Nim : 220016301014
Program Studi : S2-Pendidikan Kimia
Analisis regresi linier berganda adalah hubungan secara linear antara dua atau
lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis ini
untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen
apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk
memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami
kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.
Persamaan regresi linear berganda sebagai berikut:
Y’ = a + b1X1+ b2X2+…..+ bnXn
Keterangan:
1
STUDI KASUS
1. Latar Belakang
Berpikir dan bernalar secara logis sangat diperlukan dalam setiap aspek
kehidupan sehari-hari, karena penalaran logis merupakan pendukung keberhasilan suatu
tindakan, terutama dalam mengambil keputusan. Hal ini tentunya sangat dibutuhkan
oleh setiap orang dalam menjalankan kehidupannya. Oleh karena itu sudah selayaknya
kajian tentang sikap, kemampuan penalaran logis ini mendapat perhatian lebih pada
setiap jenjang pendidikan terutama di Perguruan Tinggi.
Adapun tujuan peneltian dengan judul “Hubungan Antara Sikap ilmiah dan
Kemampuan Berpikir Logis dengan Prestasi Belajar Mahasiswa Jurusan Kimia”. adalah
untuk mengetahui apakah terdapat pengaruh yang signifikan Sikap Ilmiah (X1),
Kemampuan Berpikir Logis (X2), dengan prestasi belajar mahasiswa (Y).
Sikap Ilmiah (X1) merupakan salah satu variabel X yang menjadi hal pertama
yang saya teliti. Sedangkan kemampuan berpikir logis (X 2) menjadi variabel X kedua
karena walaupun seorang mahasiswa memiliki sifat ilmiah yang tinggi namun
kemampuan berpikir logisnya kurang akan memperlambat seorang mahasiswa untuk
mendapatkan nilai prestasi akademik yang baik.
Prestasi belajar (Y) merupakan satu-satunya variabel Y yang menjadi hasil tolak
ukur tentang dampak dari 2 variabel X sebelumnya. Prestasi sendiri merupakan bukti
hasil dari sebuah usaha keras seseorang.
2
Regresi menurut Yohannes (2011) adalah hubungan yang terjadi antara satu atau
dua variabel bebas (X) dengan satu variabel terikat (Y). Suatu variabel dapat dikatakan
variabel bebas apabila variabel tersebut merupakan variabel yang mudah
didapat/tersedia untuk diteliti biasanya berupa variabel X1, X2, X3, ....dst. Sementara
variabel tidak bebas merupakan variabel yang terjadi karena adanya variabel bebas.
Biasanya variabel tidak bebas dilambang dengan huruf Y.
Analisis regresi linier berganda memiliki sebanyak dua variabel bebas (X1 dan
X2) yang saling berhubungan serta satu variabel terikat (Y) yang merupakan dampak
akibat dari variabel X1 dan variabel X2 yang merupakan variabel bebas.
Analisa data variabel penelitian ini menggunakan program aplikasi SPSS yang
merupakan kepanjangan dari Statistical Package for the Social Science adalah sebuah
software komputer yang berfungsi untuk menganalisis data statistik. SPSS pertamakali
dikembangkan pertamakali oleh Norman H. Nie, C.Hadlay, dan Dale Bent sekitar tahun
tahun 1960 di Stanford University sebagai sebuah software statistik pada sebuah
komputer main frame.
Regression
[DataSet1]
Descriptive Statistics
Std.
Mean Deviation N
Y 74.0000 5.47723 30
,X1 75.8333 8.31319 30
X2 74.5000 6.61112 30
3
Correlations
Y X1 X2
Pearson Correlation Y 1.000 .663 .724
X1 .663 1.000 .243
X2 .724 .243 1.000
Sig. (1-tailed) Y . .000 .000
X1 .000 . .098
X2 .000 .098 .
N Y 30 30 30
X1 30 30 30
X2 30 30 30
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 X2, X1a . Enter
a. All requested variables entered.
Model Summaryb
Adjusted R Std. Error of
Model R R Square Square the Estimate
1 .881a .776 .759 2.68936
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
4
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) 11.247 6.535 1.721 .097
X1 .341 .062 .517 5.503 .000
a. Dependent Variable: Y
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 674.718 2 337.359 46.644 .000a
Total 870.000 29
b. Dependent Variable: Y
Residuals Statisticsa
Std.
Minimum Maximum Mean Deviation N
Predicted Value 63.8975 84.0299 74.0000 4.82350 30
5
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) 11.247 6.535 1.721 .097
X1 .341 .062 .517 5.503 .000
a. Dependent Variable: Y
6
Cara membaca Output tersebut adalah sebagai berikut:
1. Deskriptif statistik
Descriptive Statistics
Std.
