Teknik Pengumpulan Data Analisis Data dan Pengujian Hipotesis .1 Teknik Analisis Data

51 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii mendalam yang mencangkup penguasaan substansi isi materi, sebagai guru mata pelajaran, pembelajaran, struktur, konsep dan pola pikir keilmuan yang mendukung mata pelajaran 2. Memahami tujuan pembelajaran 3. Mengolah materi pelajaran secara kreatif Variabel Konsep Teoritis Konsep Empiris Konsep Analitis Skala Memahami kurikulum serta menambah wawasan keilmuan Undang-undang No. 14 Tahun 2005 tentang Guru dan Dosen 4. Mengikuti kemajuan zaman dengan belajar dari berbagai sumber 5. Memanfaatkan teknologi informasi dan komunikasi dalam proses belajar mengajar Hasil belajar Y Hasil belajar adalah kemampuan yang dimiliki siswa setelah ia menerima pengalaman belajarnya Nana Sudjana 2001:22 Nilai UN yang diperoleh siswa dalam mata pelajaran ekonomi Data diperoleh dari sekolah tempat diadakan penelitian tentang nilai UN SMAN Cluster 1 se-kota Bandung tahun ajaran 20122013 pada mata pelajaran ekonomi Interval

3.4 Teknik Pengumpulan Data

Teknik pengumpulan data merupakan cara atau langkah yang digunakan untuk memperoleh data yang diperlukan dalam penelitian Berdasarkan jenisnya, data yang digunakan dalam penelitian ini adalah data primer, yaitu data yang diperoleh langsung dari responden melalui kuesioner. Alat pengumpul data dalam penelitian ini adalah: 1. Kuesionerangket, yaitu berupa daftar pertanyaan untuk menggali informasi mengenai masalah yang dibahas. Adapun kuesioner yang digunakan dalam penelitian ini adalah bentuk kuesioner tertutup. 52 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii 2. Studi dokumentasi, yaitu studi untuk mencari data mengenai hal-hal atau variabel yang diteliti berupa dokumen-dokumen yang ada pada objek penelitian, dalam hal ini data diperoleh dari dinas pendidikan kota Bandung dan sekolah diadakannya penelitian tentang nilai UN mata pelajaran ekonomi SMA tahun ajaran 20122013. 3. Studi literatur, yaitu teknik pengumpulan data dengan cara memperoleh atau mengumpulkan data dari jurnal, artikel, dan media cetak lainnya yang berhubungan dengan konsep dan pembahasan yang diteliti.

3.5 Pengujian Instrumen Penelitian

Analisis instrumen penelitian digunakan untuk menguji apakah instrumen penelitian ini memenuhi syarat-syarat alat ukur yang baik atau tidak sesuai dengan standar metode penelitian. Oleh karena pengumpulan data dilakukan dengan menggunakan instrumen yang berupa kuesioner, maka dilakukan uji validitas dan uji reliabilitas atas instrumen penelitian ini.

