6
Berdasarkan hasil pengolahan data angket minat baca dengan bantuan program SPSS Version 16.0 diperoleh data sebagai berikut: nilai minimum: 37,00; nilai maksimum: 97,00; mean:
72,46; dan standard deviasi: 10,33. Nilai angket minat baca juga dapat dikelompokkan ke dalam tiga kategori, yaitu tinggi, sedang, dan rendah dengan kriteria sebagai berikut:
a. Tinggi
: b.
Sedang :
c. Rendah
: Berdasarkan pengelompokkan diatas dapat diperoleh jumlah presentase tes kemampuan
memecahkan soal matematika, dengan kategori tinggi sebanyak 28 siswa atau sebesar 15,3, sedang sebanyak 125 siswa atau sebesar 68,3, dan rendah sebanyak 30 siswa atau sebesar 16,4 .
3.2 Hasil Analisi Data
Dalam hasil analisis data pada penelitian ini meliputi pengujian prasyarat analisis, hasil analisis jalur, dan hasil pengujian hipotesis. Adpaun hasil analisis data masing-masing dijelaskan sebagai berikut:
Ada tiga uji prasyaratan yaitu uji normalitas, uji linieritas, dan uji homogenitas. Hasil uji prasyaratan asumsi dapat dilihat pada pembahasan berikut:
Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi normal atau tidak. Dalam pembahasan ini akan digunakan Uji One Sampel Kol-mogorov-Smirnow dengan
menggunakan taraf signifikan 0,05. Data dinyatakan berdistribusi normal jika signifikan lebih besar dari 0,05. Dari perhitungan dengan program SPSS Version 16.0 diperoleh:
Tabel 4. Hasil Uji Normalitas Variabel
Signifikansi Analisis
Hasil belajar matematika Kemampuan memecahkan soal matematika
Gaya belajar Minat baca
0,200 0,200
0,079 0,200
Normal Normal
Normal Normal
Dari hasil analisis normalitas diatas diketahui variabel yang meliputi hasil belajar matematika, kemampuan memecahkan soal matematika, dan minat baca, mempunyai nilai
signifikansi p value masing-masing sebesar 0,200 0,05 serta variabel gaya belajar mempunyai nilai signifikansi p value 0,079 0,05. Hal ini dapat diartikan bahwa sebaran data masing-masing
variabel dinyatakan normal. Uji linieritas adalah menguji hubungan setiap variabel independen dengan variabel dependen
berdasarkan pada taraf signifikan 0,05. Analisis data menggunakan analisis regresi ganda, asumsi bahwa masing-masing variabel eksogen bebas dengan variabel endogen terikat memiliki
7
hubungan linieritas. Untuk melanjutkan analisis data dengan regresi ganda, asumsi bahwa masing- masing variabel terikat memiliki hubungan linieritas.
Tabel 5. Hasil Uji Linearitas antar Variabel Variabel
Signifikansi Analisis
X
1
dan X
2
X
1
dan Y X
2
dan Y X
1
dan Z X
2
dan Z Y dan Z
0,543 0,196
0,498 0,956
0,101 0,591
Linear Linear
Linear Linear
Linear Linear
Dari hasil diatas dapat diketahui bahwa nilai signifikansi variabel yang meliputi gaya belajar, minat baca, kemampuan memecahkan soal matematika, dan hasil belajar matematika
mempunyai nilai signifikansi masing-masing p value 0,05. Hal ini dapat diartikan bahwa antar variabel memiliki hubungan yang linear.
Uji homogenitas adalah menguji hubungan setiap variabel independen dengan variabel dependen berdasarkan pada taraf signifikan 0,05. Analisis data menggunakan analisis Levene
Statistic, asumsi bahwa masing-masing variabel eksogen bebas dengan variabel endogen terikat memiliki hubungan yang homogen. Untuk melanjutkan analisis data dengan Levene Statistic,
asumsi bahwa masing-masing variabel terikat memiliki hubungan yang homogen. Tabel 6. Hasil Uji Homogenitas antar Variabel
Variabel Signifikansi
Analisis X
1
dan X
2
X
1
dan Y X
2
dan Y X
1
dan Z X
2
dan Z Y dan Z
0,589 0,253
0,177 0,889
0,182 0,162
Homogen Homogen
Homogen Homogen
Homogen Homogen
Dari hasil diatas dapat diketahui bahwa nilai signifikansi variabel yang meliputi gaya belajar, minat baca, kemampuan memecahkan soal matematika, dan hasil belajar matematika
mempunyai nilai signifikansi masing-masing p value 0,05. Hal ini dapat diartikan bahwa antar variabel memiliki hubungan yang homogen.
