BAB IV HASIL DAN LUARAN YANG DICAPAI
B. Uji Persyaratan Analisis Data
Dalam penelitian ini digunakan untuk melakukan uji normalitas dari data dengan Uji Kolmogorov-Smirnov. Dalam hal ini yang diuji adalah hipotesis nol (H0), yaitu “sampel berasal dari populasi berdistribusi normal”, untuk menolak atau menerima hipotesis nol dengan membandingkan P-value dengan taraf signifikansi pada α = 0,05. Apabila P-value lebih besar dari 0,05 maka H0 diterima, yang berarti bahwa sampel berasal dari populasi yang berdistribusi normal dan apabila P-value lebih kecil dari 0,05 maka H0 ditolak yang berarti bahwa sampel berasal dari populasi yang berdistribusi tidak normal. Dari hasil perhitungan uji normalitas, diperoleh hasil sebagai berikut:
28
Tabel 4.5. Rekapitulasi Hasil Pengujian Normalitas One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Sekolah Berkarakter
Sifat Kepribadian Kepala Sekolah
Kompetensi Kepala Sekolah
N 72 72 72
Normal Parametersa Mean 96.4444 121.7083 134.8611
Std. Deviation 12.65789 19.50691 19.81485
Most Extreme Differences Absolute .097 .113 .148
Positive .056 .073 .056
Negative -.097 -.113 -.148
Kolmogorov-Smirnov Z .824 .959 1.255
Asymp. Sig. (2-tailed) .506 .317 .086
a. Test distribution is Normal.
Dari ringkasan hasil perhitungan di atas, disimpulkan bahwa:
a. Variabel Sekolah Berkarakter memiliki P-value sebesar 0.506 dan lebih besar dari 0.05 maka hasil ini menunjukkan bahwa H0 diterima yang berarti data berdistribusi normal.
b. Variabel Kompetensi Kepala SekolahmemilikiP-value sebesar 0.086 dan lebih besar dari 0.05 maka hasil ini menunjukkan bahwa H0 diterima yang berarti data berdistribusi normal.
c. Variabel Sifat Kepribadian Kepala Sekolah memiliki P-value sebesar 0.317 dan lebih besar dari 0.05 maka hasil ini menunjukkan bahwa H0
diterima yang berarti data berdistribusi normal.
2. Uji Linearitas Regresi
Setelah teruji bahwa ketiga variabel data hasil penelitian memiliki pola sebaran normal maka dilanjutkan dengan melakukan pengujian linieritas. Pengujian linearitas dilakukan untuk mengetahui apakah hubungan antara peubah-peubah dalam model adalah linear. Pengujian ini dilakukan dengan uji F. Untuk menyatakan bahwa persamaan regresi
29
berbentuk linear, maka dilakukan dengan membandingkan uji Fhitung
dengan F tabel atau P-value dengan koefisien signifikansi pada = 0,05.
Apabila F hitung lebih kecil dari F tabel atau P-value lebih besar dari 0,05 maka H0 diterima dalam arti bahwa persamaan regresi berbentuk linear dan apabila F hitung lebih besar dari F tabel atau P-value lebih kecil dari 0,05 maka H0 ditolak yang berarti persamaan regresi tidak berbentuk linear:
Dari hasil perhitungan diperoleh hasil sebagai berikut:
1). Uji Linearitas Regresi Sekolah Berkarakter (X3) atas Kompetensi Kepala Sekolah (X1)
Tabel 4.6 Hasil Uji Linearitas Regresi(X3) atas (X1)
ANOVA Table
Sum of Squares df Mean Square F Sig.
Sekolah Berkara kter * Kompet ensi Kepala Sekolah
Between Groups (Co mbi ned)
8910.778 42 212.161 2.496 .006
Line
arity 6006.082 1 6006.082 70.660 .000
Devi atio n from Line arity
2904.695 41 70.846 .833 .709
Within Groups 2465.000 29 85.000
Total 11375.778 71
Pada tabel di atas di bagian deviation from linearity menunjukkan hubungan antara Sekolah Berkarakter dan Kompetensi Kepala Sekolah menghasilkan nilai Fhitung sebesar 0.833 dengan nilai probabilitas (kolom sig) P- value sebesar 0.709. Karena nilai signifikansi P-value lebih besar dari 0,05 yaitu 0.709> 0.05 maka dengan demikian dapat disimpulkan H0 diterima dan H1 ditolak dan model regresi bersifat linear yang berarti persamaan regresi Sekolah
30
Berkarakter atas Kompetensi Kepala Sekolah adalah linear.
