bab iii metode penelitian 3.1 metode penelitian...
TRANSCRIPT
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
BAB III
METODE PENELITIAN
3.1 Metode Penelitian
3.1.1 Objek Penelitian
Penelitian ini menjelaskan tentang pengaruh kompetensi guru
terhadap hasil belajar siswa pada mata pelajaran ekonomi. Objek dalam
penelitian ini adalah hasil belajar siswa kelas XII IPS pada mata pelajaran
ekonomi. Adapun variabel yang mempengaruhi dalam penelitian ini adalah
kompetensi pedagogik guru (X1), kompetensi kepribadian guru (X2),
kompetensi sosial guru (X3) dan kompetensi profesional guru (X4).
3.1.2 Metode Penelitian
Dalam sebuah penelitian ilmiah diperlukan adanya suatu metode
penelitian yang tepat dan sesuai dengan permasalahan yang dihadapinya.
Metode penelitian merupakan suatu cara atau langkah dalam mengumpulkan,
mengorganisir, menganalisa, serta menginterpretasikan data. Metode yang
dipakai dalam penelitian ini adalah metode survey. Metode survey adalah
penyelidikan yang diadakan untuk memperoleh fakta-fakta dari gejala-gejala
yang ada dan mencari keterangan-keterangan secara faktual, baik tentang
institusi sosial, ekonomi, atau politik dari suatu kelompok ataupun suatu
daerah (Nazir, 2005: 56).
46
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
3.2 Populasi dan Sampel
3.2.1 Populasi
Populasi adalah keseluruhan subjek penelitian (Arikunto, 2010: 173)
Adapun populasi dalam penelitian ini adalah seluruh siswa kelas XII IPS
SMA Negeri Cluster 1 se-Kota Bandung yaitu sebanyak 538 orang siswa
yang tersebar pada 7 sekolah.
3.2.2 Sampel
Menurut Suharsimi Arikunto (2010: 174) “sampel adalah sebagian
atau wakil populasi yang diteliti”. Dalam penelitian ini, teknik penentuan
sampel dilakukan melalui metode proportionate random sampling (sampel
random proporsional). Riduwan dan Kuncoro (2011: 41) mengungkapkan
bahwa proportionate random sampling ialah metode pengambilan sampel
dari anggota populasi secara acak dan proporsional agar dapat
menggambarkan secara tepat sifat populasi yang heterogen dan dilakukan
dalam beberapa tahap:
1. Sampel Responden
Penentuan sampel responden dari populasi yang berjumlah 538
siswa diambil melalui metode persentase. Hal ini didasarkan atas pendapat
Silalahi (2010: 276) dalam bukunya Metode Penelitian Sosial yang
menyatakan bahwa umumnya peneliti menggunakan teknik sampel sebagai
berikut:
1. Jumlah sampel sekitar 30 kasus atau subjek yang dengannya analisis
statistik dapat dilakukan.
2. Menurut presentase yang “layak” dijangkau. Untuk populasi kecil (di
bawah 1000), peneliti membutuhkan rasio pemilihan sampel besar
(30%). Untuk populasi menengah (kurang dari 10.000) dibutuhkan
rasio pemilihan sampel 10%. Sedangkan untuk populasi melebihi
150.000 maka rasio pemilihan sampel sebanyak 1%.
47
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
Selain itu, menurut pendapat Suharsimi (2010: 134) pengambilan
sampel dapat didasari hal-hal sebagai berikut:
Jika jumlah subjek populasi besar, dapat diambil antara 10-15% atau 20-25%
atau lebih, tergantung setidak-tidaknya dari:
1. Kemampuan peneliti dilihat dari waktu, tenaga dan dana.
2. Sempit luasnya wilayah pengamatan dari setiap subyek, karena hal
ini menyangkut dari banyak sedikitnya data.
3. Besar kecilnya resiko yang ditanggung oleh peneliti.
Berdasarkan pada pendapat tersebut, maka dalam penelitian ini
diambil sampel minimum sebanyak 30% dari populasi yaitu 30% x 538 =
161. Pertimbangannya karena jumlah populasinya kurang dari 1.000 yaitu
sebanyak 538 siswa. Alasan lainnya yaitu karena keterbatasan waktu, tenaga,
dan dana yang membuat peneliti tidak dapat menjangkau seluruh populasi
penelitian.
Penarikan sampel responden dialokasikan atau disebarkan ke dalam
setiap sekolah secara random dan proporsional. Setiap siswa memiliki
kesempatan yang sama untuk diteliti dan sampel yang diambil secara random.
