STATISTIKA PENDIDIKAN

UJIAN AKHIR SEMESTER

OLEH:

NI MADE PUTU MEIANTI 1613021045

JURUSAN PENDIDIKAN FISIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS PENDIDIKAN GANESHA

SINGARAJA

2018
 UJIAN AKHIR SEMESTER
(UAS)
Kirim paling lambat : senin, 25 juni 2018, Pk.
MK : Statistika Pendidikan 15.00 wita, ke :
KODE : FIS 1421 mademariawan@yahoo.com
Waktu :……..

Penelitian melibatkan 3 variabel independent (X1, X2, X3) dan satu variabel dependent (Y).
Rancangan analisisnya adalah sebagai berikut.

X1 X1
rx1y
rx1x2 Rx1x2y
rx1x3 X2 rx2y X2
Y R x1x3y Y
rx2x3 rx3y
Rx2x3y
X3
X3 (Rancangan I) (Rancangan II)

Keterangan:

X1: motivasi; X2: sikap; X3: kesukaan; dan Y: prestasi belajar.

Data masing-masing variabel adalah dua desimal
Rentang Skor: X1: 10,00 – 50,00
X2: 15,00 – 60,00 n (sampel) minimal 45
X3: 25,00 – 75,00
Y : 55,00 – 100,00
Analisis:
1) Buat data masing-masing variabel berdasarkan rentang skor di atas (dua desimal)
2) Rancangan I.
a. Uji normalitas masing-masing variabel (X1, X2, X3, dan Y) dan interpretasikan
hasilnya
b. Tentukan koefisien korelasi masing-masing variabel independent (Xi=1,2,3) dengan
variabel dependent (Y)
c. Rumuskan dan Uji hipotesis:
Ho: rx1Y = 0 Ho: rx1x2 = 0 Ho: rx1x3 = 0 Ho: rx2x3 = 0
HA: rx1Y ≠ 0 HA: rx1x2 = 0 HA: rx1x3 ≠ 0 HA: rx2x3 ≠ 0
d. Interpretasikan hasil uji hipotesis.
e. Melalui Uji beda, apakah terdapat perbedaan ‘signifikan’ antar variabel
independen (X1 dengan X2; X1 dengan X3;)?
f. Semua analisis dilakukan secara manual (program Exceel) dan SPSS for
windows., bandingkan hasilnya (berikan argumentasi)
3) Rancangan II (analisis dilakukan dengan program SPSS), jawablah pertanyaan
berikut.
a. Melalui analisis regresi linier, apakah masing-masing prediktor/variabel
independent ‘dapat’ digunakan untuk memprediksi variabel dependent/kriterium
(Y)
b. Tentukan Koefisien determinasinya (R2xiY x 100%) dan Sumbangan efektif (SE)
tiap prediktor.
c. Kemukakan argumentasi anda

The End

INTERPRETASI DATA HASIL

1.a Data Statistika dengan Rentangan yang sudah ditentukan

Motivasi (X1) Sikap (X2) Kesukaan (X3) Prestasi Belajar (Y)

25.00 40.00 65.00

35.00
40.00 30.00 50.00 70.00
35.00 35.00 40.00 90.00
20.00 55.00 50.00 60.00
40.00 35.00 45.00 80.00
45.00 25.00 65.00 70.00
20.00 30.00 35.00 60.00
30.00 25.00 70.00 85.00
45.00 40.00 60.00 75.00
35.00 30.00 40.00 65.00
40.00 25.00 30.00 85.00
25.00 40.00 45.00 80.00
20.00 30.00 65.00 65.00
50.00 25.00 60.00 80.00
45.00 50.00 55.00 90.00
20.00 35.00 35.00 75.00
25.00 45.00 50.00 80.00
35.00 25.00 55.00 85.00
30.00 50.00 65.00 90.00
40.00 40.00 50.00 80.00
50.00 25.00 55.00 75.00
40.00 30.00 45.00 65.00
50.00 50.00 75.00 90.00
40.00 45.00 40.00 85.00
35.00 45.00 70.00 80.00
45.00 25.00 40.00 75.00
40.00 35.00 55.00 80.00
 Motivasi (X1) Sikap (X2) Kesukaan (X3) Prestasi Belajar (Y)

25.00 40.00 70.00 90.00

30.00 25.00 40.00 65.00
35.00 25.00 45.00 70.00
25.00 30.00 40.00 80.00
50.00 45.00 70.00 85.00
35.00 60.00 60.00 80.00
30.00 50.00 40.00 70.00
25.00 35.00 45.00 75.00
20.00 30.00 40.00 65.00
30.00 25.00 35.00 65.00
35.00 25.00 40.00 70.00
40.00 45.00 55.00 90.00
50.00 55.00 75.00 90.00
40.00 50.00 60.00 80.00
45.00 55.00 70.00 85.00
50.00 30.00 50.00 75.00
50.00 50.00 55.00 75.00
40.00 45.00 60.00 85.00

2.a Interpretasi Data Uji Normalitas dengan menggunakan SPSS

a. Interpretasi data Uji Normalitas dengan variable dependentnya Prestasi belajar dan
variable bebasnya Motivasi.
 Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Motivasi Statistic df Sig. Statistic df Sig.

