BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian
4.1.3 Analisis Uji Asumsi Klasik
Analisis uji asumsi klasik yang digunakan meliputi Uji Normalitas Data, Uji Heteroskedastisitas dan Uji Multikolinearitas.
4.1.3.1 Uji Normalitas Data
Gambar 4.2
Hasil Uji Normalitas dengan Pendekatan Histogram
Uji Normalitas Data dengan pendekatan Histogram diatas menunjukkan bahwa model regresi yang digunakan telah berdistribusi normal, hal ini dapat dilihat dari garis histogram tidak menceng ke kiri atau ke kanan, sehingga penyebaran datanya telah berdistribusi secara normal.
b. Pendekatan Grafik
Pendekatan lainnya yang digunakan dalam untuk menguji normalitas data adalah Pendekatan Grafik.Pendekatan Grafik yang digunakan adalah Normality Probability Plot.Berikut adalah hasil Uji Normalitas Data dengan pendekatan Grafik (Normality Probability Plot).
Gambar 4.3
Hasil Uji Normalitas dengan Pendekatan Grafik
Grafik ini menunjukkan bahwa semua data berdistribusi normal, karena data menyebar membentuk garis lurus diagonal, maka data tersebut memenuhi asumsi normal atau mengikuti garis normalitas.
c. Pendekatan Kolmogorv-Smirnov
Selain dengan melihat grafik, normalitas data juga dapat dilihat melalui uji statistik yaitu dengan uji statistik non-parametrik Kolmogrov-Smirnov pada alpha sebesar 5%.Jika nilai signifikansi dari pengujian Kolmogrov-Smirnov lebih besar dari 0,05 berarti data normal.
Tabel 4.14 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 68
Normal Parametersa,b Mean 0E-7
Std. Deviation 3,10812379
Most Extreme Differences
Absolute ,096
Positive ,073
Negative -,096
Kolmogorov-Smirnov Z ,792
Asymp. Sig. (2-tailed) ,558
a. Test distribution is Normal. b. Calculated from data.
Sumber: data diolah, 2016
Berdasarkan uji statistik normalitas pada tabel 4.14 menunjukkan Kolmogrov-Smirnov sebesar 0,792 dan signifikansi pada 0,558 lebih besar dari 0,05, maka dapat disimpulkan bahwa data terdistribusi dengan normal.
4.1.3.2 Uji Heteroskedastisitas (Scatter Plot)
Sumber: Pengelolaan SPSS (2016)
Gambar 4.4
Hasil Uji Heteroskedastisitas
Berdasarkan Grafik scatter plot yang disajikan, terlihat titik-titik menyebar secara acak tidak membentuk pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi Heteroskedastitas pada model regresi, sehingga model regresi layak dipakai.
b. Uji Glejser
Tabel 4.15 Hasil Uji Glejser
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 2,193 2,528 ,868 ,389 Kompetensi ,023 ,084 ,034 ,271 ,787 Penempatan_Kerja ,033 ,064 ,064 -,513 ,610 Pengembangan_Kar ir ,012 ,053 ,028 ,224 ,823
a. Dependent Variable: RES2
Berdasarkan tabel 4.15, dapat disimpukan bahwa terdapat nilai yang signifikan antara kompetensi terhadap kinerja perawat di rumah sakit sebesar 0,787, dimana 0,787 > 0,05. Terdapat nilai yang signifikan antara penempatan kerja terhadap kinerja perawat di rumah sakit sebesar 0,610, dimana 0,610 > 0,05. Terdapat nilai yang signifikan antara pengembangan karir terhadap kinerja perawat di rumah sakit sebesar 0,823, dimana 0,823 > 0,05. Kesimpulan dari pengujian tersebut adalah tidak terjadi heteroskedastisitas.
4.1.3.3 Uji Multikolinearitas
Untuk mendeteksi ada atau tidaknya multikolinearitas di dalammodel regresi, yakni dengan melihat dari nilai tolerance, dan lawannyayaitu Variance Inflation Factor (VIF). Nilai cut off yang umumdipakai untuk menunjukkan adanya multikolinearitas adalah nilaitolerance ≤ 0,10, atau sama dengan nilai VIF ≥ 10.
