BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

A. Deskripsi Data Penelitian

Dalam deskripsi data penelitian ini akan dikemukakan berbagai hasil

penelitian dari data yang diperoleh, yang meliputi : skor tinggi, skor terendah,

rerata (mean), modus, median, ragam/varians dan simpangan baku/standar

deviasi.

Dalam pengolahan data yang diperoleh, peneliti melakukan

pengolahan data dengan bantuan SPSS dengan hasil sebagai berikut.

1. Deskripsi Data Kecemasan belajar siswa

Berdasarkan perhitungan dengan bantuan SPSS diperoleh hasil

pengolahan data sebagai berikut.

Tabel 4.1 Statistik Deskriptif Kecemasan belajar siswa

Statistics
KECEMASAN BELAJAR
N Valid 90
Missing 0
Mean 87.26
Median 86.50
Mode 82
Std. Deviation 10.269
Skewness -.370
Std. Error of Skewness .254
Kurtosis 1.440
Std. Error of Kurtosis .503
Range 61
Minimum 50
Maximum 111

56
 57

Selanjutnya melihat gambar histogram dari skor kecemasan

belajar siswa (X1) sebagai berikut.

Gambar 4.1.Histogram Kecemasan belajar siswa

Histogram merupakan gambaran dalam bentuk batang yang

menunjukkan frekuensi dari masing-masing data. Poligon menunjukan

bentuk mendekati kurva normal, Hal ini menunjukkan bahwa data yang

diperoleh dalam penelitian ini berdistribusi normal, karena bentuk dari

kurva mendekati bentuk kurva normal.

2. Deskripsi Data Penguasaan konsep matematika siswa

Berdasarkan perhitungan dengan bantuan SPSS diperoleh hasil

pengolahan data sebagai berikut.

 58

Tabel 4.2 Statistik Deskriptif Penguasaan konsep matematika siswa

PENGUASAAN
KONSEP
MATEMATIKA
N Valid 90
Missing 0
Mean 14.73
Median 15.00
Mode 14a
Std. Deviation 4.709
Skewness -.264
Std. Error of Skewness .254
Kurtosis -.732
Std. Error of Kurtosis .503
Range 18
Minimum 5
Maximum 23

Selanjutnya melihat gambar histogram dari skor penguasaan

konsep matematika siswa sebagai berikut.

Gambar.4.2. Histogram Penguasaan konsep matematika siswa

Histogram merupakan gambaran dalam bentuk batang yang

menunjukkan frekuensi dari masing-masing data. Poligon menunjukan

bentuk mendekati kurva normal, hal ini menunjukkan bahwa data yang
 59

diperoleh dalam penelitian ini berdistribusi normal, karena bentuk dari

kurva mendekati bentuk kurva normal.

3. Deskrispi Data Kemampuan pemecahan masalah matematika siswa

Berdasarkan perhitungan dengan bantuan SPSS diperoleh hasil

pegolahan data sebagai berikut.

Tabel 4.3 Statistik Deskriptif Kemampuan pemecahan masalah

matematika siswa

KEMAMPUAN
PEMECAHAN
MASALAH
MATEMATIKA
N Valid 90
Missing 0
Mean 14.13
Median 14.00
Mode 14
Std. Deviation 4.741
Skewness .218
Std. Error of Skewness .254
Kurtosis -.610
Std. Error of Kurtosis .503
Range 20
Minimum 5
Maximum 25

Selanjutnya melihat gambar histogram dari skor Kemampuan

pemecahan masalah matematika siswa sebagai berikut.

 60

Gambar. 4.3.Histogram Kemampuan Pemecahan Masalah

Matematika

Histogram merupakan gambaran dalam bentuk batang yang

menunjukkan frekuensi dari masing-masing data. Poligon menunjukan

bentuk mendekati kurva normal. Hal ini menunjukkan bahwa data yang

diperoleh dalam penelitian ini berdistribusi normal, karena bentuk dari

kurva mendekati bentuk kurva normal.

B. Uji Persyaratan Analisis

1. Uji Normalitas Data

Guna menguji normalitas data masing-masing variabel, maka

hipotesis yang digunakan adalah :

Hipotesis

H0 : Data berdistribusi normal

H1 : Data tidak berdistribusi normal

Kriteria Pengujian hipotensis :

 61

1) Terima H1 dan tolak H0, jika nilai probabilitas p< 0,05 berdasarkan

pengujian dengan menggunakan Kolmogorof-Smirnov pada SPSS.

