penelitian kuantitatif skripsi bab 5
DESCRIPTION
penelitianTRANSCRIPT
BAB IV
HASIL ANALISIS DAN INTTERPRETASI DATA
A. Analisis Deskriptif
1. Data Hasil Belajar Matematika
Data hasil belajar matematika merupakan variabel terikat (Y) yang
diperoleh dari dokumen, dengan melihat nilai Ujian Tengah Semester
(UTS) genap pada kelas VIII (delapan) SMP 4 Negeri Tambun Selatan
Kabupaten Bekasi Periode 2012/2013.
Tabel 4.1 Deskriptif Data Hasil Belajar Matematika
DataTerkecil
DataTerbesar
MeanSimp.Baku
Modus Median
45 100 74,353 12,452 70,290 73,103
Berdasarkan data yang dikumpulkan dalam penelitian ini diperoleh
data hasil belajar matematika terbesar adalah 100 dan data terkecil adalah
45. Dari hasil perhitungan diperoleh Y rata-rata sebesar 74,353;
simpangan baku sebesar 12,452; modus sebesar 70,290 dan median
sebesar 73,103 (lampiran 16). Dari data tersebut nilai rata-rata, modus dan
median hampir mendekati sama, maka dapat disimpulkan bahwa data hasil
belajar matematika berasal dari data berdistribusi normal.
Distribusi frekuensi hasil belajar matematika dapat dilihat pada tabel
dibawah ini, dimana rentang skor adalah 55, banyak kelas adalah 8 dan
57
58
panjang interval kelas adalah 7 (lampiran 16). Data selengkapnya dapat dilihat dalam table distribusi frekuensi dan grafik histogram berikut ini:
Tabel 4. 2: Distribusi Frekuensi Hasil Belajar Matematika
klsInterval
klsTepi
bawahTepi atas
Frekuensi (f) Nilai tengah
(xi)xi2 fixi fixi2
Abs Rel(%)Kum
1 45-51 44,5 51,5 3 2,5 3 48 2304 144 6912
2 52-58 51,5 58,5 9 7,6 12 55 3025 495 272253 59-65 58,5 65,5 16 13,4 28 62 3844 992 615044 66-72 65,5 72,5 29 24,4 57 69 4761 2001 1380695 73-79 72,5 79,5 23 19,3 80 76 5776 1748 1328486 80-86 79,5 86,5 16 13,4 96 83 6889 1328 1102247 87-93 86,5 93,5 13 10,9 109 90 8100 1170 1053008 94-100 93,5 100,5 10 8,4 119 97 9409 970 94090
Jumlah 119 100 44108 8848 676172
Dari tabel 4.2, frekuensi dinyatakan dengan banyak data yang terdapat
dalam tiap kelas dengan interval kelas 7 dan tepi kelas dari 44,5 sampai
dengan 100,5. Jadi dalam bentuk frekuensi kelas didapat 3 orang dengan
interval kelas 45-51 dan lain-lain dengan cara yang sama. Frekuensi relatif
diperoleh dari 3/119 x 100% = 2,5%, dan untuk kelas yang lain diperoleh
dengan cara yang sama. Frekuensi kumulatif dapat diperoleh dari daftar di
atas dengan cara menjumlahkan frekuensi pada frekuensi kumulatif lebih
dari.
Dari tabel distribusi frekuensi hasil belajar matematika dapat
disimpulkan bahwa siswa yang berada tepat rata-rata sebanyak 23 orang
atau sebesar 19,33%, sedangkan siswa yang berada di bawah rata-rata
59
sebanyak 39 orang atau sebesar 47,90% dan siswa yang berada di atas rata-
rata sebanyak 15 orang atau sebesar 32,77%.
Gambar 4.1 Grafik Histogram Hasil Belajar Matematika
Untuk menyajikan data yang telah disusun dalam daftar tabel distribusi
frekuensi hasil belajar matematika digunakan diagram yang disebut dengan
histogram hasill belajar matematika. Pada sumbu mendatar menyatakan
kelas interval dengan tepi kelas 44,5 sampai dengan 100,5 dan sumbu tegak
menyatakan frekuensi baik kelas/absolute maupun relatif. Bentuk
diagramnya seperti diagram batang, dimana sisi-sisi batang yang
berdekatan harus berhimpitan.
Pada histogram diatas dapat dilihat bahwa:
a. Ada sebanyak 3 siswa dengan perolehan prestasi belajar matematika
dengan tepi kelas 44,5-51,5.
