FAKTOR-FAKTOR YANG MEMPENGARUHI PRESTASI

BELAJAR MAHASISWA D3 STATISTIKA UHO

Tugas Akhir
Untuk memenuhi sebagian persyaratan
Mencapai derajat diploma tiga

Oleh:
Juharni
F3A2 13 004

PROGRAM STUDI D3 STATISTIKA

PROGRAM PENDIDIKAN VOKASI
UNIVERSITAS HALU OLEO
KENDARI
2016
 RIWAYAT HIDUP

Juharni dilahirkan di Anggalomoare pada tanggal 17 Februari 1995 dari ayah

Djamaluddin A.Ma, ibu Sitti Murni A.Ma. Penulis merupakan anak ketiga dari lima
bersaudara. Tahun 2013 penulis lulus dari SMA Negeri 1 Sampara dan pada tahun
yang sama lulus seleksi masuk Universitas Halu Oleo melalui jalur Seleksi Lokal
Masuk Perguruan Tinggi Negeri (SLMPTN) dan diterima di Program Studi D3
Statistika, Program Pendidikan Vokasi Universitas Halu Oleo.
Selama mengikuti perkuliahan, penulis mendapat beasiswa Peningkatan
Prestasi Akademik (PPA) dari pihak Universitas Halu Oleo atas prestasi akademik
yang diraih. Penulis juga aktif dalam organisasi kemahasiswaan yaitu Himpunan
Mahasiswa Statistika (HIMASTIKA) tahun 2014/2015 pada Departemen Ilmu
Pengetahuan dan Teknologi (IPTEK).
 KATA PENGANTAR

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.

Kendari, April 2016

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

BAB II. TINJAUAN PUSTAKA

2.1 Definisi Prestasi Belajar 3
2.2 Faktor-faktor yang Diduga Mempengaruhi Prestasi Belajar 3
2.3 Analisis Deskriptif 4
2.4 Regresi Linier Ganda 5
2.5 Penaksiran Parameter dengan Metode Kuadrat Terkecil Biasa 6
2.6 Asumsi-asumsi Regresi Linier 7
2.7 Pengujian Koefisien Regresi 10

BAB III. METODE PENELITIAN

3.1 Sumber Data 13
3.2 Prosedur Penelitian 14

BAB IV. HASIL DAN PEMBAHASAN

4.1 Deskripsi Responden 15
4.2 Deskripsi Waktu belajar dan penggunaan HP 16
4.3 Korelasi Antara Variabel Bebas dan Variabel Tak Bebas 21
4.4 Persamaan Regresi dan Penaksiran Parameter 22
4.5 Pengujian Asumsi-asumsi Regresi 22
4.6 Pengujian Hipotesis 25
4.7 Ukuran Kebaikan Model Regresi 27

BAB V. KESIMPULAN DAN SARAN 28

5.1. Kesimpulan 28
5.2. Saran 28

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

Juharni. Faktor-faktor yang Berpengaruh Terhadap Prestasi Belajar Mahasiswa D3

Statistika Universitas Halu Oleo. Dibimbing oleh MUKHSAR dan GUSTI
NGURAH ADHI WIBAWA.
Prestasi belajar merupakan perwujudan atau aktualisasi dari kemampuan
dan usaha belajar siswa dalam waktu tertentu. analisis yang dapat digunakan
untuk mengetahui factor-faktor yang mempengaruhi prestasi belajar yaitu analisis
regresi linier ganda. Analisis regresi linier ganda merupakan suatu metode analisis
yang berkenaan dengan studi ketergantungan satu variabel tak bebas pada satu atau
lebih variabel bebas, dengan maksud menaksir atau meramalkan nilai rata-rata
variabel tak bebas, dipandang dari segi nilai yang diketahui atau tetap. Penelitian ini
bertujuan untuk mengetahui faktor-faktor apa saja yang berpengaruh signifikan
terhadap prestasi belajar mahasiswa D3 Statistika Program Pendidikan Vokasi
Universitas Halu Oleo. Hasil penelitian menunjukkan bahwa hanya variabel lama
belajar dan lama penggunan HP yang memberikan pengaruh signifikan terhadap
prestasi belajar mahasiswa.

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.

