Alpha sebesar α = 0,9355 yang menunjukkan bahwa skala ini memiliki
reliabilitas  yang  baik.  Selanjutnya,  dari  hasil  uji  coba  skala  setelah dilakukan  beberapa  perubahan  item  diperoleh  skor
Cronbach’s Alpha yang lebih tinggi, yaitu sebesar α = 0,971. Hal ini menunjukkan bahwa
skala  Sikap  terhadap  Seks  yang  digunakan  memiliki  reliabilitas  yang baik.
Tabel 3.10 Reliabilitas Skala Sikap terhadap Seks
H. METODE DAN TEKNIK ANALISIS DATA
1.  Uji Asumsi Sebelum  melakukan  uji  hipotesis,  terdapat  beberapa  asumsi  yang
harus  dipenuhi  terlebih  dahulu.  Uji  asumsi  ini  digunakan  untuk mengetahui  jenis  metode  statistik  yang  akan  digunakan  untuk  melakukan
uji  hipotesis.  Beberapa  uji  asumsi  yang  akan  dilakukan  dalam  penelitian ini, yaitu :
a.  Uji Normalitas Uji  normalitas  ini  digunakan  untuk  mengetahui  apakah  dalam
sebuah  model  regresi,  nilai  residu  dari  regresi  mempunyai  distribusi yang  normal.  Jika  distribusi  dari  nilai  residual  tidak  berdistribusi
normal,  maka  dikatakan  terdapat  permasalahan  terhadap  asumsi normalitas  Santoso,  2014.  Uji  normalitas  dalam  penelitian  ini
Reliability Statistics Cronbachs Alpha
N of Items ,971
33
menggunakan metode statistik Kolmogorov-Smirnov. Apabila nilai p 0,05  maka  dapat  disimpulkan  bahwa  data  berbeda  secara  signifikam
dengan  data  virtual  yang  normal  dan  sebaran  data  dapat  dikatakan tidak  normal.  Sedangkan  bila  nilai  p    0,05,  maka  dapat  disimpulkan
bahwa data  yang dimiliki tidak berbeda secara signifikan dengan data virtual yang normal dan sebaran data dapat dikatakan normal Santoso,
2010. b.  Uji Heteroskedastisitas
Uji asumsi yang kedua adalah uji heteroskedastisitas. Uji asumsi ini  digunakan  untuk  mengetahui  apakah  dalam  sebuah  model  regresi,
terjadi  ketidaksamaan  varians  residual  dari  satu  pengamatan  ke pengamatan  lain.  Jika  varians  residual  dari  satu  pengamatan  ke
pengamantan yang
lain tetap,
maka hal
tersebut disebut
Homoskedastisitas  Santoso,  2014.  Uji  heteroskedastisitas  dalam penelitian  ini  dilakukan  menggunakan  uji  Glesjer.  Apabila  nilai
signifikansi Sig. yang diperoleh  0.05 maka dapat dikatakan bahwa tidak terjadi gejala heteroskedastisitas.
c.  Uji Linieritas Uji  asumsi  yang  selanjutnya  adalah  uji  linearitas.  Tujuan  uji
linearitas  ini  adalah  untuk  mengetahui  apakah  korelasi  antar  variabel bersifat  linear  atau  tidak.  Linear  dapat  diartikan  sebagai  hubungan
antara satu variabel tergantung dan variabel bebas bersifat positif atau negatif  Santoso,  2014.  Asumsi  linearitas  dapat  dilakukan  dengan
menggunakan  metode  statistik  test  for  linearity.  Hubungan  dapat dinyatakan linear bila nilai signifikansi lebih kecil dari 0,05 p0,05.
Sebaliknya,  hubungan  dinyatakan  tidak  linear  bila  nilai  signifikansi lebih besar dari 0,05 p0,05 Santoso, 2010.
d.  Uji Multikolinearitas Uji  asumsi  yang  teakhir  adalah  uji  multikolinearitas.  Uji
multikolinearitas  dilakukan  untuk  mengetahui  apakah  pada  model regresi  ditemukan  korelasi  antar  variebel-variabel  independen.  Uji
multikolinearitas dianggap memuaskan bila tidak terjadi korelasi yang kuat  antara  variabel  independent  karena  model  regresi  yang  baik
seharusnya  tidak  terjadi  korelasi  antar  variebal-variebel  independen Santoso,  2014.  Untuk  mendeteksi  multikolinearitas  digunakan
pengukuran  terhadap  nilai  VIF  Variable  Inflation  Factor  dan  nilai Tolerance. Jika nilai VIF lebih kecil dari 10,00  maka dapat  dikatakan
tidak  terjadi  multikolinearitas  terhadap  data  yang  diuji.  Apabila  nilai Tolerance  lebih  besar  dari  0,10  maka  dapat  dikatakan  tidak  terhadi
multikolinearitas terhadap data yang diuji.
