Tugas Akhir
Untuk memenuhi sebagian persyaratan
Mencapai derajat diploma tiga
Oleh:
Juharni
F3A2 13 004
Alhamdulillah puji dan syukur penulis haturkan kehadirat Allah SWT atas
segala rahmat dan karunia-Nya sehingga penyusunan tugas akhir ini berhasil
diselesaikan. Penelitian yang dilaksanakan sejak bulan Maret 2016 ini berjudul
Faktor-faktor yang Mempengaruhi Prestasi Belajar Mahasiswa D3 Statistika
Universitas Halu Oleo. Penulisan tugas akhir ini dimaksudkan untuk melengkapi
persyaratan memperoleh sebutan professional Ahli Madya (A.Md.) pada Program
Diploma 3 Statistika, Program Pendidikan Vokasi (PPV) Universitas Halu Oleo
(UHO).
Penulis menghaturkan terima kasih kepada Bapak Dr. Mukhsar, S.Si., M.Si.
dan Bapak Dr. Gusti Ngurah Adhi Wibawa, S.Si.,M.Si. selaku pembimbing yang
dengan keikhlasan dan kesungguhan telah meluangkan waktu, memberikan arahan,
dan bimbingan hingga selesainya penulisan tugas akhir ini, serta kepada Ibu
Agusrawati, S.Si.,M.Si, Ibu Irma Yahya, S.Si.,M.Si, dan Bapak Dr. Makkulau,
S.Si.,M.Si., yang telah banyak memberikan saran. Penghargaan juga penulis
sampaikan kepada Bapak Muslim yang telah banyak membantu. Ungkapan terima
kasih juga disampaikan kepada ayah, ibu, saudara-saudaraku khususnya juharna
saudara kemabarku, seluruh keluarga, sahabatku pita, winda, indah, dan teman-teman
angkatan 2013 dan adik-adik angkatan 2014 dan 2015 yang telah memberikan
motivasi, dukungan dan doa.
Semoga hasil karya ini dapat bermanfaat. Amin.
Juharni
DAFTAR ISI
Halaman
DAFTAR TABEL vi
DAFTAR GAMBAR vii
DAFTAR LAMPIRAN viii
ABSTRAK ix
ABSTRACT x
BAB I. PENDAHULUAN
1.1 Latar Belakang 1
1.2 Tujuan Penelitian 2
1.3 Manfaat Penelitian 2
DAFTAR PUSTAKA 29
LAMPIRAN 30
DAFTAR TABEL
Halaman
Tabel 2.1 Tabulasi Data dalam Analisis Regresi Ganda 5
Tabel 2.2 Analisis Ragam dalam Regresi Linier Ganda 11
Tabel 4.1 Lama waktu belajar mahasiswa per hari selain kuliah 17
Tabel 4.2 Lama waktu penggunaan HP per hari 18
Tabel 4.3 Aktivitas penggunaan HP oleh mahasiswa 19
Tabel 4.4 Aktivitas internet oleh mahasiswa 19
Tabel 4.5 Situs jaring sosial yang dikunjungi mahasiswa 20
Tabel 4.6 Hubungan antara variabel bebas dan variabel tak bebas 21
Tabel 4.7 Nilai-nilai R2 dan nilai VIF 22
Tabel 4.8 Koefisien Korelasi Peringkat dari Spearman (rs) antara
Variabel Bebas dan Galat Berdasarkan Keluaran SPSS 24
Tabel 4.9 Analisis Ragam Faktor-faktor yang Berpengaruh
Terhadap Prestasi Belajar 25
Tabel 4.10 Nilai-nilai Statistik Uji t bagi Uji Parsial 26
vi
DAFTAR GAMBAR
Halaman
Gambar 4.1 Jenis Kelamin Responden 15
Gambar 4.2 Usia Responden dalam Diagram Lingkaran 16
Gambar 4.3 Pekerjaan Orang Tua Responden 16
Gambar 4.4 Grafik Kepemilikan HP 17
Gambar 4.5 Grafik jumlah HP yang dimiliki 18
Gambar 4.6 HP memotivasi belajar 20
vii
DAFTAR LAMPIRAN
Halaman
Lampiran 1 Kuesioner Penelitian 31
Lampiran 2 Data Penelitian Tentang Prestasi Belajar 33
Lampiran 3 Korelasi Antara Variabel bebas dan Tak Bebas 36
Lampiran 4 Penaksiran Parameter Model Awal dengan Metode Kuadrat
Terkecil 37
Lampiran 5 Pengujian Multikolinearitas, heteroskedastisitas dan
kenormalan data 38
Lampiran 6 Tabel Batas-Batas Statistik d dari Durbin-Watson (α = 5%) 39
Lampiran 7 Pengujian Simultan dan Parsial melalui bantuan SPSS 42
Lampiran 8 Tabel Nilai D Kritis Uji Kolmogorov-Smirnov 43
viii
ABSTRAK
Kata Kunci : Lama belajar, Lama penggunaan HP, Pendapatan orang tua, Prestasi
belajar, Regresi linear ganda.
ix
ABSTRACT
Juharni. The factors that affecting students learning achievement towards D3 Statistic
students of Halu Oleo University. Guided by Mukhsar and Gusti Ngurah Adhi
Wibawa.
The learning achievement is a manifestation or actualization of ability and
effort of students in a certain time. analysis that can be used to determine the factors
that affect the learning achievement that is multiple linear regression analysis.
Multiple linear regression analysis is an analytical method with regard to study the
dependence of the dependent variable on one or more independent variables, in order
to estimate or predict the average value of the dependent variable, in terms of the
value of the known or fixed.This study aimed to determine which of the factors that
gave significant influence on students learning achievement towards D3 Statistic
students of the Halu Oleo University. The result of the study showed that only
variables “duration of learning” and “duration of using phone” that gave significant
influence towards student learning achievement.
x
BAB I
PENDAHULUAN
1
mahasiswa, maka berdasarkan latar belakang ini Penulis tertarik melakukan
penelitian mengenai “Faktor-faktor yang Mempengaruhi Prestasi Belajar
Mahasiswa D3 Statistika UHO”.