Keywords: Duration of use HP,Length of study, learning achievement,Multiple

linear regression, Parental income.

x
 BAB I
PENDAHULUAN

1.1. Latar Belakang

Secara umum pendidikan dipandang sebagai faktor utama dalam bidang
pembangunan, pandangan ini mengandung suatu pengertian bahwa pendidikan dapat
memotori dan menopang proses pembangunan, pendidikan menjadi salah satu
kebutuhan masyarakat yang dianggap sangat penting. Namun, cukup banyak masalah
yang dihadapi dalam proses pemenuhan akan pendidikan, khususnya di Indonesia
yaitu masalah kualitas pendidikan. Kualitas pendidikan dari lembaga pendidikan
pada jenjang tertentu dapat dilihat dari kualitas lulusan yang dihasilkannya. Untuk
meningkatkan pendidikan yang berkualitas, salah satunya dapat dilihat dari hasil atau
ada tidaknya program pendidikan. Adapun keberhasilan pendidikan salah satunya
dapat dilihat dari prestasi belajar oleh lulusan yang dihasilkan sebagai akhir
belajarnya (Anneahira, 2004).
Prestasi belajar merupakan perwujudan atau aktualisasi dari kemampuan
dan usaha belajar siswa dalam waktu tertentu. Winkel (1987) menyatakan bahwa
prestasi belajar adalah hasil penilaian pendidikan terhadap proses belajar dan hasil
belajar siswa. Penilaian yang dimaksud adalah penilaian yang dilakukan untuk
menentukan seberapa jauh proses belajar dan hasil belajar siswa telah sesuai
dengan tujuan instruksional yang sudah ditetapkan, baik menurut aspek isi maupun
aspek perilaku (Mukodim, 2004).
Prestasi belajar untuk dalam perkuliahan dapat diukur dari nilai Indeks
Prestasi (IP) dan Indeks Prestasi Kumulatif (IPK).Mahasiswa yang memperoleh
indeks prestasi tinggi mengindikasikan bahwa mahasiswa tersebutmemiliki
prestasi belajar yang baik sebaliknya mahasiswa yang memiliki indeks prestasi
rendah menunjukkan bahwa mahasiswa tersebut memiliki prestasi belajar yang
kurang.
Dalam masa studi, prestasi belajar mahasiswa dipengaruhi oleh beberapa
faktor, dimana faktor-faktor tersebut saling berkaitan dan saling mempengaruhi
satu sama lain.Faktor-faktor yang mempengaruhi perolehan indeks prestasi
mahasiswa merupakan salah satu hal yang penting untuk digali, untuk itu perlu
diungkap faktor-faktor yang mempengaruhi perolehan nilai indeks prestasi

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.

1.3. Manfaat Penelitian

Manfaat yang diharapkan dalam penelitian ini adalah:
1) Dapat mengetahui faktor-faktor yang berpengaruh terhadap prestasi belajar
mahasiswa D3 Statistika Universitas Halu Oleo.
2) Diharapkan dapat memberi manfaat bagi mahasiswa D3 Statistika untuk lebih
meningkatkan prestasi belajarnya.
3) Sebagai bahan kajian bagi peneliti selajutnya dalam melakukan penelitian yang
berhubungan dengan prestasi belajar.

2
 BAB II
TINJAUAN PUSTAKA

2. 1 Definisi Prestasi Belajar

Prestasi belajar adalah hasil usaha dari semua kegiatan yang dilakukan
mahasiswa, baik dari belajar, pengalaman dan latihan dari suatu kegiatan. Untuk
mengetahui hasil dari belajar ini dibuat suatu alat pengukur atau tes prestasi. Hasil
pengukuran melalui tes hasil belajar dapat dinyatakan dalam bentuk nilai yang
bersifat kualitatif dalam angka 0-4 atau A, B, C, D, dan E. Tingkatan nilai tes ini
diatur menurut rangking dan di formulasikan dalam bentuk Indesk Prestasi ( Crow,
1960).
Indeks Prestasi (IP) yaitu nilai yang dihitung pada setiap akhir semester yang
digunakan sebagai dasar untuk untuk mengetahui keberhasilan belajar dari semua
mata kuliah yang diikuti pada semester yang bersangkutan. Indeks Prestasi kumulatif
(IPK) yaitu indeks prestasi yang dihitung pada akhir suatu program pendidikan
lengkap atau pada akhir semester kedua dan seterusnya untuk seluruh mata kuliah
yang diambilnya, yang dinyatakan dengan angka 0-4 (Syaiful, 2006).

2. 2 Faktor-faktor yang Diduga Mempengaruhi Prestasi Belajar

Beberapa faktor yang diduga mempengaruhi, prestasi belajar di antaranya:
Pendapatan Orang Tua, Lama Belajar, Lama Penggunaan Handphone, Penggunaan
Internet dan Sosial Media.
2.2.1. Pendapatan Orang Tua
Pendapatan orang tua adalah segala bentuk karya yang diperoleh sebagai
imbalan atau jasa atas pekerjaan yang telah dilakukan. Pedapatan orang tua erat
kaitannya dengan keadaan ekonomi keluarga. Keadaan ekonomi keluarga dapat
mempengaruhi prestasi belajar anak. Anak yang sedang belajar selain harus
terpenuhi kebutuhan pokoknya, misalnya makan,minum,pakaian, perlindungan
kesehatan, juga membutuhkan fasilitas belajar seperti ruang belajar, meja, kursi,
penerangan, alat tulis, buku, laptop, dan lain-lain. Fasilitas belajar itu hanya akan
terpenuhi jika jika orang tua mempunyai cukup uang. Jika anak hidup dalam
keluarga yang miskin, kebutuhan pokok anak akan kurang terpenuhi sehingga

3
prestasi belajar anak akan terganggu. Setiap pendapatan orang tua berbeda-beda
tergantung dari jenis pekerjaan orang tua (Indri, 2014).

