman (X7) terhadap minat belajar (X2) ��2�7×��2�7 = 0,397 × 0,397 = 0,158

7. Pengaruh langsung kecerdasan emosional (X8) terhadap minat belajar (X2) ��2�8×��2�8 = 0,244 × 0,244 = 0,059

8. Pengaruh langsung minat (X2) terhadap disiplin belajar (X3) ��3�2×��3�2 = 0,494 × 0,494 = 0,244

9. Pengaruh tidak langsung teman (X7) terhadap prestasi (X9) melalui motivasi

(X1).

10.Pengaruh tidak langsung minat (X2) melalui disiplin (X3) terhadap prestasi

(X9)

��3�2 ×��9�3 = 0,494 × 0,414 = 0,204

11.Pengaruh tidak langsung kecerdasan emosional (X8) terhadap prestasi (X9)

melalui minat (X2) dan disiplin belajar (X3)

��2�8 ×��3�2×��9�3 = 0,244 × 0,494 × 0,414 = 0,05

12. Pengaruh tidak langsung kecerdasan emosional (X8) terhadap disiplin belajar

(X3) melalui minat (X2)

��2�8 ×��3�2 = 0,244 × 0,494 = 0,121

13.Pengaruh tidak langsung motivasi (X1) terhadap disiplin belajar (X3) melalui

minat (X2)

��2�1 ×��3�2 = 0,208 × 0,494 = 0,103

14.Pengaruh tidak langsung teman (X7) terhadap disiplin belajar (X3) melalui

minat (X2)

4.1. Kesimpulan

Dari hasil penelitian yang telah dilakukan maka diperolah kesimpulan bahwa faktor yang berpengaruh langsung secara simultan terhadap prestsai mahasiswa D3 Statistika adalah motivasi, disiplin belajar dan dosen dengan besar pengaruhnya sebesar 36,8%. Faktor yang berpengaruh secara tidak langsung terhadap prestasi mahasiswa adalah teman, minat belajar, kecerdasan emosional, dan motivasi. Dimana teman berpengaruh secara tak langsung terhadap prestasi melalui motivasi sebesar 0,072, minat belajar berpengaruh secara tak langsung terhadap prestasi melalui disiplin belajar sebesar 0,204, dan pengaruh tidak langsung dari kecerdasan emosional terhadap prestasi melalui minat dan disiplin belajar adalah sebesar 0,05.

4.2. Saran

1. Untuk penelitian selanjutnya disarankan agar menambah variabel yang mempengaruhi prestasi belajar yang tidak terkandung dalam penelitian ini untuk hasil yang maksimal. Memperluas populasi dan menambah jumlah sampel agar bisa dijadikan bahan perbandingan dalam pengambilan keputusan 2. Sebagai pihak pengajar hendaknya lebih meningkatkan proses pengajaran agar

2.1. Analisis Jalur

Analisis jalur atau yang dikenal dengan path analysis dikembangkan pertama tahun 1920-an oleh seorang ahli genetika yaitu Sewall Wright. Menurut Sarwono (2007:1) terdapat beberapa defenisi analisis jalur, diantaranya:

1) Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung (Robert D. Ruterford 1993).

2) Analisis jalur merupakan pengembanganlangsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan (magnitude) dan signifikansi (significance) hubungan sebab akibat hipotepikal dalam seperankat variabel. (Paul Webley, 1997)

3) Analisis jalur merupakan model perluasan regresi yang digunakan untuk menguji keselarasan matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang dibandingkan oleh peneliti. (David Garson, 2003)

Dari beberapa defenisi diatas, dapat disimpulkan bahwa sebenarnya analisis jalur adalah perluasan dari analisis regresi berganda. Analisis jalur merupakan teknik analisis yang digunakan untuk mempelajari atau melihat hubungan kausal antara variabel bebas dan variabel tak bebas.

2.2. Konsep Dasar Analisis Jalur

Analisis jalur merupakan teknik statistik yang digunakan untuk menguji hubungan kausal antara dua atau lebih variabel. Esensi dari analisis jalur adalah didasarkan

pada sistem persamaan linear. Sistem hubungan kausal atau sebab akibat menyangkut dua jenis variabel, yaitu variabel bebas dan variabel terikat.