Prestatsibelajar 20.00 .300 5 .161 .833 5 .146

25.00 .372 5 .022 .828 5 .135

30.00 .265 5 .200* .836 5 .154

35.00 .225 8 .200* .908 8 .343

40.00 .300 10 .011 .879 10 .127

45.00 .287 5 .200* .914 5 .490

50.00 .253 7 .197 .820 7 .064

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

SPSS menyajikan dua tabel sekaligus. Analisis Saphiro- Wilk digunakan jika
subjek atau kasus kurang dari 50. UjiSaphiro- Wilk dianggap lebih akurat untuk
menentukan normalitas suatu data ketika jumlah/ subjek data yang dimiliki < 50.
Karena pada kasus ini data yang dimiliki < 50 maka digunakan analisis Saphiro Wilk.
Dari data uji normalitas yang diperoleh dengan menggunakan SPSS dapat
diketahui bahwa output test of normality sebagai berikut.
 Hipotesis
H0 : Populasi berdistribusi Normal
H1 : Populasi tidak berdistribusi normal
 Tingkat signifikansi
  5%
 Statistik Uji
Sig. motivasi dengan nilai 20 = 0, 146 > 0,05
Sig. motivasi dengan nilai 25 = 0, 134 > 0,05
Sig. motivasi dengan nilai 30 = 0, 154 > 0,05
Sig. motivasi dengan nilai 35 = 0, 343 > 0,05
Sig motivasi dengan nilai 40 = 0, 127 > 0,05
Sig. motivasi dengan nilai 45 = 0, 490 > 0,05
Sig. motivasi dengan nilai 50 = 0, 064 > 0,05
 Keputusan Uji
 Karen nilai signifikansi motivasi dengan nilai 20 – 50 dan rentangan nilainya 5,
besarnya >  maka keputusannya adalah H0 DITOLAK.
Sehingga dapat disimpulkan bahwa dengan tingkat signifikansi 5% didapatkan
besarnya prestasi belajar yang diperoleh dari adanya motivasi memiliki data
berdistribusi normal (H0 DITOLAK).

b. Interpretasi data Uji Normalitas dengan variable dependentnya Prestasi belajar dan
variable bebasnya Sikap.

Tests of Normalityb

Kolmogorov-Smirnova Shapiro-Wilk

Sikap Statistic Df Sig. Statistic df Sig.

Prestatsibelajar 25.00 .200 12 .198 .867 12 .061

30.00 .309 8 .023 .877 8 .178

35.00 .300 5 .161 .833 5 .146

40.00 .329 4 . .895 4 .406

45.00 .254 6 .200* .866 6 .212

50.00 .303 6 .090 .832 6 .111

55.00 .328 3 . .871 3 .298

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

b. Prestatsibelajar is constant when Sikap = 60.00. It has been omitted.

Dari data uji normalitas yang diperoleh dengan menggunakan SPSS dapat
diketahui bahwa output test of normality sebagai berikut.
 Hipotesis
H0 : Populasi berdistribusi Normal
H1 : Populasi tidak berdistribusi normal
 Tingkat signifikansi
  5%
 Statistik Uji
Sig. sikap dengan nilai 25 = 0, 061 > 0,05
Sig. sikap dengan nilai 30 = 0, 178 > 0,05
Sig. sikap dengan nilai 35 = 0, 146 > 0,05
 Sig. sikap dengan nilai 40 = 0, 406 > 0,05
Sig. sikap dengan nilai 45 = 0, 212 > 0,05
Sig. sikap dengan nilai 50 = 0, 111 > 0,05
Sig. sikap dengan nilai 55 = 0, 298 > 0,05
 Keputusan Uji
Karen nilai signifikansi sikap dengan nilai 25 – 55 dan rentangan nilai 5,
besarnya >  maka keputusannya adalah H0 DITOLAK.
Sehingga dapat disimpulkan bahwa dengan tingkat signifikansi 5% didapatkan
besarnya prestasi belajar yang diperoleh dari sikap memiliki data berdistribusi
normal (H0 DITOLAK).

c. Interpretasi data Uji Normalitas dengan variable dependentnya Prestasi belajar dan
variable bebasnya Kesukaan.

Tests of Normalityb,c

Kolmogorov-Smirnova Shapiro-Wilk
Kesukse
san Statistic df Sig. Statistic df Sig.

Prestatsibelajar 35.00 .253 3 . .964 3 .637

40.00 .228 10 .150 .847 10 .053

45.00 .221 5 .200* .902 5 .421

50.00 .201 5 .200* .881 5 .314

55.00 .195 6 .200* .861 6 .191

60.00 .300 5 .161 .883 5 .325

65.00 .314 3 . .893 3 .363

70.00 .300 5 .161 .883 5 .325

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

b. Prestatsibelajar is constant when Kesuksesan = 30.00. It has been omitted.

c. Prestatsibelajar is constant when Kesuksesan = 75.00. It has been omitted.

