BAB III METODE PENELITIAN 3.1 Metode Penelitian...

Rini Wulandari, 2014

Pengaruh kompetensi guru terhadap hasil belajar siswa SMA Negeri Cluster 1 Se-Kota Bandung pada mata pelajaran ekonomi

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

ii

BAB III

METODE PENELITIAN

3.1 Metode Penelitian

3.1.1 Objek Penelitian

Penelitian ini menjelaskan tentang pengaruh kompetensi guru

terhadap hasil belajar siswa pada mata pelajaran ekonomi. Objek dalam

penelitian ini adalah hasil belajar siswa kelas XII IPS pada mata pelajaran

ekonomi. Adapun variabel yang mempengaruhi dalam penelitian ini adalah

kompetensi pedagogik guru (X1), kompetensi kepribadian guru (X2),

kompetensi sosial guru (X3) dan kompetensi profesional guru (X4).

3.1.2 Metode Penelitian

Dalam sebuah penelitian ilmiah diperlukan adanya suatu metode

penelitian yang tepat dan sesuai dengan permasalahan yang dihadapinya.

Metode penelitian merupakan suatu cara atau langkah dalam mengumpulkan,

mengorganisir, menganalisa, serta menginterpretasikan data. Metode yang

dipakai dalam penelitian ini adalah metode survey. Metode survey adalah

penyelidikan yang diadakan untuk memperoleh fakta-fakta dari gejala-gejala

yang ada dan mencari keterangan-keterangan secara faktual, baik tentang

institusi sosial, ekonomi, atau politik dari suatu kelompok ataupun suatu

daerah (Nazir, 2005: 56).

46




ii

3.2 Populasi dan Sampel

3.2.1 Populasi

Populasi adalah keseluruhan subjek penelitian (Arikunto, 2010: 173)

Adapun populasi dalam penelitian ini adalah seluruh siswa kelas XII IPS

SMA Negeri Cluster 1 se-Kota Bandung yaitu sebanyak 538 orang siswa

yang tersebar pada 7 sekolah.

3.2.2 Sampel

Menurut Suharsimi Arikunto (2010: 174) “sampel adalah sebagian

atau wakil populasi yang diteliti”. Dalam penelitian ini, teknik penentuan

sampel dilakukan melalui metode proportionate random sampling (sampel

random proporsional). Riduwan dan Kuncoro (2011: 41) mengungkapkan

bahwa proportionate random sampling ialah metode pengambilan sampel

dari anggota populasi secara acak dan proporsional agar dapat

menggambarkan secara tepat sifat populasi yang heterogen dan dilakukan

dalam beberapa tahap:

1. Sampel Responden

Penentuan sampel responden dari populasi yang berjumlah 538

siswa diambil melalui metode persentase. Hal ini didasarkan atas pendapat

Silalahi (2010: 276) dalam bukunya Metode Penelitian Sosial yang

menyatakan bahwa umumnya peneliti menggunakan teknik sampel sebagai

berikut:

1. Jumlah sampel sekitar 30 kasus atau subjek yang dengannya analisis

statistik dapat dilakukan.

2. Menurut presentase yang “layak” dijangkau. Untuk populasi kecil (di

bawah 1000), peneliti membutuhkan rasio pemilihan sampel besar

(30%). Untuk populasi menengah (kurang dari 10.000) dibutuhkan

rasio pemilihan sampel 10%. Sedangkan untuk populasi melebihi

150.000 maka rasio pemilihan sampel sebanyak 1%.

47




ii

Selain itu, menurut pendapat Suharsimi (2010: 134) pengambilan

sampel dapat didasari hal-hal sebagai berikut:

Jika jumlah subjek populasi besar, dapat diambil antara 10-15% atau 20-25%

atau lebih, tergantung setidak-tidaknya dari:

1. Kemampuan peneliti dilihat dari waktu, tenaga dan dana.

2. Sempit luasnya wilayah pengamatan dari setiap subyek, karena hal

ini menyangkut dari banyak sedikitnya data.

3. Besar kecilnya resiko yang ditanggung oleh peneliti.

Berdasarkan pada pendapat tersebut, maka dalam penelitian ini

diambil sampel minimum sebanyak 30% dari populasi yaitu 30% x 538 =

161. Pertimbangannya karena jumlah populasinya kurang dari 1.000 yaitu

sebanyak 538 siswa. Alasan lainnya yaitu karena keterbatasan waktu, tenaga,

dan dana yang membuat peneliti tidak dapat menjangkau seluruh populasi

penelitian.

Penarikan sampel responden dialokasikan atau disebarkan ke dalam

setiap sekolah secara random dan proporsional. Setiap siswa memiliki

kesempatan yang sama untuk diteliti dan sampel yang diambil secara random.