Pengaruh variabel bebas terhadap variabel terikat dalam analisis jalur dapat berupa pengaruh langsung maupun tidak langsung. Hal ini berbeda dengan model regresi dimana pengaruh variabel bebas terhadap variabel tak bebas hanya berupa pengaruh langsung. Pengaruh tidak langsung suatu variabel bebas terhadap variabel tak bebas adalah pengaruh variabel bebas (independent) terhadap variabel tak bebas (dependent) melalui variabel lain yang disebut variabel antara (intervening variable).

Dalam analisis jalur dikenal istilah variabel eksogen dan variabel endogen. Variabel endogen atau variabel yang mempengaruhi adalah variabel yang variasinya diasumsikan terjadi bukan karena sebab-sebab dalam model. Atau dalam diagram, tidak ada anak-anak panah yang menuju kearahnya selain pada bagian kesalahan pengukuran. Sedangkan variabel endogen atau variabel yang dipengaruhi adalah variabel yang variasinya terjelaskan oleh variabel eksogen ataupun variabel endogen lain dalam model.

2.3. Manfaat Analisis Jalur

Manfaat daripada analisis jalur (path analysis) adalah untuk memberikan penjelasan atau explanation terhadap fenomena yang dipelajari atau permasalahan yang diteliti, membuat prediksi nilai variabel endogen berdasarkan nilai variabel eksogen, mengetahui faktor dominan yaitu penentu variabel eksogen mana yang berpengaruh dominan terhadap variabel endogen, juga untuk mengetahui mekanisme pengaruh jalur-jalur variabel eksogen terhadap variabel endogen, dan pengujian model dengan menggunakan teori trimming baik untuk uji reliabilitas dari konsep yang sudah ada maupun konsep baru.

2.4. Diagram Jalur dan Persamaan Struktural

Pada saat akan melakukan analisis jalur, disarankan untuk terlebih dahulu menggambarkan secara diagramatik struktur hubungan kausal antara variabel penyabab dan variabel terikat. Diagram ini disebut diagram jalur (path diagram), dan bentuknya ditentukan oleh proposisi teoritik yang berasal dari kerangka pikir tertentu.

Gambar 2.1: diagram jalur hubungan kausal dari X1 ke X2

Gambar diatas merupakan diagram jalur paling sederhana. Gambar 2.1 menyatakan bahwa X1 sebagai variabel eksogen atau bebas yang mempengaruhi

variabel endogen atau terikat X2. Tetapi diluar daripada variabel X1 masih ada

variabel lain yang tidak diukur dan dinyatakan sebagai variabel residu (ε). Persamaan strukturalnya adalah �₂ =�_�2�1�1+�

Pada gambar diatas terdapat tiga buah variabel eksogen yaitu X1, X2 dan

X3 serta sebuah variabel residu ε. Pada diagram diatas juga menunjukkan

hubungan kausal dari X1 ke X4, X2 ke X4 dan X3 ke X4, sedangkan hubungan X1

dengan X2, X2 dengan X3, dan X1 dengan X3 menunjukkan hubungan korelasi.

Persamaan strukturalnya adalah �₄= �_�4�1�₁+�_�4�2�₂+�_�4�3�₃+�

Gambar 2.3: diagram jalur hubungan kausal dari X1, X2 ke X3 dan dari X3 ke X4

Pada gambar terdapat dua buah sub-struktur. Pertama, sub-struktur yang menyatakan hubungan kausal dari X1 dan X2 ke X3, serta kedua, mengisyaratkan

hubungan kausal dari X3 ke X4.

Persamaan struktural 1 adalah �₃ = �_�3�1�1+��3�2�2+�1

Persamaan struktural 2 adalah �₄ = �_�4�3�3+�2

Pada sub-strukur pertama X1 dan X2 merupakan variabel eksogen dan X3 merupakan variabel endogen serta ε1 merupakan variabel residu. Pada sub-struktur

kedua X3 merupakan variabel eksogen dan X4 merupakan variabel endogen, serta ε2 merupakan variabel residu.

Berdasarkan beberapa diagram jalur diatas, maka dapat kita simpulkan bahwa semakin kompleks sebuah hubungan structural semakin kompleks diagram jalurnya, dan semakin banyak pula sub-struktur yang memnbangung diagram jalur tersebut.

2.5. Koefisien Jalur

Besarnya pengaruh langsung dari suatu variabel eksogen terhadap variabel endogen dinyatakan oleh besarnya nilai numeric koefisien jalur (path analysis) dari eksogen ke endogen.

