METODE PENELITIAN
G. Analisis Data Hasil Penelitian 1. Analisis Deskriptif Hasil Penelitian
Skala Likert adalah skala yang digunakan untuk mengukur persepsi, sikap atau pendapat seseorang atau kelompok mengenai sebuah peristiwa atau fenomena sosial, berdasarkan definisi operasional yang telah ditetapkan oleh peneliti. Pengolahan data secara deskriptif adalah dengan cara memperoleh hasil perkalian dari jumlah responden dengan skor pilihan jawaban yang diberikan. Seluruh hasil perkalian dari jumlah responden pada masing-masing pilihan jawaban ini (pada masing-masing item) dijadikan dasar penafsiran data hasil penelitian secara deskriptif.
Untuk mencari skor total vaiabel dalam batas-batas nilai minimum, kuartil I, median, kuartil III, dan nilai maksimal yang dapat dicapai, dilakukan langkah-langkah sebagai berikut.
a) Menentukan skor maksimum, yaitu skor jawaban terbesar dikalikan banyak item.
b) Menentukan skor minimum, yaitu skor jawaban terkecil dikalikan banyak item.
c) Menentukan nilai median, yakni hasil penjumlahan skor maksimum dengan skor minimum dibagi dua.
d) Menentukan nilai kuartil I, yaitu hasil penjumlahan skor minimum dengan median dibagi dua.
e) Menentukan nilai kuartik III berupa hasil penjumlahan skor maksimum dengan median dibagi dua.
f) Membuat skala yang menggambarkan skor minimum, nilai kuartil pertama, nilai median, nilai kuartil ketiga, dan skor maksimum.
Skala interpretasi yang digunakan adalah sebagai berikut.
Angka 0% – 20% = Sangat lemah
Angka 21% – 40% = Lemah
Angka 41% – 60% = Cukup
Angka 61% – 80% = Kuat
Angka 81% – 100% = Sangat kuat
2. Analisis Regresi Sederhana
Analisis data diarahkan pada pengujian hipotesis yang diawali dengan deskripsi data penelitian dari ketiga variabel dalam bentuk distribusi frekuensi dan histogramnya serta menentukan persamaan regresinya.
Analisis regresei linier sederhana diawali dengan pengujian asumsi klasik dengan persamaan regresi sebagai berikut.
Ŷ = a + bX + e Keterangan:
Y : tingkat keberhasilan usaha nasabah X : pembiayaan musyarakah
a : konstanta
b : koefisien regresi atau slope garis regresi Y atas X e : epsilon, galat presiksi yang terjadi secara acak.
3. Uji Asumsi Klasik
a. Uji Normalitas Distribusi Data
Karena statistik parametrik berlandaskan pada asumsi bahwa data yang akan dianalisis harus berdistribusi normal, maka dilakukan pengujian normalitas untuk mengetahui apakah data yang dihasilkan berdistribusi normal atau tidak. Asumsi normalitas merupakan syarat penting pada pengujian kebermaknaan koefisien regresi. Apabila data residual dari mode regresi tidak mengikuti distribusi normal, maka kesimpulan dari uji F dan uji t perlu dipertanyakan karena statistik uji dalam analisis regresi diturunkan dari data yang berdistribusi normal.
Uji normalitas distribusi data yang digunakan pada penelitian ini adalah Kolmogorov-Smirnov Test. Dasar pengambilan keputusannya jika thitung < ttabel maka data telah berasal dari data yang berdistribusi normal.
Untuk data yang banyak, data diasumsikan mendekati distribusi normal dengan syarat data > 100.
b. Uji Asumsi Heteroskedastisitas
Persyaratan kedua dalam analisis regresi linier klasik adalah harus tidak terjadi gejala heteroskedastisitas. Artinya, varian residu pada data harus bersifat homogen atau sama. Uji heteroskedastitas dilakukan dengan menggunakan uji korelasi Rank Spearman antara variabel bebas dengan nilai residu regresi parsialnya. Jika probabiltias kesalahan statistik atau p-value > (α = 0,05) atau nonsignifikan, maka diputuskan tidak terjadi situasi heteroskedastitas.
c. Uji Autokorelasi
Menurut Maurice G. Kendall (1971:8), autokorelasi akan menjelas-kan bahwa varian residual (e) tidak saling berpengaruh. Hal ini dapat dilihat dengan menggunakan tes dari Durbin-Watson.
