25
HASIL DAN PEMBAHASAN Deskripsi Data Deskripsi indikator penyusun peubah laten potensi akademik, kemampuan metakognisi statistika, dan kemampuan kognisi statistika dipaparkan dalam uraian berikut. Komponen potensi akademik (POTAKDMK) dan kemampuan kognisi statistika (KOGSTAT) terdiri atas empat indikator dengan masing-masing indikator memiliki rentang skor antara 0 sampai 100. 80
100
70 80 60
97
60
Skor
Skor
50 40
40
30 20
20
10 0
0 VERBAL
NUMERIK
LOGIKA
SPASIAL
Indikator Potensi Akademik (POTAKDMK)
a
KUANT I
HIPOTESIS PROSEDUJI
44
38
50
54
UJIHIPO
Indikator Kemampuan Kognisi (KOGSTAT)
b
Gambar 3 Diagram kotak garis indikator peubah laten potensi akademik (a) dan kemampuan kognisi statistika (b) Gambar 3a dan Lampiran 4 menunjukkan bahwa secara umum, kemampuan logika yang dimiliki oleh mahasiswa relatif lebih rendah bila dibandingkan dengan tiga kemampuan dasar yang lain. Hal tersebut tampak jelas dari diagram kotak garis pada Gambar 3a. Apabila dilihat dari median tampak median kemampuan logika hanya sebesar 26.00, sedangkan median tiga kemampuan yang lain di atas 43. Apabila dilihat dari nilai kuartil ketiga, nilai kuartil ketiga untuk kemampuan logika hanya 30.88. Hal tersebut menunjukkan bahwa 75% data kemampuan logika mempunyai skor di bawah 30.88. Sebaliknya, lebih dari 75% data tiga kemampuan yang lain mempunyai nilai di atas 34. Dari Gambar 3b dan Lampiran 4 tampak bahwa tingkat kepahaman mahasiswa terhadap indikator kemampuan kognisi statistika yang paling tinggi adalah pada indikator penelitian kuantitatif (KUANTI). Hal tersebut dikarenakan
26
separuh mahasiswa mempunyai skor di atas median sebesar 78.48. Selanjutnya, secara berturut-turut disusul oleh kepahaman terhadap indikator hipotesis dalam penelitian kuantitatif (HIPOTESIS) dengan median 62.24, prosedur uji hipotesis (PROSEDUJI) dengan median 48.09 dan inferensi yang didasarkan pada contoh tunggal (UJIHIPO) dengan median 34.21. Tampak pada Gambar 3b, terdapat empat orang yang tidak mampu menjawab dengan benar satu soal pun pada indikator inferensi yang didasarkan pada contoh tunggal (UJIHIPO). Komponen kemampuan metakognisi statistika (METASTAT) terdiri atas delapan indikator dengan masing-masing indikator memiliki rentang skor antara 0 sampai 5. Skor 0 mengindikasikan penilaian yang sangat buruk sedangkan skor 5 mengindikasikan penilaian yang sangat baik terhadap suatu indikator. 5 102
Skor
4
3
2 67 74
1 THTRAMPIL THCRBLJR
YKNHSL
CATUDIA
STRAINFO
NILCRBLJR STRASULIT
CAPAIAN
Indikator Kemampuan Metakognisi (METASTAT)
Gambar 4 Diagram kotak garis indikator peubah laten kemampuan metakognisi statistika Dari Gambar 4 dan Lampiran 4 tampak indikator YKNHSL dan STRASULIT mempunyai kuartil pertama sekitar 3.25, artinya 75% data mempunyai nilai lebih besar dari 3.25. Hal ini mengindikasikan bahwa sebagian besar mahasiswa sudah mempunyai keyakinan terhadap faktor-faktor yang mempengaruhi hasil belajar (YKNHSL) yang tinggi. Hal yang sama berlaku juga untuk indikator strategi menanggulangi berbagai kesulitan ketika sedang memecahkan suatu masalah (STRASULIT). Indikator yang paling rendah pada mahasiswa adalah pada indikator penilaian terhadap cara belajar seseorang atau strategi yang digunakan (NILCRBLJR) yang memiliki nilai kuartil pertama
27
sebesar 2.69. Hal ini berarti 75% mahasiswa mempunyai skor lebih besar dari 2.69 pada indikator tersebut. Dengan kata lain mayoritas mahasiswa kurang memahami penilaian terhadap cara belajar seseorang atau strategi yang digunakan untuk mata kuliah Statistika. Pada penelitian ini peubah laten pengetahuan awal (TAHUAWAL) diukur dengan indikator nilai mata kuliah prasyarat. Nilai mata kuliah prasyarat mempunyai rentang antara 0 sampai 100. Berikut diagram lingkaran nilai mata kuliah prasyarat.
