Uji Validitas dan Uji Reliabilitas - METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN

3.2.4. Uji Validitas dan Uji Reliabilitas

Uji validitas kuesioner dilakukan untuk mengetahui sejauh mana alat ukur dapat mengukur variabel yang diukur. Pengujian validitas menggunakan teknik korelasi Product Moment, yaitu dengan cara mengkorelasi skor tiap item dengan skor totalnya. Kriteria valid atau

tidak valid adalah apabila korelasi r kurang dari r tabel dengan tingkat signifikan α = 5%, berarti butir penyataan tidak valid. Rumus korelasi

Product Moment, (Umar, 2004) yaitu :

r =





 

  )] ) ( )( ) ( [( ) ( ) ( 2 2 2 2 Y Y n X X n Y X XY n ………..(1)

Dimana : n = jumlah responden X = skor masing-masing Y = skor total

Setelah dilakukan uji validitas, kemudian dilakukan uji reliabilitas. Uji reliabilitas digunakan untuk mengetahui tingkat reliabilitas data yang dihasilkan oleh suatu instrumen, artinya menunjukkan kestabilan hasil pengukuran, bila alat tersebut digunakan pada kelompok yang sama pada saat yang berbeda.

Menurut Nasution (2004), reliabilitas adalah indeks yang menunjukkan sejauh mana alat pengukuran dapat dipercaya atau dapat diandalkan. Dalam penelitian ini, uji reliabilitas menggunakan teknik Alpha Cronbach dengan rumus sebagai berikut :

r11= _              



2 2 1 1 _t b k k 



...(2) dengan : r11 = reliabilitas instrumen

k = banyak butir pertanyaan



_b2 = jumlah varians butir

_t2 = varians total Rumus varians yang digunakan :

2 = n n X X







2 2 ( ) ...(3)

Di mana : n = jumlah responden

X = nilai skor yang dipilih (total nilai dari nomor butir pertanyaan)

3.3. Metode Pengolahan dan Analisis Data

Hasil analisis diolah secara kuantitatif dengan menggunakan software Microsoft Excel 2003 dan software SPSS 13.00 for Windows. Sedangkan dalam analisis data dilakukan analisis deskriptif dan tabulasi silang. Analisis deskriptif dilakukan untuk mendeskripsikan karakteristik responden yang terdiri dari pelanggan Perguruan Tinggi X dengan cara menggambarkan serinci mungkin data yang diperoleh. Analisis deskriptif juga digunakan untuk mengetahui bagaimana tingkat kinerja atribut-atribut pelayanan Perguruan Tinggi X di benak pelanggan.

Untuk mengetahui ada tidaknya hubungan antara atribut-atribut kualitas pelayanan Perguruan Tinggi X, digunakan rumus Chi-Square. Untuk menganalisis pengaruh kualitas pelayanan terhadap prestasi akademik mahasiswa digunakan analisis Regresi Logistik.

Analisis Deskriptif

Analisis deskriptif digunakan untuk menggambarkan secara terperinci data yang diperoleh. Data yang akan dianalisis dengan menggunakan analisis deskriptif yaitu karakteristik responden pelanggan Perguruan Tinggi X dan penilaian pelanggan mengenai kinerja atribut-atribut kualitas pelayanan Perguruan Tinggi X.

1. Analisis Karakteristik Responden

Analisis karakteristik responden dilakukan dengan menggunakan analisis deskriptif. Responden dalam penelitian ini adalah terdiri dari seluruh mahasiswa angkatan pertama Perguruan Tinggi X. Karakteristik responden terdiri dari jenis kelamin, usia saat masuk, status bekerja, dan sumber biaya pendidikan. Semua hasil yang diperoleh dari jawaban-jawaban responden dibuat tabulasi dan dikelompokkan berdasarkan jawaban yang sama kemudian dipersentasekan. Persentase yang terbesar merupakan faktor yang dominan dari masing-masing variabel yang diteliti.

