e. Nilai prestasi belajar bila lama belajar (X1) dibuat 9 jam/hari dan IQ (X2) 150
Dari data hubungan lama belajar (X1) terhadap IQ (X2) bersama-sama terhadap nilai
prestasi belajar (Y) diperoleh persamaan :
Y = -2,375X1 + 0,280X2 + 47,380
Dengan nilai signifikan = 0,042 > 0,05 (X1= -2,375)
Bila lama belajar (X1) dibuat 9 jam/hari dan IQ (X2) 150 maka nilai prestasi belajar
siswa adalah :
Y = -2,375(9) + 0,280(150) + 47,380
Y = -21,375 + 42 + 47,380
Y = 68,005
f. Koefisien korelasi ganda antara X1 dan X2 terhadap Y
* Koefisien korelasi X1 terhadap Y
Coefficientsa
Model Unstandardized Standardized Correlations
Coefficients Coefficients
B Std. Beta Zero-order Partial Part
Error
(Constant) 87.904 6.858
1
Lama Belajar -2.878 1.375 -.502 -.502 -.502 -.502
a. Dependent Variable: Prestasi Belajar Siswa
Dari data hubungan X1 terhadap Y, maka diperoleh koefisien korelasi X1 terhadap Y
adalah -0,502
*Koefisien Korelasi X2 terhadap Y
Coefficientsa
Model Unstandardized Standardized Correlations
Coefficients Coefficients
B Std. Error Beta Zero-order Partial Part
(Consta 32.652 13.309
1 nt)
IQ .307 .096 .664 .664 .664 .664
a. Dependent Variable: Prestasi Belajar Siswa
Dari data hubungan X2 terhadap Y, maka diperoleh koefisien korelasi X2 terhadap Y
adalah 0,664
2. Pembuktian Hipotesis bahwa “ ada hubungan yang signifikan antara rangking di SD (X)
dan di SMU (Y)
X 1 2 7 4 2 5 6 7 4 7 2 4 7 5 6 7 8 1 9 10
Y 7 1 4 3 3 4 7 2 2 7 1 3 4 2 5 5 7 2 5 7
Correlations
rangking di rangking di
SD SMU
Pearson Correlation 1 .534*
Sig. (2-tailed) .015
rangking di SD Sum of Squares and Cross-products 133.200 56.800
Covariance 7.011 2.989
N 20 20
Pearson Correlation .534* 1
Sig. (2-tailed) .015
rangking di
Sum of Squares and Cross-products 56.800 84.950
SMU
Covariance 2.989 4.471
N 20 20
*. Correlation is significant at the 0.05 level (2-tailed).
Dari data tersebut diperooleh nilai sig.(2-tailed) sebesar 0,015 dimana 0,015 < 0,05 ini
berarti terdapat hubungan yang signifikan antara rangking di SD dan di SMU.
3. a. Perbedaan Analisis regresi dan analisis jalur
Perbedaan analisis regresi dan analisis jalur dapa dilihat pada tabel berikut :
Penjelasan Model Analisis
Regresi Jalur
Variabel Bebas (X), Terikat (Y) Eksogen (X), Endogen (Y),
Intervening bila ada
Jenis data yang Skala interval dan ratio Minimal skala interval dan data
dianalisis dinyatakan dalam satuan baku atau z
skor
b. Syarat yang harus dipenuhi untuk dilakukannya analisis jalur
1. Hubungan sebab akibat (landasan teoris)
2. Hubungan antar variabel haruslah linier dan aditif.
3. Semua variabel residu tak punya korelasi satu sama lain.
4. Pola hubungan antar variabel adalah rekursif atau hubungan yang tidak melibatkan arah
pengaruh yang timbal balik.
5. Tingkat pengukuran semua variabel sekurang-kurangnya adalah interval
6. Terdapat masukan korelasi yang sesuai.
*Uji yang dilakukan sebelum analisis jalur yaitu :
1. Uji Normalitas
2. Uji Multikolinearitas (apabila menggunakan Lisrel dan apabila variabel bebasnya lebih
dari satu)
3. Uji Linearitas
4. Uji Autokorelasi (bisa diabaikan apabila datanya cross section)
Untuk nilai koefisien korelasi 0,3 nilai t hitung yang diperoleh yaitu 51,7 kriteria
pengamatan t tabel<t hitung<t tabel. Untuk banyak sampel 300 maka nilai t tabel pada ∝ = 0,025
adalah 1,97 sehingga t hitung tidak berada pada rentang t tabel<t hitung<t tabel maka Ho ditolak
artinya terdapat hubungan yang signifikan antara X1 dan X2.
Untuk nilai koefisien 0,6 nilai t hitung yang diperoleh yaitu 1,035 t tabel>t hitung>t tabel.
Untuk banyak sampel 300 maka nilai ttabel pada∝ = 0,025 adalah 1,97, sehingga thitung berada
pada rentang t tabel>t hitung>t tabel maka Ho diterima artinya tidak terdapat hubungan yang
signifikan antara X2 dan X6. Oleh karena pada model initer dapat variabel yang tidak memiliki
hubungan yang signifikan maka model ini tidak cocok diterapkan.