44 BAB IV DESKRIPSI DAN ANALISIS DATA A. Deskripsi Hasil Peelitia Data yag diperoleh dari siswa kelas VIII SMP Zaiuddi Waru adalah skor tes kemampua verbal (X 1 ), skor tes kemampua umerik (X ), da skor prestasi belajar matematika siswa (Y). Data tersebut diperoleh dari hasil tes. Salah satu istrume dari peelitia ii adalah tes. Tes yag diberika oleh peelliti dilakuka ada dua jeis. Tes kemampua verbal disusu utuk megetahui pemikira psikologis yag akrab dega bahasa tertulis da lisa, tes kemampua umerik diguaka utuk megukur kemampua berfikir yag berkaita dega bilaga da kosep bilaga atau agka. Sedagka tes prestasi belajar matematika siswa telah dilakuka sediri oleh pihak sekolah melalui UTS (Ujia Tegah Semester) maupu UAS (Ujia Akhir Sekolah). Sebelum soal diguaka utuk megumpulka data peelitia, terlebih dahulu dilakuka koreksi atau validasi isi. Koreksi atau validasi isi dilakuka dega cara memita taggapa, sara atau kometar dari ahli psikologi terhadap soal yag disusu oleh peeliti. Koreksi atau validasi isi memcakup: a. Segi materi Apakah soal sesuai dega materi serta tujua proses berpikir yag aka diukur. digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
45 b. Segi kosturksi Apakah kompleksitas soal sesuai dega tigkat kelas. c. Segi bahasa 1) Apakah soal megguaka bahasa yag sesuai dega kaidah bahasa Idoesia ) Apakah peafsira soal tidak meimbulka peafsira gada Para ahli yag memberi taggapa, sara atau kometar 3 orag yaitu 1 guru Bahasa Idoesia, 1 guru Matematika, da 1 ahli psikologi. Berdasarka sara atau kometar dari para validator, dapat disimpulka bahwa soal yag telah disusu diyataka valid secara peilaia umum. Namu soal tersebut ada yag perlu direvisi, utuk itu peeliti melakuka revisi terhadap peyusua soal tes. Setelah peeliti merevisi soal tes, peeliti megujika tes tersebut tepatya pada taggal 5 Jui 013 dari pukul 08.30 sampai dega pukul 09.30 WIB di kelas VIII. Hasil tes dapat peeliti paparka sebagai berikut: Tabel 4.1 Daftar Peroleha Nilai Tes No. Nama Skor yag diperoleh Nilai yag diperoleh X 1 X Y X 1 X Y 1 Adam Arya Adiwagsa 15 7-75 70 88 Aldi Septyaoor 14 6-70 60 87 3 Alfaridzki Dio Alief S 13 5-65 50 85 4 Alisya Nurul Izza 14 6-70 60 87 5 Aggi Nur Haifah 15 6-75 60 87 6 Aisa Nur Aviato 15 8-75 80 88 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
46 7 Arha Alfarizky 14 4-70 40 85 8 Arizal Pratama 13 6-65 60 85 9 Ayu Aggela Rijai P 14 5-70 50 85 10 Azimatul Aiu Niza' 14 7-70 70 88 11 Dieda Moulydia 13 6-65 60 85 1 Dwi Wahyui Permatasari 14 7-70 70 85 13 Falia Nur Azizah 15 7-75 70 88 14 Frasisca Eka Novita Sari 14 6-70 60 85 15 Idah Uzlifatul Jaah 16 8-80 80 91 16 Iswahyu Lida Nella A. 16 8-80 80 88 17 Iva Rizky Pratama Zei 16 8-80 80 89 18 Loveta Dia Derria 13 5-65 50 85 19 M. Syafril Muosif 1 4-60 40 83 0 Moch. Fahrul Novaldi 1 5-60 50 85 1 Moch. Farid Chusai 13 5-65 50 85 Mochammad Rizky Chalid 13 6-65 60 85 3 Muhammad Dzulfikri Azka 15 8-75 80 88 4 Nada Purwoaji 1 6-60 60 