METODE PENELITIAN
A. Hasil Penelitian
2) Analisisi Induktif 1. Uji Kelayakan Model
a). Hasil Uji Maximum Likelihood Ratio (LR)
Uji Likelihood (LR) yaitu kesalahan spesifikasi untuk mendeteksi adanya variabel yang tidak penting atau adanya kesalahan spesifikaisi. Uji ini mengikuti distribusi chi square ( ) dengan α= 5% . jika niali ( ) lebih besar dari nilai kritisnya maka signifikan, berarti kita menerima untuk melakukan penambahan variabel. Sebaliknya jika ( ) lebih kecil dari nilai kritisnya maka tidak signifikan berarti tidak perlu melakukan penambahan.
F-statistic 80.67478 Prob. F(1,71) 0.0000 Log likelihood ratio 56.92940 Prob. Chi-Square(1) 0.0000
Sumber: Olahan data Eviews, 2014
Berdasarkan tabel 18 diatas dapat dilihat nilai Log likelihood ratio sebesar 56.92940 sedangkan nilai kritisnya pada α = 0,05 sebesar 3,841, uji ini signifikan sehingga pengurangan variabel Kedisiplinan dibenarkan dalam menjelaskan variabel kinerja karyawan.
b). Uji Ramsey
Pada penelitian ini uji kelayakan model yang digunakan adalah uji ramsey RESET (pegression specification error test) dengan menggunakan pedoman apabila nilai F hitung > F tabel, maka spesifikasi model yang digunakan dalam bentuk fungsi linear adalah benar ditolak dan sebaliknya, bila F hitung < F tabel maka spesifikasi model yang digunakan dalam bentuk fungsi linear adalah benar tidak dapat ditolak. Dengan bantuan program Eviews. Hasil uji ramsey RESET dapat dilihat pada pada tabel berikut ini :
Tabel 19: Hasil Uji Ramsey RESET
F-statistic 2.693828 Prob. F(1,170) 0.1026
Log likelihood ratio 2.751317 Prob. Chi-Square(1) 0.0972
Sumber: Data olahan Eviews, 2014
Berdasarkan tabel 19 diatas dapat diketahui nilai F hitung sebesar 2.751317 > nilai F tabel 2,66 pada α = 0,05. Hal ini menunjukkan bahwa nilai F hitung > F tabel yang menyatakan bahwa spesifikasi model digunakan dalam bentuk fungsi linear adalah benar ditolak.
a). Uji Normalitas
Suliyanto, (2011:69) mengatakan bahwa Uji Normalitas dimaksudkan untuk menguji apakah nilai residual yang telah distandarisasi pada model regresi berdistribusi normal atau tidak. Uji Normalitas dapat dilakukan dengan berdasarkan pada koefisien keruncingan (kurtosis) dan koefisien kemiringan (Skewness). Uji ini dilakukan dengan membandingkan statistik Jarque- Bera (JB) dengan nilai tabel. Jika nilai Jarque-Bera (JB) ≤ tabel maka nilai residual terstandarisasi dinyatakan berdistribusi normal atau sebaliknya
Tabel 20: Hasil analisa koefisien keruncingan (kurtosis) dan koefisien kemiringan (skewness) Descriptive Statistics
N Std. Deviation Skewness Kurtosis Statistic Statistic Statistic Std. Error Statistic Std. Error Unstandardized Residual 175 2.38792183 -.447 .184 1.001 .365 Valid N (listwise) 175
Sumber: data olahan SPSS
Berdasarkan hasil analisa diatas diketahui nilai koefisien kemiringan (skewness) sebesar –0,447 dan nilai koefisien keruncingan (kurtosis) sebesar 1,001.
