G. Teknik Analisis Data
Pengujian hipotesis dalam penelitian ini menggunakan analisis product moment dan analisis korelasi ganda. Agar kesimpulan tidak
menyimpang dari yang seharusnya, maka terlebih dahulu harus dilakukan uji prasyarat analisis korelasi yaitu uji normalitas dan uji linieritas sebagai
prasyarat untuk dilakukan analisis data. 1. Pengujian Prasyaratan Analisis Data
a. Pengujian Normalitas Pengujian normalitas dimaksudkan untuk mengetahui apakah
setiap variabel berdistribusi normal atau tidak. Untuk meguji normalitas setiap data variabel, digunakan uji one sampel Kolmogorov-
Smirnov. Pengujian normalitas dilakukan dengan bantuan program
SPSS 11.0. jika nilai a hitung untuk tiap-tiap variabel penelitian ini dibawah a = 0,05 maka distribusi data variabel tersebut adalah tidak
normal. Jika masing-masing variabel mempunyai nilai di atas 0,05 maka dapat disimpulkan bahwa variabel penelitian berdistribusi
normal, adapun rumus uji Kolmogorov-Smirnov sebagai berikut Imam Ghozali, 2002: 36:
Xi S
Xi Fo
Max D
N
− =
Keterangan: D
= Deviasi maksimum FoXi
= Fungsi distribusi frekuensi kumulatif yang ditentukan S
N
= Distribusi frekuensi kumulatif observasi
Selanjutnya untuk mengetahui apakah distribusi frekuensi masing- masing variabel normal atau tidak dilakukan dengan ketentuan sebagai
berikut yaitu jika probabilitas lebih besar dari a = 0,05 bararti sebaran data normal dan jika nilai probabilitas lebih kecil dari a = 0,05 berarti
sebaran data tidak normal.
b. Pengujian Linieritas Pengujian linieritas dilakukan untuk mengetahui apakah masing-
masing variabel bebas mempunyai hubungan linier atau tidak dengan variabel terikatnya. Untuk uji linieritas ini digunakan rumus persamaan
garis regresi dengan menguji signifikansi nilai F. adapun rumus yang digunakan untuk mencari nilai F adalah sebagai berikut :
F=
2 2
e TC
S S
Dimana : S
TC 2
= 2
− K
TC JK
S
e 2 =
K n
E JK
− Keterangan :
F : Nilai F untuk garis regresi
S
TC 2
: Varians tuna cocok S
e 2
:
Varians kekeliruan JKTC: Jumlah kuadrat tuna cocok
JKE : Jumlah kuadrat kekeliruan
Berdasarkan hasil penelitian selanjutnya dibandingkan dengan F tabel dengan taraf signifikan 5 . Koefisien F
hitung
diperoleh dari perhitungan SPSS 11.0. jika nilai F
hitung
nilai F
tabel
maka hubungan antara variabel bebas denagn variabel terikat linier. Dan sebaliknya jika nilai
F
hitung
F
tabel
maka hubungan antara variabel bebas dan variabel terikat tidak linier.
c. Pengujian Asumsi Klasik 1. Multikolinieritas Multicollinierty
Multikolinieritas adalah adanya hubungan yang tinggi variabel-variabel bebas diantara satu dengan lainnya. Dalam hal ini
disebut variable yang tidak orthogonal. Variabel yang bersifat tidak orthogonal adalah variable bebas yang korelasinya tidak sama
dengan nol. Untuk mendeteksi masalah multikolinieritas digunakan rumus korelasi. Rumus korelasinya sebagai berikut Suharsimi
Arikunto, 2004:425: r
xy
=
{ }
∑ ∑
∑ ∑
∑ ∑ ∑
− −
−
2 2
2 2
y Y
N Y
X N
Y X
XY N
Selanjutnya dengan bantuan komputer program SPSS diadakan analisis Collin earity statistics. Dari hasil Collinearity
statistics akan diperoleh VIF Variance Inflation Factor. Untuk
mengetahui terjadi tidaknya multikolinieritas, digunakan ketentuan sebagai berikut :
1 jika VIF5, maka terjadi multikolinieritas.
2 jika VIF5, maka tidak terjadi multikolinieritas.
