5. 248
Pengujian Hipotesis
1. Pengujian Hipotesis Pertama
a. Mencari Persamaan Regresi Sederhana X1 dengan Y
Nilai-nilai yang diperlukan untuk analisis regresi adalah:
ΣX1 = 5168;
ΣX12 = 529126;
ΣY2 = 290994;
3803;
639419;
X
1
= 101.33;
10.43; SDx2 = 12.06;
Dengan
Rumus:
ΣX2 = 6304;
ΣX1Y = 386542;
X
2
= 123.61;
ΣX22 = 786494;
ΣX2Y = 468871;
ΣY =
ΣX1X2 =
= 74.56;
n = 51; SD x1 =
( ΣY ) (ΣX 2 ) − (ΣX ) (ΣXY )
maka persamaan
Y
SDy = 12.21
a =
nΣX 2 − (ΣX ) 2
regresi X1 dengan Y dapat dihitung sebagai berikut:
( 3803) ( 529126) − (5168) (386542)
a =
(51) (529126) − (5168) 2
= 52,73093989
b=
=
14617122
277202
= 52,73
51(386542) − (5168) (3803)
nΣXY − (ΣX ) (ΣY )
=
2
2
51(529126) − (5168) 2
nΣX − (ΣX )
=
59738
= 0,215503496 = 0,22
277202
Dengan demikian persamaan Regresi sederhana X1 dengan Y adalah
ˆ
Y
= 52,73 + 0,22X1
6. 249
b. Uji Keberartian Regrasi dan Linearitas Y atas X1
Untuk uji keberartian regresi dan linearitas, diperlukan nilai-nilai jumlah
kuadrat (JK) dan derajat kebebasan (dk) sebagai berikut:
Jumlah Kuadrat (JK)
JK(T) = ΣY2 = 290994
JK(a) =
(ΣY ) 2
(3803) 2
=
= 283584,49
51
n
JK (b/a) = b ΣXY −
(ΣX )(ΣY )
(5168)(3803)
= 0,22 386542 −
51
n
= 0,22 (386542 – 383057,67) = 0,22 (3484,33) = 766,55
JK (S)
= JK (T) – JK (a) – JK (b/a)
= 290994 – 283584,49 – 766,55 = 6642,96
Jumlah Kuadrat Galat
Untuk keperluan JK (G), maka skor variabel X1 diurutkan dari skor
terkecil keskor terbesar seperti disajikan di atas. Dari tabel tersebut diperoleh
27 kelompok data X1.
komputer dengan rumus:
JK (G) = Σ
2 2
2 ΣYi
ΣYi −
ni
JK (G) dihitung dengan menggunakan bantuan
7. 250
= 4652,91. Jadi jumlah kuadrat Galat : JK (G) = 4652,19
Jumlah Kuadrat Tuna Cocok:
JK (TC) = JK(S) – JK(G) = 6642,96 – 4652,19 = 1990,77
Nilai-nilai jumlah kuadrat (JK) di atas disusun dalam daftar uji
keberartian regresi (signifikansi) seperti pada tabel berikut:
Tabel 23. ANAVA Uji keberartian untuk Regresi Linear
Sumber
Dk JK
Varians
Total
51
290994
Regresi (a)
1
283584,49
Regresi (b/a)
1
Sisa
49
6642,96
Tuna Cocok
26
1990,77
76,57
23
766,55
4652,19
Keterangan:
Dk (S) = n – 2 = 51 – 2 = 49
dk (TC) = k – 2 = 28 – 2 = 26
dk (G) = n – k = 51 – 28 = 23
* = signifikan
Fhitung
= a + bX1
135,57
Galat
RJK
ˆ
Y
5705,76
-
283584,49
Ftabel
α = 0,05 α= 0,01
-
766,55
202,27
5,70**
0,38ns
2,40
1,96
3,41
2,62
8. 251
ns = non signifikan
1) Uji Keberartian Regresi
Tabel di atas menunjukkan bahwa nilai F hitung sebesar 5,70 lebih besar
dari nilai Ftabel dengan dk pembilang 1 dan dk penyebut 49 yaitu sebesar 2,40
pada α = 0,05 dan 3,41 pada α = 0,01. Dengan kriteria pengujian terima H 0
jika Fhitung ≤ Ftabel dan tolak H0 jika Fhitung > Ftabel maka H0 ditolak artinya
persamaan regresi sederhana
ˆ
Y
= 52,73 + 0,22X1 adalah sangat berarti
(sangat signifikan) karena teruji pada α = 0,01 dimana Fhitung > Ftabel (5,70 >
3,41).
