BAB III METODE PENELITIAN
J. Teknik Analisis Data
2. Regresi Berganda
Untuk menguji hipotesis digunakan analisis regresi ganda tiga predictor. Analisis Regresi digunakan untuk memprediksi seberapa jauh perubahan nilai variabel independen dimanipulasi atau dirubah-rubah atau dinaik turunkan (Sugiyono 2007). Analisis regresi ganda digunakan untuk meramalkan bagaimana keadaan (naik turunnya) variabel dependen, bila dua atau lebih independennya sebagai faktor prediktor dimanipulasi (dinaik turunkan nilainya) (Sugiyono, 2007).
Dalam penelitian ini peneliti akan menggunakan tiga prediktor atau variabel dalam penelitian yaitu kepemimpinan kepala sekolah, kompensasi, dan motivasi kerja. Pada analisis regresi berganda terdapat uji prasyarat, uji asumsi klasik, uji hipotesis, sebagai berikut:
a. Uji Prasyarat
Sebelum dilakukan analisis data regresi berganda, terlebih dahulu dilakukan pengujian prasyarat analisis untuk mengetahui apakah analisis data untuk melakukan analisis regresi berganda dapat dilanjutkan atau tidak, jika uji prasyarat tidak dapat memenuhi maka tidak dapat melakukan analisis regresi berganda. Uji prasyarat analisis dilakukan dengan menggunakan:
1) Uji Normalitas
Uji normalitas dalam penelitian ini digunakan untuk mengetahui apakah data yang terjaring berdistribusi normal atau tidak, sehingga analisis untuk menguji hipotesis dapat dilakukan. Jika data yang terjaring berdistribusi tidak normal, berarti jawaban dari responden tidak sesuai dengan yang diharapkan atau tidak valid, sedangkan untuk mengetahui pengaruh variabel independen terhadap variabel dependen valid dengan cara data yang terjaring berdistribusi normal. Penelitian yang dilakukan diharapkan jawaban yang diberikan oleh responden sesuai dengan yang diharapkan. Dalam uji normalitas ini digunakan rumus uji satu sampel dari Kolmogorov-Smirnov, yaitu
tingkat kesesuaian antara distribusi harga satu sampel (skor observasi) dan distribusi teoritisnya.
Uji ini menetapkan suatu titik dimana teoritis dan yang terobservasi mempunyai perbedaan terbesar, artinya distribusi sampling yang diamati benar-benar merupakan observasi suatu sampel random dari distribusi teoritis (Ghozali, 2002). Alat statistik untuk pengujian normalitas data penelitian ini adalah tes Kolmogorov-Smirnov. Adapun rumus uji Kolmogorov-Smirnov untuk normalitas sebagai berikut (Ghozali, 2002):
X S X F maksimum D o n
Keterangan: D = Deviasi maksimum
F0 = Fungsi distribusi frekuensi kumulatif yang ditentukan
Sn X = Distribusi frekuensi kumulatif yang diobservasi Kriteria penerimaan:
1) Jika nilai Kolmogorov-Smirnov lebih besar dari nilai probabilitas
(ρ = 0,05) maka H0 diterima.
2) Jika nilai Kolmogorov-Smirnov lebih kecil dari nilai probabilitas (ρ
= 0,05) maka H0 ditolak.
Dengan kata lain bila probabilitas ( ) yang diperoleh melalui perhitungan lebih besar dari taraf signifikansi 5%, berarti sebaran data variabel normal. Apabila probabilitas ( ) yang diperoleh melalui
perhitungan lebih kecil dari taraf signifikansi 5% berarti sebaran data variabel tidak normal.
2) Uji Linieritas
Uji linieritas merupakan asumsi dari regresi berganda yang dimaksudkan untuk mengetahui linier tidaknya suatu hubungan antara variabel independen dan variabel dependen atau apakah garis regresi antara variabel independen dan variabel dependen membentuk garis linear atau tidak. Jika tidak linear maka analisis regresi tidak dapat dilanjutkan.
