Uji Asumsi Klasik

BAB IV ANALISIS DATA

D. Uji Asumsi Klasik

Uji asumsi klasik merupakan tahapan penting dalam melakukan analisis regresi, dalam penelitian kali ini digunakan 2 bentuk persamaan regresi sebagai berikut:

1. Y

2

= α + β

1

X3+ e

2. Y

1

= α + β

2

X

1

+ β

3

X

2

+ e

a. Uji Multikolinieritas

Uji multikolinieritasdigunakan apabila terdapat lebih dari satu variabel. Untuk mengetahui ada tidaknya korelasi variabel independen. Adapun hasil uji statistik multikolinieritas yang diperoleh dalam penelitian ini adalah sebagai berikut: Tabel 4.6 Uji Multikolinieritas Y2 = α + β1X3 + e Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std.

Error Beta Tolerance VIF

1(Constant) 6.807 3.291 2.068 .043

jml_K .437 .072 .606 6.050 .000 1.000 1.000

a. Dependent Variable: jml_KP

75 Tabel 4.7 Uji Multikolinieritas Y1 = α + β2X1 + β3X2 + e Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Toleranc e VIF 1(Constant) 4.206 3.379 1.245 .218 jml_EK .407 .104 .373 3.917 .000 .485 2.063 jml_LK .501 .088 .545 5.719 .000 .485 2.063 a. Dependent Variable: jml_K

Sumber: Data primer yang diolah,2014

Berdasarkan hasil output dengan SPSS diketahui nilai toleran dan VIF masing-masing menunjukkan nilai tidak lebih besar dari 5. Sehingga dapat disimpulkan bahwa tidak terjadi multikolinieritas pada kedua persamaan regresi, sehingga memenuhi asumsi dalam persamaan regresiyang baik.

b. Uji Heteroskendastisitas

Uji heteroskendastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians. Pada penelitian ini teknik pendeteksian ada atau tidaknya heteroskendastisitas menggunakan model Grafik Scatterplot, yaitu dengan melihat grafik scatterplot antara ZPRED (nilai prediksi variabel dependen) dan SRESID (residualnya). Untuk mendeteksi grafik scatterplot tersebut, jika pola berayang dihasilkan beraturan (gelombangnya melebar dan menyempit), hal ini cenderung ada gejala heterokendastisitas. Tetapi jika polanya tidak beraturan, ini cenderung tidak ada gejala penyakit

76 heterokendastisitas, Anton (2006). Adapun hasil uji statistik heteroskendastisitas yang diperoleh dalam penelitian ini adalah sebagai berikut:

Gambar 4.1

Uji Heteroskendastisitas Y2 = α + β1X3 + e

Sumber: Data Primer yang diolah, 2014

Gambar 4.2

Uji Heteroskendastisitas Y1 = α + β2X1 + β3X2 + e

77 Berdasarkan plot data diatas dapat kita lihat bahwa kedua plot tidak membentuk pola tertentu atau data menyebar secara acak. Hal ni memberikan kesimpulan bahwa tidak terjadi heteroskendastisitas pada data sehingga asumsi persamaan regresi yang baik terpenuhi.

c. Uji Normalitas

Uji ini digunakan untuk menguji apakah data variabel dependen dan independen yang kita pakai berdistribusi normal atau tidak. Apabila data menyebar mengikuti garis diagonal maka asumsi normalitas terpenuhi. Adapun Uji normalitasdalam penelitian ini adalah sebagai berikut:

Gambar 4.3

Grafik Uji Normalitas Y2= α + β1X3 + e

78

Gambar 4.4

Grafik Uji Normalitas Y1 = α + β2X1 + β3X2 + e

Sumber: Data Primer yang diolah, 2014

Berdasarkan hasil plot dengan SPSS dapat dilihat bahwa data dari kedua persamaan regresi menyebar mengikuti garis diagonal sehingga dapat disimpulkan bahwa asumsi normalitas terpenuhi.

d. Uji Linearitas

Pengujian linearitas digunakan untuk menguji apakah model yang digunakan lebih baik dari model bentuk lain Anton (2006). Dalam penelitian ini, uji linearitas dilakukan dengan mengunakan uji Durbin-Watson. Metode ini digunakan untuk menguji ketepatan metode antara bentuk linear dan kuadrat. Adapun uji linearitasdalam penelitian ini adalah sebagai berikut:

79

Tabel 4.8

Uji Linearitas Y2 = α + β1X3 + e Hasil regresi persamaan linear:

Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .606a .367 .357 2.453 1.722 a. Predictors: (Constant), jml_K b. Dependent Variable: jml_KP

Hasil Regresi persamaan kuadrat:

Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .608a .370 .349 2.476 1.711

a. Predictors: (Constant), LANK2, jml_K

b. Dependent Variable: jml_KP

Sumber : Data primer yang diolah,2014

Berdasarkan tabel di atas, maka dapat diketahui besarnya nilai Durbin- Watson kedua persamaan yaitu 1,711 untuk persamaan linear dan 1.722 untuk persamaan kuadrat. Nilai tabel Durbin-Watson dapat diketahui sebagai berikut: jumlah sampel = 65, jumlah variabel independen = 1 dengan asumsi derajat kepercayaan 5%, nilai tabel du = 1,63, nilai 4 - du = 2,37. Sehingga nilai DW test

kedua persamaan tersebut berada diantara du dan 4- du . sehingga dapat

disimpulkan bahwa tidak terdapat kesalahan spesifikasi model atau keduanya layak digunakan.

