TUGAS INDIVIDU

METODE KUANTITATIF DAN APLIKASI STATISTIK

BISNIS

ANALISIS PENGARUH JENIS KELAMIN, USIA,

PENDIDIKAN SEBELUMNYA, PEKERJAAN DAN
STATUS PERKAWINAN TERHADAP PRESTASI
AKADEMIK

Oleh :

NAMA : SYARIF HIDAYATULLOH

NIM : IA2 015 067

PROGRAM STUDI MAGISTER AKUNTANSI

UNIVERSITAS MATARAM
2016
A. PENDAHULUAN

1.1 LATAR BELAKANG

Saat ini di era globalisasi persaingan semakin ketat, dimana standar

tingkat pendidikan semakin tinggi. Lulusan S1 tidak tidak bias dengan mudah

untuk mencari pekerjaan dibutuhkan jenjang pendidikan yang lebih tinggi lagi

yaitu s2 dan s3. Dimana persepsi sebagian orang adanya fenomena

ketidakseimbangan antara Index Prestasi mahasiswa Laki-laki dan Perempuan

dimana menurut persepsi tersebut mahasiswa wanita lebih unggul

dibandingkan mahasiswa laki-laki dalam hal indeks prestasi. Namun hal

tersebut bukanlah salah satu faktor penentu untuk mengetahui Index Prestasi

dari mahasiswa. Prestasi mahasiswa pasca sarjana di suatu perguruan tinggi

dipengaruhi oleh beberapa faktor, antara lain faktor latar belakang mahasiswa.

Hal ini berarti, dengan beragamnya latar belakang mahasiswa akan

memberikan bervariasinya pula pencapaian prestasi akademiknya. Banyak

faktor yang mempengaruhi kontribusi terhadap peningkatan Indeks Prestasi

Kumulatif mahasiswa, faktor-faktor tersebut adalah Jenis Kelamin, Usia,

Pendidikan Sebelumnya, Pekerjaan dan Status Perkawinan.Kelima faktor

tersebut sangat penting untuk mengetahui perkembangan indeks prestasi

kumulatif si setiap mahasiswa pascasarjana.

 Berbicara masalah jenis kelamin seperti yang sudah dipaparkan

sebelumnya merupakan hal yang sering diperbincangkan saat ini bagaimana

penyetaraan gender, wanita dianggap berkedudukan sama dengan pria.

Apalagi terbukti penelitian yang dilakukan Nuryoto Sartini (1999),

menyimpulkan bahwa Prestasi Kumulatif perempuan lebih tinggi

dibandingkan laki-laki. Persepsi ini menurut Nuryoto Sartini sudah

dikemukakan sejak tahun 70an.

Pekerjaan dan statur berkeluarga seseorang juga merupakan sesuatu

yang kerat kaitannya dengan kesibukan seseorang dalam membagi waktu

sehingga bisa berpengaruh terhadap Indeks Prestasi dalam studi pasca sarjana

ini.

Faktor yang mempengaruhi indeks prestasi kumulatif salah satunya

adalah pendidikan sebelumnya. Dengan mengatahui pendidikan sebelumnya

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

memberikan kuliah tambahan sebelum perkuliahan dimulai untuk

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

sehingga mendapatkan pekerjaan yang lebih baik.

Dengan latar belakang tersebut maka dengan menggunakan metode

Regresi Binary Logistic dilakukan penelitian untuk mengetahui pengaruh

Jenis Kelamin,Usia, Pendidikan sebelumnya, Pekerjaan dan Status Kawin

terhadap Indeks PrestasiKumulatif ( IPK )Mahasiswa Pascasarjana.

Dari uraian diatas, penulis akan menguji pengaruh faktor-faktor

tersebut terhadap indeks prestasi mahasiswa.

1.2 RUMUSAN MASALAH

Berdasarkan uraian pada latar belakang di atas, maka dapat dibuat

perumusan masalah sebagai berikut:

1. Apakah Jenis Kelamin berpengaruh terhadap Indeks Prestasi

Kumulatif ?

