Jurnal Matematika Vol. 12, No.1, Juni 2022, pp. 56-67

Article DOI: 10.24843/JMAT.2022.v12.i01.p149

ISSN: 1693-1394

Analisis Regresi Multivariat Berdasarkan Latar Belakang Pribadi Santri Terhadap Motivasi Berprestasi, Motivasi Belajar dan Prestasi Belajar

Nur Nensi

Universitas Islam Darul ‘ulum Lamongan [email protected]

Mohammad Syaiful Pradana

Universitas Islam Darul ‘ulum Lamongan [email protected]

Novita Eka Chandra

Universitas Islam Darul ‘ulum Lamongan [email protected]

Abstract: The students of the Matholiul Anwar Islamic boarding school come from various different regions so that they have quite diverse social and economic backgrounds. Likewise with learning motivation, achievement motivation and student learning achievement are also diverse. This study aims to determine the effect of the social and economic background of students on achievement motivation, learning motivation and learning achievement. The research sample used was 49 students in the F dormitory of the Matholiul Anwar Sukodadi Lamongan Islamic boarding school. This study uses the Multivariate Regression Analysis model. From the results of the partial study, the effect of social status on the dependent variable was concluded that there was an effect of social status on achievement motivation, learning motivation and learning achievement. Meanwhile, for the variable of economic status on the dependent variable, it can be concluded that there is no effect of economic status on achievement motivation, learning motivation, and learning achievement. Simultaneously, it was obtained that the background of the students affected the achievement motivation, learning motivation, and learning achievement in the F dormitory of the Matholiul Anwar Islamic boarding school.

Keywords: student’s background, achievement motivation, learning motivation, learning achievement, multivariate analysis

Abstrak: Santri pondok pesantren Matholiul Anwar berasal dari berbagai wilayah yang berbeda sehingga memiliki latar belakang sosial serta ekonomi yang cukup beragam. Begitu pula dengan motivasi belajar, motivasi berprestasi dan prestasi belajar santri juga beragam. Penelitian ini bertujuan untuk mengetahui pengaruh latar belakang sosial dan ekonomi santri terhadap motivasi beprestasi, motivasi belajar dan prestasi belajar. Sampel penelitian yang digunakan sebanyak 49 santri di asrama F pondok pesantren Matholiul Anwar Sukodadi Lamongan. Penelitian ini

menggunakan model Analisis Regresi Multivariat. Dari hasil penelitian secara parsial, pengaruh status sosial terhadap variabel terikat disimpulkan adanya pengaruh status sosial terhadap motivasi berprestasi, motivasi belajar dan prestasi belajar. Sedangkan untuk variabel status ekonomi terhadap variabel terikat diperoleh kesimpulan tidak terdapat pengaruh status ekonomi terhadap motivasi berprestasi, motivasi belajar, dan prestasi belajar. Secara simultan diperoleh latar belakang santri berpengaruh terhadap motivasi berprestasi, motivasi belajar, dan prestasi belajar di asrama F pondok pesantren Matholiul Anwar.

Kata Kunci: latar belakang santri, motivasi berprestasi, motivasi belajar, prestasi belajar, analisis regresi multivariat

  • 1.    Pendahuluan

Pondok pesantren merupakan tempat belajar ilmu Islam serta menyebarkannya kepada masyarakat luas. Indonesia memiliki jumlah pondok pesantren yang cukup banyak, terutama di wilayah-wilayah pedesaan sehingga menjadikan lembaga tersebut memiliki posisi strategis dalam mengemban pengembangan pendidikan maupun kehidupan sosial ekonomi bagi masyarakat. Pondok pesantren Matholiul Anwar terletak di Desa Simo Sungelebak Kecamatan Karanggeneng Kabupaten Lamongan, yang memiliki 6 Asrama atau sering disebut dengan kompleks. Asrama A digunakan santri putra dan Asrama B-F digunakan santri putri atau santriwati. Pondok pesantren Matholiul Anwar ini memiliki jumlah santri sebanyak 1133 santri, (95%) mondok dan sekolah, (5%) mondok dan kuliah. Dari sekian jumlah santri yang ada, berasal dari berbagai wilayah di Indonesia, dengan latar belakang yang berbeda-beda, baik dibidang sosial, ekonomi, suku dan budaya.