2. Analisis Penilaian Pelanggan Mengenai Tingkat Kinerja Atribut-atribut Kualitas Pelayanan Perguruan Tinggi X

Analisis penilaian pelanggan mengenai tingkat kinerja atribut-atribut kualitas pelayanan Perguruan Tinggi X dilakukan dengan analisis secara kualitatif, yaitu analisis deskriptif dengan menggunakan analisis tabel hasil kuesioner, yang menganalisis

hal-hal penting dalam penilaian kinerja atribut-atribut kualitas pelayanan. Langkah-langkah pengolahan dan analisis

datanya sebagai berikut :

a. Memberi skor pada setiap jawaban responden sesuai dengan bobot yang telah ditentukan dalam Skala Likert.

b. Membuat tabulasi dari skor-skor nilai yang telah diperoleh dari jawaban responden.

c. Masing-masing kategori ditentukan berdasarkan rumus rentang kriteria (Umar, 2004) yaitu : Rentang Skala : RS = (m-1)/m ; dimana m adalah jumlah alternatif jawaban tiap item. Sehingga didapatkan rentang skala : (3-1)/3 = 0,7.

Skala Penilaian : 1,00 – 1,70 = tidak setuju/tidak baik 1,71 – 2,40 = netral

2,41 – 3,00 = setuju/baik

d. Responden-responden yang memiliki skor nilai yang sama untuk setiap item pertanyaan dikelompokkan berdasarkan kategori jawaban (1 sampai 3 bagi pernyataan yang bersifat positif dan 3 sampai 1 bagi pernyataan yang bersifat negatif), lalu dihitung jumlah dan persentasenya. Kesimpulan diambil berdasarkan persentase terbesar dari setiap persentase jawaban responden yang telah dihitung.

e. Jumlah responden per item pertanyaan dikelompokkan dan dijumlahkan menjadi per indikator sesuai kategori jawaban. Persentase jumlah responden dihitung untuk memperoleh kesimpulan pada tiap indikator berdasarkan persentase terbesar. Perhitungan pada metode ini menggunakan Microsoft Excel 2003.

Tabulasi Silang

Tabulasi silang (Cross Tabulation) adalah teknik untuk membandingkan atau melihat hubungan antara dua variabel atau lebih (Simamora, 2002). Dalam tabulasi silang biasanya dihitung persentase responden untuk setiap kelompok agar mudah dilihat hubungan antara dua variabel. Agar mudah dibaca, variabel terikat (variabel dependen) biasanya disusun pada arah row (baris), sedangkan variabel bebas (variabel independen) disusun pada arahcolumn(kolom).

Uji Chi-square

Uji Chi-Square dilakukan untuk mengetahui ada tidaknya hubungan antara variabel atribut kualitas pelayanan. Rumus Chi-Square

yang digunakan adalah:







  ij ij ij E E O CS ...(4) Dimana: Oij = Koefisien korelasi

Eij = Selisih peringkat Xi dan Yi

Eij = Pr + Pc x n ……...………....(5)

Pr = Proporsi baris Pc = Proporsi kolom n = Jumlah responden

Untuk mencari derajat kebebasan, digunakan rumus berikut: df = (Jumlah Baris-1) x (Jumlah Kolom-1) …...…..………...(6) Hipotesis yang digunakan yaitu :

H0= Tidak ada hubungan antar atribut kualitas pelayanan. H1= Ada hubungan antar atribut kualitas pelayanan.

Dasar pengambilan keputusan dapat dilakukan dengan dua cara berikut. 1. Membandingkan Chi-Squarehitung dengan Chi-Squaretabel

a. Jika Chi-Squarehitung <Chi-Squaretabel, maka Ho diterima. b. Jika Chi-Squarehitung > Chi Squaretabel, maka Ho ditolak.

2. Berdasarkan probabilitas

a. Jika probabilitas ≥0,05, maka Ho diterima. b. Jika probabilitas < 0,05, maka Ho ditolak.

Analisis Regresi Logistik Biner

A. Model Regresi Logistik Biner

Regresi logistik adalah suatu teknik analisis statistik yang digunakan untuk menganalisis data yang peubah responnya berupa data berskala biner atau dikhotom yakni memiliki nilai yang diskontinu 1 dan 0. Pada model ini, respon tak bebasnya (Y) bersifat memihak kepada 1 dari 2 atau lebih pilihan yang ada. Peubah penjelasnya berupa peubah kontinu maupun kategorik.

Regresi logistik biner merupakan bentuk khusus dari analisis regresi. Analisis ini tidak memerlukan asumsi distribusi multivariat normal atau kesamaan matrik varian kovarian (Hosmer dan Lemeshow, 2000).

Model regresi logistik biner yang digunakan (Hosmer dan Lemeshow, 2000) adalah sebagai berikut:

E(Yi \Xi ) = π (x)

exp ( β0 + β1X1+ β2X2+...+ βp-1X p-1) π (x) =

1 + exp (β0 + β1X1+ β2X2+...+ βp-1X p-1) ...(7)

Dimana :

E ( Yi \ Xi ) = π (x) : ( Ekspektasi kondisional dari Yi jika diberikan Xi).

