BAB 3 PEMBAHASAN
3.1 Populasi Penelitian
Populasi adalah keseluruhan objek penelitian. Dalam penelitian ini populasinya adalah seluruh siswa kelas tiga SMP Negeri 10 Medan berjumlah
387 siswa dari 11 kelas.
Tabel 3.1 Populasi Penelitian No
Kelas Jumlah
1 IX-A
30 2
IX-B 35
3 IX-C
34 4
IX-D 37
5 IX-E
35 6
IX-F 34
7 IX-G
36 8
IX-H 37
9 IX-I
35 10
IX-J 38
11 IX-K
36
Jumlah 387
3.2 Sampel Penelitian
Sampel merupakan sebagian atau wakil dari populasi yang diteliti. Untuk mengetahui jumlah sampel minimum yang akan diambil dalam penelitian ini,
peneliti menggunakan rumus Slovin yaitu : =
1 + �
2
Keterangan: n
: Jumlah Sampel Minimal N
: Populasi e
:Persen kelonggaran ketidak telitian karena kesalahan
Universitas Sumatera Utara
pengambilan sampel yang masih ditaksir atau diinginkan 10 Maka :
= 387
1 + 3870.1
2
=
387 4.87
=79,466 n = 80
Karena populasi dalam penelitian ini adalah siswa kelas IX yang terbagi dalam 11 sebelas kelas dengan banyak siswa setiap kelasnya berbeda
maka pengambilan sampel dilakukan secara proporsional random sampling dan didapat jumlah sampel yang akan diteliti adalah 80 siswa. Adapun banyak
sampel yang diambil dari masing-masing kelas dapat dilihat dari perhitungan pada tabel 3.2
Tabel 3.2 Populasi dan Sampel Penelitian No.
Kelas Jumlah
Populasi Proporsi Sampel
Jumlah Sampel
1 IX-A
30
30 387
×80 = 6,20 6
2 IX-B
35
35 387
×80 = 7,23 7
3 IX-C
34
34 387
×80 = 7,02 7
4 IX-D
37
37 387
×80 = 7,64 8
5 IX-E
35
35 387
×80 = 7,23 7
6 IX-F
34
34 387
×80 = 7,02 7
7 IX-G
36
36 387
×80= 7,44 8
8 IX-H
37
37 387
×80 = 7,64 8
9 IX-I
35
35 387
×80 = 7,23 7
10 IX-J
38
38 387
×80 = 7,85 8
Universitas Sumatera Utara
11 IX-K
36
36 387
×80 = 7,44 7
Jumlah 387
80
3.3 Validitas dan Reliabilitas Penelitian
Pada penelitian ini menggunakan alat ukur. Alat ukur ini harus baik dan berkualitas supaya memenuhi syarat validitas dan reliabilitas dari alat ukur yang
digunakan. Validitas adalah suatu ukuran yang menunjukkan tingkatan-tingkatan kevalidan atau kesahihan suatu instrumen. Validitas bertujuan untuk
mengetahui apakah pertanyaan yang digunakan baik atau tidak. Adapun hasil perhitungan validitas instrumen penelitian yang
diujikan pada 80 responden dengan pengerjaan manual adalah sebagai berikut:
1.