Pengujian linieritas dilakukan dengan cara melihat nilai signifikan pada Linearity dan kriteria pengujiannya yaitu membandingkan nilai signifikan pada Linearity dengan Alpha 5% atau 0,05, apabila nilai signifikan pada Linearity lebih kecil daripada Alpha 5% atau 0,05 berarti kedua variabel tersebut dikatakan linier.
b. Uji Asumsi Klasik
Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi yang dilakukan benar-benar bebas dari adanya masalah multikolinearitas, heterokedastisitas, dan autokorelasi. Model regresi berganda akan dijadikan alat estimasi yang tidak bias jika telah memenuhi persyaratan BLUE (best linear unbiased estimator) yakni tidak terdapat masalah multikolinearitas, heterokedastisitas, dan autokorelasi (Sudradjat, 1983). Artinya untuk mendapatkan persamaan garis regresi
berganda sedekat dengan data aktualnya, maka harus terbebas dari masalah multikolinearitas, heterokedastisitas, dan autokorelasi.
1) Uji Multikolinearitas
Multikolinearitas adalah suatu hubungan linear yang sempurna (mendekati sempurna) antara beberapa atau semua variabel bebas. Multikolinearitas suatu masalah yang sering muncul dalam ekonomi karena In economics, everything depends on everything else
(Kuncoro, 2007).
Cara untuk mendeteksi adanya multikolinearitas salah satunya dengan Variance Inflation Factor dan Tolerance, jika terdapat sejumlah k variabel independen tidak termasuk konstanta di dalam sebuah model, maka varian dari koefisien regresi parsial dapat ditulis sebagai berikut (Widarjono, 2009):
R2j merupakan R2 yang diperoleh dari regresi auxiliary antara variabel independen dengan variabel independen sisanya (k-1), sedangkan VIF adalah Variance Inflation Factor. Ketika R2j
mendekati satu atau dengan kata lain kolinieritas antar variabel independen maka VIF akan naik dan mendekati tak terhingga jika nilainya R2j = 1.
VIF dapat digunakan untuk mendeteksi masalah multikolinearitas dalam model regresi berganda. Jika nilai VIF
semakin membesar maka diduga ada multikolinearitas, sedangkan jika nilai VIF melebihi angka 10 maka dikatakan ada multikolinearitas karena nilai R2j melebihi dari 0,90.
Selain VIF juga digunakan nilai tolerance untuk mendeteksi multikolinearitas dalam model regresi berganda, nilai tolerance (TOL) dapat dicari menggunakan rumus (Widarjono, 2009):
TOL = (1 - R2j )
Jika R2j = 0 berarti tidak ada kolinearitas antara variabel independen, maka nilai TOL = 1 dan sebaliknya jika R2j = 1 berarti ada kolinearitas antar variabel independen maka nilai TOL = 0.
2) Uji Heteroskedastisitas
Uji Heteroskedastisitas dilakukan untuk mendeteksi adanya penyebaran atau pancaran dari variabel-variabel. Selain itu juga untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual dari satu pengamatan ke pengamatan yang lain. Jika varian residual dari pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas, dan jika varians berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas, pada penelitian ini menggunakan Uji Glejser-Test yang dihitung dengan rumus sebagai berikut : (Gujarati, 2006 : 93).
Keterangan : Ei : residual
Xi : variabel independen yang diperkirakan mempunyai hubungan erat dengan variance (ði2) ; dan
Vi : unsur kesalahan 3) Uji Autokorelasi
Autokorelasi muncul karena residual tidak bebas dari satu observasi ke observasi lainnya, masalah ini sering ditemukan apabila kita menggunakan data runtut waktu. Hal ini disebabkan karena gangguan pada seorang individu atau kelompok cenderung mempengaruhi gangguan pada individu atau kelompok yang sama pada periode berikutnya, masalah autokorelasirelatif jarang terjadi karena gangguan pada observasi yang berbeda berasal dari individu atau kelompok yang berbeda (Kuncoro, 2007).
Cara untuk mendeteksi masalah autokorelasi, salah satunya menggunakan uji Durbin-Watson (d2). Untuk mengetahui ada tidaknya autokorelasi, maka Durbin-Watson mengembangkan distribusi probabilitas yang berbeda. Uji statistik Durbin-Watson tersebut didasarkan dari residual metode OLS (Widarjono, 2009): Durbin-Watson telah berhasil mengembangkan uji statistik
yang disebut uji statistik d, sehingga berhasil menurunkan nilai kritis batas bawah (dL) dan batas atas (dU) sehingga jika nilai d terletak di luar nilai kritis maka ada tidaknya autokorelasi baik positif atau
negatif dapat diketahui. Penentuan ada tidaknya autokorelasi dapat dilihat dengan jelas dalam gambar III.1 atau dengan menggunakan tabel III.9 (Widarjono, 2009).
