Structural Equation Modelling (SEM) untuk Menentukan Faktor-faktor yang Mempengaruhi Motivasi Belajar Matematika Siswa/i SMA Mulia Pratama Medan

PERSETUJUAN

Judul : Structural Equation Modelling (SEM) untuk Menentukan Faktor-faktor yang Mempengaruhi Motivasi Belajar Matematika Siswa/i SMA Mulia Pratama Medan

Kategori : Skripsi

Nama : Siswanti Br Sembiring

Nomor Induk Mahasiswa : 120823015

Program Studi : Sarjana (S1) Matematika

Departemen : Matematika

Fakultas : Matematika dan Ilmu Pengetahuan Alam

Universitas Sumatera Utara Disetujui di

Medan, Agustus 2014

Komisi Pembimbing :

Pembimbing 2, Pembimbing 1,

Dr.Faigiziduhu Bu’ulolo, M.Si Drs. Henry Rani Sitepu, M.Si NIP. 19531218 198003 1 003 NIP. 19530303 198303 1 002

Disetujui oleh

Departemen Matematika FMIPA USU Ketua,

Prof. Dr. Tulus, M.Si. Ph.D NIP. 19620901 198803 1 002

STRUCTURAL EQUATION MODELLING(SEM) UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI MOTIVASI BELAJAR

MATEMATIKA SISWA/I SMA MULIA PRATAMA MEDAN

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya

Medan, Agustus 2014

SISWANTI BR SEMBIRING 120823015

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa, dengan limpahan karunia-Nya penulis dapat menyelesaikan peyusunan skripsi ini dengan judul Structural Equation Modelling (SEM) untuk Menentukan Faktor-faktor yang Mempengaruhi Motivasi Belajar Matematika Siswa/i SMA Mulia Pratama Medan.

Terimakasih penulis sampaikan kepada Bapak Drs. Henry Rani Sitepu, M.Si selaku dosen pembimbing 1 dan Bapak Dr. Faigiziduhu Bu’ulolo, M.Si selaku dosen pembimbing 2 yang telah bersedia meluangkan waktunya selama penyusunan skripsi ini. Terima kasih kepada bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekertaris Departemen Matematika FMIPA-USU Medan, Bapak Drs. Pengarapen Bangun, M.Si selaku Ketua Pelaksana Program S1 Matematika Ekstensi, Bapak. Dr. Sutarman, M.Sc selaku Dekan FMIPA USU, seluruh staf dan Dosen Matematika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada kedua orangtua tercinta ayahanda Resta Sembiring, BA dan ibunda Sumarni Br Bangun, S.Pd dan keluarga yang selama ini memberikan bantuan dan dukungan yang diperlukan semoga Tuhan Yang Maha Esa membalasnya.

MATEMATIKA SISWA/I SMA MULIA PRATAMA MEDAN ABSTRAK

Motivasi belajar berbeda pada setiap siswa, beberapa variabel diduga dapat mempengaruhi motivasi belajar siswa khususnya pada bidang studi matematika diantaranya adalah metode belajar, lingkungan belajar dan minat belajar siswa/i di SMA Mulia Pratama Medan. Bahan penelitian adalah hasil survei terhadap siswa/i kelas X dan XI IPA/IPS di SMA Mulia Pratama Medan dengan menggunakan kuesioner yang diukur dengan skala likert. Pada tulisan ini Structural Equation Modelling (SEM) digunakan untuk menentukan model faktor-faktor yang mempengaruhi motivasi belajar siswa. Pada dasarnya SEM adalah suatu analisis multivariat yang bertujuan menyederhanakan variabel-variabel independen kompleks ke dalam bentuk yang lebih sederhana dan mudah dimengerti. Beberapa komponen SEM meliputi analisis regresi, analisis jalur dan analisis faktor. Hasil analisis data diperoleh parameter sebagai berikut; Motivasi dengan Metode 0,061, Motivasi dengan Lingkungan -0,012, Motivasi dengan Minat 1,047. Maka model yang diperoleh berdasarkan hasil analisis adalah

= 0,54 0,32 + 1,047

Kata kunci: Motivasi, Peubah Laten, Peubah Indikator,Structural Equation Modelling.

STRUCTURAL EQUATION MODELLING (SEM) TO DETERMINE THE FACTORS AFFECTING MOTIVATION OF STUDENT

LEARNING MATHEMATICS IN MULIA PRATAMA SENIOR HIGH SCHOOL MEDAN

ABSTRACT

Motivation to learn is different for each student, some variables could be expected to affect the students' motivation to learn mathematics, especially in the field of study of which is a method of learning, the learning environment and learning interest student in Mulia Pratama Senior High School Medan. Materials research is the result of a survey of students science and social knowledge X and XI class at Mulia Pratama Senior High School Medan by using a questionnaire that measured with a likert scale. In this paper Structural Equation Modeling (SEM) was used to determine the model of the factors that affect student motivation. Basically SEM is a multivariate analysis that aims to simplify a complex independent variables into a form that is simpler and easier to understand. Some components of SEM include regression analysis, path analysis and factor analysis. The results of the analysis of the data obtained the following parameters; Motivation with Method 0,061, Motivation with Environment -0,012, Motivation with Interests 1,047. Then the model is obtained based on the results of the analysis are

Motivation = 0,54Method - 0,32Environment + 1,047Interest

Keywords: Motivation, Latent Variables, Indicator Variables, Structural Equation Modelling.

Halaman Persetujuan i Pernyataan ii Penghargaan iii Abstrak iv Abstract v

Daftar Isi vi

Daftar Tabel viii

Daftar Gambar ix

Daftar Lampiran x

Bab 1. Pendahuluan

1.1. Latar Belakang 1

1.2. Rumusan Masalah 3

1.3. Batasan Masalah 3

1.4. Tujuan Penelitian 4

1.5. Manfaat Penelitian 4

Bab 2. Landasan Teori

2.1. Motivasi Belajar 5

2.2. Minat Belajar 5

2.3. Metode Belajar 6

2.4. Lingkungan Belajar 7

2.5. Skala Utama 7

2.6. Kovarian 8

2.7. Korelasi dan Determinasi 9

2.7.1. Korelasi 9

2.7.2. Determinasi 9

2.8. Analisis Multivariat 9

2.9.Structural Equation Modelling(SEM) 10

2.10. Model Struktural 11

2.10.1. Model Regresi Berganda 11

2.10.2. Model Mediasi 11

2.10.3. Model Kombinasi Pertama dan Kedua 12

2.10.4. Model Kompleks 12

2.10.5. Model Rekursif dan Non Rekursif 12

2.11. Persamaan Jalur SEM 13

2.11.1. Persamaan Satu Jalur 13

2.11.2. Persamaan Dua Jalur 14

2.11.3. Persamaan Tiga Jalur 14

2.12. MetodeMaximum Likelihood 15

Bab 3. Metodologi Penelitian

3.1. Perumusan Masalah 18

3.2. Pengumpulan Data 18

3.3. Landasan Teori 18

3.3.1. Variabel Penelitian 19

3.4. Analisis dan Pengolahan Data 20

3.5. Uji Kelayakan 20

3.6. Membuat Kesimpulan dan Saran 21

Bab 4. Hasil dan Pembahasan

4.1 Pengolahan Data 22

4.1.1. Pengembangan Model Berbasis Teori 23

4.1.2. Menyusun Diagram SEM 25

4.1.3. Konversi Diagram Jalur ke Persamaan Struktural 24 4.1.4. Memilih Input Matriks dan Mendapatkan Model Estimasi 25 4.1.5. Menguji Unidimensionalitas Masing-masing Konstruk 26 4.1.5.1. Uji Konfirmatori Konstruk Eksogen 26 4.1.5.2. Uji Konfirmatori Konstruk Endogen 29

4.1.6. Estimasi PersamaanFull Model 32

4.1.7. Pengujian Evaluasi Asumsi Model Struktural 32

4.1.8. Interpretasi Model 40

Bab 5. Kesimpulan dan Saran

5.1. Kesimpulan 46

5.2. Saran 46

Nomor Judul Halaman Tabel

4.1. Indikator-indikator Konstruk 23

4.2. Goodness of Fit 26

4.3. Regression Weights: Konstruk Eksogen 27 4.4. Standardized Regression Weights: Konstruk Eksogen 28 4.5. Regression Weights: Modifikasi Konstruk Eksogen 29 4.6. Standardized Regression Weights: Modifikasi Konstruk

Eksogen 29

4.7. Regression Weights: Konstruk Endogen 30 4.8. Standardized Regression Weights: Konstruk Endogen 30 4.9. Regression Weights: Modifikasi Konstruk Endogen 31 4.10. Standardized Regression Weights: Modifikasi Konstruk

Endogen 31

4.11. Assessment of Normality 33

4.12. Observations farthest from the centroid(Mahalanobis

distance) 34

4.13. Regression Weights: PersamaanFull Model 36 4.14. Standardized Total Effects: persamaanfull model 37 4.15. Standardized regression weights: persamaanfull model 37

DAFTAR GAMBAR

Nomor Judul Halaman

Gambar

2.1. Bentuk Model Regresi Berganda 11

2.2. Bentuk Model Mediasi 11

2.3. Bentuk Model Kombinasi Pertama dan Kedua 12

2.4. Bentuk Model Kompleks 12

2.5. Bentuk Model Rekursif dan Non Rekursif 13

2.6. Bentuk Model Persamaan Satu Jalur dalam SEM 13 2.7. Bentuk Model Persamaan Dua Jalur dalam SEM 14 2.8. Bentuk Model Persamaan Tiga Jalur dalam SEM 15

4.1. Model Kerangka Teoritis 22

4.2. Model Diagram Jalur Hubungan Kausalitas 24

4.3. Hasil Uji Konfirmatori Konstruk Eksogen 27

4.4. Hasil Modifikasi Uji Konfirmatori Konstruk Eksogen 28

4.5. Hasil Uji Konfirmatori Konstruk Endogen 29

4.6. Hasil Modifikasi Uji Konfirmatori Konstruk Endogen 31 4.7. Hasil AnalisisFull ModelPersamaan Sruktural 32

No Judul Halaman Lampiran

1. Kuesioner 48

2. Jawaban Responden

STRUCTURAL EQUATION MODELLING(SEM) UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI MOTIVASI BELAJAR

MATEMATIKA SISWA/I SMA MULIA PRATAMA MEDAN ABSTRAK

Motivasi belajar berbeda pada setiap siswa, beberapa variabel diduga dapat mempengaruhi motivasi belajar siswa khususnya pada bidang studi matematika diantaranya adalah metode belajar, lingkungan belajar dan minat belajar siswa/i di SMA Mulia Pratama Medan. Bahan penelitian adalah hasil survei terhadap siswa/i kelas X dan XI IPA/IPS di SMA Mulia Pratama Medan dengan menggunakan kuesioner yang diukur dengan skala likert. Pada tulisan ini Structural Equation Modelling (SEM) digunakan untuk menentukan model faktor-faktor yang mempengaruhi motivasi belajar siswa. Pada dasarnya SEM adalah suatu analisis multivariat yang bertujuan menyederhanakan variabel-variabel independen kompleks ke dalam bentuk yang lebih sederhana dan mudah dimengerti. Beberapa komponen SEM meliputi analisis regresi, analisis jalur dan analisis faktor. Hasil analisis data diperoleh parameter sebagai berikut; Motivasi dengan Metode 0,061, Motivasi dengan Lingkungan -0,012, Motivasi dengan Minat 1,047. Maka model yang diperoleh berdasarkan hasil analisis adalah

= 0,54 0,32 + 1,047

Kata kunci: Motivasi, Peubah Laten, Peubah Indikator,Structural Equation Modelling.

LEARNING MATHEMATICS IN MULIA PRATAMA SENIOR HIGH SCHOOL MEDAN

ABSTRACT

Motivation to learn is different for each student, some variables could be expected to affect the students' motivation to learn mathematics, especially in the field of study of which is a method of learning, the learning environment and learning interest student in Mulia Pratama Senior High School Medan. Materials research is the result of a survey of students science and social knowledge X and XI class at Mulia Pratama Senior High School Medan by using a questionnaire that measured with a likert scale. In this paper Structural Equation Modeling (SEM) was used to determine the model of the factors that affect student motivation. Basically SEM is a multivariate analysis that aims to simplify a complex independent variables into a form that is simpler and easier to understand. Some components of SEM include regression analysis, path analysis and factor analysis. The results of the analysis of the data obtained the following parameters; Motivation with Method 0,061, Motivation with Environment -0,012, Motivation with Interests 1,047. Then the model is obtained based on the results of the analysis are

Motivation = 0,54Method - 0,32Environment + 1,047Interest

Keywords: Motivation, Latent Variables, Indicator Variables, Structural Equation Modelling.