Gambar 5 Diagram lingkaran nilai mata kuliah prasyarat Dapat diamati dari Gambar 5 bahwa data nilai mata kuliah prasyarat mahasiswa mengumpul pada 60 ≤ nilai < 70, 70 ≤ nilai < 80, dan 80 ≤ nilai < 90. Secara berturut-turut, nilai mata kuliah prasyarat yang paling banyak didominasi mahasiswa adalah yang berada pada rentang 60 ≤ nilai < 70 sebanyak 29%, 70 ≤ nilai < 80 sebanyak 24%, dan 80 ≤ nilai < 90 sebanyak 19%. Hal ini menunjukkan bahwa sebagian besar nilai mata kuliah prasyarat mahasiswa sudah cukup baik, karena mahasiswa yang mempunyai nilai di bawah 60 hanya 30%. Indikator IP semester bernilai antara 0.00 sampai 4.00. Walaupun kasus mahasiswa yang memperoleh IP semester sama dengan nilai minimum dan maksimum tersebut sangat jarang dijumpai. Namun masih lebih mungkin untuk menjumpai seorang mahasiswa yang memperoleh IP semester sebesar 4.00 daripada 0.00. Berikut adalah diagram lingkaran IP semester yang diperoleh mahasiswa pada saat dilakukan penelitian.
28
Gambar 6 Diagram lingkaran IP semester Dapat diamati dari Gambar 6 bahwa tidak ada satu pun mahasiswa yang memperoleh IP semester < 2.50 atau IP semester ≥ 3.50. Berdasarkan kedua gambar tersebut juga tampak bahwa data IP semester mengumpul pada IP yang berada pada rentang 3.00 ≤ IP semester < 3.25 sebanyak 61%. Berdasarkan Gambar 6 tampak bahwa banyaknya mahasiswa yang mempunyai IP semester kurang dari 3.00 adalah sebanyak 27%, dengan kecenderungan lebih didominasi pada 2.75 ≤ IP semester < 3.00 sebanyak 24%. Hal ini berarti perolehan IP semester sebagian besar mahasiswa sudah baik. Asumsi Normalitas Data Lampiran 5 merupakan salah satu bagian output AMOS yang memuat uji normalitas. Pada tabel tersebut tampak bahwa distribusi data secara multivariate adalah normal, karena nilai cr multivariate adalah 1.675 yang berada di antara -2.58 dan +2.58. Dengan cara yang sama dapat disimpulkan bahwa secara univariate, data masing-masing peubah yang digunakan pada penelitian ini berdistribusi normal. Data peubah kemampuan logika mempunyai nilai cr kurtosis sebesar 3.093 namun nilai cr skewness sebesar 2.555 (masih dibawah 2.58). Dengan demikian, distribusi data peubah tersebut secara umum masih dianggap berdistribusi normal. Hasil Analisis Model Pengukuran Hasil analisis model pengukuran pada intinya identik dengan uji validitas dan reliabilitas Instrumen. Uji validitas peubah laten potensi akademik (POTAKDMK), kemampuan kognisi statistika (KOGSTAT), dan kemampuan
29
metakognisi statistika (METASTAT) masing-masing disajikan pada Lampiran 6a, 6b, dan 6c. Untuk mengetahui apakah POTAKDMK, METASTAT, dan KOGSTAT merupakan peubah laten yang masing-masing tersusun oleh indikatorindikatornya, digunakan analisis faktor konfirmatori yang hasilnya dapat dilihat pada Gambar 7.
a
b
c Gambar 7 Uji validitas peubah laten potensi akademik (a), kemampuan kognisi statistika (b), dan kemampuan metakognisi statistika (c) Pada Gambar 7 nilai factor loadings untuk masing-masing indikator ditunjukkan oleh angka pada tanda panah yang menghubungkan masing-masing peubah laten ke indikatornya. Misalnya angka pada tanda panah yang menghubungkan POTAKDMK ke VERBAL adalah 0.68. Hal ini berarti secara statistik tes verbal nyata dalam mengukur potensi akademik sebesar 0.68. Nyata atau tidaknya suatu indikator dalam mengukur peubah laten dapat dilihat dari nilai-p pada regression weight. Jika nilai-p lebih kecil dari α = 0.05 maka nilai factor loadings nyata secara statistik.
