FAKULTAS PSIKOLOGI UIN SYARIF HIDAYATULLAH JAKARTA 2010

BEBERAPA FAKTOR PSIKOLOGIS YANG MEMENGARUHI PRESTASI BELAJAR MAHASISWA DI BIDANG STATISTIKA 1 & 2   SKRIPSI

Diajukan kepada Fakultas Psikologi untuk memenuhi syarat-syarat memperoleh gelar Sarjana Psikologi  

   

    Oleh:

Adiyo R 106070002206

FAKULTAS PSIKOLOGI UIN SYARIF HIDAYATULLAH JAKARTA 2010      i   

BEBERAPA FAKTOR PSIKOLOGIS YANG MEMENGARUHI PRESTASI BELAJAR MAHASISWA DI BIDANG STATISTIKA 1 & 2

SKRIPSI Diajukan kepada Fakultas Psikologi untuk memenuhi syarat-syarat memperoleh gelar Sarjana Psikologi

Oleh: ADIYO R NIM: 106070002206

Di bawah bimbingan: Pembimbing II

Pembimbing I

Jahja Umar, Ph.D NIP: 130 885 522

M. Avicenna, M. Hsc,. Psy. NIP: 19770906 200112 1004

FAKULTAS PSIKOLOGI UIN SYARIF HIDAYATULLAH JAKARTA 2010

ii   

LEMBAR PENGESAHAN SKRIPSI   Skripsi  yang  berjudul  “Beberapa  Faktor  Psikologis  Yang  Memengaruhi  Prestasi  Belajar  Mahasiswa di  Bidang  Statistika  1  &  2”    telah  diujikan  dalam  sidang  munaqosyah  Fakultas  Psikologi  Universitas  Islam  Negeri  Syarif  Hidayatullah  Jakarta  pada  tanggal  9  Desember  2010.  Skripsi  ini  telah  diterima  sebagai  salah  satu  syarat  untuk  memperoleh  gelar  Sarjana  Program Strata 1 (S1) pada Fakultas Psikologi.    Jakarta, 9 Desember 2010        Sidang Munaqosyah

Dekan / Ketua Merangkap Anggota, Pembimbing 1 dan Penguji II

Sekretaris, Merangkap Anggota

Jahja Umar, Ph.d NIP. 130 885 522

Dra.Fadhilah Suralaga,M.Si NIP. 150 215 283 Anggota:

Penguji I

Ikhwan Lutfi M.Psi NIP. 19730710 200501 1 006

Pembimbing II

M. Avicenna M. Hsc, Psy NIP : 19770906 200112 1004   iii   

 

PERNYATAAN Saya yang bertanda tangan di bawah ini: Nama : Adiyo R NIM : 106070002206 Dengan ini menyatakan bahwa skripsi yang berjudul “Beberapa Faktor Psikologis Yang Memengaruhi Prestasi Belajar Mahasiswa di Bidang Statistika 1 & 2” adalah benar merupakan karya saya sendiri dan tidak melakukan tindakan plagiat dalam penyusunan skripsi tersebut. Adapun kutipan-kutipan yang ada dalam penyusunan skripsi ini telah saya cantumkan sumber pengutipannya dalam daftar pustaka. Saya bersedia untuk melakukan proses yang semestinya sesuai dengan Undang-undang jika ternyata skripsi ini secara prinsip merupakan plagiat atau jiplakan dari karya orang lain. Demikian pernyataan ini saya buat untuk dipergunakan sebaik-baiknya.

Jakarta, 9 Desember 2010

Adiyo R NIM: 106070002206                                       iv   

 

MOTTO DAN PERSEMBAHAN 

`bggb UX_T]Te twtÄt{ cxÜ}âtÇztÇ? cxÜ}âtÇztÇ twtÄt{ cxÇzÉÜutÇtÇ? áxáâÇzzâ{Ççt cxÇzÉÜutÇtÇ twtÄt{ ÅxÇ|ÇzztÄ~tÇ {tÄ „ {tÄ çtÇz ÅxÇçxÇtÇz~tÇ ;]t{}t hÅtÜ
cxÜáxÅut{tÇ f~Ü|Ñá| |Ç| cxÇxÄ|à| ÑxÜáxÅut{~tÇ âÇàâ~ \uâ XÇÇç V{? XçtÇz~âÇz wtÇ TÄÅ{ XçtÇzâà| fxÜàt ÉÜtÇz „ ÉÜtÇz çtÇz cxÇâÄ|á átçtÇz|A

v   

  ABSTRAK (A) Fakultas Psikologi UIN Syarif Hidayatullah Jakarta (B) Desember 2010 (C) Adiyo R (D) Beberapa Faktor Psikologis Yang Memengaruhi Prestasi Belajar Mahasiswa di Bidang Statistika 1 & 2 (E) 103 halaman + lampiran (F) Prestasi belajar adalah skor pencapaian hasil tes atau ujian yang diperoleh siswa, dimana tes atau ujian sebagai pengukuran kemampuan serta pemahaman belajar siswa atas pembelajaran yang telah dilakukan. Faktor – faktor psikologis adalah keseluruhan faktor psikologis yang memengaruhi tinggi rendahnya prestasi belajar mahasiswa, adapun faktor psikologis tersebut mencakup sikap terhadap statistika, kecemasan terhadap statistika, motivasi belajar statistika, kebutuhan berprestasi, intelegensi dan self efficacy terhadap statistika. Penelitian ini bertujuan untuk menemukan faktor – faktor psikologis yang dominan pengaruhnya terhadap tinggi rendahnya prestasi belajar statistika. Populasi dalam penelitian ini adalah mahasiswa fakultas psikologi angkatan 2009/2010 berjumlah 208 orang. Seluruh anggota populasi tersebut peneliti jadikan sampel keseluruhan atas dasar jumlah anggota populasi yang tidak terlalu banyak. Instrument pengumpulan data menggunakan skala likert untuk variabel sikap, kecemasan, dan self efficacy; untuk motivasi, instrumentnya menggunakan self rating; intelegensi menggunakan tes IST; kebutuhan berprestasi menggunakan sub scale need for achievement EPPS dan yang terakhir prestasi belajar statistika 1 dan 2 menggunakan data nilai akhir kuliah statistika 1 dan 2 angkatan 2009/2010. Peneliti menggunakan analisis faktor konfirmatorik untuk menguji validitas konstruk alat ukur self efficacy, sikap, kecemasan dan kebutuhan berprestasi. Adapun penghitungannya dibantu dengan software LISREL 8.30. Untuk analisis uji hipotesis penelitian dengan menggunakan teknik analisis regresi berganda dan penghitungannya dibantu dengan software SPSS 16. Hasil penelitian menunjukkan bahwa faktor – faktor psikologis memberikan pengaruh terhadap statistika 1 sebesar 15,8 %, hasil tersebut signifikan secara statistic (p<0.05). Kemudian dari enam IV yang dianalisis, hanya ada tiga yang pengaruhnya signifikan terhadap statistika 1 yaitu intelegensi, motivasi dan self efficacy terhadap statistika. Selanjutnya pada analisis yang kedua, faktor – faktor psikologis memberikan pengaruh sebesar 34,6 % terhadap prestasi belajar statisika 2, hasil tersebut juga signifikan secara statistic (p<0.05). Dari koefisien regresi yang dihasilkan, hanya ada empat IV yang signifikan pengaruhnya terhadap prestasi belajar statistika 2 yaitu intelegensi, self efficacy, prestasi belajar statistika 1 dan kebutuhan berprestasi. Berdasarkan hasil yang diperoleh, disarankan untuk lebih banyak mengikutsertakan varriabel yang terkait langsung dengan pembelajaran seperti latar belakang dosen, metode mengajar, selain itu diukur juga kemampuan mahasiswa di bidang matematika ketika SMA. Bahan Bacaan = 29 bahan (1956 – 2010)            vi   

  KATA PENGANTAR Segala puji bagi Allah SWT yang telah melimpahkan rahmat dan karuniaNya kepada seluruh umatNya, dan atas seizinNya lah peneliti mampu menyelesaikan karya ilmiah ini diwaktu yang sebaik – baiknya. Shalawat dan salam kepada Nabi Muhammad SAW, sebagai Nabi akhir zaman yang membawa umat – Nya dari zaman kegelapan menuju kepada zaman pencerahan. Pada saatnya, selesailah skripsi yang berjudul “BEBERAPA FAKTOR PSIKOLOGIS YANG MEMENGARUHI PRESTASI BELAJAR MAHASISWA DI BIDANG STATISTIKA 1 & 2”. Skripsi ini merupakan sebuah karya ilmiah yang disusun dalam rangka menyelesaikan jenjang pendidikan Sarjana Strata Satu ( S 1) sesuai dengan kurikulum yang telah ditetapkan di Fakultas Psikologi UIN Syarif Hidayatullah Jakarta. Selama penulisan skripsi ini peneliti tidak luput dari proses pembelajaran yang amat panjang. Peneliti telah melewati berbagai macam bantuan dan dukungan dari berbagai pihak. Oleh karena itu pada kesempatan ini peneliti ingin mengucapkan Terima Kasih yang sebesar – besarnya kepada pihak yang telah membantu, yaitu sebagai berikut : 1. Jahja Umar Ph.D selaku Dekan Fakultas Psikologi dan Pembimbing 1 dalam penulisan skripsi ini. Beliau tidak pernah henti – hentinya untuk memberikan ilmu, motivasi, bimbingan dan dorongan agar Peneliti mampu menjadi lulusan sarjana yang berkualitas dibidangnya. Beliau benar – benar telah menjadi sosok inspirator bagi Peneliti, hingga akhirnya Peneliti begitu berkemauan besar untuk menguasai dibidang yang sama dengan beliau. Serta kepada Ibu Dra. Fadhilah Suralaga M.Si dan Ibu Dra. Zahratun Nihayah M.Si yang telah memberikan support dan perhatian kepada Peneliti untuk segera menyelesaikan skripsi. Beliau berdua adalah seorang pendidik sekaligus Ibu yang mengayomi mahasiswanya. Dan juga kepada Pak Bambang Suryadi Ph.D selaku Pembantu Dekan bidang Administrasi. 2. Kepada sosok yang peneliti paling kasihi dan hormati sepanjang hidup, yaitu Ibu Enny Chaerulawati. Tak ada satu kata-pun dan tulisan yang cukup untuk mengucapkan rasa terima kasih atas segala jerih payah yang telah Ibu lakukan untuk Peneliti. Peneliti menyadari bahwa Peneliti begitu jauh dari predikat Putra yang mampu dibanggakan oleh Ibunya, namun, Peneliti selalu berupaya untuk meraih predikat tersebut. Kepada Eyangkung, Alm Eyang Ginen & Almh Eyanguti, ini janji yang peneliti tepati sesaat sebelum Eyang istirahat di surga. 3. Kepada Pak Ikhwan Lutfi M.Psi selaku Penguji I atas kesediaanya meluangkan pikiran dan waktu untuk menguji skripsi Peneliti. Kepada Pak M. Avicenna M.Hsc,.Psy selaku Pembimbing 2 dan selaku Pembimbing KKL, yang telah bersabar dan mencontohkan arti keikhlasan kepada Peneliti. Kemudian kepada Ibu Yunita Faela Nisa M.Psi Psi yang telah memberikan banyak ilmu dan dorongan kepada Peneliti untuk terus mengembangkan ilmu Psikologi khususnya dibidang penelitian. Kepada Bu Neneng Tati Sumiati M.Psi Psi, Bu S.Evangeline I Suady M.Psi Psi, Ibu Nia Tresniasari M.Si, Bu Luzvinda M.Si dan Ibu Yarsi yang telah memberikan dukungan dan perhatian kepada Peneliti. Dan juga para Dosen Fakultas Psikologi UIN Syarif Hidayatullah Jakarta yang telah memberikan ilmunya selama Peneliti kuliah. vii   

4. Kepada Mba Rini S.Psi, Bang Nashrullah & para Staff Fakultas Psikologi yang telah membantu Peneliti dalam menyelesaikan kuliah dan skripsi. 5. Kepada para Responden dalam penelitian skripsi ini yaitu Mahasiswa Fakultas Psikologi Angkatan 2009/2010 UIN Syarif Hidayatullah Jakarta. Terimakasih banyak atas doa dan semangatnya khususnya untuk Restu Nurfadhilah, Fathannisa, Nesya, Uci, Qonitah, Winda, Meida, Indah, Mizan, Yunita, Reisha, Virgin. 6. Kepada Aqly Yassin dan Anindita yang benar – benar peneliti sayangi, semoga kalian bisa menjadi pribadi yang lebih baik dari peneliti dan meraih semua cita – cita yang Ibu inginkan kepada kita bertiga. Kepada Bapak Wijanarko dan Ayah Welly R, yang telah memberikan doa dan dukungan selama rentang kehidupan Peneliti. 7. Untuk sahabat dan teman – teman Peneliti, yaitu Amir, Dwi, Pras, Rudhi, Adjie, Adit, Dara, Danny, Amal & Bayu, Hanni, Rika, Isni, Siro, Suci, Sheli, Hanny S, Kadek, Eva, Fahmi, Fajar, Cat, Samsul, Lukman, Eja, Obi, Dimas, Adam, Eko, Ade, Iqbal, dan para Mentor Akademik yaitu Kori, Maihan, Ami, dll, serta teman – teman kelas B Angkatan 2006 dan semua Psikologi Angkatan 2006, kalian semualah yang membuat Peneliti TERSENYUM BAHAGIA memiliki persahabatan dan pertemanan yang selama ini telah dilewati. Terima kasih juga untuk teman – teman 2007 yaitu Nuran Abdat beserta the bibiers, Maulida Disa Pratiwi, Fredi Kundarto dkk, Rajib, Denil dkk. 8. Kepada seluruh pihak yang tidak bisa disebutkan satu - persatu yang telah membantu peneliti dalam menyelesaikan skripsi ini. Akhir kata, Penulis hanya bisa memohon kepada Allah SWT agar memberikan balasan yang sebaik – baiknya kepada semua pihak yang telah berjasa dalam rentang kehidupan Penulis. AMIN ALLAHUMMA AMIN.

Jakarta, 9 Desember 2010                             viii   

    DAFTAR ISI

Halaman Judul Lembar Pengesahan Pembimbing ............................................................................. ii Lembar Pengesahan Panitia Ujian ........................................................................... iii Lembar Pernyataan ................................................................................................... iv Motto dan Persembahan ......................................................................................... v Abstrak .................................................................................................................... vi Kata Pengantar ......................................................................................................... vii Daftar Isi ............................................................................................................... ix Daftar Tabel ………………………………………………………………………. xi Daftar Gambar ………………………………………………………………….. xii Daftar Lampiran .……………………………………………………………….. xiii BAB 1 Pendahuluan................................................................................................ 1 1.1 Latar Belakang ………..................................................................... 1 1.2 Pertanyaan Penelitian ...................................................................... 6 1.3 Tujuan dan Manfaat Penelitian........................................................ 6 1.4 Pembatasan Masalah ........................................................................ 7 1.5 Sistematika Penulisan .................................................................... 7 BAB 2 Kajian Teori ............................................................................................... 9 2.1 Pengertian Prestasi Belajar .............................................................. 9 2.2 Teori Prestasi Belajar ...................................................................... 10 2.2.1 Prestasi Belajar Statistika ……………................................ 18 2.2.2 Faktor-faktor yang Mempengaruhi Prestasi Statistika …... 24 2.3 Pengukuran Prestasi Belajar Statistika ............................................ 36 2.4 Hipotesis Penelitian .......................................................................... 39 BAB 3 Metode penelitian ....................................................................................... 43 3.1 Populasi dan Sampel ........................................................................ 43 3.2 Variabel Penelitian ........................................................................... 43 3.3 Definisi Operasional Variabel Penelitian ......................................... 44 3.4 Instrumen Pengumpulan Data ………………………..…….......... 45 3.5 Prosedur Pengumpulan Data …….................................................... 49 3.6 Metode Analisis Data ……………….............................................. 50 BAB 4 Hasil Penelitian .....................……………………….……………............ 53 4.1 Analisis Deskriptif …………………………………………......... 53 4.2 Uji Validitas Alat Ukur ………………............................................ 55 4.2.1 Uji Validitas Skala Sikap terhadap Statistika ………………. 55 4.2.2 Uji Validitas Skala Self Efficacy terhadap Statistika ..………..60 4.2.3 Uji Validitas Skala Kecemasan terhadap Statistika ………..…64 4.2.4 Uji Validitas Sub Skala Kebutuhan Berprestasi EPPS …..…...68 4.3 Uji Hipotesis Hipotesis Penelitian ……........................................... 73 4.3.1 Analisis Korelasional Variabel Penelitian ……………………73 ix   

4.3.2 Analisis Regresi Variabel Penelitian ……………………….. 76 BAB 5 Kesimpulan, Diskusi dan Saran ............................................................... 5.1 Kesimpulan …………………………………………..................... 5.2 Diskusi ……………………………………………………............ 5.3 Saran …………………………………………………................... 5.3.1 Saran Metodologis ................................................................. 5.3.2 Saran Praktis .......................................................................... Daftar Pustaka ...................................................................................................... Lampiran

                x   

89 89 91 99 99 100 101

DAFTAR TABEL Tabel 1.1 Tabel 2.1 Tabel 4.1 Tabel 4.2 Tabel 4.3 Tabel 4.4

Alasan Pentingnya Mempelajari Statistika …………………..………………5 Hasil Penelitian tentang Prestasi Belajar Statistika ...................... 24 Distribusi Populasi Penelitian Berdasarkan Jenis Kelamin ........... 52 Distribusi Prestasi Belajar Statistika Berdasarkan Jenis Kelamin.. 53 Muatan Faktor dari Item Sikap terhadap Statistika ....................... 56 Matriks Korelasi Kesalahan Pengukuran item Sikap terhadap Statistika …………………………………………………………………………………… 57 Tabel 4.5 Muatan Faktor dari item Self Efficacy terhadap Statistika ………..… 61 Tabel 4.6 Matriks Korelasi Kesalahan Pengukuran item Self Efficacy terhadap Statistika ……………………………………………………………………. 62 Tabel 4.7 Muatan Faktor dari item Kecemasan terhadap Statistika ……………. 65 Tabel 4.8 Matriks Korelasi Kesalahan Pengukuran item Kecemasan terhadap Statistika …………………………………………………………………... 66 Tabel 4.9 Muatan Faktor dari item Achievement EPPS ……………………………… 69 Tabel 4.10 Matriks Korelasi Kesalahan Pengukuran item Achievement EPPS ……………………………………………………………………………………… …. 71 Tabel 4.11 Matriks Korelasi Antar Variabel Penelitian ………………………………... 73 Tabel 4.12 Anova dari Analisis Regresi 1 ..……………………………….................... 76 Tabel 4.13 Rsquare Regresi 1 ………...……………………………………………………..…... 76 Tabel 4.14 Koefisien Regresi 1 …………………………………………………………..………… 77 Tabel 4.14 Anova dari Analisis Regresi 2 ……………………………………………………… 78 Tabel 4.15 Rsquare Regresi 2 ………………………………………………………..…………….. 79 Tabel 4.16 Koefisien Regresi 2 ………………………………………………..…………………… 80 Tabel 4.17 Penghitungan Proporsi Varians Statistika 1 …………….………………….. 82 Tabel 4.18 Penghitungan Proporsi Varians Statistika 2 ……………………….……….. 85

xi   

DAFTAR GAMBAR Gambar 2.1 Gambar 4.1 Gambar 4.2 Gambar 4.3 Gambar 4.4 Gambar 4.5 Gambar 4.6

Kerangka Berpikir ............................................................................ 41 Analisis Konfirmatorik Skala Sikap terhadap Statistika………….. 55 Analisis Konfirmatorik Skala Self Efficacy terhadap Statistika ….. 60 Analisis Konfirmatorik Skala Kecemasan terhadap Statistika …… 64 Analisis Konfirmatorik Sub Skala Achievement EPPS ……..…… 68 Residual Plots Statistika 1 ………………………………..……… 84 Residual Plots Statistika 2 ……………………..…………………. 87

xii   

DAFTAR LAMPIRAN Lampiran A Lampiran B

: Instrumen Penelitian. : Output CFA Instrumen Penelitian

xiii   

BEBERAPA FAKTOR PSIKOLOGIS YANG MEMENGARUHI PRESTASI BELAJAR MAHASISWA DI BIDANG STATISTIKA 1 & 2 SKRIPSI

Diajukan kepada Fakultas Psikologi untuk memenuhi syarat-syarat memperoleh gelar Sarjana Psikologi

Oleh:

Adiyo R 106070002206

FAKULTAS PSIKOLOGI UIN SYARIF HIDAYATULLAH JAKARTA 2010

1   

BAB 1 PENDAHULUAN Pada bab ini berisi latar belakang mengapa perlu dilakukan penelitian prestasi belajar statistika, pertanyaan penelitian, tujuan dan manfaat penelitian, pembatasan masalah dan sistematika penulisan. 1.1 Latar Belakang. Kecemasan terhadap mata kuliah statistika dialami sebanyak 80 % mahasiswa strata satu (S1), sehingga mengakibatkan menurunnya performa prestasi dibidang Statistika (Onwuegbuzie, Anthony J,. 2004). Kemudian sikap yang negative mahasiswa terhadap statistika, seringkali menjadi rintangan terbesar dalam melakukan pembelajaran yang efektif (Waters, L.K,. Martelli, Theresa A., Zakrajsek, Todd,. Popovich, Paula M, 1988). Ketika peneliti menjadi mentor mata kuliah statistika, seringkali mendapati komentar tentang mata kuliah statistika yang dipersepsikan sebagai mata kuliah yang mengkhawatirkan mahasiswa, mata kuliah penghambat untuk lulus cepat, sebab, masih ada mahasiswa yang berusaha untuk mendapatkan nilai bagus di mata kuliah ini tidak cukup dengan sekali saja, bahkan ada yang mengulang sampai tiga kali. Artinya, mata kuliah statistika dianggap sebagai mata kuliah yang menyulitkan. Hal ini salah satunya disebabkan yaitu ketika mereka masih menjadi siswa disekolah, mereka belum mendapatkan pemahaman apa manfaat mempelajari ilmu analisis matematika seperti statistika ini, justru kebanyakan dari mereka hanya diminta untuk menghafal rumus-rumus yang rumit kemudian menghitungnya, sehingga mereka memiliki sikap atau persepsi tentang

 

2   

mata pelajaran hitung-hitungan merupakan mata pelajaran yang mencemaskan, menjenuhkan, dsb. Seperti yang ditulis oleh Maxwell K. Hsu (2003) dalam artikelnya, yang berbunyi : “…students’ experiences toward statistics, however often are a source of anxiety that may lead learners to a negative perception, perhaps especially among those who have undergone 12 years of schooling without ever taking statistics as a subject” (hal. 174.)