Mean Deviation N
Y 74.0000 5.47723 30
X1 75.8333 8.31319 30
X2 74.5000 6.61112 30
Dari output tersebut dapat dilihat rata-rata Sikap Ilmiah (X1) dari 30 siswa adalah
75.8333 dengan standar deviasi 8.31319, rata-rata Kemampuan Berpikir Logis (X2)
adalah 74.5000 dengan standar deviasi 6.61112, sedangkan rata-rata Prestasi Belajar
(Y) adalah 74.0000 dengan standar deviasi 5.47723.
2. Korelasi
Correlations
Y X1 X2
Pearson Y 1.000 .663 .724
Correlation X1 .663 1.000 .243
X2 .724 .243 1.000
Sig. (1-tailed) Y . .000 .000
X1 .000 . .098
X2 .000 .098 .
N Y 30 30 30
X1 30 30 30
X2 30 30 30
7
b. Besar hubungan Sikap Ilmiah (X1) dengan Prestasi Belajar (Y) adalah 0,663
yang berarti ada hubungan positif, makin besar Sikap Ilmiah (X1) maka makin
tinggi pula Prestasi Belajar (Y).
c. Besar hubungan Kemampuan Berpikir Logis (X2) dengan Prestasi Belajar (Y)
adalah 0,724 yang berarti ada hubungan positif, makin besar Kemampuan
Berpikir Logis (X2) maka makin tinggi pula Prestasi Belajar (Y).
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 X2, X1a . Enter
a. All requested variables entered.
Dari tabel di atas menunjukan variabel yang dimasukan adalah Sikap Ilmiah (X1)
dengan Kemampuan Berpikir Logis (X2), sedangkan variabel yang dikeluarkan tidak
ada (Variables Removed tidak ada)
4.Model sisaan
Model Summaryb
Adjusted R Std. Error of
Model R R Square Square the Estimate
1 .881a .776 .759 2.68936
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
Pada tabel di atas angka R Square adalah 0,776 yaitu hasil kuadrat dari koefisien
korelasi (0,881 x 0,881 = 0,776). Standar Error of the Estimate adalah 2.68936.
Perhatikan pada analisis deskriptif statitik bahwa standar deviasi Prestasi Belajar (Y)
adalah 5.47723 jauh lebih besar dari dari standar error.
Oleh karena SE lebih kecil daripada standar deviasi Prestasi Belajar (Y), maka model
regresi bagus dalam bertindak sebagai predictor Prestasi Belajar (Y).
5. Anova
8
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 674.718 2 337.359 46.644 .000a
Residual 195.282 27 7.233
Total 870.000 29
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
Untuk menjawab hipotesis yang pertama, yaitu “Sikap Ilmiah (X1) dan
Kemampuan Berpikir Logis (X2) secara bersama-sama memiliki pengaruh yang
signifikan terhadap Prestasi Belajar (Y)”, perhatikan Tabel Output ANOVA di atas:
9
4. Membandingkan nilai t Hitung dengan t Tabel
Dari tabel di atas terlihat nilai regresi memiliki tingkat signifikansi 0,000, nilai
ini lebih kecil dari α = 0,05.
5. Menarik Kesimpulan:
Kriteria penerimaan:
Jika P value (Sig) < α, maka terima hipotesis penelitian (H1), atau tolak Ho.
Karena nilai regresi memiliki tingkat signifikansi 0,000, nilai ini lebih kecil dari
α = 0,05, maka H1 diterima dan Ho ditolak.
Artinya: Sikap Ilmiah (X1) dan Kemampuan Berpikir Logis (X2) secara bersama-
sama memiliki pengaruh yang signifikan terhadap Prestasi Belajar (Y)
Selain menggunakan nilai probabilitas atau nilai Sig (seperti di atas), metode lain yang
dapat digunakan adalah membandingkan nilai F Hitung dengan F Tabel
Artinya: Sikap Ilmiah (X1) dan Kemampuan Berpikir Logis (X2) secara
bersama-sama memiliki pengaruh yang signifikan terhadap Prestasi Belajar (Y)
6. Koefisien
10
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 11.247 6.535 1.721 .097
X1 .341 .062 .517 5.503 .000
X2 .495 .078 .598 6.362 .000
a. Dependent Variable: Y
Untuk menjawab hipotesis yang kedua, yaitu “Sikap Ilmiah (X1) memiliki
pengaruh yang signifikan terhadap Prestasi Belajar (Y)”, perhatikan Tabel Coefficients
di atas:
Karena nilai regresi memiliki tingkat signifikansi (Sig X1) = 0,000, nilai ini lebih
kecil dari α = 0,05, maka H1 diterima dan Ho ditolak.