44,5 58,5 65,5 72,5 79,551,5 86,5 93,5 100,5
5
10
15
35
20
30
25
Interval Kelas
fi
60
b. Ada sebanyak 9 siswa dengan perolehan prestasi belajar matematika
dengan tepi kelas 51,5-58,5.
c. Ada sebanyak 16 siswa dengan perolehan prestasi belajar matematika
dengan tepi kelas 58,5-65,5.
d. Ada sebanyak 29 siswa dengan perolehan prestasi belajar matematika
dengan tepi kelas 65,5-72,5.
e. Ada sebanyak 23 siswa dengan perolehan prestasi belajar matematika
dengan tepi kelas 72,5-79,5.
f. Ada sebanyak 16 siswa dengan perolehan prestasi belajar matematika
dengan tepi kelas 79,5- 86,5.
g. Ada sebanyak 13 siswa dengan perolehan prestasi belajar matematika
dengan tepi kelas 86,5-93,5.
h. Ada sebanyak 10 siswa dengan perolehan prestasi belajar matematika
dengan tepi kelas 93,5-100,5.
2. Data Kompetensi Guru
Data kompetensi guru sebagai variabel bebas pertama (X1) diperoleh
dari penyebaran angket (quesionaire) dari 119 siswa yang dipilih dengan
teknik sampel acak sederhana (acak kelas).
61
Tabel 4.3 Deskriptif Data Kompetensi Guru
DataTerkecil
DataTerbesar
MeanSimp.Baku
Modus Median
104 148 127,42 9,466 125,318 126,98
Berdasarkan data yang dikumpulkan dalam penelitian ini, diperoleh
skor kompetensi guru tertinggi adalah 148 dan skor terkecil adalah 104.
Dari perhitungan diperoleh rata-rata sebesar 127,42; simpangan baku
9,466; modus sebesar 125,318; dan median sebesar 126,98 (lampiran 14).
Dari data tersebut nilai rata-rata, modus dan median hampir mendekati
sama, maka dapat disimpulkan bahwa data kompetensi guru berasal dari
data berdistribusi normal.
Distribusi frekuensi data kompetensi guru dapat dilihat pada tabel
dibawah ini, dimana rentang skor adalah 44, banyak kelas 8 dan panjang
interval kelas adalah 6 (lampiran 14). Data selengkapnya tentang
kompetensi guru dapat dilihat dalam tabel distribusi frekuensi dan grafik
histogram sebagai berikut:
62
Tabel 4.4 Distribusi Frekuensi Kompetensi Guru
klsInterval
klsTepi
bawahTepi atas
Frekuensi (f) Nilai tengah
(xi)xi2 fixi fixi2
Abs Rel(%)Kum
1 104-109 103,5 109,5 3 2,5 3 106,5 11342.3 319.5 34026.8
2 110-115 109,5 115,5 8 6,7 11 112,5 12656.3 900 1012503 116-121 115,5 121,5 22 18,5 33 118,5 14042.3 2607 3089304 122-127 121,5 127,5 29 24,4 62 124,5 15500.3 3610.5 4495075 128-133 127,5 133,5 25 21,0 87 130,5 17030.3 3262.5 4257566 134-139 133,5 139,5 20 16,8 107 136,5 18632.3 2730 3726457 140-145 139,5 145,5 8 6,7 115 142,5 20306.3 1140 1624508 146-151 145,5 151,5 4 3,4 119 148,5 22052.3 594 88209
Jumlah 119 100 131562 15164 1942774
Dari tabel 4.4, frekuensi dinyatakan dengan banyak data yang terdapat
dalam tiap kelas dengan interval kelas sebanyak 6 dan tepi kelas dari 103,5
sampai dengan 151,5. Dalam bentuk frekuensi kelas didapat tiga pada kelas
pertama dengan interval 104 sampai dengan 109 dan lain-lain dengan jalan
yang sama. Untuk frekuensi relatif kelas pertama diperoleh dari 3/119 x
100% = 2,5% dan untuk lain-lain dihitung dengan rumus yang sama. Dan
untuk frekuensi kumulatif diperoleh dengan cara menjumlahkan frekuensi
pada frekuensi kumulatif lebih dari.
Dari tabel distribusi frekuensi kompetensi guru dapat disimpulkan
bahwa siswa yang berada tepat rata-rata sebanyak 29 orang atau sebesar
24,4%. Sedangkan siswa yang berada dibawah rata-rata sebanyak 33 orang
atau sebesar 27,7% dan siswa yang berada diatas rata-rata sebanyak 32
orang atau sebesar 47,9%.
63
Gambar 4.2 Grafik Histogram Kompetensi Guru
Untuk menyajikan data yang telah disusun dalam daftar tabel distribusi
kompetensi guru digunakan diagram yang disebut dengan histogram pada
kompetensi guru. Pada sumbu mendatar untuk menyatakan kelas interval
dengan tepi kelas dari 103,5 sampai dengan 151,5 dan sumbu tegak untuk
menyatakan frekuensi baik kelas absolut maupun relatif. Bentuk
diagramnya seperti diagram batang, dimana sisi-sisi batang yang
berdekatan harus berimpitan.
