50
a. Menentukan angka presentase tertinggi
Skor maksimal x 100 5 x 100 : 100 Skor maksimal 5
b. Menentukan angka presentase terendah
Skor minimal x 100 1 x 100 : 20 Skor maksimal 5
c. Rentang presentase 100 -20 : 80
d. Interval kelas presentase 80 : 5 : 16
Selanjutnya skor yang diperoleh dalam persen dengan analisis deskriptif presentase dikonsultasikan dengan kriteria sebagai berikut :
1. Motivasi Kerja
Presentase Kriteria 84 -
≤100 A sangat tinggi
68 - ≤ 84
B tinggi 52 -
≤ 68 C sedang
36 - ≤ 52
D rendah 20 -
≤ 36 E sangat rendah
2. Kepemimpinan Kepala Sekolah dan Kinerja Guru
Presentase Kriteria 84 -
≤100 A sangat baik
68 - ≤ 84
B baik 52 -
≤ 68 C cukup baik
36 - ≤ 52
D kurang baik 20 -
≤ 36 E tidak baik
2. Metode Analisis Statistik
a. Persamaan Garis Regresi Ganda
Metode ini digunakan untuk mengetahui pengaruh motivasi kerja guru akuntansi dan kepemimpinan kepala sekolah sebagai variabel bebas terhadap
51
kinerja guru akuntansi sebagai variabel terikat. Persamaan garis regresi digunakan rumus :
Y =
2 2
1 1
X b
X b
bo +
+
2 2
1 1
X b
X b
Y b
− −
=
2 2
1 2
2 2
1 2
2 1
1 2
2 1
∑ ∑
∑ ∑
∑ ∑
∑
− −
= x
x x
x y
x x
x y
x x
b
2 2
1 2
2 2
1 1
2 1
2 2
1 2
∑ ∑
∑ ∑
∑ ∑
∑
− −
= x
x x
x y
x x
x y
x x
b
Keterangan :
Y = variabel terikat kinerja guru
2 ,
1
, b b
= koefisien implementasi motivasi kerja, kepemimpinan kepala sekolah
x1,x2 = implementasi motivasi kerja, kepemimpinan kepala sekolah a
= konstanta
b. Uji Asumsi Klasik
Uji asumsi klasik dimaksudkan untuk mengetahui apakah model regresi penelitian memenuhi asumsi klasik yang Best Linier Unbias Estimator BLUE.
Uji asumsi klasik ini menguji persamaan model regresi yang dapat menghasilkan estimator linier yang baik dan tidak bias. Uji asumsi klasik digunakan untuk
memastikan bahwa model regresi berganda yang digunakan termasuk dalam kriteria baik atau tidak dengan cara mengujinya terlebih dahulu dengan
menggunakan uji normalitas, uji multikolineritas, uji autokorelasi, dan uji
2 2
1 1
X b
X b
Y b
− −
=
52
heteroskedastisitas. Namun dalam penelitian ini tidak menggunnakan uji autokorelasi karena dalam penelitian ini tidak menggunakan data time series atau
data observasi yang berurutan sepanjang waktu berkaitan satu sama lain 1.
Uji Normalitas Untuk mengisi normalitas data salah satu cara yang digunakan adalah
dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk suatu garis lurus
diagonal dan plotting data akan dibandingkan dengan garis diagonal. Jika distribusi data normal, maka garis yang menggambarkan data sesungguhnya akan
mengikuti garis diagonalnya. 2.
Multikolinieritas Multikolinieritas artinya antara variabel yang terdapat dalam model regresi,
memiliki hubungan yang sempurna salah satu cara untuk mengidentifikasi dengan mengkorelasikan antara variabel dan apabila korelasinya signifikan, maka antar
variabel bebas tersebut terjadi multikolinieritas. Deteksi adanya multikolinieritas dapat pula dipergunakan nilai VIF Varian Inflation Factor, bila nilai VIF
dibawah 10 dan nilai toleransi diatas 0,1 berarti data bebas multikolinieritas. Deteksi lain dengan melihat korelasi antara variable bebas, apabila masih
dibawah 0,8, maka dapat disimpulkan tidak mengandung multikolinieritas 3.
Uji Heteroskedastisitas Heteroskedastisitas berarti bahwa seluruh faktor gangguan tidak memiliki
varian yang sama atau tidak konstan. Uji heteroskedastisitas digunakan untuk mengetahui apakah dalanm model regresi terjadi ketidaksamaan varian dari
53
residual atau satu pengamatan ke pengamatan lain yang tetap, maka disebut homosekedasitas dan jika varian berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah tidak terjadi heteroskedastisitas.
c. Uji hipotesis