2. Apakah Usia berpengaruh terhadap Indeks Prestasi Kumulatif ?

3. Apakah Pendidikan Sebelumnya berpengaruh terhadap Indeks Prestasi

Kumulatif?

4. Apakah Pekerjaan berpengaruh terhadap Indeks Prestasi Kumulatif?

5. Apakah Status Kawin berpengaruh terhadap Indeks Prestasi

Kumulatif?
1.3 TUJUAN PENELITIAN

Berdasarkan rumusan masalah tersebut, maka tujuan dari penelitian ini

adalah sebagai berikut:

1. Untuk mengetahui pengaruh Jenis Kelamin terhadap Indeks Prestasi

Kumulatif .

2. Untuk mengetahui pengaruh Usia mahasiswa terhadap Indeks Prestasi

Kumulatif.
3. Untuk mengetahui pengaruh Pendidikan Sebelumnya terhadap Indeks
Prestasi Kumulatif.
4. Untuk mengetahui pengaruh pekerjaan terhadap Indeks Prestasi
Kumulatif.
5. Untuk mengetahui pengaruh status perkawinan terhadap Indeks
Prestasi Kumulatif.

B. VARIABEL PENELITIAN

Variabel penelitian adalah objek penelitian atau apa yang menjadi titik

perhatian suatu penelitian (Arikunto, 2010:161). Variabel yang digunakan

dalam penelitian dapat diklasifikasikan menjadi: (1) variabel independen

(bebas),yaitu variabel yang menjelaskan dan mempengaruhi variabel lain, dan

(2) variable dependen (terikat), yaitu variabel yang dijelaskan dan dipengaruhi

oleh variable dependen.

1. Variabel Dependen
 Variabel dependen adalah variabel yang nilainya tergantung pada

variabel lain, dimana nilainya akan berubah jika variabel yang

mempengaruhinya berubah. Variabel dependen dalam penelitian ini

adalah Indeks PrestasiKumulatif (Y).

2. Variabel Independen

Variabel independen adalah variabel yang mempengaruhi variable

dependen, baik yang pengaruhnya positif maupun yang pengaruhnya

variabel. Variabel independen dalam penelitian ini terdiri dari:

1. Jenis Kelamin (X1)

2. Usia (X2)

3. Pendidikan Sebelumnya (X3)

4. Pekerjaan (X4)

5. Status Kawin (X5)

1.1 Kerangka Konseptual

Berdasarkan latar belakang, rumusan masalah, tujuan penelitian dan variable

penelitian maka kerangka konseptual dapat digambarkan sebagai berikut:

 JENIS KELAMIN (X1)

USIA (X2)

IMMINNFKLENFEFNENFKELN
INDEKS PRESTASI
PENDIDIKAN FELLFNEF
KUMULATIF (Y)
SEBELUMNYA (X3)

PEKERJAAN (X4)

STATUS
PERKAWINAN (X5)

C. KAJIAN KEPUSTAKAAN

1. Uji Asumsi Klasik

Model regresi yang baik adalah yang memenuhi seluruh uji asumsi

klasik, yaitu data terdistribusi normal, tidak terjadi multikolonieritas, bebas

dari autokolerasi, dan homokedastisitas.

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi,

variabel pengganggu atau residual memiliki distribusi normal atau tidak

(Ghozali, 2005). Model regresi yang baik dapat diketahui dengan

menggunakan grafik histogram, yang dapat terlihat jika data memiliki

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

mengikuti arah garis diagonal, maka model regresi memenuhi asumsi

normalitas.

b. Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah dalam model

regresi ditemukan adanya korelasi antar variabel bebas (independen) (Ghozali,

2005). Hasil yang diharapkan dalam pengujian adalah tidak terjadinya

korelasi antar variabel independen. Ada beberapa cara untuk menguji ada atau

tidaknya multikolonieritas dalam model regresi. Dalam pengujian ini, peneliti

menggunakan analisis matrik korelasi antar variabel independen dengan

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

ini berarti tidak terjadi multikolonieritas dalam model regresi.

c. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model

regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke

pengamatan yang lain (Ghozali, 2005). Jika varians dari residual satu

pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas,

dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah

yang tidak menghasilkan heteroskedastisitas. Dalam penelitian ini, peneliti

menggunakan grafik Scatterplot untuk menguji ada tidaknya

heteroskedastisitas. Jika tidak ada pula yang jelas, serta titik-titik menyebar di

atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi

heteroskedastisitas (homoskedastisitas).

d. Uji Autokorelasi

Menurut Tony Wikaya (2009, p120), uji autokorelasi bertujuan

menguji apakah model regresi linier ada korelasi antara kesalahan

pengganggu pada periode t dengan kesalahan pengganggu pada periode

sebelumnya (t-1).Autokorelasi terjadi karena disebabkan oleh beberapa hal,

yaitu:

• Inertia, yaitu adanya momentum yang masuk ke dalam variabel-

variabel bebas yang terus-menerus sehingga akan terjadi dan mempengaruhi

nilai-nilai variabel-variabel bebasnya.

• Terjadinya penyimpangan spesifikasi karena adanya variabel-variabel

bebas lain yang tidak dimasukkan dalam model.

• Bentuk fungsi yang salah.

• Adanya lags (tenggang waktu)

• Manipulasi data yang mengakibatkan data tidak akurat.

Dalam penelitian ini untuk mendeteksi ada tidaknya autokorelasi

digunakan uji statistik Durbin-Watson dengan rumus sebagai berikut :

Keterangan :

= residual (selisih antara y observasi dengan y prediksi )

= residual satu periode sebelumnya.

 Setelah nilai datau DW didapat, kemudian nilai d tersebut

dibandingkan dengan nilai – nilai kritis dari dL dan dU dari tabel statistik

Durbin-Watson. Secara umum, kriteria yang digunakan adalah:

- Jika d < 4dL, berarti ada autokorelasi positif

- Jika d > 4dL, berarti ada autokorelasi negatif

- Jika dU < d < 4 – dU, berarti tidak ada autokorelasi positif atau negatif

- Jika dL ≤ d ≤ dU atau 4 – dU ≤ d ≤ 4 – dL, pengujian tidak

meyakinkan

Apabila terdapat autokorelasi cara menanggulangi masalahnya yaitu

dengan cara mentransformasikan data atau bisa juga dengan mengubah model

regresi ke dalam bentuk persamaan beda umum (generalized difference

equation). Selain itu juga dapat dilakukan dengan memasukkan variabel lag

dari variabel terikatnya menjadi salah satu variabel bebas, sehingga data

observasi menjaadi berkurang 1.

2. Analisis Regresi Linier Berganda

Analisis regresi pada dasarnya adalah studi mengenai ketergantungan

variabel dependen (terikat) dengan satu atau lebih variabel independen

(variabel penjelas/bebas), dengan tujuan untuk mengestimasi dan/atau

memprediksi rata-rata populasi atau nilai rata-rata variabel dependen

berdasarkan nilai variabel independen yang diketahui (Ghozali, 2005). Hasil

analisis regresi adalah berupa koefisien untuk masing-masing variabel

independen. Dalam analisis regresi, selain mengukur kekuatan hubungan

antara dua variabel atau lebih, juga menunjukkan arah hubungan antara

variabel dependen dengan variabel independen.

Untuk regresi yang variabel independennya terdiri atas dua atau lebih,

regresinya disebut juga dengan regresi berganda. Oleh karena variabel

independen dalam penelitian ini mempunyai lebih dari dua variabel, maka

regresi yang digunakan dalam penelitian ini disebut regresi berganda. Analisis

regresi berganda dalam penelitian ini bertujuan untuk mengetahui besarnya

pengaruh variabel independen terhadap variabel dependen.