BAB 1 PENDAHULUAN

1.1 Latar Belakang

Matematika merupakan pola berpikir, pola mengorganisasikan dan pembuktian yang logis mengenai bentuk, susunan, besaran dan konsep-konsep yang berhubungan satu dengan lainnya untuk membantu manusia dalam mengatasi permasalahannya baik dalam bidang sosial, ekonomi maupun alam. Matematika pada perkembangannya tidak tergantung pada ilmu lain serta banyak ilmu-ilmu yang penemuannya bersumber dari matematika. Sebagai contoh, banyak teori-teori dan cabang-cabang fisika dan kimia (modern) yang ditemukan dan dikembangkan melalui konsep kalkulus, khususnya persamaan differensial. Sebagai suatu ilmu, matematika juga sangat erat kaitannya dengan ilmu pengetahuan lain seperti ekonomi dan teknologi. Hal ini menyatakan bahwa matematika merupakan alat yang efisien dan diperlukan oleh semua ilmu pengetahuan. Pentingnya matematika, menjadi dasar pemerintah dalam menyesuaikan kurikulum matematika di sekolah. Matematika mendapat porsi jam lebih banyak dibandingkan dengan mata pelajaran lainnya, mulai jenjang Sekolah Dasar hingga tingkat Sekolah Menengah Atas, pelajaran matematika itu ada dan dipelajari, baik secara global maupun spesifik bahkan pada jenjang prasekolah pun, matematika sudah mulai diperkenalkan.

Untuk dapat memperoleh hasil belajar matematika yang baik ada tiga aspek yang perlu diperhatikan dan sama pentingnya yaitu siswa, guru dan lingkungan. Keberhasilan proses pengajaran banyak dipengaruhi oleh variabel-variabel yang datang dari pribadi siswa/i sendiri dan usaha guru dalam menyediakan dan menciptakan kondisi pengajaran, serta variabel lingkungan terutama keluarga dan teman yang mendukung untuk tumbuhnya minat belajar. Keterpaduan dari tiga variabel tersebut merupakan kunci keberhasilan pengajaran ditinjau dari sudut proses.

Pembelajaran adalah proses terjadinya interaksi antara guru dengan siswa. Jadi, guru sebagai fasilitator dan motivator berkewajiban menyediakan suasana belajar yang dapat mempengaruhi minat dan prestasi belajar yang baik bagi siswa. Guru yang memiliki kompeten atas profesinya sebagai guru dalam meningkatkan pendidikan tentunya benar-benar siap menyampaikan materi pelajaran sesuai dengan yang diharapkan. Ini tidaklah berarti mengesampingkan faktor lain yang dapat memepengaruhi motivasi belajar siswa agar mendapatkan prestasi atau nilai matematika yang baik. Faktor lain adalah sikap siswa terhadap matematika dan metode belajar siswa juga sangat mempengaruhi motivasi belajar siswa.

Letak posisi sekolah sangat mempengaruhi lingkungan belajar, biaya pendidikan dan kualitas pendidikan siswa. SMA Mulia Pratama Medan terletak tidak jauh dari pusat kota, berada di dekat pemukiman warga. Lingkungan sekolah juga berdekatan dengan kawasan pertanian dan sebuah pasar tradisonal, sebagian besar muridnya adalah anak-anak penduduk setempat yang bermata pencaharian sebagai pedagang atau petani di daerah tersebut. Biaya pendidikan di SMA Mulia Pratama juga relatif murah jika dibandingkan dengan sekolah swasta lainnya.

Berdasarkan pengamatan awal dari penulis dan wawancara awal dengan guru bidang studi Matematika di SMA Mulia Pratama Medan, menegaskan bahwa nilai matematika siswa/i di SMA Mulia Pratama Medan memang mengalami penurunan khususnya pada 2 semester terakhir. Guru berasumsi bahwa hal ini dikarenakan oleh beberapa hal seperti metode belajar, minat belajar dan lingkungan siswa yang kurang berlatih dan kurang menguasai ilmu dasar matematika sehingga seringkali guru harus mengulangi kembali pelajaran dasar agar siswa dapat mengikuti pelajaran yang sesuai dengan kurikulum.

Structural Equation Modelling (SEM) atau model persamaan struktural merupakan analisis multivariat yang digunakan untuk menganalisis hubungan antar variabel secara kompleks. Analisis data dengan mengunakan SEM berfungsi untuk menjelaskan secara menyeluruh hubungan antar variabel yang ada dalam penelitian. Syarat utama menggunakan SEM adalah membangun suatu model hipotesis yang terdiri dari model struktural dan model pengukuran dalam bentuk

3

diagram jalur. SEM merupakan sekumpulan teknik–teknik statistik yang memungkinkan pengujian sebuah rangkaian hubungan secara simultan.

Ada beberapa alasan yang mendasari penggunaan SEM diantaranya adalah:

1. model yang dianalisis relatif rumit sehingga akan sulit untuk diselesaikan dengan metode analisis jalur pada regresi linier.

2. SEM mempunyai kemampuan untuk mengestimasi hubungan antar variabel yang bersifatmultiple relationship.

3. kesalahan pada masing-masing observasi tidak diabaikan tetapi tetap dianalisis, sehingga SEM cukup akurat untuk menganalisis data kuesioner yang melibatkan persepsi.

4. Peneliti dapat dengan mudah memodifikasi model untuk memperbaiki model yang telah disusun agar lebih layak secara statistik.

5. SEM mampu menganalisis hubungan timbal balik secara serempak.

Berdasarkan uraian sebelumnya, penulis menjadikan SMA Mulia Pratama sebagai objek pengamatan dalam pembuatan skripsi ini dengan judul “Structural Equation Modelling (SEM) untuk Menentukan Faktor-faktor yang Mempengaruhi Motivasi Belajar Matematika Siswa/i SMA Mulia Pratama

Medan”.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas maka rumusan masalah dalam penelitian ini adalah, menentukan faktor-faktor yang mempengaruhi motivasi belajar dan seberapa besar kontribusi faktor-faktor tersebut terhadap motivasi belajar siswa pada mata pelajaran matematika di SMA Mulia Pratama Medan.

1.3 Batasan Masalah

Untuk mengarahkan agar penelitian ini tidak menyimpang dari tujuan yang diinginkan, maka penulis membuat batasan masalah pada tulisan ini adalah data

yang diolah maupun data informasi siswa/i kelas X dan XI IPA/IPS di SMA Mulia Pratama Medan. Kelas XII tidak disertakan sebagai objek dalam penelitian karena sudah mengikuti Ujian Nasional dan menyelesaikan pendidikannya di tingkat SMA.

1.4 Tujuan Penelitian

Tujuan dari penelitian adalah untuk mengetahui kontribusi metode belajar, minat belajar dan lingkungan siswa terhadap motivasi belajar siswa pada mata pelajaran matematika di SMA Mulia Pratama Medan.

1.5 Manfaat Penelitian

Hasil penelitian ini diharapkan dapat memberikan manfaat sebagai acuan bagi sekolah dan guru untuk meningkatkan minat dan motivasi belajar siswa khususnya dalam mata pelajaran matematika.

BAB 2

LANDASAN TEORI

2.1 Motivasi Belajar

Motivasi adalah suatu perubahan energi dalam diri (pribadi) seseorang yang ditandai dengan timbulnya perasaan dan reaksi untuk mencapai tujuan . Menurut Drs. M. Ngalim Purwanto, MP (2006) motif ialah suatu pernyataan yang kompleks di dalam suatu organisme yang mengarahkan tingkah laku/perbuatan ke suatu tujuan atau perangsang atau motif adalah segala sesuatu yang mendorong seseorang untuk bertindak melakukan sesuatu.

Dari uraian di atas dapat disimpulkan bahwa motivasi adalah serangkaian usaha untuk menyediakan kondisi-kondisi tertentu, sehingga seseorang mau dan ingin melakukan sesuatu, bila ia tidak suka, maka akan berusaha untuk meniadakan atau mengelakkan perasaan tidak suka itu.

Motivasi dapat bersumber dari dalam diri siswa sendiri berdasarkan kebutuhan, dorongan dan kesadaran pada tujuan belajar, motivasi ini disebut motivasi intristik.Motivasi belajar dapat juga tumbuh berkat rangsangan dan tekanan atau desakan dari luar, motivasi ini disebut motivasi ekstrinsik. Kedua jenis motivasi ini berdayaguna dalam melakukan proses belajar, kendatipun motivasi yang bersumber dari diri sendiri dinilai lebih baik (Oemar Hamalik: 2009).

2.2 Minat Belajar

Secara umum, pengertian minat adalah perhatian yang mengandung unsur-unsur perasaan.Minat merupakan dorongan atau keinginan dalam diri seseorang pada objek tertentu.Misalnya, minat terhadap pelajaran, olahraga, atau hobi.Minat bersifat pribadi (individual). Artinya, setiap orang memiliki minat yang bisa saja berbeda dengan minat orang lain. Minat berkaitan erat dengan motivasi seseorang,

sesuatu yang dipelajari.serta dapat berubah-ubah tergantung pada kebutuhan, pengalaman, dan mode yang sedangtrend, bukan bawaan sejak lahir. Faktor yang mempengaruhi munculnya minat seseorang tergantung pada kebutuhan fisik, sosial, emosi, dan pengalaman.Minat diawali oleh perasaaan senang dan sikap positif.

Dari pengertian minat di atas dapat disimpulkan bahwa minat bukanlah sesuatu yang statis atau berhenti, tetapi dinamis dan mengalami pasang surut.Minat juga bukan bawaan lahir, tetapi sesuatu yang dapat dipelajari.Artinya, sesuatu yang sebelumnya tidak diminati, dapat berubah menjadi sesuatu yang diminati karena adanya masukan-masukan tertentu atau wawasan baru dan pola pemikiran yang baru. Terdapat tiga karakteristik minat, yaitu sebagai berikut: a. Minat menimbulkan sikap positif

b. Minat adalah sesuatu yang menyenangkan dan timbul dari suatu objek

c. Minat mengandung unsur penghargaan, mengakibatkan suatu keinginan dan kegairahan untuk mendapat sesuatu yang diinginkan.

2.3 Metode Belajar

Metode adalah suatu cara yang dipergunakan untuk mencapai tujuan yang telah ditetapkan. Dalam kegiatan belajar mengajar, metode diperlukan oleh guru, dan penggunaannya bervariasi sesuai dengan tujuan yang ingin dicapai.Kedudukan metode sebagai alat motivasi dalam strategi pengajaran dan sebagai alat untuk mencapai tujuan. Metode pembelajaran didefenisikan sebagai cara yang digunakan guru, sehingga dalam menjalankan fungsinya, metode merupakan alat untuk mencapai tujuan pembelajaran. Tetapi pelaksanaan sesungguhnya metode dan teknik memiliki perbedaan, metode pembelaajaran lebih bersifat procedural yang berisi tahapan-tahapan tertentu, sedangkan teknik adalah cara yang digunakan dan bersifat implementatif (Dra. Eveline Siregar, M.Pd &Hartini Nara, M.Si: 2010).

7

2.4 Lingkungan Belajar

Lingkungan adalah meliputi semua kondisi-kondisi dalam dunia ini yang dalam cara-cara tertentu mempengaruhi tingkah laku, pertumbuhan, perkembangan atau life processesmanusia kecuali gen-gen (Oemar Hamalik: 2009). Teori ekologi yang dikembangkan oleh Urie Bronfenbrenner (1997-2005) berfokus pada konteks-konteks sosial tempat anak-anak tinggal dan orang-orang yang mempengaruhi perkembangan mereka. Teori ekologi (ecological theory) Bronfenbrenner (1995, 2000, 2004; Bronffenbrenner & Morris, 1998,2006) terdiri atas lima sistim lingkungan, dari hubungan interpersonal yang kuat sampai pengaruh budaya internasional. Lima sistim tersebut adalah mikrosistim, mesosistim, ekosistim, makrosistim dan kronosistim.