Dari data uji normalitas yang diperoleh dengan menggunakan SPSS dapat
diketahui bahwa output test of normality sebagai berikut.
 Hipotesis
H0 : Populasi berdistribusi Normal
 H1 : Populasi tidak berdistribusi normal
 Tingkat signifikansi
  5%
 Statistik Uji
Sig. kesukaan dengan nilai 35 = 0, 061 > 0,05
Sig. kesukaan dengan nilai 40 = 0, 178 > 0,05
Sig. kesukaan dengan nilai 45 = 0, 146 > 0,05
Sig. kesukaan dengan nilai 50 = 0, 406 > 0,05
Sig. kesukaan dengan nilai 55 = 0, 212 > 0,05
Sig. kesukaan dengan nilai 60 = 0, 111 > 0,05
Sig. kesukaan dengan nilai 65 = 0, 298 > 0,05
Sig. kesukaan dengan nilai 70 = 0, 298 > 0,05
 Keputusan Uji
Karen nilai signifikansi sikap dengan nilai 35 – 70 dan rentangan nilai 5,
besarnya >  maka keputusannya adalah H0 DITOLAK.
Sehingga dapat disimpulkan bahwa dengan tingkat signifikansi 5% didapatkan
besarnya prestasi belajar yang diperoleh dari kesukaan memiliki data berdistribusi
normal (H0 DITOLAK).

2.b Interpretasi Data Uji Korelasi dengan menggunakan SPSS

a. Interpretasi data Uji Korelasi dengan variable dependentnya Prestasi belajar (Y) dan
variable Independent Motivasi (X1).

Correlations

Prestasibelajar motivasi

prestasibelajar Pearson Correlation 1 .384**

Sig. (2-tailed) .009

N 45 45

Motivasi Pearson Correlation .384** 1

Sig. (2-tailed) .009

N 45 45

**. Correlation is significant at the 0.01 level (2-tailed).

Berdasarkan hasil data uji korelasi diatas dengan menggunakan SPSS dapat
diketahui bahwa tingkat kepercayaan korelasi tersebut adalah 99% dengan   0,01
 (1%). Dari tabel diatas diperoleh Korelasi Pearson 0,384 artinya terdapat hubungan
yang signifikan antara Prestasi Belajar dengan Motivasi. Menurut Surwono (2006)
terdapat rentangan Hubungan Korelasi yaitu sebegai berikut.
 0,00 – 0,199 menyatakan hubungan korelasi yang sangat rendah
 0,20 – 0,399 menyatakan hubungan korelasi yang rendah
 0,40 – 0,599 menyatakan hubungan korelasi yang sedang
 0,60 – 0,799 menyatakan hubungan korelasi yang kuat
 0,80 – 1,0 menyatakan hubungan korelasi yang sangat kuat
Jadi Hubungan korelasi data diatas antara prestasi belajar dengan motivasi adalah
rendah yang ditunjukan dengan nilai korelasi 0,384 yang berada di rentangan 0,20 –
0,399 (rendah). Dengan nilai signifikansi sama dengan 0,09 < 0,05 sehingga dapat
disimpulkan terdapat hubungan signifikan antara kedua variable. Tanda positif
menunjukan bahwa korelasi yang terjadi antara prestasi belajar dan motivasi adalah
hubungan yang berbanding lurus artinya semakin besar motivasi maka semakin bagus
juga prestasi belajar seseorang. Sehingga dapat disimpulkan hubungan motivasi
dengan prestasi belajar adalah rendah, signifikan dan searah.

b. Interpretasi data Uji Korelasi dengan variable dependentnya Prestasi belajar (Y) dan
variable Independent Sikap (X2).

