∑ �
� 2
= jumlah varian variabel �
� 2
= varian total
Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha 0,60.
2.6 Transformasi Data Ordinal menjadi Interval
Mentransformasi data ordinal menjadi data interval gunanya untuk memenuhi sebagian dari syarat analisis parametrik yang mana data setidaknya berskala
interval. Pada penelitian ini variabel yang digunakan berskala ordinal. Oleh karena itu, untuk pemenuhanasumsi pada analisis diskriminan bahwa variabel
independen harus berskala interval, maka terlebih dahulu data ordinal ditransformasikan menjadi data interval menggunakan Method of Successive
Interval MSI. Langkah-langkah transformasi data ordinal ke data interval adalah:
1. Pertama perhatikan setiap butir jawaban responden dari angket yang disebar, 2. Pada setiap butir ditentukan berapa orang yang mendapat skor 1, 2, 3, dan 4
yang disebut sebagai frekuensi, 3. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut
proporsi, �
�
=
�
�
∑ �
�
2.5 Dengan:
�
�
= proporsi pada skor i �
�
= frekuensi pada skor i ∑ �
�
= jumlah total frekuensi
4. Tentukan nilai proporsi kumulatif dengan jalan menjumlahkan nilai proporsi secara berurutan perkolom skor.
Universitas Sumatera Utara
5. Gunakan tabel distribusi normal, hitung nilai Z untuk setiap proporsi kumulatif yang diperoleh,
6. Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara memasukkan nilai Z tersebut kedalam fungsi densitas normal baku sebagai
berikut: �� =
1 √2�
exp
�−
1 2
�
2
�
2.6 Dengan:
� = 3,141593 exp = 2,718282
7. Tentukan nilai skala dengan menggunakan rumus: ���������� =
������������������� −������������������� ������������������� −��������� ����������
2.7
Menghitung skor nilai transformasi untuk setiap kategori dengan rumus: ����� = ���������� + [1 + |����������
���
|] 2.8
����������
���
artinya adalah nilai scale value absolut tanpa memperhatikan tanda positif atau negatif paling kecil.
2.7 Analisis Korelasi
Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linear antara satu variabel dengan variabel yang lain. Dalam
ilmu statistika, istilah korelasi diartikan sebagai hubungan linier antara dua variabel atau lebih. Hubungan antara dua variabeldikenal dengan istilah bivariate
correlation, sedangkan hubungan antar lebih dari dua variabel disebut multivariate correlation.
Universitas Sumatera Utara
Formula untuk menghitung koefisien korelasi dengan menggunakan teknik koefisien korelasi Product Moment Correlation dari Karl Pearson. Penggunaan
teknik koefisien korelasi dari Karl Pearson untuk variabel-variabel dengan tingkat skala pengukuran interval.Untuk menghitung koefisien korelasiproduct moment
pearsons antara dua variabel dapat digunakan rumus: r
=
�∑ ��− ∑ � ∑ � �[� ∑ �
2
−∑ �
2
][ � ∑ �
2
−∑ �
2
]
2.9
Dengan r
= Koefisien korelasi antara X dan Y X
= Variabel bebas Y
= Variabel terikat
Nilai r selalu terletak antara -1 dan 1, sehingga nilai r tersebut dapat ditulis : -1
≤ r ≤+1. Untuk r = +1, berarti ada korelasi positif sempurna antara X dan Y, sebaliknya jika r = -1, berarti korelasi negatif sempurna antara X dan Y,
sedangkan r = 0, berarti tidak ada korelasi antara X dan Y. Jika kenaikan didalam suatu variabel diikuti dengan kenaikan didalam variabel lain, maka dapat
dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang positif. Tetapi jika kenaikan didalam suatu variabel diikuti oleh penurunan didalam variabel lain,
maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi yang negatif. Dan jika tidak ada perubahan pada variabel walaupun variabel lainnya berubah
maka dikatakan bahwa kedua variabel tersebut tidak mempunyai hubungan. Interpretasi harga r akan disajikan dalam tabel berikut:
Universitas Sumatera Utara
Tabel 2.1 Interpretasi Koefisien Korelasi
Sumber : Hartono, M.Pd Statistik untuk penelitian
Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis: 1. Korelasi Positif
Terjadinya korelasi positif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang sama berbanding lurus.
Artinya variabel yang satu meningkat, maka akan diikuti peningkatan variabel lainnya.
2. Korelasi Negatif Terjadinya korelasi negatif apabila perubahan antara variabel yang satu diikuti
oleh variabel lainnya dengan arah yang berlawanan berbanding terbalik. Artinya apabila variabel yang satu meningkat, maka akan diikuti penurunan variabel
lainnya.
3. Korelasi Nihil Korelasi nihil artinya tidak adanya korelasi antara variabel.
R Interpretasi
Tidak ada korelasi 0,01 – 0,20
Sangat rendah 0,21 – 0,40
Rendah 0,41 – 0,60
Agak Rendah 0,61 – 0,80
Cukup 0,81 – 0,99
Tinggi 1
Sangat tinggi korelasi sempurna
Universitas Sumatera Utara
2.8 Analisis Diskriminan
