BAB IV HASIL PENELITIAN
A. Deskripsi Data Penelitian ini dilakukan di Sekolah Menengah Kejuruan Negeri Paket Keahlian Teknik Kendaraan Ringan (TKR) di Kota Malang. Subjek Penelitiannya adalah siswa kelas XI yang telah melakukan Praktik Kerja Lapangan (PKL) tahun pelajaran 2016/2017. Terdapat empat variabel yang dideskripsikan dalam penelitian ini, yakni Nilai Hasil Belajar Mata Pelajaran Produktif (X1) dan Efikasi Diri (X2) sebagai variabel eksogen, Nilai Praktik Kerja Lapangan (PKL) sebagai variabel intervaning, dan Kesiapan Kerja sebagai variabel endogen. Jumlah responden yang mengisi angket berjumlah 177 siswa. 1. Nilai Hasil Belajar Mata Pelajaran Produktif Data Nilai Hasil Belajar Mata Pelajaran Produktif diperoleh dari dokumentasi nilai rapot kelas X semester 1 dan semester 2 yang telah diratarata pada 177 responden siswa. Hasil deskripsi data dianalisis dan disajikan pada Tabel 4.1. di bawah. Tabel 4. 1 Deskripsi Variabel Nilai Hasil Belajar Mata Pelajaran Produktif Nilai Tertinggi 93
Nilai Terendah 75
Mean (rata-rata) 83,62
Median
Modus
83,37
80
Standar Deviasi 3,02
Varians 9,15
Nilai tertinggi yang diperoleh 93, nilai terendah yang diperoleh 75, nilai rata-rata sebesar 83,62, median/nilai tengah sebesar 83,37, nilai modus sebesar 80, standar deviasi sebesar 3,02, dan varians sebesar 9,15. Langkah berikutnya ialah membuat data menjadi data interval dengan menentukan kelas interval dan panjang kelas. Merubah data menjadi interval
60
61
bertujuan untuk menentukan distribusi frekuensi pada variabel. Tujuan membuat data menjadi skala interval adalah agar mempermudah peneliti saat mendeskripsikan suatu objek penelitian agar menjadi terperinci (Yusuf, 2014:253). Langkah pertama adalah menentukan jumlah kelas interval. Data pada penelitian ini akan dibagi menjadi beberapa kelas interval. Penentuan jumlah kelas interval menggunakan rumus (Yusuf, 2014:262): Jumlah kelas interval: 1+(3,3)log.n. ....................................... (persamaan 1) Keterangan: n = jumlah sampel yang diteliti. Jumlah kelas interval = 1+(3,3)log.177 = 1+(3,3)2,25 = 1+7,42 = 8,42 ≈ 9 Langkah kedua adalah menentukan panjang/rentang kelas interval. Pada variabel nilai hasil belajar produktif memiliki nilai terendah 75 dan tertinggi 93, sehingga panjang/rentang kelas interval dapat dihitung dengan rumus sebagai berikut: Panjang kelas interval =
Panjang kelas interval =
nilai terbesar−nilai terkecil jumlah kelas interval 93−75 8
=
18 9
=2≈2
Distribusi frekuensi hasil jawaban responden tentang variabel nilai hasil belajar mapel produktif secara keseluruhan disajikan pada Tabel 4.2.
62
Tabel 4.2. Distribusi Frekuensi Variabel Nilai Hasil Belajar Mapel Produktif Rentang Skor 75,00 – 76,99 77,00 – 78,99 79,00 – 80,99 81,00 – 82,99 83,00 – 84,99 85,00 – 86,99 87,00 – 88,99 89,00 – 90,99 91,00 – 93,00
Frekuensi 2 3 34 41 36 33 18 8 2
Presentase (%) 1,1% 1,7% 19,2% 23,2% 20,3% 18,6% 10,2% 4,5% 1,1%
Berdasarkan analisis pada 177 siswa didapakan hasil frekuensi nilai tertinggi pada variabel nilai hasil belajar mapel produktif ada pada rentang 81,00 sampai 82,99, sebanyak 41 siswa, dengan presentasi sebesar 23,2%. Tabel 4.3 Rata-Rata Nilai Masing-Masing Mata Pelajaran Produktif Simulasi Gambar Pekerjaan Dasar Teknologi Dasar Digital Teknik Teknik Otomotif Otomotif (TDO) (Simdig) (Gamtek) (PDTO) 84,47 83,28 83,52 84,01
Teknik Listrik Dasar Otomotif (TLDO) 82,82
Pada Tabel 4.3 diuraikan rata-rata masing-masing nilai produktif pada variabel Nilai Hasil Belajar Mata Pelajaran Produktif. Berdasarkan hasil deskripsi dari masing-masing nilai diketahui bahwa siswa memperoleh nilai rata-rata paling tinggi terdapat pada mata pelajaran Simulasi Digital yakni 84,47. Sedangkan nilai rata-rata nilai mata pelajaran produktif paling rendah terdapat pada TLDO sebesar 82,82. 2. Efikasi Diri Data efikasi diri diperoleh dari angket yang diisi 177 responden siswa. berjumlah 20 butir soal. Deskripsi data analisis, diuraikan pada Tabel 4.4. Tabel 4.4. Deskripsi Variabel Efikasi Diri Nilai Nilai Mean Tertinggi Terendah (rata-rata) 80 50 64,91
Median
Modus
65
66
Standar Deviasi 6,15
Varians 37,79
63
Berdasarkan hasil analisis diperoleh nilai tertinggi sebesar 80, nilai terendah sebesar 50, nilai rata-rata sebesar 64,91, median/nilai tengah sebesar 65, nilai modus sebesar 66, standar deviasi sebesar 6,15, dan varians sebesar 37,79. Langkah berikutnya ialah membuat data menjadi data interval dengan menentukan jumlah kelas interval dan panjang kelas. Merubah data menjadi interval bertujuan untuk menentukan distribusi frekuensi pada variabel. Tujuan membuat data menjadi skala interval adalah agar mempermudah peneliti saat mendeskripsikan suatu objek penelitian agar menjadi terperinci (Yusuf, 2014:253). Langkah pertama adalah menentukan jumlah kelas interval. Data pada penelitian ini dibagi menjadi 8 kelas interval sesuai pada perhitungan pada poin 1 di atas. Langkah selanjutnya adalah menentukan panjang/rentang tiap kelas. Nilai tertinggi pada variabel efikasi diri sebesar 80 dan nilai terendahnya sebesar 50. Untuk menentukan rentang skor efikasi diri pada tiap kelas, menggunakan perhitungan sebagai berikut: Panjang kelas interval =
Panjang kelas interval =
nilai terbesar−nilai terkecil jumlah kelas interval 80−50 8
=
30 8
= 3,75 ≈ 4
Distribusi frekuensi hasil jawaban responden tentang variabel efikasi diri secara keseluruhan disajikan pada Tabel 4.5.