Uji validitas dan reliabilitas dari motivasi belajar
Pengujian validitas tiap item pertanyaan dilakukan dengan menggunakan rumus product moment pearson :
= −
2
−
2 2
−
2
a. Menghitung besarnya koefisien korelasi pada pertanyaan 1
1,
= 80 × 8990
− 318 × 2220 80 × 1314 − 318
2
80 × 62950 − 2220
2 1,
=
719200 −705960
105120−101124 5036000−4928400 1,
= 13240
3996 107600
1,
= 0,638
b. Menghitung besarnya koefisien korelasi pada pertanyaan 2
2,
= 80 × 9264
− 325 × 2220 80 × 1391 − 325
2
80 × 62950 − 2220
2 2,
= 741120
− 721500 111280 − 105625 5036000 − 4928400
Universitas Sumatera Utara
2,
= 19620
5655 107600
2,
= 0,795
c. Menghitung besarnya koefisien korelasi pada pertanyaan 3
3,
= 80 × 8742
− 309 × 2220 80 × 1245 − 309
2
80 × 62950 − 2220
2 3,
= 699360
− 685980 99600 − 95481 5036000 − 4928400
3,
= 13380
4119 107600
3,
= 0,635
d. Menghitung besarnya koefisien korelasi pertanyaan 4
4,
= 80 × 8928
− 315 × 2220 80 × 1291 − 315
2
80 × 62950 − 2220
2 4,
= 714240
− 699300 103280 − 99225 5036000 − 4928400
4,
= 14940
4055 107600
4,
= 0,715
e. Menghitung besarnya koefisien korelasi pertanyaan 5
5,
= 80 × 9103
− 320 × 2220 80 × 1338 − 320
2
80 × 62950 − 2220
2 5,
= 728240
− 710400 107040 − 102400 5036000 − 4928400
5,
= 17840
4640 107600
5,
= 0,798
f. Menghitung besarnya koefisien korelasi pertanyaan 6
Universitas Sumatera Utara
6,
= 80 × 8921
− 312 × 2220 80 × 1296 − 312
2
80 × 62950 − 2220
2 6,
= 713680
− 692640 103680 − 97344 5036000 − 4928400
6,
= 21040
6336 107600
6,
= 0,805 �. Menghitung besarnya koefisien korelasi pertanyaan 7
7,
= 80 × 9002
− 321 × 2220 80 × 1331 − 321
2
80 × 62950 − 2220
2 7,
= 720160
− 712620 106480 − 103041 5036000 − 4928400
7,
= 7540
3439 107600
7,
= 0,392
Setelah setiap item pertanyaan dicari r
hitung
, maka selanjutnya dibandingkan dengan nilai r
tabel
. Dengan kriteria jika r
hitung
r
tabel
maka item pernyataan tersebut tidak valid, sebaliknya jika r
hitung
≥ r
tabel
maka item pernyataan tersebut valid dan dapat digunakan. Nilai r
tabel
tabel dapat diperoleh dari tabel r dengan alfa 5 dan derajat kebebasan 80. Dengan demikian dapat dirangkum
semua perhitungan dan pengujian validitas untuk setiap item sebagai berikut:
Tabel 3.3.1 Rangkuman analisis validitas dari motivasi belajar Item
r
hitung
r
tabel
Keterangan 1
0,638 0,219
Valid 2
0,795 0,219
Valid 3
0,635 0,219
Valid 4
0,715 0,219
Valid
Universitas Sumatera Utara
5 0,798
0,219 Valid
6 0,805
0,219 Valid
7 0,392
0,219 Valid
Setelah menguji validitas dari setiap item, maka selanjutnya dilakukan uji realibilitas dengan menggunakan rumus Cronbach Alpha:
11
= − 1
1 − �
� Dan untuk mencari S
i
dan S
t
digunakan rumus: � =
2
−
2
� =
2
−
2
Dengan demikian dapat dihitung varians masing-masing pertanyaan tersebut. Untuk pertanyaan 1
�
1
=
1 2
−
1 2
�
1
= 1314
− 318
2
80 80
�
1
= 1314
− 1264,05 80
�
1
= 49,95
80 �
1
= 0,624
Untuk pertanyaan 2 �
2
=
2 2
−
2 2
�
1