2) Uji Linearitas RegresiSekolah Berkarakter(X3) atas Sifat Kepribadian Kepala Sekolah (X2)
Tabel 4.7 Hasil Uji Linearitas Regresi X3 atas X2 ANOVA Table
Sum of Squares df Mean Square F Sig.
Sekolah Berkarakter * Sifat
Kepribadian Kepala Sekolah
Between Groups (Combined) 9541.019 41 232.708 3.805 .000
Linearity 5831.021 1 5831.021 95.343 .000
Deviation from Linearity
3709.998 40 92.750 1.517 .119
Within Groups 1834.758 30 61.159
Total 11375.778 71
Pada tabel di atas di bagian deviation from linearity menunjukkan hubungan antara Sekolah Berkarakter dan Sifat Kepribadian Kepala Sekolah menghasilkan nilai Fhitung sebesar 1.517 dengan nilai probabilitas (kolom sig) P-value sebesar 0.119. Karena nilai signifikansi P-value lebih besar dari 0,05 yaitu 0.119 > 0.05 maka dengan demikian dapat disimpulkan H0 diterima dan H1 ditolak dan model regresi bersifat linear yang berarti persamaan regresi Sekolah Berkarakter atas Sifat Kepribadian Kepala Sekolah adalah linear.
31
3) Uji Linearitas Regresi Sifat Kepribadian Kepala Sekolah (X2) atas Kompetensi Kepala Sekolah (X1)
Tabel 4.8 Hasil Uji Linearitas Regresi X2 atas X1
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Sifat Kepribadian Kepala Sekolah
* Kompetensi Kepala Sekolah
Between Groups (Combined) 22595.708 42 537.993 3.529 .000 Linearity 16118.040 1 16118.040 105.724 .000 Deviation from
Linearity 6477.668 41 157.992 1.036 .467
Within Groups 4421.167 29 152.454
Total 27016.875 71
Pada tabel Anova dibagian deviation from linearity menunjukkan hubungan antara Sifat Kepribadian Kepala Sekolah dan Kompetensi Kepala Sekolah menghasilkan nilai Fhitung sebesar 1.036 dengan nilai probabilitas (kolom sig) P- value sebesar 0.467. Karena nilai signifikansi P-valuelebih besar dari 0,05 yaitu 0.467> 0.05 maka dengan demikian H0 dterima dan H1 ditolak dan dapat disimpulkan bahwa model regresi bersifat linear yang berarti persamaan regresi Sifat Kepribadian Kepala Sekolahatas Kompetensi Kepala Sekolah adalah linear.
3. Uji Multikolinearitas
Uji Multikolineritas adalah uji yang dilakukan untuk mengetahui apakah ada korelasi/hubungan yang kuat antar variabel-variabel bebas yang akan diteliti. Jika terjadi multikolineritas atau ada hubungan yang kuat antar variabel-variabel bebas, maka analisis dengan regresi ganda tidak layak dilakukan.Hipotesis yang di Uji:
Ho : Terjadi Multikolineritas H1 : Tidak terjadi Multikolineritas
32
Dalam pengolahan data dengan SPSS pengujian Multikolineritas dilakukan dengan mengamati nilai Tolerance dan VIF.Dengan kriteria pengujian sebagai berikut :
1) Jika Tolerance < 0,1 dan VIF > 10, maka Ho diterima atau terjadi Multikolineritas
2) Jika Tolerance > 0,1 dan VIF < 10,maka Ho ditolak atau tidak terjadi Multikolineritas.