Gambar 2.4 hubungan kausal dari X1, X2 ke X3

Hubungan antara X1 dan X2 adalah hubungan korelasi. Intensitas keeratan

hubungan tersebut dinyatakan oleh besarnya koefisien korelasi rx1x2. Hubungan X1

dan X2 ke X3 adalah hubungan kausal. Besarnya pengaruh langsung dari X1 ke X3

dan dari X2 ke X3 masing-masing dinyatakan oleh besarnya nilai numeric

koefisien jalur �_�3�1 dan �_�3�2. Koefisien jalur �_�3� menggambarkan besarnya pengaruh langsung variabel residu terhadap X3.

Langkah kerja yang dilakukan untuk menghitung koefisien jalur adalah: a. Menggambar diagram jalur yang mencerminkan proposisi hipotetik yang

diajukan, lengkap dengan persamaan strukturalnya b. Menghitung matrik korelasi antar variabel

� =

⎣ ⎢ ⎢

⎡_�1 ��1�2

�2�1 1

⋯ ��1��

⋯ ��2��

⋮ ⋮

����1 ����2

⋱ ⋯

… 1 ⎦⎥

⎥ ⎤

Formula untuk menghitung koefisien korelasi yang dicari adalah menggunakan Product Moment Coefficient dari Karl Pearson.

��� = � ∑ �� −

(∑ �)(∑ �)

��[∑ �2 −₍∑ �₎2_][� ∑ �2 −₍∑ �₎2_]

c. Mengidentifikasikan sub-struktur dan persamaan yang akan dihitung koefisien jalurnya. Lalu hitung matrik korelasi antar variabel eksogen yang menyusun sub-struktur tersebut.

d. Menghitung matrik invers korelasi variabel eksogen

�1−1 =�

�11 �12 �21 �22

⋯ �1� ⋯ �2�

⋮ ⋮

��1 ��2

⋱ ⋯

… �_��

�

e. Menghitung semua koefisien jalur �_����, dimana �= 1,2, … ,�; melalui rumus:

� ����1

����2

⋮ �����

�= �

�11 �12 �21 �22

⋯ �1�

⋯ �2�

⋮ ⋮

��1 ��2

⋱ ⋯

… �_��

� � ����1

����2

⋮ �����

�

Untuk melihat seberapa besar kontribusi secara simultan antara variabel bebas dengan variabel terikat digunakan rumus:

�_�2_�(_�1�2…�_�) = [����1 ����2 ⋯ �����]�

����1

����2

⋮ �����

2.6. Analisis Jalur Model Trimming

Model trimming adalah model yang digunakan untuk memperbaiki suatu model struktur analisis jalur dengan cara mengeluarkan dari model variabel eksogen yang koefisien jalurnya tidak signifikan. Jadi model trimming terjadi ketika koefisien jalur diuji secara keseluruhan ternyata ada variabel yang tidak signifikan. Jika terdapat demikian maka model jalur yang telah dibuat sebelumnya perlu diperbaiki.

Cara menggunakan trimming yaitu menghitung ulang koefisien jalur tanpa menyertakan variabel eksogen yang koefisien jalurnya tidak signifikan. Langkah-langkah pengujian analisis jalur (path analysis) dengan model trimming adalah:

1) Merumuskan persamaan struktural 2) Menghitung koefisien jalur

3) Menguji koefisien jalur secara simultan (keseluruhan) Uji hipotesis secara keseluruhan:

�0:��_��1 = ��_��2 =⋯= ��_��_� = 0 �1:��_��1 =��_��2 = ⋯=��_��_� ≠0

Pengujian signifikansi menggunakan uji F

� =(� − � −1)�

2

��(�1�2…�_�) �(1− �2

��(�1�2…�_�)

Dimana:

n = jumlah sampel

k = jumlah variabel eksogen

�2

��(�1�2…�_�) = koefisien determinasi

Kriteria pengujian:

Jika �_{ℎ�����} ≥ �_{�����} maka tolak �₀, artinya signifikan Jika �_{ℎ�����} <�_{�����} maka terima � , artinya tidak signifikan

4) Menguji koefisien jalur secara individual Hipotesis yang diuji:

�0:��_��_� = 0, artinya tidak terdapat pengaruh variabel eksogenus (��)

terhadap variabel endogenus (�_�).

