Teknik Analisis Data METODE PENELITIAN
                                                                                mengetahui  apakah  hubungan  antar  variabel  bebas  dan  terikat  bersifat linear  atau  tidak  adalah  dengan  melihat  nilai  F  dan  sig.  Uji  linearitas
yang digunakan dalam penelitian ini adalah dengan lack of fit uji tuna cocok.  Apabila  nilai  sig.  F  kurang  dari  5  maka  hubungan
penggunanya  tidak  linear,  sebaliknya  jika  nilai  sig  F  lebih  dari  atau sama  dengan  5  maka  hubungan  bersifat  linear  Ali  Muhson,  2012:
61. c.  Uji Multikolinearitas
Uji  multikoliniearitas  dilakukan  untuk  mengetahui  ada  atau tidaknya  hubungan  linear  antara  variabel  bebas  dalam  model  regresi.
Uji  multikoliniearitas  menggunakan  uji  VIF  Variance  Inflation Factor.  Jika  nilai  VIF  tersebut  kurang  dari  4  maka  tidak  terjadi
multikolinearitas,  sedangkan  jika  nilai  VIF  lebih  dari  4  maka  terjadi multikolinearitas Ali Muhson, 2012: 26.
d.  Uji Homosedastisitas Langkah ini digunakan untuk menguji apakah dalam model regresi
memiliki  perbedaan  vareansi  residu  dari  kasus  pengamatan  satu  kasus pengamatan  yang  lain.  Model  regresi  yang  baik  harus  memiliki
homoskedastisitas  dan  tidak  memiliki  heteroskedastisitas.  Cara  yang dilakukan  adalah  dengan  Uji  Rho  Spearman.  Dalam  uji  ini  yang  perlu
ditafsirkan adalah angka koefisien korelasi antara variabel bebas dengan absolut  residu  dan  signifikansinya.  Jika  nilai  sig  tersebut  lebih  besar
atau  sama  dengan  0,05  maka  asumsi  homosedastisitas  terpenuhi  Ali Muhson, 2012: 66.
3.  Uji Hipotesis Pengujian  hipotesis  dilakukan  dengan  analisis  regresi  linear  berganda.
Analisis  regresi  berganda  digunakan  untuk  menguji  hubungan  pengaruh variabel  bebas  X
1
terhadap  variabel  terikat  Y, variabel  bebas  X
2
terhadap variabel terikat Y, dan variabel bebas X
1
, X
2
terhadap variabel terikat  Y.  Apakah  masing-masing  variabel  bebas  berhubungan  positif
atau  negatif  dan  untuk  memprediksi  nilai  dari  variabel  terikat  apabila variabel bebas mengalami kenaikan atau penurunan. Data yang digunakan
biasanya  berskala  interval  atau  rasio.  Menurut  Sugiyono  2010:  275 persamaan regresi berganda diformulasikan sebagai berikut:
Y = a + b
1
X
1 +
b
2
X
2
Keterangan: Y
= peningkatan pelayanan prima A
= bilangan konstan b
1
= koefisien korelasi pertisipasi anggota b
2
= koefisien korelasi sikap kewirausahaan X
1
= partisipasi anggota X
2
= sikap kewirausahaan Selanjutnya  dilakukan  analisis  dengan  menggunakan  langkah-
langkah sebagai berikut: a.  Mencari Nilai Koefisien Determinasi R
2
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan  model  dalam  memvariasi  variabel  terikat.  Nilai
koefisien  determinasi  di  antara  nol  dan  satu.  Nilai  R
2
yang  kecil berarti  kemampuan  variabel  bebas  dalam  menjelaskan  variasi
variabel  terikat  sangat  terbatas.  Nilai  yang  mendekati  satu  berarti variabel  bebas  memberikan  hampir  semua  informasi  yang
dibutuhkan  untuk  memprediksi  variabel  terikat  secara  simultan menurut  Sugiyono  2010:  286    menggunakan  rumus  sebagai
berikut:
Keterangan: = koefisien korelasi partisipasi siswa dan sikap
kewirausahaan terhadap pelayanan prima koperasi sekolah b
1
= koefisien prediktor partisipasi siswa b
2
= koefisien prediktor sikap kewirausahaan = jumlah partisipasi siswa dan pelayanan prima koperasi
sekolah = jumlah sikap kewirausahaan dan pelayanan prima koperasi
sekolah = jumlah kuadrat pelayanan prima koperasi sekolah
b.  Uji Simultan Uji F Uji  anova  atau  F  test  akan  menghasilkan  nilai  F  hitung  dengan
tingkat signifikansi tertentu. Jika probabilitas signifikansi jauh lebih kecil  dari  0.05,  maka  model  regresi  dapat  digunakan  untuk
memprediksi  variabel  terikat  atau  dapat  dikatakan  bahwa  variabel bebas  dan  variabel  moderasi  secara  bersama-sama  berpengaruh
terhadap  variabel  terikat.  Menurut  Sugiyono  2010:  286  rumus untuk uji F sebagai berikut:
Keterangan: F reg
= harga F hitung n
= jumlah data m
= jumlah prediktor R
= koefisien korelasi antara variabel bebas dengan variabel terikat
c.  Uji Parsial Uji t Uji ini akan melihat seberapa jauh pengaruh variabel bebas secara
individual  dalam  menerangkan  variasi  variabel  terikat.  Jika signifikansi  lebih  besar  dari  0.05,  maka  variabel  tersebut
disimpulkan tidak signifikan. Menurut Sugiyono 2010: 230  rumus untuk uji t sebagai berikut:
Keterangan: t
= t hitung r
= koefisien korelasi n
= jumlah responden r
2
= koefisien kuadrat d.  Menghitung Sumbangan Relatif dan Sumbangan Efektif
1  Sumbanga relatif Sumbangan  relatif  digunakan  untuk  mengetahui  besarnya
sumbangan  masing-masing  variabel  bebas  terhadap  variabel terikat. Rumus menghitung sumbangan relatif sebagai berikut:
SR= x100
Keterangan: SR   = sumbangan relatif dari suatu prediktor
= konstanta = jumlah produk x dan y
= jumlah kuadrat regresi Sutrisno Hadi, 2004: 37
2  Sumbangan Efektif Sumbangan  efektif  digunakan  untuk  mengetahui  prediktor
variabel  bebas  yang  memberikan  pengaruh  lebih  besar
terhadap  kriterium  variabel  terikat.  Rumus  menghitung sumbangan efektif sebagai berikut:
SE = SR x R
2
Keterangan: SE  = sumbangan efektif dari suatu prediktor
SR  = sumbangan relatif dari suatu prediktor R
2
= koefisien determinasi Sutrisno Hadi, 2004: 40
60