3.2.8.1.

Analisis Deskriptif

Analisa deskriptif dimaksudkan adalah sebagai gambaran atau

mendeskripsikan data yang didapatkan. Sesuai para ahli Sugiyono (2015:13)

“Metode analisis deskriptif adalah metode penelitian yang menguraikan,

menggambarkan atau melukiskan suatu keadaan yang diperoleh kemudian disusun

secara sistematis untuk selanjutnya diolah dan dianalisis untuk mencari hubungan

antara variable, hingga diperoleh suatu kesimpulan.”

Analisis ini dipakai untuk menggambarkan secara lebih detail tentang

variable-variabel yang diteliti, yaitu Pengaruh Sarana Prasarana (X1) dan Guru

Militer (X2) sebagai variabel bebas, terhadap Kepuasan Siswa di Wingdik

300/Tek (Y).

3.2.8.2. Metode Transformasi Data

Metode transformasi data dalam penelitian ini adalah metode successive

interval. Metode successive interval yaitu metode yang digunakan untuk

meningkatkan skala data ordinal menjadi skala interval sehingga analisis regresi

dapat dilakukan, sebab analisis regresi bisa dilaksanakan jika skala datanya

interval. Langkah-langkah dalam metode successive interval adalah sebagai

berikut:

a. Tentukan secara tegas sikap (variabel) apa yang akan diukur.

b. Tentukan berapa responden yang memperoleh skor yang sudah ditentukan

(frekuensi).
 c. Setiap frekuansi pada responden yang bersesuaian dengan respon yang

dijawab dibagi dengan banyaknya respon total (Pi = fi/f)

d. Tentukan prorporsi komulatif ( prorporsi komulatif mendekati distribusi

normal baku).

e. Dengan menggunakan tabel z, menentukan nilai z.

f. Tentukan Nilai Densitas untuk setiap nilai z yang diperoleh.

g. Menentukan nilai skala (skala velue).

h. Menentukan nilai transformasi :

Y = SV + [k]

k = 1 + [SWmin]

3.2.8.3. Analisis Koefisien Korelasi

Analisis Koefisien Korelasi digunakan untuk mengetahui tingkat

hubungan dua variabel, adalah variabel bebas (Pengaruh Sarana Prasarana dan

Guru Militer) serta variabel terikat (Kepuasan). Variabel terikat dapat

diperkirakan dari variabel bebas sehingga antara dua buah variabel bebas dan

terikat yang masing-masing mempunyai skala pengukuran interval (rasio) dan

hubungannya merupakan hubungan linier, yang disebut dengan korelasi pearson

yang diberi symbol r, besarnya koefisien menggambarkan seberapa erat hubungan

linier antara dua perubah, bukan karena sebab akibat, nilai perubah yang terlihat

merupakan tipe numerik dan menyebar normal jika ingin pengujian tersebut

dinyatakan sah. Rumus yang digunakan adalah sebagai berikut :

 Dimana :

X = Variabel Bebas (Independen)

Y = Variabel Terikat (Dependen)
n = Banyaknya Sampel

Berdasarkan nilai r yang diperoleh maka dapat dihubungkan -1˂ r ˂ 1 yaitu :

a. Apabila r = 1, artinya terdapat hubungan antar variabel X dan Y sempurna
positif.
b. Apabila r = -1, artinya terdapat hubungan antar variabel negatif.
c. Apabila r = 0, artinya tidak terdapat hubungan korelasi.