Adapun rumus untuk menentukan ukuran sampel menggunakan rumus Slovin

sebagai berikut:

Dimana: ni = ukuran sampel menurut proporsi

n = ukuran sampel seluruhnya

48




ii

Ni = ukuran populasi menurut proporsi

N = ukuran populasi seluruhnya

(Riduwan dan Kuncoro, 2011: 210)

Tabel 3.1

Perhitungan dan Distribusi Sampel Responden

Nama Sekolah Jumlah Siswa

Kelas XII IPS Distribusi Sampel

SMAN 3 Bandung 15

SMAN 4 Bandung 45

SMAN 5 Bandung 71

SMAN 8 Bandung 84

SMAN 11 Bandung 156

SMAN 24 Bandung 105

Total Sampel 161

3.3 Operasionalisasi Variabel

Operasionalisasi variabel merupakan petunjuk pelaksanaan untuk

mengukur suatu variabel. Untuk menghindari terjadinya kekeliruan di dalam

menafsirkan permasalahan yang penulis teliti, maka berikut ini dibuat

penjabaran konsep yang dapat dijadikan pedoman dalam menentukan aspek-

aspek yang diteliti. Adapun bentuk operasional variabel dari masalah yang

penulis teliti adalah sebagai berikut:

Tabel 3.2

Operasionalisasi Variabel

49




ii

Variabel Konsep Teoritis Konsep Empiris Konsep Analitis Skala

Kompetensi

Pedagogik

(X1)

Kemampuan guru

yang berkenaan

dengan pemahaman

peserta didik dan

pengelola

pembelajaran yang

mendidik dan

dialogis

(Undang-undang

No. 14 Tahun 2005

tentang Guru dan

Dosen)

Kemampuan guru

dalam mengelola

pembelajaran

peserta didik

Skor kompetensi pedagogik guru

(dalam persepsi siswa) dengan

menggunakan skala Likert

meliputi:

1. Menguasai karakteristik

peserta didik dari aspek

fisik, intelektual, moral,

spiritual, kultural dan

emosional

2. Mampu menjelaskan materi

pembelajaran dengan baik

3. Mampu mengelola

ketertiban kelas selama

proses pembelajaran

4. Menggunakan media belajar

dan sumber belajar yang

relevan

5. Memanfaatkan teknologi

informasi dan komunikasi

dalam proses belajar

mengajar

6. Mampu melakukan

penilaian dan menganalisis

hasil belajar siswa

7. Mampu mengembangkan

potensi akademik siswa

Ordinal


50




ii

Kompetensi

Kepribadian

Guru

(X2)

Kemampuan

kepribadian guru

yang mantap,

berakhlak mulia,

arif dan berwibawa

serta menjadi

teladan bagi peserta

didik dan berakhlak

mulia

(Undang-undang

No. 14 Tahun 2005

tentang Guru dan

Dosen)

Kemampuan

kepribadian guru

yang mantap,

berakhlak mulia,

arif dan berwibawa

serta menjadi

teladan perserta

didik

Skor kompetensi kepribadian

guru (dalam persepsi siswa)

dengan menggunakan skala

Likert meliputi:

1. Bertindak sesuai dengan

norma, agama, hukum sosial

dan kebudayaan nasional

Indonesia

2. Menampilkan diri sebagai

pribadi yang jujur,

berakhlak mulia dan teladan

bagi peserta didik dan

masyarakat

3. Menampilkan diri sebagai

pribadi yang dewasa, arif

dan berwibawa

4. Menunjukkan etos kerja dan

tanggung jawab yang tinggi

5. Berperilaku sesuai dengan

kode etik guru

Ordinal

Kompetensi

Sosial Guru

(X3)

Kemampuan guru

sebagai bagian dari

masyarakat untuk

berkomunikasi dan

berinteraksi secara

efektif dan efisien

dengan peserta

didik, sesama guru,

orang tua/wali

peserta didik dan

masyarakat sekitar

(Undang-undang

No. 14 Tahun 2005

tentang Guru dan

Dosen)

Kemampuan guru

untuk

berkomunikasi dan

berinteraksi secara

efektif dan efisien

dengan peserta

didik, sesama guru,

orang tua/wali

peserta didik dan

masyarakat sekitar

Skor kompetensi sosial guru

(dalam persepsi siswa) dengan

menggunakan skala Likert

meliputi:

1. Bersikap objektif terhadap

peserta didik dalam

melaksanakan pembelajaran

2. Berkomunikasi secara

efektif, empatik dan santun

dengan sesama pendidik,

orang tua dan masyarakat

3. Beradaptasi di tempat

bertugas di seluruh wilayah

Republik Indonesia yang

memiliki keragaman sosial

budaya

4. Berkomunikasi dengan

komunitas profesi sendiri

dan profesi lain secara lisan

dan tulisan atau bentuk lain

Ordinal

Kompetensi

Profesional Guru

(X4)

