Ujian Akhir Semester

Statistika Pendidikan

Disusun Oleh:

Nama : Kadek Devy Ariningsih Chandradilova

NIM :1613021007

Kelas : IV B

JURUSAN PENDIDIKAN FISIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN GANESHA
2018
1. Data masing-masing variabel (X1,X2,X3 dan Y)
No X1 (Motivasi) X2 (Sikap) X3 (Kesukaan) Y ( Prestasi belajar)
1
30.00 35.00 40.00 55.00
2
10.00 15.00 39.00 58.00
3
26.00 56.00 46.00 69.00
4
30.00 30.00 27.00 70.00
5
43.00 31.00 46.00 71.00
6
48.00 48.00 56.00 80.00
7
50.00 57.00 61.00 86.00
8
43.00 57.00 67.00 89.00
9
45.00 48.00 56.00 91.00
10
31.00 40.00 45.00 59.00
11
43.00 47.00 56.00 87.00
12
42.00 34.00 59.00 96.00
13
50.00 49.00 37.00 76.00
14
39.00 47.00 50.00 79.00
15
38.00 47.00 60.00 85.00
16
24.00 42.00 50.00 74.00
17
27.00 45.00 51.00 67.00
18
36.00 29.00 47.00 59.00
19
31.00 37.00 45.00 71.00
20
40.00 37.00 70.00 79.00
21
38.00 47.00 72.00 85.00
22
50.00 52.00 57.00 87.00
23
45.00 57.00 60.00 90.00
24
20.00 54.00 54.00 91.00
25
32.00 43.00 59.00 93.00
26
34.00 42.00 69.00 76.00
27
36.00 47.00 38.00 71.00
 28
38.00 48.00 51.00 82.00
29
31.00 23.00 59.00 93.00
30
16.00 34.00 37.00 73.00
31
35.00 49.00 56.00 79.00
32
19.00 41.00 65.00 75.00
33
45.00 46.00 56.00 98.00
34
40.00 57.00 67.00 93.00
35
41.00 43.00 67.00 100.00
36
35.00 27.00 75.00 56.00
37
19.00 28.00 50.00 87.00
38
28.00 49.00 45.00 82.00
39
29.00 59.00 40.00 62.00
40
41.00 52.00 67.00 65.00
41
46.00 53.00 72.00 68.00
42
50.00 48.00 70.00 69.00
43
47.00 37.00 30.00 78.00
44
34.00 41.00 67.00 69.00
45
40.00 42.00 40.00 78.00

2.a. Uji normalitas masing-masing variabel (X1, X2, X3, dan Y

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

X1 .097 45 .200* .959 45 .109

X2 .132 45 .049 .956 45 .086

X3 .102 45 .200* .970 45 .280

Y .083 45 .200* .975 45 .446

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

Berdasarkan output Test of Normality, di peroleh nilai signifikan untuk X1
sebesar0,109 , X2 sebesar 0,086, X3 sebesar 0,280 dan Y sebesar 0,446. Karena nilai
 signifikansi dari X1,X2,X3 dan X4 > 0,05. Maka dapat disimpulkan bahwa data penelitian
tersebut berdistribusi normal.

b. Koefisien korelasi masing-masing variabel independent (Xi=1,2,3) dengan variabel

dependent (Y)