64
Tabel 4.5 Distribusi Frekuensi Variabel Efikasi Diri Rentang Skor Frekuensi 50 – 54 9 55 – 58 17 59 – 63 51 64 – 67 44 68 - 71 28 72 – 75 17 76 – 79 10 80 - 83 1
Presentase (%) 5,1% 10% 28,8% 24,9% 15,8% 10% 5,6% 1%
Berdasarkan analisis pada 177 siswa didapakan hasil frekuensi tertinggi pada variabel efikasi diri ada pada rentang 59 sampai 63, sebanyak 51 siswa, dengan presentasi sebesar 28,8%. Pada Tabel 4.6. diuraikan rata-rata nilai masing-masing indikator pada variabel efikasi diri. Tabel 4.6 Rata-Rata Nilai Masing-Masing Indikator Efikasi Diri Indikator 1 Indikator 2 Indikator 3 3,19 3,11 3,26
Indikator 4 3,37
Berdasarkan hasil deskripsi dari masing-masing indikator diketahui bahwa efikasi diri siswa memperoleh nilai rata-rata paling tinggi terdapat pada indikator nomor 4 yakni keyakinan diri dalam mencapai target/hasil yang diharapkan sebesar 3,37. Sedangkan nilai rata-rata indikator paling rendah terdapat pada indikator nomer 2, yaitu keyakinan diri dalam mengatasi masalah yang muncul, sebesar 3,11. 3. Nilai Praktik Kerja Lapangan (PKL) Data Nilai Praktik Kerja Lapangan (PKL) diperoleh dari dokumentasi nilai Praktik Kerja Lapangan dari Industri pada 177 responden siswa. Hasil deskripsi data dianalisis dan disajikan pada Tabel 4.7. Tabel 4.7. Deskripsi Variabel Nilai Praktik Kerja Lapangan Nilai Nilai Mean Median Modus Tertinggi Terendah (Rata-rata) 93,29 75 82,35 82,14 80
Standar Deviasi 3,17
Varians 10,05
65
Nilai tertinggi yang diperoleh 93,29, nilai terendah yang diperoleh 75; nilai rata-rata sebesar 82,35; median/nilai tengah sebesar 82,14; nilai modus sebesar 80, standar deviasi sebesar 3,17, dan varians sebesar 10,05. Langkah berikutnya ialah membuat data menjadi data interval dengan menentukan kelas interval dan panjang kelas. Merubah data menjadi interval bertujuan untuk menentukan distribusi frekuensi pada variabel. Tujuan membuat data menjadi skala interval adalah agar mempermudah peneliti saat mendeskripsikan suatu objek penelitian agar menjadi terperinci (Yusuf, 2014:253). Langkah pertama adalah menentukan jumlah kelas interval. Data pada penelitian ini akan dibagi menjadi 9 kelas interval sesuai dengan perhitungan pada point 1 di atas. Langkah kedua adalah menentungan panjang/rentang kelas interval. Pada variabel nilai PKL memiliki nilai terendah 75 dan tertinggi 93,29, sehingga panjang kelas interval dapat dihitung dengan rumus sebagai berikut: Panjang kelas interval =
Panjang kelas interval =
nilai terbesar−nilai terkecil jumlah kelas 93,29−75 9
=
18,29 9
= 2,03 ≈ 2
Distribusi frekuensi hasil jawaban responden tentang variabel nilai PKL secara keseluruhan disajikan pada Tabel 4.8.