Mikrosistim adalah lingkungan tempat individu tersebut menghabiskan banyak waktu, seperti keluarga, teman sebaya, sekolah dan lingkungan di sekitar siswa.Mesosistim adalah hubungan antar mikrosistim sebagai contoh hubungan antara sekolah dengan keluarga. Ekosistim berfungsi ketikapengalaman di keadaan lain mempengaruhi apa yang dialami siswa dan guru dalam konteks terdekat, sebagai contoh peranan dewan pengawas dan taman sekolah yang mempunyai peran kuat dalam menentukan kualitas dan keindahan sekolah. Makrosistim melibatkan budaya yang lebih luas mencakup peran faktor etnis dan faktor sosioekonomi dalam perkembangan anak-anak. Kronosistim mencakup kondisi sosiohistoris dan perekembangan para siswa (John W Santrock: 2009). Tulisan ini akan fokus pada sistim lingkungan yang pertama yaitu mikrosistim yang meliputi keluarga dan teman.

2.5 Skala Utama 1. Skala Nominal

Skala nominal Adalah skala yang semata-mata hanya untuk memberikan indeks, atau nama saja dan tidak mempunyai makna yang lain, tidak dapat dipergunakan sebagai perbandingan antara satu data dengan data yang lain.

2. Skala Ordinal

Skala ordinal adalah skala ranking, di mana kode yang diberikan memberikan urutan tertentu pada data, tetapi tidak menunjukkan selisih yang sama dan tidak ada nol mutlak.

3. Skala Interval

Skala interval adalah skala pengukuran yang mempunyai selisih sama antara satu pengukuran dengan pengukuran yang lain, tetapi tidak memiliki nilai nol mutlak.

4. Skala Rasio

Skala rasio adalah skala pengukuran yang paling tinggi di mana selisih tiap pengukuran adalah sama dan mempunyai nilai nol mutlak. Artinya setiap satuan pengukuran mempunyai satuan yang sama dan mampu mencerminkan kelipatan antara satu pengukuran dengan pengukuran yang lain. (J. Supranto: 2010).

2.6 Kovarians

Kovarians mendapat tempat yang penting dalam analisis SEM, bahkan SEM sering disamakan dengan “analysis of covariance structures”.Dalam ilmu statistik, mungkin lebih sering didengar dan diketahui istilah korelasi daripada kovarians. Sebenarnya kedua istilah tersebut mengacu pada hal yang sama, yakni melihat hubungan antar variabel. Hanya pada penghitungan kovarians, penekanan lebih pada variansi kedua variabel yang terjadi secara bersama-sama (Singgih Santoso: 2012).

Kovariansi antara dua variabel random X dan Y didefinisikan sebagai: Kov(X,Y)=

σ

_xy=E[(X-

µ

x

)

-

(Y-

µ

y

)]

sedangkan variansi dari suatu variabel random X didefinisikan sebagai: Var(X)=

σ

_xx=

σ

_x2= E[(X-

µ

x

)

2

9

2.7 Korelasi dan Determinasi 2.7.1 Korelasi

Alat statistik yang sering dijumpai dalam analisis SEM adalah korelasi sekalipun kovarians adalah alat utama untuk melakukan perhitungan dalam model SEM. Korelasi pada dasarnya adalah melakukan standarisasi pada hasil kovarians yang di dapat, berbeda dengan kovarians, angka korelasi dibatasi dari -1 sampai +1 menunjukkan arah hubungan dua variabel sedangkan besar angka di belakangnya menunjukkan tingkat keeratan hubungan korelasi. Dalam SEM, korelasi akan banyak digunakan untuk mengartikan angka-angka yang terkait dengan estimasi koefisien regresi (pada structural model) ataupun besar factor loading pada measurement model.Koefisien korelasi dapat ditentukan dengan persamaan sebagai berikut (Singgih Santoso: 2012):

( , )

dengan:

cov(x,y) =kovarians antaraxdany =deviasi standarx

=deviasi standary

2.7.2 Determinasi

Koefisien determinasi ( ) merupakan sumbangan (share) dari x terhadap variasi (naik turunnya) y, tingkat variasi ditunjukkan oleh besarnya nilai varian y. Misalnya x=lingkungan, y=minat, = 0,9 dan = (0,9)2 = 0,81 artinya sumbangan x (lingkungan) terhadap variasi (naik turunnya) y (minat) = 81%, sisanya 19% merupakan sumbangan faktor lain seperti metode belajar.

2.8 Analisis Multivariat

Masalah (problem) ialah sesuatu yang terjadi tidak sesuai dengan keinginan atau harapan. Setiap masalah yang timbul pasti memiliki faktor penyebab umumnya lebih dari satu. Kalau masalah disebut sebagai variabel tak bebas y dan faktor

penyebab sebagai variabel bebas x, maka ada lebih dari satu x, katakan ada k buah, maka ditulis faktor penyebab: , .Artinya y disebabkan oleh

, , , , .Salah satu contoh analisis multivariat adalah SEM.

Analisis multivariat bisa dikelompokkan menjadi dua kelompok besar, yaitu:

1. Analisis dependensi/ketergantungan (dependency methods), bertujuan untuk menjelaskan atau meramalkan nilai variabel tak bebas berdasarkan lebih dari satu variabel bebas yang mempengaruhinya ( , , , , dan y), kalau hanya melibatkan satu variabel bebas, analisis disebut analisis bivariat (x dan y).

2. Analisis interdependensi/saling ketergantungan (interdependence methods), bertujuan untuk memberikan arti (meaning) kepada suatu set variabel (kelompok variabel) atau mengelompokkan suatu set variabel menjadi kelompok yang lebih sedikit jumlahnya dan masing-masing kelompok membentuk variabel baru yang disebut faktor (mereduksi jumlah variabel).

Jenis skala yang dipergunakan untuk mengukur variabel tak bebas (y) dan variabel bebas (x) dan juga banyaknya variabel tak bebas akan menentukan teknik analisis multivariat yang tepat. Dalam analisis multivariat data non-metrik (kualitatif) untuk nominal dan ordinal sedangkan data metrik (kuantitatif) untuk intervaldanratio(J. Supranto: 2010).

2.9Structural Equation Modelling(SEM)

Structural equation modelling(SEM) adalah perkembangan dari analisis jalur dan regresi berganda yang merupakan bentuk model analisis multivariat.SEM adalah metode yang unggul karena dapat menganalisis data secara lebih komprehensif. Analisis data pada analisis jalur dan regresi berganda hanya dilakukan terhadap data total scorevariabel yang merupakan jumlah butir-butir instrumen penalitian. Dengan demikian, analisis jalur dan regresi berganda sebenarnya hanya dilakukan pada tingkat variabel laten. Sedangkan analisis data pada metode SEM dapat

11

digunakan terhadap score butir pertanyaan sebuah instrumen variabel penelitian. Butir-butir instrumen dalam analisis SEM disebut sebagai variabelmanifest.

Dalam model persamaan struktural, variabel kunci yang menjadi perhatian adalah variabel laten atau laten construct yaitu konsep abstrak psikologi seperti sikapdan intelegence. Mengamati perilaku variabel laten secara tidak langsung dan tidak sempurna berpengaruh terhadap variabel indikator atau variabel manifest.

2.10 Model Struktural

2.10.1Model Regresi Berganda

Model pertama ini sebenarnya merupakan pengembangan regresi bergandadengan menggunakan dua variabel eksogen, yaitu dan dengan satuvariabel endogenyyang digambarkan sebagai berikut:

Gambar 2.1Model Regresi Berganda

2.10.2Model Mediasi

Model kedua adalah model mediasi atau perantara di mana variabel ymemodifikasi pengaruh variabelxterhadap variabelz, yang digambarkan sebagai berikut:

Gambar 2.2Model Mediasi X1

X2

Y

Y

2.10.3Model Kombinasi Pertama dan Kedua

Model ketiga ini merupakan kombinasi antara model pertama dan kedua,yaitu variabel x berpengaruh terhadap variabel z secara langsung dan secara tidaklangsung mempengaruhi variabel z melalui variabel y. Model digambarkan sebagai berikut:

Gambar 2.3 Model Kombinasi Pertama dan Kedua

2.10.4Model Kompleks

Model keempat ini merupakan model yang lebih kompleks, yaitu variabel secara langsung mempengaruhi dan melalui variabel secara tidaklangsung mempengaruhi , sementara variabel juga dipengaruhi olehvariabel model digambarkan sebagai berikut:

Gambar 2.4 Model Kompleks

2.10.5Model Rekursif dan Non Rekursif

Dari sisi pandang arah sebab akibat, ada dua tipe model jalur, yaiturekursif dan non rekursif. Model rekursif ialah jika semua anak panah menuju satu arah seperti gambar 2.5 sebagai berikut:

Y

X2 X1

Y1

X2

Y2 X1

,

= + + +

15

= + +

Estimatormaximum likelihooddapat diperoleh dengan menentukan turunan dari L terhadapθdan menyatakannya sama dengan nol atau dapat ditulis sebagai

( )L (θ)= 0.

2.13Evaluasi Kelayakan Model

Kelayakan model dapat dilihat dari berbagai ukuran kelayakan model, dalam penelitian ini ukuran kelayak model yang digunakan adalah:

1. Chi-Square

Nilai Chi-Square yang diperoleh relatif besar terhadap derajat bebas, mengindikasikan bahwa matriks hasil dugaan model tidak sesuai dengan matriks data. SebaliknyaChi-Squareyang relatif kecil terhadap derajat bebas, mengindikasikan bahwa matriks hasil dugaan model sesuai dengan matriks data. Ada beberapa kelemahan dalam uji Chi-Square yaitu tergantung pada asumsi kenormalan ganda, untuk memperoleh kecocokan yang lebih baik diperlukan model yang lebih kompleks, sensitif terhadap ukuran contoh (Siswono Haryono: 2012)

.

2. Root Mean Square Residual(RMR)

Nilai RMR menunjukkan ratsa-rata sisaan koragam atau sisaan korelasi.RMR dapat dirumuskan:

= 2 ( ( ))

( + 1)

/

di mana ∑ adalah koragam populasi dan ∑ (θ) adalah koragam model. Nilai RMR yang lebih kecil atau sama dengan 0,05 mengindikasikan bahwa model tersebut baik dalam hal kecocokan antara matriks hasil dugaan model struktural dengan matriks data asal.

3. Root Mean Square Error of Approximation(RMSEA)

Nilai RMSEA merupakan ukuran ketidakcocokan model berdasarkan derajat bebas model. Formula RMSEA dapat dirumuskan:

17

( 1)

Model dengan nilai RMSEA lebih besar dari 0,10 mengindikasikan bahwa model tersebut tidak baik dalam hal kecocokan antara matriks hasil dugaan model struktural dengan matriks data asal (Siswono Haryono, 2012).

4. Goodness-of-Fit Index(GFI)

Nilai GFI mempresentasikan persen keragaman data yang dapat diterangkan oleh model. Formula GFI untuk metodemaximum likelihoodadalah:

= 1 [( ) ]

[( ) ]

Model nilai GFI lebih besar daripada 0,90 mengindikasikan bahwa model tersebut baik dalam hal kecocokan antara matriks hasil dugaan model struktural dengan matriks data asal (Siswono Haryono: 2012).

5. Adjusted Goodness-of-Fit Index(AGFI)

Nilai AGFI merupakan modifikasi dari nilai GFI dengan mengakomodasi derajat bebas model dengan model lain yang dibandingkan. AGFI dapat dirumuskan:

= 1 ( + 1)

2 [1 ]

Model dengan nilai AGFI lebih besar dari 0,80 mengindikasikan bahwa model tersebut baik dalam hal kecocokan antara matriks hasil dugaan model struktural dengan matriks data asal (Siswono Haryono: 2012).

METODOLOGI PENELITIAN

3.1 Perumusan Masalah

Langkah awal dalam penelitian ini adalah merumuskan masalah. Masalah yang dirumuskan berdasarkan pendahuluan adalah menentukan faktor-faktor yang mempengaruhi minat belajar dan seberapa besar kontribusi faktor-faktor tersebut terhadap motivasi belajar siswa pada mata pelajaran matematika di SMA Mulia Pratama Medan. Data yang digunakan dalam proses analisis adalah data primer dari penyebaran kuesioner kepada siswa/i kelas X dan XI IPA/IPS di SMA Mulia Pratama Medan.

3.2 Pengumpulan Data

Penelitian ini menggunakan data primer yang diperoleh dari hasil penyebaran kuesioner kepada 100 orang responden, dilakukan selama satu minggu yaitu pada tanggal 26 Mei 2014 sampai dengan 3 Juni 2014 di SMA Mulia Pratama Medan. Untuk Model SEM dengan jumlah variabel laten sampai dengan lima buah dan setiap variabel laten dijelaskan oleh tiga atau lebih indikator, jumlah sampel 100-150 data sudah dianggap memadai.

