BAB 3 METODE PENELITIAN

BAB 3

METODE PENELITIAN

3.1 Desain/Kerangka Penelitian

Berdasarkan dari uraian latar belakang, perumusan masalah, dan teori-teori yang telah dijelaskan sebelumnya, maka kerangka pemikiran dari penelitian ini dapat dirumuskan seperti gambar desain berikut:

KEPERCAYAAN DIRI X1

PRESTASI BELAJAR Y

INFERIORITAS X2

FAKTOR-FAKTOR LAIN

Menyatakan Hubungan Menyatakan Pengaruh Parsial Menyatakan Pengaruh Simultan Faktor-Faktor yang Tidak Diteliti

Gambar 3.1 Desain Kerangka Penelitian

Universitas Sumatera Utara

3.2 Objek dan Pengukuran

Objek penelitian ini adalah mahasiswa-mahasiswa jurusan D3 (Diploma) Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara. Jumlah objek yang akan diteliti berjumlah 30 mahasiswa dengan pertimbangan waktu dan biaya. Target penulis, dalam satu hari dapat memperoleh data dan informasi dari satu responden. Jadi penelitian studi lapangan berlangsung selama satu bulan.

Instrumen penelitian yang digunakan adalah instrumen non-test dengan menggunakan angket atau kuesioner. Skala yang digunakan dalam pengukuran yaitu skala likert. Skala ini digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok orang tentang fenomena. Variabel-variabel yang akan diukur dijabarkan menjadi indikator-indikator variabel yang telah dijabarkan pada bab 2 kajian teori. Kemudian indikator tersebut dijadikan sebagai titik tolak untuk menyusun item-item instrumen yang dapat berupa pernyataan atau pertanyaan. Jawaban setiap item instrumen yang menggunakan skala likert mempunyai gradasi dari sangat positif sampai sangat negatif. Untuk keperluan analisis kuantitatif, jawaban itu akan diberi skor (1 – 5, disesuaikan dengan kebutuhan).

3.3 Teknik Sampling

Agar hasil penelitian yang dilakukan terhadap sampel masih tetap bisa dipercaya dalam artian masih bisa mewakili karakteristik populasi,

maka cara penarikan

sampelnya harus dilakukan secara seksama. Cara pemilihan sampel dikenal dengan nama teknik sampling atau teknik pengambilan sampel.

Secara umum, ada dua jenis teknik pengambilan sampel yaitu, sampel acak atau random sampling/probability sampling, dan sampel tidak acak atau nonrandom samping/nonprobability sampling. Yang dimaksud dengan random sampling adalah cara pengambilan sampel yang memberikan kesempatan yang sama untuk diambil kepada setiap elemen populasi. Artinya jika elemen populasinya ada 100 dan yang akan dijadikan sampel adalah 25, maka setiap elemen tersebut mempunyai


kemungkinan 25/100 untuk bisa dipilih menjadi sampel. Sedangkan yang dimaksud dengan nonrandom sampling atau nonprobability sampling, setiap elemen populasi tidak mempunyai kemungkinan yang sama untuk dijadikan sampel. Lima elemen populasi dipilih sebagai sampel karena letaknya dekat dengan rumah peneliti, sedangkan yang lainnya karena jauh tidak dipilih, artinya kemungkinannya 0 (nol).

Di setiap jenis teknik pemilihan tersebut, terdapat beberapa teknik yang lebih spesifik lagi. Pada sampel acak (random sampling) dikenal dengan istilah simple random sampling, stratified random sampling, cluster sampling, systematic sampling, dan area sampling. Pada nonprobability sampling dikenal beberapa teknik, antara lain adalah convenience sampling, purposive sampling, quota sampling, snowball sampling.

Teknik sampling yang digunakan oleh penulis adalah Purposive Sampling yang mana sampel diambil dengan maksud atau tujuan tertentu. Objek penelitian diambil sebagai sampel karena peneliti menganggap bahwa seseorang tersebut memiliki informasi yang diperlukan bagi penelitiannya. Dalam melakukan metode ini, peneliti berusaha sebaik mungkin untuk memilih sampel objek penelitian. Supaya memperoleh informasi yang akurat dan tepat untuk mencapai tujuan penelitian.

3.4 Teknik Analisis yang Digunakan

Adapun teknik analisis statistik yang akan digunakan penulis dalam melakukan pengolahan data penelitian ini yaitu teknik analisis korelasi dan analisis regresi. Berikut akan dipaparkan mengenai teknik analisis data tersebut agar lebih memudahkan pelaksanaan penelitian ini.


3.4.1 Analisis Korelasi

Teknik analisis korelasi merupakan bagian dari teknik pengukuran asosiasi (measure of association) yang berguna untuk mengukur kekuatan hubungan dua variabel (atau lebih). Terdapat beberapa teknik analisis korelasi, diantaranya yang paling terkenal dan digunakan secara luas diseluruh dunia ialah teknik analisis korelasi Pearson dan Spearman.

