Lakukan penelitian fiktif dengan mengikuti langkah sebagai berikut.
1. Menentukan judul penelitian untuk masalah yang berkaitan dengan dua variabel bebas dan satu variabel terikat.
2. Merumuskan masalah penelitian.
3. Menjabarkan definisi operasional
4. Merumuskan hipotesis penelitian.
5. Melakukan analisis data.
a. Menentukan persamaan regresi.
b. Menguji keberartian koefisien regresi
c. Menguji linearitas persamaan regresi
d. Menentukan keeratan hubungan antara variabel X1 dan X2 terhadap variabel Y, baik secara sendiri – sendiri maupun secara bersama – sama.
e. Menentukan koefisien korelasi parcial X1 terhadap Y dengan mengontrol X2
f. Menentukan koefisien korelasi parcial X2 terhadap Y dengan mengontrol X1
g. Menentukan sumbangan efektif variabel X1 dan X2 terhadap Y
6. Kemukakan kesimpulannya.
Data harus dianalisis secara manual (matematis) dan menggunakan SPSS. Data setiap mahasiswa tidak ada yang sama.
PEMBAHASAN :
1. Judul : Pengaruh motivasi belajar kimia dan disiplin belajar kimia terhadap hasil belajar kimia siswa kelas XII IPA- 2 SMAN I Bontang Tahun Ajaran 2010/2011.
.
2. Rumusan Masalah : Apakah terdapat pengaruh motivasi belajar kimia dan disiplin belajar kimia terhadap hasil belajar kimia siswa kelas XII IPA-2 SMAN I Bontang Tahun Ajaran 2010/2011.
3. Definisi operasional :
Identifikasi variabel dari judul di atas adalah :
Variabel bebas (independent variable), yaitu :
X 1 : Motivasi belajar kimia
X 2 : Disiplin belajar kimia
Variabel terikat (dependent variable), yaitu :
Y : Hasil belajar kimia
Motivasi belajar dalam penelitian ini merupaka suatu daya atau kekuatan yang timbul dari dalam diri siswa untuk memberikan kesiapan agar tujuan yang telah ditetapkan tercapai, sedangkan belajar dalam penelitian ini merupan suatu proses yang dilakukan siswa untuk memperoleh perubahan tingkah laku yang lebih baik dari sebelumnya sebagai hasil pengalamn siswa dalam berinteraksi dengan lingkungannya. Secara operasional motivasi belajar dalam penelitian ini adalah respon siswa kelas XII IPA-2 SMAN I Bontang tahun ajaran 2010/2011 terhadap sejumlah pernyataan mengenai keseluruhan usaha yang timbul dari dalam dirir siswa agar tumbuh dorongan untuk belajar dan tujuan yang dikehendaki oleh siswa tercapai yang diungkap melalui instrument angket diberi simbol X1. Disiplin belajar dalam penelitian ini adalah skor yang diperoleh dari siswa kelas XII IPA-2 SMAN I Bontang tahun ajaran 2010/2011 melalui angket yang berfungsi untuk mengetahui respon siswa mengenai kedisiplinan mereka dalam belajar baik di rumah maupun di sekolah khususnya dalam belajar kimia dan diberi simbol X2. Hasil belajar adalah skor yang diperoleh dari responden melalui tes dan diberi simbol Y., hasil belajar yang dimaksud adalah hasil belajar kimia. Data dalam penelitian ini dianggap memenuhi asumsi dan persyaratan analisis; data dipilih secara random;berdistribusi normal;berpola linier;data sudah homogen dan mempunyai pasangan yang sama sesuai dengan subjek yang sama.
4. Hipotesis :
H0 : Tidak terdapat pengaruh motivasi belajar kimia dan disiplin belajar kimia terhadap hasil belajar kimia siswa kelas XII IPA-2 SMAN I Bontang Tahun Ajaran 2010/2011.
H1 : Terdapat pengaruh motivasi belajar kimia dan disiplin belajar kimia terhadap hasil belajar kimia siswa kelas XII IPA-2 SMAN I Bontang Tahun Ajaran 2010/2011.
