BAB III METODE PENELITIAN
J. Teknik Analisis Data
Data tes kecerdasan spasial, kecerdasan verbal, kecerdasan logis matematis, dan kemampuan pemecahan masalah matematika akan
digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id dianalisis menggunakan pendekatan analisis jalur. Sebelum
digunakan analisis jalur, akan dilakukan analisis korelasi dan regresi. Analisis korelasi dilakukan untuk menentukan hubungan antara variabel bebas dengan varibel terikat. Analisis regresi dilakukan untuk mengetahui kontribusi antar variabel. Analisis jalur dilakukan untuk menguji besarnya kontribusi yang ditunjukkan oleh koefisien jalur pada setiap diagram jalur dari hubungan kausal antara variabel kecerdasan spasial, kecerdasan verbal, kecerdasan logis matematis, serta kemampuan pemecahan masalah matematika. Kesesuaian model kausal yang diusulkan diuji dengan uji kesesuaian model untuk menguji apakah model yang diusulkan sesuai atau tidak.
Semua pengujian hipotesis menggunakan α = 0,05. Sebelumnya akan dilakukan uji prasyarat yang meliputi uji normalitas dengan menggunakn uji liliefors, uji homogenitas dengan menggunakan uji barlett dan uji signifikansi dan linearitas menggunakan ANOVA (Analysis of Variance) serta pengujian model dengan menggunakan model trimming. Analisis model trimming adalah model analisis yang digunakan untuk memperbaiki suatu model struktur analisis jalur dengan cara mengeluarkan dari model variabel yang koefisien jalurnya tidak signifikan. Caranya adalah dengan menghitung ulang koefisien jalur tanpa menyertakan variabel eksogen yang koefisien jalurnya tidak signifikan.
Analisis jalur yang dikenal dengan path analysis dikembangkan pertama tahun 1920 an oleh seorang ahli genetika yaitu Sewall Wright. Analisis jalur merupakan suatu metode penelitian yang
digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id utama digunakan untuk menguji kekuatan dari hubungan langsung
dan tidak langsung diantara berbagai variabel. Analisis jalur merupakan sarana yang membantu peneliti dengan menggunakan data kuantitatif yang bersifat kausal. Analisis jalur juga memperkirakan besarnya pengaruh antara variabel yang satu terhadap variabel lain dalam satu hipotesa kausal. Selain itu, metode analisis jalur juga digunakan untuk menguji kesesuaian (fit) pada model yang telah dihipotesiskan tersebut.72 Analisis korelasi dan regresi yang merupakan dasar dari perhitungan koefisien jalur. Pada dasarnya koefisien jalur adalah koefisien regresi yang distandarkan yaitu koefisien regresi yang dihitung dari basis data yang telah diset dalam angka baku atau Z – score (data yang diset dengan rata – rata = 0 dan standar deviasi = 1). Koefisien jalur yang distandarkan (standardized path coefficient) ini digunakan untuk menjelaskan besarnya pengaruh (bukan mempredikasi) variabel bebas (eksogen) terhadap variabel lain yang diberlakukan sebagai variabel terikat.73
Manfaat analisis jalur adalah untuk penjelasan (explanation) terhadap fenomena yang dipelajari atau permasalahan yang diteliti, prediksi nilai variabel terikat (Y) berdasarkan nilai variabel bebas (X) dan prediksi dengan path analysis ini bersifat kualitatif, faktor determinan yaitu penentuan variabel bebas (X) mana yang berpengaruh dominan terhadap variabel terikat (Y), pengujian
72 Nidjo Sandjojo, Metode Analisis Jalur (Path Analysis) dan aplikasinya (Jakarta: Pustaka
Sinar Harapan, 2011),11.
73 Riduwan – Engkos Ahmad Kuncoro, Cara Menggunakan dan Memakai Analisis Jalur
digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id model menggunakan theory triming, baik untuk uji reabilitas
konsep yang sudah ada ataupun pengembangan konsep baru.74 Asumsi asumsi path analysis adalah sebagai berikut.75
a. Pada model path analysis, hubungan antar variabel adalah bersifat linear, adaptif dan bersifat normal.
b. Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas yang terbalik.
c. Variabel terikat (endogen) minimal dalam skala ukur interval dan ratio
d. Menggunakan sampel probablity sampling yaitu teknik pengambilan sampel untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel.
e. Observasi variables diukur tanpa kesalahan (instrumen pengukuran valid dan reliable) artinya variabel yang diteliti dapat diobervasi secara langsung.