Kemampuan guru

yang berkenaan

dengan penguasaan

materi pelajaran

secara luas dan

Kemampuan guru

dalam penguasaan

materi pelajaran

secara luas dan

mendalam

Skor kompetensi profesional

guru (dalam persepsi siswa)

dengan menggunakan skala

Likert meliputi: skala Likert

meliputi:

1. Menguasai materi

Ordinal

51




ii

mendalam yang

mencangkup

penguasaan

substansi isi materi,

sebagai guru mata

pelajaran,

pembelajaran, struktur,

konsep dan pola pikir

keilmuan yang mendukung

mata pelajaran

2. Memahami tujuan

pembelajaran

3. Mengolah materi pelajaran

secara kreatif


Memahami

kurikulum serta

menambah

wawasan keilmuan

(Undang-undang

No. 14 Tahun 2005

tentang Guru dan

Dosen)

4. Mengikuti kemajuan zaman

dengan belajar dari berbagai

sumber

5. Memanfaatkan teknologi

informasi dan komunikasi

dalam proses belajar

mengajar

Hasil belajar

(Y)

Hasil belajar adalah

kemampuan yang

dimiliki siswa

setelah ia menerima

pengalaman

belajarnya

Nana Sudjana

(2001:22)

Nilai UN yang

diperoleh siswa

dalam mata

pelajaran ekonomi

Data diperoleh dari sekolah

tempat diadakan penelitian

tentang nilai UN SMAN Cluster

1 se-kota Bandung tahun ajaran

2012/2013 pada mata pelajaran

ekonomi

Interval

3.4 Teknik Pengumpulan Data

Teknik pengumpulan data merupakan cara atau langkah yang

digunakan untuk memperoleh data yang diperlukan dalam penelitian

Berdasarkan jenisnya, data yang digunakan dalam penelitian ini adalah data

primer, yaitu data yang diperoleh langsung dari responden melalui kuesioner.

Alat pengumpul data dalam penelitian ini adalah:

1. Kuesioner/angket, yaitu berupa daftar pertanyaan untuk menggali

informasi mengenai masalah yang dibahas. Adapun kuesioner yang

digunakan dalam penelitian ini adalah bentuk kuesioner tertutup.

52




ii

2. Studi dokumentasi, yaitu studi untuk mencari data mengenai hal-hal atau

variabel yang diteliti berupa dokumen-dokumen yang ada pada objek

penelitian, dalam hal ini data diperoleh dari dinas pendidikan kota

Bandung dan sekolah diadakannya penelitian tentang nilai UN mata

pelajaran ekonomi SMA tahun ajaran 2012/2013.

3. Studi literatur, yaitu teknik pengumpulan data dengan cara memperoleh

atau mengumpulkan data dari jurnal, artikel, dan media cetak lainnya

yang berhubungan dengan konsep dan pembahasan yang diteliti.

3.5 Pengujian Instrumen Penelitian

Analisis instrumen penelitian digunakan untuk menguji apakah

instrumen penelitian ini memenuhi syarat-syarat alat ukur yang baik atau

tidak sesuai dengan standar metode penelitian. Oleh karena pengumpulan

data dilakukan dengan menggunakan instrumen yang berupa kuesioner,

maka dilakukan uji validitas dan uji reliabilitas atas instrumen penelitian

ini.

3.5.1 Uji Validitas

Menurut Arikunto (2010: 168) “validitas adalah suatu ukuran yang

menunjukkan tingkat-tingkat kevalidan atau kesahihan sesuatu instrumen.

Suatu instrumen yang valid atau sahih mempunyai validitas tinggi.

Sebaliknya, instrumen yang kurang valid berarti memiliki validitas rendah”.

Dalam uji validitas ini menggunakan langkah-langkah sebagai

berikut:

1. Memberikan nomor pada angket

2. Memberikan skor pada setiap bulir sesuai dengan bobot yang telah

ditentukan

3. Menjumlahkan skor setiap responden

53




ii

4. Menghitung korelasi dengan rumus Product Moment dari Pearson sebagai

berikut:

(∑ ) (∑ ) (∑ )

√{ ∑ (∑ )

} { ∑ (∑ )

}


Dimana:

r hitung = koefisien korelasi

∑ Xi = jumlah skor item

∑ Yi = jumlah skor total (seluruh item)

n = jumlah responden

Karena subjek merupakan sampel besar, dimana n lebih besar dari

10, maka untuk melihat signifikansinya dilakukan dengan mendistribusikan

rumus student t, yaitu: √

√


Dimana:

t = nilai t hitung

r = koefisien korelasi hasil r hitung

n = jumlah responden

Distribusi (Tabel t) untuk α = 0,05 dan derajat kebebasan (dk = n-2).

Kaidah keputusan: Jika t hitung > t tabel berarti valid, sebaliknya jika t hitung

< t tabel berarti tidak valid.

