Uploaded by risqah1994

ANALISIS PATH

advertisement
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.
Download