Teknik Analisis Data

BAB III METODE PENELITIAN

G. Teknik Analisis Data

Hubungan antar variabel dalam penelitian ini diuji menggunakan model path analysis. Menurut Kadir (2015) Model ini bermanfaat untuk melihat fenomena yang diteliti, memprediksi nilai variabel bebas, faktor dominan yang menentukan kuatnya pengaruh variabel bebas terhadap variabel terikat dan pengujian hipotesis. Analisis jalur memungkinkan penghitungan pengaruh variabel terhadap variabel terikat baik secara langsung maupun tak langsung.

Berikut adalah tahapan analisis data menggunakan model path analysis.

1. Uji Persyaratan Analisis Jalur dan Komparasi

Dalam penelitian ini untuk mendeskripsikan hasil pengolahan data tentang variabel variabel penelitian menggunakan perhitungan statistik inferensial dengan alat analisis jalur (path analysis) dengan uji persyaratannya adalah (1) normalitas, (2) homogenitas, (3) linieritas, (4) multikolinearitas, (5) autokorelasi, dan (6) heteroskedastisitas (Sudarmanto, 2008).

a. Uji Normalitas (Kolmogorov Smirnov)

Pada penelitian ini dilakukan uji normalitas data sebagai persyaratan analisis dalam melakukan pengajuan hipotesis. Analisis regresi yang digunakan dalam penelitian ini mensyaratkan data variabel harus berdistribusi normal atau mendekati normal. Uji normalitas data yang digunakan adalah uji Lilliefors melalui bantuan perangkat SPSS 25.00, dengan asumsi bahwa uji ini dianggap lebih akurat dengan jumlah responden 154. Uji normalitas ini menggunakan taraf kepercayaan sebesar 95% atau dengan taraf kesalahan 0,05.

Dengan hipotesis sebagai berikut :

H0= Data berdistribusi normal, jika nilai sig. > 0,05 H1 = Data tidak berdistribusi normal, jika nilai sig.< 0,05 Adapun Rumus dari uji Shapiro Wilk adalah sebagai berikut :

Keterangan :

91 Xi = Angka ke i pada data

𝑋 = Rata-rata Data

𝛼𝑖 = Koefisien test shapiro Wilk 𝑋𝑛−𝑖+1 = Angka Ke n-i+1

Pada data Untuk uji normalitas pada penelitian ini dihitung dengan menggunakan aplikasi SPSS 25.00 melalui uji Shapiro Wilk dengan asumsi apabila nilai sig. < 0,05 berarti data tidak normal. Sebaliknya jika nilai sig. > 0,05 maka data berdistribusi normal.

b. Uji Homogenitas (Levene)

Uji homogenitas pada penelitian ini menggunakan uji Levene, uji Levene digunakan untuk menguji kesamaan varians dari beberapa populasi, hipotesis yang digunakan pada uji ini adalah :

Ho : 𝜎1 = 𝜎2 … … … = 𝜎𝑘

H1 : 𝜎𝑖 ≠ 𝜎𝑗 𝑢𝑛𝑡𝑢𝑘 𝑠𝑒𝑑𝑖𝑘𝑖𝑡𝑛𝑦𝑎 𝑠𝑎𝑡𝑢 𝑝𝑎𝑠𝑎𝑛𝑔𝑎𝑛 (𝑖,𝑗) Untuk rumus levene adalah sebagai berikut :

Maka sesuai dengan hipotesis apabila homogenity of variances < 0,05 data dinyatakan tidak homogen dan sebaliknya jika homogenity of variances >

0,05 maka data dikatakan homogen.

c. Uji Linearitas (Deviation)

Sebelum melakukan analisis parametrik pada path analisis dilakukan uji linearitas dengan asumsi bahwa hubungan antar variabel membentuk pola yang linear. Jika garis hubungan antara variabel membentuk garis lurus maka analisis regresi untuk path analisis bisa dilanjutkan, namun jika garis hubungan antara variabel eksogen dan endogen tidak membentuk garis lurus maka analisis regresi tidak dapat dilakukan.

Rumus Yang digunakan pada uji linearitas menurut Sugiyono (2013) adalah sebagai berikut :

JK (T) = Y² JK (A) = ^(𝛴𝑌)2

𝑛

JK (b/a) = b

{ Σ

^{XY - (𝛴𝑋)(𝛴𝑌)}_𝑛

}

= {𝑛 𝛴𝑋𝑌−(𝛴𝑋)(𝛴𝑌)2}

𝑛 {𝑛 𝛴𝑋2−(𝛴𝑋)2}

JK (S) = JK (T) – JK (A) – JK (b/a) JK (TC) =

Σ {Σ

^{Y - (𝛴𝑌)2}_𝑛

}

JK (G) = JK (S) – JK (TC)

