UJI VALIDITAS KUISIONER

Validitas adalah ketepatan atau kecermatan suatu instrumen dalam mengukur

apa yang ingin dukur. Dalam pengujian instrumen pengumpulan data, validitas bisa

dibedakan menjadi validitas faktor dan validitas item. Validitas faktor diukur bila item

yang disusun menggunakan lebih dari satu faktor (antara faktor satu dengan yang

lain ada kesamaan). Pengukuran validitas faktor ini dengan cara mengkorelasikan

antara skor faktor (penjumlahan item dalam satu faktor) dengan skor total faktor

(total keseluruhan faktor), sedangkan pengukuran validitas item dengan cara

mengkorelasikan antara skor item dengan skor total item.

Pada program SPSS teknik pengujian yang sering digunakan para peneliti untuk

uji validitas adalah menggunakan korelasi Bivariate Pearson (Produk Momen

Pearson) dan Corrected Item-Total Correlation. Masing-masing teknik perhitungan

korelasi akan dibahas sebagai berikut:

1. Bivariate Pearson (Korelasi Produk Momen Pearson)

Analisis ini dengan cara mengkorelasikan masing-masing skor item dengan skor

total. Skor total adalah penjumlahan dari keseluruhan item. Item-item pertanyaan

yang berkorelasi signifikan dengan skor total menunjukkan item-item tersebut

mampu memberikan dukungan dalam mengungkap apa yang ingin diungkap.

Pengujian menggunakan uji dua sisi dengan taraf signifikansi 0,05. Kriteria

pengujian adalah sebagai berikut:

- Jika r hitung ≥ r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-

item pertanyaan berkorelasi signifikan terhadap skor total (dinyatakan valid).

- Jika r hitung < r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item

pertanyaan tidak berkorelasi signifikan terhadap skor total (dinyatakan tidak valid).

Contoh Kasus:

Seorang mahasiswa bernama Andi melakukan penelitian dengan

menggunakan skala untuk mengetahui atau mengungkap prestasi belajar seseorang.

Andi membuat 10 butir pertanyaan dengan menggunakan skala Likert, yaitu angka 1

= Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 = Sangat Setuju. Setelah

membagikan skala kepada 12 responden didapatlah tabulasi data-data sebagai

berikut:

Tabel 1. Tabulasi Data (Data Fiktif)

Subjek Skor Item Skor

1 2 3 4 5 6 7 8 9 10 Total

1 3 4 3 4 4 3 3 3 3 3 33

2 4 3 3 4 3 3 3 3 3 3 32

3 2 2 1 3 2 2 3 1 2 3 21

4 3 4 4 3 3 3 4 3 3 4 34

5 3 4 3 3 3 4 3 4 4 3 34

6 3 2 4 4 3 4 4 3 4 4 35

7 2 3 3 4 4 4 3 4 3 2 32

8 1 2 2 1 2 2 1 3 4 3 21

9 4 2 3 3 4 2 1 1 4 4 28

10 3 3 3 4 4 4 4 4 3 3 35

11 4 4 3 4 4 3 4 4 4 2 36

12 3 2 1 2 3 1 1 2 3 3 21

Langkah-langkah dengan program SPSS

Masuk program SPSS

Klik variable view pada SPSS data editor

Pada kolom Name ketik item1 sampai item10, kemudian terakhir ketikkan skortot

(skor total didapat dari penjumlahan item1 sampai item10)

Pada kolom Decimals angka ganti menjadi 0 untuk seluruh item

Untuk kolom-kolom lainnya boleh dihiraukan (isian default)

Buka data view pada SPSS data editor

Ketikkan data sesuai dengan variabelnya, untuk skortot ketikkan total skornya.

Klik Analyze - Correlate - Bivariate

Klik semua variabel dan masukkan ke kotak variables

Klik OK. Hasil output yang diperoleh dapat diringkas sebagai berikut:

Tabel. Hasil Analisis Bivariate Pearson

Dari hasil analisis didapat nilai korelasi antara skor item dengan skor total.

Nilai ini kemudian kita bandingkan dengan nilai r tabel, r tabel dicari pada

signifikansi 0,05 dengan uji 2 sisi dan jumlah data (n) = 12, maka didapat r tabel

sebesar 0,576 (lihat pada lampiran tabel r).

Berdasarkan hasil analisis di dapat nilai korelasi untuk item 1, 9 dan 10 nilai

kurang dari 0,576. Karena koefisien korelasi pada item 1, 9 dan 10 nilainya kurang

dari 0,576 maka dapat disimpulkan bahwa item-item tersebut tidak berkorelasi

signifikan dengan skor total (dinyatakan tidak valid) sehingga harus dikeluarkan atau

diperbaiki. Sedangkan pada item-item lainnya nilainya lebih dari 0,576 dan dapat

disimpulkan bahwa butir instrumen tersebut valid.

2. Corrected Item-Total Correlation

Analisis ini dengan cara mengkorelasikan masing-masing skor item dengan

skor total dan melakukan koreksi terhadap nilai koefisien korelasi yang overestimasi.