2.2.2. Lama Belajar

Belajar adalah suatu usaha atau perbuatan yang dilakukan secara sungguh-
sungguh, dengan sistematis, mendaya gunakan semua potensi yang dimiliki, baik
fisik, mental serta panca indra, otak dan anggota tubuh lainnya, demikian pula aspek-
aspek kejiwaan seperti intelegensi, bakat, motivasi, minat, dan sebagainya
(Dalyono,2009).

2.2.3. Lama Penggunaan Handphone

Telepon genggam sering disebut handphone (HP) atau telepon selular
(ponsel) adalah perangkat telekomunikasi elektronik yang mempunyai
kemampuan dasar yang sama dengan telepon konvensional saluran tetap, namun
dapat dibawa kemana-mana (portabel, mobile) dan tidak perlu disambungkan
dengan jaringan telepon menggunakan kabel (Zambrana, 2012).

2.2.4. Penggunaan Internet

Internet singkatan dari Iterconnection-networking adalah seluruh jaringan
komputer yang saling terhubung menggunakan standar sistem global transmission
Control protocol/Internet protocol Suite (TCP/IP) sebagai protokol pertukaran paket
(packet switching communication protocol) untuk melayani miliaran pengguna di
seluruh dunia (Wikipedia, 2016).

2.2.5. Sosial Media

Sosial media adalah media dimana penggunanya dengan mudah
berpartisipasi di dalamnya, berbagi dan menciptakan pesan, termasuk blog,
jejaring sosial, wiki/ensiklopedia online, forum-forum maya, termasuk virtual
worlds (Prezi, 2008).

2.3. Analisis Deskriptif

Analisis deskriptif adalah analisis data dengan cara mendeskripsikan atau
menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud
membuat kesimpulan yang berlaku untuk umum atau generalisasi. Teknik statistik

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).

2.4. Regresi Linier Ganda

Analisis regresi berkenaan dengan studi ketergantungan satu variabel tak bebas
pada satu atau lebih variabel bebas, dengan maksud menaksir atau meramalkan nilai
rata-rata variabel tak bebas, dipandang dari segi nilai yang diketahui atau tetap
(Gujarati, 1978).Pada umumnya persoalan penelitian yang menggunakan analisis
regresi memerlukan lebih dari satu variabel bebas dalam model regresinya. Model
regresi yang dapat digunakan untuk persoalan seperti ini adalah model regresi linier
ganda.
Sekumpulan data yang terdiri atas n observasi dari variabel tak bebas Y dan
pvariabel bebas, X 1 , X 2 , … , X p. Hubungan antara Y dan X 1 , X 2 , … , X p dapat
dirumuskan sebagai suatu model linier seperti berikut:
Y = β0 + β 1 X 1 + β 2 X 2 +…+ β p X p + ε , (1)
dimana β 0 , β 1 , β 2 , … , β p adalah parameter (koefisien regresi) yang harus ditaksir

berdasarkan data dan  adalah galat [~ N ( 0 , σ 2 )].

Tabel 2.1.Tabulasi Data dalam Analisis Regresi Ganda
Nomor Variabel bebas
Variabel tak
observas
bebas (Y) X1 X2 … Xp
i
x1
1 y1 x11 x12 …
p
x2
2 y2 x21 x22 …
p
x3
3 y3 x31 x32 …
p
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
xn
n yn xn1 xn2 …
p
Berdasarkan Tabel 2.1 di atas, setiap observasi dapat ditulis sebagai :
y i=β 0 + β 1 x i 1+ β 2 x i 2+ …+ β p x ip + ε i , i = 1, 2, …,n (2)
dimana yi adalah nilai dari variabel tak bebas ke-i, x i 1 , x i2 , … , xip adalah nilai-nilai
dari variabel bebas bagi observasi ke-i, danε i adalah galat.

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).