2) Tolak H1 dan terima H0, jika nilai probabilitas p> 0,05 berdasarkan

pengujian dengan menggunakan Kolmogorof-Smirnof pada SPSS

Uji normalitas dilakukan untuk mengetahui apakah data yang

diperoleh peneliti berasal dari populasi berdistribusi normal atau tidak.Hal ini

dilakukan sebagai syarat jika pengujian dilakukan dengan menggunakan

statistik parametik.

Dalam melakukan uji normalitas peneliti menggunakan SPSS sebagai

alat bantu. Dalam hal ini peneliti melakukan pengujian dengan menggunakan

Kolmogorov-Smirnov.

a. Kecemasan belajar siswa

Hasil pengujian dengan menggunakan SPSS diperoleh :

Tabel 4.4 Tabel Uji Normalitas Kecemasan belajar siswa

One-Sample Kolmogorov-Smirnov Test

KECEMASAN
BELAJAR
N 90
Normal Parametersa,b Mean 87.26
Std. Deviation 10.269
Most Extreme Differences Absolute .070
Positive .056
Negative -.070
Test Statistic .070
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
 62

Dalam menginterprestasikan data hasil uji normalitas kita lihat

kolom Kecemasan belajar siswa, terdapat nilai Kolmogorov-Smirnov =

0,70 dengan probabilitas 0,200 (Asymp.Sig.(2-tailed)).

Persyaratan data berdistribusi normal jika probabilitas atau

p>0,05 pada uji normalitas dengan Kolmogorov-Smirnov. Oleh karena

nilai p = 0,200 atau p>0 ,05, maka H0 diterima dan H1 ditolak. Artinya

data kecemasan belajar siswa berasal dari populasi yang berdistribusi

normal.

b. Penguasaan konsep matematika siswa

Hasil pengujian dengan menggunakan SPSS diperoleh hasil

sebagai berikut :

Tabel 4.5 Tabel Uji Normalitas Penguasaan Konsep Matematika

One-Sample Kolmogorov-Smirnov Test

PENGUASAAN
KONSEP
MATEMATIKA
N 90
Normal Parametersa,b Mean 14.73
Std. Deviation 4.709
Most Extreme Differences Absolute .083
Positive .054
Negative -.083
Test Statistic .083
Asymp. Sig. (2-tailed) .174c

Dalam menginterprestasikan data hasil uji normalitas kita lihat

kolom Penguasaan konsep matematika siswa, terdapat nilai

Kolmogorov-Smirnov =0,083 dengan probabilitas 0,174

(Asymp.Sig.(2-tailed)).
 63

Persyaratan data berdistribusi normal jika probabilitas atau

p>0,05 pada uji normalitas dengan Kolmogorov-Smirnov. Oleh

karena nilai p = 0,174 atau p > 0 ,05, maka H0 diterima dan H1

ditolak. Artinya data penguasaan konsep matematika siswa berasal

dari populasi yang berdistribusi normal.

c. Kemampuan pemecahan masalah matematika siswa

Dengan bantuan SPSS diperoleh hasil pengujian normalitas

sebagai berikut :

Tabel 4.6 Tabel Normalitas Data Kemampuan pemecahan

masalah matematika siswa

One-Sample Kolmogorov-Smirnov Test

KEMAMPUAN
PEMECAHAN
MASALAH
MATEMATIKA
N 90
Normal Parametersa,b Mean 14.13
Std. Deviation 4.741
Most Extreme Differences Absolute .089
Positive .089
Negative -.050
Test Statistic .089
Asymp. Sig. (2-tailed) .075c

Dalam menginterprestasikan data hasil uji normalitas kita lihat

kolom Kemampuan pemecahan masalah matematika siswa, terdapat

nilai Kosmogorov-Smirnov = 0.089 dengan probabilitas 0,075

(Asymp.Sig.(2-tailed)).

Persyaratan data berdistribusi normal jika probabilitas atau

p > 0,05 pada uji normalitas dengan Kolmogorov-Smirnov. Oleh

karena nilai p = 0,075 atau p > 0 ,05, maka H0 diterima dan H1

 64

ditolak. Artinya data tentang Kemampuan pemecahan masalah

matematika siswa berasal dari populasi yang berdistribusi normal.