1.2. Tujuan
Adapun tujuan dari penelitian ini adalah mengetahui faktor-faktor yang
berpengaruh terhadap prestasi belajar mahasiswa D3 Statistika Program Pendidikan
Vokasi Universitas Halu Oleo.
2
BAB II
TINJAUAN PUSTAKA
3
prestasi belajar anak akan terganggu. Setiap pendapatan orang tua berbeda-beda
tergantung dari jenis pekerjaan orang tua (Indri, 2014).
4
deskriptif antara lain adalah penyajian data melalui tabel, grafik, diagram lingkaran,
histogram, perhitungan modus, median, mean, perhitungan desil, persentil,
perhitungan penyebaran data melalui perhitungan rata-rata dan standar deviasi, dan
perhitungan persentase (Sugiono, 2009).
5
Menggunakan notasi matriks, maka persamaan (2) di atas dapat ditulis sebagai
berikut:
y1 1 x11 x 12 … x 1 p β 0 ε 1
[ ][
y2
⋮
yn
=
⋮ ⋮ ⋮ ⋱ ⋮ ⋮
][ ] [ ]
1 x 21 x 22 … x 2 p β1 ε 2
+
⋮
1 x n 1 x n2 … x np β p ε n
dengan bentuk sederhana, persamaan (3) dapat dinotasikan sebagai:
(3)
Y = Xβ+ ε , (4)
dimana:
Y adalah matriks variabel tak bebas berukuran nx 1, X adalah matriks variabel bebas
berukuran nx (p + 1), adalah matriks koefisien regresi berukuran (p + 1) x 1, ε
adalah matriks galat berukuran nx 1 (Walpole & Myers, 1995).
6
^β=( X T X )−1 X T Y . (9)
7
Hubungan antara variabel bebas dapat diduga dengan memeriksa besaran
Variance Inflation Factor (VIF).Apabila nilai VIF yang diperoleh lebih besar dari 10
menandakan bahwa data mengalami masalah multikolinearitas.
Besaran nilai VIF untuk X j dirumuskan sebagai
1
VIF j =
, , j=1 ,2 , … , p, (10)
1−R 2j
dimana p adalah banyaknya variabel bebas. Sedangkan R2j merupakan koefisien
determinasi ganda yang diperoleh dengan meregresi variabel bebas X j terhadap
semua variabel bebas yang lain (Chatterjee & Ali, 2006).
∑ ( ei−ei−1 )2
d= i=2 n , (11)
2
∑e i
i=1
dimana:
ei : nilai galat dari model regresi
dL : batas bawah tabel Durbin-Watson pada suatu n dan k tertentu
dU:batas atas tabel Durbin-Watson pada suatu n dan k tertentu
8
n : banyaknya pengamatan
k : banyaknya variabel bebas dalam model regresi(Gujarati, 1978).
3) Uji Heteroskedastisitas
Ragam yang bersifat homogen berarti bahwa nilai-nilai galatmemiliki ragam
yang samaσ 2. Pengujian asumsi heteroskedastisitas dapat dirumuskan dengan
hipotesis sebagai berikut:
H0 : tidak terdapat heteroskedastisitas
H1 : terdapat heteroskedastisitas
Heteroskedastisitas dapat dideteksi dengan besaran rs yaitu koefisien korelasi
peringkat dari Spearman yang dirumuskan sebagai
∑ d i2
r s=1−6
[
n( n2−1)
,
] (12)
dimana di adalah perbedaan peringkat dari variabel bebas dan nilai-nilai galat
setiap observasi ke i dan n adalah banyaknya observasi yang diperingkat.
Tingkat penting rs dapat diuji dengan pengujian t sebagai berikut
r s √ n−2
t= 2 (13)
√1−r s
dengan derajat kebebasan n – 2.
Apabila nilai t yang dihitung melebihi nilai kritis, atau nilai signifikansi di
bawah α yang ditetapkan maka hipotesis adanya heteroskedastisitas bisa diterima.
Jika model regresi meliputi lebih dari satu variabel X, rs dapat dihitung antara |ei| dan
tiap-tiap variabel X secara terpisah dan dapat diuji untuk tingkat penting secara
statistik dengan pengujian t(Gujarati, 1978).
4) Uji Normalitas
Uji ini digunakan untuk mengetahui apakah galat dari model regresi
berdistribusi normal. Pengujian asumsi normalitas yang paling sering digunakan
adalah uji normalitas Kolmogorov-Smirnov. Uji Kolmogorov-Smirnov bekerja
dengan cara membandingkan dua distribusi/sebaran data, yaitu distribusi yang
dihipotesiskan dan distribusi yang teramati. Hipotesis dalam uji normalitas adalah:
H0 : galat menyebar normal[ ε N (0 ,σ 2) ] .
9
Metode Kolmogorov Smirnov didasarkan pada nilai D yang didefinisikan
sebagai berikut
D=¿x ¿ x ∈ R (14)
Nilai D adalah nilai deviasi absolut maksimum antara F n ( x ) dan F 0 ( x ).
Sedangkan dalam hal ini F n ( x ) menyatakan sebaran kumulatif sampel dan F 0 ( x )
menyatakan sebaran kumulatif menurut hipotesis nol.
Nilai D ini selanjutnya dibandingkan dengan nilai D kritis untuk ukuran tes α
dan banyak sampel yang digunakan. Hipotesis nol ditolak apabila nilai D hasil
perhitungan melebihi nilai D pada tabel yang berarti bahwa data yang akan diuji
mempunyai galat yang tidak menyebar normal (Steel & Torrie, 1993).