= 1391
− 325
2
80 80
Universitas Sumatera Utara
�
2
= 1391
− 1320,312 80
�
2
= 70,688
80 �
2
= 0,884
Untuk pertanyaan 3 �
3
=
3 2
−
3 2
�
3
= 1245
− 309
2
80 80
�
3
= 1245
− 1193,512 80
�
3
= 51,488
80 �
3
= 0,644
Untuk pertanyaan 4 �
4
=
4 2
−
4 2
�
4
= 1291
− 315
2
80 80
�
4
= 1291
− 1240,312 80
�
4
= 50,688
80 �
4
= 0,634
Untuk pertanyaan 5 �
5
=
5 2
−
5 2
�
5
= 1338
− 320
2
80 80
Universitas Sumatera Utara
�
5
= 1338
− 1280 80
�
5
= 58
80 �
5
= 0,725
Untuk pertanyaan 6 �
6
=
6 2
−
6 2
�
6
= 1296
− 312
2
80 80
�
6
= 1296
− 1216,8 80
�
6
= 79,2
80 �
6
= 0,99
Untuk pertanyaan 7 �
7
=
7 2
−
7 2
�
7
= 1331
− 321
2
80 80
�
7
= 1331
− 1288,012 80
�
7
= 42,988
80 �
7
= 0,537
Untuk pertanyaan total : � =
2
−
2
� = 62950
− 2220
2
80 80
Universitas Sumatera Utara
� = 62950
− 61605 80
� = 1345
80 � = 16,812
Kemudian menjumlahkan varians semua item instrument dengan rumus: � = �
1
+ �
2
+ �
3
+ �
4
+ �
5
+ �
6
+ �
7
� = 0,624 + 0,884 + 0,644 + 0,634 + 0,725 + 0,99 + 0,537 � = 5,038
Dengan demikian dapat dicari nilai Cronbach Alpha :
11
= − 1
1 − �
�
11
= 7
7 − 1
1 − 5,038
16,812
11
= 7
6 1 − 0,299628
11
= 1,66667 0,700372
11
= 0,8171
Untuk melihat apakah instrument tersebut reliable atau tidaknya maka diperlukan pengujian. Dengan kriteria jika nilai Cronbach Alpha
≥ 0,60 maka instrument tersebut reliable, sebaliknya jika nilai Cronbach Alpha 0,60 maka
instrument tersebut tidak reliable. Dari hasil yang telah diperoleh maka dapat dilihat bahwa nilai Cronbach Alpha yang diperoleh lebih besar daripada 0,60, ini
berarti instrument tersebut reliabel. 2.
Uji validitas dan reliabilitas untuk kreativitas dalam proses belajar mengajar
Dengan mengikuti langkah-langkah diatas, demikian juga dilakukan pada minta belajar dan diperoleh hasil seperti pada tabel dibawah:
Universitas Sumatera Utara
Tabel 3.3.2 Rangkuman analisis validitas kreativitas guru dalam PBM Item
r
hitung
r
tabel
keterangan 1
0,763 0,219
Valid 2
0,682 0,219
Valid 3
0,725 0,219
Valid 4
0,771 0,219
Valid 5
0,585 0,219
Valid 6
0,762 0,219
Valid 7
0,582 0,219
Valid Dari tabel dapat dilihat bahwa setiap itemnya itu valid, kemudian setelahnya
dilakukan uji realibitas dengan mencari nilai Cronbach Alphanya dan diperoleh sebesar 0,819. Dan dengan kriteria yang telah ditetatpkan maka dapat disimpulkan
bahwa intrumen tersebut reliabel.
3.
Uji validitas dan reliabilitas untuk lingkungan keluarga
Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel.
Tabel 3.3.3 Rangkuman analisis validitas lingkungan keluarga Item
r
hitung
r
tabel
keterangan 1
0,658 0,219
Valid 2
0,352 0,219
Valid 3
0,607 0,219
Valid 4
0,639 0,219
Valid 5
0,801 0,219
Valid 6
0,645 0,219
Valid 7
0,719 0,219
Valid
Universitas Sumatera Utara
Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai Cronbach Alpha dan diperoleh hasilnya sebesar 0,752 dan lebih besar dari 0,60
maka untuk instrument ini dikatakan reliabel.