Pada histogram di atas dapat dilihat bahwa :
a. Ada sebanyak 3 siswa dengan perolehan skor kompetensi guru dengan
tepi kelas 103,5 – 109,5.
b. Ada sebanyak 8 siswa dengan perolehan skor kompetensi guru dengan
tepi kelas 109,5 – 115,5.
103,5 115,5 121,5 127,5 133,5109,5 139,5 145,5 151,5
5
10
15
35
20
30
25fi
Interval Kelas
64
c. Ada sebanyak 22 siswa dengan perolehan skor kompetensi guru
dengan tepi kelas 115,5 – 121,5.
d. Ada sebanyak 29 siswa dengan perolehan skor kompetensi guru
dengan tepi kelas 121,5 – 127,5.
e. Ada sebanyak 25 siswa dengan perolehan skor kompetensi guru
dengan tepi kelas 127,5 – 133,5.
f. Ada sebanyak 20 siswa dengan perolehan skor kompetensi guru
dengan tepi kelas 133,5 – 139,5.
g. Ada sebanyak 8 siswa dengan perolehan skor kompetensi guru dengan
tepi kelas 139,5 – 145,5.
h. Ada sebanyak 4 siswa dengan perolehan skor kompetensi guru dengan
tepi kelas 145,5 – 151,5.
3. Data Sikap Siswa Pada Matematika
Data sikap siswa pada matematika sebagai variabel bebas kedua (X2)
diperoleh dengan menyebarkan angket dari 119 siswa yang diambil dengan
teknik sampel acak sederhana (acak kelas).
Tabel 4.5 Deskriptif Data Sikap Siswa Pada Matematika
DataTerkecil
DataTerbesar
MeanSimp.Baku
Modus Median
61 130 101,529 11,908 100,735 101,439
65
Berdasarkan data yang dikumpulkan dalam penelitian ini, diperoleh
skor sikap siswa pada matematika tertinggi adalah 130 dan skor terkecil
adalah 61. Dari perhitungan diperoleh rata-rata sebesar 101,529; simpangan
baku 11,908; modus sebesar 100,735; dan median sebesar 101,439
(lampiran 15). Dari data tersebut nilai rata-rata, modus dan median hampir
mendekati sama, maka dapat disimpulkan bahwa data sikap siswa pada
matematika berasal dari data berdistribusi normal.
Distribusi frekuensi data sikap siswa pada matematika dapat dilihat
pada tabel dibawah ini, dimana rentang skor adalah 69, banyak kelas 8 dan
panjang interval kelas adalah 9 (lampiran 15). Data selengkapnya tentang
sikap siswa pada matematika dapat dilihat dalam tabel distribusi frekuensi
dan grafik histogram sebagai berikut:
Tabel 4.6 Distribusi Frekuensi Sikap Siswa Pada Matematika
klsInterval
klsTepi
bawahTepi atas
Frekuensi (f) Nilai tengah
(xi)xi2 fixi fixi2
Abs Rel(%)Kum
1 61-69 60,5 69,5 2 1,7 2 65 4225 130 8450
2 70-78 69,5 78,5 1 0,8 3 74 5476 74 54763 79-87 78,5 87,5 9 7,6 12 83 6889 747 620014 88-96 87,5 96,5 25 21,0 37 92 8464 2300 2116005 97-105 96,5 105,5 41 34,5 78 101 10201 4141 4182416 106-114 105,5 114,5 23 19,3 101 110 12100 2530 2783007 115-123 114,5 123,5 16 13,4 117 119 14161 1904 2265768 124-132 123,5 132,5 2 1,7 119 128 16384 256 32768
Jumlah 119 100 77900 12082 1243412
66
Dari tabel 4.4, frekuensi dinyatakan dengan banyak data yang terdapat
dalam tiap kelas dengan interval kelas sebanyak 9 dan tepi kelas dari 60,5
sampai dengan 132,5. Dalam bentuk frekuensi kelas didapat dua pada kelas
pertama dengan interval 61 sampai dengan 69 dan lain-lain dengan jalan
yang sama. Untuk frekuensi relatif kelas pertama diperoleh dari 2/119 x
100% = 1,7% dan untuk lain-lain dihitung dengan rumus yang sama. Dan
untuk frekuensi kumulatif diperoleh dengan cara menjumlahkan frekuensi
pada frekuensi kumulatif lebih dari.
Dari tabel distribusi frekuensi kompetensi guru dapat disimpulkan
bahwa siswa yang berada tepat rata-rata sebanyak 41 orang atau sebesar
34,5%. Sedangkan siswa yang berada dibawah rata-rata sebanyak 37 orang
atau sebesar 31,1% dan siswa yang berada diatas rata-rata sebanyak orang
atau sebesar 34,4%.