Adapun bentuk umum persamaan regresi berganda yang digunakan

sebagai berikut:

Y = a + b1X1 + b2X2+......... + e

Dimana :

Y = Dependent

a = Konstanta

X1 = Variabel X1

X2 = Variabel X2

b1, b2 = Besaran koefisien regresi masing-masing variabel

e = Variabel lain yang tidak diteliti

a. Uji Koefisien Determinasi (R2)

Uji koefisien determinasi (R2) digunakan untuk mengetahui kontribusi

variabel bebas terhadap variabel terikat. Nilai koefesien determinasi adalah

antara nol dan satu. Nilai R² yang kecil berarti kemampuan variabel-variabel

independen dalam menjelaskan variasi variabel dependen sangat terbatas.

Nilai yang mendekati satu (1) berarti variabel-variabel independen

memberikan hampir semua informasi yang dibutuhkan untuk memprediksi

variabel dependen.

b. Uji Signifikansi Simultan atau Uji Statistik F

Uji statistik F menunjukkan apakah semua variabel independen yang

dimasukkan dalam model mempunyai pengaruh secara bersama-sama

terhadap variabel dependen (Ghozali, 2005). Uji ini dilakukkan dengan

membandingkan antara nilai F hitung dengan nilai F tabel dengan

menggunakan tingkat signifikan sebesar 5 persen. Jika nilai F hitung lebih

besar dari F tabel maka secara serentak seluruh variabel independen

mempengaruhi variabel dependen. Selain itu, dapat juga dengan melihat nilai

probabilitas. Jika nilai probabilitas lebih kecil daripada 0,05 (untuk tingkat

signifikansi 5 persen), maka variabel independen secara serentak berpengaruh

terhadap variabel dependen. Sedangkan jika nilai probabilitas lebih besar

daripada 0,05 maka variabel independen secara serentak tidak berpengaruh

terhadap variabel dependen.

c. Uji Signifikansi Parameter Individual (Uji Statistik t)

Uji ini menunjukkan seberapa jauh pengaruh variabel independen

secara individual dalam menerangkan variabel dependen (Ghozali, 2005).

Hipotesis yang digunakan adalah:

 1) H0 : b1, b2, b3 = 0, artinya suatu variabel independen secara

individual tidak berpengaruh terhadap variabel dependen.

2) Ha : b1, b2, b3 ≠ 0, artinya suatu variabel independen secara

individual berpengaruh terhadap variabel dependen.

Uji statistik t dilakukan dengan membandingkan antara nilai t hitung

dengan nilai t tabel dengan menggunakan tingkat signifikansi sebesar 5

persen. Jika nilai t hitung lebih besar dari t tabel maka secara individual

variabel independen mempengaruhi variabel dependen. Selain itu, dapat juga

dengan melihat nilai probabilitas. Jika nilai probabilitas lebih kecil daripada

0,05 (untuk tingkat signifikansi 5 persen), maka variabel independen secara

individu berpengaruh terhadap variabel dependen. Sedangkan jika nilai

probabilitas lebih besar daripada 0,05 maka variabel independen secara

individu tidak berpengaruh terhadap variabel dependen.

D. HIPOTESIS

Hipotesis adalah jawaban sementara terhadap rumusan masalah

penelitian (Sugiyono, 2009). Disini dugaan sementaranya adalah

 Diduga variable status perkawinan, jenis kelamin, usia, pendidikan

sebelumnya dan pekerjaan berpengaruh secara parsial terhadap IPK

 Diduga variable status perkawinan, jenis kelamin, usia, pendidikan

sebelumnya dan pekerjaan berpengaruh secara simultan terhadap IPK
E. LANGKAH UJIHIPOTESIS
Pengujian hipotesis bagi koefisien-koefisien regresi linier berganda

dapat dilakukan secara serentak atau keseluruhan.Pengujian regresi linier

perlu dilakukan untuk mengetahui apakah variabel-variabel bebas secara

bersamaan memiliki pengaruh terhadap variabel tak bebas.