4.
Uji validitas dan reliabilitas untuk cara belajar
Hasil yang diperoleh untuk uji validitasnya dapat dilihat pada tabel. Tabel 3.3.4 Rangkuman analisis validitas cara belajar
Item r
hitung
r
tabel
keterangan 1
0,709 0,219
Valid 2
0,679 0,219
Valid 3
0,617 0,219
Valid 4
0,671 0,219
Valid 5
0,714 0,219
Valid 6
0,696 0,219
Valid 7
0,739 0,219
Valid
Pada tabel dapat dilihat bahwa setiap item tersebut valid. Setelahnya dicari nilai Cronbach Alpha dan diperoleh hasilnya sebesar 0,810 dan lebih besar dari 0,60
maka untuk instrument ini dikatakan reliable.
3.4 Transformasi Data Ordinal menjadi Interval 3.4.1 Transformasi Data Ordinal menjadi Interval dengan Excel
Metode Successive Interval MSI adalah salah satu metode untuk mentransformasikan data skala ordinal ke skala interval dengan menggunakan
excel dapat dilakukan dengan cara berikut ini:. 1. Buka Microsoft Excel
2. Klik file stat97.xla file yang sudah diformat untuk transformasi data akan muncul microsoft office excel security Notice lalu
Universitas Sumatera Utara
klik Enable Macros 3. Masukkan data yang akan ditransformasikan
4. Pilih Add In lalu klik statistics pilih susccessive interval 5. Pada saat kursor di Data Range blok data yang ada sampai selesai
6. Kemudian isi cell output dengan mengklik kolom baru pada lembar kerja
7. Klik Next lalu Pilih Select All 8. Isi minimum value 1 dan maksimum value 5
9. Klik Next lalu Finish Untuk melihat hasil transformasi data menggunakan program aplikasi
microsoft excel lihat di lampiran 5.
3.4.2 Transformasi Data Ordinal menjadi Interval dengan Perhitungan Manual
Langkah-langkah transformasi data ordinal ke data interval sebagai berikut : a.
Menghitung frekuensi skor jawaban dalam skala ordinal. alternatif jawaban 1 = 0
alternatif jawaban 2 = 1 alternatif jawaban 3 = 23
alternatif jawaban 4 = 33 alternatif jawaban 5 = 23
b. Menghitung proporsi untuk masing-masing skor jawaban.
1
= 80
= 0
2
= 1
80 = 0.0125
3
= 23
80 = 0.2875
4
= 33
80 = 0.4125
5
= 23
80 = 0.2875
c. Menghitung proporsi kumulatif untuk masing-masing skor jawaban.
Universitas Sumatera Utara
1
= 0.0000 + 0.0000 = 0.0000
2
= 0.0000 + 0.0125 = 0.0125
3
= 0.0125 + 0.2875 = 0.3000
4
= 0.3000 + 0.4125 = 0.7125
5
= 0.7125 + 0.2875 = 1.000 d.
Menentukan nilai Z untuk setiap katagori, dengan asumsi bahwa proporsi kumulatif dianggap mengikuti distribusi normal baku. Nilai Z
diperoleh dari Tabel Distribusi Normal Baku. Nilai Z = 0.5
– 0.0125 = 0.488 ; disesuaikan dengan Tabel Z diperoleh nilai 2.24
e. Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara
memasukkan nilai Z tersebut ke dalam fungsi densitas normal baku sebagai berikut :
f z =
1 2�
�
−1 2
2
f -2.24 =
1 23.14
2.7183
−1 2
−2.24
2
f -2.240 = 0.032 f.
Menghitung Scale Value SV dengan rumus : � =
� �
− � �
� � �
− � � �
�
2
=
0,000 −0.032
0.013 −0,000
= -2.462 �
3
=
0,032 −0,348
0,300 −0,013
= -1,101 �
4
=
0,348 −0,341
0,713 −0,300
= -0,017 �
5
=
0,341 −0,000
1,000 −0,713
= 1.188 g.