Berdasarkan literature dan fenomena yang peneliti temui, untuk sementara peneliti menyimpulkan bahwa statistika dianggap sebagai mata kuliah yang sangat menyulitkan, serta menjadi penghambat perkuliahan yang efektif. Bahkan statistika merupakan mata kuliah yang menyebabkan timbulnya gangguan gejala psikologis yaitu berupa kecemasan, panic, stress dan bahkan depresi. Selain itu, keadaan tersebut terjadi dalam segala bentuk perkuliahan yang berkaitan dengan statistika, baik dalam perkuliahan sehari-hari, yang meliputi pengerjaan tugas dikelas, menjawab pertanyaan dosen statistika, maupun ketika diberikan pekerjaan rumah yang diberikan dosen, dan tentunya ketika ujian statistika dilaksanakan. Menunda - nunda mengerjakan tugas statistika baik dirumah maupun dikelas merupakan salah satu kendala yang terjadi di mata kuliah Statistika. Meskipun mahasiswa mengerjakan tugas tersebut dikelas ataupun dirumah, kebanyakan dari mereka tidak mengerjakan sendiri, mereka cenderung melihat tugas teman mereka yang mereka nilai mampu dalam bidang statistika. Namun ternyata tidak semua mahasiswa mampu dibidang statistika, meskipun belum teruji secara empiris. Kemudian tentunya hal ini menjadi asumsi bahwa ketidakmampuan dibidang statistika akan mengakibatkan turunnya rasa percaya diri. Tentunya mahasiswa pasti akan mengalami gejala psikologis seperti

 

3   

yang peneliti telah sebutkan diatas. Selanjutnya hal ini yang menjadi masalah di kalangan mahasiswa terhadap mata kuliah statistika. Mata kuliah statistika merupakan salah satu mata kuliah pokok disemua program studi, bahkan mata kuliah statistika untuk program Strata satu (S1) dibuat menjadi mata kuliah lanjutan menjadi statistika 1 dan statistika 2. Hal ini membuktikan bahwa statistika menjadi sangat penting untuk dipelajari. Kemudian secara khusus statistika dibidang psikologi memiliki peranan yang sangat berarti, sebab bagaimana bisa muncul teori–teori ilmiah dan penelitian-penelitian dibidang psikologi jika meng-analisis data penelitian tersebut tanpa menggunakan statistika. Selain itu bahwa sudah banyak para ahli Statistik yang menjadi tokoh Psikologi, seperti teori dan alat tes kepribadian 16 personality factor (16 PF) yang diciptakan oleh Raymond Cattel yang merupakan ahli Statistik, ia merumuskan teori tersebut melalui analisis factor, kemudian Charles Spearman yang dikenal sebagai Bapak Psikometri, yang juga merupakan ahli Statistik. Kemudian EPPS tokohnya Edward yang juga merupakan ahli Statistik, ditambah lagi ahli Statistik Roscharch yang terkenal dengan tes Roscharch-nya, kemudian dibidang kepribadian Henry Murray yang menciptakan needs ada 20, ia menganalisisnya melalui analisis factor, kemudian dibidang psikologi pendidikan ada struktur intelektual Guilford yang juga dianalisis melalui analisis factor, dan tentunya masih banyak lagi ahli Statistik yang menjadi tokoh psikologi. Artinya banyak temuan-temuan ilmiah di bidang psikologi justru ditemukan oleh para ahli Statistik. Alasan lain mengapa statistika itu sangat penting untuk dipelajari, yaitu ketika seseorang melakukan penelitian, selanjutnya menganalisis data penelitian yang mana

 

4   

hasil dari analisis data tersebut akan diinterpretasikan. Semua proses tersebut memerlukan ilmu statistika yang tentunya harus dipelajari dengan baik agar tidak keliru dalam menganalisis data penelitian tersebut. Statistika juga diperlukan ketika mahasiswa membaca jurnal penelitian baik psikologi maupun bidang ilmu lainnya. Seperti halnya ketika melakukan penelitian, peneliti atau mahasiswa harus mampu membaca dan menginterpretasikan hasil penelitian yang ada di jurnal. Sebagai contoh, jika dalam jurnal dipaparkan tentang matriks korelasi antar variable, kemudian didapat hasil korelasi, misal antara variable SES (Sosioeconomic Status) dengan Intelegensi tidak berkorelasi positif, maka mahasiswa harus mampu membacanya serta menginterpretasikannya, apakah signifikan atau tidak, sehinggga harus tahu secara statistik angka signifikansi ketika nilai r hitung dibandingkan dengan r table lebih besar atau lebih kecil. Kemudian khususnya dibidang pengetesan psikologi, ketika kita ingin mengukur kemampuan intelegensi seseorang maka kita akan memberikan tes intelegensi. Tentunya kita harus tahu apakah butir-butir tes tersebut benar-benar mengukur kemampuan seseorang, atau malah sebaliknya, semakin ia mampu menjawab butir tes tersebut maka ia semakin rendah skor intelegensinya. Oleh karena itu kita perlu melakukan uji validitas dan reliabilitas alat tes tersebut, yang tak lain dasar dari validitas dan reliabilitas menggunakan rumus dan konsep dibidang statistika. Jika disimpulkan mengapa kita perlu mempelajari Statistika yaitu agar kita mampu membuat sebuah karya ilmiah berdasarkan data statistika yang dapat dipertanggungjawabkan kebenarannya. Kemudian kita juga mampu menciptakan teori dalam bidang tertentu melalui sebuah pengukuran statistik atau analisis faktor.

 

5   

Disamping itu juga kita bisa mengembangkan sebuah alat tes yang telah ada, dengan menguji validitas dan reliabilitasnya, seperti pada tes IST dsb. Peneliti kutip dari Bluman (1997) tentang mengapa mahasiswa harus mempelajari Statistika, yang peneliti paparkan pada tabel berikut : Tabel 1.1 Alasan Pentingnya Mempelajari Statistika. No

Reasons

1

Students, like professional people, must be able to read and understand the various statistical studies performed in their field. To have this understanding, they must be knowledgeable about the vocabulary, symbols, concepts, and statistical procedures used in these studies.

2

Students and professional people may be called on to conduct research in their field, since statistical procedures are basic to all research. To accomplish this, they must be able to design experiments; collect, organize, analyze, and summarize data ; and possibly make reliable predictions or forecasts for future use. They must also be able to communicate the results of the study in their own words.

3

Students and professional people can also use the knowledge gained from studying statistics to become better consumers and citizens. For example, they can make intelligent decisions about what products to purchase based on consumer studies, government spending based on utilization studies, and so on.

Berdasarkan permasalahan dibidang Statistika yang dimiliki oleh mahasiswa yang pada akhirnya permasalahan tersebut justru malah menurunkan prestasi belajar mahasiswa dibidang statistika, maka perlu diketahui secara empiris faktor psikologis

 

6   

apa sajakah yang menyebabkan turun dan naiknya prestasi belajar statistika. Hal ini dilakukan sebagai upaya menemukan jalan keluar dari permasalahan yang dihadapi mahasiswa pada mata kuliah Statistika. Dengan demikian peneliti ingin meneliti variabel – variabel psikologis apa sajakah yang menyebabkan mahasiswa kesulitan dalam mempelajari Statistika sehingga menyebabkan turunnya prestasi dibidang Statistika. Oleh sebab itu, penelitian ini peneliti beri judul : “Beberapa Faktor Psikologis yang Memengaruhi Prestasi Belajar Mahasiswa di Bidang Statistika 1 & 2”. 1.2 Pertanyaan Penelitian. Berdasarkan latar belakang diatas, peneliti mengajukan pertanyaan penelitian sebagai berikut: 1. Variable psikologis apa sajakah yang memengaruhi prestasi belajar mahasiswa dibidang statistika? 2. Dari variable penelitian yang dianalisis manakah yang memiliki pengaruh paling besar dan signifikan terhadap prestasi belajar statistika?. 3. Bagaimanakah model persamaan regresi yang dapat digunakan untuk memprediksi prestasi belajar statistika?. 1.3 Tujuan dan Manfaat Penelitian Secara pokok dan prinsip, tujuan penelitian ini adalah menjawab pertanyaan penelitian yang telah peneliti rumuskan diatas. Oleh karenanya tujuan dan manfaat subtansial penelitian ini sangat berkaitan erat dengan pertanyaan penelitiannya yaitu:

 

7   

1. Menemukan factor –faktor psikologis yang dominan memengaruhi tinggi rendahnya prestasi mahasiswa dibidang Statistika, sehingga dapat digunakan predictor untuk prestasi belajar di bidang mata kuliah statistika. 2. Melihat secara statistik prestasi belajar mahasiswa UIN Jakarta dibidang Statistika. 3. Jika sudah didapat model regresinya, maka peneliti mampu membuat rangkuman tentang pembelajaran yang cermat untuk statistika. 1.4 Pembatasan Masalah. Untuk membatasi ruang lingkup dalam penelitan ini, maka peneliti membatasi penelitian ini hanya kepada: 1. Penelitian ini hanya melihat prestasi dibidang Statistika 1 dan 2. 2. Faktor – faktor psikologis dalam penelitian ini adalah sikap, kecemasan, intelegensi, motivasi, self efficacy, kebutuhan berprestasi. 3. Populasi penelitian mahasiswa angkatan 2009 UIN Syarif Hidayatullah Jakarta. 1.5 Sistematika Penulisan BAB I

: Pendahuluan Berisi latar belakang mengapa perlu dilakukan penelitian prestasi belajar statistika, pertanyaan penelitian, tujuan dan manfaat penelitian, pembatasan masalah dan sistematika penulisan.

 

8   

BAB II

: Landasan Teori Di dalam bab ini akan dibahas sejumlah teori yang berkaitan dengan masalah yang akan diteliti secara sistematis, beserta hipotesis penelitian.

BAB III

: Metodelogi Penelitian Bab ini meliputi, subyek penelitian, variable penelitian, instrumen penelitian, prosedur penelitian, dan teknik analisis data.

BAB IV

: Analisis Hasil Penelitian Dalam bab ini peneliti akan membahas mengenai hasil penelitian meliputi, pengolahan statistik dan analisis terhadap data.

BAB V

: Kesimpulan, Diskusi, dan Saran Pada bab ini, peneliti akan merangkum keseluruhan isi penelitian dan meyimpulkan hasil penelitian. Dalam bab ini juga akan dimuat diskusi dan saran.

       

 

9     

BAB 2 KAJIAN TEORI Pada bab ini akan dipaparkan tentang Pengertian Prestasi Belajar, Teori Prestasi Belajar, Teori Prestasi Belajar Statistika, Faktor-faktor yang Memengaruhi Prestasi Belajar Statistika, Pengukuran Prestasi Belajar Statistika, Hipotesis Penelitian. 2.1 Pengertian Prestasi Belajar Prestasi belajar dalam Chaplin (2002) merupakan satu tingkat khusus perolehan atau hasil keahlian dalam karya akademis yang dinilai oleh guru-guru, lewat tes-tes yang dibakukan atau lewat kombinasi ke dua hal tersebut. Sumadi Suryabrata (2005) berpendapat bahwa prestasi belajar sebagai hasil dari suatu proses yang biasanya dinyatakan dalam bentuk kuantitatif (angka) yang khusus diberikan untuk proses evaluasi, misalnya rapor, hasil ini dibagikan kepada siswa pada akhir semester setelah pelaksanaan ujian akhir. Di dalam bidang pendidikan, siswa dikatakan memiliki prestasi baik bila menjadi juara kelas ataupun memperoleh nilai yang baik. Pengertian prestasi belajar didalam kamus balai pustaka nasional, yaitu penguasaan pengetahuan dan keterampilan terhadap mata kuliah yang diberikan melalui hasil tes (Dhona, 2004). Dengan demikian, dari pengertian prestasi belajar yang peneliti kutip dari beberapa sumber tersebut, dapat disimpulkan bahwa prestasi belajar adalah skor pencapaian hasil tes atau ujian yang diperoleh siswa, dimana tes atau ujian sebagai pengukuran kemampuan serta pemahaman belajar siswa atas pembelajaran yang telah

 

10   

dilakukan (Umar, 2010). Atau singkatnya, prestasi belajar lebih berkaitan dengan pengukuran pencapaian hasil belajar. 2.2 Teori Prestasi Belajar Dalam penelitian ini, yang peneliti maksud dari teori prestasi belajar adalah variabel-variabel psikologis yang memengaruhi prestasi belajar yang mampu menyebabkan naik turunnya prestasi belajar siswa. Dengan demikian focus dari teori prestasi belajar berkaitan dengan variabel-variabel psikologis apa sajakah yang mampu memengaruhi prestasi belajar. Peneliti kutip dari penelitian Umar (2007) yang menuliskan bahwa menurut Wahlberg (1981) ada tiga kelompok variabel yang mempengaruhi prestasi siswa yaitu: (1) Variabel personal seperti prestasi sebelumnya, umur, motivasi, self concept, dsb; (2) Variabel instruksional seperti intensitas dan kualitas serta metode pengajaran dan (3) Variabel lingkungan (environmental) yang terkait dengan keadaan di rumah, kondisi guru, kelas, dan sekolah, teman belajar, media belajar, dsb. Pada beberapa penelitian yang menggunakan ketiga variabel ini, ternyata ditemukan hasil yang berbeda-beda. Larry Sutter (2000) (dalam Umar, 2007) misalnya, mengutip hasil penelitian James Coleman di tahun 1960an di mana kesimpulannya adalah mengatakan bahwa “…student performance was determined more by family background than by school characteristics…”.

Namun demikian, dalam studinya yang membandingkan prestasi matematika dan IPA secara internasional dengan menggunakan data TIMSS, Sutter (2000) menyimpulkan bahwa perbedaan prestasi belajar antar negara lebih banyak

 

11   

ditentukan oleh variabel-variabel kurikuler dan pengajaran. Ia juga mengutip kesimpulan penelitian Gustafsson dan Undheim (1996) yang mengatakan bahwa “…that results of international-level studies might be accounted for by differences in curriculum rather than intellectual differences among students…”.

Sebaliknya, Heyneman (1997) menemukan bahwa student personal variable yang lebih menentukan, terutama sekali motivasi / spirit belajar. Berikut adalah kutipan tulisannya (Heyneman, 1997) (dalam Umar, 2007) : “What differentiates American children from other children in the world – and the explanation of poor performance among minorities and the poor – is the American public policy toward children. “In general, children in the United States are provided with too much opportunity and too few obligations; too much choice and too few responsibilities.” In addition, “U.S. school children are influenced by a common assumption that curriculum has to be entertaining”,…… “It isn’t poverty which drives scores of U.S. students down,” I said, “or race, or even minority status, but rather impoverish spirit”. ….. ”… It is the general lack of a desire to learn and this, in turn, is affected by public policy. …...” (page 29).

Selanjutnya penelitian mengenai pengaruh variabel psikologis, yang secara konsisten ditemukan pengaruhnya terhadap prestasi belajar antara lain adalah “self efficacy” (misalnya Ramdass and Zimmerman (2008). Sedangkan variabel yang umumnya tak berpengaruh terhadap prestasi adalah sikap terhadap mata pelajaran. Reiss (2009) menemukan ada enam “personality needs” yang erat kaitannya dengan “low achievement in school” yaitu “high need for acceptance”, “low need for cognition”, “lack of ambition”, “low need for order”, “low need for honor”, dan “high need for vengeance”. Variabel lingkungan belajar yang ditemukan berpengaruh misalnya adanya standard kelulusan (Cavanagh, 2009; Mc Neil, 2009). Penguasaan guru terhadap materi pelajaran misalnya, ditemukan lebih berpengaruh terhadap prestasi belajar siswa dari pada penguasaan metode mengajar (Telese, 2005; Viadero, 2009). Penelitian yang relatif baru (Moon dan Lee, 2009) tentang predictors dari

 

12   

prestasi anak di sekolah, menemukan bahwa yang signifikan pengaruhnya adalah “family factors especially parent education level and income”, “parent-child home activity”, dan “parental psychological well-being”. Selanjutnya, ia menemukan bahwa “parent school involvement” tak berkaitan dengan prestasi anaknya di sekolah. Teori prestasi belajar dari Dalyono (2001) (dalam Donna, 2004 ), teori tersebut mengatakan bahwa berhasil atau tidaknya seseorang dalam belajar ditentukan oleh faktor-faktor berikut ini : 1. Faktor internal, yang terdiri dari : a. Intelegensi dan bakat. Seseorang dengan IQ yang lebih tinggi umumnya mudah belajar dan hasilnya pun cenderung baik. Sebaliknya orang dengan IQ rendah biasanya lebih sulit dalam belajar, sehingga prestasinya pun cenderung rendah. Selain itu bakat juga berpengaruh terhadap prestasi belajar. b. Motivasi dan minat. Menurut teori ini minat dapat timbul karena adanya daya tarik dari luar dan bisa juga datang dari dalam diri sendiri. Minat yang besar merupakan modal awal yang besar untuk mencapai tujuannya. Dengan adanya minat maka timbul motivasi. Motivasi sendiri adalah pendorong untuk melakukan suatu pekerjaan atau perbuatan. Kuat atau lemahnya motivasi seseorang dapat memengaruhi tinggi rendahnya prestasi seseorang.

 

13   

c. Cara belajar. Cara belajar seseorang dapat menentukan prestasi belajar orang pula. Cara belajar disini maksudnya adalah berapa lama waktu belajarnya, tempat, fasilitas dan penggunaan media pengajaran yang digunakan siswa. d. Kondisi jasmani. Seperti keadaan fisik tubuh untuk mendukung pembelajaran, tentunya murid yang memiliki fisik yang baik maka akan lebih mudah memahami pelajaran dengan baik daripada murid yang memiliki keterbatasan fisik. 2. Faktor Eksternal (dari luar diri). a. Keluarga. Tinggi rendahnya status pendidikan orang tua, tinggi rendahnya penghasilan orang tua, perhatian orang tua terhadap anak, hal-hal tersebut juga bisa memengaruhi prestasi belajar siswa. b. Sekolah. Seperti kualitas guru, tingkat pendidikan guru, metode mengajar, kurikulum yang digunakan, juga memengaruhi prestasi belajar. c. Masyarakat. Dalam hal ini masyarakat yang dimaksud ialah keadaan sosio-kultural dimana siswa tinggal. Siswa yang tinggal di lingkungan masyarakat yang ber-pendidikan tinggi maka akan mendorong untuk giat belajar sehingga menyebabkan prestasi belajar tsb menjadi tinggi. d. Lingkungan sekitar. Lingkungan sekitar yang dimaksud seperti lokasi belajar yang terlalu ramai, kondisi kelas yang pengap dan panas, akan

 

14   

memengaruhi proses kegiatan belajar yang pada akhirnya berdampak pada prestasi belajar. Selanjutnya, peneliti juga berasumsi bahwa prestasi belajar juga dapat diartikan sebagai performance siswa atas pengukuran tingkah laku siswa dalam belajar, sehingga ia menghasilkan sesuatu yang telah menjadi tujuannya (diadaptasi dari pengertian teori job performance dalam Umar, 1978). Peneliti analogikan bahwa prestasi belajar dengan job performance sama-sama melihat hasil, hanya saja dalam konteks yang berbeda, prestasi belajar pada konteks pendidikan, job performance pada konteks pekerjaan. Hal ini juga dapat dibuktikan bahwa antara prestasi belajar dan job performance dapat berbeda-beda antar individu, kedua hal ini bergantung pada karakteristik individu dan situasi-situasi sekitar. Adapun beberapa teori yang berkaitan dengan performance (dalam Umar, 1979) yaitu : Teori atribusi: Pertama kali dikemukakan pada tahun 1958 oleh Heider (dikutip dari Anderson dan Butzin, 1974), di mana melalui pendekatan teori atribusi ia mengajukan rumusan matematis untuk “performance”, yaitu : Performance = Motivation x Ability (disingkat: P = M x A).