Adapun rumus untuk menentukan ukuran sampel menggunakan rumus Slovin
sebagai berikut:
Dimana: ni = ukuran sampel menurut proporsi
n = ukuran sampel seluruhnya
48
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
Ni = ukuran populasi menurut proporsi
N = ukuran populasi seluruhnya
(Riduwan dan Kuncoro, 2011: 210)
Tabel 3.1
Perhitungan dan Distribusi Sampel Responden
Nama Sekolah Jumlah Siswa
Kelas XII IPS Distribusi Sampel
SMAN 3 Bandung 15
SMAN 4 Bandung 45
SMAN 5 Bandung 71
SMAN 8 Bandung 84
SMAN 11 Bandung 156
SMAN 24 Bandung 105
Total Sampel 161
3.3 Operasionalisasi Variabel
Operasionalisasi variabel merupakan petunjuk pelaksanaan untuk
mengukur suatu variabel. Untuk menghindari terjadinya kekeliruan di dalam
menafsirkan permasalahan yang penulis teliti, maka berikut ini dibuat
penjabaran konsep yang dapat dijadikan pedoman dalam menentukan aspek-
aspek yang diteliti. Adapun bentuk operasional variabel dari masalah yang
penulis teliti adalah sebagai berikut:
Tabel 3.2
Operasionalisasi Variabel
49
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
Variabel Konsep Teoritis Konsep Empiris Konsep Analitis Skala
Kompetensi
Pedagogik
(X1)
Kemampuan guru
yang berkenaan
dengan pemahaman
peserta didik dan
pengelola
pembelajaran yang
mendidik dan
dialogis
(Undang-undang
No. 14 Tahun 2005
tentang Guru dan
Dosen)
Kemampuan guru
dalam mengelola
pembelajaran
peserta didik
Skor kompetensi pedagogik guru
(dalam persepsi siswa) dengan
menggunakan skala Likert
meliputi:
1. Menguasai karakteristik
peserta didik dari aspek
fisik, intelektual, moral,
spiritual, kultural dan
emosional
2. Mampu menjelaskan materi
pembelajaran dengan baik
3. Mampu mengelola
ketertiban kelas selama
proses pembelajaran
4. Menggunakan media belajar
dan sumber belajar yang
relevan
5. Memanfaatkan teknologi
informasi dan komunikasi
dalam proses belajar
mengajar
6. Mampu melakukan
penilaian dan menganalisis
hasil belajar siswa
7. Mampu mengembangkan
potensi akademik siswa
Ordinal
Variabel Konsep Teoritis Konsep Empiris Konsep Analitis Skala
50
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
Kompetensi
Kepribadian
Guru
(X2)
Kemampuan
kepribadian guru
yang mantap,
berakhlak mulia,
arif dan berwibawa
serta menjadi
teladan bagi peserta
didik dan berakhlak
mulia
(Undang-undang
No. 14 Tahun 2005
tentang Guru dan
Dosen)
Kemampuan
kepribadian guru
yang mantap,
berakhlak mulia,
arif dan berwibawa
serta menjadi
teladan perserta
didik
Skor kompetensi kepribadian
guru (dalam persepsi siswa)
dengan menggunakan skala
Likert meliputi:
1. Bertindak sesuai dengan
norma, agama, hukum sosial
dan kebudayaan nasional
Indonesia
2. Menampilkan diri sebagai
pribadi yang jujur,
berakhlak mulia dan teladan
bagi peserta didik dan
masyarakat
3. Menampilkan diri sebagai
pribadi yang dewasa, arif
dan berwibawa
4. Menunjukkan etos kerja dan
tanggung jawab yang tinggi
5. Berperilaku sesuai dengan
kode etik guru
Ordinal
Kompetensi
Sosial Guru
(X3)
Kemampuan guru
sebagai bagian dari
masyarakat untuk
berkomunikasi dan
berinteraksi secara
efektif dan efisien
dengan peserta
didik, sesama guru,
orang tua/wali
peserta didik dan
masyarakat sekitar
(Undang-undang
No. 14 Tahun 2005
tentang Guru dan
Dosen)
Kemampuan guru
untuk
berkomunikasi dan
berinteraksi secara
efektif dan efisien
dengan peserta
didik, sesama guru,
orang tua/wali
peserta didik dan
masyarakat sekitar
Skor kompetensi sosial guru
(dalam persepsi siswa) dengan
menggunakan skala Likert
meliputi:
1. Bersikap objektif terhadap
peserta didik dalam
melaksanakan pembelajaran
2. Berkomunikasi secara
efektif, empatik dan santun
dengan sesama pendidik,
orang tua dan masyarakat
3. Beradaptasi di tempat
bertugas di seluruh wilayah
Republik Indonesia yang
memiliki keragaman sosial
budaya
4. Berkomunikasi dengan
komunitas profesi sendiri
dan profesi lain secara lisan
dan tulisan atau bentuk lain
Ordinal
Kompetensi
Profesional Guru
(X4)
Kemampuan guru
yang berkenaan
dengan penguasaan
materi pelajaran
secara luas dan
Kemampuan guru
dalam penguasaan