Variabel independen yang terdiri dari Kompetensi Kepala Sekolah dan Sifat Kepribadian Kepala Sekolah pada analisis regresi disyaratkan tidak ada multikolinearitas. Berdasarkan kriteria statistik tolerance (TOL) yang menyatakan bahwa variabel bebas dinyatakan tidak multikolinearitas apabila nilai TOL lebih kecil dari 0.1. hal yang sama juga dikatakan bahwa kolinieritas tidak ada jika nilai variance inflaction factor (VIF) lebih besar dari 10. Bahkan dengan criteria Allison (2003) hanya disyaratkan VIF > 2.5 dan TOL < 0.40. Pada penelitian ini menunjukkan bahwa kedua variabel independen ternyata tidak terdapat multikolinier, karena tolerance maupun VIF relative memenuhi kriteria Allison. Jadi kedua variabel Kompetensi Kepala Sekolah dan Sifat Kepribadian Kepala Sekolah tidak ada multikolinear. Sehingga analisis regresi dapat dipergunakan dalam penelitian ini.
Tabel 4.9. Uji Multikolinieritas TOL dan VIF
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics
B Std. Error Beta
Toleran ce VIF
1 (Constant) 29.078 6.901 4.213 .000
Sifat Kepribadian Kepala Sekolah .249 .079 .384 3.150 .002 .403 2.479
Kompetensi Kepala Sekolah .275 .078 .430 3.535 .001 .403 2.479
a. Dependent Variable: Sekolah Berkarakter
33
Dari hasil perhitungan di atas dapat diketahui nilai variance inflation factor (VIF) untuk variabel Sifat Kepribadian Kepala Sekolah adalah 2.479 dan nilai variance inflation factor (VIF) untuk variabelKompetensi Kepala Sekolah adalah 2.479. Karena kedua variabel penelitian memiliki nilai nilai variance inflation factor (VIF) yang lebih kecil dari 10, sehingga bisa diduga bahwa antar variabel independen tidak terjadi persoalan multikolinearitas.
4. Uji Heteroskedastisitas
Untuk mendeteksi heteroskedastisiti dengan cara pola grafik dengan menggambarkan diagram pencar antara galat yang distandarkan (Z-RESID) sebagai sumbu Y dengan nilai prediksinya atau Y topi yang distandarkan (Y- Pred) sebagai sumbu X. Gambar menunjukkan tidak ada pola yang sistematis, dari nilai Z-RESID berapapun nilai Z-PRED. berdasarkan analisis ini menujukkan bahwa data adalah homoskedatis. Sehingga aplikasi analisa regresi ganda menunjukkan bahwa tidak terdapat pola heteroskedastisitas dalam aplikasi ini, sehingga asumsi data homogen dapat dipenuhi.
Gambar 4.4. Diagram pencar Z-Resid (Y) dan Z-Pred (X)
34 5. Uji normalitas Galat
Tabel 4.10. Uji Normalitas Galat
One-Sample Kolmogorov-Smirnov Test
Sekolah Berkarakter
Sifat Kepribadian Kepala Sekolah
Kompetensi Kepala Sekolah
Unstandardiz ed Residual
N 72 72 72 72
Normal Parametersa
Mean 96.4444 121.7083 134.8611 .0000000
Std. Deviation 12.65789 19.50691 19.81485 8.13157719
Most Extreme Differences
Absolute .097 .113 .148 .122
Positive .056 .073 .056 .088
Negative -.097 -.113 -.148 -.122
Kolmogorov-Smirnov Z .824 .959 1.255 1.036
Asymp. Sig. (2-tailed) .506 .317 .086 .233
a. Test distribution is Normal.
Uji normalitas galat dapat dilihat dari tabel di atas yang menunjukkan bahwa hipotesis yang menyatakan bahwa galat mengikuti distribusi normal ternyata dapat diterima. Nilai tes statistic Kolmogorov-Smitnov sama dengan KS=1.036dan nilai Sig. (P-Value) = 0.233> 0.05 yang berarti Ho diterima. Hal yang sama dapat juga secara visual dapat dilihat pada gambar 5.6 yang menunjukkan bahwa gambar histogram data galat selaras dengan garis kurva normalnya lihat gambar 4.5 dan juga pada gambar P-P plot dimana titik titik data mengikuti garis diagonalnya lihat pada gambar 4.6.
35
Gambar 5.5. Histogram dan kurval normal galat
36
Gambar 4.6. P-P Plot Kumulatif galat