VIKA CAHYA RAMADHAN (181051601011) STATISTIKAANALISIS JALUR (PATH ANALYSIS) HUBUNGAN KECERDASAN EMOSIONAL, KEDISIPLINAN BELAJAR, DAN MOTIVASI BELAJAR TERHADAP HASIL BELAJAR SISWA KELAS X SMAN 1 KOTA AMBON PROGRAM STUDI PENDIDIKAN KIMIAPROGRAM PASCA SARJANA UNIVERSITAS NEGERI MAKASSAR TAHUN AKADEMIK 2018 HUBUNGAN KECERDASAN EMOSIONAL, KEDISIPLINAN BELAJAR, DAN MOTIVASI BELAJAR TERHADAP HASIL BELAJAR SISWA No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 X1 121 115 143 124 108 109 111 103 127 133 128 136 134 131 122 122 112 113 133 141 140 136 130 130 113 110 139 127 121 129 X2 40,00 33,50 50,00 34,00 25,00 42,00 27,00 39,00 35,50 40,00 39,00 45,50 43,00 35,00 24,50 33,50 25,50 24,00 39,00 42,00 46,50 43,00 37,50 41,00 26,50 20,00 43,50 35,00 33,40 32,00 X3 39 34 55 43 39 45 44 36 54 47 43 59 49 45 34 39 34 45 59 52 56 52 47 44 39 37 55 42 41 46 Y 54,35 50,00 80,43 50,00 41,30 63,04 41,30 43,48 58,70 65,22 60,87 76,09 80,43 50,00 41,30 47,83 39,13 39,13 78,26 82,61 69,57 71,74 67,39 41,30 34,78 69,57 54,35 50,00 54,35 54,35 Keterangan : X1 = Kecerdasan emosional X3 = Motivasi belajar X2 = Kedisiplinan belajar Y/X4 = Hasil belajar 1. Model analisis jalur Data X1, X2, X3 terhadap Y Model Summary Adjusted Model R R Square Square a 1 ,750 ,563 ,512 a. Predictors: (Constant), X3, X2, X1 R Std. Error of the Estimate 9,99879 ANOVAa Sum of Model Squares 1 Regression 3343,297 Residual 2599,373 Total 5942,670 a. Dependent Variable: Y b. Predictors: (Constant), X3, X2, X1 df 3 26 29 Mean Square 1114,432 99,976 F 11,147 Sig. ,000b Coefficientsa Unstandardized Coefficients Model B Std. Error 1 (Constant) -24,246 23,124 X1 ,252 ,286 X2 ,471 ,367 X3 ,732 ,411 a. Dependent Variable: Y Standardized Coefficients Beta T -1,049 ,197 ,880 ,251 1,283 ,380 1,780 Sig. ,304 ,387 ,211 ,087 Perhatikan tabel berjudul “coeffecien” pada kolom standardized coeffecien merupakan koefesien jalur variabel X1 – X3 atau biasa disebut beta hitung. Dari tabel di atas, kita bisa menyusun tabel koefesien jalur sebagai berikut : 𝜌 𝑦 𝑥1 0,197 (𝜌 𝑦 𝑥2) = (0,251) 𝜌 𝑦 𝑥3 0,380 Dari tabel Model Summary terlihat R square atau R2 atau koefesien determinasi adalah 0,563. Dari R square tersebut dapat dihitung koefesien jalur variabel lain diluar model yakni 𝜌 𝑦 = √1 − 0,563 = 0,661 = 𝜌 𝑌𝑋1X1 + 𝜌 𝑌𝑋2X2 + 𝜌 𝑌 𝑋3 X3 + 𝜌 𝑌𝑋4X4ℇ X4 = 0,197 X1 + 0,251 X2 + 0,380 X3 + 0.661 X4 2. Data X1 dan X2 terhadap X3 Model Summary Adjusted R Std. Error of the Model R R Square Square Estimate 1 ,794a ,631 ,604 4,68061 a. Predictors: (Constant), X2, X1 ANOVAa Model 1 Sum of Squares df Mean Square F Sig. Regression 1011,949 2 505,974 23,095 ,000b Residual 591,518 27 21,908 Total 1603,467 29 a. Dependent Variable: X3 b. Predictors: (Constant), X2, X1 Coefficientsa Standardized Unstandardized Coefficients Coefficients B Std. Error Beta (Constant) -12,134 10,570 X1 ,383 ,112 X2 ,266 ,164 Model 1 T Sig. -1,148 ,261 ,576 3,427 ,002 ,273 1,623 ,116 a. Dependent Variable: X3 Dari tabel di atas, kita bisa menyusun tabel koefesien jalur sebagai berikut : 𝜌𝑋3𝑋1 0,576 ( )=( ) 𝜌𝑋3𝑋2 0,273 Dari tabel