Hipotesis statistic :
H0 : R = 0. Tidak terdapat pengaruh variable X1 dan X2 terhadap variable Y
H1 : R ≠ 0 Terdapat pengaruh variable X1 dan X2 terhadap variable Y
5. Analisis data penelitian
a. Menentukan persamaan regresi.
b. Menguji keberartian koefisien regresi
c. Menguji linearitas persamaan regresi
d. Menentukan keeratan hubungan antara variabel X1 dan X2 terhadap variabel Y, baik secara sendiri – sendiri maupun secara bersama – sama.
e. Menentukan koefisien korelasi parsial X1 terhadap Y dengan mengontrol X2
f. Menentukan koefisien korelasi parsial X2 terhadap Y dengan mengontrol X1
g. Menentukan sumbangan efektif variabel X1 dan X2 terhadap Y
a. Menentukan persamaan regresi :
Ŷ = b0 + b1X1 + b2X2
Besarnya b0, b1, dan b2 ditentukan dengan menggunakan persamaan berikut.
∑Y = nb0 + b1∑X1 + b2 ∑X2
∑X1Y = b0∑X1 + b1∑X12 + b2 ∑X1X2
∑X2Y = b0∑X2 + b1∑X1X2 + b2 ∑X22
Untuk menghitung b0, b1, dan b2 dibutuhkan tabel penolong seperti berikut:
No X1 X2 Y X1^2 X2^2 Y^2 X1Y X2Y X1X2
1 7 4 12 49 16 144 84 48 28
2 4 3 10 16 9 100 40 30 12
3 6 3 13 36 9 169 78 39 18
4 8 7 16 64 49 256 128 112 56
5 6 4 12 36 16 144 72 48 24
6 6 4 12 36 16 144 72 48 24
7 8 5 15 64 25 225 120 75 40
8 8 6 17 64 36 289 136 102 48
9 4 5 10 16 25 100 40 50 20
10 7 4 16 49 16 256 112 64 28
11 8 7 17 64 49 289 136 119 56
12 7 5 16 49 25 256 112 80 35
13 7 4 15 49 16 225 105 60 28
14 6 3 10 36 9 100 60 30 18
15 4 6 10 16 36 100 40 60 24
16 4 3 10 16 9 100 40 30 12
17 8 7 15 64 49 225 120 105 56
18 7 4 14 49 16 196 98 56 28
19 6 4 13 36 16 169 78 52 24
20 4 3 10 16 9 100 40 30 12
21 6 3 14 36 9 196 84 42 18
22 4 6 15 16 36 225 60 90 24
23 7 4 13 49 16 169 91 52 28
24 6 6 14 36 36 196 84 84 36
25 5 3 11 25 9 121 55 33 15
26 4 3 10 16 9 100 40 30 12
27 4 5 12 16 25 144 48 60 20
28 6 6 13 36 36 169 78 78 36
29 7 7 15 49 49 225 105 105 49
30 6 3 10 36 9 100 60 30 18
∑ 180 137 390 1140 685 5232 2416 1842 847
nb0 + b1∑X1 + b2 ∑X2 = ∑Y = 30 b0 + 180 b1 + 137 b2 = 390
b0∑X1 + b1∑X12 + b2 ∑X1X2 = ∑X1Y= 180 b0 + 1140 b1 + 847 b2 = 2416
b0∑X2 + b1∑X1X2 + b2 ∑X22 = ∑X2Y = 137 b0 + 847 b1 + 685 b2 = 1842
b0 = det (A1) = 4.161548065
det (A)
b1 = det (A2) = 1.016978777
det (A)
b2 = det (A3) = 0.599250936
det (A)
Hasil perhitungan tersebut sama dengan hasil perhitungan menggunakan program SPSS. Perhatikan kolom yang berwarna merah pada table di bawah ini.
Berdasarkan perhitungan matematis (bantuan program excel) dan olahan SPSS diperoleh persamaan : Y = 4.162 + 1.017 X1 + 0.599 X2 .
Hasil perhitungan tersebut sama dengan hasil perhitungan menggunakan program SPSS. Perhatikan kolom yang berwarna merah pada table di bawah ini. Berdasarkan perhitungan matematis dan olahan SPSS diperoleh persamaan regresi
Y = 4.162 + 1.017 X1 + 0.599 X2
Tabel ….Coefficients Regresi Berdasarkan Berhitungan (Olahan) SPSS
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. Correlations Collinearity Statistics
B Std. Error Beta Zero-order Partial Part Tolerance VIF
1 (Constant) 4.162 1.134 3.671 .001
X1 1.017 .190 .619 5.356 .000 .771 .718 .562 .825 1.213
X2 .599 .191 .363 3.139 .004 .622 .517 .329 .825 1.213
a. Dependent Variable: Y
b. Menentukan korelasi ganda secara manual (excel)
= 0.838
= 0.771
= 0.622
= 0.419
Hasil olah data spss statistic 17 adalah :
Correlations
Y X1 X2
Pearson Correlation Y 1.000 .771 .622
X1 .771 1.000 .419
X2 .622 .419 1.000
Sig. (1-tailed) Y . .000 .000
X1 .000 . .011
X2 .000 .011 .
