HASIL PENELITIAN & PEMBAHASAN

Slides:



Advertisements
Presentasi serupa
BIOSTATISTIK (MATERI MATRIKULASI)
Advertisements

ANALISIS DATA Dr. Adi Setiawan.
Statistik Parametrik.
DESAIN DAN ANALISIS PENELITIAN
Pengolahan Data.
BAB VI UKURAN VARIASI ATAU DISPERSI (Pengukuran Dispersi) (Pertemuan ke-8) Oleh: Andri Wijaya, S.Pd., S.Psi., M.T.I. Program Studi Sistem Informasi Sekolah.
UKURAN TENDENSI SENTRAL DAN PENYIMPANGAN
KORELASI DAN REGRESI LINEAR SEDERHANA
7. Penyajian Data TABEL GRAFIK. 7. Penyajian Data TABEL GRAFIK.
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
Pengujian Hipotesis Parametrik1
1. Statistika dan Statistik
ANALISA STATISTIK DAN KUALITATIF
METODOLOGI PENELITIAN
ANALISIS KORELASI.
UJI NORMALITAS DAN HOMOGENITAS
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
KORELASI Bagaimana model regresi antar variabel yang dihubungkan?
DATA DAN HIPOTESIS (DATA AND HYPOTHESIS)
STATISTIK untuk Penelitian Kesehatan
TEKNIK ANALISIS DATA.
PENGERTIAN STATISTIK DAN STATISTIKA
Oleh: Indah Puspita Sari, M.Pd.
Assalamu Alaikum Wr. Wb..
HASIL PENELITIAN & PEMBAHASAN Dr. RATNAWATI SUSANTO, M.M., M.Pd
TENDENSI SENTRAL.
STATISTIKA Jurusan PWK-FT-UB Pertemuan ke-2/2-4,14-16
Ukuran Gejala Pusat (Central Tendency)
Metode Penelitian Ilmiah
Regresi Berganda Statistika Ekonomi II Pertemuan Ke 10
Ukuran Gejala Pusat dan Ukuran Letak
DATA DAN HIPOTESIS (DATA AND HYPOTHESIS)
ANALISIS REGRESI DAN KORELASI LINIER
PERTEMUAN 4 Hipotesis Statistik , Uji Normalitas, Uji Homogenitas dan Uji Hipotesis.
BIOSTATISTIK DESKRIPTIF
UKURAN NILAI SENTRAL&UKURAN PENYEBARAN
FUNGSI STATISTIK. SEBAGAI ALAT PENYAJI DATA.
UKURAN VARIASI ATAU DISPERSI (Pengukuran Dispersi)
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER
Regresi Linier Berganda
METODE PENELITIAN KUANTITATIF (13) FIKOM UNIVERSITAS BUDILUHUR.
Khaola Rachma Adzima FKIP-PGSD Universitas Esa Unggul
KORELASI DAN REGRESI IRFAN.
UKURAN NILAI SENTRAL&UKURAN PENYEBARAN
LAPORAN PENELITIAN KUANTITATIF Dr. RATNAWATI SUSANTO, M.M., M.Pd
Regresi Linier Berganda
RANCANGAN METODE PENELITIAN PERTEMUAN 4 HARLINDA SYOFYAN, S.Si., M.Pd
STATISTIKA (untuk ILMU-ILMU SOSIAL)
DATA DAN HIPOTESIS (DATA AND HYPOTHESIS)
UKURAN NILAI SENTRAL&UKURAN PENYEBARAN
STATISTIKA DESKRIPTIF
? 1. Konsep Statistika STATISTIKA : Kegiatan untuk : mengumpulkan data
Aplikasi Komputer & Pengolahan Data UKURAN TENDENSI SENTRAL
TEKNIK ANALISIS KOMPARASIONAL BIVARIAT
STATISTIKA OLEH : DHANU NUGROHO SUSANTO.
OLEH : RESPATI WULANDARI, M.KES
SQC 2- Statistik Deskriptif
ALAT-ALAT MANAJEMEN (2)
KORELASI.
Regresi Linier Berganda
LAPORAN PENELITIAN KUANTITATIF HARLINDA SYOFYAN, S.Si., M.Pd
? 1. Konsep Statistika STATISTIKA : Kegiatan untuk : mengumpulkan data
Deskripsi Numerik Data
PENYAJIAN DATA.
ANALISIS REGRESI & KORELASI
Statistik Dasar Kuliah 8.
PENYAJIAN DATA.
REGRESI DAN KORELASI DISUSUN OLEH : 1.AVERIO ALVAREZ ( ) 2.FRANS HENDRIKO MARPAUNG ( ) 3.CLAUDIA ELSHA ALVINCE ( ) 4.STEVEN.
BIOSTATISTIK.
OLEH : SITTI HAWA, ST, MPW.  Ukuran pemusatan atau disebut rata – rata adalah menunjukan dimana suatu data memusat atau suatu kumpulan pengamatan memusat.
Transcript presentasi:

HASIL PENELITIAN & PEMBAHASAN PERTEMUAN 6 HARLINDA SYOFYAN, S.Si., M.Pd PENDIDIKAN GURU SEKOLAH DASAR FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

KEMAMPUAN AKHIR YANG DIHARAPKAN 1. Menggunakan statistik deskriptif dalam pembahasan hasil penelitian. 2. Merumuskan pembahsaan berdasarkan teknik analisis data.

BAB IV. HASIL PENELITIAN & PEMBAHASAN

A. HASIL PENELITIAN Hasil Penelitian dapat disajikan secara terlebih dahulu dengan menggunakan Statistik Deksriptif. STATISTIK DESKRIPTIF Adalah statistik yang berfungsi untuk mendeskripsikan atau memberi gambaran tentang obyek yang diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum. Penyajian data yang telah diperoleh melalui observasi, wawancara, kuesioner (angket) maupun dokumentasi disajikan melalui statistik deskriptif.