Pedoman untuk memberikan interpretasi terhadap hubungan korelasi atau

pengaruh variabel-variabel bebas terhadap variabel terikat. menerapkan pedoman

menurut Sugiyono (2015:149), sebagai berikut :

TABEL III.08
INTERPRETASI NILAI KORELASI

Interval Koefisien Tingkat Hubungan

0,00 – 0,199 Sangat rendah
0,20 – 0,399 Rendah
0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 – 0,100 Sangat Kuat
Sumber: Ridwan, (2008:217)

3.2.8.4. Uji Asumsi Klasik

Penggunaan analisis regresi linier berganda untuk efektifitas diperlukan

beberapa asumsi sebagai berikut:

1. Uji Normalitas

Uji normalitas untuk mengetahui apakah masing-masing variabel

mempunyai distribusi normal atau tidak. Pengujian normalitas dalam penelitian

ini dilakukan dengan menggunakan metode gambar Normal Probability Plots

dalam pemograman SPSS. Analisis normalitas dengan menggunakan Normal

Probability Plots dalam program SPSS yaitu dengan melihat penyebaran data

(titik) pada sumbu diagonal dari grafik (Santoso, 211). Dasar pengambilan

keputusan adalah sebagai berikut:

1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal,

maka model regresi memenuhi asumsi normalitas.

2. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis

diagonal, maka model regresi tidak memenuhi asumsi normalitas.

2. Uji Multikolinearitas

Salah satu asumsi model analisis regresi klasik adalah tidak adanya

korelasi yang sempurna atau korelasi tidak sempurna tetapi relative sangat tinggi

pada variabel bebasnya. Jika terdapat multikolinearitas sempurna akan berakibat

koefisien koefisien regresi tidak dapat ditentukan, serta standar deviasi menjadi

tidak terhingga. Jika terdapat multikolinearitas kurang sempurna maka koefisien

regresi meskipun berhingga akan mempunyai standar deviasi yang besar, sehingga

koefisien-koefisien tidak dapat ditaksir dengan mudah. Pengujian ini dilakukan

dengan melihat relevance value dan Variance Inflation Factor (VHF).

Multikolinearitas terjadi jika nilai VIF diatas nilai 10 atau tolerance value dibawah

0,10, nilai VIF dapat dicari dengan rumus:

1
VF=
Tolerance

3. Uji Heteroskedastisitas

Uji Heteroskedastisitas ini bertujuan untuk menguji apakah dalam suatu

model regresi terjadi ketidaksamaan varian dari residual pengamatan ke

pengamatan lainya. Jika varian dari residual pengamatan ke pengamatan lain tetap

maka disebut dengan homoskedastisitas. Jika varians berbeda disebut dengan

heteroskedastisitas. Model regresi yang baik adalah tidak terjadi

heteroskedastisitas. Penelitian ini pengujiannya dilakukan dengan menggunakan

SPPS dan hasilnya dalam bentuk grafik.

4. Uji Autokorelasi

Autokorelasi adalah korelasi antar nilai observasi yang berurutan dari variabel

bebas. Pedoman untuk mendeteksi autokorelasi adalah sebagai berikut :

1) Angka Durbin Watson dibawah -2, berarti ada autokorelasi positif.

2) Angka Durbin Watson diantara -2 sampai +2, berarti tidak ada autokorelasi.

3) Angka Durbin Watson diatas -2, berarti ada autokorelasi negatif.

3.2.8.5. Analisis Regresi Berganda

Analisis regresi dilakukan jika terdapat untuk mengetahui ada tidaknya

korelasi antara variabel independent dan dependen, dapat dinyatakan dengan

persamaan sebagai berikut:

Y = a + b1X1 + b2X2 + e

Keterangan:

Y = Kepuasan

X1 = Sarana Prasarana

X2 = Guru Militer

a = Nilai Y apabila X = 0

b = Koefisien regresi Sarana Prasarana dan Guru Militer

3.2.8.6. Analisis Koefisien Determinasi

Analisa Koefisien Determinasi dapat digunakan untuk mengetahui

besarnya pengaruh Pengaruh Sarana Prasarana (X1) dan Guru Militer (X2)

terhadap Kepuasan Siswa (Y) yang dinyatakan dengan rumus sebagai berikut:

KD = r2 x 100%

Keterangan :

KD = Koefisien eterminasi

r2 = Kuadrat dari koefisien korelasi

Menurut Sarwono (2005:72) syarat untuk analisis koefisien determinasi

adalah sebagai berikut:

a. Jika KD mendekati nol (0), berarti pengaruh variabel independent terhadap

dependent lemah.

b. Jika KD mendekati satu (1), berarti pengaruh variabel independent terhadap

dependent kuat.