Gambar 4.3 Grafik Histogram Sikap Siswa Pada Matematika
60,5 78,5 87,5 96,5 105,569,5 114,5 123,5 132,5
5
10
15
35
20
30
25fi
4540
Interval Kelas
67
Untuk menyajikan data yang telah disusun dalam daftar tabel distribusi
sikap siswa pada matematika digunakan diagram yang disebut dengan
histogram sikap siswa pada matematika. Pada sumbu mendatar untuk
menyatakan kelas interval dengan tepi kelas dari 60,5 sampai dengan 132,5
dan sumbu tegak untuk menyatakan frekuensi baik kelas absolut maupun
relatif. Bentuk diagramnya seperti diagram batang, dimana sisi-sisi batang
yang berdekatan harus berimpitan.
Pada histogram di atas dapat dilihat bahwa :
a. Ada sebanyak 2 siswa dengan perolehan skor sikap siswa pada
matematika dengan tepi kelas 60,5 – 69,5.
b. Ada sebanyak 1 siswa dengan perolehan skor sikap siswa pada
matematika dengan tepi kelas 69,5 – 78,5.
c. Ada sebanyak 9 siswa dengan perolehan skor sikap siswa pada
matematika dengan tepi kelas 78,5 – 87,5.
d. Ada sebanyak 25 siswa dengan perolehan skor sikap siswa pada
matematika dengan tepi kelas 87,5 – 96,5.
e. Ada sebanyak 41 siswa dengan perolehan skor sikap siswa pada
matematika dengan tepi kelas 96,5 – 105,5.
68
f. Ada sebanyak 23 siswa dengan perolehan skor sikap siswa pada
matematika dengan tepi kelas 105,5 – 114,5.
g. Ada sebanyak 16 siswa dengan perolehan skor sikap siswa pada
matematika dengan tepi kelas 114,5 – 123,5.
h. Ada sebanyak 2 siswa dengan perolehan skor sikap siswa pada
matematika dengan tepi kelas 123,5 – 132,5.
B. Pengujian Persyaratan Analisis
1. Uji Normalitas
Untuk mengetahui apakah data yang telah dikumpulkan berdistribusi
normal atau tidak, maka dilakukan uji normalitas data dengan
menggunakan rumus Liliefors pada taraf signifikansi α = 0,05 dengan
criteria pengujian berdistribusi normal apabila Lhitung < Ltabel.
Tabel 4.7 Data Uji Normalitas Variabel Kompetensi Guru (X1), Sikap
Siswa Pada Matematika (X2) dan Hasil Belajar Matematika (Y).
Variabel Lhitung Ltabel
Hasil Belajar Matematika (Y) 0,0782 0,0812, dengan α = 0,05 dan
n = 119Kompetensi Guru (X1) 0,0643Sikap Siswa Pada Matematika (X2) 0,0522
69
a. Dari hasil perhitungan untuk hasil belajar matematika, diperoleh Lhitung
sebesar 0,0782 sedangkan dengan taraf signifikansi α = 0,05 dan n =
119 diperoleh Ltabel sebesar 0,0812. Karena Lhitung = 0,0782 < Ltabel =
0,0812, maka dapat disimpulkan bahwa data hasil belajar matematika
berasal dari populasi yang berdistribusi normal (Lampiran 19).
b. Dari hasil perhitungan untuk kompetensi guru, diperoleh Lhitung sebesar
0,0643 sedangkan dengan taraf signifikansi α = 0,05 dan n = 119
diperoleh Ltabel sebesar 0,0812. Karena Lhitung = 0,0643 < Ltabel = 0,0812,
maka dapat disimpulkan bahwa data kompetensi guru berasal dari
populasi yang berdistribusi normal (Lampiran 17).
c. Dari hasil perhitungan untuk sikap siswa pada matematika, diperoleh
Lhitung sebesar 0,0522 sedangkan dengan taraf signifikansi α = 0,05 dan
n = 119 diperoleh Ltabel sebesar 0,0812. Karena Lhitung = 0,0522 < Ltabel =
0,0812, maka dapat disimpulkan bahwa data sikap siswa pada
matematika berasal dari populasi yang berdistribusi normal (Lampiran
18).
70
2. Uji Kelinieran Regresi
Setelah data memenuhi persyaratan uji normalitas, kemudian
dilanjutkan dengan uji kelinieran regresi.
a. Uji kelinieran regresi data Kompetensi Guru (X1) dan Hasil
belajar matematika (Y).
