Tabel 3.4 Kriteria Lingkungan Keluarga
No. Interval
Kriteria
1 85 - 100
Sangat Tinggi 2
70 - 86 Tinggi
3 54 - 69
Sedang 4
37 - 53 Rendah
5 20 - 36
Sangat Rendah
Tabel 3.5 Kriteria Motivasi Belajar
No. Interval
Kriteria
1 85 - 100
Sangat Tinggi 2
70 - 86 Tinggi
3 54 - 69
Sedang 4
37 - 53 Rendah
5 20 - 36
Sangat Rendah
3.5.2. Regresi Linear Berganda
Analisis regresi linear berganda digunakan untuk mengetahui pengaruh antara variabel independen dengan variabel dependen, yaitu Iklim kelas X1 dan
Lingkungan keluarga X2 terhadap Motivasi Belajar Y. Analisis regresi yang dipergunakan menggunakan rumus:
Dimana: : Variabel terikat Motivasi Belajar
: Konstanta
: Nilai Koefisien Variabel bebas X1 Iklim kelas : Nilai Koefisien Variabel bebas X2 Lingkungan Keluarga
e :Standar eror
3.5.3. Uji Hipotesis 3.5.3.1. Uji Simultan Uji F
Uji ini digunakan untuk menguji keberartian persamaan regresi berganda.
Dari perhitungan nilai t akan terjadi kemungkinan sebagai berikut:
1. Jika nilai signifikansi F 0,05 atau koefisien F hitung signifikan pada taraf kurang dari 5 maka Ho ditolak, yang berarti iklim kelas dan lingkungan
keluarga secara simultan mempengaruhi motivasi belajar. 2. Jika nilai signifikansi F 0,05 atau koefisien F hitung signifikan pada taraf
lebih dari 5 maka Ho diterima, yang berarti iklim kelas dan lingkungan keluarga secara simultan tidak mempengaruhi motivasi belajar.
3.5.3.2. Uji Parsial Uji t
Uji ini digunakan untuk mengetahui pengaruh secara parsial antara iklim kelas, lingkungan keluarga, dan motivasi belajar. Dari perhitungan nilai t akan
terjadi kemungkinan sebagai berikut: a. Jika nilai signifikansi t 0,05 atau koefisien t hitung signifikan pada taraf
kurang dari 5 maka Ho ditolak, yang berarti iklim kelas dan lingkungan keluarga secara parsial mempengaruhi motivasi belajar.
b. Jika nilai signifikansi t 0,05 atau koefisien t hitung signifikan pada taraf lebih dari 5 maka Ho diterima, yang berarti iklim kelas dan lingkungan
keluarga secara parsial tidak mempengaruhi motivasi belajar.
3.5.3.3. Koefisien Determinasi Simultan R
2
Koefisien determinasi R
2
digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien
determinasi adalah nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel independen dalam menjelaskan variabel dependen amat terbatas. Nilai yang
mendekati satu berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk mempredeksi variabel dependen Ghozali 2011:97.
Hasil perhitungan R
2
digunakan untuk mengukur ketetapatan yang paling baik dari analisis regresi linear berganda. Apabila R
2
mendekati 1 satu maka dapat dikatakan semakin kuat model tersebut dalam menerangkan variabel bebas
terhadap variabel terikat. Sebaliknya apabila R
2
mendekati 0 nol maka dapat dikatakan semakin lemah model tersebut dalam menerangkan variabel bebas
terhadap variabel terikat.
3.5.3.4. Koefisien Determinasi Parsial r
2
Koefisien determinasi parsial r
2
digunakan untuk mengetahui masing- masing variabel bebas, jika variabel lainnya konstanta terhadap variabel terikat.