Jika instrumen itu valid, maka dilihat kriteria penafsiran mengenai

indeks korelasinya (r) sebagai berikut (Riduwan dan Kuncoro, 2011: 217):

Antara 0,800-1,000 : sangat tinggi

Antara 0,600-0,799 : tinggi

54




ii

Antara 0,400-0,599 : cukup tinggi

Antara 0,200-0,399 : rendah

Antara 0,000-0,199 : sangat rendah (tidak valid)

Berikut ini adalah hasil pengujian validitas instrumen penelitian pada

siswa kelas XII IPS SMAN Cluster 1 se-Kota Bandung yang diolah dengan

bantuan software Microsoft Office Excel 2007.

Tabel 3.3

Uji Validitas Instrumen Penelitian

No.

item

r xy

t Hitung

t Tabel

Ketentuan

Keputusan

1 0,47 6,71 1,97

Valid

2 0,36 4,85 1,97

Valid

No.

item

r xy

t Hitung

t Tabel

Ketentuan

Keputusan

3

0,60

9,74

1,97

t Hitung >

t Tabel Valid

4 0,24 3,10 1,97 α= 95% serta

Derajat

Kebebasan

(dk) = n-4

Valid

5 0,22 2,79 1,97 Valid

6 0,49 6,94 1,97 Valid

7 0,33 4,36 1,97 Valid

8 0,65 10,61 1,97 Valid

55




ii

9 0,63 10,26 1,97 Valid

10 0,57 8,67 1,97 Valid

11 0,48 6,80 1,97 Valid

12 0,50 7,32 1,97 Valid

13 0,58 8,68 1,97 Valid

14 0,63 10,19 1,97 Valid

15 0,57 8,11 1,97 Valid

16 0,32 4,30 1,97 Valid

17 0,30 4,02 1,97 Valid

18 0,29 3,90 1,97 Valid

19 0,46 6,42 1,97 Valid

20 0,36 4,83 1,97 Valid

21 0,30 3,99 1,97 Valid

22 0,80 16,05 1,97 Valid

23 0,78 15,49 1,97 Valid

24 0,54 8,12 1,97 Valid

25 0,79 15,72 1,97 Valid

26 0,76 15,23 1,97 Valid

27 0,63 10,23 1,97

Ketentuan

t Hitung >

t Tabel,

Valid

No.

item

r xy

t Hitung

t Tabel

Keputusan

28 0,80 16,76 1,97 Valid

29 0,77 15,15 1,97 Valid

56




ii

30 0,76 15,15 1,97 α= 95% serta

Derajat

Kebebasan

(dk) = n-4

Valid

31 0,64 10,39 1,97 Valid

32 0,61 9,87 1,97 Valid

33 0,83 19,14 1,97 Valid

34 0,70 12,50 1,97 Valid

35 0,69 12,35 1,97 Valid

36 0,64 10,42 1,97 Valid

37 0,72 12,85 1,97 Valid

38 0,81 18,73 1,97 Valid

39 0,64 10,48 1,97 Valid

40 0,78 15,64 1,97 Valid

Sumber : Hasil Penelitian (data diolah)

Tabel 3.3 tersebut menunjukkan bahwa seluruh t hitung lebih besar

daripada t tabel sehingga dapat disimpulkan bahwa seluruh item dalam angket

yang digunakan dalam penelitian ini merupakan item yang valid dan layak

digunakan sebagai instrumen penelitian.

3.5.2 Uji Reliabilitas

Suharsimi Arikunto (2010: 184) mengungkapkan bahwa reliabilitas

menunjuk pada tingkat keterandalan sesuatu. Suatu instrumen dikatakan

reliabel jika cukup dapat dipercaya untuk digunakan sebagai alat pengumpul

data karena instrument tersebut sudah baik, tidak bersifat tendesius, dapat

dipercaya, datanya memang benar sesuai dengan kenyataannya hingga berapa

kali pun diambil, hasilnya akan tetap sama.

57




ii

Untuk menghitung uji reliabilitas, penelitian ini menggunakan rumus

alpha dari Cronbach sebagaimana berikut:

r11= [

] [

∑

] (Suharsimi Arikunto, 2010)

Keterangan:

r11 = reliabilitas instrumen

k = banyak butir pernyataan atau banyaknya soal

∑ = Jumlah varians butir

varians total

Selanjutnya, untuk melihat signifikansi reliabilitasnya dilakukan

dengan mendistribusikan rumus student t, yaitu:

thit = √( )

√ (Suharsimi Arikunto, 2010)

Dengan kriteria : Jika thitung> ttabel, maka instrument penelitian

reliabel dan signifikan, begitu pula sebaliknya.

Berikut ini merupakan hasil uji reliabilitas yang diolah dengan bantuan

Microsoft Excel 2007.