Correlations

Prestasibelajar Sikap

prestasibelajar Pearson Correlation 1 .432**

Sig. (2-tailed) .003

N 45 45

Sikap Pearson Correlation .432** 1

Sig. (2-tailed) .003

N 45 45

**. Correlation is significant at the 0.01 level (2-tailed).

Berdasarkan hasil data uji korelasi diatas dengan menggunakan SPSS dapat
diketahui bahwa tingkat kepercayaan korelasi tersebut adalah 99% dengan   0,01
(1%). Dari tabel diatas diperoleh Korelasi Pearson 0,432 artinya terdapat hubungan
 yang signifikan antara Prestasi Belajar dengan Sikap. Menurut Surwono (2006)
terdapat rentangan Hubungan Korelasi yaitu sebegai berikut.
 0,00 – 0,199 menyatakan hubungan korelasi yang sangat rendah
 0,20 – 0,399 menyatakan hubungan korelasi yang rendah
 0,40 – 0,599 menyatakan hubungan korelasi yang sedang
 0,60 – 0,799 menyatakan hubungan korelasi yang kuat
 0,80 – 1,0 menyatakan hubungan korelasi yang sangat kuat
Jadi Hubungan korelasi data diatas antara prestasi belajar dengan sikap adalah sedang
yang ditunjukan dengan nilai korelasi 0,432 yang berada di rentangan 0,40 – 0,599
(sedang). Dengan nilai signifikansi sama dengan 0,09 < 0,05 sehingga dapat
disimpulkan terdapat hubungan signifikan antara kedua variable. Tanda positif
menunjukan bahwa korelasi yang terjadi antara prestasi belajar dan sikap adalah
hubungan yang berbanding lurus artinya semakin baik sikap maka semakin bagus
juga prestasi belajar seseorang. Sehingga dapat disimpulkan hubungan sikap dengan
prestasi belajar adalah sedang, signifikan dan searah.

c. Interpretasi data Uji Korelasi dengan variable dependentnya Prestasi belajar (Y) dan
variable Independent Kesukaan (X3).

Correlations

prestasibelajar kesukaan

prestasibelajar Pearson Correlation 1 .501**

Sig. (2-tailed) .000

N 45 45

kesukaan Pearson Correlation .501** 1

Sig. (2-tailed) .000

N 45 45

**. Correlation is significant at the 0.01 level (2-tailed).

Berdasarkan hasil data uji korelasi diatas dengan menggunakan SPSS dapat
diketahui bahwa tingkat kepercayaan korelasi tersebut adalah 99% dengan   0,01
(1%). Dari tabel diatas diperoleh Korelasi Pearson 0,501 artinya terdapat hubungan
yang signifikan antara Prestasi Belajar dengan Kesukaan. Menurut Surwono (2006)
terdapat rentangan Hubungan Korelasi yaitu sebegai berikut.
 0,00 – 0,199 menyatakan hubungan korelasi yang sangat rendah
  0,20 – 0,399 menyatakan hubungan korelasi yang rendah
 0,40 – 0,599 menyatakan hubungan korelasi yang sedang
 0,60 – 0,799 menyatakan hubungan korelasi yang kuat
 0,80 – 1,0 menyatakan hubungan korelasi yang sangat kuat
Jadi Hubungan korelasi data diatas antara prestasi belajar dengan Kesukaan adalah
sedang yang ditunjukan dengan nilai korelasi 0,501 yang berada di rentangan 0,40 –
0,599 (sedang). Dengan nilai signifikansi sama dengan 0,00 < 0,05 sehingga dapat
disimpulkan terdapat hubungan signifikan antara kedua variable. Tanda positif
menunjukan bahwa korelasi yang terjadi antara prestasi belajar dan kesukaan adalah
hubungan yang berbanding lurus artinya semakin orag tersebut menyukai pelajaran
tersebut maka semakin bagus juga prestasi belajar seseorang. Sehingga dapat
disimpulkan hubungan kesukaan dengan prestasi belajar adalah sedang, signifikan dan
searah.

2.c Interpretasi Uji Hipotesis

Yang harus diperhatiakan dari data tabel Uji Hipotesis dengan SPSS adalah hasil chi-
squere dan Asym Sig (taraf signifikan). Cara pengambilan keputusan yaitu:

 X 2 Hitung  X 2 Tabel maka H0 diterima dan Ha ditolak dan jika

X 2 Hitung  X 2 Tabel maka H0 ditolak dan Ha diterima.

 Aapbila nilai signifikansi >0,05 maka H0 diterima dan Ha ditolak dan jika
signifikansi <0,05 maka H0 ditolak dan Ha diterima.

a. Interpretasi Uji Hipotesis Ho: rx1Y = 0 dan HA: rx1Y ≠ 0

Ho: rx1Y = 0
HA: rx1Y ≠ 0
Chi-Square Tests

Asymp. Sig. (2-

Value df sided)

Pearson Chi-Square 49.371a 36 .068

Likelihood Ratio 50.813 36 .052

Linear-by-Linear Association 6.476 1 .011

N of Valid Cases 45

a. 49 cells (100.0%) have expected count less than 5. The minimum

expected count is .22.
 Berdasarkan hasil uji hipotesis dengan menggunakan SPSS maka diperoleh
keputusan sebagai berikut.
2
 Untuk nilai dari X hitung adalah 49,371 sehingga lebih besar dari X 2 tabel
yaitu 49,371 > 2,016 (Ha diterima dan Ho ditolak, ada hubungan
antara motivasi dengan prestasi belajar).
 Untuk nilai signifikansi 0,06 > 0,05 (Ha ditolak dan H0 diterima, tidak
ada hubungan antara motivasi dengan prestasi belajar)
Sehingga dapat disimpulkan ada hubungan antara motivasi dengan prestasi belajar
tetapi tidak signifikan. Atau pernyataan Ho: rx1Y = 0 dan HA: rx1Y ≠ 0 tidak sesuai
dengan hasil.

b. Interpretasi Uji Hipotesis Ho: rx1x2 = 0 dan HA: rx1x2 = 0

Ho: rx1x2 = 0
HA: rx1x2 = 0

Chi-Square Tests

Asymp. Sig. (2-

Value Df sided)

Pearson Chi-Square 47.037a 42 .274

Likelihood Ratio 52.243 42 .134

Linear-by-Linear Association .617 1 .432

N of Valid Cases 45

a. 56 cells (100.0%) have expected count less than 5. The minimum

expected count is .11.