Dari segi sosial terdapat karakteristik-karakteristik santri yang hanya mengikuti proses belajar mengajar di sekolah dan pondok, ada juga karakteristik santri yang aktif dalam organisasi di sekolah. Dari segi ekonomi rata-rata santri berasal dari keluarga ekonomi menengah. Menurut Slameto (Wahyu Kurniawati, 2016), keadaan ekonomi keluarga memiliki hubungan erat dengan anak, kebutuhan peralatan dan perlengkapan belajar anak dapat terpenuhi dengan baik apabila keadaan ekonomi orang tua juga baik. Prestasi belajar yang dicapai santri dalam proses belajar mengajar dengan membawa perubahan dan pembentukan tingkah laku seseorang. Keberhasilan dalam belajar yang dicapai santri disekolah merupakan salah satu ukuran terhadap penguasaan materi pelajaran yang disampaikan. Guru memiliki peran untuk mendorong para santri agar memiliki motivasi belajar, motivasi berprestasi dan prestasi belajar yang baik.

Penelitian sebelumnya dilakukan oleh (Sholihah, 2019), menyimpulkan bahwa pengaruh status sosial ekonomi orang tua terhadap motivasi belajar siswa adalah 79,5 %, dan 20,5% dipengaruhi oleh faktor lainnya. Sedangkan (Suyono, 2016) mengatakan

Article DOI: 10.24843/JMAT.2022.v12.i01.p149

bahwa terdapat pengaruh langsung antara latar belakang sosial ekonomi keluarga dengan prestasi belajar siswa.

Berdasarkan latar belakang yang telah diuraikan, tujuan dari penelitian ini yaitu untuk mengetahui pengaruh latar belakang sosial ekonomi santri terhadap motivasi belajar, motivasi berptestasi dan prestasi belajar santri di asrama F Pondok Pesantren Matholi’ul Anwar.

Berdasarkan tujuan penelitian tersebut, dibuat suatu model regresi multivariat. Model regresi multivariat merupakan model regresi dengan n buah variabel terikat Ki, f2, /3, ..., Kn yang saling berkorelasi dan satu atau beberapa variabel bebas Xi, X2, X3, ..., Xn. Pada model regresi multivariat diasumsikan adanya hubungan ketergantungan di antara variabel terikat (Johnson & Wichern, 2007).

  • 2.    Metode Penelitian

Penelitian ini digolongkan dalam jenis penelitian terapan (applied research). Penelitian ini menggunakan dua variabel bebas yaitu status sosial ( ) dan status ekonomi ( ), dan menggunakan tiga variabel terikat yaitu motivasi berprestasi ( ), motivasi belajar ( ), dan prestasi belajar ( ). Pengambilan data untuk status sosial, status ekonomi, motivasi berprestasi, dan motivasi belajar menggunakan kuisioner dengan skala Likert 1 sampai 5, sedangkan prestasi belajar diperoleh dari data IPK. Data yang digunakan pada variabel status sosial, status ekonomi, motivasi berprestasi, motivasi belajar, dan prestasi belajar merupakan data interval. Metode yang digunakan dalam penelitian ini adalah analisis regresi multivariat, karena analisis regresi multivariat merupakan model regresi dengan lebih dari satu variabel terikat ( ) yang saling berkorelasi dengan satu atau lebih variabel bebas (x) yang merupakan pengembangan dari analisis univariate dan bivariate.

  • 2.1    Analisis Regresi Multivariat

Analisis regresi multivariat adalah model regresi dengan lebih dari satu variabel terikat ( ) yang saling berkorelasi dengan satu atau lebih variabel bebas ( ), misalkan terdapat variabel terikat berjumlah q yaitu dan terdapat variabel bebas berjumlah p yaitu (Johnson & Wichern, 2007). Model regresi multivariat q terikat sebagai berikut:

-vI = ^l + £11*1 + ^21x2 + 0nx3      ^plX» + fI

(1)


