Diagram Jalur Koefisien Jalur

38 Tabel 3.12. Hasil Output Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 3,116 1,880 1,657 ,101 X 1 ,117 ,129 ,107 ,907 ,367 ,588 1,702 X 2 ,051 ,102 ,057 ,502 ,617 ,643 1,555 X 3 ,259 ,185 ,180 1,399 ,165 ,497 2,012 X 4 ,122 ,154 ,085 ,795 ,429 ,725 1,379 X 5 ,241 ,079 ,317 3,063 ,003 ,767 1,304 a. Dependent Variable: X 6 Berdasarkan hasil di atas, nilai VIF untuk masing-masing variabel adalah 10 dan nilai TOL 0,1. Dengan demikian, dapat dikatakan bahwa tidak terdapat masalah multikolinearitas.

3.5 Analisis Data

Setelah semua asumsi dipenuhi.maka selanjutnya dilakukan analisis data menggunakan analisis jalur Path Analysis . Model analisis jalur digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh seperangkat variabel eksogen terhadap variabel endogen.

3.5.1 Diagram Jalur

Gambar 3.1. Diagram Jalur Persamaan Struktural X 1 X 2 X 3 X 4 X 5 X 39 Pada gambar 3.1 di atas hubungan antara X 1 ,X 2, X 3, X 4, dan X 5 adalah hubungan korelasional. Intensitas keeratan hubungan tersebut dinyatakan oleh besarnya koefisien korelasi. Hubungan X 1 , X 2 , X 3 , X 4 , dan X 5 ke X 6 masing-masing dinyatakan oleh besarnya nilai koefisien jalur sedangkan ε merupakan variabel residu. Adapun model persamaan strukturalnya adalah: 3.1