Berdasarkan hasil uji hipotesis dengan menggunakan SPSS maka diperoleh

keputusan sebagai berikut.
2
 Untuk nilai dari X hitung adalah 47,037 sehingga lebih besar dari X 2 tabel
yaitu 47,037 > 2,016 (Ha diterima dan Ho ditolak, ada hubungan
antara motivasi dengan prestasi belajar).
 Untuk nilai signifikansi 0,27 > 0,05 (Ha ditolak dan H0 diterima, tidak
ada hubungan antara motivasi dengan prestasi belajar)
Sehingga dapat disimpulkan ada hubungan antara motivasi dengan prestasi belajar
tetapi tidak signifikan. Atau pernyataan Ho: rx1x2 = 0 dan HA: rx1x2 = 0 tidak
sesuai dengan hasil.

c. Interpretasi Uji Hipotesis Ho: rx1x3 = 0 dan HA: rx1x3 ≠ 0

Ho: rx1x3 = 0
 HA: rx1x3 ≠ 0

Chi-Square Tests

Asymp. Sig. (2-

Value Df sided)

Pearson Chi-Square 57.863a 54 .335

Likelihood Ratio 59.814 54 .273

Linear-by-Linear Association 6.449 1 .011

N of Valid Cases 45

a. 70 cells (100.0%) have expected count less than 5. The minimum

expected count is .11.

Berdasarkan hasil uji hipotesis dengan menggunakan SPSS maka diperoleh

keputusan sebagai berikut.
2
 Untuk nilai dari X hitung adalah 57,863 sehingga lebih besar dari X 2 tabel
yaitu 57,864 > 2,016 (Ha diterima dan Ho ditolak, ada hubungan
antara motivasi dengan prestasi belajar).
 Untuk nilai signifikansi 0,33 > 0,05 (Ha ditolak dan H0 diterima, tidak
ada hubungan antara motivasi dengan prestasi belajar)
Sehingga dapat disimpulkan ada hubungan antara motivasi dengan prestasi belajar
tetapi tidak signifikan. Atau pernyataan Ho: rx1x3 = 0 dan HA: rx1x3 ≠ 0 tidak
sesuai dengan hasil.
d. Interpretasi Uji Hipotesis Ho: rx2x3 = 0 dan HA: rx1x3 ≠ 0
Ho: rx2x3 = 0
HA: rx1x3 ≠ 0

Chi-Square Tests

Asymp. Sig. (2-

Value df sided)

Pearson Chi-Square 55.038a 63 .752

Likelihood Ratio 56.571 63 .703

Linear-by-Linear Association 9.703 1 .002

N of Valid Cases 45

a. 80 cells (100.0%) have expected count less than 5. The minimum

expected count is .02.

Berdasarkan hasil uji hipotesis dengan menggunakan SPSS maka diperoleh

keputusan sebagai berikut.
 2
 Untuk nilai dari X hitung adalah 47,037 sehingga lebih besar dari X 2 tabel
yaitu 55,038 > 2,016 (Ha diterima dan Ho ditolak, ada hubungan
antara motivasi dengan prestasi belajar).
 Untuk nilai signifikansi 0,75 > 0,05 (Ha ditolak dan H0 diterima, tidak
ada hubungan antara motivasi dengan prestasi belajar)
Sehingga dapat disimpulkan ada hubungan antara motivasi dengan prestasi belajar
tetapi tidak signifikan. Atau pernyataan Ho: rx2x3 = 0 dan HA: rx1x3 ≠ 0 tidak
sesuai dengan hasil.

2.e Interpretasi Uji Beda

a. Interpretasi Uji Beda Variabel Independen X1 dengan X2

Paired Samples Test

Paired Differences

95% Confidence Interval

of the Difference
Std. Std. Error Sig. (2-
Mean Deviation Mean Lower Upper t df tailed)

Pair 1 MOTIVASI - -.88889 13.49616 2.01189 -4.94359 3.16581 -.442 44 .661

SIKAP

BerdBerdasarkan pengujian data untuk mencari nilai Beda yang dilakukan

dengan menggunakan SPSS menunjukan bahwa tidak terdapat perbedaan
signifikan antara motivasi (X1) dengan sikap (X2) yang ditunjukan dengan nilai
sig > 0,05 yaitu sebesar 0,661.

b. Interpretasi Uji Beda Variabel Independen X1 dengan X3

Paired Samples Test

Paired Differences

95% Confidence Interval

of the Difference
Std. Std. Error Sig. (2-
Mean Deviation Mean Lower Upper t df tailed)

Pair 1 MOTIVASI - - 12.32145 1.83677 -19.36844 -11.96489 -8.529 44 .000

KESUKAAN 15.6666
7
 Berdasarkan pengujian data untuk mencari nilai Beda yang dilakukan dengan
menggunakan SPSS menunjukan bahwa terdapat perbedaan signifikan antara
motivasi (X1) dengan kesukaan (X3) yang ditunjukan dengan nilai sig < 0,05
yaitu sebesar 0,00.

