BAB III MEREDOLOGI PENELITIAN
3.3 Metode Pengujian Data dan Pengajuan Hipotesis
Metode analisis pada penelitian kuantitatif bertujuan supaya memperkirakan seberapa pesah pengaruh perubahan dari satu atau beberapa kejadian lewat data-data statistik. Tahapan untuk pengelolaan analisis kuantitatif aadalah:
1. Penyuntingan, berupa proses memilah dan menggunakan data penting sambil memisahkan yang kurang penting supaya memudahkan peneliti dalam menguji hipotesisnya;
2. Memberikan kode pada kuesioner yang ada untuk kemudian dikelompokkan pada kategori yang serupa
3. Pemberian Skor, merupakan kegiatan pemberian angka kuantitatif untuk menguji hipotesa dan membahasakan data kualitatif menjadi data kuantitatif. Biasanya, Skala ini adalah teknik perhitungan kuesioner diisi responden dengan nilai secara berturut-turut 5,4,3,2,1 untuk pertanyaan
30
tertutup yang skala ordinal. Ada lima tingkatan pada Skala Likert memiliki, yaitu:
a. Skor 5 : Sangat Setuju (SS) b. Skor 4 : Setuju (S)
c. Skor 3 : Netral (N)
d. Skor 2 : Tidak Setuju (TS)
e. Skor 1 : Sangat Tidak Setuju (STS)
3.3.2 Uji Validitas
Sugiyono (2020) mengungkapkan uji validitas sebagai alat ukur kevalidan atau keabsahan kuesioner. Pengujian ini jadi intrumen yang dipakai supaya bisa menunjukkan apakah data yang diperoleh telah akurat, valid, atau tepat. Dengan metode korelasi produk momen (moment product correlation dan person correlation), pengujian ini akan menghasilkan skor pada tiap pertanyaan dengan skor total.
Kuesioner sendiri baru akan dibilang valid saat nilai r hitung > r tabel.
Disisi lain, jika nilai r hitung < r tabel, maka kuesioner itu menjadi tidak valid. Agar memudahkan penggambaran, rumus untuk menghitung validitas kuesioner biasanya adalah:
n β ππ β β π β π π =
β{π β π2 β (β π)2}{π β π2 β (β π)2}
Keterangan:
Rxy : Koefisien korelasi variable X dan Y N : Banyaknya subjek uji coba
βY : Jumlah skor total
βX : Jumlah skor tiap item
βX2 : Jumlah kuadrat skor item
βY2 : Jumlah kuadrat skor total
βXY2 : Jumlah perkalia skor item dengan skor total
r table didefinisikan sebagai table angka uji validitas dari instrument memakai product moment person. Rumus yang bisa menjadi patokan penentuan nilai tersebut adalah: df = n - 2. Namun, mula-mula penting untuk menentukan dulu berapa persen nilai r yang akan dicari.
31
π π‘
3.3.3 Uji Reliabilitas
Sugiyono (2020) menyebut kalau uji reliabilitas merupakan hasil dair penilaian objek yang serupa agar memunculkan data yang serupa pula. Pengujian ini dipakai supaya peneliti bisa memahami soal sejauh mana konsistensi pengukurannya kalau dilaksanakan beberapa kali pengukuran untuk gejala dan alat yang serupa.
Untuk menentukan seberapa tinggi atau rendahnya uji reliabilitas, umumnya dipakai nilai yang disebut koefisien dengan angka 0β1. Pengujian reliabilitas dengan rumus Alpha Cronbachβs:
R11 : Reliabilitas instrumen
K : Banyaknya butir pertanyaan atau banyaknya soal
β π2 : Jumlah varian butir atau item π2 : Varian total
Kalau skala-skala ini dikelompokkan dalan kelas pada range yang serupa, maka ukuran alpha bisa dijabarkan sebagai berikut:
Tabel 3.3 Nilai r
Besarnya r Interpretasi
Nilai alpha Cronbach 0,00 s.d 0,20 Sangat Rendah Nilai alpha Cronbach 0,21 s.d 0,40 Rendah Nilai alpha Cronbach 0,41 s.d 0,60 Cukup Kuat Nilai alpha Cronbach 0,61 s.d 0,80, Kuat Nilai alpha Cronbach 0,81 s.d 1,00 Sangat Kuat
3.3.4 Uji Asumsi Klasik
Metode pengujian ini dilaksanakan agar penelitian yang dilakukan dapat menghasilkan syarat penafsiran serta analsisi regresi linier tanpa bias atau tak jelas.