10
Tabel 2.2 Analisis ragam dalam Regresi Linier Ganda
Derajat Jumlah
Sumber Kuadrat Tengah Fhitung R2
Bebas (db) Kuadrat
JKR KTR JKR
Regresi p JKR KTR=
p KTG JKT
JKG
Galat n–p–1 JKG KTG=
n− p−1
Total n–1 JKT
Keterangan:
n : banyak pengamatan JKT : jumlah kuadrat total
p : banyak variabel bebas KTR : kuadrat tengah regresi
JKR : jumlah kuadrat regresi KTG : kuadrat tengah galat
JKG : jumlah kuadrat galat R2 : koefisien determinasi
dimana
JKR= ^β T X T Y −n Ý 2 (13)
T T T
JKG=Y Y − β^ X Y (14)
JKT=Y T Y −n Ý 2 (15)
(Chatterjee & Ali, 2006).
11
yang menyebar menurut sebaran t dengan derajat bebas (n – p – 1). Sedangkan se( ^β j)
adalah kesalahan standar yang diperoleh dari matriks ragam-peragam ( ^β j ) dan dapat
ditulis sebagai
[ ^ ^
Σ= cov ( β2 , β 1)
⋯
^ ^
var ( ^β 2)
⋯
cov ( β p , β 1) cov ( ^β p , ^β2 )
⋯
⋱
⋯
⋯
⋯
var ( β^ p )
Elemen diagonal dari matriks persamaan (17) berturut-turut memberikan nilai
] (17)
ragam dari ^β 0 , β^ 1 , … , β^ p dan akar positifnya memberikan nilai standar kesalahan dari
parameter regresi yang dimodelkan.
Matriks ragam peragam pada persamaan (17) dapat diperoleh dengan
mengoperasikan rumus berikut ini
−1
Σ=σ 2 ( X T X ) (18)
2 2
dimanaσ adalah ragam homoskedastisitas dari ei yang ditaksir oleh σ^ . Dalam
kasus regresi ganda σ^ 2 dapat ditentukan dengan rumus
T ^T T
2 Y Y −β X Y
σ^ = . (19)
n− p−1
(Gujarati, 1978).
Pedoman pengambilan keputusan dalam uji parsial yaitu jika | t | ≥ t(α/2,n-p-1) pada
tingkat signifikansi yang dipilih maka hipotesis nol ditolak. Penolakan H0
menunjukkan bahwa j signifikan berbeda dari nol (Chatterjee & Ali, 2006).
12
BAB III
METODE PENELITIAN
13
2) Pengambilan data melalui kuesioner sebanyak 70 responden.
3) Analisis deskriptif
4) Analisis korelasi Antara Variabel Bebas dan Variabel Tak Bebas
5) Menentukan model regresi linear ganda dengan berdasarkan persamaan (1).
6) Menaksir parameter dengan metode kuadrat terkecil.
7) Menguji asumsi-asumsi regresi linear :
a. Multikolinearitas dengan menghitung nilai VIF.
b. Heterokedastisitas dengan koefisien korelasi peringkat Spearman.
c. Uji kebebasan galat dengan besaran nilai Durbin-Watson
d. Normalitas dengan uji kolmogorov-smirnov.
8) Pengujian Hipotesis
a. Pengujian hipotesis secara simultan
Hipotesis :
H0 : 1 = 3 = 0 (Variabel bebas tidak berpengaruh nyata terhadap
prestasi belajar)
H1 : Minimal ada satu j dimana j ≠ 0 (j = 1, 2,3).
Taraf nyata : α = 0,05
Kriteria Uji : Tolak H0 jika F ≥ F(p,n-p-1;α) atau nilai P ≤ .
b. Pengujian hipotesis secara parsial
9) Menghitung nilai koefisien determinasi R2
10) Interpretasi hasil penelitian.
11) Penarikan kesimpulan.
14
BAB IV
HASIL DAN PEMBAHASAN
4.1.2 Umur
Umur merupakan usia responden pada saat dilakukan penelitian faktor-faktor
yang mempengaruhi prestasi belajar mahasiswa D3 Statistika. Umur mereflesikan
perubahan seseorang baik secara fisik maupun emosional. Berdasarkan hasil
penelitian umur responden terdiri atas usia 18 tahun, 19 tahun, 20 tahun dan 21
tahun. Distribusi umur responden dapat lihat pada Gambar 4.2
15
Gambar 4.2. Usia Responden dalam Diagram Lingkaran
Dari Gambar 4.2 responden paling banyak dalam pengambilan data sebanyak
31 orang atau sebesar 44% adalah usia 19 tahun, lalu sebanyak 21 atau sebesar 30%
adalah usia 20 tahun, sebanyak 13 orang atau sebesar 19% adalah umur 18 tahun,
dan sisanya usia 21 tahun sebanyak 5 responden atau sebesar 7%.
16
nilai simpangan baku (std deviation) sebesar 50,2 merupakan total dari lama waktu
belajar mahasiswa per hari selain kuliah. Dari hasil penelitian dapat diketahui bahwa
jenis kelamin laki-laki memiliki keragaman yang lebih besar dalam lama waktu
belajar per hari selain kuliah dibandingkan jenis kelamin perempuan.
Tabel 4.1 Lama waktu belajar mahasiswa per hari selain kuliah
Jenis kelamin Rata-rata (menit) Standar deviasi (menit)
Laki-laki 84,2 58,2
Perempuan 78,3 45,4
Semua 80,5 50,2
17
Gambar 4.5. Grafik jumlah HP yang dimiliki
Dengan melihat nilai Standar deviasi (jam) dalam Lama waktu penggunaan
HP per hari dapat diketahui bahwa jenis kelamin perempuan memiliki keragaman
jam dalam lama waktu penggunaan HP per hari lebih tinggi dibandingkan jenis
kelamin laki-laki.
18
Tabel 4.3 Aktivitas penggunaan HP oleh mahasiswa
Aktivitas Ya (%) Tidak (%)
SMS & Telpon 97,14 2,86
Main game 72,86 27,14
Internet 91,42 8,57
Berdasarkan Tabel 4.3 dapat dijelaskan aktivitas penggunaan HP oleh
mahasiswa dari 70 responden yang diteliti. Penggunaan SMS & Telpon sebesar
97,14%, penggunaan bermain game sebesar 72,86 dan penggunaan internet sebesar
91.42%.