92 Keterangan :

JK (T) = Jumlah Kuadrat Total JK (A) = Jumlah Kuadrat Koefisien a JK (b\a) = Jumlah Kuadrat Regresi JK (S) = Jumlah Kuadrat Sisa JK

(TC) = Jumlah Kuadrat Tuna Cocok Hipotesis pada uji ini adalah :

Nilai sig. deviation From Linearity > 0,05 = hubungan linear Nilai sig. deviation From Linearity < 0,05 = Hubungan tidak Linear.

d. Uji Multikolinearitas

Untuk menguji masalah multikolinieritas dapat melihat matriks korelasi dari variabel bebas, jika terjadi koefisien korelasi lebih dari 0,80 maka terdapat multikolinieritas(Gujarati, 2006). Untuk mengetahui ada tidaknya multikolinieritas antar variabel, salah satu caranya adalah dengan melihat dari Variance Inflation Factor(VIF) dari masing-masing variabel bebas terhadap variabel bebas terhadap variabel bebas lainnya. Berikut persamaan model :

VIF :VIF= 1/(1-r2ij)

Berdasarkan model persamaan VIF tersebut maka apabila nilai korelasi antara variabel bebas dengan 1, maka perolehan nilai VIF yang tidak terhingga.

Sebaliknya apabila tidak terjadi kolinearitas antar variabel-variabel bebas (korelasi = 0), maka nilai VIF akan sama dengan 1.

Dengan menggunakan SPSS 25.00 uji ini dapat dilakukan dengan menggunakan asumsi bahwa jika nilai Tolerance > 0,10 artinya tidak terjadi multikolinearitas dan jika nilai tolerance < 0,10 maka terjadi multikolinearitas.

Kedua, Jika VIF > 0,10 maka terjadi multikolinearitas dan jika VIF < 0,10 maka tidak terjadi multikolinearitas.

e. Uji Autokorelasi (Durbin Watson)

Uji Autokorelasi menurut Ghozali 2016 bertujuan untuk mengetahui korelasi antara kesalahan pengganggu periode t terhadap kesalahan pengganggu periode sebelumnya pada regresi linear. Model regresi yang baik adalah jika tidak terdapat autokorelasi pada hubungan antar variabel penelitian. Uji autokorelasi dalam penelitian ini menggunakan uji Durbin Watson dengan kriteria sebagai berikut :

Untuk rumus durbin Watson adalah :

Dengan hipotesis sebagai berikut : Ho : 𝜌= 0, artinya tidak ada autokorelasi Ha : 𝜌= 0, artinya ada autokorelasi

93

Dengan menggunakan program SPSS 25.00 dapat dilakukan pengukuran uji Autokorelasi dengan asumsi sebagai berikut :

d < dl atau d > 4 - dl : terdapat autokorelasi du < d < 4 - du : Tidak Terdapat Autokorelasi 4 – du < d < 4 – dl : Tidak dapat ditarik kesimpulan f. Uji Heteroskedastisitas (Gletsjer)

Uji heteroskedasitas digunakan untuk menguji apakah model regresi terjadi ketidaksamaan variansi dari residual antara satu pengamatan ke pengamatan yang lain. Uji heteroskedastisitas dalam penelitian ini dilakukan menggunakan metode glejser. Uji Glejser dilakukan dengan meregresikan variabel-variabel bebas terhadap nilai absolut residualnya (Gujarati, 2004). Sebagai pengertian dasar, residual adalah selisih antara nilai observasi dengan nilai prediksi; dan absolut adalah nilai mutlaknya. Jika nilai signifikansi antara variabel independen dengan absolut residu lebih dari 0,05 maka tidak terjadi masalah hateroskedastisitas.

Adapun rumus yang dipakai adalah sebagai berikut : ei = a + ß Xi + vi

Dengan menggunakan SPSS 25.00 dapat dilakukan pengukuran uji heteroskedasitas glejser dengan asumsi sebagai berikut :

Sig. > 0,05 : tidak terjadi hateroskedastisitas Sig. < 0,05 : terjadi hateroskedastisitas 2. Analisis Jalur dan Hipotesis

a. Analisis Jalur Hubungan antar Variabel

Sebelum menganalisis tentang persamaan jalur terlebih dahulu diberikan gambaran diagram jalur :

Gambar 3.10 Diagram Jalur Penelitian

Persamaan struktural untuk diagram di atas adalah sebagai berikut : X2 = p21X1 + 𝜀

Y = py1X1 + py2X2 + 𝜀

Melalui gambaran diagram diatas peneliti melakukan uji korelasi variabel X1 pada variabel X2 (r12), variabel X2 pada variabel Y (ry2) kemudian

X1

X2

Y

ry1 py2

ry2 py2 p12

r12

94

variabel X1 pada variabel Y (ry1). Selanjutnya ditentukan koefisien jalur dengan langkah langkah berikut:

1) Menentukan Matriks Korelasi

Tabel 3.11 Matriks Korelasi

rij X1 X2 Y

X1 1,00 … …

X2 1,00

Y 1,00

Pada tahap ini rumus korelasi dilakukan untuk masing masing variabel kompetensi manajerial kepala sekolah (X1), profesionalisme guru (X2) dan manajemen berbasis sekolah (Y).