80

Tabel 4.9

Uji Linearitas Y1 = α + β2X1 + β3X2 + e Hasil regresi persamaan linear:

Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .853a .727 .719 2.251 1.854

a. Predictors: (Constant), jml_LK, jml_EK

b. Dependent Variable: jml_K

Sumber: Data primer yang diolah, 2014 Hasil Regresi persamaan kuadrat:

Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .853a .728 .710 2.291 1.875

a. Predictors: (Constant), LANLK2, jml_EK, jml_LK, LANEK2

b. Dependent Variable: jml_K

Sumber: Data primer yang diolah, 2014

Berdasarkan tabel di atas, maka dapat diketahui besarnya nilai Durbin- Watson kedua persamaan yaitu 1,854 untuk persamaan linear dan 1.875 untuk persamaan kuadrat. Nilai tabel Durbin-Watson dapat diketahui sebagai berikut: jumlah sampel= 65, jumlah variabel independen = 2 dengan asumsi derajat kepercayaan 5%, nilai tabel du = 1,66, nilai 4 - du = 2,34. Sehingga nilai DW test

kedua persamaan tersebut berada diantara du dan 4- du . sehingga dapat

disimpulkan bahwa tidak terdapat kesalahan spesifikasi model atau keduanya layak digunakan.

81

E. Uji Statistik

1. Uji Simultan (Uji F)

Uji ini dilakukan untuk mengetahui apakah variabel independen yaitu secara bersama-sama mempengaruhi variabel dependen Anton (2006).

Tabel 4.10

Uji Simultan Y2 = α + β1X3 + e

ANOVAb

Model

Sum of

Squares Df Mean Square F Sig.

1 Regression 220.161 1 220.161 36.599 .000a

Residual 378.977 63 6.016

Total 599.138 64

a. Predictors: (Constant), jml_K

b. Dependent Variable: jml_KP

Sumber: Data primer yang diolah, 2014

Pada tabel di atas menunjukkan nilai F hitung sebesar 36.599 dengan nilai signifikansi sebesar 0,000 dimana nilai signifikansi ini kurang dari nilai alpha sebesar 0,05 sehingga memberikan keputusan bahwa variabel independen (kinerja karyawan) secara bersama-sama mempengaruhi variabel dependen yaitu kinerja perusahaan secara signifikan. Hal ini menunjukkan bahwa model persamaan regresi yang terbentuk sudah baik.

82

Tabel 4.11

Uji Simultan Y1 = α + β2X1 + β3X2 + e

ANOVAb

Model Sum of Squares df Mean Square F Sig.

Regression 838.873 2 419.436 82.749 .000a

Residual 314.266 62 5.069

Total 1153.138 64

a. Predictors: (Constant), jml_LK, jml_EK

b. Dependent Variable: jml_K

Sumber: Data primer yang diolah, 2014

Pada tabel di atas menunjukkan nilai F hitung sebesar 82.749 dengan nilai signifikansi sebesar 0,000 dimana nilai signifikansi ini kurang dari nilai alpha sebesar 0,05 sehingga memberikan keputusan bahwa variabel independen (Etos Kerja Islam, Lingkungan) secara bersama-sama mempengaruhi variabel dependen yaitu kinerja karyawan secara signifikan. Hal ini menunjukkan bahwa model persamaan regresi yang terbentuk sudah baik.

2. Uji Koefisien Determinasi (R2)

Uji koefisien determinasi memiliki fungsi untuk menjelaskan sejauh mana kemampuan variabel independen dalam mempengaruhi variabel dependen, serta seberapa kuat hubungan antara kedua variabel tersebut.

83 Tabel 4.12 Uji R2Y2 = α + β1X3 + e Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .606a .367 .357 2.453 a. Predictors: (Constant), jml_K b. Dependent Variable: jml_KP

Sumber: Data primer yang diolah, 2014

Hasil output pada tabel tersebut menunjukkan koefisien korelasi sebesar R 0,606 yang berarti bahwa terdapat hubungan yang kuat dan positif antara variabel independen (Kinerja karyawan) terhadap Kinerja perusahaan sebagai variabel dependen. Artinya semakin besar nilai X maka semakin besar pula nilai Y. Sedangkan hasil R square (koefisien determinasi) sebesar 0,367 yang berarti bahwa 36,7% variabel Y dipengaruhi oleh variabel X, sedangkan 63,3% variabel Y dipengaruhi oleh variabel lain diluar model persamaan.

Tabel 4.13 Uji R2 Y1 = α + β2X1 + β3X2 + e Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .853a .727 .719 2.251

a. Predictors: (Constant), jml_LK, jml_EK Sumber: Data primer yang diolah, 2014

Hasil output pada table tersebut menunjukkan koefisien korelasi sebesar 0,853 yang berarti bahwa terdapat hubungan yang kuat dan positif antara variabel independen (Etos kerja Islam, Lingkungan) terhadap Kinerja karyawan

84 sebagai variabel dependen. Artinya semakin besar nilai X maka semakin besar pula nilai Y. Sedangkan hasil R square (koefisien determinasi) sebesar 0,727 yang berarti bahwa 72,7% variabel Y dipengaruhi oleh variabel X, sedangkan 27,3% variabel Y dipengaruhi oleh variabel lain diluar model persamaan.