4.2.6. Aktivitas internet oleh mahasiswa
Internet merupakan media komunikasi dan informasi modern yang dapat
dimanfaatkan secara global oleh pengguna diseluruh dunia dalam interkoneksi antar
jaringan komputer yang terbentuk melalui sarana berupa penyedia akses (provider)
internet, sehingga internet sebagai media informasi dapat menjadi sarana efektif dan
efisien untuk melakukan pertukaran dan penyebaran informasi tanpa terhalang oleh
jarak, perbedaan waktu dan juga geografis bagi seseorang yang ingin mengakses
informasi. Berdasarkan Tabel 4.4 aktivitas internet yang dilakukan mahasiswa dibagi
dalam beberapa kategori, sebagai berikut:
Tabel 4.4 Aktivitas internet oleh mahasiswa
Aktivitas internet Ya (%) Tidak (%)
Mencari informasi barang/jasa 58.57 41.43
Mencari informasi kesehatan 61.43 38.57
Mengirim/menerima e-mail 67.14 32.86
Menjual/membeli barang 28.57 71.43
Melakukan aktivitas belajar 90 10
Mengunduh software 74.29 25.71
Mengunduh video game 60 40
Mencari informasi berita 81.43 18.57
Mengunduh music, film, video dan lain-lain 91.43 8.57
Membuka situs jejaring sosial 94.29 5.71
Dari hasil penelitian, aktivitas internet yang paling banyak dilakukan
responden adalah membuka situs jejaring sosial yaitu sebesar 94,29% sedangkan
aktivitas internet yang paling sedikit dilakukan responden adalah menjual/membeli
barang hanya sebesar 28,57%.
4.2.7. Situs jaring sosial yang dikunjungi mahasiswa
Sosial jaring sosial merupakan suatu layanan dari sebuah cakupan sistem
software internet yang memungkinkan penggunanya dapat berinteraksi dan berbagi
19
data dengan pengguna yang lain dalam skala yang besar. Adapun situs jaring sosial
yang dikunjungi mahasiswa, dapat dijelaskan pada Tabel 4.5:
Tabel 4.5 Situs jaring sosial yang dikunjungi mahasiswa
Situs jaring sosial Ya (%) Tidak (%)
Facebook 91.43 8.57
Twitter 24.29 75.71
Instagram 50 50
Path 11.43 88.57
Bbm 77.14 22.86
Line 60 40
What apps 22.86 77.14
We chat 8.57 91.43
Dari hasil penelitian dapat diketahui situs jaring sosial yang paling banyak
dikunjungi mahasiswa adalah Facebook yaitu sebesar 91,43% sedang yang paling
sedikit dikunjungi mahasiswa adalah We chat hanya sebesar 8,57%.
20
Analisis korelasi adalah suatu analisis yang digunakan untuk mengetahui
hubungan linear dua variabel. Koefisien korelasi merupakan ukuran statistik yang
menggambarkan eratnya hubungan antara satu variabel dengan variabel lainnya.
Hipotesis yang diuji yaitu:
H0: ( Tidak ada korelasi antara variabel bebas dan variabel tak bebas).
H1: ( Ada korelasi antara variabel bebas dan variabel tak bebas).
Tabel 4.6. Hubungan antara variabel bebas dan variabel tak bebas
Y X1 X2 X3
Y
Correlation Coefficient 1 0.005 0.601 -0.526
Sig.(2-tailed) 0.969 0.000 0.000
N 70 70 70 70
X1
Correlation Coefficient 0.005 1 -0.108 0.095
Sig.(2-tailed) 0.969 0.375 0.432
N 70 70 70 70
X2
Correlation Coefficient 0.601 -0.108 1 -0.391
Sig.(2-tailed) 0.000 0.375 .0001
n 70 70 70 70
X3
Correlation Coefficient -0.526 0.095 -0.391 1
Sig.(2-tailed) 0.000 0.432 0.001
N 70 70 70 70
Ket:
Y IPK (Prestasi belajar)
X1= Pendapatan orang tua
X2= Lama belajar
X3= Lama penggunaan HP
Berdasarkan Tabel 4.6 dapat dilihat bahwa variabel yang memiliki korelasi
terhadap prestasi belajar (Y) hanya variabel lama belajar (X2) dan lama penggunaan
HP (X3). Korelasi lama belajar terhadap prestasi belajar sebesar 0,60, artinya
hubungan antara lama belajar terhadap prestasi belajar cukup kuat. Koefisien korelasi
yang bertanda positif berarti hubungan yang dimiliki searah, artinya apabila lama
belajar semakin meningkat maka prestasi belajar akan meningkat pula. Korelasi lama
belajar terhadap prestasi belajar sebesar -0,53, artinya hubungan antara lama belajar
terhadap prestasi belajar cukup kuat. Adapun koefisien korelasi yang bertanda
21
negatik berarti hubungan yang dimiliki tidak searah, yang artinya apabila lama
penggunaan HP semakin meningkat maka prestasi belajar akan menurun. Dengan
melihat nilai P-value sebesar 0,00 < α (0,05) maka H0 ditolak, Sehingga dapat
disimpulkan bahwa terdapat hubungan antara lama belajar, lama penggunaan HP dan
prestasi belajar.
4.4. Persamaan Regresi dan Penaksiran Parameter
Berdasarkan hasil analisis didapat disimpulkan bahwa variabel pendapatan
orang tua (X1) tidak mempunyai hubungan yang signifikan terhadap prestasi belajar
(Y) seperti pada Lampiran 4, sehingga variabel pendapat orang tua tidak dimasukkan
dalam persamaan analisis regresi. Adapun Persamaan regresi untuk penelitian ini
yaitu:
Y = β0 + β 1 X 1 + β 2 X 2 + ε
dengan Y adalah variabel terikat yaitu prestasi belajar, dan untuk variabel bebas
yakni lama belajar sebagai X 1 , dan lama penggunaan HP sebagai X 2 . Berdasarkan
prinsip metode OLS diperoleh nilai-nilai taksiran untuk setiap parameter regresi
(Lampiran 4). Taksiran koefisien regresi bagi persamaan (1) yaitu ^β 0 sebesar 3,128,
^β 1 sebesar 0,005, dan ^β 2 sebesar -0,048, sehingga diperoleh model taksiran dari
yang diperoleh dengan meregresi tiap variabel bebas ( X i ) terhadap variabel terikat( Y )
yang lain. Selanjutnya untuk mendeteksi multikolinearitas dihitung besaran VIF
sesuai persamaan (10).
