48
2. Pengujian Persyaratan Analisis a. Uji Normalitas
“Uji normalitas dilakukan sebagai syarat analisis korelasi yakni untuk mengetahui apakah data tersebut berdistribusi normal atau tidak. Asumsi yang
utama dalam teknik statistik parametris adalah data yang dianalisis harus berdistribusi normal” Sugiyono, 2012: 210. Maka bila data tidak berdistribusi
normal, teknik statistik parametris tidak dapat digunakan untuk teknik analisis. Uji normalitas data dalam penelitian ini menggunakan Uji Kolmogorov
Smirnov. Jika nilai p value lebih kecil dari taraf siginifikansi 0.05, maka data tidak berdistribusi normal, sebaliknya jika nilai p value lebih besar dari taraf signifikansi
0.05, maka data yang diuji berdistribusi normal Sulistyo, 2012: 51-52. Pada pengujian normalitas, peneliti menggunakan program SPSS v.22.
Hasil perhitungan dengan program SPSS v.22 kemudian dikonsultasikan dengan nilai 0,05.
b. Uji Linearitas
Uji linearitas digunakan untuk mengetahui apakah variabel bebas dan variabel terikat memiliki hubungan linier atau tidak. Uji linearitas dalam penelitian
ini menggunakan Uji F pada taraf signifikansi 5 yang rumusnya: =
F = harga bilangan F
= jumlah kuadrat total tuna cocok dibagi k-2 = jumlah kuadrat galat dibagi n-k
Sugiyono, 2012: 266 Pada pengujian Linearitas peneliti menggunakan program SPSS v.22. Hasil
perhitungan dengan program SPSS v.22 kemudian dikonsultasikan dengan nilai
49 Sig. α. Jika nilai pada Deviation from Linearity Sig. α 0,5 maka model hubungan
yang akan dianalisis bersifat linear Sulistyo, dalam Maulidya, 2014: 49.
3. Pengujian Hipotesis
Pengujian hipotesis pada penelitian ini digunakan uji F untuk mengetahui sumbangan variabel bebas terhadap variabel terikat. Teknik analisis regresi linier
digunakan untuk mengetahui koefisien regresi pengaruh variabel bebas terhadap variabel terikat, koefisien determinasi, dan sumbangan efektif variabel bebas
terhadap variabel terikat. Persamaan garis regresi dengan dua prediktor untuk memprediksikan
seberapa jauh perubahan nilai variabel dependen bila nilai independen dinaik- turunkan. Dengan persamaan garis regresi sebagai berikut:
Y’ = α + bX Y’
= kriterium α
= bilangan konstan bX
= koefisien prediktor X Peneliti menggunakan program SPSS v.22 untuk melakukan analisis regresi
linier. Untuk menentukan sumbangan variabel bebas terhadap variabel terikat
digunakan uji F. Hipotesis yang diuji adalah hipotesis nol Ho, sedangkan hipotesis yang
diajukan berdasarkan teori merupakan hipotesis alternatif Ha. Adapun hipotesis nol Ho merupakan lawan dari hipotesis alternatif Ha, yang mana apabila hasil
pengujian menerima Ho berarti Ha ditolak dan begitu juga sebaliknya. Hipotesis Ho ditanyakan ditolak jika nilai dari Uji-F lebih besar daripada nilai F yang diperoleh
dari tabel Prasetya, 2014: 59.
50
a. Uji F
Untuk menguji hipotesis mengenai keberartian dan mengetahui besarnya sumbangan variabel bebas terhadap variabel terikat digunakan uji F terhadap R
2
. Berikut ini rumus uji F menurut Sugiyono 2012: 235.
ℎ = 1 − − − 1
harga Fh selanjutnya dibanding dengan harga F tabel pada taraf signifikansi 5 dengan dk pembilang = k dan dk penyebut = n-k-1. Jika harga Fh F
tabel
maka Ho ditolak dan Ha diterima. Hasil yang diperoleh dalam sampel tersebut dapat digeneralisasikan pada populasi dimana sampel diambil atau data tersebut
mencerminkan keadaan populasi. Sugiyono, 2012: 235
51
BAB IV HASIL DAN PEMBAHASAN
Pada bab ini akan disajikan secara berturut-turut mengenai laporan hasil penelitian yang telah dilakukan meliputi deskripsi data, pengujian persyaratan
analisis, pengujian hipotesis; dan pembahasan hasil penelitian.
