BAB V ANALISIS DATA DAN PEMBAHASAN
D. Hasil Penelitian
1. Uji Asumsi Klasik
Sebelum dilakukan analisis regresi terhadap variabel-variabel penelitian terlebih dahulu dilakukan uji asumsi klasik. Tujuannya adalah agar data yang digunakan layak dijadikan sumber pengujian dan dapat dihasilkan kesimpulan yang benar. Uji asumsi klasik meliputi:
a. Uji Normalitas Data
Menurut Gozali (2011:160), uji normalitas data digunakan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Menurut Ghozali (2011), uji normalitas data digunakan untuk menguji apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi normal. Hasil pengujian
normalitas dengan menggunakan uji Kolmogorov-Smirnov (K-S) adalah sebagai berikut.
Tabel V.14
Hasil Pengujian Normalitas
One-Sample Kolmogorov-Smirnov Test
Gaya kepemimpinan kompensasi Faktor individu karyawan Kinerja karyawan N 112 112 112 112
Normal Parametersa Mean 76.61 21.89 28.54 28.47
Std. Deviation 3.770 5.513 8.025 3.570 Most Extreme Differences Absolute .079 .108 .170 .080
Positive .057 .065 .076 .080
Negative -.079 -.080 -.070 -.063
Kolmogorov-Smirnov Z .798 1.076 1.145 .994
Asymp. Sig. (2-tailed) .547 .198 .105 .277
Berdasarkan tabel V.14 tersebut di atas menunjukkan bahwa nilai asymp.sig yang diperoleh masing-masing variabel > 0,05, sehingga dapat disimpulkan bahwa dalam model regresi, variabel penganggu atau residual memenuhi asumsi normalitas.
b. Uji Multikolinieritas
Menurut Ghozali (2011:105), uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas (independen) atau tidak. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebasnya. Untuk
menguji multikolinieritas dapat dilihat dari nilai tolerance dan nilai VIF (Variance Inflation Faktor). Berdasarkan nilai tolerance, nilai yang terbentuk harus di atas 10% dan bila menggunakan VIF, nilai yang terbentuk harus kurang dari 10, bila tidak maka akan terjadi multikolinieritas dan model regresi tidak layak untuk digunakan. Hasil pengujian multikolinearitas dapat dilihat pada tabel 4.8.
Tabel V.15
Hasil Uji Multikolinearitas
Variabel Tolerance VIF
Gaya Kepemimpinan 0,997 1,003
Kompensasi 0,986 1,015
Faktor Individu Karyawan 0,998 1,002
Sumber : Data Sekunder Diolah
Hasil regresi yang dilakukan pada tabel V.15 tersebut di atas menunjukkan bahwa nilai VIF atau Variance Inflation Faktor variabel gaya kepemimpinan sebesar 1,003, kompensasi sebesar 1,015 dan faktor individu karyawan sebesar 1,002. Nilai-nilai tersebut semuanya kurang dari 10. Sedangkan nilai tolerance untuk variabel gaya kepemimpinan sebesar 0,997 dan variabel kompensasi sebesar 0,986 dan variabel faktor individu karyawan sebesar 0,998 yang lebih besar dari 10%. Hal ini dapat disimpulkan bahwa dalam model regresi tidak ditemukan adanya korelasi antar variabel bebas (independen).
c. Uji Heteroskedastisitas
Menurut Ghozali (2011:139) uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Hasil pengujian heteroskedastisitas adalah sebagai berikut.
Tabel V.16
Hasil Uji Heteroskedastisitas
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 1.914 1.134 1.688 .094 Gaya kepemimpinan .001 .013 .008 .104 .917 kompensasi
faktor individu karyawan
.017 .140 .010 .018 .142 .177 1.773 2.231 .078 .027 a. Dependent Variable: ABS_RES2
Tabel V.16 uji Glejser yang telah dilakukan pada tabel ini diperoleh variabel Gaya kepemimpinan, Kompensasi, dan Faktor individu karyawan mempunyai nilai sig < 0,05 sehingga tidak mengandung heteroskedastisitas.
