HASIL PENELITIAN DAN PEMBAHASAN
IV.1. Sejarah Rumah Penyimpanan Benda Sitaan Negara Klas-I Medan
IV.1.5. Deskripsi Variabel Penelitian
IV.1.5.1 Deskripsi Variabel Penelitian Hipotesis Pertama
Dalam penelitian ini, variabel terikat (dependent variable) yaitu prestasi kerja pegawai (Y) dan dua variabel bebas (independent variable) terdiri dari : variabel motivasi (X1), variabel kepuasan kerja (X2).
IV.1.5.1.1. Variabel Motivasi
Definisi operasional variabel motivasi merupakan suatu kondisi yang mendorong atau menjadi sebab seseorang melakukan suatu perbuatan/kegiatan yang berlangsung secara sadar.
Untuk butir pertanyaan-pertanyaan variabel motivasi, sebagian besar responden memberikan opsi jawaban ke-2 dan ke-3, hal ini menunjukkan pegawai Rumah Penyimpanan Benda Sitaan Negara Klas-I Medan memberikan tanggapan yang positif terhadap motivasi kerja mereka, walaupun terdapat sebagian pegawai Rumah Penyimpanan Benda Sitaan Negara Klas-I Medan yang merasakan perlu meningkatkan motivasi kerja mereka dalam bekerja.
Definisi operasional variabel ini adalah keadaan emosional yang menyenangkan atau tidak menyenangkan bagi para karyawan dalam memandang pekerjaan kerja mereka.
Untuk butir pertanyaan-pertanyaan variabel kepuasan kerja, sebagian besar responden memberikan opsi jawaban ke-2 dan ke-3, hal ini menunjukkan pegawai memberikan tanggapan yang positif pada kepuasan kerja yang tinggi sekali dalam bekerja, walaupun terdapat sebagian pegawai yang merasakan perlu lebih diperhatikan lagi tingkat kepuasan kerja pegawai dengan memberikan komentar atas pertanyaan yang diberikan. IV.1.5.1.3. Variabel Prestasi Kerja
Definisi operasional variabel ini merupakan hasil kerja yang dapat dicapain oleh seseorang atau sekelompok orang dalam suatu organisasi, sesuai dengan wewenang dan tanggung jawab masing-masing, dalam rangka upaya mencapai tujuan organisasi.
Untuk butir pertanyaan-pertanyaan variabel prestasi kerja pegawai, sebagian besar responden memberikan opsi jawaban ke-2 dan ke-3, hal ini menunjukkan pegawai memberikan tanggapan yang positif pada produktivitas yang baik sekali dalam bekerja, walaupun terdapat sebagian
pegawai yang merasakan perlu lebih diperhatikan lagi tingkat prestasi kerja pegawai dengan memberikan komentar atas pertanyaan yang diberikan. IV.1.5.2. Deskripsi Variabel Penelitian Hipotesis Kedua
Dalam penelitian ini, variabel terikat (dependent variable) yaitu motivasi kerja pegawai (Y) dan tiga variabel bebas (independent variable) terdiri dari : variabel pimpinan (X1), variabel rekan kerja (X2) dan variabel sarana fisik (X3).
IV.1.5.2.1. Variabel Pimpinan
Definisi operasional variabel pimpinan adalah orang yang mempengaruhi dan mengarahkan prilaku orang lain, baik individu maupun kelompok untuk mencapai tujuan tertentu.
Untuk butir pertanyaan-pertanyaan variabel pimpinan, sebagian besar responden memberikan opsi jawaban ke-2 dan ke-3, hal ini menunjukkan pegawai memberikan tanggapan yang positif terhadap kepemimpinan yang ada di Rumah Penyimpanan Benda Sitaan Negara Klas-I Medan, walaupun terdapat sebagian pegawai yang merasakan perlu perbaikan kepemimpinan yang ada dengan komentar atas pertanyaan yang diberikan.