(1)

Menurut teori ini “performance” adalah hasil interaksi antara motivasi dengan abiliti. Dengan demikian, orang yang tinggi motivasinya tetapi memiliki abiliti yang rendah akan menghasilkan “performance” yang rendah. Begitu pula halnya dengan orang yang memiliki abiliti tinggi tetapi rendah motivasinya maka akan tetap menghasilkan performance yang kecil pula. Namun teori performansi dari Heider ini tidak semudah seperti rumus perkalian yang peneliti kutip tersebut. Sebab dalam semua pengukuran psikologis

 

15   

tidak dapat didefinisikan secara tunggal saja tetapi harus pula menampakkan hubungan antara konstruk atau fenomena lain yang dapat diamati. Seperti yang dikatakan oelh Lord dan Novick, 1968 (peneliti kutip dari Azwar, 1999, yang juga mengutip dari Crocker & Algina, 1986) “…tentang pengukuran konstruk psikologis yang menekankan pentingnya konstruk yang mendasari pengukuran psikologis dalam dua level. Pertama, konstruk psikologis harus didefinisikan secara operasional dalam bentuk indikator perilaku yang dapat diamati. Definisi ini akan menentukan bagaimana pengukuran harusnya dilakukan. Kedua, konstruk psikologis harus didefinisikan dalam bentuk hubungan logis dan matematis dengan konstruk lain yang sama-sama berada dalam system teoritiknya. Bila hubungan semacam itu tidak dapat diperlihatkan secara empiris, maka hasil pengukuran yang diperoleh adalah tidak berguna…” (hal 17)

Oleh karena itu, dari model matematis performance Heider tersebut, terdapat variasi model tambahan tentang performance. Salah satunya, Umar (1979) dalam skripsinya membuat variasi dari model tersebut. Adapun variasi model performance yang dibuatnya yaitu : 1). Model Vroomian, yaitu yang diinspirasikan oleh pendapat Vroom (1964) tentang motivasi dan abiliti. Menurut model ini, rumusan motivasi untuk perbuatan i (Mi) adalah:

(2) Penjelasannya yaitu dimana Vj adalah valensi dari “outcome” j sedangkan Eij adalah “expectancy” (“subjective probability”), yaitu besarnya keyakinan bahwa

 

16   

perbuatan i akan benar-benar menghasilkan “outcome” j. Penjumlahan di sini, ( ∑ ), adalah untuk semua jenis “outcome” j. Sebagai contoh jika seorang siswa memiliki motivasi belajar statistika (Mi), maka hubungannya bisa dilihat dengan, valensi j (desirability) atau outcome dari j apa. Misalnya siswa tersebut ingin mendapatkan beasiswa, maka ia diminta untuk menskoring berapa valensi yang ia miliki untuk outcome beasiswa tersebut, kemudian diukur subjective probability bahwa dengan ia belajar statistika (i) bagaimana ia akan mendapatkan outcome beasiswa (j). jika dituliskan akan menjadi:

Mbi = f (Vbs x Ebi.bs)

(3)

Ket : bi (belajar statistika) ; bs (beasiswa) Dikarenakan setiap orang berbeda-beda jumlah outcomenya maka jika ada tiga outcome, maka total penjumlahan dari ketiga hasil pengukuran outcome tersebut yang dijadikan skor motivasi siswa. Untuk selanjutnya menghitung prediksi performance mahasiswa tersebut, maka diperlukan skor ability terlebih dahulu. Baru kemudian dimasukkan sesuai rumus P’ = M x A. dengan kata lain hasil dari perkalian ini adalah prediksi untuk performance. 2). Model dari Anderson dan Butzin (1974) (Umar, 1979).

Mereka

mengajukan formula baru, yang ada perkalian dan pertambahannya, yaitu : Future Performance = Past Performance + (Motivation × Ability)

 

(4)

17   

Model ini tidak jauh berbeda dengan model Vroom, hanya saja mereka menambahkan past performance, yang mana peneliti asumsikan bahwa performance sebelumnya akan memengaruhi performance selanjutnya, namun tentunya kedua hal ini harusnya sesuatu yang bersifat related performance. Sebagai ilustrasi, jika ingin memprediksi prestasi seorang mahasiswa dibidang statistika 2, selain diukur motivasi dan ability-nya, tetapi diukur juga prestasi mahasiswa tersebut ketika menempuh statistika 1. Artinya, besar kecil prestasi selanjutnya dipengaruhi juga oleh besar kecil prestasi sebelumnya. Kemudian salah satu penelitian yang secara khusus meneliti prestasi belajar di perguruan tinggi, yaitu penelitian Umar (1988). Hasil penelitiannya mengenai daya ramal UTUL (ujian tulis), EBTANAS (sekarang Ujian Negara / Ujian Akhir Nasional), RAPOR SEKOLAH, serta SES (Sosio-Economic Status) terhadap Prestasi Belajar di Perguruan Tinggi, bahwasannya UTUL (di UIN dikenal Ujian Mandiri) lebih dapat diandalkan walaupun hanya dua semester pertama saja. Namun demikian ada indikasi pada sampel UNPAD dan UGM bahwa pengetahuan bahasa inggris yang telah dimiliki ketika SMA ternyata berpengaruh positif terhadap prestasi belajar di Perguruan Tinggi. Pada salah satu model, ditemukan bahwa jika nilai Rapor ketika SMA baik maka akan diikuti nilai rapor selanjutnya yang baik pula, namun tidak demikian ketika di Perguruan Tinggi, ditemukan bahwa terjadi diskontinuitas antara rapor yang baik tidak memengaruhi IP yang baik pula. Meskipun begitu, yang jelas dari model tersebut, baik Rapor maupun IP awal yang baik maka selanjutnya akan cenderung bertahan lama. Artinya, prestasi awal diperguruan tinggi yaitu IP semester pertama dan kedua lebih mampu menjadi predictor yang konsisten terhadap prestasi

 

18   

belajar selanjutnya ketimbang variabel predictor lainnya, seperti rapor SMA, nilai EBTANAS, dsb. Dengan demikian, meskipun terdapat siswa berprestasi di sekolah ketika SMA, maka belum tentu dapat diasumsikan bahwa ia akan berprestasi juga di perguruan tinggi. Dengan demikian dapat disimpulkan bahwa, prestasi awal yang baik bagi seorang mahasiswa lebih penting diupayakan daripada memercayakan pada hasil ujian saringan ataupun ujian akhir sekolah menengah. Semua teori prestasi belajar yang peneliti paparkan diatas, tentu berbeda-beda variabel psikologis yang menentukannnya, dan juga dapat dipastikan bahwa penentu pada prestasi belajar umum akan berbeda ketika menjadi predictor dibidang mata kuliah statistika. Oleh karena itu, peneliti akan meneruskan secara spesifik prestasi belajar dibidang statistika, yang mana maksudnya sama yaitu mengidentifikasi variabel psikologis apa sajakah yang menjadi predictor yang menyebabkan naik turunnya prestasi belajar statistika. 2.2.1 Prestasi Belajar Statistika Kuliah statistika menjadi bagian penting dalam berbagai macam program studi di semua perguruan tinggi. Rasionalisasi mengajar Statistika pada tingkatan mahasiswa adalah memudahkan mahasiswa untuk mengatur, menggunakan dan mengintrepretasikan penelitian atau data statistik pada studi mereka (Nasser, M. Fadia, 2004). Selain itu, tujuan tambahan mengajarkan Statistika kepada mahasiswa adalah untuk menyelesaikan secara efektif seluruh aspek statistik ketika mereka berada diluar kelas (Gal and Ginsburg 1994; Gal and Garfield 1997). Artinya statistika

 

19   

tidak hanya diperlukan ketika berada didalam kelas saja yaitu statistika sebagai mata kuliah, tetapi juga ketika mahasiswa berada diluar kelas, dimana statistika bisa bermanfaat untuk semua hal yang berkaitan dengan aspek-aspek statistik. Secara khusus variabel predictor yang menentukan prestasi belajar statistika kemungkinan akan berbeda dengan predictor prestasi belajar dibidang yang lain, misal IPA, BAHASA,dsb (Umar, 2010). Hal ini dapat dibuktikan dari hasil penelitian Umar (2007) dibidang Bahasa dan IPA serta Matematika. Misalnya untuk bidang bahasa dan matematika, variabel yang konsisten memengaruhi prestasi belajar matematika adalah tingkat Sosial Ekonomi Keluarga (SES), dukungan terhadap sekolah, sikap terhadap matematika ; sedangkan pada reading literacy yang konsisten justru self efficacy, pr membaca, high reading kemudian diikuti oleh vocabulary, metode mengajar, seringnya waktu membaca dan terakhir, after reading. Tentunya bagi peneliti interpretasi seperti ini tidaklah mudah, namun setidaknya dapat diidentifikasikan bahwa untuk bidang yang berbeda seperti bahasa dan matematika akan berbeda variabel predictor-nya, sehingga berbeda pula hasil penelitian dan interpretasinya. Mengenai prestasi belajar Statistika, ada banyak hasil penelitian yang mengindikasikan beberapa variabel yang berkaitan dengan model prestasi belajar Statistika. Seperti Cruise, et al. (1985) yang mengatakan bahwa “that anxious student’s image of statistics is generally not a very positive one”. Menurut Cruise, kecemasan mahasiswa bukanlah hal yang positif terhadap statistika. Ia mendefinisikan bahwa

 

20   

statistics anxiety as the feeling of anxiety encountered when taking a statistics course or doing statistics course, that is, when gathering, processing and interpreting data”. Hal ini dapat dipahami dengan logika sederhana, dimana kecemasan statistika itu terjadi pada mahasiswa yang misalnya ketika SMA belum mendapatkan bekal yang cukup untuk matematika tingkat lanjutan, sehingga ketika mereka kuliah dan mendapatkan mata kuliah introductory statistics maka timbul kecemasan. Selain itu juga masih banyak mahasiswa yang beranggapan bahwa ketika mereka berada dibangku kuliah tidak akan lagi mendapati mata kuliah yang sifatnya memerlukan skill komputasi, yang padahal tidak demikian. Biasanya pendapat tersebut ditemukan pada mahasiswa yang berada pada fakultas ilmu social, seperti psikologi, sosiologi, dsb. Dikarenakan sudah adanya kecemasan mahasiswa terhadap statistika, harapan tidak adanya mata kuliah hitung-hitungan, maka selanjutnya prestasi belajar di bidang statistika bisa dipengaruhi oleh kecemasan dan expectancy tersebut. Dari penelitian Nasser, (2004) dikatakan bahwa efek kecemasan terhadap performance (prestasi) tidak disetujui dalam literature. Sebagai contoh pada konteks kecemasan matematika, Liabre and Suarez (1985) menyatakan bahwa “…stated that mathematics anxiety had little to do with performance once anxious students were already enrolled in the course…” . Artinya bahwa kecemasan terhadap Matematika hanya memiliki pengaruh yang kecil terhadap performance meskipun kecemasan tersebut telah ada ketika menempuh mata kuliah tersebut. Kemudian studi yang dilakukan oleh Adams and Holcomb (1986) menemukan bahwa, mathematics anxiety was negatively related to  

21   

performance in statistics, there was no significant relationship between performance in statistics and traditional measures of state and trait anxiety. Artinya, kecemasan terhadap Matematika berkorelasi negative terhadap performance di bidang Statistika. Ada juga hasil penelitian yang dilakukan oleh Lalonde and Gardner (1993) menunjukkan hasil yang sedikit berbeda yaitu, an indirect negative relationship between what they referred to as “situational anxiety” and performance in statistics. Artinya terdapat dampak negative tetapi secara tidak langsung dari situasi yang mahasiswa anggap sebagai kecemasan terhadap performance di bidang Statistika. Bahkan penelitian yang dilakukan oleh Onwuegbuzie (1998, 2000) menunjukkan bahwa low achievement of college student was related to higher levels of statistics anxiety and low computation self-concept. Artinya kurang lebih sama dengan penelitian sebelumnya, yaitu kecemasan berpengaruh negative terhadap performance. Selanjutnya, model prestasi belajar Statistika dan Matematika yang dikaitkan dengan variabel sikap. Seperti yang dilakukan oleh, Adams and Holcomb (1986), mereka menguji kaitan antara prestasi belajar Statistika dan Matematika dengan variabel sikap. Hasilnya adalah no significant relationship between attitudes toward mathematics and achievement in statistics. Artinya, tidak ada hubungan yang signifikan antara sikap terhadap Matematika dengan prestasi di bidang Statistika. Sementara itu studi dari Feinberg and Halprin (1978) justru menemukan hasil sebaliknya yaitu bahwa ada korelasi antara variabel sikap dengan performance pada matematika dan statistika. Salah satu model prestasi belajar Statistika adalah Gardner’s model (Lalonde, 1993). Model ini memiliki dua pandangan mengenai Statistika. Pertama, “the

 

22   

conceptualization of statistics learning as language learning is both meaningful and fruitful”. Kemudian yang kedua, “many of the measures developed by Gardner, and his colleagues can be adapted to the statistics learning situation with some minor modification, thus facilitating a test of the model that is to be proposed”. Model prestasi belajar Statistika menurut Gardner (1979) terdapat empat variable individu yang diharapkan memengaruhi secara langsung derajat keberhasilan seseorang pada mata kuliah Statistika, yaitu : intelligence, language aptitude, situational anxiety, and motivation. Intelegensi sangatlah penting dalam memengaruhi tingkatan pemahaman setiap mata kuliah apapun yang dipelajari, baik bahasa maupun statistika. Kecerdasan berbahasa mewakili kemampuan spesifik yang dilibatkan kedalam pembelajaran bahasa, sama halnya seperti kecerdasan matematika akan menjadi kemampuan utama yang seharusnya memengaruhi secara langsung pemahaman skill komputasi dari statistika. Pengukuran kemampuan matematika dasar telah ditemukan berkorelasi positif dengan performa pada Statistika. (Nasser, 2004). Masih peneliti kutip pada sumber yang sama, Gardner juga mengatakan math anxiety adalah bentuk dari situasi kecemasan yang diharapkan menjadi pendorong mahasiswa ketika menghadapi tuntutan skill komputasi pada Statistika. Penelitian terdahulu mengindikasikan bahwa math anxiety berkorelasi negative dengan performa dalam statistika. Selain variabel afektif ada juga variabel yang bersifat kognitif, yang berkaitan dengan prestasi belajar statistika, seperti mathematical ability, meskipun pemahaman dan penggunaan statistika dalam penelitian empiris tidak memerlukan level matematika advance, namun kenyataannya dari hasil literature penelitian bahwa ada hubungan yang positif dan signifikan antara keduanya. Seperti yang terdapat pada Galagedera (1998)

 

23   

menemukan bahwa, first-year business mathematics and statistics students who were successful in mathematics at the university entry-level examination were more likely to do better in elementary statistics than poor performers at matriculation level”. Kemudian diperkuat lagi dari hasil penelitian Wisenbaker, et al. (2000) yang menyatakan bahwa, “mathematical ability affects the acquisition of statistical skills and the two share a negative relationship with mathematics anxiety”. Terakhir, model prestasi belajar statistika yang berkaitan dengan statistics dan math anxiety, mathematical aptitude, attitudes toward statistics telah diuji secara bersamaan dalam beberapa penelitian (Lalonde and Gardner 1993; Nasser 1998, 1999; Wisenbaker et al. 1998), kendatipun begitu hubungan semua variabel tersebut tidak dapat dipastikan arah dan bentuk hubungannya, artinya ditemukan hasil penelitian yang berbeda-beda. Seperti yang telah dilakukan Wisenbaker (1998) dan beberapa assistant – nya, yang melakukan penelitian path analysis untuk memprediksi prestasi mahasiswa dibidang statistika. Hasil temuan utamanya yaitu : ”…students’ attitudes toward statistics at the end of the statistics course were predictive of their achievement, while students’ attitudes toward statistics at the beginning of the course were not. Furthermore, they found a moderately positive relationship between mathematical aptitude and achievement in statistics. The correlation between mathematics anxiety and achievement in statistics was also moderate but negative…”.(hal. 189)

Namun sayangnya, Wisenbaker tidak mengikutsertakan variabel statistics anxiety dalam penelitian tersebut. Kemudian Lalonde dan Gardner (1993) menggunakan model structural socio-educational tentang kemahiran statistics as a second language untuk memprediksi prestasi dibidang statistika. Model penelitian mereka mengikutsertakan variabel situational anxiety (statistics and number anxiety), attitudes, motivation intensity, mathematical aptitude, and efforts. Semuanya

 

24   

dijadikan predictor terhadap prestasi dibidang statistika. Hasil penelitian Lalonde dan Gardner menemukan bahwa, “…a direct path between situational anxiety and achievement was not significant when the path between mathematical aptitude and achievement was present. Their results also suggested that the level of anxiety and the combination of attitudes and motivation could have indirect effects on achievement through effort…”.

2.2.2 Faktor yang Memengaruhi Prestasi Belajar Statistika Terdapat banyak penelitian yang telah dilakukan untuk menemukan model prestasi belajar Statistika. Pada table 2.1 ini peneliti membuat matrikulasi hasil penelitian prestasi belajar dibidang statistika. Tabel 2.1 Hasil Penelitian tentang Prestasi Belajar Statistika. No

Nama

1

Anthony J Onwuegbuzie

Temuan •

(2004)

Hasil menunjukkan bahwa kurang lebih 40% s/d 60% mahasiswa melaporkan bahwa mereka hampir selalu atau selalu menunda-nunda dalam menulis makalah, belajar untuk menghadapi ujian, serta menunda untuk mengikuti tugas membaca mingguan.

•

Sekitar 20% s/d 45% melaporkan bahwa mereka bermasalah dengan menunda-nunda terhadap ketiga tugas akademik tersebut. `

•

Selain itu juga, 65% -75% mahasiswa ingin mengurangi kebiasaan menunda-nunda dalam ketiga tugas akademik

 

25   

tersebut. •

Temuan pokok yang kedua, akademik prokrastinasi yang merupakan hasil dari fear of failure dan task aversiveness menampakkan korelasi canonical yang positif dan signifikan dengan statistics anxiety (Rc1=.51).

2

Lalonde

dan

Gardner

•

(1993)

Peneltian ini menggunakan causal modeling yang mana ditemukan bahwa mathematical aptitude sebagai predictor yang

negative

terhadap

situational

anxiety,

tetapi

mathematical aptitude merupakan predictor yang positif terhadap statistics achievement. •

Situational

anxiety

berpengaruh

negative

terhadap

individual’s attitude-motivation index namun selanjutnya memiliki pengaruh yang positif terhadap effort yang pada gilirannya menuju kepada achievement. •

Kemudian hasil yang konsisten yaitu, course evaluation secara signifikan berkorelasi dengan semua pengukuran dari performance (mis : assignments, quizzes, final grade). Sedangkan instructor evaluation tidak satupun berkorelasi secara signifikan terhadap semua pengukuran performance statistika.

3

Sorge dan Schau (2002)

•

Sekitar 55% variance dari achievement dipengaruhi oleh previous success (terdiri dari 3 hal, yaitu : prestasi matematika di SMA, skor self-concept terhadap matematika,

 

26   

yang ketiga IP sebelumnya) dan sisanya 45% variance dari achievement dipengaruhi oleh keempat komponen sikap (value, cognitive competence, affect, difficulty). •

Beberapa variabel dalam saturated structural model memengaruhi variabel lain melalui multiple path. Menguji bentuk dari pengaruh tersebut menghasilkan informasi yang penting dari semua model. Contohnya, pada komponen attitudes misalnya : difficulty memengaruhi value secara langsung seperti difficulty juga memngaruhi value secara tidak langsung melalui cognitive competence dan affect. Total efek yang dimiliki difficulty terhadap value merupakan jumlah dari dua efek yakni langsung dan tidak langsung. Difficulty berpengaruh langsung yang negative sebesar (– .495) dan pengaruh tidak langsung yang positif sebesar (.512), sehingga difficulty memiliki total efek terhadap value sebesar (.017). yang mana angka tsb menunjukkan pengaruh yang bersih dari difficulty terhadap value. Namun total efek dapat diabaikan ketika pengaruh baik secara langsung maupun tidak langsung menunjukkan angka yang besar.

•

Dari hasil direct dan indirect effect terhadap achievement , maka yang memiliki pengaruh direct paling besar yaitu previous success sebesar (.682) dan signifikan. Dan pengaruh secara tidak langsung tetap positif sebesar (.118),

 

27   

sehingga menunjukkan hasil yang konsisten ketimbang variabel lain. 4

Fidia M. Nasser (2004)

•

Dari hasil penelitian Nasser ini didapatkan bahwa memiliki kemampuan matematika yang memadai dan sikap positif terhadap statistika maka akan meningkatkan prestasi dibidang statistika. Meskipun efek keduanya signifikan, namun efek dari kemampuan matematika yang memadai secara substantial lebih besar efeknya daripada variabel sikap dibidang statistika.

•

Hasil juga mengindikasikan bahwa motivasi yang kuat untuk sukses dan mathematics anxiety yang rendah maka akan memperkuat sikap yang positif terhadap statistika.

•

Variance total dari mathematical aptitude, mathematics anxiety, attitudes toward mathematics, attitudes toward statistics dan motivation secara bersamaan memengaruhi prestasi belajar statistika sebesar 36%. Secara terpisah, mathematical aptitude memengaruhi sebesar 22% dari prestasi belajar statistika ; sedangkan variable kognitif dan afektif sebesar 14%.

•

Kemudian Nasser mengatakan penting untuk dicatat bahwa kombinasi antara mathematical aptitude, mathematics anxiety, attitudes toward mathematics dan motivation memiliki varians sebesar 51% dalam sikap terhadap

 

28   

statistika. 5

Galli S, Ciancaleoni ,

•

Chiesi F, Primi C (2007)

Fokus terhadap latar belakang nilai matematika ketika SMA, maka ditemukan ada perbedaan yang signifikan antara mahasiswa yang lulus ujian statistika dan mahasiswa yang tidak lulus ujian statistika, dimana mahasiswa yang tidak gagal ujian statistika memiliki nilai prestasi matematika lebih tinggi (M=6,92, SD=1,13) daripada mahasiswa yang gagal ujian statistika (M=6,48; SD=1,25) ketika mereka SMA. Selanjutnya ada hubungan yang signifikan antara learning debts (utang belajar) pada matematika dengan kegagalan (chi-square (1,n=311) = 13,96, p< 0,01), mahasiswa yang memilki learning debts yang tinggi maka lebih memungkinkan gagal ketika ujian statistika.

•

Kemudian masih pada aspek kompetensi bidang matematika, bahwasannya mahasiswa yang tidak gagal ujian statistika memiliki

kompetensi

matematika

yang

lebih

tinggi

(M=23,71; SD=4,6) dibandingkan dengan kompetensi matematika

mahasiswa

yang

gagal

ujian

(M=20,48;

SD=5,9), perbedaanya secara statistic juga signifikan(t (323) = 5,39, p<0,01). •

Kemudian pada aspek sikap, ditemukan bahwa ada perbedaan sikap yang signifikan (t (350) = 2,96, p<0.01) antara sikap mahasiswa yang tidak gagal ujian statistika

 

29   

dimana sikap mereka lebih positif (M=117,40; SD=17,24) dengan sikap mahasiswa yang gagal ujian statistika (M=111,83; SD=16,35). Hasil yang sama juga ditemukan pada saat pengukuran di akhir perkuliahan yang juga signifikan secara statistic (t (256) = 5,41, p<0,01). •

Selanjutnya tentang kecemasan terhadap statistika, yang juga berbeda

signifikan

secara

statistic,

(t

(248) = -5,48, p<0,01), mahasiswa yang tidak gagal ujian statistika memiliki skor kecemasan statistika yang rendah (M=109,15; SD=24,25) sedangkan mahasiswa yang gagal ujian memiliki skor kecemasan statistika yang lebih tinggi (M=126,32; SD=15,41). •

Terakhir, menguji

beda pada performance atau prestasi

belajar dibidang statistika. Hasil yang ditemukan berbeda signfikan secara statistic (t (440) = 8,96, p< 0,01), dimana mahasiswa yang lulus statistika pertama kali memiliki nilai statistika

yang

lebih

tinggi

(M=24,43;

SD=4,06)

dibandingkan dengan mahasiswa yang harus mengulang ujian agar lulus (M=21,15; SD=2,97). 6

Candace Schau (2003)

•

Mahasiswa ketika berbicara tentang sikap terhadap Statistika lebih negative ketimbang ketika mereka merespon SATS.

