BAB III METODE PENELITIAN
4.2 Hasil Penelitian
4.2.2 Analisis Statistik Penelitian
Uji asumsi klasik digunakan untuk melihat apakah suatu model layak atau tidak layak digunakan dalam penelitian. Uji asumsi klasik yang digunakan dalam penelitian ini adalah sebagai berikut :
1. Uji Normalitas
Tujuan normalitas adalah untuk menguji apakah dalam model regresi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng. Jika asumsi ini dilanggar maka uji statistik menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan
(2-tailed) diatas nilai signifikansi 5% (0,05) artinya variiabel residual berdistribusi normal.
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi yang mendekati distribusi normal.
a. Pendekatan Histogram
Gambar 4.2 : Histogram Uji Normalitas Sumber : Hasil Pengolahan SPSS (2015)
Pada Gambar 4.2 terlihat bahwa residual data berdistribusi normal, hal ini ditunjukan oleh distribusi data yang berbentuk lonceng dan tidak melenceng ke kiri atau ke kanan.
b. Pendekatan Grafik
Gambar 4.3 : Histogram Uji Normalitas Sumber : Hasil Pengolahan SPSS (2015)
Pada Gambar 4.3 Normal P-P Plot terlihat titik-titik yang mengikuti data disepanjang garis normal, hal ini berarti residual data berdistribusi normal.
c. Pendekatan Kolmogorov-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Pengujuian normalitas yang didasarkan dengan uji statistik Non-parametik Kolmogorov-Smirnov dapat dilihat pada Tabel 4.6 berikut ini :
Tabel 4.9
Hasil Uji Normalitas Pendekatan One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 73
Normal Parametersa,b
Mean .00
Std. Deviation 2.218
Most Extreme Differences
Absolute .110
Positive .110
Negative -.083
Kolmogorov-Smirnov Z .943
Asymp. Sig. (2-tailed) .336
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Pengolahan SPSS (2015)
Pada Tabel 4.9 Terlihat bahwa nilai Asymp.sig (2 tailed) adalah 0,336 dan nilai signifikan (0,05), karena nilai Asymp.sig (2 tailed) di atas 0,05 yaitu 0,336 hal ini berarti menunjukan bahwa residual data berdistribusi normal.
2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu residual pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan kepengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedestisitas. Model regresi yang baik adalah yang homoskedestisitas atau tidak terjadi heteroskedestisitas.
Untuk mengatasi kelemahan pengujian dengan grafik dapat menggunakan pendekatan statistik dengan uji glejser, heteroskedestisitas tidak akan terjadi apabila tidak satupun varaibel independen signifikan secara statistik mempengaruhi variabel independen signifikan secara statistik mempengaruhi varaibel dpenden nilai absolute Ut (absUt). Jika probabilitas signifikan diatas tingkat kepercayaan 5% dapat disimpulkan model regresi tidak mengarah pada heteroskedastisitas. Beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah sebagai berikut :
a. Metode Pendekatan Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas , sedangkan jika ada pola tertentu, seperti titik-titik, yang membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedestis.
Gambar 4.4 : Scatter Plot Uji Hetoroskedestisitas
Sumber : Hasil Pengolahan SPSS (2015)
Pada Gambar 4.4 Grafik Scatter Plot terlihat titik-titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. hal ini berarti tidak terjadi heteroskedestisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi kinerja karyawan berdasarkan masukan variabel komunikasi., pengetahuan dan sikap.
b. Metode Pendekatan Statistik (Uji Glejer) Tabel 4.10
Hasil Uji Glejer Heteroskedetisitas
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients
B Std. Error Beta 1 (Constant) 3.427 1.313 2.611 .011 Pengetahuan .085 .088 .124 .959 .341 Komunikasi -.064 .048 -.191 -1.349 .182 Sikap -.046 .032 -.188 -1.464 .148
a. Dependent Variable: absout
Sumber : Hasil Pengolahan SPSS (2015)
Pada Tebel 4.7 terlihat varaibel Independent (komunikasi, pengetahuan dan sikap) yang tidak signifikan secara statistik mempengaruhi variabel dependent absolute Ut (AbsUt). Hal ini terlihat dari probabilitas X1 (0,182) dan X2 (0,341) dan (0.148) diatas tingkat kepercayaan 5% (0,05), jadi disimpulkan model regresi tidak mengarah adanya heteroskedestisitas.
3. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Pada model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Adanya multikolinieritas dapat dilihat dari tolerance value atau nilai variance inflation faktor (VIF). Kedua ukuran ini menunjukan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance adalah mengukur variabilitas variabel independen yang terpilih dan tidak dijelaskan oleh variabel independen yang lain. Nilai Cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah apabila Tolerance Value, >0,1 sedangkan VIF < 5 maka tidak terjadi multikolineritas.
Berikut ini disajikan cara medeteksi multikolinieritas dengan menganalisis matrik korelasi antar variabel independen dan perhitungan nilai tolerance dan
Tabel 4.11
Hasil Uji Nilai Tolerance dan VIF Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients
T Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1
(Constant) 5.756 3.142 1.832 .071
pengetahuan .528 .225 .262 2.342 .022 .718 1.393
komunikasi .203 .075 .279 2.691 .009 .836 1.197
Sikap .384 .174 .264 2.209 .030 .629 1.589
a. Dependent Variable: kinerja
Sumber : Hasil Pengolahan SPSS (2015)
Berdasarkan Tabel 4.11 dapat dilihat bahwa :
1. Nilai VIF dari nilai komunikasi, pengetahuan, dan sikap lebih kecil atau dibawah 5 (VIF<5) yaitu X1 (1,197) X2 (1,393) dan X3 (1,589), ini berarti tidak terkena multikolinieritas antara variabel independen dalam model regresi. 2. Nilai Tolerance dari komunikasi, pengetahuan, sikap lebih besar dari 0,1 yaitu
X1 (0,836), X2 (0,718) dan X3 (0,629) ini bearti tidak terdapat multikolinieritas antar variabel independen dalam model regresi,
4.2.2.2 Analisis Regresi Linear Berganda
Analisis regresi linier berganda dilakukan dengan bantuan SPSS versi 20
for windowsdengan tujuan untuk mengetahui seberapa besar pengaruh variabel bebas yang terdiri dari komunikasi (X1), pengetahuan (X2), sikap (X3) terhadap kinerja karyawan(Y) sebagai variabel terikat. Persamaan regresi linier berganda yang digunakan adalah : Y= a+b1X1+b2X2+b3X3+e
Dimana :
Y = Kinerja karyawan
b1, b2 = Koefisien regresi
X1 =Variabel komunikasi
X2 = Variabel Pengetahuan
X3 = Variabel sikap
e = Standar error
berdasarkan pengujian menggunakan SPSS versi 20 for windows, maka hasil persamaan regresi linier berganda dapat dilihat pada Tabel 4.11
Tabel 4.12
Hasil Regresi Linier Berganda Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients T Sig. B Std. Error Beta 1 (Constant) 5.756 3.142 1.832 .071 Komunikasi .203 .075 .279 2.691 .009 Pengetahuan .528 .225 .262 2.342 .022 Sikap .384 .174 .264 2.209 .030
a. Dependent Variable: kinerja
Sumber : Hasil Pengolahan SPSS (2015)
Berdasarkan Tabel 4.12 diketahui kolom kedua (Unstandardized Coefficients) bagian B diperoleh nilai b1 variabel komunikasi sebesar 0,203 nilai b2 variabel pengetahuan sebesar 0,528, nilai b3 variabel sikap sebesar 0,384 dan nilai konstanta (a) adalah 5,756 maka diperoleh persamaan regresi linier berganda sebagai berikut :
Y= 5,756+ 0,203X1 + 0,528X2+0,384X3+e
1. Konstanta (a) = 5,756ini mempunyai arti bahwa apabila variabel komunikasi, pengetahuan dan sikap dianggap konstan maka tingkat variabel kinerja karyawan (Y) pada Politeknik Unggul LP3M sudah ada sebesar 5,756.
2. koefisien b1 (X1) = 0,203 berarti bahwa variabel komunikasi mempunyai pengaruh yang positif terhadap kinerja karyawan pada Politeknik Unggul LP3M. Apabila terjadi kenaikan variabel komunikasi, dengan menganggap faktor lain tetap maka akan meningkatkan kinerja karyawan.
3. Koefisien b2 (X2)= 0,528, berarti bahwa variabel pengetahuan mempunyai pengaruh yang positif terhadap kinerja karyawan pada Politeknik Unggul LP3M. Apabila terjadi kenaikan variabel pengetahuan, dengan menganggap faktor lain tetap maka akan meningkatkan kinerja karyawan. 4. Koefisien b2 (X2)= 0,384, berarti bahwa variabel sikap mempunyai
pengaruh yang positif terhadap kinerja karyawan pada Politeknik Unggul LP3M. Apabila terjadi kenaikan variabel pengetahuan, dengan menganggap faktor lain tetap maka akan meningkatkan kinerja karyawan.