lingkungan sekolah berkenaan dengan pembangunan karakter, 4 Rancangan pembelajaran yang baik, meliputi bahan ajar, metode pembelajaran, dan media
pembelajaran. Hal tersebut juga sejalan dengan pembelajaran pembangunan karakter yang baik pula dengan indikator-indikator interaksi antar peserta didik,
prilaku peserta didik, dan suasana pembelajaran yang baik.
4.1.4 Uji Asumsi
Sebelum melakukan uji kuantitatifstatistik, langkah awal yang dilakukan adalah screening terhadap data yang akan diolah, khususnya jika tujuannya adalah
inferensi Gozali, 2005:27. Asumsi yang harus dipenuhi dalam analisis lisrel yang merupakan bentuk suatu distribusi data pada suatu variable metrik tunggal
dalam menghasilkan distribusi normal adalah uji normalitas dan mendeteksi data outlier
. Uji asumsi dilakukan dengan dua alat analisis data yaitu SPSS Statistical Program for Social Science
versi 12.00 dan Lisrel Linier Structural Relationship guna penyusunan model persamaan structural Structural Equation
Modeling .
1. Uji normalitas dan Outlier Data dengan menggunakan SPSS
Asumsi awal pada pengolahan data statistik adalah bahwa setiap data pada setiap variabel penelitian membentuk distribusi normal. Pada data yang
berkategori nominal dan ordinal non parametris maka peneliti perlu membuktikan terlebih dahulu bahwa data yang akan diteliti berdistribusi normal
Sugiyono, 2000:70. Apabila asumsi normalitas tidak dipenuhi dan
penyimpangan normalitas tersebut besar, maka seluruh hasil uji statistik adalah
tidak valid. Ghozali dan Fuad. 2005:36. Untuk melakukan pengujian terhadap normalitas data, dilakukan uji
Kolmogorov-Smirnov. Oleh karena itu ditentukan terlebih dahulu hipotesis pengujian, yaitu;
H0 : µ = data terdistribusi normal Ha : µ = data tidak terdistribusi normal
Aturan pengambilan keputusan adalah bila nilai signifikansi lebih besar daripada 0,05 derajat kepercayaan maka Ho diterima Imam Ghozali. 2006:30.
Hasil perhitungan uji normalitas dengan menggunakan uji Kolmogorov- Smirnov untuk data parametrik, diperoleh bahwa secara meyakinkan seluruh
variabel mempunyai nilai probabilitas signifikansi lebih besar daripada alpha 0,05, maka menerima Ho dan Menolak Ha. Hal ini berarti bahwa Ho diterima
yang berarti data terdistribusi normal. Berikut hasil pengujian SPSS dengan uji Kolmogorov-Smirnov.
Pada lampiran A tabel 1, terlihat bahwa seluruh variabel observed 15 observerd variables
pada 5 latent variables terlihat bahwa mempunyai nilai probabilitas signifikansi asymp Sig 2-tailed lebih besar daripada alpha 0,05.
Hal ini berarti bahwa Ho diterima yang berarti data terdistribusi normal. Setelah uji normalitas data, maka langkah berikutnya adalah mendeteksi data
outlier . Data outlier adalah data yang memiliki kasus atau data yang memiliki
karakteristik unik yang terlihat berbeda jauh dari observasi lainnya dan muncul dalam bentuk nilai ekstrem baik untuk variabel tunggal maupun kombinasi
Ghozali, 2006: 36. Aplikasi Analisis Multivariate dengan Program SPSS. adalah dengan mengkonversi nilai data ke dalam skor standardized atau z score.
Untuk sampel besar lebih dari 80 maka jika skor standardized berada pada kisaran 3 sampai dengan 4 maka dinyatakan outlier Gozali, 2006: 42.