Langkah-langkah pengujiannya adalah sebagai berikut :

 Formulasi Hubungan Variabel :

Y = a + b1x1 + b2x2 + b3x3 + b4x4 + b5x5 + e

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

Adjusted R Std. Error of Durbin-

Model R R Square Square the Estimate Watson

1 .237a .056 .046 .21457 1.875

a. Predictors: (Constant), Status Perkawinan, Pendidikan Sebelumnya,

Jenis Kelamin, Pekerjaan, Usia (Tahun)
b. Dependent Variable: Indeks Prestasi Kumulatif

2. Uji Statistik F
ANOVAb

Sum of
Model Squares df Mean Square F Sig.

1 Regression 1.303 5 .261 5.662 .000a

Residual 21.914 476 .046

Total 23.218 481

a. Predictors: (Constant), Status Perkawinan, Pendidikan Sebelumnya, Jenis

Kelamin, Pekerjaan, Usia (Tahun)
b. Dependent Variable: Indeks Prestasi Kumulatif

F tabel = 2,390
 3. Uji Statistik t
Coefficientsa

Standardize
d
Unstandardized Coefficient Collinearity
Coefficients s Statistics

Model B Std. Error Beta T Sig. Tolerance VIF

1 (Constant) 3.123 .086 36.285 .000

Jenis Kelamin .116 .027 .194 4.240 .000 .943 1.061

Usia (Tahun) .000 .002 -.022 -.405 .686 .646 1.548

Pendidikan
.009 .003 .130 2.873 .004 .972 1.029
Sebelumnya

Pekerjaan -.001 .008 -.007 -.153 .879 .865 1.157

Status
.057 .039 .084 1.484 .138 .621 1.611
Perkawinan

a. Dependent Variable: Indeks Prestasi

Kumulatif

G. PEMBAHASAN

A. R Square

1. Korelasi (R) yang secara simultan antara variable Jenis kelamin , usia,

pendidikan sebelumnya, jenis pekerjaan dan status perkawinan

 terhadap IPK diperoleh nilai sebesar R = 0.237. Kontribusi yang

diberikan oleh kelima variable bebas terhadap variable terikat : KP =

(rx1,x2,x3,x4,x5,Y)2 x 100% = (0.237)2 x 100% = 5.6%

2. Pada tabel summary model bahwa hasil pengujian menunjukkan

adjusted R square adalah 0.046. Hal ini menunjukkan bahwa variabel

jenis kelamin, usia, pendidikan sebelumnya, pekerjaan, dan status

perkawinan hanya mampu menjelaskan informasi sebesar 0.056 x

100% = 5,6% untuk memprediksi pengaruhnya terhadap IPK.

Sedangkan sisanya 94,4% dijelaskan oleh variabel lain yang tidak

masukkan dalam model analisis penelitian ini.

B. Uji Statistik F

1. Berdasarkan tabel ANOVA, diperoleh nilai F hitung sebesar 5,662

dengan probabilitas 0,000. Nilai F hitung sebesar 5,662 > F tabel

sebesar 2,390 maka dengan ini dapat disimpulkan bahwa koefisien

regresi jenis kelamin, usia, pendidikan sebelumnya, pekerjaan dan

status perkawinan berpengaruh secara simultan atau dapat disimpulkan

bahwa Ho ditolak.

2. Berdasarkan tabel ANOVA, diperoleh bahwa F hitung memiliki

signifikan sebesar 0,000 dimana nilai tersebut lebih kecil dari nilai

signifikan 0,005 yang berarti bahwa variabel-variabel tersebut tidak

 sama dengan nol, atau kelima variabel independen secara simultan

berpengaruh terhadap Indeks Prestasi Kumulatif.

C. Uji Statistik t

Dari tabel Coefficients menunjukan bahwa model persamaan regresi

berganda untuk memperkirakan IPK yang dipengaruhi oleh jenis kelamin,

usia (tahun), pendidikan sebelumnya, pekerjaan dan status perkawinan,

adalah :

Y = 3.123 + 0.116 X1 + 0.000 X2 + 0.009 X3 – 0.001 X4 + 0.057 X5

Dari persamaan tersebut dapat dianalisis beberapa hal, antara lain :

1. Jumlah IPK, jika tanpa pengaruh tambahan pada jenis kelamin, usia

(tahun), pendidikan sebelumnya, pekerjaan dan status perkawinan (X1,

X2, X3, X4 dan X5= 0), maka jumlah IPK hanya 3.123.