PENYAJIAN DATA DENGAN TABEL Tabel Data ordinal

PENYAJIAN DATA DENGAN TABEL Tabel Distribusi Frekuensi

PENYAJIAN DATA DENGAN TABEL Tabel Distribusi Frekuensi Relatif

PENYAJIAN DATA DENGAN TABEL Pedoman Membuat Tabel Distribusi Frekuensi: Rumus Sturges K = 1 + 3,3 Log n Dengan : K = Jumlah kelas interval n = Jumlah data observasi Log = logaritma Contoh : Jumlah data 150 Maka Jumlah kelasnya (K0 = 1 + 3,3 log 200 = 1 + 3,3 x 2,18 = 8,59 dibualtkan menjadi 9

2. Menghitung Rentang Data Data terbesar – data terkecil Misal data terbesar = 93 dan data terkecil = 13 Jadi = 93 – 13 = 80 + 1 3. Menghitung Panjang Kelas = Rentang dibagi jumlah kelas Maka 81 : 9 = 9 Walaupun panjang kelas diperoleh 9, dalam hitungan ini digunakan 10 agar batas bawah 0 dan batas atas 9.

PENYAJIAN DATA DENGAN GRAFIK Contoh Grafik Garis

PENYAJIAN DATA DENGAN GRAFIK Contoh Grafik Batang

PENYAJIAN DATA DENGAN GRAFIK Contoh Grafik Lingkaran (pie Chart)

PENYAJIAN DATA DENGAN GRAFIK Contoh Grafik Gambar (pictogram)

PENGUKURAN GEJALA TERPUSAT (CENTRAL TENDENCY) Dinamakan ukuran pemusatan karena nilai-nilai (kuantitatif) tersebut memiliki kecenderungan memusat. Bila suatu kumpulan data (nilai) diurutkan mulai dari yang paling kecil sampai paling besar maka ukuran-ukuran (dari data tersebut) nilainya cenderung ada di pusat atau tengah (data tersebut). * Ukuran-Ukuran Pemusatan: 1. Mean atau Rata-rata hitung 2. Median atau Nilai Tengah 3. Modus

PENGUKURAN GEJALA TERPUSAT (CENTRAL TENDENCY) MEAN Rata-rata hitung atau arithmetic mean atau sering disebut dengan istilah mean saja merupakan metode yang paling banyak digunakan untuk menggambarkan ukuran tendensi sentral. Mean dihitung dengan menjumlahkan semua nilai data pengamatan kemudian dibagi dengan banyaknya data. Definisi tersebut dapat di nyatakan dengan persamaan berikut: Sampel: Populasi :

PENGUKURAN GEJALA TERPUSAT (CENTRAL TENDENCY) Keterangan: ∑ = lambang penjumlahan semua gugus data pengamatan n = banyaknya sampel data N = banyaknya data populasi \bar x = nilai rata-rata sampel μ = nilai rata-rata populasi Mean dilambangkan dengan \bar x (dibaca “x-bar”) jika kumpulan data ini merupakan contoh (sampel) dari populasi, sedangkan jika semua data berasal dari populasi, mean dilambangkan dengan μ (huruf kecil Yunani mu).

PENGUKURAN GEJALA TERPUSAT (CENTRAL TENDENCY) Rata-rata hitung (Mean) untuk data tunggal Contoh 1: Hitunglah nilai rata-rata dari nilai ujian matematika kelas 3 SMU berikut ini: 2; 4; 5; 6; 6; 7; 7; 7; 8; 9 Jawab: Nilai rata-rata dari data yang sudah dikelompokkan bisa dihitung dengan menggunakan formula berikut:

PENGUKURAN GEJALA TERPUSAT (CENTRAL TENDENCY) Keterangan: ∑ = lambang penjumlahan semua gugus data pengamatan fi = frekuensi data ke-i n = banyaknya sampel data \bar x = nilai rata-rata sampel

PENGUKURAN GEJALA TERPUSAT (CENTRAL TENDENCY) Contoh 2: Berapa rata-rata hitung pada tabel frekuensi berikut: xi fi 70 5 69 6 45 3 80 1 56 1 Catatan: Tabel frekuensi pada tabel di atas merupakan tabel frekuensi untuk data tunggal, bukan tabel frekuensi dari data yang sudah dikelompokkan berdasarkan selang/kelas tertentu.

PENGUKURAN GEJALA TERPUSAT (CENTRAL TENDENCY) Jawab: i fi fixi 70 5 350 69 6 414 45 3 135 80 1 56 Jumlah 16 1035

PENGUKURAN GEJALA TERPUSAT (CENTRAL TENDENCY) Mean dari data distribusi Frekuensi atau dari gabungan: Distribusi Frekuensi: Rata-rata hitung dari data yang sudah disusun dalam bentuk tabel distribusi frekuensi dapat ditentukan dengan menggunakan formula yang sama dengan formula untuk menghitung nilai rata-rata dari data yang sudah dikelompokkan, yaitu: Keterangan: ∑ = lambang penjumlahan semua gugus data pengamatan fi = frekuensi data ke-i \bar x = nilai rata-rata sampel