2) Uji Linearitas
Dari Tabel ANAVA, diperoleh nilai Fhitung sebesar 0,38 lebih kecil dari
nilai Ftabel dengan dk pembilang 26 dan dk penyebut 23 yaitu sebesar 1,96 pada
α = 0,05 dan 2,62 pada α = 0,01. Dengan kriteria pengujian terima H 0 jika
Fhitung ≤ Ftabel dan tolak H0 jika Fhitung > Ftabel maka H0 diterima artinya model
regresi
ˆ
Y
= 52,73 + 0,22X1 adalah non-signifikan atau linear karena tidak
teruji baik pada α = 0,05 maupun pada α = 0,01.
9. 252
c. Pengujian Korelasi Sederhana
Hipotesis : H0 : ρy1 = 0
H1 : ρy1 > 0
Dimana ρy1 adalah koefisien korelasi skor motivasi belajar (X 1) dengan
hasil
belajar
siswa
(Y).
Perhitungan
koefisien
korelasi
Sederhana
menggunakan rumus Product Moment dari Pearson .
Dari hasil perhitungan dengan menggunakan bantuan program komputer
seperti disajikan di atas diperoleh nilai-nilai sebagai berikut.
ΣX1 = 5168;
ΣX12 = 529126;
ΣY2 = 290994;
3803;
639419;
X
1
ΣX1Y = 386542;
= 101.33;
10.43; SDx2 = 12.06;
ΣX2 = 6304;
X
2
= 123.61;
ΣX22 = 786494;
ΣX2Y = 468871;
= 74.56;
Y
ΣY =
ΣX1X2 =
n = 51; SD x1 =
SDy = 12.21
Berdasarkan nilai-nilai tersebut maka dapat dihitung koefisien korelasi
sebagai berikut:
rxy1 =
rxy1 =
nΣX iY − (ΣX i )(ΣYi )
{ nΣ X
2
i
− ( X i ) 2 }{nΣYi 2 − (ΣYi ) 2 }
(51) (386542) − (5168) (3803)
{51(529126) − (5168) }{51(290994) − (3803) }
rxy1 =
2
59738
=
( 277202)(377732)
2
59738
59738
=
102326,96
10470806586
10. 253
= 0,583795316 = 0,584
Jadi koefisien korelasi motivasi belajar siswa (X 1) dengan hasil belajar
siswa (Y) adalah sebesar 0,584 dengan Koefisien derminasi (r 2) Sebesar
0,341
Uji keberartian koefisien korelasi menggunakan rumus uji t sebagai
berikut:
t=
r n −2
Dari hasil perhitungan berdasarkan kebutuhan rumus
1−r2
maka diperoleh:
t hitung =
0,584 51 − 2
1 −0,584
2
=
(0,584)(7)
0,659
=
4,088
0,812
= 5,034482759
= 5,034
Dari hasil perhitungan di atas diperoleh nilai t
hitung
sebesar 5,034 lebih
besar dari t tabel yaitu sebesar 1,684 pada α = 0,05 dengan dk 49, dan 2,423
pada α = 0,01 dengan dk 49. Dengan kriteria pengujian terima H 0 jika
hitung
≤ t
tabel
dan tolak H0 jika t
hitung
> t
tabel
t
maka H0 ditolak artinya
koefisien korelasi X1 dengan Y adalah sangat signifikan karena teruji pada
α = 0,01.