Hal ini dikarenakan agar tidak terjadi koefisien item total yang overestimasi (estimasi

nilai yang lebih tinggi dari yang sebenarnya). Atau dengan cara lain, analisis ini

menghitung korelasi tiap item dengan skor total (teknik bivariate pearson), tetapi

skor total disini tidak termasuk skor item yang akan dihitung. Sebagai contoh pada

kasus di atas kita akan menghitung item 1 dengan skor total, berarti skor total

didapat dari penjumlahan skor item 2 sampai item 10. Perhitungan teknik ini cocok

digunakan pada skala yang menggunakan item pertanyaan yang sedikit, karena

pada item yang jumlahnya banyak penggunaan korelasi bivariate (tanpa koreksi)

efek overestimasi yang dihasilkan tidak terlalu besar.

Pengujian menggunakan uji dua sisi dengan taraf signifikansi 0,05. Kriteria

pengujian adalah sebagai berikut:

Jika r hitung ≥ r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-

item pertanyaan berkorelasi signifikan terhadap skor total (dinyatakan valid).

Jika r hitung < r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-

item pertanyaan tidak berkorelasi signifikan terhadap skor total (dinyatakan

tidak valid).

Sebagai contoh kasus kita menggunakan contoh kasus dan data-data pada analisis

produk momen di atas.

Langkah-langkah pada program SPSS

Masuk program SPSS

Klik variable view pada SPSS data editor

Pada kolom Name ketik item1 sampai item 10

Pada kolom Decimals angka ganti menjadi 0 untuk seluruh item

Untuk kolom-kolom lainnya boleh dihiraukan (isian default)

Buka data view pada SPSS data editor

Ketikkan data sesuai dengan variabelnya,

Klik Analyze - Scale – Reliability Analysis

Klik semua variabel dan masukkan ke kotak items

Klik Statistics, pada Descriptives for klik scale if item deleted

Klik continue, kemudian klik OK, hasil output yang didapat adalah sebagai berikut:

Tabel. Hasil Analisis Validitas Item dengan

Teknik Corrected Item-Total Correlation

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Item-total Statistics

Scale Scale Corrected

Mean Variance Item- Alpha

if Item if Item Total if Item

Deleted Deleted Correlation Deleted

ITEM1 27.2500 29.8409 .4113 .8345

ITEM2 27.2500 28.0227 .6151 .8157

ITEM3 27.4167 25.7197 .8217 .7933

ITEM4 26.9167 26.6288 .7163 .8046

ITEM5 26.9167 29.5379 .5603 .8223

ITEM6 27.2500 25.8409 .7764 .7975

ITEM7 27.3333 25.1515 .6784 .8078

ITEM8 27.2500 27.1136 .5679 .8204

ITEM9 26.8333 32.8788 .1866 .8482

ITEM10 27.0833 35.3561 -.1391 .8683

Reliability Coefficients

N of Cases = 12.0 N of Items = 10

Alpha = .8384

Dari output di atas bisa dilihat pada Corrected Item – Total Correlation, inilah

nilai korelasi yang didapat. Nilai ini kemudian kita bandingkan dengan nilai r tabel, r

tabel dicari pada signifikansi 0,05 dengan uji 2 sisi dan jumlah data (n) = 12, maka

didapat r tabel sebesar 0,576 (lihat pada lampiran tabel r).

Dari hasil analisis dapat dilihat bahwa untuk item 1, 5, 9 dan 10 nilai kurang dari

0,576. Karena koefisien korelasi pada item 1, 5, 9 dan 10 nilainya kurang dari 0,576

maka dapat disimpulkan bahwa butir instrumen tersebut tidak valid. Sedangkan

pada item-item lainnya nilainya lebih dari 0,576 dan dapat disimpulkan bahwa butir

instrumen tersebut valid.

Sebagai catatan: analisis korelasi pada contoh kasus di atas hanya dilakukan satu

kali, untuk mendapatkan hasil validitas yang lebih memuaskan maka bisa dilakukan

analisis kembali sampai 2 atau 3 kali, sebagai contoh pada kasus di atas setelah di

dapat 6 item yang valid, maka dilakukan analisis korelasi lagi untuk menguji 6 item

tersebut, jika masih ada item yang tidak signifikan maka digugurkan, kemudian

dianalisis lagi sampai didapat tidak ada yang gugur lagi.

UJI RELIABILITAS KUISIONER

Uji reliabilitas digunakan untuk mengetahui konsistensi alat ukur, apakah alat

pengukur yang digunakan dapat diandalkan dan tetap konsisten jika pengukuran

tersebut diulang. Ada beberapa metode pengujian reliabilitas diantaranya metode

tes ulang, formula belah dua dari Spearman-Brown, formula Rulon, formula

Flanagan, Cronbach’s Alpha, metode formula KR-20, KR-21, dan metode Anova

Hoyt. Dalam program SPSS akan dibahas untuk uji yang sering digunakan penelitian

mahasiswa adalah dengan menggunakan metode Alpha (Cronbach’s). Metode alpha

sangat cocok digunakan pada skor berbentuk skala (misal 1-4, 1-5) atau skor

rentangan (misal 0-20, 0-50). Metode alpha dapat juga digunakan pada skor

dikotomi (0 dan 1) dan akan menghasilkan perhitungan yang setara dengan

menggunakan metode KR-20 dan Anova Hoyt.

