Bab 3
Bab 3
METODOLOGI PENELITIAN
B. Metode Penelitian
teknik korelasional. Variabel penelitian ini terdiri dari variabel terikat, yaitu
prestasi belajar siswa pada mata pelajaran Matematika (Y) dan dua variabel
bebas, yaitu Kecerdasan Intelektual (X1) dan Motivasi Belajar siswa (X 2),
31
32
maka model konstelasi hubungan antar variabel dalam penelitian ini adalah
sebagai berikut :
∑
X1
X2
Keterangan :
1. Populasi
“Populasi adalah wilayah generalisasi yang terdiri dari objek dan subjek yang
2. Sampel
jumlah sampel terkecil pantas (bukan ketentuan). Untuk riset deskripsi 10%
anggota sampel dari setiap sekolah yang ada digunakan teknik random.
Sampel
N Jumlah Perhitungan
Nama Sekolah Dibulat
o Siswa Proporsi
kan
1 SMP N 1 Rangkasbitung 352 352/798 x 80 = 35,3 35
2 SMP N 2 Rangkasbitung 256 256/798 x 80 = 25,6 26
3 SMP N 6 Panggarangan 190 190/798 x 80 = 19,0 19
Jumlah 798 80
34
1. Variabel Penelitian
X1 = Kecerdasan intelektual
X2 = Motivasi Belajar
2. Sumber Data
a. Definisi konseptual
memahami ilmu bidang ruang dan dasar ilmu yang bersifat pasti.
b. Definisi operasional
adalah skor/angka yang tertera dari hasil tes intelektual yang dilakukan
pada siswa kelas VIII yang dilakukan oleh lembaga konsultasi psikologi.
Nomor Jumlah
No Aspek
Pertanyaan Pertanyaan
1. Kesadaran diri 1 – 11 11
2. Pengaturan diri 12 – 26 15
3. Turut merasakan (empati) 27 – 37 11
4. Keterampilan social 38 – 40 3
Jumlah 40
n . Σ XY −( ΣX ) (ΣY )
rhitung =
√{nΣ X ²− ( ΣX ) ² }{nΣY ²− ( ΣY ) ² }
keterangan =
r = koefisein korelasi
X = jumlah nilai-nilai X
Y = jumlah nilai-nilai Y
n = banyaknya sampel
Kriteria validitas butir soal adalah jika rhitung lebih besar dari pada
rtabel maka butir soal dianggap valid, sedangkan jika rhitung lebih kecil dari
pada rtabel maka butir soal tidak valid. Pada penelitian ini karena uji coba
37
motivasi belajar siswa ini yang disusun dalam 35 butir pertanyaan yang
39
Nomor Jumlah
No Aspek
Pertanyaan Pertanyaan
1. Dorongan untuk berprestasi 1–9 9
2. Disiplin belajar 10 – 19 10
3. Kesiapan menghadapi kesulitan 20 – 27 8
4. Rasa ingin tahu 28 – 35 8
Jumlah 35
(lima) kategori, yaitu untuk butir pertanyaan yang bermakna positif maka
n . Σ XY −( ΣX ) (ΣY )
rhitung =
√{nΣ X ²− ( ΣX ) ² }{nΣY ²− ( ΣY ) ² }
keterangan =
r = koefisein korelasi
40
X = jumlah nilai-nilai X
Y = jumlah nilai-nilai Y
n = banyaknya sampel
Kriteria validitas butir soal adalah jika rhitung lebih besar dari pada
rtabel maka butir soal dianggap valid, sedangkan jika rhitung lebih kecil dari
pada rtabel maka butir soal tidak valid. Pada penelitian ini karena uji coba
butir, yaitu butir nomor 6, 21, 22, 27 dan 33. Butir pertanyaan yang tidak
valid ini dibuang dan tidak digunakan lagi dalam instrumen untuk
dibandingkan dengan rtabel pada uji satu sisi dengan taraf signifikansi (α)
yang valid. Kriteria reliabilitasnya adalah jika rhitung lebih besar dari pada
rtabel maka instrumen tersebut reliabel. Pada penelitian ini, karena dari
hasil uji coba validitas diperoleh banyaknya butir pertanyaan yang valid
yang berkaitan dengan ilmu murni yang didasarkan pada bahan kajian
Matematika .
b. Definisi Operasional
perwujudan dari hasil skor test, melalui pengukuran yang diperoleh dari
6) Persamaan Kuadrat .
tinggi skor yang didapat maka semakin tinggi pula Hasil belajarnya.
43
yang diberikan oleh guru tentang fungsi dan Grafik fungsi . Semakin
tinggi skor yang didapat maka semakin tinggi pula nilai yang
didapatnya.
tinggi skor yang didapat maka semakin tinggi pula nilai yang
didapatnya.
44
seperti ditampilkan pada table pemberian skor tiap indikator di bawah ini.
No Kompetensi Jumla
. Dasar
Materi Indikator Nomor Butir
h
I. Standar Kompetensi :
Memahami bentuk aljabar, Relasi,Fungsi, dan Persamaan Garis Singgung.
JUMLAH 40 soal
dimana :
X i −X t Pi
Keterangan :
r pbes=
St
.
√ Qi
46
Si = Simpangan baku
instrumen data berkategori soal yang valid 30 dan tidak valid (revisi)
yang dipilih.
