4.2.

1 Data Analysis
Pada titik ini dalam proses analisis, para peneliti memiliki seperangkat data yang
dibersihkan, dengan masalah data yang hilang diselesaikan dan transformasi selesai.
peneliti juga memiliki pemahaman tentang kualitas data dan bias. Mereka sekarang
dapat melanjutkan dengan analisis data yang lebih substantif (Polit & Beck, 2012).
Metode analisis data dalam penelitian ini dengan menggunakan analisa Univariat,
Bivariat dan Multivariat, sebagai berikut:
4.2.1.1 Analisis univariat
Analisis univariat atau analisis satu variabel dapat disajikan dalam bentuk
distribusi frekuensi, ukuran penyebaran dan nilai rata-rata (Supardi & Rustika,
2013). Analisa yang digunakan untuk mendapatkan gambaran distribusi
frekuensi dari variabel independen. Rumus yang digunakan untuk mengetahui
presentase dari variabel adalah :
𝑓
𝑥= 𝑥 100%
𝑛
Keterangan :
x : hasil presentase
f : frekuensihasilpencapaian
n : total seluruhobservasi
4.2.1.2 Analisis bivariat
Analisis bivariat atau analisis 2 variabel dapat disajikan dalam bentuk tabel
silang atau kurva untuk melihat hubungan kedua variabel tersebut (Supardi &
Rustika, 2013). Untuk melihat perbedaan masing-masing variabel independen
terhadap variabel dependen menggunakan uji ANOVA (Analysis of Variance).
Langkah-langkah uji ANOVA atau F test sebagai berikut:
1) Menghitung jumlah kuadrat antar grup (JKA)
(Σ𝑥𝐴𝑖 )2 (Σ𝑥𝑇 )2
𝐽𝐾𝐴 = Σ − 𝑢𝑛𝑡𝑢𝑘 𝑑𝑏𝐴 = 𝐴 − 1
𝑛𝐴𝑖 𝑁

2) Menghitung kuadrat rerata antar grup (KRA)

 𝐽𝐾𝐴
𝐾𝑅𝐴 =
𝑑𝑏𝐴
3) Menghitung jumlah kudrat dalam antar grup (JKD)
(Σ𝑥𝐴𝑖 )2
Σ 𝑋𝑇2 − Σ 𝑢𝑛𝑡𝑢𝑘 𝑑𝑏𝐷 = 𝑁 − 1
𝑛𝐴𝑖
4) Menghitung kuadrat rerata dalam antar grup (KRD)
𝐽𝐾𝐷
𝐾𝑅𝐷 =
𝑑𝑏𝐷
5) Mencari Fhitung
𝐾𝑅𝐴
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 =
𝐾𝑅𝐷
Keterangan :
(Σ𝑥𝑇 )2
N : Sebagai factor koreksi
N : Jumlah keseluruhan sampel
A : Jumlah keseluruhan grup sampel
Selanjutnya untuk mengetahui tingkat signifikansi data hasil penelitian
yang dilakukan, maka digunakan tingkat kemaknaan α = 0,05, dengan
ketentuan nilai p < α atau p < 0,05 maka Ho ditolak, artinya ada perbedaan
bermakna antar variable, atau sebaliknya.

Sedangkan untuk melihat korelasi antar masing-masing variable X terhadap

Y menggunakan uji Pearon Product Moment, dengan rumus:
𝑛 Σ 𝑋𝑌 − (ΣX)(ΣY)
𝑟𝑥𝑦 =
√(𝑛ΣX 2 − (ΣX)2 ) (𝑛ΣY 2 − (𝑛ΣY)2 )
Keterangan :
rxy = koefisien korelasi r pearson
n = jumlah sampel/observasi
x = varibel bebas atau varibel independen
y = variable terikat atau variabel dependen
semakin tinggi nilai hasil uji maka hubungan antar variabel semakin besar
atau semakin kuat. Pengujian selanjutnya untuk melihat signifikansi atau p-
 value uji Pearon Product Moment apakah koefisien korelasi yang didapat
bisa digunakan untuk generalisasi atai mewakili populasi, maka
menggunakan rumus:
𝑟√𝑛 − 2
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑟√1 − 𝑟 2

Nilai r pearson yang didapat digunakan untuk menghitung nilai thitung ,

apabila thitung > t table pada derajat kepercayaan, maka berarti signifikan
atau bermakna.
4.2.1.3 Analisis multivariat
Analisis multivariat digunakan untuk menilai hubungan 2 variabel atau lebih
sambil mengontrol variabel lainnya (Supardi & Rustika, 2013). Pada penelitian
ini analisis multivariat menggunakan uji Regresi Linier Berganda, model ini
memprediksi yang melibatkan lebih dari satu variable bebas dan prediktor.
Rumus atau persamaan matematis yang digunakan :
Y = α + β1 X2 + β2 X2 + βn Xn + e
Keterangan :
Y = Variabel terikat atau respon
X = Variabel bebas atau prediktor
α = Konstanta
β = Slope atau koefisien estimate

Asumsi uji klasik pada uji regresi linear berganda harus dipenuhi, untuk
menghasilkan model penelitian yang baik dan memiliki nilai estimasi terbaik
dan bebas dari bias secara linear. Uji asumsi klasik terdiri dari : Uji Normalitas
Residual, Uji Heteroskedastisitas, Uji Multikolinearitas, Uji Linearitas, dan Uji
Autokorelasi.
Uji parsial dan simultan pada regresi linear berganda. Uji parsial digunakan
untuk menjawab hipotesis antara variabel X terhadap Y, dengan melihat nilai t
maupun nilai signifikansi / nilai probabilitas pada taraf kepercayaan 95%.
Sedangkan uji pengaruh secara simultan dapat dinilai dari besarnya nilai F pada
table ANOVA maupun nilai signifikansi / nilai probabilitasnya (Wilhelmus
Susilo Hary et al., 2014)