Definisi operasional variabel ini merupakan teman beraktivitas di dalam perusahaan, mempunyai rekan sekerja yang ramah dan mendukung menghantarkan kepada kepuasan kerja.
Untuk butir pertanyaan-pertanyaan variabel rekan sekerja, sebagian besar responden memberikan opsi jawaban ke-2 dan ke-3, hal ini menunjukkan pegawai memberikan tanggapan yang positif terhadap rekan sekerja di Rumah Penyimpanan Benda Sitaan Negara Klas-I Medan, walaupun terdapat sebagian pegawai yang merasakan kurang mendapat dukungan dari rekan sekerja dengan memberikan komentar atas pertanyaan yang diberikan.
IV.1.5.2.3. Variabel Sarana Fisik
Definisi operasional variabel ini adalah gedung, kantor, perkakas dan tata ruang kantor, serta kondisi-kondisi fisik, didalam mana pegawai melaksanakan pekerjaan.
Untuk butir pertanyaan-pertanyaan variabel sarana fisik, sebagian besar responden memberikan opsi jawaban ke-2 dan ke-3, hal ini menunjukkan pegawai memberikan tanggapan yang positif pada sarana fisik
yang ada Rumah Penyimpanan Benda Sitaan Negara Klas-I Medan, walaupun terdapat sebagian pegawai yang merasakan perlu lebih diperhatikan lagi sarana fisik yang ada dengan memberikan komentar atas pertanyaan yang diberikan.
IV.1.5.3. Variabel Motivasi
Definisi operasional variabel motivasi merupakan suatu kondisi yang mendorong atau menjadi sebab seseorang melakukan suatu perbuatan/kegiatan yang berlangsung secara sadar.
Untuk butir pertanyaan-pertanyaan variabel motivasi, sebagian besar responden memberikan opsi jawaban ke-2 dan ke-3, hal ini menunjukkan pegawai Rumah Penyimpanan Benda Sitaan Negara Klas-I Medan memberikan tanggapan yang positif terhadap motivasi kerja mereka, walaupun terdapat sebagian pegawai Rumah Penyimpanan Benda Sitaan Negara Klas-I Medan yang merasakan perlu meningkatkan motivasi kerja mereka dalam bekerja.
IV.1.6. Pengujian Asumsi Klasik
-3 -2 -1 0 1 2 3
Regression Standardized Residual
0 2 4 6 8 10 12 14 Frequency Mean = -4.44E-16 Std. Dev. = 0.967 N = 32
Dependent Variable: Prestasi Histogram
Sebelum melakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian asumsi klasik yang dimaksudkan untuk memastikan bahwa model regresi linear berganda dapat digunakan atau tidak. Apabila uji asumsi klasik telah terpenuhi, alat uji statistik linear berganda dapat dipergunakan.
IV.1.6.1.1. Uji Normalitas
Untuk pengujian normalitas data dalam penelitian ini dideteksi melalui analisa grafik dan statistik yang dihasilkan melalui perhitungan regresi dengan SPSS. Hasil pengujian normalitas dapat dilihat pada Gambar IV.1 berikut :
Sumber : Hasil Pengolahan SPSS
0.0 0.2 0.4 0.6 0.8 1.0 Observed Cum Prob
0.0 0.2 0.4 0.6 0.8 1.0 Ex pected C um P rob
Dependent Variable: Prestasi
Normal P-P Plot of Regression Standardized Residual
0.0 0.2 0.4 0.6 0.8 1.0
Observed Cum Prob
0.0 0.2 0.4 0.6 0.8 1.0
Expected Cum Prob
Dependent Variable: Prestasi
Normal P-P Plot of Regression Standardized Residual
Dari Gambar IV.2, dapat disimpulkan bahwa data yang digunakan menunjukkan normal. Ghozali (2005) menyatakan bahwa, jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas dan sebaliknya jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi nomalitas. Analisis dari grafik terlihat titik-titik menyebar di sekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Maka model regresi layak dipakai untuk memprediksi prestasi kerja pegawai berdasarkan masukan variabel independen.