66
Tabel 4.8 Distribusi Frekuensi Variabel Nilai PKL Rentang Skor 75,00 – 76,99 77,00 – 78,99 79,00 – 80,99 81,00 – 82,99
Frekuensi 6 17 32 40
Presentase (%) 3,4% 10% 18% 22,6%
83,00 – 84,99 85,00 – 86,99 87,00- 88,99 89,00 – 90,99 91,00 – 93,29
41 26 13 0 2
23,1% 14,7% 7,3% 0% 1,1%
Berdasarkan analisis pada 177 siswa didapakan hasil frekuensi nilai tertinggi pada variabel nilai PKL ada pada rentang 83,00 sampai 84,99 sebanyak 41 siswa, dengan presentasi sebesar 23,1%. Tabel 4.9 Rata-Rata Nilai Aspek Penilaian PKL Rata-rata Nilai Aspek Teknis 81,75
Rata-rata Nilai Aspek Non Teknis 83,01
Nilai PKL dari Industri dibagi menjadi 2 aspek yakni nilai aspek teknis dan nilai aspek non teknis. Pada Tabel 4.9 diuraikan rata-rata nilai PKL pada aspej teknis maupun non teknis. Nilai pada aspek teknis sebesar 81,73 dan nilai aspek non teknis sebesar 83,01. 4. Kesiapan Kerja Data Kesiapan Kerja diperoleh dari angket yang diisi 177 responden siswa. berjumlah 27 butir soal. Deskripsi data dianalisis dan diuraikan pada Tabel 4.10. Tabel 4.10 Deskripsi Variabel Kesiapan Kerja Nilai Tertinggi 97
Nilai Terendah 64
Mean (rata-rata) 82,29
Median
Modus
82
83
Standar Deviasi 6,65
Varians 44,30
Berdasarkan hasil analisis diperoleh nilai tertinggi sebesar 97, nilai terendah sebesar 64, nilai rata-rata sebesar 82,29, median/nilai tengah sebesar
67
82, nilai modus sebesar 83, standar deviasi sebesar 6,65, dan varians sebesar 44,30. Langkah berikutnya ialah membuat data menjadi data interval dengan menentukan kelas interval dan panjang kelas. Merubah data menjadi interval bertujuan untuk menentukan distribusi frekuensi pada variabel. Tujuan membuat data menjadi skala interval adalah agar mempermudah peneliti saat mendeskripsikan suatu objek penelitian agar menjadi terperinci (Yusuf, 2014:253). Langkah pertama adalah menentukan jumlah kelas interval. Data pada penelitian ini dibagi menjadi 9 kelas interval sesuai pada perhitungan pada poin 1 di atas. Langkah kedua adalah menentukan panjang/rentang tiap kelas. Nilai tertinggi pada variabel efikasi diri sebesar 97 dan nilai terendahnya sebesar 64. Untuk menentukan kriteria skor kesiapan kerja, menggunakan perhitungan sebagai berikut: Panjang kelas interval =
Panjang kelas interval =
nilai terbesar−nilai terkecil jumlah kelas 97−64 9
=
33 9
= 3,67 ≈ 4
Distribusi frekuensi hasil jawaban responden tentang variabel kesiapan kerja secara keseluruhan disajikan pada Tabel 4.11.
68
Tabel 4.11 Distribusi Frekuensi Variabel Kesiapan Kerja Rentang Skor 64 – 67 68 – 71 72 – 75 76 – 79
Frekuensi 3 7 20 24
Presentase (%) 1,7% 4% 11,2% 13,6%
80 – 83 84 – 87 88 – 91 92 – 95 96 - 99
52 34 16 18 3
29,3% 19,2% 9% 10,1% 1,7%
Berdasarkan analisis pada 177 siswa didapakan hasil frekuensi tertinggi pada variabel kesiapan kerja ada pada rentang 80 sampai 83, sebanyak 52 siswa, dengan presentasi sebesar 29,3%. Tabel 4.12 Rata-Rata Nilai Masing-Masing Indikator Kesiapan Kerja Indikator 1 3,29
Indikator 2 3,03
Indikator 3 2,97
Pada Tabel 4.12 diuraikan rata-rata nilai masing-masing indikator pada variabel kesiapan kerja. Berdasarkan hasil deskripsi dari masing-masing indikator diketahui bahwa efikasi diri siswa memperoleh nilai rata-rata paling tinggi terdapat pada indikator nomor 1, yaitu mental dan psikologis sebesar 3,29. Sedangkan nilai rata-rata indikator paling rendah terdapat pada indikator nomer 3, yaitu keterampilan, sebesar 2,97.
B. Uji Prasyarat Pada penelitian analisis jalur memiliki lima jenis uji prasyarat, yakni uji normalitas, uji linearitas, uji multikolinearitas, uji heteroskekedastisitas dan uji autokorelasi. 1. Uji Normalitas Tujuan dari uji normalitas adalah mengetahui apakah nilai yang digunakan pada sampel penelitian terdistribusi normal atau tidak normal. Uji
69
normalitas dilakukan pada masing-masing variabel. Pengujian dilakukan dengan bantuan program SPSS dengan uji Kolmogorof-Smirnov. Data dinyatakan terdistribusi normal jika nilai signifikansi lebih besar dari 0,05. Jika sebaliknya, nilai signifikansi kurang dari 0,05 maka dinyatakan data tidak terdistribusi dengan normal. Rangkuman hasil uji normalitas masingmasing varibel terdapat pada Tabel 4.13. Tabel 4.13 Uji Normalitas Variabel Hasil Belajar Mapel Produktif (X1) Efikasi Diri (X2) Nilai PKL (Y) Kesiapan Kerja (Z)
Hasil Uji K-S 0,067 0,200 0,200 0,053
Kondisi > 0,05 > 0,05 > 0,05 > 0,05
Kesimpulan Normal Normal Normal Normal
Berdasarkan hasil uji normalitas masing-masing variabel, nilai signifikansi dengan menggunakan uji Kolmogorof-Smirnov semua bernilai lebih dar 0,05, sehingga data dinyatakan normal. 2. Uji Linearitas Tujuan uji linearitas adalah untuk mengetahui pola hubungan antara masing-masing variabel bebas dan variabel terikatnya, apakah memiliki hubungan linear atau tidak. Uji linearitas menggunakan Test for linearity dengan bantuan program SPSS. Syarat yang harus dipenuhi adalah adanya hubungan yang linear. Jika nilai signifikansinya lebih kecil dari 0,05 maka dinyatakan linear. Sebaliknya, jika nilai signifikansi lebih besar dari 0,05 maka dinyatakan tidak linear. Rangkuman hasil uji linearitas masing-masing variabel bebas dengan terikatnya terdapat pada Tabel 4.14.