11. 254
2. Pengujian Hipotesis Kedua
a.
Mencari Persamaan Regresi Sederhana X2 dengan Y
Nilai-nilai yang diperlukan untuk analisis regresi adalah: X 1 = 5168;
ΣX12 = 529126;
290994;
101.33;
12.06;
ΣX2 = 6304;
ΣX1Y = 386542;
X
2
= 123.61;
ΣX22 = 786494;
ΣX2Y = 468817;
= 74.56;
Y
ΣY = 3803;
ΣX1X2 = 639419;
ΣY2 =
X
1
=
n = 51; SD x1 = 10.43; SDx2 =
SDy = 12.21
Dengan
Rumus:
a =
( ΣY ) (ΣX 2 ) − (ΣX )(ΣXY )
nΣX 2 − (ΣX ) 2
maka persamaan
regresi X1 dengan Y dapat dihitung sebagai berikut:
a =
b=
=
( 3803)( 786494 ) − (6034)(468817)
(51)(786494) − (6034) 2
=
162194904
= 95,13481922 = 43,39
3738233
nΣXY − (ΣX )(ΣY )
nΣX 2 − (ΣX ) 2
51( 468817) − (6034)(3803)
51(786494) − (6034) 2
=
965119
= 0,258175186
3738233
= 0,26
Dengan demikian persamaan Regresi sederhana X2 dengan Y adalah
ˆ
Y
= 43,39 + 0,26X2
Uji keberartian Regrasi dan Linearitas Y atas X2
12. 255
Untuk uji keberartian regresi dan linearitas, diperlukan nilai-nilai
jumlah kuadrat (JK) dan derajat kebebasan (dk). Nilai-nilai yang diperlukan
untuk analisis regresi adalah:
ΣX12 = 529126;
X1 = 5168;
ΣY2 = 290994;
3803;
639419;
X
1
= 101.33;
10.43; SDx2 = 12.06;
ΣX2 = 6034;
ΣX1Y = 386542;
X
2
= 123.61;
ΣX22 = 786494;
ΣX2Y = 468817;
Y
= 74.56;
ΣY =
ΣX1X2 =
n = 51; SD x1 =
SDy = 12.21
Jumlah Kuadrat (JK):
JK(T) = ΣY2 = 290994
JK(a) =
(ΣY ) 2
(3803) 2
=
= 283584,49
51
n
JK (b/a) = b ΣXY −
(ΣX )(ΣY )
(6034)(3803)
= 0,26 468817 −
51
n
= 0,26 (468817 – 449947,10) = 0,26 (18869,90) = 4906,17
JK (S)
= JK (T) – JK (a) – JK (b/a)
= 290994 – 283584,49 – 4906,17 = 2503,34
Jumlah Kuadrat Galat
Untuk keperluan JK (G), maka skor variabel X2 diurutkan dari skor
terbesar ke skor terkecil seperti disajikan pada tabel di atas. Dari tabel tersebut
13. 256
diperoleh 28 kelompok data X2.
JK (G) dihitung dengan menggunakan
bantuan komputer dengan rumus:
JK (G) = Σ
2
2 ΣYi
ΣYi −
ni
2
.