V≡ = ⅛+Vl+⅛ +⅛ + "'+Vn + ε2 “      Wm     Xm        XX        Wm

yq = ^o,+⅛ι+β2qχ2+P3qχ3 + -+βμqχ-+f-

  • 2.1.1    Uji Kebebasan antar Variabel Terikat

Uji ini diukur untuk mengetahui keeratan hubungan antara masing-masing variabel. Uji korelasi antar variabel dapat digunakan untuk menguji variabel terikat bersifat saling bebas atau tidak. Uji yang digunakan adalah uji Bartlett of Sphericity dengan menggunakan matriks korelasi sampel (Morrison, 2005). Dengan hipotesis sebagai berikut:

∕∕ G ' Antara variabel terikat saling bebas

^i ■ Antara variabel terikat tidak saling bebas

Statistik uji:

∕2 hi tung = — — 1 — ——] InlDl                    (2)

dengan n adalah jumlah data, q adalah jumlah variabel terikat dan Znl DI adalah nilai determinan matrik korelasi dari masing-masing variabel terikat. ^ hitung ~ ^” tabel , X2hitung ≤ X2βj<M atau jika p value (sig) ≥ signifikansi alpha 5% atau 0,05 maka H0 diterima artinya antar variabel terikat saling bebas.

  • 2.1.2    Uji Normalitas Multivariat

Asumsi data berdistribusi normal multivariat atau uji normalitas multivariat dapat dilakukan dengan menggunakan Scatter-Plot dari nilai Chi-Square (^2) dan jarak ma-halanobis (⅜2) dengan persamaan berikut (Rencher & Schimek, 1997).

^ = (yi - y)rs^1(yi - y), dimana i = 1j2√" ,n (3)

dengan

yi   : obyek pengamatan ke-i,

  • y    : rata-rata pengamatan,

S    : invers matrik varian kovarian berukuran cI X cI

  • q    : banyaknya peubah yang diamati.

Uji hipotesis data berdistribusi normal multivariat sebagai berikut: ^o' Data berdistribusi normal multivariat

Hχ≈ Data tidak berdistribusi normal multivariat.

Jika Scatter-Plot dari nilai Chi-Square (X2) dan jarak mahalanobis (c^) titik-titik menyebar hampir membentuk garis lurus, maka dapat dinyatakan bahwa data berdistribusi normal multivariat.

  • 2.1.3    Pemilihan Model Terbaik Menggunakan AIC

AIC (Akaike Information Criteria) merupakan metode yang digunakan untuk mem-

ilih model regresi terbaik yang dikemukakan oleh Akaike dan Schwarz dengan melihat

nilai error terkecil (Fathurahman, 2016; van Delsen, Aulele, Patty, & Kelbulan, 2019).

Rumus yang digunakan sebagai berikut:



(4)


dengan k ialah jumlah parameter yang diestimasi dalam model regresi, n ialah jumlah responden, e sama dengan 2,718 dan u ialah residual.

  • 2.1.4    Uji Signifikasi Parameter

    a.    Uji Simultan

Uji simultan digunakan untuk mengetahui pengaruh signifikan variabel bebas terhadap variabel terikat secara keseluruhan (Rencher & Schimek, 1997). Hipotesis yang digunakan sebagai berikut:

ho^ii= ^i2= "'=^i =-=^p, = 0(tidak terdapat pengaruh signifikan var-

iabel bebas terhadap variabel terikat secara simultan)

H1=Paling sedikit ada satu β^ ≠ O (terdapat pengaruh signifikan variabel bebas

terhadap variabel terikat secara simultan)

Statistik uji yang digunakan adalah Wilk’s Lambda:

∣E∣ _ ∣yry-srxry∣

(5)


~ ∣E+H∣ ~ ∖YτY- riyyτ∖

dengan y adalah vektor rata-rata dari matriks Y. H G ditolak jika ^hitung — A^p^n—q—1) NilaiAα,p,φ(n-q-1) merupakan nilai kritis dari tabel Wilk’s

Lambda.

  • b.    Uji Parsial

Uji parsial bertujuan untuk mengetahui pengaruh signifikan setiap variabel bebas p terhadap variabel terikat q secara parsial (Rencher & Schimek, 1997).

