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 (X 1 ), kompetensi kepribadian guru (X 2 ), kompetensi sosial guru (X 3 ) dan kompetensi profesional guru (X 4 ). 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 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 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: n i = ukuran sampel menurut proporsi n = ukuran sampel seluruhnya
48 N i = ukuran populasi menurut proporsi N = ukuran populasi seluruhnya (Riduwan dan Kuncoro, 2011: 210) Tabel 3.1 Perhitungan dan Distribusi Sampel Responden Nama Sekolah SMAN 3 Bandung SMAN 4 Bandung SMAN 5 Bandung SMAN 8 Bandung SMAN 11 Bandung SMAN 24 Bandung Jumlah Siswa Kelas XII IPS 15 45 71 84 156 105 Distribusi Sampel 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 aspekaspek yang diteliti. Adapun bentuk operasional variabel dari masalah yang penulis teliti adalah sebagai berikut: Tabel 3.2 Operasionalisasi Variabel
49 Variabel Konsep Teoritis Konsep Empiris Konsep Analitis Skala Kompetensi Pedagogik (X 1 ) Ordinal 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 Variabel Konsep Teoritis Konsep Empiris Konsep Analitis Skala
50 Kompetensi Kepribadian Guru (X 2) Kompetensi Sosial Guru (X 3 ) Kompetensi Profesional Guru (X 4 ) 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 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 yang berkenaan dengan penguasaan materi pelajaran secara luas dan Kemampuan kepribadian guru yang mantap, berakhlak mulia, arif dan berwibawa serta menjadi teladan perserta didik Kemampuan guru untuk berkomunikasi dan berinteraksi secara efektif dan efisien dengan peserta didik, sesama guru, orang tua/wali peserta didik dan masyarakat sekitar Kemampuan guru dalam penguasaan materi pelajaran secara luas dan mendalam 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 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 Skor kompetensi profesional guru (dalam persepsi siswa) dengan menggunakan skala Likert meliputi: skala Likert meliputi: 1. Menguasai materi Ordinal Ordinal Ordinal
51 mendalam yang mencangkup pembelajaran, struktur, konsep dan pola pikir penguasaan keilmuan yang mendukung mata pelajaran substansi isi materi, 2. Memahami tujuan sebagai guru mata pembelajaran pelajaran, 3. Mengolah materi pelajaran secara kreatif Variabel Konsep Teoritis Konsep Empiris Konsep Analitis Skala Hasil belajar (Y) Memahami kurikulum serta menambah wawasan keilmuan (Undang-undang No. 14 Tahun 2005 tentang Guru dan Dosen) 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 4. Mengikuti kemajuan zaman dengan belajar dari berbagai sumber 5. Memanfaatkan teknologi informasi dan komunikasi dalam proses belajar mengajar 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 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 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 (Riduwan dan Kuncoro, 2011: 217) 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 (Riduwan dan Kuncoro, 2011: 217) 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 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 Valid 5 6 7 0,22 0,49 0,33 2,79 6,94 4,36 1,97 1,97 1,97 Derajat Kebebasan (dk) = n-4 Valid Valid Valid 8 0,65 10,61 1,97 Valid
55 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 Valid No. item r xy t Hitung t Tabel Ketentuan Keputusan 28 0,80 16,76 1,97 t Hitung > Valid 29 0,77 15,15 1,97 t Tabel, Valid
56 30 0,76 15,15 1,97 α= 95% serta Valid 31 32 33 0,64 0,61 0,83 10,39 9,87 19,14 1,97 1,97 1,97 Derajat Kebebasan (dk) = n-4 Valid Valid 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 Untuk menghitung uji reliabilitas, penelitian ini menggunakan rumus alpha dari Cronbach sebagaimana berikut: r 11 = [ ] [ ] (Suharsimi Arikunto, 2010) Keterangan: r 11 = 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: t hit = ( ) (Suharsimi Arikunto, 2010) Dengan kriteria : Jika t hitung > t tabel, 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 Reliabel Kompetensi Kepribadian (X2) 0.899 Reliabel r hit > r tab dengan α = 0.129 0.05 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 