III. METODE PENELITIAN
3.4. Metode Pengolahan Data dan Analisis Data
3.4.2 Analisis Regresi Linear Berganda
Analisis regresi merupakan model analisis yang bertujuan mencari besarnya pengaruh variabel bebas terhadap pengaruh variabel respon (Nugroho, 2009). Nazir (1988) menyatakan bahwa peneliti ada kalanya berkehendak untuk mempelajari bagaimana variasi beberapa variabel independen mempengaruhi variabel dependen dalam suatu fenomena yang kompleks. Analisis regresi merupakan model analisis yang bertujuan mencari besarnya pengaruh variabel bebas atau peubah lain terhadap pengaruh variabel respon atau satu peubah. Peubah–peubah tersebut dibedakan menjadi dua bagian yakni peubah respon dan peubah penjelas. Peubah respon biasanya disimbolkan dengan huruf Y sedangkan peubah penjelas disebut juga dengan peubah bebas dan pada umumnya disimbolkan dengan huruf X.
Regresi bertujuan untuk menguji hubungan pengaruh antara satu variabel terhadap variabel lain. Variabel yang dipengaruhi disebut variabel tergantung atau dependen. Sedangkan variabel yang mempengaruhi disebut variabel bebas atau independen. Regresi yang memiliki satu variabel dependen dan lebih dari satu variabel independen disebut regresi linier berganda. Pengujian hipotesis merupakan salah satu tujuan yang akan dibuktikan dalam penelitian.
Dalam penelitian ini, yang menjadi peubah penjelas (variabel bebas) adalah metode absensi sidik jari (finger print) dan sertifikasi dosen yang mana akan berpengaruh/tidak terhadap kinerja dosen (variabel dependen). Variabel yang terdapat pada model persamaan regresi antara lain: faktor–faktor kinerja dosen (Xk) dan indeks kinerja dosen (Y).Menurut Dajan (1983), analisis regresi merupakan analisis statistika yang bertujuan untuk memodelkan hubungan antara peubah respon Y dengan peubah penjelas X. Tujuan dari analisis regresi adalah untuk menduga parameter model yang menyatakan pengaruh hubungan antara peubah respon dan peubah penjelas. Dalam penelitian ini, yang menjadi peubah penjelas (variabel bebas) adalah finger print dan sertifikasi dosen yang mana akan berpengaruh/tidak terhadap kinerja dosen (variabel dependen). Variabel yang terdapat pada model persamaan regresi antara lain: faktor–faktor kinerja dosen (Xk) dan indeks kinerja dosen (Y).
Model persamaan regeresi dalam penelitian ini adalah sebagai berikut: Y= β0 + β1X1 + β2X2 + ... βpXk+ε ... (1) Keterangan:
Y : Peubah respon (IKD)
X1, X2,...Xk : Peubah bebas
X1 : Finger Print
X2 : Sertifikasi Dosen
β0 : Konstanta/intercept
β1...βp : Konstanta arah garis regresi
ε : Komponen stokastik
Analisis regresi berganda digunakan penulis untuk menunjukkan pengaruh faktor–faktor kinerja dosen dalam hal ini finger print dan serdos terhadap IKD. Bentuk persamaan regresi dalam penelitian ini adalah:
Y= a + b1X1 + b2X2 + ε Dimana:
Tabel 2. Bentuk persamaan regresi yang akan diuji dalam penelitian
No Variabel Keterangan Singkatan
1. Y Perubahan indeks kinerja dosen IKD
2. a Konstanta –
3. b1 dan b2 Koefisien regresi –
4. X1 Finger print F
5. X2 Sertifikasi dosen (Serdos) S
a. Uji Asumsi Klasik
Nugroho (2009) mengatakan bahwa selain tabel dan grafik, diperlukan ukuran yang lebih eksak untuk mengetahui deskripsi data. Ukuran statistik tersebut dinamakan ringkasan statistikatau summarystatistics. Model regresi linier berganda dapat disebut sebagai model yang baik jika model tersebut memenuhi asumsi normalitas data dan terbebas dari asumsi–asumsi klasik statistik, baik multikolinearitas, autokorelasi, maupun heteroskedastisitas. Proses pengujian asumsi klasik statistik dilakukan bersama–sama dengan proses uji regresi. Adapun tahapan–tahapan pengolahan datanya adalah sebagai berikut:
1) Uji Normalitas
Menurut Nugroho (2009) bahwa uji normalitas pada multivariat sebenarnya sangat kompleks, karena harus dilakukan pada seluruh variabel secara bersama– sama dan uji ini bisa dilakukan pada setiap variabel. Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yaitu distribusi data dengan bentuk lonceng. Data yang baik
adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau ke kanan.
2) Uji Multikolinearitas
Uji multikolinearitas diperlukan untuk mengetahui ada atau tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu model. Kemiripan antarvariabel independen dalam satu model akan menyebabkan terjadinya korelasi yang sangat kuat antara satu variabel independen dengan variabel independen yang lain (Nugroho, 2009).