Tabel 4.7 Nilai R2 dan VIF
Model Collinearity Statistics
R2 VIF
1 Lama belajar 0,679 1,180
Lama penggunaan HP 0,679 1,180
Hipotesis:
22
H0 : Tidak terjadi Multikolinearitas
H1: Terjadi Multikolinearitas
Kriteria uji:
Tolak H0 jika VIF ≥ 10
TerimaH0jika VIF < 10
Keputusan:
Berdasarkan Tabel 4.7 dapat dijelaskan bahwa nilai VIFseperti pada Lampiran
5 yang diperoleh tidak lebih besar dari 10, maka H 0 diterima. Hal ini menandakan
bahwa data tidak mengalami masalah multikolinearitas.
2) Uji kebebasan galat
Pengujian kebebasan galat menggunakan statistik d dari Durbin-Watson.
Hipotesis:
H0 : ρ = 0 (Tidak ada korelasi antar galat).
H1 : ρ ≠ 0 (Ada korelasi antar galat).
Kriteria uji:
TerimaH₀ jika dU<d< 4 – dU
Keputusan:
Berdasarkan Tabel batas-batas Statistik d dari Durbin-Watson pada Lampiran
6, untuk n = 70 dan 2 variabel bebas (k = 2), nilai kritis d pada α = 0,05 adalah dL =
1,5542 dan dU = 1,6715 sedangkan 4 – dU= 2,3285. Nilai d hasil perhitungan yaitu
2,03 berada dalam batas dL≤ d≤ 4 dUsebagai kriteria penerimaan hipotesis nol, maka
dapat disimpulkan tidak ada korelasi antar galat.
3) Uji heteroskedastisitas
Pengujian heteroskedastisitas menggunakan koefisien korelasi peringkat
Spearman pada persamaan (12).Model regresi terdiri atas dua variabel bebas, dengan
demikian berdasarkan analisis diperoleh dua koefisien korelasi peringkat Spearman.
Pengujian tingkat penting koefisien korelasi ini menggunakan perbandingan nilai
Pdengan tingkat signifikansi α = 0,05.
Adapun Tabel koefisien korelasi peringkat dari spearman (rs) antara variabel
bebas dan galat adalah Tabel 4.8:
Tabel 4.8 Koefisien Korelasi Peringkat dari Spearman (rs) antara Variabel Bebas dan
Galat Berdasarkan Keluaran SPSS
23
X1 X2
Spearman’srho Galat Koefisien korelasi 0,042 0,009
Pvalue 0,729 0,944
Hipotesis:
H0 : tidak terdapat heteroskedastisitas
H1 : terdapat heteroskedastisitas
Kriteria uji:
TolakH₀ jika nilai p-value < α (0,05).
TerimaH₀ jika nilai p-value ≥ α (0,05).
Keputusan:
Berdasarkan Tabel di atas diketahui bahwa nilai P masing-masing variabel
bebas melebihi tingkat signifikansi α yang ditetapkan, maka dapat disimpulkan H 0
diterima. Hal ini menunjukkan bahwa tidak terdapat heteroskedastisitas.
4) Uji normalitas
Pengujian asumsi normalitas menggunakan uji Kolmogorov-smirnovseperti
pada Lampiran 5 yang didasarkan pada data yang diamati yakni nilai-nilai galatyang
diperoleh dari persamaan regresi. Pengujian ini membandingkan distribusi dari nilai-
nilai galat dengan distribusi normal baku.
Hipotesis:
H0 : galat menyebar normal[ ε N (0 ,σ 2) ] .
24
4.6.1. Uji Simultan
Pengujian hipotesis secara simultan untuk membuktikan apakah Y
berhubungan linear dengan X 1 , X 2 dan X 3 atau setidak-tidaknya dengan salah satu
diantara ketigavariabel bebas tersebut.
Adapun tabel analisis ragam Lampiran 7 adalah sebagai berikut:
Tabel 4.9 Analisis Ragam Faktor-Faktor yang Berpengaruh Terhadap Prestasi
Belajar
Jumlah Derajat Kuadrat
Sumber Fhitung
kuadrat Bebas (db) Tengah
Regresi 7,488 2 3,744
Sisa 8,750 67 0,131 28,667
Total 16,238 69
Hipotesis:
H0:1= 2 = 0 (lama belajar dan lama penggunaan HP tidak berpengaruh nyata
terhadap prestasi belajar).
H1 : Minimal ada satu j dimana j ≠ 0 (j = 1, 2).
Kriteria uji:
Tolak H₀ jika F≥ F(p,n-p-1;α) atau nilai p-value < α (0,05).
TerimaH₀ jika F<F(p,n-p-1;α) atau nilai p-value > α (0,05).
Keputusan:
Tingkat signifikansi yang dipilih adalah α = 0,05. Nilai Ftabeldengan derajat
bebas 2 dan 67 adalah 3,13. Berdasarkan hasil analisis diperoleh nilai Fhitung sebesar
28,667lebih besar dariFtabel sebesar 3,13, maka hipotesis nol ditolak. Dengan
demikian dapat disimpulkan bahwa variabel bebas X1 dan X 2 secara simultan
berpengaruh nyata terhadap variabel tak bebas Y (prestasi belajar), sehingga model
regresi linear berganda dapat digunakan sebagai model prediksi.
25
Tabel 4.10 Nilai-Nilai Statistik Uji t bagi Uji Parsial
Koefisien Kesalahan
Model ^ t Sig.