= 2030,13. Jadi jumlah kuadrat Galat : JK (G) =
2030,13
Jumlah Kuadrat Tuna Cocok:
JK (TC) = JK(S) – JK(G) = 2503,34 – 2030,13 = 473,18
Nilai-nilai jumlah kuadrat (JK) di atas disusun dalam daftar uji
keberartian regresi (signifikansi) seperti pada tabel berikut:
Tabel 24. ANAVA Uji keberartian untuk Regresi Linear
Sumber
Varians
Total
dk
JK
RJK
51
290994
Regresi (a)
1
283584,49 283584,49
Regresi (b/a)
1
4906,17
Sisa
49
Tuna Cocok
26
Galat
23
2503,34
473,18
2030,13
Keterangan:
Dk (S) = n – 2 = 51 – 2 = 49
dk (TC) = k – 2 = 28 – 2 = 26
dk (G) = n – k = 51 – 28 = 23
5705,76
4906,17
Fhitung
ˆ
Y
= a + bX2
Ftabel
α = 0,05 α= 0,01
96,09**
2,40
3,41
51,09
18,20
88,27
0,21ns
2,00
2,70
14. 257
** = sangat signifikan
ns = non signifikan
Uji Keberartian Regresi
Tabel di atas menunjukkan bahwa nilai Fhitung sebesar 96,09 lebih besar
dari nilai Ftabel dengan dk pembilang 1 dan dk penyebut 49 yaitu sebesar 2,40
pada α = 0,05 dan 3,41 pada α = 0,01 Dengan kriteria pengujian terima H0
jika Fhitung ≤ Ftabel dan tolak H0 jika Fhitung > Ftabel maka H0 ditolak artinya
persamaan regresi
ˆ
Y
= 95,05 + 0,26X2 adalah sangat signifikan karena teruji
pada α = 0,01.
Uji Linearitas
Dari Tabel ANAVA, diperoleh nilai Fhitung sebesar 0,21 lebih kecil dari
nilai Ftabel dengan dk pembilang 26 dan dk penyebut 23 yaitu sebesar 2,00 pada
α = 0,05 dan 2,70 pada α = 0,01. Dengan kriteria pengujian terima H 0 jika
Fhitung ≤ Ftabel dan tolak H0 jika Fhitung > Ftabel maka H0 diterima artinya model
regresi
ˆ
Y
= 95,05 + 0,26X2 adalah non-signifikan atau linear karena tidak
teruji baik pada α = 0,05 maupun pada α = 0,01 .
15. 258
b.
Pengujian Koefisien Korelasi Sederhana
Hipotesis : H0 : ρy2 = 0
H1 : ρy2 > 0
Dimana ρy2 adalah koefisien korelasi lingkungan belajar (X 2) dengan
hasil relajar siswa (Y). Perhitungan koefisien korelasi Sederhana menggunakan
rumus Product Moment dari Pearson.
Dari hasil perhitungan dengan menggunakan bantuan program
komputer seperti disajikan di atas diperoleh nilai-nilai sebagai berikut
ΣX12 = 529126;
X1 = 5168;
ΣY2 = 290994;
3803;
639419;
X
1
ΣX1Y = 386542;
= 101.33;
10.43; SDx2 = 12.06;
ΣX2 = 6034;
X
2
= 123.61;
ΣX22 = 786494;
ΣX2Y = 468817;
= 74.56;
Y
ΣY =
ΣX1X2 =
n = 51; SD x1 =
SDy = 12.21
Berdasarkan rumus dan nilai-nilai tersebut maka dapat dihitung
koefisien korelasi sebagai berikut:
rxy1 =
nΣX iY − (ΣX i )(ΣYi )
{ nΣ X
2
i
− ( X i ) 2 }{nΣYi 2 − (ΣYi ) 2 }
51(468817) − (6034)(3803)
rxy 2 =
{51(786494) − (6034) }{51(290994) − (3803) }
2
=
965119
( 3702038)( 377732)
2
=
965119
1398378217816
=
965119
1812530
16. 259
= 0, 532470635 = 0,532
Jadi koefisien korelasi antara lingkungan belajar (X 2) dengan hasil belajar
siswa (ry2) adalah sebesar 0,532 dengan koefisien determinasi (r 2y2) adalah
sebesar 0,283
c.