3.5.1 Uji Validitas

Menurut Arikunto 2010 : 168 “validitas adalah suatu ukuran yang menunjukkan tingkat-tingkat kevalidan atau kesahihan sesuatu instrumen. Suatu instrumen yang valid atau sahih mempunyai validitas tinggi. Sebaliknya, instrumen yang kurang valid berarti memiliki validitas rendah”. Dalam uji validitas ini menggunakan langkah-langkah sebagai berikut: 1. Memberikan nomor pada angket 2. Memberikan skor pada setiap bulir sesuai dengan bobot yang telah ditentukan 3. Menjumlahkan skor setiap responden 53 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii 4. Menghitung korelasi dengan rumus Product Moment dari Pearson sebagai berikut: ∑ ∑ ∑ √{ ∑ ∑ } { ∑ ∑ } Riduwan dan Kuncoro, 2011: 217 Dimana: r hitung = koefisien korelasi ∑ Xi = jumlah skor item ∑ Yi = jumlah skor total seluruh item n = jumlah responden Karena subjek merupakan sampel besar, dimana n lebih besar dari 10, maka untuk melihat signifikansinya dilakukan dengan mendistribusikan rumus student t, yaitu: √ √ Riduwan dan Kuncoro, 2011: 217 Dimana: t = nilai t hitung r = koefisien korelasi hasil r hitung n = jumlah responden Distribusi Tab el t untuk α = 0,05 dan derajat kebebasan dk = n-2. Kaidah keputusan: Jika t hitung t tabel berarti valid, sebaliknya jika t hitung t tabel berarti tidak valid. Jika instrumen itu valid, maka dilihat kriteria penafsiran mengenai indeks korelasinya r sebagai berikut Riduwan dan Kuncoro, 2011: 217: Antara 0,800-1,000 : sangat tinggi Antara 0,600-0,799 : tinggi 54 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii Antara 0,400-0,599 : cukup tinggi Antara 0,200-0,399 : rendah Antara 0,000-0,199 : sangat rendah tidak valid Berikut ini adalah hasil pengujian validitas instrumen penelitian pada siswa kelas XII IPS SMAN Cluster 1 se-Kota Bandung yang diolah dengan bantuan software Microsoft Office Excel 2007. Tabel 3.3 Uji Validitas Instrumen Penelitian No. item r xy t Hitung t Tabel Ketentuan Keputusan 1 0,47 6,71 1,97 Valid 2 0,36 4,85 1,97 Valid No. item r xy t Hitung t Tabel Ketentuan Keputusan 3 0,60 9,74 1,97 t Hitung t Tabel Valid 4 0,24 3,10 1,97 α= 95 serta Derajat Kebebasan dk = n-4 Valid 5 0,22 2,79 1,97 Valid 6 0,49 6,94 1,97 Valid 7 0,33 4,36 1,97 Valid 8 0,65 10,61 1,97 Valid 55 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii 9 0,63 10,26 1,97 Valid 10 0,57 8,67 1,97 Valid 11 0,48 6,80 1,97 Valid 12 0,50 7,32 1,97 Valid 13 0,58 8,68 1,97 Valid 14 0,63 10,19 1,97 Valid 15 0,57 8,11 1,97 Valid 16 0,32 4,30 1,97 Valid 17 0,30 4,02 1,97 Valid 18 0,29 3,90 1,97 Valid 19 0,46 6,42 1,97 Valid 20 0,36 4,83 1,97 Valid 21 0,30 3,99 1,97 Valid 22 0,80 16,05 1,97 Valid 23 0,78 15,49 1,97 Valid 24 0,54 8,12 1,97 Valid 25 0,79 15,72 1,97 Valid 26 0,76 15,23 1,97 Valid 27 0,63 10,23 1,97 Ketentuan t Hitung t Tabel, Valid No. item r xy t Hitung t Tabel Keputusan 28 0,80 16,76 1,97 Valid 29 0,77 15,15 1,97 Valid 56 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii 30 0,76 15,15 1,97 α= 95 serta Derajat Kebebasan dk = n-4 Valid 31 0,64 10,39 1,97 Valid 32 0,61 9,87 1,97 Valid 33 0,83 19,14 1,97 Valid 34 0,70 12,50 1,97 Valid 35 0,69 12,35 1,97 Valid 36 0,64 10,42 1,97 Valid 37 0,72 12,85 1,97 Valid 38 0,81 18,73 1,97 Valid 39 0,64 10,48 1,97 Valid 40 0,78 15,64 1,97 Valid Sumber : Hasil Penelitian data diolah Tabel 3.3 tersebut menunjukkan bahwa seluruh t hitung lebih besar daripada t tabel sehingga dapat disimpulkan bahwa seluruh item dalam angket yang digunakan dalam penelitian ini merupakan item yang valid dan layak digunakan sebagai instrumen penelitian.