Berdasarkan ketiga uji yang dilakukan di atas maka dapat

disimpulkan bahwa data semua varibel berasal dari populasi yang

berdistribusi normal. Dengan demikian memenuhi syarat uji analisis

parametrik.

2. Uji Linearitas

Uji linear dilakukan untuk mengetahui, membuktikan bahwa

hubungan antar variabel yang diteliti memiliki hubungan antar linear.

Dalam melakukan uji linear regresi antar variabel, peneliti melakukan

analisis regresi dengan bantuan SPSS dengan hasil sebagai berikut :

a. Uji linearitas Hubungan Kecemasan belajar siswa (X1) dengan

Penguasaan konsep matematika siswa ( X2)

Hipotesis :

H0 : Ŷ = a + bX (regresi bersifat linear)

H1 : Ŷ ≠ a + bX (regresi bersifat tidak linear)

Untuk mengetahui linearitas hubungan antar variabel

kecemasan belajar siswa dengan variabelpenguasaan konsep

matematika siswa dilakukan dengan menggunakan SPSS. Dengan

kriteria jika nilai probabilitas p > 0,05 maka H0 diterima dan H1

ditolak artinya model regresi bersifat linear.

Dari pengujian dengan menggunakan SPSS diperoleh hasil

sebgai berikut :
 65

Tabel 4.7 Uji Linearitas Hubungan Kecemasan belajar siswa

dengan Penguasaan konsep matematika siswa
ANOVA Table
F Sig.
PENGUASAAN (Combined) 6.952 .000
KONSEP Between Linearity 189.504 .000
MATEMATIKA * Groups Deviation from
KECEMASAN 1.583 .064
Linearity
BELAJAR
Within Groups
Total

Pada ANOVA Tabel di atas, yaitu dibagian Deviation from

Linierity menunjukkan hubungan antara kecemasan belajar siswa

dengan penguasaan konsep matematika siswa menghasilkan nilai F =

1,583 dengan nilai probabilitas (kolom Sig) p = 0,064.

Karena nilai signifikasi p = 0,064 > 0,05, maka dengan

demikian dapat disimpulkan H0 diterima dan H1 ditolak dan model

regresi bersifat linear.

b. Uji Linearitas Kecemasan belajar siswa (X1) terhadap Kemampuan

pemecahan masalah matematika siswa (X3)

Hipotesis :

H0 : Ŷ = a + bX (regresi bersifat linear)

H1 : Ŷ ≠ a + bX (regresi bersifat tidak linear)

Untuk mengetahui linear hubungan antara

variabelPenguasaan konsep matematika siswa dengan Variabel

Kemampuan pemecahan masalah matematika siswa dilakukan

dengan menggunakan SPSS. Dengan kriteria jika nilai probabilitas

(p) > 0,05 maka model regresi bersifat linear.

 66

Dari pengujian dengan menggunakan SPSS diperoleh hasil

sebagai beriku :

Tabel 4.8 Uji Linearitas Hubungan Kecemasan belajar siswa

dengan
Kemampuan pemecahan masalah matematika siswa
ANOVA Table
F Sig.
KEMAMPUAN (Combined) 8.392 .000
PEMECAHAN Between Groups Linearity 232.891 .000
MASALAH Deviation from Linearity 1.789 .027
MATEMATIKA *
Within Groups
KECEMASAN
BELAJAR Total

Pada ANOVA Tabel di atas, yaitu dibagian Deviation from

Linierity menunjukkan hubungan antara kecemasan belajar siswa

dengan kemampuan pemecahan masalah matematika siswa

menghasilkan nilai F = 1,789 dengan nilai probabilitas (kolom Sig) p

= 0,027.

Karena nilai signifikasi p = 0,027 < 0,05 maka dengan

demikian dapat disimpulkan H0 ditolak dan H1 diterima dan dapat

disimpulkan bahwa model regresi bersifat tidak linear.

c. Uji Linearitas Hubungan Variabel Penguasaan konsep matematika

siswa (X2) terhadap Kemampuan pemecahan masalah matematika

siswa (X3)

Hipotesis :

H0 : Ŷ = a + bX (regresi bersifat linear)

H1 : Ŷ ≠ a + bX (regresi bersifat tidak linear)

 67

Untuk mengetahui linear hubungan antara

variabelPenguasaan konsep matematika siswa dengan variabel

Kemampuan pemecahan masalah matematika siswa dilakukan

dengan menggunakan SPSS. Dengan kriteria jika nilai probabilitas

(p) > 0,05 maka model regresi bersifat linear.