85 5 Nur Aldickiasyah Adam - - - - - 87 6 Putri Ajasmara 17 8-85 80 9 7 Putri Brazilia Prastya W. 1 7-60 70 85 8 Qamarul Izzati 13 6-65 60 85 9 Qosam Syabab Muflikh 15 8-75 80 89 30 Rr. Fidia Ifa Satya 13 7-65 70 85 31 S.A Eko Febriato 1 6-60 60 85 3 Sati Devi Octavia 13 5-65 50 85 33 Satria Dwi Nugroho 13 8-65 60 85 34 Siti Qurrota A'yu 18 9-90 90 94 35 Yuita Prastica 17 8-85 80 9 Keteraga: X 1 : ilai kemampua verbal X : ilai kemampua umerik Y : ilai prestasi belajar matematika siswa digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
47 Keteraga peilaia: Nilai = Jumlah skor yag diperoleh Jumlah skor maksimal X 100 B. Aalisis Data Peelitia Dalam peelitia ii peeliti igi mecari pegaruh kemampua verbal da kemampua umerik sebagai variabel bebas terhadap prestasi belajar matematika siswa sebagai variabel terikat dega megguaka aalisis regresi liear bergada. Sebelum melakuka aalisis regresi liear bergada, terlebih dahulu data yag diperoleh selama peelitia aka diperiksa dega uji ormalitas data. Uji ormalitas utuk data hasil tes kemampua verbal, kemampua umerik, prestasi belajar matematika siswa dalam peelitia ii peeliti megguaka uji kolmogrov-smirov dega batua software statistik yaitu miitab 14. Adapu prosedur perhituga uji kolmogrov-smirov adalah sebagai berikut: Berikut ii grafik dari uji ormalitas data hasil tes kemampua verbal, kemampua umerik, da prestasi belajar matematika siswa megguaka software statistik miitab 14. digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
48 uji ormalitas kemampua verbal Normal Percet 99 95 90 80 70 60 50 40 30 0 Mea 70,9 StDev 7,876 N 34 KS 0,074 P-Value >0,150 10 5 1 50 60 70 Kemampua Verbal 80 90 Grafik 4. Uji Normalitas Kemampua Verbal uji ormalitas kemampua umerik Normal Percet 99 95 90 80 70 60 50 40 30 0 Mea 64,41 StDev 1,84 N 34 KS 0,049 P-Value >0,150 10 5 1 30 40 50 60 70 Kemampua Numerik 80 90 100 Grafik 4.3 Uji Normalitas Kemampua Numerik digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
49 uji ormalitas prestasi belajar matematika Normal Percet 99 95 90 80 70 60 50 40 30 0 Mea 86,74 StDev,550 N 34 KS 0,076 P-Value >0,150 10 5 1 80 8 84 86 88 90 Prestasi Belajar Matematika 9 94 Grafik 4.4 Uji Normalitas Prestasi Belajar Matematika Siswa Berdasarka grafik 4., grafik 4.3, grafik 4.4 di atas, dapat diketahui bahwa p value > α yaitu sebesar 0.150 > 0.05 maka dapat disimpulka bahwa data kemampua verbal, data kemampua umerik, data prestasi belajar siswa ketigaya berdistribusi ormal. Setelah uji ormalitas terpeuhi, maka aalisis regresi liear bisa dilakuka. Adapu lagkah-lagkahya sebagai berikut: 1. Utuk mejawab rumusa masalah ke 1 yaitu bagaimaa pegaruh kemampua verbal siswa terhadap prestasi belajar matematika siswa kelas VIII C SMP Zaiuddi, maka peeliti megguaka regresi liear sederhaa dega persamaa regresiya: digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
