d. Uji Multikolinearitas
Menurut Widarjono 2005:133 multikolinieritas adalah hubungan linier antara variabel independen di dalam regresi.
Masih menurut Widarjono 2005:133 mengatakan bahwa salah satu ciri adanya multikolinearitas adalah model mempunyai koefisien
determinasi R square yang cukup tinggi, atau dalam suatu model jika koefisien korelasi cukup tinggi katakanlah di atas 0,85 maka diduga ada
multikolinieritas dalam model tersebut. Berdasarkan tabel 4.10 di atas nilai R squerenya adalah sebesar
0,893 nilai tersebut lebih besar dari 0,85 sehingga antara variabel X
1
keaktifan dan variabel X
2
keterampilan proses adanya hubungan atau saling mempengaruhi. Karena terjadi saling mempengaruhi maka
dilakukan uji regresi linier sederhana untuk tiap-tiap variabel bebas terhadap variable terikat.
i Pengaruh Keaktifan terhadap Prestasi Belajar
Untuk mengetahui persamaan prediksinya, berikut ini disajikan Output
Coefficients sebagai berikut. Tabel 4.11 Coefficients Regresi Linier Sederhana Keaktifan
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1
Constant -37,745
11,548 -3,268
0,002
X1
1,324 0,149
0,825 8,892
0,000
a Dependent Variable: Y
Berdasarkan Tabel 4.11 di atas diperoleh persamaan regresi sebagai berikut :
1
324 ,
1 745
, 37
ˆ X
Y +
− =
Tabel 4.12 Anova Regresi Linier Sederhana Keaktifan
Model Sum of
Squares df Mean
Square F Sig.
1 Regression 816,858
1 816,858 79,074 0,000
Residual 382,219
37 10,330
Total 1199,077
38
a. Predictors: Constant, X1 b. Dependent Variable: Y
Berdasarkan Tabel 4.12 tersebut diperoleh nilai F = 79,074 dan nilai sig = 0,000 kurang dari 5. Jadi H
ditolak H
1
diterima, sehingga dapat disimpulkan bahwa persamaan
1
324 ,
1 745
, 37
ˆ X
Y +
− =
adalah linear. Selanjutnya untuk melihat kontribusi X1 terhadap Y dilihat dari output
model summary sebagai berikut : Tabel 4.13 Model Summary Regresi Linier Sederhana Keaktifan
Model R
R Square Adjusted
R Square Std. Error of
the Estimate Durbin-
Watson
1 0,825
0,681 0,673
3,214 2,384
a. Predictors: Constant, X1 b. Dependent Variable: Y
Dari Tabel 4.13 tersebut di atas diperoleh nilai R Square = 0,681 artinya variabel Xl keaktifan memberikan kontribusi terhadap variabel Y prestasi
belajar sebesar 68,1. Sehingga 31,9 adalah akibat pengaruh faktor yang lain.
ii Pengaruh Keterampilan Proses terhadap prestasi belajar
Untuk mengetahui persamaan prediksinya, berikut ini disajikan Output
Coefficients sebagai berikut: Tabel 4.14 Coefficients Regresi Linier Sederhana Keterampilan Proses
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1
Constant -48,814
6,595 -7,402
0,000
X2
1,502 0,087
0,943 17,252 0,000
a Dependent Variable: Y
Berdasarkan Tabel 4.14 di atas diperoleh persamaan regresi sebagai berikut :
2
502 ,
1 874
, 48
ˆ X
Y +
− =
Tabel 4.15 Anova Regresi Linier Sederhana Keterampilan Proses
Model Sum of
Squares df Mean
Square F Sig.
1 Regression 1066,502 1 1066,502 297,648 0,000
Residual 132,575
37 3,583
Total 1199,077
38
a. Predictors: Constant, X2 b. Dependent Variable: Y
Berdasarkan Tabel 4.15 tersebut diperoleh nilai F = 79,074 dan nilai sig = 0,000 kurang dari 5. Jadi H
ditolak H
1
diterima, sehingga dapat disimpulkan bahwa persamaan
2
502 ,
1 874
, 48
ˆ X
Y +
− =
adalah linear. Selanjutnya untuk melihat kontribusi X2 terhadap Y dilihat dari output
model summary sebagai berikut.
Tabel 4.16 Model Summary Regresi Linier Sederhana Keterampilan Proses
Model R
R Square Adjusted
R Square Std. Error of
the Estimate Durbin-
Watson
1 0,943
0,889 0,886
1,893 2,333
a. Predictors: Constant, X2 b. Dependent Variable: Y
Dari Tabel 4.16 tersebut di atas diperoleh nilai R Square = 0,889 artinya variabel X2 keterampilan proses memberikan kontribusi terhadap Y
prestasi belajar sebesar 88,9 sehingga 11,1 adalah akibat pengaruh faktor yang lain.
3. Pengujian Hipotesis 3