BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.3. Analisis Data
4.3.1. Uji Kualitas Data
Sebelum dilakukan pengujian data baik untuk deskripsi data penelitian maupun untuk pengujian asumsi klasik dan pengujian hipotesis maka perlu dilakukan uji validitas dan reliabilitas data karena jenis data penelitian adalah data primer.
4.3.1.1. Hasil Uji Validitas
Pengujian Validitas data dalam penelitian ini dilakukan secara statistic, yaitu dengan menggunakan uji Pearson Product-Moment Coefficient of Correlation melalui program SPSS for windows. Hal pertama yang perlu
dilakukan dalam pengujian validitas adalah mentabulasikan data, tertera pada lampiran 2. Kemudian berdasarkan hasil analisis didapat nilai korelasi antara skor item dengan skor total. Nilai ini kemudian dibandingkan dengan nilai r tabel, r tabel dicari pada signifikansi 0,05 dengan uji 2 sisi dan jumlah data (N=54), maka didapat r tabel sebesar 0,263
Tabel 4.3 menunjukkan hasil uji validitas bahwa seluruh item pertanyaan memenuhi syarat nilai r tabel lebih dari 0,263 dan dapat disimpulkan bahwa seluruh item pertanyaan tersebut valid dan dapat digunakan dalam pengujian reliabilitas dan analisis data selanjutnya.
Tabel 4.3
Pemanfaatan Sumber : Data yang diolah SPSS, 2018
4.3.1.2. Hasil Uji Reabilitas
Pengujian reliabilitas dilakukan terhadap item pertanyaan yang mempunyai validitas. Instrument penelitian ini menggunakan teknik Cronbach Alpha (α) dengan bantuan SPSS. Cronbach Alpha menafsirkan korelasi antar skala yang dibuat dengan semua skala variabel yang ada. Jika nilai koefisien alpha > 0,60 maka disimpulkan bahwa instrument penelitian tersebut handal dan reliabel. Hasil uji reliabilitas dapat pada Tabel 4.4 menunjukkan bahwa keempat variabel diatas 0,60 berarti reliable.
Tabel 4.4
Pemanfaatan TI 0,655 9 Reliabel
SPI 0,643 10 Reliabel
Sumber : Data yang diolah SPSS, 2018 4.3.2. Analisis Statistik Deskriptif
Dari hasil kuisioner yang kembali diperoleh gambaran mengenai variabel penelitian yang dapat dilihat dari Tabel 4.5.
Tabel 4.5 Analisis Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation Statistic Statistic Statistic Statistic Statistic
Kualitas LKPD 54 37 50 41.69 2.494
Penerapan SAP 54 13 20 16.74 1.456
Kompetensi SDM 54 29 40 33.35 2.357
Pemanfaatan TI 54 33 45 37.46 2.416
SPI 54 37 50 41.83 2.626
Valid N (listwise) 54
Sumber : Data yang diolah SPSS, 2018
Berdasarkan data yang disajikan oleh tabel 4.5 dapat dijelaskan penggambaran mengenai pendeskripsian data yang digunakan dalam penelitian ini sebagai berikut.
1. Variabel Penerapan SAP memiliki jumlah sampel sebanyak 54, dengan nilai minimum 13,00 nilai maksimum 20,00 dan mean (nilai rata-rata) sebesar 16,74. Standart Deviation atau simpangan baku sebesar 2,49.
2. Variabel Kompetensi SDM memiliki jumlah sampel sebanyak 54, dengan nilai minimum 29,00 nilai maksimum 40,00 dan mean (nilai rata-rata) sebesar 33,35, Standart Deviation atau simpangan baku sebesar 2,35.
3. Variabel Pemanfaatan TI memiliki jumlah sampel sebanyak 54, dengan nilai minimum 33,00 nilai maksimum 45,00 dan mean (nilai rata-rata) sebesar 37,46. Standart Deviation atau simpangan baku sebesar 2,41.
4. Variabel SPI memiliki jumlah sampel sebanyak 54, dengan nilai minimum 37,00 nilai maksimum 50,00 dan mean (nilai rata-rata) sebesar 41,83.
Standart Deviation atau simpangan baku sebesar 2,62.
5. Variabel Kualitas LKPD memiliki jumlah sampel sebanyak 54, dengan nilai minimum 37,00 nilai maksimum 50,00 dan mean (nilai rata-rata) sebesar 41,69. Standart Deviation atau simpangan baku sebesar 2,49.
