HASIL PENELITIAN DAN PEMBAHASAN
IV.1. Hasil Penelitian
IV.1.5. Hasil Uji Asumsi Klasik
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.1.5.1. Hasil uji normalitas hipotesis pertama
Pengujian normalitas data bertujuan untuk menguji apakah model regresi antara variabel dependen dan variabel independen keduanya memiliki berdistribusi normal atau tidak, dalam hal ini dapat dilihat dengan menggunakan normal histogram dan p-plot. Data dalam keadaan normal apabila distribusi data normal yang tidak condong ke kiri dan ke kanan histogram. Selain dengan metode Grafik juga dapat digunakan analisis statistik dengan menggunakan pendekatan Kolmogorv-Smirov.
-3 -2 -1 0 1 2 3 4
Regression Standardized Residual
0 2 4 6 8 10 12 Fr e q ue nc y Mean = 1.6E-15 Std. Dev. = 0.966 N = 31
Dependent Variable: Prestasi Kerja Histogram
Hasil pengujian normalitas dengan menggunakan analisis Grafik dilihat ada Gambar IV.2 sebagai berikut:
Sumber: Hasil Penelitian, 2010
Gambar IV.2. Uji Normalitas
Berdasarkan grafik di atas dapat disimpulkan bahwa distribusi data normal karena grafik histogram 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 data normal yang tidak menceng kanan maupun menceng kiri. Jadi, berarti Ho diterima yang berarti data residual berdistribusi normal.
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 E x p e c te d C u m P ro b
Dependent Variable: Prestasi Kerja
Normal P-P Plot of Regression Standardized Residual
Sumber: Hasil Penelitian, 2010
Gambar IV.3. Uji Normalitas
Berdasarkan Gambar IV.3 dapat dilihat bahwa penyebaran data berada pada sekitar garis diagonal yang mengikuti garis arah diagonal, maka nilai residual terstandarisasi. Dengan demikian, model regresi hipotesis pertama tersebut memenuhi asumsi normalitas. Analisis statistik dengan menggunakan uji Kolmogorov –
Tabel IV.48. Uji Kolmogorov – Smirnov (K-S)
Unstandardiz ed Residual
N 31
Normal Parameters a,b Mean .0000000
Std. Deviation 1.38647716
Most Extreme Absolute .146
Differences Positive .146
Negative -.114
Kolmogorov-Smirnov Z .814
Asymp. Sig. (2-tailed) .522
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Penelitian, 2010
Dari Tabel IV.48 di atas diketahui besarnya nilai Kolmogorov-Smirnov adalah 0,814 dan tidak signifikan pada 0,522. Hal ini berarti data residual berdistribusi normal atau model telah memenuhi asumsi normalitas.
IV.1.5.2. Hasil uji multikolinieritas hipotesis pertama
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 dapat dilihat pada Tabel IV.49 berikut:
Tabel IV.49. Hasil Uji Multikolinearitas Unstandardized Coefficients Standardized Coefficients Collinearity Statistics
Model B Std. Error Beta Tolerance VIF
1 (Constant) .415 6.053
Komunikasi .526 .178 .473 .540 1.851
Komitmen .505 .215 .378 .540 1.851
Sumber: Hasil Penelitian, 2010
Dari Tabel IV.49 di atas terlihat bahwa kedua variabel bebas yaitu: variabel komunikasi dan komitmen organisasi, 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.1.5.3. Hasil uji heteroskedastisitas hipotesis pertama
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 heteroskedastisitas. Model yang baik adalah tidak terjadi heteroskedastisitas.
Hasil pengujian heteroskedastisitas data dalam penelitian ini menggunakan alat Bantu SPSS dengan mengamati pola yang terdapat pada Sctterplots, hasilnya dapat dilihat pada Gambar IV.4 berikut ini:
-3 -2 -1 0 1 2 3 4
Regression Standardized Predicted Value
-3 -2 -1 0 1 2 3 4 R e g re s s io n Stu d e n ti z e d R e s id u a l
Dependent Variable: Prestasi Kerja Scatterplot
Sumber: Hasil Penelitian, 2010
Gambar IV.4. Hasil Uji Heteroskedastisitas
Dari Gambar IV.4 di atas terlihat bahwa titik-titik 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.
Selanjutnya, dilakukan uji statistik untuk menjamin keakuratan hasil. Adapun uji statistik yang digunakan untuk mendeteksi ada tidaknya heteroskedastisitas adalah uji Glesjer.
Tabel IV.50. Hasil Uji Glesjer Unstandardized Coefficients Standardized Coefficients Collinearity Statistics
Model B Std. Error Beta Tolerance VIF
1 (Constant) 2.706 4.322 .626 .536
Komunikasi -.077 .127 -155 -.608 .548
Komitmen .038 .153 .063 .247 .807
Sumber: Hasil Penelitian, 2010
Berdasarkan Tabel IV.50 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 heteroskedastisitas. Hal ini konsisten dengan hasil uji Scatter Plots.