Regresi ( β j ) Standar ( β^ j )
Konstanta 3,128 0,188 16,678 0,000
X1 0,005 0,001 4,789 0,000
X2 -0,048 0,014 -3,529 0,000
26
Berdasarkan pengujian hipotesis di atas diketahui bahwa variabel bebas yang
berpengaruh signifikan terhadap prestasi belajar yakni lama belajar (X1), dan lama
penggunaan HP (X2). Oleh karena itu model regresi yang sesuai adalah:
Y = β0 + β 1 X 1 + β 2 X 2 + ε
Perhitungan nilai-nilai taksiran untuk setiap parameter regresi seperti pada
Lampiran 8, sehingga model taksirannya yaitu:
Y^ =¿3,128 + 0,005X1 –0,048 X 2
Persamaan regresi tersebut memiliki makna bahwa:
a. Apabila lama belajar diasumsikan bertambah 1 menit, sedangkan lama
penggunaan HP bernilai konstan, maka IPK akan naik sebesar 0,005.
b. Apabila lama penggunaan HP diasumsikan berkurang 1 jam, sedangkan lama
belajar bernilai konstan, maka IPK akan naik sebesar 0,048.
27
BAB V
PENUTUP
5.1. Kesimpulan
Berdasarkan hasil penelitian terhadap faktor-faktor yang diduga mempengaruhi
prestasi belajar mahasiswa D3 Statistika Program Pendidikan Vokasi Universitas
Halu Oleo dapat disimpulkan bahwa akitivitas penggunaan HP oleh mahasiswa
paling banyak untuk sms & telpon, sedangkan aktivitas internet yang spaling sering
dilakukan adalah membuka situs jaring sosial. Situs jaring sosial yang paling sering
dikunjungi oleh mahasiswa adalah facebook. Adapun model regresi linier berganda
yang digunakan yaitu:
Y^ =¿3,128 + 0,005X1 –0,048 X 2
Dengan nilai koefisien determinasi sebesar0,679 berarti model regresi yang
melibatkan faktor lama belajar dan lama penggunaan HP dapat menjelaskan
sebanyak 67,9% dari total keragaman Y. Sedangkan sisanya 32,1% dijelaskan oleh
faktor-faktor lain yang tidak dimasukkan dalam model regresi. Hal ini
mengindikasikan bahwa model regresi yang diperoleh cukup baik.
5.2. Saran
Model regresi yang terbentuk dalam penelitian ini signifikan namun disarankan
untuk melibatkan faktor-faktor lain yang diduga dapat mempengaruhi prestasi
belajar mahasiswa agar memperoleh model regresi yang lebih baik.
28
DAFTAR PUSTAKA
29
LAMPIRAN
30
Lampiran 1. Kuesioner Penelitian
Tujuan :
Penelitian ini semata-mata hanya digunakan untuk kepentingan pendidikan dalam hal ini
untuk proses penyelesaian tugas akhir.
Isilah pernyataan dibawah ini sesuai dengan kenyataan yang sebenarnya. Anda cukup
memberi tanda ( X ) pada jawaban yang cocok.
A. Data responden
Nama : ………………………………………………..
Jenis Kelamin : 1. Laki-laki 2.Perempuan
Umur : ………………………………………………...
Angkatan : ………………………………………………...
IPK : ………………………………………………...
Pekerjaan Orang tua : ………………………………………………...
Pendapatan Orang tua : ………………………………………………...
No.Hp : ………………………………………………...