2.f Perbandingan hasil dari Excel dengan SPSS

a. Perbandingan nilai uji normalitas dengan varibael motivasi, sikap, kesukaan, dan
prestasi belajar. dari excel dengan SPSS
Dari data excel untuk uji normalitas antara variable motivasi (X1) dengan
prestasi belajar (Y) diperoleh hasil -155.45511 yang menunjukan bahwa data tersebut
berdistribusi normal dimana syarat berdistribusi normal adalah signifikansi <0,05 dan

juga syarat dari data terebut normalitas yaitu nilai dk = 2 < X 2 HITUNG pada tabel Chi

Squere maka data tersbut berdistibusi normal. Karea hasil dari excel -155.45511 < 4,302
maka data tersebut berdistribusi normal. Hasil ini sama dengan hasil di SPSS dimana uji
normalitas dengan SPSS juga menunjukan data tersebut berdiatibusi normal. Begitu pula
uji normalitas dengan excel untuk variable sikap (X2) dan Prestasi Belajar (Y) diperoleh
-193.7418495 yang menunjukan data tersebut berdistribusi normal karena -193.7418495
< 4,032 hasil uji normal excel ini sesuai dengan hasi uji normalitas di SPSS. Uji
Normalitas dengan Excel untuk variable kesukaan (X3) dan prestasi belajar (Y)
diperoleh -568, 4957 yang menunjukan data tersebut berdistribusi normal karena -568,
4957 < 4,032 hasil uji normal ini sesuai dengan hasil uji normalitas di SPSS.

b. Perbandingan nilai uji korelasi dari Excel dengan SPSS

 Korelasi dengan SPSS X1 dan Y
 Correlations

Prestasibelajar Motivasi

prestasibelajar Pearson Correlation 1 .384**

Sig. (2-tailed) .009

N 45 45

Motivasi Pearson Correlation .384** 1

Sig. (2-tailed) .009

N 45 45

**. Correlation is significant at the 0.01 level (2-tailed).

Hubungan antara motivasi dengan prestasi belajar adalah hubungan korelasi

rendah yang nilai pearson correlation 0,384 dengan nilai signifikansi sama
dengan 0,009 < 0,05 sehingga dapat disimpulkan terdapat hubungan signifikan
antara kedua variable.

MS. Excel
Berdasarkan data hasil analisis menggunakan Ms. Excel diperoleh hasil uji
korelasi yaitu sebesar 0,38365.

ARGUMEN
Berdasarkan perbandingan yang dilakukan dengan uji menggunakan Ms. Excel
dan SPSS diperoleh data yang sama- sama berkolerasi rendah yaitu sebesar
0,384. Sehingga analisis data yang dilakukan sudah sesuai.
 Korelasi dengan SPSS X2 dan Y

Correlations

Prestasibelajar Sikap

prestasibelajar Pearson Correlation 1 .432**

Sig. (2-tailed) .003

N 45 45

Sikap Pearson Correlation .432** 1

Sig. (2-tailed) .003

N 45 45

**. Correlation is significant at the 0.01 level (2-tailed).

Hubungan antara motivasi dengan prestasi belajar adalah hubungan korelasi
rendah yang nilai pearson correlation 0,432 dengan nilai signifikansi sama
dengan 0,003 < 0,05 sehingga dapat disimpulkan terdapat hubungan signifikan
antara kedua variable.

MS. Excel
Berdasarkan data hasil analisis menggunakan Ms. Excel diperoleh hasil uji
korelasi yaitu sebesar 0,43157.

ARGUMEN
Berdasarkan perbandingan yang dilakukan dengan uji menggunakan Ms. Excel
dan SPSS diperoleh data yang sama- sama berkolerasi rendah yaitu sebesar
0,432. Sehingga analisis data yang dilakukan sudah sesuai.

 Korelasi dengan SPSS X3 dan Y

Correlations

prestasibelajar kesukaan

prestasibelajar Pearson Correlation 1 .501**

Sig. (2-tailed) .000

N 45 45

kesukaan Pearson Correlation .501** 1

Sig. (2-tailed) .000

N 45 45

**. Correlation is significant at the 0.01 level (2-tailed).

 Hubungan antara motivasi dengan prestasi belajar adalah hubungan korelasi
rendah yang nilai pearson correlation 0,501 dengan nilai signifikansi sama
dengan 0,000 < 0,05 sehingga dapat disimpulkan terdapat hubungan signifikan
antara kedua variable.

