F.

Intrumen dan Teknik Pengolahan Data

1. Pengembangan Instrumen Penelitian

Sugiyono (2017:102) menyatakan bahwa instrumen penelitian adalah suatu alat

yang digunakan mengukur fenomena alam maupun sosial yang diamati. Pada penyusunan

instrumen, indikator-indikator yang diperoleh dipecahkan menjadi beberapa item atau

pernyataan. Pembuatan item ini berdasarkan indikator-indikator masing-masing variabel

yang telah ditetapkan dalam kajian teori.

Penyusunan angket dilakukan dengan langkah-langkah sebagai berikut:

a. Menentukan variabel sebagai acuan untuk indikator

b. Membuat kisi-kisi angket pernyataan berdasarkan indikator dari setiap variabel

penelitian.

c. Menyusun butit-butir penyataan (item) berdasarkan indicator yang telah

ditetapkan.

d. Mengkonsultasikan item-item tersebut kepada pembimbing

e. Melakukan uji coba angket penelitian.

Setiap item mempunyai nilai yang berpedoman pada skala Likert. Menurut

Riduwan (2010: 12) “Skala Likert digunakan untuk mengukur sikap, pendapat, dan

persepsi seseorang atau sekelompok tentang kejadian atau gejala sosial”. Model Skala

Likert jawabannya terdiri dari lima skala, dengan penetapan skor penilaian dari lima

sampai satu yakni sangat setuju(SS), setuju(S), ragu-ragu(RG), tidak setuju(TS), dan

sangat tidak setuju(STS), setiap butir dalam kuisioner diberi skor dari angka 5-4-3-2-1
bila pernyataan dalam angket bersifat positif dan pernyataan bersifat negatif masing-

masing butir memiliki skor dari 1-2-3-4-5.

Skor alternatif jawaban pada pernyataan positif dan pernyataan negatif adalah

sebagai berikut:

Tabel 4. Skor Alternatif Jawaban

Pertanyaan Positif Pernyataan Negatif

Alternatif Jawaban Skor Alternatif Jawaban Skor
Sangat setuju 5 Sangat setuju 1
Setuju 4 Setuju 2
Ragu-ragu 3 Ragu-ragu 3
Tidak Setuju 2 Tidak Setuju 4
Sangat tidak setuju 1 Sangat tidak setuju 5
Angka ini digunakan untuk mengevaluasi variabel bebas yaitu motivasi siswa (X 1)

dan fasilitas belajar (X2) yang akan diberikan kepada siswa kelas XI Program Keahlian

Teknik Audio Video SMK Cendana Padang Panjang Tahun Pelajaran 2021/2022.

Instrument disusun dan dikembangkan berdasarkan variabel yang hendak diukur

pada motivasi siswa dan fasilitas belajar. Kemudian variabel tersebut dikembangkan

dalam bentuk indikator – indikator yang akhirnya menjadi butir-butir pertanyaan atau

pernyataan. Dalam penelitian ini instrumen penelitian diambil dari penelitian-penelitian

 terdahulu yang direvisi sesuai dengan kebutuhan dan tempat penelitian. Indikator inilah

yang dijadikan titik tolak penyusunan.

Adapun indikator untuk motivasi siswa dikembangkan berdasarkan pendapat

Sardiman (2010:83) sedangkan fasilitas belajar dikembangkan dari pendapat Nia

Kristiana(2020:40) dapat dilihat pada Tabel 4 berikut:

Tabel 5. Kisi-kisi Instrument motivasi belajar

Variabel Indikator Jumlah

Tekun Menghadapi Tugas (Tidak Mau 6
berhenti Sebelum Tugas Selesai)
Ulet Menghadapi Kesulitan (Tidak Lekas 6
Pustus Asa)
Motivasi
Siswa
Lebih senang bekerja mandiri. 5
Tidak Cepat Bosan Pada Tugas Rutin 6
Dapat Mempertahankan Pendapat. 5
Jumlah Butir Pernyataan 28

Tabel 6. Kisi-kisi Instrument fasilitas belajar

Variabel Indikator Jumlah

Ruangan belajar dirumah 4

Perlengkapan belajar 4
Fasilitas
Laptop/ Smartphone 4
Belajar
Jaringan Internet 5
Fasilitas pendukung yang diberikan 7
sekolah selama belajar dari rumah
Jumlah Butir Pernyataan 24
2. Uji Coba Instrumen

Uji coba instrumen dilakukan dengan maksud untuk mengetahui apakah instrumen

yang digunakan teruji tingkat validitas dan reliabilitas (keterhandalannya). Menurut

Sugiyono (2010:173) “Valid berarti instrumen tersebut dapat digunakan untuk mengukur

apa yang harus diukur. Sedangkan instrumen yang reliabel adalah instrumen yang bila

digunakan untuk mengukur objek yang sama, akan menghasilkan data yang sama”.

a. Responden Uji Coba

Coba Responden dalam uji coba ini berjumlah 24 orang diluar populasi yang

telah ditentukan, yaitu siswa kelas XII TAV SMK Cendana Padang Padang yang

sudah belajar mata pelajaran Penerapan Rangkaian Elektronika pada kelas XI.

b. Pelaksanaan Uji Coba

Menggunakan angket yang telah disusun dan responden diminta untuk mengisi

secara jujur. Uji coba ini dilaksanakan setelah surat izin penelitian keluar.

Pelakasanaan uji coba dilakukan di SMK Cendana Padang Padang.

3. Analisa Hasil Uji Coba Instrumen

a. Uji Validasi Instrumen

Menurut Suharsimi Arikunto (2010:211) bahwa “Validitas adalah suatu

ukuran yang menunjukkan tingkatan-tingkatan kevalidan atau kesahihan suatu

instrumen”.
 Cara menghitung tingkat validitas atau indeks validitas yaitu mencari

koefisien product moment dengan angka kasar (Suharsimi Arikuto, 2013:213).

r xy =n . ¿ ¿

Keterangan :

rxy : Koefisien korelasi satu item dengan total item

n : Banyaknya responden

∑X : Jumlah Skor Seluruh Item

∑X : Jumlah Skor Setiap Item

Selanjutnya dilakukan uji-t untuk membandingkan nilai r hitung dengan rtabel dengan

menggunakan rumus (Riduwan & sunarto,2011:81).

r √n−2
t hitung =
√ 1−r 2
Keterangan :

t = Nilai thitung

r = Koefisien Korelasi hasil rhitung

n = Jumlah Responden

Kriteria pengujian valid tidaknya tiap-tiap butir soal yaitu dengan

membandingkan rhitung dengan rtabel pada taraf signifikansi 5%. Jika rhitung lebih kecil

daripada rtabel maka dikatakan tidak valid. Uji validitas menggunakan korelasi product

moment ini juga dibantu dengan program SPSS 16.00 for Windows.