Korelasi merupakan teknik analisis yang digunakan untuk mengukur kekuatan hubungan dua variabel. Korelasi tidak secara otomatis menunjukkan hubungan kausalitas antar variabel. Hubungan dalam korelasi dapat berupa hubungan linier positif dan negatif. Interpretasi koefisien korelasi akan menghasilkan makna kekuatan, signifikansi dan arah hubungan kedua variabel yang diteliti. Untuk melihat kekuatan koefisien korelasi didasarkan pada jarak yang berkisar antara 0 sampai dengan 1. Untuk melihat signifikansi hubungan digunakan angka signifikansi/probabilitas/alpha. Untuk melihat arah korelasi dilihat dari angka koefisien korelasi yang menunjukkan positif

atau

negatif.

n

r=

Rumus

n

korelasi

product

momen

pearson:

n

n∑ X iYi − ∑ X i ∑ Yi

=i 1 n

=i 1 =i 1

n

n

n

(3.1)

n∑ X i2 − (∑ X i ) 2 n∑ Yi 2 − (∑ Yi ) 2

=i 1 =i 1

=i 1 =i 1

Koefisien korelasi ialah pengukuran statistik kovarian atau asosiasi antara dua variabel. Besarnya koefisien korelasi berkisar antara +1 s/d -1. koefisien korelasi menunjukkan kekuatan (strength) hubungan linear dan arah hubungan dua variabel acak. Jika koefisien korelasi positif, maka kedua variabel mempunyai hubungan searah. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan tinggi pula. Sebaliknya, jika koefisien korelasi negatif, maka kedua variabel mempunyai hubungan terbalik. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan menjadi rendah (dan sebaliknya).


3.4.1.1 Interpretasi Korelasi

Ada tiga penafsiran hasil analisis korelasi meliputi: pertama melihat kekuatan hubungan dua variabel, kedua melihat signifikansi hubungan, dan ketiga melihat arah hubungan. Untuk melakukan interpretasi kekuatan hubungan antara dua variabel dilakukan dengan melihat angka koefisien korelasi hasil perhitungan dengan menggunakan kriteria sbb:

1. Jika angka koefisien korelasi menunjukkan 0, maka kedua variabel tidak mempunyai hubungan.

2. Jika angka koefisien korelasi mendekati 1, maka kedua variabel mempunyai hubungan semakin kuat.

3. Jika angka koefisien korelasi mendekati 0, maka kedua variabel mempunyai hubungan semakin lemah.

4. Jika angka koefisien korelasi sama dengan 1, maka kedua variabel mempunyai hubungan linier sempurna positif.

5. Jika angka koefisien korelasi sama dengan -1, maka kedua variabel mempunyai hubungan linier sempurna negatif.

Tabel 3.1 Tingkat Hubungan Koefisien Korelasi Interval Koefisien (r)

Interpretasi (Tingkat Hubungan)

Antara 0,80 – 1,00

Sangat Kuat

Antara 0,60 – 0,79

Kuat

Antara 0,40 – 0,59

Sedang

Antara 0,20 – 0,39

Lemah

Antara 0,00 – 0,19

Sangat Lemah (Tidak Berkorelasi)


3.4.1.2 Koefisien Determinasi Koefisien diterminasi dengan simbol r2 merupakan proporsi variabilitas dalam suatu data yang dihitung didasarkan pada model statistik. Definisi berikutnya menyebutkan bahwa r2 merupakan rasio variabilitas nilai-nilai yang dibuat model dengan variabilitas nilai data asli. Secara umum r2 digunakan sebagai informasi mengenai kecocokan suatu model. Dalam regresi r2 ini dijadikan sebagai pengukuran seberapa baik garis regresi mendekati nilai data asli yang dibuat model. Jika r2 sama dengan 1, maka angka tersebut menunjukkan garis regresi cocok dengan data secara sempurna. Interpretasi lain ialah bahwa r2 diartikan sebagai proporsi variasi tanggapan yang diterangkan oleh regresor (variabel bebas/X) dalam model. Dengan demikian, jika r2 = 1 akan mempunyai arti bahwa model yang sesuai menerangkan semua variabilitas dalam variabel Y. Jika r2 = 0 akan mempunyai arti bahwa tidak ada hubungan antara regresor (X) dengan variabel Y. Dalam kasus misalnya jika r2 = 0,8 mempunyai

arti

bahwa

tergantung/response)