Autokorelasi Ragu-Ragu Tidak Ada Ragu-Ragu Autokorelasi Positif Autokorelasi Negatif
O dL dU 2 4 - dU 4 - dL 4 Gambar III.1. Statistik Durbin-Watson d
Tabel III.8. Uji Statistik Durbin-Watson (d2) Nilai Statistik d Hasil
0 < d < dL
dL≤ d ≤ dU
dU≤ d ≤ 4 – dU
4 – dU≤ d ≤ 4 – dL
4 – dL≤ d ≤ 4
Menolak hipotesis nol; ada autokorelasi positif Daerah keragu-raguan; tidak ada keputusan
Menerima hipotesis nol; tidak ada autokorelasi positif/ negatif Daerah keragu-raguan; tidak ada keputusan
Menolak hipotesis nol; ada autokorelasi negatif c. Analisis Regresi Berganda
Untuk menjawab hipotesis penelitian digunakan teknik multiple regesi dengan rumus sebagai berikut (Sugiyono, 2007: 275).
Y = a + bl X2 + b2X2 + b3X3 + e Dimana:
X1 = persepsi guru tentang Kepemimpinan Kepala Sekolah X2 = persepsi guru tentang kompensasi
X3 = persepsi guru tentang motivasi kerja a = Kostanta
b = Koefisien regresi
Untuk menguji signifikansi koefisien regresi antara variabel indenpenden (X1, X2, X3) dengan variabel dependen (Y) digunakan rumus :
R2 / k F =
(1 – R2) / (n – k – 1)
Keterangan :
F = koefisien korelasi ganda k = jumlah variabel independen n = banyaknya anggota sampel
Sedangkan untuk menguji Signifikansi koefisien regresi berganda digunakan uji t dengan rumus (Algifari, 2000 : 19) :
t = Keterangan:
t = nilai t hitung yang di cari b = koefisien regresi
Sb = Simpangan baku d. Uji Hipotesis Penelitian
1. Hipotesis penelitian X1
H0 = Kepemimpinan kepala sekolah tidak berkontribusi secara signifikan terhadap kinerja guru di SMA Negeri 1 Sapuran Wonosobo
Ha = Kepemimpinan kepala sekolah berkontribusi secara signifikan terhadap kinerja guru di SMA Negeri 1 Sapuran Wonosobo
b) Menentukan signifikansi berdasarkan pada kolom Coefficients
c) Pengambilan keputusan Sig > 0,05 jadi H0 diterima Sig < 0,05 jadi H0 ditolak 2. Hipotesis penelitian X2
a) Menentukan hipotesis nol dan hipotesis alternatif
H0 = Kompensasi tidak berkontribusi secara signifikan terhadap kinerja guru di SMA Negeri 1 Sapuran Wonosobo
Ha = Kompensasi berkontribusi secara signifikan terhadap kinerja guru di SMA Negeri 1 Sapuran Wonosobo
b) Menentukan signifikansi berdasarkan pada kolom Coefficients
c) Pengambilan keputusan Sig > 0,05 jadi H0 diterima Sig < 0,05 jadi H0 ditolak 3. Hipotesis penelitian X3
H0 = Motivasi kerja tidak berkontribusi secara signifikan terhadap kinerja guru di SMA Negeri 1 Sapuran Wonosobo
Ha = Motivasi kerja berkontribusi secara signifikan terhadap kinerja guru di SMA Negeri 1 Sapuran Wonosobo b) Menentukan signifikansi berdasarkan pada kolom Coefficients
c) Pengambilan keputusan Sig > 0,05 jadi H0 diterima Sig < 0,05 jadi H0 ditolak 4. Hipotesis penelitian X4
a) Menentukan hipotesis nol dan hipotesis alternatif
H0 = Kepemimpinan kepala sekolah, kompensasi, dan motivasi kerja tidak secara bersama-sama berkontribusi secara signifikan terhadap kinerja guru di SMA Negeri 1 Sapuran Wonosobo
Ha = Kepemimpinan kepala sekolah, kompensasi, dan motivasi kerja secara bersama-sama berkontribusi secara signifikan terhadap kinerja guru di SMA Negeri 1 Sapuran Wonosobo
b) Menentukan signifikansi berdasarkan pada tabel anova
c) Pengambilan keputusan Sig > 0,05 jadi H0 diterima Sig < 0,05 jadi H0 ditolak
67
BAB IV
GAMBARAN UMUM LOKASI PENELITIAN