Tabel 3.4

Uji Reliabilitas Variabel

Variabel r Hitung r Tabel Ketentuan Keputusan

Kompetensi Pedagogik (X1) 0.805

0.129 r hit > r tab dengan α =

0.05

Reliabel

Kompetensi Kepribadian (X2) 0.899 Reliabel

Kompetensi Sosial (X3) 0.733 Reliabel

Kompetensi Profesional (X4) 0.691 Reliabel

Sumber : Hasil Penelitian (data diolah)

Berdasarkan Tabel 3.4 ditunjukkan bahwa seluruh instrumen penelitian

memiliki reliabilitas yang memadai karena nilai r Hitung > r Tabel dengan α =

58




ii

0,05. Maka, seluruh instrumen dalam penelitian ini merupakan instrumen yang

terpercaya.

3.5.3 Uji Normalitas

Uji normalitas dimaksudkan untuk mengetahui apakah data

penelitian berdistribusi normal atau tidak berdistribusi normal. Dalam

penelitian ini uji normalitas dilakukan dengan menggunakan metode Jarque-

Bera (JB). Jika nilai JB mendekati 1 maka data berdistribusi normal, namun

jika nilai JB mendekati 0 maka data tidak berdistribusi normal.

3.6 Uji Asumsi Klasik

3.6.1 Uji Multikolinearitas

Multikolinieritas adalah hubungan linier yang sempurna atau pasti

diantara beberapa variabel atau semua variabel yang menjelaskan dari model

regresi. Multikolinieritas merupakan salah satu bentuk pelanggaran terhadap

asumsi model regresi linier klasik karena bisa mengakibatkan estimator OLS

memiliki :

1. Kesalahan baku sehingga sulit mendapatkan estimasi yang tepat.

2. Akibat poin satu, maka interval estimasi akan cenderung lebih lebar dan

nilai hitung statistik uji t akan kecil sehingga membuat variabel devenden

secara statistik tidak signifikan mempengaruhi variabel independent.

59




ii

3. Walaupun secara individu variabel independent tidak berpengaruh

terhadap variabel dependen melalui uji statistik t, namun nilai koefisien

determinasi masih relatif tinggi.

Untuk mendeteksi ada tidaknya multikolinieritas dalam suatu model

OLS, maka menurut Yana Rohmana (2010: 143) dapat dilakukan beberapa

cara berikut ini :

1. Multikolinieritas diduga ketika R2 tinggi yaitu antara 0,7-1,00 tetapi

hanya sedikit variabel independent yang signifikan mempengaruhi

variabel dependen melalui uji t namun berdasarkan uji F secara statistik

signifikan yang berarti semua variabel independent secara bersama-sama

mempengaruhi variabel dependen.

Dalam hal ini menjadi kontradiktif dimana berdasarkan uji t secara

individual variabel independent tidak berpengaruh terhadap variabel

dependen, namun secara bersama-sama variabel independent

berpengaruh terhadap variabel dependen.

2. Dengan koefisien korelasi sederhana (zero coefficient of correlation), jika

nilainya tinggi menimbulkan dugaan terjadi multikolinier tetapi belum

tentu dugaan itu benar.

3. Dengan melihat hubungan tidak hanya satu variabel akan tetapi

multikolinieritas bisa terjadi karena kombinasi linier dengan variabel

independent lain. Keputusan ada tidaknya unsur multikolinier dalam

model ini biasanya dengan membandingkan nilai hitung F dengan nilai

kritis F, jika nilai hitung F lebih besar dari nilai kritis F dengan tingkat

signifikansi a dan derajat kebebasan tertentu maka dapat disimpulkan

model mengandung unsur multikolinier.

60




ii

4. Dengan metode Klien, klien menyarankan untuk mendeteksi

multikolinier dengan membandingkan koefisien determinasi aukiliary

dengan koefisien determinasi model regresi aslinya yaitu Y dengan

variabel independent.

Sebagai rule of thumbuji klien ini, jika R2x1x2x3…x4 lebih besar dari R

2

maka model mengandung unsur multikolinier antara variabel

independent dan jika sebaliknya maka tidak ada korelasi antar variabel

independent.

Apabila terjadi multikolinieritas menurut Yana Rohmana

(2010:149), disarankan untuk mengatasinya dengan cara :

1. Penambahan sampel.

2. Menghilangkan variabel independent.

3. Menggabungkan data cross-section dan data time series.

4. Transformasi variabel.

5. Penambahan data.

3.6.2 Uji Heteroskedastis

Salah satu asumsi pokok lain dalam model regresi linier klasik ialah

bahwa varian-varian setiap disturbance term yang dibatasi oleh nilai tertentu

mengenai variabel-variabel bebas adalah berbentuk suatu nilai konstan yang

sama dengan 2. Inilah yang disebut sebagai asumsi homoskedastisitas,

(Yana Rohmana, 2010: 160). Konsekuensi logis dari adanya

heteroskedastisitas adalah menyebabkan perhitungan standard error metode

OLS menjadi tidak bisa dipercaya kebenarannya, akibatnya interval estimasi

61




ii

maupun uji hipotesis yang didasarkan pada distribusi t maupun uji F tidak

bisa lagi dipercaya untuk evaluasi hasil regresi.