Sumber : Hasil Pengolahan SPSS
Gambar IV.3. Uji Normalitas
Selanjutnya uji normalitas data dilakukan dengan analisis statistik dengan menggunakan alat uji non parametrik Kolmogorov – Smirnov (K-S), seperti terlihat pada Tabel IV.6 berikut ini:
Tabel IV.6. Uji Kolmogorov – Smirnov (K-S)
Sumber : Hasil Pengolahan SPSS
Dari Tabel IV.6 di atas diketahui besarnya nilai Kolmogorov-Smirnov adalah 0,925 dan tidak signifikan pada 0,359. Hal ini berarti data residual berdistribusi normal, dan hasilnya konsisten dengan uji sebelumnya. IV.1.6.1.3. Uji Multikolinieritas
One-Sample Kolmogorov-Smirnov Test
32 .0000000 1.69483251 .163 .163 -.123 .925 .359 N Mean Std. Deviation Normal Parameters a,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
Unstandardized Residual
Test distribution is Normal.
a.
Calculated from data. b.
Uji mulitikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka terdapat masalah multikolinieritas. Pada model regresi yang baik tidak terjadi korelasi di antara variabel independen.
Hasil pengujian multikolinieritas data dalam penelitian ini menggunakan alat bantu SPSS, hasilnya dapat dilihat pada Tabel IV.7 berikut :
Tabel IV.7. Hasil Uji Multikolinearitas
Sumber : Hasil Pengolahan SPSS
Dari Tabel IV.7 di atas terlihat bahwa kedua variabel bebas yaitu : variabel motivasi dan kepuasan kerja, angka Variance Inflation Factor (VIF) kurang dari 5, sedangkan nilai Tolerance mendekati 1, dengan demikian dapat disimpulkan bahwa pada model regresi tersebut tidak terdapat problem multikolinieritas. Coefficients a 1.920 7.297 .596 .218 .388 .884 1.131 .552 .170 .461 .884 1.131 (Constant) Motivasi Kepuasan Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients Tolerance VIF Collinearity Statistics
Dependent Variable: Prestasi a.
-4 -2 0 2 4 Regression Standardized Predicted Value
-3 -2 -1 0 1 2 3 Regres sion Stud entized Residu al
Dependent Variable: Prestasi Scatterplot
IV.1.6.1.4. Uji Heteroskedastisitas
Heterokedastisitas digunakan untuk menguji apakah dalam model regresi, terjadi ketidaksamaan varians dari residual dari suatu pengamatan yang lain. Jika variasi residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas, dan jika varians berbeda disebut heterokedastisitas. Model yang baik adalah tidak terjadi heterokedastisitas.
Hasil pengujian heteroskedastisitas data dalam penelitian ini menggunakan alat Bantu SPSS dengan mengamati pola yang terdapat pada Sctterplots, hasilnya dapat dilihat pada Gambar IV.3.
Sumber : Hasil Pengolahan SPSS
Gambar IV.4. Hasil Uji Heteroskedastisitas
Dari Gambar IV.3 di atas terlihat bahwa titik-ttitik menyebar secara acak (random) serta tersebar di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai.
Santoso (2000) menyatakan, jika ada pola tertentu, seperti titik-titik yang membentuk suatu pola yang teratur (bergelombang, melebar kemudian menyempit), maka telah terjadi heterokedastisitas dan jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hal ini berarti tidak terjadi heteroskedistisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi keputusan memilih berdasarkan masukan dari variabel bebasnya.
Selanjutnya dilakukan uji statistik untuk menjamin keakuratan hasil. Adapun uji statistik yang digunakan untuk mendeteksi ada tidaknya heteroskedasitas adalah uji Glesjer.