MS. Excel
Berdasarkan data hasil analisis menggunakan Ms. Excel diperoleh hasil uji
korelasi yaitu sebesar 0,50078.

ARGUMEN
Berdasarkan perbandingan yang dilakukan dengan uji menggunakan Ms. Excel
dan SPSS diperoleh data yang sama- sama berkolerasi rendah yaitu sebesar
0,500. Sehingga analisis data yang dilakukan sudah sesuai.

3.c Analisis Regresi Linier

a. Analisis Regresi Linier variabel independent Motivasi (X1) d untuk memprediksi
variabel kriterium yaitu prestasi belajar (Y)

Model Summary

Model R R Square Adjusted R Square Std. Error of the Estimate

1 .384a .147 .127 8.42361

a. Predictors: (Constant), motivasi

Pada output diatas nilai korelasi adalah 0,384. Nilai ini dapat diinterpretasikan
bahwa hubungan kedua variabel penelitian ada di kategori lemah. Melalui tabel ini
juga diperoleh nilai R Square atau koefisien determinasi (KD) yang menunjukkan
seberapa bagus model regresi yang dibentuk oleh interaksi variabel bebas dan
variabel terikat. Nilai KD yang diperoleh adalah 14,7% yang dapat ditafsirkan
bahwa variabel bebas X1 memiliki pengaruh kontribusi sebesar 14,7 % terhadap
variabel Y dan 85,3% lainnya dipengaruhi oleh faktor-faktor lain diluar variabel X1.
Jadi X1 dapat memprediksi Y tapi LEMAH.
 ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 526.617 1 526.617 7.422 .009a

Residual 3051.161 43 70.957

Total 3577.778 44

a. Predictors: (Constant), motivasi

b. Dependent Variable: prestasibelajar

Berdasarkan Analisis Regresi Linier diatas output ANOVA yaitu pada bagian
ini untuk menjelaskan apakah ada pengaruh yang nyata (signifikan) antara variable
independent motivasi (X1) terhadap variable dependent prestasi beljar (Y). dari
output tersebut terlihat bahwa F hitung besarnya 7,422 dengan tingkat signifikansi/
probabilitasnya 0,009 dimana nilai 0,009 < 0,05, maka model regresi linier ini dapat
digunakan untuk memprediksi antara variable motivasi yaitu variable
independent (X1) dengan variable prestasi belajar yaitu variable dependent (Y).

b. Analisis Regresi Linier variabel independent Sikap (X2) d untuk memprediksi

variabel kriterium yaitu prestasi belajar (Y)

Model Summary

Model R R Square Adjusted R Square Std. Error of the Estimate

1 .432a .186 .167 8.22842

a. Predictors: (Constant), sikap

Pada output diatas nilai korelasi adalah 0,432. Nilai ini dapat diinterpretasikan
bahwa hubungan kedua variabel penelitian ada di kategori lemah. Melalui tabel ini
juga diperoleh nilai R Square atau koefisien determinasi (KD) yang menunjukkan
seberapa bagus model regresi yang dibentuk oleh interaksi variabel bebas dan
variabel terikat. Nilai KD yang diperoleh adalah 16,7% yang dapat ditafsirkan bahwa
variabel bebas X2 memiliki pengaruh kontribusi sebesar 16,7 % terhadap variabel Y
dan 83,3 % lainnya dipengaruhi oleh faktor-faktor lain diluar variabel X2. Jadi X2
dapat memprediksi Y tapi SEDANG.

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 666.381 1 666.381 9.842 .003a

Residual 2911.397 43 67.707

Total 3577.778 44

a. Predictors: (Constant), sikap

b. Dependent Variable: prestasibelajar

 Berdasarkan Analisis Regresi Linier diatas output ANOVA yaitu pada bagian
ini untuk menjelaskan apakah ada pengaruh yang nyata (signifikan) antara variable
independent sikap (X2) terhadap variable dependent prestasi beljar (Y). dari output
tersebut terlihat bahwa F hitung besarnya 9,842 dengan tingkat signifikansi/
probabilitasnya 0,003 dimana nilai 0,003 < 0,05, maka model regresi linier ini dapat
digunakan untuk memprediksi antara variable sikap yaitu variable
independent (X2) dengan variable prestasi belajar yaitu variable dependent (Y).

c. Analisis Regresi Linier variabel independent Kesukaan (X3) d untuk memprediksi

variabel kriterium yaitu prestasi belajar (Y)

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .501a .251 .233 7.89547

a. Predictors: (Constant), kesukaan

Pada output diatas nilai korelasi adalah 0,251. Nilai ini dapat diinterpretasikan
bahwa hubungan kedua variabel penelitian ada di kategori lemah. Melalui tabel ini
juga diperoleh nilai R Square atau koefisien determinasi (KD) yang menunjukkan
seberapa bagus model regresi yang dibentuk oleh interaksi variabel bebas dan
variabel terikat. Nilai KD yang diperoleh adalah 25,1% yang dapat ditafsirkan bahwa
variabel bebas X2 memiliki pengaruh kontribusi sebesar 16,7 % terhadap variabel Y
dan 74,9% lainnya dipengaruhi oleh faktor-faktor lain diluar variabel X3. Jadi X3
dapat memprediksi Y tapi SEDANG.