Mekanisme tes Durbin-Watson (dalam Gujarati, 1993:217) ini adalah sebagai berikut.
(1) Menentukan regresi OLS dan menentukan residual ei.
(2) Menghitung nilai d (dengan menggunakan aplikasi komputer). (3) Untuk ukuran sampel tertentu, menghitung nilai kritis dL dan dU. (4) Menghitung nilai d-dL dan 4-dU dan kemudian membandingkan-nya
dengan nilai d pada daerah berikut.
4 1,660 1,660 2,340 2,340 4
Autokorelasi
(+) meyakinkan Tidak Tidak ada Autokorelasi meyakinkan Tidak Autokorelasi (-)
Jika nilai d terletak di antara dU dan 4-dU, maka dapat disimpulkan tidak ada autokofrelasi dalam data. Sedangkan jika nilai d berada pada daerah lainnya maka kesimpulan diberikan oleh gambar di atas. Untuk mengatasi masalah autokorelasi dilakukan transformasi melalui transformasi p = 1 – d/2 (d= nilai Durbin-Watson). Untuk menghindari data pertama yang hilang, maka data pertama ditransformasi-kan melalui perkalian dengan √(1-p2).
4. Pengujian Hipotesis
Sebelum digunakan sebagai dasar kesimpulan, persamaan regresi yang diperoleh dan telah memenuhi asumsi regresi melalui pengujian di atas, perlu diuji koefisien regresinya. Pengujian regresi ini dilakukan untuk melihat apakah model yang diperoleh dan koefisien regresinya dapat dikatakan bermakna secara statistik sehingga dapat diambil kesimpulan secara umum untuk populasi penelitian.
Untuk mengetahui apakah variabel independen (X) memiliki pengaruh terhadap variabel Y dengan tingkat keyakinan 1 – α, maka digunakan uji t. Bentuk hipotesis statistik yang diuji adalah sebagai berikut.
HO : βi = 0 Tidak terdapat pengaruh sarana dan prasarana pendidikan terhadap profesionalisme guru SMA Al-Muawanah Cianjur.
HA : βi ≠ 0 Terdapat pengaruh sarana dan prasarana pendidikan terhadap profesionalisme guru SMA Al-Muawanah Cianjur.
Statistik Uji-t yang digunakan menggunakan rumus sebagai berikut.
thitung = β SE β atau thitung = r 2 r -1 2 -n Keterangan: β = koefisien regresi
SEβ = standard error dari koefisien regresi r = koefisien korelasi
n = ukuran sampel
Terdapat 2 (dua) cara pengambilan keputusan atas hasil pengujian di atas, yakni dengan cara sebagai berikut.
1) Membandingkan nilai thitung dengan ttabel.
a) Jika thitung > ttabel, maka HO ditolak dan HA diterima.
b) Jika thitung ≤ ttabel, maka HA ditolak dan HO diterima.
2) Membandingkan nilai signifikansi dengan nilai alpha.
a) Jika nilai signifikansi (p-value) < ά, maka HO ditolak dan HA diterima.
b) Jika nilai signifikansi (p-value) ≥ ά, maka HA ditolak dan HO diterima.
Jika HO ditolak, berarti variabel independen berpengaruh secara nyata (signifikan) terhadap variabel dependen. Sebaliknya, jika HO ditolak, maka variabel independen tidak bepengaruh secara nyata (signifikan) terhadap variabel dependen.
5. Menentukan Koefisien Determinasi
Koefisien determinasi dihitung untuk menentukan variabel independen secara bersama-sama terhadap variabel dependen. Koefisien determinasi multiple diperoleh dari jumlah kuadrat regresi dan jumlah kuadrat total dengan mengguna-kan rumus sebagai berikut.
KD =
r
2 x 100% atau dengan rumus:R2 = sisa regresi 1 -k -n 2 i K 2 i RJK RJK Y -Y Y -Y =
∑∑
Untuk mempermudah pengolahan dan analisis, maka dalam penelitian ini digunakan aplikasi SPSS (Statistical Product and Service Solutions) for Windows Release 18. Langkah ini ditempuh mengingat pengolahan data pada
paket program tersebut lebih cepat dan mempunyai tingkat ketelitian yang lebih tinggi dibandingkan dengan perhitungan secara manual.