H. Teknik Analisis Data
2. Analisis Verifikatif Variabel Penelitian
a. Uji Normalitas
Uji normalitas adalah pengujian tentang kenormalan distribusi data (Purbayu Budi Santosa dan Ashari, 2005: 231). Uji normalitas distribusi data dalam penelitian ini menggunakan Uji Kolmogorov-Smirnov. Uji Kolmogorov-Smirnov berdasar pada kriteria pengambilan keputusan sebagai berikut:
a. Jika Asymp Sig. (p-value) > α 0,05 maka dapat dinyatakan data berdistribusi normal
b. Jika Asymp sig. (p-value) < α 0,05 maka dapat dinyatakan data tidak berdistribusi normal
b. Uji Heterokedastisitas
Uji heterokedastisitas data dilakukan untuk mengetahui adanya penyimpangan dari syarat-syarat uji asumsi klasik pada model regresi, dimana dalam model regresi harus dipenuhi syarat tidak adanya heteroskedastisitas. Langkah ini menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Pendeteksian ada tidaknya heteroskedastisitas bisa dilakukan dengan menggunakan metode Glejser Test, yaitu dengan cara meregresikan nilai absolute residual terhadap variabel independent.. Suatu data dikatakan normal apabila nilai probabilitas atau asymp sig. (2-tailed) lebih besar dari 0,005.
c. Uji Multykoloniearitas
Uji multykoloniearitas data dilakukan untuk menguji apakah model regresi ditemukan adanya korelasi antar veriabel bebas (independent). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas (tidak terjadi multykolonieritas),dan dalam pengujianya penulis menggunakan bantuan program SPSS 20.0. Suatu data tidak terjadi Multikolinearitas, jika nilai tolerance lebih besar 0,10 dan nilai VIF lebih kecil dari 10.00. Terjadi multykoloinearitas, jika nilai tolerance lebih kecil atau sama dengan 0,10 dan nilai VIF semua variabel independent lebih kecil dari 10.00.
d. Uji Linieritas
Asumsi terakhir dari analisis regresi yang peneliti bahas adalah asumsi linieritas. Asumsi ini menyatakan bahwa untuk setiap persamaan regresi linear, hubungan antara variabel independen dan dependen harus linear (Purbayu Budi Santosa dan Ashari, 2005 : 244). Dasar pengambilan keputusan dalam uji linearitas adalah :
a. Jika nilai probabilitas > 0,05, maka hubungan antara variabel X dengan Y adalah linear.
b. Jika nilai probabilitas < 0,05, maka hubungan antara variabel X dengan Y adalah tidak linear.
yang menyatakan bentuk regresi linear berdasarkan taraf signifikansi tertentu.
e. Analisis Regresi Linier Berganda
“Multiple regression is the appropirate of analysis, when the research problem involves a single matric a independent variable. The objective of multyple regression analysis is to predict the change in the dependent variable, variable is respons to change several independent variable”. (Hair, Andersom, Tatham,Black, 1985). Berikut ini penjelasan dalam bahasa indonesia untuk teori diatas “regresi berganda adalah analisis yang tepat ketika penelitian melibatkan satu variabel terikat yang diperkirakan berhubungan dengan satu atau lebih variabel bebas. Tujuan analisis regresi berganda adalah memperkirakan perubahan respon pada variabel terikat terhadap variabel bebas”. (Hair, Andersom, Tatham,Black, 1985).
Analisis ini berguna untuk mengetahui pengaruh antar variabel terikat secara individu terhadap variabel bebas tertentu. Sementara sejumlah variabel bebas lainnya yang ada atau diduga atau pertautannya dengan variabel terikat tersebut bersifat konstan atau tetap. Analisis ini juga untuk mengetahui variabel manakah yang paling berpengaruh diantara variabel-variabel yang lain terhadap variabel dengan menggunakan persamaan regresi linier berganda.
