BAB V HASIL PENELITIAN DAN PEMBAHASAN
5.1 Hasil Penelitian
5.1.2. Hasil Uji Kualitas Data
Meskipun instrumen-instrumen yang digunakan untuk mengukur
variabel-variabel dalam penelitian ini adalah adaptasi dari instrumen-instrumen penelitian
yang telah ada, pengujian kualitas data tetap perlu dilakukan karena penelitian ini
diterapkan pada unit analisis yang berbeda. Uji kualitas data ini dimaksudkan agar
keabsahan data yang digunakan dalam penelitian ini dapat dipertanggung
jawabkan secara ilmiah dan terbebas dari bias secara statistik. Pengujian kualitas
data dilakukan dengan uji validitas dan uji reliabitas pada tingkat signifikans 5%.
dan hasil penghitungan pada lampiran 6.
5.1.2.1. Uji Validitas Data
Penghitungan validitas dilakukan dengan menggunakan bantuan program
SPSS versi 19.0.Untuk mengetahui validitas pertanyaan dari setiap variabel
menurut Ghozali (2006) dapat digunakan dengan cara membandingkan nilai
ketentuan jika r hitung > r tabel dan nilai positif maka butir atau indikator tersebut
dinyatakan valid.
Berdasarkan hasil uji validitas data, nilai corrected item-total correlation >
rtabel sehingga dinyatakan valid.Nilai ttabel dilihat dari df : 30-2= 28, maka rtabel = 0,361. Hasil uji validitas data dapat dilihat pada tabel 5.6 dan 5.7 :
Tabel 5.6. Hasil Uji Validitas Konsep Balanced Scorecard
No Variabel Item Corrected Item-Total Correlation Kesimpulan
1 Perspektif Pelanggan (X1) 1 0.507 Valid 2 0.513 Valid 3 0.551 Valid 4 0.604 Valid 5 0.769 Valid 6 0.549 Valid 7 0.714 Valid 8 0.694 Valid 9 0.619 Valid 10 0.748 Valid 2 Perspektif Keuangan (X2) 1 0.429 Valid 2 0.618 Valid 3 0.645 Valid 4 0.651 Valid 5 0.470 Valid 6 0.407 Valid 7 0.555 Valid 8 0.379 Valid 9 0.425 Valid 10 0.492 Valid 3 Perspektif Proses Bisnis Internal (X3) 1 0.579 Valid 2 0.588 Valid 3 0.673 Valid 4 0.650 Valid 5 0.552 Valid 6 0.551 Valid 7 0.528 Valid 8 0.756 Valid 9 0.728 Valid 10 0.570 Valid 4 Perspektif Pembelajaran dan Pertumbuhan (X4) 1 0.513 Valid 2 0.509 Valid 3 0.573 Valid 4 0.626 Valid 5 0.800 Valid 6 0.568 Valid 7 0.680 Valid 8 0.697 Valid 9 0.596 Valid 10 0.725 Valid
Tabel 5.7.Hasil Uji Validitas Kinerja Pegawai
No Indikator Butir Corrected Item-Total
Correlation Kesimpulan 1 Tanggung Jawab 1 0.422 Valid 2 0.530 Valid 3 0.743 Valid 4 0.593 Valid 5 0.429 Valid 2 Kuantitas Kerja 1 0.626 Valid 2 0.779 Valid 3 0.808 Valid 4 0.738 Valid 5 0.389 Valid 3 Inisiatif 1 0.563 Valid 2 0.594 Valid 3 0.538 Valid 4 0.687 Valid 5 0.658 Valid 4 Kerjasama 1 0.557 Valid 2 0.467 Valid 3 0.791 Valid 4 0.682 Valid 5 0.572 Valid
Sumber: Hasil Penelitian, 2014 (lampiran 6)
5.1.2.2. Uji Reliabilitas Data
Uji reliabilitas dilakukan untuk mengukur handal atau tidaknya kuesioner
yang digunakan penelitian. Butir pertanyaan dikatakan reliable atau handal
apabila jawaban seseorang terhadap pertanyaan adalah konsisten . Suatu variabel
dikatakan reliable jika memberikan nilai cronbach alpha > 0.60 (Ghozali, 2006).
