BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.3 Analisis Statistik
1. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal. Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara dua absorvasi dengan distribusi yang mendekati distribusi normal.
a. Pendekatan Histogram
Gambar 4.2
Histogram Uji Normalitas Sumber: Hasil pengolahan data (2016)
Pada Gambar 4.2 dapat diketahui bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh distribusi data yang berbentuk lonceng dan tidak melenceng ke kiri atau ke kanan.
b. Pendekatan Grafik
Gambar 4.3
Plot Uji Normalitas
Pada Gambar 4.3 menunjukkan bahwa pada scatter plot terlihat titik yang mengikuti data disepanjang garis diagonal. Hal ini menunjukkan bahwa residual peneliti normal. Namun untuk lebih memastikan bahwa di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov (K-S) . c. Pendekatan Kolmogorv-Smirnov
Tabel 4.5
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 80
Normal Parametersa,b Mean 0E-7
Std. Deviation 1.69990218 Most Extreme Differences
Absolute .076
Positive .051
Negative -.076
Kolmogorov-Smirnov Z .680
Asymp. Sig. (2-tailed) .745
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil pengolahan data (2016)
Pada Tabel 4.5 menunjukkan bahwa nilai Asym. Sig. (2-tailed) adalah 0.745 dan diatas nilai signifikan (0.05) atau 5%, sehingga dapat disimpulkan bahwa variabel residual berdistribusi normal.
2. Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk mendeteksi ada atau tidaknnya gejala multikolinearitas pada data dapat dilakukan dengan melihat nilai tolerance value dan Varians Inflation factor (VIF). Dengan kriteria sebagai berikut :
c. Apabila tolerance < 0,1 maka diduga mempunyai persoalan multikolinearitas. d. Apabila tolerance > 0,1 maka tidak terdapat multikolinearitas.
Tabel 4.6
Uji Nilai Tolerance dan VIF Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1
(Constant) 6.028 2.857 2.110 .038
Stres Kerja .489 .165 .349 2.958 .004 .591 1.693 Konflik Kerja .441 .163 .320 2.714 .008 .591 1.693 a. Dependent Variable: Semangat Kerja
Sumber: Hasil pengolahan data (2016)
Pada Tabel 4.6 terlihat bahwa nilai tolerance semua variabel bebas adalah lebih besar dari nilai ketetapan 0,1 dan nilai VIF semua variabel bebas adalah lebih kecil dari nilai ketetapan 5. Oleh karena itu, data dalam penelitian ini dikatakan tidak mengalami masalah multikolinearitas.
3. Uji Heteroskedastisitas
Tujuan uji heteroskedastisitas adalah untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual antara satu pengamatan dengan pengamatan yang lain. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi heteroskedastisitas.
Ada beberapa cara untuk medekati ada atau tidaknya heteroskedastisitas yaitu:
a. Metode Grafik
Gambar 4.4
Scatterplot Heteroskedastisitas Sumber: Hasil pengolahan data (2016)
Gambar 4.8 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat titik-titik yang berpencar dan tidak membentuk pola. Kesimpulan yang dapat diperoleh adalah tidak terdapat gejala heteroskedastisitas, sehingga model regresi layak dipakai untuk memprediksi semangat kerja, berdasarkan masukan variabel stred kerja dan konflik kerja.
b. Uji Glejser
Tabel 4.7
Hasil Uji Glejser Heteroskedastisitas
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 2.242 1.611 1.392 .168 Stres Kerja .010 .093 .015 .103 .919 Konflik Kerja -.065 .092 -.105 -.713 .478
a. Dependent Variable: absut
Pada Tabel 4.7 terlihat variabel independen (Stres Kerja dan Konflik Kerja)
yang signifikan secara statistik mempengaruhi variabel dependen absolute Ut
(absUt). Hal ini terlihat dari probabilitas X1 (0.919) dan X2 (0.478) diatas tingkat
kepercayaan 5 % (0.05), dapat disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
4.3.2 Analisis Regresi Linear Berganda
Metode analisis regresi berganda digunakan untuk mengetahui berapa besar pengaruh variabel bebas (Stres Kerja dan Konflik Kerja) terhadap variabel terikat (Semangat Kerja). Data diolah secara statistik untuk keperluan analisis dan pengujian hipotesis dengan menggunakan alat bantu program SPSS.