Model Summary terlihat R square atau R2 atau koefesien determinasi adalah 0,631. Dari R square tersebut dapat dihitung koefesien jalur variabel lain diluar model yakni : 𝜌 𝑋3ℇ = √1 − 0,631 = 0.607 X3 = 𝜌 𝑌𝑋1X1 + 𝜌 𝑌𝑋2X2 + 𝜌 𝑌 𝑋3 X3ℇ = 0,576 X1 + 0,273 X2 + 0,607 3. Data X1terhadap X2 Model Summary Adjusted R Std. Error of the Model R R Square Square Estimate 1 ,718a ,516 ,498 5,39745 a. Predictors: (Constant), X1 ANOVAa Model 1 Sum of Squares df Mean Square F Sig. Regression 868,846 1 868,846 29,824 ,000b Residual 815,709 28 29,132 Total 1684,555 29 a. Dependent Variable: X2 b. Predictors: (Constant), X1 Coefficientsa Standardized Unstandardized Coefficients Coefficients B Std. Error Beta (Constant) -25,192 11,220 X1 ,489 ,090 Model 1 ,718 T Sig. -2,245 ,033 5,461 ,000 a. Dependent Variable: X2 Perhatikan tabrl berjudul “coeffecien” pada kolom standardized coeffecien merupakan koefesien jalur variabel X1 atau biasa disebut beta hitung. Dari tabel di atas, kita bisa menyusun tabel koefesien jalur sebagai berikut : (𝜌𝑋2𝑋1) = (0,718) Dari tabel Model Summary terlihat R square atau R2 atau koefesien determinasi adalah 0,516. Dari R square tersebut dapat dihitung koefesien jalur variabel lain diluar model yakni : 𝜌 𝑋2ℇ = √1 − 0,516 = 0.695 X2 = 𝜌 𝑌𝑋1X1 + 𝜌 𝑌𝑋2X2ℇ = 0,718 X1 + 0,695 4. Koefesien jalur tidak langsung X1 terhadap Y melalui X2 X1 Y X2 a. Hipotesis H0 : ρY21 = 0 ( tidak ada pengaruh langsung X1 terhadap Y melalui X2) H1 : ρY21 ≠ 0 (ada pengaruh langsung X1 terhadap Y melalui X2) b. Penentuan koefesien jalur X1 terhadap Y melalui X2 ρY21 = ρY2 x ρ21 = 0,251 x 0,718 = 0,180 Pengaruh tidak langsung X1 tehadap Y melalui X2 lebih efektif daripada pengaruh langsung X1 terhadap Y jika nilai ρY21 > ρY1. ρY1 = 0,197 sedangkan ρY21 = 0,180 sehingga dapat disimpulkan bahwa pengaruh langsung X1 terhadap Y lebih efektif daripada pengaruh X1 terhadap Y melalui X2. 5. Koefesien jalur tidak langsung X1 terhadap Y melalui X3 X1 Y X3 a. Hipotesis H0 : ρY31 = 0 ( tidak ada pengaruh langsung X1 terhadap Y melalui X3) H1 : ρY31 ≠ 0 (ada pengaruh langsung X1 terhadap Y melalui X3) b. Penentuan koefesien jalur X1 terhadap Y melalui X3 ρY31 = ρY3 x ρ31 = 0,380 x 0,576 = 0,218 Pengaruh tidak langsung X1 tehadap Y melalui X3 lebih efektif daripada pengaruh langsung X1 terhadap Y jika nilai ρY31 > ρY1. ρY1 = 0,197 sedangkan ρY31 = 0,218 sehingga dapat disimpulkan bahwa pengaruh X1 terhadap Y melalui X2 lebih efektif daripada pengaruh langsung X1 terhadap Y. 6. Koefesien jalur tidak langsung X2 terhadap Y melalui X3 X2 Y X3 a. Hipotesis H0 : ρY32= 0 ( tidak ada pengaruh langsung X2 terhadap Y melalui X3) H1 : ρY32 ≠ 0 (ada pengaruh langsung X2 terhadap Y melalui X3) b. Penentuan koefesien jalur X2 terhadap Y melalui X3 ρY32 = ρY3 x ρ32 = 0,380 x 0,273 = 0, 103 Pengaruh tidak langsung X2 tehadap Y melalui X3 lebih efektif daripada pengaruh langsung X2 terhadap Y jika nilai ρY32 > ρY2. ρY2 = 0,251 sedangkan ρY32 = 0,103 sehingga dapat disimpulkan bahwa pengaruh langsung X2 terhadap Y lebih efektif daripada pengaruh X2 terhadap Y melalui X3.