sebesar

dapat

80%

diterangkan

variasi

dari

dengan

variabel variabel

Y X

(variabel (variabel

bebas/explanatory), sedang sisanya 0,2 dipengaruhi oleh variabel-variabel yang tidak diketahui atau variabilitas yang inheren. Rumus untuk menghitung koefisien determinasi (KD) adalah KD = r2 x 100%. Variabilitas mempunyai makna penyebaran/distribusi seperangkat nilai-nilai tertentu. Dengan menggunakan bahasa umum, pengaruh variabel X terhadap Y adalah sebesar 80% sedang sisanya 20% dipengaruhi oleh faktor lain. Dalam hubungannya dengan korelasi, maka r2 merupakan kuadrat dari koefisien korelasi yang berkaitan dengan variabel bebas (X) dan variabel Y (tergantung). Secara umum dikatakan bahwa r2 merupakan kuadrat korelasi antara variabel yang digunakan sebagai predictor (X) dan variabel yang memberikan response (Y). Dengan menggunakan bahasa sederhana r2 merupakan koefisien korelasi yang dikuadratkan. Oleh karena itu, penggunaan koefisien determinasi dalam korelasi tidak harus diinterpretasikan sebagai besarnya pengaruh variabel X terhadap Y mengingat bahwa korelasi tidak sama dengan kausalitas. Secara bebas dikatakan dua variabel mempunyai hubungan belum tentu variabel satu mempengaruhi variabel


lainnya. Lebih lanjut dalam konteks korelasi antara dua variabel maka pengaruh variabel X terhadap Y tidak tampak. Dengan menggunakan angka r2 kita tidak akan dapat membuktikan bahwa variabel X mempengaruhi Y.

Dengan demikian jika kita menggunakan korelasi sebaiknya jangan menggunakan koefisien determinasi untuk melihat pengaruh X terhadap Y karena korelasi hanya menunjukkan adanya hubungan antara variabel X dan Y. Jika tujuan riset hanya untuk mengukur hubungan maka sebaiknya berhenti saja di angka koefisien korelasi. Sedang jika kita ingin mengukur besarnya pengaruh variabel X terhadap Y sebaiknya menggunakan rumus lain, seperti regresi atau analisis jalur.

3.4.2 Analisis Regresi

Dalam penelitian ini, salah satu teknik analisis yang digunakan adalah analisis regresi linier berganda. Analisis regresi linier berganda ialah suatu alat analisis dalam ilmu statistik yang berguna untuk mengukur hubungan matematis antara lebih dari 2 peubah. Bentuk umum persamaan regresi linier berganda ialah sebagai berikut:

Menentukan b0, b1, b2, …, bk dapat menggunakan metode kuadrat terkecil melalui apa yang disebut dengan persamaan normal seperti berikut ini:


Bentuk persamaan matriks di atas termasuk ke dalam suatu sistem persamaan linier. Mencari atau menentukan b0, b1, b2, b3, …, bn berarti mencari atau menentukan solusi dari sistem persamaan linier (SPL). Mencari solusi SPL ada berbagai macam cara, diantaranya ialah Metode Eliminasi Gauss, Metode Invers (Metode Matriks yang diperbesar dan Metode Matriks Adjoin), dan Metode Cramer.

Metode Cramer merupakan metode yang paling populer dalam menentukan suatu solusi SPL (Sistem Persamaan Liniear) karena sifatnya yang mudah dipelajari dan sederhana. Menurut Cramer jika kita punya SPL (Sistem Persamaan Liniear) sebagai berikut:

Maka x1, x2, x3, …, xn dapat langsung dicari dengan membagi determinan matriks Aj dengan determinan matriks koefisien A. Dimana:

(3.2)


Adapun penelitian yang akan berlangsung ini hanya menggunakan 2 variabel bebas, maka analisis regresi ganda yang hanya melibatkan hanya dua prediktor saja yaitu: Ŷ=b0+b1X1+b2X2 Dengan:

Y = Prestasi X1 = Kepercayaan Diri X2 = Inferioritas

3.4.2.1 Pengaruh Simultan

Uji simultan atau uji F, bertujuan untuk mengetahui pengaruh gabungan variabel -variabel X terhadap variabel Y. Nilai F hitung dapat ditentukan dengan formula:

(3.3)

Keterangan:

R2

=

Koefisien determinasi

n

=

Banyaknya sampel

m

=

Banyaknya varians

Apabila hasil perhitungan F hitung > F tabel, maka H0 ditolak sehingga dapat dikatakan bahwa variabel bebas regresi dapat menerangkan variabel terikat secara serentak. Sebaliknya jika F hitung < F tabel, maka Ho diterima dengan demikian dapat dikatakan bahwa variabel bebas dari model regresi berganda tidak mampu menjelaskan variabel terikat.


3.4.2.2 Pengaruh Parsial

Untuk menguji kemaknaan koefisien regresi parsial digunakan uji t. Nilai t dapat ditentukan dengan formula sebagai berikut:

(3.4)

Keterangan:

r

=

Koefisien korelasi

n

=

Banyaknya sampel

Apabila t hitung > t tabel, maka H0 ditolak dengan demikian variabel bebas dapat menerangkan variabel terikat yang ada dalam model. Sebaliknya apabila t hitung < t tabel maka Ho diterima, dengan demikian variabel bebas tidak dapat menjelaskan variabel terikat atau dengan kata lain tidak ada pengaruh parsial di antara variabel bebas (X1 maupun X2) dengan variabel terikat (Y) yang ingin diuji.