PENGUKURAN GEJALA TERPUSAT (CENTRAL TENDENCY) Contoh 3: Tabel berikut ini adalah nilai ujian statistik 80 mahasiswa yang sudah disusun dalam tabel frekuensi. Berbeda dengan contoh 2, pada contoh ke-3 ini, tabel distribusi frekuensi dibuat dari data yang sudah dikelompokkan berdasarkan selang/kelas tertentu (banyak kelas = 7 dan panjang kelas = 10). K elas ke- Nilai Ujian fi 1 31 – 40 2 2 41 – 50 3 3 51 – 60 5 4 61 – 70 13 5 71 – 80 24 6 81 – 90 21 7 91 – 100 12 Jumlah 80

PENGUKURAN GEJALA TERPUSAT (CENTRAL TENDENCY) Buat daftar tabel berikut, tentukan nilai pewakilnya (xi) dan hitung fixi. Kelas ke-Nilai Ujian fi xi fixi 1 31 – 40 2 35.5 71.0 2 41 – 50 3 45.5 136.5 3 51 – 60 5 55.5 277.5 4 61 – 70 13 65.5 851.5 5 71 – 80 24 75.5 1812.0 6 81 – 90 21 85.5 1795.5 7 91 – 100 12 95.5 1146.0 Jumlah 80 6090.0

PENGUKURAN GEJALA TERPUSAT (CENTRAL TENDENCY)

PENGUKURAN GEJALA TERPUSAT (CENTRAL TENDENCY) MEDIAN (NILAI TENGAH SETELAH DIURUTKAN) Median atau nilai tengah adalah salah satu ukuran pemusatan data, yaitu, jika segugus data diurutkan dari yang terkecil sampai yang terbesar atau yang terbesar sampai yang terkecil, nilai pengamatan yang tepat di tengah-tengah bila jumlah datanya ganjil, atau rata-rata kedua pengamatan yang di tengah bila banyaknya pengamatan genap Untuk data ganjil 8, 7, 9. Pertama data diurutkan menjadi 7, 8, 9. Sehingga dengan mudah diketahui median adalah 8. Untuk data genap Untuk data 2, 8, 3, 4, 1, 8. Pertama data diurutkan menjadi 1, 2, 3, 4, 8, 8. Karena jumlah data pengamatan genap, yaitu 6, maka median terletak pada rata-rata dua nilai pengamatan yang di tengah yaitu data ketiga dan data keempat, maka mediannya adalah (3+4)/2 = 3,5

PENGUKURAN GEJALA TERPUSAT (CENTRAL TENDENCY) Modus (Nilai yang paling sering muncul) adalah nilai yang mempunyai frekuensi paling banyak. Modus tidak harus tunggal,artinya nilainya bisa lebih dari satu. Adapun cara mencari modus untuk data tunggal tinggal dilihat frekuensinya. Untuk data dalam daftar distribusi frekuensi, modus ditentukan dengan rumus :

PENGUKURAN GEJALA TERPUSAT (CENTRAL TENDENCY) dengan; b = batas bawah kelas modus yaitu kelas interval dengan frekuensi terbanyak p = panjang interval kelas modus b1 = frekuensi kelas modus dikurangi frekuensi kelas sebelum kelas modus b2 = frekuensi kelas modus dikurangi frekuensi kelas sesudah kelas modus Jika rumus di atas digunakan untuk mencari modus dari tabel di bawah ini

PENGUKURAN GEJALA TERPUSAT (CENTRAL TENDENCY) Maka diperoleh : a. kelas modus = kelas ke-4 b. b = 59,5 c. b1 = 15 – 6 = 9 d. b2 = 15 – 13 = 2 e. p = 8

CONTOH BAB IV

BAB IV. HASIL PENELITIAN DAN PEMBAHASAN Bagian ini akan menguraikan empat macam data yang akan dianalisis guna mendapatkan gambaran mengenai variabel terikat akuntabilitas (Y) dan hubungannya secara sendiri-sendiri maupun secara bersama-sama (simultan) dengan variabel bebas yang terdiri dari gaya kepemimpinan (X1), kecerdasan emosional (X2), dan pengambilan keputusan rasional (X3). Data penelitian dianalisis sesuai dengan tujuan dari penelitian dengan menggunakan metodologi penelitian. Gambaran umum mengenai penyebaran data atau disribusi data dihitung dengan menggunakan ukuran terpusat atau tendency central dan ukuran penyebaran. Data penelitian disajikan dalam bentuk statistika deskriptif yang meliputi: nilai rata-rata (Mean), modus (Mode = Mo), Median (Me), simpangan baku (standar deviasi), varians dan distribusi frekuensi yang disertai dengan histogram.

1. Skor Akuntabilitas (Y) Data mengenai variabel akuntabilitas yang diperoleh dari hasil penelitian yang dilakukan di Sekolah Menengah Atas (SMA) Swasta di wilayah Jakarta), dapat dideskripsikan sebagai berikut : rentang teoretik 33 – 165 dan Skor empirik terendah 120 dan tertinggi 165. Dengan demikian diperoleh rentang skor 45. Perhitungan statistik deskriptif diperoleh skor rata-rata (M) sebesar 144,48, simpangan baku (SD) sebesar 10,992, modus (Mo) = 149, dan median (Me) = 147. Pada tabel 4.1 terlihat bahwa skor simpangan baku sebesar 10,992 yang menunjukkan tingkat penyimpangan skor akuntabilitas dari nilai rata-rata. Data tersebut dapat dilihat dalam bentuk distribusi pada tabel 4.1 berikut ini : Perhitungan pada lamp. D1 Hal 303-308;330-332

Dilihat dari tabel distribusi frekuensi skor akuntabilitas diketahui bahwa skor akuntabilitas kebanyakan menyebar pada interval kelas ke lima yaitu interval 144-149 sebanyak 16 kepala sekolah berdasarkan hasil penilaian responden atau mencapai frekuensi relatif sebesar 23,88% . Selanjutnya skor akuntabilitas yang terdapat pada tabel 4-1 divisualisasikan dalam bentuk histogram seperti gambar 4-1.