70
Tabel 4.14 Uji Linearitas Substruktur Pertama
Kedua
Variabel Nilai Hasil Belajar Mapel Produktif terhadap Nilai PKL (X1 – Y) Efikasi Diri terhadap nilai PKL (X2 – Y) Nilai Hasil Belajar Produktif terhadap Kesiapan Kerja (X1 – Z) Efikasi Diri terhadap Kesiapan Kerja (X2 – Z) Nilai PKL terhadap Kesiapan Kerja (Y – Z)
Hasil Uji 0,000
Kondisi
Kesimpulan
< 0,05
Linear
0,000 0,000
< 0,05 < 0,05
Linear Linear
0,000
< 0,05
Linear
0,000
< 0,05
Linear
Berdasarkan hasil pengujian test for linearity masing-masing variabel bebas terhadap variabel terikatnya, nilai signifikansinya kurang dari 0,05. Dapat disimpulkan bahwa variabel hasil belajar mapel produktif, efikasi diri, nilai PKL dan Kesiapan Kerja adalah linear. 3. Multikolinearitas Tujuan uji multikolinearitas adalah untuk melihat ada atau tidaknya hubungan antara variabel-variabel bebas. Jika ada korelasi yang tinggi diantara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu. Syarat yang harus dipenuhi adalah tidak adanya gejala multikolinearitas. Cara untuk mengetahui ada atau tidaknya multikolinearitas adalah dengan melihat nilai Variance Inflation Factor (VIF) dan Tolerance. Jika nilai VIF kurang dari 10 (< 10) dan nilai Tolerance lebih besar dari 0,10 maka menunjukkan tidak terjadi gejala multikolinearitas. Rangkuman hasil uji multikolinearitas terdapat pada Tabel 4.15.
71
Tabel 4.15 Uji Multikolinearitas Substruktur Pertama
Kedua
Variabel Nilai Hasil Belajar Mapel Produktif Efikasi Diri Nilai Hasil Belajar Mapel Produktif Efikasi Diri Nilai PKL
Tolerance 0,798
VIF 1,253
Kesimpulan Tidak terjadi multikolinearitas
0,798 0,705
1,253 1,418
Tidak terjadi multikolinearitas Tidak terjadi multikolinearitas
0,770 0,775
1,299 1,290
Tidak terjadi multikolinearitas Tidak terjadi multikolinearitas
Berdasarkan hasil uji multikolinearitas pada substruktur pertama maupun substruktur kedua nilai Tolerance > 0,10 dan nilai VIF < 10, sehingga dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas antar variabel bebas. 4. Uji Autokorelasi Uji autokorelasi dilakukan dengan tujuan mengetahui ada atau tidaknya korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t sebelumnya pada model regresi linear yang digunakan. Uji autokorelasi dilakukan dengan bantuan aplikasi SPSS melalui uji Durbin-Watson. Persyaratan yang harus dipenuhi yakni tidak terjadi autokorelasi. Untuk mengetahui ada atau tidaknya autokorelasi dilakukan dengan cara membandingkan hasil uji autokorelasi dengan Tabel Durbin Watson. Kriteria pengambilan keputusan uji autokorelasi adalah jika skor DW berada di antara dU sampai 4-dU, maka koefisien korelasi = 0, artinya tidak terjadi autokorelasi. Ringkasan uji autokorelasi disajikan pada Tabel 4.16. Tabel 4.16 Uji Autokorelasi Sub Struktur Pertama Kedua
Nilai dU 1,7769 1,7886
Nilai 4-dU 2,2231 2,2114
Hasil Uji 1,896 1,793
Keterangan Tidak terjadi autokorelasi Tidak terjadi autokorelasi
72
Dari kedua hasil uji sub struktur maupun sub struktur kedua memiliki hasil diantara Nilai dU sampai 4-dU, sehingga dapat disimpulkan tidak terjadi autokorelasi. 5. Uji Heteroskedastisitas Tujuan dari uji heteroskedastisitas adalah melihat apakah terjadi ketidaksamaan varians dari residual pada semua pengamatan di dalam model regresi. Persyaratan yang harus dipenuhi adalah terdapat kesamaan varians dari residual atau homokedastisitas. Deteksi heterokedastisitas dengan menggunakan metode Uji Glejser. Kriteria pengambilan keputusan yaitu jika nilai signifikan menunjukkan > 0,05 maka menunjukkan data tidak terjadi heterokedastisitas
(terjadi
homokedastisitas).
Rangkuman
hasil
uji
Heterokedastisitas terdapat pada Tabel 4.17. Tabel 4.17 Uji Heterokedastisitas Substruktur Pertama
Kedua
Variabel Nilai Hasil Belajar Mapel Produktif Efikasi Diri Nilai Hasil Belajar Mapel Produktif Efikasi Diri Nilai PKL
Sig.
Kondisi
Kesimpulan
0,908
>0,05
Tidak terjadi heterokedastisitas
0,906 0,912
>0,05 >0,05
Tidak terjadi heterokedastisitas Tidak terjadi heterokedastisitas
0,814 0,525
>0,05 >0,05
Tidak terjadi heterokedastisitas Tidak terjadi heterokedastisitas
Berdasarkan hasil uji heterokedastisitas pada substruktur pertama maupun kedua menunjukkan nilai signifikasi > 0,05, sehingga dapat disimpulkan bahwa tidak terjadi heterokedastisitas (terjadi homokedastisitas).
73
C. Uji Hipotesis Uji hipotesis dilakukan setelah semua uji prasyarat terpenuhi. Pengujian hipotesis dilakukan dengan menggunakan analisis jalur (path analysis). Analisis jalur digunakan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen). Pengujian analisis jalur dilakukan dengan bantuan program SPSS dengan menguji sub struktur pertama dan sub struktur kedua. 1. Pengujian Sub Struktur Pertama Pengujian secara simultan pada sub struktur pertama bertujuan untuk mengetahui kontribusi nilai hasil belajar mata pelajaran produktif dan efikasi diri terhadap nilai Praktik Kerja Lapangan (PKL) kerja siswa SMK paket keahlian TKR di Kota Malang. Pengujian dilakukan dengan menggunakan regresi berganda dengan bantuan SPSS. Kriteria pengambilan keputusan adalah jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas signifikansi (0,05 < signifikansi), maka Ho diterima dan Ha ditolak, yang berarti tidak signifikan. Namun jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas signifikansi (0,05 > signifikansi), maka Ho ditolak dan Ha diterima, yang berarti signifikan. Hasil analisis korelasi dan pengujian simultan sub struktur pertama disajikan pada Tabel 4.18 dan Tabel 4.19. Sedangkan, nilai signifikansi pengujian simultan dan koefisien jalur sub strutur pertama disajikan pada Tabel 4.20. dan Tabel 4.21.