3.2.8.7. Pengujian Hipotesis

Dalam penelitian ini hipotesis yang akan diuji berkaitan denga nada atau

tidaknya pengaruh yang signifikan antara variabel bebas atau independent

terhadap variabel tidak bebas atau dependent. Jika hipotesis penelitian tersebut

dinyatakan dalam hipotesis statistic sebagai berikut:

1. Hipotesis Parsial

a. Hipotesis Pertama

H01:ryx = 0, Pengaruh Sarana Prasarana (X1) tidak berpengaruh

terhadap Kepuasan Siswa (Y).

Ha1 : ryx1 ≠ 0, Pengaruh Sarana Prasarana (X1) berpengaruh terhadap

Kepuasan Siswa (Y).

b. Hipotesis Kedua

H02 : ryx = 0, Guru Militer (X2) tidak berpengaruh terhadap Kepuasan

Siswa (Y).

Ha 2 : ryx2 ≠ 0, Guru Militer (X2) berpengaruh terhadap Kepuasan Siswa

(Y).
 Syarat pengambilan keputusan dalam penelitian ini dapat dilakukan dengan

membandingkan signifilansi dengan alpha, sebagai berikut:

a. Apabila signifikansi ˂ α (alpha): maka H0 ditolak, Ha diterima.

b. Apabila signifikansi > α (alpha): maka H0 diterima, Ha ditolak.

Penelitian ini menggunakan taraf kepercayaan 95% (α = 5%)

2. Hipotesis Simultan

H0 : R = 0, Pengaruh Sarana Prasarana dan Guru Militer tidak berpengaruh

terhadap kepuasan siswa.

Ha : R ≠ 0, Pengaruh Sarana Prasarana dan Guru Militer berpengaruh

terhadap kepuasan siswa.

Uji Signifikasi F digunakan untuk mengetahui apakah pengaruh variabel X1 dan

X2 secara simultan terhadap variabel Y signifikan, kriteria pengambilan

keputusan dalam penelitian ini dapat diketahui dengan cara menentukan

penerimaan dan penolakan dugaan atas hipotesis yang diajukan:

1. Significance F Change ˂ α, maka H0 ditolak, berarti variabel independen

secara simultan berpengaruh terhadap variabel dependen.

1. Significance F Change > α, maka H0 diterima, berarti variabel independen

secara simultan tidak berpengaruh terhadap variabel dependen.

3.2.8.8. Lokasi dan Jadwal Penelitian

Penelitian ini dilaksanakan di Skadik 303 Wingdik 300/Tek Kalijati

Kabupaten Subang. Waktu penelitian akan dilaksanakan kurang lebih 10 bulan,

yaitu mulai dari bulan Agustus 2022 sampai dengan bulan Juni 2023, uraian

jadwal dapat dilihat di tabel berikut:

TABEL III.09
JADWAL DAN WAKTU PENELITIAN

Tahun 2022-2023
No Kegiatan
Agt

Sep

Okt

Nop

Des

Jan

Feb

Mar

Apr

Mei
1 Persiapan
Penelitian
2 Studi Pendahuluan
3 Melaksanakan
Studi
Perpustakaan
4 Membuat Seminar
Usulan Penelitian
5 Seminar Usulan
Penelitian
6 Uji Coba
Instrumen
7 Uji Validitas &
Reliabilitas
8 Pengumpulan Data
9 Pengolahan Data
10 Analisis Data
11 Menyususn
Laporan Penelitian
12 Konsultasi &
Bimbingan
13 Ujian Tesis
14 Perbaikan-
perbaikan