1.

Seorang guru ingin menguji efektifitas model pembelajaran statistic dengan studi
kasus, maka dilakukan pretest dan posttest dari 21 siswanya, berikut ini data pretest
dan posttest:

No Pre test Post test

1 76 79
2 83 89
3 75 70
4 76 75
5 60 79
6 66 80
7 77 89
8 90 90
9 75 83
10 65 70
11 70 75
12 75 75
13 95 80
14 76 79
15 76 76
16 45 80
17 79 75
18 75 89
19 79 85
20 68 70
21 80 80

a. Uji Normalitas

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
pretest model pembelajaran statsitik .240 21 .003 .910 21 .056
post test model pembelajaran statistik .178 21 .081 .923 21 .098
a. Lilliefors Significance Correction

b. Kesimpulan penelitian:
Berdasarkan jumlah sampel penelitian jumlah responden < 50 responden,
maka uji normalitas yang diambil adalah shapiro wilk (Dahlan, 2014). Dari hasil
uji normalitas menurut Shapiro-Wilk diperoleh nilai significant > 0,05 maka,
sesuai dasar pengambilan keputusan dalam uji normalitas Shapiro-Wilk diatas,
dapat disimpulkan bahwa data berdistribusi normal. Karena data berdistribusi
normal makan dapat dilakukan uji statistic parametik.
2. Seorang mahasiswa mengadakan penelitian untuk mengetahui hubungan motivasi dan
prestasi belajar pada siswa SMA. Sampel yang diambil 13 siswa (data fiktif) dengan
tarif signifikasi 5% (0,05). Dari sampel penelitian diperoleh data sebagai berikut:

No Motivasi Belajar (X) Prestasi Belajar (Y)

1 550 90
2 575 75
3 450 75
4 470 65
5 575 70
6 555 65
7 575 85
8 570 75

a) Hipotesis
Ho : Tidak ada hubungan motivasi belajar dengan prestasi belajar siswa SMA
H1 : Ada hubungan antara motivasi belajar dengan prestasi belajar siswa SMA.
b) Menentukan taraf signifikan
Nilai α : 0,05

Hasil Uji Statistik

Correlations
Motivasi belajar Prestasi belajar
Pearson Correlation 1 .279
Motivasi belajar Sig. (2-tailed) .504
N 8 8
Pearson Correlation .279 1
Prestasi belajar Sig. (2-tailed) .504
N 8 8

A. Melihat signifikan hubungan

Diketahuin nilai signifikan 0,504 > 0,05.
Maka artinya tidak ada hubungan yang signifikan antara motivasi belajar dengan
prestasi belajar siswa SMA.
B. Melihat tingkat kekuatan (keeratan) hubungan
Diperoleh angka koefisien korelasi sebesar 0, 279
Artinya tingkat kekuatan hubungan (korelasi) antara motivasi belajar dengan prestasi
belajar adalah 0,279 atau rendah.

C. Kesimpulan
Ho diterima dan H1 ditolak, berarti tidak ada hubungan antara motivasi belajar dengan
prestasi belajar siswa SMA. Maka motivasi belajar tidak berpengaruh terhadap
prestasi belajar siswa SMA.
3. Seorang mahasiswa bernama joko melakukan penelitian untuk mengetahui hubungan
antara kecemasana dengan optimisme pada remaja. Data (fiktif) dengan taraf
signifikasi 5% skor total yang didapat ditabulasikan sebagai berikut:

No Kecemasan (X) Optimisme (Y)

1 90 124
2 88 137
3 96 120
4 95 128
5 96 124
6 94 133
7 91 138
8 96 126
9 95 132
10 90 140
11 85 143
12 91 124
13 87 131
14 90 119
15 85 135
16 83 141
17 86 137
18 91 134
19 86 138
20 83 141

A. Variabel Enter/removed

Variables Entered/Removeda

Model Variables Entered Variables Removed Method

b
1 kecemasan . Enter

a. Dependent Variable: optimisme

b. All requested variables entered.

Dalam hal ini variabel yang dimasukkan adalah variabel kecemasan sebagai
variabel independent dan optimismes sebagai variable dependen dan metode yang
digunakan adalah metode linear
B. Nilai korelasi dan nilai determinasi

Model Summary

Model R R Square Adjusted R Std. Error of the

Square Estimate
a
1 .675 .456 .425 5.6082

a. Predictors: (Constant), kecemasan

Tabel diatas menjelaskan besarnya nilai korelasi hitungan ( R ) yaitu sebesar

0,675. Dari output tersebut diperoleh koefisien deteminasi (R Square) sebesar 0,456,
yang mengandung pengertian bahwa penagaruh variabel bebas kecemasan terhadap
variabel terikat optimisme adalah sebesar 45,6%
C. Anova
ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 473.613 1 473.613 15.058 .001b

1 Residual 566.137 18 31.452

Total 1039.750 19

a. Dependent Variable: optimisme

b. Predictors: (Constant), kecemasan

Dari output diatas diketahui bahwa nilai F hitung = 15,058 dengan tingkat
nilai signifikansi sebesar 0,001 < 0,05. Maka model regresi linear dapat dipakai
untuk memprediksi variabel kecemasan atau kata lain ada hubungan variabel
kecemasan (X) terhadap variabel optimisme (Y)
D. Cooficients

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 233.989 26.248 8.915 .000

1
kecemasan -1.132 .292 -.675 -3.880 .001

a. Dependent Variable: optimisme

1) Membuat Persamaan regresi linear

Output bagian keempat (Coefficient) diketahui nilai costant (a) sebesar
233,989, sedangkan nilai kecemasan (b/ keofisien regresi ) sebesar -1,132
sehingga persamaan regresinya dapat ditulis X
 a = angka Kostansta dri Unstandardized Coefficients. Dalam kasus ini nilainya
sebesar 233,989 angka ini merupakan angka konstanta yang mempunyai arti
bahwa jika tidak ada kecemasan (X) maka nilai konsistensi optimisme (Y)
adalah sebesar 233,989
b = Koefisien regresi nilainya sebesar -1,132 angka ini mngandung arti bahwa
setiap penambahan 1 % nilai kecemasan (X) maka nilai optimisme akan
meningkat sebesar -1,132.

Karena nilai cooficient regresi bernilai minus (-). Maka dengan demikian
dapat dikatakan bahwa kecemasan (X) berpengaruh negative terhadap optimisme
(Y), sehingga persamaan regrsi linearnya adalah Y= 233,989 -1,131

2) Pengambilan keputusan pada regresi linear sederhana

H1 : Jika nilai signifikansi < 0,05 mengandung arti bahwa ada pengaruh
kecemasan (X) terhadap optimisme (Y)
Ho : Jika nilai signifikansi < 0,05 mengandung arti bahwa tidak ada pengaruh
kecemasan (X) terhadap optimisme (Y)

1. Berdasarkan nilai signifikansi dari tabel coefficiants diperoleh nilai

signifikansi sebessr 0,001 < 0,05, sehingga dapat disimpulkan bahwa
variabel kecemasan (X) berpengaruh terhadap variabel optimisme (Y).
2. Berdasarkan nilai t diketahui nilai t hitung sebesar -3,880 > t tabel 2,101
sehingga dapat disimpulkan bahwa ho ditolak dan Ha diterima “variabel
kecemasan (X) berpengaruh terhadap variabel optimisme (Y)”.
Catatan cara mencari t tabel:
T tabel : (a/2 : n-k-1)
: ( 0,05/2 ; 20-1-1)
: (0.025 ; 18) (lihat distrbusi nilai t tabel)
: 2,101