Uji keberartian koefisien korelasi menggunakan rumus uji t
sebagai berikut:
t=
r n −2
1−r 2
Hasil perhitungan berdasarkan kebutuhan rumus maka diperoleh:
t hitung =
0,532 51 − 2
1 −0,532
2
=
(0,532)(7)
0,717
=
3,724
0,867
= 4,29527105 = 4,295
Dari hasil perhitungan di atas diperoleh nilai t
hitung
sebesar 5,034 lebih
besar dari t tabel yaitu sebesar 1,684 pada α = 0,05 dengan dk 49, dan 2,423
pada α = 0,01 dengan dk 49. Dengan kriteria pengujian terima H 0 jika
hitung
≤ t
tabel
dan tolak H0 jika t
hitung
> t
tabel
t
maka H0 ditolak artinya
koefisien korelasi X2 dengan Y adalah sangat signifikan karena teruji pada
α = 0,01.
17. 260
3.
Mencari Koefisien Korelasi Sederhana antara Motivasi Belajar (X 1)
dengan Lingkungan Belajar (X2).
Pengujian korelasi antara variabel motivasi belajar (X1) dengan variabel
bebas lingkungan belajar (X2) menggunakan rumus korelasi Product Moment
dari Pearson. Dari hasil pengolahan data penelitian seperti disajikan di atas di
peroleh nilai-nilai sebagai berikut.
ΣX12 = 529126;
X1 = 5168;
ΣY2 = 290994;
3803;
639419;
X
1
= 101.33;
10.43; SDx2 = 12.06;
ΣX2 = 6034;
ΣX1Y = 386542;
X
2
= 123.61;
ΣX22 = 786494;
ΣX2Y = 468817;
Y
= 74.56;
ΣY =
ΣX1X2 =
n = 51; SD x1 =
SDy = 12.21
Untuk menghitung korelasi antara motivasi belajar (X1) dengan
lingkungan belajar (X2) digunakan rumus:
rxy12 =
r12 =
=
nΣX 1 X 2 − (ΣX 1 )(ΣX 2 )
{ n ΣX
2
1
− ( X 1 ) 2 }{nΣX 22 − (ΣX 2 ) 2 }
(51× 639419) − (5163)(6034)
{51(529126) − (5163) } {51(786494) − (6034) }
2
1456827
( 328857 )( 3702038)
= 0,416377274 = 0,416
2
1456827
1456827
= 1217441105660 = 3498814,87
18. 261
Dengan demikian maka koefisien korelasi antara motivasi belajar
dengan lingkungan belajar (r12) adalah 0,416 dengan koefisien determinasi
0,173.
Uji keberartian koefisien korelasi antara motivasi belajar dengan
lingkungan belajar (r12) adalah menggunakan rumus uji:
t=
r n −2
1−r 2
.
Berdasarkan nilai koefisien korelasi antara motivasi belajar dengan
lingkungan belajar maka uji keberartian koefisien korelasi antara motivasi
belajar dengan lingkungan belajar adalah
t hitung =
0,416 51 − 2
1 − 0,416
2
=
(0,416)(7)
0,827
=
2,912
0,909
= 3,204
Dari hasil perhitungan di atas diperoleh nilai t
hitung
sebesar 5,204 lebih
besar dari t tabel yaitu sebesar 1,684 pada α = 0,05 dengan dk 49, dan 2,423
pada α = 0,01 dengan dk 49. Dengan kriteria pengujian terima H 0 jika
hitung
≤ t
tabel
dan tolak H0 jika t
hitung
> t
tabel
t
maka H0 ditolak artinya
koefisien korelasi X1 dengan X2 adalah sangat signifikan karena teruji pada
α = 0,01.
19. 262
4.
Pengujian Hipotesis Ke Tiga.
a.
Menghitung Regresi Ganda antara Variabel Motivasi Belajar dan
Lingkungan Belajar Secara Bersama-sama dengan Hasil Belajar Siswa.