30
Dengan cara yang sama dapat diketahui besarnya nilai factor loadings untuk masing-masing indikator serta nyata atau tidaknya nilai factor loadings tersebut. Karena besarnya nilai factor loadings untuk masing-masing indikator pada ketiga peubah laten tidak ada yang kurang dari 0.40 dan keseluruhan nilai-p lebih kecil dari α = 0.05, maka masing-masing indikator ketiga peubah laten tersebut valid dan reliabel. Selain nilai factor loadings, pada Gambar 7 juga disajikan besarnya nilai ragam sisaan (errorvar) yang ditunjukkan oleh angka pada masing-masing indikator. Misalnya angka pada indikator VERBAL sebesar 0.46 menunjukkan besarnya ragam sisaan indikator VERBAL sebesar 0.46. Dengan demikian besarnya
koefisien
determinasi
(R2)
pada
indikator
VERBAL
adalah
1 – 0.46 = 0.64. Hal ini mempunyai makna bahwa 64% variasi peubah VERBAL dijelaskan oleh variasi potensi akademik (POTAKDMK) adalah sebesar 64%. Selanjutnya kesalahan pengukuran atau sisaan pengukuran pada indikator VERBAL = 1 – 0.682 = 0.539. Dengan cara yang sama dapat diketahui besarnya nilai ragam sisaan, koefisien determinasi, dan kesalahan pengukuran untuk masing-masing indikator. Pada Gambar 7 tampak bahwa indikator LOGIKA mempunyai ragam sisaan sebesar 0.17, R2 sebesar 1 – 0.17 = 0.83, dan kesalahan pengukuran sebesar 1 – 0.412 = 0.832. Dengan demikian, secara umum terdapat indikasi bahwa kemampuan logika lemah sebagai indikator pembentuk peubah laten potensi akademik. Terdapat dua hal yang menyebabkan hal ini, bisa jadi butir-butir pertanyaan yang digunakan untuk mengukur kemampuan logika belum mampu mengukur kemampuan logika mahasiswa yang sebenarnya, atau hal tersebut disebabkan keterbatasan ukuran contoh yang dimiliki oleh peneliti. Tampaknya yang mempunyai pengaruh lebih besar terhadap kelemahan indikator tersebut adalah penyebab yang pertama. Dengan logika berfikir yang sama diperoleh fakta bahwa HIPOTESIS (hipotesis dalam penelitian kuantitatif) lemah sebagai indikator pembentuk peubah laten kemampuan kognisi statistika. Hal yang berbeda tampak pada indikator-indikator pembentuk peubah laten kemampuan metakognisi statistika. Secara keseluruhan kedelapan indikator tersebut kuat sebagai indikator pembentuk peubah laten kemampuan metakognisi statistika.
31
Uji instrumen yang berupa tes dan angket adalah reliabilitas secara keseluruhan indikator-indikator dalam mengukur peubah laten yang diteliti. Secara rinci pengujian reliabilitas untuk masing-masing peubah laten disajikan pada Tabel 4, 5, dan 6 sebagai berikut. Tabel 4 Uji reliabilitas tes potensi akademik Indikator VERBAL NUMERIK LOGIKA SPASIAL Jumlah
Factor loadings ( λ ) 0.679 0.831 0.410 0.692 2.612
λ2 0.461 0.691 0.168 0.479
1 – λ2 0.539 0.309 0.832 0.521 2.201
CR
0.756
Berdasarkan Tabel 5 diperoleh nilai CR sebagai berikut.