A. Hasil Penelitian 1. Deskripsi Data
Data dari hasil penelitian terdiri dari satu variabel bebas yaitu kebiasaan belajar dan satu variabel terikat yaitu prestasi belajar. Pada deskripsi data berikut
ini disajikan informasi data meliputi mean atau rerata, median, modus dan standar deviasi atau simpangan baku masing-masing variabel penelitian.
a. Kebiasaan belajar siswa
Data kebiasaan belajar diperoleh dari angket tertutup yang terdiri dari 35 butir pertanyaan yang sudah dibagikan kepada 116 siswa kelas X dan XI program
keahlian teknik gambar bangunan di SMK Negeri 2 Yogyakarta. Data ini memiliki skor tertinggi 125 dan skor terendah 83. Dari hasil perhitungan diperoleh rata-rata
103,20 dan simpangan baku 8,19. Tabel berikut ini menunjukkan distribusi frekuensi untuk variabel kebiasaan
belajar siswa. Tabel 10. Distribusi Frekuensi Variabel Kebiasaan Belajar Siswa
No. Kelas Kelas Interval
Frekuensi
1 82 - 87
3 2
88 - 93 10
3 94 - 99
30 4
100 - 105 34
5 106 - 111
22 6
112 - 117 13
7 118 - 123
3
Jumlah 116
52 Dari tabel distribusi frekuensi diatas dapat dibuat histogram seperti pada
gambar dibawah ini.
Gambar 2. Histogram Distribusi Frekuensi Variabel Kebiasaan Belajar Siswa
Penggolongan kategori untuk kebiasaan kelajar dibedakan menjadi lima yaitu, Sangat Baik, Baik, Cukup Baik, Kurang Baik,dan Tidak Baik.
X ≥ M + 1,5 SD ......................................... Sangat Baik A M + 0,5 SD ≥ X M + 1,5 SD .................. Baik B
M - 0,5 SD ≥ X M + 0,5 SD ................... Cukup Baik C M - 1,5 SD ≥ X M - 0,5 SD .................... Kurang Baik D
X M – 1,5 SD ........................................ Tidak Baik E Keterangan:
X : Mean data
M : Mean rata-rata ideal
SD : Standar deviasi ideal
Kategori ini didasarkan pada mean ideal dan standar deviasi ideal yang diperoleh. Berikut adalah rumus mean ideal dan standar deviasi ideal:
3 10
30 34
22
13
3 1
5 10
15 20
25 30
35 40
82 - 87 88 - 93
94 - 99 100 - 105 106 - 111 112 - 117 118 - 123 124 - 129 Fre
ku en
si
Kelas Interval
53 Mean Ideal = ½ x skor tertinggi + skor terendah
= ½ x 125 + 82 = ½ x 207
= 104 SD Ideal = 16 skor tertinggi - skor terendah
= 16 x 125 - 82 = 16 x 43
= 7,17 ~ 7 Dari perhitungan didapatkan mean ideal sebesar 104 dan standar deviasi
ideal sebesar 7 maka kategori kebiasaan belajar siswa dapat dilihat pada tabel dibawah ini.
Tabel 11. Kategori Kebiasaan Belajar Siswa
Interval Jumlah Siswa
Persentase Kategori
92,74 11
9,48 Rendah
92,75 - 99,91 32
27,59 Kurang
99,92 - 107,07 44
37,93 Cukup Baik
107,08 - 114,24 18
15,52 Baik
≥ 114,25 11
9,48 Sangat Baik
Jumlah 116
100 Dari tabel dapat dibuat diagram batang untuk memudahkan penglihatan
besar porsi masing-masing kategori. Diagram batang dari tabel dapat dilihat berikut ini.