3.5.2 Uji Reliabilitas

Suharsimi Arikunto 2010: 184 mengungkapkan bahwa reliabilitas menunjuk pada tingkat keterandalan sesuatu. Suatu instrumen dikatakan reliabel jika cukup dapat dipercaya untuk digunakan sebagai alat pengumpul data karena instrument tersebut sudah baik, tidak bersifat tendesius, dapat dipercaya, datanya memang benar sesuai dengan kenyataannya hingga berapa kali pun diambil, hasilnya akan tetap sama. 57 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii Untuk menghitung uji reliabilitas, penelitian ini menggunakan rumus alpha dari Cronbach sebagaimana berikut: r 11 = [ ] [ ∑ ] Suharsimi Arikunto, 2010 Keterangan: r 11 = reliabilitas instrumen k = banyak butir pernyataan atau banyaknya soal ∑ = Jumlah varians butir varians total Selanjutnya, untuk melihat signifikansi reliabilitasnya dilakukan dengan mendistribusikan rumus student t, yaitu: t hit = √ √ Suharsimi Arikunto, 2010 Dengan kriteria : Jika t hitung t tabel , maka instrument penelitian reliabel dan signifikan, begitu pula sebaliknya. Berikut ini merupakan hasil uji reliabilitas yang diolah dengan bantuan Microsoft Excel 2007. Tabel 3.4 Uji Reliabilitas Variabel Variabel r Hitung r Tabel Ketentuan Keputusan Kompetensi Pedagogik X1 0.805 0.129 r hit r tab dengan α = 0.05 Reliabel Kompetensi Kepribadian X2 0.899 Reliabel Kompetensi Sosial X3 0.733 Reliabel Kompetensi Profesional X4 0.691 Reliabel Sumber : Hasil Penelitian data diolah Berdasarkan Tabel 3.4 ditunjukkan bahwa seluruh instrumen penelitian memiliki reliabilitas yang memadai karena nilai r Hitung r Tabel dengan α = 58 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii 0,05. Maka, seluruh instrumen dalam penelitian ini merupakan instrumen yang terpercaya.

3.5.3 Uji Normalitas

Uji normalitas dimaksudkan untuk mengetahui apakah data penelitian berdistribusi normal atau tidak berdistribusi normal. Dalam penelitian ini uji normalitas dilakukan dengan menggunakan metode Jarque- Bera JB. Jika nilai JB mendekati 1 maka data berdistribusi normal, namun jika nilai JB mendekati 0 maka data tidak berdistribusi normal.

3.6 Uji Asumsi Klasik

3.6.1 Uji Multikolinearitas

Multikolinieritas adalah hubungan linier yang sempurna atau pasti diantara beberapa variabel atau semua variabel yang menjelaskan dari model regresi. Multikolinieritas merupakan salah satu bentuk pelanggaran terhadap asumsi model regresi linier klasik karena bisa mengakibatkan estimator OLS memiliki : 1. Kesalahan baku sehingga sulit mendapatkan estimasi yang tepat. 2. Akibat poin satu, maka interval estimasi akan cenderung lebih lebar dan nilai hitung statistik uji t akan kecil sehingga membuat variabel devenden secara statistik tidak signifikan mempengaruhi variabel independent. 59 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii 3. Walaupun secara individu variabel independent tidak berpengaruh terhadap variabel dependen melalui uji statistik t, namun nilai koefisien determinasi masih relatif tinggi. Untuk mendeteksi ada tidaknya multikolinieritas dalam suatu model OLS, maka menurut Yana Rohmana 2010: 143 dapat dilakukan beberapa cara berikut ini : 1. Multikolinieritas diduga ketika R 2 tinggi yaitu antara 0,7-1,00 tetapi hanya sedikit variabel independent yang signifikan mempengaruhi variabel dependen melalui uji t namun berdasarkan uji F secara statistik signifikan yang berarti semua variabel independent secara bersama-sama mempengaruhi variabel dependen. Dalam hal ini menjadi kontradiktif dimana berdasarkan uji t secara individual variabel independent tidak berpengaruh terhadap variabel dependen, namun secara bersama-sama variabel independent berpengaruh terhadap variabel dependen. 2. Dengan koefisien korelasi sederhana zero coefficient of correlation, jika nilainya tinggi menimbulkan dugaan terjadi multikolinier tetapi belum tentu dugaan itu benar. 3. Dengan melihat hubungan tidak hanya satu variabel akan tetapi multikolinieritas bisa terjadi karena kombinasi linier dengan variabel independent lain. Keputusan ada tidaknya unsur multikolinier dalam model ini biasanya dengan membandingkan nilai hitung F dengan nilai kritis F, jika nilai hitung F lebih besar dari nilai kritis F dengan tingkat signifikansi a dan derajat kebebasan tertentu maka dapat disimpulkan model mengandung unsur multikolinier. 60 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii 4. Dengan metode Klien, klien menyarankan untuk mendeteksi multikolinier dengan membandingkan koefisien determinasi aukiliary dengan koefisien determinasi model regresi aslinya yaitu Y dengan variabel independent. Sebagai rule of thumbuji klien ini, jika R 2 x1x2x3…x4 lebih besar dari R 2 maka model mengandung unsur multikolinier antara variabel independent dan jika sebaliknya maka tidak ada korelasi antar variabel independent. Apabila terjadi multikolinieritas menurut Yana Rohmana 2010:149, disarankan untuk mengatasinya dengan cara : 1. Penambahan sampel. 2. Menghilangkan variabel independent. 3. Menggabungkan data cross-section dan data time series. 4. Transformasi variabel. 5. Penambahan data.