Persamaan regresi ganda dihitung dengan menggunakan rumus:
ˆ
Y
=
a +
b1x1 + b2x2. Untuk menghitung regresi ganda diperlukan nilai-nilai sebagai
ΣX12 = 529126;
berikut. X1 = 5168;
ΣY = 3803;
ΣY2 = 290994;
ΣX1X2 = 639419;
X
1
ΣX1Y
= 101.33;
X
51; SDx1 = 10.43; SDx2 = 12.06;
1)
ΣX2 = 6034;
2
ΣX22 = 786494;
= 386542;
ΣX2Y = 468817;
= 123.61;
Y
= 74.56;
SDy = 12.21
Menghitung beta satu (b1) dengan rumus:
b1 =
=
2
(ΣX 2 ) (ΣX 1Y ) − ( X 1 X 2 ) ( X 2 y )
( ΣX ) ( ΣX ) − ( ΣX
2
1
2
2
1
X2)
2
(786496) (386542) − (639419) (468817)
4243239509
=
=
2
( 529126) ( 786496) − ( 639419)
7298824936
= 0,581359266 = 0,58
Jadi koefisien b1 adalah 0,44
n=
20. 263
2) Menghitung beta dua (b2) dengan rumus
b2 =
(ΣX 12 ) (ΣX 2Y ) − ( X 1 X 2 ) ( X 1 y )
(ΣX ) ( ΣX ) − ( ΣX
2
1
2
2
1
X2)
2
=
(529126) (468817) − (639419) (386542)
( 529126) ( 786494) − ( 639419) 2
=
990064844
7297766683
= 0,135666826 = 0,14
3) Menghitung konstan (a) dengan rumus
a = Y −(b1 )( X 1) −(b2 )( X 2)
= 74,56 −(0,44)(101,33) −(0,14)(123,61)
=74,56 – 27,28 = 47,28
Jadi nilai konstan (a) adalah 47,28
Dengan demikian maka persamaan regresi ganda antara variabel
motivasi belajar dan lingkungan belajar secara bersama-sama dengan hasil
belajar siswa adalah:
ˆ
Y = 47,28 + 0,44 X 1 + 0,14 X 2
Persamaan regresi tersebut menunjukkan bahwa setiap kenaikan atau
penurunan satu unit skor motivasi belajar dan lingkungan belajar secara
bersama-sama, maka akan menaikan skor hasil belajar siswa sebesar 0,58 pada
konstan 47,28.
21. 264
4) Uji Keberartian Persamaan Regresi Ganda
Pengujian kebnerartian regresi ganda menggunakan rumus:
F=
JK ( reg ) / k
untuk kepentingan humus tersebut, maka dibutuhkan
JK ( S ) /( n − k −1)
nilai-nilai berikut.
ΣX12 = 529126;
X1 = 5168;
3803;
ΣY2 = 290994;
639419;
X
1
= 101.33;
10.43; SDx2 = 12.06;
ΣX2 = 6034;
ΣX1Y = 386542;
X
2
= 123.61;
ΣX22 = 786494;
ΣX2Y = 468817;
Y
= 74.56;
ΣY =
ΣX1X2 =
n = 51; SDx1 =
SDy = 12.21
JK (reg) = b1 ΣX1Y +b2 ΣX2Y
= 0,44 (386542) +0,14(468817) = 170078,48 + 65634,30
= 235712,86
JK(s) = ΣY2 - JK (reg) = 290994 – 235712,86 = 55281,14
F=
JK ( reg ) / k
235712,86 : 2
11786,43
= 55281,14 : 48 = 1151,69 = 10,23402999
JK ( S ) /( n − k −1)
= 10,23
Tabel 25. Anava Hasil Pengujian Regresi Ganda
Sumber
Variansi
Regresi (reg)
Dk
2
Regresi (res) 48
JK
RJK
235712,86 11786,86
55281,14 1151,69
F hitung
10,23**
F tabel
α = 0,05 α = 0,01
3,19
5,08
22. 265
Dari hasil perhitungan diperoleh nilai F
hitung
sebesar 10,23 sedangkan
harga F tabel 3,19 pada α = 0,05 dengan dk penyebut 2 dan dk pembilang 48 dan
harga F
tabel
Ternyata F
5,08 pada α = 0,01 dengan dk penyebut 2 dan dk pembilang 48.
