BAB 4. HASIL PENELITIAN
4.2 Hasil Penelitian
4.2.3 Analisis Multivariat
Dalam menganalisis data digunakan analisis regresi linier berganda, dimana analisis regresi linier berganda bertujuan mengetahui pengaruh masing-masing
variabel bebas terhadap variabel terikat. Hasil regresi linier berganda dapat diperoleh sebagai berikut :
Tabel 4.5. Regresi Linier Berganda
Model B Std. Error T Sig.
Constant 4,256 0,603 7,-57 0,001
Konflik Peran 0,576 0,122 4,720 0,001
Tanggungjawab
dengan Orang Lain 0,677 0,237 2,850 0,006
Sumber : Data Penelitian (Diolah)
Dari tabel diatas dapat dilihat koefisien-koefisien persamaan regresi linier berganda sebagai berikut :
Y = a + B1X1+B2X
Y = 4,256 + 0,576 (Konflik Peran) + 0,677 (Tanggungjawab dengan Orang Lain)
2
Persamaan regresi linier berganda diatas dapat diartikan sebagai berikut, jika Konflik peran baik maka akan meningkatkan kinerja sebesar 0,576% dan jika tanggungjawab dengan orang lain baik maka meningkatkan kinerja sebesar 0,677%.
1. Asumsi Klasik
Uji asumsi Klasik ini meliputi uji normalitas, uji multikolinearitas dan uji heterokedastisitas.
a. Uji Normalitas
Uji normalitas dilakukan untuk melihat apakah dalam model regresi variabel bebas dan terikatnya memiliki distribusi normal atau tidak. Untuk menguji normalitas data pada penelitian ini dapat dilihat pada grafik histogram dan grafik probality polt.
Dasar pengambilan keputusan normal atau tudaknya dengan normal p-plot (Gujarati, 2003). Adapun sebagai berikut :
1) Apabila data (titik-titik) menyebar sekitar garis diagonal dan mengikuti arah diagonal, maka asumsi normal terpenuhi.
2) Apabila data (titik-titik) tidak menyebar sekitar garis diagonal dan tidak mengikuti arah diagonal, maka asumsi normal tidak terpenuhi.
Berdasarkan hasil penelitian menunjukan bahwa :
Gambar 4.1 Hasil Uji Normalitas
Dari gambar diatas dapat dilihat bahwa titik-titik mendekati garis diagonal. Sehingga dapat disimpulkan bahwa model regresi berdistribusi normal.
b. Uji Multikolinearitas
Uji Multikolinearitas digunakan untuk menguji apakah pada model regresi ditemukan adanya korelasi antara variabel independen. Model regresi sebaiknya bebas dari multikolinearitas atau tidak terjadi korelasi antar variabel independen. Cara yang digunakan dengan melihat nilai varians inflasi faktor (VIF), yang tidak melebihi 5.
Tabel 4.6 Hasil Uji Multikolinearitas
Model B Std. Error T Sig. Tolerance VIF
Constant 4,256 0,603 7,057 0,001
Konflik Peran 0,576 0,122 4,720 0,001 0,628 1,593
Tanggungjawab Terhadap Orang
Lain 0,677 0,237 2,850 0,006 0,628 1,593
Sumber : Data penelitian (Diolah)
Dari tabel 4.9 diatas dapat dilihat bahwa hasil multikolinearitas menunjukan : 1. VIF konflik peran adalah 1,593 < 5 maka tidak terdapat masalah multikolinearitas
pada data.
2. VIF tanggung jawab terhadap orang lainyt adalah 1,593 < 5 maka tidak terdapat masalah multikolinearitas pada data.
c. Uji Heterokedastisitas
Uji Heterokedastisitas digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan yang lain. Jika varian residual dari suatu pengamatan ke pengamatan yang lain tetap, maka disebut terjadi homokedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas.
1) Jika pola tertentu seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur, maka tidak terjadi heterokedastisitas.
2) Jika pola tertentu seperti titik-titik yang serta menyebar tidak teratur, maka terjadi heterokedastisitas.
Hasil dari pelaksanaan uji heterokedastisitas terlihat pada gambar berikut:
Gambar 4.2 Hasil Uji Heterokedastisitas
Gambar 4.2 diatas menunjukan bahwa titik-titik yang dihasilkan menyebar secara acak dan tidak membentuk pola pada garis tertentu. Hasil ini menunjukan bahwa model regresi linier ini bebas dari masalah heterokedastisitas.
2. Uji T
Untuk mengambil hipotesis maka dilakukan uji T, karena pada dasarnya uji T bertujuan untuk menunjukan sejauh mana pengaruh suatu variabel independen secara
individual dalam menerangkan variabel dependen, dengan menggunakan significance level 0,05. Adapun hasil uji T dapat diperoleh dari tabel berikut :
Tabel 4.7. Hasil Uji T Ketaksaan Peran terhadap Kinerja
Model B Std. Error T Sig.
Constant 4,176 0,547 7,641 0,001
Ketaksaan Peran 1,144 0,176 6,486 0,001
Sumber : Data Penelitian (Diolah)
Hasil analisis diperoleh nilai Thitung 6,486 sedangkan Ttabel dengan α=0,05
sebesar 1,292. Hal ini menunjukan bahwa Thitung > Ttabel
Tabel 4.8 Hasil Uji T Konflik Peran terhadap Kinerja
(6,486 > 1,292 ) maka Ho ditolak sehingga ada pengaruh signifikan antara ketaksaan peran terhadap kinerja.