2. Koefisien regresi berganda sebesar 0.116, 0.000, 0.009, -0.001, 0.057

mengindikasikan besaran penambahan maupun pengurangan jumlah

IPK. Persamaan regresi berganda Y = 3.123 + 0.116 X1 + 0.000 X2 +

0.009 X3 – 0.001 X4 + 0.057 X5 yang digunakan sebagai dasar untuk

memperkirakan jumlah IPK akan diuji apakah valid untuk digunakan.

Perhitungan uji statistik t

Membandingkan dengan perhitungan uji statistik t, t tabel = 2,248

a. Jenis kelamin (X1) terhadap IPK (Y)

 Bisa dilihat pada kolom Coefficients terdapat nilai sig 0,000.

Nilai sig lebih kecil dari nilai probabilitas 0,05, maka jenis kelamin

memiliki pengaruh secara signifikan. Variabel jenis kelamin

mempunyai thitung yakni 4,240 dengan t tabel=2,248. Jadi t hitung>t

tabel dapat disimpulkan bahwa jenis kelamin memiliki kontribusi

terhadap IPK. Nilai t positif menunjukkan bahwa jenis kelamin

mempunyai hubungan yang searah dengan IPK. Jadi dapat

disimpulkan jenis kelamin memiliki pengaruh secara parsial terhadap

IPK.

b. Usia (X2) terhadap IPK (Y)

Bisa dilihat pada kolom Coefficients terdapat nilai sig 0,686.

Nilai sig lebih besar dari nilai probabilitas 0,05. Variabel Usia

mempunyai thitung yakni 0,405 dengan ttabel=2,248. Jadi t hitung<t

tabel dapat disimpulkan bahwa variabel usia tidak memiliki kontribusi

terhadap IPK. Nilai t negatif menunjukkan bahwa usia mempunyai

hubungan yang berlawanan arah dengan IPK. Jadi dapat disimpulkan

Usia tidak berpengaruh signifikan dan tidak memiliki pengaruh secara

parsial terhadap IPK.

c. Pendidikan Sebelumnya (X3) terhadap IPK (Y)

Bisa dilihat pada kolom Coefficients terdapat nilai sig 0,004.

Nilai sig lebih kecil dari nilai probabilitas 0,05, maka Pendidikan

Sebelumnya memiliki pengaruh secara signifikan terhadap IPK.

 Variabel Pendidikan Sebelumnya mempunyai thitung yakni 2,873

dengan t tabel=2,248. Jadi thitung>ttabel dapat disimpulkan bahwa

variabel Pendidikan Sebelumnya memiliki kontribusi terhadap IPK.

Nilai t positif menunjukkan bahwa variabel pendidikan sebelumnya

mempunyai hubungan yang searah dengan IPK. Jadi dapat

disimpulkan pendidikan sebelumnya memiliki pengaruh secara parsial

terhadap IPK.

d. Pekerjaan (X4) terhadap IPK (Y)

Bisa dilihat pada kolom Coefficients terdapat nilai sig 0,879.

Nilai sig lebih besar dari nilai probabilitas 0,05. Variabel Pekerjaan ini

mempunyai t hitung yakni 0,153 dibandingkan dengan ttabel=2,248.

Jadi thitung<ttabel dapat disimpulkan bahwa variabel pekerjaan tidak

memiliki kontribusi terhadap IPK. Nilai t negatif menunjukkan bahwa

variable pekerjaan mempunyai hubungan yang berlawanan arah

dengan IPK. Jadi dapat disimpulkan variabel pekerjaan tidak

berpengaruh signifikan dan tidak memiliki pengaruh secara parsial

terhadap IPK.

e. Status Perkawinan (X5) terhadap IPK (Y)

Bisa dilihat pada kolom Coefficients terdapat nilai sig 0,138.