Heteroskedastisitas dapat dideteksi melalui beberapa cara antara lain:

melalui metode grafik, test park (uji park), uji glejser (glejser test), uji

korelasi spearmant, uji goldfield-Quandt, uji Breusch-Pagan-Godfrey, uji

umum heteroskedastis white, ujiheteroskedastis berdasarkan residual OLS

atau model ekonometrika linier. Pada penelitian ini peneliti akan mendeteksi

heteroskedastis dengan metode White, dengan kriteria sebagai berikut:

a. Hasil penghitungan melalui White Heteroscedasticity Test

menghasilkan nilai Obs*R-squared (χ2

hitung). Jika nilai χ2

hitung <

nilai χ2

tabel, maka model dalam penelitian terbebas dari masalah

heteroskedastisitas, begitupun sebaliknya.

b. Probability dari nilai Obs*R-squared (χ2

hitung) harus lebih besar dari

α 0,05 yang berarti model tidak terkena heterokedastisitas.

3.6.3 Uji Autokorelasi

Asumsi penting lainnya yang akan diuji dalam penelitian ini adalah

uji autokorelasi atau serial korelasi. Autokorelasi menggambarkan adanya

korelasi antara anggota observasi satu dengan observasi lain yang berlainan

waktu. Dalam kaitannya dengan asumsi OLS, autokorelasi merupakan

korelasi antara satu variabel gangguan dengan variabel gangguan yang lain

(Yana Rohmana 2010:192).

Adanya gejala autokorelasi dalam model regresi OLS dapat

menimbulkan :

1. Estimator OLS menjadi tidak efisien karena selang keyakinan melebar.

2. Variance populasi 2 diestimasi terlalu rendah (underestimated) oleh

variansresidual taksiran ( ^ 2).

62




ii

3. Akibat butir b, R2 bisa ditaksir terlalu tinggi (overestimated).

4. Jika 2 tidak diestimasi terlalu rendah, maka varians estimator OLS

( ^ )

5. Pengujian signifikansi (t dan F) menjadi lemah.

Ada beberapa cara untuk mendeteksi autokorelasi pada model

regresi, diantaranya dengan mengguanakan metode Grafik, uji loncatan (Runs

Test) atau uji Geary (Geary Test), uji Durbion Watson (Durbin Watson d

test), uji Breusch-Godfrey (Breusch-Godfrey test). Pada penelitian ini, penulis

menggunakan uji Breusch-Godfrey (Breusch-Godfrey test) atau Lagrange

Multiplier (LM) untuk mendeteksi autokorelasi, yaitu dengan cara melihat

nilai probabilitasnya dengan ketentuan sebagai berikut:

a. Jika nilai probabilitasnya lebih besar dari 0.05 atau > α=5%, berarti

tidak ada autokorelasi.

b. Jika nilai probabilitasnya kurang dari 0.05 atau < α=5%, berarti ada

autokorelasi.

3.7 Analisis Data dan Pengujian Hipotesis

3.7.1 Teknik Analisis Data

Dalam penelitian ini teknik analisis data yang digunakan adalah

analisis regresi. Teknik analisis regresi digunakan untuk mengetahui

hubungan suatu variabel dependen dengan variabel independen (Yana

Rohmana, 2010: 21). Sedangkan model yang digunakannya adalah model

regresi linier berganda karena variabel bebasnya lebih dari satu buah.

Persamaan model dalam penelitian ini adalah sebagai berikut:

63




ii

eXaXaXaXaaY 443322110

keterangan:

Y = Hasil belajar siswa

0a = Konstanta

α1, α2, α3, α4 = Koefisien

X1 = Kompetensi pedagogik

X2 = Kompetensi kepribadian

X3 = Kompetensi sosial

X4 = Kompetensi profesional

e = Variabel pengganggu / faktor residual

Untuk mendapatkan koefisien regresi berganda, digunakan analisis

Ordinary Least Square (OLS) atau analisis kuadrat terkecil. Formula atau

rumus regresi diturunkan dari suatu asumsi data tertentu. Dengan demikian

tidak semua data dapat diterapkan regresi. Jika data tidak memenuhi asumsi

regresi, maka penerapan regresi akan menghasilkan estimasi yang bias. Jika

data memenuhi asumsi regresi maka estimasi (α) yang diperoleh akan bersifat

BLUE yang merupakan singkatan dari Best, Linear, Unbiased, Estimator.

Best, artinya yang terbaik, dalam arti garis regresi merupakan

estimasi atau ramalan yang baik dari suatu sebaran data. Garis regresi

merupakan cara memahami pola hubungan antara dua seri data atau lebih.