Gambar 4-1 Grafik Histogram Frekuensi Akuntabilitas

B. Pengujian Persyaratan Analisis Untuk memperoleh gambaran mengenai hubungan antara variabel-variabel dalam penelitian ini maka perlu dilakukan pengujian hipotesis penelitian dengan teknik analisis korelasi dan regresi. Persyaratan yang dibutuhkan untuk penggunaan analisis tersebut adalah : (1) sampel diambil secara random dan ukuran sampel terpenuhi, (2) Y independent dan berdistribusi normal, (3) varians kelompok data homogen, dan (4) linieritas regresi.

Dari persyaratan tersebut, persyaratan pertama telah terpenuhi, sebab sampel diambil secara acak sederhana (Simple Random Sampling) dengan ukuran sampel sebesar 67 orang. Untuk memenuhi persyaratan ke 2 yaitu Y independen dan berdistribusi normal, dan persyaratan ke 3 bahwa varians kelompok data homogen, maka perlu dilakukan Pengujian Persyaratan Analisis yang meliputi Uji Normalitas dan Uji Homogenitas. Apabila pengujian ini tidak dilakukan atau hasil pengujian menunjukkan bahwa data penelitian tidak normal maka pengujian hipotesis dalam penelitian ini tidak dapat dilakukan dengan menggunakan statistik parametrik (korelasi product moment, korelasi ganda dan korelasi parsial). Sementara uji homogentitas dilakukan untuk mengetahui galat dari masing-masing variabel bebas memiliki varians yang homogen atau tidak. Uji linieritas akan dilakukan pada tahapan analisis pengujian hipotesis.

Sebelum melakukan uji normalitas maka perlu dilakukan perhitungan persamaan garis regresi sebagai berikut: 1.Melakukan Perhitungan Persamaan Regresi . Sebelum melakukan analisis uji normalitas, maka dilakukan perhitungan persamaan regresi. Diperoleh persamaan regresi Y atas X1, dengan persamaan = a + bx1 dengan harga a = 18,849 dan harga b = 0,893 sehingga regresi = 18,849 + 0,893 X1. Diperoleh persamaan regresi Y atas X2, dengan persamaan = a + bx2 dengan harga a = 39,086 dan harga b = 0,790 sehingga regresi = 39,086 + 0,790 X2. Diperoleh persamaan regresi Y atas X3, dengan persamaan = a + bx3 dengan harga a = 31,603 dan harga b = 0,866 sehingga regresi = 31,603 + 0,866 X3 Diperoleh persamaan regresi Y atas X1, X2, X3, dengan persamaan = a+ bx1 + bx2 + bx3 dengan harga a = 8,699 dan harga b1 = 0,280, b2 = 0,212, b3 = 0,523, maka persamaan regresi: = 8,699 + 0,280 X1 + 0,212 X2 + 0,523 X3.

Pengujian Normalitas Galat Taksiran Data yang diperlukan untuk analisis korelasi harus berdistribusi normal. Oleh sebab itu, pengujian persyaratan normalitas perlu dilakukan. Pengujian normalitas untuk setiap variabel penelitian dilakukan dengan menggunakan uji Lilliefors. Hasil perhitungan Lhitung dikonsultasikan dengan Ltabel pada taraf signifikansi α = 0,05. Data penelitian dikatakan berdistribusi normal apabila harga Lhitung < Ltabel. Perhitungan normalitas data penelitian tersebut dilakukan untuk Y atas X1, dan Y atas X2. Y atas X3, dan Y atas X1, X2, danX3.

Langkah untuk melakukan analisis uji normalitas adalah sebagai berikut: (1) mencari bentuk regresi Y atas X1, Y atas X2, Y atas X3, dan Y atas X1,X2,X3 kemudian mencari galat taksiran (Y-Ŷ), (2) mencari Lhitung (maksimum) kemudian mengujinya dengan Ltabel. Hasil pengujian tersebut disajikan sebagai berikut : Sudjana, Metoda Statistika (Bandung:Tarsito, 2002), p. 467. Keputusan : Analisa pengujian hipotesis dengan menggunakan statistik parametrik berupa analisa

b. Uji Normalitas Galat Taksiran Regresi Y atas X2 Hasil perhitungan pengujian kenormalan Y atas X2 didapat Lhitung = 0,0680, dengan n = 67 dan taraf signifikansi α = 0,05 diperoleh Ltabel = 0,108. Dengan kriteria pengujian : Ho : Lhitung < Ltabel (data normal) Ha : Lhitung > Ltabel (data tidak normal) Oleh karena Lhitung = 0,0680 < Ltabel = 0,108, maka : Kesimpulan : Ho diterima karena sampel berasal dari populasi berdistribusi normal. , Keputusan : Analisa pengujian hipotesis dengan menggunakan statistik parametrik berupa analisa regresi dan korelasi dapat dilanjutkan.