N Y 30 30 30
X1 30 30 30
X2 30 30 30
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate Change Statistics
R Square Change F Change df1 df2 Sig. F Change
1 .838a .703 .681 1.33549 .703 31.916 2 27 .000
a. Predictors: (Constant), X2, X1
c. Uji signifikansi regresi linear ganda
Berdasarkan hasil perhitungan di atas diperoleh persamaan regresi
Y = 4.162 + 1.017 X1 + 0.599 X2. Persamaan ini akan digunakan untuk memperkirakan hasil belajar siswa pada bidang studi kimia jika motivasi dan disiplin belajar kimia belajar ditingkatkan. Untuk itu harus diuji pengaruh X1 dan X2 secara bersama-sama terhadap Y. Jabaran hipotesis untuk menguji pengaruh kedua variable tersebut adalah sebagai berikut.
H0 : R = 0. Tidak terdapat pengaruh variable X1 dan X2 terhadap variable Y
H1 : R ≠ 0 Terdapat pengaruh variable X1 dan X2 terhadap variable Y
Fhitung = s2reg/.s2res = = 31.916
JKreg = b1Σx1y + b2Σx2y = 113.845
Σx1y = = 76
Σx2y = = 61
JKRes = = 48,155
Fhitung = 31.916 (dari excel)
Ftabel = 3.35 (pembilang = 2, penyebut = 27, α = 0.05)
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 113.845 2 56.922 31.916 .000a
Residual 48.155 27 1.784
Total 162.000 29
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
Kesimpulan
Berdasarkan hasil perhitungan di atas ternyata Fhitung > Ftabel . F hitung = 31.916 dan Ftabel = 3,35 ( pembilang= 2 , penyebut =27, α = 0.05).Hal ini menunjukkan bahwa H0 ditolak atau H1 diterima, artinya terdapat pengaruh X1 dan X2 secara bersama-sama terhadap Y dengan koefisien determinasi 0.703. Artinya terdapat 70.3 % variasi Y dijelaskan secara bersama – sama oleh X1 dan X2 .
d. Uji signifikansi koefisien regresi linear ganda
Selanjutnya,akan diselidiki apakah koefisien b1 dan b2
= 0.838
= 0.771
= 0.622
= 0.419
Kriteria pengujian hipotesis menggunakan rumus
, .i = 1, 2, 3, . . . , k.
=
= 48.155/27 = 1.784
JKreg = b1Σx1y + b2Σx2y = 113.845
Σx1y = = 76
Σx2y = = 61
JKRes = = 48.155
Ri merupakan korelasi berganda Xi terhadap X lainnya (Xi diperlakukan sebagai respon, sedangkan X lainnya tetap sebagai prediktor). Jika peneliti berhadapan dengan dua prediktor misalnya X1 dan X2, maka Ri adalah korelasi X1 dan X2 atau X2 dengan X1 sehingga R1 = R2 = r12 yaitu korelasi linear sederhana. Korelasi pada kasus ini yang diambil contoh pada kajian adalah sebagai berikut.
Uji t untuk koefisien X1 (b1)
= 0.419
= = 60
= = 59.4
= 1.784
= 0.0006
.t1 = = 41.488 ( t hitung)
ttabel = 1.703 (db = n – k – 1 = 30 – 2 – 1 = 27, alpha =0.05)
Uji t untuk koefisien X2 (b2)
= 0,0001
t2 = 55.821 (manual 0.328)
.ttabel = 1.703 (db = n – k – 1 = 30 – 2 – 1 = 27, alpha = 0.05 )
Kesimpulan :
- Uji t untuk koefisien X1 (b1)
Dengan memperhatikan nilai uji t hitung = 41.488 dan t tabel = 1.703 maka thitung > ttabel atau dengan mencermati dalam tabel Coefficients spss dalam kolom Sig. Sebesar 0.0000, maka 0.05 > 0.000, maka X1 mempunyai pengaruh terhadap Y.
