Makalah Ini Disusun Untuk Memenuhi Salah Satu Tugas Mata Kuliah
Metodologi Penelitian
Dosen Pengampu: Drs. Ismani, M.Pd
Disusun Oleh:
Santi Wahdianti 12803241002
Devie Nur Ghaniya 12803241008
Rahma Febrianti 12803241010
Dewi Dwi Utari 12803241033
PENDIDIKAN AKUNTANSI
FAKULTAS EKONOMI
UNIVERSITAS NEGERI YOGYAKARTA
2014
Kata Pengantar
Puji syukur atas kehadirat Allah SWT yang telah melimpahkan rahmat dan
hidayah-Nya sehingga penulis dapat menyelesaikan pembuatan makalah dengan
judul “Analisis Data” dengan baik. Makalah ini disusun sebagai tugas mata kuliah
Metodologi Penelitian.
Makalah ini tidak akan terwujud tanpa bimbingan serta arahan dari orang-
orang terdekat. Oleh karena itu tidak lupa penulis mengucapkan terima kasih yang
sebesar-besarnya kepada:
1. Drs. Ismani, M.Pd, dosen pengampu mata kuliah Metodologi Penelitian.
2. Teman sekelompok yang telah bekerja sama dalam pembuatan makalah.
3. Pihak-pihak lain yang tidak dapat kami sebutkan yang telah memberikan
bantuan
Penulis menyadari bahwa makalah ini masih jauh dari sempurna. Oleh
karena itu kritik dan saran yang membangun sangat penulis harapkan dalam
rangka penyempurnaan makalah yang selanjutnya. Semoga makalah ini dapat
bermanfaat bagi semua pembaca.
Penulis
i
DAFTAR ISI
Kata Pengantar...................................................................................................................i
DAFTAR ISI......................................................................................................................ii
BAB I PENDAHULUAN..................................................................................................1
B. Rumusan Masalah................................................................................................1
C. Tujuan Penulisan..................................................................................................2
BAB II PEMBAHASAN...................................................................................................3
A. Pengertian.............................................................................................................3
D. Uji Asumsi.............................................................................................................7
E. Teknik Regresi......................................................................................................9
DAFTAR PUSTAKA.......................................................................................................17
ii
BAB I
PENDAHULUAN
B. Rumusan Masalah
3
5. Bagaimanakah cara-cara pelaksanaan analisis data dengan teknik regresi?
6. Bagaimana contoh perhitungan regresi sederhana menggunakan SPSS?
C. Tujuan Penulisan
4
BAB II
PEMBAHASAN
A. Pengertian
5
Dalam rangka analisis dan interpretasi data, perlu dipahami tentang
keberadaan data itu sendiri. Secara garis besar, keberadaan data dapat
digolongkan ke dalam dua jenis, yaitu :
1. Data bermuatan kualitatif
Data bermuatan kualitatif disebut juga dengan data lunak. Data
semacam ini diperoleh melalui penelitian yang menggunakan pendekatan
kualitatif, atau penilaian kualitatif. Keberadaan data bermuatan kualitatif
adalah catatan lapangan yang berupa catatan atau rekaman kata-kata,
kalimat, atau paragraf yang diperoleh dari wawancara menggunakan
pertanyaan terbuka, observasi partisipatoris, atau pemaknaan peneliti
terhadap dokumen atau peninggalan. Untuk memperoleh arti dari data
semacam ini melalui interpretasi data, digunakan teknik analisis data
kualitatif, seperti yang telah diuraikan pada bab di atas.
2. Data bermuatan kuantitatif
Keberadaan data bermuatan kuantitatif adalah angka-angka
(kuantitas), baik diperoleh dari jumlah suatu penggabungan ataupun
pengukuran. Data bermuatan kuantitatif yang diperoleh dari jumlah suatu
penggabungan selalu menggunakan bilangan cacah. Contoh data seperti ini
adalah angka-angka hasil sensus, angka-angka hasil tabulasi terhadap
jawaban terhadap angket atau wawancara terstruktur. Adapun data
bermuatan kuantitatif hasil pengukuran adalah skor-skor yang diperoleh
melalui pengukuran, seperti skor tes prestasi belajar, skor skala motivasi,
skor timbangan, dan semacamnya.