74
Tabel 4.18 Hasil Analisis Korelasi Sub Struktur Pertama Nilai Efikasi Produktif Diri Nilai Produktif Pearson Correlation 1 ,449** Sig. (2-tailed) ,000 N 177 177 Efikasi Diri Pearson Correlation ,449** 1 Sig. (2-tailed) ,000 N 177 177 Nilai PKL Pearson Correlation ,443** ,350** Sig. (2-tailed) ,000 ,000 N 177 177 Kesiapan Kerja Pearson Correlation ,579** ,432** Sig. (2-tailed) ,000 ,000 N 177 177
Nilai PKL ,443** ,000 177 ,350** ,000 177 1
Kesiapan Kerja ,579** ,000 177 ,432** ,000 177 ,635** ,000 177 1
177 ,635** ,000 177
177
Tabel 4.18 merupakan tabel korelasi. Tabel korelasi menunjukkan nilai korelasi antar variabel. Pada substruktur pertama yang nantinya digunakan untuk menghitung nilai kontribusi tidak langsung antar variabel. Pada Tabel 4.18 didapatkan kesimpulan bahwa nilai korelasi antara nilai prodiktif dan efikasi diri sebesar 0,449.
Tabel 4.19 Hasil Pengujian Simultan (Model Summary) Sub Struktur Pertama Model R R Square Adjusted R Square Std. Error of the Estimate ,474a
1
,225
,216
2,80719
Berdasarkan Tabel 4.19 dapat diperoleh kesimpulan bahwa koefisien determinasi (R Square) pada sub struktur pertama memiliki nilai sebesar 0,225 atau 22,5% dan besarnya pengaruh variabel lain adalah 1 – 0,225 = 0,775 atau 77,5%. Tabel 4.20 Nilai Signifikansi Pengujian Simultan (Anova) Sub Struktur Pertama Model 1
Regression Residual Total
Sum of Squares 398,042 1371,178 1769,220
Df 2 174 176
Mean Square 199,021 7,880
F
Sig.
25,255
,000b
Tabel 4.20 merupakan Tabel Anova yang digunakan untuk mengetahui besarnya signifikansi pengujian pada sub struktur pertama (Nilai Hasil Belajar
75
Mata Pelajaran Produktif dan Efikasi Diri terhadap Nilai PKL). Pada tabel 4.20 diperoleh hasil signifikansi sebesar 0,000. Nilai signifikansi yang dimiliki sub
struktur pertama lebih kecil dari 0,05, sehingga uji simultan terpenuhi dan dapat dilanjutkan dengan uji parsial. Tabel 4.21 Koefisien Jalur Sub Struktur Pertama Model 1
(Constant) Nilai Produktif Efikasi Diri
Unstandardized Coefficients B Std. Error 44,618 5,870 ,376 ,078 ,097
,039
Standardized Coefficients Beta
t
Sig.
,358
7,602 4,798
,000 ,000
,189
2,530
,012
Berdasarkan hasil yang ada pada Tabel 4.21 menunjukkan bahwa nilai standar koefisien (Beta) pada variabel nilai hasil belajar mapel produktif sebesar 0,358 dan variabel efikasi diri sebesar 0,189. Besarnya pengaruh variabel lain memiliki nilai sebesar 0,775. Diagram jalur hubungan kausal empirik antara variabel X1 dan X2 terhadap Y terdapat pada Gambar 4.1, sedangkan persamaannya adalah sebagai berikut: Y = 𝜌𝑦𝑥1 X1 + 𝜌𝑦𝑥2 X2 + 𝜌𝑦∈1 Y = 0,358 X1 + 0,189 X2 + 0,775
Gambar 4.1 Diagram Jalur Hubungan Kausal Empirik X1 dan X2 terhadap Y
76
a. Kontribusi Nilai Hasil Belajar Mata Pelajaran Produktif terhadap Nilai Praktik Kerja Lapangan Rumus hipotesis nilai hasil belajar mata pelajaran produktif terhadap nilai Praktik Kerja Lapangan (PKL) adalah sebagai berikut: Ha: Terdapat/ada kontribusi yang signifikan antara nilai hasil belajar mata pelajaran produktif terhadap nilai PKL pada siswa SMK paket keahlian TKR di Kota Malang. Hasil perhitungan SPSS pada Tabel 4.21 didapatkan nilai signifikansi sebesar 0,000. Karena nilai signifikansi < 0,05 maka keputusannya adalah Ha diterima. Kesimpulannya adalah terdapat /ada kontribusi yang signifikan antara nilai hasil belajar mata pelajaran produktif terhadap nilai PKL pada siswa SMK paket keahlian TKR di Kota Malang. Besarnya kontribusi secara langsung variabel nilai hasil belajar mata pelajaran produktif terhadap nilai PKL dapat dihitung dengan cara mengkuadratkan nilai koefisien jalur (𝜌𝑦𝑥1 )2 dan dikalikan dengan 100%, sehingga didapatkan hasil sebagai berikut: (0,358)2 x 100% = 12,81%. Besarnya kontribusi tidak langsung nilai hasil belajar mata pelajaran produktif terhadap nilai PKL dapat dihitung melalui variabel bebas lain, yakni efikasi diri. Kontribusi secara tidak langsung nilai hasil belajar mata pelajaran produktif terhadap nilai PKL melalui efikasi diri didapat perhitungan: (𝜌𝑦𝑥1 ) x (𝜌𝑦𝑥2 ) x (rx2x1) x 100% = 0,358 x 0,189 x 0,449 x 100% = 3,04%.