Kaidah keputusan :

Jika rhitung > rtabel berarti valid dan,

Jika rtabel < rhitung berarti tidak valid

Tabel 7. Tabulasi Uji Coba Instrumen Motivasi Belajar(X1)

Item rhitung ttabel Keterangan

1 0.700 0.4044 Valid
2 0.283 0.4044 Tidak Valid
3 0.422 0.4044 Valid
4 0.648 0.4044 Valid
5 -0.399 0.4044 Tidak Valid
6 0.698 0.4044 Valid
7 0.608 0.4044 Valid
8 0.764 0.4044 Valid
9 0.761 0.4044 Valid
10 0.847 0.4044 Valid
11 -0.001 0.4044 Tidak Valid
12 -0.211 0.4044 Tidak Valid
13 0.543 0.4044 Valid
14 0.708 0.4044 Valid
15 -0.310 0.4044 Tidak Valid
16 -0.285 0.4044 Tidak Valid
17 0.816 0.4044 Valid
18 0.781 0.4044 Valid
19 0.754 0.4044 Valid
20 0.567 0.4044 Valid
21 0.530 0.4044 Valid
22 0.699 0.4044 Valid
23 0.591 0.4044 Valid
24 0.669 0.4044 Valid
25 0.607 0.4044 Valid
26 0.648 0.4044 Valid
27 0.151 0.4044 Tidak Valid
28 0.827 0.4044 Valid
Dari hasil uji coba instrument 28 item, 21 item dinyatakan valid dan 7 item

dinyatakan gugur untuk variabel X1 (Dapat dilihat pada tabel Uji Validitas Motivasi

belajar.
Tabel 8. Uji Validitas Motivasi Belajar

No. Res Item (X) Total Skor (Y) X2 Y2 XY

1 5 130 25 16900 650
2 3 104 9 10816 312
3 2 88 4 7744 176
4 4 105 16 11025 420
5 2 86 4 7396 172
6 4 116 16 13456 464
7 4 113 16 12769 452
8 5 112 25 12544 560
9 3 132 9 17424 396
10 3 106 9 11236 318
11 5 133 25 17689 665
12 4 103 16 10.609 412
13 5 130 25 16900 650
14 4 119 16 14161 476
15 5 132 25 17424 660
16 4 107 16 11449 428
17 4 112 16 12544 448
18 5 106 25 11236 530
19 2 101 4 10201 202
20 3 101 9 10201 303
21 3 101 9 10201 303
22 4 111 16 12321 444
23 4 114 16 12996 456
24 4 105 16 11025 420
Statistik ∑x ∑Y ∑ X2 ∑ Y 2 ∑ XY

Jumlah 91 2667 367 300267 10317

(∑X)2 = 8281

(∑Y)2 = 7112889
Data X diambil dari item nomor 1.

1) Menghitung setiap item menggunakan rumus Pearson Product Moment

Terkoreksi sebagai berikut.

r hitung =n .¿ ¿

Sebagai contoh mencari rhitung pada item nomor 1.

24. ( 10317 )−(91)(2667)

¿
√¿¿¿

247608−242697
¿
√( 8808−8281 ) .(7206408−7112889)
4911
¿
√527.93519
rhitung=0.700

2) Mencari rtabel

rtabel = n – 2

= 24 – 2

= 22

Diperoleh rtabel 22 dengan harga 0.4044 secara signifikan a = 0,05

3) Menentukan keputusan validitas

Jika rhitung ≥ rtabel maka keputusanya adalah “Valid”

Jika rhitung< rtabel maka keputusannya adalah “Tidak valid”

Tabel 9. Tabulasi Uji Coba Instrumen Fasilitas Belajar(X1)

Item rhitung rtabel Keterangan

1 0.817 0.4044 Valid
2 0.728 0.4044 Valid
 3 0.640 0.4044 Valid
4 0.576 0.4044 Valid
5 0.884 0.4044 Valid
6 0.807 0.4044 Valid
7 0.519 0.4044 Valid
8 -0.009 0.4044 Tidak Valid
9 0.489 0.4044 Valid
10 0.468 0.4044 Valid
11 0.702 0.4044 Valid
12 -0.305 0.4044 Tidak Valid
13 0.428 0.4044 Valid
14 0.603 0.4044 Valid
15 0.668 0.4044 Valid
16 0.532 0.4044 Valid
17 0.870 0.4044 Valid
18 0.167 0.4044 Tidak Valid
19 0.706 0.4044 Valid
20 0.456 0.4044 Valid
21 0.843 0.4044 Valid
22 0.226 0.4044 Tidak Valid
23 0.201 0.4044 Tidak Valid
24 0.504 0.4044 Valid
Dari hasil uji coba instrument 24 item, 18 item dinyatakan valid dan 5 item
dinyatakan gugur untuk variabel X2 (Dapat dilihat pada tabel Uji Validitas Fasilitas
belajar.

Tabel 10. Uji Validitas Fasilitas Belajar

No. Item (X) Total Skor (Y) X2 Y2 XY

 Res
1 4 87 16 7569 348
2 2 58 4 3364 116
3 4 79 16 6241 316
4 3 72 9 5184 216
5 2 52 4 2704 104
6 4 84 16 7056 336
7 2 54 4 2916 108
8 2 54 4 2916 108
9 3 48 9 2304 144
10 4 73 16 5329 292
11 2 73 4 5329 146
12 2 77 4 5929 154
13 4 73 16 5329 292
14 3 66 9 4356 198
15 2 48 4 2304 96
16 1 58 1 3364 58
17 4 81 16 6561 324
18 5 100 25 10000 500
19 2 69 4 4761 138
20 4 95 16 9025 380
21 4 80 16 6400 320
22 2 54 4 2916 108
23 5 91 25 8281 455
24 5 95 25 9025 475
Statisti ∑x ∑Y ∑ X2 ∑ Y 2 ∑ XY
k

Jumlah 75 1721 267 129163 5732

2
(∑X) = 5625

(∑Y)2 = 2961841
 Data X diambil dari item nomor 1.

1) Menghitung setiap item menggunakan rumus Pearson Product Moment

Terkoreksi sebagai berikut.

r hitung =n .¿ ¿

Sebagai contoh mencari rhitung pada item nomor 1.

24. ( 5732 ) −(75)(1721)

¿
√¿ ¿ ¿

137568−129075
¿
√( 6408−5625 ) .(3099912−2961841)

8493
¿
√783.138071

rhitung=0.817

2) Mencari rtabel

rtabel = n – 2

= 24 – 2

= 22

Diperoleh rtabel 22 dengan harga 0.4044 secara signifikan a = 0,05

3) Menentukan keputusan validitas

Jika rhitung ≥ rtabel maka keputusanya adalah “Valid”

Jika rhitung< rtabel maka keputusannya adalah “Tidak valid

b. Uji Reliabilitas Instrumen

 Menurut Suharsimi Arikunto (2013:221) menyatakan bahwa “Reliabilitas

menunjukkan pada suatu pengertian bahwa suatu instrumen dapat dipercaya untuk

digunakan sebagai alat pengumpulan data karena instrumen tersebut sudah baik”.