Dari pengujian dengan menggunakan SPSS diperoleh hasil

sebagai berikut :

Tabel 4.9 Uji Linearitas Hubungan Penguasaan konsep

matematika siswa (X2) terhadap Kemampuan pemecahan
masalah matematika siswa (X3)
ANOVA Table
F Sig.
KEMAMPUAN Between Groups (Combined) 6.371 .000
PEMECAHAN MASALAH Linearity 87.273 .000
MATEMATIKA * Deviation from Linearity 1.612 .084
PENGUASAAN KONSEP
Within Groups
MATEMATIKA
Total

Pada ANOVA Tabel di atas, yaitu dibagian Deviation from

Linierity menunjukkan hubungan antara penguasaan konsep

matematika siswa dengan kemampuan pemecahan masalah

matematika siswa menghasilkan nilai F = 1,612 dengan nilai

probabilitas (kolom sig) p = 0,084.

Karena nilai signifikasi p = 0,084 > 0,05 maka dengan

demikian H0 diterima dan H1 ditolak dan dapat disimpulkan bahwa

model regresi bersifat linear.

 68

3. Pengujian Kolinieritas

Untuk mendeteksi apakah model regresi kita mengalami

kolinieritas, dapat diperiksa menggunakan VIF.VIF merupakan singkatan

dari Variance Inflation Factor.

Hipotesis :

H0 : Terjadi kolinieritas antara variabel bebas

H1 : Tidak terjadi kolineritas antara variabel bebas

Suatu model regresi dikatakan bebas dari kolineritas, jika :

a. Mempunyai nilai VIF di sekitar angka 1

b. Mempunyai angka tolerance mendekati angka 1

Dengan menggunakan SPSS diperoleh hasil sebagai berikut :

Tabel 4.10 Uji Kolinieritas

Coefficientsa
Collinearity Statistics
Model Tolerance VIF
1 (Constant)
KECEMASAN BELAJAR .363 2.757
PENGUASAAN KONSEP
.363 2.757
MATEMATIKA

Berdasarkan hasil pengujian di atas diperoleh nilai Tolerance

0,363 di sekitaran angka 1 dan angka VIF 2,757 mendekati angka 1.

Maka terdapat dugaan bebas dari adanya kolinieritas antara variabel

kecemasan belajar siswa dengan variabel penguasaan konsep matematika

siswa.
 69

C. Pengujian Hipotesis Penelitian

Untuk melukiskan dan menguji hubungan antara variabel penelitian,

peneliti dalam hal ini menggunakan Analisis Jalur (Path Analysis). Untuk

hal tersebut peneliti menyusun model hubungan antar variabel berdasarkan

kerangka berfikir yang dikembangkan.

Untuk keperluan tesebut peneliti menyusun diagram jalur sebagai

berikut

X1
r13 dan p31

r12 = p21 X3

r23 dan p32

X2

Gambar 4.4 Diagram Analisis Jalur

Dari diagram jalur diatas, dapat diidentifikasi menjadi 2 buah model

struktural, yang perlu dianalisis, yaitu struktur 1 dan struktur 2, seperti
berikut :

X1 X1

X3

X2 X2
(a) Struktur 1 (b) Struktur 2

Gambar 4.5 Diagram Struktur 1 dan Struktur 2

 70

Pengujian Hipotesis :

a. Analisis Korelasi

Analisis Korelasi digunakan untuk mencari koefisien korelasi,

yang selanjutnya koefisien korelaasi tersebut akan digunakan untuk

menentukan koefisien jalur. Dalam melakukan analisis korelasi, peneliti

menggunakan SPSS sebagai alat bantu dengan hasil sebagai berikut :

Tabel 4.11 Koefesien Korelasi

Correlations
KEMAMPUAN
PEMECAHAN PENGUASAAN
MASALAH KECEMASAN KONSEP
MATEMATIKA BELAJAR MATEMATIKA
Pearson Correlation KEMAMPUAN
PEMECAHAN MASALAH 1.000 -.818 .686
MATEMATIKA
KECEMASAN BELAJAR -.818 1.000 -.798
PENGUASAAN KONSEP
.686 -.798 1.000
MATEMATIKA
Sig. (1-tailed) KEMAMPUAN
PEMECAHAN MASALAH . .000 .000
MATEMATIKA
KECEMASAN BELAJAR .000 . .000
PENGUASAAN KONSEP
.000 .000 .
MATEMATIKA
N KEMAMPUAN
PEMECAHAN MASALAH 90 90 90
MATEMATIKA
KECEMASAN BELAJAR 90 90 90
PENGUASAAN KONSEP
90 90 90
MATEMATIKA