3.3 Landasan Teori

Setelah penelitian selesai dan data yang dimaksud sudah terkumpul, maka selanjutnya dilakukan pembahasan secara teoritis mengenai metode yang digunakan dalam penelitian. Hal ini dilakukan agar penelitian terarah dan untuk mengetahui bagaimana metode yang digunakan dalam kajian teorinya sebelum digunakan dalam penelitian.

1

3.3.1. Variabel penelitian 1. Variabel bebas (Independent)

Variabel bebas dalam penelitian ini ada dua yaitu:

A. Metode belajar, yang terdiri dari empat indikator yaitu: 1) Pekerjaan rumah ( )

2) Cara mengajar guru ( ) 3) Tingkat kesulitan soal ( ) 4) Kuis ( )

B. Lingkungan belajar, yang terdiri dari empat indikator yaitu: 1) Kedekatan dengan orang tua ( )

2) Teman ( )

3) Suasana belajar ( ) 4) Pengawasan orang tua ( )

2. Variabel terikat (Dependent)

Variabel tak bebas dalam penelitian ini ada dua yaitu: A. Minat Belajar, yang terdiri dari enam indikator yaitu:

1) Fokus ( )

2) Buku tambahan ( ) 3) Membuat contoh soal ( ) 4) Mempersiapkan diri ( )

5) Menyelesaikan pekerjaan rumah ( ) 6) Bertanya kepada guru ( )

B. Motivasi belajar, yang terdiri dari empat indikator, yaitu: 1) Menyikapi tugas ( )

2) Arahan orang tua ( )

3) Usaha memperbaiki nilai ( ) 4) Prestasi teman ( )

3.4 Analisis dan Pengolahan Data

Teknik pengolahan data yang digunakan adalah dengan Structural Equation Modelling (SEM) dengan metode confirmatory analysis (CFA). CFA adalah model pengukuran dimana variabel-variabel teramati (indikator-indikator) merefleksikan satu variabel laten tertentu (latent dimension). Ada 7 tahapan prosedur pembentukan dan analisis SEM, yaitu:

1. Membentuk model teori sebagai dasar model SEM. Model ini adalah suatu model kausal atau sebab akibat yang menyatakan hubungan antar dimensi atau variabel

2. Membangun path diagram dari hubungan kausal yang telah dibentuk berdasarkan dasar teori

3. Membagipath diagram tersebut menjadi suatu set dari model pengukuran (measurement model) dan model structural (structural model)

4. Pemilihan matriks data input dan mengestimasi model yang diajukan 5. Menguji unidimensionalitas masing-masing konstruk dengan konfirmatori

analisis faktor

6. Mengestimasi Persamaan Full Model 7. Menguji Evaluasi Asumsi Model Struktural 8. Menginterpretasikan Model.

3.5 Uji Kelayakan

Uji kelayakan model adalah mengevaluasi kesesuaian atau kebaikan model secara menyeluruh (over all fit model). Terdapat beberapa metode uji yaitu:

1. UJi statisticChi-Squares

2. Root Mean Squares Error of Approximiation 3. Goodness of Fit Index(AGFI)

4. Root Mean Squares Residual(RMSR)

Uji kelayakan model dinyatakan layak jika salah satu metode uji kelayakan terpenuhi. Bila uji kelayakan model bisa memenuhi lebih dari satu krteria kelayakan model, model analisis konfirmatori akan jauh lebih baik daripada hanya satu yang terpenuhi.

21

3.6 Membuat Kesimpulan dan Saran

Pada tahap akhir dari penelitian ini dibuat kesimpulan yang didasarkan pada hasil pengolahan data dan analisis yang dilakukan pada tahap sebelumnya. Selanjutnya akan diberikan saran-saran yang dianggap penting dan mungkin untuk ditindaklanjuti baik untuk kepentingan praktisi maupun untuk penyempurnaan bagian penelitian selanjutnya.

Tabel 4.1 Indikator-indikator Konstruk

Konstruk Indikator Konstruk Kode

1. Metode 1. Pekerjaan rumah 2. Cara mengajar guru 3. Tingkat kesulitan soal 4. Kuis

2. Lingkungan 1. Kedekatan dengan orang tua 2. Teman

3. Suasana belajar 4. Pengawasan orang tua 3. Minat 1. Fokus

2. Buku tambahan 3. Membuat contoh soal 4. Mempersiapkan diri

5. Menyelesaikan pekerjaan rumah 6. Bertanya kepada guru

4. Motivasi 1. Menyikapi tugas 2. Arahan orang tua

3. Usaha memperbaiki nilai 4. Prestasi teman

Sampel dari penlitian ini adalah siswa/i kelas X dan XI IPA/IPS di SMA Mulia Pratama Medan, dengan jumlah responden 100 orang dan tabulasi data dapat dilihat pada lampiran.

4.1.2 Menyusun Diagram SEM

Berdasarkan dari kajian teori yang ada dibuat gambar diagram jalur hubungan kausalitas antar konstruk beserta indkatornya. Gambar hubungan antar konstruk dapat dilihat pada Gambar 4.2 berikut :

= +

= +

= +

= +

= +

= +

= +

Konstruk endogen minat

= +

= +

= +

= +

= +

= +

Konstruk endogen motivasi

= +

= +

= +

= +

4.1.4 Memilih Input Matriks dan Mendapatkan Model Estimasi

Model persamaan struktural mengakomodasi input matriks dalam bentuk covariance atau korelasi. Untuk analisis faktor konfirmatori kedua jenis input matriks ini dapat digunakan. Namun demikian karena tujuannya adalah mengeksplorasi pola saling hubungan (interrelationship), maka input matriks yang digunakan dalam bentuk korelasi. Program AMOS akan mengkonversikan dari data mentah ke bentuk kovarian atau korelasi lebih dahulu sebagai input analisis, kemudian untuk estimasi dipilih estimasi Maximum Likelihood (ML) untuk mengestimasi data yang sudah diinput. Estimasi Maximum Likelihood dipilih karena dengan model estimasi ini efektif efektif pada jumlah sampel 100-200 data. Ketika sampel dinaikkan di atas nilai 100, metode Maximum Likelihood meningkat sensitivitasnya untuk mendetekasi perbedaan antar data. Begitu sampel menjadi besar, maka metode Maximum Likelihood menjadi sangat sensitive dan selalu menghasilkan perbedaan secara signifikan sehingga ukuranGoodness of Fit menjadi jelek. Jadi dapat direkomendasikan bahwa ukuran sampel antara 100 sampai 200 harus digunakan unutk metode estimasiMaximum Likelihood(ML).

4.1.5 Menguji Unidimensionalitas Masing-masing Konstruk

Analisis Konfirmatori dilakukan antar variabel eksogen dan antar variabel endogen. Pada model ini terdapat dua variabel eksogen yaitu metode dan lingkungan dan 2 variabel endogen yaitu minat dan motivasi. Adapun uji konfirmatori merujuk padacriteria model fityang terdapat pada tabelGoodness of Fitberikut:

Tabel 4.2Goodness of Fit

No Goodness of Fit Indeks Cut of Value (Nilai Batas) Kriteria 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. DF Chi-Square Probability CMIN/DF GFI AGFI CFI

TLI atau NNFI NFI IFI RMSEA RMR > 0 <a.df > 0,05 <2 0,90 0,90 0,90 0,90 0,90 0,90 0,08 0,05 Over Indentified Good Fit Good Fit Good Fit Good Fit Good Fit Good Fit Good Fit Good Fit Good Fit Good Fit

4.1.5.1 Uji Konfirmatori Konstruk Eksogen

Berikut ini disajikan hasil pengolahan uji konfirmatori untuk konstruk metode dan lingkungan:

Estimate S.E. C.R. P Label x1 <--- Metode 1.000

x2 <--- Metode 2.293 .658 3.486 *** par_1 x3 <--- Metode 2.492 .745 3.345 *** par_2 x4 <--- Metode 1.598 .505 3.164 .002 par_3 x8 <--- Lingkungan 1.000

x7 <--- Lingkungan 1.200 .170 7.058 *** par_4 x6 <--- Lingkungan 1.482 .212 7.004 *** par_5 x5 <--- Lingkungan .259 .150 1.725 .085 par_6

Estimate x1 <--- Metode .362 x2 <--- Metode .773 x3 <--- Metode .930 x4 <--- Metode .576 x8 <--- Lingkungan .693 x7 <--- Lingkungan .796 x6 <--- Lingkungan .912 x5 <--- Lingkungan .184

Estimate S.E. C.R. P Label x2 <--- Metode 1.000

x3 <--- Metode 1.120 .194 5.782 *** par_1 x4 <--- Metode .710 .125 5.693 *** par_2 x8 <--- Lingkungan 1.000

x7 <--- Lingkungan 1.206 .172 7.021 *** par_3 x6 <--- Lingkungan 1.496 .217 6.891 *** par_4

Estimate x2 <--- Metode .760 x3 <--- Metode .943 x4 <--- Metode .576 x8 <--- Lingkungan .689 x7 <--- Lingkungan .795 x6 <--- Lingkungan .915

Result (Default model) Minimum was achieved Chi-square = 32,539 Degrees of freedom = 34 Probability level = ,539

Tabel 4.7.Regression Weights: Konstruk Endogen

Estimate S.E. C.R. P Label Motivasi <--- Minat .146 .153 .951 .342 par_9 y1 <--- Minat 1.000

y2 <--- Minat .911 .124 7.345 *** par_1 y3 <--- Minat .946 .121 7.792 *** par_2 y4 <--- Minat 1.090 .126 8.675 *** par_3 y5 <--- Minat 1.186 .132 8.995 *** par_4 y6 <--- Minat .316 .157 2.011 .044 par_5 y10 <--- Motivasi 1.000

y9 <--- Motivasi 7.315 7.684 .952 .341 par_6 y8 <--- Motivasi 7.328 7.700 .952 .341 par_7 y7 <--- Motivasi 6.543 6.881 .951 .342 par_8

Tabel 4.8.Standardized Regression Weights: Konstruk Endogen Estimate

Motivasi <--- Minat 1.045 y1 <--- Minat .765 y2 <--- Minat .700 y3 <--- Minat .738 y4 <--- Minat .815 y5 <--- Minat .833 y6 <--- Minat .206 y10 <--- Motivasi .097 y9 <--- Motivasi .827 y8 <--- Motivasi .807 y7 <--- Motivasi .764

Berdasarkan tabel 4.2 smenunjukkan bahwa model yang diperoleh untuk konstruk ini merupakan model yang sangat baik karena hasil uji RMSEA, TLI, GFI, AGFI dan CFI yang sesuai dengan nilai yang disarankan. Dilihat dari nilai standardized loading factorindikator yang memiliki nilailoading factor dibawah 0,50 kita drop dari analisis karena dianggap tidak valid mengukur konstruk latennya. Dalam hal ini indikator yang harus didrop adalah dan . Model dire-estimasi kembali dengan hasil seperti berikut:

Estimate S.E. C.R. P Label Motivasi <--- Minat 1.067 .117 9.141 *** par_7 y1 <--- Minat 1.000

y2 <--- Minat .909 .124 7.332 *** par_1 y3 <--- Minat .946 .121 7.803 *** par_2 y4 <--- Minat 1.089 .126 8.675 *** par_3 y5 <--- Minat 1.184 .132 8.990 *** par_4 y9 <--- Motivasi 1.000

y8 <--- Motivasi 1.003 .102 9.811 *** par_5 y7 <--- Motivasi .894 .100 8.975 *** par_6

Estimate Motivasi <--- Minat 1.046

y1 <--- Minat .765

y2 <--- Minat .699

y3 <--- Minat .738

y4 <--- Minat .815

y5 <--- Minat .832

y9 <--- Motivasi .826 y8 <--- Motivasi .808 y7 <--- Motivasi .763

dibawah harga mutlak 2,58. Hasil output normalitas data dapat terlihat dibawah ini:

Tabel 4.11Assessment of Normality

Variable min max skew c.r. kurtosis c.r.

y5 1.000 5.000 -.484 -1.974 .068 .140

y4 1.000 5.000 -.468 -1.909 .441 .899

y7 2.000 5.000 -.159 -.650 -.345 -.704

y8 1.000 5.000 -.447 -1.825 .339 .692

y9 1.000 5.000 -.423 -1.725 .400 .817

y3 2.000 5.000 -.222 -.908 -.854 -1.743

y2 1.000 5.000 -.309 -1.261 .031 .063

y1 1.000 5.000 .018 .072 -.197 -.402

x6 1.000 5.000 -.297 -1.211 -1.299 -2.652 x7 1.000 5.000 -.313 -1.278 -1.218 -2.487 x8 1.000 5.000 -.265 -1.081 -1.051 -2.146 x4 1.000 5.000 -.430 -1.756 -1.111 -2.268 x3 1.000 5.000 -.377 -1.537 -1.154 -2.355

x2 1.000 5.000 .097 -.397 -1.430 -2.918

Multivariate -.999 -.236

Daricritical ratio skewness valuesemua indikator menunjukkan distribusi normal karena nilainya di bawah 2,58.