Tabel IV.8. Hasil Uji Glesjer
Sumber : Hasil Pengolahan SPSS
Dari Tabel IV.8 di atas menunjukkan bahwa tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5%. Jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedasitas. Hal ini konsisten dengan hasil uji Scatter Plots. IV.1.6.1.4. Koefisien Determinasi (R2)
Tabel IV.9. Hasil Uji Determinasi Coefficientsa 4.002 4.894 .818 .420 -.282 .146 -.358 -1.932 .063 .127 .114 .207 1.116 .274 (Constant) Motivasi Kepuasan Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig.
Dependent Variable: Res_2 a.
Sumber : Hasil Pengolahan SPSS
Berdasarkan Tabel IV.9 di atas, diketahui bahwa besarnya koefisien determinasi atau angka R2 adalah sebesar 0,485, yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas indenpenden sebesar 48,50%. Jadi model cukup baik. Sedangkan sisanya 51,50% dijelaskan oleh variabel-variabel bebas lain yang tidak diteliti dan tidak dimasukkan ke dalam model regresi.
IV.1.6.2. Pengujian Asumsi Klasik II
Sebelum melakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian asumsi klasik yang dimaksudkan untuk memastikan bahwa model regresi linear berganda dapat digunakan atau tidak. Apabila uji asumsi klasik telah terpenuhi, alat uji statistik linear berganda dapat dipergunakan.
Model Summary b .697a .485 .450 1.75230 1.317 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
Predictors: (Constant), Kepuasan, Motivasi a.
Dependent Variable: Prestasi b.
-3 -2 -1 0 1 2 3
Regression Standardized Residual
0 2 4 6 8 Fre que ncy Mean = -1.8E-16 Std. Dev. = 0.95 N = 32
Dependent Variable: Motivasi Histogram
IV.1.6.2.1. Uji Normalitas
Untuk pengujian normalitas data dalam penelitian ini dideteksi melalui analisa grafik dan statistik yang dihasilkan melalui perhitungan regresi dengan SPSS. Hasil pengujian normalitas dapat dilihat pada Gambar IV.4 berikut :
Sumber : Hasil Pengolahan SPSS
Gambar IV.5. Uji Normalitas
Dari Gambar IV.4, dapat disimpulkan bahwa data yang digunakan menunjukkan normal. Ghozali (2005) menyatakan bahwa, jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik
0.0 0.2 0.4 0.6 0.8 1.0 Observed Cum Prob
0.0 0.2 0.4 0.6 0.8 1.0 Exp ec ted Cu m Pr ob
Dependent Variable: Motivasi
Normal P-P Plot of Regression Standardized Residual
histogramnya menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas dan sebaliknya jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi nomalitas. Analisis dari grafik terlihat titik-titik menyebar di sekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Maka model regresi layak dipakai untuk memprediksi motivasi kerja pegawai berdasarkan masukan variabel independen.
Sumber : Hasil Pengolahan SPSS
Selanjutnya uji normalitas data dilakukan dengan analisis statistik dengan menggunakan alat uji non parametrik Kolmogorov – Smirnov (K-S), seperti terlihat pada Tabel IV.10 berikut ini:
Tabel IV.10. Uji Kolmogorov – Smirnov (K-S)
Sumber : Hasil Pengolahan SPSS
One-Sample Kolmogorov-Smirnov Test
32 .0000000 .96862496 .122 .120 -.122 .691 .726 N Mean Std. Deviation Normal Parameters a,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Unstandardized Residual
Test distribution is Normal.
a.
Calculated from data.
Dari Tabel IV.10 di atas diketahui besarnya nilai Kolmogorov-Smirnov adalah 0,691 dan tidak signifikan pada 0,726. Hal ini berarti data residual berdistribusi normal, dan hasilnya konsisten dengan uji sebelumnya. IV.1.6.2.2. Uji Multikolinieritas
Uji mulitikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka terdapat masalah multikolinieritas. Pada model regresi yang baik tidak terjadi korelasi di antara variabel independen.
