Teknik Analisis Data METODOLOGI PENELITIAN
49
terdapat problem multikolonieritas multikom. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel
independen. Uji multikolonieritas dilihat dari nilai tolerance dan Variance Inflantion Factor VIF serta besaran korelasi antar
variabel independen.
47
Suatu model regresi dapat dikatakan bebas multiko jika mempunyai nilai VIF disekitar angka 1 dan
mempunyai angka tolerance, sedangkan dilihat dengan besaran korelasi antar variabel independen, maka suatu model regresi
dapat dikatakan bebas multiko jika koefisien korelasi antar variabel independen haruslah lemah dibawah 0,5. Jika
korelasinya kuat, maka terjadi problem multiko.
48
Untuk teknik analisa data ini, peneliti menggunakan survei langsung kelapangan melalui penyebaran kuesioner. Setelah dihitung dan data
kuesioner didapatkan maka harus dihitung validitasnya. Dimana arti validitas itu sendiri adalah instrumen tersebut dapat digunakan untuk
mengukur apa yang seharusnya diukur. Untuk mengetahui pengaruh kualitas pustakawan layanan sirkulasi terhadap peningkatan jumlah
Anggota dengan menggunakan Regresi Linier. Hal ini peneliti ambil karena Regresi Linier ialah bentuk hubungan di
mana variabel bebas X maupun variabel tergantung Y sebagai faktor yang berpangkat satu. Regresi linier ini dibedakan menjadi:
47
Imam Ghozali, Aplikasi Multivariate Program SPSS, Semarang: Universitas Diponegoro, 2009, hlm. 95.
48
Santoso Singgih, Statistik Parametrik Konsep dan Aplikasi dengan SPSS Jakarta: PT. Alex Media Komputindo, 2010, hlm. 213.
50
a. Regresi linier sederhana dengan bentuk fungsi: Y = a + bX + e,
b. Regresi linier berganda dengan bentuk fungsi: Y = b0 + b1X1 + . . + bpXp + e
Dari kedua fungsi di atas 1 dan 2; masing-masing berbentuk garis lurus linier sederhana dan bidang datar linier berganda.
49
Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel independen X dengan variabel dependen Y. Analisis ini untuk
mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah positif atau negatif dan untuk memprediksi nilai dari
variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.. Data yang digunakan biasanya berskala interval atau rasio.
Rumus regresi linear sederhana sebagi berikut:
Keterangan: Y’ = Variabel dependen nilai yang diprediksikan
X = Variabel independen a = Konstanta nilai Y’ apabila X = 0
b = Koefisien regresi
49
I M. Narka Tenaya, “Regresi Linear Sederhana”, Bahan Kuliah Ekonometrika Program Studi Agribisnis, diakses dari
http:www.fp.unud.ac.idindwp- contentuploadsmk_ps_agribisnisekonomitrika2_.2020Analisis20Regresi20Linier20S
ederhana.pdf , pada tanggal 18 Maret 2015 pukul 14:19, hlm. 8.
Y’ = a + bX
51
Nilai-nilai a dan b dapat dihitung dengan menggunakan Rumus dibawah ini:
50
a = Σy Σx² - Σx Σxy nΣx² – Σx²
b = nΣxy – Σx Σy nΣx² – Σx²
Berikut ini adalah Langkah-langkah dalam melakukan Analisis Regresi Linear Sederhana:
51
1. Tentukan Tujuan dari melakukan Analisis Regresi Linear Sederhana
2. Identifikasikan Variabel Faktor Penyebab Predictor dan Variabel
Akibat Response 3.
Lakukan Pengumpulan Data 4.
Hitung X², Y², XY dan total dari masing-masingnya 5.
Hitung a dan b berdasarkan rumus di atas. 6.
Buatkan Model Persamaan Regresi Linear Sederhana. 7.
Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel Akibat.
Terkait dengan penggunaan alat uji regresi linier sederhana terdapat beberapa analisis yang digunakan, antara lain:
50
Diergaz Febregaz.