3) Uji Autokorelasi
Nugroho (2009) mengatakan bahwa menguji autokorelasi dalam suatu model bertujuan untuk mengetahui ada atau tidaknya korelasi, autokorelasi sering terjadi pada sampel dengan data time series dan n sampel adalah periode waktu. Lain halnya yang jarang terjadi untuk sampel data crossection dengan n sampel item, seperti orang, wilayah, dan lain sebagainya.
4) Uji Heteroskedastisitas
Heteroskedastisitas menguji terjadinya perbedaan varianceresidual suatu periode pengamatan ke periode pengamatan yang lain. Model regresi yang baik adalah model regresi yang memiliki persamaan varianceresidual suatu periode pengamatan dengan periode pengamatan yang lain (Nugroho, 2009).
b. Uji Hipotesis
Menurut Nugroho (2009) bahwa pengujian hipotesis merupakan salah satu tujuan yang akan dibuktikan dalam penelitian. Jika terdapat deviasi antara sampel yang ditentukan dengan jumlah populasi maka tidak tertutup kemungkinan untuk terjadinya kesalahan dalam pengambilan keputusan, baik menolak maupun menerima suatu hipotesis. Pengujian pengaruh faktor–faktor terpilih terhadap variabel terikat dilakukan dengan uji secara keseluruhan atau simultan. Uji secara simultan digunakan uji F dengan hipotesis dalam penelitian adalah:
H0: Tidak ada pengaruh finger print dan sertifikasi dosen terhadap kinerja dosen. H1: Ada pengaruh finger print dan sertifikasi dosen terhadap kinerja dosen.
Apabila F hitung lebih besar dari F tabel berarti H0 di tolak atau H1 diterima. Begitu sebaliknya, apabila F hitung lebih kecil dari F tabel berarti H0 diterima atau H1 di tolak.
Terdapat dua uji parsial terkait penelitian ini yaitu uji ada tidaknya pengaruh finger printterhadap kinerja dosen dan ada tidaknya pengaruh sertifikasi dosenterhadap kinerja dosen. Dengan hipotesa sebagai berikut:
H01: FP IKD H11: FP IKD
Keterangan: H01= Finger printtidak berpengaruh terhadap IKD. H11= Finger print berpengaruh terhadap IKD.
H02: S IKD H12: S IKD
Keterangan: H02= Sertifikasi dosen tidak berpengaruh terhadap IKD. H12= Sertifikasi dosen berpengaruh terhadap IKD.
Adapun tahapan–tahapan pengolahan data adalah sebagai berikut:
1) Uji Simultan (Uji F)
Misalnya ada beberapa orang yang tidak percaya adanya hubungan antara variabel independen adalah nol. Untuk menguji hipotesa tersebut maka dapat menghitung statistik berikut:
RGRSS m – 1 RGRSS n – m
Statistik ini disebut statistik F regresi. Jika hipotesa nol adalah benar, maka akan mempunyai distribusi F dengan df m–1 pada pembilang, dan df n–m pada penyebut. Jika hipotesa nol adalah salah, maka kita mengharapkan RGRSS lebih besar daripada ERSS, sehingga statistik F lebih besar dari 95% nilai kritis untuk distribusi F dengan df. Statistik F pada regresi digunakan untuk menguji hipotesa yang koefisien semua variabel independen adalah nol.
Menurut Nugroho (2009), uji simultan dengan F test ini bertujuan untuk mengetahui pengaruh bersama–sama variabel independen terhadap variabel dependen. Hasil F test menunjukkan variabel independen secara bersama–sama berpengaruh terhadap variabel dependen jika p–value (pada kolom Sig.) lebih kecil dari level of significant yang ditentukan, atau f hitung (pada kolom f) lebih besar dari f tabel. F tabel dihitung dengan cara df1= k–1 dan df2= n–k. K adalah jumlah variabel dependen dan independen. Statistik ini disebut statistik F regresi.
2) Uji Parsial (Uji t)
Nugroho (2009) mengatakan bahwa t test bertujuan untuk mengetahui besarnya pengaruh masing–masing variabel independen secara individual (parsial)
terhadap variabel dependen. Nilai dari uji t test dapat dilihat dari p–value (pada kolom Sig.) pada masing–masing variabel independen jika p–value lebih
kecil dari level of significant yang ditentukan atau t hitung (pada kolom t) lebih besar dari t tabel (dihitung dari two tailed α= 5% df–k). K merupakan
jumlah variabel independen.
Misalnya β1 mewakili nilai sebenarnya koefisien ke–i yang tidak diketahui
dan β0 mewakili estimator kuadrat terkecil dari koefisien tersebut.
Maka β0 berdistribusi normal yang rata–ratanya sama nilai β1 sebenarnya variansinya sama dengan s2 dibagi dengan lambang yang sulit yang tergantung pada 2 (dua) variabel independen (X). Koefisisen uji tunggal mempunyai langkah yang hampir sama dengan regresi sederhana. Statistik t pada tiap koefisien digunakan untuk menguji hipotesa yang nilai koefisien sebenarnya adalah nol. Faktor finger print dan sertifikasi dosen terhadap kinerja dosen Faperta IPB akan diuji secara bersamaan dan individual guna hipotesa untuk melihat pengaruh atau tidaknya variabel finger print dan sertifikasi dosen terhadap IKD.