63
kesalahan pengukuran,maka reliabel alat pengukur. Sebaliknya makin besar kesalahan pengukur,makin tidak reliabel alat pengukur tersebut.untuk mengetahui
tingkat reliabelitas adalah besarnya nilai Cronbach’s Alpha. Nilai Cronbach’s Alpha semakin mendekati 1 berarti semakin tinggi konsistensi internal reliabilitasnya. Nilai
Cronbach’s Alpha lebih kecil dari 0,60 dikategorikan reliabilitasnya kurang baik. Adapun reliabilitas suatu konstruk variabel dikatakan reliabel jika memiliki nilai
Alpha Cronbach lebih besar dari 0.7 – 0.89, standarisasi reliabilitas ini didasarkan pada kaidah reliabilitas Guilford.
Tabel 3.2 Kaidah Reliabilitas Guilford
Koefisien Kriteria
0.2 Tidak Reliabel
0.2 – 0.39 Kurang Reliabel
0.4 – 0.69 Cukup Reliabel
0.7 – 0.89 Reliabel
0.9 Sangat Reliabel
2. Teknik Analisa Data
Analisa data yang digunakan adalah analisis kolerasi, analisis regresi serta mengintepretasikan hasil kolerasi.
a. Analisis Kolerasi
Analisis kolerasi digunakan untuk menguji tentang ada tidaknya hubungan antar variabel satu dengan yang lain. Dalam analisis kolerasi yang diperhatikan
adalah arah positif atau negatif dan besarnya hubungan atau kekuatan. Koefisien kolerasi mempunyai harga -1 hingga +1 bergerak dari nol hingga
64
satu dan memiliki nilai positif atau negatif. Semakin mendekati nilai 1 maka semakin besar atau kuat hubungan variabel atau sempurna, sebaliknya semakin
mendekati 0 maka semakin lemah atau kecil hubungannya. Analisis kolerasi dalam penelitian ini menggunakan koefisien korelasi Spearman, karna
digunakan untuk menganalisis kolerasi non parametrik yang variabelnya bersifat ordinal.
3
Untuk menentukan keeratan hubungan atau korelasi antar variabel tersebut berikut ini diberikan nilai-nilai dari koefisien kolerasi sebagai
patokan :
Tabel 3.3 Pedoman untuk Mengintepretasikan Koefisien Korelasi
Interval Koefisien Tingkat Hubungan
0.00 – 0.199 Sangat Rendah
0.20 – 0.399 Rendah
0.40 – 0.599 Sedang
0.60 – 0.799 Kuat
0.80 – 1.000 Sangat Kuat
Sumber: Sugiono 2002:183
b. Analisis Regresi
Analisis regresi berguna untuk menganalisis besarnya pengaruh variabel bebas independent terhadap variabel terikat dependent. Dalam penelitian ini
menggunakan analisis regresi linear berganda, karena menggunakan lebih dari satu variabel bebas independent. Selain itu penggunaan model regresi linier
berganda dimaksudkan agar banyaknya variabel independen yang diduga akan mempengaruhi variabel dependen dapat terakomodir serta dapat secara jelas
pola hubungan yang terbentuk antar variabelnya. Model persamaan regresi
3
Tony Wijaya. Analisis Data Penelitian Menggunakan SPSS. Yogyakarta: Penerbit Universitas Atma Jaya Yogyakarta, 2009. h. 81-82
65
linier berganda digunakan untuk meramalkan Y. Apabila semua nilai variabel independen diketahui, maka kita dapat menggunakan persamaan regresi linier
berganda. Model regresi linier berganda dirumuskan sebagai berikut:
Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ ε
i
Dimana: Y
= Keberhasilan BMT α
= Elemen Konstanta β
1
sd n = Koefisien regresi variabel independen X
1
= Rasa Memiliki X
2
= Manajerial yang baik X
3
= Jaringan ε
i
= Suku kesalahan untuk tujuan perhitungan εi
,
diasumsikan 0
c. Koefisien Determinasi
Dalam regresi linier berganda terdapat nilai koefisien determinasi. Koefisien determinasi R
2
dalam regresi linier berganda bertujuan untuk mengetahui berapa besar peran atau kontribusi dari beberapa variabel yang terdapat dalam
persamaan regresi tersebut dalam menjelaskan nilai variabel dependen. Besarnya determinasi dari 0 sampai dengan 1.
4
4
Tony Wijaya. Analisis Data Penelitian Menggunakan SPSS. h. 92
66
3. Interpretasi Hasil Regresi a.