Berikut dilakukan uji kelinieran regresi yang hasil perhitungannya
disajikan dalam bentuk tabel sebagai berikut :
Tabel 4.8 ANAVA Untuk Pengujian Keberartian dan Kelinieran Regresi
Data Kompetensi Guru (X1) dan Hasil Matematika (Y)
Sumber Varians
dk JK RJK FhitungFtabel
α = 0,05
Regresi (a) 1 657577,445 657577,445
22,585 3,922Regresi (b | a) 1 3189,186 3189,186
Residu 117 16521,369 141,208
Tuna CocokKekeliruan
36 5438,723 151,0761,104 1,563
81 11082,646 136,823
Total 118 677288 677288
Keterangan:Fhitung =1,104 < Ftabel = 1,563 maka regresi
linier
Uji kelinieran diperoleh Fhitung=1,104 < Ftabel=1,563 pada taraf signifikansi α
= 0,05 maka regresi linier.
71
Hasil pengujian seperti yang ditunjukkan pada tabel 4.8 menyimpulkan
bahwa bentuk data kompetensi guru (X1) dan hasil belajar matematika
(Y) adalah linier.
b. Uji kelinieran regresi data Sikap Siswa Pada Matematika (X2) dan
Hasil belajar matematika (Y).
Berikut dilakukan uji kelinieran regresi yang hasil perhitungannya
disajikan dalam bentuk tabel sebagai berikut :
Tabel 4.9 ANAVA Untuk Pengujian Keberartian dan Kelinieran Regresi
Data Sikap Siswa Pada Matematika (X2) dan Hasil Matematika (Y)
Sumber Varians
dk JK RJK FhitungFtabel
α = 0,05
Regresi (a) 1 657577,445 657577,445
31,33 3,922Regresi (b | a) 1 4163,272 4163,272
Residu 117 15547,283 132,883
Tuna CocokKekeliruan
41 6083,878 148,3871,192 1,548
76 9463,405 124,518
Total 118 677288 677288
Keterangan:Fhitung =1,192 < Ftabel =
1,548maka regresi linier
Uji kelinieran diperoleh Fhitung=1,192 < Ftabel=1,548 pada taraf signifikansi α
= 0,05 maka regresi linier.
72
Hasil pengujian seperti yang ditunjukkan pada tabel 4.9 menyimpulkan
bahwa bentuk data sikap siswa pada matematika (X2) dan hasil belajar
matematika (Y) adalah linier.
C. Analisis Korelasi, Analisis Regresi dan Pengujian Hipotesis
1. Analisis Korelasi
a. Analisis korelasi antara kompetensi guru (X1) dengan hasil belajar
matematika(Y)
Untuk melihat seberapa besar hubungan antara kompetensi guru dengan
hasil belajar matematika diperlihatkan dalam tabel sebagai berikut :
Tabel 4.10 Pengujian Signifikan Koefisien Korelasi X1 terhadap Y
Korelasi X1
dengan Y
KoefisienKorelasi
Koefisien Determinasi
thitungttabel
(dk = 119 –2)0,4022 16,18% 4,751 1,658
Dari hasil perhitungan diperoleh koefisien korelasi sebesar 0,4022 dan
signifikan pada α = 0,05. Hal ini menunjukkan bahwa terdapat
hubungan yang sedang antara kompetensi guru (X1) dengan hasil belajar
matematika (Y). Keberartian korelasi ditunjukkan dengan thitung = 4,751
> ttabel = 1,658, artinya terdapat hubungan yang signifikan antara
kompetensi guru (X1) dengan hasil belajar matematika (Y) pada siswa
73
kelas VIII SMP Negeri 4 Tambun Selatan Kab. Bekasi. Besarnya
koefisien determinasi sebesar 16,18%, hal ini menunjukkan bahwa
kompetensi guru memberikan kontribusi terhadap hasil belajar
matematika sebesar 16,18% dan sisanya sebesar 83,82% ditentukan oleh
variabel lainnya yang tidak diteliti dalam penelitian ini.
b. Analisis korelasi antara sikap siswa pada matematika (X2) dengan
hasil belajar matematika(X)
Untuk melihat seberapa besar hubungan antara Sikap Siswa Pada
Matematika dengan hasil belajar matematika diperlihatkan dalam tabel
sebagai berikut :
Tabel 4.11 Pengujian Signifikan Koefisien Korelasi X2 terhadap Y
Korelasi X2
dengan Y
KoefisienKorelasi
Koefisien Determinasi
thitungttabel
(dk = 119 –2)0,461 21,12% 5,621 1,658
Dari hasil perhitungan diperoleh koefisien korelasi sebesar 0,4022 dan
signifikan pada α = 0,05. Hal ini menunjukkan bahwa terdapat
hubungan yang sedang antara kompetensi guru (X1) dengan hasil belajar
matematika (Y). Keberartian korelasi ditunjukkan dengan thitung = 5,621
> ttabel = 1,6905, artinya terdapat hubungan yang signifikan antara sikap
siswa pada matematika (X2) dengan hasil belajar matematika (Y) pada
siswa kelas VIII SMP Negeri 4 Tambun Selatan Kab. Bekasi. Besarnya
74
koefisien determinasi sebesar 21,12%, hal ini menunjukkan bahwa
kompetensi guru memberikan kontribusi terhadap hasil belajar
matematika sebesar 21,12% dan sisanya sebesar 78,88% ditentukan oleh
variabel lainnya yang tidak diteliti dalam penelitian ini.