a. Uji Normalitas Galat Taksiran Regresi Y atas X1 Hasil perhitungan pengujian kenormalan Y atas X1 didapat Lhitung = 0,0437, dengan n = 67 dan taraf signifikansi α = 0,05 diperoleh Ltabel = 0,108. Dengan kriteria pengujian : Ho : Lhitung < Ltabel (data normal) Ha : Lhitung > Ltabel (data tidak normal) Oleh karena Lhitung = 0,0437 < Ltabel = 0,108, maka : Kesimpulan : Ho diterima karena sampel berasal dari populasi berdistribusi normal. ,

c. Uji Normalitas Galat Taksiran Regresi Y atas X3 Hasil perhitungan pengujian kenormalan Y atas X3 didapat Lhitung = 0,0760, dengan n = 67 dan taraf signifikansi α = 0,05 diperoleh Ltabel = 0,108. Oleh karena Lhitung = 0,0760 < Ltabel = 0,108 : Dengan kriteria pengujian : Ho : Lhitung < Ltabel (data normal) Ha : Lhitung > Ltabel (data tidak normal) Oleh karena Lhitung = 0,0760 < Ltabel = 0,108, maka : Kesimpulan : sampel berasal dari populasi berdistribusi normal. Keputusan : Analisa pengujian hipotesis dengan menggunakan statistik parametrik berupa analisa regresi dan korelasi dapat dilanjutkan.

d. Uji Normalitas Galat Taksiran Regresi Y atas X1, X2, X3 Hasil perhitungan pengujian kenormalan Y atas X1,X2,X3 didapat Lhitung = 0,0741, dengan n = 67 dan taraf signifikansi α = 0,05 diperoleh Ltabel = 0,108. Oleh karena Lhitung = 0,0741 < Ltabel = 0,108 : Dengan kriteria pengujian : Ho : Lhitung < Ltabel (data normal) Ha : Lhitung > Ltabel (data tidak normal) Oleh karena Lhitung = 0,0741 < Ltabel = 0,108, maka : Kesimpulan : sampel berasal dari populasi berdistribusi normal. Keputusan : Analisa pengujian hipotesis dengan menggunakan statistik parametrik berupa analisa regresi dan korelasi dapat dilanjutkan

Dengan demikian secara keseluruhan dapat dilihat pada rangkuman hasil perhitungan uji normalitas galat pada Tabel 4-5. Tabel 4-5. Rangkuman Uji Normalitas Galat Rangkuman Uji Normalitas Galat pada Lampiran E.2.5. Halaman 372

B. Analisis Pengujian Hipotesis Setelah dilakukan analisis pengujian persyaratan dan hasil pengujian menunjukkan bahwa data sampel berasal dari populasi yang berdistribusi normal dan memiliki varians-varians residu yang homogen, maka analisis pengujian hipotesis dapat dilakukan. Analisis pengujian hipotesis dalam penelitian ini dilakukan untuk menguji 4 hipotesis yang diajukan dalam penelitian. Adapun teknik pengujian yang dilakukan adalah : (1) Teknik Analisis Regresi, (2) Teknik Analisis Korelasi.

Untuk menguji hipotesis pertama, kedua dan ketiga akan dilakukan dengan menggunakan teknik analisis regresi dan korelasi sederhana, sedangkan untuk menguji hipotesis ke empat dilakukan dengan menggunakan teknik analisis regresi dan teknik korelasi ganda.

1. Analisis Pengujian Linieritas Regresi dan keberartian (Signifikansi) a. Gaya kepemimpinan (X1) dengan Akuntabilitas (Y) Dari hasil analisis regresi sederhana untuk variabel Gaya kepemimpinan (X1) dengan variabel Akuntabilitas (Y) didapat koefisien arah regresi b = 0,893 dan konstanta a = 18,849. Dengan demikian bentuk hubungan kedua variabel tersebut dapat digambarkan dengan persamaan Ŷ = 18,849 + 0,893X1. Sebelum hasil perhitungan tersebut digunakan untuk prediksi, persamaan regresi harus memenuhi syarat keberartian dan kelinearan. Untuk mengetahui keberartian dan kelinearan persamaan regresi dilakukan uji F yang hasilnya dapat dilihat pada tabel 4-6 berikut ini:

Tabel 4-6 Analisis Varian untuk Uji Signifikansi dan Kelinearan Persamaan Regresi Ŷ = 18,849 + 0,893X1 Sumber Varians db JK RJK Fh F table 0,05 0,01 Total 67 1406518 Reg a 1 1398543,284 Reg (b/a) 1 4778.450 4778.430 97.175** 3,99 7,04 Sisa 65 3196,287 49,174 Tuna Cocok 31 1874.120 56.792 1,460ns 1,80 2,30 Tuna Galat 34 1322,2 38.9 Keterangan:

Keterangan: dk = derajat kebebasan JK = Jumlah kuadrat RJK = Rata – rata jumlah kuadrat ** = Regresi Signifikan ns = Regresi Linear

Keberartian Y atas X1 seperti pada tabel 4-7 di atas, diperoleh harga Fhitung sebesar 97,175 sedangkan Ftabel dengan dk pembilang 1 dan dk penyebut 65 pada taraf signifikan α = 0,01 sebesar 7,04. Karena harga Fhitung > Ftabel atau Fh= 97,175 > Ft = 7,04, maka dapat disimpulkan bahwa koefisien arah regresi Y atas X1 signifikan. Untuk uji linieritas persamaan regresi, diperoleh harga Fhitung = 1,460 lebih kecil dari harga Ftabel sebesar 1,80 atau (Fh < Ft) pada taraf signifikan α = 0,05, sehingga dapat dikatakan regresi adalah linear. Dengan demikian persamaan regresi Ŷ = 18,849 + 0,893X1, dapat digunakan untuk memprediksi hubungan variabel terikat Y dengan mempergunakan variabel bebas X1. Persamaan ini mengandung arti bahwa setiap kenaikan 1 satuan X1, akan diikuti dengan kenaikan Y sebesar 0,893 pada konstanta sebesar 18,849.