(∑ λ ) CR = (∑ λ ) + ∑ e 2
=
2
j
2.612 2 = 0.756 2.612 2 + 2.201
Karena nilai CR untuk tes potensi akademik sebesar 0.756 di atas nilai cut-off sebesar 0.70, maka dapat disimpulkan tes potensi akademik reliabel. Tabel 5 Uji reliabilitas angket kemampuan metakognisi statistika Indikator THTRAMPIL THCRBLJR YKNHSL CATUDIA STRAINFO NILCRBLJR STRASULIT CAPAIAN Jumlah
Factor loadings ( λ ) 0.675 0.774 0.746 0.753 0.628 0.701 0.824 0.774 5.875
λ2 0.456 0.599 0.557 0.567 0.394 0.491 0.679 0.599
1 – λ2 0.544 0.401 0.443 0.433 0.606 0.509 0.321 0.401 3.658
CR
0.904
Berdasarkan Tabel 6 diperoleh nilai CR sebagai berikut.
(∑ λ ) CR = (∑ λ ) + ∑ e 2
2
j
5.875 2 = = 0.904 5.875 2 + 3.658
Karena nilai CR untuk angket kemampuan metakognisi statistika sebesar 0.904 di atas nilai cut-off sebesar 0.70, maka dapat disimpulkan angket kemampuan metakognisi statistika reliabel.
32
Tabel 6 Uji reliabilitas tes kemampuan kognisi statistika (KOGSTAT) Indikator
Factor loadings ( λ )
λ2
1 – λ2
KUANTI HIPOTESIS PROSEDUJI UJIHIPO Jumlah
0.528 0.409 0.508 0.668 2.113
0.285 0.167 0.258 0.446
0.721 0.833 0.742 0.554 2.850
CR
0.610
Berdasarkan Tabel 7 diperoleh nilai CR sebagai berikut.
(∑ λ ) CR = (∑ λ ) + ∑ e 2
=
2
j
2.113 2 = 0.610 2.113 2 + 2.850
Walaupun tes kemampuan kognisi statistika (KOGSTAT) mempunyai nilai CR sebesar 0.610 di bawah nilai cut-off sebesar 0.70, namun pada penelitian ini data yang diperoleh dari alat ukur tersebut tetap digunakan, karena reliabilitas yang kurang dari 0.70 dapat diterima untuk penelitian yang masih bersifat eksploratif (Ghozali 2005). Uji Kecocokan Model Pada bagian ini dilakukan pengukuran hubungan kausal peubah potensi akademik (POTAKDMK), kemampuan metakognisi statistika (METASTAT), pengetahuan awal (TAHUAWAL), kemampuan kognisi statistika (KOGSTAT), dan prestasi akademik (PRESAKDMK) dengan MPS. Hasil pengujian MPS sebelum modifikasi dengan program AMOS 18 secara lengkap dapat dilihat pada Lampiran 7a dan 7b. Model dikatakan baik bilamana pengembangan model secara teoritis, didukung oleh data empiris. Hasil analisis MPS dalam bentuk diagram jalur sebelum modifikasi pada penelitian ini dapat dilihat pada Lampiran 8 . Tabel 7 memuat delapan uji kecocokan model yang digunakan pada penelitian ini. Tabel tersebut menunjukkan bahwa model sebelum modifikasi belum layak digunakan untuk pembuktian hipotesis. Dengan demikian, perlu dilakukan modifikasi terhadap model. Modifikasi model dilakukan dengan cara merujuk pada modification indices, dengan memodifikasi model hubungan antar error dan tidak memodifikasi jalur pengaruh. Jalur modifikasi yang mungkin ditambahkan pada model disajikan pada Lampiran 9.