Tabel. 4.12 Rangkuman Hasil Analisis Korelasi (Koefisien Korelasi)

Hubungan Antar Variabel Korelasi Nilai

Kecemasan belajar siswa dengan kemampuan
r13 -0,818
pemecahan masalah
Penguasaan konsep matematika siswa dengan
r23 0,686
Kemampuan pemecahan masalah matematika siswa
Kecemasan belajar siswa dengan Penguasaan konsep
r12 -0,798
matematika siswa
 71

b. Menentukan Koefisien Jalur Berdasarkan Koefisien Korelasi

Untuk menentukan koefisien jalur berdasarkan koefisien

korelasi menggunakan rumus di bawah ini :

r12 = p21

r13 = p31 + p32.r12

r23 = p31.r12 + p32

Maka diperoleh :

p21 = -0,798

r13 = p31 + p32(-0,798)

r23 = p31(-0,798) + p32

Dengan eliminasi diperoleh :

-0,818 = p31 + p32(-0,798) |  0,798 |

0,686 = p31(-0,798) + p32 |  1 |

-0,653 = p31(0,798) + p32(-0,637)

0,686 = p31(-0,798) + p32 +

0,033 = p32(0,363)

p32 = 0,033/ 0,363, maka p32 = 0,091

r13 = p31 + p32(-0,798)

 -0,818 = p31 + (0,091)(-0,798)

 -0,818 = p31 + (-0,073)

 p31 = -0,818 + 0,073 = -0,745

Maka diperoleh koefisien jalur sebagai berikut :

p21 = -0,798; p31= -0,745; dan p32= 0,091

 72

Sedangkan jika diterapkan dengan menggunakan SPSS, maka dilihat

pada tabel berikut :

Tabel 4.12 Koefisien Jalur p21coefficientsa

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -1.631E-15 .064 .000 1.000
Zscore: KECEMASAN
-.798 .064 -.798 -12.436 .000
BELAJAR
a. Dependent Variable: Zscore: PENGUASAAN KONSEP MATEMATIKA

Tabel 4.13 Koefisien Jalur p31 dan p32coefficientsa

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -8.546E-16 .061 .000 1.000
Zscore: KECEMASAN
.089 .102 .089 .872 .386
BELAJAR
Zscore: PENGUASAAN
-.748 .102 -.748 -7.339 .000
KONSEP MATEMATIKA
a. Dependent Variable: Zscore: KEMAMPUAN PEMECAHAN MASALAH
MATEMATIKA

c. Memasukan angka-angka koefisien korelasi dan koefisienjalur kedalam

Model Analisis Jalur

X1
r13 = -0,818 (p31 = -0,748)

r12 = -0,798 (p21 = -0,798)

X3

r23 = 0,686 (p32 = 0,089)

X2

Gambar 4.6 Diagram Koefisien Korelasi dan Koefisien Jalur

 73

Keterangan :

Angka di luar kurung adalah koefisien korelasi dan angka di dalam kurung

adalah koefisien jalur.

D. Pengujian Keberartian Koefisien Analisis Jalur

Berdasarkan perhitungan yang didasarkan oleh koefisien korelasi

diperoleh koefisien jalur, koefisien jalur menunjukkan kuatnya pengaruh

variabel independen terhadap variabel dependen. Jika koefisien jalur rendah di

bawah 0,05 maka jalur tersebut dianggap tidak signifikasi dan dapat

dihilangkan (Sujana, 2008:302).

Dari perhitungan yang didapat dimasukan ke dalam diagram jalur

sebagai berikut :

X1
. 0,818 (-0,748)

-0,798 (-0,798) X3

0,686 (0,089)
X2

Gambar 4.7 Diagram Koefisien Korelasi dan Koefisien Jalur

Keterangan :

Angka diluar kurung adalah koefisien korelasi dan angka didalam kurung

adalah koefisieb jalur.