50 Y = a + bx 1 + e Keteraga: Y = variabel terikat (prestasi belajar matematika siswa) a = kostata b = koefisie regresi X 1 = subyek variabel bebas (kemampua verbal) e = error Adapu lagkah-lagkah aalisis regresi liear sederhaa adalah sebagai berikut: a) Mecari plot (scatter plot) atara X 1 da Y, jika terjadi betuk liear maka aalisis regresi liear dapat dilajutka. Jika tidak maka sebalikya. Scatterplot of Prestasi Belajar Matematika vs Kemampua Verbal 94 Prestasi Belajar Matematika 9 90 88 86 84 8 60 65 70 75 80 Kemampua Verbal 85 90 Grafik 4.5 Scatterplot atara X 1 da Y digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
51 Dari grafik 4.5 di atas, meujukka bahwa adaya pola liear atara ilai kemampua verbal (X 1 ) sebagai variabel bebas dega ilai prestasi belajar siswa (Y) sebagai variabel terikat. b) Meduga parameter Mecari ilai a da b b = b = b = X i=1 1iY i i=1 X 1i i=1 Y i X i=1 1i i=1 X 1i (34)(07910) (390)(949) (34)(170050) (390) 7068940 7048110 5781700 571100 b = 0830 69600 = 0,993 a = Y bx 1 a = 949 0,993 390 34 34 a = 86,74 0,993(70,9) a = 86,74 1,04 a = 65,70 Sehigga diperoleh persamaa regresiya sebagai berikut: Y = 65,70 + 0,993X 1 + e c) Meguji kelieara model 1) Meetuka hipotesis H 0 : regresi liear dalam X 1 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
5 H 1 : regresi oliear dalam X 1 ) Meetuka taraf sigifika α = 5% atau α = 0,05 3) Meguji statistik S χ = S χ = S χ = i=1 X 1i i=1 ) ( X 1i ( 1) (34)(170050) (390) 34(33) 5781700 571100 11 S χ = 69600 11 S χ = 6,03 χ 1 = Y i i=1 i=1 Y ij b ( 1)S χ χ 1 = 43 5 + 850 10 + 60 7 + 58 6 + 68 3 + 184 (0,993) (34 1)(6,03) + 94 1 (949) χ 1 = (35785,8 + 750 + 5177 + 46464 + 3941,33 + 1698 + 8836) (8696601) 34 (0,0896)(046,99) χ 1 = 55977,1 5578,38 183,3704 χ 1 = 11,3496 34 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
53 χ = Y ij i=1 (Y i ) i=1 χ = 55997 55977,1 χ = 19,9 F hitug = χ 1 (k ) ( k) F hitug = χ 11,3496 (7 ) 19,9 (34 7) F hitug =,699 0,7370 = 3,08 4) Kesimpula Utuk α = 0,05, = 34 maka: F tabel(1 α)(k, k) = F tabel(1 0,05)(16,5,34 16,5) F tabel(1 α)(k, k) = F tabel(1 0,,05)(14,5,17,5) = 4,15 Berdasarka lagkah-lagkah di atas diperoleh F hitug = 3,08. Karea F hitug < F tabel(1 α)(k, k) maka H 0 diterima, berarti Y liear dalam X 1. d) Meguji koefisie regresi 1. Merumuska hipotesis H 0 : b = 0 H 1 : b 0 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
54. Meetuka taraf sigifika α = 5% atau α = 0,05 3. Meguji statistik S e = Y i i=1 a i=1 Y i b i=1 X 1i Y i 55997 (65,70)(949) (0,993)(07910) S e = 34 55997 193749,3 67,463 S e = 3 S e = 0,37 3 S e = 0,634 = 0,79 S b = S b = S b = i=1(x 1i S e ) ( X 1i 0,79 170050 (390) 34 0,79 i=1 ) 170050 571100 34 0,79 S b = 170050 16800,94 S b = 0,79 047,06 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