Pada penelitian ini pendugaan model logistik biner dilakukan dengan maksimum likelihood. Fungsi likelihood

menyatakan probabilitas terutama dari data hasil observasi yang masih merupakan fungsi dari parameter yang tidak diketahui. Prinsip pendugaan dengan metode ini adalah bila tidak ada suatu fungsi likelihood, yaitu L (β1, β2, …. βp), maka diperlukan untuk

mencari nilai ˆ1,ˆ2,...ˆp yang dapat memaksimumkan nilai L

(β1, β2, ... βp). Untuk dapat menggunakan pandangan maksimum

likelihood, rumus model regresi logistik biner terlebih dahulu ditransformasi ke dalam bentuk persamaan logit.

Berdasarkan persamaan model regresi logistik biner, persamaan logitnya menjadi:

π(x)

g (x) = ln = β0+ β1X1+ β2X2+ …+ βp-1Xp-1...…(8) 1 -π(x)

Dimana:

π (x) : Probabilitas bersyarat y = 1 bila diketahui x. 1 –π (x) : Probabilitas bersyarat y = 0 bila diketahui x.

Langkah selanjutnya adalah mencari penduga β0, β1, ….Βp

dengan memaksimumkan fungsi likelihood L(X). Karena Y bernilai 1 atau 0, maka Y berdistribusi bernoulli.

Akibatnya fungsi densitas dari Y dapat ditulis sebagai berikut: f(yi) = [ π (xi) ] yi[ 1 –π (xi) ] 1-yi………..………(9) Sehingga fungsi likelihoodnya menjadi:

ℓ (β) = Π [ π (xi) ] yi[ 1 –π (xi) ] 1-yi..………...(10) i = 1

Seperti telah disebutkan sebelumnya bahwa prinsip maksimum likelihood pada intinya adalah mencari sekumpulan

parameter β yang dapat memaksimumkan fungsi likelihood (L(β)).

Secara logit ditulis:

L (β) = ln [ℓ(β)] =∑{ yiln [π (xi) ] + (1 – yi) ln [1 –π (xi) ] }...(11) i = 1

Berdasarkan teknik optimisasi, β0, β1, …. βp yang optimal dapat diperoleh bila persyaratan FONC (First Order Necessary Condition) berikut terpenuhi (Nachrowi dan Usman, 2002) :

∂L(β) FONC : ∂β0 = 0 ∂L(β) ∂β1 = 0 : : ∂L(β) ∂βp = 0...(12) Bila persyaratan FONC terpenuhi maka akan diperoleh

 

ˆ₁_, ˆ₂_,...ˆ

, perhitungan tersebut dilakukan dengan menggunakan bantuan software SPSS 13.0 for windows dengan perhitungan Maximum Likelihood Estimator(MLE).

B. Pengujian Signifikansi

Dalam penelitian ini pengujian signifikansi model dan parameter yang digunakan (Hosmer et al, 2000) adalah sebagai berikut:

1). Uji seluruh Model (Uji G) Hipotesis yang digunakan : H0 : β1 = β2 = ....= βp = 0

H1 : Sekurang kurangnya terdapat satu βj≠0 Statistik uji yang digunakan adalah :

LikelihoodTanpaPeubahBebas

G = - 2 ln

LikelihoodDenganPeubahBebas ...……(13) Atau secara logit ditulis,

G = 2 ∑ yiln (ˆi) + (1-yi) ln (1 - ˆi) - [n1ln (n1) + n0ln (n0) – n ln (n)]

i = 1

...(14) Dimana :

n1= Jumlah sampel yang termasuk dalam kategori (Y = 1) n0= Jumlah sampel yang termasuk dalam kategori (Y = 0 ) n = Jumlah total sampel.

G berdistribusi Chi-square dengan derajat bebas sebesar p

H0 ditolakjika G > α²(p) ; dengan α adalah tingkat signifikansi yang dipilih.

Bila H0 ditolak, artinya minimal ada satu parameter βi yang tidak sama dengan nol atau dengan kata lain minimal terdapat satu peubah X yang berpengaruh terhadap Y pada tingkat signifikansi α yang dipilih.

2).Uji Wald

Pengujian wald dilakukan untuk menguji signifikansi dari tiap – tiap variabel bebas (atribut kualitas pelayanan).