31
C. Internet : 1.Ya 0. Tidak Ke.Nomor 8
6. Aktivitas internet apa saja yang Anda lakukan?
A. Mencari informasi mengenai barang atau jasa:
1.Ya 0.Tidak
B. Mencari informasi kesehatan/pelayanan kesehatan:
1.Ya 0.Tidak
C. Mengirim atau menerima email : 1.Ya 0.Tidak
D. Menjual atau membeli barang atau jasa : 1.Ya 0.Tidak
E. Melakukan aktivitas belajar : 1.Ya 0.Tidak
F. Mengunduh software : 1.Ya 0.Tidak
G. Bermain game atau mengunduh video game atau computer game:
1.Ya 0.Tidak
H. Mencari informasi berita (detik.com,tempo, kompas dan lain-lain)
1.Ya 0.Tidak
I. Mengunduh film, gambar musik, menonton TV atau video, atau
mendengarkan radio atau music
1.Ya 0.Tidak
J. Membuka situs jejaring social : 1.Ya 0.Tidak Ke.Nomor 8
7. Situs jejaring social yang Anda buka:
Facebook : 1.Ya 0.Tidak
Twitter : 1.Ya 0.Tidak
Instagram : 1.Ya 0.Tidak
Path : 1.Ya 0.Tidak
BBM : 1.Ya 0.Tidak
Line : 1.Ya 0.Tidak
What Apps : 1.Ya 0.Tidak
We Chat : 1.Ya 0.Tidak
8. Apakah handphone menambah motivasi belajar Anda?
1.Ya 0.Tidak
32
Lampiran 2. Data Penelitian Tentang Faktor-faktor yang Mempengaruhi Prestasi Belajar
N X X X X X X X X1 X1 X1 X1 X1 X1 X1 X1 X1 X1 X2 X2 X2 X2
o Y X1 X2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 X24
1 350000
3 0 45 10 1 1 1 0 1 1 0 1 0 1 1 1 1 1 1 1 0 1 1 1 1
250000
2 2.9 0 60 12 1 1 0 1 1 0 1 1 1 1 1 1 1 1 0 1 0 1 0 0 0
200000
3 2.25 0 30 14 1 0 1 1 0 0 0 1 1 0 0 1 1 1 0 0 0 1 0 0 0
150000 12
4 3.5 0 0 10 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0
12
5 3.33 500000 0 8 1 0 1 0 1 0 0 1 0 0 1 1 1 1 0 0 0 1 1 0 0
12
6 3.27 700000 0 9 1 1 1 1 0 0 0 1 1 1 1 1 1 1 0 0 0 1 0 0 0
12
7 3.43 600000 0 8 1 1 1 1 1 0 0 1 0 1 1 1 1 1 1 1 1 1 1 1 0
200000
8 2.76 0 45 11 1 0 1 0 0 1 0 1 1 0 1 1 1 0 0 1 1 1 1 1 0
250000 12
9 3.5 0 0 8 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 0 1 1 0 1
10 2.8 500000 30 10 1 1 1 0 0 1 0 1 1 1 1 1 1 1 0 0 0 1 1 0 0
410000 18
11 3.29 0 0 9 1 1 1 0 0 1 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0
300000
12 2.7 0 30 14 1 0 1 0 1 0 1 1 0 1 1 1 1 1 1 1 0 1 1 0 0
100000
13 3 0 30 9 1 1 1 0 1 1 1 1 1 1 1 1 1 1 0 1 0 1 0 0 0
150000 12
14 3.65 0 0 12 1 1 1 1 1 1 0 1 1 1 1 0 1 1 0 1 0 1 1 0 0
450000
15 3 0 60 10 1 1 1 0 0 0 0 1 0 0 1 1 1 1 0 0 0 1 1 0 0
300000 12
16 3.29 0 0 7 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
33
12
17 3.4 350000 0 12 1 1 1 1 1 1 0 1 1 0 1 1 1 1 0 0 0 0 0 0 0
18 1.4 800000 20 19 1 1 1 1 1 1 1 1 1 0 1 1 1 1 0 0 0 0 0 0 0
400000
19 3.6 0 30 8 1 1 1 0 1 1 0 1 1 1 1 1 1 1 0 1 0 1 1 1 0
20 3.15 700000 60 10 1 2 1 1 0 0 0 1 0 0 0 1 1 1 0 0 0 1 0 0 0
120000
21 3.08 0 90 20 1 1 1 0 1 1 0 1 1 1 1 1 1 1 0 0 0 1 1 0 0
250000
22 3.3 0 80 15 1 1 1 1 0 0 1 1 1 1 1 1 1 1 0 1 0 1 1 1 0
200000
23 3 0 60 13 1 1 1 0 0 1 0 1 1 1 1 1 1 1 0 0 0 1 0 0 0
200000 24
24 3.5 0 0 7 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
12
25 2.57 500000 0 15 1 0 1 0 1 0 0 1 0 1 1 1 1 1 0 1 0 1 1 0 0
100000
26 2.14 0 45 17 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 0 0
350000
27 3.25 0 60 12 1 0 1 0 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 0 0
347500 18
28 3.29 0 0 8 1 0 1 0 0 1 0 1 1 0 1 1 1 1 0 1 0 1 1 1 0
100000 12
29 3.05 0 0 12 1 0 1 0 1 1 0 1 1 0 1 1 1 1 0 0 0 1 1 0 1
100000
30 2.62 0 45 14 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 1 0 0
150000
31 2.48 0 30 12 1 1 1 1 0 1 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0
700000
32 3.3 0 60 12 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 1 0 0
100000 18
33 3.16 0 0 6 1 0 1 1 1 1 0 1 1 1 1 1 1 1 0 0 0 1 1 1 0
100000 12
34 3.23 0 0 9 1 0 1 1 0 1 1 1 1 0 1 1 1 1 0 1 0 1 1 0 0
34
180000
35 3.26 0 60 8 1 0 1 1 0 1 0 1 1 0 1 1 1 1 1 1 0 1 1 0 0
200000
36 3.17 0 60 10 1 1 1 1 0 1 0 1 1 1 1 1 1 1 0 0 0 1 1 0 0
400000
37 3 0 35 15 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 0
120000
38 3.4 0 60 8 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 0 1 1 1 0
140000 12
39 3.48 0 0 5 1 1 1 1 1 0 0 1 1 0 1 1 1 1 0 1 0 1 1 0 0
40 2.52 750000 30 15 1 1 1 1 1 1 0 1 1 1 1 1 1 1 0 0 0 1 1 1 0
200000
41 2.57 0 45 11 1 1 1 1 1 0 0 1 1 0 1 1 1 1 0 0 0 1 1 1 1
12
42 3.1 500000 0 9 1 1 1 0 0 0 0 1 1 0 1 1 1 1 0 0 0 0 0 0 0
43 2.43 600000 75 12 1 0 1 0 1 1 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0
400000
44 3.19 0 90 7 1 1 1 1 0 1 0 1 1 1 0 1 1 1 0 0 0 1 0 0 0
400000
45 2.71 0 70 12 1 1 1 0 1 1 0 1 1 1 1 1 1 1 0 0 0 1 1 0 0
250000 18
46 3.4 0 0 9 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
180000 12
47 3.45 0 0 8 1 0 1 0 1 1 0 1 1 0 0 1 1 1 0 1 0 0 1 1 0
48 3.25 500000 60 8 1 1 1 1 1 1 0 1 1 1 1 1 1 1 0 0 0 1 1 0 0
49 3.15 500000 60 8 1 1 1 0 1 1 0 1 1 0 1 1 1 1 1 0 0 0 0 0 0
200000
50 2.15 0 70 12 1 1 1 0 0 1 0 1 0 1 0 1 1 1 1 1 0 1 1 0 1