materi pelajaran
secara luas dan
mendalam
Skor kompetensi profesional
guru (dalam persepsi siswa)
dengan menggunakan skala
Likert meliputi: skala Likert
meliputi:
1. Menguasai materi
Ordinal
51
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
mendalam yang
mencangkup
penguasaan
substansi isi materi,
sebagai guru mata
pelajaran,
pembelajaran, struktur,
konsep dan pola pikir
keilmuan yang mendukung
mata pelajaran
2. Memahami tujuan
pembelajaran
3. Mengolah materi pelajaran
secara kreatif
Variabel Konsep Teoritis Konsep Empiris Konsep Analitis Skala
Memahami
kurikulum serta
menambah
wawasan keilmuan
(Undang-undang
No. 14 Tahun 2005
tentang Guru dan
Dosen)
4. Mengikuti kemajuan zaman
dengan belajar dari berbagai
sumber
5. Memanfaatkan teknologi
informasi dan komunikasi
dalam proses belajar
mengajar
Hasil belajar
(Y)
Hasil belajar adalah
kemampuan yang
dimiliki siswa
setelah ia menerima
pengalaman
belajarnya
Nana Sudjana
(2001:22)
Nilai UN yang
diperoleh siswa
dalam mata
pelajaran ekonomi
Data diperoleh dari sekolah
tempat diadakan penelitian
tentang nilai UN SMAN Cluster
1 se-kota Bandung tahun ajaran
2012/2013 pada mata pelajaran
ekonomi
Interval
3.4 Teknik Pengumpulan Data
Teknik pengumpulan data merupakan cara atau langkah yang
digunakan untuk memperoleh data yang diperlukan dalam penelitian
Berdasarkan jenisnya, data yang digunakan dalam penelitian ini adalah data
primer, yaitu data yang diperoleh langsung dari responden melalui kuesioner.
Alat pengumpul data dalam penelitian ini adalah:
1. Kuesioner/angket, yaitu berupa daftar pertanyaan untuk menggali
informasi mengenai masalah yang dibahas. Adapun kuesioner yang
digunakan dalam penelitian ini adalah bentuk kuesioner tertutup.
52
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
2. Studi dokumentasi, yaitu studi untuk mencari data mengenai hal-hal atau
variabel yang diteliti berupa dokumen-dokumen yang ada pada objek
penelitian, dalam hal ini data diperoleh dari dinas pendidikan kota
Bandung dan sekolah diadakannya penelitian tentang nilai UN mata
pelajaran ekonomi SMA tahun ajaran 2012/2013.
3. Studi literatur, yaitu teknik pengumpulan data dengan cara memperoleh
atau mengumpulkan data dari jurnal, artikel, dan media cetak lainnya
yang berhubungan dengan konsep dan pembahasan yang diteliti.
3.5 Pengujian Instrumen Penelitian
Analisis instrumen penelitian digunakan untuk menguji apakah
instrumen penelitian ini memenuhi syarat-syarat alat ukur yang baik atau
tidak sesuai dengan standar metode penelitian. Oleh karena pengumpulan
data dilakukan dengan menggunakan instrumen yang berupa kuesioner,
maka dilakukan uji validitas dan uji reliabilitas atas instrumen penelitian
ini.
3.5.1 Uji Validitas
Menurut Arikunto (2010: 168) “validitas adalah suatu ukuran yang
menunjukkan tingkat-tingkat kevalidan atau kesahihan sesuatu instrumen.
Suatu instrumen yang valid atau sahih mempunyai validitas tinggi.
Sebaliknya, instrumen yang kurang valid berarti memiliki validitas rendah”.
Dalam uji validitas ini menggunakan langkah-langkah sebagai
berikut:
1. Memberikan nomor pada angket
2. Memberikan skor pada setiap bulir sesuai dengan bobot yang telah
ditentukan
3. Menjumlahkan skor setiap responden
53
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
4. Menghitung korelasi dengan rumus Product Moment dari Pearson sebagai
berikut:
(∑ ) (∑ ) (∑ )
√{ ∑ (∑ )
} { ∑ (∑ )
}
(Riduwan dan Kuncoro, 2011: 217)
Dimana:
r hitung = koefisien korelasi
∑ Xi = jumlah skor item
∑ Yi = jumlah skor total (seluruh item)
n = jumlah responden
Karena subjek merupakan sampel besar, dimana n lebih besar dari
10, maka untuk melihat signifikansinya dilakukan dengan mendistribusikan
rumus student t, yaitu: √
√
(Riduwan dan Kuncoro, 2011: 217)
Dimana:
t = nilai t hitung
r = koefisien korelasi hasil r hitung
n = jumlah responden
Distribusi (Tabel t) untuk α = 0,05 dan derajat kebebasan (dk = n-2).
Kaidah keputusan: Jika t hitung > t tabel berarti valid, sebaliknya jika t hitung
< t tabel berarti tidak valid.