Menentukan Scale Value min sehingga �
� �
+ | �
| = 1 -2,462 + |
� | = 1
| �
| = 3.462 h.
Menentukan nilai skala dengan menggunakan rumus : Y = SV + |
� |
2
= -2,462+ 3,462= 1
Universitas Sumatera Utara
3
= -1,101+ 3,462= 2.492
4
= -0,017+ 3,462= 3.605
5
= 1,188+ 3,462= 4.774
Tabel 3.4 Transformasi ke Data Interval untuk Variabel Motivasi Belajar
No. Variabel
Kategori Skor
Jawaban Ordinal
Frekuensi Proporsi
Proporsi Kumulatif
Densitas {fz}
Z Nilai Hasil
Penskalaan
1.000 2.0000
1.0000 0.013
0.013 0.032
-2.241 1.000
3.0000 23.0000
0.288 0.300
0.348 -0.524
2.492 4.0000
33.0000 0.413
0.713 0.341
0.561 3.605
5.0000 23.0000
0.288 1.000
0.000 8.161
4.774 …
… …
… …
… 7.000
2.0000 3.0000
0.038 0.038
0.082 -1.780
1.000 3.0000
12.0000 0.150
0.188 0.269
-0.887 1.931
4.0000 46.0000
0.575 0.763
0.309 0.714
3.111 5.0000
19.0000 0.238
1.000 0.000
4.482 Data Penskalaan secara lengkap dapat dilihat pada lampiran 9
3.5 Analisis Data
Analisis diskriminan dimulai dari : Pertama, pemilihan variabel dependen dan independen, di mana variabel dependen harus merupakan variabel kategorik
sedangkan variabel independen merupakan variabel numerik. Variabel dependen diperoleh dari jumlah nilai rata- rata siswa mulai dari semester I hingga
semester V. Hasil rata-rata nilai siswa tersebut akan diurutkan mulai dari urutan terbesar hingga urutan terkecil, yang akan diperoleh ranking siswa
tertinggi hingga ranking siswa terendah. Di mana variabel dependen dibagi menjadi 5 lima kelompok dari keseluruhan jumlah sampel, yaitu :
a. Kelompok I dengan ranking “Sangat Baik” yaitu urutan ranking 1
hingga 16
Universitas Sumatera Utara
b. Kelompok II dengan ranking “Baik” yaitu urutan ranking 17 hingga
32 c. Kelompok III dengan ranking
“Cukup Baik” yaitu urutan ranking 33 hingga 48
d. Kelompok IV dengan ranking “Kurang Baik” yaitu urutan ranking
49 hingga 64 e. Kelompok V dengan ranking
“Tidak Baik” yaitu urutan ranking 65 hingga 80
Sedangkan variabel independen pada penelitian ini adalah
1
= Motivasi Belajar
2
= Kreativitas Guru dalam proses belajar mengajar
3
= Lingkungan Keluarga
4
= Cara Belajar Kelompok I berjumlah
1
16 siswa yang memiliki ranking sangat baik, kelompok II berjumlah
2
16 siswa yang memiliki ranking baik, kelompok III berjumlah
3
16 siswa yang memiliki ranking cukup baik, kelompok IV berjumlah
4
16 siswa yang memiliki ranking kurang baik, kelompok V berjumlah
5
16 siswa yang memiliki ranking tidak baik. Kemudian dianggap memiliki n1 observasi dari faktor acak multivariate X =
[
1
,
2
,…, ] dari populasi kelompok I �
1
dan
2
pengukuran kuantitas ini dari �
2
dengan
1
+
2
+
3
+
4
+
5
– 5 ≥ p. Kemudian matriks data respektif sbb:
1
=
11 12
.. .
1
1
2
=
21 22
.. .
