3.7. Pengolahan dan Analisis Data
3.7.1 Uji Validitas dan Reliabilitas
Uji validitas dimaksudkan untuk mengetahui sejauhmana suatu alat pengukur mengukur apa yang ingin diukur (Umar, 2003). Uji validitas digunakan untuk menghitung nilai korelasi (r) antara data pada masing-masing pertanyaan dengan skor total. Teknik yang dipakai untuk menguji validitas adalah teknik korelasi product moment pearson:
………. (1)
Di mana:
r = Angka korelasi
Xi = Skor masing – masing pernyataan ke-i Y = Skor total
n = Jumlah responden
Data dikatakan valid apabila nilai korelasi hitung data melebihi nilai korelasi tabelnya. Jika rhitung positif dan rhitung lebih besar daripada nilai rtabel, maka variabel tersebut dinyatakan valid. Pada kuesioner yang digunakan dalam penelitian ini, pengujian validitas dengan 41 orang responden dengan tingkat signifikansi 5 persen maka diperoleh angka kritik sebesar 0,308. Nilai rhitung positif dan lebih besar daripada nilai rtabel maka seluruh pertanyaan dalam kuesioner ini dinyatakan valid. Uji validitas dalam penelitian ini menggunakan Microsoft Excel 2007. Hasil uji validitas dapat dilihat pada Lampiran 1.
Reliabilitas adalah suatu nilai yang menunjukkan konsistensi suatu alat ukur di dalam mengukur gejala yang sama (Umar, 2003). Reliabilitas alat ukur dalam bentuk skala dapat dicari dengan menggunakan teknik alpha cronbach:
28
Di mana:
r11 = Reliabilitas instrumen k = Banyak butir pernyataan σ t² = Varian total
∑σ b² = Jumlah varian pernyataan
Reliabilitas suatu konstruk variabel dikatakan baik jika memiliki nilai Cronbach’s Alpha lebih dari 0,60. Pengujian validitas dan reliabilitas dilakukan dengan menggunakan Microsoft Excel 2007 dan SPSS versi 16.0. Pada kuesioner dalam penelitian ini, nilai Cronbach’s Alpha adalah 0,958 maka konstruk variabelnya dapat dikatakan reliabel.
3.7.2 Regresi Linier Berganda
Analisis yang digunakan untuk mengetahui faktor-faktor yang mempengaruhi hubungan kemitraan antara petani dan penyuling akar wangi adalah analisis regresi linier berganda. Persamaan analisis regresi linier berganda dapat ditunjukkan sebagai berikut :
... (3) Subskrip i menunjukkan nomor pengamatan dari 1 sampai N untuk data populasi atau sampai n untuk data contoh. Xki merupakan pengamatan ke-i untuk peubah bebas Xk. Koefisien β1 dapat merupakan intersep model regresi, jika semua pengamatan X1i
bernilai 1 sehingga model (3) menjadi:
... (4)
Y : Variabel respon yang dibentuk dalam vektor kolom dengan n buah observasi.
Sebelum menganalisis hasil dari regresi linier berganda yang sudah didapat, terlebih dahulu harus melakukan beberapa pengujian yaitu uji normalitas, uji multikolineritas dan uji heteroskedastisitas. Uji autokorelasi tidak dilakukan karena data yang digunakan dalam penelitian bukan merupakan data time series.
1. Uji normalitas
Pada penelitian ini metode yang digunakan untuk mengetahui normalitas data yaitu metode Kolmogorov Smirnov. Pada Tabel 6 dapat dilihat bahwa P-value yaitu Asymp.Sig (2-tailed) bernilai 0,905 > 0.05 sehingga dapat disimpulkan bahwa residual telah memenuhi asumsi distribusi normal. Hasil uji normalitas selengkapnya dapat dilihat pada Lampiran 2. Gambar pada P Plot dimana titik-titik residual mengikuti pola garis lurus dan kurva berbentuk lonceng yang kedua sisinya melebar sampai tak terhingga juga dapat dilihat untuk mengetahui kenormalan data (Lampiran 2).
Tabel 6. Uji Kolmogorov smirnov
Model Z Asymp.Sig (2-tailed) Kriteria Kesimpulan Unstandardized Residual 0,554 0,918 > 0,05 Data Berdistribusi Normal 2. Uji multikolineritas
Pada penelitian ini menunjukkan tidak adanya gejala multikolinieritas karena nilai Tolerance tidak kurang dari 0,1 dan nilai VIF tidak lebih besar dari 10, seperti yang terlihat pada Tabel 7. Hasil uji multikolinerasi selengkapnya dapat dilihat pada Lampiran 2.