^Oiβll - βl2 - ■" - βpl - '" - βpq - θ (tidak terdapat pengaruh variabel

bebas terhadap variabel terikat secara parsial)

H1zpaling sedikit ada satu βpq ≠ O (terdapat pengaruh variabel bebas terhadap variabel terikat secara parsial)

Statistik uji yang digunakan adalah Wilk’s Lambda:

_ |e| _ ∣vtf-bt∕y∣

∣E+H∣ ∣yry-nyyτ∣                                      (6)

dengan y adalah vektor rata-rata dari matriks Y. Ha ditolak jika ^hitung — 2‰.p.q( n-q—1). Nilai Λc,p.q,( n-q-ι) merupakan nilai kritis dari tabel Wilk’s

Lambda atau jika nilai p value (sig) kurang dari signifikansi alpha 0,05. Artinya terdapat pengaruh variabel beabs terhadap variabel terikat secara parsial.

  • 2.1.5    Uji Asumsi Residual IIDN

    a.    Uji Asumsi Residual Identik

Uji residual identik digunakan untuk menguji secara simultan matriks vari-an/kovarian residual homogen atau tidak. Untuk mengujinya dapat menggunakan statistik uji Box’M (Rencher & Schimek, 1997).

  • b.    Uji Asumsi Residual Saling Bebas (Independent)

Uji residual saling bebas dilakukan dengan uji Bartlett Sphericity sama seperti uji korelasi antar variabel terikat dengan statistik uji:

/2 hitung = — [n — 1 — ——∣ InlDI.                        (7)

  • c.    Uji Asumsi Residual Berdistribusi Normal

Asumsi residual berdistribusi normal multivariat dapat dilakukan dengan menggunakan Scatter-Plot dari nilai Chi-Square (T2) dan jarak mahalanobis (d?) dengan persamaan berikut.

αf = (Ei — e) 5 (e, — e), d Imana i = 1,2, ∙∙∙,n                (8)

Jika Scatter-Plot dari nilai Chi-Square ( T2) dan jarak mahalanobis (⅛) titik-titik menyebar hampir membentuk garis lurus, maka dapat dinyatakan bahwa residual berdistribusi normal multivariat.

  • 2.1.6    Estimasi Parameter Regresi Multivariat

Menurut (Rencher & Schimek, 1997), estimasi parameter regresi multivariat untuk B ditulis dengan persamaan:

β = (χrχ) 1XrY=(XrX) 1Xr (yχ : y2 = [(XτX)~1Xτy1 ■ (XτX)~1Xτy2 ■ ■■

- Pj

(XτX)~1Xτyp :]


(9)


dengan:


,





  • 2.1.7    Hubungan Antara Variabel Terikat dan Variabel Bebas

Eta Square Lambda digunakan untuk mengukur hubungan antara variabel terikat dan variabel bebas pada regresi multivariat yang ditunjukkan oleh persamaan ⅛ = *-⅛ dengan Λ adalah nilai Wilk’s lambda, dan ⅛ adalah nilai keterkaitan antar variabel terikat dan variabel bebas dengan O ≤ ⅛ ≤ 1. Artinya, jika semakin mendekati 1 maka hubungan antar variabel terikat dan variabel bebas semakin erat (Rencher & Schimek, 1997).

  • 3.    Hasil dan Pembahasan

Sebelum melakukan analisis regresi multivariat, terlebih dahulu dilakukan uji kebebasan antar variabel terikat, uji normalitas multivariat, estimasi parameter regresi multivariat, pemilihan model terbaik menggunakan metode AIC, uji signifikansi parameter, uji asumsi IIDN, dan hubungan antara variabel terikat dan variabel bebas.

Data yang digunakan dalam penelitian berskala intervaal. Uji pertama yaitu uji kebebasan antar variabel digunakan untuk menguji variabel terikat bersifat saling bebas

atau tidak. Hasil kebebasan antar variabel terikat menggunakan bantuan software SPSS ditunjukkan pada Tabel 1 berikut.

Tabel 1. Uji Kebebasan Antar Variabel Terikat

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy.

.698

Bartlett's Test of Sphericity

Approx. Chi-Square

70.677

Df

10

Sig.