�0:��_��_� ≠0, artinya terdapat pengaruh variabel eksogenus (��) terhadap

variabel endogenus (�_�)

Pengujian menggunakan uji t

�= �����

�(1− �2��(_�1�2…�_�))�_�� � − � −1

Dengan kriteria pengujian: ditolak �₀ jika �_{ℎ�����} >�_{�����} 5) Menguji kesesuaian antar model analisis jalur

Uji kesesuaian model dimaksud untuk menguji apakah model yang diusulkan memiliki kesesuaian dengan data atau tidak. Untuk itu digunakan uji statistic kesesuain model koefisien Q dengan rumus:

� =1− ��

2

1− �

Dimana:

� =����������

��2 = 1−(1− �12)(1− �22) …�1− ��2� � =�_�2 ������ℎ�����������������

Apabila Q = 1 mengindikasikan model fit sempurna. Jika Q < 1, untuk menentukan fit tidaknya model maka statistic koefisien Q perlu diuji dengan statistik W yang dihitung dengan rumus:

Dimana:

n = menunjukkan ukuran sampel

d = banyak koefisien jalur yang tidak signifikan sama dengan degree of freedom

��2 = koefisien determinasi multiple untuk model yang diusulkan

� = koefisien determinasi multiple setelah koefisien jalur yang tidak signifikan dihilangkan.

Dasar pengambilan keputusan adalah jika �_{ℎ�����} ≥ �₍2_��;�) maka model yang diperoleh signifikan.

6) Memaknai dan menyimpulkan

2.7. Variabel dan Data 2.7.1. Variabel

Variabel adalah karakteristik yang akan di observasi dari satuan pengamatan. Karakteristik yang dimiliki satuan pengamatan keadaannya berbeda-beda atau memiliki gejala yang bervariasi dari satu satuan pengamatan ke satu satuan pengamatan lainnya, atau untuk satuan pengamatan yang sama, karakteristiknya berubah menurut waktu atau tempat.

Dilihat dari hubungan antar variabel, dikenal bermacam-macam variable, antara lain:

1. Variabel independen (bebas, eksogenus) adalah variabel yang menjadi sebab terjadinya variabel dependen (terikat, endogenus).

2. Variabel dependen (terikat, endogenus) adalah variabel yang nilainya dipengruhi oleh variabel independen

3. Variabel moderator adalah variabel yang dapat memperkuat atau memperlemah hubungan antara variabel independen dan variabel dependen.

4. Variabel intervening adalah variabel moderator yang nilainya tidak dapat diukur secara pasti, seperti sedih, gembira, dan lain sebagainya.

5. Variabel control adalah variabel yang dapat dikendalikanoleh peneliti.

2.7.2. Data

Jenis data berdasarkan cara memperolehnya dapat dibagi atas dua bagian, yaitu: 1. Data primer, yaitu data yang diapat langsung dari objeknya. Misalnya data

hasil observasi langsung, data hasil wawancara dan data hasil pengisian kuesioner.

2. Data sekunder, yaitu data yang diperoleh dalam bentuk sudah jadi, hasil dari pengumpulan dan pengolahan pihak lain

2.7.3. Teknik Pengumpulan Data

Teknik pengumpulan data adalah cara yang dapat digunakan oleh peneliti untuk mengumpulkan data. Ada beberapa teknik yang digunakan untuk mengumpulkan data, diantaranya adalah:

1. Teknik observasi, merupakan teknik pengumpulan data dimana peneliti mengadakan pengamatan dan pencatatan secara sistematis terhadap objek yang ditetili, baik dalam situasi buatan yang secara khusus diadakan (laboratorium) ataupun dalam situasi alamiah atau sebenarnya (lapangan). 2. Teknik wawancara, merupaka teknik pengumpulan data yang dilakukan

dengan cara mengadakan Tanya jawab, baik secara langsung maupun tidak langsung secara bertatap muka dengan sumber data (responden)

3. Teknik kuesioner, merupakan teknik pengumpulan data dalam bentuk pengajuan pertanyaan tertulis melalui sebuah daftar pertanyaan yang sudah dipersiapkan sebelumnya dan harus diisi oleh responden

2.7.4. Skala Pengukuran

Maksud dari skala pengukuran adalah untuk mengklasifikasikan variabel yang akan diukur supaya tidak terjadi kesalahan dalam menentukan analisis data dan langkah penelitian. Jenis-jenis skala pengukuran ada empat, yaitu:

1. Skala nominal, yaitu skala yang menyatakan kategori, kelompok atau klasifikasi konstruk yang diukur dalam bentuk variabel. Nilai variabel dalam skala nominl hanya menjelaskan kategori, tidak menjelaskan nilai peringkat, jarak atau perbandingan.

2. Skala ordinal, yaitu skala pengukuran yang tidak hanya menyak=takan kategori tetapi juga menyataakan peringkat konstruk yang diukur.