Modul Regresi
Linier Sederhana,
diakses dari
http:www.ilab.gunadarma.ac.idmodulNewATAModul20ATAStatistika2022020Prak M7.pdf
pada 20 Oktober 2015 pukul 14:18
51
Dickson Kho, Analisis Regresi Linear Sederhana Simple Liear Regression, diakses dari
http:teknikelektronika.comanalisis-regresi-linear-sederhana-simple-linear-regression pada
20 Oktober 2015 pukul 14:25
52
1. Koefisien Determinasi
Koefisien Determinasi R ₂ pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara 0 dan 1. Nilai R2 yang kecil
berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen sangat terbatas. Nilai yang mendekati satu berarti
variabel-variabel independent memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
52
2. Uji Signifikan Simultan Uji Statistik F
Uji Statisitk F menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara
bersama-sama terhadap variabel dependen atau terikat. Uji F digunakan untuk rnengetahui pengaruh semua variabel independen
yang dimasukkan dalam model regresi secara bersama-sama terhadap variabel dependen yang diuji pada tingkat signifikan 0,05.
53
Dasar pengambil keputusan adalah sebagai berikut:
a. Jika nilai probabilitas lebih besar dari 0,05, maka H ₀ diterima
atau Ha ditolak, ini berarti menyatakan bahwa semua variabel independen atau bebas tidak mempunyai pengaruh secara
bersama-sama terhadap variabel dependen atau terikat. b. Jika nilai probabilitas lebih kecil dari 0,05, maka H
₀ ditolak atau Ha diterima, ini berani menyatakan bahwa semua variabel
52
Imam Ghozali, Aplikasi Multivariate Program SPSS, Semarang: Universitas Diponegoro, 2009, hlm. 83
53
Imam, Aplikasi Multivariate Program SPSS, hlm. 84.
53
independen atau
bebas mempunyai
pengaruh secara
bersamasama terhadap variabel dependen atau terikat. 3.
Uji Signifikansi Parsial Uji Statistik t Uji statisitik t menunjukkan seberapa jauh pengaruh suatu variabel
penjelas atau independen secara individual dalam menerangkan variasi variabel dependen dan digunakan untuk mengetahui ada atau tidaknya
pengaruh masing-masing variabel independen secara individual terhadap variabel dependen yang diuji pada tingkat signifikansi 0,05.
54
Dasar pengambilan keputusannya adalah sebagai berikut: a. Jika nilai probabilitas lebih besar dari 0,05, maka H
₀ diterima atau Ha ditolak, ini berarti menyatakan bahwa variabel
independen atau bebas tidak mempunyai pengaruh secara individual terhadap variabel dependen atau terikat.
b. Jika nilai probabilitas lebih kecil dari 0,05, maka H ₀ ditolak atau
Ha diterima, ini berarti menyatakan bahwa variabel independen atau bebas mempunyai pengaruh secara individual terhadap
variabel dependen atau terikat. 4.
Analisis Korelasi Metode korelasi bertujuan untuk mengetahui dan menemukan ada
tidaknya antara variabel yang telah ditetapkan untuk penelitian hingga dapat mengukur karakteristik hubungan, serta arti maupun
implikasinya dari hubungan positif + maupun negatif -. Dalam korelasi ada dua arah korelasi, yaitu searah dan tidak searah. Pada IBM
54
Imam, Aplikasi Multivariate Program SPSS, hlm. 83.
54
SPSS hal ini ditandai dengan pesan two tailed. Arah korelasi dilihat dari angka koefesien korelasi. Jika koefesien korelasi positif, maka
hubungan kedua variabel searah. Searah artinya jika variabel X nilainya tinggi, maka variabel Y juga tinggi. Jika koefesien korelasi
negatif, maka hubungan kedua variabel tidak searah. Tidak searah artinya jika variabel X nilainya tinggi, maka variabel Y akan rendah.
Metode yang digunakan untuk menghitung karakteristik besarnya korelasi adalah metode korelasi multivariat, yaitu metode statistik yang
dapat menggambarkan dan menemukan hubungan antara beberapa variabel. Untuk mentafsirkan angka tersebut digunakan kriteria sebagai
berikut
55
: 0 – 0,25 : Korelasi sangat lemah dianggap tidak ada
0,25 – 0,5 : Korelasi cukup kuat 0,5 – 0,75 : korelasi kuat
0,75 – 1 : Korelasi sangat kuat Untuk pengujian lebih lanjut, maka diajukan hipotesis:
Ho; p = 0: tidak ada hubungan korelasi yang signifikan antara dua variabel.
Ha; p ≠ 0: ada hubungan korelasi yang signifikan antara dua variabel.
Pengujian berdasarkan signifikan: Jika probabilitas 0,05 maka Ho diterima Jika probabilitas 0,05 Ho ditolak.
55
Jonathan Sarwono dan Ely Suhayati, Riset Akuntansi Menggunakan SPSS, Yogyakarta: Graha Ilmu, [s.a], hlm. 200.
55