34,965 0,1998] x[ 175 0,1665] [0,0333 x 175 24 3,9960 24 7992 , 0 175 24 3 -1,001 6 0,447 175 24 3 -K 6 S N JB 2 2 2 2 Berdasarkan perhitungan diatas diperoleh nilai statistik JB sebesar 34,965 sedangkan niali tabel dengan df 0,05 adalah 206,867. Karena niali statistik Jaque-Bera (JB) (34,965) < nilai tabel (206,867). Dengan demikian dapat disimpulkan bahwa data berdistribusi normal.
b). Uji Multikolinearitas
Salah satu cara untuk menguji gejala multikolonearitas dalam model regresi adalah dengan melihat nilai TOL (tolerance) dan nilai VIF
(Varians inflantion factor) dari masing-masing variabel bebas (Suliyanto,
2011:82). Hasil pengujian multikolinearitas dengan bantuan SPSS versi 16 yang dilihat dari nilai variance inflation factor (VIF) dan tolerance dengan mengunakan Regresi Auxilery.
Tabel 21: Hasil Analisa Multikolinearitas
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .045a .002 -.010 4.71511
a. Predictors: (Constant), X3, X2
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .101a .010 -.001 9.39841
a. Predictors: (Constant), X3, X1
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .100a .010 -.002 12.02049
a. Predictors: (Constant), X2, X1
Sumber : olahan data SPSS, 2014
Dari Tabel 21 diatas menunjukkan bahwa variabel kedisiplinan (X1) memiliki nilai R square 0,002, variabel kepuasan kerja (X2) memiliki nilai R square 0,010 dan variabel budaya organisasai memiliki nilai R square 0,010 dari nilai R square diatas dapat dicari nilai tolerance (TOL) dan VIF dari masing- masing variabel dengan cara sebagai berikut:
1) Regresi Variabel Kedisiplinan Nilai TOL= 1/VIF=1/0,998= 1,0020 Nilai VIF=1- = 1-0,002= 0,998 2) Regresi Variabel Kepuasan Kerja
Nilai TOL= 1/VIF=1/0,99=1,0101 Nilai VIF= 1- =1- 0,010= 0,99 3) Regresi Variabel Kinerja Karyawan
Nilai VIF= 1- =1- 0,010=0,99
Dari regresi diatas menunjukkan bahwa masing-masing variabel bebas memiliki nilai VIF < 10. Jadi dapat disimpulkan bahwa tidak terjadi multikolinearitas antara variabel bebas dalam model regresi.
c). Uji Heteroskedastisitas
Pengujian heteroskedastisitas pada penelitian ini menggunakan metode White, Jika terdapat pengaruh variabel bebas yang signifikan terhadap nilai mutlak residualnya maka dalam model terdapat masalah heteroskedastisitas untuk melihat hasil heteroskedastisitas dapat dilihat pada tabel di bawah ini:
Tabel 22: Hasil Uji Heteroskedastisitas
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .327a .107 .070 9.40081
a. Predictors: (Constant), KEDIS.KK.BO, X2, KEDISSqr, BOSqr, X1, X3, KKSqr
Sumber: Olahan Data SPSS, 2014
Gejala heteroskedastisitas ditunjukkan jika nilai hitung > nilai tabel. Nilai Hitung diperoleh dari persamaan = n x (Gujarati 2003) dimana n = jumlah observasi dan = koefisien determinasi regresi tahap kedua. Derajat bebas untuk Tabel adalah α, jumlah variabel bebas = n x = 175 x 0,107 = 18,725, sedangkan nilai tabel dengan df 0,05, 5= 1,65361.
terjadi gejala heteroskedastisitas hal ini karena hitung (18,725) > tabel (1,65361).
d). Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode berjalan dengan kesalahan pada periode sebelunya. Autokolrelasi dalam penelitian ini menggunakan Uji Satistik Durbin Watson (DW). Langkah awal pendeteksian ini adalah mencari nilai DL dan DU pada tabel dengan kriteria tertentu berikut ini adalah tabel hasil pengujian autokorelasi
Durbin Watson (DW).
