HASIL PENELITIAN
G. Analisis Kuantitatif 1. Uji Asumsi Klasik
1. Kompensasi 0,697 Reliabel
2. Motivasi 0,656 Reliabel
3. Lingkungan Kerja 0,804 Reliabel 4. Loyalitas Karyawan 0,920 Reliabel
Sumber : Data primer, diolah dengan PASW Statistics 18, 2018
Dari hasil uji reliabilitas tersebut dapat disimpulkan bahwa semua variabel mempunyai koefisien Cronbach Alpha yang cukup, yaitu di atas 0,6 atau 60%, sehingga dapat dikatakan semua konsep pengukur masing-masing variabel adalah reliabel dan dapat digunakan dalam penelitian ini.
G. Analisis Kuantitatif 1. Uji Asumsi Klasik
a. Uji Normalitas
Uji Normalitas bertujuan untuk mengetahui apakah data penelitian yang diperoleh berdistribusi normal atau mendekati normal, karena data yang baik adalah data yang menyerupai distribusi normal.
Uji normalitas dapat dilakukan dengan berbagai cara, salah satunya adalah dengan cara uji Kolmogorov Smirnov. Apabila nilai signifikansi lebih besar dari 0,05 maka data dinyatakan berdistribusi normal, dan apabila nilai signifikansi kurang dari 0,05 maka data dinyatakan berdistribusi tidak normal.72
Tabel 4.14 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 18
72
Normal Parametersa,b Mean .0000000
Std. Deviation 2.21482872 Most Extreme Differences Absolute .167 Positive .167 Negative -.091 Kolmogorov-Smirnov Z .709
Asymp. Sig. (2-tailed) .696
a. Test distribution is Normal. b. Calculated from data.
Sumber : Data primer, diolah dengan PASW Statistics 18, 2018
Berdasarkan hasil uji normalitas dengan Kolmogrov-Smirnov Test diperoleh nilai signifikansi 0,696 lebih besar dari 0,05. Maka dapat disimpulkan bahwa nilai residual berdistribusi normal. Sehingga hasil analisis ini dapat dilanjutkan ke analisis regresi.
b. Uji Linearitas
Uji linearitas digunakan untuk mengetahui apakah mempunyai hubungan yang linear secara signifikan atau tidak. Kriteria pengujian adalah jika nilai signifikansi lebih besar dari 0,05 maka terdapat hubungan yang linear. Begitu pula sebaliknya, jika signifikansi kurang dari 0,05 maka tidak terdapat hubungan yang linear.73
Tabel 4.15 Hasil Uji Linearitas
Item Signifikansi Keputusan
Kompensasi (X1) 0,165 Linear
Motivasi (X2) 0,238 Linear
Lingkungan Kerja (X3) 0,057 Linear
Sumber : Data primer, diolah dengan PASW Statistics 18, 2018
Dari hasil tersebut diketahui nilai signifikansi masing-masing variabel adalah lebih besar dari 0,05, maka dapat disimpulkan terdapat hubungan
73
pengaruh linear yang signifikan antara variabel kompensasi, motivasi, dan lingkungan kerja terhadap variabel loyalitas karyawan.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas adalah adanya ketidaksamaan varian dari resiudal untuk semua pengamatan pada model regresi. Salah satu cara yang dapat digunakan untuk melihat adanya kasus heteroskedastisitas adalah dengan memperhatikan plot dari sebaran residual (*ZRESID) dan variabel yang diprediksikan (*ZPRED). Jika sebaran titik-titik tidak menunjukkan adanya suatu pola tertentu, maka dapat dikatakan bahwa model terbebas dari asumsi heteroskedastisitas.74
Gambar 4.2 Hasil Uji Heteroskedastisitas
Sumber : Data primer, diolah dengan PASW Statistics 18, 2018
Berdasarkan gambar Scatterplot di atas, dapat diketahui bahwa sebaran residual (*ZRESID) dan variabel yang diprediksikan (*ZPRED), yakni sebaran
74
titik-titik dalam plot tidak menunjukkan adanya suatu pola tertentu, maka dapat dikatakan bahwa model terbebas dari asumsi heteroskedastisitas.