Hubungan antara gaya kepemimpinan dengan akuntabilitas pada persamaan regresi Ŷ = 18,849 + 0,893X1 tersebut dapat digambarkan dalam bentuk diagram 4-5 berikut ini.

d. Gaya kepemimpinan (X1), Kecerdasan Emosional (X2) dan Pengambilan Keputusan Rasional (X3) dengan Akuntabilitas (Y) Hasil perhitungan analisis regresi ganda untuk ketiga variabel gaya kepemimpinan (X1), kecerdasan emosional (X2), dan pengambilan keputusan rasional (X3) dengan akuntabilitas (Y) diperoleh arah regresi b = 0,280 untuk gaya kepemimpinan (X1), dan 0,212 untuk kecerdasan emosional (X2) serta 0,523 untuk pengambilan keputusan rasional (X3) pada konstanta 8,716. Perhitungan pada Lampiran F.1.4. Halaman 355-356.

C. PEMBAHASAN Dengan demikian hubungan mereka dapat dibuat dalam persamaan regresi Ŷ = 8,716 + 0,280X1 + 0,212X2 + 0,523X3. Untuk mengetahui derajat keberartian persamaan regresi diuji dengan menggunakan uji F . Dari hasil perhitungan Fhitung = 58,254 dan Ftabel (0,05) untuk dk pembilang 2 dan penyebut 63 = 3,14. Untuk lebih jelas hasil uji F dapat dilihat pada tabel 4-10 berikut ini

Hasil perhitungan tersebut menunjukkan bahwa harga Fhitung yang diperoleh sebesar 79,348, sedangkan Ftabel dengan dk pembilang 2 dan db penyebut 63 pada taraf signifikansi α = 0,05 sebesar 3,14. Dari hasil perhitungan ternyata Fhitung = 79.348 > Ftabel = 3,14. Dengan demikian dapat disimpulkan bahwa persamaan regresi Ŷ = 8,716 + 0,280X1 + 0,212X2 + 0,523X3 adalah signifikan.

2. Analisis Perhitungan Korelasi dan Keberartian (Signifikansi) Dilakukan untuk menguji ada tidaknya hubungan antar variabel penelitian dalam sampel yang akan diambil dari populasi penelitian. Analisis terhadap hubungan antar variabel menggunakan teknik analisis korelasi sederhana (untuk menjawab hipotesis pertama, kedua dan ketiga) dan teknik analisis korelasi ganda (untuk menjawab hipotesis ke empat).

Hubungan antar variabel yang dinyatakan dengan koefisien korelasi (rxy) menunjukkan kuat lemahnya hubungan (Pedoman untuk memberikan interpretasi terhadap Koefiisen Korelasi ) Setelah dihitung koefisien korelasi, maka dilakukan perhitungan koefisien determinasi (rxy)2 yang menyatakan seberapa besar kontribusi variabel X terhadap bariabel Y.

Selanjutnya adalah menentukan taraf signifikansi (keberartian) dengan menggunakan uji t (korelasi sederhana; untuk menjawab hipotesis pertama, kedua dan ketiga) dan uji F (korelasi ganda; untuk menjawab hipotesis ke empat). Hasil perhitungan dari uji signifikansi adalah untuk menentukan koefisien korelasi itu memiliki keberartian (signifikan) atau tidak. Bila hasilnya signifikan (thitung > ttabel) maka artinya data sampel dapat digeneralisasikan ke data populasi ; dan dapat ditarik kesimpulan bahwa ada hubungan yang positif dan signifikan antara variabel-variabel tersebut. Berikut akan diuraikan hasil perhitungan analisa korelasi dan keberartian (signifikansi) antar variabel-variabel penelitian.

a. Gaya kepemimpinan (X1) dengan Akuntabilitas (Y) Hipotesis pertama yang diajukan dalam penelitian ini adalah: Terdapat hubungan yang positif antara variabel gaya kepemimpinan dengan akuntabilitas kepala sekolah SMA ditunjukkan melalui hasil analisis korelasi sebagai berikut: Kekuatan hubungan gaya kepemimpinan dengan akuntabilitas ditunjukkan oleh koefisien korelasi product moment sebesar ry1 = 0,774. Temuan ini memberikan kesimpulan bahwa : hubungan antara gaya kepemimpinan dengan akuntabilitas tergolong kuat, dengan makna bahwa semakin tinggi gaya kepemimpinan maka akan semakin tinggi akuntabilitas.

Dengan melakukan perhitungan koerfisien determinasi diperoleh (ry1)2 = 0,599, yang menyimpulkan bahwa kontribusi gaya kepemimpinan dengan akuntabilitas sebesar 59,9% (variasi pada akuntabilitas dapat dijelaskan oleh variabel gaya kepemimpinan sebesar 59,9% atau meningkat dan menurunnya akuntabilitas kepala sekolah dapat dijelaskan sebesar 59,9% oleh variabel gaya kepemimpinan pada persamaan regresi Ŷ = 18,849 + 0,893X1.) dan sisanya sebesar 40,1% ditentukan oleh variabel lain.

Uji keberartian koefisien korelasi dengan uji t diperoleh harga thitung = 9,860. Harga ttabel dengan dk = 65 dan taraf signifikan α = 0,05 diperoleh nilai sebesar 1,67. Karena thitung = 9,860 > ttabel = 1,67 maka Ho ditolak dan Ha diterima. Mengingat bahwa uji keberartian regresi ini dapat membuktikan bahwa persamaan regresi linier adalah berarti (signifikan), maka dapat disimpulkan bahwa gaya kepemimpinan memprediksi akuntabilitas kepala SMA Swasta. Jadi regresi Y atas X1 tersebut secara berarti dapat digunakan untuk meprediksi rata-rata akuntabilitas kepala SMA Swasta (Y) apabila rata-rata gaya kepemimpinan (X1) sudah diketahui. Dapat ditarik makna bahwa data sampel dapat digeneralisasikan ke data populasi.