33
Tabel 7 Hasil uji kecocokan model sebelum dan setelah modifikasi Kriteria
Nilai cut-off
Chi–square nilai-p GFI RMSEA TLI IFI CFI CMIN/DF
Diharapkan kecil ≥ 0.05 ≥ 0.90 ≤ 0.08 ≥ 0.90 ≥ 0.90 ≥ 0.90 ≤ 2.00
Hasil komputasi Sebelum modifikasi Setelah modifikasi 179.858 88.036 0.002 0.982 0.851 0.922 0.060 0.000 0.915 1.055 0.931 1.040 0.928 1.000 1.394 0.746
Pada Tabel 7 tampak kedelapan kriteria yang digunakan untuk menilai layak tidaknya suatu model telah terpenuhi untuk model setelah modifikasi. Oleh karena itu model setelah modifikasi dapat diterima karena adanya kecocokan antara model dengan data. Hasil Analisis Model Struktural Karena adanya kecocokan antara model dengan data, maka koefisien jalur dari masing-masing hubungan antar peubah yang digunakan dalam penelitian ini akan disajikan untuk menguji hipotesis. Berdasarkan hasil analisis MPS pada Lampiran 10, hubungan kausalitas antar peubah dan nilai koefisien jalur untuk pengujian hipotesis dapat dijelaskan pada Tabel 8 sebagai berikut. Tabel 8 Hasil pendugaan dan pengujian pengaruh antar peubah penelitian METASTAT TAHUAWAL KOGSTAT KOGSTAT KOGSTAT PRESAKDMK PRESAKDMK PRESAKDMK
<--<--<--<--<--<--<--<---
POTAKDMK POTAKDMK TAHUAWAL POTAKDMK METASTAT METASTAT POTAKDMK KOGSTAT
Koefisien jalur 0.457 0.461 0.782 -0.116 -0.037 0.194 0.390 0.365
C.R. 3.637 4.281 5.149 -0.804 -0.307 2.017 3.715 3.439
P *** *** *** 0.421 0.759 ** *** ***
*** Sangat nyata pada taraf α = 0.001 ** Nyata pada taraf α = 0.05 Pada Tabel 8 disajikan besarnya koefisien jalur, nilai C.R., nilai-p dan keterangan untuk masing-masing hubungan kausal antar dua peubah. Suatu pengaruh akan nyata jika nilai-p lebih kecil dari taraf nyata ( α ) yang ditentukan. Berdasarkan tabel tersebut tampak bahwa lima pengaruh sangat nyata pada taraf
34 α = 0.001, satu pengaruh nyata pada taraf α = 0.05, dan dua pengaruh tidak nyata. Dua pengaruh yang tidak nyata adalah pengaruh potensi akademik terhadap kemampuan kognisi statistika dan pengaruh kemampuan metakognisi statistika terhadap kemampuan kognisi statistika. Apabila suatu pengaruh telah terbukti nyata, langkah selanjutnya adalah melihat besarnya pengaruh tersebut. Sebagai contoh setelah diketahui potensi akademik (POTAKDMK) berpengaruh nyata terhadap kemampuan metakognisi statistika (METASTAT), langkah selanjutnya adalah melihat seberapa besar pengaruh tersebut, yaitu sebesar 0.457. Dengan demikian berarti setiap ada peningkatan potensi akademik sebesar satu satuan akan meningkatkan kemampuan metakognisi statistika sebesar 0.457 satuan. Apabila suatu pengaruh tidak terbukti nyata, maka besarnya pengaruh tidak dapat dimaknai. Dalam hal ini pengaruh potensi akademik terhadap kemampuan kognisi statistika yang bernilai negatif sebesar -0.116 tidak mempunyai makna bahwa setiap ada peningkatan potensi akademik sebesar satu satuan akan menurunkan kemampuan kognisi statistika sebesar -0.116. Hal yang sama berlaku pada pengaruh kemampuan metakognisi statistika terhadap kemampuan kognisi statistika yang bernilai negatif. Hasil analisis MPS dalam bentuk diagram jalur setelah modifikasi pada penelitian ini secara lengkap dapat dilihat pada Lampiran 11. Berdasarkan lampiran tersebut, hasil analisis MPS setelah modifikasi dapat disajikan sebagaimana tampak pada Gambar 8. 0.457 (***)
METASTAT 0.224 (**) 0.350 (***)
POTAKDMK
PRESAKDMK 0.466 (***) TAHUAWAL
*** Sangat nyata pada taraf α = 0.001 ** Nyata pada taraf α = 0.05 Gambar 8 Hasil analisis MPS setelah modifikasi
0.754 (***)
0.370 (***) KOGSTAT
35