3. Skala interval, yaitu skala yang menunjukkan jarak antara satu data dengan data yang lain dan mempunyai bobot yang sama. Contohnya adalah skor ujian perguruan tinggi: A, B, C, D dan E, temperature, persepsi (sangat setuju, setuju, kurang setuju, tidak setuju, sangat tidak setuju).

4. Skala rasio, yaitu skala pengukuran yang mempunyai nilai nol mutlak dan mempunyai jarak yang sama.

2.7.5. Pengujian Instrumen Penelitian

Dalam hal kegiatan pengumpulan data, perlu dilakukan pengujian terhadap instrument yang digunakan. Kegiatan pengujian instrument penelitian meliputi dua hal, yaitu pengujian validitas dan reliabilitas.

1. Validitas Instrumen

Validitas adalah suatu ukuran yang menunjukkan tingkat kesahihan suatu instrument. Suatu instrument dikatakan valid apabila mampu digunakan sebagai alat ukur yang mampu mengukur dengan tepat sesuai dengan kondisi responden yang sesungguhnya. Uji validitas dapat dilakukan dengan rumus korelasi product moment dari Karl Pearson, yaitu:

��� = � ∑ �� − ∑ � ∑ �

�[� ∑ �2₋₍∑ �₎2_{][� ∑ �}2₋₍∑ �₎2_]

Dimana:

rxy = koefisien korelasi

X = skor butir soal Y = skor total

n = jumlah responden

Setelah setiap instrument dihitung besarnya koefisien korelasi dengan skor totalnya, maka langkah selanjutnya adalah menghitung uji-t dengan rumus:

�ℎ����� = ����� − 2 1− �_��2

Kemudian hasil diatas dibandingkan dengan nilai t dari tabel dengan taraf kepercayaan 95% dan derajat kebebasan (dk) = n-2. Dengan kriteria pengujian adalah apabila nilai �_{ℎ�����} ≥ �_{�����} ,maka butir penyataan tersebut dinyatakan valid. Sebaliknya apabila �_{ℎ�����} <�_{�����} ,maka butir pernyataannya tidak valid.

2. Reliabilitas Instrumen

Suatu instrument dikatakan reliable jika pengukurannya konsisten dan cermat akurat. Jadi uji reliabilitas instrument dilakukan dengan tujuan untuk mengetahui konsistensi dari instrument sebagai alat ukur, sehingga hasil suatu pengukuran dapat dipercaya. Rumus statistic yang digunakan adalah reliability analysis Alpha Cronbach, dengan rumus:

�11 =� �

� −1� �1−

∑ ��

�� � Dimana:

∑Si = jumlah varians skor tiap item St = varians total

k = jumlah item

Menghitung varians skor tiap-tiap item dengan rumus:

�� =

∑ ��2−(∑ ��)

2 � �

Dimana:

Si = varians skor tiap item ∑Xi2 = jumlah kuadrat item Xi

(∑Xi)2= jumlah item Xi dikuadratkan

n = jumlah responden

Kriteria uji reliabilitas instrument dengan membandingkan rhitung dengan rtabel

dengan ketentuan, jika �_{ℎ�����} ≥ �_{�����} maka instrument dinyatakan reliable. Sebaliknya jika �_{ℎ�����} <�_{�����} maka instrument tidak reliable.

2.8. Populasi dan Sampel 2.8.1. Populasi

Populasi adalah sekelompok orang, kejadiam, atau benda yang merupakan kumpulan lengkap dari elemen-elemen sejenis akan tetapi dapat dibedakan berdasarkan karakteristiknya, yang dijadikan objek penelitian (Supranto, 2004). Populasi ada dua jenis yaitu populasi terbatas dan tidak terbatas. Populasi terbatas adalah populasi yang memiliki sumber data yang jelas batasnya secara kuantitatif sehingga dapat dihitung jumlahnya. Populasi tak terbatas adalah populasi yang sumber datanya tidak dapat ditentukan batas-batasnya sehingga relative tidak dapat dinyatakan dalam bentuk jumlah.