Adapun bentuk umum persamaan regresi yang digunakan adalah sebagai berikut:
Y = α + b1X1+ b2X2+ e Dimana: Y = Semangat Kerja X1 = Stres Kerja X2 = Konflik Kerja α = Konstanta b1, b2 = Koefisien regresi e = Standar eror
Berdasarkan pengujian menggunakan SPSS, maka hasil persamaan regresi linear berganda dapat dilihat pada Tabel 4.8 berikut ini:
Tabel 4.8
Hasil Regresi Linear Berganda
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 6.028 2.857 2.110 .038 Stres Kerja .489 .165 .349 2.958 .004 Konflik Kerja .441 .163 .320 2.714 .008
a. Dependent Variable: Semangat Kerja Sumber: Hasil pengolahan data (2016)
Berdasarkan hasil perhitungan data seperti yang terlihat pada Tabel 4.8 kolom kedua (Unstandardized Coefficients) bagian B diperoleh nilai B1 variabel
Stres Kerja sebesar 0.489, nilai B2 variabel Konflik Kerja sebesar 0.441 dan nilai
konstanta (a) sebesar 6.028 sehingga diperoleh persamaan regresi linear berganda: Y= 6.028 + 0.489 X1+0.441 X2 + e.
Dari persamaan tersebut dapat digambarkan sebagai berikut:
a. Konstanta (a) = 6.028, ini menunjukkan bahwa jika variabel Stres Kerja dan Konflik Kerja dianggap konstan maka tingkat variabel Semangat Kerja (Y) PT Perkebunan Nusantara II Kebun Klumpang sebesar 6.028.
b. Koefisien B1 (X1) = 0.489, menunjukkan bahwa variabel Stres Kerja
berpengaruh positif terhadap Semangat Kerja atau dengan kata lain jika variabel Stres Kerja ditingkatkan maka Semangat Kerja akan bertambah sebesar 0.489.
c. Koefisien B2 (X2) = 0.441, menunjukkan bahwa variabel Konflik Kerja
berpengaruh secara positif terhadap Semangat Kerja. Dengan kata lain jika variabel Konflik Kerja ditingkatkan maka Semangat Kerja akan bertambah
4.3.3 Uji Hipotesis
1. Uji Signifikansi Simultan (Uji F)
Pengujian ini dilakukan untuk melihat secara bersama-sama pengaruh atau hubungan positif dan signifikan variabel bebas (X1, X2) berupa Stres Kerja dan
Konflik Kerja terhadap variabel terikat (Y) berupa Semangat Kerja Karyawan Tembakau Pada PT Perkebunan Nusantara II Kebun Klumpang.
H0 : b1 = b2 = 0, Artinya secara serentak Stres Kerja dan Konflik Kerja tidak
berpengaruh positif dan signifikan terhadap Semangat Kerja.
H0 : b1 ≠ b2 ≠ 0, Artinya secara serentak Stres Kerja dan Konflik Kerja
berpengaruh positif dan signifikan terhadap Semangat Kerja.
Untuk menentukan nilai F, maka diperlukan adanya derajat bebas pembilang dan derajat bebeas penyebut, dengan rumus sebagai berikut :
df (Pembilang) = k-1 df (Penyebut) = n-k Keterangan :
n = Jumlah sampel penelitian
k = Jumlah variabel bebas dan terikat
Pada penelitian ini diketahui jumlah sampel (n) 80 dan jumlah keseluruhan variabel (k) adalah 3, sehingga diperoleh :
1. df (pembilang) = 3-1 = 2 2. df (penyebut) = 80-3 = 77
Nilai Fhitung akan diperoleh dengan menggunakan bantuan SPSS, kemudian akan
dibandingkan dengan Ftabel pada tingkat α = 5% (2:77) = 3.12 dengan kriteria uji
sebagai berikut :
H0 diterima jika Fhitung < Ftabelpada α = 5 %
H0 ditolak jika F hitung > Ftabelpada α = 5%
Tabel 4.9
Hasil Uji F Signifikansi Simultan (Uji F)
ANOVAa
Model Sum of
Squares
df Mean Square F Sig.
1
Regression 132.466 2 66.233 22.340 .000b
Residual 228.284 77 2.965
Total 360.750 79
a. Dependent Variable: Semangat Kerja
b. Predictors: (Constant), Konflik Kerja, Stres Kerja Sumber: Hasil pengolahan data (2016)
Berdasarkan Tabel 4.9 dapat dilihat hasil Uji F secara simultan, dan diperoleh nilai Fhitung = 22.340 dengan tingkat signifikansi 0,000. Sedangkan
nilai F tabel = 3.12 Nilai Fhitung > Ftabel (22.340 > 3.12) dan tingkat signifikansi
(0.000< 0,05) dengan hipotesis H0 ditolak dan Ha diterima sehingga dapat
disimpulkan bahwa variabel bebas yaitu Stres Kerja (X1) dan Konflik Kerja (X2) secara bersama-sama berpengaruh positif dan signifikan terhadap variabel Semangat Kerja (Y) Karyawan Pada PT Perkebunan Nusantara II Kebun Klumpang.
