PENGARUH JENIS KELAMIN DAN UMUR TERHADAP HASIL BELAJAR SISWA

Untuk mengetahui pengaruh jenis kelamin dan umur terhadap hasil belajar dapt dilakukan dengan uji asumsi klasik. Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square (OLS). Jadi analisis regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi logistik atau regresi ordinal. Demikian juga tidak semua uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dilakukan pada analisis regresi linear sederhana dan uji autokorelasi tidak perlu diterapkan pada data cross sectional.

Uji asumsi klasik yang sering digunakan yaitu uji multikolinearitas, uji heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. 

Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. 

Uji normalitas dapat dilakukan dengan uji histogram, uji normal P Plot, uji Chi Square, Skewness dan Kurtosis atau uji Kolmogorov Smirnov. Tidak ada metode yang paling baik atau paling tepat. Tipsnya adalah bahwa pengujian dengan metode grafik sering menimbulkan perbedaan persepsi di antara beberapa pengamat, sehingga penggunaan uji normalitas dengan uji statistik bebas dari keragu-raguan, meskipun tidak ada jaminan bahwa pengujian dengan uji statistik lebih baik dari pada pengujian dengan metode grafik.

Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu. Sebagai ilustrasi, adalah model regresi dengan variabel bebasnya motivasi, kepemimpinan dan kepuasan kerja dengan variabel terikatnya adalah kinerja. Logika sederhananya adalah bahwa model tersebut untuk mencari pengaruh antara motivasi, kepemimpinan dan kepuasan kerja terhadap kinerja. Jadi tidak boleh ada korelasi yang tinggi antara motivasi dengan kepemimpinan, motivasi dengan kepuasan kerja atau antara kepemimpinan dengan kepuasan kerja.

Alat statistik yang sering dipergunakan untuk menguji gangguan multikolinearitas adalah dengan variance inflation factor (VIF), korelasi pearson antara variabel-variabel bebas, atau dengan melihat eigenvalues dan condition index (CI).

Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain. Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas.

Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan memplotkan nilai ZPRED (nilai prediksi) dengan SRESID (nilai residualnya).

BERIKUT DIKETAHUI DATA SISWA

Siswa	Gender (0:pria ; 1:wanita)	Umur	Nilai
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20	0 0 0 0 1 1 0 1 1 1 1 0 0 0 0 1 1 1 1 0	18 19 17 20 23 18 21 20 23 21 23 18 21 17 19 20 19 22 22 20	80.00 77.20 76.20 78.60 83.60 81.80 73.20 82.00 84.60 74.60 85.00 70.80 79.80 75.00 81.00 80.00 81.80 77.80 74.80 78.00

Hasil uji normalitas

Hasil uji  multikolinearitas

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	T	Sig.	Collinearity Statistics
		B	Std. Error	Beta			Tolerance	VIF
1	(Constant)	70.452	9.733		7.239	.000
	jenis kelamin	2.899	1.917	.383	1.512	.149	.689	1.451
	umur siswa	.344	.509	.171	.675	.509	.689	1.451
a. Dependent Variable: nilai

Collinearity Diagnosticsa
Model	Dimension	Eigenvalue	Condition Index	Variance Proportions
				(Constant)	jenis kelamin	umur siswa
1	1	2.636	1.000	.00	.04	.00
	2	.360	2.704	.00	.68	.00
	3	.003	28.830	1.00	.28	1.00
a. Dependent Variable: nilai

hasil uji heteroskedastisitas