2. EvaluasiOutliers

Outlieradalah kondisi observasi dari suatu data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim, baik untuk sebuah variabel tunggal ataupun variabel-variabel kombinasi. Deteksi terhadap multivariat outliers dilakukan dengan memperhatikan nilai mahalanobis distance. Kriteria yang digunakan adalah berdasarkan nilai Chi-squares pada derajat kebebasan (degreee of freedom) 14 yaitu jumlah variabel indikator pada tingkat signifikan p<0.001. Nilai 14 yaitu jumlah variabel indikator pada tingkat signifikan p<0.001. Nilai Mahalonabis distance (14; 0.001) = 36,123. hal ini berarti semua kasus yang mempunyai nilai mahalonobis distance yang lebih besar dari 36,123 adalah multivariat outliers. Berikut ini hasil output mahalanobis distance dari program AMOS:

Tabel 4.12.Observations farthest from the centroid(Mahalanobis distance) Observation

number

Mahalanobis

d-squared p1 p2

16 30.521 .006 .477

4 28.440 .012 .353

12 27.701 .016 .205

40 25.203 .033 .412

74 21.582 .088 .945

100 21.425 .091 .903

3 20.691 .110 .932

1 19.668 .141 .978

13 19.570 .144 .962

85 19.246 .156 .960

49 18.856 .171 .965

90 18.747 .175 .948

32 18.735 .175 .912

93 18.728 .176 .858

71 18.692 .177 .797

72 18.677 .178 .717

44 18.451 .187 .707

99 18.168 .199 .723

69 18.122 .201 .650

94 17.721 .220 .720

30 17.682 .222 .649

73 17.351 .238 .700

28 17.215 .245 .673

87 17.207 .245 .588

79 17.036 .254 .577

39 16.628 .277 .680

92 16.588 .279 .615

82 16.570 .280 .536

19 16.504 .284 .481

37 16.471 .285 .410

76 16.452 .287 .337

83 16.361 .292 .302

48 16.354 .292 .234

81 16.145 .305 .252

60 15.099 .371 .705

63 15.058 .374 .651

31 14.657 .402 .774

52 14.613 .405 .729

89 14.511 .412 .709

Observation number

Mahalanobis

d-squared p1 p2

62 14.315 .427 .667

47 14.259 .431 .622

75 14.234 .432 .558

98 14.221 .433 .485

33 14.167 .437 .437

9 14.026 .448 .441

7 13.983 .451 .388

18 13.435 .493 .637

8 13.378 .497 .595

43 13.370 .498 .521

78 13.297 .503 .486

59 13.068 .521 .550

24 13.031 .524 .494

96 13.022 .525 .419

70 12.990 .527 .362

23 12.766 .545 .422

67 12.701 .550 .384

6 12.645 .555 .342

88 12.591 .559 .301

11 12.381 .576 .350

86 12.276 .584 .338

10 12.180 .592 .321

55 12.168 .593 .257

36 12.079 .600 .238

97 11.948 .610 .241

27 11.801 .622 .251

29 11.797 .623 .191

5 11.516 .645 .268

95 11.512 .645 .205

41 11.436 .651 .181

58 11.168 .673 .248

14 10.972 .688 .285

57 10.918 .692 .243

34 10.851 .698 .210

38 10.837 .699 .157

42 10.826 .700 .112

35 10.798 .702 .081

54 10.693 .710 .073

84 10.384 .734 .121

51 10.345 .737 .090

Observation number

Mahalanobis

d-squared p1 p2

65 10.152 .751 .066

21 10.074 .757 .052

56 9.908 .769 .054

64 9.866 .772 .036

61 9.722 .782 .034

2 9.262 .814 .091

50 9.197 .818 .065

15 8.748 .847 .143

68 8.613 .855 .125

45 8.334 .871 .156

22 7.986 .890 .217

46 7.655 .906 .272

26 7.512 .913 .225

53 6.973 .936 .373

91 6.971 .936 .224

17 6.766 .943 .176

80 6.516 .952 .134

25 5.339 .981 .418

77 3.922 .996 .664

Dari tabel 4.12 di atas dapat diketahui bahwa seluruh observasi data memiliki nilai Mahalanobis d-squared di bawah 36,123 yang berarti data penelitian yang digunakan telah memenuhi persyaratan tidak terdapatmultivariate outliers.

3. Estimasi nilai parameter

Pengujian terhadap hipotesis yang diajukan dapat dilihat dari hasil koefisien standardized regression. Hasil output estimasi dapat dilihatsebagai berikut:

Tabel 4.13.Regression Weights: PersamaanFull Model

Estimate S.E. C.R. P Label Minat <--- Metode -.004 .068 -.059 .953 par_12 Minat <--- Lingkungan -.014 .088 -.162 .871 par_13 Motivasi <--- Minat 1.075 .119 9.037 *** par_14 Motivasi <--- Metode .037 .031 1.183 .237 par_15 Motivasi <--- Lingkungan -.009 .041 -.231 .817 par_16

x2 <--- Metode 1.000

x3 <--- Metode 1.128 .197 5.716 *** par_1 x4 <--- Metode .709 .125 5.677 *** par_2

Estimate S.E. C.R. P Label x8 <--- Lingkungan 1.000

x7 <--- Lingkungan 1.204 .171 7.020 *** par_3 x6 <--- Lingkungan 1.498 .221 6.773 *** par_4

y1 <--- Minat 1.000

y2 <--- Minat .914 .126 7.270 *** par_5 y3 <--- Minat .951 .123 7.728 *** par_6 y9 <--- Motivasi 1.000

y8 <--- Motivasi 1.001 .102 9.779 *** par_7 y7 <--- Motivasi .897 .099 9.029 *** par_8 y4 <--- Minat 1.102 .128 8.616 *** par_9 y5 <--- Minat 1.195 .134 8.900 *** par_10

Tabel 4.14.Standardized Total Effects: persamaanfull model Lingkungan Metode Minat Motivasi

Minat -.019 -.007 .000 .000

Motivasi -.032 .054 1.047 .000

Tabel 4.15.Standardized regression weights: persamaanfull model Estimate

Minat <--- Metode -.007 Minat <--- Lingkungan -,019 Motivasi <--- Minat 1.047 Motivasi <--- Metode .061 Motivasi <--- Lingkungan -.012

x2 <--- Metode .758

x3 <--- Metode .946

x4 <--- Metode .574

x8 <--- Lingkungan .689 x7 <--- Lingkungan .793 x6 <--- Lingkungan .916

y1 <--- Minat .759

y2 <--- Minat .698

y3 <--- Minat .737

y9 <--- Motivasi .826

y8 <--- Motivasi .806

y7 <--- Motivasi .765

y4 <--- Minat .818

Dari hasiloutputkoefisien parameter jelas bahwa semua hipotesis diterima.

4. Uji Reliabilitas

Reliabilitas adalah ukuran konsistensi internal dari indikator-indikator sebuah variabel bentukan yang menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah variabel bentukan yang umum. Terdapat dua cara yang dapat digunakan, yaitu composite (construct) reliability dan variance extracted. Cut-off value dari construct reliability adalah minimal 0,70 sedangkancut-off valueuntukvariance extracedminimal 0,50.

Composite reliabilitydidapat dengan rumus :

= ( )

( ) +

1. Standardized loading diperoleh langsung dari standardized loading untuk tiap-tiap indikator

2. adalah measurement erroe = 1_–(standardized loading)2

Sum standardized loadinguntuk:

= 0,758 + 0,946 + 0,574 = 2,278 = 0.689 + 0,793 + 0,916 = 2,398

= 0,759 + 0,698 + 0,737 + 0,818 + 0,834 = 3,846 = 0,826 + 0,806 + 0,765 = 2,397

Sum Measurement Erroruntuk:

= 0,425 + 0,105 + 0,670 = 1,200

= 0,525 + 0,371 + 0,161 = 1,057

= 0,424 + 0,153 + 0,457 + 0,331 + 0,305 = 1,670 = 0,318 + 0,350 + 0,415 = 1,083

Perhitungan Reliabilitas:

= (2,278)

= (2,398)

(2,398) + 1,057 = 0,845

= (3,846)

(3,846) + 1,670= 0,899

= (2,397)

(2,397) + 1,083= 0,841

Perhitungan construct reliability di atas menunjukkan bahwa seluruh dimensi dan indicator dari konstruk penelitian memiliki nilai factor muatan standar >0,70, sehingga seluruhnya memiliki validitas yang baik.

5. Variance Extraced

Variance Extraced memperlihatkan jumlah varians dari indikator-indikator yang diekstraksi oleh variabel bentukan yang dikembangkan. Nilai variance extraced yang tinggi menunjukkan bahwa indikator-indikator itu telah mewakili secara baik variabel bentukan yang dikembangkan. Besarnya nilai variance extraced dihitung dengan ssrumus sebagai berikut :

=

+ = 0,758 + 0,946 + 0,574 = 1,799 = 0.689 + 0,793 + 0,916 = 1,943

= 0,759 + 0,698 + 0,737 + 0,818 + 0,834 = 2,971 = 0,826 + 0,806 + 0,765 = 1,917

Perhitungan Variance Extraced:

= (1,799)

= (1,943)

(1,943) + 1,057 = 0,781

= (2,971)

(2,971) + 1,670= 0,840

= (1,917)

(1,917) + 1,083= 0,772

Perhitungan variance extraced di atas menunjukkan bahwa seluruh dimensi dan indicator dari konstruk penelitian memiliki nilai factor muatan standar >0,50, sehingga seluruhnya memiliki validitas yang baik.

4.1.8 Interpretasi Model

Hubungan antar variabel model dapat dilihat pada tabel berikut: Tabel 4.16. Hubungan antar Variabel

Hubungan Antar Variabel

Nilai

Hubungan Keterangan

Metode dengan 0,758 Pengaruh terhadap metode sangat kuat

Metode dengan 0,946 Pengaruh terhadap Metode sangat kuat

Metode dengan 0,574 Pengaruh terhadap metode kuat Lingkungan dengan 0,916 Pengaruh terhadap lingkungan

sangat kuat

Lingkungan dengan 0,793 Pengaruh terhadap lingkungan sangat kuat

Lingkungan dengan 0,689 Pengaruh terhadap Lingkungan kuat Minat dengan 0,759 Pengaruh terhadap minat sangat kuat Minat dengan 0,698 Pengaruh terhadap minat kuat Minat dengan 0,737 Pengaruh terhadap minat kuat Minat dengan 0,818 Pengaruh trhadap minat sangat kuat Minat dengan 0,834 Pengaruh terhadap minat sangat kuat

Hubungan Antar Variabel

Nilai

Hubungan Keterangan

Motivasi dengan 0,765 Pengaruh terhadap motivasi sangat kuat

Motivasi dengan

Motivasi dengan

0,806

0,826

Pengaruh terhadap motivasi sangat kuat

Pengaruh terhadap motivasi sangat kuat

Metode dengan Minat -0,007 Metode dan Minat saling mempengaruhi sangat lemah dan berkebaliakan arah

Metode dengan Motivasi 0,061 Metode dengan Motivasi saling mempengaruhi sangat lemah

Lingkungan dengan Minat -0,019 Lingkungan dan Minat saling mempengaruhi sangat lemah dan berkebalikan arah

Lingkungan dengan Motivasi

-0,012 Lingkungan danMotivasi saling mempengaruhi sangat lemah dan berkebalikan arah

Minat dengan Motivasi 1,047 Minat dan Motivasi saling mempengaruhi dengat sempurna

Pemilihan model dalam pengolahan data ini memilih model alternatif metode estimasi Maximum Likelihood (ML). Pertimbangan memilih ML adalah jumlah responden sebanyak 100 orang merupakan jumlah minimum yang disarankan ML juga merupakan metode estimasi yang paling banyak digunakan untuk pengolahan dengan metodeStructural Equation Modelling(SEM).