.000

Berdasarkan Tabel 1 dapat diketahui bahwa uji Bartlett Sphericity diperoleh nilai p value (sig) sebesar 0,000 < 0,05, artinya antar variabel terikat tidak saling bebas.

Selanjutnya, asumsi data berdistribusi normal multivariat dapat dilakukan dengan menggunakan Scatter-Plot dari nilai Chi-Square (Z2) dan jarak mahalanobis (d~). Jika Scatter-Plot dari nilai Chi-Square (Z2) dan jarak mahalanobis (⅛) titik-titik menyebar hampir membentuk garis lurus, maka dapat dinyatakan bahwa data berdistribusi normal multivariat.

Gambar 1. Scatter-Plot Data Normal Multivariat


Berdasarkan pada Gambar 1 uji normalitas multivariat menggunakan Scatter-Plot dari nilai Chi-Square (Z2) dan jarak mahalanobis (d~), dapat diketahui bahwa garis cenderung membentuk garis lurus sehingga dapat dinyatakan data berdistribusi normal multivariat.

Selanjutnya, estimasi parameter regresi multivariat. Estimasi parameter ^oi , ^Ll , dan ^12 berturut-turut merupakan nilai pengamatan ke-0, ke-1, dan ke-2 untuk J- 3 . Modelnya sebagai berikut:

yι = ⅛ + ^11^11 +β21×i2 = -0.932 + 0,089X1+ 0,064X ⅛ = ⅛ + ^12x^ +β22x12 = -1,921 + 0,123X1+ 0,092X∙

2


2


Yl= β +P,Jll+β,-x12 = -1,593 + 0,069X1+ 0,1 OlX2. ww Xw       »w                                          “

Untuk mendapatkan model regresi multivariat terbaik, dilakukan pemilihan model terbaik menggunakan AIC (Akaike Information Criteria). Kriteria pemilihan model terbaik jika didapatkan nilai AIC terkecil, yang berarti semakin kecil nilai dari AIC maka semakin baik model yang digunakan. Nilai AIC didapatkan dengan rumus:

dengan k adalah jumlah parameter yang diestimasi dalam model regresi, n adalah jumlah responden, e = 2,718 dan fl ialah residual. Berdasarkan pemilihan model terbaik

menggunakan metode AIC diperoleh sebagai berikut.

  • a.    Model terbaik untuk 1I dan X2 terhadap y1 adalah model XjX2 karena memiliki nilai AIC terkecil sebesar 0,049879587.

  • b.    Model terbaik untuk xl dan X2 terhadap y2 adalah model X1X2 karena memiliki nilai AIC terkecil sebesar 0,092264134.

  • c.    Model terbaik untuk xl dan X2 terhadap y3 adalah model X1X2 karena memiliki nilai AIC terkecil sebesar 0,046694445.

Tabel 2. Uji Secara Simultan Wilks’ Lambda

Step

Number of Variables

Lambda

df1

df2

df3

Exact F

Statistic

df1

df2

Sig.

1

1

.752

1

2

46

7.570

2

46.000

.001

2

2

.628

2

2

46

5.895

4

90.000

.000

Uji secara simultan pengaruh variabel bebas terhadap variabel terikat menggunakan uji Wilk’s Lambda ditunjukkan pada Tabel 2 dapat diketahui bahwa nilai p value (sig) masing-masing variabel bebas sebesar 0,001 dan 0,000 dan kurang dari nilai signifikansi alpha 5% atau 0,05. Artinya terdapat pengaruh signifikan variabel bebas terhadap variabel terikat secara simultan.

Tabel 3. Uji Secara Parsial Terhadap Y1 dengan Wilks’ Lambda

Test of Function(s)

Wilks' Lambda

Chi-square

Df

Sig.

1 through 2

.612

22.353

4

.000

2

.975

1.174

1

.279

Uji secara parsial pengaruh variabel bebas terhadap variabel terikat Y1 menggunakan uji Wilk’s Lambda pada Tabel 3 diperoleh nilai p value (sig') pada status sosial (x1) sebesar 0,000 atau kurang dari nilai signifikansi alpha 0,05. Artinya terdapat pengaruh status sosial (x1) terhadap motivasi berprestasi (y1). Sedangkan nilai p value (sig) pada status ekonomi (x2) sebesar 0,279 atau lebih besar dari nilai signifikansi alpha 0,05. Artinya tidak terdapat pengaruh status ekonomi (x2) terhadap motivasi berprestasi.

