penelitian kuantitatif skripsi bab 5

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


c. Ada sebanyak 16 siswa dengan perolehan prestasi belajar matematika


d. Ada sebanyak 29 siswa dengan perolehan prestasi belajar matematika


e. Ada sebanyak 23 siswa dengan perolehan prestasi belajar matematika


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


h. Ada sebanyak 10 siswa dengan perolehan prestasi belajar matematika


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


(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


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


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


e. Ada sebanyak 25 siswa dengan perolehan skor kompetensi guru


f. Ada sebanyak 20 siswa dengan perolehan skor kompetensi guru


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


(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


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


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


c. Ada sebanyak 9 siswa dengan perolehan skor sikap siswa pada


d. Ada sebanyak 25 siswa dengan perolehan skor sikap siswa pada


e. Ada sebanyak 41 siswa dengan perolehan skor sikap siswa pada


68

f. Ada sebanyak 23 siswa dengan perolehan skor sikap siswa pada


g. Ada sebanyak 16 siswa dengan perolehan skor sikap siswa pada


h. Ada sebanyak 2 siswa dengan perolehan skor sikap siswa pada


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


thitungttabel

(dk = 119 –2)0,461 21,12% 5,621 1,658



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


FhitungFtabel

(dk = 119 –2-1)0,4904 24,05% 18,538 3,074



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.

Documents

penelitian kuantitatif skripsi bab 5