2.8.2. Sampel

Sampel adalah bagian dari populasi yang menjadi objek penelitian. Dalam penentuan jumlah sampel dari suatu populasi dibutuhkan teknik sampling. Teknik sampling dapat didefinisikan sebagai suatu teknik untuk menentukan jumlah sampel, sehingga setiap sampel terpilih dalam penelitian dapat mewakili populasinya. Teknik pengambilan sampel dilakukan secara Stratified Random Sampling. Untuk menentukan jumlah sampel dilakukan dengan menggunakan rumus Slovin:

�= �

��2 _{+ 1}

Dimana:

n = jumlah sampel N = jumlah populasi d2 = presisi yang ditetapkan

2.9. Pengertian Prestasi Belajar

Prestasi belajar merupakan hasil yang dicapai seseorang ketika mengerjakan tugas atau kegiatan tertentu. Prestasi belajar mahasiswa adalah hasil belajar yang dicapai mahasiswa ketika mengikuti kegiatan pembelajaran dikampus yang ditunjukkan melalui nilai atau angka evaluasi yang dilakukan oleh dosen terhadap tugas dan ujian yang ditempuh. Ada beberapa hal yang mempengaruhi prestasi belajar mahssiswa daik secara internal maupun eksternal, diantaranya:

1. Minat belajar

Minat sering diartikan sebagai keinginan untuk melakukan sesuatu. Dalam hal belajar tidak akan tercapai jika tidak didasari oleh minat dari dalam diri seseorang, karena minat merupaka hal utamanya. Minat berhubungan erat dengan prestasi belajar, karena belajar tanpa minat sama saja saja dengan tidak memahami apa yang diajarkan.

2. Motivasi Belajar

Motivasi adalah perubahan energi dalam diri seseorang yang ditandai timbulnya suatu reaksi atau perasaan untuk mencapai sebuah tujuan. Hasi belajar akan menjadi optimal jika memiliki motivasi.

3. Displin belajar

Disiplin belajar merupakan suatu kondisi yang sangat pentingmenentukan keberhasilan pelajar dalam proses belajarnya. Tanpa disiplin hasil dari apa yang telah dipelajari kurang optimal. Dimana disiplin sendiri merupakan upaya pengendalian diri dan sikap mental individu atau masyarakat dalam mengembangka kepatuhan dan ketaatan terhadap peraturan dan tata tertib berdasarkan dorongan dan kesadaran yang muncul dalam dirinya.

4. Kecerdasan emosional

Goleman (2000:4) berpendapat kecerdasan intelektual hanya menyumang 20% bagi kesuksesan, sedangkan 80% adalah sumbangan faktor-faktor yang lain, salah satunya adalah kecerdasan emosional. Proses belajar diperguruan tinggi dalam berbagai aspek sangat berkaitan dengan kecerdasan emosional yang mana mampu mampu mengola mahasiswa dalm mengola persaaan, pengendalian diri dan kesanggupan untuk tegar menghadapi sesuatu.

5. Lingkungan belajar

Manusia tumbuh dan besar dalam lingkungan. Lingkungan belajar merupakan segala sesuatu yang berhubungan dengan tempat proses pembelajaran. Dimana dengan adanya lingkungan belajar yang baik maka akan mempengaruhi disiplin belajar seseorang

6. Perhatian Orang tua

Perhatian orang tua merupakan salah satu halyang dapat meningkatkan motivasi dari belajar mahasiwa itu sendiri. Dimana orang tua sendiri memiliki respon positif untuk setiap hal yang dilakukan oleh anaknya dalam pembelajarannya.

7. Dosen

Doen merupakan pengajar dalam perguruan tinggi. Dosen memiliki pengaruh yang penting dalam prestasi mahasiswa, sebagai seorang pengajar dosen membuat suatu pembelajar atau bimbingan aktivitas yang dapat meningkatkan prestasi mahasiswa.

8. Pengaruh teman

Teman merupakan orang yang selalu ada bersama kita disetia saat dan yang opaling dekat dengan kita. Teman yang baik akan memberikan dampak positif terhadap prestasi kita, namun teman yang buruk akan menjatuhkan kita.

1.1. Latar Belakang

Pendidikan merupakan hal yang sangat penting bagi setiap orang. Lewat pendidikan, setiap orang semakin mengetahui banyak hal tentang apa yang ada di dunia ini. Tentunya pendidikan tak terlepas dari yang namanya balajar. Dalam kehidupan manusia, belajar merupakan sesuatu yang tak dapat dipisahkan. Menurut Syai’ful Bahri Djamarah, belajar merupakan serangkaaian jiwa dan raga untuk memperoleh suatu perubahan tingkah laku sebagai hasil pengalaman individu terhadap interaksi individu terhadap lingkungannya yang menyangkut kognitif, afektif dan psikomotrik. Dengan belajar manusia dapat meningkatkan atau mengembangkan segala potensi yang ada pada dirinya. Dan tanpa belajar manusia tidak akan dapat memenuhi kebutuhannya.