c. Analisis korelasi antara Kompetensi Guru (X1) dan Sikap Siswa
Pada Matematika (X2) secara bersama-sama dengan hasil belajar
matematika(Y)
Untuk melihat seberapa besar hubungan antara kompetensi guru dan
Sikap Siswa Pada Matematika secara bersama-sama dengan hasil belajar
matematika diperlihatkan dalam tabel sebagai berikut :
Tabel 4.12 Pengujian Signifikan Koefisien Korelasi X1 dan X2 Secara
bersama-sama dengan Y
Korelasi X1 dan X2 dengan Y
KoefisienKorelasi
Koefisien Determinasi
FhitungFtabel
(dk = 119 –2-1)0,4904 24,05% 18,538 3,074
Dari hasil perhitungan diperoleh koefisien korelasi sebesar 0,4904 dan
signifikan pada α = 0,05. Hal ini menunjukkan bahwa terdapat
hubungan yang sedang antara kompetensi guru (X1) dan sikap siswa
pada matematika (X2) dengan hasil belajar matematika (Y). Keberartian
korelasi ditunjukkan dengan Fhitung = > Ftabel = 3,074, artinya terdapat
hubungan yang signifikan antara kompetensi guru(X1) dan sikap siswa
75
pada matematika (X2) secara bersama-sama dengan hasil belajar
matematika (Y) pada siswa kelas VIII SMP Negeri 4 Tambun Selatan
Kab. Bekasi. Besarnya koefisien determinasi sebesar 24,05%, hal ini
menunjukkan bahwa kompetensi guru memberikan kontribusi terhadap
hasil belajar matematika sebesar 24,05% dan sisanya sebesar 75,95%
ditentukan oleh variabel lainnya yang tidak diteliti dalam penelitian ini.
d. Analisis Korelasi Parsial
Pada penelitian ini terdapat dua koefisien parsial yaitu koefisien korelasi
parsial antara Y dan X1 dengan menganggap X2 tetap yang dinyatakan
dengan r y1.2 dan koefisien korelasi antara Y dan X2 dengan menganggap
X1 tetap dinyatakan dengan r y2.1.
1) Uji Keberartian Koefisien Korelasi Parsial r y1.2
Untuk mengetahui apakah terdapat hubungan yang signifikan
antara Y dan X1 dengan menganggap X2 tetap, maka dilakukan uji
koefisien korelasi parsial r y1.2. Dari hasil perhitungan diperoleh
t hitung=2,0203 (Lampiran 26) sedangkan t (1−α ) (n− k−1 )=1,658 dengan
demikian t hitung> t ( 1−α ) (n−k−1) dan dapat disimpulkan bahwa koefisien
korelasi parsial antara Y dan X1 dengan menganggap X2 tetap (r y1.2)
signifikan, atau dapat dikatakan terdapat hubungan yang signifikan
76
antara hasil belajar matematika dan kompetensi guru dengan
menganggap sikap siswa pada matematika tetap.
2) Untuk mengetahui apakah terdapat hubungan yang signifikan antara
Y dan X2 dengan menganggap X1 tetap, maka dilakukan uji
koefisien korelasi parsial r y2.1. Dari hasil perhitungan diperoleh
t hitung=3,519 (Lampiran 27) sedangkan t (1−α ) (n− k−1 )=1,658 dengan
demikian t hitung> t ( 1−α ) (n−k−1) dan dapat disimpulkan bahwa koefisien
korelasi parsial antara Y dan X2 dengan menganggap X1 tetap (r y2.1)
adalah signifikan, atau dapat dikatakan terdapat hubungan yang
signifikan antara hasil belajar matematika dan sikap siswa pada
matematika dengan menganggap kompetensi gurur tetap.
