Teknik Pengolahan dan Analisis Data

1. Menyeleksi data

Menyeleksi data agar dapat diolah lebih lanjut, yaitu dengan memeriksa

jawaban responden sesuai dengan kriteria yang telah ditetapkan.

2. Menentukan bobot nilai

Penentuan bobot nilai untuk setiap kemungkinan jawaban pada setiap item

variabel penelitian dengan menggunakan skala penilaian yang telah

ditentukan, kemudian menentukan skornya.

3. Pemberian koding

Untuk setiap jawaban pada angket selanjutnya skor tersebut dijumlahkan.

Hal ini dilakukan untuk mengetahui keecenderungan jawaban responden

secara umum terhadap setiap variabel penelitian .

Rumus:


 100%
P=  id

Dengan keterangan:

P = Prosentase skor rata-rata yang dicari

X = Skor rata-rata setiap variabel

 id = Skor rata-rata ideal setiap variabel

4. Kemudian menghitung rata-rata setiap variabel

Rata-rata setiap variabel yang diperoleh dari data tidak bergolong diperoleh

dengan menggunakan rumus :


X= n (Furqon, 1999:36)
X = harga rata-rata yang dicari

102
X = jumlah harga untuk variabel tertentu
n = jumlah sampel.

5. Metode Successive Interval (MSI)

Metode ini untuk mentransformasi data dan merubah data yang berskala

ordinal menjadi berskala interval.

Analisis regresi dan korelasi product moment merupakan bagian dari

statistika parametrik yang mensyaratkan skala minimal interval sehingga

data ordinal hasil kuesioner perlu dinaikan ataupun ditransformasikan

menjadi skala interval melalui Method of Successive Interval (MSI).

Transformasi data ini dilakukan pada setiap item pertanyaan.

Tahapan-tahapan dari Metode Successive Interval ini adalah sebagai berikut:

a) Menentukan frekuensi responden yang memberikan respon terhadap

setiap item kuisioner.

fi
Pi 
b) Membuat proporsi untuk setiap bilangan frekuensi. n
c) Menjumlahkan proporsi secara berurutan untuk setiap respon, sehingga

diperoleh nilai proporsi kumulatif.

i
Pk i   Pi
1
d) Cari peluang densitasnya dari tabel normal

e) Menentukan nilai Z untuk setiap kategori, dengan asumsi bahwa

proporsi kumulatif dianggap mengikuti distribusi normal baku.

f) Menghitung SV (scale value) dengan rumus :

density at lower lim it  density at upper lim it

SV 
area under upper lim it  area under lower lim it

103
 g) SV (scale value) yang nilainya terkecil (yang memiliki harga negatif

terbesar), diubah menjadi sama dengan satu (=1).

h) Mentransformasikan nilai skala dengan menggunakan rumus :

y  sv  sv min

6. Melakukan analisis secara deskriptif, untuk mengetahui kecenderungan data.

7. Pemeriksaan distribusi populasi data sampel

Pengujian distribusi populasi dari data sampel bertujuan untuk mengetahui

sebaran dari populasi data sampel yang diperoleh, apakah data sampel berasal

populasi yang berdistribusi normal atau distribusi teoritis lainnya. Hal ini

sangat berpengaruh terhadap pemilihan uji statistik yang dipergunakan

apakah prametrik atau nonparametrik. Dalam penelitian ini, data sampel yang

diperoleh diasumsikan berasal dari populasi yang berdistribusi normal. Oleh

karena itu, pengujian atas asumsi tersebut dilakukan dengan uji kecocokan

atau lebih dikenal sebagai uji kolmogorov-smirnov. Pada dasarnya, uji

kecocokan ini adalah untuk melihat perbedaan antara nilai frekuensi yang

didapatkan dilapangan/observasi (Oi) dengan nilai frekuensi kumulatif teoritis

dari sebuah fungsi distribusi populasi yang diasumsikan (Ei).