Tabel 7. Uji Multikolinearitas
Variabel Tolerance VIF Kriteria Kesimpulan
Komunikasi 0,228 4,395 Tolerance > 0,1 VIF < 10 Terbebas dari asumsi multikolinea ritas Kerjasama 0,400 2,498 Kepercayaan 0,313 3,191 Komitmen 0,487 2,055 Saling ketergantungan 0,333 2,999 Hubungan nilai 0,453 2,205 3. Uji heteroskedastisitas
Hasil pengolahan data pada model regresi dalam penelitian ini menunjukkan bahwa tidak terdapat heteroskedastisitas. Hal tersebut terlihat dari Scatterplot yang menunjukkan terdapat titik-titik data yang tersebar di atas, di bawah dan sekitar angka nol, dan penyebaran titik data tidak berpola (Lampiran 2).
Model analisis regresi linier berganda pada penelitian ini digunakan untuk mengetahui seberapa besar pengaruh variabel komunikasi, kerjasama, kepercayaan, komitmen, saling ketergantungan dan hubungan nilai terhadap
30
hubungan kemitraan antara petani dan penyuling akar wangi. Uji pembuktian dari hipotesis dilakukan dengan perhitungan koefisien korelasi yang menyatakan arah dan besar ataupun kuatnya korelasi antara variabel bebas dengan variabel terikat. Hasil analisis regresi linier berganda dapat dilihat pada Tabel 8.
Tabel 8. Hasil Analisis Regresi Linier Berganda
Prediktor Koefisien t P R square F P
Konstan 0,6799 1,33 0,191 39,1 % 3,64 0,007 X1 0,1342 0,50 0,621 X2 0,0199 0,10 0,923 X3 -0,2662 -1,24 0,224 X4 0,2451 1,30 0,204 X5 0,2350 1,07 0,292 X6 0,3640 1,69 0,101
Berdasarkan hasil perhitungan pada Tabel 10, maka dapat dibuat model persamaan regresi linier berganda dari faktor-faktor kemitraan terhadap hubungan kemitraan antara petani dan penyuling akar wangi di Kabupaten Garut sebagai berikut:
Y = 0,6799+0,1342 X1+0,0199 X2–0,2662 X3+0,2451 X4+0,2350 X5+0,3640 X6
Berdasarkan persamaan tersebut dapat dijelaskan beberapa hal yaitu: 1. Koefisien regresi X4 sebesar 0,2451 menunjukkan bahwa apabila variabel
komitmen meningkat 1 satuan maka hubungan kemitraan akan meningkat sebesar 0,2451 dengan anggapan variabel bebas lainnya tetap.
2. Koefisien regresi X6 sebesar 0,3640 menunjukkan bahwa apabila variabel hubungan nilai meningkat 1 satuan maka hubungan kemitraan akan meningkat sebesar 0,3640 dengan anggapan variabel bebas lainnya tetap. 3. Nilai Koefisien determinasi (R2) dari model persamaan regresi linier
berganda pada penelitian ini 39,1 persen. Hal ini menunjukkan bahwa model persamaan regresi dalam penelitian ini dapat menjelaskan pengaruh variabel bebas terhadap variabel terikat sebesar 39,1 persen.
4. Berdasarkan hasil analisis, nilai Fhitung > Ftabel (Fhitung sebesar 3,64 > Ftabel
sebesar 2,41 (df1=6, df2=34, Q=0.05)), maka dapat disimpulkan bahwa komunikasi (X1), kerjasama (X2), kepercayaan (X3), komitmen (X4), saling ketergantungan (X5) dan hubungan nilai (X6) secara bersama-sama berpengaruh signifikan terhadap hubungan kemitraan antara petani dan
penyuling akar wangi di Kabupaten Garut pada tingkat kepercayaan 95 persen (menolak H0 dan menerima H1).
Berdasarkan analisis pada tingkat kepercayaan 90 persen dengan ttabel
1,645, variabel yang signifikan adalah hubungan nilai (X6) dengan thitung
1,69. Pada tingkat kepercayaan 80 persen dengan ttabel 1,282, variabel yang signifikan adalah komitmen (X4) dengan thitung 1,30. Variabel yang tidak signifikan pada tingkat kepercayaan 90 persen maupun 80 persen adalah komunikasi (X1), kerjasama (X2), kepercayaan (X3) dan saling ketergantungan (X5). Pada variabel komitmen dan hubungan nilai tolak H0
dan terima H1 sedangkan pada variabel komunikasi, kerjasama, kepercayaan dan saling ketergantungan terima H0 dan tolak H1.