Dari hasil perhitungan SPSS versi 12 diperoleh hasil dalam lampiran A tabel 2. terlihat dalam tabel di atas bahwa nilai minimum dan nilai maksimum
tidak ada yang berada pada kisaran 3 sampai dengan 4. Maka data penelitian adalah bukan termasuk data outlier. Setelah tidak ada yang teridentifikasi data
outlier maka langkah selanjutnya adalah tetap mempertahankan data tersebut
tanpa ada pembuangan data artinya bahwa asumsi dasar untuk modeling pada structural equation modeling
dapat terpenuhi.
2. Uji Normalitas dan Outlier Data dengan Menggunakan Lisrel Versi 8.51
Dalam uji normalitas dengan menggunakan lisrel ini adalah dengan melihat
kenormalan suatu distribusi data melalui chartdiagram dan Uji normalitas data dengan menggunakan z test test normalitas.
Normal tidaknya suatu data dapat dideteksi lewat plot grafik histogram. Data histogram ini memberikan distribusi data dalam bentuk grafik, bila data berbentuk
lonceng tegak, tidak miring ke kiri atau ke kanan adalah data berbentuk normal. deskripsi dari data yang dijelaskan lewat histogrambar charts pada lampiran 8.
Terlihat dari chart histogram di atas bahwa data mempunyai kecenderungan normal dimana pada central histogram terlihat memuncak seperti pada bentuk
lonceng yang tegak lurus, sehingga dapat disimpulkan bahwa data pada setiap indikator adalah normal.
Selain menggunkan charts uji normalitas dapat dilakukan dengan Uji Z seperti pada lampiran 8.
Dari output di atas dapat diketahui bahwa data memenuhi asumsi univariate normality
yang terlihat dari nilai pada kolom skewness dan kurtosis. Suatu data dikatakan terbebas dari univariate normality bila memilki p value skewness dan
kurtosis tidak signifikan lebih dari 0,05. Kemudian dari nilai pada lisrel test pada lampiran 8 terlihat nilai dari tiap
variabel observed. Nilai tersebut dibandingkan dengan nilai maksimal dan minimal minimum dari setiap observed variables maximum pada tabel manual
dibawah ini. Tabel 19. Nilai Manual dari Observed Variables
Latent Observed
butir perty
Nilai Ideal Maks.
Min Apresiasi Guru
tentang Character
Building Kognisi tentang character
building 4
20 4
Afeksi character building 4
20 4
Psikomotor berkenaan dengan character building
6 30
6 Jumlah
14 70
14 Kepemimpinan
Kepala Sekolah Membina 6
30 6
Memfasilitasi kreatifitas Guru 4
20 4
Kerja sama 4
20 4
Jumlah 14
70 14
Kultur Sekolah Tata nilai di lingkungan sekolah
berkenaan dengan character building
4 20
4 Sikap hidup di lingkungan
sekolah berkenaan dengan character building
4 20
4 Kebiasaan di lingkungan sekolah
berkenaan dengan character building
6 30
6
Jumlah 14
70 14
Rancangan Pembelajaran
Bahan ajar 6
30 6
Metode pembelajaran 6
30 6
Media pembelajaran 6
30 6
Jumlah 18
90 18
Pembelajaran Character
Building Interaksi antar peserta didik
6 30
6 Perilaku peserta didik
6 30
6 Suasana pembelajaran
8 40
8 Jumlah
20 100
20
Output Lisrel di atas adalah output statistik deskriptif yang memberikan
informasi mengenai mean, standar deviasi skewness dan kurtosis, nilai minimal dan maksimal pada suatu variabel. Output diatas berguna untuk mendeteksi secara
kasar adanya outlier data pada penelitian yang menggunakan skala likert. Dari output
di atas dapat diketahui bahwa tidak terdapat nilai ekstrem pada nilai minimal dan maksimal. Nilai minimal dan maksimal observer variable pada uji
lisrel diantara nilai maksimal dan minimal tabel manual. Dari tabel di atas dan perhitungan lisrel diketahui bahwa nilai terletak di antaranya maka dapat
diinterpretasikan bahwa data tersebut bukan data outlier keluar dari seharusnya.
4.1.5. KONFIRMATORI MODEL DESKRIPSI MODEL