55 S b = 0,79 45,4 = 0,017 t hitug = b β S b t hitug = 0,993 0 0,017 t hitug = 17,61 4. Kesimpula Utuk α = 0,05, = 34 maka: t ( ;α) = t (34 ;0,05) t ( ;α) = t (3;0,05) = 1,69 Karea t hitug > t ( ;α) maka H 0 ditolak, berarti X 1 berpegaruh terhadap variabel Y. e) Pegujia residual model (asumsi klasik) 1) Uji residual tak berdistribusi ormal Uji residual tak berdistribusi ormal diguaka utuk memeriksa apakah residual berdistribusi ormal atau tidak. Dalam peelitia ii, peeliti memakai uji p-plot atara masig-masig ilai pegamata dega residual masig-masig pegamata. digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
56 Normal Probability Plot of the Residuals (respose is Prestasi Belajar Matematika) 99 95 90 80 70 Percet 60 50 40 30 0 10 5 1 - -1 0 Residual 1 Grafik 4.6 Pegujia Asumsi Residual Berdistribusi Normal Berdasarka grafik 4.6 di atas terlihat bahwa pola peyebara residual megikuti garis lurus, ii berarti asumsi keormala pada residual terpeuhi. ) Uji heterokedatisitas Uji heterokedatisitas diguaka utuk megetahui ada atau tidakya heterokedatisitas, yaitu adaya ketidaksamaa varia dari residual utuk semua pegamata pada model regresi. Uji heterokedatisitas dapat dilakuka dega uji korelasi Spearma (r s ). digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
57 Lagkah-lagkah uji korelasi Spearma sebagai berikut: a. Merumuska hipotesis H 0 : tidak terdapat heterokedatisitas H 1 : terdapat heterokedatisitas b. Meetuka taraf sigifika α = 5% atau α = 0,05 c. Meguji statistik (r s ) = 1 6 i=1 d i ( 1) (r s ) = 1 6(109,5) 34(34 1) (r s ) = 1 6177 34(1156 1) (r s ) = 1 0,1573 = 0,84 t hitug = r s 1 r s t hitug = 0,84 34 1 ( 0,84) t hitug = 0,84 3 1 0,7056 t hitug = 0,84(5,66) 0,944 t hitug = 4,7544 0,546 = 8,7 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
58 d. Kesimpula Utuk α = 0,05, = 34 maka: t ;1 α = t 34 ; α t ;1 α = t (3;0,05) =,03 Karea t hitug < t ;1 α maka H 1 ditolak, da meerima H 0 yaki tidak terdapat heterokedatisitas. Berarti asumsi heterokedatisitas terpeuhi. 3) Uji autokorelasi Statistik yag diguaka adalah durbi watso. Adapu lagkahlagkahya adalah sebagai berikut: a) Meguji statistik d = i =1 (e i e i 1 ) e i i=1 d = 68,5315 31,7405 =,1910 b) Kesimpula Karea ilai DW =,1910, ilai ii berada pada selag 1,514 <,1910 <,607 sehigga meurut metode Durbi Watso dapat disimpulka bahwa autokorelasi tidak terjadi. Dega demikia asumsi autokorelasi terpeuhi. digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
59 4) Uji multikoliearitas i=1 X 1i Y i ( i=1 X 1i )( Y i r = [ X 1i ( i=1 i=1 X 1i ) ][ i=1 Y i ( i=1 Y i ) ] i=1 ) 34(07910) (390)(949) r = [34(170050) (390) ][34(55997) (949) ] 7068940 7048110 r = [5781700 571100][8703898 8696601] 0830 r = [69600][797] 0830 r = 50787100 r = 0830 535,99 = 0,94 R = (0,94) = 0,8543 VIF = 1 tolerace = 1 (1 R ) = 1 (1 0,8543) = 6,8 Karea VIF > 0,1 maka tidak terjadi multikoliearitas.. Utuk mejawab rumusa masalah ke yaitu bagaimaa pegaruh kemampua umerik siswa terhadap prestasi belajar matematika siswa kelas VIII SMP Zaiuddi, maka peeliti megguaka regresi liear sederhaa dega persamaa regresiya: Y = a + bx + e Keteraga: Y = variabel terikat (prestasi belajar matematika siswa) a = kostata digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