Pada uraian sebelumnya telah dijelaskan tentang indikator yang dapat menunjang diterima atau tidaknya suatu hipotesis. Berdasarkan Tabel 8 dan Gambar 8, interpretasi masing-masing koefisien jalur adalah sebagai berikut. Pengaruh Potensi Akademik terhadap Kemampuan Metakognisi Statistika Hasil perhitungan AMOS yang disajikan pada Tabel 8 menunjukkan bahwa potensi akademik (POTAKDMK) berpengaruh nyata dan positif terhadap kemampuan metakognisi statistika (METASTAT). Hal ini tampak dari koefisien jalur yang bertanda positif sebesar 0.457 dengan nilai CR sebesar 3.658 dan nilaip sebesar 0.000. Nilai-p ini lebih kecil dari taraf nyata ( α ) yang ditentukan yaitu 0.05. Dengan demikian hipotesis penelitian yang menyatakan bahwa potensi akademik berpengaruh nyata dan positif terhadap kemampuan metakognisi statistika terbukti. Besarnya pengaruh langsung dari potensi akademik terhadap kemampuan metakognisi statistika sebesar 0.457, yang berarti setiap ada peningkatan potensi akademik sebesar satu satuan akan meningkatkan kemampuan metakognisi statistika sebesar 0.457 satuan. Pengaruh Potensi Akademik terhadap Pengetahuan Awal Hasil perhitungan AMOS yang disajikan pada Tabel 8 menunjukkan bahwa potensi akademik (POTAKDMK) berpengaruh nyata dan positif terhadap pengetahuan awal (TAHUAWAL). Hal ini tampak dari koefisien jalur yang bertanda positif sebesar 0.461 dengan nilai CR sebesar 4.323 dan nilai-p sebesar 0.000. Nilai-p ini lebih kecil dari taraf nyata ( α ) yang ditentukan yaitu 0.05. Dengan demikian hipotesis penelitian yang menyatakan bahwa potensi akademik berpengaruh nyata dan positif terhadap pengetahuan awal terbukti. Besarnya pengaruh langsung dari potensi akademik terhadap pengetahuan awal sebesar 0.461, yang berarti setiap kenaikan potensi akademik sebesar satu satuan akan meningkatkan pengetahuan awal sebesar 0.461 satuan. Pengaruh Potensi Akademik terhadap Kemampuan Kognisi Statistika Hasil perhitungan AMOS yang disajikan pada Tabel 8 menunjukkan bahwa hipotesis penelitian yang menyatakan bahwa potensi akademik (POTAKDMK) berpengaruh nyata dan positif terhadap kemampuan kognisi statistika (KOGSTAT) tidak terbukti. Hal ini tampak dari nilai-p sebesar 0.944 yang lebih besar dari taraf nyata ( α ) yang ditentukan yaitu 0.05.
36
Pengaruh Potensi Akademik terhadap Prestasi Akademik Hasil perhitungan AMOS yang disajikan pada Tabel 8 menunjukkan bahwa potensi akademik (POTAKDMK) berpengaruh nyata dan positif terhadap prestasi akademik (PRESAKDMK). Hal ini tampak dari koefisien jalur yang bertanda positif sebesar 0.390 dengan nilai CR sebesar 3.363 dan nilai-p sebesar 0.000. Nilai-p ini lebih kecil dari taraf nyata ( α ) yang ditentukan yaitu 0.05. Dengan demikian hipotesis penelitian yang menyatakan bahwa potensi akademik berpengaruh nyata dan positif terhadap prestasi akademik terbukti. Besarnya pengaruh langsung dari potensi akademik terhadap prestasi akademik adalah sebesar 0.390, yang berarti bahwa setiap kenaikan potensi akademik sebesar satu satuan akan meningkatkan prestasi akademik sebesar 0.390 satuan. Pengaruh Kemampuan Metakognisi Statistika terhadap Kemampuan Kognisi Statistika Hasil perhitungan AMOS yang disajikan pada Tabel 8 menunjukkan bahwa hipotesis penelitian yang menyatakan bahwa kemampuan metakognisi statistika (METASTAT) berpengaruh nyata dan positif terhadap kemampuan kognisi statistika (KOGSTAT) tidak terbukti. Hal ini tampak dari nilai-p sebesar 0.393 yang lebih besar dari taraf nyata ( α ) yang ditentukan yaitu 0.05. Pengaruh Kemampuan Metakognisi Statistika terhadap Prestasi Akademik Hasil perhitungan AMOS yang disajikan pada Tabel 8 menunjukkan bahwa kemampuan metakognisi statistika (METASTAT) berpengaruh nyata dan positif terhadap prestasi akademik (PRESAKDMK). Hal ini tampak dari koefisien jalur yang bertanda positif sebesar 0.194 dengan nilai CR sebesar 2.361 dan nilaip sebesar 0.018. Nilai-p ini lebih kecil dari taraf nyata ( α ) yang ditentukan yaitu 0.05. Dengan demikian hipotesis penelitian yang menyatakan bahwa kemampuan metakognisi statistika berpengaruh nyata dan positif terhadap prestasi akademik terbukti. Besarnya pengaruh langsung dari kemampuan metakognisi statistika terhadap prestasi akademik sebesar 0.194, yang berarti bahwa setiap kenaikan kemampuan metakognisi statistika sebesar satu satuan akan meningkatkan prestasi akademik sebesar 0.194 satuan.