3.6.2 Uji Heteroskedastis

Salah satu asumsi pokok lain dalam model regresi linier klasik ialah bahwa varian-varian setiap disturbance term yang dibatasi oleh nilai tertentu mengenai variabel-variabel bebas adalah berbentuk suatu nilai konstan yang sama dengan 2 . Inilah yang disebut sebagai asumsi homoskedastisitas, Yana Rohmana, 2010: 160. Konsekuensi logis dari adanya heteroskedastisitas adalah menyebabkan perhitungan standard error metode OLS menjadi tidak bisa dipercaya kebenarannya, akibatnya interval estimasi 61 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii maupun uji hipotesis yang didasarkan pada distribusi t maupun uji F tidak bisa lagi dipercaya untuk evaluasi hasil regresi. Heteroskedastisitas dapat dideteksi melalui beberapa cara antara lain: melalui metode grafik, test park uji park, uji glejser glejser test, uji korelasi spearmant, uji goldfield-Quandt, uji Breusch-Pagan-Godfrey, uji umum heteroskedastis white, ujiheteroskedastis berdasarkan residual OLS atau model ekonometrika linier. Pada penelitian ini peneliti akan mendeteksi heteroskedastis dengan metode White, dengan kriteria sebagai berikut: a. Hasil penghitungan melalui White Heteroscedasticity Test menghasilkan nilai ObsR- squared χ 2 hitung . Jika nilai χ 2 hitung nilai χ 2 tabel , maka model dalam penelitian terbebas dari masalah heteroskedastisitas, begitupun sebaliknya. b. Probability dari nilai ObsR- squared χ 2 hitung harus lebih besar dari α 0,05 yang berarti model tidak terkena heterokedastisitas.