2. Analisis Regresi dan Pengujian Hipotesis
a. Analisis regresi kompetensi guru (X1) terhadap hasil belajar
matematika (Y)
Kompetensi guru (X1) terhadap hasil belajar matematika (Y)
menghasilkan koefisien regresi sebesar 0,561 dan konstanta sebesar
2,752. Dengan demikian pengaruh kompetensi guru (X1) terhadap hasil
belajar matematika (Y) memiliki persamaan regresi Y=2,752+0,561 X1
Pengujian hipotesis untuk melihat keberartian regresi diperoleh Fhitung
> Ftabel = 22,55 > 3,922 dengan α = 0,05 untuk dk pembilang =1 dan dk
penyebut =117; disimpulkan bahwa terdapat pengaruh yang signifikan
77
kompetensi guru dan hasil belajar matematikasiswa kelas VIII SMP
Negeri 4 Tambun Selata Kab. Bekasi. Selanjutnya regresi tersebut
menunjukkan bahwa setiap kenaikan satu skor kompetensi guru (X1)
dapat menyebabkan kenaikan hasil belajar matematika (Y) sebesar
0,561.
Pada pengujian koefisien regresi diperoleh thitung= 4,750 (Lampiran
28) sedangkan ttabel= 1,9804 dengan α = 0,025 dan dk = 117, sehingga
thitung > ttabel. Dengan demikian dapat disimpulkan bahwa koefisien
regresi antara kompetensi guru (X1) dengan hasil belajar matematika (Y)
adalah signifikan.
Untuk lebih jelasnya persamaan regresi kompetensi guru (X1)
terhadap hasil belajar matematika (Y) diperlihatkan pada gambar di
bawah ini.
78
Gambar IV.4 Grafik Persamaan Regresi Linier Y=2,752+0,561 X1
b. Analisis regresi sikap siswa pada matematika (X2) terhadap hasil
belajar matematika (Y)
79
Sikap siswa pada matematika (X2) terhadap hasil belajar matematika
(Y) menghasilkan koefisien regresi sebesar 0,502 dan konstanta sebesar
23,215. Dengan demikian pengaruh sikap pada matematika (X2)
terhadap hasil belajar matematika (Y) memiliki persamaan regresi
Y=23,215+0,502 X2
Pengujian hipotesis untuk melihat keberartian regresi diperoleh Fhitung
> Ftabel = 31,33 > 3,922 dengan α = 0,05 untuk dk pembilang =1 dan dk
penyebut =117; disimpulkan bahwa terdapat pengaruh yang signifikan
kompetensi guru dan hasil belajar matematikasiswa kelas VIII SMP
Negeri 4 Tambun Selata Kab. Bekasi. Selanjutnya regresi tersebut
menunjukkan bahwa setiap kenaikan satu skor sikap siswa pada
matematika (X2) dapat menyebabkan kenaikan hasil belajar matematika
(Y) sebesar 0,502.
Pada pengujian koefisien regresi diperoleh thitung= 5,578 (Lampiran
29) sedangkan ttabel= 1,9804 dengan α = 0,025 dan dk = 117, sehingga
thitung > ttabel. Dengan demikian dapat disimpulkan bahwa koefisien
regresi antara sikap siswa pada matematika (X2) dengan hasil belajar
matematika (Y) adalah signifikan.
Untuk lebih jelasnya persamaan regresi sikap siswa pada matematika
(X2) terhadap hasil belajar matematika (Y) diperlihatkan pada gambar
berikut.
80
Gambar IV.4 Grafik Persamaan Regresi Linier Y=23,215+0,502 X2
81
82
c. Analisis regresi kompetensi guru (X2) dan sikap siswa pada
matematika (X2) secara bersama-sama terhadap hasil belajar
matematika (Y)
Kompetensi guru (X1) dan sikap siswa pada matematika (X2) secara
bersama-sama terhadap hasil belajar matematika (Y) menghasilkan
koefisien regresi sebesar 0,294; 0,376 dan konstanta sebesar -0,657.
Dengan demikian pengaruh kompetensi guru (X1) dan sikap siswa pada
matematika (X2) secara bersama-sama terhadap hasil belajar matematika
(Y) memiliki persamaan regresi Y=−0,657+0 ,294 X1+0,376 X2.
Berikut dilakukan uji keberartian dan kelinieran regresi yang hasil
perhitungannya disajikan dalam bentuk tabel sebagai berikut :
Tabel 4.13 ANAVA Untuk Pengujian Keberartian dan Kelinieran
Persamaan Regresi Kemampuan Berpikir Kreatif (X1) dan
Kemampuan Berpikir Logis (X2) Secara Bersama-sama terhadap
Prestasi Belajar Matematika (Y)
JK (Jumlah Kuadrat) Fhitung Ftabel (V1=2:V2=32)
JK (reg) = 4824,547 18,798 3,074
JK (res) = 14886,008
Pengujian hipotesis untuk melihat keberartian regresi ganda diperoleh
Fhitung > Ftabel = 18,798 > 3,30 ; disimpulkan bahwa terdapat pengaruh yang
83
signifikan kompetensi guru dan sikap siswa pada matematika secara
bersama-sama terhadap hasil belajar matematika siswa kelas VIII SMP
Negeri 4 Tambun Selatan Kab. Bekasi.