Tabel 4.16
Hasil Uji Multikolinearitas
Coefficientsa Model Unstandardized Coefficients Standardiz ed Coefficient s t Sig. Collinearity Statistics
B Std. Error Beta Toleran
ce VIF 1 (Constant) 6,519 4,327 1,506 ,137 Kompetensi ,272 ,102 ,296 2,670 ,010 ,990 1,010 Penempatan_Ke rja ,219 ,094 ,259 2,321 ,023 ,975 1,026 Pengembangan_ Karir ,222 ,123 ,203 1,807 ,075 ,967 1,034
a. Dependent Variable: Kinerja Sumber : data diolah, 2016
Pada Tabel 4.16 terlihat bahwa pada model regresi yang digunakan tidak terlihat adalanya gejala multikolinearitas antar variabel independen. Hal ini dapat diketahui dari nilai tolerance pada kolom ke tujuh diatas, pada kolom tolerance telah sesuai dengan nilai yang disyaratkan yaitu nilai tolerance harus lebih besar dari 0,1 sehingga bisa disimpulkan tidak terjadi multikolinearitas..
Selanjutnya dengan melihat nilai VIF (Varian Inflation Factor) dimana nilai VIF pada kolom ke delapan diatas telah sesuai dengan nilai yang disyaratkan yaitu lebih kecil dari 5.Maka berdasarkan hasil tersebut dapat disimpulkan bahwa pada model regresi yang digunakan tidak terdapat gejala multikolinearitas.
4.1.4 Analisis Regr esi Linier Ber ganda
Hasil uji regresi linear berganda yang telah diolahmenggunakan program SPSS versi 20 adalah sebagai berikut:
Tabel 4.17
Perhitungan Koefisien Analisis Regresi Linier Berganda
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 6,871 1,763 3,897 ,000 Kompetensi ,699 ,264 ,544 2,650 ,010 Penempatan_Kerja ,618 ,274 ,483 -2,261 ,028 Pengembangan_Kar ir ,901 ,078 ,884 11,531 ,000
a. Dependent Variable: Kinerja Sumber : data diolah, 2016
Berdasarkan Tabel 4.17, maka hasil analisis regresi linear berganda diperoleh persamaan sebagai berikut:
Y = a + b1X1+ b2X2+ b3X3+ e
Y = 6,871 + 0,699X1+ 0,618X2 + 0,901X3 + e Berdasarkan persamaan tersebut dapat diketahui bahwa :
1. Konstanta (a) = 6,871 menunjukkan nilai konstan, jika nilai variabel bebas (Kompetensi, Penempatan Kerja dan Pengembangan Karir) = 0 maka Disiplin Kerja (Y) akan sebesar 6,871.
2. Koefisien regresi variabel Kompetensi sebesar 0,699 menunjukkan bahwa Kompetensi (�1) bernilai positifterhadap Kinerja(Y). Tanda + (positif) pada variabel Kompetensi menunjukkan hubungan yang searah, artinya kompetensi dilakukan dengan baik maka akan meningkatkan kinerja para perawat. Sebaliknya, jika kompetensi tidak dilakukandengan baik, maka akan menimbulkan kinerja buruk para perawat. Angka 0,699 juga menunjukkan bahwa jika terjadi kenaikan variabel kompetensi sebesar satu satuan, maka disiplin kerja akan naik sebesar 0,699.
3. Koefisien regresi variabel Penempatan Kerja sebesar 0,618menunjukkan bahwa Penempatan Kerja (�2) bernilai positif terhadap Kinerja (Y). Tanda + (positif) pada variabel Penempatan Kerja menunjukkan hubungan yang searah, artinya semakin sedikit penempatan kerja yang diterima perawat maka kinerja kerja perawat pun akan menurun dan semakin tinggi penempatan kerja yang diterima perawat makakinerja perawat akan meningkat. Angka 0,618 juga menunjukkan bahwa jika terjadi kenaikan variabel Penempatan Kerja sebesar satu satuan, maka disiplin kerja akan naik sebesar 0,618.
4. Koefisien regresi variabel Pengembangan Karir sebesar 0,901 menunjukkan bahwa Pengembangan Karir (�3) bernilai positif terhadap Kinerja(Y). Tanda + (positif) pada variabel Pengembangan Karir menunjukkan hubungan yang searah. Pemberian pengembangan karir yang sesuai dengan kebutuhan perawat maka akan meingkatkan kinerja perawat. Sebaliknya jika pengembangan karir yang diberikan tidak sesuai dengan kebutuhan perawat maka akan menurunkan tingkat kinerja perawat. Angka 0,901 juga menunjukkan bahwa jika terjadi kenaikan variabel pengembangan karir sebesar satu satuan, maka kinerja akan naik sebesar 0,901.