Tabel 23: Hasil Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .840a .706 .701 2.40878 1.763
Sumber: Olahan data spss, 2014
Hasil uji Durbin Watson menunjukkan nilai sebesar 1,763 nilai tersebut jika dibandingkan dengan nilai tabel dengan menggunakan derajat kepercayaan 5 %, jumlah sampel 175 dan variabel bebas atau independen (k)= 3 maka nilai Durbin Watson DL sebesar 1,718 dan DU sebesar 1,787. Nilai DW 1,763 >DL 1,718 <DU 1,787 dan kurang dari 4- 1,787 (4 – DU).
tidak ada
tanpa autokorelasi tanpa
ada kesimpulan kesimpulan ada autokorelasi autokorelasi
dl du 2 4-du 4-dl (1,718) (1,787) (2,213) (2,282)
( 1,763 )
Berdasarkan gambar diatas dapat dilihat bahwa nilai DW 1,763 terletak antara DL dengan DU, maka dapat disimpulkan bahwa model persamaan regresi tersebut terletak pada daerah tanpa kesimpulan.
3. Analisis Regresi Linear Berganda
Analisis regresi berganda dalam penelitian ini dilakukan dengan menggunakan bantuan program SPSS versi 16.0.dapat dilihat pada tabel berikut:
Tabel 24: Hasil Analisa Regresi Berganda Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1(Constant) 20.127 3.065 6.567 .000 X1 .553 .041 .555 13.385 .000 X2 .092 .022 .176 4.232 .000 X3 .290 .020 .613 14.743 .000 a. Dependent Variable:Y
Dari Tabel 24 diatas dapat diketahui bahwa nilai konstanta untuk variabel Kedisiplinan (X1) sebesar 0,553, Selanjutnya dapat diketahui bahwa nilai untuk variabel kepuasan kerja (X2) sebesar 0,092 dan variabel (X3) yang bernilai sebesar 0,290, dengan demikian maka persamaan regresi linear berganda.
Berdasarkan analisa yang telah dilakukan dengan menggunakan program SPSS versi 16.0 dapat dirumuskan model regresi berganda dari variabel- variabel yang mempengaruhi kinerja karyawan pada PT BPP di Kec. Sungai Aur Kab. Pasaman Barat sebagai berikut;
Y= 20.122 + 0,555 X1+ 0,091 X2 + 0,290 X3
Koefisien Regresi masing-masing variabel penelitian dapat diartikan sebagai berikut:
1) Nilai konstanta sebesar 20.122 berarti tanpa adanya pengaruh dari kedisiplinan, kepuasan kerja dan budaya organisasi, kinerja karyawan sudah bernilai sebesar 20.122. Hal ini berarti apabila variabel bebas nilainya konstan (Kedisiplinan, Kepuasan Kerja dan Budaya Organisasi) maka nilai variabel kinerja karyawan sebesar 20.122.
2) Koefisien regresi variabel kedisiplinan (X1) sebesar 0,553 yang bertanda positif. Hal ini berarti adanya pengaruh positif kedisiplinan terhadap kinerja karyawan, apabilai nilai variabel kedisiplinan meningkat sebesar satu satuannya maka akan meningkat kinerja
mengalami perubahan atau konstan.
3) Koefisien regresi variabel kepuasan kerja karyawan (X2) sebesar 0,092 yang bertanda positif. Hal ini berarti adanya pengaruh positif kepuasan kerja terhadap kinerja karyawan. Apabila nilai variabel Kepuasan Kerja meningkat sebesar satu satuannya maka akan meningkat kinerja karyawan sebesar 0,092. Dengan asumsi variabel lain tidak mengalami perubahan atau konstan.
4) Koefisien regresi variabel budaya organisasi (X3) sebesar 0,290 yang betanda positif. Hal ini berarti adanya pengaruh positif budaya organisasi terhadap kinerja karyawan. Apabila nilai variabel budaya organisasi naik sebesar satu satuannya maka akan meningkat kinerja karyawan sebesar 0,290. Dengan asumsi variabel lain tidak mengalami perubahan atau konstan.