Uji signifikansi dilakukan pada taraf signifikansi 0,05, artinya instrumen dapat

dikatakan reliabel bila nilai alpha lebih besar dari r kritis product moment. Atau kita

bisa menggunakan batasan tertentu seperti 0,6. Reliabilitas kurang dari 0,6 adalah

kurang baik, sedangkan 0,7 dapat diterima dan di atas 0,8 adalah baik.

Pada contoh kasus di atas setelah diuji validitasnya maka item-item yang gugur

dibuang dan item yang tidak gugur dimasukkan kedalam uji reliabilitas. Jadi yang

akan dihitung ada 6 item, karena 4 item telah digugurkan.

Langkah-langkah pada program SPSS

Pada contoh kasus di atas kita telah menginput data item 1 sampai 10

Klik Analyze - Scale - Reliability Analysis

Klik item yang tidak gugur dan masukkan ke kotak items. Jika item-item sudah

berada dikotak items maka klik item yang gugur dan keluarkan dengan klik simbol

arah

Klik Statistics, pada Descriptives for klik scale if item deleted

Klik Continue

Klik OK, hasil output yang didapat adalah sebagai berikut:

Tabel 4. Hasil Analisis Reliabilitas dengan Teknik Alpha

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Item-total Statistics

Scale Scale Corrected

Mean Variance Item- Alpha

if Item if Item Total if Item

Deleted Deleted Correlation Deleted

ITEM2 14.6667 18.9697 .6414 .8906

ITEM3 14.8333 18.1515 .6963 .8827

ITEM4 14.3333 18.2424 .6835 .8846

ITEM6 14.6667 16.7879 .8612 .8574

ITEM7 14.7500 15.8409 .7943 .8680

ITEM8 14.6667 17.5152 .6749 .8867

Reliability Coefficients

N of Cases = 12.0 N of Items = 6

Alpha = .8970

Dari hasil analisis di atas di dapat nilai Alpha sebesar 0,8970. Sedangkan nilai r

kritis (uji 2 sisi) pada signifikansi 0,05 dengan jumlah data (n) = 12, di dapat

sebesar 0,576 (lihat pada lampiran tabel r). Karena nilainya lebih dari 0,576, maka

dapat disimpulkan bahwa butir-butir instrumen penelitian tersebut reliabel.

UJI NORMALITAS

Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi

normal atau tidak. Uji ini biasanya digunakan untuk mengukur data berskala ordinal,

interval, ataupun rasio. Jika analisis menggunakan metode parametrik, maka

persyaratan normalitas harus terpenuhi yaitu data berasal dari distribusi yang

normal. Jika data tidak berdistribusi normal, atau jumlah sampel sedikit dan jenis

data adalah nominal atau ordinal maka metode yang digunakan adalah statistik non

parametrik. Dalam pembahasan ini akan digunakan uji One Sample Kolmogorov-

Smirnov dengan menggunakan taraf signifikansi 0,05. Data dinyatakan berdistribusi

normal jika signifikansi lebih besar dari 5% atau 0,05.

Contoh Kasus:

Seorang mahasiswa bernama Bambang melakukan penelitian tentang faktor-

faktor yang mempengaruhi kinerja guru pada perusahaan di BEJ. Data-data yang di

dapat berupa data rasio dan ditabulasikan sebagai berikut:

Tabel 5. Tabulasi Data (Data Fiktif)

Tahun Kinerja guru (Rp) PER (%) ROI (%)

1990 8300 4.90 6.47

1991 7500 3.28 3.14

1992 8950 5.05 5.00

1993 8250 4.00 4.75

1994 9000 5.97 6.23

1995 8750 4.24 6.03

1996 10000 8.00 8.75

1997 8200 7.45 7.72

1998 8300 7.47 8.00

1999 10900 12.68 10.40

2000 12800 14.45 12.42

2001 9450 10.50 8.62

2002 13000 17.24 12.07

2003 8000 15.56 5.83

2004 6500 10.85 5.20

2005 9000 16.56 8.53

2006 7600 13.24 7.37

2007 10200 16.98 9.38

Bambang dalam penelitiannya ingin mengetahui bagaimana hubungan antara

rasio keuangan PER dan ROI terhadap kinerja guru . Dengan ini Bambang

menganalisis dengan bantuan program SPSS dengan alat analisis regresi linear

berganda. Sebelum dilakukan analisis tersebut dilakukan uji normalitas untuk

mengetahui sebaran data.

Sebagai catatan: bila menggunakan analisis regresi linear, uji normalitas bisa

dilakukan dengan melihat nilai residualnya, apakah residual berasal dari distribusi

normal ataukah tidak.