3.6.3 Uji Autokorelasi

Asumsi penting lainnya yang akan diuji dalam penelitian ini adalah uji autokorelasi atau serial korelasi. Autokorelasi menggambarkan adanya korelasi antara anggota observasi satu dengan observasi lain yang berlainan waktu. Dalam kaitannya dengan asumsi OLS, autokorelasi merupakan korelasi antara satu variabel gangguan dengan variabel gangguan yang lain Yana Rohmana 2010:192. Adanya gejala autokorelasi dalam model regresi OLS dapat menimbulkan : 1. Estimator OLS menjadi tidak efisien karena selang keyakinan melebar. 2. Variance populasi 2 diestimasi terlalu rendah underestimated oleh variansresidual taksiran 2 . 62 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii 3. Akibat butir b, R 2 bisa ditaksir terlalu tinggi overestimated. 4. Jika 2 tidak diestimasi terlalu rendah, maka varians estimator OLS 5. Pengujian signifikansi t dan F menjadi lemah. Ada beberapa cara untuk mendeteksi autokorelasi pada model regresi, diantaranya dengan mengguanakan metode Grafik, uji loncatan Runs Test atau uji Geary Geary Test, uji Durbion Watson Durbin Watson d test, uji Breusch-Godfrey Breusch-Godfrey test. Pada penelitian ini, penulis menggunakan uji Breusch-Godfrey Breusch-Godfrey test atau Lagrange Multiplier LM untuk mendeteksi autokorelasi, yaitu dengan cara melihat nilai probabilitasnya dengan ketentuan sebagai berikut: a. Jika nilai probabilitasnya lebih besar dari 0.05 atau α=5, berarti tidak ada autokorelasi. b. Jika nilai probabilitasnya kurang dari 0.05 atau α=5, berarti ada autokorelasi. 3.7 Analisis Data dan Pengujian Hipotesis 3.7.1 Teknik Analisis Data Dalam penelitian ini teknik analisis data yang digunakan adalah analisis regresi. Teknik analisis regresi digunakan untuk mengetahui hubungan suatu variabel dependen dengan variabel independen Yana Rohmana, 2010: 21. Sedangkan model yang digunakannya adalah model regresi linier berganda karena variabel bebasnya lebih dari satu buah. Persamaan model dalam penelitian ini adalah sebagai berikut: 63 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii e X a X a X a X a a Y       4 4 3 3 2 2 1 1 keterangan: Y = Hasil belajar siswa a = Konstanta α 1 , α 2 , α 3 , α 4 = Koefisien X 1 = Kompetensi pedagogik X 2 = Kompetensi kepribadian X 3 = Kompetensi sosial X 4 = Kompetensi profesional e = Variabel pengganggu faktor residual Untuk mendapatkan koefisien regresi berganda, digunakan analisis Ordinary Least Square OLS atau analisis kuadrat terkecil. Formula atau rumus regresi diturunkan dari suatu asumsi data tertentu. Dengan demikian tidak semua data dapat diterapkan regresi. Jika data tidak memenuhi asumsi regresi, maka penerapan regresi akan menghasilkan estimasi yang bias. Jika data memenuhi asumsi regresi maka estimasi α yang diperoleh akan bersifat BLUE yang merupakan singkatan dari Best, Linear, Unbiased, Estimator. Best, artinya yang terbaik, dalam arti garis regresi merupakan estimasi atau ramalan yang baik dari suatu sebaran data. Garis regresi merupakan cara memahami pola hubungan antara dua seri data atau lebih. Garis regresi adalah best jika garis itu menghasilkan error yang terkecil error itu sendiri adalah perbedaan antara nilai observasi dan nilai yang diramalkan oleh garis regresi. Jika best bersifat unbiased maka estimator regresi disebut koefisien. Linear. Estimator disebut linear jika estimator tersebut itu merupakan fungsi linier dari sampel. 64 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii Rata-rata X = ∑ X 1 + X 2 + ........... + X n Adalah estimator yang linear, karena merupakan fungsi lineardari nilai-nilai X. Nilai OLS juga merupakan klas estimtor\ yang linear Unbiased. Estimator dikatakan unbiased jika nilai harapan dari estimator sama dengan nilai yang benar dari β. Rata-rata = β = β Bias = Rata-rata β - β Metode OLS yang dirumuskan di atas merupakan penaksir yang memiliki sifat BLUE. OLS akan memiliki sifat BLUE jika memenuhi asumsi- asumsinya, dari mana penururnan formula OLS tersebut diturunkan. Adapun asumsinya adalah sebagai berikut: 1. Hubungan antara variabel Y variabel dependen dan X variabel independen adalah linier dalam parameter. 