d. Uji Multikolinearitas
Uji mulitikolinearitas digunakan untuk mengetahui kesalahan standar estimasi model dalam penelitian. Menguji adanya multikolinearitas adalah dengan patokan nilai VIF (Varians Inflation Factor). Apabila nilai VIF kurang dari 10, maka dinyatakan tidak terjadi multikolinearitas. Sebaliknya jika nilai VIF lebih besar dari 10, maka terjadi multikolinearitas.75
Tabel 4.16
Hasil Uji Multikolinearitas
Item VIF Kriteria
X1 2,126 No multikolinearitas X2 2,789 No multikolinearitas X3 2,895 No multikolinearitas
Sumber : Data primer, diolah dengan PASW Statistics 18, 2018
Berdasarkan hasil di atas, dapat diketahui bahwa koefisien VIF dari masing-masing variabel adalah kurang dari 10. Maka dapat disimpulkan bahwa tidak terjadi multikolinearitas.
2. Analisis Regresi Berganda
Analisis Regresi Berganda merupakan salah satu teknik analisis yang sering digunakan dalam mengolah data multivariabel. Dengan tujuan untuk mengetahui apakah variabel independen berpengaruh terhadap variabel dependen.76
75 Ibid., 103.
76
Dalam uji analisis regresi berganda ini menggunakan aplikasi PASW
Statistics 18. Selain itu karena jumlah sampel kecil, yaitu sebanyak 18 responden,
maka dalam aplikasi ini juga menggunakan tambahan fitur bootstrap. Tabel 4.17
Hasil Analisis Regresi Berganda Bootstrap for Coefficients Model B Bootstrapa Bias Std. Error Sig. (2-tailed) BCa 95% Confidence Interval Lower Upper 1 (Constant) -5.219 -1.007 9.475 .561 -26.232 12.437 SUM.X1 .697 .055 .460 .167 -.252 1.800 SUM.X2 -.072 -.094 1.028 .943 -1.941 1.650 SUM.X3 1.096 .057 .717 .142 -.196 2.721
a. Unless otherwise noted, bootstrap results are based on 1000 bootstrap samples
Sumber : Data primer, diolah dengan PASW Statistics 18, 2018
Berdasarkan hipotesis yang tercantum di bab II, uji regresi berganda terbagi menjadi dua, yakni uji T (secara parsial) dan uji F (secara simultan). Hipotesisnya antara lain sebagai berikut :
H1 : kompensasi (X1) berpengaruh terhadap loyalitas (Y). H2 : motivasi (X2) berpengaruh terhadap loyalitas (Y).
H3 : lingkungan kerja (X3) berpengaruh terhadap loyalitas (Y).
H4 : kompensasi (X1), motivasi (X2), dan lingkungan kerja (X3) berpengaruh terhadap loyalitas (Y).
a. Uji T (Parsial)
Uji T digunakan untuk mengetahui apakah variabel-variabel independen berpengaruh secara parsial terhadap variabel dependen.
Dasar pengambilan keputusan pada uji T ini adalah apabila nilai Thitung >
Y. sedangkan jika nilai Thitung < Ttabel maka tidak terdapat pengaruh secara
parsial antara variabel X terhadap variabel Y.77
Tabel 4.18 Hasil Uji T
Item Thitung Ttabel Keputusan
X1 1,617 2,145 Ditolak
X2 -0,93 2,415 Ditolak
X3 2,461 2,415 Diterima
Sumber : Data primer, diolah dengan PASW Statistics 18, 2018
Berdasarkan tabel di atas, diketahui bahwa untuk pengaruh X1 terhadap Y nilai Thitung 1,617 kurang dari Ttabel 2,145. Sehingga dapat disimpulkan bahwa
H1 ditolak dan H0 diterima, yang artinya tidak terdapat pengaruh secara parsial antara kompensasi terhadap loyalitas. Untuk pengaruh X2 terhadap Y nilai Thitung -0,93 kurang dari Ttabel 2,145. Sehingga dapat disimpulkan bahwa H2
ditolak dan H0 diterima, artinya tidak terdapat pengaruh secara parsial antara motivasi terhadap loyalitas. Sedangkan untuk pengaruh X3 terhadap Y nilai Thitung 2,461 lebih besar dari dari Ttabel 2,145. Sehingga dapat disimpulkan
bahwa H3 diterima dan H0 ditolak, artinya terdapat pengaruh secara parsial antara lingkungan kerja terhadap loyalitas.
