Uji Homogenitas - Teknik Analisis Data

METODE PENELITIAN

G. Teknik Analisis Data

2) Uji Homogenitas

Uji homogenitas bertujuan untuk mencari tahu apakah dari beberapa kelompok data penelitian memiliki varians yang sama atau tidak., homogenitas berarti bahwa himpunan data yang kita teliti memiliki karakteristik yang sama misalnya berasal dari tingkat kelas yang sama.

Suryati, 2013

Pengaruh Bimbingan Karir Dan Persepsi Siswa Tentang Pendidikan Teknologi Kejuruan Terhadap Kemantapan Pengambilan Keputusan Untuk Melanjutkan Se SMK (Studi Deskriptif Terhadap Siswa Kelas IX Di SMPN 1 Jalan Cagak Kabupaten Subang)

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu



 db S db S gab ⁱ 2 2 .

Perhitungan uji homogenitas dapat dilakukan dengan berbagai cara dan metode, beberapa yang cukup populer dan sering digunakan oleh penulis adalah Uji Bartlett.

Pengujian homogenitas data dengan uji Barlett adalah untuk melihat apakah variansi-variansi k buah kelompok perubah bebas yang banyaknya data per kelompok bisa berbeda dan diambil secara acak dari data populasi masing-masing yang berdistribusi normal, berbeda atau tidak (Ruseffendi, 1998: 297).

Kriteria uji yang digunakan adalah apabila nilai hitung 2

 _{> nilai tabel}2 , maka H0 yang menyatakan data tersebut tidak homogen.

Dari hasil perhitungan 2

hitung < 2

tabel , maka data tersebut dapat dikatakan homogen

Rumus uji statistik yang digunakan adalah:

 

 



2 . 10 ln B



dbLogS_i   Dimana :

Si² = Varians tiap kelompok data

dbi = n -1 = Derajat kebebasan tiap kelompok

B = Nilai Barlett = (Log S²gab)(Σdbi)

S²gab = Varians gabungan =

Rekapitulasi hasil perhitungan uji Bartlett dapat dilihat pada tabel 3.11.

3.11. Tabel Uji Bartlett

ⁿ ^dkⁱ ^Sⁱ

log Si² dki xlog Si² X1

Suryati, 2013

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu X2

Sgab² log S_gab² B

b. Analisis Regresi dan Korelasi

Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu variabel terhadap variabel lain. Dalam analisis regresi, variabel yang mempengaruhi disebut Independent Variable (variabel bebas) dan variabel yang dipengaruhi disebut Dependent Variable (variabel terikat). Jika dalam persamaan regresi hanya terdapat satu variabel bebas dan satu variabel terikat, maka disebut sebagai persamaan regresi sederhana, sedangkan jika variabel bebasnya lebih dari satu, maka disebut sebagai persamaan regresi berganda.

Penelitian ini terdiri dari dua variabel bebas yaitu bimbingan karir (X1) dan Persepsi siswa tentang pendidikan teknologi kejuruan (X2) dan satu variabel terikat yaitu kemantapan pengambilan keputusan melanjutkan ke SMK

1) Persamaan Regresi

Analisis Regresi Sederhana : digunakan untuk mengetahui pengaruh dari variabel bebas terhadap variabel terikat atau dengan kata lain untuk mengetahui seberapa jauh perubahan variabel bebas dalam mempengaruhi variabel terikat. Dalam analisis regresi sederhana, pengaruh satu variabel bebas terhadap variabel terikat dapat dibuat persamaan sebagai berikut :

Y = a + b X.

Keterangan : Y : Variabel terikat (Dependent Variable);

X : Variabel bebas (Independent Variable);

a : Konstanta; dan

Suryati, 2013

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

 

   

  2 2 2 ) ( ) )( ( ) )( ( X X n XY X X Y

 

  

  2 2 ) ( ) )( ( X X n Y X XY n

Untuk mencari persamaan garis regresi dapat digunakan berbagai pendekatan (rumus), sehingga nilai konstanta (a) dan nilai koefisien regresi (b) dapat dicari dengan metode sebagai berikut :

a = (Riduwan 2008 : 145) b.= (Riduwan 2008 : 145)

Selanjutnya persamaan tersebut diuji keberartian (signifikansi) arah koefisien dengan menggunakan bantuan SPSS versi 19.

Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel independen ( X1, X2 ) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.

Persamaan regresi linear berganda sebagai berikut: Y’ = a + b1X1+ b2X2

Keterangan:

Y’ = Variabel dependen (nilai yang diprediksikan)

X₁ dan X₂ = Variabel independen

Suryati, 2013

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

b = Koefisien regresi (nilai peningkatan ataupun penurunan)

Dengan langkah mencari nilai

b1 dengan rumus (∑X2 ²) (∑X1) –((∑X1 X2) (∑X2 Y) b2 dengan rumus (∑X1 ²) (∑X2Y) –((∑X1 X2) (∑X1 Y)

2) Uji Kelinieran dan Keberartian Regresi

Pada analisis regresi mengharuskan adanya hubungan fungsional antara X dan Y, pada populasi, yang linier. Dipenuhi atau tidaknya persyaratan linieritas dapat dilihat dengan melukiskan diagram pencarnya pada bidang bilangan. Kalau titik-titik pada diagram pencar itu terkumpul disepanjang garis lurus, maka dapat disimpulkan bahwa hubungan fungsional antara X dan Y adalah linier. Cara lain untuk melihat linearitas tersebut ialah dengan menggambarkan diagram pencar antara residu versus Ŷ. Jika diagram pencar tersebut tidak berpola, maka kesimpulannya bahwa hubungan fungsionalnya linier (Budiyono, 2009: 261).

Perhitungan Analisa Variansi untuk uji Independen Variabel Y terhadap X

(a). Menghitung Jumlah Kuadrat Total

JK(T) =



(b) Menghitung Jumlah Kuadrat Regresi a

JK (a) = ⁿ



) (

Suryati, 2013

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu JK(b/a) =         

 ^{ }

X_n Y XY b ⁽ ⁾⁽ ⁾

(d) Menghitung Jumlah Kuadrat Residu dengan rumus JKres = JK(T) – JK(a) – JK (b/a)

(e) Menghitung Jumlah Kuadrat Kekeliruan JK_(E) =         

 ^

_nY Y 2 2 ( )

(f) Menghitung Jumlah Kuadrat Tuna Cocok JK_(TC) = JK_res– JK_(E)

(g) Menghitung Rata-rata Jumlah Kuadrat RJK_b/a = S²_reg = JK(b/a)

(h) Menghitung Rata-rata Jumlah Kuadrat Residu

RJK = S²res = n²

JKres

(i) Menghitung Rata-rata Jumlah Kuadrat Kekeliruan

RJKE = S²_E = ⁿ ^k E JK  ) (

(j) Menghitung Rata-rata Jumlah Tuna cocok

S²TC = ² ) (  n TC JK

(k) Menghitung nilai uji F untuk Uji Independensi Regresi

F= 2

2 S reg

S res

(l) Menghitung nilai uji F untuk Uji Linieritas Regresi

F= 2 2 TC E S S

Suryati, 2013

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Tabel 3.12

Contoh Hasil Perhitungan Analisis Varians Untuk Uji Independensi Variabel Y terhadap Variabel X

Sumber Variasi df JK RJK F

Total n ² ² -

Regresi (a) I ²/n ²/n -

Regresi (b/a) I Jkreg = JK

(b/a)

S² reg = JK (b/a)

S²REG S²res

Residu N - 2 Jres =

å(Y-Y)² S²res = å(Y-Y)² n-2 Tuna cocok((TC) k-2 JK (TC) S²TC = JK(TC) k-2 S²TC S²E

Kekeliruan n - k JK (E) S²E = JK(E)

n-k

(a) Dari perhitungan analisa varians untuk uji independen dalam menentukan hubungan fungsional untuk variabel Y dengan variabel X diperoleh :

Suryati, 2013

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Jika Fhitung > Ftabel, maka variabel Y signifikan atas variabel X. (b) Untuk Uji linearitas regresi diperoleh Fhitung = ……… dan Ftabel =

……… , Kriteria linieritas apabila F_hitung F_tabel. Hasil perhitungan menunjukkan:

F_hitung F_tabel. Dengan demikian dapat disimpulkan bahwa model regresi ini adalah linier.

