Oleh :
tingkat pendidikan semakin tinggi. Lulusan S1 tidak tidak bias dengan mudah
untuk mencari pekerjaan dibutuhkan jenjang pendidikan yang lebih tinggi lagi
tersebut bukanlah salah satu faktor penentu untuk mengetahui Index Prestasi
dipengaruhi oleh beberapa faktor, antara lain faktor latar belakang mahasiswa.
sehingga bisa berpengaruh terhadap Indeks Prestasi dalam studi pasca sarjana
ini.
dan juga jurusan yang diambil pada studi pascasarjana ini apakah selaras
ataukah tidak. Jika selaras maka dia sudah mengatahui dasar-dasar mata
kuliah yang akan di terimanya pada saat studi pascasarjananya sedangkan jika
tidak maka harus belajar lebih ekstra agar dapat mangikuti mata kuliah yang
dipilihnya salah satu cara setiap universitas mengatasi hal ini adalah dengan
menjelaskan dasar-dasar mata kuliah yang akan di pelajarinya nanti. Lalu saat
ini mahasiswa studi pascasarjana berasal dari berbagai jenjang umur, baik
yang sudah berumur maupun yang baru saja menyelesaikan studi sarjana
untuk melanjutkan ke jenjang pascasarjana agar lebih mendapatkan ilmu
Kumulatif ?
Kumulatif?
Kumulatif?
1.3 TUJUAN PENELITIAN
Kumulatif .
B. VARIABEL PENELITIAN
Variabel penelitian adalah objek penelitian atau apa yang menjadi titik
(2) variable dependen (terikat), yaitu variabel yang dijelaskan dan dipengaruhi
1. Variabel Dependen
Variabel dependen adalah variabel yang nilainya tergantung pada
2. Variabel Independen
2. Usia (X2)
4. Pekerjaan (X4)
USIA (X2)
IMMINNFKLENFEFNENFKELN
INDEKS PRESTASI
PENDIDIKAN FELLFNEF
KUMULATIF (Y)
SEBELUMNYA (X3)
PEKERJAAN (X4)
STATUS
PERKAWINAN (X5)
C. KAJIAN KEPUSTAKAAN
Model regresi yang baik adalah yang memenuhi seluruh uji asumsi
a. Uji Normalitas
distribusi normal atau mendekati normal. Cara lain, yaitu dengan melihat
penyebaran data (titik) pada suatu sumbu diagonal dari grafik Normal
Probability Plot (P-P Plot). Jika data menyebar di sekitar garis diagonal dan
normalitas.
b. Uji Multikolinieritas
korelasi antar variabel independen. Ada beberapa cara untuk menguji ada atau
melihat nilai Tolerance dan Variance Inflation Factor (VIF). Jika nilai
tolerance lebih besar dari 0,10 atau sama dengan nilai VIF kurang dari 10, hal
c. Uji Heteroskedastisitas
pengamatan yang lain (Ghozali, 2005). Jika varians dari residual satu
dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah
heteroskedastisitas (homoskedastisitas).
d. Uji Autokorelasi
yaitu:
Keterangan :
dibandingkan dengan nilai – nilai kritis dari dL dan dU dari tabel statistik
- Jika dU < d < 4 – dU, berarti tidak ada autokorelasi positif atau negatif
meyakinkan
dengan cara mentransformasikan data atau bisa juga dengan mengubah model
equation). Selain itu juga dapat dilakukan dengan memasukkan variabel lag
dari variabel terikatnya menjadi salah satu variabel bebas, sehingga data
Untuk regresi yang variabel independennya terdiri atas dua atau lebih,
independen dalam penelitian ini mempunyai lebih dari dua variabel, maka
regresi yang digunakan dalam penelitian ini disebut regresi berganda. Analisis
sebagai berikut:
Y = a + b1X1 + b2X2+......... + e
Dimana :
Y = Dependent
a = Konstanta
X1 = Variabel X1
X2 = Variabel X2
variabel dependen.