Dari hasil pengolahan data dapat dilihat seberapa jauh masing-masing independen variabel menjelaskan dependen variabelnya. Berikut penjelasan masing-masing hubungan tersebut:

.Indikator cara mengajar guru dapat menjelaskan variabel metode belajar dalam

variabel dapat dilihat bahwa indikator cara mengajar guru mempengaruhi sangat kuat dan searah dengan nilai korelasi sebesar 0,758. Artinya jika terjadi kenaikan pada indikator cara mengajar guru, maka akan diikuti kenaikan motivasi belajar murid.

2. Indikator tingkat kesulitan soal dapat menjelaskan variabel metode belajar dalam pembentukan motivasi belajar sebesar 89,5%, selain itu hubungan antar variabel dapat dilihat bahwa indikator tingkat kesulitan soal mempengaruhi sangat kuat dan searah dengan nilai korelasi sebesar 0,946. Artinya jika terjadi kenaikan pada indikator tingkat kesulitan soal, maka akan diikuti kenaikan motivasi belajar murid.

3. Indikator teman dapat menjelaskan variabel lingkungan belajar dalam pembentukan motivasi belajar sebesar 84%, selain itu hubungan antar variabel dapat dilihat bahwa indikator teman mempengaruhi sangat kuat dan searah dengan nilai korelasi sebesar 0,916. Artinya jika terjadi kenaikan pada indikator teman, maka akan diikuti kenaikan motivasi belajar murid.

4. Indikator suasana belajar dapat menjelaskan variabel lingkungan belajar dalam pembentukan motivasi belajar sebesar 62,8%, selain itu hubungan antar variabel dapat dilihat bahwa indicator suasana belajar mempengaruhi sangat kuat dan searah dengan nilai korelasi sebesar 0,793. Artinya jika terjadi kenaikan pada indikator suasana belajar, maka akan diikuti kenaikan motivasi belajar murid.

5. Indikator pengawasan orang tua menjelaskan variabel lingkungan belajar dalam pembentukan motivasi belajar sebesar 75,5%, selain itu hubungan antar variabel dapat dilihat bahwa indikator pengawasan orang tua mempengaruhi kuat dan searah dengan nilai korelasi sebesar 0,689. Artinya jika terjadi kenaikan pada indikator pengawasan orang tua, maka akan diikuti kenaikan motivasi belajar murid.

6. Indikator cara mengajar guru dapat menjelaskan variabel lingkungan belajar dalam pembentukan motivasi belajar sebesar 57,5%, selain itu hubungan antar

variabel dapat dilihat bahwa indikator cara mengajar guru mempengaruhi sangat kuat dan searah dengan nilai korelasi sebesar 0,758. Artinya jika terjadi kenaikan pada indikator cara mengajar guru, maka akan diikuti kenaikan motivasi belajar murid.

7. Indikator fokus dapat menjelaskan variabel minat belajar dalam pembentukan motivasi belajar sebesar 57,6%, selain itu hubungan antar variabel dapat dilihat bahwa indikator fokus mempengaruhi kuat dan searah dengan nilai korelasi sebesar 0,759. Artinya jika terjadi kenaikan pada indikator fokus, maka akan diikuti kenaikan motivasi belajar murid.

8. Indikator buku tambahan dapat menjelaskan variabel minat belajar dalam pembentukan motivasi belajar sebesar 48,7%, selain itu hubungan antar variabel dapat dilihat bahwa indikator buku tambahan mempengaruhi kuat dan searah dengan nilai korelasi sebesar 0,698. Artinya jika terjadi kenaikan pada indikator buku tambahan, maka akan diikuti kenaikan motivasi belajar murid. 9. Indikator membuat contoh soal dapat menjelaskan variabel minat belajar dalam

pembentukan motivasi belajar sebesar 54,3%, selain itu hubungan antar variabel dapat dilihat bahwa indikator membuat contoh soal mempengaruhi kuat dan searah dengan nilai korelasi sebesar 0,737. Artinya jika terjadi kenaikan pada indikator membuat contoh soal, maka akan diikuti kenaikan motivasi belajar murid.

10. Indikator mempersiapkan diri dapat menjelaskan variabel minat belajar dalam pembentukan motivasi belajar sebesar 67%, selain itu hubungan antar variabel dapat dilihat bahwa indikator mempersiapkan diri mempengaruhi sangat kuat dan searah dengan nilai korelasi sebesar 0,818. Artinya jika terjadi kenaikan pada indikator mempersiapkan diri, maka akan diikuti kenaikan motivasi belajar murid.

11. Indikator pekerjaan rumah dapat menjelaskan variabel minat belajar dalam pembentukan motivasi belajar sebesar 69,5%, selain itu hubungan antar variabel dapat dilihat bahwa indikator pekerjaan rumah mempengaruhi sangat

kuat dan searah dengan nilai korelasi sebesar 0,834. Artinya jika terjadi kenaikan pada indikator pekerjaan rumah, maka akan diikuti kenaikan motivasi belajar murid.

12. Indikator menyikapi tugas menjelaskan variabel motivasi belajar sebesar 58,5%, hubungan antar variabel dapat dilihat bahwa indikator menyikapi tugas mempengaruhi sangat kuat dan searah dengan nilai korelasi sebesar 0,765. Artinya jika terjadi kenaikan pada indikator menyikapi tugas, maka akan diikuti kenaikan motivasi belajar murid.

13. Indikator arahan orang tua dapat menjelaskan variabel motivasi belajar sebesar 65%, hubungan antar variabel dapat dilihat bahwa indikator arahan orang tua mempengaruhi sangat kuat dan searah dengan nilai korelasi sebesar 0,806. Artinya jika terjadi kenaikan pada arahan orang tua, maka akan diikuti kenaikan motivasi belajar murid.

!. Indikator prestasi teman dapat menjelaskan variabel motivasi belajar sebesar

68,2%. Selain itu, hubungan antar variabel dapat dilihat bahwa indikator prestasi teman mempengaruhi sangat kuat dan searah dengan nilai korelasi sebesar 0,826. Artinya jika terjadi kenaikan pada indikator prestasi teman, maka akan diikuti kenaikan variabel motivasi belajar.

Dari hasil analisa data yang dilakukan, maka dapat diambil beberapa solusi terhadap fenomena yang berkaitan dengan hal di atas, terutama untuk Motivasi Belajar. Berdasarkan hasil pendugaan model hasil modifikasi yang disajikan pada Gambar 4.7, terlihat bahwa peubah laten Metode belajar ditunjukan melalui peubah indikator cara mengajar guru, tingkat kesulitan soal dan kuis dengan kontribusi masing-masing sebesar 1,00, 1,13 dan 1,20. Peubah laten Lingkungan ditunjukkan melalui peubah indicator teman, suasana belajar dan pengawasan orang tua dengan kontribusi masing-masing sebesar 1,50, 1,20 dan 1,00. Peubah laten minat ditunjukkan melalui peubah indikator fokus, buku tambahan, membuat contoh soal, mempersiapkan diri dan menyelesaikan pekerjaan rumah dengan kontribusi masing-masing sebesar 1,00, 0,91, 0,95, 1,10

dan 1,19. Peubah laten Motivasi ditunjukkan melalui peubah indikator menyikapi tugas, arahan orang tua dan usaha memperbaiki nilai dengan kontribusi masing-masing sebesar 0,90, 1,00 dan 1,00.

Berdasarkan model struktural yang disajikan pada Gambar 4.7 menunjukkan bahwa minat memiliki pengaruh yang paling dominan terhadap motivasi belajar. Hal ini ditunjukkan oleh nilai koefisien jalurnya sebesar 1,08 merupakan koefisien terbesar di bandingkan dengan koefisien jalur variabel metode (0,04) dan lingkungan (-0,01). Sedangkan pengaruh terhadap minat belajar variabel lingkungan lebih dominan dengan koefisien diagram sebesar 0,04 lebih besar dari nilai koefisien jalur metode sebesar -0,007.

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari hasil analisis dan pengolahan data pada bab sebelumnya maka dapat disimpulkan sebagai berikut:

1. Hasil Modifikasi dengan menggunakan Structural Equation Modelling diperolehfull modeluntuk membentuk motivasi belajar sebagai berikut:

= 0,54 0,32 + 1,047

2.Model struktural yang diperoleh adalah: metode saling brhubungan dengan lingkungan dengan koefisien lintas -0,147 metode berhubungan dengan motivasi dan minat, dengan koefisien lintas sebesar 0,037 dan -0,004; Lingkungan berhubungan dengan Minat dan motivasi, dengan koefisien lintas sebesar -0,014 dan -0,009 minat berhubunga dengan motivasi dengan koefisien lintas sebesar 1,75. Secara keseluruhan faktor yang paling berhubungan dengan motivasi adalah minat dan faktor yang paling berpengaruh dengan minat adalah lingkungan.

5.2 Saran

1. Dari hasil penelitian dan pengolahan data, SMA Mulia Pratama perlu menghimbau kepada orang tua untuk meningkatkan pengawasan dan kedekatan terhadap anak, meningkatkan kualitas kenyamanan suasana belajar, menciptakan suasana belajar yang mendukung siswa/i dan mngarahkan anak-anak agar membentuk kelompok belajar untuk menciptakan lingkungan belajar yang lebih baik.

2. diperlukan variabel-variabel laten tambahan untuk lebih spesifikasi mendapat model terbaik pada motivasi belajar.

47

DAFTAR PUSTAKA

Ghozali, Imam. 2011. Model Persamaan Struktural dan Aplikasi dengan Program Amos 21. Semarang: Badan Penerbit Universitas Diponegoro.

Hamalik, Oemar. 2009. Kurikulum dan Pembelajaran. Jakarta: Bumi Aksara. Haryono, Siswoyo dan Parwoto Wardoyo. 2012.Structural Equation Modelling.

Bekasi: PT. Intermedia Personalia Utama

Purwanto, Ngalim. 2006. Psikologi Pendidikan. Bandung: Remaja Rosdakarya. Santoso Singgih. 2012. Analisis Sem Menggunakan AMOS. Jakarta: PT Elex

Media Komputindo.

Santrock, John W. 2009. Psikologi Pendidikan. Jakarta: Salemba Humanika. Sardiana A.M. 2009. Interaksi dan Motivasi Belajar Mengajar.Jakarta: Rajawali

Pers.

Siregar Eveline dan Hartini Nara. 2010. Teori Belajar dan Pembelajaran. Bogor: Ghalia Indonesia.

Supranto, J. 2010. Analisis Multivariat. Jakarta: Rineka Cipta.

http://www.pengertianahli.com/2014/04/pengertian-minat-apa-itu-minat.html (diakses tgl 8 july 2014 13:40 wib)

KUESIONER

A. IDENTITAS RESPONDEN Nama:

Kelas:

B. PETUNJUK PENGISISAN

1. Bacalah dengan baik-baik setiap pertanyaan

2. Keterangan jabawan, sangat setuju (SS), setuju (S), Netral (N), tidak setuju (TS), sangat tidak setuju (STS).

3. Jawablah pertanyaan dengan jujur

4. Pilihlah jawaban yang sesuai dengan member tanda centang (√)

No

Pertanyaan

Pilihan Jawaban

STS

1

TS

2

N

3

S

4

SS

5

Metode Belajar

1 Setiap akhir pelajaran matematika diberikan pekerjaan rumah.

2 Digunakan beragam metode dalam pembelajaran matematika.

3 Diberikan contoh soal secara langsung agar lebih mudah memahami pokok bahasan yang disampaikan.

4 Diadakan kuis setiap mengakhiri 1 bab pokok bahasan.

Lingkungan Belajar

5 Kedekatan dengan orang tua merupakan pendukung meningkatnya prestasi saya.

6 Saya berdiskusi dengan teman untuk menyelesaikan materi atau tugas yang kurang dimengerti.

7 Saya tidak bisa belajar atau mengerjakan tugas dalam keadaan yang ribut.

8 Orang tua saya harus mengawasi saya ketika belajar di rumah.

Minat Belajar

9 Dalam pelajaran matematika saya memusatkan perhatian secara penuh.

No

Pertanyaan

Pilihan Jawaban

STS

1

TS

2

N

3

S

4

SS

5

10 Saya memiliki buku-buku tentang matematika

selain buku pegangan dari sekolah.