3.5.2 Koefisien Jalur

1. Koefisien korelasi antara variabel eksogen terhadap variabel endogen Analisis korelasi bertujuan untuk menguji ada tidaknya hubungan antara variabel yang satu dengan variabel yang lain. Tabel 3.13. Perhitungan Korelasi antara Variabel Eksogen Terhadap Variabel Endogen No. X 1 X 6 X 1 X 6 X 1 2 X 6 2 1 2 3 4 5 6 1 11,695 13,422 156,970 136,773 180,150 2 11,800 9,771 115,298 139,240 95,472 3 10,635 11,142 118,495 113,103 124,144 4 16,107 13,837 222,873 259,435 191,463 5 11,695 11,245 131,510 136,773 126,450 6 10,278 12,876 132,340 105,637 165,791 7 13,183 12,388 163,311 173,791 153,463 8 11,695 10,288 120,318 136,773 105,843 9 10,278 11,694 120,191 105,637 136,750 10 13,098 12,918 169,200 171,558 166,875 11 14,586 16,340 238,335 212,751 266,996 12 7,816 8,657 67,663 61,090 74,944 13 13,183 12,918 170,298 173,791 166,875 14 10,045 13,901 139,636 100,902 193,238 15 11,695 12,388 144,878 136,773 153,463 16 11,800 12,388 146,178 139,240 153,463 17 13,203 16,755 221,216 174,319 280,730 18 13,098 16,383 214,585 171,558 268,403 19 14,704 13,422 197,357 216,208 180,150 20 11,695 11,612 135,802 136,773 134,839 21 14,620 16,383 239,519 213,744 268,403 40 1 2 3 4 5 6 22 11,800 11,470 135,346 139,240 131,561 23 16,107 12,876 207,394 259,435 165,791 24 11,800 10,288 121,398 139,240 105,843 25 14,690 13,794 202,634 215,796 190,274 26 9,114 12,388 112,904 83,065 153,463 27 13,217 10,099 133,478 174,689 101,990 28 16,107 17,789 286,527 259,435 316,449 29 13,203 16,340 215,737 174,319 266,996 30 14,586 15,307 223,268 212,751 234,304 31 14,586 11,470 167,301 212,751 131,561 32 10,278 13,422 137,951 105,637 180,150 33 8,861 15,307 135,635 78,517 234,304 34 11,885 13,017 154,707 141,253 169,442 35 13,217 14,828 195,982 174,689 219,870 36 13,203 17,789 234,868 174,319 316,449 37 13,203 12,876 170,002 174,319 165,791 38 13,183 13,837 182,413 173,791 191,463 39 13,169 14,935 196,679 173,423 223,054 40 10,635 13,794 146,699 113,103 190,274 41 13,203 10,099 133,337 174,319 101,990 42 14,620 15,307 223,788 213,744 234,304 43 14,620 11,470 167,691 213,744 131,561 44 14,704 16,383 240,896 216,208 268,403 45 11,766 13,794 162,300 138,439 190,274 46 10,398 16,340 169,903 108,118 266,996 47 8,861 11,287 100,014 78,517 127,396 48 14,586 11,612 169,373 212,751 134,839 49 11,695 12,876 150,585 136,773 165,791 50 14,620 11,470 167,691 213,744 131,561 51 13,203 12,876 170,002 174,319 165,791 52 12,440 11,800 146,792 154,754 139,240 53 13,183 12,423 163,772 173,791 154,331 54 11,920 12,982 154,745 142,086 168,532 55 13,407 16,276 218,212 179,748 264,908 56 16,107 17,789 286,527 259,435 316,449 57 13,203 16,276 214,892 174,319 264,908 58 13,203 11,018 145,471 174,319 121,396 59 16,107 16,276 262,158 259,435 264,908 60 13,217 13,794 182,315 174,689 190,274 61 13,217 12,051 159,278 174,689 145,227 41 1 2 3 4 5 6 62 14,620 15,837 231,537 213,744 250,811 63 7,463 13,564 101,228 55,696 183,982 64 8,981 14,935 134,131 80,658 223,054 65 14,620 12,388 181,113 213,744 153,463 66 13,203 12,876 170,002 174,319 165,791 67 13,183 16,276 214,567 173,791 264,908 68 13,217 9,041 119,495 174,689 81,740 69 16,107 15,837 255,087 259,435 250,811 70 9,114 11,245 102,487 83,065 126,450 71 13,183 13,837 182,413 173,791 191,463 72 11,681 11,470 133,981 136,446 131,561 73 14,690 11,470 168,494 215,796 131,561 74 16,107 15,307 246,550 259,435 234,304 75 10,278 11,142 114,517 105,637 124,144 76 14,586 7,134 104,057 212,751 50,894 77 13,183 13,422 176,942 173,791 180,150 78 11,695 11,142 130,306 136,773 124,144 79 13,098 9,771 127,981 171,558 95,472 80 11,695 11,470 134,142 136,773 131,561 81 14,586 12,982 189,355 212,751 168,532 82 13,183 11,470 151,209 173,791 131,561 83 16,107 13,688 220,473 259,435 187,361 84 14,690 15,837 232,646 215,796 250,811 85 14,690 14,828 217,823 215,796 219,870 86 13,288 15,242 202,536 176,571 232,319 87 14,620 13,901 203,233 213,744 193,238 88 14,620 11,470 167,691 213,744 131,561 89 14,620 15,242 222,838 213,744 232,319 90 8,981 11,470 103,012 80,658 131,561 91 10,278 13,422 137,951 105,637 180,150 Jumlah 1.168,400 1.204,269 15.594,438 15.377,158 16.381,555 Dengan menggunakan persamaan 2.13, maka diperoleh: 42 Berdasarkan hasil perhitungan koefisien korelasi di atas, dapat diketahui bahwa hubungan faktor fisiologis X 1 dengan konsentrasi belajar X 6 adalah sebesar 0,323 merupakan korelasi yang lemah atau rendah, karena berada pada rentang 0,200 – 