A. Data yang Digunakan dalam Analisis
Eureka Pendidikan – Pada analisis uji asumsi ini digunakan data afektif, kognitif, dan psikomotor dari 100 peserta didik sehingga ketiga data tersebut adalah variabel bebas, sedangkan variabel terikatnya adalah nomor induk peserta didik.
Penggunaan data tersebut dengan tujuan untuk mengetahui hubungan antara ketiga variabel bebas. Data yang digunakan dalam analisis ini adalah data afektif, kognitif, dan psikomotor.
B. Uji Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linier berganda berbasis Ordinary Least Square (OLS) sehingga regresi yang tidak berdasarkan OLS, tidak memerlukan uji asumsi klasik. Demikian juga tidak semua asumsi klasik harus dilakukan pada analisis regresi linier. Uji asumsi klasik yang sering digunakan adalah uji normalitas, uji autokorelasi, uji multikolinier, dan uji heteroskedastisitas.
1. Normalitas
Uji normalitas digunakan untuk melihat nilai residual terdistribusi normal atau tidak. Model regresi yang baik harus memiliki nilai residual terdistribusi normal.
Normal dapat diartikan bahwa peserta didik yang bodoh sekali atau yang bodoh sekali jumlahnya sedikit, dan sebagian besar berada pada kategori sedang atau rata-rata. Tabel 1. Hasil Uji Normalitas
| One-Sample Kolmogorov-Smirnov Test | ||||
| Afektif | Kognitif | Psikomotor | ||
| N | 100 | 101 | 101 | |
| Normal Parametersa | Mean | 13.33 | 13.86 | 14.29 |
| Std. Deviation | 1.907 | 2.159 | 2.066 | |
| Most Extreme Differences | Absolute | .147 | .159 | .173 |
| Positive | .147 | .102 | .144 | |
| Negative | -.119 | -.159 | -.173 | |
| Kolmogorov-Smirnov Z | 1.472 | 1.601 | 1.736 | |
| Asymp. Sig. (2-tailed) | .026 | .012 | .005 | |
| a. Test distribution is Normal. | ||||
Pada tabel 1, dapat dilihat tanda yang berwarna kuning bahwa nilai signifikansi (α) lebih dari 0,05 sehingga data dinyatakan normal.
2. Uji Autokorelasi
Uji autokorelasi digunakan untuk melihat apakah terjadi korelasi antara pengambilan data pada periode awal dengan periode akhir. Secara sederhana, analisis regresi digunakan untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, sehingga tidak boleh terjadi korelasi antara pre test dan post test.
Namun data yang digunakan adalah data afektif, kognitif, dan psikomotor sehingga dalam kasus ini lebih baik terjadi autokorelasi antar variabel. Tabel 2. Hasil Uji Normalitas
| Model Summaryb | |||||
| Model | R | R Square | Adjusted R Square | Std. Error of the Estimate | Durbin-Watson |
| 1 | .212a | .045 | .015 | 28.794 | .097 |
| a. Predictors: (Constant), Psikomotor, Afektif, Kognitif | |||||
| b. Dependent Variable: NIPD |
Tabel 3. Analisis Uji Autokorelasi
| dl | du | 4-du | 4-dl | dw | Interpretasi |
| 1,613 | 1,736 | 2,264 | 2,387 | 0,097 | Terjadi autokorelasi positif |
Pengambilan keputusan:
- Tidak terjadi autokorelasi jika dU < DW < (4 – dU)
- Terjadi autokorelasi positif jika DW < dL, karena 0,097<1,163
- Terjadi autokorelasi negatif jika DW > (4 – dU)
- Tanpa keputusan jika dL < DW < dU atau ( 4 – dU) < DW < (4 – dL)
Berdasarkan analisis tersebut, dapat dinyatakan bahwa kemampuan afektif, kognitif, dan psikomotor memiliki korelasi positif, atau saling menguatkan.
3.Uji Multikolinier
Uji multikolinearitas digunakan untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linier berganda. Jika terdapat korelasi yang tinggi diantara variabel bebasnya, maka hubungan variabel bebas dan variabel terikat terganggu. Tabel 4. Hasil Uji Multikolinier
| Coefficientsa | ||||||||
| Model | Unstandardized Coefficients | Standardized Coefficients | t | Sig. | Collinearity Statistics | |||
| B | Std. Error | Beta | Tolerance | VIF | ||||
| 1 | (Constant) | 56.845 | 25.354 | 2.242 | .027 | |||
| Afektif | 2.543 | 1.794 | .167 | 1.417 | .160 | .715 | 1.398 | |
| Kognitif | .052 | 1.590 | .004 | .033 | .974 | .706 | 1.416 | |
| Psikomotor | -2.870 | 1.551 | -.205 | -1.851 | .067 | .813 | 1.229 | |
| a. Dependent Variable: NIPD |
Jika VIF>10 maka variabel bebas berkorelasi tinggi (multikolinier). Berdasarkan tabel 4 dapat dilihat bahwa nilai VIF kurang dari 10 sehingga tidak ada korelasi yang tinggi antara variabel bebas. Oleh karena itu, data antar variabel bebas dan terikat tidak terganggu.
4. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk melihat apakah terdapat ketidaksamaan varians antar variabel bebas. Model regresi yang memenuhi persyaratan adalah terdapat kesamaan varians antar variabel bebas atau dapat dikatakan tetap yang disebut homoskodestisitas. Tabel 5. Hasil Uji Heteroskedastisitas
| Coefficientsa | ||||||||
| Model | Unstandardized Coefficients | Standardized Coefficients | t | Sig. | Collinearity Statistics | |||
| B | Std. Error | Beta | Tolerance | VIF | ||||
| 1 | (Constant) | 26.041 | 12.442 | 2.093 | .039 | |||
| Afektif | .788 | .881 | .107 | .895 | .373 | .715 | 1.398 | |
| Kognitif | -.507 | .780 | -.079 | -.650 | .517 | .706 | 1.416 | |
| Psikomotor | -.349 | .761 | -.052 | -.459 | .647 | .813 | 1.229 | |
| a. Dependent Variable: absu |
Berdasarkan Rule of thumb yang digunakan adalah bila nilai t-hitung > t-tabel , berarti terjadi heterosdastisitas namun sebaliknya apabila nilai t-hitung < t-tabel maka akan terjadi homoskedastisitas. Nilai Ttabel : α = 5% = dan (N = 100) = 1,660. Pada tabel 5 nilai sig untuk afektif, kognitif, dan psikomotor adalah 0,373; 0,517; 0,647 yang artinya lebih kecil dari t-tabel sehingga terjadi homoskedastisitas.
C. Kesimpulan
Variabel bebas dari uji analisis ini adalah kemampuan afektif, kognitif, dan psikomotor. Berdasarkan uji asumsi yang dilakukan, data memenuhi persyaratan normal, terjadi autokorelasi positif, tidak multikolinier, dan homoskedastisitas sehingga dapat disimpulkan bahwa dapat dilakukan uji regresi berganda pada variabel kemampuan afektif, kognitif, dan psikomotor.