3.4.3 Uji Validitas dan Reliabilitas

3.4.3.1 Uji Validitas

Uji

validitas adalah untuk mengetahui kelayakan butir-butir dalam suatu daftar

pertanyaan dengan variabel. Uji ini dilakukan untuk mengukur data yang telah didapat setelah penelitian. Macam validitas umumnya digolongkan dalam tiga kategori besar, yaitu validitas isi (content validity), validitas berdasarkan kriteria (criterion-related validity) dan validitas konstruk. Pada penelitian ini akan dibahas hal menyangkut validitas untuk menguji apakah pertanyaan-pertanyaan itu telah mengukur aspek yang sama. Untuk itu dipergunakanlah validitas konstruk.


Uji validitas dilakukan dengan mengukur korelasi antara variabel/item dengan skor total variabel. Cara mengukur validitas konstruk yaitu dengan mencari korelasi antara masing-masing pertanyaan

dengan skor total menggunakan rumus teknik

korelasi pearson’s product moment.

Setelah semua korelasi untuk setiap pertanyaan dengan skor total diperoleh, nilai-nilai tersebut dibandingkan dengan nilai kritik. Selanjutnya, jika nilai koefisien korelasi product moment dari suatu pertanyaan tersebut sama dengan atau lebih besar dari nilai tabel kritik, maka pertanyaan tersebut signifikan.

3.4.3.2 Uji Reliabilitas

Reliabilitas (keandalan) adalah ukuran suatu kestabilan dan konsisten responden dalam menjawab hal yang berkaitan dengan daftar pertanyaan. Pengujian dapat dilakukan dengan menggunakan metode belah dua spearman-brown ataupun dengan korelasi alpha cronbach. Butir pertanyaan yang sudah dinyatakan valid dalam uji validitas akan ditentukan reliabilitasnya.

Dalam penelitian ini teknik untuk menghitung indeks reliabilitas yaitu dengan teknik belah dua. Teknik ini diperoleh dengan membagi item-item yang sudah valid secara acak menjadi dua bagian. Skor untuk masing-masing item pada tiap belahan dijumlahkan, sehingga diperoleh skor total untuk masing-masing item belahan. Selanjutnya skor total belahan pertama dan belahan kedua dicari korelasinya dengan menggunakan teknik korelasi product moment. Angka korelasi yang dihasilkan lebih rendah daripada angka korelasi yang diperoleh jika alat ukur tersebut tidak dibelah. Kemudian nilai korelasi tersebut akan digunakan untuk mencari nilai korelasi spearman-brown untuk kemudian dibandingkan dengan nilai r tabel. Syarat relabilitasnya adalah nilai tersebut harus sama dengan atau lebih besar dari nilai r tabel.


BAB 4

HASIL PENELITIAN

4.1 Data Hasil Penelitian

Adapun data hasil penelitian dengan menggunakan kuesioner, harus dilakukan uji validitas dan reliabilitas untuk mengetahui apakah instrumen yang digunakan sudah tepat atau tidak. Dalam penelitian ini penulis menggunakan bantuan SPSS Statistics 19 sebagai alat bantu dalam menguji kevalidan dan kereliabilitasannya. Untuk hasil pengujian kevalidan dan kereliabilitasan data penelitian ini dapat dilihat di bagian lampiran. Berikut tabel data hasil penelitian yang telah diuji kevalidan dan kereliabilitasannya:

Tabel 4.1 Data Hasil Penelitian Responden

Kepercayaan Diri

Inferioritas

Prestasi Belajar

(X1)

(X2)

(Y)

1

29

12

26

2

31

27

28

3

34

8

31

4

21

18

18

5

24

15

27

6

29

12

25

7

27

10

23

8

30

14

34

9

27

16

32

10

34

8

30

11

31

8

28

12

25

10

20


13

36

25

27

14

34

11

33

15

25

22

18

16

30

11

31

17

40

7

35

18

22

10

20

19

26

21

22

20

34

12

30

21

31

12

29

22

28

17

26

23

26

10

21

24

27

22

25

25

34

15

31

26

32

9

25

27

30

13

29

28

31

8

25

29

31

15

26

30

34

13

31

Jumlah

893

411

806

4.2 Uji Normalitas

Untuk membuktikan apakah data berdistribusi normal atau tidak, maka perlu dilakukan uji normalitas. Pengujian ini dilakukan dengan menggunakan bantuan SPSS Statistics 19 untuk mempermudah dan mempersingkat waktu. Berikut tabel output hasil pengujian beserta interpretasinya:


Tabel 4.2 Tabel Output Uji Normalitas Tests of Normality Kolmogorov-Smirnova Statistic

df

Shapiro-Wilk

Sig.

Statistic *

df

Sig.

Kepercayaan Diri

.104

30

.200

.978

30

.767

Inferioritas

.159

30

.051

.902

30

.010

30

*

.967

30

.459

Prestasi Belajar

.110

.200

a. Lilliefors Significance Correction *. This is a lower bound of the true significance.