Jika instrumen itu valid, maka dilihat kriteria penafsiran mengenai
indeks korelasinya (r) sebagai berikut (Riduwan dan Kuncoro, 2011: 217):
Antara 0,800-1,000 : sangat tinggi
Antara 0,600-0,799 : tinggi
54
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
Antara 0,400-0,599 : cukup tinggi
Antara 0,200-0,399 : rendah
Antara 0,000-0,199 : sangat rendah (tidak valid)
Berikut ini adalah hasil pengujian validitas instrumen penelitian pada
siswa kelas XII IPS SMAN Cluster 1 se-Kota Bandung yang diolah dengan
bantuan software Microsoft Office Excel 2007.
Tabel 3.3
Uji Validitas Instrumen Penelitian
No.
item
r xy
t Hitung
t Tabel
Ketentuan
Keputusan
1 0,47 6,71 1,97
Valid
2 0,36 4,85 1,97
Valid
No.
item
r xy
t Hitung
t Tabel
Ketentuan
Keputusan
3
0,60
9,74
1,97
t Hitung >
t Tabel Valid
4 0,24 3,10 1,97 α= 95% serta
Derajat
Kebebasan
(dk) = n-4
Valid
5 0,22 2,79 1,97 Valid
6 0,49 6,94 1,97 Valid
7 0,33 4,36 1,97 Valid
8 0,65 10,61 1,97 Valid
55
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
9 0,63 10,26 1,97 Valid
10 0,57 8,67 1,97 Valid
11 0,48 6,80 1,97 Valid
12 0,50 7,32 1,97 Valid
13 0,58 8,68 1,97 Valid
14 0,63 10,19 1,97 Valid
15 0,57 8,11 1,97 Valid
16 0,32 4,30 1,97 Valid
17 0,30 4,02 1,97 Valid
18 0,29 3,90 1,97 Valid
19 0,46 6,42 1,97 Valid
20 0,36 4,83 1,97 Valid
21 0,30 3,99 1,97 Valid
22 0,80 16,05 1,97 Valid
23 0,78 15,49 1,97 Valid
24 0,54 8,12 1,97 Valid
25 0,79 15,72 1,97 Valid
26 0,76 15,23 1,97 Valid
27 0,63 10,23 1,97
Ketentuan
t Hitung >
t Tabel,
Valid
No.
item
r xy
t Hitung
t Tabel
Keputusan
28 0,80 16,76 1,97 Valid
29 0,77 15,15 1,97 Valid
56
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
30 0,76 15,15 1,97 α= 95% serta
Derajat
Kebebasan
(dk) = n-4
Valid
31 0,64 10,39 1,97 Valid
32 0,61 9,87 1,97 Valid
33 0,83 19,14 1,97 Valid
34 0,70 12,50 1,97 Valid
35 0,69 12,35 1,97 Valid
36 0,64 10,42 1,97 Valid
37 0,72 12,85 1,97 Valid
38 0,81 18,73 1,97 Valid
39 0,64 10,48 1,97 Valid
40 0,78 15,64 1,97 Valid
Sumber : Hasil Penelitian (data diolah)
Tabel 3.3 tersebut menunjukkan bahwa seluruh t hitung lebih besar
daripada t tabel sehingga dapat disimpulkan bahwa seluruh item dalam angket
yang digunakan dalam penelitian ini merupakan item yang valid dan layak
digunakan sebagai instrumen penelitian.
3.5.2 Uji Reliabilitas
Suharsimi Arikunto (2010: 184) mengungkapkan bahwa reliabilitas
menunjuk pada tingkat keterandalan sesuatu. Suatu instrumen dikatakan
reliabel jika cukup dapat dipercaya untuk digunakan sebagai alat pengumpul
data karena instrument tersebut sudah baik, tidak bersifat tendesius, dapat
dipercaya, datanya memang benar sesuai dengan kenyataannya hingga berapa
kali pun diambil, hasilnya akan tetap sama.
57
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
Untuk menghitung uji reliabilitas, penelitian ini menggunakan rumus
alpha dari Cronbach sebagaimana berikut:
r11= [
] [
∑
] (Suharsimi Arikunto, 2010)
Keterangan:
r11 = reliabilitas instrumen
k = banyak butir pernyataan atau banyaknya soal
∑ = Jumlah varians butir
varians total
Selanjutnya, untuk melihat signifikansi reliabilitasnya dilakukan
dengan mendistribusikan rumus student t, yaitu:
thit = √( )
√ (Suharsimi Arikunto, 2010)
Dengan kriteria : Jika thitung> ttabel, maka instrument penelitian
reliabel dan signifikan, begitu pula sebaliknya.
Berikut ini merupakan hasil uji reliabilitas yang diolah dengan bantuan
Microsoft Excel 2007.