Pengujian reliabilitas instrument dihitung dengan menggunakan metode alfa

yang dikemukakan oleh Riduwan & Engkos Achmad Kuncoro (2012:221) sebagai

berikut:

Si=∑ X −¿ ¿ ¿
2

S1 + S2 + S3 + …. Sn

St=∑ Xt ¿ ¿ ¿ ¿
2

r 11= k [ k
k−1 ][
1−
∑ si
st ]
Keterangan :

r11 : Koefisien reliabilitas

k : Banyak nya butir soal

∑Si : Jumlah varians item

St : Varians total

Untuk mengetahui reliabilitas angket dilakukan dengan cara membandingkan

nilai rhitung dengan rtabel. Dalam reliabilitas sebagai r hitung adalah nilai akhir hasil

perhitungan menggunakan rumus Alpha. Ketentuannya bila r11>rtabel maka pernyataan

tersebut reliabel dan sebaliknya, dikutip dari Riduwan (2012:221). Jika instrumen itu

reliabel, maka dapat dilihat kriteria penafsiran mengenail indeks korelasi (r) pada

tabel 6.
Tabel 11. Interpretasi Koefisien Korelasi Nilai r

Interval Koefisien Tingkat Hubungan

0.80 - 1.00 Sangat Kuat
0.60 – 0.799 Kuat
0.40 – 0.599 Cukup Kuat
0.20 – 0.399 Rendah
0.00 – 0.199 Sangat Rendah
Sumber : Riduwan (2012 :223)

Uji reliabilitas dalam penelitian ini menggunakan batuan program SPSS 21 for

windows.

1) Reabilitas Motivasi Belajar

a) Menghitung Si pada item nomor 1.

Si=∑ X −¿ ¿ ¿
2
Si=
367− ( 8281
24 )
24

Si=¿0.91493

Tabel 12. Menghitung si setiap item yang valid pada Motivasi Belajar

S i1 S i2 S i3 S i4
0.91493 0,71230 1,66493 1,151041
S i5 S i6 S i7 S i8
0,87326 1,03993 0,78993 0,74305
S i9 Si10 Si11 Si12
0,74305 1,07638 0,82638 1,58159
Si13 Si14 Si15 Si16
0,78993 0,90972 0,65972 1,02604
 Si17 Si18 Si19 Si20
0,95659 0,4375 0,65972 0,63888
Si21
1,28472

b) Hitung varians dengan menjumlahkan skor setiap si

∑ Si=¿ ¿S 1 + S2 + S3 + …. Sn

∑ Si= 0.91493 + 0,71230 + 1,66493+ 1,151041 + 0,87326 + 1,03993+

0,78993 + 0,74305 + 0,74305 + 1,07638 + 0,82638 + 1,58159 + 0,78993 +

0,90972 + 0,65972 + 1,02604 + 0,95659 + 0,4375 + 0,65972 + 0,63888 +

1,28472

∑ Si=¿ ¿18,56466

c) Menghitung St

St=∑ Xt −¿ ¿ ¿ ¿
2

( )
2
(1989)
169271−
24
St=
24

St=¿ 189,692

d) Menghitung r11 0.93916

[
r 11= k
k
k−1
1−][
∑ si
st ]
[
r 11=
28
28−1 ][
1−
18,56466
189,692 ]
r 11=0.93916
 e) Menghitung rtabel

dk = n-1

24-1 = 23

Diperoleh rtabel 23 dengan harga α 0,05 = 0,433

f) Menentukan keputusan reliabel antara r11 dengan rtabel

Jika r11 ≥ rtabel maka keputusanya adalah “Reliabel”

Jika r11 < rtabel maka keputusanya adalah “Tidak Reliabel”.

Kekuatan reliabel Interpretasi Koefisien Korelasi Nilai r dapat dilihat pada

tabel. 11.

Tabel 13. Rebialitas Uji Coba Motivasi Belajar

∑ Si 18,56466
St 189,692
r 11 0.93916
rtabel α 5%(dk = 24-1) = 0,433

Jadi hasil reliabilitas uji coba (X1) memiliki r11 sebesar 0.93916, nilai ini

lebih besar dari rtabel = 0,433 maka kesimpulannya adalah instrument

“Reliabel” dan tingkat pencapaiannya diperoleh skala antara 0,80-1,000 maka

interpretasi adalah “Sangat kuat”.

2) Reabilitas Fasilitas Belajar

a) Menghitung Si pada item nomor 1.

Si=∑ X −¿ ¿ ¿
2
Si=
267− ( 5625
24 )
24

Si=¿1,35937
 Tabel 14. Menghitung si setiap item yang valid pada Fasilitas Belajar

S i1 S i2 S i3 S i4
1,35937 1,20659 1,1875 0,58159
S i5 S i6 S i7 S i8
1,85416 1,27604 1,81770 1,49826
S i9 Si10 Si11 Si12
1,70659 1,78993 1,4659 1,55555
Si13 Si14 Si15 Si16
1,90104 1,63888 1,83159 1,58333
Si17 Si18 Si19
1,81770 1.97222 1.80558

b) Hitung varians dengan menjumlahkan skor setiap si

∑ Si=¿ ¿S 1 + S2 + S3 + …. Sn

∑ Si= 1,35937 + 1,20659 + 1,1875 + 0,58159 + 1,85416 + 1,27604 + 1,81770 + 1,49826 +

1,70659 + 1,78993 + 1,4659 + 1,55555 + 1,90104 + 1,63888 +
1,83159 + 1,80558 + 1,58333 + 1,81770 + 1.97222

∑ Si=¿ ¿31,34778
c) Menghitung St

St=∑ Xt −¿ ¿ ¿ ¿
2

( )
2
(1291)
75125−
24
St=
24

St=¿ 236,665

d) Menghitung r11

[
r 11= k
k
k−1
1− ][
∑ si
st ]
[
r 11=
24
24−1 ][
1−
31,34778
236,665 ]
r 11=0.91102

e) Menghitung rtabel

dk = n-1

24-1 = 23

Diperoleh rtabel 23 dengan harga α 0,05 = 0,433

f) Menentukan keputusan reliabel antara r11 dengan rtabel

Jika r11 ≥ rtabel maka keputusanya adalah “Reliabel”

Jika r11 < rtabel maka keputusanya adalah “Tidak Reliabel”.

Kekuatan reliabel Interpretasi Koefisien Korelasi Nilai r dapat dilihat pada

tabel. 11.

Tabel 15. Rebialitas Uji Coba Fasilitas Belajar

∑ Si 31,34778
St 236,665
r 11 0.91102
rtabel α 5%(dk = 24-1) = 0,433

Jadi hasil reliabilitas uji coba (X2) memiliki r11 sebesar 0.91102, nilai ini lebih

besar dari rtabel = 0,433 maka kesimpulannya adalah instrument “Reliabel” dan

tingkat pencapaiannya diperoleh skala antara 0,80-1,000 maka interpretasi

adalah “Sangat kuat”.