4.3.3. Uji Asumsi Klasik
Sebelum melakukan analisis regresi perlu dilakukan uji asumsi klasik agar dapat diperkirakan yang tidak bias dan efisien. Hasil uji asumsi klasik tercantum pada tabel 4.6, tabel 4.7 dan gambar 4.1.
4.3.3.1.Hasil Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau residual berdistribusi normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu yaitu dengan analisis grafik dan uji statistik. Untuk melihat normalitas residual, peneliti menganalisis grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal dan juga menganalisis probabilitas plot yang membandingkan distribusi kumulatif dan distribusi normal.
Pengujian normalitas dilakukan berdasarkan uji statistic non-parametrik Kolmogrov-Smirnov (K-S). dasar pengambilan keputusan untuk Kolmogrov-Smirnov yaitu nilai value pada kolom Asimp. Sig (2-tailed)
>level of significant (α = 5%).
Tabel 4.6
Hasil Uji Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 54
Normal Parametersa,b Mean .0000000
Std. Deviation 1.36829050
Most Extreme Differences
Absolute .118
Positive .055
Negative -.118
Kolmogorov-Smirnov Z .864
Asymp. Sig. (2-tailed) .444
a. Test distribution is Normal.
b. Calculated from data.
Sumber : Data yang diolah SPSS, 2018
Berdasarkan pengolahan data pada Tabel 4.6 diperoleh nilai Asymp.
Sig. (2-tailed) sebebar 0.444, Karena nilai Asymp. Sig. (2-tailed) lebih besar dari 0,05, dengan demikian dapat disimpulkan model regresi memenuhi asumsi normalitas.
4.3.3.2.Hasil Uji Multikolinearitas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolonieritas,
model regresi. Jika antar variabel independen terdapat korelasi yang cukup tinggi (lebih dari 0,09), maka merupakan indikasi adanya multikolinieritas dan suatu model. Regresi yang bebas dari masalah multikolonieritas apabila mempunyai nilai tolerance> 0,1 dan nilai VIF < 10. Uji multikolinearitas dengan melihat nilai tolerance dan VIF menunjukkan hasil seperti pada tabel 4.7 berikut:
Tabel 4.7
Hasil Uji Multikolinearitas
Sumber : Data yang diolah SPSS, 2018
Tabel 4.7 menunjukkan bahwa penelitian ini bebas dari adanya gejala multikolinearitas. Hal ini dapat dilihat dengan membandingkan nilai tolerance dan VIF. Masing-masing variabel independen yang digunakan dalam penelitian ini memiliki nilai tolerance yang lebih besar dari 0,1. Untuk Penerapan SAP memiliki nilai tolerance 0,514; Kompetensi SDM memiliki nilai tolerance 0,163; Pemanfaatan TI memiliki nilai tolerance 0,191; dan SPI memiliki nilai tolerance 0,980. Jika dilihat dari VIF, masing-masing variabel independen lebih kecil dari 10 yaitu Penerapan SAP memiliki VIF 1,947;
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients
t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1
(Constant) .547 4.633 .118 .907
SAP .059 .186 .063 .319 .751 .514 1.947
SDM -.180 .215 -.294 -.837 .407 .163 6.123
TI .121 .175 .224 .690 .493 .191 5.226
SPI -.002 .075 -.003 -.022 .983 .980 1.020
a. Dependent Variable: Unstandardized Residual
Kompetensi SDM memiliki VIF 6,123; Pemanfaatan TI memiliki VIF 5,226;
dan SPI memiliki VIF 1,020. Maka kesimpulan yang diperoleh adalah tidak terjadi gejala multikolinearitas dalam variabel independennya.
4.3.3.3.Hasil Uji Heteroskedastisitas
Dalam melakukan pengujian heteroskedastisitas, dapat dilakukan melalui dua cara. Pertama, melalui analisis grafik dengan cara membaca grafik Scatterplot, di mana tidak terjadi heteroskedastisitas apabila titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, dan tersebar baik di atas maupun di bawah angka nol pada sumbu Y.Kedua, melalui analisis statistik yang dilakukan melalui uji glejser, di mana tidak terjadi heteroskedastisitas apabila tidak ada variabel independen yang signifikan secara statistik mempengaruhi variabel dependen.
Gambar 4.1 Grafik Scatterplot
Sumber : Data yang diolah SPSS, 2018
Gambar Scatterplot menunjukkan bahwa titik-titik yang ada menyebar secara acak, tersebar baik di atas maupun di bawah angka nol pada sumbu Y dan tidak membentuk sebuah pola tertentu yang jelas. Oleh karena itu, model regresi dikatakan tidak mengalami heteroskedastisitas.