mempengaruhi variabel dependen. Selain itu, dapat juga dengan melihat nilai
probabilitas. Jika nilai probabilitas lebih kecil daripada 0,05 (untuk tingkat
persen. Jika nilai t hitung lebih besar dari t tabel maka secara individual
dengan melihat nilai probabilitas. Jika nilai probabilitas lebih kecil daripada
D. HIPOTESIS
H0 : b = 0
Ha : b ≠ 0
α = 5% = 0,05
Kriteria Tolak Ho :
- Simultan F hit > F table
- P-V < α
- Parsial t hitung > t table atau –t hitung < dari –t table
F. ANALISIS
1. R Square
Model Summaryb
2. Uji Statistik F
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
F tabel = 2,390
3. Uji Statistik t
Coefficientsa
Standardize
d
Unstandardized Coefficient Collinearity
Coefficients s Statistics
Pendidikan
.009 .003 .130 2.873 .004 .972 1.029
Sebelumnya
Status
.057 .039 .084 1.484 .138 .621 1.611
Perkawinan
G. PEMBAHASAN
A. R Square
1. Korelasi (R) yang secara simultan antara variable Jenis kelamin , usia,
B. Uji Statistik F
bahwa Ho ditolak.
signifikan sebesar 0,000 dimana nilai tersebut lebih kecil dari nilai
C. Uji Statistik t
adalah :
1. Jumlah IPK, jika tanpa pengaruh tambahan pada jenis kelamin, usia
X2, X3, X4 dan X5= 0), maka jumlah IPK hanya 3.123.
Nilai sig lebih kecil dari nilai probabilitas 0,05, maka jenis kelamin
IPK.
Nilai sig lebih besar dari nilai probabilitas 0,05. Variabel Usia
Nilai sig lebih kecil dari nilai probabilitas 0,05, maka Pendidikan
terhadap IPK.
Nilai sig lebih besar dari nilai probabilitas 0,05. Variabel Pekerjaan ini
terhadap IPK.
Nilai sig lebih besar dari nilai probabilitas 0,05 atau nilai 0,138>0,05.
H. PENUTUP
Berdasarkan hasil analisis diatas, maka dapat disimpulkan bahwa
lebih tinggi daripada Lakilaki terbukti dengan perhitungan statistik ini bahwa
dari 5 faktor hanya Jenis kelamin dan pendidikan sebelumnya secara parsial
Semarang: UNDIP
Bandung : Alfabeta
Regression
Variables Entered/Removedb
Variables
Model Variables Entered Removed Method
1 Status
Perkawinan,
Pendidikan
Sebelumnya, Jenis . Enter
Kelamin,
Pekerjaan, Usia
(Tahun)a
Model Summaryb
a. Predictors: (Constant), Status Perkawinan, Pendidikan Sebelumnya, Jenis Kelamin, Pekerjaan, Usia
(Tahun)
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Collinearity Diagnosticsa
Variance Proportions
Residuals Statisticsa
Charts
One-Sample Kolmogorov-Smirnov Test
Std.
.369 7.721 3.233 1.391 .321 .21970
Deviation
Correlations
Correlations
Indeks
Jenis Usia Pendidikan Status Prestasi
Kelamin (Tahun) Sebelumnya Pekerjaan Perkawinan Kumulatif
Jenis Pearson
1 -.180** .071 -.078 -.227** .189**
Kelamin Correlation
Pendidikan Pearson
.071 -.098* 1 -.144** -.111* .138**
Sebelumnya Correlation
Status Pearson
-.227** .581** -.111* .327** 1 .010
Perkawinan Correlation
Indeks Pearson
.189** -.024 .138** -.020 .010 1
Prestasi Correlation
Kumulatif
Sig. (2-tailed) .000 .607 .002 .655 .829
Reliability
N %
Cases Valid 482 100.0
Excludeda 0 .0
Reliability Statistics
.038 6