Tabel 4. Uji Secara Parsial Terhadap Y2 dengan Wilks’ Lambda

Test of Function(s)

Wilks' Lambda

Chi-square

Df

Sig.

1 through 2

.628

21.175

4

.000

2

.983

.757

1

.384

Uji secara parsial pengaruh variabel bebas terhadap variabel terikat Y2 menggunakan uji Wilk’s Lambda pada Tabel 4 diperoleh nilai p value (sig) status sosial (x1) sebesar 0,000 atau kurang dari nilai signifikansi alpha 0,05. Artinya terdapat pengaruh status sosial (x1) terhadap motivasi belajar (y2). Nilai p value (sig) status ekonomi (x2) sebesar 0,384 atau lebih besar dari nilai signifikansi alpha 0,05. Artinya tidak terdapat pengaruh status ekonomi (x2) terhadap motivasi belajar (y2).

Tabel 5. Uji secara parsial terhadap Y3 dengan Wilks’ Lambda

Test of Function(s)

Wilks' Lambda

Chi-square

Df

Sig.

1 through 2

.540

28.053

4

.000

2

.929

3.372

1

.066

Uji secara parsial pengaruh variabel bebas terhadap variabel terikat Y3 menggunakan uji Wilk’s Lambda pada Tabel 5 diperoleh nilai p value (sig) status sosial (x1) sebesar 0,000 atau kurang dari nilai signifikansi alpha 0,05. Artinya terdapat pengaruh status sosial (x1) terhadap prestasi belajar (y3). Nilai p value (sig) status ekonomi (x2) sebesar 0,066 atau lebih besar dari nilai signifikansi alpha 0,05. Artinya tidak terdapat pengaruh status ekonomi (x2) terhadap prestasi belajar (y3).

Berdasarkan uraian tersebut, dapat disimpulkan bahwa 1ι terdapat pengaruh terhadap y1 , ^2 dan ^a secara parsial dan x2 tidak terdapat pengaruh terhadap y1 , y2 dan y3 secara parsial.

Tahap selanjutnya melakukan uji asumsi residual IIDN yang terdiri atas uji asumsi residual identik, uji asumsi residual saling bebas (independent) dan uji asumsi residual berdistribusi normal multivariat. Hasil uji asumsi residual identik ditunjukkan pada Tabel 6 berikut.

Tabel 6. Uji Asumsi Residual Identik

Box's M

9.403

F

Approx.

1.364

df1

6

df2

1884.868

Sig.

.226

Berdasarkan hasil output SPSS nilai p value (sig) sebesar 0,000 dan kurang dari nilai signifikansi alpha 5% atau 0,05. Artinya matriks varian/kovarian residual homogen atau residual identik.

Uji asumsi residual saling bebas dilakukan dengan uji Bartlett Sphericity sama seperti uji korelasi antar variabel terikat. Hasil uji residual saling bebas ditunjukkan pada Tabel 7 berikut.

Tabel 7. Uji Asumsi Residual Saling Bebas

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy.

.493

Bartlett's Test of Sphericity

Approx. Chi-Square

10.523

Df

10

Sig.

.396

Berdasarkan uji asumsi residual saling bebas pada Tabel 7 menggunakan uji Bartlett Sphericity dapat diketahui bahwa nilai p value (sig) sebesar 0,396 dan lebih dari nilai signifikansi alpha 5% atau 0,05. Artinya residual data saling bebas.

Gambar 2. Scatter-Plot Residual Normal Multivariat

Selanjutnya, uji residual berdistribusi normalitas multivariat menggunakan ScatterPlot dari nilai Residual Chi-Square ( z2) dan jarak mahalanobis (⅛) ditunjukkan pada Gambar 2 dapat diketahui bahwa garis cenderung membentuk garis lurus sehingga dapat dinyatakan residual berdistribusi normal multivariat.