77
b. Kontribusi Efikasi Diri terhadap Nilai Praktik Kerja Lapangan Rumus hipotesis efikasi diri terhadap nilai Praktik Kerja Lapangan (PKL) adalah sebagai berikut: Ha: Terdapat/ada kontribusi yang signifikan antara efikasi diri terhadap nilai PKL pada siswa SMK paket keahlian TKR di Kota Malang. Hasil perhitungan SPSS pada Tabel 4.21 didapatkan nilai signifikansi sebesar 0,012. Karena nilai signifikansi < 0,05 maka keputusannya adalah Ha diterima. Kesimpulannya adalah terdapat /ada kontribusi yang signifikan antara efikasi diri terhadap nilai PKL pada siswa SMK paket keahlian TKR di Kota Malang. Besarnya kontribusi secara langsung variabel efikasi diri terhadap nilai PKL dapat dihitung dengan cara mengkuadratkan nilai koefisien jalur (𝜌𝑦𝑥2 )2 dan dikalikan dengan 100%, sehingga didapatkan hasil sebagai berikut: (0,189)2 x 100% = 3,57%. Besarnya kontribusi tidak langsung efikasi diri terhadap nilai PKL dapat dihitung melalui variabel bebas lain, yakni nilai hasil belajar mata pelajaran produktif. Kontribusi secara tidak langsung efikasi diri terhadap nilai PKL melalui nilai hasil belajar mata pelajaran produktif didapat perhitungan: (𝜌𝑦𝑥2 ) x (𝜌𝑦𝑥1 ) x (rx1x2) x 100% = 0,189 x 0,358 x 0,449 x 100% = 3,04%.
78
c. Kontribusi Nilai Hasil Belajar Mata Pelajaran Produktif dan Efikasi Diri terhadap Nilai Praktik Kerja Lapangan Rumus hipotesis nilai hasil belajar mata pelajaran produktif dan efikasi diri terhadap nilai Praktik Kerja Lapangan (PKL) adalah sebagai berikut: Ha: Terdapat/ada kontribusi yang signifikan antara nilai hasil belajar mata pelajaran produkti dan efikasi diri terhadap nilai PKL pada siswa SMK paket keahlian TKR di Kota Malang. Hasil perhitungan dengan SPSS, didapatkan hasil yang terdapat pada Tabel 4.19 sampai tabel 4.21. Pada Tabel Anova 4.20 diperoleh probabilitas signifikasi 0,000. Karena nilai signifikansi < 0,05 maka keputusannya adalah Ha diterima. Kesimpulannya adalah terdapat /ada kontribusi yang signifikan antara nilai hasil belajar mata pelajaran produktif dan efikasi diri terhadap nilai PKL pada siswa SMK paket keahlian TKR di Kota Malang. Besarnya kontribusi Rsquare atau R2yx1x2 adalah sebesar 0,225. Besarnya kontribusi nilai hasil belajar mapel produktif dan efikasi diri secara simultan terhadap nilai PKL sebesar Rsquare x 100% = 22,5%. Besarnya pengaruh variabel di luar penelitian adalah sebesar 77,5%.
Ringkasan hasil perhitungan masing-masing variabel nilai hasil belajar mata pelajaran produktif dan efikasi diri terhadap variabel kesiapan kerja secara langsung maupun tidak langsung disajikan pada Tabel 4.22.
79
Tabel 4.22. Ringkasan Hasil Analisis Jalur Sub-Struktur Pertama Variabel X1 terhadap Y X2 terhadap Y X1 dan X2 terhadap Y
Langsung 12,81% 3,57 % 16,38%
Kontribusi Tidak Langsung 3,04 % (melalui X2) 3,04 % (melalui X1) 6,08%
Total 12,81 % 3,04 % 3,57 % 3,04 % 22,5%
2. Pengujian Sub Struktur Kedua Pengujian secara simultan pada sub struktur pertama bertujuan untuk mengetahui kontribusi nilai hasil belajar mata pelajaran produktif, efikasi diri dan nilai PKL terhadap kesiapan kerja siswa SMK paket keahlian TKR di Kota Malang. Pengujian dilakukan dengan menggunakan regresi berganda dengan bantuan SPSS. Kriteria pengambilan keputusan adalah jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas signifikansi (0,05 < signifikansi), maka Ho diterima dan Ha ditolah, yang berarti tidak signifikan. Namun jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas signifikansi (0,05 > signifikansi), maka Ho ditolak dan Ha diterima, yang berarti signifikan. Hasil analisis korelasi dan pengujian simultan sub struktur pertama disajikan pada Tabel 4.23 dan Tabel 4.24. Sedangkan, nilai signifikansi pengujian simultan dan koefisien jalur sub-strutur pertama disajikan pada Tabel 4.25 dan Tabel 4.26.
80
Tabel 4.23 Hasil Analisis Korelasi Sub Struktur Kedua Nilai Produktif Nilai Produktif
Efikasi Diri
Nilai PKL
Kesiapan Kerja
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
1
Efikasi Diri ,449**
Nilai PKL ,443**
Kesiapan Kerja ,579**
177 ,449**
,000 177 1
,000 177 ,350**
,000 177 ,432**
,000 177 ,443**
177 ,350**
,000 177 1
,000 177 ,635**
,000 177 ,579**
,000 177 ,432**
177 ,635**
,000 177 1
,000 177
,000 177
,000 177
177
Tabel 4.23 merupakan tabel korelasi. Tabel korelasi menunjukkan nilai korelasi antar variabel. Pada sub Struktur Kedua yang nantinya akan digunakan untuk menghitung nilai kontribusi tidak langsung antar variabel. Pada Tabel 4.23 didapatkan hasil korelasi antara variabel nilai hasil belajar mata pelajaran produktif dan efikasi diri sebesar 0,449, nilai korelasi antara variabel nilai hasil belajar mata pelajaran produktif dan nilai PKL sebesar 0,443 dan nilai korelasi antara variabel efikasi diri dan nilai PKL sebesar 0,350. Tabel 4.24 Hasil Pengujian Simultan (Model Summary) Sub Struktur Kedua Model
R
R Square
1
,726a
,527
Adjusted R Square ,519
Std. Error of the Estimate 4,61736
Berdasarkan Tabel 4.24 dapat diperoleh kesimpulan bahwa koefisien determinasi (R Square) pada sub struktur pertama memiliki nilai sebesar 0,527 atau 52,7% dan besarnya pengaruh variabel lain adalah 1 – 0,527 = 0,473 atau 47,3%.