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 897.224 1 897.224 14.393 .000a

Residual 2680.554 43 62.338

Total 3577.778 44

a. Predictors: (Constant), kesukaan

b. Dependent Variable: prestasibelajar

Berdasarkan Analisis Regresi Linier diatas output ANOVA yaitu pada bagian
ini untuk menjelaskan apakah ada pengaruh yang nyata (signifikan) antara variable
 independent kesukaan (X3) terhadap variable dependent prestasi beljar (Y). dari
output tersebut terlihat bahwa F hitung besarnya 14,393 dengan tingkat signifikansi/
probabilitasnya 0,000 dimana nilai 0,000 < 0,05, maka model regresi linier ini dapat
digunakan untuk memprediksi antara variable kesukaan yaitu variable
independent (X3) dengan variable prestasi belajar yaitu variable dependent (Y).

3.b Koefisien Determinasi (R2xiY x 100%) dan Sumbangan efektif (SE) tiap prediktor
atau variable Independent (X1X2X3).
- Untuk Variabel motivasi (X1) dengan prestasi belajar (Y)

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .384a .147 .127 8.42361

a. Predictors: (Constant), motivasi

Dari output diatas ketahui bahwa nilai koefisien determinasinya R 2xiY

adalah sebesar 0,147. Jadi besar angka koefisien determinasinya (R 2xiY x 100%)
yaitu 14,7%. Jadi dapat disimpulkan bahwa X1 (Motivasi) berpengaruh terhadap
Y (Prestasi belajar) hanya sebesar 14,7%. Sedangkan sisanya 85,3% di pengaruhi
oleh variabel lain di luar model regresi ini.
- Untuk Variabel sikap (X2) dengan variable prestasi belajar (Y)

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .432a .186 .167 8.22842

a. Predictors: (Constant), sikap

Dari output diatas ketahui bahwa nilai koefisien determinasinya R 2xiY

adalah sebesar 0,186. Jadi besar angka koefisien determinasinya (R 2xiY x 100%)
yaitu 18,6%. Jadi dapat disimpulkan bahwa X2 (Motivasi) berpengaruh terhadap
Y (Prestasi belajar) hanya sebesar 18,6%. Sedangkan sisanya 81,4% di pengaruhi
oleh variabel lain di luar model regresi ini.

- Untuk Variabel kesukaan (X3) dengan variable prestasi belajar (Y)

 Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .501a .251 .233 7.89547

a. Predictors: (Constant), kesukaan

Dari output diatas ketahui bahwa nilai koefisien determinasinya R 2xiY

adalah sebesar 0,251. Jadi besar angka koefisien determinasinya (R 2xiY x 100%)
yaitu 25,1%. Jadi dapat disimpulkan bahwa X2 (Motivasi) berpengaruh terhadap
Y (Prestasi belajar) hanya sebesar 25,1%. Sedangkan sisanya 74,9% di pengaruhi
oleh variabel lain di luar model regresi ini.

- Sumbangan Efektif

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 49.726 5.986 8.307 .000

motivasi .231 .129 .244 1.789 .081

sikap .228 .120 .271 1.898 .065

kesukaan .206 .113 .280 1.822 .076

a. Dependent Variable: prestasibelajar

 Correlations

prestasibelajar motivasi sikap kesukaan

Pearson Correlation Prestasibelajar 1.000 .384 .432 .501

Motivasi .384 1.000 .118 .383

Sikap .432 .118 1.000 .470

Kesukaan .501 .383 .470 1.000

Sig. (1-tailed) Prestasibelajar . .005 .002 .000

Motivasi .005 . .219 .005

Sikap .002 .219 . .001

kesukaan .000 .005 .001 .

N prestasibelajar 45 45 45 45

motivasi 45 45 45 45

Sikap 45 45 45 45

kesukaan 45 45 45 45

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .592a .351 .303 7.52575

a. Predictors: (Constant), kesukaan, motivasi, sikap

Variabel Koefisien Koefisien relasi R square

regresi(BETA)

Motivasi (X1) 0,244 0,384 0,351

Sikap (X2) 0,271 0,432

Kesukaan (X3) 0,280 0,501

Rumus SE.
SE(X) %=
Sehingga diperoleh hasil untuk sumbangan efektif dari variable motivasi (X1), Sikap (X2)
dan Kesukaan (X3) adalah sebagai berikut.
Variabel NILAI SE
Motivasi (X1) 0,093639
Sikap (X2) 0,116801
Kesukaan (X3) 0,14028