Nilai sig lebih besar dari nilai probabilitas 0,05 atau nilai 0,138>0,05.

Variabel perkawinan mempunyai thitung yakni 1,484 dengan

ttabel=2,248. Jadi t hitung<t tabel dapat disimpulkan bahwa variabel

 perkawinan tidak memiliki kontribusi terhadap IPK. Nilai t positif

menunjukkan bahwa variabel pendidikan sebelumnya mempunyai

hubungan yang searah dengan IPK. Jadi dapat disimpulkan variabel

status perkawinan tidak berpengaruh signifikan dan tidak memiliki

pengaruh secara parsial terhadap IPK.

H. PENUTUP
Berdasarkan hasil analisis diatas, maka dapat disimpulkan bahwa

secara simultan, variabel Jenis Kelamin,Usia, Pendidikan Sebelumnya,

Pekerjaan dan status perkawinan berpengaruh terhadap IPK mahasiswa

Pascasarjana. Namun secara parsial hanya jenis kelamin dan pendidikan

sebelumnya yang berpengaruh secara signifikan terhadap IPK . Ternyata

benar terbukti persepsi masayarakat yang mengatakan bahwa IPK wanita

lebih tinggi daripada Lakilaki terbukti dengan perhitungan statistik ini bahwa

dari 5 faktor hanya Jenis kelamin dan pendidikan sebelumnya secara parsial

dan secara simulutan berpengaruh secara signifikan terhadap IPK.

I. DAFTAR KEPUSTAKAAN

Arikunto, S. 2010. Prosedur Penelitian Suatu Pendekatan Praktik. Edisi revisi

2010. Jakarta: Rineka Cipta

Ghozali, Imam. 2005. Aplikasi Analisis Multivariate dengan Program SPSS.

Semarang: UNDIP

Sartini Nuryoto, 1999. Perbedaan Prestasi Akademik antara Laki-laki dan

Perempuan studi di wilayah Kota Yogyakarta. www.jurnal.ugm.ac.id

di akses tanggal 23 Mei 2016

Sugiyono. 2009. Metode Penelitian Kuantitatif dan Kualitatif. CV.

Bandung : Alfabeta

Wijaya, Tony. 2009. Analisis Data Penelitian Menggunakan SPSS.

Yogyakarta: Universitas Atmajaya

 J. LAMPIRAN

Regression

Variables Entered/Removedb

Variables
Model Variables Entered Removed Method

1 Status
Perkawinan,
Pendidikan
Sebelumnya, Jenis . Enter
Kelamin,
Pekerjaan, Usia
(Tahun)a

a. All requested variables entered.

b. Dependent Variable: Indeks Prestasi Kumulatif

Model Summaryb

Std. Error of the

Model R R Square Adjusted R Square Estimate Durbin-Watson

1 .237a .056 .046 .21457 1.875

a. Predictors: (Constant), Status Perkawinan, Pendidikan Sebelumnya, Jenis Kelamin, Pekerjaan,

Usia (Tahun)

b. Dependent Variable: Indeks Prestasi Kumulatif

 ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 1.303 5 .261 5.662 .000a

Residual 21.914 476 .046

Total 23.218 481

a. Predictors: (Constant), Status Perkawinan, Pendidikan Sebelumnya, Jenis Kelamin, Pekerjaan, Usia
(Tahun)

b. Dependent Variable: Indeks Prestasi Kumulatif

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) 3.123 .086 36.285 .000

Jenis Kelamin .116 .027 .194 4.240 .000 .943 1.061

Usia (Tahun) .000 .002 -.022 -.405 .686 .646 1.548

Pendidikan Sebelumnya .009 .003 .130 2.873 .004 .972 1.029

Pekerjaan -.001 .008 -.007 -.153 .879 .865 1.157

 Status Perkawinan .057 .039 .084 1.484 .138 .621 1.611

a. Dependent Variable: Indeks Prestasi Kumulatif

Collinearity Diagnosticsa

Variance Proportions

Dimensi Condition Jenis Pendidikan Status

Model on Eigenvalue Index (Constant) Kelamin Usia (Tahun) Sebelumnya Pekerjaan Perkawin