Belajar akan selalu dikaitkan dengan hasil belajar. Belajar merupakan suatu proses, sedangkan hasil dari belajar itu sendiri merupakaan sesuatu yang kita dapat setelah belajar. Dalam jenjang perguruan tinggi, kita memperoleh serangkaian proses pembelajaran akan sesuatu hal yang sesuai dengan jurusan yang kita pilih untuk meningkatkan pemahaman atau pengetahuan kita. Dengan rangkaian proses belajar tersebut, kita akan memperoleh hasil dari apa yang kita terima selama masa perkuliahan. Dalam perguruan tinggi sendiri, hasil belajar daripada mahasiswa itu ditunjukan dalam bentuk indeks prestasi (IP). Indeks prestasi (IP) sendiri merupakan hasil yang kita dapatkan untuk setiap semesternya, sedangkan indeks prestasi kumulatif (IPK) merupakan hasil yang kita peroleh untuk seluruh semesternya selama kita kuliah.

Tentunya dalam memperoleh hasil dari pada perkuliahan kita, ada beberapa hal yang menjadi tolak ukur yang buat sesuai dengan kontrak kuliah yang kita sepakati dengan setiap dosennya. Misalnya, kehadiran dalam perkuliahan, pengerjaan tugas yang diberikan, keaktifan selama perkuliahan berlangsung, dan lain sebagainya. Dalam perkuliahan sendiri, pastinya setiap

mahasiswa memiliki hasil atau prestasi belajar yang berbeda-beda. Itu disebabkan karena ada beberapa hal yang mempengaruhi atau berpengaruh dari diri setiap mahasiswa.

Beberapa hal yang mungkin saja menjadi penyebabnya adalah motivasi yang dimiliki oleh mahasiswa tersebut. Bisa saja dia tidak termotivasi untuk belajar karena sesuatu hal. Atau kemungkinan yang lain adalah minat dari pada mahasiswa tersebut, lingkungan belajar yang mendorong untuk focus atau menikmati pembelajarannya, disiplin belajar atau bagaimana dia mengatur dirinya untuk belajar, dukungan keluarga yang mungkin memberinya semangat, pengaruh teman apakah berdampak pada prestasinya. Selain itu mungkin dari segi dosen dalam mengajar dan tentang kecerdasaan emosional mahasiswa tersebut yaitu bagaimana dia dapat mengenali dirinya dan menghadapi setiap hal yang terjadi.

Analisis jalur sendiri merupakan suatu metode yang digunakan untuk melihat pengaruh langsung dan tidak langsung antar variabel bebas dengan variabel bebas lainnya maupun antar variabel bebas dengan variabel terikat. Dan juga untuk melihat sejauh mana masing-masing variabel memberikan kontribusi terhadap variabel terikatnya dari model jalur yang dihasilnya. Dan model

trimming merupakan model yang digunakan untuk memperbaiki model jalur yang telah dibuat jika ada variabel yang tidak signifikan.

D3 Statistika merupakan salah satu program studi yang ada di Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara. Penulis menjadikan jurusan ini sebagai contoh sampel yang digunakan untuk penelitian. Oleh karenanya, penulis mengambil judul “Analisis Jalur Model Trimming

terhadap Faktor-Faktor yang Mempengaruhi Prestasi Mahasiswa (Studi kasus: Mahasiswa D3 Statistika FMIPA USU).

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Skripsi ini dengan judul “Analisis Jalur Model Trimming Terhadap Faktor-Faktor yang Mempengaruhi Prestasi Mahasiswa (Studi Kasus: Mahasiswa D3 Statistika FMIPA USU).

Terimakasih penulis sampaikan kepada Bapak Drs. Marihat Situmorang, M.Kom dan Drs. Henry Rani Sitepu, M.Si selaku pembimbing yang telah meluangkan waktunya selama penyusunan skripsi ini. Terimakasih juga penulis sampaikan kepada Bapak Drs. Ujian Sinulingga, M.Si dan Drs. Gim Tarigan, M.Si selaku dosen pembanding yang memberikan saran-saran guna menjadikan skripsi ini menjadi lebih baik. Terimakasih juga kepada Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU, seluruh Staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak P. Siregar, ibu S. Sirait dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

Penulis,

ANALISIS JALUR MODEL TRIMMING TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI PRESTASI MAHASISWA

(Studi Kasus: Mahasiswa D3 Statitika FMIPA USU)