37
Pengaruh Pengetahuan Awal terhadap Kemampuan Kognisi Statistika Hasil perhitungan AMOS yang disajikan pada Tabel 8 menunjukkan bahwa pengetahuan awal (TAHUAWAL) berpengaruh nyata dan positif terhadap kemampuan kognisi statistika (KOGSTAT). Hal ini tampak dari koefisien jalur yang bertanda positif sebesar 0.782 dengan nilai CR sebesar 4.866 dan nilai-p sebesar 0.000. Nilai-p ini lebih kecil dari taraf nyata ( α ) yang ditentukan yaitu 0.05. Dengan demikian hipotesis penelitian yang menyatakan bahwa pengetahuan awal berpengaruh nyata dan positif terhadap kemampuan kognisi statistika terbukti. Besarnya pengaruh langsung dari pengetahuan awal terhadap kemampuan kognisi statistika sebesar 0.782, yang berarti bahwa setiap kenaikan kemampuan kognisi statistika sebesar satu satuan akan meningkatkan kemampuan kognisi statistika sebesar 0.782 satuan. Pengaruh Kemampuan Kognisi Statistika terhadap Prestasi Akademik Hasil perhitungan AMOS yang disajikan pada Tabel 8 menunjukkan bahwa kemampuan kognisi statistika (KOGSTAT) berpengaruh nyata dan positif terhadap prestasi akademik (PRESAKDMK). Hal ini tampak dari koefisien jalur yang bertanda positif sebesar 0.365 dengan nilai CR sebesar 3.491 dan nilai-p sebesar 0.000. Nilai-p ini lebih kecil dari taraf nyata ( α ) yang ditentukan yaitu 0.05. Dengan demikian hipotesis penelitian yang menyatakan bahwa kemampuan kognisi statistika berpengaruh nyata dan positif terhadap prestasi akademik terbukti. Besarnya pengaruh langsung dari kemampuan kognisi statistika terhadap prestasi akademik sebesar 0.365, yang berarti setiap kenaikan potensi akademik sebesar satu satuan akan meningkatkan prestasi akademik sebesar 0.365 satuan. Pengaruh antar Peubah Penelitian Pada persamaan struktural yang melibatkan banyak peubah dan jalur antar peubah, terdapat pengaruh antar peubah yang meliputi pengaruh langsung (direct effects), pengaruh tidak langsung (indirect
effects) dan pengaruh total (total
effects). Untuk itu akan dibahas secara rinci masing-masing pengaruh tersebut. Pengaruh Langsung Hubungan langsung terjadi antara peubah laten eksogen dengan peubah laten endogen (a) hubungan langsung potensi akademik (POTAKDMK) dengan
38
kemampuan
metakognisi
statistika
(METASTAT),
pengetahuan
awal
(TAHUAWAL), dan prestasi akademik (PRESAKDMK), (b) hubungan langsung pengetahuan awal (TAHUAWAL) dengan kemampuan kognisi statistika (KOGSTAT), (c) hubungan langsung antara kemampuan metakognisi statistika (METASTAT) dengan prestasi akademik (PRESAKDMK), dan (d) hubungan langsung antara kemampuan kognisi statistika (KOGSTAT) dengan prestasi akademik (PRESAKDMK). Tabel 9 menyajikan hasil pengujian pengaruh langsung yang terjadi di antara peubah–peubah laten eksogen dan endogen tersebut. Tabel 9 Pengaruh langsung antar peubah penelitian Pengaruh Langsung POTAKDMK TAHUAWAL METASTAT KOGSTAT
Peubah Endogen TAHUAWAL METASTAT KOGSTAT 0.461 -
0.457 -
-0.116 0.782 -0.037 -
PRESAKDMK 0.390 0.194 0.365
Berdasarkan Tabel 9 dapat dijelaskan besar pengaruh langsung peubah laten eksogen terhadap peubah laten endogen. Potensi akademik memberikan kontribusi terhadap pengetahuan awal, kemampuan metakognisi statistika, dan prestasi akademik masing-masing sebesar 0.461, 0.457, dan 0.390. Pengetahuan awal memberikan kontribusi yang sangat besar terhadap kemampuan kognisi statistika yaitu sebesar 0.782. Kemampuan kognisi statistika dan potensi akademik mempunyai kontribusi yang relatif sama terhadap prestasi akademik, yaitu masing-masing sebesar 0.37 dan 0.35, sedangkan kemampuan metakognisi statistika mempunyai kontribusi terhadap prestasi akademik yang lebih kecil yaitu sebesar 0.194. Pengaruh Tidak Langsung Hubungan tidak langsung terjadi antara peubah laten eksogen dengan peubah laten endogen. Pengujian pengaruh tidak langsung dilakukan dengan melihat hasil pengujian jalur-jalur yang dilalui. Jika semua jalur yang dilalui nyata maka pengaruh tidak langsungnya juga nyata.