0,400. Adapun korelasi antara variabel eksogen terhadap variabel endogen dengan bantuan SPSS versi 19 dapat dilihat pada tabel di bawah ini: Tabel 3.14. Hasil Output SPSS Korelasi antara Variabel Eksogen terhadap Variabel Endogen Correlations X 1 X 2 X 3 X 4 X 5 X 6 X 1 Pearson Correlation 1 ,183 ,546 ,425 ,225 ,323 Sig. 2-tailed ,082 ,000 ,000 ,032 ,002 N 91 91 91 91 91 91 X 2 Pearson Correlation ,183 1 ,505 ,339 ,390 ,320 Sig. 2-tailed ,082 ,000 ,001 ,000 ,002 N 91 91 91 91 91 91 X 3 Pearson Correlation ,546 ,505 1 ,278 ,416 ,423 Sig. 2-tailed ,000 ,000 ,008 ,000 ,000 N 91 91 91 91 91 91 X 4 Pearson Correlation ,425 ,339 ,278 1 ,283 ,290 Sig. 2-tailed ,000 ,001 ,008 ,007 ,005 N 91 91 91 91 91 91 X 5 Pearson Correlation ,225 ,390 ,416 ,283 1 ,462 Sig. 2-tailed ,032 ,000 ,000 ,007 ,000 N 91 91 91 91 91 91 43 X 6 ɛ X 1 X 2 X 3 X 4 X 5 X 6 X 6 Pearson Correlation ,323 ,320 ,423 ,290 ,462 1 Sig. 2-tailed ,002 ,002 ,000 ,005 ,000 N 91 91 91 91 91 91 . Correlation is significant at the 0,01 level 2-tailed. . Correlation is significant at the 0,05 level 2-tailed. 2. Pengujian sub-struktur a. Hipotesis , artinya tidak ada pengaruh yang signifikan antara faktor fisiologis terhadap konsentrasi belajar mahasiswa FMIPA USU angkatan 2013. , artinya terdapat pengaruh yang signifikan antara faktor fisiologis terhadap konsentrasi belajar mahasiswa FMIPA USU angkatan 2013. b. Model diagram jalur dan persamaan struktural sederhana Gambar 3.2. Diagram Jalur Sub-Struktural Sederhana Dari diagram jalur di atas dapat dirumuskan persamaan strukturalnya sebagai berikut: 3.2 3. Menghitung matriks korelasi antar variabel eksogen X 1 44 Berdasarkan hasil di atas dapat diketahui bahwa hubungan antara variabel X 1 dan X 2 berkorelasi sangat lemah rendah, sehingga dianggap tidak ada korelasi, yang dibuktikan dengan nilai korelasi X 1 dan X 2 berada pada rentang 0,000 – 0,200 korelasi sangat lemah atau rendah. 4. Menghitung matriks invers korelasi antar variabel eksogen Selanjutnya untuk menghitung invers dari matriks korelasi antar variabel eksogen terlebih dahulu dihitung determinan dengan rumus: Det r 2 = ad – bc = 1 x 1 – 0,183 x 0,183 = 0,967 Adapun invers matriks korelasi antar variabel eksogen adalah: Dengan bantuan Microsoft Excel 2007, matriks invers antar variabel eksogen dapat dilihat pada tabel-tabel di bawah ini: Tabel 3.15. Matriks Invers antar Variabel Eksogen X 1 X 2 X 3 X 1 1,449 0,180 -0,882 X 2 0,180 1,365 -0,788 X 3 -0,882 -0,788 1,879 45 X 1 X 2 X 3 X 4 X 1 1,700 0,367 -0,951 -0,582 X 2 0,367 1,503 -0,839 -0,432 X 3 -0,951 -0,839 1,899 0,161 X 4 -0,582 -0,432 0,161 1,349 X 1 X 2 X 3 X 4 X 5 X 1 1,701 0,358 -0,965 -0,589 0,046 X 2 0,358 1,554 -0,764 -0,394 -0,258 X 3 -0,965 -0,764 2,011 0,218 -0,384 X 4 -0,589 -0,394 0,218 1,378 -0,195 X 5 0,046 -0,258 -0,384 -0,195 1,305 5. Menghitung koefisien jalur Setelah invers matriks korelasi antar variabel eksogen dihitung, maka koefisien jalur antar variabel dihitung dengan menggunakan persamaan 2.17: Berdasarkan perhitungan diperoleh hasil untuk koefisien jalur antara variabel X 1 sampai dengan X 5 terhadap X 6 yang ditulis dengan persamaan 2.14: 46 Hasil perhitungan di atas dapat di artikan bahwa semua variabel eksogen berpengaruh positif terhadap variabel endogen. Dengan bantuan software SPSS versi 19 nilai koefisien jalur dapat dilihat pada angka beta atau Standardized Coefficients pada tabel berikut: Tabel 3.16. Hasil Output Koefisien Jalur Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 3,116 1,880 1,657 ,101 X 1 ,117 ,129 ,107 ,907 ,367 X 2 ,051 ,102 ,057 ,502 ,617 X 3 ,259 ,185 ,180 1,399 ,165 X 4 ,122 ,154 ,085 ,795 ,429 X 5 ,241 ,079 ,317 3,063 ,003 a. Dependent Variable: X 6 Selanjutnya, dihitung koefisien determinasi untuk mengetahui besarnya pengaruh secara bersama-sama variabel eksogen terhadap variabel endogen dengan persamaan 2.18: Artinya, apabila semua variabel berubah akan mempengaruhi perubahan pada variabel endogenus X 6 sebesar 30. Berdasarkan software SPSS nilai koefisien determinasi R Square dapat kita lihat pada tabel model summary berikut: 47 Tabel 3.17. Hasil Output Koefisien Determinasi Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,548 a ,300 ,259 1,912929 a. Predictors: Constant, X 5 , X 1 , X 2 , X 4 , X 3 Dari nilai R Square yang diperoleh dapat dihitung nilai residu koefisien jalur dari variabel lain asing extraneous dengan persamaan 2.19:

3.6 Pengujian Koefisien Jalur