G. Teknik Analisis Data

Dalam penelitian ini data dianalisis dengan menggunakan teknik korelasi dan regresi

ganda. dengan bantuan program SPSS versi 16 for windows yang meliputi:
1. Deskripsi data

Deskripsi data meliputi nilai rata-rata (mean), nila tengah (median), angka yang sering

muncul (mode), simpangan baku (standar deviasi), dan varians guna mengetahui

gambaran tentang sebaran data serta tingkat pencapaian, dikutip dari Riduwan (2010:122)

sebagai berikut :

a. Menghitung nilai rata-rata (Mean) jawaban responden denga menggunakan rumus:

X=
∑ Xi
n

Keterangan:

X = Mean (Rata-rata)

∑ Xi = Jumlah seluruh data

N = Jumlah data

b. Median

Median adalah salah satu teknik penjelasakan kelompok yang didasarkan atas

nilai tengah dari kelompok data yang telah disusun urutannya dari yang terkecil

sampai yang terbesar. Untuk menghitung median rumus yang digunakan Sugiyono

(2012:53) adalah:

( )
1
n−F
2
Me=b + p
f

Keterangan:

b = batas bawah kelas median, ialah kelas dimana median akan terletak

p = panjang kelas median

n = ukuran sampel atau banyak data

 F = jumlah semua frekuensi dengan tanda kelas lebih kecil dari tanda kelas

median

f = frekuensi kelas median

c. Modus

Modus adalah serangkaian nilai muncul paling banyak dalam suatu distribusi data.

Mo=b+ p ( b 1+b 1b 2 )

Keterangan :

b = batas bawah kelas median, ialah kelas dimana median

akan terletak.

P = panjang kelas modus

b1 = frekuensi kelas modus dikurangi frekuensi kelas interval dengan tanda kelas

yang lebih kecil sebelum tanda kelas modus.

b2 = frekuensi kelas modus dikurangi frekuensi kelas interval

dengan tanda kelas yang lebih besar sesudah tanda kelas modus.

d. Menghitung Varian

Varians merupakan ukuran penyebaran data yang mengukur rata-rata jarak kuadrat

semua titik pengamatan terhadap titik pusat (rata-rata). wJika X 1, X2, …. Xn adalah

anggota suatu sampel sehingga berukuran n.

2
S =
∑ ( X− X ) 2
n

Keterangan :
2
S = Varians
 n = Jumlah Populasi

Xi = Nilai Pengamatan

X =¿ Mean sampel

e. Standar Deviasi

Standar Deviasi (simpangan baku) merupakan rata-rata penyimpanan setiap skor

dengan rata-rata (mean) skornya.

s = √ varians

f. Nilai Tingkat Capaian Responden (TCR)

Menghitung nilai tingkat capaian responden masing-masing kategori dari data

deskriptif variabel. Rumus yang digunakan yaitu (Riduwan,2010:89):

RS
TCR= × 100 %
n

Keterangan:

TCR = Tingkat capaian responden

Rs = Rata-rata skor jawaban responden

n = Nilai skor jawaban

Tabel 16. Rentang Skala TCR

No. Angka Keterangan

1 0% - 20% Sangat Lemah
2 21% - 40% Lemah
3 41% - 60% Cukup
4 61% - 80% Kuat
5 81% - 100% Sangat Kuat
Sumber : Riduwan (2010:89)
 Untuk gambaran distribusi skor setiap variable, maka distribusi kelas

interval dihitung menggunakan rumus sebagai berikut, dikutip dari riduwan (2010:

121) sebagai berikut:

1. Jarak atau Rentangan (R) = Nilai Maximum – Nilai Minimum

2. Jumlah Kelas (K) = 1+3,3 Log n

Rentangan
3. Panjang Kelas interval ( p )=
Jumlah kelas

g. Histogram

Histogram adalah sebuah grafik yang berbentuk segi empat yang disebut juga dengan

bar Diagram.

2. Pengujian Prasyarat Analisis

a. Uji Asumsi Klasik

1) Pengujian Normalitas

Uji normalitas digunakan untuk mengetahui data penelitian yang sudah

didapatkan berdistribusi normal atau tidak. Pada penelitian ini yang digunakan

Chi Square yang dijelaskan Maman (2011:76):

( fo−fh ) 2
X2 = ∑ki = 1
fh

Keterangan :

X 2 = Nilai Chi-kuadrat

fo=¿ Frekuensi yang diobservasi

 fh=¿ Frekuensi yang diharapkan

Kaidah keputusannya adalah :

Jika X2 hitung ≥ X2 table artinya distribusi data tidak normal

Jika X2 hitung < X2 table artinya data berdistribusi normal

2) Pengujian Lineritas

Pengujian lineritas bertujuan untuk mengetahui hubungan antara variabel

motivasi belajar (X1) dengan variabel hasil belajar (Y) atau antara variabel

fasilitas belajar (X2) dengan variabel hasil belajar (Y) linear atau tidak. Rumus

yang dipakai uji F dikutip dari Sambas Ali Muhidin dan Maman Abdurahman

(2011:90) sebagai berikut:

F RJK TC
hitung=
RJK E

Keterangan :

F = nilai F

RJKTC = Rata-rata jumlah kuadrat tuna cocok

RJKE = Rata-rata jumlah kuadrat kesalahan (error)

Kriteria yang digunakan untuk menguji linearitas yaitu:

Jika nilai Sig Deviation from Linearity > 0.05. Dapat disimpulkan bahwa terdapat

hubungan linear antara variabel X dan variabel Y.

Dengan taraf signifikan (α) = 0,05.

3) Pengujian Homogenitas
 Uji homogenitas bertujuan untuk melihat sampel mempunyai variasi

homogeny atau tidak. Dalam penelitian ini pengujian homogenitas dilakukan

dengan menggunakan uji F. Uji ini dilakukan dengan langkah-langkah sebagai

berikut yang dikutip dari Riduwan (2010: 120):

a) Mencari varian masing-masing data kemudian dihitung f dengan rumus:

varian terbesar
Fhitung =
varian terkecil

b) Bandingkan nilai Fhitung dengan Ftabel dengan rumus:

db pembilang = n – 1 (untuk varian terbesar)

db penyebut = n – 1 (untuk varian terkecil)

Taraf signifikansi = 0,05

c) Kriteria pengujian

Jika F hitung ≥ F tabel maka tidak homogeny

Jika F hitung < F tabel maka homogeny

Taraf signifikansi = 0,05

4) Uji Multikolinieritas

Sebelum melakukan analisis dengan regresi ganda, dilakukan terlebih

dahulu uji multikolinieritas untuk mengetahui apakah pada model regresi

ditemukan adanya korelasi diantara variabel independen dengan mancari nilai

VIF (Variance Inflation Factor).