3) Koefisien Korelasi

Analisis Korelasi merupakan suatu analisis untuk mengetahui tingkat keeratan hubungan antara dua variabel. Tingkat hubungan tersebut dapat dibagi menjadi tiga kriteria, yaitu mempunyai hubungan positif, mempunyai hubungan negatif dan tidak mempunyai hubungan.

Analisis korelasi menunjukkan seberapa kuat hubungan antara variabel bebas dengan variabel terikat. Korelasi disimbolkan dengan R dan nilai dihitung menggunakana rumus korelasi product moment/ pearson yaitu:



2 2



2 2



) ( ) ( ) )( ( i i i i i i i i xy Y Y n X X n Y X Y X n r            keterangan : rxy = koefisien korelasi

n = jumlah responden uji coba

X = skor tiap item

Y = skor seluruh item responden uji coba

(Sugiyono 2012 : 183) Penghitungan dengan SPSS for Windows diperoleh harga R dan R2 pada perintah regession dengan judul model Summary.

Pedoman untuk memberikan interprestasi koefisien korelasi dapat dilihat pada tabel 3.13.

Suryati, 2013

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Tabel 3.13 Pedoman Interprestasi Koefisien Korelasi

Interval Koefisien Tingkat hubungan

0,00 - 0,199 0,20 - 0,399 0,40 - 0,599 0,60 - 0,799 0,80 - 1,000 sangat rendah rendah sedang kuat sangat kuat Sugiyono (2012 – 184)

Untuk mengetahui besarnya pengaruh bimbingan karir dan persepsi siswa tentang pendidikan teknologi kejuruan terhadap kemantapan pengambilan keputusan melanjutkan ke SMK, digunakan koefisien determinasi dengan rumus :

KD = R2 x 100% Dimana : Kd = Koefisien determinasi R = korelasi ganda

4. Uji Hipotesis Statistik

Untuk menguji hipotesis dilakukan secara Uji Koefisien Regresi (Uji F) dan Uji Koefisien Regresi Secara Parsial (Uji t).

a) Uji Koefisien Regresi (Uji F)

Uji koefisien regresi bertujuan untuk mengetahui apakah variabel bimbingan karir (X₁) dan persepsi siswa tentang pendidkan teknologi kejuruan (X2) berpengaruh secara signifikan terhadap variabel kemantapan pengambilan keputusan melanjutkan ke SMK (Y). Model regresi dapat digunakan untuk memprediksi variabel dependen atau

Suryati, 2013

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

tidak. Analisis regresi output hasil uji F dengan menggunakan SPSS versi 19

Tahap-tahap untuk melakukan uji F adalah sebagai berikut:

(http://duwiconsultant.blogspot.com/2011/11/analisis-regresi-linier-

berganda.html)

1) Merumuskan Hipotesis

Ha : Terdapat pengaruh secara signifikan antara bimbingan karir (X₁)

terhadap variabel kemantapan pengambilan keputusan

melanjutkan ke SMK (Y).

Ha : Terdapat pengaruh secara signifikan antara persepsi siswa tentang pendidikan teknologi kejuruan (X2) terhadap variabel kemantapan pengambilan keputusan melanjutkan ke SMK (Y).

Ha : Terdapat pengaruh secara signifikan antara bimbingan karir dan persepsi siswa tentang pendidikan teknologi kejuruan (X2) terhadap variabel kemantapan pengambilan keputusan melanjutkan ke SMK (Y).