 74

Dari koefisien jalur yang diperoleh angka yang signifikasi (di atas

0,05). Hal ini membuktikan bahwa diagram jalur yang disusun dapat diterima,

hal ini membuktikan bahwa :

1. Terdapat pengaruh langsung X1 terhadap X3 dan juga pengaruh tidak

langsung X1 terhadap X3 melalui X2

2. Terdapat pengaruh langsung X1 terhadap x2

3. Terdapat pengaruh langsung X2 terhadap X3

1. Pengujian Hipotesis Kesatu

H0 : Tidak terdapat pengaruh langsung kecemasan belajar siswa (X1)

terhadap Kemampuan pemecahan masalah matematika siswa (X3)

H1: Terdapat pengaruh langsung kecemasan belajar siswa (X1) terhadap

Kemampuan pemecahan masalah matematika siswa (X3)

Berdasarkan analisis jalur diketahui bahwa koefisien jalur

variabel kecemasan belajar siswa terhadap kemampuan pemecahan

masalah matematika siswa Siswa p31 = b31= -0,748. Dengan

menggunakan SPSS, dapat dilihat pada Tabel 4.13.

Untuk α = 0,05 dan dk = n – k – 1 = 90 – 2 – 1 =87 pada uji dua

pihak diperoleh nilai thitung (th) = |-7,339| = 7,339 dengan signifikan

(kolom Sig.) = 0,000. Karena nilai Sig. < 0,05, maka H0 ditolak atau H1

diterima, sehingga disimpulkan terdapat pengaruh langsung yang

signifikan Kecemasan belajar siswa terhadap Kemampuan pemecahan

masalah matematika siswa.

 75

2. Pengujian Hipotesis Kedua

H0 = Tidak terdapat pengaruh langsung penguasaan konsep matematika

(X2) terdapat Kemampuan pemecahan masalah matematika siswa

(X3).

H1 = Terdapat pengaruh langsung penguasaan konsep matematika (X2)

terdapat Kemampuan pemecahan masalah matematika siswa (X3)

Berdasarkan analisis jalur diketahui bahwa koefisien jalur

variabel penguasaan konsep matematika terhadap kemampuan

pemecahan masalah matematika siswa Siswa p32 = b32 = 0,089. Dari data

mentah dengan bantuan SPSS diperoleh data seperti pada tabel 4.13.

Untuk α = 0,05 dan dk = n – k – 1 = 90 – 2 – 1 = 87 pada uji dua

pihak diperoleh nilai thitung (th)= 0,872 dengan signifikan (kolom Sig.) =

0.386. Karena nilai Sig. > 0,05, H1 ditolak atau H0 diterima, sehingga

disimpulkan terdapat pengaruh langsung yang tidak signifikan

penguasaan konsep matematika siswa terhadap kemampuan

pemecahan masalah matematika siswa.

3. Pengujian Hipotesis Ketiga

H0 = Tidak terdapat pengaruh langsung kecemasan belajar siswa (X1)

terdapat penguasaan konsep matematika siswa siswa (X2).

H1 = Terdapat pengaruh langsung kecemasan belajar siswa (X1)

terdapat penguasaan konsep matematika siswa siswa (X2).

Berdasarkan analisis jalur diketahui bahwa koefisien jalur

variabel kecemasan belajar siswa (X1) terhadap Penguasaan konsep

 76

matematika siswa(X2) adalah p21 = b21 = -0,798. Dari data mentah

dengan bantuan SPSS, dapat dilihat dari Tabel 4.13.

Untuk α = 0,05 dan dk = n – k – 1 = 90 – 2 – 1 =87 pada uji dua

pihak diperoleh nilai thitung (th) = -12,436 dengan signifikan (kolom Sig.)

= 0,000. Karena nilai Sig. < 0,05, maka H1 diterima dan H0 ditolak

disimpulkan terdapat pengaruh langsung yang signifikan kecemasan

belajar siswa terhadap Penguasaan konsep matematika siswa Siswa.

4. Pengujian Hipotesis Keempat

H0 = Tidak terdapat pengaruh tidak langsung kecemasan belajar siswa

terhadap kemampuan pemecahan masalah matematika siswa

melalui penguasaan konsep matematika siswa siswa.

H1 = Terdapat pengaruh tidak langsung kecemasan belajar siswa

terhadap kemampuan pemecahan masalah matematika siswa

melalui penguasaan konsep matematika siswa siswa.

Berdasarkan analisis jalur diketahui bahwa koefisien jalur

variabel kecemasan belajar siswa terhadap prestasi belajar Matematika

melalui kemandirian belajar p123 = p21 x p32= (-0,798)  (0,089) = -0,071.

