Nilai cut off yang dipakai untuk menunjukkan adanya
multikolinearitas adalah nilai Tolerance ≤ 0,10 atau sama dengan nilai
VIF ≥ 10.
3. Uji Hipotesis
Analisis data yang peneliti gunakan dalam penelitian ini menggunakan analisis regresi sederhana dan analisis regresi ganda.
a. Analisis Regresi Sederhana
Dalam penelitian ini, analisis regresi sederhana digunakan untuk menguji hipotesis pertama, kedua dan ketiga. Masing-masing yaitu untuk
menguji pengaruh antara Motivasi Kerja Guru dengan Kreativitas Guru Akuntansi dalam Pembelajaran, Lingkungan Kerja Guru dengan
Kreativitas Guru Akuntansi dalam Pembelajaran serta Persepsi Guru mengenai Gaya Kepemimpinan Kepala Sekolah dengan Kreativitas Guru
Akuntansi dalam Pembelajaran. Langkah yang digunakan dalam analisis regresi sederhana dalam
penelitian ini adalah sebagai berikut.
1 Membuat persamaan garis regresi satu prediktor
= +
Keterangan: = Kreativitas Guru Akuntansi dalam Pembelajaran
X = nilai variabel independen
a = bilangan koefisien prediktor K
= bilangan konstan Sutrisno Hadi, 2004: 1
Jika nilai a dan b telah ditemukan, maka persamaan regresi linear sederhana dapat disusun. Persamaan regresi yang telah disusun dapat
digunakan untuk melakukan prediksi tersusunnya variabel dependen ketika nilai variabel independen ditetapkan.
2 Mencari koefisien korelasi r
xy
antara prediktor X dengan kriterium Y
Langkah ini dilakukan untuk mengetahui apakah masing-masing variabel bebas terhadap variabel terikat mempunyai hubungan positif
atau negatif. Dikatakan positif jika koefisien korelasi bernilai positif dan dikatan negatif jika koefisien korelasi bernilai negatif.
Rumus yang digunakan yaitu: � =
∑ √ ∑
∑
Keterangan:
� =
koefisien korelasi antara variabel X dan Y
∑
= produk dari X dan Y
∑
=
∑
−
∑ ∑
�
∑
= jumlah kuadrat nilai X
∑
=
∑
−
∑ �
∑
= jumlah kuadrat nilai Y
∑
=
∑
−
∑ �
Sutrisno Hadi, 2004: 4 Jika r
hitung
0 bernilai positif, maka korelasinya positif. Jika r
hitung
0 bernilai negatif, maka korelasinya juga akan negatif. Jika r
hitung
= 0, maka tidak berkorelasi. Kemudian tingkat korelasi dapat dikategorikan menggunakan tabel interpretasi nilai r sebagai berikut:
Tabel 12. Interpretasi Nilai r Besarnya nilai r
Interpretasi 0,80-1,000
Sangat kuat 0,60-0,799
Kuat 0,40-0,599
Sedang 0,20-0,399
Rendah 0,00-0,199
Sangat rendah Sugiyono, 2015:231
3 Mencari koefisien determinasi r
2
antara X
1
, X
2
dan X
3
dengan Y
Koefisien determinasi digunakan untuk menghitung kontribusi variabel X
1
terhadap Y, variabel X
2
terhadap Y, dan variabel X
3
terhadap Y, rumus yang digunakan yaitu: �
=
∑ ∑
� =
∑ ∑
� =
∑ ∑
Keterangan: �
= koefisien determinasi antara Y dengan X
1
� = koefisien determinasi antara Y dengan X
2
� = koefisien determinasi antara Y dengan X
3
= koefisien Motivasi Kerja Guru = koefisien Lingkungan Kerja Guru
= koefisien Persepsi Guru mengenai Gaya Kepemimpinan Kepala Sekolah
∑
= jumlah produk antara X
1
dengan Y
∑
= jumlah produk antara X
2
dengan Y
∑
= jumlah produk antara X
3
dengan Y
∑
= jumlah kuadrat Kreativitas Guru Akuntansi Sutrisno Hadi, 2004: 22
Koefisien determinasi bisa dihitung dengan menguadratkan hasil dari perhitungan koefisien korelasi. Koefisien ini juga disebut
koefisien penentu karena varians yang terjadi pada variabel dependen dapat dijelaskan dengan varians yang terjadi pada variabel
independen.
4 Menguji signifikansi dengan uji t
Pengujian hipotesis yang digunakan untuk mengetahui kebermaknaan hubungan variabel bebas dengan variabel terikat
adalah dengan menggunakan uji t. Rumus yang digunakan adalah sebagai berikut:
� = � √� −
√ − � Keterangan:
t = nilai t
hitung
r = koefisien korelasi
n = jumlah sampel r
2
= koefisien determinasi Sugiyono, 2015: 230-231
Pengambilan kesimpulan adalah dengan membandingkan t
hitung
dengan t
tabel
. Uji ini digunakan untuk menerima atau menolak hipotesis. Jika t
hitung
lebih kecil dari t
tabel
dengan taraf kesalahan 5 maka pengaruh variabel ini tidak signifikan atau hipotesis ditolak.
Sebaliknya jika t
hitung
lebih besar atau sama dengan t
tabel
pada taraf signifikan 5 maka pengaruh variabel ini signifikan atau hipotesis
diterima.
b. Analisis Regresi Ganda