6
b. Mengecek kelengkapan data, artinya memeriksa isi instrument
pengumpulan data (termasuk pula kelengkapan lembarann instrument
barangkali ada yang terlepas ataupun sobek)
c. Mengecek macam isian data. Jika didalam instrument termuat atau
beberapa item yang diisi “tidak tahu” atau isian lain bukan yang
dikehendaki peneliti, padahal isian yang diharapkan tersebut
merupakan variabel pokok, maka item perlu didrop.
Apa yang dilakukan dalam langkah persiapan ini adalah memilih data
sedemikian rupa sehingga data yang terpakai saja yang ditinggal. Langkah
persiapan ini dimaksudkan untuk merapikan data agar bersih, rapi dan
tinggal mengadakan pengolahan lanjutan atau menganalisis.
2. Tabulasi
Tabulasi merupakan kegiatan menggambarkan jawaban responden
dengan cara tertentu. Tabulasi juga dapat digunakan untuk menciptakan
statistik deskriptif variabel-variabel yang diteliti.
G.E.R. Burroughas mengemukakan klasifikasi analisis data
sebagai berikut :
a. Tabulasi data (the tabulation of the data).
b. Penyimpulan data (the summarizing of the data).
c. Analisis data untuk tujuan testing hipotesis.
d. Analisis data untuk tujuan data penarikan kesimpulan.
7
Sekolah Dasar diberi kode 1
Sekolah Menengah Pertama diberi kode 2
Sekolah Menengah Atas diberi kode 3
Perguruan Tinggi diberi kode 4
c. Banyaknya penataran yang pernah diikuti dikelompokkan dan diberi
kode atas :
1) Mengikuti lebih dari 10 kali, diberi kode 1
2) Mengikuti antara 1 s.d. 9 kali, diberi kode 2
3) Tidak pernah mengikuti penataran diberi kode 0
Mengubah jenis data, disesuaikan atau dimodifikasikan dengan
teknik analisis yang akan digunakan yaitu, Memberikan kode (coding)
dalam hubungan dengan pengelolaan data jika akan menggunakan
computer. Dalam hal ini pengolahan data memberikan kode pada semua
variabel, kemudian mencoba menentukan tempatnya di dalam coding sheet
(coding form), dalam kolom beberapa baris ke berapa. Apabila akan
dilanjutkan, sampai kepada petunjuk penempatan setiap variabel pada
kartu kolom (punc cord). Contoh pedoman pengkodean untuk penelitian
tentang buku catatan murid adalah sebagai berikut :
X1. Kepandaian Murid
Pandai 1.= nilai rata-rata (kolom 02)
Pandai 2.= nilai bahasa Indonesia (kolom 03)
Pandai 3.= frekuensi tidak naik kelas
X2. Latar belakang orang tua
Pendidikan orng tua = pendidikan orang tua (kolom 06 + 07)
Pekerjaan orang tua = pekerjaan orang tua (kolom 07 +08)
Dukungan = pemberian buku dengan segera (kolom 09)
X3. Kepedulian guru terhadap catatan
X4. Kepedulian orang tua trhadap catatan
3. Penerapan data sesuai dengan pendekatan penelitian.
Maksud rumusan yang dikemukakan dalam bagian bab ini adalah
pengolahan data yang diperoleh dengan menggunakan rumus-rumus atau
8
aturan-aturan yang ada, sesuai dengan pendekatan penelitian atau desain
yang diambil. Untuk mempermudah cara mengikuti uraian pengolahan
data, akan disajikan dengan sistematika yang te;lah disajikan dengan
sistematika yang telah dikemukakan dalam bab sebelumnya, mengenai
jenis-jenis permasalahan.Sebagai tambahan penjelasan, yang dimaksud
dengan cara yang dterapkan dalam perhitungan adalah data yang
disesuaikan dengan jenis data yakni diskrit, ordinal, interval, dan ratio.