11 Saya membut soal matematika sendiri agar lebih paham akan yang diajarkan guru.

12 Saya sudah belajar matematika pada malam hari sebelum pelajaran esok hari.

13 Saya selalu menyelesaikan pekerjaan rumah. 14 Saya bertanya kepada guru jika menemukan

kesulitan dalam pelajaran matematika. Motivasi Belajar

15 Saya sangat mengharapkan tugas dari guru, karena sangat membantu saya memahami materi.

16 Arahan orang tua sangat mendorong saya untuk belajar dengan giat.

17 Jika nilai pelajaran matematika saya kurang baik maka saya akan belajar lebih keras lagi. 18 Melihat teman yang berprestasi tinggi saya jadi

2 Bobby F Siagian 3 1 2 1 2 2 3 3 3 2 3 3 3 3 3 3 3 3

3 Roni Prasetya 4 1 1 1 4 5 2 4 3 3 2 2 2 3 2 2 2 2

4 Hizkya Bakara 4 4 4 5 2 1 3 1 2 2 3 4 4 3 3 3 3 3

5 Virdaus 1 4 5 4 3 5 5 5 4 4 5 5 5 4 4 5 5 4

6 Elisabeth Siregar 4 5 5 5 5 2 2 2 4 3 3 3 3 3 4 4 3 4

7 Ginta Maruli 5 1 4 4 3 2 3 3 3 3 4 3 4 2 3 3 3 3

8 Nursanti 2 1 3 4 4 3 4 2 4 4 5 4 4 2 5 5 4 2

9 Emtania Tarigan 5 1 3 4 4 2 2 3 4 4 5 4 4 2 4 5 5 4

10 Tamar Angela S 5 5 5 5 4 5 4 4 5 5 4 5 5 2 4 5 5 3

11 Karin Emenina S 2 2 2 2 5 4 3 3 3 3 3 3 4 4 3 4 4 5

12 Hotroulina S 4 4 2 2 4 5 5 5 3 3 5 5 5 3 5 4 4 4

13 Rahel Y Silalahi 5 2 1 1 4 2 2 2 4 5 4 4 3 5 3 4 3 4

14 Riska S Solin 4 5 5 5 3 2 3 3 4 4 5 3 3 2 4 4 3 3

15 Risnauli Sitinjak 4 1 1 1 4 5 4 4 4 4 5 4 4 5 4 4 4 3

16 Zulbaidah 4 1 2 1 4 1 3 3 1 3 3 1 1 4 3 1 1 4

17 Stefani D Gurning 5 1 2 2 4 4 3 3 4 4 4 4 5 5 4 4 4 2

18 Agata Febriana 1 1 1 2 2 5 4 4 5 5 5 4 5 4 5 4 4 4

19 Riza Rizanna 5 1 4 4 5 1 1 2 3 3 3 3 2 3 3 2 3 4

20 Gindo Saputra 4 1 2 1 3 1 1 2 4 4 3 3 4 2 4 3 3 3

21 Andreas Sianipar 1 2 2 2 4 5 4 4 2 3 3 3 2 2 2 3 3 3

22 Rizki A Amand 2 2 4 4 4 4 3 3 4 5 5 4 4 2 4 4 4 4

23 Henny Suryani 1 2 4 2 3 3 3 3 3 4 3 3 3 2 3 4 4 4

24 Amuri Berkat L 3 5 5 4 3 3 2 3 4 5 4 4 5 3 5 4 4 4

25 Ari Mutia Rahma 4 3 4 3 4 1 1 1 4 4 4 4 4 2 4 4 4 2

26 Putri Andini 4 4 4 5 2 5 4 4 3 4 4 3 3 3 3 3 3 3

27 Arief Fadhillah 3 4 4 4 5 4 5 3 3 4 4 3 3 2 4 3 4 1

28 Thomasta Sitepu 5 4 4 4 2 3 2 3 3 2 2 3 2 2 2 3 2 1

No Nama

31 Maxi Milian D S 2 2 2 2 3 2 1 2 3 3 4 3 4 3 3 3 4 4

32 Rina F Tarigan 4 3 3 4 3 1 5 2 4 4 4 4 4 3 4 4 4 4

33 Faris Hilton 3 2 4 3 5 3 2 4 4 5 4 4 4 4 4 4 5 5

34 Leni 3 4 4 3 1 1 2 1 5 5 5 4 4 2 5 4 4 3

35 Nathalyana D S 2 2 2 2 5 3 3 3 5 5 5 4 5 4 4 4 4 5

36 Ezra Sola Gratia 4 5 5 4 2 4 2 3 4 5 5 4 4 2 4 4 4 4

37 Romina Sinaga 2 1 2 2 4 2 5 3 3 4 3 3 3 2 3 3 3 4

38 Dedy Silalahi 3 3 4 4 4 3 2 5 3 3 4 4 4 4 4 4 4 3

39 Heni L Sihotang 4 4 4 4 5 2 5 2 3 4 5 4 3 5 4 4 4 2

40 Elva F Siallagan 3 3 4 4 5 2 2 5 5 4 5 5 4 5 5 4 5 3

41 Egha 3 4 5 5 5 2 2 4 4 3 4 3 3 3 3 3 3 3

42 Andreano F 2 2 3 4 4 5 5 4 3 4 3 4 4 4 4 4 4 4

43 Okky Syahputra 2 4 4 4 4 1 1 2 3 3 4 4 4 3 3 3 4 2

44 Muhammad Ilham 3 1 1 2 4 5 5 1 5 5 5 5 5 2 5 5 5 3

45 Sandy Rully S 3 3 5 5 4 4 4 5 4 4 5 4 4 2 4 4 4 4

46 Marnaek Tuah M 3 4 4 4 4 2 2 4 3 4 4 4 4 2 4 4 4 4

47 Lastri Juliani S 4 4 4 4 4 5 5 2 5 5 5 4 4 2 4 5 4 4

48 Eriska Sri N Y 2 5 4 4 3 5 5 2 5 5 5 4 5 2 4 4 5 4

49 Susanna Tarigan 3 4 4 4 2 2 2 5 4 5 5 5 4 4 5 5 4 4

50 Helen Kartika S 4 3 4 3 1 2 2 2 4 5 4 4 5 4 4 4 4 3

51 Elisa Theresya G 4 1 2 2 3 4 4 5 3 4 4 3 4 4 3 3 3 4

52 Raudhatul P U 3 2 4 5 2 2 2 1 5 5 5 4 5 5 4 4 4 4

53 Rinaldi D 3 1 2 2 3 4 4 5 3 4 4 3 3 4 3 3 3 4

54 Bagus Abdul M 3 4 5 3 3 5 5 4 5 4 4 4 4 4 4 4 4 4

55 Sihar Parhusip 3 4 4 5 1 2 2 2 4 5 5 5 4 4 4 5 4 4

56 Putri Br Ginting 1 1 2 2 3 4 4 2 4 4 5 4 4 3 5 4 4 4

57 Lamtiur Saragih 5 5 5 4 3 5 5 5 3 4 3 3 3 4 4 3 3 4

58 Popo Silvana 3 2 2 1 1 2 2 2 3 3 4 3 3 5 3 3 4 3

59 Naomi A P 4 5 5 5 3 2 2 2 3 3 3 3 3 5 4 4 3 5

62 Dayana Sinaga 5 2 1 1 3 5 5 4 4 4 3 4 3 2 3 4 4 4

63 Kartini 4 5 5 5 3 5 5 5 2 3 3 2 2 3 3 2 3 4

64 Leonardo Bangun 4 4 4 4 1 4 4 3 5 4 5 4 4 2 5 5 4 4

65 Sondang N 1 1 1 2 5 4 4 5 3 3 3 4 3 3 3 4 3 5

66 Adelia Nofirda 5 1 4 4 4 2 2 2 3 3 4 3 3 3 3 3 3 4

67 Anita Br Ginting 4 1 2 1 4 4 4 5 3 4 3 4 3 3 4 4 3 4

68 Heri B Sihite 1 4 4 4 1 4 4 4 3 4 3 4 4 3 3 4 4 4

69 Baktiar Siregar 2 2 4 4 3 5 5 3 5 4 4 5 5 4 4 4 5 4

70 Javen Sihotang 1 2 4 2 5 4 4 5 3 3 3 4 3 4 3 3 4 4

71 Natalia Hutabarat 5 4 4 4 1 5 5 5 3 3 4 5 4 3 4 4 3 4

72 Willi Siska S 1 1 1 3 4 5 5 4 3 4 4 5 3 3 4 4 3 4

73 Lamra Sihaloho 1 1 1 3 2 2 2 1 5 4 5 5 4 4 5 5 5 4

74 Endi 5 4 4 5 3 5 5 5 2 1 3 1 1 1 2 2 2 4

75 Fitri F S 1 1 1 4 3 5 5 5 3 4 4 5 4 3 3 4 4 4

76 Nurazizah 4 4 4 1 2 5 5 4 4 3 4 3 3 3 3 3 3 2

77 Oktober Zebua 1 2 2 3 4 4 4 4 3 3 4 3 3 3 3 3 3 4

78 Dewan Surya 3 4 4 4 5 4 4 4 3 4 5 3 3 3 3 4 4 4

79 Andreas S 4 4 4 1 3 5 5 5 4 5 4 4 5 2 4 5 4 4

80 Santi Putru P 3 3 2 4 4 4 4 4 3 3 4 3 3 3 3 3 3 1

81 Selly anggriani 5 4 5 1 3 4 4 5 3 3 3 2 2 2 3 3 2 2

82 Ricky Fernando 4 3 5 5 5 3 5 4 4 4 4 3 3 3 4 3 4 4

83 Yuliana 3 2 5 3 4 1 2 2 5 5 5 5 4 4 4 5 5 3

84 Erik Jhon Sitepu 3 3 4 3 4 5 5 5 3 4 3 3 4 4 4 4 3 4

85 Anis Frisdiani 1 1 3 4 5 5 5 5 3 4 4 3 4 3 4 5 3 2

86 Putri Pratiwi 2 2 2 5 4 4 4 4 4 4 5 5 4 4 4 5 5 2

87 Bobby E Tarigan 3 4 4 4 1 1 4 3 4 3 5 4 4 4 4 5 4 5

88 Boni F S 4 4 3 5 3 3 4 4 3 4 3 3 3 3 3 3 3 3

No Nama

91 Try Dany Any 2 2 2 2 4 5 5 5 3 4 4 4 4 4 3 4 4 4

92 Indah Syafitri 1 2 2 5 1 4 5 5 4 4 4 4 5 5 5 4 4 5

93 Vika A Surbakti 4 4 2 3 4 4 4 4 5 4 4 4 5 4 4 4 5 4

94 1 2 2 1 4 1 2 2 3 3 3 3 3 3 4 4 4 4

95 5 5 4 4 5 3 4 4 4 3 3 3 3 3 3 3 3 4

96 2 1 2 4 5 5 5 5 4 3 4 3 4 2 4 4 3 4

97 1 1 3 4 3 2 3 3 4 4 5 4 5 3 4 5 4 3

98 5 5 5 5 4 4 4 5 3 3 3 2 2 2 2 3 2 5

99 5 5 5 4 5 4 4 4 4 3 4 2 4 3 4 4 4 4

$8

KUESIONER

A. IDENTITAS RESPONDEN Nama:

Kelas:

B. PETUNJUK PENGISISAN

1. Bacalah dengan baik-baik setiap pertanyaan

2. Keterangan jabawan, sangat setuju (SS), setuju (S), Netral (N), tidak setuju (TS), sangat tidak setuju (STS).

3. Jawablah pertanyaan dengan jujur

4. Pilihlah jawaban yang sesuai dengan member tanda centang (√)

No

Pertanyaan

Pilihan Jawaban

STS

1

TS

2

N

3

S

4

SS

5

Metode Belajar

1 Setiap akhir pelajaran matematika diberikan pekerjaan rumah.

2 Digunakan beragam metode dalam pembelajaran matematika.

3 Diberikan contoh soal secara langsung agar lebih mudah memahami pokok bahasan yang disampaikan.

4 Diadakan kuis setiap mengakhiri 1 bab pokok bahasan.

Lingkungan Belajar

5 Kedekatan dengan orang tua merupakan pendukung meningkatnya prestasi saya.

6 Saya berdiskusi dengan teman untuk menyelesaikan materi atau tugas yang kurang dimengerti.

7 Saya tidak bisa belajar atau mengerjakan tugas dalam keadaan yang ribut.

8 Orang tua saya harus mengawasi saya ketika belajar di rumah.

Minat Belajar

9 Dalam pelajaran matematika saya memusatkan perhatian secara penuh.

10 Saya memiliki buku-buku tentang matematika selain buku pegangan dari sekolah.

No

Pertanyaan

Pilihan Jawaban

STS

1

TS

2

N

3

S

4

SS

5

10 Saya memiliki buku-buku tentang matematika selain buku pegangan dari sekolah.

11 Saya membut soal matematika sendiri agar lebih paham akan yang diajarkan guru.

12 Saya sudah belajar matematika pada malam hari sebelum pelajaran esok hari.

13 Saya selalu menyelesaikan pekerjaan rumah. 14 Saya bertanya kepada guru jika menemukan

kesulitan dalam pelajaran matematika.