Nilai signifikansi Kolgomorov-Smirnov untuk masing-masing variabel penelitian dapat kita lihat dari tabel diatas. Syarat untuk data berdistribusi normal ialah nilai signifikansi > 0,05. Dari tabel diatas dapat disimpulkan data hasil penelitian sudah berdistribusi normal. Untuk variabel inferioritas nilai signifikansi Kolgomorov -Smirnov yang diperoleh sebesar 0.051. Angka ini dianggap kritis namun masih bisa dianggap berdistribusi normal.

4.3 Analisis Data Hasil Penelitian

Data yang sudah diuji kenormalannya kemudian akan dianalisis dengan menggunakan teknik analisis korelasi dan regresi. Berikut tahapannya:

4.3.1 Analisis Korelasi

Untuk menjawab permasalahan mengenai hubungan antara variabel kepercayaan diri (X1) dan variabel inferioritas (X2), maka digunakanlah teknik analisis korelasi pearson. Berikut rumus analisis korelasi yang akan digunakan:


n

r=

n

n

n∑ X 1i X 2i − ∑ X 1i ∑ X 2i

=i 1 n

=i 1 =i 1

n

n 2 1i 2i =i 1 =i 1

n∑ X − (∑ X )

2 1i =i 1 =i 1

(4.1)

n

2

n ∑ X − (∑ X 2 i )

2

Persamaan diatas merupakan adaptasi dari persamaan korelasi 3.1. Berikut tabel nilai-nilai X1 dan X2 yang diperlukan untuk menghitung nilai koefisien korelasi tersebut: Tabel 4.3 Tabel Nilai-Nilai untuk Perhitungan Korelasi X1

X2

X12

X22

X1X2

29

12

841

144

348

31

27

961

729

837

34

8

1156

64

272

21

18

441

324

378

24

15

576

225

360

29

12

841

144

348

27

10

729

100

270

30

14

900

196

420

27

16

729

256

432

34

8

1156

64

272

31

8

961

64

248

25

10

625

100

250

36

25

1296

625

900

34

11

1156

121

374

25

22

625

484

550

30

11

900

121

330

40

7

1600

49

280

22

10

484

100

220

26

21

676

441

546

34

12

1156

144

408

31

12

961

144

372

28

17

784

289

476


26

10

676

100

260

27

22

729

484

594

34

15

1156

225

510

32

9

1024

81

288

30

13

900

169

390

31

8

961

64

248

31

15

961

225

465

34

13

1156

169

442

893

411

27117

6445

12088

Masukkan nilai-nilai yang dibutuhkan ke dalam persamaan 4.1:

r=

(30)(12088) − (893)(411) 30(27117) − (893) 2 30(6445) − (411) 2

r=

362640 − 367023 16061 24429

r=

−4383 19807,93

r = −0, 221

Maka didapatlah nilai koesfisien korelasi antara variabel X1 dan X2 sebesar -0,221. Ini berarti hubungan antara variabel bebas kepercayan diri (X1) dan inferioritas (X2) negatif sempurna dan tak searah. Tak searah artinya jika nilai kepercayaan diri tinggi maka tingkat inferioritasnya rendah dan sebaliknya. Untuk mempermudah dan menyamakan hasil perhitungan, berikut tabel output korelasi dengan menggunakan bantuan SPSS Statistics 19:


Tabel 4.4 Output Korelasi Correlations Kepercayaan Diri Kepercayaan Diri

Pearson Correlation

Inferioritas 1

Sig. (2-tailed) N Inferioritas

Pearson Correlation Sig. (2-tailed) N

-.221 .240

30

30

-.221

1

.240 30

30

Korelasi antara variabel kepercayaan diri dan inferioritas tidak signifikan karena angka signifikansi 0,240 > 0,05. Untuk koefisien determinasi dapat dihitung yaitu KD = r2 x 100 % yaitu (-0,221)2 x 100 % = 4,9 % . Maknanya sumbangan 4,9 % variabel inferioritas ini dijelaskan oleh variabel kepercayaan diri, dan sisanya sebesar 95,1 % ditentukan variabel lain diluar penelitian.

4.3.2 Analisis Regresi

Untuk menjawab permasalahan mengenai pengaruh kepercayaan diri (X1) dan inferioritas (X2) terhadap prestasi belajar (Y) maka digunakanlah analisis regresi linier berganda. Berikut persamaan regresi linier berganda beserta cara mencarinya dengan menggunakan meotde matriks:


n n    n  n X X ∑ ∑ 1i 2i    ∑ Yi  =i 1 =i 1 =i 1   b0    n n n n  n      X 1i2 X 1i ∑ X 2i   b1  =  ∑ X 1iYi  ∑ ∑  ∑ X 1i = =i 1 =i 1 =i 1 i1   b = i1  2  n n n n    n  2 X 2i ∑  ∑ X 2i ∑ X 1i ∑ X 2i   ∑ X 2iYi  = =i 1 =  i 1 =i 1 =i 1  i1 

Berikut tabel nilai-nilai X1, X2, dan Y yang diperlukan untuk mencari persamaan regresi tersebut:

