Tabel 4.7 Uji Normalitas dengan Kolmogorov-Smirnov Test
Y N
39 Normal Parametersa,b
Mean 64,85
Std. Deviation 5,617
Most Extreme Differences Absolute
,111 Positive
,108 Negative
-,111 Kolmogorov-Smirnov Z
,692 Asymp. Sig. 2-tailed
,724 a Test distribution is Normal.
b Calculated from data.
Dari tabel 4.7 di atas diperoleh sig 0,724 yang lebih besar dari 0,05, sehingga Ho tidak ditolak diterima. Hal ini berarti dapat disimpulkan bahwa
variabel Y normal.
b. Analisis Regresi Ganda Multiple Linear Regression
1. Menentukan Persamaan Prediksi.
Untuk mengetahui persamaan prediksinya, berikut ini disajikan Output Coefficients
sebagai berikut. Tabel 4.8 Coefficientsa untuk Persamaan Prediksi Ganda
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF 1
Constant -46,553
6,850 -6,796
0,000
X1
-0,236 0,204
-0,147 -1,156
0,255 0,183
5,456
X2
1,714 0,202
1,076 8,464
0,000 0,183
5,456
a Dependent Variable: Y
Berdasarkan Tabel 4.8 di atas diperoleh persamaan regresi sebagai berikut :
2 1
714 ,
1 236
, 553
, 46
ˆ X
X Y
+ −
− =
2. Menguji Signifikansi Hubungan antara Sejumlah Variabel Bebas
dengan Variabel terikat.
Berdasarkan hasil perhitungan dengan bantuan SPSS versi 12 diperoleh Output
Anova sebagai berikut. Tabel 4.9 ANOVAb
Model Sum of
Squares df Mean
Square F Sig.
1 Regression
1071,249 2,000 535,624 150,847 0,000
Residual 127,828
36,000 3,551
Total 1199,077
38,000
a. Predictors: Constant, X2, X1 b. Dependent Variable: Y
Dengan memperhatikan tabel 4.9 tersebut di atas diperoleh nilai F =
150,847 dan nilai sig = 0,000 kurang dari 5. Jadi H ditolak H
1
diterima, sehingga dapat disimpulkan bahwa persamaan tersebut adalah linear.
Selanjutnya untuk melihat kontribusi bersama Xl dan X
2
terhadap Y dilihat dari output model summary sebagai berikut.
Tabel 4.10 Model Summaryb Model
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 0,945
0,893 0,887
1,884 2,274
a. Predictors: Constant, X2, X1 b. Dependent Variable: Y
Dari Tabel 4.10 tersebut di atas walaupun diperoleh nilai R Square = 0,893. Tetapi dengan diperolehnya persamaan regresi linier ganda yaitu
2 1
714 ,
1 236
, 553
, 46
ˆ X
X Y
+ −
− =
sehingga dapat dikatakan bahwa variabel keaktifan berpengaruh negatif terhadap prestasi belajar siswa, sedangkan
variabel keterampilan proses berpengaruh positif terhadap prestasi belajar
-2 -1
1 2
3
Regression Standardized Residual
2 4
6 8
10
Freq uency
Mean = 8.59E-15 Std. Dev. = 0.973
N = 39
Dependent Variable: Y Histogram
siswa, maka kasus seperti ini menurut Widarjono 2005:134 diduga terjadi masalah multikolinieritas di dalam regresi.
3. Penjelasan Prasyarat Analisis.