1
VIF= 2
1−r

Jika nilai VIF < 5, maka tidak terdapat Multikolinearitas, jika VIF > 5, maka

variabel tersebut mempunyai multikolinearitas dengan variabel bebas lainnya

 (Husen Umar, 2011:179). Analisis ini didapat dengan menggunakan program

SPSS 21.0.

b.Analisis Regresi Berganda

Regresi berganda adalah teknik menentukan korelasi antara suatu variabel

terikat dengan kombinasi dari dua variabel bebas. Dalam regresi berganda kesalahan

prediksi dapat diperkecil, karena dalam prediksi dimasukan variabel-variabel lain

yang berpengaruh dalam prediksi. Analisis berganda digunakan untuk mengetahui

pengaruh secara bersama-sama variabel bebas atau masing-masing variabel secara

parsial terhadap variabel terikat dapat dilihat dalam Riduwan & Sunarto (2011:108)

sebagai berikut:

1) Membuat tabel penolong

2) Menetapkan metode skor deviasi

(∑ X 1 ) 2
a) ∑ X 21=∑ X 21− n

(∑ X 2 ) 2
b) ∑ X 22=∑ X 22− n

(∑ Y ) 2
c) ∑ Y 2=∑ Y 2− n

( ∑ X 1) ( ∑ Y )
d) ∑ X 1 Y =∑ X 1 Y − n

(∑ X 2 )( ∑ Y )
e) ∑ X 2 Y =∑ X 2 Y − n

(∑ X 1 )( ∑ X 2)
f) ∑ X 1 X 2= ∑ X 1 X 2− n
3) Menghitung nilai b1

(∑ x 22) ( ∑ x 1 y ) −( ∑ x 1 x 2 )(∑ x2 y )
b 1=
(∑ x 21)( ∑ x 22 )−(∑ x 1 x 2 )2
Keterangan:

b1 = Koefisien regresi variabel bebas (X1)

X1 = variabel bebas

X2 = variabel bebas

Y = variabel terikat

∑X1 = jumlah variabel bebas

∑X2 = jumlah variabel bebas

4) Menghitung nilai b2

(∑ x 21) ( ∑ x 2 y ) −( ∑ x 1 x2 )(∑ x1 y )
b 2=
( ∑ x 21 )( ∑ x 22 )−(∑ x 1 x 2 )2
Keterangan:

b2 = Koefisien regresi variabel bebas (X1)

X1 = variabel bebas

X2 = variabel bebas

Y = variabel terikat

∑X1 = jumlah variabel bebas

∑X2 = jumlah variabel bebas

5) Mencari intercept a

a=
∑ Y −b ∑ X 1
n 1 ( n ) (
−b1
∑ X2
n )
Keterangan:

a = Koefisien nilai a

b1 = Koefisien regresi variabel bebas (X1)

b2 = Koefisien regresi variabel bebas (X2)

n = Jumlah sampel

∑Y = Jumlah nilai variabel (Y)

∑X1= jumlah nilai variabel bebas (X1)

∑X2 = jumlah nilai variabel bebas (X2)

Y =a+b 1 X 1 +b 2 X 2+ bn X n

Keterangan:

Y = Variabel terikat

X1 = variabel bebas

X2 = variabel bebas

n = Jumlah responden

a = Nilai konstanta

b1 = Koefisien regresi variabel bebas (X1)

b2 = Koefisien regresi variabel bebas (X2)

untuk menguji hipotesis terlebih dahulu harus mencari nilai R (koefisien

korelasi berganda) dengan rumus dikutip dari Riduwan (2012:285):

R x1. x 2. y =
√ b ∑ x 1 y +b ∑ x 2 y
1 2

∑y 2

Keterangan:

RX1.X2.Y = Korelasi simultan X1X2 terhadap Y

b1 = Koefisien regresi variabel bebas (X1)

b2 = Koefisien regresi variabel bebas (X2)

Y = Variabel terikat

X1 = variabel bebas

X2 = variabel bebas

Untuk mencari nilai kontribusi korelasi ganda dapat digunakan dengan

rumus yang dikutip oleh Riduwan (2012:285):

KP = (Rx1x2y)2 x 100%

Keterangan :

KP = Nilai Koefisien Determinasi

RX1X2y = Korelasi simultan X1X2 terhadap Y

c. Analisis Regresi Parsial

Korelasi parsial X1 terhadap y :

r X Y =n ¿ ¿
1

Keterangan:

rx1y = Korelasi X1 terhadap Y

n = Jumlah Sampel

∑X1 = Jumlah variabel bebas

∑X2 = Jumlah variabel bebas

∑X1Y = Jumlah hasil kali X1 dengan Y

Korelasi parsial X2 terhadap y :

r X Y =n ¿ ¿
1

Keterangan :

rx2y = Korelasi X2 terhadap Y

n = Jumlah Sampel

∑X1 = Jumlah variabel bebas

∑X2 = Jumlah variabel bebas

∑X2Y = Jumlah hasil kali X2 dengan Y

Korelasi parsial X1 terhadap X2 :

 r X Y =n ¿ ¿
1

Keterangan:

rx1x2 = Korelasi X1 terhadap X2

n = Jumlah Sampel

∑X1 = Jumlah variabel bebas

∑X2 = Jumlah variabel bebas

∑X1X2 = Jumlah hasil kali X1 dengan X2

Untuk menghitung koefisien korelasi parsial dengan rumus dikutip oleh Riduwan

(2012: 232).

Menghitung koefisien korelasi parsial antara X1 terhadap Y bila X2 konstan.

r X Y −r X Y . r X X2
r X 2 ( X 1 Y )= 1 2 1

√ (1−r 2
X2 Y ) .(1−r 2X Y )
1 2

Keterangan :

r X 2 ( X 1 Y )= Koefisien korelasi parsial X1 terhadap Y

r X Y = Korelasi X1 terhadap Y
1

r X Y = Korelasi X2 terhadap Y
2

r X X = Korelasi X1 terhadap X2
1 2

KP=¿

Keterangan :
 KP = Nilai Koefisien Determinasi

rX 2 ( X1 Y )=¿ ¿ Koefisien korelasi parsial X1 terhadap Y

Menghitung koefisien korelasi parsial antara X2 terhadap Y bila X1 konstan.

r x y −r x y . r x x
r X ( X Y )= 2 1 1 2

√ (1−r 2
) .(1−r 2
1 2

X1 Y X1 X2 )

Keterangan :

r X 1 ( X 2 Y )= Koefisien korelasi parsial X1 terhadap Y

r X Y = Korelasi X1 terhadap Y
1

r X Y = Korelasi X2 terhadap Y
2

r X X = Korelasi X1 terhadap X2
1 2

KP=¿

Keterangan :

KP = Nilai Koefisien Determinasi

rX 1 ( X2 Y )=¿ ¿ Koefisien korelasi parsial X2 terhadap Y

d. Uji Hipotesis

Pengujian signifikan pengaruh variabel bebas(X 1, X2) terhadap variabel terikat

(Y) dengan uji F dan uji t.

1) Uji F dilakukan untuk mengetahui apakah variabel bebas secara bersama-sama

mempunyai pengaruh yang signifikan terhadap variabel terikat. Setelah diperoleh

nilai Fhitung, selanjutnya dibandingkan dengan nilai Ftabel dengan kriteria pengujian

sebagai berikut berikut dapat dilihat menggunakan rumus yang dikutip oleh

Riduwan (2012: 248):

2
R /k
F hitung = 2
(1−R )/(n−k −1)

Keterangan :

Fhitung = Nilai Fhitung

k = Jumlah variabel independen

n = Banyak sampel

R2 = Koefisien/regresi

Kaidah keputusan:

Jika nilai signifikansi <0.05 maka Ho ditolak dah Ha diterima,

jika nilai siginifikansi ≥0.05 maka Ho diterima dan Ha ditolak.