Tabel 4.5 Tabel Nilai-Nilai untuk Perhitungan Regresi X1

X2

X12

X22

X1X2

Y

X1Y

X2Y

29

12

841

144

348

26

754

312

31

27

961

729

837

28

868

756

34

8

1156

64

272

31

1054

248

21

18

441

324

378

18

378

324

24

15

576

225

360

27

648

405

29

12

841

144

348

25

725

300

27

10

729

100

270

23

621

230

30

14

900

196

420

34

1020

476

27

16

729

256

432

32

864

512

34

8

1156

64

272

30

1020

240

31

8

961

64

248

28

868

224

25

10

625

100

250

20

500

200

36

25

1296

625

900

27

972

675

34

11

1156

121

374

33

1122

363

25

22

625

484

550

18

450

396

30

11

900

121

330

31

930

341

40

7

1600

49

280

35

1400

245

22

10

484

100

220

20

440

200

26

21

676

441

546

22

572

462

34

12

1156

144

408

30

1020

360


31

12

961

144

372

29

899

348

28

17

784

289

476

26

728

442

26

10

676

100

260

21

546

210

27

22

729

484

594

25

675

550

34

15

1156

225

510

31

1054

465

32

9

1024

81

288

25

800

225

30

13

900

169

390

29

870

377

31

8

961

64

248

25

775

200

31

15

961

225

465

26

806

390

34

13

1156

169

442

31

1054

403

893

411

27117

6445

12088

806

24433

10879

Maka matriksnya menjadi seperti berikut ini:

893 411   b0   806   30       893 27117 12088   b1  =  24433        411 12088 6445   b2   10879 

Misalkan matriks pertama adalah matriks A, kemudian matriks kedua yang berelemenkan bo, b1, dan b2 adalah matriks B, dan matriks terakhir adalah matriks C. Maka sesuai dengan hukum perkalian matriks, A.B = C. Untuk mencari nilai-nilai bo, b1, dan b2 yang merupakan elemen dari matriks B, digunakan metode Cramer yang disesuaikan dari persamaan 3.2 yaitu:

Nilai determinan matriks A: 30

893

411

A = 893 27117 12088 411 12088 6445 A = 30(174769065 − 146119744) − 893(5755385 − 4968168) + 411(10794584 − 11145087) A = 859479630 − 702984781 + (−144056733) = 12438116


Nilai determinan matriks A1:

806

893

411

A1 = 24433 27117 12088 10879 12088 6445 A= 806(174769065 − 146119744) − 893(157470685 − 131505352) 1 A1 + 411(295346104 − 295005843) A1= 23091352726 − 23187042369 + 139847271= 44157628 Nilai determinan matriks A2:

30 806 411 A2 = 893 24433 12088 411 10879

6445

A2= 30(157470685 − 131505352) − 806(5755385 − 4968168) A2 + 411(9714947 − 10041963) = = 10059512 A2 778959990 − 634496902 + (−134403576) Nilai determinan matriks A3:

30 893 806 A3 = 893 27117 24433 411 12088 10879 A3= 30(295005843 − 295346104) − 893(9714947 − 10041963) A3 + 806(10794584 − 11145087) A3 =−10207830 − (−292025288) + (−282505418) =−687960


Maka:

b0 =

A1

b1 =

A2

b2 =

A3

A

A

A

=

44157628 = 3,55018622 12438116

=

10059512 = 0,80876493 12438116

=

− 687960 = −0,0553106 12438116

Didapatlah nilai b0 = 3,55; b1 = 0,81; dan b2 = -0,05. Jadi persamaan regresi linier bergandanya adalah:Ŷ = 3,55 + 0,81X

– 0,05X2. Kemudian untuk mengetahui

1

apakah model ini bisa diterima atau tidak perlu dilakukan uji kelinieran (uji F) dengan menggunakan tabel ANAVA. Berikut outputnya dengan menggunakan bantuan SPSS Statistics 19:

Tabel 4.6 Tabel ANAVA ANOVAb Model 1

Sum of Squares

Df

Mean Square

Regression

365.746

2

182.873

Residual

255.721

27

9.471

Total

621.467

29

F

Sig.

19.308

.000a

a. Predictors: (Constant), Inferioritas, Kepercayaan Diri b. Dependent Variable: Prestasi Belajar

Hipotesis

: H1: Model regresi signifikan (terdapat hubungan linier) H0: Model regresi tidak signifikan (tidak ada hubungan linier)


Dengan α = 0,05 dk pembilang = 3-1 = 2, dan dk penyebut = 30-3 = 27 didapatlah F tabel sebesar 3,35. Dari hasil perhitungan diperoleh F penelitian sebesar 19,308. Jadi, dapat disimpulkan bahwa F penelitian > F tabel sehingga tolak H0 dan terima H1. Dengan demikian model regresi diatas sudah layak dan benar. Pengaruh simultan sebesar 58,9 juga dianggap signifikan.