Pada pengujian koefisien regresi diperoleh thitungb1 = 2,145 dan thitungb2 =
3,387 (Lampiran 30) sedangkan ttabel= 1,981 dengan α = 0,025 dan dk =
116, sehingga thitung > ttabel. Dengan demikian dapat disimpulkan bahwa
koefisien regresi kompetensi guru (X1) dan sikap siswa pada matematika
(X2) secara bersama-sama terhadap hasil belajar matematika (Y) adalah
signifikan.
D. Pembahasan Hasil Penelitian
1. Pengaruh kompetensi guru (X1) terhadap hasil belajar matematika (Y)
Dari hasil perhitungan korelasi sederhana terlihat jelas bahwa kompetensi
guru (X1) memiliki hubungan terhadap hasil belajar matematika (Y), yaitu
0,4022. Sedangkan dari hasil perhitungan regresi linier sederhana terlihat
jelas bahwa kompetensi guru (X1) memiliki pengaruh terhadap hasil belajar
matematika (Y) yang ditunjukkan dengan persamaan regresi
Y=2,752+0,561 X1. Hal ini sesuai dengan teori yang dikemukakan di bab II
bahwa kompetensi guru merupakan salah satu faktor penting dalam hasil
belajar matematika.
Kenaikan hasil belajar matematika (Y) sehubungan dengan kemampuan
berpikir kreatif (X1) dapat dilihat dari persamaan regresinya
84
Y=2,752+0,561 X1, regresi tersebut menunjukkan bahwa setiap kenaikan
satu skor kompetensi guru (X1) dapat menyebabkan kenaikan hasil belajar
matematika (Y) sebesar 0,561 pada konstanta 2,752. Persamaan regresi
bersifat linier dan berarti artinya kenaikan hasil belajar matematika
dipengaruhi oleh kompetensi guru.
2. Pengaruh sikap siswa pada matematika (X2) terhadap hasil belajar
matematika (Y)
Dari hasil perhitungan korelasi sederhana terlihat jelas bahwa sikap siswa
pada matematika (X2) memiliki hubungan terhadap hasil belajar matematika
(Y), yaitu 0,461. Sedangkan dari hasil perhitungan regresi linier sederhana
terlihat jelas bahwa sikap siswa pada matematika (X2) memiliki pengaruh
terhadap hasil belajar matematika (Y) yang ditunjukkan dengan persamaan
regresi Y=23,215+0,502 X2. Hal ini sesuai dengan teori yang dikemukakan
di bab II bahwa sikap siswa pada matematika merupakan salah satu faktor
penting dalam hasil belajar matematika.
Kenaikan hasil belajar matematika (Y) sehubungan dengan sikap siswa pada
matemaika (X2) dapat dilihat dari persamaan regresinya Y=23,215+0,502 X2,
regresi tersebut menunjukkan bahwa setiap kenaikan satu skor sikap siswa
pada matematika (X2) dapat menyebabkan kenaikan hasil belajar matematika
(Y) sebesar 0,502 pada konstanta 23,215. Persamaan regresi bersifat linier dan
85
berarti artinya kenaikan hasil belajar matematika dipengaruhi oleh sikap siswa
pada matematika.
3. Pengaruh kompetensi guru (X1) dan sikap siswa pada matematika (X2) secara
bersama-sama terhadap hasil belajar matematika (Y)
Dari hasil perhitungan korelasi ganda, terlihat jelas bahwa kompetensi guru
(X1) dan sikap siswa pada matematika (X2) secara bersama-sama memiliki
hubungan dengan hasil belajar matematika (Y), yaitu 0,4904. Sedangkan
dari hasil perhitungan regresi ganda, terlihat jelas bahwa kompetensi guru
(X1) dan sikap siswa pada matematika (X2) secara bersama-sama memiliki
pengaruh terhadap hasil belajar matematika (Y) yang ditunjukkan dengan
Y=−0,657+0 ,294 X1+0,376 X2. Regresi tersebut menunjukkan koefisien
regresi 0,294 untuk kompetensi guru, 0,376 untuk sikap siswa pada
matematika dan konstanta sebesar -0,657. Pengujian regresi linier ganda
menyatakan bahwa regresi ganda Y atas X1 dan X2 adalah signifikan pada α
= 0,05.
Hasil penelitian didapatkan Fhitung 18,798 dan Ftabel = 3,074 ; karena Fhitung >
Ftabel maka hipotesis penelitian diterima, disimpulkan bahwa terdapat
pengaruh yang signifikan kompetensi guru dan sikap siswa pada matematika
terhadap hasil belajar matematika siswa kelas VIII SMP Negeri 4 Tambun
Selatan Kab. Bekasi.