Bagi peneliti yang menyukai statistik, bab ini menyajikan barbagai
rumus yang dapat digunakan untuk mengolah data. Apabila peneliti
berkeinginan untuk menggunalan jasa computer, dan tinggalmenunggu
hasilnya. namun meskipun eneliti harus tetap mencermati rumus-rumus
yang disajikan, sehunga apabila akan maju tidak ragu-ragu.
Analisis data penelitian deskriptif
Data kuantitatif yang dikumpulkan dalam penelitian korelasional,
komparatif , atay eksperimen diolah dengan menggunakan rumus-rumus
statistik yang sudah disediakan ,baik secara menual maupun menggunakan
jasa computer. Apapun jenis penelitianya, riset deskriptif yang bersifat
eksploratif caranya dapat sama saja karena data yang diperoleh wujudnya
sama. Yang berbeda adalah cara menginterpretasikan data dan mengambil
kesimpulan. Apabila datanya telah terkumpul, maka diklasifikasikan
menjadi dua kelompok data, yaitu data kuantitatif (angka-angka) dan
kualitatif (kata-kata atau simbol).
D. Uji Asumsi
Sebelum dilakukan pengujian regresi linier berganda terhadap
hipotesis penelitian, maka terlebih dahulu perlu dilakukan suatu pengujian
untuk mengetahui ada tidaknya pelanggaran terhadap asumsi-asumsi klasik.
Hasil pengujian hipotesis yang baik adalah pengujian yang tidak melanggar
asumsi-asumsi klasik yang mendasari model regresi linear berganda. Asumsi-
asumsi klasik dalam penelitian ini meliputi:
1. Uji Linieritas
9
Uji lineritas dilakukan untuk menguji apakah ada hubungan
secara langsung antara variabel bebas (X) dengan variabel terikat (Y)
serta untuk mengetahui apakah ada perubahan pada variabel X diikuti
dengan perubahan variabel Y. Untuk mengetahui hubungan lineritas
menggunakan rumus seperti yang dikemukakan oleh Sutrisno Hadi
(2014:13):
RKreg
F=
RKres
Keterangan:
F = harga bilangan-F untuk garis regresi
RKreg = rerata kuadrat garis regresi
RKres = rerata kuadrat residu
Apabila nilai F memiliki signifikansi lebih besar dari 5%
berarti hubungan kedua variabel linear, sebaliknya bila nilai F lebih
kecil atau sama dengan 5% berarti hubungan antar variabel tidak
linear.
2. Uji Multikolineritas
r x ,2=N ∑ X 1 X 2−¿¿ ¿
Keterangan:
r x ,2 = koefisien korelasi antara X 1 dan X 2
∑ X1 = Jumlah variabel X1
∑ X2 = Jumlah variabel X2
( ∑ X 1)
2
= Jumlah variabel X1 dikuadratkan
10
( ∑ X 2)
2
= Jumlah variabel X2 dikuadratkan
N = Jumlah responden
Syarat tidak terjadinya multikolineritas adalah harga
interkorelasi antar variabel bebas < 0,600. Apabila harga
interkorelasi antar variabel bebas ≥ 0,600 berarti terjadi
multikolineritas dan analisis data tidak dapat dilanjutkan. (Danang,
2007:80)
3. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel terikat dan variabel bebas keduanya mempunyai
distribusi normal atau tidak. Model regresi yang baik adalah
memiliki distribusi data normal atau mendekati normal. Salah satu
metode untuk mengetahui normallitas adalah dengan menggunakan
metode analisis grafik, baik dengan melihat grafik secara histogram
ataupun dengan melihat secara normal probability plot. normalitas
data dapat dilihat dari penyebaran data (titik) pada sumbu diagonal
pada grafik normal P-Plot atau dengan melihat histogram dari
residualnya.
Uji normalitas dengan grafik Normal P-Plot akan membentuk
satu garis lurus diagonal, kemudian ploting data akan dibandingkan
dengan garis diagonal. jika distribusi normal maka garis yang
menggambarkan data sesungguhnya akan mengikuti garis
diagonalnya.
