E. Analisis Data
Analisis data dalam penelitian ini dilakukan terhadap kondisi internal, aksesibiltas dan keputusan melanjutkan sekolah. Kondisi internal individual
diukur dengan 2 parameter, yaitu motivasi melanjutkan dan prestasi akademik siswa. Berikut ini penjelasan kedua parameter tersebut.
1. Analisis Motivasi Melanjutkan
Motivasi siswa pada penelitian ini diukur berdasarkan kuesioner motivasi siswa melanjutkan sekolah dengan skala likert 1 sampai dengan 5. Kemudian
dari kuesiner tersebut diperoleh skor total motivasi per siswa yang dikelompokkan menjadi 5 kategori dengan ketentuan sebagai berikut.
Tabel 3. Kriteria Skor Motivasi Siswa Melanjutkan Sekolah No.
Skor Kriteria
1 35-62
Sangat rendah 2
63-90 Rendah
3 91-118
Sedang 4
119-146 Tinggi
5 147-175
Sangat tinggi Tabel tersebut diperoleh dengan langkah:
a. Mencari nilai tertinggi dan nilai terendah dari total skor motivasi siswa. b. Menentukan nilai rentang range dengan cara mencari selisih nilai tertinggi
dengan nilai terendah. c. Menentukan banyaknya kategori sebanyak 5 sesuai dengan pilihan jawaban.
d. Mencari interval untuk masing-masing skor perpustakaan.uns.ac.id
commit to user
e. Diperoleh klasifikasi skor nilai terendah ditambah dengan interval dan seterusnya sampai pada 5 kelas interval.
2. Analisis Prestasi Akademik
Prestasi akademik diambil dari data hasil ujian sekolah dan ujian
nasional siswa. Dari kedua nilai tersebut diambil nilai rata-ratanya.
3. Analisis Interaksi Wilayah
Data penelitian ini juga dianalisis dengan uji interaksi wilayah, yaitu untuk menguji interaksi antara asal siswa dan sekolah tujuan siswa. Formula uji
yang digunakan adalah sebagai berikut.
= Keterangan:
I
12
= Interaksi antar wilayah 1 dan 2 P
1
= Jumlah siswa wilayah 1 P
2
= Jumlah siswa wilayah 2 J
12
= Jarak antara rumah dan sekolah a = suatu konstanta empirik a=1
b = Suatu eksponen jarak b = 2 Bintarto Hadisumarno, 1991: 80
4. Statistik deskriptif
Nilai data yang diperoleh dalam penelitian ini dianggap sebagai ordinal. Namun, skor total yang diperoleh dari data ordinal ini dianggap sebagai interval
Sugiyono, 2006. Penyajian beberapa fitur dasar dari data yang diperoleh dalam rangka memperoleh beberapa informasi dan deskripsi dari data yang diperoleh
dalam bentuk yang mudah dikelola tanpa berusaha untuk mengambil kesimpulan perpustakaan.uns.ac.id
commit to user
dari data sampel ke populasi merupakan hal yang penting. Untuk tujuan ini maka digunakan statistik deskriptif dalam penelitian ini Bungin, 2006. Skor total
untuk semua variabel penelitian yang dikumpulkan melalui kuesioner juga disajikan dalam rata-rata, standar deviasi dan standar error. Nilai rata-rata dari
sampel kemudian dihitung untuk menggeneralisasi nilai rata-rata ini untuk seluruh siswa menggunakan rumus sebagai berikut:
Μ = µ + Se
. p
Dimana: M = Nilai rata-rata populasi
M = Nilai rata-rata sampel Se = Standard error of mean
p = Beberapa nilai pada interval kepercayaan tertentu Slamet, 2006
Selain itu, untuk mengetahui tingkat pencapaian untuk masing-masing variabel penelitian, nilai rata-rata yang diperoleh diatur dalam baris tertentu. Baris
ini dibagi tiga kategori; terendah, sedang dan tertinggi, sehingga masing-masing bagian mewakili seperempat garis. Sekarang lini memiliki empat bagian yang
sama. Nilai maksimum ditempatkan pada akhir baris, mewakili total skor maksimum yang dapat dicapai jika skor item Likert itu mencapai maksimum
dalam skor 5. Tingkat pencapaian semua variabel penelitian ditentukan dengan membandingkan nilai rata-rata dengan median dari kriteria ideal Sugiyono,
2008. Kategorisasi yang simple kemudian dibuat dengan rendah, agak rendah, sedang dan tinggi.
commit to user
5. Statistik inferensial Analisis Regresi Linier
Penelitian ini adalah untuk memastikan keterkaitan atau hubungan antara kondisi internal individual dan aksesibilitas sebagai variabel independen dan
keputusan melanjutkan sekolah sebagai variabel dependen. Oleh karena itu, analisis regresi digunakan dengan menggambarkan dan mengevaluasi hubungan
antara suatu variabel, biasanya disebut variabel dependen dan satu atau lebih variabel lain yang dikenal sebagai variabel independen Kutner, 2004. Pada
dasarnya regresi adalah untuk membuat prediksi dari variabel dependen dengan variabel independen. Maka penelitian ini mempertimbangkan analisis regresi
linier untuk mencapai tujuan penelitian. Sedangkan analisis regresi linear pada penelitian ini dilakukan dengan menggunakan software statistik SPSS.