f. Model yang dianalisis dispesifikasikan (diidentifikasi) dengan benar berdasarkan teori-teori dan konsep-konsep relevan artinya model teori yang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan kausalitas antar variabel yang diteliti.
g. Gambaran jenis umum model path analysis
Keterangan untuk Gambar 3.1, Gambar 3.2, dan Gambar 3.3 adalah:
74 Ibid, halaman 1-2. 75 Ibid, halaman 2-3.
�
digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id Gambar 3.1 Correlated path model
Gambar 3.2 Mediated path model
Gambar 3.3 Independent path model
Keterangan untuk Gambar 3.1, Gambar 3.2, dan Gambar 3.3 adalah:
� = Koefisien jalur (rho) = Korelasi antar variabel
digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id Langkah-langkah dalam melakukan analisis jalur adalah sebagai
berikut:76
a. Gambarkan dengan jelas diagram jalur yang mencerminkan proposisi hipotetik yang diajukan, lengkap dengan persamaan strukturalnya. Di sini kita harus bisa menterjemahkan hipotesis penelitian yang kita ajukan kedalam diagram jalur, sehingga bisa tampak jelas variabel apa saja yang merupakan variabel eksogenus dan apa yang menjadi variabel endogenusnya. Diagram jalur dalam penelitian ini dapat dilihat pada Gambar 3.4. Dengan persamaan strukturalnya
=� 1 1+� 2 2+� 3 3+�
Gambar 3.4 Jalur dalam path analysis
76Sambas Ali Muhidin - Maman Abdurrahman, Analisis Korelasi, Regresi, dan Jalur
digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id b. Menghitung matriks korelasi antar variabel
= 1 1 2 … 1 − − − 1 … 2 − 1 … − − 1
Formula untuk menghitung koefisien korelasi yang dicari adalah menggunakan Product Moment Coefficient dari Karl Pearson. Alasan penggunaan teknik koefisien korelasi dari Karl Pearson ini adalah karena variabel-variabel yang hendak dicari korelasinya memiliki skala pengukuran interval. Formulanya:
= −( ).( )
[ 2− )2.[ 2−( )2]
c. Identifikasi sub struktur dan persaman yang akan dihitung koefisien jalurnya. Misalkan dalam struktur yang telah kita identifikasi terdapat k buah variabel eksogen, dan sebuah (selalu sebuah) variabel endogenus Y yang dinyatakan oleh persamaan:
=� 1 1+� 2 2+⋯+� +�
Kemudian hitung matriks korelasi antar variabel eksogenus yang menyusun sub struktur tersebut.
= 1 1 2 … 1 − − − 1 … 2 − 1 … − − 1
d. Menghitung matriks invers korelasi variabel eksogen, dengan rumus: −1= �11 �12 … �1 − − − �22 … �2 − … … − … �
digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id e. Menghitung semua koefisien jalur� � dimana i = 1,2,..., k
melalui rumus:77 � 1 � 2 … � = �11 �12 … �1 − − − �22 … �2 − … … − − � 1 2 … Keterangan:
� = Koefisien jalur (rho) = Korelasi antar variabel
� = Menunjukkan letak baris dan kolom pada matriks invers. = 1, 2, ..., n
f. Menghitung nilai R2 (koefisien determinasi) total X1, X2, ..., Xk terhadap Y atau besarnya pengaruh variabel eksogen secara bersama-sama (gabungan) terhadap variabel endogen dengan cara:
� 1. 1+� 2. 2+⋯+� . g. Menghitung signifikansi dengan uji F dengan rumus:78
�ℎ� �� = � − − 1 2
1− 2
Kemudian bandingkan dengan uji F dengan � �� ( ,�− −1).
Jika �ℎ� �� >� �� maka dapat dilanjutkan dengan uji t.
77Maman Abdurrahman., dkk, Dasar-Dasar Metode Statistika untuk Penelitian, (Bandung:
CV. Pustaka Setia, 2011), 248.
78
digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id h. Signifikansi dengan uji t: 79
ℎ� �� = �
1− 2 � �− −1
Jika nilai ℎ� �� > �� maka signifikan dan berlaku juga sebaliknya.
i. Ambil kesimpulan, apakah perlu trimming atau tidak, apabila terjadi trimming, maka perhitungan harus diulang dengan � = menghilangkan jalur pengujian yang tidak bermakna (no significant).
j. Menghitung besarnya kontribusi secara simultan pada jalur � dengan cara mengalikan koefisien determinasi (R2) dengan 100%.
79
digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id