•

Mahasiswa mengatribusikan sikap berkaitan dengan prestasi mereka sebelumnya dan terkait dengan instructor juga.

 

30   

•

Secara rata-rata, sikap cognitive competence dan value terhadap statistika mendapatkan nilai yang paling tinggi dan positif, sedangkan affect mendapatkan skor yang netral, kemudian difficulty agak negative. Perbedaan mean pada empat aspek sikap ini besar.

•

Pada class section berbeda sangat besar pada mean diawal perkuliahan dengan mean diakhir perkuliahan.

•

Mahasiswa dan mahasiswi, begitupun juga keturunan kulit putih dan keturunan spanyol, memiliki skor pre-test yang sama. Namun, mahasiswa kulit putih memilki skor sikap yang lebih tinggi daripada mahasiswi keturunan spanyol pada beberapa komponen sikap.

•

Secara keseluruhan sikap mahasiswa berubah dari awal perkuliahan sampai akhir perkuliahan menjadi kecil dan negative.

•

Sikap mahasiswa dan prestasi terhadap statistic berkorelasi secara positif.

7

Fadia Nasser (2004)

•

Analisis yang digunakan menggunakan path analysis.

•

Meskipun memiliki pengaruh yang signifikan terhadap motive to avoid failure, namun sikap terhadap matematika dan kecemasan matematika hanya memprediksi sekitar 10% dari variance motive to avoid failure.

•

Sikap terhadap matematika berkorelasi positif dengan sikap

 

31   

terhadap statistika (.31**), sedangkan motive to avoid failure berkorelasi negative dengan sikap terhadap statistika (.33**). Sikap terhadap matematika dan motive to avoid failure memiliki pengaruh varian sebesar 37% pada sikap terhadap statistika. •

Ketiga exogenous variable (sikap terhadap matematika, kecemasan matematika, kemampuan matematika) dan dua endogenous variable (sikap terhadap statistika, motive to avoid

failure)

kecemasan

secara

statistika,

signifikan dengan

berkorelasi

varians

sebesar

dengan 67%.

Sedangkan korelasi negative terbesar terdapat pada korelasi antara kecemasan statistika dengan sikap terhadap statistika (-.57**). Korelasi positif terbesar terdapat pada sikap terhadap statistika dengan prestasi dibidang statistika (.50**). 8

Brian Evans (2007)

•

Tidak ada perbedaan yang signifikan antara pre-test dan post-test tentang sikap dan konsep mahasiswa pada masingmasing departemen (sosiologi,psikologi dan matematika) F (1,228)= 0,166 p=.684. sehingga mahasiswa menunjukkan tidak ada perubahan yang berarti baik ketika awal perkuliahan maupun pada saat akhir perkuliahan. Sedangkan ketika dilakukan analisis uji F ketiganya untuk melihat apakah ada perbedaan, maka ditemukan secara statistic

 

32   

bahwa ada perbedaan signifkan antara ketiganya F (2,227), = 9,913 p=.000. kemudian dilakukan tukey test untuk menguji manakah yang paling berbeda signifkan terhadap sikap dan konseptual terhadap statistika, ternyata ditemukan bahwa mahasiswa sosiologi menunjukkan sikap yang lebih positif ketimbang mahasiswa psikologi dan matematika p = .000, dan juga mahasiswa sosiologi menunjukkan konseptual yang lebih benar daripada mahasiswa matematika p=.002. •

Selanjutnya yang kedua, menguji hubungan antara sikap positif terhadap statistika dengan keakuratan konsep tentang statistika baik sebelum maupun sesudah perkuliahan (pre & post). Dari hasil menunjukkan bahwa tidak ada korelasi yang signifikan antara keduanya pada pre-test r= .143; n=115; p= .127. sedangkan pada post-test, meskipun signifikan secara statistic namun korelasi keduanya hanya menunjukkan tingkat korelasi yang rendah r= .197; n=115; p= .035. Namun ketika dilakukan analisis per departemen masingmasing untuk dibandingkan pre & post-test, ternyata hanya departemen matematika saja yang menunjukkan ada korelasi yang signifikan baik pre & post-test, dengan r = .451; n=30; p= .012 dan r = .431; n=30; p = 018.

•

Kemudian yang terakhir memprediksi prestasi belajar statistika, dimana prediktornya variabel sikap dan konsep

 

33   

tentang Statistika dengan menggunakan regresi linear. Dari analisis ini didapatkan korelasi yang signifikan hanya variabel antara sikap ketika awal dan akhir perkuliahan statistika terhadap nilai ujian statistika. r= .203,n = 115; R2 = .04 p = .03 dan r = .247; R2 = .06; n = 115; p = .008. persamaan regresi sederhana antara sikap awal perkuliahan dengan prestasi statistika yaitu, y’ = 76.045 + 4.324 x. dimana y adalah prestasi belajar, sedangkan x adalah skor sikap ketika awal perkuliahan. Untuk persamaan regresi sederhana antara sikap ketika akhir perkuliahan terhadap prestasi statistika yaitu, y’ = 75.526 + 4.574 x. dimana y adalah prestasi belajar statistika, x skor sikap ketika akhir perkuliahan. Namun meskipun persamaan ini signifikan, hanya

menghasilkan

R2

yang

kecil,

sehingga

menginterpretasikannya perlu kehati-hatian, atau dengan kata lain memprediksikan prestasi dibidang statistika tidak cukup dengan sikap diawal dan akhir perkuliahan statistika saja.

 

34   

Dari tabel yang telah dibuat peneliti bisa menyimpulkan beberapa hal, diantaranya yaitu : 1. Prestasi dibidang statistika di temukan berkorelasi positif dengan variabel mathematical aptitude (Lalonde & Gardner, 1993 ; Nasser, 2004 ; Galli, Ciancaleoni, Chiesi, Primi, 2007). Tetapi mathematical aptitude merupakan predictor yang negative terhadap statistics anxiety (Lalonde & Gardner, 1993). 2. Prestasi dibidang statistika juga berkaitan dengan

prestasi matematika

sewaktu SMA, self-concept terhadap matematika dan IP sebelumnya atau hal ini dikenal dengan previous success (Sorge & Schau, 2002 ; Galli, Ciancaleoni, Chiesi, Primi, 2007). Sebagai contoh, previous success bisa juga dikaitkan dengan prestasi dibidang statistika sebelumnya yaitu nilai statistika 1 menjadi predictor untuk nilai statistika 2 (Nasser, 2004). Bahkan bisa juga nilai hasil kuis dan nilai mid-term yang dijadikan predictor bagi nilai akhir statistika (Nasser, 2004 ; Galli, Ciancaleoni, Chiesi, Primi, 2007). 3. Kemudian variabel sikap (attitudes) pada beberapa penelitian (Galli, Ciancaleoni, Chiesi, Primi, 2007 ; Schau, 2003 ; Nasser, 2004) menunjukkan hasil bahwa mahasiswa yang memiliki skor sikap yang positif terhadap statistika maka mendapatkan prestasi statistitka yang tinggi pula, artinya keduanya memiliki korelasi yang positif. Namun demikian, Pada penelitian Evans (2007) sikap terhadap statistika hanya memengaruhi prestasi belajar statistika sebesar 4% pada awal perkuliahan statistika, sedangkan 6% pada

 

35   

akhir perkuliahan Statistika. Dengan demikian sikap terhadap statistika memengaruhi prestasi belajar statistika relative kecil. 4. Prestasi belajar statistika masih menyisakan pola yang belum pasti jika dihubungkan dengan variabel statistics anxiety. Pada penelitian Lalonde dan Gardner (1993) statistics anxiety berpengaruh positif terhadap effort, hanya saja bersifat tidak langsung, ia harus melalui variabel sikap dan motivasi, yang selanjutnya effort tsb akan berpengaruh positif terhadap achievement. Selanjutnya pada penelitian Galli, Ciancaleoni, Chiesi, Primi, (2007), menunjukkan bahwa mahasiswa yang tidak gagal ujian statistika memiliki skor kecemasan statistika rendah dibandingkan dengan mahasiswa yang gagal ujian memiliki skor kecemasan statisstika yang lebih tinggi. Sedangkan pada peneltian Nasser (2004), statistics anxiety memiliki pengaruh yang positif dan signifikan, bahkan memengaruhi secara langsung terhadap prestasi dibidang statistika. 5. Selanjutnya dari hasil penelitian Onwuegbuzie (2004), disimpulkan bahwa statistics anxiety berpengaruh negative terhadap prestasi belajar statistika secara tidak langsung, namun statistics anxiety terlebih dahulu menyebabkan atau

memengaruhi

penundaan

tugas-tugas

akademik

(academic

procrastination) yang selanjutnya akan berkorelasi negative terhadap prestasi belajar. Artinya semakin tinggi mahasiswa menunda-nunda untuk melakukan tugas-tugas akademik dibidang statistika, maka semakin rendah prestasi belajar statistika-nya.

 

36   

6. Terakhir, Nasser (2004) secara simultan menjadikan mathematical aptitude, mathematics anxiety, attitudes toward mathematics, attitudes toward statistics, dan motivation sebagai predictor terhadap prestasi belajar statistika, menghasilkan varians sebesar 36%. Dalam analisis psikologi dengan varians sebesar ini, sudah cukup diasumsikan bahwa semua predictor tersebut memiliki pengaruh yang cukup berarti. Dari pembahasan hasil penelitian diatas, tampaklah bahwa cukup banyak variabel yang memengaruhi prestasi belajar statistika. Namun secara garis besar, peneliti membatasi ada dua variabel utama yang memengaruhi prestasi belajar statistika, yaitu variabel kognitif (mis : inteligence) dan variabel afektif (mis : statistics anxiety ; attitudes toward statistics). 2.3 Pengukuran Prestasi Belajar Statistika Pengukuran disini yang peneliti maksudkan adalah prosedur pemberian angka (pengkuantifikasian) terhadap atribut atau variabel sepanjang suatu kontinum (Azwar, 1999). Namun secara lebih spesifik lagi bahwa pengukuran pada penelitian ini adalah dalam bidang prestasi belajar, dengan demikian prosedur pengkuantifikasian atau pengukuran tersebut selain bersifat kontinum yang dinyatakan dengan kuantitatif, dan juga haruslah dapat dibandingkan antara hasil ukur tsb dengan suatu penormaannya atau hasilnya dinyatakan secara evaluative (peneliti adaptasi dari karakteristik evaluasi dalam “Dasar-dasar Psikometri, Azwar, 1999). Kontinum disini maksudnya adalah bervariasi menurut besarannya (magnitude) (Umar, 2010), sedangkan evaluative yang dimaksud adalah hasil angka tersebut dapat diinterpretasikan sesuai

 

37   

dengan norma atau criteria yang telah dibuat. Pengertian norma adalah harga rata-rata bagi suatu kelompok subjek (Azwar, 1999). Misal, skor tes prestasi belajar seorang mahasiswa dari rentangan nilai 0 – 100, ia mendapatkan nilai 86 (kontinum), dengan skor tersebut, dapat diinterpretasikan berdasarkan nilai tengah yaitu 50, ia dinyatakan diatas rata-rata, kemudian jika disyaratkan untuk ujian kenaikan tingkat adalah nilai yang diatas rata-rata, maka dengan nilai tsb mahasiswa dinyatakan lulus dan dapat mengikuti tingkat selanjutnya (Umar, 2010). Oleh karenanya seluruh penelitian pengukuran prestasi belajar dibidang statistika menggunakan bilangan kontinum seperti, hasil ujian akhir Statistika (final examination), ada juga yang menggunakan hasil kuis dan hasil ujian tengah semester (mid-term examination), namun ada juga yang mengukur prestasi belajar statistika dengan tes lisan. Berikut peneliti berikan pengukuran prestasi belajar pada beberapa penelitian terdahulu : 1. Lalonde dan Gardner (2003) mengukur prestasi belajar dengan tiga pengukuran, yaitu dua kali (2) ujian tertulis seperti biasa dan dengan kuis. 2. Nasser (2004) ia mengukur prestasi belajar dengan menggunakan tiga komponen, yaitu : skor pada kuis, skor uts (mid-term), dan terakhir ujian akhir / UAS (final exam). 3. Galli, Ciancaleoni, Chiesi, Primi (2007), menggunakan pengukuran yang agak berbeda yaitu dengan tes tertulis dimana didalamnya ada tiga pertanyaan pemecahan masalah (tidak dicontohkan oleh mereka) beserta enam pertanyaan terbuka dan tertutup tentang konsep statistika; dan juga menggunakan verbal

 

38   

test (seperti tanya jawab lisan) keduanya dijadikan nilai akhir prestasi belajar statistika. 4. Schau (2003) justru lebih simple pengukuran yang digunakannya, yaitu untuk prestasi statistika, dalam instrument sampel diminta untuk menuliskan nilai akhir (grade final) pada mata kuliah statistika sebelumnya, sedangkan prestasi secara umum ia menggunakan IP / GPA. 5. Sedangkan Nasser (2004), mengukur prestasi belajar statistika dengan menggunakan skor harapan dan skor actual dari ujian akhir statistika. Namun tidak diketahui maksud skor harapan disitu apakah skor dari prediksi berdasarkan regresi atau skor harapan yang diinginkan oleh mahasiswa. 6. Evans (2007) mengukur prestasi belajar statistika dengan total nilai akhir statistika, rentangan skala mulai dari 0 – 100. Meskipun penelitian ini pada sampel yang berbeda, namun telah ditetapkan bahwa nilai tsb didapatkan dari hasil tes tertulis. Dari sini terlihat bahwa meskipun instrument pengukuran prestasi belajar berbeda-beda, tidak ada satupun pendekatan tunggal yang digunakan untuk alat ukur prestasi belajar statistika, namun secara skala pengukuran, bahwa alat ukur tersebut sama yaitu menggunakan skala kontinum. Sehingga menurut hemat peneliti tidak perlu lagi untuk menyusun secara baku alat ukur prestasi belajar statistika sebab tentu alat ukur tersebut dibuat sesuai dengan materi perkuliahan statistika yang diberikan, namun sejauh pengukuran tersebut menggunakan skala kontinum maka dapat diterima. Untuk lebih lengkap tentang instrument pengukuran prestasi

 

belajar

39   

statistika, maka akan peneliti paparkan di Bab 3 pada sub-bab instrument pengumpulan data. 2.4 Hipotesis Penelitian. Dalam penelitian ini, peneliti ingin melihat pengaruh independent variable yang diketahui terhadap dependent variable. Dalam penelitian ini dependent variable yaitu prestasi belajar statistika 1 dan 2, sedangkan variabel yang di teorikan peneliti sebagai Independent Variable berdasarkan teori dan penelitian sebelumnya tentang prestasi belajar statistika, yaitu sikap terhadap statistika, kecemasan terhadap statistika, motivasi belajar statistika, kebutuhan untuk berprestasi, self efficacy terhadap statistika, intelegensi dan prestasi belajar statistika 1. Bunyi hipotesis utamanya yaitu : “ada pengaruh yang signifikan dari faktor psikologis seperti sikap terhadap statistika, self efficacy terhadap statistika, kecemasan terhadap statistika, motivasi belajar statistika, intelegensi dan kebutuhan berprestasi terhadap prestasi belajar Statistika 1 dan 2”. Selanjutnya hipotesis minor penelitian ini yaitu : •

Sikap terhadap statistika berpengaruh signifikan terhadap prestasi belajar statistika 1.

•

Self efficacy terhadap statistika berpengaruh signifikan terhadap prestasi belajar statistika 1.

•

Kecemasan terhadap statistika berpengaruh signifikan terhadap prestasi belajar statistika 1.

 

40   

•

Motivasi belajar statistika berpengaruh signifikan terhadap prestasi belajar statistika 1.

•

Intelegensi berpengaruh signifikan terhadap prestasi belajar statistika 1.

•

Kebutuhan berprestasi berpengaruh signifikan terhadap prestasi belajar statistika 1. Selanjutnya pada analisis statistic yang kedua bunyi hipotesis minor juga sama

seperti diatas, hanya saja hipotesis minor penelitian bertambah satu yaitu : •

Prestasi belajar statistika 1 berpengaruh signifikan terhadap prestasi belajar statistika 2. Kemudian dikarenakan adanya analisis statistik, maka hipotesis utama

tersebut dibalik menjadi hipotesis nihil, yang berbunyi bahwa “tidak ada pengaruh yang signifikan dari faktor psikologis yaitu sikap terhadap statistika, self efficacy terhadap statistika, kecemasan terhadap statistika, motivasi belajar statistika, intelegensi dan kebutuhan berprestasi terhadap prestasi belajar Statistika 1 dan 2”. Adapun hipotesis nihil minor penelitian yaitu : •

Sikap terhadap statistika tidak berpengaruh signifikan terhadap prestasi belajar statistika 1.

•

Self efficacy terhadap statistika tidak berpengaruh signifikan terhadap prestasi belajar statistika 1.

 

41   

•

Kecemasan terhadap statistika tidak berpengaruh signifikan terhadap prestasi belajar statistika 1.

•

Motivasi belajar statistika tidak berpengaruh signifikan terhadap prestasi belajar statistika 1.

•

Intelegensi berpengaruh tidak signifikan terhadap prestasi belajar statistika 1.

•

Kebutuhan berprestasi tidak berpengaruh signifikan terhadap prestasi belajar statistika 1. Pada analisis yang kedua, hipotesis nihil penelitian bertambah satu mengikuti

ditambahnya pula satu independen variabel yaitu : •

Prestasi belajar statistika 1 tidak berpengaruh signifikan terhadap prestasi belajar statistika 2. Dengan demikian semua hipotesis nihil inilah yang akan diujikan pada

analisis statistik penelitian. Jika digambarkan dengan model, maka hipotesis utama dan kerangka berpikir akan tampak seperti :

 

42    Gambar 2.1 kerangka berpikir

Sikap   Statistika 

Kecemasan  Statistika  

Prestasi  belajar  Statistika 1 

Motivasi  Statistika  

Prestasi  belajar   Statistika 2 

Kebutuhan  Berprestasi 

Self Efficacy  

Intelegensi  

Keterangan : Kotak yang memiliki arah panah menuju kotak tersebut sebagai dependen variabel, sedangkan kotak yang tidak ada arah panah menuju kotak tersebut sebagai independen variabel. Namun prestasi belajar statistika 1 juga menjadi independen variabel untuk prestasi belajar statistika 2.

 

43   

BAB 3 METODE PENELITIAN Pada bab ini akan dipaparkan tentang Populasi dan Sampel, Variabel Penelitian, Definisi Operasional, Instrumen Pengumpulan data, Prosedur Pengumpulan Data, dan Metode Analisis Data. 3.1. Populasi & Sampel Populasi pada penelitian ini yaitu Mahasiswa/i Fakultas Psikologi UIN Syarif Hidayatullah Jakarta tahun akademik 2009/2010 yang berjumlah kurang lebih 208 mahasiswa. Seluruh anggota populasi tersebut peneliti jadikan sampel seluruhnya, dikarenakan pertimbangan jumlah anggota populasi yang tidak terlalu banyak. 3.2 Variabel Penelitian Adapun variabel penelitian yang akan diteliti dalam penelitian ini yaitu : 1. Prestasi Belajar Statistika 1 & 2 2. Sikap terhadap Statistika (Attitudes Toward Statistics) 3. Kecemasan terhadap Statistika (Statistics Anxiety) 4. Motivasi Belajar Statistika 5. Kebutuhan untuk Berprestasi (Need for Achievement) 6. Self efficacy terhadap Statistika 7. Intelegensi (IQ) Dependent variabel (outcome variable) dalam penelitian ini adalah prestasi belajar statistika 1 & 2, sedangkan variabel lainnya merupakan variabel independen  

44   

(predictor variable). Namun pada analisis yang kedua, prestasi belajar statistika 1 juga menjadi variabel independen untuk prestasi belajar statistika 2. 3.3.

Definisi Operasional Variabel 1. Prestasi belajar Statistika 1 & 2 adalah skor akhir yang didapat dari akhir perkuliahan Statistika. Meskipun skor akhir ini memang dinyatakan dalam bentuk huruf (contoh : A ; B ; …; E), namun nilai tersebut tetap memiliki data kuantitatifnya, yang berupa angka interval (mis : A = 80 - 100 ; B = 70 – 80). Skor dari interval inilah yang akan dijadikan skor dependent variabel. 2. Kecemasan terhadap Statistika adalah hasil ukur simtom psikologis mengenai perasaan cemas, pusing, jantung berdetak cepat, mual yang dialami siswa ketika dalam situasi belajar statistika. 3. Sikap terhadap Statistika adalah skor yang didapat dari mahasiswa tentang perasaan positif maupun negative dari mahasiswa terhadap pelajaran statistika.

4. Motivasi Belajar Statistika adalah skor yang didapat dari hasil perkalian antara valensi (desireability) dengan harapan (expectancy). Hal ini sudah dijelaskan pada bab 2. 5. Kebutuhan untuk berprestasi (need for achievement) adalah skor yang didapat tentang keinginan didalam dirinya untuk meraih atau mendapatkan prestasi. 6. Self efficacy adalah skor yang diperoleh tentang keyakinan diri yang dimiliki siswa untuk meraih sukses dan percaya terhadap kemampuannya dalam menghadapi perkuliahan statistika.

 

45   

7. Intelegensi adalah skor yang didapat tentang kemampuan menyeluruh dari seseorang yang bersifat potensial untuk berpikir, bertindak dan berkembang. 3.4.