Garis regresi adalah best jika garis itu menghasilkan error yang terkecil error

itu sendiri adalah perbedaan antara nilai observasi dan nilai yang diramalkan

oleh garis regresi. Jika best bersifat unbiased maka estimator regresi disebut

koefisien.

Linear. Estimator disebut linear jika estimator tersebut itu

merupakan fungsi linier dari sampel.

64




ii

Rata-rata X =

∑

(X1 + X2 + ........... + Xn)

Adalah estimator yang linear, karena merupakan fungsi lineardari

nilai-nilai X. Nilai OLS juga merupakan klas estimtor\ yang linear

Unbiased. Estimator dikatakan unbiased jika nilai harapan dari

estimator sama dengan nilai yang benar dari β.

Rata-rata = β = β

Bias = Rata-rata β - β

Metode OLS yang dirumuskan di atas merupakan penaksir yang

memiliki sifat BLUE. OLS akan memiliki sifat BLUE jika memenuhi asumsi-

asumsinya, dari mana penururnan formula OLS tersebut diturunkan. Adapun

asumsinya adalah sebagai berikut:

1. Hubungan antara variabel Y (variabel dependen) dan X (variabel

independen) adalah linier dalam parameter.

2. Nilai X nilainya tetap untuk observasi yang berulang-ulang (non-

stocastic). Karena variabel independennya lebih dari satu maka ditambah

satu asumsi, tidak ada hubungan linier antara variabel independen atau

tidak ada multikolinieritas antar variabel X dalam persamaan model.

3. Nilai harapan (expected value) atau rata-rata dari variabel gangguan

adalah nol.

E(e/Xi) = 0

4. Varian dari variabel gangguan atau residual ei atau ei adalah sama

(homoskedastisitas).

Var(ei / Xi) = E[ei-E(ei / Xi)]2

= E(ei / Xi) karena asumsi 3

= 2

65




ii

5. Tidak ada serial korelasi gangguan atau residual ei atau residual ei tidak

saling berhubungan dengan residual ei lain.

Cov(ei,ej / Xi,Xj) = E[(ei – E(ei) / Xi)] [(ej / E(ej) / Xj)]

= E(ei / Xi) (ej / Xj) = 0

6. Variabel gangguan ei berdistribusi normal.

Jika regresi linier berganda memenuhi 6 asumsi di atas, maka persamaan

regresi linier dapat diartikan sebagai berikut:

E (Y, / X1, X2, X3, X4) = eXaXaXaXaa 443322110

Artinya : nilai harapan (expected value) atau rata-rata dari Y pada nilai

tertentu dipengaruhi variabel independen X1, X2, X3 dan X4.

Sedangkan 1a adalah mengukur perubahan rata-rata Y atau nilai harapan

E (Y/ X1, X2, X3, X4) terhadap perubahan per unit X1 dengan asumsi

variabel X2, X3 dan X4 tetap. Begitu pula dalam mengukur koefisien 2a

3a 4a .

Berdasarkan asumsi di atas, maka jenis data yang akan dianalisis

harus memenuhi kriteria analisis regresi linier berganda. Jenis data yang

terkumpul adalah data ordinal dan interval, sejalan dengan tujuan penelitian

yaitu untuk mengetahui pengaruh kompetensi guru terhadap hasil belajar

siswa. Pengujian hipotesis ini menggunakan analisis regresi linier berganda

sebagaimana yang diungkapkan oleh Sugiyono (1999: 16) yang

mempersyaratkan bahwa “jenis data yang dapat diuji oleh regresi linier harus

memiliki data interval atau rasio”.

66




ii

Dengan adanya syarat tersebut, maka data yang berjenis ordinal

yaitu data variabel bebas (X1, X2, X3 dan X4) harus ditingkatkan menjadi data

interval melalui Methods of Successive Interval (MSI). Salah satu

kegunaannya dalam skala pengukuran sikap adalah untuk menaikkan

pengukuran dari ordinal ke interval.

Hal itu sesuai dengan apa yang dikemukakan oleh Harun Al-rasyid

(1993: 131-134) dalam bukunya Teknik Penarikan Sampel dan Penyusunan

Skala. Langkah kerja Methods of Succesive Interval (MSI) adalah sebagai

berikut:

1. Perhatikan tiap butir pernyataan, misalnya dalam angket.

2. Untuk butir tersebut, tentukan berapa banyak orang yang mendapatkan

(menjawab) skor 1,2,3,4,5 yang disebut frekuensi.

3. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya

disebut Proporsi (P).

4. Tentukan Proporsi Kumulatif (PK) dengan cara menjumlah antara

proporsi yang ada dengan proporsi sebelumnya.

5. Dengan menggunakan tabel distribusi normal baku, tentukan nilai Z

untuk setiap kategori proporsi kumulatif yang telah diperoleh.