Langkah-langkah pada program SPSS

Masuk program SPSS

Klik variable view pada SPSS data editor

Pada kolom Name ketik y, kolom Name pada baris kedua ketik x1, dan pada

kolom Name baris ketiga ketik x2.

Pada kolom Label, untuk kolom pada baris pertama ketik Kinerja guru , untuk

kolom pada baris kedua ketik PER, dan terakhir ketik ROI.

Untuk kolom-kolom lainnya boleh dihiraukan (isian default)

Buka data view pada SPSS data editor, maka didapat kolom variabel y, x1, dan x2

Ketikkan data sesuai dengan variabelnya

Klik Analyze - Deskriptive Statistics - Explore

Klik variabel Kinerja guru , PER, dan ROI dan masukkan ke kotak Dependent List

Klik Plots

Klik Normality plots with tests, kemudian klik Continue

Klik OK, maka hasil output yang didapat pada kolom Test of Normality adalah

sebagai berikut:

Tabel. Hasil Uji Normalitas dengan Kolomogorov-Smirnov

Dari hasil di atas kita lihat pada kolom Kolmogorov-Smirnov dan dapat

diketahui bahwa nilai signifikansi untuk kinerja guru sebesar 0,05; untuk PER

sebesar 0,200; dan untuk ROI sebesar 0,200. Karena signifikansi untuk seluruh

variabel lebih besar dari 0,05 maka dapat disimpulkan bahwa data pada variabel

kinerja guru , PER, dan ROI berdistribusi normal. Angka Statistic menunjukkan

semakin kecil nilainya maka distribusi data semakin normal. df = jumlah data.

UJI HOMOGENITAS

Uji homogenitas digunakan untuk mengetahui apakah beberapa varian populasi

adalah sama atau tidak. Uji ini dilakukan sebagai prasyarat dalam

analisis independent sample t test dan ANOVA. Asumsi yang mendasari dalam

analisis varian (ANOVA) adalah bahwa varian dari populasi adalah sama. Sebagai

kriteria pengujian, jika nilai signifikansi lebih dari 0,05 maka dapat dikatakan bahwa

varian dari dua atau lebih kelompok data adalah sama.

Contoh Kasus:

Seorang mahasiswi bernama Hanny melakukan penelitian untuk mengetahui

apakah ada perbedaan pemahaman mahasiswa jika dilihat dari tingkat prestasi.

Dengan ini Hanny menggunakan kuesioner sebagai alat pengumpul data yang

disebar pada 20 responden dan membuat dua variabel pertanyaan yaitu

pemahaman mahasiswa dan tingkat prestasi. Pada variabel pemahaman mahasiswa

memakai skala Likert dengan pertanyaan favorabel dan unfavorabel (mengungkap

dan tidak mengungkap). Pada item favorabel skala yang dipakai 1 = sangat tidak

setuju, 2 = tidak setuju, 3 = setuju, dan 4 = sangat setuju. Pada item unfavorabel

sebaliknya yaitu 1 = sangat setuju, 2 = setuju, 3 = tidak setuju, dan 4 = sangat

tidak setuju. Untuk variabel tingkat prestasi menggunakan data nominal yang dibuat

tiga alternatif jawaban yaitu 1 = IPK kurang dari 2,50; 2 = IPK 2,51-3,30 dan 3 =

IPK 3,31-4,00. Data-data yang di dapat ditabulasikan sebagai berikut:

Tabel. Tabulasi Data (Data Fiktif)

Subjek Pemahaman Mahasiswa Tingkat

Item pertanyaan Total

Skor

Prestasi

1 2 3 4 5 6 7 8 9 10

1 4 4 3 4 4 2 4 3 4 4 36 3

2 4 4 4 3 4 4 3 4 4 4 38 3

3 3 3 4 2 2 1 4 2 1 3 25 1

4 3 3 4 2 2 4 1 2 3 4 28 2

5 4 4 4 2 4 3 3 3 4 3 34 3

6 2 4 2 4 1 4 4 2 2 4 29 2

7 2 4 2 4 2 2 2 4 2 4 28 2

8 4 4 4 4 4 4 3 2 4 4 37 3

9 4 4 2 4 4 4 4 4 4 4 38 3

10 2 1 4 4 3 4 3 3 2 1 27 1

11 2 2 1 4 4 3 1 4 4 2 27 2

12 3 1 3 2 2 4 4 3 2 4 28 1

13 3 4 3 4 2 4 4 4 1 4 33 3

14 4 4 2 3 4 4 2 4 4 3 34 3

15 2 4 4 4 4 2 3 4 4 4 35 3

16 4 2 3 4 3 4 3 3 4 2 32 1

17 1 3 2 3 4 2 4 4 3 2 28 1

18 4 4 3 4 4 4 4 4 4 4 39 3

19 4 4 2 2 3 3 2 1 2 4 27 2

20 4 2 2 4 2 4 2 3 4 2 29 2

Langkah-langkah pada program SPSS

Masuk program SPSS.