39
Tabel 10 Pengaruh tidak langsung antar peubah penelitian Pengaruh Tidak Langsung
Peubah Endogen TAHUAWAL METASTAT KOGSTAT
POTAKDMK TAHUAWAL METASTAT KOGSTAT
-
-
0.343 -
PRESAKDMK 0.172 0.285 -0.014 -
Berdasarkan Tabel 10 dapat dijelaskan besar pengaruh tidak langsung dari peubah laten eksogen terhadap peubah laten endogen. Pengaruh tidak langsung potensi akademik terhadap kemampuan kognisi statistika dengan mediasi pengetahuan awal adalah sebesar 0.343. Dengan demikian, meskipun potensi akademik tidak mempunyai pengaruh langsung terhadap kemampuan kognisi statistika, namun terbukti potensi akademik mempunyai pengaruh tidak langsung terhadap kemampuan kognisi statistika dengan peubah mediasi pengetahuan awal. Hal ini menunjukkan bahwa peningkatan potensi akademik akan berdampak pada peningkatan kemampuan kognisi statistika sebagai akibat adanya peningkatan pengetahuan awal. Pengaruh tidak langsung pengetahuan awal terhadap prestasi akademik dengan mediasi kemampuan kognisi statistika adalah sebesar 0.285. Pengaruh tidak langsung potensi akademik terhadap prestasi akademik dengan mediasi kemampuan metakognisi statistika, pengetahuan awal, dan kemampuan kognisi statistika adalah sebesar 0.172. Pengaruh Total Pengaruh total merupakan penjumlahan antara pengaruh langsung dengan pengaruh tidak langsung. Tabel 11 Pengaruh total antar peubah penelitian Pengaruh Total POTAKDMK TAHUAWAL METASTAT KOGSTAT
Peubah Endogen TAHUAWAL
METASTAT
0.461 -
0.457 -
KOGSTAT 0.228 0.782 -0.037 -
PRESAKDMK 0.562 0.285 0.180 0.365
40
Berdasarkan Tabel 11 dapat dijelaskan besar pengaruh total yang terjadi antara peubah laten eksogen terhadap peubah laten endogen. Kolom pertama pada Tabel 11 mengindikasikan bahwa pengetahuan awal tergantung, baik secara langsung maupun tidak langsung kepada potensi akademik. Pengaruh total potensi akademik terhadap pengetahuan awal tersebut adalah sebesar 0.461. Arah positif mempunyai makna bahwa peningkatan potensi akademik yang dimiliki oleh mahasiswa akan menyebabkan peningkatan pengetahuan awal mahasiswa tersebut. Interpretasi kolom kedua relatif sama dengan interpretasi kolom pertama, yaitu pengaruh total potensi akademik terhadap kemampuan metakognisi statistika adalah sebesar 0.457. Kolom ketiga pada Tabel 11 mengindikasikan bahwa kemampuan kognisi statistika tergantung, baik secara langsung maupun tidak langsung kepada potensi akademik dan pengetahuan awal. Skor yang lebih tinggi pada pengetahuan awal daripada potensi akademik mengindikasikan bahwa pengaruh total pengetahuan awal terhadap kemampuan kognisi statistika lebih tinggi daripada pengaruh total potensi akademik. Selanjutnya, secara berturutturut, yang mempunyai pengaruh total terbesar hingga terkecil terhadap prestasi akademik adalah potensi akademik, kemampuan kognisi statistika, pengetahuan awal, dan kemampuan metakognisi statistika.