2.5. Penaksiran Parameter dengan Metode Kuadrat Terkecil

Koefisien-koefisien pada model regresi merupakan nilai taksiran parameter di
dalam model regresi untuk kondisi yang sebenarnya. Dengan melambangkan nilai
taksiran parameter sebagai ^β 0 , β^ 1 , … , β^ p,makadapat ditentukan persamaan regresi
taksiran untuk setiap observasi seperti berikut
^y i= β^ 0 + ^β 1 x i 1+ ^β 2 x i 2+ …+ ^β p x ip, i = 1, 2, …,n. (5)
Metode penaksiran parameter regresi yang paling sering digunakan adalah
metode kuadrat terkecil (Ordinary Least Square/OLS). Metode ini akan
meminimumkan jumlah kuadrat dari galat. Berdasarkan persamaan (2), nilai-nilai
galat dapat dirumuskan sebagai
ε i= ^y i− ^β 0− β^ 1 xi 1− β^ 2 xi 2−…− β^ p xip , i = 1, 2, …,n. (6)
Penggunaan metode kuadrat terkecil biasa untuk menentukan ^β 0 , β^ 1 , … , β^ p
sebagai taksiran dari parameter β 0 , β 1 , … , β p, maka harus meminimumkan bentuk
n n
JKG=∑ ε 2i =¿ ∑ ( y i−β 0 −β1 x i1 −β2 x i2 −…− β p x ip )2 . ¿ (7)
i=1 i=1
Jika persamaan (7) diturunkan berturut-turut terhadap β 0 , β 1 , … , β p, dan
kemudian disamakan dengan nol, maka diperoleh p + 1 sistem persamaan normal.
Secara sederhana dapat ditulis dalam bentuk matriks sebagai berikut
( X T X ) ^β=X T Y . (8)
T
Jika matriks( X X ) tak singular, maka jawaban untuk koefisien regresi dapat ditulis
sebagai berikut (Walpole & Myers, 1995)

6
 ^β=( X T X )−1 X T Y . (9)

2.6. Asumsi-asumsi Regresi Linier

Koefisien-koefisien regresi linier merupakan nilai duga dari parameter model
regresi. Parameter merupakan keadaan sesungguhnya untuk kasus yang diamati.
Suatu pendugaan tidak mungkin terlepas dari kesalahan, baik sedikit maupun
banyak. Namun dengan metode kuadrat terkecil, kesalahan pendugaan dijamin yang
terkecil asalkan memenuhi asumsi-asumsi regresi linier. Pengujian terhadap
kemungkinan adanya pelanggaran asumsi tersebut bertujuan untuk mengetahui
apakah koefisien regresi yang diperoleh telah sahih atau dapat diterima.
Beberapa asumsi utama dalam pemodelan regresi, yaitu:
1) Linearitas yaitu model hubungan antara variabel tak bebas Y dengan variabel
bebas X 1 , X 2 , … , X p diasumsikan linear dalam parameter-parameter regresinya
β 0 , β 1 , … , β p.
2) Multikolinearitas yaitu antara variabel bebas X 1 , X 2 , … , X psaling bebas atau
tidak berkorelasi secara kuat dan signifikan.
3) Kebebasan galat, asumsi ini menyatakan bahwa galat dari model regresi
ε 1 , ε 2 , … , ε nsaling bebas. Jika asumsi ini tidak terpenuhi, berarti terjadi masalah
korelasi antar galat.
4) Asumsi homoskedastisitas berarti galat dari model regresi mempunyai ragam σ 2
yang sama. Apabila asumsi ini tidak terpenuhi maka terjadi masalah
heteroskedastisitas.
5) Normalitas yaitu galat dari model regresi ε 1 , ε 2 , … , ε n berdistribusi normal

[ε N ( 0 , σ 2 ) ] (Chatterjee & Ali, 2006).

Pelanggaran terhadap asumsi yang ada akan mengakibatkan prediksi menjadi
bias. Untuk itu perlu dilakukan pengujian terhadap setiap asumsi dengan cara sebagai
berikut.
1) Uji Multikolinearitas
Uji ini digunakan untuk mengetahui apakah pada model regresi ditemukan
adanya korelasi antar variabel bebas. Jika terjadi korelasi berarti terdapat masalah
multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara
variabel bebas.

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).

2) Uji kebebasan galat

Asumsi kebebasan galat berarti bahwa nilai-nilai galat dari model regresi
ε 1 , ε 2 , … , ε ntidak berkorelasi atau saling bebas. Statistik uji yang sering dipakai untuk
menguji asumsi ini adalah statistik d dari Durbin-Watson. Hipotesis yang digunakan
untuk uji asumsi kebebasan galat yaitu:
H0 : ρ = 0 (Tidak ada korelasi antar galat)
H1 : ρ ≠ 0 (Ada korelasi antargalat)
Pengambilan keputusanmenggunakan tabel Durbin-Watson. Berikut ini adalah
kriteria uji bagi statistik duntuk kasus uji 2 arah:
- Jika d<dL, maka tolakH0 , atau
- jika d>4 – dL, maka tolakH0 , atau
- jika dU<d< 4 – dU, maka terimaH0, namun
- jika dL≤ d≤ dUatau 4−dU≤ d ≤ 4−dL, maka tidak dapat disimpulkan apakah
nilai-nilai galat saling berkorelasi atau tidak.
Statistik uji ddari Durbin-Watson dihitung berdasarkan rumus berikut ini
n

∑ ( 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) ] .

H1 : galat tidak 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).