60 b = koefisie regresi X 1 = subyek variabel bebas (kemampua verbal) e = error Adapu lagkah-lagkah aalisis regresi liear sederhaa adalah sebagai berikut: a) Mecari plot (scatter plot) atara X da Y, jika terjadi betuk liear maka aalisis regresi liear dapat dilajutka. Jika tidak maka sebalikya. Scatterplot of Prestasi Belajar Matematika vs Kemampua Numerik 94 Prestasi Belajar Matematika 9 90 88 86 84 8 40 50 60 70 Kemampua Numerik 80 90 Grafik 4.7 Scatterplot atara X da Y Dari grafik 4.7 di atas, meujukka bahwa adaya pola liear atara ilai kemampua umerik (X ) sebagai variabel bebas dega ilai prestasi belajar siswa (Y) sebagai variabel terikat. digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
61 b) Meduga parameter Mecari ilai a da b b = b = b = X i=1 iy i i=1 X i i=1 Y i X i=1 i i=1 X i (34)(190830) (190)(949) (34)(146500) (190) 64880 6458310 4981000 4796100 b = 9910 184900 b = 0,16 a = Y bx a = 949 0,16 190 34 34 a = 86,74 0,16(64,41) a = 86,74 10,43 a = 76,3 Sehigga diperoleh persamaa regresiya sebagai berikut: Y = 76,31 + 0,16X + e c) Meguji kelieara model 1. Meetuka hipotesis H 0 : regresi liear dalam X H 1 : regresi oliear dalam X. Meetuka taraf sigifika α = 5% atau α = 0,05 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
6 3. Meguji statistik S χ = S χ = S χ = i=1 X i i=1 ) ( X i ( 1) (34)(146500) (190) 34(33) 4981000 4796100 11 S χ = 184900 11 S χ = 164,79 χ 1 = Y i i=1 i=1 Y ij b ( 1)S χ χ 1 = 168 + 510 6 + 941 11 + 519 6 + 717 (0,16) (34 1)(164,79) + 94 8 1 (949) χ 1 = (1411 + 43350 + 80498,7 + 44893,5 + 6461,13 + 8836) (8696601) 34 (0,06)(33)(164,79) χ 1 = 55950,9 5578,38 14,716 = 5,80 χ = Y ij i=1 (Y i ) i=1 χ = 55997 55950,9 χ = 46,1 F hitug = χ 1 (k ) ( k) χ 34 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
63 F hitug = 5,80 (6 ) 46,1 (34 6) F hitug = 6,45 1,64 = 3,93 4. Kesimpula Utuk α = 0,05, = 34 maka: F tabel(1 α)(k, k) = F tabel(1 0,05)(16,5,34 16,5) F tabel(1 α)(k, k) = F tabel(1 0,,05)(14,5,17,5) F tabel(1 α)(k, k) = 4,15 Berdasarka lagkah-lagkah di atas diperoleh F hitug = 3,93. Karea F hitug < F tabel(1 α)(k, k) maka H 0 diterima, berarti Y liear dalam X. d) Meguji koefisie regresi 1. Merumuska hipotesis H 0 : b = 0 H 1 : b 0. Meetuka taraf sigifika α = 5% atau α = 0,05 3. Meguji statistik S e = Y i i=1 a i=1 Y i b i=1 X i Y i S e = 55997 (76,3)(949) (0,16)(190830) 34 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
64 55997 5008,7 30914,46 S e = 3 S e = 73,84 3 S e =,3075 = 1,5 S e S b = X i ( X i i=1 S b = 1,5 i=1 ) 146500 (190) 34 1,5 S b = 146500 141061,76 S b = 1,5 5438,3 S b = 1,5 73,74 = 0,00 t hitug = b β S b t hitug = 0,16 0 0,00 t hitug = 0,16 0,00 = 8,1 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