2. Analisis Regresi Linier Berganda
Untuk menguji hipotesis dalam penelitian ini digunakan analisis regresi linier berganda, yaitu suatu analisis yang digunakan untuk
mengetahui pengaruh antara dua variabel independen atau lebih terhadap variabel dependennya. Hasil pengujiannya adalah sebagai berikut:
Tabel V.17
Hasil Pengujian Analisis Regresi Linier Berganda
Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .286a .082 .065 3.933
a. Predictors: (Constant), gaya kepemimpinan, kompensasi, faktor individu karyawan
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 149.637 2 74.819 4.837 .010a
Residual 1686.041 109 15.468
Total 1835.679 111
a. Predictors: (Constant), gaya kepemimpinan, kompensasi, faktor individu karyawan b. Dependent Variable: kinerja karyawan
Probabilitas F = 0,010 F ratio = 4, 837 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 14.829 1.553 5.154 .000 gaya kepemimpinan .286 .129 .203 2.210 .029 kompensasi .209 .098 .196 2.134 .035
faktor individu karyawan .232 .016 .261 2.045 .043
Analisis ini digunakan untuk mengetahui seberapa besar pengaruh variabel bebas: gaya kepemimpinan (X1), kompensasi (X2) danfaktor individu karyawan (X3) terhadap variabel terikat: kinerja karyawan (Y). Persamaan regresi linier berganda dirumuskan sebagai berikut (Anwar Sanusi, 2011 : 135) : Y = a + b1X1+ b2X2+ b3X3+ e Keterangan: Y : Kinerja karyawan a : Konstanta b1-b3 : Koefisien regresi X1 : Gaya Kepemimpinan X2 : Kompensasi
X3 : Faktor individu karyawan e : Error term
Berdasarkan tabel V.17 tersebut di atas diperoleh persamaan regresi sebagai berikut:
Y = 14,829 + 0,286X1 + 0,209X2 + 0, 232X3
Berdasarkan persamaan regresi di atas, dapat diinterprestasikan sebagai berikut:
a. konstanta = 14,829
b. koefisien regresi gaya kepemimpinan = 0,286 c. koefisien regresi kompensasi = 0,209
d. koefisien regresi faktor individu karyawan = 0,232
3. Uji t
Interpretasi terhadap uji t, menunjukkan bahwa variabel gaya kepemimpinan (X1) secara parsial berpengaruh positif terhadap kinerja karyawankarena mempunyai nilai t hitung sebesar 2,210 dengan signifikansi sebesar 0,029<0,05. Dengan demikian pengaruh gaya kepemimpinan terhadap kinerja karyawan adalah signifikan dan positif. Hal ini berarti Ho1 ditolak dan Ha1 diterima. Artinya semakin partisipatif gaya kepemimpinan maka semakin tinggi kinerja karyawan dengan tingkat kesalahan 5%.
Variabel kompensasi (X2) secara parsial berpengaruh positif terhadap kinerja karyawan karena mempunyai nilai t hitung sebesar 2,134 dengan signifikansi sebesar 0,035<0,05. Dengan demikian pengaruh kompensasi terhadap kinerja karyawan adalah signifikan dan positif. Hal ini berarti Ho2 ditolak dan Ha2 diterima, artinya semakin layak dan adil kompensasi yang diberikan maka semakin tinggi kinerja karyawan.
Variabel faktor individu karyawan (X3) secara parsial berpengaruh posittif terhadap kinerja karyawan karena mempunyai nilai t hitung sebesar 2,045 dengan signifikansi sebesar 0,043<0,05. Dengan demikian pengaruh faktor individu karyawan terhadap kinerja karyawan adalah signifikan. Hal ini berarti Ho3 ditolak dan Ha3 diterima, artinya semakin
mampu karyawan menyesuaikan diri dengan lingkungan perusahaan maka semakin tinggi kinerja karyawan.
4. Uji F
Interpretasi uji F atau secara simultan, variabel independen yang terdiri dari gaya kepemimpinan, kompensasi dan faktor individu karyawan secara simultan berpengaruh positif terhadap kinerja karyawan karena mempunyai nilai probabilitas sebesar 0,010<0,05.
5. Uji Koefisien Determinasi (R2)
Berdasarkan tabel V.17 tersebut di atas, diperoleh nilai adjusted R square sebesar 0,065. Hal ini berarti 6,5% variasi perubahan kinerja karyawan di PT Madubaru Bantul Daerah Istimewa Yogyakarta dapat dijelaskan oleh ketiga variabel independen (gaya kepemimpinan, kompensasi dan faktor individu karyawan), sedangkan sisanya sebanyak 93,5% dipengaruhi oleh faktor-faktor lain di luar penelitian ini.