2.7. Pengujian Koefisien Regresi

Analisis regresi meliputi dua tahapan pengujian hipotesis yaitu uji secara
simultan dan uji secara parsial. Pengujian ini dilakukan setelah semua asumsi-asumsi
regresi linear terpenuhi.
2.7.1. Uji Simultan
Uji simultan pada konsep regresi linier adalah pengujian mengenai apakah
model regresi yang didapatkan benar-benar dapat diterima. Uji simultan bertujuan
untuk menguji apakah antara variabel-variabel bebas X dan tak bebas Y, atau setidak-
tidaknya antara salah satu variabel bebas X dengan variabel tak bebas Y benar-benar
terdapat hubungan linier. Hipotesis yang berlaku untuk pengujian ini adalah:
H0 : 1 = 2 = … = p = 0
H1 : Paling sedikit ada satu j ≠ 0 untuk j= 1, 2, …,p.
dimana p adalah banyaknya variabel bebas, j adalah parameter (koefisien) ke-j
model regresi linier.
Hipotesis nol ditolak apabila nilai F ≥ F(p,n-p-1;α) pada tingkat signifikansi yang
dipilih. Nilai F mengikuti sebaran F dengan derajat bebas ( p )dan (n – p – 1). Sebagai
ukuran kebaikan model regresi digunakan besaran koefisien determinasi (R2) yang
diinterpretasikan sebagai proporsi dari total keragaman variabel tak bebas yang
mampu diterangkan oleh variabel-variabel bebas. Adapun tabel analisis ragam
ditunjukkan dalam Tabel 2.2:

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).

2.7.2. Uji Parsial

Uji parsial digunakan untuk menguji apakah sebuah variabel bebas X benar-
benar memberikan kontribusi terhadap variabel tak bebas Y. Dalam pengujian ini
ingin diketahui apakah jika secara terpisah, suatu variabel X masih memberikan
kontribusi secara signifikan terhadap variabel tak bebas Y.
Hipotesis dalam pengujian secara parsial untuk j= 0, 1, 2, …,p,yaitu:
H0: j = 0(koefisien j tidak signifikan)
H1: j ≠ 0(koefisien j signifikan)
dimana padalah banyaknya variabel bebas, j adalah parameter (koefisien) ke-j
model regresi linier
Pengujian hipotesis menggunakan statistik uji t yang dirumuskan dengan
β^ j
t= , (16)
se ( ^β j )

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

var ( ^β 1) cov ( β^ 1 , ^β 2) ⋯ cov ( ^β1 , β^ p )

[ ^ ^
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

3.1. Sumber Data

Data yang digunakan dalam penelitian ini adalah menggunakan data primer
yang diperoleh melalui penyebaran angket berupa kuesioner yang diberikan pada
mahasiswa D3 Statistika Program Pendidikan Vokasi Universitas Halu Oleo. Teknik
pengambilan sampel yaitu dengan purposive samping sebanyak 70 responden.
Adapun variabel yang digunakan dalam penelitian terdiri dari:
a. Variabel respon (Y) : IPK
b. Variabel penjelas
X1 : Pendapatan Orang Tua
X2 : Lama Belajar
X3 : Lama Penggunaan Handphone
- Lama Penggunaan Handphone untuk Penggunaan Internet:
a. Mencari Informasi Barang/Jasa
b. Mencari Informasi Kesehatan
c. Mengirim/Menerima E-Mail
d. Menjual/Membeli Barang
e. Melakukan Aktivitas Belajar
f. Mengunduh Software
g. Mengunduh Video Game
h. Mencari Informasi Berita
i. Mengunduh Music, Film, Video dan Lain-Lain
j. Membuka Situs Jejaring Sosial
- Lama Penggunaan Handphone untuk Sosial Media :
a. Facebook
b. Twitter
c. Instagram
d. Path
e. BBM
f. Line
g. What apps
h. We chat
3.2. Prosedur Penelitian
Penelitian ini dilaksanakan dengan prosedur sebagai berikut.
1) Merancang kuisioner 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 Deskripsi Responden

Penelitian ini melibatkan mahasiswa D3 Statistika Program Pendidikan Vokasi
Universitas Halu Oleo sebagai objeknya. Melalui penelitian ini ingin diketahui
faktor-faktor apa yang berpengaruh signifikan terhadap prestasi belajar mahasiswa.
Factor-faktor yang diduga berpengaruh signifikan terhadap prestasi belajar
mahasiswa D3 statistika adalah pendapatan orang tua, lama belajar dan lama
penggunaan HP.
Berdasarkan hasil penelitian informasi lengkap tentang responden tersaji
secara deskriptif sebagai berikut:

4.1.1 Kategori Jenis Kelamin

Berdasarkan hasil penelitian dapat diketahui bahwa, jenis kelamin dari hasil
penelitian yang memiliki distribusi paling banyak dalam pengambilan data adalah
jenis kelamin perempuan sebesar 63%, sementara laki-laki hanya 37%. Hal ini
ditunjukkan dalam Gambar 4.1 berikut :

Gambar 4.1. Jenis Kelamin Responden

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%.