Uji Signifikansi koefisien antara variabel gaya kepemimpinan dan akuntabilitas kepala SMA swasta dapat dipaparkan dengan tabel berikut: Tabel 4-10 Uji Signifikansi Koefisien Antara Variabel Gaya Kepemimpinan (X1) dengan Akuntabilitas Kepala SMA Swasta.

Keterangan : n = banyak sampel dk = derajat kebebasan (ry1) = koefisien korelasi antara X1 dengan Y (ry1 )2 = koefisien korelasi antara X1 dengan Y **Koefisien korelasi sangat signifikan (thitung > ttabel pada α = 0,01) *Koefisien korelasi signifikan (thitung > ttabel pada α = 0,05)

d. Gaya kepemimpinan (X1), Kecerdasan Emosional (X2) dan Pengambilan Keputusan Rasional (X3) dengan Akuntabilitas (Y) Hipotesis keempat yang diajukan dalam penelitian ini adalah: Terdapat hubungan yang positif antara variabel gaya kepemimpinan, kecerdasan emosional dan pengambilan keputusan rasional secara bersama-sama dengan akuntabilitas kepala sekolah SMA Swasta ditunjukkan melalui hasil analisis korelasi sebagai berikut:

Kekuatan hubungan antara gaya kepemimpinan, kecerdasan emosional dan pengambilan keputusan rasional secara bersama-sama dengan akuntabilitas ditunjukkan oleh melalui rumus perhitungan korelasi ganda dengan RY1,2,3,2 sebesar = 0,716. Temuan ini memberikan kesimpulan bahwa : hubungan antara gaya kepemimpinan, kecerdasan emosional dan pengambilan keputusan rasional secara bersama-sama dengan akuntabilitas tergolong sangat kuat, dengan makna bahwa semakin tinggi gaya kepemimpinan, kecerdasan emosional dan pengambilan keputusan rasional secara bersama-sama maka akan semakin tinggi akuntabilitas.

Dengan melakukan perhitungan koefisien determinasi diperoleh (R) = 0,716, yang menyimpulkan bahwa kontribusi gaya kepemimpinan, kecerdasan emosional dan pengambilan keputusan rasional dengan akuntabilitas sebesar 71,6% (variasi pada akuntabilitas dapat dijelaskan oleh variabel gaya kepemimpinan, kecerdasan emosional dan pengambilan keputusan rasional secara bersama-sama sebesar 71,6% atau meningkat dan menurunnya akuntabilitas kepala sekolah dapat dijelaskan sebesar 71,6% oleh variabel gaya kepemimpinan, kecerdasan emosional dan pengambilan keputusan rasional pada persamaan regresi Ŷ = 8,716 + 0,28X1 + 0,212X2 . + 0,523 X3) dan sisanya sebesar 28,4% ditentukan oleh variabel lain.

Uji keberartian koefisien korelasi dengan uji Fdiperoleh harga Fhitung = 52,899. Dari daftar tabel Distribusi F diperoleh harga Ftabel = F(0,05) (3 ; 63) = 2,76 sehingga Fhitung > Ftabel. Dengan demikian disimpulkan bahwa koefisien korelasi antara X1, X2, X3 secara bersama-sama dengan Y signifikan, maka dapat disimpulkan bahwa gaya kepemimpinan, kecerdasan emosional dan pengambilan keputusan rasional secara bersama-sama memprediksi akuntabilitas kepala SMA Swasta. Jadi regresi Y atas X1,X2, X3 secara bersama-sama secara berarti dapat digunakan untuk meprediksi rata-rata akuntabilitas kepala SMA Swasta (Y) apabila rata-rata gaya kepemimpinan (X1), kecerdasan emosional (X2) dan pengambilan keputusan rasional (X3) sudah diketahui. Dapat ditarik makna bahwa data sampel dapat digeneralisasikan

Uji Signifikansi koefisien antara gaya kepemimpinan, kecerdasan emosional , variabel pengambilan keputusan rasional dan akuntabilitas kepala SMA swasta dapat dipaparkan dengan tabel berikut:

Tabel 4-13 Uji Signifikansi Koefisien Antara Variabel Gaya Kepemimpinan (X1), Kecerdasan Emosional (X2) Pengambilan Keputusan Rasional (X3) dengan Akuntabilitas Kepala SMA Swasta Dengan Persamaan Regresi Ganda Ŷ = 8,716 + 0,280X1 + 0,212X2 + 0,523X3

Keterangan: dk = derajat kebebasan JK = Jumlah kuadrat RJK = Rata – rata jumlah kuadrat ** = Regresi Ganda Sangat Signifikan

D. KESIMPULAN Berdasarkan hasil perhitungan pengujian hipotesis yang dilakukan diketahui bahwa keempat hipotesis yang diajukan dalam penelitian ini teruji kebenarannya. Oleh karena itu, dari hasil penelitian ini dapat diambil kesimpulan sebagai berikut: terdapat hubungan positif antara gaya kepemimpinan dengan akuntabilitas terdapat hubungan positif antara kecerdasan emosional dengan akuntabilitas, terdapat hubungan positif antara pengambilan keputusan rasional dengan akuntabilitas dan terdapat hubungan positif antara gaya kepemimpinan, kecerdasan emosional, dan pengambilan keputusan rasional dengan akuntabilitas.