hitung
lebih besar dari F
tabel
(10,23 > 5,08) sehingga persamaan
ˆ
Y = 47,28 + 0,44 X 1 + 0,14 X 2 adalah
regresi ganda
sangat berarti karena teruji
pada α = 0,01.
b.
Uji Korelasi Ganda
Menghitung koefisien korelasi ganda antara motivasi belajar (X1) dan
lingkungan belajar (X2) secara bersama-sama dengan hasil belajar (Y). Rumus
yang dapat digunakan untuk menghitung korelasi ganda adalah:
R y −12 =
ry21 + ry22 − 2( ry1 )(ry 2 )(r12 )
2
1 − r12
Dari perhitungan korelasi di atas diketahui bahwa r y1 = 0,584;
ry2 =
0,532; dan r12 = 0,416 maka koefisien korelasi gandanya adalah:
R y −12 =
0,584 2 + 0,532 2 − 2(0,584)(0,532)(0,416)
1 − (0,416) 2
R y −12 =
0,624 −0,258
1 −0,173
= 0,665582451
=
0,366
0,827
=
0,443
= 0,666
Jadi koefisien korelasi ganda antara motivasi belajar
(X1) dan
lingkungan belajar (X2) secara besama-sama dengan hasil belajar siswa adalah
23. 266
sebesar 0,666. Untuk mengetahui apakah koefisien korelasi ganda tersebut
berarti atau tidak serta dapat digunakan sebagai bahan pengambilan keputusan
maka dilakukan uji keberartian koefisien korelasi ganda dengan menggunakan
rumus:
F=
R /k
(1 − R 2 ) /( n − k −1)
diketahui bahwa R = 0,666; n = 51; dan k = 2 maka uji
keberartian koefisien korelasi ganda dilakukan sebagai berikut.
F=
0,666 / 2
(1 − 0,666 2 ) /(51 − 2 −1)
F=
0,333
(0,444) /( 48)
=
F=
0,333
0,009
0,333
(1 − 0,556) /( 48)
= 37
Dari hasil perhitungan diperoleh nilai F
hitung
sebesar 37 sedangkan nilai
F tabel pada α = 0,05 dengan dk penyebut 2 dan dk pembilang 48 adalah sebesar
3,19 dan sebesar 5,08 pada α = 0,01 dengan dk penyebut 2 dan dk pembilang
48. Hasil pengujian ini menunjukkan bahwa nilai F
hitung
lebih besar dari F
tabel
(37 > 5,08) yang berarti koefisien korelasi ganda antara motivasi belajar (X1)
dan lingkungan belajar secara bersama-sama dengan hasil belajar siswa (Y)
sebesar 0,666 adalah sangat signifikan karena teruji pada α = 0,01.
5.
Korelasi Parsial.
24. 267
a. Korelasi Parsial Antara Motivasi Belajar (X1) dengan Hasil Belajar
(Y) dengan Mengontrol Lingkungan Belajar (X2)
Korelasi parsial antara motivasi belajar (X1) dengan hasil belajar siswa
(Y)
dengan
mengontrol
lingkungan
belajar
(X2)
dihitung
dengan
menggunakan rumus korelasi Poduct Moment. Untuk kepentingan rumus maka
diperlukan nilai-nilai: ry1 = 0,584; ry2 = 0,532; dan r12 = 0,416.