Instrumen Pengumpulan Data. 1. Prestasi belajar Statistika 1 & 2 didapatkan dengan menggunakan nilai akhir statistika mahasiswa tahun akademik 2009/2010 yang sudah ada di bagian Akademik Fakultas Psikologi. Jadi peneliti tidak mengambil data primer terhadap sampel. 2. Kecemasan statistika didapatkan dari alat ukur kecemasan statistika yang disusun oleh peneliti. Alat ukur ini terdiri dari 14 item, dengan alternative 2 jenis pilihan jawaban yaitu sangat setuju – sangat tidak setuju dan sangat sering – tidak pernah sama sekali. 3. Sikap terhadap Statistika diukur dengan menggunakan alat ukur sikap terhadap statistika yang peneliti susun sendiri. Terdiri dari 14 item, dengan rentangan respon yang diberikan mulai dari sangat setuju – sangat tidak setuju. 4. Motivasi belajar didapat dari skor perkalian antara valensi (desireability) dengan expectancy (harapan). Penjelasannya telah dijelaskan di bab 2, namun peneliti akan memberikan contohnya saja.

Mbi = f (Vbs x Ebi.bs) sebagai contoh jika seorang siswa memiliki motivasi belajar statistika (Mbi), maka bisa dihitung melelui, skor valensi bs (desirability) dikalikan dengan skor expectancy bi dari outcome bs tersebut. Misalnya siswa tersebut ingin mendapatkan beasiswa, maka ia diminta untuk menskoring berapa valensi

 

46   

yang ia miliki untuk outcome beasiswa tersebut, kemudian diukur subjective probability bahwa dengan ia belajar statistika (i) bagaimana ia akan mendapatkan outcome beasiswa (j). Kemudian dari hasil skor yang didapat, dijadikan sebagai skor motivasi belajar statistika. Namun karena adanya perbedaan valensi yang dimiliki oleh tiap individu, maka peneliti hanya membatasinya

sebanyak

3

faktor

saja.

Hal

ini

dilakukan

untuk

mempermudah peneliti dalam melakukan penghitungan data. Rentangan yang peneliti berikan dari 1 – 5, jika 1 menunjukkan angka yang terendah, sedangkan 5 menunjukkan angka yang terbesar. Instrument yang demikian disebut dengan self rating. 5. Need for achievement diukur dengan menggunakan data sub scale need for achievement pada tes EPPS (Edward Preference Personal Scale) yang diberikan kepada Mahasiswa tahun akademik 2009/2010. Sub scale ini terdiri dari 30 item, namun tiap item terdiri dari dua (2) pasang pernyataan a dan b, jadi total item sebanyak 60. Tiap pasang item terdapat salah satu pernyataan tentang need for achievement. Responden hanya diminta untuk memilih salah satu pernyataan dari pasangan pernyataan yang ada. 6. Self efficacy diukur dengan menggunakan kuesioner self efficacy yang disusun oleh peneliti. Alat ukur ini terdiri dari 13 item. Respon jawaban yang diberikan mulai dari sangat setuju – sangat tidak setuju dan sangat sering – jarang sekali. 7. Intelegensi didapat dari hasil pengukuran IST (Intelligenz Struktur Test) yang disusun oleh Rudolf Amthaueur di Jerman (1973). Alat ukur ini terdiri

 

47   

dari 176 item dengan 9 sub tes yaitu satzergaenzung mengukur pembentukan keputusan, berpikir konkrit praktis ; wortauswahl mengukur bahasa seseorang ; analogien mengukur kemampuan analisis berpikir ; gemeinsamkeiten

mengukur

kemampuan

abstrak

;

rechenauffgaben

mengukur kemampuan berhitung ; zahlenreihen mengukur kemampuan berpikir induktif ; formasuwahl mengukur kemampuan berpikir konkrit ; wurfelaugfgaben

mengukur

kemampuan

imajinasi

tiga

dimensi

;

merkaufgaben mengukur kemampuan mengingat. Peneliti tidak perlu mengambil data intelegensi terbaru dengan IST, tetapi cukup mengambil data hasil psikotes mahasiswa tahun 2009/2010, dimana dalam data tersebut sudah terdapat data IST. Hal ini sama seperti pengambilan data need for achievement dan prestasi belajar statistika 1 & 2. Pada instrument 1) self efficacy terhadap statistika, 2) sikap terhadap statistika, 3) kecemasan terhadap statistika, dan 4) sub skala kebutuhan berprestasi EPPS, peneliti melakukan uji validitas konstruk instrument tersebut. Oleh karena itu, digunakan CFA (Confirmatory factor Analysis) untuk pengujian validitas instrument. Adapun logika dari CFA (Umar, 2010) : 1. Bahwa ada sebuah konsep atau trait yang didefinisikan secara operasional sehingga dapat disusun pertanyaan atau pernyataan untuk mengukurnya. Trait ini disebut factor, sedangkan pengukuran terhadap factor ini dilakukan melalui analisis terhadap respon atas item-itemnya.

 

48   

2. Diteorikan setiap item hanya mengukur satu factor saja, begitupun juga subskala hanya mengukur satu factor juga. Artinya baik item maupun subskala bersifat unidimensional. 3. Dengan data yang tersedia dapat digunakan untuk mengestimasi matriks korelasi antar item yang seharusnya diperoleh jika memang unidimensional. Matriks korelasi ini disebut sigma (∑), kemudian dibandingkan dengan matriks dari data empiris, yang disebut matriks S. Jika teori tersebut benar (unidimensional) maka tentunya tidak ada perbedaan antara matriks ∑ matriks S atau bisa juga dinyatakan dengan ∑ - S = 0. 4. Pernyataan tersebut dijadikan hipotesis nihil yang kemudian diuji dengan chi square. Jika hasil chi square tidak signifikan p>0.05, maka hipotesis nihil tersebut “tidak ditolak”. Artinya teori unidimensionalitas tersebut dapat diterima bahwa item hanya mengukur satu factor saja. 5. Jika model fit, maka langkah selanjutnya menguji apakah item signifikan atau tidak mengukur apa yang hendak di ukur, dengan menggunakan t-test. Jika hasil t-test tidak signifikan maka item tersebut tidak signifikan dalam mengukur apa yang hendak diukur, bila perlu item yang demikian di drop dan sebaliknya. 6. Terakhir, apabila dari hasil CFA terdapat item yang koefisien muatan faktornya negative, maka item tersebut harus di drop. Sebab hal ini tidak sesuai dengan sifat item, yang bersifat positif (favorable). Adapun pengujian analisis CFA seperti ini dilakukan dengan bantuan sotware LISREL 8.30 (Joreskog dan Sorbom, 1999).

 

49   

3.5.

Prosedur Pengumpulan Data Seperti penelitian survey pada umumnya, tahapan pertama penelitian ini

mempersiapkan alat ukur, kemudian pengambilan data sesungguhnya. Namun ada beberapa hal khusus yang perlu peneliti sampaikan berkaitan dengan pengumpulan data. Untuk pengukuran motivasi belajar, peneliti membuatnya secara khusus seperti yang telah peneliti jelaskan sebelumnya. Adapun prosedurnya, sebagai berikut : 1. Peneliti menjelaskan pada responden bahwa sesungguhnya motivasi belajar itu merupakan perkalian dari skor valensi (desireability) dengan skor harapan (expectancy). 2. Peneliti meminta responden untuk menuliskan sebanyak 3 buah outcome mereka untuk belajar statistika, kemudian setiap valensi tersebut mereka tuliskan 1 – 5 berapa angka yang menunjukkan keinginan mereka untuk outcome tersebut. Namun sebelumnya peneliti memberikan contoh terlebih dahulu di papan tulis kelas. Setelah itu dari setiap masing-masing outcome, peneliti meminta responden untuk menuliskan harapan dari setiap valensi tersebut atau outcome yang diharapkan dari keinginan tersebut apa. Setiap outcome juga diwakili skala yang sama 1 – 5. 3. Setelah responden menuliskan skala pada seluruh valensi dan expectancy, maka selanjutnya peneliti meminta mereka untuk menskoring hasil kali antara

 

50   

skor valensi dengan expectancy. Kemudian dijumlahkan skor seluruh ketiga valensi tesebut. 4. Total skor inilah yang dijadikan sebagai skor motivasi belajar. Dimana nilai tertinggi untuk motivasi belajar statistika adalah 75, sedangkan nilai tertinggi untuk setiap valensi adalah 25. Selanjutnya, Peneliti menuju ke bagian akademik fakultas psikologi untuk meminta nilai statistika 1 & 2 mahasiswa Psikologi tahun akademik 2009/2010. Hal ini dilakukan dalam upaya pengambilan data dependent variabel. Namun, apabila data tersebut masih kurang maka peneliti bisa meminta data tersebut ke dosen statistika 1 & 2. Untuk EPPS & IST peneliti meminta izin kepada Kepala laboratorium fakultas psikologi untuk mengambil data psikotes mahasiswa tahun akademik 2009/2010 sebagai data penelitian. 3.6.

Metode Analisis Data. Peneliti menggunakan teknik analisis regresi multivariat untuk menguji

hipotesis nihil penelitian ini. Penelitian ini memiliki variabel independen sebanyak enam variabel, kemudian satu variabel independen juga menjadi variabel dependen, sedangkan yang murni variabel dependen sebanyak satu variabel. Adapun susunan persamaan regresi berganda adalah : Y1 = a + b1X1 + b2x2 + b3X3 +…+b6X6 Y2 = a + b1X1 + b2X2 + b3X3 +…+ b7X7

 

51   

Dimana : Y1

= Prestasi Belajar Statistika 1

Y2

= Prestasi Belajar Statistika 2

a

= intercept (konstan)

b

= koefisien regresi Sebelum melakukan analisis regresi berganda, peneliti melakukan korelasi

product moment seluruh variable penelitan. Sebab, dalam regresi idealnya IV tidak berkorelasi dengan IV lainnya, namun justru IV sebaiknya berkorelasi dengan DV. Dengan demikian dengan jumlah variabel sebanyak 8 variabel penelitian, maka terdapat 36 korelasi variabel. Selanjutnya analisis regresi, dimulai secara simultan, kemudian dari satu per satu IV. Sehingga nilai R2 yang dihasilkan dapat dilihat secara murni. Fungsi R2 ini adalah untuk melihat proporsi varians dari prestasi belajar statistika 1 & 2 yang dipengaruhi IV yang ada. Melihat koefisien determinasi dengan cara R2 X (dikalikan) 100%. Maka dihasilkanlah proporsi varians atau determinant. R2 didapatkan dengan rumus : 2

Selanjutnya R2 dapat diuji signifikansinya seperti uji signifikan pada F test biasa. Selain itu juga uji signifikan bisa juga dilakukan dengan tujuan melihat apakah pengaruh dari IV terhadap DV signifikan atau tidak. Pembagi disini adalah R2 itu

 

52   

sendiri dengan df nya (dilambangkan k), yaitu sejumlah IV yang dianalisis, sedangkan penyebutnya (1 – R2) dibagi dengan df nya N – k – 1 dimana N adalah total sampel. Untuk df dari pembagi sebagai numerator sedangkan df penyebut sebagai denumerator. Jika digambarkan maka : ⁄ 1

⁄

1

Atau dengan cara yang berbeda namun hasil yang sama, pembagi adalah Ssreg dbagi dengan df nya (k) didapat mean square regresi , kemudian penyebutnya Ssres dibagi dengan df nya (N – k – 1) didapat mean square residu. Dari hasil bagi MSreg dengan MSres didapatkan hasil F. Numerator dan denumerator juga dari df pembagi dan df penyebut. Kemudian selanjutnya peneliti melakukan uji koefisien regresi dari tiap-tiap IV yang dianalisis. Maksud uji koefisien regresi adalah melihat apakah signifikan dampak dari tiap IV terhadap DV, oleh karenanya sebelum didapat nilai t dari tiap IV, harus didapat dahulu nilai standard error estimate dari b (koefisien regresi) yang didapatkan melalui akar Msres dibagi dengan SSx. Setelah didapat nilai Sb barulah bisa dilakukan uji t, yaitu hasil bagi dari b (koefisien regresi) dengan Sb itu sendiri. Jika ditulis dengan rumus maka :

     

 

53     

BAB 4 HASIL PENELITIAN Dalam bab empat ini akan dibahas mengenai hasil penelitian yang telah dilakukan. Pembahasan tersebut meliputi tiga bagian yaitu, analisis deskriptif, uji validitas alat ukur, dan terakhir pengujian hipotesis penelitian. 4.1 Analisis Deskriptif Dalam sub bab ini akan dibahas mengenai populasi dan sampel yang digunakan dalam penelitian ini. Dalam penelitian ini seluruh anggota populasi mahasiswa psikologi UIN Jakarta angkatan 2009 yang terdaftar dalam kelas statistika 1 dan 2 dijadikan sampel secara keseluruhan. Hal ini dilakukan dengan pertimbangan jumlah anggota populasi yang tidak terlalu banyak, yaitu sebesar 208 mahasiswa. Tabel 4.1 Distribusi populasi penelitian berdasarkan Jenis Kelamin Jenis kelamin

N

Persentase

Laki – laki

39

18,2 %

Perempuan

169

81,8 %

TOTAL

208

100 %

Dari table diatas dapat dilihat bahwa perempuan jauh lebih banyak daripada laki – laki. Jumlah perempuan 168, sedangkan laki – laki hanya berjumlah 39.

 

54   

Fenomena populasi seperti ini lazim ditemui pada mahasiswa fakultas psikologi. Sebab, kebanyakan mahasiswa psikologi adalah perempuan. Selanjutnya peneliti memapaparkan distribusi frekuensi dan uji beda t-test mean prestasi statistika berdasarkan jenis kelamin. Tabel 4.2 Distribusi Prestasi Belajar Statistika berdasarkan Jenis kelamin Group Statistics JENIS KELAMIN STAT1

LAKI PEREMPUAN

STAT2

LAKI PEREMPUAN

N

Mean

Std. Deviation

Std. Error Mean

39

71.1538

6.65519

1.06568

168

74.2321

7.10568

.54822

39

71.1795

6.44765

1.03245

168

73.3690

6.07198

.46846

Untuk perolehan prestasi belajar statistika 1 mean perempuan jauh lebih besar daripada mean laki – laki, sedangkan mean prestasi belajar statistika 2 antara laki – laki dan perempuan tidak jauh berbeda. Lebih lanjut lagi peneliti menguji dengan independent sampel t-test untuk mengetahui apakah mean kedua kelompok berbeda secara statistic. Dari hasil yang didapat, pada statistika 1 ada perbedaan yang signifikan antara mean laki – laki dan perempuan (P < 0.05), sedangkan pada statistika 2 tidak ada perbedaan antara mean laki – laki dan perempuan (P > 0,05). Hal ini bisa dilihat langsung pada selisih mean statistika 1 dan statistika 2 antara laki – laki dan perempuan.

 

55   

4.2 Uji Validitas Alat Ukur Untuk menguji validitas alat ukur yang digunakan dalam penelitian ini, peneliti menggunakan Confirmatory Factor Analysis (CFA) dengan software Lisrel 8.30 (Joreskog dan Sorbom, 1994). Adapun criteria item yang baik pada CFA adalah (Umar, 2010) : 1. Melihat signifikan tidaknya item tersebut mengukur faktornya dengan melihat nilai t bagi koefisien muatan faktor item. Perbandingannya adalah jika t > 1.96 maka item tersebut signifikan dan sebaliknya. Apabila item tersebut signifikan maka item tidak akan di drop, dan sebaliknya. 2. Melihat koefisien muatan faktor dari item. Jika item tersebut sudah di scoring dengan favorable (pada skala likert 1 – 4), maka nilai koefisien muatan faktor pada item harus bermuatan positif, dan sebaliknya. Apabila item tersebut favorable, namun koefisien muatan faktor item bernilai negative maka item tersebut akan di drop dan sebaliknya. 3. Terakhir, apabila kesalahan pengukuran item terlalu banyak berkorelasi, maka item tersebut akan di drop. Sebab, item yang demikian selain mengukur apa yang hendak diukur, ia juga mengukur hal lain. Uji validitas tiap alat ukur akan dipaparkan pada sub bab berikut. 4.2.1

Uji Validitas skala Sikap terhadap Statistika Peneliti menguji apakah 14 item yang ada bersifat unidmensional mengukur

sikap terhadap statistika. Dari hasil awal analisis CFA yang dilakukan, model satu

 

56   

faktor tidak fit, dengan Chi – Square = 552,47 , df = 77 , P-value = 0.0000 , RMSEA = 0.173. Namun, setelah dilakukan modifikasi terhadap model, dimana kesalahan pengukuran pada beberapa item dibebaskan berkorelasi satu sama lainnya, maka diperoleh model fit seperti pada gambar dibawah ini : Gambar 4.1 Analisis Konfirmatorik dari faktor Sikap terhadap Statistika

0. 75

item 1

0. 67

item 2

0. 83

item 3

0. 76

item 4

0. 98

item 5

0. 120.23 0. 21 0. 75 0. 350. 13 -0 .22 1. 00 -0 .19 -0 .12 0.170. 46 -0 .14 0. 23 0. 94 -0.08 -0 .16 0. 12 0. 88 0. 41 -0 .12 -0 .20 0. 72

item 6

item 10

0. 30

item 11

0. 27

item 12

0. 53

item 13

0. 45

item 14

0. 27 0.18 -0 .15 0. 09

0. 52 0. 55 0. 40 0. 47 0. 09 0. 52 0. 05 0. 22 0. 34 0. 50 0. 83 0. 86 0. 68 0. 74

0.26 0.12

item 7

item 8

item 9

-0.08

Chi-Square=68.06, df=52, P-value=0.06668, RMSEA=0.039

 

sikap

1. 00

57   

Dari gambar 4.1, nilai Chi – Square menghasilkan P-value > 0.05 (tidak signifikan), yang artinya model dengan satu faktor (unidimensional) dapat diterima, bahwa seluruh item mengukur satu faktor saja yaitu sikap terhadap statistika. Kemudian melihat apakah signifikan item tersebut mengukur faktor yang hendak diukur. Sekaligus menentukan apakah item tersebut perlu di drop atau tidak. Dalam hal ini yang diuji adalah hipotesis nihil tentang koefisien muatan faktor dari item. Pengujiannya dilakukan dengan melihat nilai t bagi setiap koefisien muatan faktor, seperti pada table berikut. Tabel 4.3 Muatan Faktor item Sikap terhadap Statistika No 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Koefisien Standar error Nilai t Signifikan 0.52 0.07 7.59 V 0.55 0.07 8.39 V 0.40 0.07 5.63 V 0.47 0.07 6.70 V 0.09 0.07 1.22 X 0.52 0.07 7.63 V 0.05 0.07 0.68 X 0.22 0.07 3.06 V 0.34 0.07 4.78 V 0.50 0.07 7.53 V 0.83 0.06 14.24 V 0.86 0.06 14.99 V 0.68 0.06 10.88 V 0.74 0.06 12.18 V Keterangan : tanda V = signifikan (t > 1,96) ; X = tidak signifikan Pada tabel diatas, hanya nilai t bagi koefisien muatan faktor dari item 5 & 7

yang tidak signifikan, sedangkan koefisien muatan faktor item lainnya signifikan. Dengan demikian item no 5 & 7 akan di drop. Artinya bobot nilai pada item 5 & 7 tidak ikut dianalisis dalam penghitungan faktor skor. Selanjutnya melihat muatan

 

58   

faktor dari item apakah ada yang bermuatan negative. Dari tabel 4.4, pada kolom koefisien tidak terdapat item yang muatan faktornya negative. Dengan demikian tidak ada item yang di drop, kecuali item no 5 & 7. Pada model pengukuran ini terdapat kesalahan pengukuran item yang saling berkorelasi. Artinya dapat disimpulkan bahwa item – item tersebut bersifat multidimensional pada dirinya masing – masing. Korelasi kesalahan pengukuran item ditampilkan pada table dibawah ini. Tabel 4.4 Matriks Korelasi antar Kesalahan Pengukuran dari item Sikap terhadap Statistika

1 2 3 4 5 6 7 8 9 10 11 12 13 14

1 1 V

2

3

4

1 V

1

5

6

7

8

9

10

1 V V

1

11

12

13

14

1

V

1 V

V

1 V

1

V V

V V V

V V

V

V V

1

V V

1

V V

V

1 V

1

V

1

tanda V menunjukkan korelasi kesalahan pengukuran item Dari table diatas dapat dilihat korelasi antar kesalahan pengukuran pada item. Item yang baik adalah kesalahan pengukurannya tidak berkorelasi satu sama lain. Namun pada model ini tidak ada kesalahan pengukuran yang tidak berkorelasi, tetapi

 

59   

paling tidak ada item yang korelasi kesalahan pengukurannya hanya satu saja yaitu item 14. Sedangkan item yang tidak bagus yaitu 9 dan 10, karena terdapat banyak tanda V, yang artinya kesalahan pengukurannya berkorelasi dengan kesalahan pengukuran item lainnya. Artinya item tersebut selain mengukur apa yang hendak diukur, ia juga mengukur hal lain. Dengan demikian item 9 dan 10 akan di drop, artinya bobot nilai keduanya tidak akan dianalisis dalam penghitungan faktor skor. Langkah terakhir yaitu item – item sikap terhadap statistika yang tidak di drop dihitung faktor skornya. Faktor skor ini dihitung untuk menghindari estimasi bias dari kesalahan pengukuran. Jadi penghitungan faktor skor ini tidak menjumlahkan item – item variabel pada umumnya, tetapi justru dihitung true score pada tiap item. Setelah didapatkan faktor skor, peneliti mentransformasikan faktor skor menjadi T skor. T skor ini berfungsi yaitu pertama untuk menyamakan skala pengukuran yang berbeda – beda, hal ini hampir sama ketika menghitung Z skor. Perbedaannya pada Zscore memiliki rentangan mean = 0 dan standar deviasi = 1, sedangkan T skor memiliki rentangan mean = 50 dan standar deviasi = 15. Kemudian yang kedua, untuk menghindari nilai minus pada faktor skor agar pembaca mudah memahami interpretasi hasil penelitian. Adapun rumus T skor yaitu (Umar, 2010) : Tskor = (15 x faktor skor) + 50. Setelah didapatkan faktor skor yang telah dirubah menjadi T skor, nilai baku inilah yang akan dianalisis dalam uji hipotesis korelasi dan regresi. Perlu dicatat, bahwa hal yang sama juga berlaku untuk variabel self efficacy, kecemasan dan kebutuhan berprestasi.