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 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 R 2 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 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 R 2 x1x2x3 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 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 (χ 2 hitung). Jika nilai χ 2 hitung < nilai χ 2 tabel, maka model dalam penelitian terbebas dari masalah heteroskedastisitas, begitupun sebaliknya. b. Probability dari nilai Obs*R-squared (χ 2 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). menimbulkan : Adanya gejala autokorelasi dalam model regresi OLS dapat 1. Estimator OLS menjadi tidak efisien karena selang keyakinan melebar. 2. Variance populasi variansresidual taksiran ( ^ 2 ). 2 diestimasi terlalu rendah (underestimated) oleh
62 3. Akibat butir b, R 2 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 Y a0 a1 X1 a2 X 2 a3x 3 a4 X 4 e keterangan: Y = Hasil belajar siswa a 0 = Konstanta α 1, α 2, α 3, α 4 = Koefisien = Kompetensi pedagogik X 1 X 2 X 3 X 4 e = Kompetensi kepribadian = Kompetensi sosial = Kompetensi profesional = 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 Rata-rata X = (X 1 + X 2 +... + X n ) 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 asumsiasumsinya, 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 (nonstocastic). 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/X i ) = 0 4. Varian dari variabel gangguan atau residual ei atau e i adalah sama (homoskedastisitas). Var(e i / X i ) = E[e i -E(e i / X i )] 2 = E(e i / X i ) karena asumsi 3 = 2
65 5. Tidak ada serial korelasi gangguan atau residual ei atau residual e i tidak saling berhubungan dengan residual e i lain. Cov(e i,e j / X i,x j ) = E[(e i E(e i) / X i )] [(e j / E(e j ) / X j )] = E(e i / X i ) (e j / X j ) = 0 6. Variabel gangguan e i berdistribusi normal. Jika regresi linier berganda memenuhi 6 asumsi di atas, maka persamaan regresi linier dapat diartikan sebagai berikut: E (Y, / X 1, X 2, X 3, X 4 ) = a 0 a1 X1 a2 X 2 a3x 3 a4 X 4 e Artinya : nilai harapan (expected value) atau rata-rata dari Y pada nilai tertentu dipengaruhi variabel independen X 1, X 2, X 3 dan X 4. Sedangkan a 1 adalah mengukur perubahan rata-rata Y atau nilai harapan E (Y/ X 1, X 2, X 3, X 4) terhadap perubahan per unit X 1 dengan asumsi variabel X 2, X 3 dan X 4 tetap. Begitu pula dalam mengukur koefisien a2 a3 a 4. 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 Dengan adanya syarat tersebut, maka data yang berjenis ordinal yaitu data variabel bebas (X 1, X 2, X 3 dan X 4) 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 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 : H o : = 0, Artinya tidak ada pengaruh yang signifikan antara variabel X terhadap variabel Y H 1 : 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 H 0 ditolak jika F hitung > F tabel dan H 0 diterima jika F hitung < F tabel, sedangkan untuk uji hipotesis hubungan secara parsial H 0 ditolak jika t hitung > t tabel dan H 0 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 1 t, i 1,2... (Sudjana, 2010: 388) Se 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 F hitung dengan nilai F tabel. Dengan ketentuan sebagai berikut : 1) Jika F hitung < F tabel maka H 0 diterima dan H 1 (keseluruhan variabel bebas X tidak berpengaruh terhadap variabel Y). 2) Jika F hitung > F tabel maka H o ditolak dan H 1 diterima (keseluruhan variabel bebas X berpengaruh terhadap variabel terikat Y).
69 3.8.3 Koefisien Determinasi Koefisien determinasi (R 2 ) merupakan cara untuk mengukur ketepatan suatu garis regresi. Menurut Damodar Gujarati (1998: 98) dalam bukunya Ekonometrika dijelaskan bahwa Koefisien determinasi (R 2 ) yaitu angka yang menunjukkan besarnya derajat kemampuan menerangkan variabel bebas terhadap variabel terikat dari fungsi tersebut. Nilai R 2 berkisar antara 0 dan 1 (0< 2 <1). Dengan ketentuan sebagai berikut : 1) Jika R 2 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 R 2 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.