81
Tabel 4.25 Nilai Signifikansi Pengujian Simultan (Anova) Sub Struktur Kedua Model 1 Regression Residual Total
Sum of Squares 4108,774 3688,356 7797,130
df 3 173 176
Mean Square 1369,591 21,320
F 64,240
Sig. ,000b
Tabel 4.25 merupakan Tabel Anova yang digunakan untuk mengetahui besarnya signifikansi pengujian pada sub struktur kedua (nilai hasil belajar mata pelajaran produktif, efikasi diri dan nilai PKL terhadap kesiapan kerja). Pada Tabel 4.25 didapatkan hasil nilai signifikasi sebesar 0,000. Nilai signifikansi yang
dimiliki sub struktur kedua lebih kecil dari 0,05, sehingga uji simultan terpenuhi dan dapat dilanjutkan dengan uji parsial. Tabel 4.26 Koefisien Jalur Sub Struktur Kedua Model 1
(Constant) Nilai Produktif Efikasi Diri Nilai PKL
Unstandardized Coefficients B -63,452 ,710 ,141 ,937
Std. Error 11,143 ,137 ,065 ,125
Standardized Coefficients Beta ,323 ,131 ,446
t
Sig.
-5,694 5,182 2,192 7,516
,000 ,000 ,030 ,000
Berdasarkan hasil yang ada pada Tabel 4.26 menunjukkan bahwa nilai standar koefisien (Beta) pada variabel nilai hasil belajar mapel produktif sebesar 0,323, variabel efikasi diri sebesar 0,131 dan variabel nilai PKL sebesar 0,446. Besarnya pengaruh variabel lain memiliki nilai sebesar 0,473. Diagram jalur hubungan kausal empirik antara variabel X1, X2, Y terhadap Z terdapat pada Gambar 4.2, sedangkan persamaannya adalah sebagai berikut: Y = 𝜌𝑧𝑥1 X1 + 𝜌𝑧𝑥2 X2 +𝜌𝑧𝑦 + 𝜌𝑦∈1 Y = 0,323 X1 + 0,131 X2 +0,446 Y + 0,473
82
Gambar 4.2 Diagram Jalur Hubungan Kausal Empirik X1, X2, dan Y terhadap Z a. Kontribusi Nilai Hasil Belajar Mata Pelajaran Produktif terhadap Kesiapan Kerja Rumus hipotesis nilai hasil belajar mata pelajaran produktif terhadap nilai Kesiapan Kerja adalah sebagai berikut: Ha: Terdapat/ada kontribusi yang signifikan antara nilai hasil belajar mata pelajaran produktif terhadap kesiapan kerja pada siswa SMK paket keahlian TKR di Kota Malang. Hasil perhitungan SPSS pada Tabel 4.26 didapatkan nilai signifikansi sebesar 0,000. Karena nilai signifikansi < 0,05 maka keputusannya adalah Ha diterima. Kesimpulannya adalah terdapat /ada kontribusi yang signifikan antara nilai hasil belajar mata pelajaran produktif terhadap kesiapan kerja pada siswa SMK paket keahlian TKR di Kota Malang. Besarnya kontribusi secara langsung variabel nilai hasil belajar mata pelajaran produktif terhadap nilai PKL dapat dihitung dengan cara
83
mengkuadratkan nilai koefisien jalur (𝜌𝑧𝑥1 )2 dan dikalikan dengan 100%, sehingga didapatkan hasil sebagai berikut: (0,323)2 x 100% = 10,43%. Besarnya kontribusi tidak langsung nilai hasil belajar mata pelajaran produktif terhadap kesiapan kerja dapat dihitung melalui variabel bebas lain, yakni efikasi diri dan nilai PKL. Kontribusi secara tidak langsung nilai hasil belajar mata pelajaran produktif terhadap kesiapan kerja melalui efikasi diri didapat perhitungan: (𝜌𝑧𝑥1 ) x (𝜌𝑧𝑥2 ) x (rx2x1) x 100% = 0,323 x 0,131 x 0,449 x 100% = 1,90%. Kontribusi secara tidak langsung nilai hasil belajar mata pelajaran produktif terhadap kesiapan kerja melalui nilai PKL didapat perhitungan: (𝜌𝑧𝑥1 ) x (𝜌𝑧𝑦 ) x (ryx1) x 100% = 0,323 x 0,446 x 0,443 x 100% = 6,38%. b. Kontribusi Efikasi Diri terhadap Kesiapan Kerja Rumus hipotesis efikasi diri terhadap kesiapan kerja adalah sebagai berikut: Ha
: Terdapat/ada kontribusi yang signifikan antara efikasi diri terhadap kesiapan kerja pada siswa SMK paket keahlian TKR di Kota Malang. Hasil perhitungan SPSS pada Tabel 4.26 didapatkan nilai
signifikansi sebesar 0,030. Karena nilai signifikansi < 0,05 maka keputusannya adalah Ha diterima. Kesimpulannya adalah terdapat /ada kontribusi yang signifikan antara efikasi diri terhadap kesiapan kerja pada siswa SMK paket keahlian TKR di Kota Malang.