Tabel 3.4
Uji Reliabilitas Variabel
Variabel r Hitung r Tabel Ketentuan Keputusan
Kompetensi Pedagogik (X1) 0.805
0.129 r hit > r tab dengan α =
0.05
Reliabel
Kompetensi Kepribadian (X2) 0.899 Reliabel
Kompetensi Sosial (X3) 0.733 Reliabel
Kompetensi Profesional (X4) 0.691 Reliabel
Sumber : Hasil Penelitian (data diolah)
Berdasarkan Tabel 3.4 ditunjukkan bahwa seluruh instrumen penelitian
memiliki reliabilitas yang memadai karena nilai r Hitung > r Tabel dengan α =
58
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
0,05. Maka, seluruh instrumen dalam penelitian ini merupakan instrumen yang
terpercaya.
3.5.3 Uji Normalitas
Uji normalitas dimaksudkan untuk mengetahui apakah data
penelitian berdistribusi normal atau tidak berdistribusi normal. Dalam
penelitian ini uji normalitas dilakukan dengan menggunakan metode Jarque-
Bera (JB). Jika nilai JB mendekati 1 maka data berdistribusi normal, namun
jika nilai JB mendekati 0 maka data tidak berdistribusi normal.
3.6 Uji Asumsi Klasik
3.6.1 Uji Multikolinearitas
Multikolinieritas adalah hubungan linier yang sempurna atau pasti
diantara beberapa variabel atau semua variabel yang menjelaskan dari model
regresi. Multikolinieritas merupakan salah satu bentuk pelanggaran terhadap
asumsi model regresi linier klasik karena bisa mengakibatkan estimator OLS
memiliki :
1. Kesalahan baku sehingga sulit mendapatkan estimasi yang tepat.
2. Akibat poin satu, maka interval estimasi akan cenderung lebih lebar dan
nilai hitung statistik uji t akan kecil sehingga membuat variabel devenden
secara statistik tidak signifikan mempengaruhi variabel independent.
59
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
3. Walaupun secara individu variabel independent tidak berpengaruh
terhadap variabel dependen melalui uji statistik t, namun nilai koefisien
determinasi masih relatif tinggi.
Untuk mendeteksi ada tidaknya multikolinieritas dalam suatu model
OLS, maka menurut Yana Rohmana (2010: 143) dapat dilakukan beberapa
cara berikut ini :
1. Multikolinieritas diduga ketika R2 tinggi yaitu antara 0,7-1,00 tetapi
hanya sedikit variabel independent yang signifikan mempengaruhi
variabel dependen melalui uji t namun berdasarkan uji F secara statistik
signifikan yang berarti semua variabel independent secara bersama-sama
mempengaruhi variabel dependen.
Dalam hal ini menjadi kontradiktif dimana berdasarkan uji t secara
individual variabel independent tidak berpengaruh terhadap variabel
dependen, namun secara bersama-sama variabel independent
berpengaruh terhadap variabel dependen.
2. Dengan koefisien korelasi sederhana (zero coefficient of correlation), jika
nilainya tinggi menimbulkan dugaan terjadi multikolinier tetapi belum
tentu dugaan itu benar.
3. Dengan melihat hubungan tidak hanya satu variabel akan tetapi
multikolinieritas bisa terjadi karena kombinasi linier dengan variabel
independent lain. Keputusan ada tidaknya unsur multikolinier dalam
model ini biasanya dengan membandingkan nilai hitung F dengan nilai
kritis F, jika nilai hitung F lebih besar dari nilai kritis F dengan tingkat
signifikansi a dan derajat kebebasan tertentu maka dapat disimpulkan
model mengandung unsur multikolinier.
60
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
4. Dengan metode Klien, klien menyarankan untuk mendeteksi
multikolinier dengan membandingkan koefisien determinasi aukiliary
dengan koefisien determinasi model regresi aslinya yaitu Y dengan
variabel independent.
Sebagai rule of thumbuji klien ini, jika R2x1x2x3…x4 lebih besar dari R
2
maka model mengandung unsur multikolinier antara variabel
independent dan jika sebaliknya maka tidak ada korelasi antar variabel
independent.
Apabila terjadi multikolinieritas menurut Yana Rohmana
(2010:149), disarankan untuk mengatasinya dengan cara :
1. Penambahan sampel.
2. Menghilangkan variabel independent.
3. Menggabungkan data cross-section dan data time series.
4. Transformasi variabel.
5. Penambahan data.
3.6.2 Uji Heteroskedastis
Salah satu asumsi pokok lain dalam model regresi linier klasik ialah
bahwa varian-varian setiap disturbance term yang dibatasi oleh nilai tertentu
mengenai variabel-variabel bebas adalah berbentuk suatu nilai konstan yang
sama dengan 2. Inilah yang disebut sebagai asumsi homoskedastisitas,
(Yana Rohmana, 2010: 160). Konsekuensi logis dari adanya
heteroskedastisitas adalah menyebabkan perhitungan standard error metode
OLS menjadi tidak bisa dipercaya kebenarannya, akibatnya interval estimasi
61
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
maupun uji hipotesis yang didasarkan pada distribusi t maupun uji F tidak
bisa lagi dipercaya untuk evaluasi hasil regresi.