 

60   

4.2.2 Uji Validitas alat ukur Self Efficacy terhadap Statistika Peneliti menguji apakah 13 item yang ada bersifat unidimensional mengukur satu faktor yaitu self efficacy terhadap statistika. Dari hasil awal analisis CFA yang dilakukan, model satu faktor tidak fit, dengan Chi – Square = 489.75 , df = 65 , Pvalue = 0.0000 , RMSEA = 0.178. Namun, setelah dilakukan modifikasi terhadap model, dimana kesalahan pengukuran pada beberapa item dibebaskan berkorelasi satu sama lainnya, maka diperoleh model fit seperti pada gambar dibawah ini

 

61   

Gambar 4.2 Analisis Faktor Konfirmatorik Self Efficacy terhadap Statistika

0. 37

IT E M 1

0. 40

IT E M 2

0. 89

IT E M 3

-0.17 0.27 0.22 -0 .360. 24 0. 69 -0.19 -0 .22 -0 .16 0. 75 -0.27 0. 21 0. 78 0.14 0. 08 -0 .02 0. 63 -0 .14 -0.11 0. 21 -0 .27 0. 37 0. 08 0.16 0. 19 0. 59 0.21 0. 42 0. 57 0.22 0. 10 0. 79

0.80 0.80 0.30 0.55 0.51 0.44 0.61 0.79 0.65 0.68 0.45 0.37 0.38

IT E M 4

IT E M 5

IT E M 6

IT E M 7

IT E M 8

IT E M 9

SELF

I T E M 10

I T E M 11

0. 87

I T E M 12

0. 86

I T E M 13

0.35

Chi-Square=50.21, df=40, P-value=0.12933, RMSEA=0.035 Dari gambar 4.1, nilai Chi – Square menghasilkan P-value > 0.05 (tidak signifikan), yang artinya model dengan satu faktor (unidimensional) dapat diterima, bahwa seluruh item mengukur satu faktor saja yaitu self efficacy terhadap statistika.

 

1. 00

62   

Langkah selanjutnya melihat apakah signifikan tidaknya item tersebut mengukur faktor yang hendak diukur. Dalam hal ini yang diuji adalah hipotesis nihil tentang koefisien muatan faktor dari item. Pengujiannya dilakukan dengan melihat nilai t bagi setiap koefisien muatan faktor, jika nilai t > 1,96 artinya item tersebut signifikan dan sebaliknya. Penyajiannya pada table berikut. Tabel 4.5 Muatan faktor item Self efficacy terhadap Statistika No 1 2 3 4 5 6 7 8 9 10 11 12 13

Koefisien Standar error Nilai t Signifikan 0.80 0.06 12.90 V 0.80 0.06 12.42 V 0.30 0.07 4.18 V 0.55 0.06 8.61 V 0.51 0.06 7.89 V 0.44 0.07 6.24 V 0.61 0.06 9.83 V 0.79 0.06 13.26 V 0.65 0.06 10,38 V 0.68 0.06 10.52 V 0.45 0.07 6.56 V 0.37 0.07 5.47 V 0.38 0.07 5.53 V Keterangan : tanda V = signifikan (t > 1,96) ; X = tidak signifikan Dari tabel diatas dapat kita lihat bahwa seluruh item signifikan (t >1,96) dan

semua koefisien bermuatan positif. Artinya semua koefisien muatan faktor dari item sesuai dengan sifat item, yang mana semuanya bersifat favorable. Dengan demikian item – item tersebut tidak akan di drop. Pada model pengukuran ini terdapat kesalahan pengukuran item yang saling berkorelasi. Sehingga dapat disimpulkan bahwa item – item tersebut bersifat

 

63   

multidimensional pada dirinya masing – masing. Kesalahan pengukuran item yang berkorelasi ditampilkan pada table dibawah ini. Tabel 4.6 Matriks korelasi antar kesalahan pengukuran item self efficacy terhadap Statistika 1 2 3 4 5 6 7 8 9 10 1 1 2 V 1 3 V 1 4 V 1 5 V 1 6 V V V 1 7 1 8 V 1 9 V V 1 10 V V V 1 11 V V V V V 12 V V V 13 V V V Tanda V menunjukkan korelasi kesalahan pengukuran item

11

12

13

1 V

1

1

Pada tabel diatas dapat dilihat korelasi antar kesalahan pengukuran item. Seperti yang telah dijelaskan diawal, bahwa item yang baik adalah kesalahan pengukurannya tidak berkorelasi satu sama lain, seperti item 7. Sedangkan item yang tidak bagus yaitu 2, 3, 6, 9 dan 11 karena kesalahan pengukuran item tersebut terlalu banyak berkorelasi dengan kesalahan pengukuran item lainnya. Artinya, jika item yang kesalahan pengukurannnya berkorelasi dengan kesalahan pengukuran lainnya, maka item tersebut selain mengukur apa yang hendak diukur, ia juga mengukur hal lain. Oleh sebab itu, item 2, 3, 6, 9 dan 11 tetap akan didrop. Sebab kesalahan pengukuran item tersebut terlalu banyak berkorelasi dengan kesalahan pengukuran

 

64   

item lainnya. Dengan demikian hanya ada 8 item yang bobot nilainya akan dikutsertakan dalam analisis uji hipotesis. 4.2.3 Uji Validitas alat ukur Kecemasan terhadap Statistika Peneliti menguji apakah 14 item yang ada bersifat unidimensional mengukur kecemasan terhadap statistika. Hasil awal analisis CFA yang dilakukan, model satu faktor tidak fit, dengan Chi – Square = 627.31 , df = 77 , P-value = 0.0000 , RMSEA = 0.186. Namun, setelah kesalahan pengukuran pada beberapa item dibebaskan berkorelasi satu sama lainnya, maka diperoleh model yang fit seperti pada gambar dibawah ini :

 

65   

Gambar 4.3 Analisis faktor Konfirmatorik Kecemasan terhadap Statistika

0. 82

IT E M 1

0. 82

IT E M 2

0. 26 0. 09 0. 06 -0 .11 0. 75 0. 16 -0 .19 0. 77 0. 24 -0 .07 0. 56 -0 .06 0. 17 -0 .09 0. 16 0. 14 0. 22 -0 .16 -0 .23 0. 06 0. 83 -0 .15 -0 .38 0. 20 0. 16 -0 .15 0. 07 0. 48 -0 .36 -0 .07 -0 .20 -0 .200. 05 0. 56 -0 .33 -0 .11 -0 .14 0. 23 0. 37 -0 .36 -0 .11 0. 58 -0 .27 0. 13 0. 61

IT E M 3

0. 29

0. 24

0. 41 0. 43 0. 85 0. 50 0. 47 0. 66 0. 87 0. 39 0. 71 0. 68 0. 80 0. 65 0. 64 0. 88

IT E M 4

IT E M 5

IT E M 6

IT E M 7

IT E M 8

IT E M 9

I T E M 10

ANXIE

I T E M 11

I T E M 12

I T E M 13

I T E M 14

Chi-Square=54.79, df=42, P-value=0.08922, RMSEA=0.038 Dari gambar 4.1, nilai Chi – Square menghasilkan P-value > 0.05 (tidak signifikan), yang artinya model dengan satu faktor (unidimensional) dapat diterima, bahwa seluruh item mengukur satu faktor saja yaitu kecemasan terhadap statistika. Kemudian melihat apakah signifikan tidaknya item tersebut mengukur faktor yang hendak diukur. Pada tahap ini yang diuji adalah hipotesis nihil tentang koefisien muatan faktor pada item. Pengujiannya dilakukan dengan melihat nilai t dari setiap koefisien muatan faktor dari item, seperti pada table berikut :

 

1. 00

66   

Tabel 4.7 Muatan Faktor Kecemasan terhadap Statistika No

Koefisien

Nilai t

Signifikan

0.41

Standar error 0.06

1

6.76

V

2

0.43

0.06

6.99

V

3

0.85

0.06

14.53

V

4

0.50

0.06

8.17

V

5

0.47

0.07

7.20

V

6

0.66

0.06

10.37

V

7

0.87

0.06

14.32

V

8

0.39

0.07

5.73

V

9

0.71

0.06

11.75

V

10

0.68

0.06

10.96

V

11

0.80

0.06

12.84

V

12

0.65

0.06

10.69

V

13

0.64

0.06

10.30

V

14

0.88

0.06

13.94

V

Keterangan : tanda V = signifikan (t > 1,96) ; X = tidak signifikan Dari tabel diatas dapat kita lihat bahwa seluruh item signifikan (t >1,96) dan semua koefisien bermuatan positif. Dengan demikian, pada tahapan ini tidak ada item yang di drop. Namun pada model pengukuran ini terdapat kesalahan pengukuran item yang saling berkorelasi, sehingga dapat disimpulkan sebenarnya item – item tersebut bersifat multidimensional pada dirinya masing – masing. Kesalahan pengukuran item yang berkorelasi ditampilkan pada table dibawah ini.  

67   

Tabel 4.8 Matriks korelasi antar kesalahan pengukuran item kecemasan terhadap Statistika

1 2 3 4 5 6 7 8 9 10 11 12 13 14

1 1 V

2

3

4

1 V

1

5

6

7

1 V

1

8

9

1 V V

1 V

10

11

12

13

1 V

1

14

1

1 V V V

V V V V V

V V

V

V 1 V V V V V V V V V V V V V V Tanda V menunjukkan korelasi kesalahan pengukuran item

1 V V

Dari table diatas dapat dilihat korelasi antar kesalahan pengukuran item. Item yang bagus adalah kesalahan pengukurannya tidak berkorelasi satu sama lain. Namun sayangnya, dalam model pengukuran ini semua kesalahan pengukuran saling berkorelasi satu sama lain. Meskipun demikian masih ada kesalahan pengukuran item yang berkorelasi hanya sekali saja, yaitu item no 4. Sedangkan item yang tidak bagus yaitu 3, 7, 10, 13, 14 karena kesalahan pengukuran item tersebut terlalu banyak berkorelasi dengan kesalahan pengukuran item lainnya. Artinya item yang kesalahan pengukurannnya saling berkorelasi dengan kesalahan pengukuran lainnya maka item tersebut selain mengukur apa yang hendak diukur, ia juga mengukur hal lain.

 

1

68   

Dengan demikian item 3, 7, 10, 13 dan 14 akan di drop. Hal ini dilakukan karena kesalahan pengukuran item – item tersebut terlalu banyak berkorelasi dengan kesalahan pengukuran item lainnya. Bahkan item no 3, 7 dan 14 berkorelasi sebanyak setengah total item kecemasan. Dengan demikian hanya ada 9 item yang akan ikut dianalisis dalam uji hipotesis. 4.2.4 Uji Validitas Sub Scale need for Achievement EPPS Peneliti menguji apakah 28 item n-ach EPPS bersifat unidimensional mengukur satu faktor yaitu kebutuhan berprestasi. Dari hasil awas analisis CFA yang dilakukan, model satu faktor tidak fit, dengan Chi – Square = 651.10, df = 350 , Pvalue = 0.0000 , RMSEA = 0.084. Namun, setelah dilakukan modifikasi terhadap model, dimana kesalahan pengukuran pada item dibebaskan berkorelasi satu sama lainnya, maka diperoleh model fit seperti pada gambar dibawah ini

 

69   

Gambar 4.4 Analisis Konfirmatorik Subtes Achievement EPPS

1. 96

IT E M 2

2. 00

IT E M 3

1. 91

IT E M 4

1. 84

IT E M 5

1. 97

IT E M 6

1. 99

I T E M 11

1. 46

I T E M 16

1. 85

IT E M 2 1

1. 89

IT E M 2 6

1. 93

IT E M 3 1

1. 86

IT E M 3 6

1. 97

IT E M 4 1

0. 27

-0 .46

1. 93

IT E M 4 6

-0 .10

-0 .43

2. 00

I T E M 51

0. 46

0. 46

0. 21

0. 56

0. 02 0. 30 0. 40 0. 16

-0 .46 0. 42

0. 05 0. 76

0. 84

0. 38 0. 34

-0 .42 -0 .80

0. 37 0. 27 0. 06

ACH

0. 60

0. 50 0. 58

1. 64

I T E M 56

0. 41

1. 94

IT E M 6 1

1. 12

IT E M 6 6

1. 97

I T E M 71

1. 74

I T E M 76

1. 86

I T E M 77

1. 79

I T E M 78

1. 93

I T E M 79

1. 92

IT E M 8 0

1. 93

I T E M 15 2

1. 95

I T E M 15 3

1. 70

I T E M 15 4

1. 98

I T E M 15 5

1. 97

IT E M 1

0. 25 0. 94 0. 18 0. 51

0. 39

0. 43 0. 46 0. 27 0. 28

-0 .87

0. 27 0. 22

0. 49

0. 55 0. 15

0. 45 0. 41

-0 .35

0. 18

Chi- Square =360.19 , df=33 1, P-v alue=0. 12952, RMSEA= 0.021

Dari gambar 4.1, nilai Chi – Square menghasilkan P-value > 0.05 (tidak signifikan), yang artinya model dengan satu faktor (unidimensional) dapat diterima, bahwa seluruh item mengukur satu faktor saja yaitu kebutuhan berprestasi.

 

1. 00

70   

Tahapan selanjutnya melihat apakah signifikan tidaknya item tersebut mengukur faktor yang hendak diukur. Dalam hal ini yang diuji adalah hipotesis nihil tentang koefisien muatan faktor item. Pengujiannya dilakukan dengan melihat nilai t bagi setiap koefisien muatan faktor, seperti pada table berikut : Tabel 4.9 Muatan Faktor Item subtes Achievement EPPS Item Koefisien Standar error Nilai t 2 0.21 0.09 2.18 3 0.02 0.10 0.25 4 0.30 0.12 2.55 5 0.40 0.10 4,25 6 0.16 0.09 1.69 11 0.05 0.12 0.45 16 0.76 0.12 6.29 21 0.38 0.10 3.75 26 0.34 0.09 3.56 31 0.27 0.09 2.88 36 0.37 0.09 3.93 41 -0.10 0.12 -0.87 46 0.27 0.10 2.83 51 0.06 0.09 0.59 56 0.60 0.09 6.35 61 0.25 0.09 2.68 66 0.94 0.11 8.32 71 0.18 0.10 1.84 76 0.51 0.10 5.01 77 0.43 0.12 3.64 78 0.46 0.09 4.87 79 0.27 0.10 2.72 80 0.28 0.09 2.99 152 0.27 0.09 2.81 153 0.22 0.09 2.29 154 0.55 0.09 5.78 155 0.15 0.09 1.62 1 0.18 0.09 1.90 Keterangan : tanda V = signifikan (t > 1,96) ; X = tidak signifikan

 

Signifikan V X V V X X V V V V V X V X V V V X V V V V V V V V X X

71   

Dari tabel 4.10 dapat dilihat koefisien muatan faktor dari item mana sajakah yang signifikan (t > 1.96). Sebanyak 8 item tidak signifikan yaitu 3, 6, 11, 41, 51, 71, 155, 1, sedangkan sisanya signifikan. Bahkan koefisien muatan faktor item 41 bernilai negative, padahal seharusnya positif. Dengan demikian item yang muatan faktornya tidak signifikan dan koefisiennya bernilai negative akan di drop, yaitu 1, 3, 6, 11, 41, 51, 71, 155. Artinya bobot nilai pada item tersebut tidak akan diikutkan dalam analisis statistik uji hipotesis. Kemudian pada model pengukuran ini terdapat kesalahan pengukuran item yang saling berkorelasi, sehingga dapat disimpulkan sebenarnya item – item tersebut bersifat multidimensional pada dirinya masing – masing. Kesalahan pengukuran item yang berkorelasi ditampilkan pada table dibawah ini :

 

72   

Tabel 4.10 Matriks korelasi antar kesalahan pengukuran item subtes Achievement EPPS   1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28 

1  1                                                       

2    1        V                                             

3      1                  V          V  V                     

4        1        V                                         

5          1                                               

6            1                      V                       

7              1                    V    V                   

8                1                        V                 

9                  1                                       

10                    1                                     

11                      1                                   

12                        1          V  V        V             

13                         1            V                   

14                           1                            V 

15                             1                  V         

16                               1                  V       

17                                 1      V                 

18                                   1                     

19                                     1                   

20                                       1                 

21                                          1               

22                                            1        V      

23                                              1           

24                                               1         

25                                                 1       

Ket : Pada tabel diatas, no 1 s/d 28 hanya sebagai symbol, sedangkan urutan item yang benar yaitu 2,3,4,5,6,11,16,21,26,31,36,41,46,51,56,61,66,71,76,77,78,79,80,152,153,154,155,1. Tanda V menunjukkan korelasi

Dari tabel diatas dapat kita lihat korelasi kesalahan pengukuran item. Kesalahan pengukuran item yang paling banyak berkorelasi yaitu item 66, dalam tabel tersebut diwakili oleh no 17, sedangkan kesalahan pengukuran item yang tidak berkorelasi satu sama lain yaitu item 2 (no 1), item 6 (no 5), item 26 (no 9), item 31

 

26                                                   1     

27                                                     1   

28                                                       1 

73   

(no 10), item 36 (no 11), item 78 (no 21), item 80 (no 23), item 155 (no 27). Item yang kesalahan pengukurannya berkorelasi satu sama lain dapat di simpulkan bahwa item – item tersebut bersifat multidimensional, yang artinya selain mengukur faktor need for achievement, item tersebut juga mengukur faktor – faktor lain. Meskipun begitu item 66 tidak akan di drop. Berarti sebanyak 20 item n–ach EPPS tetap akan dianalisis bobot nilainya pada uji hipotesis. 4.3 Uji Hipotesis penelitian 4.3.1 Analisis Korelasional dari Variabel Penelitian Pada penelitian ini terdapat 6 variabel independen, 1 variabel independen sekaligus menjadi dependen yaitu statistika 1 dan terakhir 1 variabel dependen yaitu statistika 2. Dengan total 8 variabel maka akan terdapat 36 korelasi. Adapun matriks korelasi akan dipaparkan sebagai berikut.

 

74   

Tabel 4.11 Matriks Korelasi Antar Variabel Correlations STAT1 STAT1

Pearson Correlation

STAT2

IQ

ATTITUDE

MOTIVATION

SELF EFFICACY

ANXIETY

ACHIEVEME NT

1

(2-tailed) N STAT2

Pearson Correlation

208 .534**

1

Sig. (2-tailed)

.000

N

208

208

.234**

.262**

Sig. (2-tailed)

.001

.000

N

208

208

208

-.012

-.058

.011

Sig. (2-tailed)

.867

.405

.872

N

208

208

208

208

.206**

.188**

.088

.084

Sig. (2-tailed)

.003

.007

.207

.226

N

208

208

208

208

208

ANXIET Pearson Y Correlation

.065

.006

.059

.604**

.141*

Sig. (2-tailed)

.352

.930

.397

.000

.042

N

208

208

208

208

208

208

.228**

.165*

.064

-.406**

.004

-.270**

.001

.018

.355

.000

.956

.000

N

208

208

208

208

208

208

208

ACHIEV Pearson EMENT Correlation

.049

.209**

.128

-.133

-.042

-.013

.101

Sig. (2-tailed)

.482

.002

.065

.055

.549

.851

.145

N

208

208

208

208

208

208

208

IQ

Pearson Correlation

ATTITU Pearson DE Correlation

MOTIVA Pearson TION Correlation

SELF Pearson EFFICA Correlation CY Sig. (2-tailed)

1

1

**. Correlation is significant at the 0.01 level (2tailed). *. Correlation is significant at the 0.05 level (2tailed).

 

1

1

1

1

208

75   

Dari matriks diatas korelasi antara IQ, statistika 1 dan statistika 2 berkorelasi secara signifikan (p < 0.05). Korelasi antara IQ dengan statistika 1 sebesar 0.234, sedangkan korelasi antara IQ dengan statistika 2 sebesar 0.262. Kemudian korelasi antara statistika 1 dan statsitika 2 sebesar 0.534 dan arahnya positif. Artinya jika nilai statistika 1 bagus maka akan diikuti pula oleh nilai statistika 2 dan sebaliknya. Selanjutnya korelasi antara sikap, statistika 1 dan statistika 2 tidak signifikan (p > 0.05). Variabel sikap dengan statistika 1 memiliki besaran korelasi yaitu -0.012, sedangkan pada statistika 2, variabel sikap juga berkorelasi negative yaitu – 0.058. Hubungan antara sikap dengan performance atau prestasi belajar memang belum begitu jelas arahnya. Penelitian tentang attitudinal factors dengan behavioral criterion masih belum begitu jelas hubungannya, meskipun telah banyak penelitian yang dilakukan sebelumnya. Seperti yang peneliti kutip dari artikel milik Wisenbaker (2000) dikatakan bahwa antara sikap dengan prestasi belajar memang saling keterkaitan, namun hubungan antara keduanya masih berinteraksi secara kompleks dengan variabel lainnya, bahkan tidak jarang hubungan antara keduanya tidak dapat diprediksi. Selanjutnya hubungan antara motivasi dengan statistika 1. Keduanya berkorelasi secara signifikan ( p < 0.05) , besaran korelasi keduanya yaitu 0.206, artinya arah hubungan keduanya positif meskipun tidak terlalu besar. Korelasi antara motivasi dengan statistika 2 juga signifikan secara statistic (p < 0.05), besaran korelasinya tergolong kecil yaitu 0.188 dan hubungannya juga positif. Justru yang menarik hubungan antara kecemasan, sikap dan self efficacy. Korelasi antara sikap dengan kecemasan signifikan (p < 0.05) sebesar 0.630. Artinya

 

76   

hubungan keduanya cukup besar dan tergolong positif. Semakin positif sikap mahasiswa terhadap statistika maka semakin tinggi pula tingkat kecemasan mahasiswa tersebut. Hasil korelasi kedua variabel ini berbeda dengan hasil penelitian Nasser (2004), dalam penelitiannya justru dihasilkan korelasi yang negative antara variabel sikap terhadap statistika dengan kecemasan terhadap statistika. Kemudian korelasi antara kecemasan dengan self efficacy arahnya negative sebesar - 0.270 dan signifikan secara statistik (p < 0.05). artinya semakin tinggi self efficacy mahasiswa maka akan semakin rendah tingkat kecemasannya. Sedangkan korelasi antara self efficacy dengan sikap bersifat negative yaitu – 0.406 dan signifikan secara statistic (p < 0.05). Hal ini kemungkinan bisa dinterpretasikan bahwa hubungan antara self efficacy dan sikap dapat dimoderatori oleh variabel kecemasan. Perlu dicatat bahwa kecemasan mahasiswa angkatan 2009 terhadap statistika berdasarkan data peneliti, tergolong tinggi yaitu μ = 31.2981. Hal ini dapat dimaklumi karena memang mahasiswa merasa cemas ketika menghadapi perkuliahan statistika 1 dan 2, sebab perkuliahan statistika merupakan salah satu mata kuliah pokok di fakultas psikologi UIN Jakarta. 4.3.2 Analisis Regresi Variabel Penelitian Pada tahapan ini peneliti menguji hipotesis penelitian dengan teknik analisis regresi multivariat penghitungannya dibantu oleh software SPSS 16. Seperti yang sudah disebutkan pada bab 3, dalam regresi ada 3 hal yang dilihat yaitu, melihat apakah IV berpengaruh signifikan terhadap DV, kedua melihat besaran R square untuk mengetahui berapa persen (%) varians pada DV yang dijelaskan oleh IV,

 

77   

kemudian terakhir melihat signifikan atau tidaknya koefisien regresi dari masing – masing IV. Langkah pertama peneliti menganalisis dampak dari seluruh independent variabel terhadap prestasi belajar statistika 1. Adapun hasil uji F dapat dilihat pada tabel berikut : Tabel 4.12 Tabel Anova ANOVAb Model 1

Sum of Squares

df

Mean Square

Regression

1686.903

6

281.151

Residual

8998.020

201

44.766

10684.