Klik variable view pada SPSS data editor.

Pada kolom Name ketik item1, kolom Name pada baris kedua ketik item2.

Pada kolom Decimals untuk kolom item1 dan item2 angka ganti menjadi 0.

Pada kolom Label, untuk kolom pada baris pertama ketik Pemahaman

Mahasiswa dan untuk kolom pada baris kedua ketik Tingkat Prestasi.

Untuk kolom Values, klik simbol kotak kecil pada kolom baris kedua, pada

Value ketik 1 kemudian pada Value Label ketikkan IPK kurang dari 2,50,

kemudian klik Add. Kemudian pada Value ketik 2 kemudian pada Value Label

ketikkan IPK 2,50-3,30, kemudian klik Add. Selanjutnya pada Value ketik 3

kemudian pada Value Label ketikkan IPK 3,31-4,00, kemudian klik Add.

Klik OK

Untuk kolom-kolom lainnya boleh dihiraukan (isian default)

Buka data view pada SPSS data editor, maka didapat kolom variabel item1

dan item2.

Pada kolom item1 ketikkan data total skor item, pada kolom item2 ketikkan

angka-angka 1 sampai 3 yang menunjukkan tanda nilai IPK.

Klik Analyze - Compare Means - One Way Anova

Klik variabel Pemahaman Mahasiswa dan masukkan ke kotak Dependent List,

kemudian klik variabel Tingkat Prestasi dan masukkan ke kotak Faktor.

Klik Options

Klik Homogeneity of variance, kemudian klik Continue

Klik OK, maka hasil output yang didapat pada kolom Test of Homogeneity of

Variance adalah sebagai berikut:

Tabel. Hasil Uji Homogenitas

Dari hasil di atas dapat diketahui signifikansi sebesar 0,193. Karena signifikansi

lebih dari 0,05 maka dapat disimpulkan bahwa ketiga kelompok data pemahaman

mahasiswa berdasar tingkat prestasi mempunyai varian sama. Angka Levene

Statistic menunjukkan semakin kecil nilainya maka semakin besar homogenitasnya.

df1 = jumlah kelompok data-1 atau 3-1=2 sedangkan df2 = jumlah data – jumlah

kelompok data atau 20-3=17.

UJI LINIERITAS

Uji linearitas bertujuan untuk mengetahui apakah dua variabel mempunyai

hubungan yang linear atau tidak secara signifikan. Uji ini biasanya digunakan

sebagai prasyarat dalam analisis korelasi atau regresi linear. Pengujian pada SPSS

dengan menggunakan Test for Linearity dengan pada taraf signifikansi 0,05. Dua

variabel dikatakan mempunyai hubungan yang linear bila signifikansi (Linearity)

kurang dari 0,05.

Contoh kasus:

Seorang mahasiswa bernama Joko melakukan penelitian untuk mengetahui

hubungan antara kecemasan dengan optimisme pada remaja. Data-data skor total

yang di dapat ditabulasikan sebagai berikut:

Tabel. Tabulasi Data (Data Fiktif)

Subjek Kecemasan Optimisme

1 90 124

2 88 137

3 96 120

4 95 128

5 96 124

6 94 133

7 91 138

8 96 126

9 95 132

10 90 140

11 85 143

12 91 124

13 87 131

14 90 119

15 85 135

16 83 141

17 86 137

18 91 134

19 86 138

20 83 141

Langkah-langkah pada program SPSS

Masuk program SPSS

Klik variable view pada SPSS data editor

Pada kolom Name ketik x, untuk kolom Name baris kedua ketik y

Pada kolom Decimals angka ganti menjadi 0 untuk variabel x dan y

Untuk kolom Label ketik Kecemasan, untuk kolom Label pada baris kedua ketik

Optimisme.

Kolom lainnya boleh dihiraukan (isian default)

Buka data view pada SPSS data editor

Terlihat kolom x dan y, x adalah variabel kecemasan dan y adalah variabel

optimisme, ketikkan data sesuai dengan variabelnya.

Klik Analyze - Compare Means - Means

Klik variabel Optimisme dan masukkan ke kotak Dependent List, kemudian klik

variabel Kecemasan dan masukkan ke Independent List.

Klik Options, pada Statistics for First Layer klik Test for Linearity, kemudian klik

Continue

Klik OK, maka hasil output yang didapat pada kolom Anova Table adalah sebagai

berikut:

Tabel. Hasil Test for Linearity

Dari output di atas dapat diketahui bahwa nilai signifikansi pada Linearity

sebesar 0,006. Karena signifikansi kurang dari 0,05 maka dapat disimpulkan bahwa

antara variabel kecemasan dan optimisme terdapat hubungan yang linear.

ANALISIS REGRESI LINIER BERGANDA

Analisis regresi linier berganda adalah hubungan secara linear antara dua

atau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis

ini untuk mengetahui arah hubungan antara variabel independen dengan variabel

dependen apakah masing-masing variabel independen berhubungan positif atau

negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel

independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya

berskala interval atau rasio.