Heteroskedastisitas dapat dideteksi melalui beberapa cara antara lain:
melalui metode grafik, test park (uji park), uji glejser (glejser test), uji
korelasi spearmant, uji goldfield-Quandt, uji Breusch-Pagan-Godfrey, uji
umum heteroskedastis white, ujiheteroskedastis berdasarkan residual OLS
atau model ekonometrika linier. Pada penelitian ini peneliti akan mendeteksi
heteroskedastis dengan metode White, dengan kriteria sebagai berikut:
a. Hasil penghitungan melalui White Heteroscedasticity Test
menghasilkan nilai Obs*R-squared (χ2
hitung). Jika nilai χ2
hitung <
nilai χ2
tabel, maka model dalam penelitian terbebas dari masalah
heteroskedastisitas, begitupun sebaliknya.
b. Probability dari nilai Obs*R-squared (χ2
hitung) harus lebih besar dari
α 0,05 yang berarti model tidak terkena heterokedastisitas.
3.6.3 Uji Autokorelasi
Asumsi penting lainnya yang akan diuji dalam penelitian ini adalah
uji autokorelasi atau serial korelasi. Autokorelasi menggambarkan adanya
korelasi antara anggota observasi satu dengan observasi lain yang berlainan
waktu. Dalam kaitannya dengan asumsi OLS, autokorelasi merupakan
korelasi antara satu variabel gangguan dengan variabel gangguan yang lain
(Yana Rohmana 2010:192).
Adanya gejala autokorelasi dalam model regresi OLS dapat
menimbulkan :
1. Estimator OLS menjadi tidak efisien karena selang keyakinan melebar.
2. Variance populasi 2 diestimasi terlalu rendah (underestimated) oleh
variansresidual taksiran ( ^ 2).
62
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
3. Akibat butir b, R2 bisa ditaksir terlalu tinggi (overestimated).
4. Jika 2 tidak diestimasi terlalu rendah, maka varians estimator OLS
( ^ )
5. Pengujian signifikansi (t dan F) menjadi lemah.
Ada beberapa cara untuk mendeteksi autokorelasi pada model
regresi, diantaranya dengan mengguanakan metode Grafik, uji loncatan (Runs
Test) atau uji Geary (Geary Test), uji Durbion Watson (Durbin Watson d
test), uji Breusch-Godfrey (Breusch-Godfrey test). Pada penelitian ini, penulis
menggunakan uji Breusch-Godfrey (Breusch-Godfrey test) atau Lagrange
Multiplier (LM) untuk mendeteksi autokorelasi, yaitu dengan cara melihat
nilai probabilitasnya dengan ketentuan sebagai berikut:
a. Jika nilai probabilitasnya lebih besar dari 0.05 atau > α=5%, berarti
tidak ada autokorelasi.
b. Jika nilai probabilitasnya kurang dari 0.05 atau < α=5%, berarti ada
autokorelasi.
3.7 Analisis Data dan Pengujian Hipotesis
3.7.1 Teknik Analisis Data
Dalam penelitian ini teknik analisis data yang digunakan adalah
analisis regresi. Teknik analisis regresi digunakan untuk mengetahui
hubungan suatu variabel dependen dengan variabel independen (Yana
Rohmana, 2010: 21). Sedangkan model yang digunakannya adalah model
regresi linier berganda karena variabel bebasnya lebih dari satu buah.
Persamaan model dalam penelitian ini adalah sebagai berikut:
63
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
eXaXaXaXaaY 443322110
keterangan:
Y = Hasil belajar siswa
0a = Konstanta
α1, α2, α3, α4 = Koefisien
X1 = Kompetensi pedagogik
X2 = Kompetensi kepribadian
X3 = Kompetensi sosial
X4 = Kompetensi profesional
e = Variabel pengganggu / faktor residual
Untuk mendapatkan koefisien regresi berganda, digunakan analisis
Ordinary Least Square (OLS) atau analisis kuadrat terkecil. Formula atau
rumus regresi diturunkan dari suatu asumsi data tertentu. Dengan demikian
tidak semua data dapat diterapkan regresi. Jika data tidak memenuhi asumsi
regresi, maka penerapan regresi akan menghasilkan estimasi yang bias. Jika
data memenuhi asumsi regresi maka estimasi (α) yang diperoleh akan bersifat
BLUE yang merupakan singkatan dari Best, Linear, Unbiased, Estimator.