2
1
menyatakan nilai siswa yang mempunyai ranking sangat baik untuk i = 1,2,3,4: dan j = 1,2, … , 16.
Universitas Sumatera Utara
1
=
11 21
12 22
13 23
31 41
32 42
33 43
116 216
316 416
menyatakan nilai siswa yang mempunyai ranking baik untuk i = 1,2,3,4: dan j = 17,18, … , 32.
2
=
117 217
118 218
119 219
317 417
318 418
319 419
132 232
332 432
Sama halnya dengan untuk ranking siswa “cukup baik”, “kurang baik”
dan ,”tidak baik”. Sehingga untuk mencari matriks varians-kovarians maka data dari kelompok I sangat baik dapat dibentuk matriks sebagai berikut :
lihat lampiran 5
1
= 21,361
18,759 23,261
25,961 19,640
9,965 19,124
29,635 18,345
29,635 10,344
15,360 25,72
26,890 18,930
23,823 Hal pertama dilakukan adalah menjumlahkan dan mengalikan nilai dari setiap
variabel kelompok pertama. Dari matrik
1
di atas maka diperoleh nilai-nilai sebagai berikut :
1
= 372,370
1 2
= 8864,273
1 2
= 8381,656
2
= 352,512
2 2
= 8149,398
1 3
= 7553,790
3
= 318,927
3 2
= 6686,042
1 4
= 9063,948
4
= 384,724
4 2
= 9615,380
2 3
= 7299,724
2 4
= 8771,723
3 4
= 7878,613 Kemudian dicari nilai varians digunakan rumus :
� =
2
−
=1 2
=1
− 1 Sehingga,
Universitas Sumatera Utara
�
11
=
1 2
−
1 =1
2 16
=1
− 1
�
11
= 16 8864,27 − 372,37
2
1616 − 1
�
11
= 141828,32
− 138659,417 240
�
11
= 13,205 Dengan cara yang sama untuk mencari varians
�
22
, �
33 ,
dan �
44
. Sedangkan untuk mencari nilai kovarians digunakan rumus dibawah ini :
� = −
=1 =1
=1
− 1 �
12
=
1 2
−
1 =1
2 =1
=1
− 1
�
12
= 16 8381,656 − 372,37 352,512
1616 − 1
�
12
= 134106,496 − 1312264,893
240 �
12
= 2841,603
240 �
12
= 11,843
Dengan cara yang sama untuk mencari varians �
13
, �
14
, �
23
, �
24
dan �
34
. Kemudian nilai varian dan kovarian dari kelompok I disusun dalam bentuk matrik,
sehingga dapat diperoleh matriks varians-kovarians untuk kelompok pertama: �
1
= 13,205
11,843 11,843
25,524 8,756
7,354 18,207
19,705 8,756
18,207 7,354
19,705 21,926
13,996 13,996
24,306 Dengan cara yang sama seperti di atas, maka dapat diperoleh matriks
�
2
, �
3
, �
4
, dan �
5
.
