ketuntasan siswa sebesar 85 . Berikut daftar deskriptif persentase prestasi belajar siswa :
Tabel 4.15 Deskripsi Prestasi Belajar Siswa
No Kriteria
Interval Frekuensi
Persentase
1 Tidak tuntas
0 - 70 ≤
31 31,31
2 Tuntas
70 ≥ - 100 71
71,71 Jumlah
100 100
4.1.3 Uji Asumsi Klasik
4.1.3.1 Uji Normalitas
Uji normalitas pada dasarnya digunakan untuk melihat tingkat kenormalan data. Data yang menyebar normal bila sebagian besar data menyebar di sekitar nilai
tengahnya. Ini menunjukkan bahwa data-data tersebut hanya sedikit yang ekstrim atau nilai data untuk suatu variable tertentu dapat diwakili oleh nilai rata-rata.
Gambar 4.4 P-Plot uji Normalitas data
Untuk menentukan normalitas suatu data dapat dilihat dengan mengamati P- Plot diatas. Data yang tersebar membentuk diagonal dan bersebaran disekitar
diagonal menunjukan bahwa data tersebut normal. Uji normalitas juga dapat ditentukan menggunakan uji Kolmogorov Smirnov. Konsep dasar dari uji
normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data yang akan diuji normalitasnya dengan distribusi normal baku. Untuk lebih
jelasnya berikut hasil uji normalitas data hasil penelitian :
Tabel 4.15 Uji Normalitas
Uji normalitas data penelitian ini menggunakan taraf signifikan 0,05 dan dinyatakan berdistribusi normal jika signifikansi 0,05. Hasil uji Kolmogorov
Smirnov diketahui nilai kolmogorov smirnov Z variabel persepsi siswa mengenai keterampilan mengajar guru sebesar 0,615 dengan signifikansi 0,844 0,05 maka
berdistribusi normal. Nilai kolmogorov smirnov Z variabel motivasi berprestasi siswa sebesar 1,296 dengan signifikansi 0,070 0,05 maka berdistribusi normal.
Nilai kolmogorov smirnov Z variabel prestasi belajar sebesar 1,268 dengan signifikansi 0,080 0,05 maka berdistribusi normal. Semua variabel memiliki
signifikansi 0,05 sehingga disimpulkan variabel penelitian berdistribusi normal.
4.1.3.2.Uji Multikolinearitas
One-Sample Kolmogorov-Smirnov Test
100 100
100 84,8100
43,5500 71,5500
9,24820 4,65448
7,00018 ,061
,130 ,127
,059 ,121
,071 -,061
-,130 -,127
,615 1,296
1,268 ,844
,070 ,080
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed PERSEPSI
SISWA MOTIVASI
BERPRESTASI PRESTASI
BELAJAR
Test distribution is Normal. a.
Calculated from data. b.
Uji multikolinearitas bertujuan menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel bebas. Adanya multikolinearitas dapat dilihat dari tolerance value atau Variance Inflation Factor VIF. Model
regresi yang normal memiliki batas angka tolerance value lebih besar dari 0,10, sedangkan batas nilai VIF adalah lebih kecil dari 10 dan mempunyai angka
mendekati 1. Jika tolerance value dibawah 0,10 atau nilai VIF di atas 10 maka terjadi multikolinearitas. Berikut hasil uji multikolinearitas variabel penelitian :
Tabel 4.16 Uji Multikolinieritas
Berdasarkan hasil perhitungan diperoleh nilai VIF untuk variabel persepsi siswa mengenai keterampilan mengajar guru dan motivasi berprestasi sebesar 1.008
sehingga dapat disimpulkan bahwa tidak terjadi multikolinearitas pada model.
4.1.3.3.Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang
lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
Salah satu cara untuk mendeteksi ada tidaknya heteroskedastisitas itu dengan
melihat grafik plot antara nilai prediksi dengan residualnya. Dalam penelitian ini diperoleh grafik plot sebagai berikut:
Gambar 4.5 Uji Heterokesdasitas
Gambar di atas menunjukkan bahwa tidak terdapat pola tetentu serta titik-titik menyebar diatas dan dibawah angka nol pada sumbu Y, sehingga dapat
disimpulkan bahwa data bebas dari heterokesdasitas.
4.1.4 Persamaan Regresi