2) Menentukan Koefisien Jalur r12 = p21

r1y = py1 + py2.r12 r2y = py1. r12 + py2

3) Uji Signifikansi Koefisien Jalur

Uji signifikan Koefisien jalur identik dengan uji signifikansi koefisien persamaan regresi, yaitu keduanya menggunakan statistik uji-t. Maka analisis jalur formula uji t adalah :

a) Jika pengaruh sederhana maka, sbi =

√

^{(1−𝑝𝑖²)}

(𝑛−𝑘−1)

,

dengan k = jumlah variable eksogen b) Jika pengaruh parsial maka,

sbi =

√

^{(1−𝑅2)𝐷𝑖𝑖}

(𝑛−𝑘−1) Keterangan :

Pji = Koefisien jalur Xi ke Xj

R ² = Koefisien determinasi Y atas X1 dan X2 K = banyaknya variabel bebas

Dii = elemen baris dan kolom ke-i dari diagonal utama matriks invers.

Dengan sb = standar error, standar eror ini ditentukan oleh pengaruh sederhana atau pengaruh parsial variabel eksogen terhadap endogen kriteria uji t ini adalah H0 diterima jika ti ≤ t tabel, dan H0 ditolak jika ti> ttabel.

Dengan menggunakan derajat bebas (df) = n-k-1.

95

Namun pada penelitian ini analisis jalur diperoleh melalui aplikasi SPSS 25 menggunakan input regresi linear pada menu analisis. Analisis dilakukan terhadap tabel hasil output Summary untuk nilai R2 , kemudian tabel Anova untuk nilai F hitung, dan tabel Coefficient untuk nilai koefisien, t hitung dan nilai signifikan.

b. Analisis Perbandingan Hasil Variabel

Analisis perbandingan pada penelitian ini menggunakan uji test sampel bebas yang artinya kedua sampel yang digunakan untuk dicari perbandingannya keberadaannya tidak saling memengaruhi atau dengan kata lain kedua sampel yaitu kepala sekolah negeri dan swasta independent.

Adapun langkah langkah pengujian hipotesis dengan analisis Uji-t Sampel Bebas adalah sebagai berikut:

1) Merumuskan hipotesis

2) Menghitung harga “t” ditulis “t0 atau t hitung” dengan rumus dibawah ini : t0 = ^{𝑌1−𝑌2}

𝑆𝑒

3) Menentukan harga t tabel berdasarkan derajat bebas (db), yaitu db = n1 + n 2 -2 (n1 dan n2 jumlah data kelompok 1 dan 2)

4) Membandingkan harga t0 dan ttabel dengan 2 kriteria : Jika t0 ≤ ttabel maka (H0) diterima Jika t0 ≥ ttabel maka (H0) ditolak

5) Kesimpulan pengujian Jika H0 diterima berarti tidak ada perbedaan parameter rata rata populasi Jika H0 ditolak berarti ada perbedaan parameter rata rata populasi

6) Selanjutnya menentukan proporsi varians atau ukuran mengenai besarnya pengaruh (effect size) variabel perlakuan terhadap kriterium yang dinyatakan dengan rumus koefisien determinasi yang diturunkan dari transformasi statistik uji t dan r dengan rumus :

r² = ^𝑡0² 𝑡0²+𝑑𝑏

Selanjutnya pada penelitian ini analisis komparasi antar variabel tidak dilakukan secara manual namun dilakukan dengan bantuan SPSS 25. Dengan dasar pengambilan keputusan :

Jika Nilai Sig. (2-tailed) < 0,05, maka terdapat perbedaan signifikan antar variabel pada sampel bebas.

Jika Nilai Sig. (2-tailed) > 0,05, maka tidak terdapat perbedaan signifikan antar variabel pada sampel bebas.

Analisis menggunakan bantuan SPSS 25.00 didapatkan setelah data disajikan kemudian di oleh melalui menu analyze > Compare means >

independent sample T test. Out put hasil data yang digunakan adalah tabel Group statistik untuk membandingkan nilai rata rata sampel, kemudian tabel independent

96

sampel test untuk mengetahui nilai F kedua data homogen atau tidak, dengan kriteria : Jika nilai sig. > 0,05 maka ke 2 sampel homogen. Jika nilai sig. < 0,05 maka ke 2 sampel tidak homogen. Kemudian nilai t hitung, derajat bebas dan signifikan untuk uji hipotesis.