Universitas Sumatera Utara
�
2
= 15,109
6,010 6,010
10,045 8,958
4,760 7,906
10,151 8,958
7,906 4,760
10,151 9,924
7,508 7,508
17,388
�
3
= 16,884
6,101 6,101
17,718 6,140
6,905 13,048
13,599 6,140
13,048 6,905
13,599 13,310
10,941 10,941
18,816
�
4
= 31,068
7,995 7,995
19,179 9,701
7,956 11,194
12,380 9,701
11,194 7,956
12,380 11,150
10,750 10,750
17,481
�
5
= 11,101
3,130 3,130
11,909 6,675
2,935 9,662
5,475 6,675
6,662 2,935
5,475 14,803
7,283 7,283
15,698
Nilai-nilai matriks varians-kovarian diatas dapat juga dilihat dari hasil output SPSS pada tabel 3.5
Tabel 3.5 Matriks Varians-Covarian Covariance Matrices
a
RANKING
1 2
3 4
Tidak Baik
1
11.101 3.130
6.675 2.935
2
3.130 11.909
9.662 5.475
3
6.675 6.662
14.803 7.283
4
2.935 5.475
7.283 15.698
Kurang Baik
1
31.068 7.995
9.701 7.956
2
7.995 19..179
11.194 12.380
3
9.701 11.194
11.150 10.750
4
7.956 12.380
10.750 17.481
Cukup Baik
1
16.884 6.101
6.140 6.905
2
6.101 17.718
13.048 13.599
3
6.140 13.048
13.310 10.941
Universitas Sumatera Utara
4
6.905 13.599
10.941 18.816
Baik
1
15.109 6.010
8.958 4.760
2
6.010 10.045
7.906 10.151
3
8.958 7.906
9.924 7.508
4
4.760 10.151
7.508 17.388
Sangat Baik
1
13.205 11.843
8.756 7.354
2
11.843 25.524
18.207 19.705
3
8.756 18.207
21.926 13.996
4
7.354 19.705
13.996 24.306
Kelima matriks varians-kovarians ini bisa dihitung matriks varians-kovarians gabungan, diberi lambang S dengan rumus :
� =
1
− 1�
1
+
2
− 1�
2
+
3
− 1�
3
+
4
− 1�
4
+
5
− 1�
5 1
+
2
+
3
+
4
+
5
− 5
� = 17,473
7,016 7,016
16,875 8,046
5,982 12,004
12,262 8,046
12,004 5,982
12,262 14,223
10,096 10,096
18,738 Matriks varians-kovarian diatas dapat juga dilihat dari hasil output SPSS pada
tabel 3.6 di bawah ini.
Tabel 3.6 Matriks Varians-Covarians Gabungan Pooled Within-Groups Matrices a
1 2
3 4
Covariance
1
17.473 7.016
8.046 5.982
2
7.016 16.875
12.004 12.262
3
8.046 12.004
14.223 10.096
4
5.982 12.262
10.096 18.738
Correlation
1
1.000 0.409
0.510 0.331
2
0.409 1.000
0.775 0.690
3
0.510 0.775
1.000 0.618
4
0.331 0.690
0.618 1.000
Universitas Sumatera Utara
Penulis menggunakan bantuan SPSS dalam penyelesaian fungsi diskriminan ini. Sebelum melakukan analisis diskriminan terlebih dahulu akan
dilakukan analisis univariat untuk mengetahui kenormalan data. Selanjutnya melakukan uji kesamaan yaitu untuk memenuhi asumsi bahwa faktor independen
harus sama dilihat pada tingkat signifikan da ri wilks’Lambda. Jika nilai p 0,05
menunjukkan faktor yang sama. Untuk menguji kenormalan data, dapat dilihat dari uji Kolmogorv Smirnov
dan dengan menggunakan pendekatan grafik. Pendekatan kolmogorv smirnov 1 sample KS dengan melihat data residualnya apakah berdistribusi normal atau
tidak. Maka hasil pengujiannya ditunjukkan pada tabel di bawah ini:
Tabel 3.7 Uji Kolmogorv-Smirnov 1 sample KS One-Sample Kolmogorov-Smirnov Test
Y N
80 Normal Parameters
a
Mean 87.5457
Std. Deviation 1.38377742
Most Extreme Differences Absolute
.086 Positive
.085 Negative
-.086 Kolmogorov-Smirnov Z
.708 Asymp. Sig. 2-tailed
.597 Berdasarkan output tabel 3.7 di atas, diketahui bahwa nilai Asymp.Sig.2-tailed
sebesar 0,597 lebih besar dari 0,05 sehingga dapat disimpulkan bahwa data yang diuji berdistribusi normal.
Tabel 3.8 Uji Kesamaan Rata-rata
Tests of Equality of Group Means Wilks Lambda
F df1
df2 Sig.