Persamaan regresi linear berganda sebagai berikut:

Y’ = a + b1X1+ b2X2+…..+ bnXn

Keterangan:

Y’ = Variabel dependen (nilai yang diprediksikan)

X1 dan X2 = Variabel independen

a = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)

b = Koefisien regresi (nilai peningkatan ataupun penurunan)

Contoh kasus:

Kita mengambil contoh kasus pada uji normalitas, yaitu sebagai berikut:

Seorang mahasiswa bernama Bambang melakukan penelitian tentang faktor-faktor

yang mempengaruhi kinerja guru pada perusahaan di BEJ. Bambang dalam

penelitiannya ingin mengetahui hubungan antara rasio keuangan PER dan ROI

terhadap kinerja guru . Dengan ini Bambang menganalisis dengan bantuan program

SPSS dengan alat analisis regresi linear berganda. Dari uraian di atas maka didapat

variabel dependen (Y) adalah kinerja guru , sedangkan variabel independen (X1 dan

X2) adalah PER dan ROI.

Data-data yang di dapat berupa data rasio dan ditabulasikan sebagai

berikut:

Tabel. Tabulasi Data (Data Fiktif)

Tahun Kinerja guru (Rp) PER (%) ROI (%)

1990 8300 4.90 6.47

1991 7500 3.28 3.14

1992 8950 5.05 5.00

1993 8250 4.00 4.75

1994 9000 5.97 6.23

1995 8750 4.24 6.03

1996 10000 8.00 8.75

1997 8200 7.45 7.72

1998 8300 7.47 8.00

1999 10900 12.68 10.40

2000 12800 14.45 12.42

2001 9450 10.50 8.62

2002 13000 17.24 12.07

2003 8000 15.56 5.83

2004 6500 10.85 5.20

2005 9000 16.56 8.53

2006 7600 13.24 7.37

2007 10200 16.98 9.38

Langkah-langkah pada program SPSS

Masuk program SPSS

Klik variable view pada SPSS data editor

Pada kolom Name ketik y, kolom Name pada baris kedua ketik x1, kemudian

untuk baris kedua ketik x2.

Pada kolom Label, untuk kolom pada baris pertama ketik Kinerja guru , untuk

kolom pada baris kedua ketik PER, kemudian pada baris ketiga ketik ROI.

Untuk kolom-kolom lainnya boleh dihiraukan (isian default)

Buka data view pada SPSS data editor, maka didapat kolom variabel y, x1, dan

x2.

Ketikkan data sesuai dengan variabelnya

Klik Analyze - Regression - Linear

Klik variabel Kinerja guru dan masukkan ke kotak Dependent, kemudian klik

variabel PER dan ROI kemudian masukkan ke kotak Independent.

Klik Statistics, klik Casewise diagnostics, klik All cases. Klik Continue

Klik OK, maka hasil output yang didapat pada kolom Coefficients dan Casewise

diagnostics adalah sebagai berikut:

Tabel. Hasil Analisis Regresi Linear Berganda

Persamaan regresinya sebagai berikut:

Y’ = a + b1X1+ b2X2

Y’ = 4662,491 + (-74,482)X1 + 692,107X2

Y’ = 4662,491 - 74,482X1 + 692,107X2

Keterangan:

Y’ = Kinerja guru yang diprediksi (Rp)

a = konstanta

b1,b2 = koefisien regresi

X1 = PER (%)

X2 = ROI (%)

Persamaan regresi di atas dapat dijelaskan sebagai berikut:

- Konstanta sebesar 4662,491; artinya jika PER (X1) dan ROI (X2) nilainya adalah 0,

maka kinerja guru (Y’) nilainya adalah Rp.4662,491.

- Koefisien regresi variabel (X1) sebesar -74,482; artinya jika variabel independen lain

nilainya tetap dan PER mengalami kenaikan 1%, maka kinerja guru (Y’) akan

mengalami penurunan sebesar Rp.74,482. Koefisien bernilai negatif artinya terjadi

hubungan negatif antara PER dengan kinerja guru , semakin naik PER maka semakin

turun kinerja guru .

- Koefisien regresi variabel ROI (X2) sebesar 692,107; artinya jika variabel

independen lain nilainya tetap dan ROI mengalami kenaikan 1%, maka kinerja guru

(Y’) akan mengalami peningkatan sebesar Rp.692,107. Koefisien bernilai positif

artinya terjadi hubungan positif antara ROI dengan kinerja guru , semakin naik ROI

maka semakin meningkat kinerja guru .

Nilai kinerja guru yang diprediksi (Y’) dapat dilihat pada tabel Casewise

Diagnostics (kolom Predicted Value). Sedangkan Residual (unstandardized residual)

adalah selisih antara kinerja guru dengan Predicted Value, dan Std. Residual

(standardized residual) adalah nilai residual yang telah terstandarisasi (nilai semakin

mendekati 0 maka model regresi semakin baik dalam melakukan prediksi, sebaliknya

semakin menjauhi 0 atau lebih dari 1 atau -1 maka semakin tidak baik model regresi

dalam melakukan prediksi).