4.1.3 Kategori Pekerjaan Orang Tua

Berdasarkan pekerjaan orang tua responden dapat dikategorikan dalam
beberapa kategori. Jenis pekerjaan orang tua responden yang paling banyak dalam
pengambilan data adalah jenis pekerjaan petani yaitu sebesar 33%, sedangkan yang
paling sedikit adalah pensiunan dan nelayan masing-masing sebesar 1%. Distribusi
pekerjaan orang tua responden dapat lihat pada Gambar 4.3.

Gambar 4.3. Pekerjaan Orang Tua Responden

4.2. Deskripsi Waktu belajar dan penggunaan HP

4.2.1. Lama waktu belajar mahasiswa per hari selain kuliah
Hasil penelitian bahwa jenis kelamin laki-laki memiliki nilai rata-rata (mean)
sebesar 84,2dan nilai simpangan baku (std deviation) sebesar 58,2, sedangkan jenis
kelamin perempuan memiliki nilai rata-rata (mean) sebesar 78,3 dan nilai simpangan
baku (std deviation) sebesar 45,4. Adapun nilai rata-rata (mean) sebesar 80,5 dan

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

4.2.2. Grafik kepemilikan HP

HP merupakan karya baru yang begitu cepat perkembangannya, media
komunikasi yang canggih dan tiada batasan. Dimana HP sudah menjadi kebutuhan
dalam berkomunikasi. Berdasarkan grafik kepemilikan HP dapat diketahui bahwa
dari 70 responden yang diteliti sebanyak 68 orang atau sebesar 97% responden
memiliki HP sedangkan sebanyak 2 orang atau sebesar 3% responden tidak
mempunyai HP. Untuk selengkapnya dapat lihat pada Gambar 4.4 berikut:

Gambar 4.4 Grafik Kepemilikan HP

4.2.3. Grafik jumlah HP yang dimiliki

Berdasarkan hasil penelitian dapat diketahui jumlah HP yang dimiliki
responden. Dimana responden yang tidak mempunyai HP sebanyak 2 orang,
responden memiliki 1 buah HP sebanyak 50 orang, responden memiliki 2 buah HP
sebanyak 16 orang dan responden memiliki 3 buah HP sebanyak 2 orang.

17
 Gambar 4.5. Grafik jumlah HP yang dimiliki

4.2.4. Lama waktu penggunaan HP per hari

Berdasarkan hasil penelitian dapat dijelaskan untuk lama waktu penggunaan
HP per hari, jenis kelamin laki-laki memiliki nilai rata-rata (mean) sebesar 10,12 dan
nilai simpangan baku (std deviation) sebesar 3,34, sedangkan jenis kelamin
perempuan memiliki nilai rata-rata (mean) sebesar 10,21 dan nilai simpangan baku
(std deviation) sebesar 3,56. Adapun total lama waktu penggunaan HP per hari
memiliki nilai rata-rata (mean) sebesar 10,17 dan nilai simpangan baku (std
deviation) sebesar 3,46. Hal ini ditunjukkan dalam Ttabel 4.2 berikut:
Tabel 4.2 Lama waktu penggunaan HP per hari
Jenis kelamin Rata-rata (jam) Standar deviasi (jam)
Laki-laki 10,12 3,34
Perempuan 10,21 3,56
Semua 10,17 3,46

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.

4.2.5. Aktivitas penggunaan HP oleh mahasiswa

Handphone adalah salah satu alat telekomunikasi yang didalamnya terdapat
fasilitas seperti ; SMS &Telpon, Bermain dan Internet, sehingga handphone menjadi
alat multimedia. Aktivitas penggunaan HP oleh mahasiswa ditunjukkan pada Tabel
4.3 berikut:

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%.

4.2.8. Grafik HP memotivasi belajar

Motivasi erat sekali hubungannya dengan tujuan yang ingin dicapai dalam
belajar, didalam menentukan tujuan itu dapat disadari atau tidak perlu perbuatan,
sedangkan yang menjadi penyebab berbuat adalah motivasi itu sendiri sebagai daya
penggerak atau pendorong. Motivasi dalam belajar adalaha faktor penting karena hal
tersebut yang mendorong mahasiswa untuk belajar.

Gambar 4.6. HP memotivasi belajar

Berdasarkan hasil penelitian, dapat diketahui bahwa sebanyak 53 responden
menyatakan bahwa HP memotivasi belajar sedangkan 17 responden menyatakan HP
tidak memotivasi belajar.
4.3. Korelasi Antara Variabel Bebas dan Variabel Tak Bebas

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

persamaan (1) yaitu:

Y^ =¿3,128 + 0,005X1 –0,048 X 2
4.5. Pengujian Asumsi-Asumsi Regresi
Model regresi yang diperoleh dari hasil penaksiran parameter harus memenuhi
asumsi-asumsi yang mendasarinya, dimana asumsi-asumsi tersebut sebagai berikut:
1) Uji multikolinearitas
Pengujian multikolinearitas menggunakan koefisien determinasi ganda ( R2 )

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) ] .