Universitas Sumatera Utara
X1 .851
3.296 4
75 .015
X2 .770
5.588 4
75 .001
X3 .860
3.047 4
75 .022
X4 .940
1.199 4
75 .318
Tabel 3.8 digunakan untuk menguji perbedaan antar kelompok untuk setiap faktor yang ada. Dengan angka Wilks’Lambda yang berkisar 0 sampai 1.
Jika angka mendekati 0 maka data tiap kelompok cenderung berbeda, sedangkan jika angka mendekati 1, data tiap kelompok cenderung sama. Dari tabel 3.7
terlihat angka Wilks’Lambda berkisar antara 0,940 sampai 0,851 mendekati1. Dari kolom signifikan bisa dilihat bahwa dengan kriteria:
Jika Sig. 0,05 berarti tidak ada perbedaan antar kelompok Jika Sig.≤ 0,05 berarti ada perbedaan antar kelompok
Dari tabel tersebut bisa dilihat bahwa keempat faktor tersebut mempengaruhi ranking siswa.
Tabel 3.9 Hasil Uji Bo x’s M
Test Results Boxs M
4.151 F
Approx. 0.011
df1 4
df2 8437.500
Sig. 0.400
Uji Kesamaan matriks kovarian group covariance matrices memiliki nilai yang relatif sama dapat diuji dengan Box
‟s M dengan ketentuan hipotesis: � : group covariance matrices adalah relatif sama
�
1
: group covariance matrices adalah berbeda secara nyata Di mana keputusan dasar signifikan : jika sig. 0.05 berarti terima
� sedangkan sig.
≤ 0.05 berarti tolak � . Dari Tabel 3.9 terlihat bahwa angka sig. jauh di atas 0.05 yaitu 0,400 yang berarti group covariance matrices adalah
sama. Hal ini berarti data tersebut sudah memenuhi asumsi analisis diskriminan. Setelah diketahui bahwa data berdistribusi normal dan matriks kovarians
Universitas Sumatera Utara
dari semua faktor independen sama equal dan tidak ada masalah kolineritas pada faktor independen maka dapat dilakukan analisis diskriminan, adapun
langkah-langkah dalam melakukan analisis diskriminan dengan SPSS adalah: 1.
Klik Analys 2.
Pilih Classify. 3.
Pilih Diskriminant. 4.
Masukkan faktor dependen kedalam kotak gruping variabel dan faktor- faktor independen yang memenuhi syarat kedalam kotak
independent S. 5.
Pada define range, isi minimum dan maksimum faktor dependen. 6.
Pada statistics pilih descriptive : Means dan pada Function Coeffisients: Fishers
’s dan Unstandardized; pada matrices pilihwithin-grups correlation dan within-grups covariance lalu klik continue.
7. Pada bagian tengah kotak katolog dialog utama, pilih Use Stepwise
Method, maka secara otomatis icon method akan aktif. 8.
Pada Method pilih Mahalanibis Distance, merupakan metode yang digunakan untuk mengukur menganalisis kasus pada analisa diskriminan,
dimana metode ini juga dapat mengidentifikasi multivariate outlier. Mahalanibis Distance adalah jarak antara kasus dengan centroid pada
setiap kelompok factor dependen. Setiap kasus mempunyai satu jarak Mahalanibis untuk setiap kelompok dan akan diklasifikasikan ke dalam
kelompok dimana jarak tersebut paling kecil 9.
Pada Criteria pilih Use Probability of F, tetapi jangan mengubah isi yang sudah ada. Disini lolos tidaknya sebuah faktor yang akan diuji
dengan uji F, dengan batasan signifikan 5 lalu klik continue. 10.
Pada bagian tengah kotak dialog utama, klik icon classify. 11.
Pada Display, pilih Casswise result Leave-one-out-classification lalu klik continue.
12. Klik OK
3.6 Interpretasi Output SPSS