Jika dibandingkan dengan nilai p31 maka nilai p123 = -0,071 > p31 = -

0,748. Hal ini mengintreprestasikan bahwa variabel intervening

berpengaruh secara signifikan terhadap kemampuan pemecahan masalah

matematika.

Dari data mentah dan dari perhitungan dengan bantuan SPSS 22

dan excel diperoleh :

 77

(n21  1) S 212  (n32  1) S 32 2

Sg 
(n21  n32  2)

√(90−1)(0,064)2 +(90−1)(0,102)2
Sg= (90+90−2)

√(89𝑥0,004) +(89𝑥0,0104)
Sg= 178

0,364+0,926
Sg= √ 178

1,29
Sg=√ 178

Sg = √0,007

Sg = 0,084

Maka diperoleh nilai th (Supardi, 2013 : 304), sebagai berikut.

P321
th 
Sg

0,597
th= 0,084

th= 7,107

Untuk α = 0,05 dan dk = n – k – 1 = 90 – 2 – 1 = 87 pada uji dua pihak

diperoleh nilai ttabel = tt = 1,988.

Karena nilai th = 7,107 > tt = 1,988 maka H1 diterima atau H0

ditolak dan dapat disimpulkan bahawa terdapat pengaruh tidak

langsung yang signifikan Kecemasan belajar siswa terhadap

kemampuan pemecahan masalah matematika siswa melalui

Penguasaan konsep matematika siswa Siswa.

 78

E. Interpretasi Hasil Penelitian

1. Pengaruh Langsung Kecemasan belajar siswa terhadap

Kemampuan pemecahan masalah matematika siswa

Temuan penelitian membuktikan bahwa kecemasan belajar siswa

yang diukur oleh kemampuan pemecahan masalah matematika siswa

memiliki korelasi yang signifikan dan berpengaruh langsung dengan kuat

(signifikansi lebih besar dari 0,05) terhadap kemampuan pemecahan

masalah matematika siswa.

Besarnya pengaruh langsung kecemasan belajar siswa terhadap

kemampuan pemecahan masalah matematika siswa adalah KD (R-

Square) = (p31)2 100% = (-0,748)2 100% = 55,95%, sedangkan sisanya

sebesar 44,05 % dipengaruhi oleh faktor-faktor lain di luar kecemasan

belajar siswa.

Berdasarkan temuan penelitian telah dibuktikan bahwa terdapat

pengaruh langsung kecemasan belajar siswa terhadap kemampuan

pemecahan masalah matematika siswa kelas XII SMA Negeri di

Kecamatan Rangkasbitung, Kabupaten Lebak.

2. Pengaruh Langsung Penguasaan konsep matematika siswa terhadap

Kemampuan pemecahan masalah matematika siswa

Temuan dalam penelitian ini menunjukkan bahwa tidak terdapat

korelasi yang cukup signifikan penguasaan konsep matematika siswa

terhadap kemampuan pemecahan masalah matematika siswa. Hal ini

 79

ditunjukkan oleh angka koefisien korelasi sebesar 0,686 dan Sig. sebesar

0,000 (lebih kecil dari 0,05) pada analisis korelasi.

Pengaruh langsung dan signifikan penguasaan konsep matematika

siswa terhadap kemampuan pemecahan masalah matematika siswa

ditunjukkan dengan adanya hasil angka koefisien jalur (p32) sebesar

0,089 dengan signifikansi (Sig.) sebesar 0,872 (lebih besar dari 0,05),

yang menunjukan bahwa adanya pengaruh langsung secara tidak

signifikan antara penguasaan konsep matematika siswa terhadap

kemampuan pemecahan masalah matematika siswa. Hal tersebut terlihat

pada besarnya pengaruh langsung penguasaan konsep matematika siswa

terhadap kemampuan pemecahan masalah matematika siswa adalah

sebesar = (p32)2 100% = (0,089)2 100% = 0,79%, sedangkan sisanya

sebesar 99,21% dipengaruhi oleh faktor-faktor lain di luar penguasaan

konsep matematika siswa.

Berdasarkan temuan penelitian telah dibuktikan bahwa tidak

terdapat pengaruh langsung penguasaan konsep matematika siswa

terhadap kemampuan pemecahan masalah matematika siswa kelas XII

SMA Negeri di Kecamatan Rangkasbitung, Kabupaten Lebak.

