3.

Uji Persyaratan Analisis

Untuk persyaratan analisis data setiap variable penelitian, maka dilakukan uji persyaratan
dengan menggunakan :

a. Uji Normalitas
Uji normalitas dimaksud untuk memeriksa apakah data-data variable penelitian
berdistribusi normal atau tidak dan juga mengetahui aapakah teknik analisis regresi
cocok untuk menganalisis data penelitian. Teknik analisis yang digunakan dalam
penelitian ini adalah dengan rumus Chi Kuadrat (𝑋 2 ), sebagai berikut :

(𝐹𝑎−𝐹ℎ)2
𝑋2 ∑ 𝐹ℎ

Keterangan :

𝑋2 : Chi - Kuadrat

Fo : Frekuensi yang diperoleh dari sampel

Fh : Frekuensi yang diharapkan dari sampel

Harga Chi-Kuadrat yang digunakan dengan taraf siggnifikan yang dipergunakan 5%

dan derajat kebebasan sebesar jumlah kelas frekuensi dikurang satu (dk = K-1).
Apabila 𝑥 2 ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑥 2 𝑡𝑎𝑏𝑒𝑙, maka distribusi data adalah normal, (Arikunto, 2006).

b. Uji Linearitas Dan Kebberartian Regresi

Menurut Sugiono (2010) untuk menghitung regresi sederhana digunakan rumus
persamaan umum regresi sederhana :

Y= a + bX
 Dimana:
Y = variable terkait
a = konstanta tetap
b = koefisien regresi Y atas X
X = variable bebas

Setelah melakukan persamaan regresi ditemukan hitung juga harga koefisien a dan b dengan
rumus :

(∑ 𝑌)(𝑥22 ) − (∑ 𝑋)(∑ 𝑥2𝑌)

𝑎=
𝑛𝑥22 − (∑ 𝑥2)2
𝑛 ∑ 𝑥2𝑦 − (∑ 𝑋2)(∑ 𝑌)
𝑏=
𝑛𝑥22 − (∑ 𝑥 2)2

Uji lineraritas dilakukan untuk mengetahui linier tidaknya hubungan antara ubahan bebeas
dengan terkait. Rumus yang dipakai untuk menghitung linieritas seperti rumus yang
dkemukakan Muhidin, (2009).

𝑅𝐽𝐾 (𝑇𝐶)
𝐹𝑜 =
𝑅𝐽𝐾 (𝐺)

Dimana :

RJK (TC) = Varians cocok

RJK (G) = Varians cocok

Dalam hal ini regresi linier, apabila Fo < Ftable pada taraf signifikan 5% dengan derajat
kebebasan (K-2) lawan (N-2). Selanjutnya untuk uji keberartian regresi sederhana digunakan
rumus :

𝑏
𝑅𝐽𝐾 (𝑎)
𝐹=
𝑅𝐽𝐾 (𝑠)

Persamaan regresi dinyatakan cukup berarti apabila taraf signifikan 5% dengan derajat
kebebasan lawan (N-2) diperoleh Fhitung < Ftabel.
Sedangkan Menurut Sudjana (2010) untuk menguji analisis regresi ganda digunakan rumus
seperti berikut ini :

Y= a0 + a1X1 + a2x2

Dimana :

Y = Kriterium

a1 = Bilangan Koefisien X1

a2 = Bilangan Koefisien X2

X1 = Prediktif X1

a0 = Bilangan Konstan

Menurut Sudjana (2010) untuk menguji signifikan garis regresi tersebut dilakukan
dengan analisis regresi bilangan F, dengan rumus sebagai berikut

𝐽𝐾𝑟𝑒𝑔
𝐹ℎ = 𝑘
𝐽𝐾𝑟𝑒𝑠
𝑁−𝐾−1

Ket:

Fh : Frekuensi yang diharapkan dari sampel

JKreg : Jumlah Kuadrat regresi

JKres : Rata-rata Jumlah Kuadrat residu

Penerimaan regresi ganda berarti apabila Fhitung > Ftabel dengan taraf signifikasi α=5%.
Kebenaran pembilang = k dan kebenaran penyebut (dk=n-k-1)

𝐽𝐾𝑟𝑒𝑔
𝑅2 =
∑ 𝑌2

Menurut Sudjana (2010), untuk mengambil kesimpulan terhadap harga koefisien

ganda, terlebih dahulu diadakan uji kenerartian regresi ganda sesuai dengan rumus yang
dikemukakan yaitu :
 𝑅2
𝐹= 𝑘
(1 − 𝑅 2 )(𝑛 − 𝑘 − 1)

Koefisien korelasi dianggap berarti apabila Fh > Ft pada taraf signifikan 5% dengan
derajat kebebasan k lawan (N-k-1).

4. Pengujian Hipotesis

Sebelum menguji hipotesis pertama dan kedua dengan teknik korelasi parsial terlebih
dahulu dicari besarnya koefisien korelasi antar variable dengan rumus product moment :

(𝑛. ∑ 𝑋𝑌) − (∑ 𝑋). (∑ 𝑌)

𝑟𝑥𝑦
√[(𝑛. ∑ −(∑ 𝑋)2 ] . [(𝑛. ∑ −(∑ 𝑌)2 )]

Keterangan :

rxy : Koefisien korelasi product moment

X : Skor yang diperoleh tiap item

N : Jumlah sampel

∑X : Jumlah Skor variable X

∑Y : Jumlah Skor variable Y

∑XY : Jumlah hasil perkalian X terhadap Y

5. Korelasi Parsial

Untuk menguji hipotesis pertama dan kedua digunakan korelasi parsial bertujuan untuk
mengetahui hubungan murni antara variable X dan Y dengan mengontrol salah satu variable
lainnya, rumus seperti yang diberikan oleh Sudjana (2005) sebagai berikut :

𝑟𝑥.1 − 𝑟𝑥.2 − 𝑟1.2

𝑟𝑦1.2 =
√(1 − 𝑟 2𝑥.2 )(1 − 𝑟 21.2 )

Uji signifikan dari korelasi ini diterima bila thitung > ttable yaitu pada tarafsignifikan 5%.
6. Korelasi Ganda

Untuk uji koefisien ganda dihitung dengan rumus yang dikemukakan oleh Sugiyono (2010)
sebagai berikut :

𝑟𝑥1𝑦 2 + 𝑟𝑥2𝑦 2 − 2(𝑟𝑥1𝑦. 𝑟𝑥2𝑦. 𝑟𝑥1𝑥2𝑦)

𝑟𝑥1𝑥2𝑦 = √
1 − 𝑟𝑥1𝑥2𝑦 2

Dimana:

rx1x2y : Koefisien 3 variabel

rx1y : Koefisien korelasi Y dan X1

rx2y : Koefisien Korelasi Y dan X2

rx1x2 : Koefisien korelasi X1 dan X2