- Uji t untuk koefisien X2 (b2)
Dari hasil perhitungan didapat t hitung = 55.821 dan t tabel 1.703 maka
t hitung > t tabel , maka X2 mempunyai pengaruh terhadap Y. Dengan memperhatikan dalam tabel Coefficients spss dibawah kolom Sig. Sebesar
0,004, maka 0,05 > 0,004 maka X2 mempunyai pengaruh terhadap Y.
e. Sumbangan efektif X1 dan X2 secara bersama-sama terhadap Y
Rumus yang digunakan menentukan sumbangan efektif X1 dan X2 terhadap Y adalah kuadrat dari yaitu 0.838. Artinya 83.8 % variasi Y dijelaskan secara berasama-sama oleh X1 dan X2. Variasi sebanyak 17.2 % dijelaskan oleh variasi lain.
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
.838a .703 .681 1.33549 .703
f. Sumbangan efektif X1 dan X2 terhadap Y secara parsial.
SEP.X1 = = 12.11%
SEP.X2 = = 5.44 %
Memperhatikan sumbangan efektif X1 terhadap Y sebesar 12% dan sumbangan efektif X2 terhadap Y sebesar 5.44% termasuk kecil, tetapi jika memperhatikan uji-t dan memperhatikan nilai Sig. Dalam tabel Coefficients maka X1 dan X2 signifikan. Memperhatikan juga korelasi antara X1 dengan Y sebesar 0.771 dan korelasi antara X2 dengan Y sebesar 0,622 termasuk kategori tinggi, maka X1 dan X2 berpengaruh tinggi terhadap Y.
HASIL PENGOLAHAN DATA MELALUI SPSS STATISTIC 17 SECARA KESELURUHAN
REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA COLLIN TOL CHANGE ZPP /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Y /METHOD=ENTER X1 X2.
Regression
Notes
Output Created 29-Apr-2011 07:51:29
Comments
Input Active Dataset DataSet0
Filter
Weight
Split File
N of Rows in Working Data File 30
Missing Value Handling Definition of Missing User-defined missing values are treated as missing.
Cases Used Statistics are based on cases with no missing values for any variable used.
Syntax REGRESSION
/DESCRIPTIVES MEAN STDDEV CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA COLLIN TOL CHANGE ZPP
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1 X2.
Resources Processor Time 0:00:00.047
Elapsed Time 0:00:00.094
Memory Required 1636 bytes
Additional Memory Required for Residual Plots 0 bytes
[DataSet0]
Descriptive Statistics
Mean Std. Deviation N
Y 13.0000 2.36352 30
X1 6.0000 1.43839 30
X2 4.5667 1.43078 30
Correlations
Y X1 X2
Pearson Correlation Y 1.000 .771 .622
X1 .771 1.000 .419
X2 .622 .419 1.000
Sig. (1-tailed) Y . .000 .000
X1 .000 . .011
X2 .000 .011 .
N Y 30 30 30
X1 30 30 30
X2 30 30 30
Variables Entered/Removed
Model Variables Entered Variables Removed Method
1 X2, X1a . Enter
a. All requested variables entered.
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate Change Statistics
R Square Change F Change df1 df2 Sig. F Change
1 .838a .703 .681 1.33549 .703 31.916 2 27 .000
a. Predictors: (Constant), X2, X1
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 113.845 2 56.922 31.916 .000a
Residual 48.155 27 1.784
Total 162.000 29
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. Correlations Collinearity Statistics
B Std. Error Beta Zero-order Partial Part Tolerance VIF
1 (Constant) 4.162 1.134 3.671 .001
X1 1.017 .190 .619 5.356 .000 .771 .718 .562 .825 1.213
X2 .599 .191 .363 3.139 .004 .622 .517 .329 .825 1.213
a. Dependent Variable: Y
Collinearity Diagnosticsa
Model Dimension Eigenvalue Condition Index Variance Proportions
(Constant) X1 X2
1 1 2.925 1.000 .01 .00 .01
2 .048 7.772 .20 .11 .98
3 .027 10.496 .79 .88 .01
a. Dependent Variable: Y
Tidak ada komentar:
Posting Komentar