Motivasi Belajar

15 Saya sangat mengharapkan tugas dari guru, karena sangat membantu saya memahami materi.

16 Arahan orang tua sangat mendorong saya untuk belajar dengan giat.

17 Jika nilai pelajaran matematika saya kurang baik maka saya akan belajar lebih keras lagi. 18 Melihat teman yang berprestasi tinggi saya jadi

50

No Nama

1 Romo Sundana 1 5 3 4 3 4 2 2 4 5 5 5 4 2 4 4 5 4

2 Bobby F Siagian 3 1 2 1 2 2 3 3 3 2 3 3 3 3 3 3 3 3

3 Roni Prasetya 4 1 1 1 4 5 2 4 3 3 2 2 2 3 2 2 2 2

4 Hizkya Bakara 4 4 4 5 2 1 3 1 2 2 3 4 4 3 3 3 3 3

5 Virdaus 1 4 5 4 3 5 5 5 4 4 5 5 5 4 4 5 5 4

6 Elisabeth Siregar 4 5 5 5 5 2 2 2 4 3 3 3 3 3 4 4 3 4

7 Ginta Maruli 5 1 4 4 3 2 3 3 3 3 4 3 4 2 3 3 3 3

8 Nursanti 2 1 3 4 4 3 4 2 4 4 5 4 4 2 5 5 4 2

9 Emtania Tarigan 5 1 3 4 4 2 2 3 4 4 5 4 4 2 4 5 5 4

10 Tamar Angela S 5 5 5 5 4 5 4 4 5 5 4 5 5 2 4 5 5 3

11 Karin Emenina S 2 2 2 2 5 4 3 3 3 3 3 3 4 4 3 4 4 5

12 Hotroulina S 4 4 2 2 4 5 5 5 3 3 5 5 5 3 5 4 4 4

13 Rahel Y Silalahi 5 2 1 1 4 2 2 2 4 5 4 4 3 5 3 4 3 4

14 Riska S Solin 4 5 5 5 3 2 3 3 4 4 5 3 3 2 4 4 3 3

15 Risnauli Sitinjak 4 1 1 1 4 5 4 4 4 4 5 4 4 5 4 4 4 3

16 Zulbaidah 4 1 2 1 4 1 3 3 1 3 3 1 1 4 3 1 1 4

17 Stefani D Gurning 5 1 2 2 4 4 3 3 4 4 4 4 5 5 4 4 4 2

18 Agata Febriana 1 1 1 2 2 5 4 4 5 5 5 4 5 4 5 4 4 4

19 Riza Rizanna 5 1 4 4 5 1 1 2 3 3 3 3 2 3 3 2 3 4

20 Gindo Saputra 4 1 2 1 3 1 1 2 4 4 3 3 4 2 4 3 3 3

21 Andreas Sianipar 1 2 2 2 4 5 4 4 2 3 3 3 2 2 2 3 3 3

22 Rizki A Amand 2 2 4 4 4 4 3 3 4 5 5 4 4 2 4 4 4 4

23 Henny Suryani 1 2 4 2 3 3 3 3 3 4 3 3 3 2 3 4 4 4

24 Amuri Berkat L 3 5 5 4 3 3 2 3 4 5 4 4 5 3 5 4 4 4

25 Ari Mutia Rahma 4 3 4 3 4 1 1 1 4 4 4 4 4 2 4 4 4 2

26 Putri Andini 4 4 4 5 2 5 4 4 3 4 4 3 3 3 3 3 3 3

27 Arief Fadhillah 3 4 4 4 5 4 5 3 3 4 4 3 3 2 4 3 4 1

28 Thomasta Sitepu 5 4 4 4 2 3 2 3 3 2 2 3 2 2 2 3 2 1

29 Eber Septiawan N 5 2 4 4 3 4 3 4 3 3 3 3 4 3 4 3 3 3

30 Rut T Ginting 2 2 4 4 4 3 2 2 3 2 2 3 2 3 2 3 3 3

31 Maxi Milian D S 2 2 2 2 3 2 1 2 3 3 4 3 4 3 3 3 4 4

32 Rina F Tarigan 4 3 3 4 3 1 5 2 4 4 4 4 4 3 4 4 4 4

33 Faris Hilton 3 2 4 3 5 3 2 4 4 5 4 4 4 4 4 4 5 5

34 Leni 3 4 4 3 1 1 2 1 5 5 5 4 4 2 5 4 4 3

35 Nathalyana D S 2 2 2 2 5 3 3 3 5 5 5 4 5 4 4 4 4 5

36 Ezra Sola Gratia 4 5 5 4 2 4 2 3 4 5 5 4 4 2 4 4 4 4

37 Romina Sinaga 2 1 2 2 4 2 5 3 3 4 3 3 3 2 3 3 3 4

38 Dedy Silalahi 3 3 4 4 4 3 2 5 3 3 4 4 4 4 4 4 4 3

39 Heni L Sihotang 4 4 4 4 5 2 5 2 3 4 5 4 3 5 4 4 4 2

40 Elva F Siallagan 3 3 4 4 5 2 2 5 5 4 5 5 4 5 5 4 5 3

41 Egha 3 4 5 5 5 2 2 4 4 3 4 3 3 3 3 3 3 3

42 Andreano F 2 2 3 4 4 5 5 4 3 4 3 4 4 4 4 4 4 4

43 Okky Syahputra 2 4 4 4 4 1 1 2 3 3 4 4 4 3 3 3 4 2

44 Muhammad Ilham 3 1 1 2 4 5 5 1 5 5 5 5 5 2 5 5 5 3

45 Sandy Rully S 3 3 5 5 4 4 4 5 4 4 5 4 4 2 4 4 4 4

46 Marnaek Tuah M 3 4 4 4 4 2 2 4 3 4 4 4 4 2 4 4 4 4

47 Lastri Juliani S 4 4 4 4 4 5 5 2 5 5 5 4 4 2 4 5 4 4

48 Eriska Sri N Y 2 5 4 4 3 5 5 2 5 5 5 4 5 2 4 4 5 4

49 Susanna Tarigan 3 4 4 4 2 2 2 5 4 5 5 5 4 4 5 5 4 4

50 Helen Kartika S 4 3 4 3 1 2 2 2 4 5 4 4 5 4 4 4 4 3

51 Elisa Theresya G 4 1 2 2 3 4 4 5 3 4 4 3 4 4 3 3 3 4

52 Raudhatul P U 3 2 4 5 2 2 2 1 5 5 5 4 5 5 4 4 4 4

53 Rinaldi D 3 1 2 2 3 4 4 5 3 4 4 3 3 4 3 3 3 4

54 Bagus Abdul M 3 4 5 3 3 5 5 4 5 4 4 4 4 4 4 4 4 4

55 Sihar Parhusip 3 4 4 5 1 2 2 2 4 5 5 5 4 4 4 5 4 4

56 Putri Br Ginting 1 1 2 2 3 4 4 2 4 4 5 4 4 3 5 4 4 4

57 Lamtiur Saragih 5 5 5 4 3 5 5 5 3 4 3 3 3 4 4 3 3 4

58 Popo Silvana 3 2 2 1 1 2 2 2 3 3 4 3 3 5 3 3 4 3

59 Naomi A P 4 5 5 5 3 2 2 2 3 3 3 3 3 5 4 4 3 5

52

No Nama

61 Beba Waruwu 1 3 4 3 3 4 4 3 3 3 4 4 3 3 3 3 4 4

62 Dayana Sinaga 5 2 1 1 3 5 5 4 4 4 3 4 3 2 3 4 4 4

63 Kartini 4 5 5 5 3 5 5 5 2 3 3 2 2 3 3 2 3 4

64 Leonardo Bangun 4 4 4 4 1 4 4 3 5 4 5 4 4 2 5 5 4 4

65 Sondang N 1 1 1 2 5 4 4 5 3 3 3 4 3 3 3 4 3 5

66 Adelia Nofirda 5 1 4 4 4 2 2 2 3 3 4 3 3 3 3 3 3 4

67 Anita Br Ginting 4 1 2 1 4 4 4 5 3 4 3 4 3 3 4 4 3 4

68 Heri B Sihite 1 4 4 4 1 4 4 4 3 4 3 4 4 3 3 4 4 4

69 Baktiar Siregar 2 2 4 4 3 5 5 3 5 4 4 5 5 4 4 4 5 4

70 Javen Sihotang 1 2 4 2 5 4 4 5 3 3 3 4 3 4 3 3 4 4

71 Natalia Hutabarat 5 4 4 4 1 5 5 5 3 3 4 5 4 3 4 4 3 4

72 Willi Siska S 1 1 1 3 4 5 5 4 3 4 4 5 3 3 4 4 3 4

73 Lamra Sihaloho 1 1 1 3 2 2 2 1 5 4 5 5 4 4 5 5 5 4

74 Endi 5 4 4 5 3 5 5 5 2 1 3 1 1 1 2 2 2 4

75 Fitri F S 1 1 1 4 3 5 5 5 3 4 4 5 4 3 3 4 4 4

76 Nurazizah 4 4 4 1 2 5 5 4 4 3 4 3 3 3 3 3 3 2

77 Oktober Zebua 1 2 2 3 4 4 4 4 3 3 4 3 3 3 3 3 3 4

78 Dewan Surya 3 4 4 4 5 4 4 4 3 4 5 3 3 3 3 4 4 4

79 Andreas S 4 4 4 1 3 5 5 5 4 5 4 4 5 2 4 5 4 4

80 Santi Putru P 3 3 2 4 4 4 4 4 3 3 4 3 3 3 3 3 3 1

81 Selly anggriani 5 4 5 1 3 4 4 5 3 3 3 2 2 2 3 3 2 2

82 Ricky Fernando 4 3 5 5 5 3 5 4 4 4 4 3 3 3 4 3 4 4

83 Yuliana 3 2 5 3 4 1 2 2 5 5 5 5 4 4 4 5 5 3

84 Erik Jhon Sitepu 3 3 4 3 4 5 5 5 3 4 3 3 4 4 4 4 3 4

85 Anis Frisdiani 1 1 3 4 5 5 5 5 3 4 4 3 4 3 4 5 3 2

86 Putri Pratiwi 2 2 2 5 4 4 4 4 4 4 5 5 4 4 4 5 5 2

87 Bobby E Tarigan 3 4 4 4 1 1 4 3 4 3 5 4 4 4 4 5 4 5

88 Boni F S 4 4 3 5 3 3 4 4 3 4 3 3 3 3 3 3 3 3

89 Danius 2 1 2 1 4 4 4 4 4 3 4 4 4 4 3 5 4 1

90 Nofriani Gulo 3 3 5 1 1 1 1 1 5 4 4 4 3 5 4 4 4 4

91 Try Dany Any 2 2 2 2 4 5 5 5 3 4 4 4 4 4 3 4 4 4

92 Indah Syafitri 1 2 2 5 1 4 5 5 4 4 4 4 5 5 5 4 4 5

93 Vika A Surbakti 4 4 2 3 4 4 4 4 5 4 4 4 5 4 4 4 5 4

94 1 2 2 1 4 1 2 2 3 3 3 3 3 3 4 4 4 4

95 5 5 4 4 5 3 4 4 4 3 3 3 3 3 3 3 3 4

96 2 1 2 4 5 5 5 5 4 3 4 3 4 2 4 4 3 4

97 1 1 3 4 3 2 3 3 4 4 5 4 5 3 4 5 4 3

98 5 5 5 5 4 4 4 5 3 3 3 2 2 2 2 3 2 5

99 5 5 5 4 5 4 4 4 4 3 4 2 4 3 4 4 4 4