E. Teknik Regresi
Realitas tentang hubungan atau keterkaitan antar ubahan dapat
dikategorikan dalam konteks ubahan yang satu menjadi penyebab dari ubahan
lainnya. Pola hubungan seperti ini disebut sebagai kausalitas, artinya ubahan
yang satu merupakan predictor, sedangkan ubahan yang lain sebagai
kriterium.
11
Korelasi antara ubahan kriterium dengan ubahan predictor dapat
dilukiskan dalam suatu garis. garis ini disebut dengan garis regresi. Garis
regresi mungkin merupakan garis linear (garis lurus), mungkin merupakan
garis lengkung (parabolic, hiperbolic dan sebagainya). Dalam kesempatan ini
hanya akan kita bicarakan garis regresi yang linear. Suatu garis regresi dapat
dinyatakan dalam persamaan matematik. persamaan ini disebut persamaan
regresi. terdapat dua jenis analisis regresi sederhana (1 prediktor/variabel) dan
analisis regresi berganda (2 prediktor atau lebih).
Tugas pokok analisis regresi adalah:
1. Mencari korelasi antara kriterium dengan predictor
2. Menguji apakah korelasi itu korelasi itu signifikan ataukah tidak, f à tabel
3. Mencari persamaan garis regresi
4. Menemukan sumbangan relatif antara sesama prediktor, jika prediktornya
lebih dari satu.
1. Regresi sederhana
Analisis ini digunakan untuk menguji hipotesis ke-1 dan ke-2, yaitu
pertama, pengaruh variabel Perhatian Orang Tua (X 1) terhadap Prestasi Belajar
Akuntansi pada Kompetensi Akuntansi Pengantar (Y) dan yang kedua,
pengaruh variabel Motivasi Belajar (X2) terhadap Prestasi Belajar Akuntansi
pada Kompetensi Akuntansi Pengantar (Y).
Rumus yang digunakan garsi regresi satu prediktor:
a. Membuat rumus persamaan garis regresi satu prediktor adalah sebagai
berikut:
Y=aX+K
Keterangan:
Y = kriterium prestasi belajar akuntansi pada kompetensi Pengantar
Akuntansi
X = prediktor perhatian orang tua atau prediktor motivasi belajar
ɑ = bilangan koefisien prediktor
K = bilangan konstan, Sutrisno Hadi (2004:2)
12
b. Mencari koefisien determinasi (r2) antara prediktor X1 dan X2 dengan Y
dengan rumus sebagai berikut:
2 a1 ∑ x1 y
r (1)=
∑ y2
2 a2 ∑ x 1 y
r (2)=
∑y
Keterangan:
r 2(1,2) = koefisien determinasi antara Y dan X1 dan X2
13
Analisis ini digunakan untuk menguji variabel bebas secara bersama-
sama terhadap variabel terikat. Analisis ini digunakan untuk menguji hipotesis
ke-3, yaitu pengaruh perhatian orang tua dan motivasi belajar terhadap prestasi
belajar siswa.
Langkah-langkah analisis regresi ganda adalah:
2 a1 ∑ x1 y +a2 ∑ x 2 y
R y (1,2 )=
∑ y2
Keterangan:
R2y (1,2) = koefisien determinasi antara Y dengan X1 dan X2
a1 = koefisien prediktor X1
a2 = koefisien prediktor X2
∑ x1 y = jumlah produk antara X1 dan Y
14
terhadap variabel dependen (Y). Atau untuk mengetahui apakah model
regresi dapat digunakan untuk memprediksi variabel dependen atau tidak.