H1 : galat tidak menyebar normal [ ε ≁ N (0 ,σ 2) ].

Kriteria uji:
Tolak H₀ jika D≥Dtabel
TerimaH₀ jika D<Dtabel
Keputusan:
Berdasarkan analisis diperoleh nilai D = 0,111. Aproksimasi untuk n> 40,
dengan α = 0,05 dan n = 70, nilai Dtabelnya adalah 0,163 (Lampiran 8). Nilai D (0,111)
<Dtabel (0,163), maka hipotesis nol diterima. Sehingga dapat dikatakan bahwa nilai-

nilai galat dari model regresi berdistribusi normal [ ε N ( 0 ,σ 2) ] .

4.6. Pengujian Hipotesis

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.

4.6.2. Uji Parsial

Uji parsial untuk melihat apakah masing-masing variabel yang
dilibatkanbenar-benar memberikan kontribusi terhadap variabel terikat Y.Statistik uji
t sebagai pedoman pengambilan keputusan dihitung berdasarkan persamaan (16).
Secara ringkas nilai-nilai koefisien regresi serta nilai t hitung ditampilkan
pada Tabel 4.10 sebagai berikut:

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

a. Variabel Lama Belajar

Hipotesis:
H 0: β 1 = 0 (tidak ada pengaruh yang signifikan antara lama belajar terhadap IPK).
H 1: β 1 ≠ 0(ada pengaruh yang signifikan antara lama belajar terhadap IPK).
Kriteria uji:
Tolak H₀ jika | t | ≥ t(α/2,n-p-1)atau nilai p-value < α (0,05).
TerimaH₀ jika | t | <t(α/2,n-p-1)atau nilai p-value > α (0,05).
Keputusan:
Nilai t tabel dengan α = 0,05 dan derajat bebas 67 adalah 1,67. Berdasarkan
tabel 4.10 di atas diperoleh nilai |t| yaitu 4,789 lebih besart(0,95,67) yaitu 1,67 maka
hipotesis nol ditolak,sehingga dapat disimpulkan bahwa secara parsial, variabel
X1yaitu lama belajar berpengaruh nyata terhadap prestasi belajar.

b. Variabel Lama Penggunaan HP

Hipotesis:
H 0: β 2 = 0 (tidak ada pengaruh yang signifikan antara lama penggunaan HP terhadap
IPK).
H 1: β 2 ≠ 0(ada pengaruh yang signifikan antara lama penggunaan HPterhadap IPK).
Kriteria uji:
Tolak H₀ jika | t | ≥ t(α/2,n-p-1)atau nilai p-value < α (0,05).
TerimaH₀ jika | t | <t(α/2,n-p-1)atau nilai p-value > α (0,05).
Keputusan:
Nilai t tabel dengan α = 0,05 dan derajat bebas 67 adalah 1,67. Dari hasil tabel
4.10 di atas diperoleh nilai |t| yaitu -3,529lebih besart(0,95,67) yaitu 1,67 maka hipotesis
nol ditolak,sehingga dapat disimpulkan bahwa secara parsial, variabel X2 yaitu lama
penggunaan HP berpengaruh nyata terhadap prestasi belajar.

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.

4.7. Ukuran Kebaikan Model Regresi

Nilai R2 sebesar 0,679 (Lampiran 4) 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.

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

Anneahira. 2004. Pengertian Prestasi Belajar Menurut Para Ahli. Http://

anneahira.com/pengertian-prestasi-belajar-menurut-para-ahli.htm Warna,
[4 Maret 2016].
Chatterjee, S. & Ali, S. H. 2006. Regression Analysis by Example – 4 th ed. New
Jersey: John Wiley & Sons, Inc., Publication.
Crow, A. 1960. An Introduction to Guidance. New York: American Book Company
Dalyono.2009.Psikologi Pendidikan. Jakarta: Rineka Cipta
Gujarati, D. 1978. Ekonometrika Dasar. Jakarta: Penerbit Erlangga.
Indri,W. 2014. Penerapan Regresi Linear Berganda Untuk Menentukan Faktor-
Faktor yang Berpengaruh Terhadap Prestasi Belajar Siswa Kelas VII
SMP Negeri 05 Kendari[Skripsi]. Kendari : Universitas Halu Oleo
Fakultas Matematika Dan Ilmu Pengetahuan Alam
Mukodim. 2004. Peran Kesepian dan Kecenderungan Internet Addiction recorder
Terhadap Prestasi Belajar Mahasiswa Universitas Guna Darma.
http://ejournal.gunasarma.ac.id/files/A14.pdf[4 Maret 2016].
Prezi. 2008. Sosial Media Definisi Fungsi Karakteristik.http://prezi.com/vddmcub_-
ss_/social-media-definisi-fungsi karakteristik/[4 Maret 2016].
Sugiyono. 2009. Metode Penelitian Administrasi. Bandung: Alphabeta.
Steel, R.G.S & Torrie, J.H. 1993. Prinsip dan Prosedur Statistika Suatu Pendekatan
Biometrik. Jakarta: Gramedia Pustaka Utama.
Syaiful. 2006. Pengertian Tentang Prestasi Belajar. http://id.shvoong.com/social
sciences/education/2191176-pengertian tentangprestasibelajar/[ 4 Maret
2016] .
Walpole, R.E. 1993. Pengantar Statistika. Jakarta: Gramedia Pustaka Utama.
Walpole, R.E. & Myers, R.H. 1995. Ilmu Peluang dan Statistika untuk Insinyur dan
Ilmuwan, Edisi ke-4. Bandung: Institut Teknologi Bandung.
Wikipedia, Free Encyclopedia,Internet.http://id.wikipedia.org/wiki/internet[4 Maret
2016].
Zambrana, 2012.“PengertianHandphone”,www.Mokletrpl2.Blogspot.com[4 Maret
2016].