2) Uji t digunakan untuk melihat pengaruh secara parsial setiap variabel bebas terikat.

Uji t dapat digunakan dengan rumus Riduwan(2012:232).

r parsial √ n−3
t hitung =
√ 1−r 2
parsia l

Keterangan :

thitung = Nilai thitung

n = Jumlah sampel

rparsial = Koefisien regresi parsial

Kaidah keputusan :
 Jika nilai signifikansi <0.05 maka Ho ditolak dan ha diterima,

Jika nilai signifikansi ≥ 0.05 maka Ho diterima dan Ha ditolak.

Nilai t dihitung dengan menggunakan uji dua sisi, karena hipotesis yang

diuji untuk mengetahui hubungannya. Kriteria pengujiannya adalah sebagai berikut:

a) Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas

Sig atau (0,05 ≤ Sig), maka Hoditerima dan Ha ditolak, artinya tidak

signifikan.

b) Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas

Sig atau (0,05 ≥ Sig), maka Ho ditolak dan Ha diterima, artinya signifikan.

BAB IV
HASIL PENELITIAN

Hasil penelitian merupakan bagian yang membahas dan memaparkan data yang

terkumpul dari hasil penelitian yang meliputi : (a) deskripsi data variabel bebas yaitu

motivasi belajar dan fasilitas belajar di masa Pandemi Covid-19 dan variabel terikat yaitu

hasil belajar penerapan rangkaian elektronika siswa kelas XI Teknik Audio Video SMK

Cendana Padang Panjang; (b) pengujian prasyaratan analisis yang meliputi uji normalitas,

uji homogenitas, uji linearitas, dan uji independensi antar variabel bebas(multikolinearitas);

(c) analisis regresi; (d) pengujian hipotesis; dan (e) pembahasan.

A. Deskripsi Data Penelitian

Data penelitian meliputi tiga variabel yaitu Motivasi belajar(X 1), Fasilitas

belajar (X2), dan Hasil belajar siswa(Y). Deskripsi data menggambarkan data-data

penelitian tentang jumlah data, mean, median, modus,range, nilai minimum, nilai

maksimum, standard deviasi, dan varian yang diperoleh.

1. Motivasi Belajar (X1)

Data variabel X1 dikumpulkan melalui angket yang terdiri dari 21 item

pernyataan yang telah diuji validitas dan reliabilitasnya angket penelitian

terlampir pada (lampiran hlm). Selanjutnya angket diberikan kepada 30

orang siswa sebagai responden penelitian. Hasil perhitungan statistik dasar

variabel X1 yaitu:

Tabel 17. Deskripsi data Motivasi Belajar

Statistics
motivasibelajar

Valid 30
N
Missing 0
Mean 72.60
Median 75.00
Mode 75
Std. Deviation 8.028
Variance 64.455
Range 31
Minimum 52
Maximum 83
Sum 2178
25 69.25

Percentiles 50 75.00

75 78.00

Sumber: Olah data SPSS 21.0

 Tabel 17 (Lampiran 14 hlm 139) menunjukkan perhitungan statistik

motivasi belajar dengan jumlah sampel 30 orang siswa. Untuk lebih jelasnya

gambaran distribusi skor motivasi belajar (X1) dapat dilihat pada table 17

(Lampiran 14 hlm 139) dan histogram berikut:

Jarak atau Rentangan R = Nilai Maximum – Nilai Minimum

= 83 – 52

= 31

Jumlah Kelas (K) = 1 + 3,3 Log N

= 1 + 3,3 Log 30

= 1 + 3,3(1,477)

= 5,8741 ≈ 6

Rentangan
Kelas Interval =
jumlah kelas

31
= =5,277 ≈ 6
5,8741

Tabel 18. Distribusi Frekuensi Skor (X1)

Sumber : Olah Excel 2010

 Gambar 2. Histrogram dan Kurva Normal Skor (X1)

Histogram kurva normal pada Gambar 2. (Lampiran 14 hlm 140)

memiliki nilai mean lebih kecil dari pada median, sehingga grafik

menunjukkan condong ke kiri. Data ini memberikan interpretasi bahwa

motivasi belajar cenderung belum optimal pada Siswa Kelas XI TAV SMK

Cendana Padang Panjang.

2. Fasilitas Belajar(X2)

Data variabel X2 dikumpulkan melalui angket terdiri dari 19 item

pernyataan yang telah diuji validitas dan reliabilitasnya angket penelitian

terlampir pada (Lampiran hlm). Selanjutnya angket diberikan kepada 30

orang siswa sebagai responden penelitian. Hasil perhitungan statistik dasar

variabel X2 yaitu:

Tabel 19. Deskripsi data Motivasi Belajar

Statistics
FasilitasBelajar

Valid 30
N
Missing 0
Mean 50.37
 Median 48.50
Mode 46
Std. Deviation 6.896
Variance 47.551
Range 28
Minimum 40
Maximum 68
Sum 1511
25 45.75

Percentiles 50 48.50

75 56.00

Sumber: Olah data SPSS 21.0

Tabel 17 (Lampiran 14 hlm 139) menunjukkan perhitungan statistik

fasilitas belajar dengan jumlah sampel 30 orang siswa. Untuk lebih jelasnya

gambaran distribusi skor fasilitas belajar (X2) dapat dilihat pada table 17

(Lampiran 14 hlm 139) dan histogram berikut:

Jarak atau Rentangan R = Nilai Maximum – Nilai Minimum

= 68 – 40

= 28

Jumlah Kelas (K) = 1 + 3,3 Log N

= 1 + 3,3 Log 30

= 1 + 3,3(1,477)

= 5,8741 ≈ 6

Rentangan
Kelas Interval =
jumlah kelas

28
= =4,766 ≈ 5
5,8741

Tabel 20. Distribusi Frekuensi Skor (X1)

 Sumber : Olah Data Excel 2010

Gambar 3. Histogram dan Kurva normal Skor (X2)

Histogram kurva normal pada Gambar (Lampiran ) memiliki nilai mean

lebih besar dari pada median.

3. Hasil Belajar (Y)

Data hasil belajar didapat dari walikelas XI TAVperhitungan statistik

berdasarkan hasil belajar yaitu:

Tabel 21. Hasil Perhitungan Statistik hasil Belajar

Sumber: Olah Data SPSS 21.0
Pada tabel 20 (Lampiran 14 hlm 144) menunjukkan rekapitulasi hasil
statistik hasil belajar siswa dengan jumlah 30 orang siswa, untuk lebih
jelasnya gambaran distribusi skor belajar siswa (Y) dapat dilihat pada tabel 21
dan gambar 4 (Lampiran 14 hlm 145) berikut:

Jarak atau Rentangan R = Nilai Maximum – Nilai Minimum

= 80 – 0

= 80

Jumlah Kelas (K) = 1 + 3,3 Log N

= 1 + 3,3 Log 30

= 1 + 3,3 (1,477)

= 5,8741 ≈ 6

Rentangan
Kelas Interval =
jumlah kelas

80
= =13,619 ≈ 14
5,8741

Tabel 22. Distribusi frekuensi Skor Y

Sumber : Olah Data Excel 2010

Gambar 4. Histogram dan Kurva Normal

Skor Hasil Belajar Y

Histogram kurva normal pada Gambar (Lampiran ) memiliki nilai mean lebih

kecil dari pada nilai median.