Eta Square Lambda digunakan untuk mengukur hubungan antara variabel terikat dan variabel bebas pada regresi multivariat yang ditunjukkan oleh persamaan ⅛ =1 - ⅛ dengan Λ adalah nilai Wilk’s lambda, dan fj∖ adalah nilai keterkaitan antar variabel terikat dan variabel bebas dengan O ≤ ⅛ ≤ 1. Artinya, jika semakin mendekati 1 maka hubungan antar variabel terikat dan variabel bebas semakin erat, yang dinyatakan sebagai berikut:

⅛ = 1 - Λ = 1 -0.001  0,999= 99 %

Berdasarkan perhitungan τΛ dapat diketahui bahwa nilai τ⅛ sebesar 99% artinya terdapat hubungan yang sangat erat antar variabel bebas dan variabel terikat.

  • 4.    Kesimpulan dan Saran

Berdasarkan hasil penelitian dapat disimpulkan bahwa secara parsial X1 terdapat pengaruh terhadap y1 , y2 dan y3 . Sedangkan X3 tidak terdapat pengaruh terhadap y1 , y2 dan y3 . Secara simultan latar belakang (X1 dan X3) santri memiliki pengaruh terhadap motivasi berprestasi, motivasi belajar, dan prestasi belajar (y1 , 3⅛ dan 3⅛ ) di asrama F pondok pesantren Matholiul Anwar, dengan model terbaik untuk y1 , 3⅛ dan 3⅛ diperoleh dengan nilai AIC sebesar 0,049879587, 0,092264134 dan 0,046694445. Untuk studi selanjutnya disarankan menggunakan perbandingan dua metode pemilihan model terbaik seperti model terbaik dengan metode Schwarz Information Criterion (SIC) dan Kullback‟s Information Criterion Corrected (KICC).

Daftar Pustaka

Fathurahman, M. (2016). Pemilihan model regresi terbaik menggunakan metode Akaike’s information criterion dan Schwarz information criterion. Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer, 4(3), 37–41.

Johnson, R. A., & Wichern, D. W. (2007). Applied Multivariate Statistical Analysis, Upper Sadle River. NJ: Pearson Prentice Hall.

Kharisma, N. (2015). Pengaruh Motivasi, Prestasi Belajar, Status Sosial Ekonomi Orang Tua Dan Lingkungan Teman Sebaya Terhadap Minat Melanjutkan Pendidikan Ke Perguruan Tinggi Pada Siswa Kelas XII Kompetensi Keahlian Akuntansi di SMK Negeri se-Kota Semarang Tahun Ajaran 2014/. Universitas Negeri Semarang.

Morrison, D. . (2005). Statistikal Methods (Fourth Edition). The Wharton School University of Pennsylvania.

Notoatmodjo, S. (2012). Promosi kesehatan dan perilaku kesehatan.

Rencher, A. C., & Schimek, M. G. (1997). Methods of multivariate analysis. Computational Statistics, 12(4), 422.

Rosyid, M. Z., Mansyur, M., IP, S., & Abdullah, A. R. (2019). Prestasi belajar. Literasi Nusantara.

Sholihah, S. M. (2019). Pengaruh Latar Belakang Status Sosial Ekonomi Orang Tua Terhadap Motivasi Belajar Siswa Kelas V Sdi Miftahul Huda Plosokandang Kedungwaru Tulungagung.

Suyono, A. (2016). Pengaruh latar belakang sosial ekonomi orang tua terhadap prestasi belajar yang dimediasi oleh fasilitas belajar. Journal of Accounting and Business Education, 1(2).

van Delsen, M. S. N., Aulele, S. N., Patty, H. W. M., & Kelbulan, N. (2019). Pemilihan Model Terbaik Pada Analisis Regresi Linier Multivariat Dengan Kriteria Aic. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 13(1), 25–32.

Wahyu Kurniawati, U. P. Y. (2016). Pengaruh Kondisi Ekonomi Keluarga Terhadap Prestasi Belajar IPA Siswa Kelas IV SD Se-Gugus 3 Kasihan Bantul. Universitas PGRI Yogyakarta.

67