Syarat itu biasa disebut BLUE (Best Linier Unbias Estimate). Ada sejumlah asumsi yang perlu diperhatikan sebelumnya supaya simpulan yang diambil nantinya tidak bias. Ketiganya adalah:
32 1. Uji Normalitas
Uji ini berfungsi untuk melihat distribusi variabel dependen pada variabel independent telah terlaksana secara normal. Padaregresi linier, model yang tepat merupakan regresi yang punya distribusi secara normal atau setidaknya mendekati normal yang membuat data tersebut bisa diuji statistiknya. Untuk uij ini, biasanya digunakan Test of Normality Kolmogoriv-Smirnov dalam SPSS.
Santoso (2017) menyatakan pengambilan Keputusan didasari pada probabilitas (asymptotic significant), yang berarti:
a. Jika Probabilitas > 0.005 berarti distribusi populasi normal
b. Jika Probabilitas < 0.005 berarti distribusi populasi tidak normal.
Untuk memperoleh visual dari pengujian, metode grafik proability plots pada SPSS bisa digunakan dengan syarat:
a. Kalau data ternyata menyebar dekat dengan garus diagonal dan/atau ikut pada garis yang dibuat, maka regresi sudah sesuai pada asumsi normalitas.
b. Kalau ternyata menyebar dan menjauh dari garis diagonal, maka regresi yang muncul tak memenuhi asumsi normalitas.
2. Uji Multikorlinieritas
Pengujian ini terjadi pada situasi ketika beberapa atau seluruh variabel independent punya korelasi yang tinggi. Kalau korelasinya menjadi sempurna antar variabel independent, maka ada beberapa konsekuensi yang mencuat, yakni:
a. Koefisien regresi yang justru tak stabil.
b. Nilai standar untuk koefisien regresinya bisa jadi tak hingga.
Maka dari itu, ketika korelasi makin besar antara variabel independent, maka koefisien regresinya akan semakin kurang tepat.
Proses yang dipakai guna mendeteksi keberadaan multikorlinieritas yakni lewat pengujian Variance Inflation Factor (VIF)
1 ππΌπΉ =
1 β π π2
Ri2 merupakan koefisien determinasi dari regresi variabel independent dengan variabel independent lain. Kalau VIF ternyata
33
kurang atau sma dengan 10, maka tidak ada multikorlinieritas pada variabel independennya.
3. Uji Heteroskedastisitas
Uji ini punya maksud guna memahami model regresi memunculkan perbedaan varian dari masing-masing pengamatan. Untuk medeteksi heteroskedastisitas, biasanya akan dilihat pola pada grafik scatterplot anara SRESID dan ZPRED. Sumbu Y dalam grafik itu berarti Y yang telah terprediksi. Sedangkan sumbu X merupakan residual (Yprediksi-Ysesungguhnya) dan telah distandardized. Adapun, dasar yang dipakai untuk mengambil Keputusan atas pengujian ini, yakni:
a. Kalau terdeteksi pola tertentuβsemisal titik yang membentuk pola teraturβmaka hal tersebut jadi indikasi kuat munculnya heteroskedastisitas.
b. Kalau tidak ada pola yang teratur dan cenderung menyebar dari angka 0 di sumbu Y, maka bisa disimpulkan kalau heteroskedastisitas tidak hadir.
Heterokedastisitas muncul ketika varian ei (gangguan/
disturbance) tak memunculkan penyebaran yang serupa. Akubatnya, model yang telah dibuat sebelumnya justru jadi kurang efisien. Supaya jelas keberadaannya, maka dapat dilakukan dengan pengujian rank korelasi dan Spearman dengan formula sebagai berikut:
Dimana:
d1 = Perbedaan tingkatan pada dua karakteristik berbeda dari individu ke-1 N = banyaknya individu berdasarkan peringkatnya
Guna mengukur heterokedastitas, digunakan rumus:
ππ = π½0 + π½πππ + ππ
a. Lakukanlah Asumsi awal.
b. Cocokkan regresi terhadap data mengenai Y dan X dan dapatkan residual ei.
34 1 ο r 2
c. Dengan mengabaikan tanda dan ei yaitu dengan mengambil nilai mutlaknya ei
merangking baikharga mutlak ei
dan Xi sesuai pada urutan naik atau turunnya koefisien peringkat korelasi Spearman.
Berdasarkan asumsi koefisien rank korealsi populasi Ps adalah nol dan N >
8, tingkat signifikan dan rs yang disampel bisa dilakukan Uji t lewat rumus:
t ο½ rs
Dengan derajat kebebasan = Nβ 2
a. Jika nilai thitung> dan nilai tkritis kita terima hipotesis adanya heterokedastisitas, jika tidak maka ditolak.
b. Jika nilai thitung< dan nilai tkritis kita tolak hipotesis dan tidak adanya heterokedastisitas.