Correlations

X1 X2 X3 Y

X1 Pearson Correlation 1 .436** .307* .314*

Sig. (2-tailed) .003 .040 .035

N 45 45 45 45

X2 Pearson Correlation .436** 1 .262 .301*

Sig. (2-tailed) .003 .082 .045

N 45 45 45 45

X3 Pearson Correlation .307* .262 1 .301*

Sig. (2-tailed) .040 .082 .045

N 45 45 45 45

Y Pearson Correlation .314* .301* .301* 1

Sig. (2-tailed) .035 .045 .045

N 45 45 45 45

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

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

Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien
korelasi sebagai berikut:
0,00 - 0,199 = sangat rendah
0,20 - 0,399 = rendah
0,40 - 0,599 = sedang
0,60 - 0,799 = kuat
0,80 - 1,000 = sangat kuat
Dari hasil analisis korelasi sederhana (r) didapat
 Korelasi antara Motivasi (X1) dengan prestasi belajar (r) adalah 0,314. Hal ini
menunjukkan bahwa terjadi hubungan yang rendah antara Motivasi dengan prestasi
 belajar. Hal ini menunjukkan bahwa terjadi hubungan yang rendah antara Motivasi
dengan prestasi belajar.
 Korelasi antara Sikap (X2) dengan prestasi belajar (r) adalah 0,301. Hal ini
menunjukkan bahwa terjadi hubungan yang rendah antara Sikap dengan prestasi
belajar. Hal ini menunjukkan bahwa terjadi hubungan yang rendah antara Motivasi
dengan prestasi belajar.
 Korelasi antara Kesukaan (X3) dengan prestasi belajar (r) adalah 0,301. Hal ini
menunjukkan bahwa terjadi hubungan yang rendah antara Sikap dengan prestasi
belajar. Hal ini menunjukkan bahwa terjadi hubungan yang rendah antara Motivasi
dengan prestasi belajar.

Sedangkan arah hubungan dari semua variabel Xi terhadap Y adalah positif karena
nilai r positif, berarti semakin tinggi Motivasi, Sikap dan Kesukaan maka semakin
meningkatkan prestasi belajar.
c. dan d
* Uji Hipotesis untuk X1 terhadap Y

Chi-Square Tests

Asymp. Sig. (2-

Value df sided)

Pearson Chi-Square 774.375a 700 .026

Likelihood Ratio 235.094 700 1.000

Linear-by-Linear Association 4.350 1 .037

N of Valid Cases 45

a. 754 cells (100.0%) have expected count less than 5. The minimum
expected count is .02.

Interprestasi
Cara pengambilan keputusan
- X2 hitung < X2 tabel Ho diterima ; X2 hitung > X2 tabel Ha diterima
- Probabilitas > 0.05 Ho diterima ; probabilitas < 0.05 Ha diterima
Hasil dari spss
X2 hitung = 774,375
X2 tabel = 5,991
Probabilitas signifikan = 0,026
a = 0,05
Jadi karena 774,375>5,991 maka Ho diterima , Ha ditolak. Artinya tidak ada hubungan
antara motivasi dan prestasi belajar. Dan 0,026<0,05 (Ha diterima) artinya ada hubungan
antara motivasi dan prestasi belajar.

*X2 terhadap Y

Chi-Square Tests

Asymp. Sig. (2-

Value df sided)

Pearson Chi-Square 735.750a 672 .044

Likelihood Ratio 226.638 672 1.000

Linear-by-Linear Association 3.978 1 .046

N of Valid Cases 45

a. 725 cells (100.0%) have expected count less than 5. The minimum
expected count is .02.

Interprestasi
Hasil dari spss
X2 hitung = 735,750
X2 tabel = 5,991
Probabilitas signifikan = 0,044
a = 0,05
Jadi karena 735,750>5,991 maka Ho diterima , Ha ditolak. Artinya tidak ada hubungan
antara sikap dan prestasi belajar. Dan 0,044<0,05 (Ha diterima) artinya ada hubungan
antara sikap dan prestasi belajar.

*X3 terhadap Y

Chi-Square Tests

Asymp. Sig. (2-

Value df sided)
 Pearson Chi-Square 644.000a 616 .210

Likelihood Ratio 220.587 616 1.000

Linear-by-Linear Association 3.985 1 .046

N of Valid Cases 45

a. 667 cells (100.0%) have expected count less than 5. The minimum
expected count is .02.

Interprestasi
Hasil dari spss
X2 hitung = 644,000
X2 tabel = 5,991
Probabilitas signifikan = 0,210
a = 0,05
Jadi karena 644,000>5,991 maka Ho diterima , Ha ditolak. Artinya tidak ada hubungan
antara kesukaan dan prestasi belajar. Dan 0,210>0,05 (HO ditolak) artinya tidak ada
hubungan antara Kesukaan dan prestasi belajar.

e. - Perbedaan ‘signifikan’ antar variabel independen (X1 dengan X2)

Paired Samples Test

Paired Differences

95% Confidence Interval of the

Difference

Mean Std. Deviation Std. Error Mean Lower Upper t df Sig. (2-tailed)

Pair 1 X1 - X2 -7.44444 10.51958 1.56817 -10.60488 -4.28401 -4.747 44 .000

Berdasarkan hasil output diatas dimana nilai Sig. (2-tailed) sebesar 0,000 < 0,05,
mka dapat disimpulkan terdapat perbedaan yang signifikan antara X1 ( Motivasi) dengan
X2 (Sikap)
 - Perbedaan ‘signifikan’ antar variabel independen (X1 dengan X3)