29
LAMPIRAN

30
Lampiran 1. Kuesioner Penelitian

KUESIONER PENELITIAN FAKTOR-FAKTOR YANG MEMPENGARUHI

PRESTASI BELAJAR
Nomor Kuisioner :

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 : ………………………………………………...

B.Penggunaan waktu belajar & kegitaan lainnya

1. Berapa rata-rata waktu yang Anda gunakan untuk belajar selain
diperkuliahan/hari? ……….Jam
2. Apakah Anda memiliki Handphone?
1. Ya 0. Tidak Stop
3. Berapa jumlah Handphone yang Anda miliki?
4. Berapa rata-rata lamanya Anda menggunakan handphone dalam satu hari?
…… Jam
5. Aktivitas apa saja yang sering anda lakukan dengan handphone:
A. SMS & Telpon : 1.Ya 0. Tidak
B. Bermain game : 1.Ya 0. Tidak

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

Correlations: Y, X1, X2, X3

Y X1 X2
X1 0.005
0.969

X2 0.601 -0.108
0.000 0.375

X3 -0.526 0.095 -0.391

0.000 0.432 0.001

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)

Sumber: Junaidi. 2010. Tabel Durbin-Watson Lengkap.

http://junaidichaniago.wordpress.com

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

Ujisatu-sisi p = 0.90 0.95 0.975 0.99 0.995

Ujidua-sisi p = 0.80 0.90 0.95 0.98 0.99
n= 1 0.900 0.950 0.975 0.990 0.995
2 0.684 0.776 0.842 0.900 0.929
3 0.565 0.636 0.708 0.785 0.829
4 0.493 0.565 0.624 0.689 0.734
5 0.447 0.509 0.563 0.627 0.669
6 0.410 0.468 0.519 0.577 0.617
7 0.381 0.436 0.483 0.538 0.576
8 0.359 0.410 0.454 0.507 0.542
9 0.339 0.387 0.430 0.480 0.513
10 0.323 0.369 0.409 0.457 0.486
11 0.308 0.352 0.391 0.437 0.468
12 0.296 0.338 0.375 0.419 0.449
13 0.285 0.325 0.361 0.404 0.432
14 0.275 0.314 0.349 0.390 0.418
15 0.266 0.304 0.338 0.377 0.404
16 0.258 0.295 0.327 0.366 0.392
17 0.250 0.286 0.318 0.355 0.381
18 0.244 0.279 0.309 0.346 0.371
19 0.237 0.271 0.301 0.337 0.361
20 0.232 0.265 0.294 0.329 0.352
21 0.226 0.259 0.287 0.321 0.344
22 0.221 0.253 0.281 0.314 0.337
23 0.216 0.247 0.275 0.307 0.330
24 0.212 0.242 0.269 0.301 0.323
25 0.208 0.238 0.264 0.295 0.317
26 0.204 0.233 0.259 0.290 0.311
27 0.200 0.229 0.254 0.284 0.305
28 0.197 0.225 0.250 0.279 0.300
29 0.193 0.221 0.246 0.275 0.295
30 0.190 0.218 0.242 0.270 0.290
31 0.187 0.214 0.238 0.266 0.285
32 0.184 0.211 0.234 0.262 0.281
33 0.182 0.208 0.231 0.258 0.277
34 0.179 0.205 0.227 0.254 0.273
35 0.177 0.202 0.224 0.251 0.269
36 0.174 0.199 0.221 0.247 0.265
37 0.172 0.196 0.218 0.244 0.262
38 0.170 0.194 0.215 0.241 0.258
39 0.168 0.191 0.213 0.238 0.255
40 0.165 0.189 0.210 0.235 0.252
Aproksimasiu 1.07 1.22 1.36 1.58 1.63
ntukn> 40
√n √n √n √n √n

Sumber: Daniel, W.W. 1989. Statistika Nonparametrik Terapan. Jakarta:

GramediaPustaka Utama

45