18
51 3.29 700000 0 8 1 1 1 1 1 1 0 1 1 1 1 1 1 1 0 0 0 1 0 0 0
100000 12
52 3.5 0 0 10 1 1 1 0 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0
300000
53 2.48 0 45 11 1 0 1 1 1 1 1 1 0 0 1 1 1 1 0 1 1 1 1 0 0
35
54 3 500000 60 8 1 1 1 1 1 0 0 1 1 1 0 1 1 1 0 0 0 1 0 0 0
120000 12
55 3.25 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0
350000 14
56 3.93 0 0 6 1 1 1 1 1 1 0 1 1 1 1 1 1 1 0 1 0 1 0 1 0
400000
57 2.86 0 60 10 1 1 1 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0
150000 18
58 3.57 0 0 6 1 1 1 1 1 1 0 1 1 0 1 1 1 1 0 1 0 1 1 0 0
59 1.65 750000 15 8 1 1 1 1 0 1 0 1 1 1 0 1 1 1 0 0 0 0 0 0 0
380000
60 2.7 0 30 11 1 1 1 1 1 1 1 1 1 0 1 1 1 1 0 1 0 1 1 1 0
300000
61 2.11 0 25 13 1 1 1 1 0 1 0 1 1 1 1 1 1 1 1 1 0 1 0 0 0
62 2.96 750000 45 10 1 1 1 1 1 0 1 1 1 1 1 1 1 1 0 0 0 1 0 0 0
63 3 600000 35 8 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
450000
64 1.9 0 20 10 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
65 3.4 800000 60 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
300000
66 2.5 0 30 12 1 1 1 1 1 1 0 1 1 1 1 1 1 1 0 1 0 1 1 0 0
350000
67 2.86 0 40 14 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 1 0 0
250000
68 3.1 0 45 10 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 0 0
69 3.34 700000 60 10 1 1 1 1 1 0 0 1 1 1 0 0 1 1 0 0 0 1 1 0 0
70 3.2 400000 60 8 1 0 1 0 0 0 0 1 0 0 1 0 1 1 0 0 0 0 0 0 0
Y IPK X9= MENGIRIM/MENERIMA E-MAIL X18= TWITTER
X1= PENDAPATAN ORANG TUA X10= MENJUAL/MEMBELI BARANG X19= INSTAGRAM
X2= LAMA BELAJAR X11= MELAKUKAN AKTIVITAS BELAJAR X20= PATH
X3= LAMA PENGGUNAAN HP X12= MENGUNDUH SOFTWARE X21= BBM
36
X4= SMS & TELPON X13= MENGUNDUH VIDEO GAME X22= LINE
X5= BERMAIN GAME X14= MENCARI INFORMASI BERITA X23= WHAT APPS
X6= INTERNET X15= MENGUNDUH FILM DLL X24= WE CHAT
X7= MENCARI INFORMASI BARANG/JASA X16= MEMBUKA SITUS JEJARING SOSIAL
X8= MENCARI INFORMASI KESEHATAN X17= FACEBOOK
37
Lampiran 3.Korelasi Antara Variabel bebas dan Tak Bebas
Y X1 X2
X1 0.005
0.969
X2 0.601 -0.108
0.000 0.375
Correlations
Y X1 X2 X3
**
Y Pearson Correlation 1 .005 .601 -.526**
Sig. (2-tailed) .969 .000 .000
N 70 70 70 70
X1 Pearson Correlation .005 1 -.108 .095
Sig. (2-tailed) .969 .375 .432
N 70 70 70 70
X2 Pearson Correlation .601** -.108 1 -.391**
Sig. (2-tailed) .000 .375 .001
N 70 70 70 70
** **
X3 Pearson Correlation -.526 .095 -.391 1
Sig. (2-tailed) .000 .432 .001
N 70 70 70 70
**. Correlation is significant at the 0.01 level (2-tailed).
Keterangan:
Y IPK
X1= PENDAPATAN ORANG TUA
X2= LAMA BELAJAR
X3= LAMA PENGGUNAAN HP
38
Lampiran 4.Penaksiran Parameter Model Awal dengan Metode Kuadrat Terkecil Biasa
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 3.072 .196 15.690 .000
Pendapatan_Orang_Tua .031 .031 .091 1.003 .320
Lama_Belajar .005 .001 .473 4.848 .000
Lama_Penggunaan_HP -.049 .014 -.351 -3.594 .001
a. Dependent Variable: IPK
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 3.128 .188 16.678 .000
Lama_Belajar .005 .001 .467 4.789 .000 .847 1.180
Lama_Penggunaan_HP -.048 .014 -.344 -3.529 .001 .847 1.180
a. Dependent Variable: Y
39
Lampiran 5. Pengujian Multikolinearitas, heteroskedastisitas dan kenormalan data
Coefficientsa
Collinearity Statistics
Model Tolerance VIF
1 X1 .847 1.180
X2 .847 1.180
a. Dependent Variable: Y
Correlations
IPK X1 X2 ERROR
Spearman's rho IPK Correlation
1.000 .699** -.589** .566**
Coefficient
Sig. (2-tailed) . .000 .000 .000
N 70 70 70 70
X1 Correlation
.699** 1.000 -.448** .042
Coefficient
Sig. (2-tailed) .000 . .000 .729
N 70 70 70 70
X2 Correlation
-.589** -.448** 1.000 .009
Coefficient
Sig. (2-tailed) .000 .000 . .944
N 70 70 70 70
ERROR Correlation
.566** .042 .009 1.000
Coefficient
Sig. (2-tailed) .000 .729 .944 .
N 70 70 70 70
**. Correlation is significant at the 0.01 level (2-tailed).
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
a
1 .679 .461 .445 .36139 2.034
a. Predictors: (Constant), X3, X2
b. Dependent Variable: Y
40
Lampiran5 (Lanjutan)
Probability Plot of C1
Normal
99.9
Mean -6.08244E-16
StDev 0.3561
99
N 70
KS 0.111
95 P-Value 0.039
90
80
70
Percent
60
50
40
30
20
10
5
0.1
-1.0 -0.5 0.0 0.5 1.0
C1
41
Lampiran6. Tabel Batas-Batas Statistik d dari Durbin-Watson (α = 5%)
42
Lampiran6 (Lanjutan)
43
Lampiran7. Pengujian Simultan dan Parsial melalui bantuan SPSS
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 7.488 2 3.744 28.667 .000a
Residual 8.750 67 .131
Total 16.238 69
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 3.128 .188 16.678 .000
X1 .005 .001 .467 4.789 .000 .847 1.180
X2 -.048 .014 -.344 -3.529 .001 .847 1.180
a. Dependent Variable: Y
44
Lampiran 8. Tabel Nilai D Kritis Uji Kolmogorov-Smirnov
45