A. Analisis Korelasi Ganda (R)

Analisis ini digunakan untuk mengetahui hubungan antara dua atau lebih

variabel independen (X1, X2,…Xn) terhadap variabel dependen (Y) secara serentak.

Koefisien ini menunjukkan seberapa besar hubungan yang terjadi antara variabel

independen (X1, X2,……Xn) secara serentak terhadap variabel dependen (Y). nilai R

berkisar antara 0 sampai 1, nilai semakin mendekati 1 berarti hubungan yang terjadi

semakin kuat, sebaliknya nilai semakin mendekati 0 maka hubungan yang terjadi

semakin lemah.

Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien

korelasi sebagai berikut:

0,00 - 0,199 = sangat rendah

0,20 - 0,399 = rendah

0,40 - 0,599 = sedang

0,60 - 0,799 = kuat

0,80 - 1,000 = sangat kuat

Dari hasil analisis regresi, lihat pada output moddel summary dan disajikan sebagai

berikut:

Tabel. Hasil analisis korelasi ganda

Berdasarkan tabel di atas diperoleh angka R sebesar 0,879. Hal ini

menunjukkan bahwa terjadi hubungan yang sangat kuat antara PER dan ROI

terhadap kinerja guru .

B. Analisis Determinasi (R2)

Analisis determinasi dalam regresi linear berganda digunakan untuk

mengetahui prosentase sumbangan pengaruh variabel independen (X1, X2,……Xn)

secara serentak terhadap variabel dependen (Y). Koefisien ini menunjukkan

seberapa besar prosentase variasi variabel independen yang digunakan dalam model

mampu menjelaskan variasi variabel dependen. R2sama dengan 0, maka tidak ada

sedikitpun prosentase sumbangan pengaruh yang diberikan variabel independen

terhadap variabel dependen, atau variasi variabel independen yang digunakan dalam

model tidak menjelaskan sedikitpun variasi variabel dependen. Sebaliknya R2 sama

dengan 1, maka prosentase sumbangan pengaruh yang diberikan variabel

independen terhadap variabel dependen adalah sempurna, atau variasi variabel

independen yang digunakan dalam model menjelaskan 100% variasi variabel

dependen.

Dari hasil analisis regresi, lihat pada output moddel summary dan disajikan sebagai

berikut:

Tabel. Hasil analisis determinasi

Berdasarkan tabel di atas diperoleh angka R2 (R Square) sebesar 0,772 atau

(77,2%). Hal ini menunjukkan bahwa prosentase sumbangan pengaruh variabel

independen (PER dan ROI) terhadap variabel dependen (kinerja guru ) sebesar

77,2%. Atau variasi variabel independen yang digunakan dalam model (PER dan

ROI) mampu menjelaskan sebesar 77,2% variasi variabel dependen (kinerja guru ).

Sedangkan sisanya sebesar 22,8% dipengaruhi atau dijelaskan oleh variabel lain

yang tidak dimasukkan dalam model penelitian ini.

Adjusted R Square adalah nilai R Square yang telah disesuaikan, nilai ini selalu

lebih kecil dari R Square dan angka ini bisa memiliki harga negatif. Menurut Santoso

(2001) bahwa untuk regresi dengan lebih dari dua variabel bebas digunakan

Adjusted R2 sebagai koefisien determinasi.

Standard Error of the Estimate adalah suatu ukuran banyaknya kesalahan

model regresi dalam memprediksikan nilai Y. Dari hasil regresi di dapat nilai 870,80

atau Rp.870,80 (satuan kinerja guru ), hal ini berarti banyaknya kesalahan dalam

prediksi kinerja guru sebesar Rp.870,80. Sebagai pedoman jika Standard error of

the estimate kurang dari standar deviasi Y, maka model regresi semakin baik dalam

memprediksi nilai Y.

C. Uji Koefisien Regresi Secara Bersama-sama (Uji F)

Uji ini digunakan untuk mengetahui apakah variabel independen (X1,X2….Xn)

secara bersama-sama berpengaruh secara signifikan terhadap variabel dependen

(Y). Atau untuk mengetahui apakah model regresi dapat digunakan untuk

memprediksi variabel dependen atau tidak. Signifikan berarti hubungan yang terjadi

dapat berlaku untuk populasi (dapat digeneralisasikan), misalnya dari kasus di atas

populasinya adalah 50 perusahaan dan sampel yang diambil dari kasus di atas 18

perusahaan, jadi apakah pengaruh yang terjadi atau kesimpulan yang didapat

berlaku untuk populasi yang berjumlah 50 perusahaan.

Dari hasil output analisis regresi dapat diketahui nilai F seperti pada tabel 2

berikut ini.

Tabel. Hasil Uji F

Tahap-tahap untuk melakukan uji F adalah sebagai berikut:

1. Merumuskan Hipotesis

Ho : Tidak ada pengaruh secara signifikan antara PER dan ROI secara

bersama-sama terhadap kinerja guru .