207

Total

F

Sig.

6.280

a

.000

a. Predictors: (Constant), ACHIEVEMENT, ANXIETY, IQ, MOTIVATION, SELF EFFICACY, ATTITUDE

Jika melihat kolom ke 6 dari kiri (p < 0.05) , maka hipotesis nihil yang menyatakan tidak ada pengaruh yang signifikan seluruh independen variabel terhadap statistika 1 ditolak. Artinya ada pengaruh yang signifikan dari kebutuhan berprestasi, kecemasan terhadap statistika, IQ, motivasi, sikap terhadap statistika dan self efficacy terhadap prestasi belajar statistika 1. Untuk tabel R square, dapat dilihat sebagai berikut Tabel 4.13 Tabel Rsquare

Model Summary Model 1

R .397a

Adjusted R Square

R Square .158

Std. Error of the Estimate

.133

a. Predictors: (Constant), ACHIEVEMENT, ANXIETY, IQ, MOTIVATION, SELF EFFICACY, ATTITUDE

 

6.69076

78   

Dari tabel diatas dapat kita lihat bahwa perolehan R square sebesar 0.158 atau 15,8

%. Artinya proporsi varians dari statistika 1 yang dijelaskan oleh semua

independen variabel adalah sebesar 15,8 %, sedangkan 84,2 % sisanya dipengaruhi oleh variabel lain diluar penelitian ini. Langkah terakhir adalah melihat koefisien regresi tiap independen variabel. Jika nilai t > 1,96 maka koefisien regresi tersebut signifikan yang berarti bahwa IV tersebut memiliki dampak yang signifikan terhadap prestasi belajar statistika 1. Adapun penyajiannya ditampilkan pada tabel berikut : Tabel 4.14 Koefisien Regresi Coefficientsa Standardized Unstandardized Coefficients Model 1

B (Constant)

Std. Error 38.358

6.792

IQ

.202

.057

ATTITUDE

.019

MOTIVATION

Coefficients Beta

t

Sig.

5.648

.000

.232

3.519

.001

.045

.037

.424

.672

.091

.035

.171

2.594

.010

ANXIETY

.043

.044

.080

.975

.331

SELF EFFICACY

.145

.037

.278

3.904

.000

ACHIEVEMENT

.002

.039

.004

.064

.949

a. Dependent Variable: STAT1

Dari fungsi persamaan diatas, untuk melihat signifikan atau tidaknya koefisien regresi yang dihasilkan, kita cukup melihat nilai sig pada kolom yang paling kanan (kolom ke-6), jika sig < 0.05, maka koefisien regresi yang dihasilkan signifikan pengaruhnya terhadap prestasi belajar dan sebaliknya. Dari hasil diatas hanya koefisien regresi IQ, motivasi dan self efficacy yang signifikan, sedangkan sisa  

79   

lainnya tidak. Dengan demikian dapat disusun persamaan regresi pada prestasi belajar statistika 1, yaitu : Persamaan 4.1 Regresi Statistika 1 Statistika 1’ = 38.358 + 0.202*IQ + 0.019*Sikap + 0.091*Motivasi + 0.043*Kecemasan + 0.145*Self efficacy + 0.002*Kebutuhan Berprestasi Selanjutnya peneliti menganalisis dampak seluruh independent variabel terhadap prestasi belajar statistika 2. Dalam analisis yang kedua ini prestasi belajar statistika 1 ikut dijadikan sebagai independent variabel. Adapun hasilnya dapat dilihat sebagai berikut. Tabel 4.14 Anova ANOVAb Model 1

Sum of Squares

df

Mean Square

Regression

2679.341

7

382.763

Residual

5131.424

200

25.657

Total

7810.764

207

F 14.918

Sig. .000a

a. Predictors: (Constant), STAT1, ATTITUDE, ACHIEVEMENT, MOTIVATION, IQ, SELF EFFICACY, ANXIETY b. Dependent Variable: STAT2

Untuk menolak atau menerima hipotesis nihil yang berbunyi bahwa tidak ada pengaruh yang signifikan dari seluruh independen variabel terhadap prestasi belajar statistika 2, dapat dilihat pada kolom ke-6 dari kiri (p < 0.05). Dengan demikian hipotesis nihil yang menyatakan tidak ada pengaruh yang signifikan dari independen variabel terhadap statistika 2 ditolak. Artinya ada pengaruh yang signifikan dari prestasi belajar statistika 1, sikap terhadap statistika, kebutuhan berprestasi, motivasi,

 

80   

IQ, kecemasan terhadap statistika dan self efficacy terhadap statistika, terhadap prestasi belajar statistika 2. Untuk perolehan Rsquare dapat dilihat pada tabel berikut.

Tabel 4.15 Model Summary

Model Summary Model 1

R

Adjusted R Square

R Square

.586a

.343

.320

Std. Error of the Estimate 5.06529

a. Predictors: (Constant), STAT1, ATTITUDE, ACHIEVEMENT, MOTIVATION, IQ, SELF EFFICACY, ANXIETY

Dari tabel diatas, dapat dilihat bahwa proporsi varians dari statistika 2 yang dijelaskan oleh variabel independen sebesar 0.343 atau 34,3 %, sedangkan sisa varians sebesar 65.7 % dijelaskan oleh variabel lain diluar penelitian ini. Melihat perubahan varians yang cukup besar antara prestasi belajar statistika 1 dan prestasi belajar statistika 2, maka dapat disimpulkan penambahan varians dari variable baru yaitu prestasi belajar statistika 1 yang kemungkinan cukup besar pengaruhnya terhadap prestasi belajar statistika 2. Langkah terakhir melihat koefisien regresi tiap independen variabel. Jika nilai t > 1,96 maka koefisien regresi tersebut signifkan. Artinya IV yang bersangkutan dampaknya signifikan terhadap DV. Penyajiannya dapat dilihat pada tabel berikut :

 

81   

Tabel 4.16 Koefisien Regresi

Coefficientsa Standardized Unstandardized Coefficients Model 1

B (Constant)

Std. Error

2.106

.036

.034

-.007

-.091

.928

.042

.027

.091

1.537

.126

-.013

.033

-.028

-.386

.700

SELF EFFICACY

.073

.029

.165

2.395

.005

ACHIEVEMENT

.085

.029

.168

2.869

.005

STAT1

.402

.053

.470

7.532

.000

ANXIETY

.045

-.003

Sig.

.126

MOTIVATION

.094

t

.000

ATTITUDE

5.535

Beta

4.933

IQ

27.300

Coefficients

a. Dependent Variable: STAT2

Untuk melihat signifikan atau tidaknya koefisien regresi yang dihasilkan, kita cukup melihat kolom paling kanan (kolom ke-6), jika sig < 0.05, maka koefisien regresi IV yang bersangkutan signifikan dampaknya terhadap DV dan sebaliknya. Dari persamaan diatas hanya ada empat koefisien regresi yang signifikan, yaitu statistika 1 dan IQ, self efficacy dan kebutuhan berprestasi sedangkan sisa lainnya tidak signifikan. Dengan demikian dapat disusun persamaan regresi pada prestasi belajar statistika 2, yaitu :

 

82   

Persamaan 4.2 Regresi Statistika 2 Statistika 2’ = 27.3 + 0.094*IQ – 0.003*Sikap + 0.042*Motivasi 0.013*Kecemasan

+

0.073*Self

Efficacy

+

0.085*Kebutuhan Berprestasi + 0.402*Statistika 1 Kemudian langkah selanjutnya peneliti menguji penambahan proporsi varians dari tiap independen variabel jika iv tersebut dimasukkan satu per satu ke dalam analisis regresi. Tujuannya adalah melihat penambahan (incremented) proporsi varians dari tiap iv apakah signifikan atau tidak. Untuk analisis lengkapnya dibahas pada sub bab berikut. 4.4.1 Pengujian Proporsi Varians untuk masing – masing Independent Variabel Pengujian pada tahapan ini bertujuan untuk melihat apakah signifikan tidaknya penambahan (incremented) proporsi varians dari tiap iv, yang mana iv tersebut dianalisis secara satu per satu. Pada tabel 4.17 kolom pertama adalah iv yang dianalisis secara satu per satu, kolom kedua merupakan total penambahan varians dv dari tiap iv yang dianalisis satu per satu tersebut, kolom ketiga merupakan nilai murni varians dv dari tiap iv yang dimasukkan secara satu per satu, kolom keempat adalah harga f hitung bagi iv yang bersangkutan, kolom df adalah derajat bebas bagi iv yang bersangkutan pula, yang terdiri dari numerator dan denumerator, kolom f tabel adalah kolom mengenai nilai/harga iv pada tabel f dengan df dan taraf level of significance 5 % yang telah ditentukan sebelumnya, harga pada kolom inilah yang akan dibandingkan dengan harga pada kolom f hitung. Apabila harga f hitung lebih besar daripada f tabel, maka kolom selanjutnya, yaitu kolom signifikan akan dituliskan signifikan dan sebaliknya. Jika signifikan artinya bahwa penambahan (incremented)

 

83   

proporsi varians dari iv yang bersangkutan, dampaknya signifikan. Besarnya proporsi varians pada prestasi belajar statistika 1 dapat dilihat pada tabel berikut :

Tabel 4.17 Penghitungan Proporsi Varians Statistika 1

IV

R2

R2

F

CHANGE

HITUNG

DF

F TABEL

SIGNIFIKAN

X1

0.055

0.055

12.22

1,206

3,84

SIGNIFIKAN

X12

0.055

0

0

1,205

3,84

TIDAK SIGNIFIKAN

X123

0.091

0.036

7.627

1,204

3,84

SIGNIFIKAN

X1234

0.094

0.003

0.163

1,203

3,84

TIDAK SIGNIFIKAN

X12345

0.158

0.064

15.384

1,202

3,84

SIGNIFIKAN

X123456

0.158

0

0

1,201

3,84

TIDAK SIGNIFIKAN

TOTAL

0.158

Keterangan : X1 = IQ X2 = Sikap terhadap statistika X3 = Motivasi belajar statistika X4 = Kecemasan terhadap statistika X5 = Self efficacy terhadap statistika X6 = Kebutuhan berprestasi terhadap statistika

 

84   

Dari tabel diatas dapat ringkas sebagai berikut : •

Variabel IQ memberikan sumbangan sebesar 5,5 % dalam varians prestasi belajar statistika 1. Sumbangan tersebut signifikan secara statistik dengan F hitung = 12,22 dan df = 1, 206.

•

Variabel sikap tidak memberikan sumbangan varians sama sekali, sebesar 0 %. Oleh karena itu tidak signifikan dengan F hitung = 0 dan df = 1, 205.

•

Variabel motivasi memberikan sumbangan varians sebesar 3,6 % pada prestasi belajar statistika 1. Sumbangan tersebut signifikan dengan F hitung = 7.627 dan df = 1, 204.

•

Variabel kecemasan memberikan sumbangan sebesar 0.3 % pada prestasi belajar statistika 1. Sumbangan ini tidak signifkan dengan nilai F hitung = 0.163 dan df = 1, 203.

•

Variabel self efficacy memberikan sumbangan sebesar 6,4 % pada prestasi belajar statistika 1. Dan sumbangan tersebut signifikan secara statistic dengan nilai F hitung = 15.384 dan df = 1,202.

•

Terakhir, variabel kebutuhan berprestasi memberikan sumbangan hanya sebesar 0 % terhadap bervariasinya nilai statistika 1. Sumbangan ini tentunya tidak signifikan dengan F hitung = 0 dan df = 1,201. Dengan demikian dapat disimpulkan bahwa ada 3 IV yang signifikan

sumbangannya terhadap prestasi belajar statistika 1, yaitu IQ, motivasi dan self efficacy. Sedangkan 3 IV lainnya tidak memberikan sumbangan secara signifikan.

 

85   

Salah satu asumsi dalam regresi yang harus dipenuhi agar hasil analisis regresi dengan metode least square dapat dipercaya adalah bahwa distribusi frekuensi dari residual mengikuti distribusi normal. Apabila residual berada disekitar garis harapan untuk kurva normal, dapat disimpulkan bahwa persamaan regresi ini memiliki error atau residual yang distribusinya mengikuti kurva normal. Artinya, hasil persamaan regresi beserta interpretasinya dapat dipercaya. Berikut adalah gambar “residual plot” yang dihasilkan yaitu gambar 4.5 untuk dependent variabel prestasi belajar statistika 1 dan gambar 4.6 untuk dependent variabel prestasi belajar statistika 2. Gambar 4.5 Residual Plot Statistika 1

Dari gambar diatas dapat kita lihat bahwa distribusi dari residual yang dihasilkan adalah normal. Dengan demikian, uji hipotesis dan penelitian dengan analisis regresi pada statistika 1 dapat dipercaya.

 

86   

Selanjutnya pengujian signifikansi sumbangan varians iv terhadap statistika 2. Dalam analisis yang kedua ini, prestasi belajar statistika 1 dijadikan predictor bagi prestasi belajar statistika 2. Adapun hasil sumbangan varians tiap IV dapat dilihat pada tabel berikut : Tabel 4.18 Penghitungan Proporsi Varians Statistika 2

IV

R2

R2

F

CHANGE

HITUNG

DF

F TABEL

SIGNIFIKAN

X1

0.069

0.069

15.26

1,206

3,84

SIGNIFIKAN

X12

0.072

0.003

0.667

1,205

3,84

TIDAK SIGNIFIKAN

X123

0.102

0.03

6.622

1,204

3,84

SIGNIFIKAN

X1234

0.102

0

0

1,203

3,84

TIDAK SIGNIFIKAN

X12345

0.129

0.027

6.264

1,202

3,84

SIGNIFIKAN

X123456

0.157

0.028

6.68

1,201

3,84

SIGNIFIKAN

X1234567

0.346

0.189

46.66

1,200

3,84

SIGNIFIKAN

TOTAL

0.346

Keterangan : X1 = IQ X2 = Sikap terhadap statistika X3 = Motivasi belajar statistika X4 = Kecemasan terhadap statistika X5 = Self efficacy terhadap statistika X6 = Kebutuhan berprestasi terhadap statistika X7 = Prestasi Belajar Statistika 1

 

87   

Dari tabel diatas maka dapat disimpulkan : •

Variabel IQ memberikan sumbangan varians sebesar 6,9 % pada prestasi belajar statistika 2. Sumbangan ini signifikan dengan nilai F hitung sebesar = 15,26 dan df = 1, 206.

•

Variabel sikap hanya memberikan sumbangan varians sebesar 0,3 %. Namun sumbangan ini tidak signifikan dengan nilai F hitung = 0.667 dan df = 1,205.

•

Variabel motivasi memberikan sumbangan varians sebesar 3 %. Dan sumbangan ini signifikan dengan F hitung = 6.622 dan df = 1,204.

•

Variabel kecemasan memberikan sumbangan sebesar 0 %. Sumbangan ini tentunya tidak signfikan dengan nilai F hitung = 0 dan df = 1,203.

•

Variabel self efficacy memberikan sumbangan varians sebesar 2,7 % pada prestasi belajar statistika 2. Sumbangan ini tidak signifikan dengan nilai F = 6.264 % dan df = 1,202.

•

Variable kebutuhan berprestasi memberikan sumbangan varians sebesar 2,8 %. Sumbangan ini signifikan dengan nilai F = 6,68 dan df = 1,201.

•

Terakhir variabel prestasi belajar statistika 1 memberikan sumbangan varians sebesar 18,9 % terhadap prestasi belajar statistika 2. Tentunya sumbangan ini signifikan dengan nilai F = 46.66 dan df = 1,200.

 

88   

Dengan demikian, sumbangan varians yang signifikan terhadap prestasi belajar statistika 2 hanya ada 5 iv, yaitu IQ, motivasi, self efficacy, kebutuhan berprestasi dan prestasi belajar statistika 1. Sedangkan sumbangan varians dari iv lainnya tidak signifikan. Selanjutnya peneliti akan menampilkan gambar “residual plots” dari prestasi belajar statistika 2. Gambar 4.6 Residual Plot Statistika 2

Dari gambar diatas dapat kita lihat bahwa residual dari prestasi belajar statistika 2 mengikuti kurva distirbusi normalnya. Dengan demikian uji hipotesis dengan menggunakan analisis regresi yang ada pada prestasi belajar statistika 2 dapat dipercaya.

 

89   

BAB 5 KESIMPULAN, DISKUSI DAN SARAN Pada bab ini, peneliti akan menyimpulkan hasil penelitian. Dalam bab ini juga akan dimuat diskusi dan saran. 5.1 Kesimpulan Berdasarkan hasil uji hipotesis penelitian, maka kesimpulan yang dapat diambil dari penelitian ini adalah : “ada pengaruh yang signifikan dari faktor – faktor psikologis terhadap prestasi belajar baik pada statistika 1 maupun pada statistika 2”. Pada prestasi belajar statistika 1 hanya ada tiga independen variabel yang signifikan pengaruhnya yaitu IQ, motivasi dan self efficacy. Dengan demikian hanya ada 3 hipotesis minor yang diterima yaitu ada pengaruh yang signifikan dari IQ terhadap prestasi belajar statistika 1 ; ada pengaruh yang signifikan dari motivasi belajar statistika terhadap prestasi belajar statistika 1 ; dan ada pengaruh yang signifikan dari self efficacy terhadap statistika terhadap prestasi belajar statistika 1. Selain itu, ketiga iv tersebut yakni IQ, motivasi dan self efficacy juga signifikan sumbangan variansnya terhadap prestasi belajar statistika 1. Untuk IQ memberikan sumbangan sebesar 5,5 %, untuk motivasi memberikan sembangan sebesar 3,6 %, terakhir self efficacy memberikan sumbangan sebesar 6,4 % terhadap bervariasinya prestasi belajar statistika 1. Dari sini terlihat bahwa meskipun ketiga iv tersebut pengaruhnya signifikan terhadap prestasi belajar statistika 1, tetapi sumbangan variansnya relative kecil.

 

90   

Pada prestasi belajar statistika 2, ada empat independen variabel yang signifikan pengaruhnya terhadap prestasi belajar statistika 2, yaitu IQ, prestasi belajar statistika 1, self efficacy dan kebutuhan berprestasi. Dengan demikian hanya ada empat hipotesis minor yang diterima pada prestasi belajar statistika 2, yaitu ada pengaruh yang signifikan dari IQ terhadap prestasi belajar statistika 2 ; ada pengaruh yang signifikan dari prestasi belajar statistika 1 terhadap prestasi belajar statistika 2 ; ada pengaruh yang signifikan dari self efficacy terhadap presasi belajar statistika 2 ; ada pengaruh yang signifikan dari kebutuhan berprestasi terhadap prestasi belajar statistika. Namun jika dilihat berdasarkan sumbangan proporsi varians terhadap prestasi belajar statistika 2, ada lima sumbangan iv yang signifikan, yaitu sumbangan varians dari IQ, prestasi belajar statistika 1, motivasi, self efficacy dan kebutuhan berprestasi. Sumbangan varians dari IQ sebesar 6,9 % ; sumbangan varians dari motivasi sebesar 3 % ; sumbangan varians self efficacy sebesar 2,7 % ; sumbangan varians dari kebutuhan berprestasi sebesar 2,8 % ; sumbangan yang sangat besar diberikan oleh prestasi belajar statistika 1 yakni sebesar 18,9 % terhadap varians prestasi belajar statistika 2. Artinya tinggi rendahnya prestasi belajar statistika 2 sangat dipengaruhi oleh prestasi belajar pada statistika 1. Hal ini tidak mengherankan sebab, untuk mengikuti mata kuliah statistika 2 harus terlebih dahulu lulus mata kuliah statistika 1.