Best, artinya yang terbaik, dalam arti garis regresi merupakan
estimasi atau ramalan yang baik dari suatu sebaran data. Garis regresi
merupakan cara memahami pola hubungan antara dua seri data atau lebih.
Garis regresi adalah best jika garis itu menghasilkan error yang terkecil error
itu sendiri adalah perbedaan antara nilai observasi dan nilai yang diramalkan
oleh garis regresi. Jika best bersifat unbiased maka estimator regresi disebut
koefisien.
Linear. Estimator disebut linear jika estimator tersebut itu
merupakan fungsi linier dari sampel.
64
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
Rata-rata X =
∑
(X1 + X2 + ........... + Xn)
Adalah estimator yang linear, karena merupakan fungsi lineardari
nilai-nilai X. Nilai OLS juga merupakan klas estimtor\ yang linear
Unbiased. Estimator dikatakan unbiased jika nilai harapan dari
estimator sama dengan nilai yang benar dari β.
Rata-rata = β = β
Bias = Rata-rata β - β
Metode OLS yang dirumuskan di atas merupakan penaksir yang
memiliki sifat BLUE. OLS akan memiliki sifat BLUE jika memenuhi asumsi-
asumsinya, dari mana penururnan formula OLS tersebut diturunkan. Adapun
asumsinya adalah sebagai berikut:
1. Hubungan antara variabel Y (variabel dependen) dan X (variabel
independen) adalah linier dalam parameter.
2. Nilai X nilainya tetap untuk observasi yang berulang-ulang (non-
stocastic). Karena variabel independennya lebih dari satu maka ditambah
satu asumsi, tidak ada hubungan linier antara variabel independen atau
tidak ada multikolinieritas antar variabel X dalam persamaan model.
3. Nilai harapan (expected value) atau rata-rata dari variabel gangguan
adalah nol.
E(e/Xi) = 0
4. Varian dari variabel gangguan atau residual ei atau ei adalah sama
(homoskedastisitas).
Var(ei / Xi) = E[ei-E(ei / Xi)]2
= E(ei / Xi) karena asumsi 3
= 2
65
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
5. Tidak ada serial korelasi gangguan atau residual ei atau residual ei tidak
saling berhubungan dengan residual ei lain.
Cov(ei,ej / Xi,Xj) = E[(ei – E(ei) / Xi)] [(ej / E(ej) / Xj)]
= E(ei / Xi) (ej / Xj) = 0
6. Variabel gangguan ei berdistribusi normal.
Jika regresi linier berganda memenuhi 6 asumsi di atas, maka persamaan
regresi linier dapat diartikan sebagai berikut:
E (Y, / X1, X2, X3, X4) = eXaXaXaXaa 443322110
Artinya : nilai harapan (expected value) atau rata-rata dari Y pada nilai
tertentu dipengaruhi variabel independen X1, X2, X3 dan X4.
Sedangkan 1a adalah mengukur perubahan rata-rata Y atau nilai harapan
E (Y/ X1, X2, X3, X4) terhadap perubahan per unit X1 dengan asumsi
variabel X2, X3 dan X4 tetap. Begitu pula dalam mengukur koefisien 2a
3a 4a .
Berdasarkan asumsi di atas, maka jenis data yang akan dianalisis
harus memenuhi kriteria analisis regresi linier berganda. Jenis data yang
terkumpul adalah data ordinal dan interval, sejalan dengan tujuan penelitian
yaitu untuk mengetahui pengaruh kompetensi guru terhadap hasil belajar
siswa. Pengujian hipotesis ini menggunakan analisis regresi linier berganda
sebagaimana yang diungkapkan oleh Sugiyono (1999: 16) yang
mempersyaratkan bahwa “jenis data yang dapat diuji oleh regresi linier harus
memiliki data interval atau rasio”.
66
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
Dengan adanya syarat tersebut, maka data yang berjenis ordinal
yaitu data variabel bebas (X1, X2, X3 dan X4) harus ditingkatkan menjadi data
interval melalui Methods of Successive Interval (MSI). Salah satu
kegunaannya dalam skala pengukuran sikap adalah untuk menaikkan
pengukuran dari ordinal ke interval.
Hal itu sesuai dengan apa yang dikemukakan oleh Harun Al-rasyid
(1993: 131-134) dalam bukunya Teknik Penarikan Sampel dan Penyusunan
Skala. Langkah kerja Methods of Succesive Interval (MSI) adalah sebagai
berikut:
1. Perhatikan tiap butir pernyataan, misalnya dalam angket.
2. Untuk butir tersebut, tentukan berapa banyak orang yang mendapatkan
(menjawab) skor 1,2,3,4,5 yang disebut frekuensi.
3. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya
disebut Proporsi (P).
4. Tentukan Proporsi Kumulatif (PK) dengan cara menjumlah antara
proporsi yang ada dengan proporsi sebelumnya.