65 4. Kesimpula Utuk α = 0,05, = 34 maka: t ( ;α) = t (34 ;0,05) t ( ;α) = t (3;0,05) = 1,69 Karea t hitug > t ( ;α) maka H 0 ditolak, berarti X berpegaruh terhadap variabel Y. e) Pegujia residual model (asumsi klasik) 1) Uji residual tak berdistribusi ormal Uji residual tak berdistribusi ormal diguaka utuk memeriksa apakah residual berdistribusi ormal atau tidak. Dalam peelitia ii, peeliti memakai uji p-plot atara masig-masig ilai pegamata dega residual masig-masig pegamata. 99 Normal Probability Plot of the Residuals (respose is Prestasi Belajar Matematika) 95 90 Percet 80 70 60 50 40 30 0 10 5 1-4 -3 - -1 0 Residual 1 3 4 Grafik 4.8 Pegujia Asumsi Residual Berdistribusi Normal digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
66 Berdasarka grafik 4.8 di atas terlihat bahwa pola peyebara residual megikuti garis lurus, ii berarti asumsi keormala pada residual terpeuhi. ) Uji heterokedatisitas Uji heterokedatisitas diguaka utuk megetahui ada atau tidakya heterokedatisitas, yaitu adaya ketidaksamaa varia dari residual utuk semua pegamata pada model regresi. Uji heterokedatisitas dapat dilakuka dega uji korelasi Spearma (r s ). Lagkah-lagkah uji korelasi Spearma sebagai berikut: a. Merumuska hipotesis H 0 : tidak terdapat heterokedatisitas H 1 : terdapat heterokedatisitas b. Meetuka taraf sigifika α = 5% atau α = 0,05 c. Meguji statistik (r s ) = 1 6 i=1 d i ( 1) (r s ) = 1 6(1003,5) 34(34 1) (r s ) = 1 601 34(1156 1) (r s ) = 1 0,1533 = 0,84 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
67 t hitug = r s 1 r s t hitug = 0,84 34 1 ( 0,84) t hitug = 0,84 3 1 0,7056 t hitug = 0,84(5,66) 0,944 t hitug = 4,75 0,54 = 8,7 d. Kesimpula Utuk α = 0,05, = 34 maka: t ;1 α = t 34 ; α t ;1 α = t (3;0,05) =,03 Karea t hitug < t ;1 α maka H 1 ditolak, da meerima H 0 yaki tidak terdapat heterokedatisitas. Berarti asumsi heterokedatisitas terpeuhi. 3) Uji autokorelasi Statistik yag diguaka adalah durbi watso. Adapu lagkahlagkahya adalah sebagai berikut: a) Meguji statistik d = i =1 (e i e i 1 ) e i i=1 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
68 d = 144,905 7,314 =,0038 b) Kesimpula Karea ilai DW =,0038, ilai ii berada pada selag 1,514 <,0038 <,607 sehigga meurut metode Durbi Watso dapat disimpulka bahwa autokorelasi tidak terjadi. Dega demikia asumsi autokorelasi terpeuhi. 4) Uji multikoliearitas i=1 X i Y i ( i=1 X i )( Y i r = [ X i ( i=1 i=1 X i ) ][ i=1 Y i ( i=1 Y i ) ] i=1 ) 34(190830) (190)(949) r = [34(146500) (190) ][34(55997) (949) ] 64880 6458310 r = [4981000 4796100][8703898 8696601] 9910 r = [184900][797] 9910 r = 134915300 r = 9910 36731,66 = 0,6561 R = (0,81) = 0,6561 VIF = 1 tolerace = 1 (1 R ) = 1 (1 0,6561) =,9 Karea VIF > 0,1 maka tidak terjadi multikoliearitas. digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
