Prosiding Seminar Nasional Pendidikan Matematika SNAPTIKA 2015, Palembang 16 Mei 2015 243
2 Jika dianggap persamaan awal tersebut yang benar spesifikasinya, maka nilai residualnya harus dihubungkan dengan nilai kuadratvariable bebas.
3 Dapatkan nilai R2 untuk menghitung X2 hitung c. Heteroskedastisitas
Heteroskedastisitas terjadi apabila varian dari setiap kesalahan pengganggu untuk variabel- variabel bebas yang diketahui tidakmempunyai varian yang sama untuk semua observasi. Akibatnya
penaksiran
ordinary least square
OLS tetap tidak bias dan tidak efisien, Ghozali, 2001: 70. Untuk mendeteksi ada tidaknya heteroskedastisitas dapat dilakukan uji Glejser. Uji Glejser dapat dilakukan
dengan meregresi nilai absolut residual seagai variabel dependen dengan semua variabel independen dalam model. Jika signifikansi berarti ada heteroskedastisitas.
a. Uji Multikolinieritas
Multikoliniearitas adalah suatu hubungan liniear yang sempurna mendekati sempurna antara beberapa atau semua variabel bebas Kuncoro, 2001:114. Jika terjadi korelasi yang tinggi maka hal
ini dinamakan terdapat problem multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Pengujian atas kemungkinan terjadinya multikolinearitas dapat
dilihat dengan menggunakan metode pengujian
Tolerance Value
atau
Variance Inflation Factor VIF.
Pedoman regresi yang bebas dari multikolinearitas adalah mempunyai nilai
VIF
di bawah “10” dan mempunyai angka
Tolerance
dibawah “1” Ghozali, 2001: 63-64.
3. Uji Hipotesis
Jika nila F hasil perhitungan lebih besar dari pada nilai Ftabel,p 0,05 maka hipotesis alternatif diterima sehingga model dikatakan baik atau tepat. 2 Koefisien Determinasi R2 Koefisien
determinasi dilakukan untuk mendeteksi ketepatan yang paling baik dalam analisis regresi ini, yaitu dengan membandingkan besarnya nilai koefisien
determinan, jika R2 semakin besar mendekati 1 satu maka model semakin tepat. c. Uji Ketepatan Parameter Penduga Uji t
Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas secara individual dalam menerangkan variasi variabel terikat Kuncoro, 2001: 97. Uji t ini digunakan statistik t yang
dihitung dengan formula sebagai berikut: Di mana:
th = nilai t hitung b1 = koefisien regresi
SEbi = standar error dalam koefisien regresi Jika nilai t hitung lebih besar dari t tabel, p0,05 maka Ha diterima, demikian pula sebaliknya.d. Sumbangan Prediktor
Sumbangan prediktor digunakan untuk mengetahui berapa sumbangan kontribusi masing-masing variabel bebas. Ada dua jenis sumbangan, yaitu sumbangan efektif dan sumbangan relatif. Jumlah
sumbangan efektif untuk semua variabel sama dengan koefisien determinasi, sedangkan jumlah sumbangan relatif untuk semua variabel bebasnya sama dengan 1 atau 100 Setiaji, 2004.
PEMBAHASAN 4.1. Hasil Penelitian
4.1.1. Deskripsi Data Setelah semua data dari dokumen dan angket yang disebarkan kepada responden siswa siswa
SMA Negeri 1 Karangnongko Kabupaten Klaten langkah kedua adalah proses mendeskripsikan dan menganalisis data. Penulis dalam menyebarkan angket kepada 210 orang siswa dari tiga kelas yaitu
kelas X sebanyak 108 siswa, kelas XI sebanyak 52 siswa dan kelas XII sebanyak 50. Adapun hasil penelitian disajikan dalam bentuk diskripsi data, pengujian hipotesis, pengujian asumsi klasik dan
pembahasan hasil penelitian. a. Fasilitas Belajar X1
Dari data penelitian dapat diketahui jumlah responden = 210 siswa, Skor persepsi tentang fasilitas belajar yang tertinggi = 66 terendah = 49
mean
= 59,93 varian = 12,172, Standar Deviasi = 3,489 dan modus = 62. Untuk lebih jelasnya dapat dilihat pada gambar grafik histogram berikut
244 Prosiding Seminar Nasional Pendidikan Matematika SNAPTIKA 2015, Palembang 16 Mei 2015
4.1.2. Motivasi Berprestasi X2 Dari data penelitian dapat diketahui jumlah responden = 210 siswa, Skor tentang motivasi berprestasi
siswa yang tertinggi = 71 terendah = 54
mean
= 63,75 varian = 13,347, Standar Deviasi = 3,653 dan modus = 66. Untuk lebih jelasnya dapat dilihat pada gambar grafik histogram sebagai berikut:
c. Hasil Belajar Matematika Y Skor tentang hasil belajar matematika yang tertinggi = 88 terendah = 71
mean
= 79,81 varian = 10,968, Standar Deviasi = 3,312 dan modus = 77. Untuk lebih jelasnya dapat dilihat pada gambar grafik histogram sebagai
berikut: 4.2. Pengujian Hipotesis
a. Regresi Linier Berganda
Analisis regresi linier berganda digunakan untuk menguji adanya hubungan antara dua atau lebih variabel bebas dengan satu variabel terikat. Hasil analisis regresi berganda diperoleh persamaan
regresi sebagai berikut: Y = 37,222 + 0,433 X1 + 0,261 X2
6,917 4,357 R2 = 45,7
F = 86,965 Sig F = 0,000 = Sig pada taraf uji 1
Keterangan: Y = Hasil belajar matematika
X1 = Fasilitas belajar X2 = Motivasi berprestasi
Tanda parameter b dalam hasil persamaan regresi berganda di atas adalah positif. Artinya bahwa hubungan fasilitas belajar dan motivasi berprestasi terhadap hasil belajar matematika adalah
positif searah, dengan demikian apabila terjadi peningkatan fasilitas belajar dan motivasi berprestasi, maka hasil belajar matematika juga semakin meningkat.
b. Uji Ketepatan Model 1 Uji F