Pada hasil pengujian hipotesis pertama membuktikan bahwa gaya kepemimpinan mempunyai hubungan positif dengan akuntabilitas. Koefisien korelasi gaya kepemimpinan dengan akuntabilitas sebesar 0,774 dengan persamaan regresi Ŷ = 18,849 + 0,893X1. Dari hubungan persamaan regresi tersebut berarti dapat diketahui makin tinggi gaya kepemimpinan, maka akan semakin tinggi pula akuntabilitas. Peningkatan satu skor pada gaya kepemimpinan menyebabkan peningkatan akuntabilitas sebesar 0,893 pada konstanta sebesar 18,849. Organisasi yang memiliki pemimpin dengan gaya kepemimpinan yang baik akan mendukung terjadinya peningkatan akuntabilitas.

Koefisien determinasi antara gaya kepemimpinan dengan akuntabilitas adalah 0,599. Nilai ini berarti bahwa sekitar 59,9 % variasi yang terjadi pada akuntabilitas dapat dijelasakan oleh gaya kepemimpinan. Dengan demikian, gaya kepemimpinan merupakan salah satu faktor yang harus diperhatikan untuk meningkatkan akuntabilitas. Pada pengujian hipotesis yang kedua ternyata dari hasil penelitian kecerdasan emosional juga terbukti mempunyai hubungan positif dengan akuntabilitas. Koefisien korelasi kecerdasan emosional dengan akuntabilitas adalah sebesar 0,707 dengan persamaan regresi Y' = 39,086 + 0,790 X2

Dari hubungan persamaan regresi tersebut berarti makin tinggi kecerdasan emosional, maka akan semakin tinggi pula akuntabilitas. Peningkatan satu skor pada kecerdasan emosional menyebabkan peningkatan 0,790 sekor akuntabilitas pada konstanta 39,086. Oleh karena itu, dapat dikatakan bahwa dengan kecerdasan emosional yang tinggi berarti akuntabilitas juga tinggi. Koefisien determinasi kecerdasan emosional dengan akuntabilitas adalah 0,499, yang berarti bahwa sekitar 49,9% variasi yang terjadi pada akuntabilitas dapat dijelaskan oleh kecerdasan emosional. Dengan demikian, kecerdasan emosional merupakan salah satu faktor yang harus diperhatikan untuk meningkatkan akuntabilitas

Selain gaya kepemimpinan dan kecerdasan emosional pada pengujian hipotesis ketiga ternyata dari hasil penelitian pengambilan keputusan rasional juga terbukti mempunyai hubungan positif dengan akuntabilitas. Koefisien korelasi pengambilan keputusan rasional dengan akuntabilitas adalah sebesar 0,827 dengan persamaan regresi Y' = 31,603 + 0,866X3 Dari hubungan persamaan regresi tersebut berarti makin tinggi pengambilan keputusan rasional, maka akan semakin tinggi pula akuntabilitas. Peningkatan satu sekor pada pengambilan keputusan rasional menyebabkan peningkatan 0,866 sekor akuntabilitas pada konstanta 31,603. Oleh karena itu, dapat dikatakan bahwa dengan pengambilan keputusan rasional yang tinggi berarti akuntabilitas juga tinggi.

Koefisien determinasi pengambilan keputusan rasional dengan akuntabilitas adalah 0,685, yang berarti bahwa sekitar 68,5% variasi yang terjadi pada akuntabilitas dapat dijelaskan oleh pengambilan keputusan rasional. Dengan demikian, pengambilan keputusan rasional merupakan salah satu faktor yang harus diperhatikan untuk meningkatkan akuntabilitas.

Selanjutnya pada hasil pengujian hipotesis keempat membuktikan bahwa terdapat hubungan yang positif yang signifikan antara gaya kepemimpinan, kecerdasan emosional, dan pengambilan keputusan rasional secara bersama-sama dengan akuntabilitas. Hal ini ditunjukkan dengan koefisien signifikansi/kebermaknaan, dimana nilai Fhitung sebesar 323,79, pada α = 0,05 sebesar 3,14, artinya signifikan. Hal ini ditunjukan dengan hasil pengujian harga Fhitung = 323,79  Ftabel = 3,14

Koefisien determinasi r2 yang diperoleh adalah r2y123= (0,939)2 = 0,969 yang menunjukkan bahwa 96,9 % variasi yang terjadi pada akuntabilitas ditentukan oleh gaya kepemimpinan, kecerdasan emosional, dan pengambilan keputusan rasional yang secara bersama- sama melalui persamaan regresi Ŷ = 8,716 + 0,280X1 + 0,212X2 + 0,523X3.

Dari hasil penelitian diperoleh temuan yang memberikan informasi bahwa, akuntabilitas harus didukung oleh gaya kepemimpinan, kecerdasan emosional dan pengambilan keputusan rasional. Dengan gaya kepemimpinan, kecerdasan emosional, dan pengambilan keputusan rasional yang baik, maka akan membentuk pula akuntabilitas. Untuk dapat membentuk akuntabilitas yang baik, maka dibutuhkan penciptaan gaya kepemimpinan, kecerdasan emosional, dan pengambilan keputusan rasional. Sebaliknya akuntabilitas akan menurun apabila tidak didukung oleh gaya kepemimpinan, kecerdasan emosional, dan pengambilan keputusan rasional.

Dari koefisien determinasi sebesar 0,939 pada hasil pengujian hipotesis ini menunjukan bahwa faktor gaya kepemimpinan, kecerdasan emosional, dan pengambilan keputusan secara bersama- sama dapat memberikan kontribusi yang tinggi terhadap akuntabilitas dengan presentase 93,9 %., sedangkan sisanya 6,1% belum dapat dijelaskan, dalam arti berasal dari variabel lain yang tidak turut diungkapkan dalam penelitian ini. Dari hasil penelitian dan persamaan regresi seperti diuraikan di muka, ternyata semua variabel bebas yang diteliti mendukung kerangka berpikir yang telah dikembangkan sebelumnya.

SELAMAT BELAJAR