69 3. Utuk mejawab rumusa masalah ke 3 yaitu, bagaimaa pegaruh kemampua verbal da kemampua umerik siswa terhadap prestasi belajar matematika siswa kelas VIII C SMP Zaiuddi, maka peeliti megguaka aalisis regresi liear bergada dega persamaa regresiya. Y = a + b 1 X 1 + b X + e Lagkah-lagkah regresi bergada adalah sebagai berikut: a) Meduga parameter b 1 = ( i=1 x i)( i=1 x 1i y i ) ( i=1 x 1i x i )( x i y i ( i=1 x 1i )( i=1 x i ) ( i=1 x 1i x i ) i=1 ) b 1 = (5438,35)(61,6464) (505,883)(879,7056) (047,059)(5438,35) (505,883) b 1 = 3331715,09 04439,31 1113387,9 679449,61 b 1 = 11775,78 485938,9 b 1 = 0,3 b = ( i=1 x 1i)( i=1 x i y i ) ( i=1 x 1i x i )( x 1i y i ( i=1 x 1i )( i=1 x i ) ( i=1 x 1i x i ) i=1 ) b = b = (047,059)(879,7056) (505,883)(61,6464) (047,059)(5438,35) (505,883) 1800809,6 15350,19 1113387,9 679449,61 b = 65589,07 485938,9 b = 0,0547 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
70 a = Y b 1 X 1 b X a = 86,74 (0,3)(70,9) (0,0547)(64,41) a = 86,74 16,31 3,5 a = 66,91 Sehigga diperoleh persamaa regresiya sebagai berikut: Y = 66,91 + 0,3X 1 + 0,0547X + e, artiya dapat diprediksi ilai Y apabila X 1 da X diketahui. b) Meguji kelieara model 1. Meetuka hipotesis H 0 = b 1 = b = 0, (model regresi bergada tidak sigifika atau dega kata lai tidak ada hubuga liear atara variabel bebas terhadap variabel terikat). H 1 = b 1 = b 0, (model regresi bergada sigifika atau dega kata lai ada hubuga liear atara variavbel bebas terhadap variabel terikat).. Meetuka taraf sigifika α = 5% atau α = 0,05 3. Meguji statistik MS regresi k = b 1 x 1i y i + b x i y i MS regresi MS regresi MS regresi k = (0,3)(61,6464) + (0,0547)(879,7056) k = 14,13 + 48,1 k = 190,5 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
71 MS residual = Y i Y i MS residual = 4,16395 MS regresi k F hitug = MS residual ( k 1) F hitug = 190,5 4,16395 31 F hitug = 95,15 0,78 = 11,95 4. Kesimpula α = 0,05 ; = 36 ; k =, maka: F (α)(k; k 1) = F (0,05)(;31) = 3,30 Karea F hitug > F (α)(k; k 1) maka H 0 ditolak, berarti model regresi bergada sigifika atau dega kata lai ada hubuga liear atara variabel bebas terhadap variabel terikat. c) Pegujia koefisie regresi parsial i=1 X i Y i ( i=1 X i )( Y i r γ = ( X i ( i=1 i=1 X i ) ) i=1 Y i ( i=1 Y i ) i=1 ) (34)(190830) (190)(949) r γ = (34)(146500) (190) (34)(55997) (949) digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
7 64880 6458310 r γ = (4981000) (4796100) (8703898) (8696601) 9910 r γ = (184900)(797) 9910 r γ = 134915300 r γ = 9910 36731,66 = 0,81 i=1 X 1i Y i ( i=1 X 1i )( Y i r γ1 = ( X 1i ( i=1 i=1 X 1i ) ) i=1 Y i ( i=1 Y i ) i=1 ) (34)(07910) (390)(949) r γ1 = (34)(170050) (390) (34)(55997) (949) 7068940 7048110 r γ1 = (5781700) (571100) (8703898) (8696601) 0830 r γ1 = (69600)(797) 0830 r γ1 = 50787100 r γ1 = 0830 535,99 = 0,9 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
73 i=1 X i X 1i ( i=1 X i )( X 1i r 1 = ( X 1i ( i=1 i=1 X 1i ) ) i=1 X i ( i=1 X i ) i=1 ) (34)(156450) (190)(390) r 1 = (34)(170050) (390) (34)(146500) (190) 5319300 534100 r 1 = (5781700) (571100) (4981000) (4796100) 8500 r 1 = (69600)(184900) 8500 r 1 = 1869040000 r 1 = 8500 113441,7 = 0,75 r γ r γ1 r 1 r γ.1 = 1 r γ1 (1 r 1 ) 0,81 (0,9)(0,75) r γ.1 = (1 (0,9) )(1 (0,75) ) 0,81 0,69 r γ.1 = (1 0,8464)(1 0,565) 0,1 r γ.1 = (0,1536)(0,4375) r γ.1 = 0,1 0,067 r γ.1 = 0,1 0,5 = 0,48 digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