2. Nilai X nilainya tetap untuk observasi yang berulang-ulang non- stocastic. Karena variabel independennya lebih dari satu maka ditambah satu asumsi, tidak ada hubungan linier antara variabel independen atau tidak ada multikolinieritas antar variabel X dalam persamaan model. 3. Nilai harapan expected value atau rata-rata dari variabel gangguan adalah nol. EeX i = 0 4. Varian dari variabel gangguan atau residual ei atau e i adalah sama homoskedastisitas. Vare i X i = E[e i -Ee i X i ] 2 = Ee i X i karena asumsi 3 = 2 65 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii 5. Tidak ada serial korelasi gangguan atau residual ei atau residual e i tidak saling berhubungan dengan residual e i lain. Cove i ,e j X i ,X j = E[e i – Ee i X i ] [e j Ee j X j ] = Ee i X i e j X j = 0 6. Variabel gangguan e i berdistribusi normal. Jika regresi linier berganda memenuhi 6 asumsi di atas, maka persamaan regresi linier dapat diartikan sebagai berikut: E Y, X 1 , X 2 , X 3 , X 4 = e X a X a X a X a a      4 4 3 3 2 2 1 1 Artinya : nilai harapan expected value atau rata-rata dari Y pada nilai tertentu dipengaruhi variabel independen X 1 , X 2 , X 3 dan X 4 . Sedangkan 1 a adalah mengukur perubahan rata-rata Y atau nilai harapan E Y X 1 , X 2 , X 3 , X 4 terhadap perubahan per unit X 1 dengan asumsi variabel X 2 , X 3 dan X 4 tetap. Begitu pula dalam mengukur koefisien 2 a 3 a 4 a . Berdasarkan asumsi di atas, maka jenis data yang akan dianalisis harus memenuhi kriteria analisis regresi linier berganda. Jenis data yang terkumpul adalah data ordinal dan interval, sejalan dengan tujuan penelitian yaitu untuk mengetahui pengaruh kompetensi guru terhadap hasil belajar siswa. Pengujian hipotesis ini menggunakan analisis regresi linier berganda sebagaimana yang diungkapkan oleh Sugiyono 1999: 16 yang mempersyaratkan bahwa “jenis data yang dapat diuji oleh regresi linier harus memiliki data interval atau rasio”. 66 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii Dengan adanya syarat tersebut, maka data yang berjenis ordinal yaitu data variabel bebas X 1 , X 2, X 3 dan X 4 harus ditingkatkan menjadi data interval melalui Methods of Successive Interval MSI. Salah satu kegunaannya dalam skala pengukuran sikap adalah untuk menaikkan pengukuran dari ordinal ke interval. Hal itu sesuai dengan apa yang dikemukakan oleh Harun Al-rasyid 1993: 131-134 dalam bukunya Teknik Penarikan Sampel dan Penyusunan Skala. Langkah kerja Methods of Succesive Interval MSI adalah sebagai berikut: 1. Perhatikan tiap butir pernyataan, misalnya dalam angket. 2. Untuk butir tersebut, tentukan berapa banyak orang yang mendapatkan menjawab skor 1,2,3,4,5 yang disebut frekuensi. 3. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut Proporsi P. 4. Tentukan Proporsi Kumulatif PK dengan cara menjumlah antara proporsi yang ada dengan proporsi sebelumnya. 5. Dengan menggunakan tabel distribusi normal baku, tentukan nilai Z untuk setiap kategori proporsi kumulatif yang telah diperoleh. 6. Tentukan nilai densitas untuk setiap nilai Z yang diperoleh dengan mengunakan tabel ordinat distribusi normal baku. 7. Hitung SV Scale Value = Nilai Skala dengan rumus sebagai berikut: 8. Menghitung skor hasil tranformasi untuk setiap pilihan jawaban dengan Rumus: [ | |] 67 Rini Wulandari, 2014 Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ii Selain dengan cara manual, penulis mengolah data MSI menggunakan software STAT 97 yang merupakan aplikasi tambahan dari software microsoft excel. Setelah data ditransformasikan dari data skala ordinal ke skala interval, maka hipotesis dapat langsung diuji menggunakan teknik analisis regresi untuk mengetahui ada tidaknya hubungan serta pengaruh antar variabel bebas X dengan variabel terikat Y baik secara simultan maupun parsial.

3.8 Uji Hipotesis