2. Uji Signifikansi Parsial (Uji-t)
Uji-t dilakukan untuk menguji secara parsial apakah Stres Kerja (X1) Konflik Kerja (X2) secara parsial atau masing-masing berpengaruh signifikan
terhadap Semangat Kerja (Y) Karyawan Pada PT Perkebunan Nusantara II Kebun Klumpang.
Kriteria Pengujian adalah:
H0 : b1, b2 = 0, Artinya secara parsial tidak terdapat pengaruh yang positif dan
signifikan dari variabel independen terhadap variabel dependen.
H0 : b1, b2 ≠ 0, Artinya secara parsial terdapat pengaruh yang positif dan
signifikan dari variabel independen terhadap variabel dependen. Kriteria pengambilan keputusan adalah:
H0 diterima jika thtitung < ttabel pada α= 5 %
H0 ditolak jika thitung > ttabelpada α= 5 %
Hasil uji-t dapat dilihat pada Tabel 4.10 sebagai berikut: Tabel 4.10
Hasil Uji t Signifikansi Parsial (Uji-t)
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 6.028 2.857 2.110 .038 Stres Kerja .489 .165 .349 2.958 .004 Konflik Kerja .441 .163 .320 2.714 .008
a. Dependent Variable: Semangat Kerja Sumber: Hasil pengolahan data (2016)
Berdasarkan Tabel 4.10 dapat diketahui bahwa :
a. Variabel Stres Kerja adalah 2.958 dengan tingkat signifikansi 0.004 dan nilai ttabel pada alpha 5 % dan df1 = 77 adalah 1.991 variabel Stres Kerja
berpengaruh secara positif dan signifikan terhadap Semangat Kerja Karyawan Tembakau Pada PT Perkebunan Nusantara II Kebun Klumpang. Hal ini
terlihat dari nilai signifikansi 0.004 < 0.05 dan nilai thitung (2.958) > ttabel
(1.991).
b. Variabel Konflik Kerja adalah 2.714 dengan tingkat signifikansi 0.008 dan nilai ttabel pada alpha 5 % dan df1 = 77 adalah 1.991 variabel Konflik Kerja
berpengaruh secara positif dan signifikan terhadap Semangat Kerja Karyawan Tembakau Pada PT Perkebunan Nusantara II Kebun Klumpang, hal ini terlihat dari nilai signifikansi 0.008 < 0.05 dan nilai thitung (2.714) > ttabel
(1.991).
3. Koefisien Determinasi (R2)
Pengujian Koefisien determinan digunakan untuk mengukur seberapa besar kontribusi variabel bebas (Stres Kerja dan Konflik Kerja) terhadap variabel terikat (Semangat Kerja). Koefisien determinasi berkisar antara nol sampai satu (0 ≤ R2≥
1).
Jika R2 semakin besar atau mendekati satu, maka dapat dikatakan bahwa pengaruh variabel bebas (X1) yaitu Stres Kerja, (X2) yaitu Konflik Kerja adalah besar terhadap variabel terikat (Y) yaitu Semangat Kerja. Hal ini berarti model yang digunakan semakin kuat untuk menerangkan pengaruh variabel bebas terhadap variabel terikat dan demikian sebaliknya.
Hasil pengujian koefisien determinasi menggunakan SPSS dapat dilihat pada Tabel 4.11 dibawah ini:
Tabel 4.11
Hasil Pengujian Koefisien Determinasi
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .606a .367 .351 1.72184
a. Predictors: (Constant), Konflik Kerja, Stres Kerja Sumber: Hasil pengolahan data (2016)
Berdasarkan Tabel 4.11 dapat diketahui bahwa:
a. Nilai R sebesar 0.606 sama dengan 60.6 % berarti hubungan antara variabel Stres Kerja (X1) dan Konflik Kerja (X2) terhadap variabel Semangat Kerja
(Y) sebesar 60.6% artinya hubungannya erat.
b. Nilai R Square 0.367 berarti 36.7% semangat kerja karyawan dapat di jelaskan oleh variabel stres kerja dan variabel konflik kerja. Sedangkan sisanya 63.3% dapat dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini.
c. Standard Error of the Estimate artinya mengukur variasi dari nilai yang
diprediksi. Nilai Standard Error of the Estimate 1.72184.