2.  Uji Hipotesis Dalam  penelitian  ini  akan  dilakukan  uji  hipotesis  terhadap  tiga
hipotesis minor dan satu hipotesis mayor. Tiga hipotesis minor akan diuji dengan  menggunakan  uji  regresi  linier  sederhana.  Uji  regresi  sederhana
digunakan  pada  penelitian  yang  terdapat  satu  variabel  dependen  dan  satu
variabel  independen  Santoso,  2014.  Kegunaan  utama  analisis  regresi adalah prediksi variabel dependen. Dalam analisis ini akan dikembangkan
sebuah persamaan regresi, yaitu suatu formula yang mencari nilai variabel dependen  dari  nilai  variabel  independen  yang  diketahui  Santoso,  2014.
Sementara  itu,  hipotesis  mayor  akan  diuji  dengan  menggunakan  uji multiple
regression.  Uji  multiple  regression  atau  regresi  berganda digunakan  pada  penelitian  yang  terdapat  satu  variabel  dependen  dan  dua
atau  lebih  variabel  independen  Santoso,  2014.  Semantara  itu,  efek  dari variabel  mediator  akan  dianalisis  menggunakan  metode  path  ways
berdasarkan nilai regresi antar variabel Fairchild, Mackinnon, Taborga, Taylor, 2009.
Praktik  dalam  analisis  mediasi  statistik  dapat  dikelompokkan menjadi tiga pendekatan, yaitu causal steps, difference in coefficients, dan
product of coefficients MacKinnon, Lockwood, Hoffman, West,  Sheets
2002,  dalam  Fairchild,  MacKinnon,  Taborga,    Taylor,  2009,  yang semuanya  didasarkan  pada  informasi  dari  persamaan  regresi  untuk
menguji  model  mediator  tunggal  MacKinnon,  Cheong,    Pirlott,  2008. Pada  penelitian  ini,  peneliti  akan  menggunakan  pendekatan  causal  steps
untuk  menguji  efek  mediasinya.  Dalam  pendekatan  ini,  terdapat  empat langkah  analisis  untuk  menguji  efek  dari  variabel  mediator.  Tahap
pertama,  variabel  independen  harus  signifikan  berhubungan  dengan variabel dependen dan menghasilkan koefisien regresi pada jalur
τ’. Tahap kedua,  variabel  independen  harus  secara  signifikan  berhubungan  atau
terkait dengan variable mediator dan menghasilkan koefisien regresi pada jalur  α.  Tahap  ketiga,  variabel  mediator  harus  secara  signifikan
berhubungan  atau  terkait  dengan  variabel  dependen  dan  menghasilkan koefisien  regresi  untuk  jalur
β.  Tahap  yang  terakhir,  hubungan  antara variabel independen dan variabel terikat harus lebih lemah ketika variabel
mediator  ditambahkan  ke  model.  Apabila  koefisien  regresi  pada  jalur τ
lebih kecil dari koefisien regresi pada jalur τ τ  τ’ maka peran mediasi
terbukti.
Gambar 3.1 Skema Single Mediator Model
Sebuah mediasi dikatakan full mediation apabila nilai signifikansi p pada jalur direct effect
jalur τ’ yang awalnya signifikan berubah menjadi tidak  signifikan  ketika  variabel  mediator  dimasukkan  jalur  τ.  Namun,
ketika  nilai  signifikasi  tetap  signifikan  pada  jalur  τ’  dan  jalur  τ,  maka model mediasi tersebut disebut partial mediation.
Mediator Variable
Independent Variable
Dependent Variable
Jalur τ’
Jalur α Jalur β
Jalur τ
73
BAB IV HASIL PENELITIAN DAN PEMBAHASAN