Artinya: Sikap Ilmiah (X1) memiliki pengaruh yang signifikan terhadap Prestasi
Belajar (Y)
Selain menggunakan nilai probabilitas atau nilai Sig (seperti di atas), metode lain yang
dapat digunakan adalah membandingkan nilai t Hitung dengan t Tabel
11
Langkah-langkah pengujian Hipotesis I adalah sebagai berikut:
1. Menetapkan hipotesis
Ho: i = 0 Sikap Ilmiah (X1) tidak memiliki pengaruh (= 0)
yang signifikan terhadap Prestasi Belajar (Y)
H1: Ada i yang tidak nol Sikap Ilmiah (X1) memiliki pengaruh yang
signifikan terhadap Prestasi Belajar (Y)
Artinya: Sikap Ilmiah (X1) memiliki pengaruh yang signifikan terhadap Prestasi
Belajar (Y)
12
Karena nilai regresi memiliki tingkat signifikansi (Sig X2) = 0,000, nilai ini lebih
kecil dari α = 0,05, maka Ha diterima dan Ho ditolak.
Selain menggunakan nilai probabilitas atau nilai Sig (seperti di atas), metode lain yang
dapat digunakan adalah membandingkan nilai t Hitung dengan t Tabel
Kriteria penerimaan:
Jika t Hitung > t Tabel, maka terima hipotesis penelitian (Ha), atau tolak Ho.
Karena nilai T Hitung = 6.362 > t Tabel = 1,703, maka Ha diterima dan Ho
ditolak.
Artinya: Sikap Ilmiah (X1) memiliki pengaruh yang signifikan terhadap Prestasi
Belajar (Y)
Berdasarkan tabel Coefficients diatas maka dapat dibuat model regresi yang terjadi,
yaitu:
Y = 11,247 + 0,341 X1 + 0,495 X2 + e
13
b. Variabel Sikap Ilmiah (X1) memiliki koefisien regresi sebesar 0,341.
Ini berarti jika variabel lainnya nilainya tetap atau tidak berubah, maka setiap
kenaikan 1 poin atau 1% Variabel X1 akan meningkatkan Prestasi Belajar (Y)
sebesar 0,341.
Koefisien Variabel Sikap Ilmiah (X1) bernilai positif, artinya terdapat hubungan
positif antara Sikap ilmiah (X1) dengan Prestasi Belajar (Y ), artinya semakin
meningkat Sikap Ilmiah (X1) maka akan meningkatkan Prestasi Belajar (Y )
c. Variabel Kemampuan Berpikir Logis (X2) memiliki koefisien regresi sebesar
0,495.
Ini berarti jika variabel lainnya nilainya tetap atau tidak berubah, maka setiap
kenaikan 1 poin atau 1% Variabel X2 akan meningkatkan Prestasi Belajar (Y)
sebesar 0,495.
Koefisien Variabel Kemampuan Berpikir Logis (X2) bernilai positif, artinya
terdapat hubungan positif antara Kemampuan Berpikir Logis (X2) dengan
Prestasi Belajar (Y ), artinya semakin meningkat Kemampuan Berpikir Logis
(X2) maka akan meningkatkan Prestasi Belajar (Y )
Residuals Statisticsa
Std.
Minimum Maximum Mean Deviation N
Predicted Value 63.8975 84.0299 74.0000 4.82350 30
Residual -4.89466 4.37813 .00000 2.59497 30
Std. Predicted -2.094 2.079 .000 1.000 30
Value
Std. Residual -1.820 1.628 .000 .965 30
a. Dependent Variable: Y
Tabel di atas merupakan ringkasan yang meliputi nilai minimum dan maksimum, mean
dan standar deviasi dari predicted value (nilai yang diprediksi) dan statistic residu.
7. Kelinieran
Jika residual berasal dari distribusi normal, maka nilai-nilai sebaran data akan terletak
sekitar garis lurus, terlihat bahwa sebaran data pada gambar di atas tersebar hampir
semua pada sumbu normal, maka dapat dikatakan bahwa pernyataan normalitas dapat
dipenuhi.
14
BAB III
KESIMPULAN
1. Sikap Ilmiah (X1) dan Kemampuan Berpikir Logis (X2) secara bersama-sama
memiliki pengaruh yang signifikan terhadap Prestasi Belajar (Y)
2. Sikap Ilmiah (X1) memiliki pengaruh yang signifikan terhadap Prestasi
Belajar (Y)
3. Kemampuan Berpikir Logis (X2) memiliki pengaruh yang signifikan
terhadap Prestasi Belajar (Y)
Dengan menggunakan hasil analisis penelitian tentang “Pengaruh Minat
15
Daftar Pustaka
Anton, Yohannes.2011. It’s Easy.. Olah Data dengan SPSS. Skripta Media Creative:
Jogjakarta.
16
17