Hipotesis yang digunakan:

H0: βj= 0 untuk suatu j tertentu ; j = 0, 1, 2...p H1 : βj ≠0

Statistik uji yang digunakan adalah :

ˆj

Wj= ; j = 0, 1, 2....p...(15)

SE (ˆj)

Dimana :

Wj = Nilai wald variabel bebas (X) ke - j.

ˆ _{= Nilai koefisien variabel bebas (X) ke – j.}

SE (ˆj) = Standar error variabel bebas (X) ke – j.

Statistik ini berdistribusi khi-kuadrat dengan derajat bebas 1 atau secara simbolis ditulis Wj~ α²(1).

H0 ditolak jika Wj > α²(1) ; dengan α adalah tingkat signifikansi yang dipilih.

Bila H0ditolak artinya variabel bebas (faktor atribut kualitas pelayanan) tersebut signifikan secara statistik dengan

signifikansi sebesar α.

C. Ukuran Kebaikan / Kelayakan Model

Pengujian kebaikan / kelayakan model dilakukan dengan uji

Hosmer and Lemeshow. Nilai statistik uji Hosmer and Lemeshow (Cˆ ) didapat dengan rumus (Hosmer dan Lemeshow, 2000):

g (Ok– nkπk)² Cˆ = ∑ k=1 nk˙πk(1 -πk) ...(16) Dimana, ck Ok = ∑ yi ...(17) j=1 ck mj∑ˆj π = ∑ j=1 nk...(18) Nilai statistik uji Hosmer and Lemeshow (Cˆ ) mengikuti

sebaran Chi Square dengan derajat bebas g -2. Dimana g merupakan banyaknya variabel bebas yang digunakan ditambah konstanta.

Hipotesis yang digunakan:

H0 = Model layak.

H1 = Model tidak layak.

D. Interpretasi Koefisien

Interpretasi koefesien dilakukan pada peubah-peubah yang berpengaruh nyata. Interpretasi dilakukan dengan melihat tanda dari koefesien tersebut. Jika koefesien yang diperoleh bernilai positif, maka kecenderungan Y=1 lebih besar terjadi pada peubah bebas X=0.

Menurut Hosmer dan Lemeshow (2000), koefisien model

logit ditulis sebagai βi = g(x+1)- g(x). Parameter βi mencerminkan perubahan dalam fungsi logit g(x) untuk perubahan satu unit peubah bebas x yang disebut log odds. Log odds merupakan beda antara dua penduga logit yang dihitung pada dua nilai (misal x=a dan x=b) yang dinotasikan sebagai :

ln[ (a,b)] = g(x=a)- g(x=b) = βi *(a-b)

Sedangkan penduga rasio-odds adalah :

sehingga jika a-b=1 maka =exp(β). Rasio-odds ini dapat

diinterpretasikan sebagai kecenderungan y=1 pada x=1 sebesar

kali dibanding pada x=0.

Pada penelitian ini, mahasiswa dihadapkan atas standar minimal IPK sebesar 2,5 yang telah ditetapkan pengelola program Perguruan Tinggi X sehingga terdapat mahasiswa yang berprestasi di atas standar dan dibawah standar. Penelitian ini akan menganalisis sejauh mana kualitas pelayanan mempengaruhi prestasi akademik mahasiswa. Standar minimal IPK tersebut dianggap sebagai variabel respon (dependen) yang diduga dipengaruhi oleh beberapa variabel penjelas (independen).

Variabel dependen dalam penelitian ini adalah prestasi akademik yang bersifat kategorik, yakni prestasi di atas standar (1) dan dibawah standar (0). Sedangkan variabel independen penelitian ini adalah atribut kualitas pelayanan: tangible, reliability, responsiveness, assurance danempaty.

Penelitian ini menggunakan regresi logistik biner yang merupakan alat analisis yang paling sesuai dengan data penelitian karena variabel dependen bersifat kategorik. Regresi logistik berbeda dengan regresi linier, dimana regresi linier sangat tepat digunakan pada variabel dependen bertipe data scale. Regresi logistik tidak menggunakan asumsi-asumsi klasik seperti pada regresi linier. Regresi linier harus memiliki data yang berdistribusi

normal dengan menggunakan uji normalitas sedangkan regresi logistik tidak.

Dalam dokumen Analisis pengaruh kualitas pelayanan terhadap prestasi akademik mahasiswa perguruan tinggi X (Halaman 63-74)