 

91   

5.2 Diskusi Dari hasil penelitian yang telah dipaparkan pada bab 4, dapat dipahami bahwa IQ, self efficacy dan motivasi yang secara konsisten memengaruhi prestasi belajar statistika 1 dan 2. Bahkan korelasi kelima variabel tersebut bersifat positif, hal ini sesuai dengan koefisien regresi IQ, self efficacy dan motivasi pada kedua DV tersebut yang bernilai postif. Artinya jika semakin tinggi IQ seorang mahasiswa, maka semakin tinggi pula prestasi belajar statistika 1 dan 2 mahasiswa tersebut. Begitupun juga pada variabel self efficacy dan motivasi. Sumbangan varians IQ pun hampir tidak jauh berbeda terhadap kedua DV, yaitu 5,5 % pada prestasi belajar statistika 1 dan 6,9 % pada prestasi belajar statistika 2. Hal ini sesuai dengan teori dari Walberg (1981) yang mengatakan salah satu variabel yang memengaruhi prestasi belajar siswa adalah variabel personal, termasuk didalamnya intelegensi siswa. Artinya seseorang dengan IQ tinggi cenderung lebih mudah dalam belajar dan hasilnya pun cenderung baik. Sedangkan seseorang dengan IQ rendah cenderung kesulitan dalam transfer belajar dan hasilnya pun cenderung kurang bagus. Bahkan dalam penelitian Laidra, Pullmann dan Allik (2007) menunjukkan bahwa ada hubungan yang linear antara academic achievement dengan cognitive factors dalam hal ini intelegensi. Namun, bukan berarti menjadi jaminan bahwa mahasiswa yang memiliki IQ yang tinggi akan selalu menjamin prestasi yang tinggi pula, hanya saja jika dikatakan bahwa mahasiswa yang memiliki IQ yang tinggi memiliki peluang meraih prestasi bagus lebih besar adalah benar. Oleh karena itu tidak hanya IQ saja yang memengaruhi prestasi belajar, tetapi juga terdapat variabel lain yang memengaruhinya. Seperti pada prestasi belajar statistika 1, selain

 

92   

IQ ada faktor psikologis lainnya yang ikut memengaruhi prestasi belajar statistika 1, yaitu motivasi belajar. Dari hasil analisis data, bahwa motivasi memberikan sumbangan varians sebesar 2,9 % terhadap prestasi belajar statistika 1, bahkan koefisien regresinya bermuatan positif. Hal ini sesuai dengan model performance dari Heider (1958) yaitu P’ = Motivasi X Ability. Artinya kedua variabel tersebut yaitu motivasi dan ability saling memengaruhi performa seseorang yang dalam penelitian ini adalah prestasi belajar mahasiswa. Motivasi sendiri dalam penelitian ini diukur melalui dua aspek yaitu ekspektansi dan valensi, yang mana model ini merupakan model dari Vroomian (1964). Menurutnya seseorang termotivasi untuk melakukan sesuatu karena ia memliki keinginan tertentu yang selanjutnya disebut valensi, kemudian ia memiliki subjective probability tentang keinginannya tersebut. Mudahnya, jika A memiliki keinginan menjadi asisten dosen, maka dengan giat belajar statistika ia melihat adanya subjective probability yang besar pula. Oleh karenanya si A termotivasi untuk giat belajar statistika. Berlanjut pada prestasi belajar statistika 2, salah satu variabel yang signifikan sumbangan variansnya dan juga paling besar sumbangannya sebesar 18,9 % yaitu prestasi belajar statistika 1. Pada hasil penelitian ini, jika seorang mahasiswa memiliki prestasi belajar statistika 1 yang bagus, maka akan diikuti dengan hasil prestasi belajar statistika 2 yang bagus pula. Hubungan antara keduanya bersifat linear dan juga arah hubungannnya positif. Dengan analisis regresi pula dapat disimpulkan bahwa prestasi belajar statistika 1 menjadi predictor paling akurat dan besar pengaruhnya terhadap prestasi belajar statistika 2.

 

93   

Hal ini sesuai dengan model performance dari Anderson dan Butzin (1974), dimana mereka mengatakan bahwa future performance merupakan hasil penjumlahan past performance dengan hasil interaksi antara motivasi dengan kemampuan. Sehingga bentuk modelnya menjadi, future performance = past performance + ( motivasi x ability ). Tentunya antara future performance dengan past performance merupakan sebuah criteria performa yang sama. Jika seseorang ingin memprediksi prestasi belajar mahasiswa dibidang statistika 2, maka harus diketahui lebih dahulu prestasi belajar statistika 1. Tentunya antara prestasi belajar statistika 1 dan prestasi belajar statistika 2 merupakan sebuah related performance. Seperti halnya penelitian Jahja Umar (1988) tentang “studi daya ramal nilai ujian masuk, ebtanas, dan rapor terhadap prestasi belajar di perguruan tinggi”, pada penelitian ini salah satu kesimpulan yang dipaparkan bahwa : “…suatu prestasi awal yang baik bagi seorang mahasiswa tampaknya lebih penting untuk diupayakan daripada memercayakan pada hasil ujian saringan ataupun ujian akhir sekolah menengah…”

Artinya, pada konteks perguruan tinggi, prestasi belajar yang baik dalam hal ini prestasi belajar statistika 1 merupakan predictor yang dapat diandalkan untuk prestasi belajar statistika selanjutnya dan juga predictor ini cenderung bertahan lama. Jika awal perkuliahan mendapatkan nilai prestasi belajar statistika yang baik maka kecenderungan prestasi belajar selanjutnya akan baik pula. Dengan demikian ulasan bahwa past performance memengaruhi future performance, sangat sesuai dengan prestasi belajar statistika 1 memengaruhi signifikan secara statistic terhadap prestasi belajar statistika 2.

 

94   

Variabel lain yang secara konsisten memengaruhi prestasi belajar statistika 1 & 2 yaitu self efficacy. Menurut Bandura (dalam Lane, 2005) self efficacy merupakan level tentang keyakinan diri yang dimiliki oleh individu untuk memperoleh tujuan tertentu yang ingin dicapainya. Self efficacy inilah yang menentukan seberapa besar usaha seseorang untuk meraih tujuannya. Pada penelitian ini, terdapat korelasi positif antara self efficacy dengan prestasi belajar statistika 1 & 2 sebagai performance. Hal ini juga sesuai dengan hasil penelitian Lane (2005) tentang self efficacy sebagai predictor untuk academic performance. Dalam hasil penelitian yang dilakukan pada mahasiswa pascasarjana sebanyak 208 responden tersebut, disimpulkan bahwa mahasiswa yang memiliki prestasi akademis yang baik maka diikuti pula dengan skor self efficacy yang tinggi pula. Bahkan penelitian Swingler (2008) menemukan hasil yang tidak jauh berbeda dengan Lane. Hasil penelitian Swingler menemukan bahwa self efficacy meningkatkan prestasi akademik mahasiswa dibidang statistika. Penelitian lain yang sering dikutip jika berkaitan dengan self efficacy dan prestasi belajar adalah penelitian Pajeres dan Graham (1999). Pada penelitian ini disimpulkan bahwa self efficacy secara signifikan memengaruhi prestasi belajar siswa dibidang matematika baik di tingkat SMP maupun SMA.

Pada penelitian Ramdass dan

Zimmerman (2008) dikatakan juga bahwa self efficacy secara konsisten memengaruhi prestasi belajar siswa. Dengan demikian, self efficacy memengaruhi mahasiswa untuk mendapatkan specific outcomes mereka dengan kemampuan yang mereka miliki. Dengan self efficacy pula mereka di arahkan untuk mempelajari skill – skill komputasi yang sulit. Yang paling penting adalah self efficacy menentukan niat atau kemauan seorang

 

95   

mahasiswa untuk mencapai tujuannya dengan cara melakukan tugas – tugas perkuliahan. Variabel yang tidak konsisten memengaruhi prestasi belajar statistika 1 & 2 adalah kebutuhan berprestasi. Pada prestasi belajar statistika 1, kebutuhan berprestasi tidak berpengaruh secara signifikan, sedangkan pada prestasi belajar statistika 2 justru kebutuhan berprestasi belajar berpengaruh signifikan. Bahkan pada prestasi belajar statistika 2, kebutuhan berprestasi memberikan sumbangan varians sebesar 2,8 % dan sumbangan tersebut signifikan. Namun pada prestasi belajar statistika 1, kebutuhan berprestasi tidak memberikan sumbangan sama sekali atau 0 %. Menurut Atkinson dan Feather (1966) (dalam research paper Thomas, 2002) motivasi berprestasi (istilah lain yang biasa digunakan untuk need for achievement adalah motivasi berprestasi, need to achieve, fear of failure) terdiri dari tiga komponen, yaitu yang pertama predisposisi individu terhadap prestasi ; kedua, probabilitas individu untuk meraih sukses ; ketiga, persepsi individu dalam menilai tugas – tugas yang ada. Lebih lanjut lagi ia mengatakan, “…the strength of motivation to perform some act is assumed to be a multiplicative function of the strength of the motive, the ecpectancy (subjective probability) that the act will have a consequence the attainment of an incentive and the value of the incentive : Motivation = f (Motive X Expectancy X Incentive)..”.

Menurut hemat peneliti mahasiswa yang mengikuti perkuliahan statistika 1 belum melihat dengan jelas fungsi keterkaitan antara mata kuliah statistika 1 dengan harapan (expextancy) yang akan ia dapatkan dari belajar statistika 1. Mereka melihat statistika hanya sebagai mata kuliah yang tidak jauh berbeda dengan matematika SMA. Oleh sebab itu korelasi antara motivasi berprestasi dengan statistika 1 sangat

 

96   

kecil sekali yaitu 0.049 dan tidak signifikan. Namun pada prestasi belajar statistika 2 justru mereka sudah mengetahui benar fungsi pentingnya mata kuliah statistika. Terlebih lagi mata kuliah statistika erat kaitannya dengan mata kuliah pokok lainnya, misalnya metodologi penelitian. Oleh sebab itu korelasi antara motivasi berprestasi dengan prestasi belajar statistika 2 signifikan dengan besaran korelasi yang cukup, yaitu 0.209. Pada persamaan regresi yang dihasilkan, kebutuhan berprestasi tidak signifikan pada prestasi belajar statistika 1, sedangkan pada prestasi belajar statistika 2 dihasilkan koefisien regresi yang signifikan. Variabel yang sama sekali tidak memengaruhi prestasi belajar statistika 1 dan 2 yaitu sikap terhadap statistika dan kecemasan terhadap statistika. Namun peneliti akan membahasnya satu persatu. Pada hasil penelitian ini, ditemukan korelasi yang negative antara sikap terhadap statistika dengan prestasi belajar statistika 1 & 2, besaran korelasi tersebut tidak terlalu besar, yaitu - 0.012 dan - 0.058. Namun demikian korelasi tersebut tidak signifikan. Koefisien regresi yang dihasilkan dari variabel sikap pada prestasi belajar statistika 1 bermuatan positif, sedangkan pada prestasi belajar statistika 2 koefisien regresi yang dihasilkan bermuatan negative. Namun korelasi antara sikap terhadap statistika, prestasi belajar statistika 1 & 2 menghasilkan arah yang negative. Dengan demikian hasil antara koefisien regresi dengan korelasinya sedikit berbeda, padahal koefisien regresi umumnya dapat menggambarkan arah hubungannya. Seperti yang peneliti katakan di bab 4, penelitian tentang sikap dengan perilaku sebagai kriterianya (dalam hal ini performance atau prestasi belajar) masih belum begitu jelas arah dan hubungannya. Ada yang menemukan bahwa sikap menjadi predictor yang signifikan  

97   

terhadap prestasi belajar, dan sebaliknya. Seperti hasil penelitian Sorge dan Schau (2002), 45 % varians dari prestasi belajar statistika di jelaskan oleh variabel sikap. Hal yang sama juga ditemukan pada penelitian Nasser (2004) bahwa sikap terhadap statistika meningkatkan performance dibidang statistika. Sedangkan pada hasil penelitian Min Liu (2007) sikap sama sekali tidak memengaruhi prestasi belajar siswa, bahkan memiliki korelasi yang negative terhadap prestasi belajar. Kemudian penelitian Adams dan Holcomb (1986) menemukan bahwa tidak ada hubungan yang signifikan antara sikap terhadap statistika dan matematika dengan prestasi belajar statistika. Sebagai gambaran dari hasil data penelitian pada item sikap terhadap statistika, item “saya lebih menyukai mata kuliah statistika ketimbang mata kuliah lainnya” pilihan respon jawaban tidak setuju dijawab sebanyak 164 mahasiswa. Artinya lebih dari setengah total sampel tidak menyukai mata kuliah statistika. Oleh sebab itu, tidak menjadi jaminan apabila siswa yang menyukai mata pelajaran tertentu akan meraih prestasi yang tinggi pula, dan sebaliknya. Namun apabila perasaan suka tersebut dibarengi dengan self efficacy yang tinggi kemudian dibarengi dengan IQ yang tinggi pula serta dukungan orang tua dan guru maka akan menghasilkan jaminan prestasi yang lebih baik. Seperti yang dituliskan oleh Umar (2007) bahwa sikap tidak hanya menjadi predictor tunggal yang langsung berpengaruh terhadap prestasi belajar. Tetapi justru ia saling berkaitan dengan variabel psikologis lainnya, seperti self efficacy, aspirasi, persepsi siswa tentang penting atau tidaknya mata pelajaran tersebut, dukungan orang tua.

 

98   

Variabel lain yang tidak memengaruhi prestasi belajar statistika 1 & 2 yaitu kecemasan terhadap statistika. Pada prestasi belajar statistika 1, kecemasan hanya memberikan varians sebesar 0,3 %, pada prestasi belajar statistika 2 kecemasan hanya memberikan 0 % atas bervariasinya prestasi belajar statistika 2. Tentunya kedua sumbangan iv tersebut tidak signifikan. Pada koefisien regresi yang dihasilkan dari variabel kecemasan terhadap statistika 2 berbeda dengan arah korelasi antara kecemasan dengan statistika 2. Hasil korelasi menunjukkan arah hubungan yang positif antara kecemasan dengan statistika 2 (p > 0.05), sedangkan dari koefisien regresi yang dihasilkan, variabel kecemasan pada statistika 2 menunjukkan nilai yang negatif (p > 0.05). Untuk melihat nilai murni korelasi kecemasan dengan statistika 2, peneliti menghitung korelasi parsial antara keduanya dengan mengontrol semua variabel penelitian lainnya. Dari hasil yang didapat, korelasi keduanya bernilai – 0.032 (p > 0.05). Dengan demikian korelasi awal bivariate keduanya dipengaruhi oleh variabel lain yang menyebabkan hasil korelasi positif, namun setelah dikontrol variabel lain, hasil korelasi keduanya bernilai negative. Hasil penelitian Onwuegbuzie dan Seaman (1995) menemukan hubungan korelasi yang negative antara kecemasan statistika dengan skor ujian akhir statistika. Menurut Zeidner (1998) kecemasan terhadap statistika akan memengaruhi performance siswa jika tingkat kesulitan soal pada ujian statistika ikut dianalisis. Menurutnya, kecemasan tinggi memengaruhi poor performance apabila tingkat kesulitan soal ujian tersebut terlalu sulit. Sedangkan kecemasan rendah akan memengaruhi good performance apabila tingkat kesulitan soal pada tingkat yang mudah atau sedang.

 

99   

Umar (2010) mengatakan bahwa hubungan antara kecemasan dengan prestasi belajar akan berbentuk garis parabola. Pada titik tertentu kecemasan akan memicu performance dengan baik, namun pada titik tertentu pula kecemasan justru akan menurunkan performance seseorang. 5.3 Saran Peneliti menyadari banyak kekurangan dalam penelitian ini. Oleh karena itu peneliti membagi saran menjadi 2, yaitu saran metodologis dan saran praktis. Saran tersebut dapat dijadikan pertimbangan bagi penelitian lain yang akan meneliti dependen variabel yang sama. 5.3.1 Saran Metodologis. 1. Pada penelitian ini masih banyak variabel yang terkait dengan prestasi belajar statistika yang tidak ikut dianalisis sebagai IV, seperti latar belakang dosen, metode pengajaran yang diberikan. Padahal variabel tersebut menjadi sangat penting sekali, khususnya studi tentang prestasi belajar mahasiswa. Seperti studi TIMSS yang dilakukan Jahja Umar (2007) tentang prestasi belajar matematika dan IPA, dimana variabel predictor terdapat sebanyak 24 buah diantaranya latar belakang guru dan metode pengajaran. 2. Untuk penelitian selanjutnya disarankan lebih banyak menggunakan item – item yang lebih valid dalam mengukur konstruk – konstruk psikologisnya.

 

100   

3. Pengukuran faktor psikologis yang menjadi IV baiknya tidak hanya dilakukan pada akhir perkuliahan saja, tetapi juga diukur ketika awal perkuliahan dan ditengah – tengah proses perkuliahan. Seperti yang dilakukan oleh G. Silva dkk (2007), pengambilan data seperti sikap terhadap statistika, kecemasan terhadap statistika dilakukan sebanyak dua kali, yakni di awal perkuliahan dan di akhir perkuliahan. Dengan pengambilan data seperti ini peneliti dapat membandingkan mean antara di awal perkuliahan dan di akhir perkuliahan. Dengan demikian analisis hasil penelitian dapat lebih dipertajam dengan adanya pengambilan data di awal dan di akhir perkuliahan. 5.3.2 Saran Praktis 1. Untuk meningkatkan prestasi belajar statistika nampaknya variabel personal seperti IQ, self efficacy, dan motivasi menjadi variabel predictor yang penting dan dominan. 2. Selain variabel personal, prestasi awal yang baik mampu menjadi predictor yang baik pula terhadap future performance. Hal ini terlihat dari prestasi belajar statistika 1 memberikan varians yang cukup besar yaitu 18,9 % atas prestasi belajar statisttika 2. 3. Berdasarkan hasil pula, sikap menyukai pelajaran statistika tidak menjadi jaminan akan memengaruhi prestasi belajar statistika 1 & 2. Tetapi apabila sikap menyukai tersebut dibarengi dengan self efficacy yang tinggi, kemudan kecemasan yang rendah, maka akan memengaruhi prestasi belajar statistika.  

101   

Daftar Pustaka Azwar Saifuddin. (1999). Dasar – dasar psikometri. Yogyakarta : Pustaka Pelajar Bluman, Allan G. (1997). Elementary Statistics : A Step by Step Approach. Mc – Graw Hill Education. Chaplin, James.P. (2006). Kamus Lengkap Psikologi. Jakarta : PT Raja Grafindo Persada. Daniel House, J. (2006). Journal of Genetic Psychology : Mathematics Beliefs and Achievement of Elementary School Students in Japan and the United States : Results from the Third International Mathematics and Science Study. Northern Illnois University. Heldref Publications. Evans Brian. (2007). Journal of the Mathematics Educator : Student Attitudes, Conception, and Achievemet in Introductory Undergraduate College Statistics. Vol 17, no 2, p. 24 – 30. Guilford, J.P. (1981). Fundamental Statistics in Psychology and Education. Singapore : McGraw Hill International Singapore. Harrington, Donna. (2009). Confirmatory Factor Analysis. USA : Oxford University Press. Hsu. K.Maxwell. Stephen, W.Wang. Chiu, Kuan-Shun, Kevin (2003). Influence of attitude, anxiety and self efficacy toward statistics and technology on statistical package software usage behavior. Paper was not published and presented.

 

102   

Joreskog, K.G dan Sorbom, D.(1999). Lisrel 8.30. USA : Scientific Software International.inc. Lalonde, R. N., & Gardner, R. C. (1993). Canadian Journal of Behavioural Science : Statistics as a second language? A model for predicting performance in psychology students.,Vol 25, p 108-125. Lester, D Crow & Crow Alice. (1956). Human Development and Learning. New York : American Book Company. McGredor, A Holly & Andrew, J. Elliot. (2002). Journal of Educational Psychology : “Achievement Goals as Predictors of Achievement – Relevant Processes Prior to task Engagement”. Vol 94 ; No 2 , p 381 – 395. Nasser Fadia. (2007). Prediction of College Students Achievement in Introductory Statistics Course. Israel, Tel Aviv University. Onwuegbuzie, Anthony J.( 2004). Assesment & Evaluation ig Higher Education : Academic Procrastination & Statistics Anxiety. Vol : 29, No 1. Oktaviana,Nursakinah. (2010). Pengujian Validitas Konstruk dari Intelligenz Struktur Test (IST) yang telah direvisi Badan Pengkajian dan Penerapan teknologi (BPPT). Jakarta : Fakultas Psikologi UIN Syarif Hidayatullah Jakarta Pedazhur, Elazar J. (1973). Multiple Regression in Behavioral Research. New York : Holt, Rinehart and Winston. Page, D. James. (1947). Abnormal Psychology : Clinical Approach to Psychological Deviants. New Delhi : McGraw Hill Publishing Company.

 

103   

Sari, Fitria Dhona (2004). Hubungan antara toleransi stress dengan indeks prestasi mahasiswa. Yogyakarta : Fakultas Kedokteran Universitas Islam Indonesia.. Schau, Candace. (2003). Students Attitudes : The Other Important Outcome in Statistics Education. CS Consultants, LLC. Silva, Galli, Matteo C, Fransesca C, Caterina P. (2007). Who Failed the Introductory Statistics?. A Study on Sample of Psychology Students. Italy, University of Florence. Sorge, C., & Schau, C. (2002, April). Impact of engineering students’ attitudes on achievement in statistics: A structural model. Paper presented at the Annual Meeting of the American Educational Research Association, New Orleans. Stephen, B. Verdman & Morris, Max D. (2003). Journal of The American Statistician : “Statistics and Ethics : Some Advice for Young Statistician. Vol : 57, Issue 1, page 21. Syah Muhhibin. (2005). Psikologi Pendidikan. Bandung : PT Remaja Rosdakarya. Umar, Jahja. (2007). An analysis using data from the trends in international mathematics and science study (TIMSS). Makalah penelitian. Umar, Jahja (2010). Bahan pelatihan statistika untuk mentor akademis Fakultas Psikologi UIN Jakarta. Tidak untuk dipublikasikan. Umar, Jahja (1979). Personnality needs sebagai moderator atas korelasi antara kepuasan kerja dan prestasi kerja. Yogyakarta. Fakultas Psikologi UGM. Umar Jahja (2010). Personal communication.

 

104   

Waters, L.K,. Martelli, Theresa A., Zakrajsek, Todd,. Popovich, Paula M. (1988). Journal of Educational and Psychological Measurement : Attitudes toward Statistics : An Multiple Measures. Sage Publications.