4.3.2.1 Pengaruh Simultan

Untuk mengetahui pengaruh secara keseluruhan/simultan variabel-variabel bebas X1 dan X2 terhadap Y, maka perlu dilakukan uji F untuk tes signifikansi. Dengan menggunakan bantuan SPSS Statistic 19, berikut output analisis regresinya:

Tabel 4.7 Output Model Regresi Model Summary

Model 1

R

R Square a

.767

.589

Adjusted R

Std. Error of the

Square

Estimate .558

3.078

Besar nilai R Square = 0,589 maka nilai KP = 0,589 x 100 % = 58,9 %. Maksudnya bahwa pengaruh kepercayaan diri dan inferioritas terhadap prestasi belajar secara gabungan adalah sebesar 58,9 %, sedangkan sisanya sebesar 41,1 % dipengaruhi faktor lain. Dengan kata lain variabilitas prestasi belajar dapat diterangkan oleh variabel kepercayaan diri dan inferioritas sebesar 58,9 %, sedangkan pengaruh sebesar 41,1 % disebabkan variabel-variabel lain diluar model ini.


4.3.2.2 Pengaruh Parsial

Untuk mengetahui seberapa besar pengaruh masing-masing variabel kepercayaan diri dan inferioritas terhadap prestasi belajar, maka perlu dilakukan uji koefisien (uji t). Berikut tabel hasil output dengan menggunakan SPSS Statistics 19:

Tabel 4.8 Tabel Output Uji Koefisien a

Coefficients

Correlations

Standardized Coefficients Model 1

T

Beta (Constant) Kepercayaan Diri Inferioritas

.751 -.063

Sig.

.760

.454

5.930 -.500

.000 .621

Zero-order

.765 -.229

Partial

Part

.752 -.096

.732 -.062

Untuk pengaruh parsial variabel-variabel kepercayaan diri/inferioritas terhadap prestasi belajar, hipotesisnya: H1: Ada hubungan linier antara kepercayaan diri/inferioritas dengan prestasi H0: Tidak ada hubungan linier antara kepercayaan diri/inferioritas dengan prestasi Untuk nilai t tabel dengan α = 0,05 dan dk = 30-2 = 28 diperoleh nilai t sebesar 2,05. Dari tabel koefisien diatas,nilai t penelitian untuk variabel kepercayaan diri adalah sebesar 5,930. Jadi, dapat disimpulkan t penelitian > t tabel sehingga H0 ditolak dan H1 diterima. Artinya ada hubungan linier antara kepercayaan diri dengan prestasi belajar. Besarnya pengaruh kepercayaan diri terhadap prestasi belajar adalah sebesar 0,751 atau 75,1 %.

Untuk pengaruh parsial inferioritas terhadap prestasi belajar dapat kita lihat bahwa t penelitian sebesar -0,500. Jadi, dapat disimpulkan t penelitian < t tabel sehingga H0 diterima dan H1 ditolak. Artinya tidak ada hubungan linier antara inferioritas dengan prestasi belajar. Besarnya pengaruh inferioritas terhadap prestasi belajar sebesar -0,063 atau 6,3 % dianggap tidak signifikan. Hal ini dapat dilihat dari angka signifikansi sebesar 0,621 yang lebih besar dari α = 0,05.


4.4 Inplementasi Sistem

4.4.1 Pengertian Implementasi Sistem

Implementasi sistem adalah suatu prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam dokumen yang telah disetujui, menginstal dan memulai sistem baru atau sistem yang diperbaiki.

Di dalam sistem data tersebut terdapat suatu perangkat lunak yang dinamakan dengan software, dan dalam tugas akhir ini penulis menggunakan Microsoft Word XP Compatible dan SPSS Statistics 19 For Windows dalam penerapan pengolahan data.

4.4.2 SPSS Statistics 19 For Windows

SPSS atau Statistical Package for Social Science, merupakan sebuah program aplikasi yang memiliki kemampuan analisa statistik cukup tinggi serta sistem manajemen data pada lingkungan grafis dengan cara pengoperasian yang cukup sederhana sehingga mudah untuk dipahami. Aplikasi tersebut merupakan salah satu aplikasi perangkat lunak yang banyak digunakan seiring dengan perkembangan ilmu pengetahuan dan teknologi dimana banyak institusi yang menginginkan adanya penelitian di berbagai bidang, penelitian yang banyak berhubungan dengan data-data yang akan diolah menggunakan suatu metode analisis statistik. Berikut cara mengoperasikannya:

1. Klik menu Start, pilih All Programs. 2. Pilih item SPSS Inc, kemudian SPSS Statistics 19. 3. Maka akan mucul tampilan data editor seperti gambar berikut ini:


Gambar 4.1 Tampilan Data Editor SPSS Statistics 19

Untuk menginput data pilih Variable View, kemudian isi nama variabel, jenis data, label, dan pengkodingan lain. Setelah itu kembali ke Data View untuk menginput data hasil penelitian. Berikut gambar tampilannya:

Gambar 4.2 Tampilan Input Data


4.4.2.1 Analisis dengan SPSS

Langkah-langkah untuk menganalisis data hasil penelitian dengan menggunakan SPSS yaitu:

