Methode Succeisive Interval MSI Analisis Korelasi Sederhana

Riana Nuraini, 2012 Pengaruh Gaya Kepemimpinan Klasik Terhadap Kepuasan Kerja Pegawai Universitas Pendidikan Indonesia | Repository.Upi.Edu b. Membandingkan jumlah skor hasil kuesioner dengan jumlah skor kriterium untuk mencari jumlah skor hasil kuesioner dengan menggunakan rumus: ∑X i = X 1 + X 2 + X 3 + ... + X n Keterangan: X i = Jumlah skor hasil angket variabel X X 1 - X n = Jumlah skor angket masing-masing responden c. Membuat daerah kategori kontinum Untuk melihat bagaimana gambaran tentang variabel secara keseluruhan yang diharapkan responden, maka penulis menggunakan daerah kategori sebagai berikut: Sangat Tinggi = ST x JB x JR Sangat Rendah = SR x JB x JR Keterangan: ST : Skor Tertinggi JB : Jumlah Bulir JR : Jumlah Responden d. Menentukan garis kontinum dan menentukan daerah letak skor untuk variabel gaya kepemimpinan klasik X dan variabel kepuasan kerja Y

3.7.2 Methode Succeisive Interval MSI

Merubah data ordinal ke interval. Mengingat data variabel penelitian seluruhnya diukur dalam bentuk skala ordinal, sementara pengolahan data dengan Riana Nuraini, 2012 Pengaruh Gaya Kepemimpinan Klasik Terhadap Kepuasan Kerja Pegawai Universitas Pendidikan Indonesia | Repository.Upi.Edu penerapan statistik parametik mensyaratkan data sekurang-kurangnya harus diukur dalam skala interval. Dengan demikian semua data ordinal yang terkumpul terlebih dahulu akan ditransformasi menjadi skala interval dengan menggunakan Methode Successive Interval MSI. Langkah-langkah untuk melakukan transformasi data tersebut adalah sebagai berikut: a. Perhatikan setiap butir b. Untuk setiap butir tersebut tentukan berapa orang yang menjawab skor 1, 2, 3, 4, 5 yang disebut frekuensi c. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut proporsi d. Tentukan proporsi kumulatif e. Dengan menggunakan tabel distribusi normal, hitung nilai z untuk setiap proporsi kumulatif yang diperoleh f. Tentukan nilai dentitas untuk setiap nilai z yang diperoleh g. Tentukan nilai skala Skala Value dengan menggunakan rumus: SV = � � � �� � –� � � �� � � �� � − � �� � Dimana: Scala Value : Nilai Skala Density at Lower Limit : Densitas batas bawah Density at Uper Limit : Densitas batas atas Area bellow Uper Limit : Daerah dibawah batas atas Area bellow Lower Limit : Daerah dibawah batas bawah Riana Nuraini, 2012 Pengaruh Gaya Kepemimpinan Klasik Terhadap Kepuasan Kerja Pegawai Universitas Pendidikan Indonesia | Repository.Upi.Edu h. Tentukan nilai transformasi dengan menggunakan rumus: Y = NS + k k = [1 + |NS min |] Langkah-langkah diatas bila dijabarkan dalam bentuk tabel akan terlihat sebagai berikut: Tabel 3.9 Pengubahan Data Ordinal ke Interval KriteriaUnsur 1 2 3 4 5 Frekuensi Proporsi Proporsi Kumulatif Nilai Skala Value Catatan : Skala terkecil dibuat sebesar 1, maka SV terkecil adalah +1

3.7.3 Analisis Korelasi Sederhana

Analisis korelasi dilakukan setelah semua data yang ada telah terkumpul. Analisis ini bertujuan untuk mencari hubungan antara kedua variabel yang diteliti. Penentuan koefisien korelasi r dalam penelitian ini menggunakan koefisien korelasi Pearson Pearson’s Product Moment Coefisient of Corelation, yaitu : = Σ − Σ ΣY Σ 2 − Σ ² Σ 2 − Σ ² Suharsimi Arikunto, 2002:274 Koefisien korelasi r menunjukkan derajat korelasi antara variabel X dan variabel Y. Nilai koefisien korelasi harus terdapat dalam batas-batas: -1 r +1. Tanda positif menunjukkan adanya korelasi positifkorelasi langsung antara kedua Riana Nuraini, 2012 Pengaruh Gaya Kepemimpinan Klasik Terhadap Kepuasan Kerja Pegawai Universitas Pendidikan Indonesia | Repository.Upi.Edu variabel yang diteliti. Setiap kenaikan nilai-nilai X akan diikuti dengan penurunan nilai-nilai Y, dan begitu pula sebaliknya.  Jika nilai r = +1 atau mendekati +1, maka korelasi antara kedua variabel sangat kuat dan positif.  Jika nilai r = -1 atau mendekati -1, maka korelasi antara kedua variabel sangat kuat dan negatif.  Jika nilai r = 0 atau mendekati 0, maka korelasi antara kedua variabel yang diteliti tidak ada sama sekali atau sangat lemah. Untuk dapat memberikan penafsiran terhadap koefisien korelasi yang ditemukan tersebut, apakah besar atau kecil, maka dapat berpedoman pada tabel Guilford berikut. Tabel 3.10 Pedoman untuk Memberikan Interpretasi Koefisien Korelasi Besar Koefisien Klasifikasi 0.000 – 0.199 Sangat Rendah Lemah dapat diabaikan 0.200 – 0.399 Rendah Lemah 0.400 – 0.599 Sedang 0.600 – 0.799 Tinggi Kuat 0.800 – 1.000 Sangat Tinggi Sangat Kuat Sumber : Sugiyono 2007:216

3.7.4 Analisis Regresi Sederhana