Tabel 3.12 Kriteria Variabel Kepemimpinan Kepala Sekolah
No Interval
Kriteria
1 48
– 50 Sangat Baik
2 45
– 47 Baik
3 42
– 44 Cukup Baik
4 39
– 41 Tidak Baik
5 36
– 38 Sangat Tidak Baik
Sumber : Data diolah Tahun 2015
6. Analisis Deskriptif Variabel Peran Pengawas Sekolah X
5
Berikut hasil perhitungan deskriptif variabel peran pengawas sekolah: a. Menentukan rentang, R
max
– R
min
R
max
= 48 , R
min
= 30 Jadi rentangnya berarti 48
– 30 = 18, berarti nilai dari 30 sampai dengan 48 terdapat 19 bilangan.
b. Banyak kelas interval yang diperlukan 5 c. Menentukan panjang kelasinterval p
= 3,8 = 4 Tabel 3.13
Kriteria Variabel Peran Pengawas Sekolah No
Interval Kriteria
1 46
– 49 Sangat Baik
2 42
– 45 Baik
3 38
– 41 Cukup Baik
4 34
– 37 Tidak Baik
5 30
– 33 Sangat Tidak Baik
Sumber : Data diolah Tahun 2015
3.6.2 Uji Asumsi Klasik
Sehubungan dengan pemakaian metode regresi linear berganda, maka dilakukan uji prasyarat umtuk menghindari pelanggaran asumsi-asumsi klasik.
Model-model asumsi klasik harus diuji sebagai berikut :
3.6.2.1 Uji Normalitas
Uji normalitas ini bertujuan untuk menguji apakah model regresi variabel kesiapan guru dalam implementasi kurikulum 2013, kompetensi guru, pelatihan,
fasilitas sekolah, kepemimpinan kepala sekolah dan peran pengawas sekolah mempunyai distribusi normal atau tidak. Model regresi yang baik adalah yang
memiliki distribusi normal atau mendekati normal. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran
data titik pada sumbu diagonal dari grafik atau melihat histogram residualnya. Jika data menyebar di sekitar garis diagonal dan mengikuti arah diagonal atau
grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas Ghozali, 2011:163. Uji normalitas data juga bisa
menggunakan uji statistik Kolmogrov-Smirnov K-S dengan bantuan SPSS for windows release 21, jika nilai signifikansi 0,05 maka data dalam penelitian
berdistribusi normal.
3.6.2.2 Uji Linearitas
Uji linearitas digunakan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Dengan uji linearitas akan diperoleh informasi
apakah model empiris sebaiknya linear, kuadrat atau kubik Ghozali, 2011:166. Hasil yang diperoleh melalui uji linearitas akan menentukan teknik analisis
regresi yang akan digunakan. Jika hasil uji linearitas merupakan data yang linear maka digunakan analisis regresi linear. Sebaliknya jika hasil uji linearitas
merupakan data yang tidak linear maka analisis regresi yang digunakan nonlinear. Dasar pengambilan keputusan dari uji ini dapat dilihat dari signifikansi pada tabel
ANOVA. Apabila nilai signifikansi 0,05 dapat disimpulkan bahwa hubungannya bersifat linear.
3.6.2.3 Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi diantara variabel bebas Ghozali, 2011:105. Untuk mendeteksi adanya multikolonieritas dengan melihat nilai tolerance dan
lawannya variance inflation factor VIF. Jika nilai tolerance lebih dari sama dengan 10 dan VIF kurang dari sama dengan 10 maka tidak terjadi
multikolonieritas Ghozali, 2011:106.
3.6.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang
lain. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heterokedastisitas. Untuk mendeteksi ada tidaknya heteroskedastisitas dilakukan
dengan cara melihat grafik scatterplot antara nilai prediksi variabel terikat Zpred dengan residualnya Sresid. Apabila tidak ada pola yang jelas, serta titik-titik
menyebar di atas dan di bawah angka 0 nol pada sumbu Y, maka dapat disimpulkan tidak terjadi heteroskedastisitas. Selain itu cara mendeteksi ada
tidaknya heteroskedastisitas dapat dilakukan dengan uji glejser dengan bantuan SPSS for windows release versi 21, apabila signifikansinya 0,05 artinya terjadi
heteroskedastisitas. Sebaliknya jika signifikansinya 0,05 maka tidak terjadi heteroskedastisitas Ghozali, 2011:139.
3.6.3 Analisis Regresi Berganda