Koefisien determinasi parsial masing-masing variabel digunakan untuk mengetahui besarnya pengaruh masing-masing variabel tersebut. Besarnya
pengaruh iklim kelas X1 terhadap motivasi belajar Y, dan lingkungan keluarga
X2 terhadap motivasi belajar Y dengan cara mengkuadratkan r yang diperoleh. 3.5.4. Uji Asumsi Klasik
Uji asumsi klasik adalah uji yang digunakan untuk mengetahuimodel regresi berganda yang digunakan untuk menganalisis dalam penelitian ini
memenuhi asumsi klasik atau tidak. Uji asumsi klasik yang dipakai dalam penelitian ini antara lain:
3.5.4.1. Uji Multikolinearitas
Uji multikolinearitas digunakan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi maka
problem multikolinearitas Santoso 2000:203. Syarat model regresi berganda dapat digunakan, apabila tidak ada hubungan yang sempurna antar variabel
bebasnya. Pengujian multikolineritas dapat dilihat dengan menggunakan program
SPSS for windows release 16. Dari nilai Variance Inflation Factor dan nilai Tolerance. Nilai Variance Inflation Factor dan Variance Inflation Factor dapat
kita lihat pada tabel Coefficients. Antara variabel bebas dikatakan tidak terjadi multikolineritas apabila nilai tolerance 0,1 dan nilai VIF 10 Ghozali
2011:105.
3.5.4.2. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varian residual dari suatu pengamatan ke
pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas. Dan jika berbeda disebut
heteroskedastisitas Santoso 2000:208. Pengujian heteroskedastisitas dapat dilihat dengan menggunakan program
SPSS for windows release 16. Dasar dalam pengambilan keputusan Ghozali 2011:139 antara lain:
1. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit maka
mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah
angka 0 pada sumbu y, maka tidak terjadi heteroskedastisitas.
3.5.4.3. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah model regresi, variabel dependen, variabel independen atau keduanya mempunyai distribusi normal atau
tidak Santoso 2000:200. Model regresi yang baik adalah distribusi normal atau mendekati normal.
Pengujian normalitas dapat dilihat dari grafik normal P-Plot. Dasar pengambilan keputusan Ghozali 2011:163 yaitu:
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, menunjukkan pola distribusi normal, maka model regresi memenuhi
asumsi normalitas. 2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal
tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
3.5.4.4. Uji Linear
Uji ini digunakan untuk melihat apakah spesifikasi model yang digunakan benar atau tidak Ghozali 2011:166. Uji linearitas garis regresi dimaksudkan
untuk mengetahui apakah data yang diperoleh berbentuk linear atau tidak. Jika data berbentuk linear, maka penggunaan analisis regresi linear pada pengujian
hipotesis dapat dipertanggungjawabkan, akan tetapi jika tidak linear maka harus digunakan analisis regresi non linear. Hasil uji linearitas data iklim kelas dan
lingkungan keluarga dapat dilihat dari uji F menggunakan bantuan program SPSS v16 for Windowsdengan cara memilih Analye lalu Compre Means pilih Means,
masukkan variabel dependen ke kotak Dependent List dan variabel lain ke kotak Independent List, pilih OK lalu beri tanda centang pada pilihan Test for Linearity,
Continue, dan OK. Jika sig F pada ANOVA lebih besar dari 0,05 maka hipotesis tentang hubungan linear dapat diterima.
50
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Hasil Penelitian 4.1.1. Analisis Deskriptif Persentase Variabel Penelitian
Analisis deskriptif ini digunakan untuk mendeskripsikan data-data dari masing-masing variabel penelitian yaitu dua variabel bebas atau variabel
independen, diantaranya iklim kelas X1, lingkungan keluarga X2, dan satu variabel terikat atau variabel dependen yaitu motivasi belajar siswa Y pada kelas
X jurusan Administrasi Perkantoran pada mata pelajaran Kompetensi Kejuruan Administrasi Perkantoran di SMK PGRI 2 Salatiga.
4.1.1.1. Deskriptif Variabel Iklim Kelas X1
Berdasarkan hasil perhitungan deskriptif persentase untuk variabel iklim kelas, dengan rumus
diperoleh persentase rata-rata sebesar 83,13 yang terdapat pada interval 70-85.
Berdasarkan analisis deskriptif persentase termasuk dalam kategori tinggi.
Ditinjau dari pernyataan masing-masing siswa diperoleh hasil seperti yang tertera pada tabel berikut:
Tabel 4.1 Distribusi Jawaban Variabel Iklim Kelas
No. Interval
Kriteria Frekuensi Persentase
Rata-rata
1 85 - 100
Sangat Tinggi 35
36,84 83,13
2 70 - 86
Tinggi 58
61,05 3
54 - 69 Sedang
2 2,11
4 37 - 53
Rendah 0,00
5 20 - 36
Sangat Rendah 0,00
Jumlah 95
100,00 Tinggi
Sumber: Hasil pengolahan data penelitian tahun 2013