47
(Ruseffendi,2003:144), yaitu:
tinggi / reliabel ,
Keterangan:
k : Banyak soal
Qi : 1 – Pi
Pi Q i : Variansi item/butir
S 2t : Variansi total
dibandingkan dengan rtabel pada uji satu sisi dengan taraf signifikansi
lebih besar dari pada r tabel maka instrumen tersebut reliabel. Pada
uji coba reliabilitas instrumen pada Lampiran (2) diperoleh bahwa nilai
daya pembeda Untuk mengetahui bermutu atau tidaknya butir item tes
tersebut. Butir item tes Prestasi belajar dapat dinyatakan sebagai butir
item tes yang baik, apabila butir item tes tersebut tidak terlalu sukar
dan tidak terlalu mudah.. Kelas atas dan kelas bawah ditentukan
kelas atas dan 27% x jumlah peserta didik digolongkan kedalam kelas
B
P=
JS ,
50
Keterangan:
P : Tingkat kesukaran.
adalah : jika p > 0,70 kategori soal mudah, 0,30 < p < 0,70 kategori
sedang ada 36 butir soal dan sukar ada 4 butir soal ( nomor 3, 8,
13 dan 40)
No.
No.
Buti TKS Status TKS Status
Butir
r
1 0.367 Sedang 21 0.367 Sedang
2 0.467 Sedang 22 0.367 Sedang
3 0.167 Sukar 23 0.367 Sedang
4 0.467 Sedang 24 0.367 Sedang
5 0.467 Sedang 25 0.467 Sedang
6 0.300 Sedang 26 0.333 Sedang
7 0.367 Sedang 27 0.467 Sedang
8 0.200 Sukar 28 0.367 Sedang
9 0.333 Sedang 29 0.567 Sedang
10 0.300 Sedang 30 0.333 Sedang
11 0.300 Sedang 31 0.333 Sedang
12 0.467 Sedang 32 0.300 Sedang
13 0.167 Sukar 33 0.300 Sedang
14 0.300 Sedang 34 0.433 Sedang
15 0.467 Sedang 35 0.300 Sedang
16 0.367 Sedang 36 0.467 Sedang
17 0.467 Sedang 37 0.300 Sedang
18 0.400 Sedang 38 0.300 Sedang
51
dalam dua kelas, yaitu: kelas atas yang merupakan testee yang
Suharsimi .2007:212).
S A SB
DP
IA (Arikunto, suharsimi, 2007:213)
Keterangan :
DP :Daya pembeda,
adalah : jika p < 0,20 kategori Batal/ Tolak ( B ) , 0,20 < p < 0,50
nomor 1,2,6,7,9,10,11,12,14,16,17,19,20,22,23,24,25,27,28,29,31,32,
33,35,36,37,38, dan 39
1. Statistik Deskriptif
variabel. Selain itu juga masing-masing variabel akan diolah dan dianalisis
ukuran pemusatan dan letak seperti mean, median, dan modus serta ukuran
kurtosis.
berikut :
rentang
P=
banyak kelas
menentukan ujung bawah (UB) dan ujung atas (UA) setiap interval kelas,
interval.
bawah (TB) dan tepi atas (TA) untuk masing-masing kelas interval.
54
(UA – UB).
Σ Y 1 . fi
Y=
n
b1
Mo =b + p( ¿
b1 +b2
Keterangan :
Mo = Modus
terbanyak
p = panjang kelas
sebelumnya
terdekat sesudahnya
1
n−F
Me = b + p( 2 , di mana :
¿
f
Me = Median
55
n = banyaknya data
pada proses lanjutan analisis statistik, jika data berdistribusi normal, maka
normal jika nilai sig.KS > 0,05. Perhitungan normalitas akan dilakukan
b. Uji Linieritas
56
JK (TC)
2
S k −2
TC
SD = = 2
S JK (E)
E
n−k
2) Jika sig < 0,05 maka garis regresi tersebut tidak linier
koefisien korelasi antara variabel bebas, nilai VIF dan Tolerance, nilai
Eigenvalue, dan condition index, serta nilai standar error koefisien beta atau
1) Jika nilai nilai VIF < 10 atau nilai tolerance > 0,01 maka tidak terjadi
multikolinieritas data.
2) Jika nilai VIF > 10 atau nilai tolerance < 0,01 maka terjadi gejala
multikolinieritas data.
57
d. Uji Heteroskedastisitas
regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak
titik-titik pada scatterplots regresi, hasil olah data di aplikasi SPSS 20.0.
tidaknya distribusi suatu data. Uji normalitas ini penulis berlakukan untuk
nilai Sig. > 0,05. Jika syarat tersebut terpenuhi, maka data berdistribusi
normal.
data layak untuk diolah lebih lanjut, maka langkah berikutnya adalah menguji
menggunakan teknik korelasi partial dan korelasi ganda, serta regresi linier
baik partial maupun ganda akan digunakan bantuan program komputer SPSS
a. Analisis Korelasi
Hasil perhitungan koefisien korelasi ganda bisa dilihat dari out put
program SPSS melalui analisis regresi yaitu pada tabel Model Summaryb.
R2
k
F¿
1−R 2
n−k −1
Keterangan :
b. Analisis Regresi
Hasil perhitungan garis regresi bisa dilihat dari out put program SPSS
Coefficientsa
Unstandardized Standardized
Model Coefficients Coefficients T Sig.
B Std. Error Beta
(Constant)
1 X1
X2
a. Predictors: (Constant), X1, X2
b. Dependent Variabel : Y
Dari tabel di atas maka persamaan garis regresinya adalah :
Ŷ = a0 + a1 x1 + a2 x2
Hasil pengujian signifikansi regresi ganda bisa dilihat dari out put
program SPSS melalui analisa regresi yani pada tabel ANOVA b kolom F
atau Sig.
ANOVAb
Sum of
Model Df Mean Square F Sig.
Squares
1 Regresion
Residual
Total
a. Predictors: (Constant), X1, X2
b. Dependent Variabel : Y
G. Hipotesis Statistik
1. Hipotesis 1
belajar Matematika.
Matematika.
2. Hipotesis 2
3. Hipotesis 3
61
belajar Matematika.