4. Tingkat

Pencapaian Responden

a. Motivasi Belajar (X1)

Variabel Motivasi Belajar (X1) terdiri dari 5 dimensi, 21 indikator, dan 21

item pernyataan.

Tabel 23. Tingkat Pencapaian Responden Motivasi Belajar(X1)

 Sumber: Olah Data SPPS 21.0 dan Excel 2010

Berdasarkan rata-rata penilaian terhadap 30 responden yang

disajikan pada tabel 22, dapat diketahui bahwa skor rata-rata untuk

variabel Motivasi Belajar (X1) memiliki nilai tertinggi 3,933 dengan TCR

78,66% dan terendah 2,966 dengan TCR 59,33%. Secara keseluruhan nilai

rerata sebesar 72,6 dengan TCR 69,14%. Data ini memberikan interpretasi

bahwa siswa kelas XI Teknik Audio dan Video SMK Cendana Padang

Panjang telah memberikan pernyataan mengenai Motivasi Belajar dengan

Tingkat Capaian Responden kuat.

Perhitungan TCR motivasi belajar tercantum pada (Lampiran 15 hlm 146).

b. Pemanfaatan Fasilitas Belajar (X2)

Variabel Faslitas Belajar (X2) terdiri dari 5 dimensi, 19 indikator, dan 19

item pernyataan.

Tabel 24. Tingkat Pencapaian Responden Fasilitas Belajar(X2)

 Sumber: Olah Data SPSS 21.0 dan Excel 2010

Berdasarkan rata-rata penilaian terhadap 30 responden yang

disajikan pada tabel 22, dapat diketahui bahwa skor rata-rata untuk

variabel Fasilitas Belajar (X1) memiliki nilai tertinggi 3,933 dengan TCR

78,66% dan terendah 2,0 dengan TCR 40%. Secara keseluruhan nilai

rerata sebesar 50,36 dengan TCR 53,36%. Data ini memberikan

interpretasi bahwa siswa kelas XI Teknik Audio dan Video SMK Cendana

Padang Panjang telah memberikan pernyataan mengenai Fasilitas Belajar

dengan Tingkat Capaian Responden Cukup

Perhitungan TCR fasilitas belajar tercantum pada (Lampiran 15 hlm 146).

B. Pengujian Persyaratan Analisis

Teknik pengujian hipotesis penelitian ini dilakukan dengan analisis korelasi.

Analisis ini dapat dilakukan apabila memenuhi persyaratan sebagai berikut: (1) uji

normalitas masing-masing data, (2) uji homogenitas, (3) uji linearitas dan (4) uji

multikolinearitas.
1. Uji Normalitas

Uji normalitas bertujuan untuk mengetahui apakah data terdistribusi normal

atau tidak. Dalam hal ini normalitas dapat diuji menggunakan Chi-Square.

Dengan membandingkan x2hitung dengan x2tabel.

Kriteria pengujian sebagai berikut:

Jika x2hitung > x2tabel, artinya data terdistribusi normal. Hasil uji coba normalitas

dapat dilihat pada tabel berikut (lampiran hlm).

Tabel 25. Uji Normalitas Dengan Chi-Square

Sumber : Olah Data SPSS 21.0

Dari tabel 24 dapat dilihat bahwa skor signifikansi probabilitas untuk variabel X 1

sebesar 0,201 ,variabel X2 sebesar 0,985 dan variabel Y sebesar 0,176. Karena

signifikansi untuk seluruh variabel lebih besar dari 0,05 maka dapat disimpulkan

bahwa data pada motivasi belajar dan fasilitas belajar selama masa Pandemi

Covid-19 serta hasil belajar berdistribusi normal.

2. Uji Homogenitas
 Uji homogenitas digunakan untuk mengetahui apakah beberapa varian

populasi data adalah sama atau tidak. Hasil uji homogenitas data dapat diihat pada

tabel dan tabel (Lampiran hlm) berikut.

Tabel 26. Uji Homogenitas Motivasi Belajar(X1)

Sumber : Olah Data SPSS 21.0

Tabel 27. Uji Homogenitas Fasilitas Belajar(X2)

Sumber : Olah Data SPSS 21.0

Dari kedua tabel diatas didapatkan skor signifikansi pada Motivasi Belajar

sebesar 0,139 dan skor signifikansi Fasilitas Belajar sebesar 0,530. Karena kedua

skor signifikansi lebih besar dari 0,05 maka disimpulkan varian populasi data

adalah homogen.

3. Uji Linearitas

Uji lineritas bertujuan untuk mengetahui apakah dua variabel mempunyai

hbungan yang linear atau tidak secara signifikan. Hasil uji linearitas data dapat

dilihat pada tabel 27 dan tabel 28 (Lampiran hlm) berikut.

Tabel 28. Uji Linearitas Motivasi Belajar Pada Masa Pandemi Terhadap Hasil
Belajar
 Sumber : Olah Data SPSS 21.0

Tabel 29. Uji Linearitas Fasilitas Belajar Pada Masa Pandemi Terhadap Hasil
Belajar

Sumber : Olah Data SPSS 21.0

Dari kedua tabel diatas terlihat bahwa skor signifikansi Motivasi Belajar

terhadap hasil belajar sebesar 0.006 sedangkan skor signifikansi Fasilitas Belajar

terhadap hasil belajar sebesar 0,117. Karena signifikansi variabel motivasi belajar

(X1) lebih kecil dari 0,05 maka dapat disimpulkan bahwa antara variabel Motivasi

Belajar terhadap variabel hasil belajar mempunyai hubungan yang linear,

sedangkan variabel Fasilitas Belajar (X2) lebih besar dari 0.05 maka dapat

disimpulkan bahwa antara variabel fasilitas belajar terhadap hasil belajar siswa

mempunyai hubungan yang tidak linaer.

4. Uji Multikolinearitas

Sebelum melakukan analisis dengan regresi ganda, dilakukan terlebih

dahulu uji multikolinearitas untuk mengetahui apakah terjadi interkorelasi

(hubungan yang kuat) antara variabel independent dengan mencari nilai

VIF(Variance Infation factor).

Model regresi yang baik ditandai dengan tidak terjadi interkorelasi antar variabel

independent (tidak terjadi gejala multikolinearitas).

Tabel 30. Uji Multikolinearitas

 Sumber : Olah Data SPSS 21.0

Pada tabel 29 (Lampiran 16 hlm 148) menunjukkan nilai Variance Inflation Factor

(VIF) untuk kedua variabel bebas yaitu motivasi belajar (X 1) dan fasilitas bela\jar

(X2) terhadap hasil belajar memiliki (VIF) sebesar 1,068 dengan toleransi 0,936,

karena nilai VIF kurang dari 5 maka dapat disimpulkan bahwa pada model regresi

tidak ditemukan adanya masalah multikolinearitas.