Paired Samples Test

Paired Differences

95% Confidence Interval of the

Difference

Mean Std. Deviation Std. Error Mean Lower Upper t df Sig. (2-tailed)

Pair 1 X1 - X3 -18.13333 13.02375 1.94147 -22.04610 -14.22056 -9.340 44 .000

Berdasarkan hasil output diatas dimana nilai Sig. (2-tailed) sebesar 0,000 < 0,05,
mka dapat disimpulkan terdapat perbedaan yang signifikan antara X1 (Motivasi) dengan
X3 (Kesukaan)
f. Setelah dibandingkan dari data yang di hitung secara manual dan melalui spss terdapat
bnyak perbedaan. Misalkan data berdistribusi normal melalui spss tapi berdasarkan
perhitungan manual ternyata data tersebut tidak berdistribusi normal. Jadi itu mungkin di
karenakan kesalahan perhitungan. Lalu untuk koefisien korelasi jadi jika dibanding kan
antara spss dan hitung manual atau excel itu di dapat hasil yg sama. Jadi hasil
perhitungan manual dan spss sudah sama
3. - Analisis regresi linier X1 terhadap Y
Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .314a .099 .078 11.41821

a. Predictors: (Constant), X1
Pada output diatas nilai korelasi adalah 0,312. Nilai ini dapat diinterpretasikan bahwa
hubungan kedua variabel penelitian ada di kategori lemah. Melalui tabel ini juga
diperoleh nilai R Square atau koefisien determinasi (KD) yang menunjukkan seberapa
bagus model regresi yang dibentuk oleh interaksi variabel bebas dan variabel terikat.
Nilai KD yang diperoleh adalah 09,9% yang dapat ditafsirkan bahwa variabel bebas X1
memiliki pengaruh kontribusi sebesar 09,9% terhadap variabel Y dan 91,1% lainnya
dipengaruhi oleh faktor-faktor lain diluar variabel X1. Jadi X1 dapat memprediksi Y
tapi lemah.
 ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 615.051 1 615.051 4.718 .035a

Residual 5606.149 43 130.376

Total 6221.200 44

a. Predictors: (Constant), X1

b. Dependent Variable: Y

Jika Nilai Sig. < 0,05, maka model regresi adalah linier, dan berlaku sebaliknya.
Berdasarkan tabel diatas, diperoleh nilai Sig. = 0,035 yang berarti < kriteria signifikan (0,05),
dengan demikian model persamaan regresi berdasarkan data penelitian adalah signifikan
artinya, model regresi linier memenuhi kriteria linieritas.
- Analisis regresi linier X2 terhadap Y

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .301a .090 .069 11.47165

a. Predictors: (Constant), X2
Pada output diatas nilai korelasi adalah 0,301. Nilai ini dapat diinterpretasikan bahwa
hubungan kedua variabel penelitian ada di kategori lemah. Melalui tabel ini juga diperoleh
nilai R Square atau koefisien determinasi (KD) yang menunjukkan seberapa bagus model
regresi yang dibentuk oleh interaksi variabel bebas dan variabel terikat. Nilai KD yang
diperoleh adalah 09,0% yang dapat ditafsirkan bahwa variabel bebas X1 memiliki pengaruh
kontribusi sebesar 09,9% terhadap variabel Y dan 91,0% lainnya dipengaruhi oleh faktor-
faktor lain diluar variabel X2. Jadi X2 dapat memprediksi Y tapi lemah.
 ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 562.449 1 562.449 4.274 .045a

Residual 5658.751 43 131.599

Total 6221.200 44

a. Predictors: (Constant), X2

b. Dependent Variable: Y
Jika Nilai Sig. < 0,05, maka model regresi adalah linier, dan berlaku sebaliknya.
Berdasarkan tabel diatas, diperoleh nilai Sig. = 0,045 yang berarti < kriteria signifikan (0,05),
dengan demikian model persamaan regresi berdasarkan data penelitian adalah signifikan
artinya, model regresi linier memenuhi kriteria linieritas.
- Analisis regresi linier X3 terhadap Y

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .301a .091 .069 11.47058

a. Predictors: (Constant), X3
Pada output diatas nilai korelasi adalah 0,301. Nilai ini dapat diinterpretasikan bahwa
hubungan kedua variabel penelitian ada di kategori lemah. Melalui tabel ini juga diperoleh
nilai R Square atau koefisien determinasi (KD) yang menunjukkan seberapa bagus model
regresi yang dibentuk oleh interaksi variabel bebas dan variabel terikat. Nilai KD yang
diperoleh adalah 09,0% yang dapat ditafsirkan bahwa variabel bebas X1 memiliki pengaruh
kontribusi sebesar 09,1% terhadap variabel Y dan 91,9% lainnya dipengaruhi oleh faktor-
faktor lain diluar variabel X2. Jadi X2 dapat memprediksi Y tapi lemah.

