103 hasil belajar matematika dilihat pada kolom Sig baris Linearity sebesar 0,000.
Nilai signifikansinya kurang dari 0,05 sehingga dapat disimpulkan bahwa data variabel gaya belajar dan hasil belajar matematika mempunyai hubungan yang
linier karena nilai signifikansinya 0,000 0,000 0,05. Hasil uji linearitas variabel motivasi belajar dan hasil belajar matematika
pada tabel 4.8, diketahui bahwa nilai signifikansi variabel motivasi belajar dan hasil belajar matematika dilihat pada kolom Sig. baris Linearity sebesar 0,000.
Nilai signifikansinya kurang dari 0,05, sehingga dapat disimpulkan bahwa data kedua variabel mempunyai hubungan yang linier karena signifikansinya kurang
dari 0,05 0,000 0,05.
4.1.4.3 Uji Multikolinearitas
Uji multikkolinearitas digunakan untuk mengetahui ada atau tidaknya hubungan linear antar variabel independen dalam model regresi. Prasyarat yang
harus terpenuhi dalam model regresi adalah tidak adanya multikolinearitas. Pada pembahasan ini akan dilakukan uji multikolinearitas dengan melihat nilai Inflation
Factor VIF dengan bantuan program software SPSS versi 20. Hasil uji multikolinearitas dapat dilihat pada output Coefficients kolom VIF. Santoso
2001 dalam Priyatno 2010: 81 menyatakan bahwa “pada umumnya jika VIF
lebih besar dari 5, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya”. Berikut ini hasil pengolahan menggunakan SPSS
versi 20.
104 Tabel 4.9 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardiz
ed Coefficient
s t
Sig. Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1 Constant
14,000 7,211
1,941 ,054
gaya belajar ,185
,041 ,293
4,551 ,000
,995 1,005
motivasi belajar ,629
,102 ,398
6,171 ,000
,995 1,005
a. Dependent Variable: hasil belajar
Sumber: Data diolah dengan SPSS versi 20 Dari tabel hasil uji multikolinearitas terlihat setiap variabel bebas
mempunyai toleransi 0.995 dan nilai VIF 1,005. Dapat disimpulkan tidak terjadi multikolinearitas dalam variabel gaya belajar dan motivasi belajar pada model
regresi ganda karena nilai VIF 1,005 5.
4.1.4.4 Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya ketidaksamaan varian dari residual pada model regresi. Pada penelitian ini uji
heteroskedastisitas dilakukan dengan menggunakan uji Spearma n’s rho, yaitu
mengorelasikan nilai residual Unstandardized residual dengan masing-masing variabel independen. Jika signifikansi korelasi kurang dari 0,05 maka pada model
regresi terjadi masalah heteroskedastisitas. Berikut ini hasil pengolahan menggunakan SPSS versi 20.
105 Tabel 4.10 Hasil Uji Heteroskedastisitas
Correlations
Unstandardized Residual
gaya belajar motivasi belajar
Spea rman
s rho Unstandar
dized Residual
Correlation Coefficient
1,000 ,000
,111 Sig. 2-tailed
. ,997
,137 N
182 182
182 gaya
belajar Correlation
Coefficient ,000
1,000 ,128
Sig. 2-tailed ,997
. ,086
N 182
182 182
motivasi belajar
Correlation Coefficient
,111 ,128
1,000 Sig. 2-tailed
,137 ,086
. N
182 182
182
Sumber:Data diolah menggunakan SPSS versi 20 Berdasarkan tabel hasil uji heteroskedastisitas dapat diketahui korelasi
antara gaya belajar dengan Unstandardized Residual menghasilkan nilai signifikansi 0,997 dan korelasi antara motivasi belajar menghasilkan nilai
signifikansi 0,137. Karena nilai signifikansi lebih dari 0,05, maka dapat disimpulkan bahwa model regresi tidak ditemukan adanya masalah
heteroskedastisitas .
4.1.5 Hasil Uji Hipotesis