6. Tentukan nilai densitas untuk setiap nilai Z yang diperoleh dengan

mengunakan tabel ordinat distribusi normal baku.

7. Hitung SV (Scale Value) = Nilai Skala dengan rumus sebagai berikut:

( ) ( )

( ) ( )

8. Menghitung skor hasil tranformasi untuk setiap pilihan jawaban dengan

Rumus:

[ | |]

67




ii

Selain dengan cara manual, penulis mengolah data MSI

menggunakan software STAT 97 yang merupakan aplikasi tambahan dari

software microsoft excel. Setelah data ditransformasikan dari data skala

ordinal ke skala interval, maka hipotesis dapat langsung diuji menggunakan

teknik analisis regresi untuk mengetahui ada tidaknya hubungan serta

pengaruh antar variabel bebas (X) dengan variabel terikat (Y) baik secara

simultan maupun parsial.

3.8 Uji Hipotesis

Untuk menguji hipotesis, dalam penelitian ini menggunakan uji dua

pihak yang dirumuskan secara statistik adalah sebagai berikut :

Ho : = 0, Artinya tidak ada pengaruh yang signifikan antara variabel X

terhadap variabel Y

H1 : 0, Artinya ada pengaruh yang signifikan antara variabel X terhadap

variabel Y

Adapun kesimpulan yang dijadikan dasar untuk menolak atau

menerima hipotesis adalah : Hipotesis hubungan secara keseluruhan atau

simultan H0 ditolak jika F hitung > F tabel dan H0 diterima jika F hitung < F

tabel, sedangkan untuk uji hipotesis hubungan secara parsial H0 ditolak jika t

hitung > t tabel dan H0 diterima jika t hitung < t tabel.

Dengan tingkat kesalahan atau error sebesar 0.05 atau 5% atau

tingkat signifikansi sebesar 95%. Untuk berbagai pengujian statistik yang

harus dilakukan lebih jelasnya akan diuraikan sebagai berikut :

3.8.1 Uji t Statistik

Untuk menguji hipotesis, maka dilakukan uji t dimana untuk

menguji hipotesis secara parsial dapat dihitung dengan menggunakan rumus:

68




ii

.............2,1,1 iSe

t

(Sudjana, 2010: 388)

Setelah diperoleh t statistik atau t hitung, selanjutnya bandingkan

dengan t tabel dengan disesuaikan.

Kriteria: Ho diterima jika t statistik < t tabel, df [k;(n-k)]

Ho ditolak jika t statistik t tabel, df [k;(n-k)]

Artinya : apabila t statistik t tabel maka koefisien korelasi parsial tersebut

signifikan dan menunjukkan adanya pengaruh secara parsial antara variabel

terikat (dependent) dengan variabel bebas (independent), atau sebaliknya jika

t statistik < t tabel maka koefisien korelasi parsial tersebut tidak signifikan

dan menunjukkan tidak ada pengaruh secara parsial antara variabel terikat

(dependent) dengan variabel bebas (independent).

3.8.2 Uji F Statistik

Uji F Statistik bertujuan untuk menghitung pengaruh bersama

variabel bebas secara keseluruhan terhadap variabel terikat. Rumus yang

digunakan adalah :

F= ( )

( ) (Yana Rohmana 2010: 78).

Kemudian membandingkan antara nilai Fhitung dengan nilai Ftabel.

Dengan ketentuan sebagai berikut :

1) Jika Fhitung < Ftabel maka H0 diterima dan H1 (keseluruhan variabel bebas X

tidak berpengaruh terhadap variabel Y).

2) Jika Fhitung > Ftabel maka Ho ditolak dan H1 diterima (keseluruhan variabel

bebas X berpengaruh terhadap variabel terikat Y).

69




ii

3.8.3 Koefisien Determinasi

Koefisien determinasi (R2) merupakan cara untuk mengukur

ketepatan suatu garis regresi. Menurut Damodar Gujarati (1998: 98) dalam

bukunya Ekonometrika dijelaskan bahwa Koefisien determinasi (R2) yaitu

angka yang menunjukkan besarnya derajat kemampuan menerangkan variabel

bebas terhadap variabel terikat dari fungsi tersebut. Nilai R2 berkisar antara 0

dan 1 (0<2<1). Dengan ketentuan sebagai berikut :

1) Jika R2 semakin mendekati 1, maka hubungan antara variabel bebas

dengan variabel terikat semakin erat/ dekat, atau dengan kata lain model

tersebut dapat dinilai baik.

2) Jika R2 semakin menjauhi angka 1, maka hubungan antara variabel bebas

dengan variabel terikat jauh atau tidak erat, dengan kata lain model

tersebut dapat dinilai kurang baik.

BAB III METODE PENELITIAN 3.1 Metode Penelitian...

Documents

Transcript of BAB III METODE PENELITIAN 3.1 Metode Penelitian...