Uji Persyaratan Analisis

4.3 Uji Persyaratan Analisis

Persyaratan analisis yang dimaksud adalah persyaratan yang harus dipenuhi agar analisis dapat dilakukan, baik untuk keperluan memprediksi maupun untuk keperluan pengujian hipotesis. Terdapat beberapa syarat yang harus terpenuhi, persyaratan tersebut antara lain syarat normalitas, linieritas, multikolinieritas, heterokedasitas, uji missing data, dan juga dengan uji outlier .

4.3.1 Uji Normalitas Pengujian normalitas dilakukan dengan tujuan apakah populasi

berdistribusi normal atau tidak. Uji normalitas data pada penelitian ini menggunakan metode Kolmogorov-Smirnov , dengan taraf signifikansi yang digunakan sebagai aturan untuk menerima atau menolak pengujian normalitas atau tidaknya suatu distribusi data adalah taraf signifikansi α

Tabel 4.8 Uji Normalitas Data Penelitian

One-Sample Kolmogorov-Smirnov Test

Profesional Pedagogik N

TIK

106,9189 65,2162 Normal Parameters(a,b) Std. Deviation

Mean

16,70559 8,89486 Most Extreme

-,087 -,107 Kolmogorov-Smirnov Z

Negative

,530 ,652 Asymp. Sig. (2-tailed)

,941 ,789 a Test distribution is Normal.

b Calculated from data.

Data dikatakan berdistribusi normal jika nilai signifikansi (sig.) atau probabilitas (p) lebih besar dari 0,05, dan sebaliknya jika nilai sig. atau probabilitas (p) kurang dari 0,05 data berdistribusi tidak normal. Dari tabel

4.8 terlihat bahwa nilai sig. atau probabilitas (p) Kompetensi pedagogik sebesar 0,789, kompetensi profesional sebesar 0,941, dan 0,789 untuk pemanfaatan TIK, keseluruhan nilai tersebut lebih besar dari 0,05, maka data penelitian berdistribusi normal.

4.3.2 Uji Linieritas Uji linieritas dilakukan dengan mencari persamaan garis regresi variabel

bebas terhadap variabel terikat. Berdasarkan garis regresi yang telah dibuat, selanjutnya diuji keberartian koefisien garis regresi serta linieritasnya. Jika probabilitas lebih kecil dari 0,05 (sig.<0,05) maka hubungan variabel bebas dengan variabel terikat adalah linier, sedangkan jika probabilitas lebih besar dari 0,05 (sig.>0,05) maka hubungannya tidak linier. Hasil analisis uji linieritas dapat dilihat pada tabel 4.9.

Tabel 4.9 Uji Linieritas Data Penelitian

ANOVA Table

Sum of

Mean

df Square F Sig. Profesional Between

Squares

(Combined)

* TIK Groups

23 144,688 ,943 ,567 Within Groups

Deviation from Linearity

* TIK Groups

23 73,956 2,525 ,049 Within Groups

Deviation from Linearity

Dari Tabel 4.9 di dapat nilai signifikansi untuk variabel X1 terhadap Y1 dan Y2 adalah 0,000, nilai tersebut lebih kecil dari 0,05 (0,000 < 0,05), maka hubungan variabel bebas dengan variabel terikat adalah linier.

4.3.3 Uji Homoskedastisitas Uji homoskedastisitas pada prinsipnya untuk menguji apakah sebuah grup

(data kategori) mempunyai varian yang sama diantara grup tersebut. Jika varian sama, dan ini yang seharusnya terjadi, maka dikatakan homoskedastisitas. Sedangkan jika varian tidak sama dikatakan heteroskedastisitas.

Pengujian dapat dilakuakn dengan beberapa cara seperti levene test atau juga dapat dengan analisis residual yang berupa grafik. Pada penelitian ini uji homoskedastisitas dengan menggunakan levene test , dengan taraf signifikansi yang digunakan adalah 0,05. Jika nilai sig.>0,05 maka memenuhi homoskedastisitas, sebaliknya jika sig.<0,05 maka dikatakan heteroskedastisitas.