ry1.2 =
=
ry1 − (ry 2 )(r12 )
2
(1 − ry22 )(1 − r12 )
0,584 − (0,532)(0,416)
=
(1 − 0,532 )(1 − 0,416 )
2
2
0,584 − 0,221
(0,717)(0,827)
=
0,363
0,593
=
0.363
0,770
= 0,471428571 = 0,471
Jadi koefisien korelasi antara motivasi berprestasi (X1) dengan hasil
belajar siswa (Y) dengan mengontrol lingklungan belajar (X2) adalah
0,471. Uji keberartian koefisien korelasi parsial antara motivasi belajar
(X1) dengan hasil belajar siswa (Y) dengan mengontrol lingkungan belajar
(X2) adalah menggunakan rumus uji t sebagai berikut:
t=
=
ry1.2 n − 3
1−r
2
y1.2
3,264
0,471
=
0,471 51 −3
1 −0,471
2
=
0,471 48
0,222
= 6,929936306 = 6,930
=
(0,471)(6,93)
0,471
25. 268
Dari hasil perhitungan di atas diperoleh nilai t hitung sebesar 6,93
lebih besar dari t tabel 1,684 pada α = 0,05 dengan dk 48, dan 2,423 pada α
= 0,01 dengan dk 48. Dengan kriteria pengujian terima H0 jika t hitung
lebih kecil atau sama dengan t tabel dan tolak H0 jika t hitung lebih besar
dari t tabel, maka dalam pengujian ini H0 ditolak, artinya koefisien korelasi
antara motivasi belajar (X1) dengan hasil belajar siswa (Y) dengan
mengontrol lingkungan belajar (X2) adalah sangat signifikan karena teruji
pada α = 0,01.
b. Korelasi Parsial Antara Lingkungan Belajar (X2) dengan Hasil
Belajar Siswa (Y) dengan Mengontrol Motivasi Belajar (X1)
Pengujian korelasi parsial antara lingkungan belajar (X2) dengan hasil
belajar siswa (Y) dimana variabel motivasi belajar (X1) dikontrol dihitung
dengan menggunakan rumus korelasi Poduct Moment. Untuk kepentingan
rumus maka diperlukan nilai-nilai: ry1 = 0,584; ry2 = 0,532; dan r12 = 0,416
ry 2.1 =
=
ry 2 − ( ry1 )(r12 )
2
(1 − ry2 )(1 − r12 )
1
0,532 − (0,584)(0,416)
=
(1 − 0,584 )(1 − 0,416 )
2
= 0,392130257 = 0,392
2
0,532 − 0,243
(0,656)(0,827)
=
0,289
0,543
=
0,289
0,737
26. 269
Jadi koefisien korelasi antara lingkungan belajar (X2) dengan hasil
belajar siswa (Y) dimana variabel motivasi belajar (X1) dikontrol adalah
0,392. Uji keberartian koefisien korelasi parsial antara lingkungan belajar
(X2) dengan hasil belajar siswa (Y) dimana variabel motivasi belajar (X1)
dikontrol adalah menggunakan rumus uji t sebagai berikut:
t =
=
ry1.2
n −3
1 −r
2
y1.2
2,717
0,920
=
0,392 51 −3
1 −0,392
2
=
0,392 48
0,846
=
(0,392)(6,93)
0,920
= 2,953
Dari hasil perhitungan di atas diperoleh nilai t hitung sebesar 2,953
lebih besar dari t tabel 1,684 pada α = 0,05 dengan dk 48, dan 2,423 pada α
= 0,01 dengan dk 48. Dengan kriteria pengujian terima H0 jika t hitung
lebih kecil atau sama dengan t tabel dan tolak H0 jika t hitung lebih besar
dari t tabel, maka dalam pengujian ini H0 ditolak, artinya koefisien korelasi
antara lingkungan belajar (X2) dengan hasil belajar siswa (Y) dengan
mengontrol motivasi belajar (X1) adalah sangat signifikan karena teruji
pada α = 0,01.