b. Uji F (Simultan)
Uji F digunakan untuk mengetahui apakah variabel independen secara simultan berpengaruh terhadap variabel dependen. Dasar pengambilan keputusan pada uji F ini adalah apabila nilai Fhitung > Ftabel maka terdapat
77 Jonathan Sarwono, Prosedur-prosedur Populer Statistik untuk Analisis Data Riset Skripsi, (Yogyakarta : Penerbit Gava Media, 2017), 62-63.
pengaruh secara simultan antara seluruh variabel X terhadap variabel Y. Sedangkan jika nilai Fhitung < Ftabel maka tidak terdapat pengaruh secara
simultan antara variabel X terhadap variabel Y. Diketahui bahwa nilai Ftabel
dalam penelitian ini adalah 3,29.
Tabel 4.19 Hasil Uji F ANOVAb
Model Sum of
Squares Df Mean Square F Sig. 1 Regression 210.218 3 70.073 11.764 .000a
Residual 83.393 14 5.957
Total 293.611 17
a. Predictors: (Constant), SUM.X3, SUM.X1, SUM.X2 b. Dependent Variable: SUM.Y
Sumber : Data primer, diolah dengan PASW Statistics 18, 2018
Berdasarkan hasil di atas, diketahui bahwa nilai hasil uji Fhitung adalah
11,764 yang lebih besar dari Ftabel 3,29 maka terdapat pengaruh secara simultan
antara variabel X1, X2, dan X3 terhadap Y. Sehingga dapat disimpulkan bahwa H4 diterima H0 ditolak, yang berarti terdapat pengaruh secara simultan antara kompensasi, motivasi, dan lingkungan kerja terhadap loyalitas.
3. Koefisien Determinasi
Koefisien determinasi digunakan untuk mengetahui seberapa besar pengaruh variabel independen terhadap variabel dependen. Berikut hasil uji koefisien determinasi yang tertuang dalam bentuk tabel :
Tabel 4.20
Hasil Koefisien Determinasi Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate d i me n s io n 0 1 .846a .716 .655 2.44062
a. Predictors: (Constant), SUM.X3, SUM.X1, SUM.X2 b. Dependent Variable: SUM.Y
Sumber : Data primer, diolah dengan PASW Statistics 18, 2018
Berdasarkan data di atas, diketahui nilai R Square sebesar 0,716. Yang memiliki arti bahwa persentase pengaruh variabel kompensasi, motivasi, dan lingkungan kerja terhadap variabel loyalitas adalah sebesar 71,6%. Sedangkan sisanya 28,4% dipengaruhi oleh variabel lain yang tidak dimasukkan dalam model penelitian ini.
BAB V PEMBAHASAN
Yayasan Yatim Mandiri merupakan sebuah LAZNAS (Lembaga Amil Zakat Nasional) yang memfokuskan pada penghimpunan dan pengelolaan dana ZISWAF (Zakat, Infaq, Sedekah, dan Wakaf) yang memiliki visi untuk memandirikan anak-anak yatim dhu’afa di Indonesia. Penelitian ini memfokuskan kepada tiga variabel independen yaitu kompensasi, motivasi, dan lingkungan kerja, yang diduga berpengaruh terhadap variabel dependen yaitu loyalitas guru Genius di Yayasan Yatim Mandiri Cabang Surabaya yang berjumlah 18 responden. Hasil analisis yang digunakan untuk menjawab hipotesis dalam penelitian ini menggunakan analisis regresi berganda dengan bantuan
PASW Statistics 18 dan fitur bootstrap.
A. Pengaruh Kompensasi Terhadap Loyalitas Guru Genius di Yayasan Yatim