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 563.505 1 563.505 4.283 .045a

Residual 5657.695 43 131.574

Total 6221.200 44

a. Predictors: (Constant), X3

b. Dependent Variable: Y
 Jika Nilai Sig. < 0,05, maka model regresi adalah linier, dan berlaku sebaliknya.
Berdasarkan tabel diatas, diperoleh nilai Sig. = 0,045 yang berarti < kriteria signifikan (0,05),
dengan demikian model persamaan regresi berdasarkan data penelitian adalah signifikan
artinya, model regresi linier memenuhi kriteria linieritas.
B. Koefisien determinasinya (R2xiY x 100%) dan Sumbangan efektif ( SE)
 X1 terhadap Y

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .314a .099 .078 11.41821

a. Predictors: (Constant), X1
Dari output diatas ketahui bahwa nilai koefisien determinasinya R2xiY adalah sebesar
0,099. Jadi besar angka koefisien determinasinya (R2xiY x 100%) yaitu 0,099%. Jadi
dapat disimpulkan bahwa X1 (Moivasi) berpengaruh terhadap Y (Prestasi belajar )
hanya 0,099%. Sedangkan sisanya 0,99% di pengaruhi oleh variabel lain di luar
model regresi ini.
 X2 terhadap Y

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .301a .090 .069 11.47165

a. Predictors: (Constant), X2
Dari output diatas ketahui bahwa nilai koefisien determinasinya R2xiY adalah sebesar
0,090. Jadi besar angka koefisien determinasinya (R2xiY x 100%) yaitu 0,090%. Jadi
dapat disimpulkan bahwa X2 (Sikap) berpengaruh terhadap Y (Prestasi belajar )
hanya 0,090% Sedangkan sisanya 0,99% di pengaruhi oleh variabel lain di luar model
regresi ini.
 X3 terhadap Y

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .301a .091 .069 11.47058

a. Predictors: (Constant), X3
Dari output diatas ketahui bahwa nilai koefisien determinasinya R2xiY adalah sebesar
0,090. Jadi besar angka koefisien determinasinya (R2xiY x 100%) yaitu 0,090%. Jadi dapat
disimpulkan bahwa X3 (Kesukaan) berpengaruh terhadap Y (Prestasi belajar ) hanya
0,090% Sedangkan sisanya 0,99% di pengaruhi oleh variabel lain di luar model regresi ini.
 Sumbangan efektif

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 50.586 9.748 5.189 .000

X1 .217 .197 .178 1.098 .278

X2 .202 .190 .170 1.062 .294

X3 .198 .149 .202 1.331 .190

a. Dependent Variable: Y
 Correlations

Y X1 X2 X3

Pearson Correlation Y 1.000 .314 .301 .301

X1 .314 1.000 .436 .307

X2 .301 .436 1.000 .262

X3 .301 .307 .262 1.000

Sig. (1-tailed) Y . .018 .022 .022

X1 .018 . .001 .020

X2 .022 .001 . .041

X3 .022 .020 .041 .

N Y 45 45 45 45

X1 45 45 45 45

X2 45 45 45 45

X3 45 45 45 45

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .410a .168 .107 11.23670

a. Predictors: (Constant), X3, X2, X1

Variabel Koefisien Koefisien relasi R square

regresi(BETA)
X1 0,178 0,314 0,168
X2 0,170 0,301
X3 0,202 0,301
Rumus SE.
SE(X)%= 𝐵𝐸𝑇𝐴 × 𝐾𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝐾𝑜𝑟𝑒𝑙𝑎𝑠𝑖 × 100%

SE NILAI
 X1 0,056
X2 0,051
X3 0,060

Jadi nilai sumbangan efektif untuk X1 (Motivasi) adalah 0,056. Nilai sumbangan
efektif untuk X2 (Sikap) adalah 0,051. Dan nilai sumbangan untuk X3 (Kesukaan)
adalah 0,060.