Model B Std. Error T Sig.
Constant 5,781 0,291 19,851 0,001
Konflik Peran 0,789 0,101 7,804 0,001
Sumber : Data Penelitian (Diolah)
Hasil analisis diperoleh nilai Thitung 7,804 sedangkan Ttabel dengan α=0,05
sebesar 1,292. Hal ini menunjukan bahwa Thitung > Ttabel
Tabel 4.9 Hasil Uji T Pengembangan Karir terhadap Kinerja
(7,804 > 1,292 ) maka Ho ditolak sehingga ada pengaruh signifikan antara konflik peran terhadap kinerja. Yang mana apabila konflik peran baik maka akan meningkatkan kinerja pegawai.
Model B Std. Error T Sig.
Constant 4,788 0,559 8,562 0,001
Pengembangan Karir 0,946 0,182 5,196 0,001
Hasil analisis diperoleh nilai Thitung 5,196 sedangkan Ttabel dengan α=0,05
sebesar 1,292. Hal ini menunjukan bahwa Thitung > Ttabel
Tabel 4.10. Hasil Uji T Beban Kerja Berlebih Kuantitatif terhadap Kinerja
(5,196 > 1,292 ) maka Ho ditolak sehingga ada pengaruh signifikan antara pengembangan karir terhadap kinerja. Yang mana apabila pengembangan karir baik maka akan meningkatkan kinerja pegawai.
Model B Std. Error T Sig.
Constant 3,609 0,696 5,186 0,001
Beban Kerja Berlebih
Kuantitatif 1,220 0,210 5,804 0,001
Sumber : Data Penelitian (Diolah)
Hasil analisis diperoleh nilai Thitung 5,804 sedangkan Ttabel dengan α=0,05
sebesar 1,292. Hal ini menunjukan bahwa Thitung > Ttabel
Tabel 4.11. Hasil Uji T Beban Kerja Berlebih Kualitatif terhadap Kinerja
(5,804 > 1,292 ) maka Ho ditolak sehingga ada pengaruh signifikan antara beban kerja berlebih kuantitatif terhadap kinerja. Yang mana apabila beban kerja berlebih kuantitatif baik maka akan meningkatkan kinerja pegawai.
Model B Std. Error T Sig.
Constant 4.915 1,012 4,856 0,001
Beban Kerja Berlebih
Kualitatif 0,698 0,271 2,575 0,012
Sumber : Data Penelitian (Diolah)
Hasil analisis diperoleh nilai Thitung 2,575 sedangkan Ttabel dengan α=0,05
sebesar 1,292. Hal ini menunjukan bahwa Thitung > Ttabel (2,575 > 1,292 ) maka Ho
terhadap kinerja. Yang mana apabila beban kerja berlebih kualitatif baik maka akan meningkatkan kinerja pegawai.
Tabel 4.12. Hasil Uji T Tanggungjawab dengan Orang Lain terhadap Kinerja
Model B Std. Error T Sig.
Constant 3,476 0,654 5,312 0,001
Tanggungjawab dengan
Orang Lain 1,360 0,212 6,411 0,001
Sumber : Data Penelitian (Diolah)
Hasil analisis diperoleh nilai Thitung 6,411 sedangkan Ttabel dengan α=0,05
sebesar 1,292. Hal ini menunjukan bahwa Thitung > Ttabel
3. Uji F
(6,411 > 1,292 ) maka Ho ditolak sehingga ada pengaruh signifikan antara tanggungjawab dengan orang lain terhadap kinerja. Yang mana apabila tanggungjawab dengan orang lain baik maka akan meningkatkan kinerja pegawai.
Uji F dilakukan guna mengetahui apakah variabel independen mempunyai pengaruh secara simultan terhadap variabel dependen. Adapun hasil uji F diperoleh sebagai berikut :
Tabel 4.13. Hasil Uji F Konflik Peran dan Tanggungjawab dengan Orang Lain Terhadap Kinerja
Sum of Squares Df Mean Square F Sig. Regression 217,343 2 108,671 37,298 0,001 Residual 224,345 77 2,914 Total 441,688 79
Nilai Fhitung pada tabel diatas adalah 37,298 > Ftabel
4. Koefisien Determinan (R-Square)
3,11 dengan sig 0,001 <
α=0,05 menunjukan Ho ditolak dan Ha diterima, yang menunjukan ada hubungan
yang signifikan dan menunjukan adanya pengaruh secara bersama-sama antara konflik peran dan tanggungjawab dengan orang lain terhadap kinerja pegawai.
Untuk mengetahui sejauh mana kontribusi atau persentase pengaruh antara stressor kerja terhadap kinerja, maka dapat diketahui melalui uji determinasi sebagai berikut :
Tabel 4.14 Hasil Uji Koefisien Determinan
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 0,701 0,492 0,479 1,707
Sumber : Data Penelitian (Diolah)
Semakin tinggi nilai Rsquare maka akan semakin baik model regresi karena kemampuan variabel bebas untuk menjalankan variabel terikatnya juga semakin besar.
Nilai dapat di uji dengan determinasi : D = R2
= 0,492 X 100% X 100%
= 49,2%
Nilai R square diatas diketahui bernilai 0,492 atau 49,2%, artinya menunjukan bahwa sekitar 49,2% variabel kinerja dapat dijelaskan oleh variabel konflik peran dan tanggungjawab dengan orang lain dan sisanya dijelaskan pengaruhnya oleh variabel lain yang tidak diteliti.
BAB 5