Pengujian prasyarat analisis yang terdiri dari uji normalitas, uji linearitas, dan uji homogenitas telah dilakukan peneliti. Jadi, analisis selanjutnya adalah analisis jalur. Berdasarkan
data yang terkumpul setiap variabel, dan setelah dilakukan analisis dengan menggunakan program SPSS Version 16.0 serta perhitungan persamaan analisis regresi menghasilkan koefisien jalur p,
dengan harga-harga koefisien jalur sebagai berikut: p
21
= 0,317; p
31
= 0,142; p
32
= 0,792; p
41
= 0,346; p
42
= 0,101; p
43
= 0,037.
8
Gambar 1. Diagram Jalur Dari diagram jalur di atas menunjukkan bahwa koefisien jalur p
43
sebesar 0,037 lebih kecil dari 0,05, sehingga dapat diartikan bahwa nilai korelasi terjadi karena adanya efek-efek tidak
langsung dari variabel lain. Pengaruh langsung kemampuan memecahkan soal matematika Y terhadap hasil belajar matematika Z besarnya 0,037. Hal ini menunjukkan bahwa kemampuan
memecahkan soal matematika Y tidak mempunyai efek langsung terhadap hasil belajar matematika Z.
Dengan rendahnya koefisien jalur p
43
yang besarnya 0,037 sehingga lebih kecil dari 0,05 maka jalur tersebut dapat dihilangkan sehingga Gambar 4.1 dapat disederhanakan menjadi Gambar
4.2 berikut.
Gambar 2. Diagram Jalur Baru Berdasarkan model yang baru ini, diperoleh beberapa kesimpulan bahwa:
a. Gaya belajar X
1
dan minat baca X
2
berpengaruh langsung terhadap hasil belajar matematika siswa Z.
b. Gaya belajar X
1
dan minat baca X
2
berpengaruh langsung terhadap kemampuan memecahkan soal matematika Y.
Berdasarkan hasil perhitungan, maka analisis dapat dilanjutkan pada proses dekomposisi korelasi antara variabel eksogen dengan tujuan menemukan besarnya koefisien pada pola hubungan
langsung DE Direct Effect dan tidak langsung IE Indirect Effect:
X
1
X
2
Y Z
0,317 0,792
0,142
0,101 0,346
0,037
X
1
X
2
Y Z
0,317 0,792
0,142
0,101 0,346
9
a. Pengaruh langsung dan tidak langsung X
1
terhadap Z
Pengaruh langsung X
1
terhadap Z = 0,346
Pengaruh tidak langsung X
1
terhadap Z = p
41
+ p
31
p
43
= 0,346 + 0,1420,037 = 0,346 + 0,005 = 0,351
b. Pengaruh langsung dan tidak langsung X
2
terhadap Z
Pengaruh langsung X
2
terhadap Z = 0,101
Pengaruh tidak langsung X
2
terhadap Z = p
42
+ p
32
p
43
= 0,101 + 0,7920,037 = 0,101 + 0,029 = 0,130
Tabel 7. Dekomposisi Hubungan Hubungan Variabel
DE IE
Total X
1
dan Y X
2
dan Y X
1
dan Z X
2
dan Z Y dan Z
0,142 0,792
0,346 0,101
0,037 0,000
0,000 0,351
0,130 0,000
0,142 0,792
0,697 0,231
0,037
Tabel 8. Sumbangan Efektif Hubungan Variabel
DE
2
IE Total
X
1
dan Y X
2
dan Y X
1
dan Z X
2
dan Z Y dan Z
0,020 0,627
0,120 0,010
0,001 0,000
0,000 0,003
0,109 0,000
0,020 0,627
0,123 0,119
0,001 TOTAL
0,778 0,112
0,890 Berdasarkan hasil perhitungan sumbangan efektif dapat disimpulkan bahwa 89 dari hasil
belajar matematika Z dapat dijelaskan melalui variansi variabel X dengan rincian 2 X
1
terhadap Y; 62,7 X
2
terhadap Y; 12,3 X
1
terhadap Z; 11,9 X
2
terhadap Z; 0,1 Y terhadap Z. Sisanya sebesar 11 tidak dapat dijelaskan melalui variabel bebas, sebagian dari sisa
ini mungkin dapat dijelaskan melalui variabel lain diluar variabel yang diteliti dan sebab lainnya merupakan variasi akibat kesalahan pengukuran, secara keseluruhan sisanya ini disebabkan faktor
kesalahan atau variasi yang tak jelas.
10
3.3 Hasil Uji Hipotesis
