Alpha 0,60. Berarti bahwa instrumen yang memuat kedua variabel ini semuanya reliabel dan layak digunakan penelitian.
3.7 Metode Analisis Data
Dalam penelitian ini, teknik analisis yang digunakan untuk mengetahui bagaimana pengaruh pendidikan karakter dan fasilitas belajar
terhadap hasil belajar meliputi :
3.7.1 Metode Analisis Deskriptif Persentase
Analisis deskriptif persentase digunakan untuk mendeskripsikan persentase masing-masing variabel bebas yaitu variabel pendidikan karakter
dan fasilitas belajar terhadap hasil belajar. Adapun langkah-langkahyang dilakukan dalam penggunaan metode analisis deskriptif persentase ini
sebagai berikut: 1.
Mengumpulkan angket yang telah diisi responden dan memeriksa kelengkapan.
2. Mengubah skor kualitatif menjadi skor kuantitatif, dengan cara:
a. Jawaban Sangat Setuju SS diberi skor 5 b. Jawaban Setuju S diberi skor 4
c. Jawaban Kurang Setuju KS diberi skor 3 d. Jawaban Tidak Setuju TS diberi skor 2
e. Jawaban Sangat Tidak Setuju STS diberi skor 1 3.
Membuat tabulasi data
4. Menjumlahkan skor jawaban yang diperoleh dari setiap responden
5. Memasukkan skor kedalaman rumus deskriptif persentase sebagai
berikut : DP =
�
× 100 Ali. 1993:186. Keterangan :
DP = Deskriptif Persentase n = jumlah skor jawaban responden
N = jumlah skor jawaban ideal = tingkat keberhasilan yang dicapai
6. Hasil tersebut dikonsultasikan ke tabel kriteria untuk masing-masing
variabel sebagai berikut: a. Menetapkan persentase tertinggi
=
� � � � �
× 100 =
5 5
× 100 = 100
b. Menetapkan persentase terendah =
� � � � �
× 100 =
1 5
× 100 = 20
c. Menetapkan rentangan persentase = 100 - 20 = 80
d. Menetapkan kelas interval = 5 e. Interval = 80 : 5
= 16
Untuk mengetahui tingkat kriteria, selanjutnya skor yang diperoleh dalam dengan analisis deskriptif persentase dikonsultasikan dengan
tabel kriteria. Berikut adalah tabel dan kriteria dari perhitungan diatas:
Tabel 3.5 Kriteria Deskriptif Persentase
No Interval persentase skor
Kriteria 1
84 - 100 Sangat Baik
2 68 - 84
Baik 3
52 - 68 Cukup Baik
4 36 - 52
Tidak Baik 5
≤ 0,36 Sangat Tidak Baik
3.7.2 Uji Asumsi Klasik
Sebelum menentukan model regresinya, maka persamaan regresi harus memenuhi uji asumsi klasik terlebih dahulu karena akan dijadikan
sebagai alat prediksi. Uji asumsi klasik bertujuan untuk mengetahui apakah model regresi yang digunakan menganalisis penelitian ini memenuhi asumsi
klasik atau tidak. Pengujian asumsi klasik untuk mengetahui apakah hasil regresi yang
dilakukan benar-benar bebas dari gejala heteroskedastisitas dan multikolinearitas.
3.7.2.1 Uji Normalitas
“Uji normalitas bertujuan untuk mengkaji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal.
Seperti diketahui bahwa uji t dan F mangasumsikan bahwa nilai residual mengikuti distribusi normal
” Ghozali, 2009:147. Menurut Ghozali 2009:149 pada prinsipnya normalitas
dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya
sebagai berikut: 1 Jika data menyebar disekitar garis diagonal dan mengikuti arah
garis diagonal atau grafik histogram menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi
normalitas.
2 Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan
pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Uji kenormalan data dilakukan dengan Uji Kolmogorov Smirnov K- S. Selain itu dapat dilihat dengan grafik normal P-P Plot. Data dianalisis
dengan progam SPSS for windows release 16. Pengambilan keputusan uji adalah:
Jika sig 2 tailed α 0,05 = maka model regresi memenuhi distribusi normal.
Jika sig 2 tailed ≤ α 0,05 = maka model regresi tidak memenuhi
distribusi normal.
3.7.2.2 Uji Multikolinieritas
“Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen ” Ghozali,
2009:95. Pengujian ini dilakukan dengan alat bantu progam SPSS for windows release 16
. Keputusan uji “Jika nilai toleransi ≤ 0,10 dan VIF ≥ 10 = maka telah terjadi multikoli
nieritas, jika nilai toleransi ≥ 0,10 dan VIF ≤ 10 = maka tidak terjadi m
ultikolinieritas” Ghozali, 2009:96.
3.7.2.3 Uji Heteroskedastisitas
Menurut Ghozali
2009:125 menarik
kesimpulan tentang
heteroskedastisitas sebagai berikut: Uji heteroskedastisitas bertujuan untuk menguji apakah
model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual
satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
3.7.3 Metode Analisis Regresi Linier Berganda
M enurut Sudjana 2005:310 “merupakan hubungan yang didapat
pada umumnya dinyatakan dalam bentuk persamaan matematik dalam hubungan fungsional antara variabel-
variabel”. Teknik ini digunakan untuk mengetahui hubungan antara dua
variabel atau lebih yang dinyatakan dalam sebuah persamaan matematik sebagai berikut:
Ŷ = α + b
1
X
1
+ b
2
X
2
Keterangan : Ŷ
= variabel terikat yaitu hasil belajar α
= konstanta b
1
= koefisien variabel X
1
b
2
= koefisien variabel X
2
X
1
= koefisien regresi pendidikan karakter X
2
= koefisien regresi fasilitas belajar Sugiyono, 2009:267.
3.8 Pengujian Hipotesis
“Pada umumnya hipotesis dirumuskan untuk menggambarkan hubungan dua variabel akibat” Suharsimi, 2010:112. Pengujian hipotesis
dalam penelitian ini meliputi uji simultan dan uji parsial.
3.8.1 Uji Simultan Uji F
“Uji pengauh simultan digunakan untuk mengetahui apakah variabel independen secara bersama-sama atau simultan mempengaruhi variabel
dependen ” Ghozali, 2009:88. Uji simultan ini menggunakan alat bantu
progam SPSS for windows 16. Untuk uji F dengan taraf signifikan 5 atau taraf kepercayaan 95.
a. Merumuskan hipotesis statistik