Tabel 4.10 Uji Homoskedastisitas Data

Test of Homogeneity of Variance

Levene Statistic

df2 Sig. Profesional

df1

Based on Mean

2 34 ,349 Based on Median

2 34 ,717 Based on Median and with adjusted df

2 21,575 ,718 Based on trimmed mean

Based on Mean

2 34 ,007 Based on Median

2 34 ,057 Based on Median and with

adjusted df

2 10,966 ,085 Based on trimmed mean

Dari Tabel 4.10 dengan dasar median dapat terlihat nilai sig. Sebesar 0,717 untuk kompetensi profesional dan nilai sig. 0,057 untuk kompetensi pedagogik. Kedua nilai tersebut menunjukan lebih besar dari 0,05 maka memenuhi homoskedastisitas. Homoskedastisitas memberikan arti bahwa varian dari tingkat kompetensi profesional yang tinggi relatif sama dengan tinkat kompetensi profesional yang rendah. Hal tersebut juga berlaku untuk kompetensi pedagogik, yang keduanya menggunakan dasar grup pemanfaatan TIK.

4.3.4 Uji Missing Data Missing data atau missing value adalah informasi yang tidak tersedia untuk

sebuah objek (kasus). Missing value terjadi karena informasi untuk sesuatu tentang objek tidak diberikan, sulit dicari, atau memang informasi tersebut tidak ada. Missing value pada dasarnya tidak bermasalah bagi keseluruhan data, apalagi jika jumlahnya hanya sedikit, misal hanya 1% dari seluruh data. Namun jika persentase data yang hilang tersebut cukup besar, maka perlu dilakukan pengujian apakah data yang mengandung banyak missing tersebut masih layak diproses lebih lanjut ataukah tidak.

Tabel 4.11 Uji Missing Data

Statistics

Pedagogik JK N

TIK

Profesional

Valid 37 37 37 37 Missing

67,0000 1,0000 Std. Deviation

Tabel 4.11 menunjukan tidak terjadinya missing data untuk setiap variable penelitian. Pada variabel X1, X2, Y1, dan Y2 jumlah missing setiap variabel tersebut adalah 0. Dengan demikian untuk setiap variabel dalam penelitian ini tidak terjadinya data hilang, data tidak terisi, atau data yang kosong untuk setiap butir pertanyaan.

4.3.5 Uji Outlier Data outlier adalah data yang secara nyata berbeda dengan data-data yang

lain. Data outlier dapat terjadi karena kesalahan dalam pemasukan data, kesalahan pengambilan sampel, dan juga memang terdapat data ekstrim yang benar-benar tidak dapat dihindari keberadaannya. Dalam penelitian ini, peneliti menggunakan batasan untuk data outlier adalah lebih besar dari angka +2,5 dan lebih kecil dari angka -2,5.

Dengan melihat nilai z yang terbentuk ketika dilakukan uji outlier , maka untuk mencari apakah data outlier atau tidak yaitu dengan membandingkan nilai z yang terbentuk dari setiap variabel. Data dikatakan outlier apabila data tersebut berada pada lebih besar dari 2,5 dan lebih kecil dari -2,5. Seperti yang terlihat pada Tabel 4.12, data pada urutan 32 merupakan data outlier dengan nilai -2,71815 pada variabel X1, -2,86844 paa variabel Y1, dan -3,84674 pada variabel Y2. Data tersebut tetap dipertahankan atas dasar memang fakta dilapangan seperti demikian, terdapat perbedaan data yang ekstrim yang didapat dari sampel penelitian.

Tabel 4.12 Uji Outlier

No. ZX1 (TIK)

ZY1 (profesional)

ZY2 (Pedagogkik)