C. Analisis Regresi

1. Analisis Regresi Berganda

Analisis regresi berganda digunakan untuk mengukur pengaruh antara lebih

dari satu variabel bebas terhadap variabel terikat. Berikut hasil konstanta regresi

berganda dapat dilihat pada tabel (Lampiran hlm).

Tabel 31. Hasil Analisis Regresi X1, X2 terhadap Y

Sumber : Olah Data SPSS 21.0

Berdasarkan tabel 30, didapatkan Y= 23,108 + 0,951 + 0,612, artinya apabila

variabel motivasi belajar (X1) mengalami kenaikan satu satuan, maka hasil belajar

(Y) akan naik sebesar 0,951. Begitu juga dengan variabel fasilitas belajar (X 2),

apabila terjadi kenaikan satu satuan, maka hasil belajar (Y) akan naik sebesar 0,612.
 Nilai koefisien korelasi dan koefisien determinasi pada Model Summary dapat

dilihat pada tabel 31 (Lampiran 17 hlm 149).

Tabel 32. Ringkasan Model

Sumber : Olah Data SPSS 21.0

Berdasarkan Tabel 32, pada kolom R diperoleh nilai korelasi simultan X 1 dan X2

terhadap Y (Rx1x2y) sebesar 0,387. Sehingga persentase hubungan motivasi belajar

dan fasilitas belajar pada masa Pandemi Covid-19 terhadap hasil belajar dapat

dihitung r2 x 100% = (0,387)2 x 100% = 14,97%.

2. Analisis Regresi Parsial

Berdasarkan tabel 31, motivasi belajar secara parsial memberikan kontribusi

terhadap hasil belajar sebesar r2 x 100% = (0,307)2 x 100% = 9,4249% dan fasilitas

belajar secara parsial memberikan kontribusi terhadap hasil belajar sebesar, r 2 x

100% = (0,175)2 x 100% = 3,0625%

D. Uji Hipotesis

Pengujian hipotesis dilakukan dengan menggunakan bantuan program SPSS 21.0.

Pengujian hipotesis menggunakan uji regresi secara bersama-sama (Uji F) untuk

hipotesis pertama dan uji regresi parsial (Uji t) untuk hipotesis kedua dan ketiga

dengan melihat nilai signifikansi.

1. Hipotesis pertama
 Hipotesis pertama diuji dengan menggunakan uji regresi secara bersama-

sama (Uji F) terhadap hasil belajar siswa kelas XI Teknik Audio Video SMK

cendana Padang Panjang, maka dibuat hipotesis sebagai berikut:

Ho : Motivasi Belajar dan Fasilitas Belajar pada masa Pandemi Covid-19 secara

bersama-sama tidak memberikan kontribusi yang signifikan terhadap hasil

belajar Siswa Kelas XI Teknik Audio dan Video SMK Cendana Padang

Panjang.

Ha : Motivasi Belajar dan Fasilitas Belajar pada masa Pandemi Covid-19 secara

bersama-sama memberikan kontribusi yang signifikan terhadap hasil

belajar Siswa Kelas XI Teknik Audio dan Video SMK Cendana Padang

Panjang.

Untuk melihat kerartian atau signifikan kontribusi variabel Motivasi

Belajar (X1) dan Fasilitas Belajar(X2) secara bersama terhadap hasil belajar (Y)

berdasarkan nilai signifikan F.

Hasil analisa terangkum pada Tabel (lampiran hlm)

Tabel 33. Uji F

Sumber : Olah Data SPSS 21.0

Berdasarkan uji F pada tabel 33 diperoleh nilai Fhitung = 2,377 dengan

signifikan 0,112, sehingga dapat dikatakan signifikan > 0,05 (0,112 > 0,05),
 maka Ho diterima, Ha ditolak, artinya Motivasi Belajar (X 1) dan Fasilitas Belajar

(X2) secara bersama-sama tidak memberikan kontribusi yang signifikan terhadap

hasil belajar (Y) Siswa Kelas XI Teknik Audio dan Video.

Berdasarkan pada tabel 32, diperoleh motivasi belajar dan fasilitas

belajar secara bersama-sama memberikan kontribusi yang siginfikan terhadap

hasil belajar sebesar r2 x 100% = (0,387)2 x 100% = 14,97%.

2. Hipotesis Kedua

Hipotesis kedua adalah terdapat kontribusi antara gaya belajar terhadap

hasil belajar. Berdasarkan hasil hipotesis sebelumnya maka dibuat hipotesis

sebagai berikut:

Ho: Motivasi Belajar tidak memberikan kontribusi yang signifikan terhadap

Hasil Belajar Siswa Kelas XI Teknik Audio dan Video SMK Cendana

Padang Panjang.

Ha: Motivasi Belajar memberikan kontribusi yang signifikan terhadap Hasil

Belajar Siswa Kelas XI Teknik Audio dan Video SMK Cendana Padang

Panjang.

Hipotesis kedua diuji dengan menggunakan uji analisis regresi parsial yang

dilanjutkan dengan uji t. berdasarkan tabel 31 pada kolom t, diperoleh nilai X 1

sebesar 1,676 dengan signifikan 0,105,sehingga dapat dikatakan signifikan >

0,05 (0,105 > 0,05), maka Ho diterima dan Ha ditolak, artinya Motivasi Belajar

(X1) secara parsial tidak memberikan kontribusi yang signifikan terhadap Hasil

Belajar (Y).
 Berdasarkan tabel 31 didapat motivasi belajar memberikan kontribusi yang

signifikan terhadap hasil belajar sebesar r2 x 100% = (0,307)2 x 100% = 9,4249%

3. Hipotesis ketiga

Hipotesis ketiga diuji dengan teknik probility sebagai berikut:

Ho : Fasilitas Belajar tidak memberikan kontribusi yang signifikan terhadap

hasil Belajar Siswa Kelas XI Teknik Audio dan Video SMK Cendana

Padang Panjang.

Ha : Fasilitas Belajar memberikan kontribusi yang signifikan terhadap hasil

Belajar Siswa Kelas XI Teknik Audio dan Video SMK Cendana Padang

Panjang.

Hipotesis ketiga diuji dengan menggunakan uji analisis regresi parsial

yang dilanjutkan dengan uji t. Berdasarkan tabel 31 pada kolom t, diperoleh nilai

X2 sebesar 0,926 dengan signifikan 0,363. Maka dapat dikatakan signifikan

>0,05 (0,363 > 0,05) sehingga dapat disimpulkan Ho diterima dan Ha ditolak,

artinya fasilitas belajar (X2) secara parsial tidak berhubungan signifikan terhadap

hasil belajar (Y).

Berdasarkan tabel 30 didapatkan bahwa fasilitas belajar memberikan kontribusi

yang signifikan terhadap hasil belajar sebesar r2 x 100% = (0,175)2 x 100% =

3,0625%