5. Dengan menggunakan tabel distribusi normal baku, tentukan nilai Z
untuk setiap kategori proporsi kumulatif yang telah diperoleh.
6. Tentukan nilai densitas untuk setiap nilai Z yang diperoleh dengan
mengunakan tabel ordinat distribusi normal baku.
7. Hitung SV (Scale Value) = Nilai Skala dengan rumus sebagai berikut:
( ) ( )
( ) ( )
8. Menghitung skor hasil tranformasi untuk setiap pilihan jawaban dengan
Rumus:
[ | |]
67
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
Selain dengan cara manual, penulis mengolah data MSI
menggunakan software STAT 97 yang merupakan aplikasi tambahan dari
software microsoft excel. Setelah data ditransformasikan dari data skala
ordinal ke skala interval, maka hipotesis dapat langsung diuji menggunakan
teknik analisis regresi untuk mengetahui ada tidaknya hubungan serta
pengaruh antar variabel bebas (X) dengan variabel terikat (Y) baik secara
simultan maupun parsial.
3.8 Uji Hipotesis
Untuk menguji hipotesis, dalam penelitian ini menggunakan uji dua
pihak yang dirumuskan secara statistik adalah sebagai berikut :
Ho : = 0, Artinya tidak ada pengaruh yang signifikan antara variabel X
terhadap variabel Y
H1 : 0, Artinya ada pengaruh yang signifikan antara variabel X terhadap
variabel Y
Adapun kesimpulan yang dijadikan dasar untuk menolak atau
menerima hipotesis adalah : Hipotesis hubungan secara keseluruhan atau
simultan H0 ditolak jika F hitung > F tabel dan H0 diterima jika F hitung < F
tabel, sedangkan untuk uji hipotesis hubungan secara parsial H0 ditolak jika t
hitung > t tabel dan H0 diterima jika t hitung < t tabel.
Dengan tingkat kesalahan atau error sebesar 0.05 atau 5% atau
tingkat signifikansi sebesar 95%. Untuk berbagai pengujian statistik yang
harus dilakukan lebih jelasnya akan diuraikan sebagai berikut :
3.8.1 Uji t Statistik
Untuk menguji hipotesis, maka dilakukan uji t dimana untuk
menguji hipotesis secara parsial dapat dihitung dengan menggunakan rumus:
68
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
.............2,1,1 iSe
t
(Sudjana, 2010: 388)
Setelah diperoleh t statistik atau t hitung, selanjutnya bandingkan
dengan t tabel dengan disesuaikan.
Kriteria: Ho diterima jika t statistik < t tabel, df [k;(n-k)]
Ho ditolak jika t statistik t tabel, df [k;(n-k)]
Artinya : apabila t statistik t tabel maka koefisien korelasi parsial tersebut
signifikan dan menunjukkan adanya pengaruh secara parsial antara variabel
terikat (dependent) dengan variabel bebas (independent), atau sebaliknya jika
t statistik < t tabel maka koefisien korelasi parsial tersebut tidak signifikan
dan menunjukkan tidak ada pengaruh secara parsial antara variabel terikat
(dependent) dengan variabel bebas (independent).
3.8.2 Uji F Statistik
Uji F Statistik bertujuan untuk menghitung pengaruh bersama
variabel bebas secara keseluruhan terhadap variabel terikat. Rumus yang
digunakan adalah :
F= ( )
( ) (Yana Rohmana 2010: 78).
Kemudian membandingkan antara nilai Fhitung dengan nilai Ftabel.
Dengan ketentuan sebagai berikut :
1) Jika Fhitung < Ftabel maka H0 diterima dan H1 (keseluruhan variabel bebas X
tidak berpengaruh terhadap variabel Y).
2) Jika Fhitung > Ftabel maka Ho ditolak dan H1 diterima (keseluruhan variabel
bebas X berpengaruh terhadap variabel terikat Y).
69
Rini Wulandari, 2014
Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
ii
3.8.3 Koefisien Determinasi
Koefisien determinasi (R2) merupakan cara untuk mengukur
ketepatan suatu garis regresi. Menurut Damodar Gujarati (1998: 98) dalam
bukunya Ekonometrika dijelaskan bahwa Koefisien determinasi (R2) yaitu
angka yang menunjukkan besarnya derajat kemampuan menerangkan variabel
bebas terhadap variabel terikat dari fungsi tersebut. Nilai R2 berkisar antara 0
dan 1 (0<2<1). Dengan ketentuan sebagai berikut :
1) Jika R2 semakin mendekati 1, maka hubungan antara variabel bebas
dengan variabel terikat semakin erat/ dekat, atau dengan kata lain model
tersebut dapat dinilai baik.
2) Jika R2 semakin menjauhi angka 1, maka hubungan antara variabel bebas
dengan variabel terikat jauh atau tidak erat, dengan kata lain model
tersebut dapat dinilai kurang baik.