3. Pengaruh Langsung Kecemasan belajar siswa terhadap Penguasaan

konsep matematika siswa Siswa

Temuan penelitian menunjukkan bahwa terdapat korelasi yang

signifikan antara kecemasan belajar siswa dengan penguasaan konsep

 80

matematika siswa siswa. Hal ini ditunjukkan oleh nilai koefisien korelasi

sebesar -0,798 dan Sig. = 0,000 pada analisis korelasi.

Terdapat pengaruh langsung dan signifikan kecemasan belajar

siswa dengan penguasaan konsep matematika siswa siswa. Hal ini

ditunjukkan oleh nilai koefisien jalur (p21) sebesar -0,798 dan Sig. =

0,000. Besarnya pengaruh langsung penguasaan konsep matematika

siswa terhadap minat belajar adalah sebesar = (p21)2 100% = (-

0,798)2100% = 63,68%, sedangkan sisanya sebesar 36,32% dipengaruhi

oleh faktor lainnya.

Berdasarkan temuan penelitian dapat dibuktikan bahwa terdapat

pengaruh langsung kecemasan belajar siswa terhadap penguasaan konsep

matematika siswasiswa kelas XII SMA Negeri di Kecamatan

Rangkasbitung, Kabupaten Lebak.

4. Pengaruh Tidak Langsung Kecemasan belajar siswa terhadap

Kemampuan pemecahan masalah matematika siswa melalui

Penguasaan konsep matematika siswa Siswa

Temuan penelitian menunjukkan bahwa tidak terdapat pengaruh

tidak langsung dan signifikan kecemasan belajar siswa terhadap

kemampuan pemecahan masalah matematika siswa melalui penguasaan

konsep matematika siswa siswa. Hal tersebut ditunjukkan oleh besarnya

pengaruh tidak langsungnya sebesar : (p21)(p32)  100% = (-

 81

0,798)(0,089)100% = -7,1% atau 92,9%. Adapun sisanya sebesar 7,1%

dipengaruhi oleh faktor lainnya.

Berdasarkan temuan ini menunjukkan bahwa kemampuan

pemecahan masalah matematika siswa dapat dilakukan melalui adanya

penguasaan konsep matematika siswa. Apabila dibandingkan dengan

temuan lain dalam penelitian ini, menunjukkan bahwa peningkatan

kemampuan pemecahan masalah matematika siswa oleh kecemasan

belajar siswa melalui penguasaan konsep matematika siswa lebih besar

daripada langsung oleh kecemasan belajar siswa (p321 < p31 = -0,071 > -

0,748).

F. Keterbatasan Penelitian

Dalam penelitian ini, peneliti masih terdapat keterbatasan, baik

konsepsi, metodologi, maupun teknis penelitian.

Berikut adalah keterbatasan secara lebih jelasnya:

1. Secara konseptual, penelitian ini mengenai kemampuan pemecahan

masalah matematika hanya dibatasi oleh variabel, baik yang berpengaruh

langsung, maupun tidak langsung. Kedua variabel tersebut adalah

kecemasan belajar siswa dan penguasaan konsep matematika siswa.

Sebenarnya, kemampuan pemecahan masalah matematika dipengaruhi

oleh banyak faktor, namun karena adanya keterbatasan konseptual, hanya

dua variabel saja yang diteliti, yaitu:kecemasan belajar siswa dan

penguasaan konsep matematika siswa.

 82

2. Selain metode kuantitatif, ada juga metode kualitatif. Suatu penelitian

akan jauh lebih lengkap apabila dilakukan dalam berbagai metode, untuk

saling melengkapi. Namun, dalam penelitian ini dikarenakan adanya

keterbatasan metodologis, hanya dilakukan dengan menggunakan metode

kuantitatif, yaitu menggunakan perhitungan secara statistika terhadap

variabel-variabel yang diteliti. Adapun data yang digunakan dalam

penelitian ini, hanya menggunakan angket dan tes.

3. Secara teknis, proses pengolahan data dan analisis dalam penelitian ini

menggunakan sarana perangkat lunak, yaitu: Program SPSS dan

Microsoft Excel. Dalam pelaksanaannya, penulis sering harus melakukan

pembulatan dalam hasil perhitungan, hal tersebut tentunya mengurangi

derajat ketelitian dalam hasil penelitian. Namun, hal tersebut harus

dilakukan untuk mempermudah analisis, tentunya penulis melakukannya

dengan dasar kaidah atau aturan yang sudah umum atau baku.