104
 Adapun langkah-langkah yang ditempuh untuk melakukan prosedur pengujian

distribusi populasi tersebut adalah sebagai berikut:

a) Membuat Tabel Distribusi Frekuensi (TDF) dari data kelompok

sampel yang diperoleh.

b) Untuk setiap batas bawah tiap kelasnya, hitung nilai Z dengan

X  Xi
Zi 
menggunakan rumus s , dimana X adalah rata-rata sampel

dan s adalah simpangan baku sampel.

c) Dari Zi dan Zi+1 dapat dihitung luas daerah dibawah kurva normal atau

nilai peluang normal antara Zi dan Zi+1 dengan melihat tabel peluang

distribusi student (t).

d) Setelah didapatkan luas daerah dibawah kurva normal antara Zi dan

Zi+1, kalikan nilainya dengan banyaknya anggota sampel pada Tabel

Distribusi Frekuensi (n). Sehingga didapatkan hasil perkaliannya

adalah Ei.

e) Dengan menggunakan statistik uji 2, didapatkan

  O  Ei  2 
 2    i 

 E i  dengan kriteria pengujiannya adalah: Terima H0

2
jika  tabel >  hitung, dimana  tabel adalah (1 );dk , dk  k  3 ,
2 2 2

dengan k adalah banyaknya kelas pada TDF.

105
A. Uji Hipotesis

Hipotesis yang digunakan pada bab I akan diuji, namun sebelum diuji

hipotesis tersebut terlebih dahulu diubah menjadi hipotesis statistik, yang terdiri

dari “hipotesis nol” yang bersimbol Ho dan “hipotesis alternatif” yang bersimbol

H1.

Rumus yang digunakan dalam menguji hipotesis bergantung pengujian

normalitas distribusi data. Jika data yang terkumpul berdistribusi normal maka

rumus yang digunakan adalah rumus untuk statistik parametric, sedangkan jika

data tidak berdistribusi normal maka rumus yang digunakan adalah rumus untuk

statistik nonparametrik. Rumus yang digunakan adalah rumus korelasi dan

regresi.

Untuk menjawab ketiga hipotesis yang telah dirumuskan, maka dilakukan

analisis data berupa analisis deskripsi, uji statistisk regresi sederhana dan korelasi

sederhana dan uji statistik regresi ganda dan korelasi ganda. Mengenai penjelasn

masing-masing analisis data adalah sebagai berikut :

1. Analisis Deskriptif

Analisis deskriptif dimaksudkan untuk memperoleh gambaran mengenai

keadaan siswa dilihat dari . Hal ini untuk mengetahui secara kualitatif apakah ada

pengaruh hal-hal tersebut terhadap karakter baik (good karakter) siswa. Deskripsi

mengenai perlakuan orang tua authoritative, authoritarian, dan permissive siswa

diperoleh melalui kuesioner tentang gaya pengasuhan orang tua. Begitu pula

106
untuk deskripsi karakter yang baik, diperoleh melalui kuesioner skala Likert

(favorable and unfavorable). Pada kesimpulannya analisis data dikorelasikan

dengan hasil kompetensi kewarganegaraan, sehingga akan didapat data deskripsi

korelasi antara X1 terhadap Y, X2 terhadap Y, dan X1, X2 terhadap Y.

2. Korelasi

Untuk mengetahui hubungan antar variabel X1, X2 dan Y digunakan analisis

korelasi. Analisis korelasi yang digunakan adalah Person Product Moment (PPM).

Korelasi PPM dilambangkan (r) dengan ketentuan nilai r = 1 artinya korelasi

negatif sempurna. r = 0 artinya tidak ada korelasi. Dan r = 1 berarti korelasinya

sangat kuat. Sedangkan arti harga r akan dibandingkan dengan tabel interpretasi

nilai r sebagai berikut

Nilai Interval Koefisien Tingkat Hubungan

0,80 - 1, 000 Sangat Kuat

0,60 - 0, 799 Kuat

0,40 - 0, 599 Cukup Kuat

0,20 – 0, 399 Rendah

0,00 – 0,199 Sangat Rendah

Sumber : Sugiyono (2000 : 149)

Dalam penghitungan dan pengolahan data ini penulis menggunakan bantuan

komputer aplikasi micosoft Excel dan dengan aplikasi SPSS ver 16.0.

Adapun Rumus korelasi Product Moment dari Karl’s Pearson menurut kutipan

Sugiyono (2008:183) :

107
 n  X i Yi  ( X i )(  Yi )
rxy 
n  X i
2
 2
 ( X i ) 2 n  Yi  ( Yi ) 2 
Dengan : rxy = Koefisien korelasi antara variabel x dan variabel y

x = variabel bebas

y = variabel terikat

n = Jumlah responden.

Selanjutnya hasil nilai r yang diperoleh, harus diuji keberartiannya. Menurut

Sudjana ( 1986:377), jika t-hitung > t-tabel, maka nilai r dianggap berarti. Dan

sebaliknya apabila, t-hitung < t-tabel maka nilai r tersebut dianggap tidak berarti.