2. Heteroskedastisitas Heteroskedastisitas adalah suatu keadaan dimana varian dan
kesalahan pengganggu tidak konstan untuk semua nilai variable bebas Suprapto.J,2004:60. Untuk mendeteksi ada tidaknya
masalah heteroskedastisitas digunakan uji korelasi rank dari Sperman
. Rumus korelasi dari sperman didefinisikan sebagai berikut:
r
s
= 1-6
−
∑
1
2 2
1
n n
d
Dimana: d
1
= Perbedaan pada rank yang diberikan kepada dua karakteristik yang berbeda dari individu atau fenomena ke-i
n = Banyaknya individu atau fenomena yang diberi rank. Selanjutnya dengan bantuan komputer program SPSS, untuk
menentukan terjadi tidaknya masalah heteroskedastisitas digunakan ketentuan sebagai berikut:
1 jika r
s
hitung r
s
tabel, maka terjadi heteroskedastisitas. 2 jika r
s
hitung r
s
tabel, maka tidak terjadi heteroskedastisitas.
3. Autokorelasi Autukorelasi ialah suatu keadaan dimana kesalahan
pengganggu dalam periode lainnya.Jadi kesalahan pengganggu tidak bebas, satu sama lain berkorelasi, saling berhubungan
Suprapto.J,2004:102. Untuk mendeteksi t ada tidaknya masalah autukorelasi dapat diuji dengan jalan menghitung “The Durbin -
Watson Statistic,d”
d=
∑ ∑
− =
−
−
n n
t n
t t
t
e e
e
1 2
2 1
Dimana: d = Statistik Durbin -Watson
t
e = Gangguan estimasi t = Observasi terakhir
t-1 =Observasi sebelumnya Untuk memperoleh kesimpulan apakah ada masalah
autukorelasi atau tidak, hasil hitungan statistik d harus dibandingkan dengan tabel statistik d. Pemilihan angka dan tabel
d harus memperhatikan parameter =k, dan jumlah observasi =n, pada tingkat signifikansi = tertentu.
2. Pengujian Hipotesis Penelitian a. Rumusan Hipotesis
1 Rumusan Hipotesis I Ho = Tidak ada hubungan positif antara profesionalitas guru
dengan prestasi belajar siswa . Ha = Ada hubungan positif antara profesionalitas guru dengan
prestasi belajar siswa. 2 Rumusan Hipotesis II
Ho = Tidak ada hubungan positif antara disiplin belajar dengan prestasi belajar siswa .
Ha = Ada hubungan positif antara disiplin belajar dengan prestasi belajar siswa.
3 Rumusan Hipotesis III Ho = Tidak ada hubungan positif antara fasilitas belajar
dengan prestasi belajar siswa . Ha = Ada hubungan positif antara fasilitas belajar dengan
prestasi belajar siswa. 4 Rumusan Hipotesis IV
Ho = Tidak ada hubungan positif antara profesionalitas guru, disiplin belajar dan fasilitas belajar dengan prestasi
belajar siswa .
Ha = Ada hubungan positif antara profesionalitas guru, disiplin belajar dan fasilitas belajar dengan prestasi belajar
siswa. b. Pengujian Hip otesis dan penarikan kesimpulan
1 Hipotesis I - III Untuk menguji hipotesis pertama yaitu terdapat hubungan yang
positif dan signifikan antara profesionalitas guru X
1
dengan prestasi belajar siswa Y dan menguji hipotesis kedua, yaitu terdapat
hubungan yang positif dan signifikan antara disiplin belajar siswa X
2
dengan prestasi belajar siswa Y, dan menguji hipotesis ketiga yaitu terdapat hubungan yang positif dan signifikan antara fasilitas belajar
siswa X
3
dengan prestasi belajar siswa Y penulis menggunakan analisis korelasi product moment Suharsimi Arikunto1998:256.