ABSTRAK

Penelitian ini diarahkan untuk melihat pengaruh langsung maupun tidak langsung dari faktor-faktor yang mempengaruhi prestasi belajar. Metode yang digunakan dalam penelitian ini adalah Analisis Jalur dengan Trimming. Analisis jalur merupakan teknik analisis yang digunakan untuk melihat pengaruh langsung maupun tidak langsung antar variabel bebas dan variabel terikat. Data dalam penelitian ini menggunakan data primer dengan jumlah responden adalah 73 orang. Responden yang diambil merupakan mahasiswa D3 Statistika FMIPA USU. Dengan trimming diperoleh empat variabel yang secara simultan berpengaruh terhadap prestasi yaitu motivasi, disiplin belajar dan dosen sebesar 36,8%.

PATH ANALYSIS WITH TRIMMING MODEL TO FACTORS AFFECTING THE ACHIEVEMENT STUDENTS

(Case Study: D3 Statistics FMIPA USU)

ABSTRACT

This research is directed to look at the direct and indirect influence of the factors that influence learning achievement. The method used in this research is path analysis with trimming model. Path analysis is an analytical technique used to observe the effect of directly or indirectly between independent variables and the dependent variable. The data in this study using primary data with the number of respondents is 73 people. Respondents taken a D3 Statistics FMIPA USU students. By trimming are four variables that simultaneously affect the achievement is motivation, discipline of study and professor of 36.8%.

DAFTAR ISI Persetujuan Pernyataan Penghargaan Abstrak Abstract Daftar Isi Daftar Tabel

BAB 1 Pendahuluan

1.1 Latar Belakang 1.2 Rumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian 1.5 Manfaat Penelitian 1.6 Tinjauan Pustaka 1.7 Metodologi Penelitian

BAB 2 Landasan Teori

2.1 Analisis Jalur

2.2 Konsep Dasar Analisis Jalur 2.3 Manfaat Analisis Jalur

2.4 Diagram Jalur dan Persamaan Struktural 2.5 Koefisien Jalur

2.6 Analisis Jalur Model Trimming

2.7 Variabel dan Data 2.7.1 Variabel 2.7.2 Data

2.7.3 Teknik Pengumpulan Data 2.7.4 Skala Pengukuran

2.7.5 Pengujian Instrumen Penelitian 2.8 Populasi dan Sampel

2.8.1 Populasi 2.8.2 Sampel

2.9 Pengertian Prestasi Belajar

BAB 3 Hasil dan Pembahasan

3.1 Populasi

3.2 Sample dan Teknik Sampling 3.3 Metode Pengumpulan Data 3.4 Uji Validitas dan Reliabilitas

Halaman ii iii iv v vi vii ix 1 3 3 3 3 4 7 8 8 9 10 12 14 16 16 17 17 18 18 20 20 21 21 24 24 25 26

3.5.1 Diagram Jalur dan Persamaan Struktural 3.5.2 Menghitung Korelasi antar Variabel 3.5.3 Menghitung Koefisien Jalur Persamaan

Substruktur 1

3.5.4 Menghitung Persamaan Substruktur 2 3.5.5 Menghitung Persamaan Substruktur 3 3.5.6 Menghitung Persamaan Substruktur 4 3.5.7 Model Diagram Jalur Hasil Trimming

3.5.8 Pengujian Koefisien Model

3.6 Besar Pengaruh Langsung dan Tidak Langsung

BAB 4 Kesimpulan dan Saran

4.1 Kesimpulan 4.2 Saran Daftar Pustaka

Lampiran

42 43 44 53 58 61 66 67 69

71 71

DAFTAR TABEL

Tabel 3.1 Rangkuman Analisis Validitas dari Motivasi Belajar 30 Tabel 3.2 Rangkuman Analisis Validitas dari Minat Belajar 34 Tabel 3.3 Rangkuman Analisis Validitas dari Disiplin Belajar Belajar 35 Tabel 3.4 Rangkuman Analisis Validitas dari Lingkungan Belajar 35 Tabel 3.5 Rangkuman Analisis Validitas dari Perhatian Orang Tua 36 Tabel 3.6 Rangkuman Analisis Validitas dari Dosen 36 Tabel 3.7 Rangkuman Analisis Validitas dari Pengaruh Teman 37 Tabel 3.8 Rangkuman Analisis Validitas dari Kecerdasan Emosional 37 Tabel 3.9 Rangkuman Analisis Validitas dari Prestasi Belajar 38