OLEH:
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:
The End
Kolmogorov-Smirnova Shapiro-Wilk
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
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.
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).
Correlations
Prestasibelajar motivasi
N 45 45
N 45 45
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
N 45 45
N 45 45
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
N 45 45
N 45 45
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.
N of Valid Cases 45
Chi-Square Tests
N of Valid Cases 45
Chi-Square Tests
N of Valid Cases 45
Chi-Square Tests
N of Valid Cases 45
Paired Differences
Paired Differences
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.
Prestasibelajar Motivasi
N 45 45
N 45 45
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
N 45 45
N 45 45
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.
Correlations
prestasibelajar kesukaan
N 45 45
N 45 45
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.
Model Summary
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
Total 3577.778 44
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).
Model Summary
ANOVAb
Total 3577.778 44
Model Summary
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
Total 3577.778 44
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
Model Summary
- Sumbangan Efektif
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
N prestasibelajar 45 45 45 45
motivasi 45 45 45 45
Sikap 45 45 45 45
kesukaan 45 45 45 45
Model Summary
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