2) Menentukan tingkat signifikansi

Tingkat signifikansi menggunakan  = 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian) 3) Menentukan F hitung

4) Menentukan F tabel

Dengan menggunakan tingkat keyakinan 95%,  = 5%, df 1 5) Kriteria pengujian

Ho diterima bila F hitung < F tabel Ho ditolak bila F hitung > F tabel

Suryati, 2013

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 6) Membandingkan F hitung dengan F tabel.

Nilai F hitung > F tabel , maka Ho ditolak dan Ha diterima

b) Uji Koefisien Regresi Secara Parsial (Uji t)

Uji ini digunakan untuk mengetahui apakah dalam model regresi variabel bimbingan karir (X1) atau persepsi siswa tentang pendidkan teknologi kejuruan (X2) secara parsial berpengaruh signifikan terhadap variabel kemantapan pengambilan keputusan melanjutkan ke SMK (Y).

Analisis regresi dapat di lihat pada output hasil uji t dengan menggunakan SPSS versi 19

Langkah-langkah pengujian sebagai berikut:

(http://duwiconsultant.blogspot.com/2011/11/analisis-regresi-linier-berganda.html)

Pengujian koefisien regresi variabel persepsi siswa tentang pendidikan teknologi kejuruan (X2)

1) Menentukan Hipotesis

Ho : Secara parsial tidak ada pengaruh signifikan antara persepsi siswa tentang pendidikan teknologi kejuruan (X2) dengan kemantapan pengambilan keputusan melanjutkan ke SMK (Y).

Ha : Secara parsial terdapat pengaruh signifikan persepsi siswa tentang pendidikan teknologi kejuruan (X2) dengan kemantapan pengambilan keputusan melanjutkan ke SMK (Y).

2) Menentukan tingkat signifikansi

Tingkat signifikansi menggunakan  = 5% 3) Menentukan t hitung

Suryati, 2013

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 4) Menentukan t tabel

Tabel distribusi t dicari pada  = 5% diperoleh t tabel sebesar 1.65 5) Kriteria Pengujian

Ho diterima jika t hitung < t tabel Ho ditolak jika t hitung > t tabel

6) Membandingkan t hitung dengan t tabel

Nilai t hitung > t tabel (5.937 > 1.65) maka Ho ditolak dan Ha diterima

7) Keputusan

Oleh karena nilai t hitung > t tabel maka Ho ditolak, dan Ha diterima artinya secara parsial terdapat pengaruh signifikan antara bimbingan karir (X1) dengan kemantapan pengambilan keputusan melanjutkan ke SMK (Y). mempunyai model regresi sebagai berikut :

Y = a + bx

atau terdapat pengaruh signifikan persepsi siswa tentang pendidikan teknologi kejuruan (X2) dengan kemantapan pengambilan keputusan melanjutkan ke SMK (Y)

Antara variabel bebas persepsi siswa tentang pendidikan teknologi kejuruan (X2) terhadap variabel terikat Kemantapan Pengambilan Keputusan mempunyai model regresi sebagai berikut :

Y = a + bx

Oleh karena nilai t hitung BK dan t hitung persepsi PTK > t tabel maka Ho ditolak, dan Ha diterima artinya secara parsial bersama-sama terdapat pengaruh signifikan antara bimbingan karir dan persepsi siswa tentang pendidikan teknologi kejuruan (X2) dengan kemantapan pengambilan keputusan melanjutkan ke SMK (Y).

Antara variabel bebas bimbingan karir dan persepsi siswa tentang pendidikan teknologi kejuruan (X2) terhadap variabel

Suryati, 2013

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

terikat kemantapan pengambilan keputusan mempunyai model regresi sebagai berikut :

= a + bx

+ cx

Suryati, 2013

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB V

Dalam dokumen PENGARUH BIMBINGAN KARIR DAN PERSEPSI SISWA TENTANG PENDIDIKAN TEKNOLOGI KEJURUAN TERHADAP KEMANTAPAN PENGAMBILAN KEPUTUSAN UNTUK MELANJUTKAN KE SMK :Studi Deskriptif terhadap Siswa Kelas IX di SMPN 1 Jalancagak Kabupaten Subang. (Halaman 51-64)