Untuk uji normalitas:

1. Pilih menu Analyze, kemudian pilih Descriptive Statistics, lalu Explore. 2. Masukkan variabel yang akan diuji normalitasnya kedalam kotak dialog. 3. Kemudian klik Plots, lalu aktivkan Box Normality Plots With Test. 4. Klik Continue, kemudian OK. 5. Berikut tampilannya:

Gambar 4.3 Uji Normalitas

Untuk uji validitas langkah-langkahnya hampir sama dengan langkah-langkah analisis korelasi. Jadi, tidak akan diterangkan lagi, karena bisa melihat langkah setelah ini. Untuk uji reliablitias langkah-langkahnya:


1. Pilih menu Analyze, kemudian pilih Scale. 2. Pilih

Reliability,

setelah

itu

masukkan

item-item yang

akan diuji

kereliabilitasannya kedalam Box. 3. Pada menu pilihan, pilih metode Split Half. 4. Tekan OK, berikut tampilannya:

Gambar 4.4 Uji Reliabilitas

Untuk analisis korelasi:

1. Pilih menu Analyze, kemudian Correlate. 2. Pilih Bivariate, lalu masukkan variabel yang akan dicari korelasinya. 3. Aktivkan Box Pearson, kemudian klik OK. 4. Berikut tampilannya:


Gambar 4.5 Analisis Korelasi

Untuk analisis regresi:

1. Pilih menu Analyze, kemudian Regression, lalu Liniear. 2. Masukkan variabel terikat di Dependent Box, dan variabel bebas pada Box Independent. 3. Klik Statistics, pilih sesuai dengan kebutuhan untuk Model Fit, R Square Change, Collinearity Diagnostics, dll. 4. Klik Continue, kemudian OK. 5. Berikut tampilannya:


Gambar 4.6 Analisis Regresi


BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berikut beberapa gambaran dan kesimpulan dari penelitian ini: Tabel 5.1 Tabel Kesimpulan Hasil Penelitian Responden 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Kepercayaan Diri (X1i) 29 31 34 21 24 29 27 30 27 34 31 25 36 34 25

Responden 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Kepercayaan Diri (X1i) 30 40 22 26 34 31 28 26 27 34 32 30 31 31 34

Jumlah item pertanyaan variabel kepercayaan diri adalah 8 butir, skala likert (1-5), n

∑X maka: Skala rata-rata =

i =1

n

1i

: JumlahItemKuesioner =

893 = 29,77 : 8 = 3,72 . 30

Jadi para responden menjawab rata-rata pada skala 4, sehingga dapat disimpulkan bahwa objek penelitian memiliki tingkat kepercayaan yang tinggi (tingkat kepercayaan 95%).


Gambar 5.1 Grafik Hubungan antara Inferioritas dengan Kepercayaan Diri

Kepercayaan diri dan inferioritas berhubungan negatif. Jika tingkat kepercayaan diri tinggi, maka tingkat inferioritasnya rendah dan sebaliknya. Namun bukan berarti seseorang yang memiliki tingkat kepercayaan diri tinggi tidak mempunyai rasa inferioritas, ini karena tingkat hubungan keduanya lemah.

Persamaan regresi untuk kepercayaan diri (X1), inferioritas (X2), dan prestasi belajar (Y), yaitu: Ŷ = 3,55 + 0,81X1 – 0,05X2. Dari persamaan ini terlihat bahwa kepercayaan diri dan inferioritas berpengaruh terhadap prestasi belajar.

Gambar 5.2 Grafik Pengaruh Kepercayaan Diri terhadap Prestasi


Tingkat kepercayaan diri yang tinggi dapat meningkatkan prestasi. Ini terlihat dari gambaran pola grafik disamping. Pengaruh parsial kepercayaan diri terhadap prestasi belajar sebesar 0,751 atau 75,1 %.

Gambar 5.3 Grafik Pengaruh Inferioritas terhadap Prestasi

Tingkat inferioritas yang tinggi dapat menghambat prestasi, terlihat dari pola grafik diatas. Pengaruh parsial inferioritas terhadap prestasi belajar sebesar -0,063 atau 6,3 %. Hubungan negatif menandakan bahwa inferioritas merupakan penghambat prestasi belajar.


5.2 Saran

Berikut saran-saran yang dapat penulis berikan:

1. Objek penelitian dianjurkan untuk selalu berpositive thinking agar merangsang kepercayaan diri dan menekan rasa inferior dalam rangka upaya peningkatan prestasi dan pengembangan diri.

2. Staff pengajar di Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, baik dosen maupun para asisten harus dapat melihat siapa-siapa saja mahasiswa yang memiliki tingkat inferioritas yang tinggi untuk kemudian melakukan pendekatan agar dapat melakukan penilaian yang obyektif.

3. Fakultas harus sering mengadakan even-even maupun pelatihan-pelatihan pengembangan diri.


BAB 3 METODE PENELITIAN

Recommend Documents