Analisis regresi linier tidak menguji apakah data itu linear; linearitas menjadi prasyarat utama data untuk dimasukkan dalam analisis regresi linier
Kutner, 2004. Sebuah plot tersebar dari masing-masing variabel independen terhadap variabel dependen dilakukan untuk mendiagnosis apakah ada hubungan
linear di antara variabel-variabel ini. Menurut Suhardjo 2008, selain tes di atas untuk linearitas, ada empat
asumsi dasar lainnya untuk analisis regresi yang juga harus diperbaiki sebelum memasuki analisis regresi linear. Pertama, variabel dependen harus terdistribusi
normal. Untuk memeriksa normalitas variabel dependen digunakan uji normalitas Kolmogorov-Smirnov. Untuk uji normalitas ini sebelumnya, nilai p lebih besar
dari 0,05 dinyatakan bahwa distribusi variabel independennya adalah normal. Kedua, tidak boleh ada fenomena autokorelasi dalam sampel. Untuk memeriksa
commit to user
masalah autokorelasi digunakan diagram alur yang tersebar dari residual versus urutan data. Jika plot tersebar menunjukkan pola tertentu, maka data dianggap
bermasalah serius dengan autokorelasi. Ketiga, data harus bebas dari fenomena heteroscedastic. Ketika pola tertentu tidak ditunjukkan oleh diagram alur tersebar,
maka sampel yang mengalami heteroskedastisitas. Keempat, data yang diperoleh harus bebas dari fenomena multikolinearitas. Untuk memastikan bahwa data
bebas dari fenomena multikolinearitas, nilai VIF Vektor Inflation Factor harus kurang dari 10.
Ketika semua asumsi dasar adalah ditetapkan, data yang diperoleh dapat dimasukkan dalam Analisis Regresi Linear. Analisis regresi lain harus digunakan
jika sebaliknya. Model regresi linier untuk menguji hubungan antara kondisi internal dan aksesibilitas dan keputusan melanjutkan sekolah diberikan di bawah
ini: Y
= α + β
1
X
1
+ β
2
X
2
Dimana: Y: Keputusan melanjutkan sekolah
X
1
: Kondisi internal individual X
2
: Aksesibilitas Ketika analisis regresi linier telah dilakukan dan memberikan hasil
tertentu, nilai r
2
adalah statistik yang paling penting menunjukkan hubungan erat X dan Y Suhardjo, 2008. Nilai r
2
menunjukkan berapa banyak model dapat dapat memprediksi hubungan tertentu dengan garis regresi. Namun nilai ini hanya
memberikan panduan untuk kebaikan dan tidak menunjukkan apakah hubungan perpustakaan.uns.ac.id
commit to user
antara variabel signifikan secara statistik. Untuk ini, tes tambahan yang signifikan harus dilakukan uji ANOVA Kutner 2004.
Analisis ANOVA data dilakukan untuk menentukan apakah hubungan antara variabel signifikan secara statistik. signifikansi F terkait p-value untuk uji
F dari ANOVA menunjukkan apakah hubungan antara variabel dalam model regresi adalah signifikan secara statistik. Nilai p yang ditampilkan tergantung
pada hasil analisis regresi dan tingkat kepercayaan yang dipilih dalam penelitian. Pada hipotesis, untuk tingkat kepercayaan 95, jika p value kurang dari 0,05,
maka hipotesis nol ditolak ada hubungan statistik yang signifikan antara X dan Y. Sebaliknya, jika p value lebih besar dari 0,05, maka hipotesis nol diterima
tidak ada hubungan statistik yang signifikan antara X dan Y.
6. Pengujian Hipotesis
Penelitian ini mengajukan tiga hipotesis statistik, yaitu: 1. Kondisi internal individual memiliki hubungan signifikan dengan keputusan
siswa melanjutkan sekolah 2. Aksesibilitas
memiliki hubungan signifikan dengan keputusan siswa
melanjutkan sekolah
Hipotesis di atas harus diuji untuk mengetahui kemungkinan bahwa hipotesis yang diajukan diterima. Sebuah analisis korelasi di SPSS digunakan
untuk memeriksa hipotesis statistik yang diajukan apakah hipotesis yang diajukan diterima atau ditolak. Sebuah p-value merupakan indikator penting apakah
commit to user
hipotesis nol karena tidak ada korelasi antara variabel yang diuji diterima atau tidak. P-value lebih besar dari 0,05 menunjukkan bahwa hipotesis nol karena tidak
ada korelasi antara variabel yang diuji diterima. P-value kurang dari 0,05 menunjukkan bahwa hipotesis alternatif diterima karena ada korelasi antara
variabel yang diuji. Semakin kecil nilai p, semakin kuat bukti terhadap hipotesis nol.
commit to user
BAB IV HASIL ANALISIS DAN PEMBAHASAN
Kategori