Signifikan berarti hubungan yang terjadi dapat berlaku untuk populasi
(dapat digeneralisasikan)
Rumus :
R2 ( N−m−1 )
F reg =
m ( 1−R 2)
Keterangan:
F reg = harga F garis regresi
N = cacah kasus
m = cacag prediktor
R = koefisien korelasi antara kriterium dengan prediktor
Selanjutnya Fhitung lebih dikonsultasikan dengan Ftabel dengan derajat
kebebasan (dk) m lawan N-m-1 pada taraf signifikansi 5%. Apabila Fhitung
besar atau sama dengan Ftabel, maka terdapat pengaruh yang signifikan
antara variabel bebas terhadap variabel terikat. Jika Fhitung lebih kecil dari
Ftabel, maka pegaruh antara variabel bebas terhadap variabel terikat tidak
signifikan.
d. Mencari Sumbangan Relatif (SR)
1) Sumbangan Relatif
Sumbangan relatif adalah persentase perbandingan yang
diberikan oleh suatu variabel bebas kepada variabel terikat dengan
variabel-variabel bebas yang lain. Sumbangan relatif menunjukkan
seberapa besar sumbangan secara relatif setiap prediktor terdapat
kriterium untuk keperluan prediksi.
Rumus:
a ∑ xy
SR %= x 100 %
JK reg
SR % = sumbangan relatif dari suatu prediktor
a = koefisien prediktor
∑ xy = jumlah produk antara X dan Y
15
JK reg = jumlah kuadrat regresi ,Sutrisno Hadi (2004:39)
2) Sumbangan Efektif (SE)
Sumbangan efektif digunakan untuk mengetahui besarnya
sumbangan secara efektif setiap prediktor terhadap kriterium dengan
tetap memperhitungkan variabel bebas lain yang tidak diteliti. Sutrisno
Hadi (2004:39)
Rumus:
SE %=SR % x R2
Keterangan:
SE% = sumbangan efektif dari suatu prediktor
SR% = sumbangan relatif dari suatu prediktor
2
R = koefisien determinasi
16
12. 62 57 69
13. 56 48 53
14. 61 55 60
15. 52 50 50
16. 63 52 60
17. 76 72 80
18. 55 53 60
19. 66 50 64
20. 85 69 90
17
BAB III
KESIMPULAN
Uji asumsi klasik adalah uji prasyarat sebelum dilakukan analisis data
lebih lanjut sehingga dapat diketahui ada tidaknya pelanggaran terhadap asumsi-
asumsi klasik. Asumsi-asumsi klasik dalam penelitian meliputi:
1. Uji linearitas
2. Uji multikolinearitas
3. Uji normalitas
Tugas pokok analisis regresi adalah:
1. Mencari korelasi antara kriterium dengan predictor
2. Menguji apakah korelasi itu korelasi itu signifikan ataukah tidak, f à tabel
3. Mencari persamaan garis regresi
4. Menemukan sumbangan relatif antara sesama prediktor, jika prediktornya
lebih dari satu.
18
DAFTAR PUSTAKA
19
LAMPIRAN:
Hasil Analisis Data dengan Program SPSS
Regression
Descriptive Statistics
Y 68.0500 11.99770 20
X1 66.1500 11.82893 20
X2 56.5500 10.16948 20
Correlations
Y X1 X2
X1 .000 . .000
X2 .000 .000 .
N Y 20 20 20
X1 20 20 20
X2 20 20 20
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
20
b. Dependent Variable: Y
21
Model Summaryb
Change Statistics
Std. Error of the
Model R R Square Adjusted R Square Estimate R Square Change F Change df1 df2 Sig. F Change
b. Dependent Variable: Y
ANOVAb
Total 2734.950 19
b. Dependent Variable: Y
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients 95% Confidence Interval for B Correlations Collinearity Statistics
Model B Std. Error Beta t Sig. Lower Bound Upper Bound Zero-order Partial Part Tolerance VIF
X1 .402 .177 .396 2.267 .037 .028 .776 .762 .482 .287 .523 1.912
X2 .625 .206 .530 3.033 .008 .190 1.061 .804 .593 .383 .523 1.912
a. Dependent Variable: Y
22
Coefficient Correlationsa
Model X2 X1
X1 -.691 1.000
X1 -.025 .031
a. Dependent Variable: Y
Collinearity Diagnosticsa
Variance Proportions
Dimensi
Model on Eigenvalue Condition Index (Constant) X1 X2
a. Dependent Variable: Y
Residuals Statisticsa
a. Dependent Variable: Y
23