Sedangkan untuk data yang berdistribusi tidak normal penulis menggunakan korelasi Spearman Rank Sudjana,1989:439 untuk
menguji hipotesis pertama, kedua dan ketiga. Adapun rumus korelasi product moment adalah sebagai berikut :
r
ry =
{ }
{ }
2 2
2 2
Y XY
X X
Y X
XY N
∑ −
∑ ∑
− ∑
Σ Σ
− Σ
Keterangan : r = korelasi skor item dengan skor total
X = skor item Y = skor total
N = jumlah subyek
Kriteria pengambilan keputusan yaitu apabila koefisien korelasi hitungan r lebih besar dari koefisien korelasi dalam tabel dan taraf
signifikansi 5, maka berarti antara variabel yang diuji terdapat hubungan yang positif dan signifikansi. Sedangkan jika didapatkan
koefisien korelasi hitungan r lebih kecil dari koefisie n korelasi dalam tabel, berarti antara variabel terdapat hubungan yang negatif dan tidak
signifikansi. Untuk mengetahui signifikan tidaknya suatu hasil korelasi akan
diuji dengan menggunakan uji t Sujadna, 1996:380 dengan rumus : t =
2
1 2
r n
r −
−
Keterangan : t
= harga tes yang dicari r
= koefisien korelasi n
= jumlah sampel Kriteria untuk menerima atau menolak hipotesis yaitu bila t
hitung
lebih besar dari t
tabel
maka hipotesis diterima dan bila t
hitung
lebih kecil dari t
tabel
maka hipotesis ditolak. 2 Hipotesis IV
Untuk menguji hipotesis keempat yaitu terdapat hubungan positif dan signifikan antara profesionalitas guru X
1
, disiplin belajar siswa X
2
, fasilitas belajar siswa X
3
, dengan prestasi belajar siswa Y, penulis menggunakan teknik analisis regresi
ganda Sudjana 1989: 383 sedangkan untuk data yang
berdistribusi tidak normal penulis menggunakan Analisis Chi Kuadrat
Sugiyono,2004:104 untuk menguji hipotesis keempat. Adapun rumus analisis regresi ganda Sutrisno hadi: 33
sebagai berikut :
Y = aX
1
+ aX
2
+ aX
3
+ k
Keterangan: Y : Variabel terikat kriterium X
1
: Bilangan bebas pertama a : Bilangan koefisien
X
2
: Bilangan bebas kedua k : Bilangan konstanta X
3
: Bilangan bebas ketiga
Mencari koefisien korelasi antara kriterium Y dengan prediktor X
1
,X
2
dan X
3
dengan rumus :
∑ ∑
∑ ∑
+ +
=
2 3
3 2
2 1
1 123
y y
x a
y x
a y
x a
R
y
Keterangan: a
1
= Koefisien variabel bebas x
1
a
2
= Koefisien variabel bebas x
2
a
3
= Koefisien variabel bebas x
3
∑
y x
1
=Jumlah produk antara x
1
dan y
∑
y x
2
= Jumlah produk antara x
2
dan y
∑
y x
3
= Jumlah produk antara x
3
dan y
3 .
2 .
1
R =Koefisien korelasi antara y dengan
3 ,
2 ,
1
x x
x Selanjutnya untuk menguji apakah koefisien korelasi tersebut
signifikan atau tidak maka digunakan uji F dengan rumus sebagai berikut Suharsimi Arikunto, 1998:579:
Untuk menguji signifikan antara variabel bebas secara bersama-sama dengan variabel terikat digunakan uji F, sebagai berikut
R
2
N – m – 1 F
reg
= ------------------------------- m1 – R
2
Keterangan : F
reg
= Harga F garis regresi yang dicari R
2
= Koefisien korelasi antara kriterium dengan prediktor N
= Banyaknya subyek yang terlibat M
= Banyaknya prediktor Nilai F
hitung
tersebut selanjutnya dibandingkan dengan nilai F
tabel
pada tingkat signifikan alpha 5 . Jika nilai F
hitung
lebih besar dari nilai F
tabel
berarti hipotesis alternatif diterima atau hipotesis nol ditolak dan sebaliknya jika nilai F
hitung
lebih kecil dari nilai F
tabel
berarti hipotesis alternatif ditolak atau hipotesis nol diterima.
3 . Sumbangan Variabel Bebas Terhadap Variabel Terikat a Sumbangan Relatif SR
Sumbangan relatif dipergunakan untuk memenuhi seberapa besar sumbangan masing-masing variabel bebas dalam perbandingan
terhadap nilai variabel terkait. Besarnya sumbangan relatif masing- masing variabel diwujudkan dalam bentuk persentase dengan rumus
sebagai berikut :
SR = 100
x JK
xy a
reg
∑
Keterangan : SR = sumbangan relatif dari suatu variabel bebas
a = koefisien variabel bebas
∑
xy = jumlah produk antara variabel bebas X dan variabel terikat Y
JK
reg
= jumlah kuadrat regresi
b. Sumbangan Efektif SE Sumbangan efektif digunakan untuk mengetahui seberapa besar
sumbangan masing-masing variabel bebas atau prediktor dalam menunjang efektivitas garis regresi untuk keperluan pengadaan
prediksi. Besarnya sumbangan efektif masing-masing variabel diwujudkan dalam bentuk persentase dengan rumus sebagai berikut :
SE = SR x R
2
Keterangan : SE = Sumbangan Efektif suatu variabel bebas
SR = Sumbangan Relatif dari suatu variabel bebas R
2
= Koefisien Determinasi
45
BAB IV HASIL TEMUAN LAPANGAN
Kategori