1 1 5.669 1.000 .00 .00 .00 .00 .00

2 .179 5.622 .00 .00 .01 .85 .01

3 .096 7.681 .00 .72 .02 .04 .01

4 .031 13.515 .00 .00 .16 .01 .86

5 .014 19.948 .14 .04 .81 .02 .06

6 .010 23.995 .85 .23 .01 .07 .04

a. Dependent Variable: Indeks Prestasi Kumulatif

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 3.2823 3.5371 3.3919 .05205 482

Std. Predicted Value -2.107 2.790 .000 1.000 482

Standard Error of Predicted

.011 .054 .022 .009 482
Value

Adjusted Predicted Value 3.2776 3.5495 3.3919 .05237 482

Residual -1.02545 .50863 .00000 .21345 482

Std. Residual -4.779 2.371 .000 .995 482

Stud. Residual -4.793 2.377 .000 1.001 482

Deleted Residual -1.03124 .51150 .00008 .21616 482

Stud. Deleted Residual -4.907 2.389 .000 1.004 482

Mahal. Distance .381 29.371 4.990 5.087 482

Cook's Distance .000 .040 .002 .004 482

Centered Leverage Value .001 .061 .010 .011 482

a. Dependent Variable: Indeks Prestasi Kumulatif

Charts
 One-Sample Kolmogorov-Smirnov Test

Pendidikan Status Indeks

Jenis Usia Sebelumny Perkawina Prestasi
Kelamin (Tahun) a Pekerjaan n Kumulatif

N 482 482 482 482 482 482

Normal Parametersa Mean 1.16 39.66 6.66 6.41 1.88 3.3919

Std.
.369 7.721 3.233 1.391 .321 .21970
Deviation

Most Extreme Absolute .508 .061 .188 .444 .525 .045

Differences
Positive .508 .051 .151 .336 .359 .045

Negative -.330 -.061 -.188 -.444 -.525 -.040

Kolmogorov-Smirnov Z 11.149 1.343 4.117 9.739 11.531 .988

Asymp. Sig. (2-tailed) .000 .054 .000 .000 .000 .283

a. Test distribution is Normal.

Correlations

Correlations

Indeks
Jenis Usia Pendidikan Status Prestasi
Kelamin (Tahun) Sebelumnya Pekerjaan Perkawinan Kumulatif

Jenis Pearson
1 -.180** .071 -.078 -.227** .189**
Kelamin Correlation

Sig. (2-tailed) .000 .120 .088 .000 .000

N 482 482 482 482 482 482

Usia (Tahun) Pearson

-.180** 1 -.098* .299** .581** -.024
Correlation

Sig. (2-tailed) .000 .032 .000 .000 .607

N 482 482 482 482 482 482

Pendidikan Pearson
.071 -.098* 1 -.144** -.111* .138**
Sebelumnya Correlation

Sig. (2-tailed) .120 .032 .002 .015 .002

N 482 482 482 482 482 482

Pekerjaan Pearson
-.078 .299** -.144** 1 .327** -.020
Correlation

Sig. (2-tailed) .088 .000 .002 .000 .655

N 482 482 482 482 482 482

Status Pearson
-.227** .581** -.111* .327** 1 .010
Perkawinan Correlation

Sig. (2-tailed) .000 .000 .015 .000 .829

N 482 482 482 482 482 482

Indeks Pearson
.189** -.024 .138** -.020 .010 1
Prestasi Correlation
Kumulatif
Sig. (2-tailed) .000 .607 .002 .655 .829

N 482 482 482 482 482 482

**. Correlation is significant at the 0.01 level

(2-tailed).

*. Correlation is significant at the 0.05 level

(2-tailed).

Reliability

Scale: ALL VARIABLES

Case Processing Summary

N %
Cases Valid 482 100.0

Excludeda 0 .0

Total 482 100.0

a. Listwise deletion based on all variables in the

procedure.

Reliability Statistics

Cronbach's Alpha N of Items

.038 6