84
Nilai koefisien jalur pada variabel X2 sebesar 0,131. Selanjutnya, untuk mengetahui besarnya kontribusi efikasi diri secara langsung terhadap kesiapan kerja dapat dilakukan dengan cara mengkuadratkan nilai koefisien jalur (𝜌𝑧𝑥2 )2 dan dikalikan 100%. Berdasarkan rumus tersebut maka diperoleh persamaan sebagai berikut: (0,131)2 x 100% = 1,72%. Besarnya kontribusi secara tidak langsung variabel efikasi diri terhadap kesiapan kerja dapat dihitung melalui variabel bebas lain, yaitu nilai hasil belajar mata pelajaran produktif dan nilai PKL. Kontribusi secara tidak langsung efikasi diri terhadap kesiapan kerja melalui nilai hasil belajar mata pelajaran produktif didapatkan melalui perhitungan: (𝜌𝑧𝑥2 ) x (𝜌𝑧𝑥1 ) x (rx1x2) x 100% = 0,131x 0,323 x 0,449 x 100% = 1,9%. Sedangkan, besarnya kontribusi secara tidak langsung efikasi diri terhadap kesiapan kerja melalui nilai PKL melalui perhitungan: (𝜌𝑧𝑥2 ) x (𝜌𝑧𝑦 ) x (ryx2) x 100% = 0,131x 0,446 x 0,350 x 100% = 2,04%. c. Kontribusi Nilai PKL terhadap Kesiapan Kerja Rumus hipotesis nilai PKL terhadap kesiapan kerja adalah sebagai berikut: Ha : Terdapat/ada kontribusi yang signifikan antara nilai PKL terhadap kesiapan kerja pada siswa SMK paket keahlian TKR di Kota Malang. Hasil perhitungan SPSS pada Tabel 4.26 didapatkan nilai signifikansi sebesar 0,000. Karena nilai signifikansi < 0,05 maka keputusannya adalah Ha diterima. Kesimpulannya adalah terdapat /ada
85
kontribusi yang signifikan antara nilai PKL terhadap kesiapan kerja pada siswa SMK paket keahlian TKR di Kota Malang. Nilai koefisien jalur pada variabel Y sebesar 0,141. Selanjutnya, untuk mengetahui besarnya kontribusi efikasi diri secara langsung terhadap kesiapan kerja dapat dilakukan dengan cara mengkuadratkan nilai koefisien jalur (𝜌𝑧𝑦 )2 dan dikalikan 100%. Berdasarkan rumus tersebut maka diperoleh persamaan sebagai berikut: (0,446)2 x 100% = 19,89%. Besarnya kontribusi secara tidak langsung variabel nilai PKL terhadap kesiapan kerja dapat dihitung melalui variabel bebas lain, yaitu nilai hasil belajar mata pelajaran produktif dan efikasi diri. Kontribusi secara tidak langsung nilai PKL terhadap kesiapan kerja melalui nilai hasil belajar mata pelajaran produktif didapatkan melalui perhitungan: (𝜌𝑧𝑦 ) x (𝜌𝑧𝑥1 ) x (rx1y) x 100% = 0,446 x 0,323 x 0,443 x 100% = 6,38%. Sedangkan, besarnya kontribusi secara tidak langsung efikasi diri terhadap kesiapan kerja melalui nilai PKL melalui perhitungan: (𝜌𝑧𝑦 ) x (𝜌𝑧𝑥2 ) x (ryx2) x 100% = 0,446 x 0,131 x 0,350 x 100% = 2,04%. d. Kontribusi Nilai Hasil Belajar Mata Pelajaran Produktif , Efikasi Diri dan Nilai PKL terhadap Kesiapan Kerja Rumus hipotesis nilai hasil belajar mata pelajaran produktif, efikasi diri dan nilai PKLterhadap nilai Kesiapan Kerja adalah sebagai berikut:
86
Ha : Terdapat/ada kontribusi yang signifikan antara nilai hasil belajar mata pelajaran produktif, efikasi diri dan nilai PKL terhadap kesiapan kerja pada siswa SMK paket keahlian TKR di Kota Malang. Hasil perhitungan SPSS, didapatkan hasil yang terdapat pada Tabel 4.24 sampai Tabel 4.26. Pada Tabel Anova 4.25 diperoleh nilai probabilitas signifikasi 0,000. Karena nilai signifikansi < 0,05 maka keputusannya adalah Ha diterima. Kesimpulannya adalah terdapat /ada kontribusi yang signifikan antara nilai hasil belajar mata pelajaran produktif, efikasi diri dan nilai PKL terhadap kesiapan kerja pada siswa SMK paket keahlian TKR di Kota Malang. Besarnya kontribusi Rsquare atau R2zx1x2y adalah sebesar 0,527. Besarnya kontribusi nilai hasil belajar mapel produktif dan efikasi diri secara simultan terhadap nilai PKL sebesar Rsquare x 100% = 0,527 x 100% = 52,7%. Besarnya pengaruh variabel di luar penelitian adalah sebesar 47,3%. Ringkasan hasil penelitian masing-masing variabel nilai hasil belajar mapel produktif, efikasi diri dan nilai PKL terhadap kesiapan kerja secara langsung maupun tidak langsung disajikan pada Tabel 4.27 berikut.
87
Tabel 4.27. Ringkasan Analisis Jalur Sub Struktur Kedua Variabel X1 terhadap Z
X2 terhadap Z
Y terhadap Z
X1, X2, Y terhadap Z
Langsung 10,43% 1,72 % 19,89% 32,04%
Kontribusi Tidak Langsung 1,90 % (melalui X2) 6,38 % (melalui Y) 1,9% (melalui X1) 2,04% (melalui Y) 6,38% (melalui X1) 2,04% (melalui X2) 20,64%
Total 10,43% 1,90% 6,38% 1,72% 1,9% 2,04% 19,89% 6,38% 2,04% 52,7%