Ha : Ada pengaruh secara signifikan antara PER dan ROI secara bersama-

sama terhadap kinerja guru .

2. Menentukan tingkat signifikansi

Tingkat signifikansi menggunakan = 5% (signifikansi 5% atau 0,05 adalah

ukuran standar yang sering digunakan dalam penelitian)

3. Menentukan F hitung

Berdasarkan tabel diperoleh F hitung sebesar 25,465

4. Menentukan F tabel

Dengan menggunakan tingkat keyakinan 95%, = 5%, df 1 (jumlah

variabel–1) = 2, dan df 2 (n-k-1) atau 18-2-1 = 15 (n adalah jumlah kasus

dan k adalah jumlah variabel independen), hasil diperoleh untuk F tabel

sebesar 3,683 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan

cara pada cell kosong ketik =finv(0.05,2,15) lalu enter.

5. Kriteria pengujian

Ho diterima bila F hitung < F tabel

Ho ditolak bila F hitung > F tabel

6. Membandingkan F hitung dengan F tabel.

Nilai F hitung > F tabel (25,465 > 3,683), maka Ho ditolak.

7. Kesimpulan

Karena F hitung > F tabel (25,465 > 3,683), maka Ho ditolak, artinya ada

pengaruh secara signifikan antara price earning ratio (PER) dan return on

investmen (ROI) secara bersama-sama terhadap terhadap kinerja guru . Jadi

dari kasus ini dapat disimpulkan bahwa PER dan ROI secara bersama-sama

berpengaruh terhadap kinerja guru pada perusahaan di BEJ.

D. Uji Koefisien Regresi Secara Parsial (Uji t)

Uji ini digunakan untuk mengetahui apakah dalam model regresi variabel

independen (X1, X2,…..Xn) secara parsial berpengaruh signifikan terhadap variabel

dependen (Y).

Dari hasil analisis regresi output dapat disajikan sebagai berikut:

Tabel. Uji t

Langkah-langkah pengujian sebagai berikut:

Pengujian koefisien regresi variabel Supervisi Kepala Sekolah

1. Menentukan Hipotesis

Ho : Secara parsial tidak ada pengaruh signifikan antara supervisi kepala sekolah

dengan kinerja guru .

Ha : Secara parsial ada pengaruh signifikan antara supervisi kepala sekolah

dengan kinerja guru

2. Menentukan tingkat signifikansi

Tingkat signifikansi menggunakan = 5%

3. Menentukan t hitung

Berdasarkan tabel diperoleh t hitung sebesar -1,259

4. Menentukan t tabel

Tabel distribusi t dicari pada = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat

kebebasan (df) n-k-1 atau 17-2-1 = 14 (n adalah jumlah kasus dan k adalah

jumlah variabel independen). Dengan pengujian 2 sisi (signifikansi =

0,025) hasil diperoleh untuk t tabel sebesar 2,131 (Lihat pada lampiran) atau

dapat dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05,15) lalu

enter.

5. Kriteria Pengujian

Ho diterima jika -t tabel < t hitung < t tabel

Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel

6. Membandingkan t hitung dengan t tabel

Nilai -t hitung > -t tabel (-1,259 > -2,131) maka Ho diterima

7. Kesimpulan

Oleh karena nilai -t hitung > -t tabel (-1,259 > -2,131) maka Ho diterima, artinya

secara parsial tidak ada pengaruh signifikan antara PER dengan kinerja guru .

Jadi dari kasus ini dapat disimpulkan bahwa secara parsial PER tidak

berpengaruh terhadap kinerja guru pada perusahaan di BEJ.

Pengujian koefisien regresi variabel ROI

1. Menentukan Hipotesis

Ho : Secara parsial tidak ada pengaruh signifikan antara motivasi kerja guru

dengan kinerja guru

Ha : Secara parsial ada pengaruh signifikan antara motivasi kerja guru dengan

kinerja guru

2. Menentukan tingkat signifikansi

Tingkat signifikansi menggunakan = 5%.

3. Menentukan t hitung

Berdasarkan tabel diperoleh t hitung sebesar 5,964

4. Menentukan t tabel

Tabel distribusi t dicari pada = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat

kebebasan (df) n-k-1 atau 18-2-1 = 15 (n adalah jumlah kasus dan k adalah

jumlah variabel independen). Dengan pengujian 2 sisi (signifikansi =

0,025) hasil diperoleh untuk t tabel sebesar 2,131.

5. Kriteria Pengujian

Ho diterima jika -t tabel t hitung t tabel

Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel

6. Membandingkan thitung dengan t tabel

Nilai t hitung > t tabel (5,964 > 2,131) maka Ho ditolak

7. Kesimpulan

Oleh karena nilai t hitung > t tabel (5,964 > 2,131) maka Ho ditolak, artinya

secara parsial ada pengaruh signifikan antara ROI dengan kinerja guru . Jadi dari

kasus ini dapat disimpulkan bahwa secara parsial ROI berpengaruh positif

terhadap kinerja guru pada perusahaan di BEJ.