74 r γ1 r γ r 1 r γ1. = 1 r γ (1 r 1 ) 0,9 (0,81)(0,75) r γ1. = (1 (0,81) )(1 (0,75) ) 0,9 0,6075 r γ1. = (1 0,6561)(1 0,565) 0,315 r γ1. = (0,3439)(0,4375) r γ1. = 0,315 0,3878 = 0,80 Sehigga diperoleh: r γ = 0,81 ; r γ1 = 0,9 ; r 1 = 0,75 ; r γ.1 = 0,48 ; r γ1. = 0,80 Nilai r γ.1 = 0,48, meujukka bahwa memasukka X ke dalam persamaa regresi meguragi 48% keragama Y yag tidak dapat diteragka oleh garis regresi yag haya megguaka X 1 saja. Sedagka ilai r γ1. = 0,80, meujukka bahwa memasukka X 1 ke dalam persamaa regresi meguragi 80% keragama Y yag tidak dapat diteragka oleh garis regresi yag haya megguaka X saja. Ii berarti kemampua meyelesaika soal tetag kemampua verbal meyumbag lebih besar dari pada kemampua meyelesaika soal tetag kemampua umerik. digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
75 d) Pegujia residual model 1) Uji residual tak berdistribusi ormal Uji residual tak berdistribusi ormal diguaka utuk memeriksa apakah residual berdistribusi ormal atau tidak. Dalam peelitia ii, peeliti memakai uji p-plot atara masig-masig ilai pegamata dega residual masig-masig pegamata. 99 Normal Probability Plot of the Residuals (respose is Prestasi Belajar Matematika) 95 90 Percet 80 70 60 50 40 30 0 10 5 1 - -1 0 Residual 1 Grafik 4.9 Pegujia Asumsi Residual Berdistribusi Normal Berdasarka grafik 4.9 di atas terlihat bahwa pola peyebara residual megikuti garis lurus, ii berarti asumsi keormala pada residual terpeuhi. digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
76 ) Uji heterokedatisitas Uji heterokedatisitas diguaka utuk megetahui ada atau tidakya heterokedatisitas, yaitu adaya ketidaksamaa varia dari residual utuk semua pegamata pada model regresi. Uji heterokedatisitas dapat dilakuka dega uji korelasi Spearma (r s ). Residuals Versus the Fitted Values (respose is Prestasi Belajar Matematika) Stadardized Residual 1 0-1 - 8 84 86 88 Fitted Value 90 9 94 Grafik 4.10 Uji Heterokedatisitas Berdasarka grafik 4.10 di atas, plot tidak membetuk pola (acak) maka model regresi sudah memeuhi asumsi heterokedatisitas. 3) Uji autokorelasi Statistik yag diguaka adalah durbi watso. Adapu lagkahlagkahya adalah sebagai berikut: digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id
77 d = i =1 (e i e i 1 ) e i i=1 d = 48,78363 4,16395 =,0188 4) Kesimpula Karea ilai DW =,0188, ilai ii berada pada selag 1,580 <,0188 <,667 sehigga meurut metode Durbi Watso dapat disimpulka bahwa autokorelasi tidak terjadi. Dega demikia asumsi autokorelasi terpeuhi. 5) Uji multikoliearitas Koefisie determiasi gada (R ) R = MS regresi y i R = MS regresi y i R = 190,5 14,6184 = 0,88 VIF = 1 tolerace = 1 (1 R ) = 1 0,1 = 0,33 Karea VIF > 0,1 maka tidak terjadi multikoliearitas. digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id digilib.uisby.ac.id