Nilai t tabel, adalah nilai peluang distribusi t dengan taraf signifikansi 1   dan

n2
t
dk  n  2 . Sedangkan, t- hitung diperoleh dengan rumusan 1 r 2

3. Analisis Regresi Linear Berganda

Hipotesis ke-3, akan digunakan analisis regresi linier berganda untuk

pengujiannya. Pengujian ini dipergunakan untuk mencari pola hubungan

fungsional antara variabel X1 (PKn), variabel X2 (Pendidikan Interventif),

terhadap Y (Karakter Warga negara muda). Adapun persamaan regresi linier

berganda dinyatakan dengan Rumus

Y  a  b1 X 1  b2 X 2 (Sudjana, 1996: 347)

Dengan,

Y = harga variabel Y yang diramalkan

A = koefisien intersep (harga konstan apabila X sama dengan nol)

108
bi = koefisien regresi (harga yang menunjukkan perubahan akan terjadi pada Y

apabila Xi bertambah 1 satuan)

Xi= harga variabel X (X1danX2)

Untuk menentukan a,b1,b2 dihitung dari system persamaan :

 x 1 y  b1  x 12  b 2  x 1 x 2
x 2 y  b1  x1 x 2  b2  x 22

(Sudjana, 1996:338)
Dengan keterangan:

Y = Harga yang diperkirakan

A = Koefisien intersep (harga konstan apabila variabel X1 dan variabel X2 sama

dengan nol).

b1 = Koefisien regresi untuk X1 ( harga yang menunjukkan perubahan akan

terjadi pada variabel Y apabila X1 bertambah 1 satuan dan variabel X2 konstan.

b2 = Koefisien regresi untuk variabel X2 ( harga yang menunjukkan perubahan

akan terjadi pada variabel Y apabila variabel X 2 bertambah 1 satuan dan variabel

X1 konstan).

Untuk memperoleh besarnya harga-harga diatas diperoleh dengan

menggunakan program SPSS dengan analisis regresi.

Setelah persamaan regresi multipel tersebut didapat, selanjutnya perlu

dilakukan uji keberartian persamaan regresi dengan menggunakan statistik F

dengan rumus:

JK  reg  / k
F= JK ( S ) / n  k  1

109
 (Sudjana,1989:166)
Dengan kriteria pengujian tolak ho bila nilai F hitung > F tabel. untuk taraf

nyata () 0,01 dengan db:k dan n-k-1

Artinya persamaan regresi berarti dapat digunakan untuk membuat

kesimpulan mengenai hubungan variabel terikat (Y) dengan variabel X 1 dan

variabel X2 (variabel bebas).

4. Analisis Jalur

Analisis ini digunakan dalam menguji besarnya kontribusi yang ditunjukkan

oleh koefisien jalur pada setiap diagram jalur dan hubungan kausal antara

variabel-variabel X dan Y. Untuk mengetahui derajat hubungan antar variabel,

digunakan koefisien jalur dari masing-masing variabel eksogen (bebas) terhadap

variabel endogen (terikat).

Adapun langkah-langkah analisis jalur adalah: menggambarkan secara

lengkap dan jelas diagram jalur yang merupakan paradigma yang memiliki

hipotesis penelitian, yang bila digambarkan dalam persamaan structural adalah

sebagai berikut:

Y   YX1 X 1   YX 2 X 2   Y 

dengan,

Y : Variabel terikat

YX i X i
: Koefisien Jalur dari Xi ke Y

Y  : Koefisien Jalur dari variabel tidak terkontrol ke Y

110
diagram jalur yang dihasilkan adalah sebagai berikut.

 YX 1
X1
Y 

r12 Y

X2
 YX 2

3.1. Gambar diagram Jalur

Pada dasarnya koefisien jalur adalah koefisien regresi yang distandarkan, yaitu

koefisien regresi yang dihitung dari basis data yang telah diset kedalam angka

baku atau Z-score (data yang diset dengan nilai rata-rata adalah nol dan standar

deviasi adalah satu). Khusus untuk program SPSS, koefisien jalur ditunjukkan

oleh output yang dinamakan coefficient yang dinyatakan sebagai Standardized

Coefficient atau dikenal dengan nilai Beta. Sedangkan nilai dari Y  diperoleh

1  RYX
2
1X 2
dari

111