Model kelayakan regresi linier berganda didasarkan pada hal-hal sebagai berikut :
1. Model regresi dikatakan layak jika angka signifikan pada ANOVA sebesar < 0.05.
2. Predictor yang digunakan sebagai variabel bebas dan layak. Kelayakan ini diketahui jika angka standard eror of estimate < standard eror deviation. 3. Koefisien regresi harus signifikan. Pengujian dilakukan dengan Uji t. Koefisien
regresi signifikan jika thitung>ttabel. (nilai kritis)
4. Keselarasan model regresi dapat diterangkan dengan menggunakan nilai R2 semakin besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik. Nilai R2 mempunyai karakteristik diantaranya : selalu positif, nilai R2 maksimal sebesar 1. Jika nilai R2 akan mempunyai arti kesesuain yang sempurna. Maksudnya seluruh variasi dalam variabel Y dapat diterangkan oleh model regresi. Sebaliknya jika R2 sama dengan 0 maka tidak ada hubungan linier antara X dan Y.
5. Terdapat hubungan linier antara variabel bebas (X) dan variabel terikat (Y). 6. Data harus berdistribusi normal.
7. Data berskala interval atau rasio.
8. Kedua variabel bersifat dependent artinya satu ariabel merupakan variabel bebas dan variabel lainnya variabel terikat.
Persamaan regresi linier berganda sebagai berikut :
Y = a+b1X1 + b2X2
Dimana : A= konstanta Y = motivasi kerja
b1 = koefisien regresi dari penilaian prestasi kerja b2 = koefisien regresi dari pemberian insentif X1 = penilaian prestasi kerja
X2 = pemberian insentif
f. Uji Hipotesis
Hipotesis adalah dugaan yang mungkin benar, atau mungkin juga salah. Dia akan ditolak jika salah atau palsu, dan akan diterima jika fakta-fakta membenarkannya. (I Gede Bagus Rai Utama dan Ni Made Eka, 2012, hlm. 27-28)
Berdasarkan pengertian hipotesis yang telah diuraikan oleh I Gede Bagus Rai Utama dan Ni Made Eka, maka hipotesis dalam penelitian ini adalah, sebagai berikut:
H0: β = 0 pengaruh tidak berarti, artinya tidak terdapat pengaruh yang signifikan antara penilaian prestasi kerja dan pemberian insentif (X) terhadap motivasi kerja (Y).
Ha: β ≠ 0 pengaruh berarti, artinya terdapat pengaruh yang signifikan antara motivasi kerja dan pemberian insentif (X) terhadap kinerja (Y).
Selanjutnya dalam rumusan hipotesis harus melakukan uji statistik. Uji statistik dalam penelitian ini terdapat dua uji statistik yaitu uji t dan uji f sebagai berikut :
1) Uji F
Uji f pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen (Sugiyono,2009). Dasar pengambilan keputusannya adalah :
a) Apabila F hitung > F tabel dan nilai signifikansinya <0,05 maka masing-masing variabel independen secara bersama-sama mempunyai pengaruh terhadap variabel dependen.
b) Apabila F hitung < F tabel dan nilai signifikansinya >0,05 maka masing-masing variabel independen secara bersama-sama tidak mempunyai pengaruh terhadap variabel dependen.
2) Uji t
Uji t dilakukan untuk menunjukan seberapa jauh pengaruh satu variabel penjelas atau independent secara individual dalam menerangkan variasi variabel dependent.
Langkah-langkah pengujian : 1. Menentukan H0 dan H1
H0: b1 = 0, artinya apakah semua variabel independent bukan merupakan penjelas yang signifikan terhadap variabel dependent.
H1: b1 ≠ 0, artinya variabel tersebut merupakan penjelas yang signifikan terhadap variabel dependent.
2. Menentukan daerah penerimaan H0 dan H1 dengan menggunakan distribusi t. Titik kritis dicari pada tabel t dengan menggunakan nilai alfa tertentu dan df sebagai berikut : df=n-k-l
3. Menentukan nilai uji t hitung dengan rumus : T = bi
Sb1
Dimana : bi = Sum of square regresion Sb1=Sum of square error