Hasil pengujian multikolinieritas data dalam penelitian ini menggunakan alat bantu SPSS, hasilnya dapat dilihat pada Tabel IV.11 berikut :
Sumber : Hasil Pengolahan SPSS
Dari Tabel IV.11 di atas terlihat bahwa ketiga variabel bebas yaitu : variabel pimpinan, rekan sekerja dan sarana fisik, angka Variance Inflation Factor (VIF) kurang dari 5, sedangkan nilai Tolerance mendekati 1, dengan demikian dapat disimpulkan bahwa pada model regresi tersebut tidak terdapat problem multikolinieritas.
IV.1.6.2.3. Uji Heteroskedastisitas
Heterokedastisitas digunakan untuk menguji apakah dalam model regresi, terjadi ketidaksamaan varians dari residual dari suatu pengamatan yang lain. Jika variasi residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas, dan jika varians berbeda disebut heterokedastisitas. Model yang baik adalah tidak terjadi heterokedastisitas.
Coefficients a 2.111 3.941 .244 .096 .353 .737 1.358 .427 .224 .275 .683 1.465 .661 .229 .378 .829 1.206 (Constant) Pimpinan Rekan Sekerja Sarana Fisik Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients Tolerance VIF Collinearity Statistics
Dependent Variable: Motivasi a.
-2 -1 0 1 2 3 Regression Standardized Predicted Value
-3 -2 -1 0 1 2 3 Reg re ssio n St uden ti ze d Re sidu al
Dependent Variable: Motivasi Scatterplot
Hasil pengujian heteroskedastisitas data dalam penelitian ini menggunakan alat Bantu SPSS dengan mengamati pola yang terdapat pada Sctterplots, hasilnya dapat dilihat pada Gambar IV.6.
Sumber : Hasil Pengolahan SPSS
Dari Gambar IV.6 di atas terlihat bahwa titik-ttitik menyebar secara acak (random) serta tersebar di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai.
Santoso (2000) menyatakan, jika ada pola tertentu, seperti titik-titik yang membentuk suatu pola yang teratur (bergelombang, melebar kemudian menyempit), maka telah terjadi heterokedastisitas dan jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hal ini berarti tidak terjadi heteroskedistisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi keputusan memilih berdasarkan masukan dari variabel bebasnya.
Selanjutnya dilakukan uji statistik untuk menjamin keakuratan hasil. Adapun uji statistik yang digunakan untuk mendeteksi ada tidaknya heteroskedasitas adalah uji Glesjer.
Sumber : Hasil Pengolahan SPSS
Dari Tabel IV.2 di atas menunjukkan bahwa tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5%. Jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedasitas. Hal ini konsisten dengan hasil uji Scatter Plots. IV.1.6.2.4. Koefisien Determinasi (R2)
Tabel IV.13. Hasil Uji Determinasi
Sumber : Hasil Pengolahan SPSS
Coefficients a 4.998 2.488 2.009 .054 -.022 .061 -.076 -.365 .718 -.131 .142 -.200 -.924 .363 -.093 .144 -.127 -.644 .525 (Constant) Pimpinan Rekan Sekerja Sarana Fisik Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig.
Dependent Variable: Res_2 a. Model Summaryb .776 a .603 .560 1.01920 Model 1 R R Square Adjusted R Square Std. Error of the Estimate
Predictors: (Constant), Sarana Fisik, Pimpinan, Rekan Sekerja
a.
Dependent Variable: Motivasi b.
Berdasarkan Tabel IV.13 di atas, diketahui bahwa besarnya koefisien determinasi atau angka R2 adalah sebesar 0,603, yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas indenpenden sebesar 60,30%. Jadi model cukup baik. Sedangkan sisanya 39,70% dijelaskan oleh variabel-variabel bebas lain yang tidak diteliti dan tidak dimasukkan ke dalam model regresi.