IV.1.5.4. Hasil uji normalitas hipotesis kedua
Pengujian normalitas data bertujuan untuk menguji apakah model regresi antara variabel dependen dan variabel independen keduanya memiliki berdistribusi normal atau tidak, dalam hal ini dapat dilihat dengan menggunakan normal histogram dan p-plot. Data dalam keadaan normal apabila distribusi data normal yang tidak condong ke kiri dan ke kanan histogram. Selain dengan metode Grafik juga dapat digunakan analisis statistik dengan menggunakan pendekatan Kolmogorov-Smirov.
Hasil pengujian normalitas dengan menggunakan analisis Grafik dilihat pada Gambar IV.5 sebagai berikut:
-4 -3 -2 -1 0 1 2 Regression Standardized Residual 0 2 4 6 8 10 12 F req uen cy Mean = 6.82E-16 Std. Dev. = 0.966 N = 31
Dependent Variable: Komitmen Histogram
Sumber: Hasil Penelitian, 2010
Gambar IV.5. Uji Normalitas
Berdasarkan grafik di atas dapat disimpulkan bahwa distribusi data normal karena grafik histogram 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 data normal yang tidak menceng kanan maupun menceng kiri. Jadi, berarti Ho diterima yang berarti data residual berdistribusi normal.
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 E x p e c te d Cu m P ro b
Dependent Variable: Komitmen
Normal P-P Plot of Regression Standardized Residual
Sumber: Hasil Penelitian, 2010
Gambar IV.6. Uji Normalitas
Berdasarkan Gambar IV.6 dapat dilihat bahwa penyebaran data berada pada sekitar garis diagonal yang mengikuti garis arah diagonal, maka nilai residual tersandarisasi. Dengan demikian, model regresi hipotesis kedua tersebut memenuhi asumsi normalitas. Analisis statistik dengan menggunakan uji Kolmogorov –
Tabel IV.51. Uji Kolmogorov – Smirnov (K-S)
Unstandardiz ed Residual
N 31
Normal Parameters a,b Mean .0000000
Std. Deviation .95515002
Most Extreme Absolute .120
Differences Positive .083
Negative -.120
Kolmogorov-Smirnov Z .667
Asymp. Sig. (2-tailed) .765
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Penelitian, 2010
Dari Tabel IV.51 di atas diketahui besarnya nilai Kolmogorov-Smirnov adalah 0,667 dan tidak signifikan pada 0,765. Hal ini berarti data residual berdistribusi normal, dan hasilnya konsisten dengan uji sebelumnya.
IV.1.5.5. Hasil uji multikolinieritas hipotesis kedua
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 dapat dilihat pada Tabel IV.52 berikut:
Tabel IV.52. Hasil Uji Multikolinearitas
Unstandardized Coefficients
Collinearity Statistics
Model B Std. Error Tolerance VIF
1 (Constant) 9.287 3.761
Masa Kerja .725 .196 .711 1.407
Kepuasan Kerja .384 .109 .711 1.407
Sumber: Hasil Penelitian, 2010
Dari Tabel IV.52 di atas terlihat bahwa kedua variabel bebas yaitu: variabel masa kerja 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.
IV.1.5.6. Hasil uji heteroskedastisitas hipotesis kedua
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 heteroskedastisitas. Model yang baik adalah tidak terjadi heteroskedastisitas. Hasil pengujian heteroskedastisitas data dalam penelitian ini dengan mengamati pola yang terdapat pada Sctterplots, hasilnya dapat dilihat pada Gambar IV.7 berikut ini:
-4 -2 0 2 4
Regression Standardized Predicted Value
-4 -3 -2 -1 0 1 2 R e g re s s io n Stu d e n ti z e d R e s id u a l
Dependent Variable: Komitmen Scatterplot
Sumber: Hasil Penelitian, 2010
Gambar IV.7. Hasil Uji Heteroskedastisitas
Dari Gambar IV.7 di atas terlihat bahwa titik-titik 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.
Selanjutnya, dilakukan uji statistik untuk menjamin keakuratan hasil. Adapun uji statistik yang digunakan untuk mendeteksi ada tidaknya heteroskedastisitas adalah uji Glesjer.
Tabel IV.53. Hasil Uji Glesjer
Unstandardized Coefficients
Standardized Coefficients
Model B Std. Error Beta t Sig
1 (Constant) -.2.900 2.435 -1.191 .244
Masa Kerja .191 .127 .318 1.506 .143
Kepuasan Kerja .013 .070 .038 .183 .856
Sumber: Hasil Penelitian, 2010
Dari Tabel IV.53 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 heteroskedastisitas. Hal ini konsisten dengan hasil uji Scatter Plots.
IV.2. Pembahasan