6. Deskripsi Penilaian Responden Pada Citra
Berikut ini disajikan tabel deskripsi data berdasarkan deskripsi persepsi responden pada Citra
Tabel 5.11 Deskripsi Penilaian Responden Pada Citra
No Kategori
Interval skor Frekuensi
1 Rendah
4,00 –10,75
7 31,82
2 Sedang
10,76 – 16,06
8 36,36
3 Tinggi
16,07 – 20,00
7 31,82
Total 22
100 Sumber: Data Primer, diolah 2016
Berdasarkan hasil pada Tabel 5.11 menunjukkan bahwa penilaian responden pada variabel Citra mayoritas berada dalam kategori cukup
sedang yaitu sebanyak 8 responden 36,36, kategori tinggi sebanyak 7 responden 31,82, dan kategori rendah sebanyak 7 responden 31,82.
Hal ini menunjukkan bahwa guru ekonomi SMA se eks RSBI di Yogyakarta memiliki persepsi yang cukup pada Citra.
C. Analisis Data dan Pembahasan
1. Uji Persyaratan Analisis
Uji persyaratan analisis digunakan untuk mengetahui apakah dalam persamaan analisis regresi linier tidak terjadi korelasi antar variabel bebas,
variasi residual absolut sama atau tidak dan hubungan antara variabel bebas dengan variabel terikatnya adalah linier. Berikut ini diuraikan masing-masing
hasil uji persyaratan analisis.
a. Uji Normalitas
Uji ini di gunakan untuk mengetahui apakah tiap variabel memiliki distribusi normal atau tidak. Dalam pembahasan ini akan
digunakan uji One Sample Kolmogorov-Smirnov dengan menggunakan taraf signifikansi 0,05. Data dinyatakan berdistribusi normal jika
signifikansi lebih besar dari 5 atau 0,05. Hasil uji Normalitas dapat ditunjukkan pada Tabel 12 berikut ini.
Tabel 5.12. Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 22
Normal Parameters
a
Mean .0000000
Std. Deviation .73877540
Most Extreme Differences Absolute
.187 Positive
.187 Negative
-.094 Kolmogorov-Smirnov Z
.876 Asymp. Sig. 2-tailed
.427 a. Test distribution is Normal.
Berdasarkan hasil uji One Sample Kolmogorov-Smirnov menunjukkan bahwa nilai KS sebesar 0,876 dan probability sebesar 0,4270,05, sehingga
dapat dinyatakan bahwa data-data penelitian telah memenuhi distribusi normal.
b. Uji Linieritas
Pengujian linieritas regresi dilakukan dengan uji Statistik F. Harga F dihitung kemudian dikonsultasikan dengan F tabel dengan taraf
signifikansi 5. Apabila harga F hitung lebih kecil atau sama dengan F tabel maka hubungan variabel bebas X dengan variabel terikat Y
dinyatakan linier.
Tabel 5.13 Rangkuman Hasil Uji Linieritas
No Nama Variabel
Db F
Hitung
Sig F
Tabel
Keterangan 1
Hubungan X
1
dengan Y 121
1,202 0,361
4,32 Linier
2 3
Hubungan X
2
dengan Y Hubungan X
3
dengan Y 121
121 0,264
0,565 0,897
0,787 4,32
4,32 Linier
Linier 4
5 Hubungan X
4
dengan Y Hubungan X
5
dengan Y 121
121 0,744
1,930 0,603
0,147 4,32
4,32 Linier
Linier Sumber : Hasil Olah Data SPSS
Berdasarkan hasil uji linieritas pada tabel 5.13 menunjukkan bahwa uji linieritas pada seluruh variabel independen terhadap variabel
dependen memiliki p0,05 sehingga menunjukkan bahwa hubungan antara variabel independen dengan variabel dependen adalah linier .
2. Uji Multikoliniaeritas
Uji multikolinearitas digunakan untuk mengetahui apakah hubungan antar variabel bebas terjadi ketergantungan atau tidak. Uji ini
menggunakan nilai toleransi, nilai yang terbentuk harus di atas 10 dengan menggunakan VIF Variance Inflation Factor, nilai yang
terbentuk harus kurang dari 5, jika tidak maka akan terjadi multikolinearitas, dan model regresi tidak layak untuk digunakan. Berikut
ini adalah hasil uji multikoliniearitas :
Tabel 5. 14. Tabel Hasil Uji Multikoliniearitas
Variabel Tolerance VIF
Keterangan X1
0,553 1,809
Tidak ada multikolinieritas X2
0,663 1,507
Tidak ada multikolinieritas X3
0,570 1,755
Tidak ada multikolinieritas X4
0,764 1,309
Tidak ada multikolinieritas X5
0,620 1,613
Tidak ada multikolinieritas Sumber: Data Primer diolah, 2016
Berdasarkan hasil uji multikoliniearitas menunjukkan bahwa seluruh nilai nilai VIF pada variabel bebas lebih kecil dari 5, sehingga
dapat disimpulkan bahwa tidak terjadi multikoliniearitas.
3. Hasil Uji Heteroskedastisitas
Uji heteroskedastisitas adalah uji yang bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual
satu pengamatan ke pengamatan yang lain. Uji heteroskedastisitas menggunakan uji Glejser. Jika nilai signifikansi sig 0,05 maka model
regresi tidak ada gejala heteroskedastisitas. Hasil uji heteroskedastisitas dapat ditunjukkan pada Tabel 5.15.
Tabel 5.15. Uji Heteroskedastisitas
Variabel t sig
Keterangan X1
-0,914 0,375
Tidak ada heteroskedastisitas X2
0,178 0,861
Tidak ada heteroskedastisitas X3
1,946 0,069
Tidak ada heteroskedastisitas X4
-1,556 0,139
Tidak ada heteroskedastisitas X5
-0,241 0,813
Tidak ada heteroskedastisitas Sumber : data primer diolah, 2016
Berdasarkan Tabel 5.15 terlihat bahwa semua variabel independen memiliki probabilitas sig 0,05. Dengan demikian dapat
disimpulkan model regresi yang diajukan dalam penelitian ini terjadi tidak gejala heteroskedastisitas.