Tabel 5.8. Hasil Uji Reliabilitas Variabel
Variabel Cronbach’s
Alpha (α) Items N of Keterangan Konsep Balanced Scorecard
Perspektif Pelanggan (X1) 0.886 10 Reliabel Perspektif Keuangan (X2) 0.821 10 Reliabel Perspektif Proses Bisnis Internal (X3) 0.882 10 Reliabel Perspektif Pembelajaran dan Pertumbuhan (X4) 0.887 10 Reliabel
Kinerja Pegawai (Y)
Tanggung Jawab 0.766 5 Reliabel
Kuantitas Kerja 0.853 5 Reliabel
Inisiatif 0.808 5 Reliabel
Kerjasama 0.811 5 Reliabel
Sumber: Hasil Penelitian, 2014 (lampiran 6)
Dari hasil pengujian reliabilitas kuesioner konsep balanced scorecard dan kinerja pegawai tersebut dapat diketahui bahwa nilai Cronbach’s Alpha dari keseluruhan variabel yang diujikan lebih besar dari 0.60 Berdasarkan hasil uji ini
dapat disimpulkan bahwa seluruh variabel kuesioner dalam penelitian ini lolos
dalam uji reliabilitas dan dinyatakan reliable.
5.1.3. Hasil Uji Asumsi Klasik
Uji asumsi klasik merupakan persyaratan statistik yang harus dipenuhi
pada analisis regresi linear berganda. Pengujian statistik dengan analisis regresi
dapat dilakukan dengan pertimbangan tidak adanya pelanggaran terhadap
asumsi-asumsi klasik dan hasil uji asumsi-asumsi klasik terdapat pada lampiran 7. Asumsi-asumsi-asumsi
klasik tersebut antara lain sebagai berikut:
5.1.3.1. Uji Normalitas
Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi
data dengan bentuk lonceng. Kalau asumsi ini dilanggar maka uji statistik menjadi
tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau
tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogrov-Smirnov.
1. Analisis Grafik
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik
histogram, dan grafik normal p-p plot, yang membandingkan antara dua observasi
dengan distribusi yang mendekati distribusi normal. Hasil output SPSS terlihat
seperti Gambar 5.1 dan Gambar 5.2
Sumber: Hasil Penelitian, 2014 (data diolah)
Gambar 5.1.
Pengujian Normalitas Histogram
Berdasarkan grafik dapat disimpulkan bahwa distribusi data normal karena
Sumber: Hasil Penelitian, 2014 (data diolah)
Gambar 5.2
Pengujian Normalitas P-P Plot
Pada scatter P-P plot terlihat bahwa titik-titik menyebar disekitar garis
diagonal dan cenderung mengikuti arah garis diagonal. Hal ini menunjukkan
bahwa data yang dipergunakan dalam penelitian ini memenuhi asumsi normalitas
sehingga layak untuk diuji dengan model regresi.
2. Analisis Statistik
Untuk memastikan apakah data sepanjang garis diagonal berdistribusi
normal maka dilakukan uji Kolmogrov-Smirnov (K-S). Jika nilai sig probability
lebih besar dari 0,05 maka Ho ditolak dengan pengertian bahwa data yang
dianalisis berdistribusi normal. Demikian juga sebaliknya jika nilai sig probability
lebih kecil dari 0,05 maka Ho diterima dengan pengertian bahwa data yang
dianalisis tidak berdistribusi normal. Berikut ini pengujian normalitas yang
Sumber: Hasil Penelitian, 2014 (data diolah)
Berdasarkan Tabel 5.9, terlihat bahwa nilai Asymp.Sig.(2-tailed) adalah
0,833, ini berarti nilainya diatas nilai signifikan 5% (0.05). dengan kata lain
variabel residual tersebut berdistribusi normal.
5.1.3.2. Uji Multicollinearity
Gejala multikolinieritas dapat dilihat dari besarnya nilai Tolerance dan
VIF (Variance Inflation Factor), Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya, Tolerance
adalah mengukur variabilitas variabel independen yang terpilih yang tidak
dijelaskan variabel independen lainnya. Nilai yang dipakai untuk Tolerance > 0,1, dan VIF < 5, maka tidak terjadi multikolinieritas. Untuk pengujian
multikolinearitas dilakukan dengan menggunakan variance inflation factor (VIF). Data dikatakan tidak mengalami multikolinearitas apabila nilai VIF < 5 .
Berdasarkan Tabel 5.10, dapat terlihat bahwa semua data tidak terkena
multikolinieritas karena nilai VIF < 5 dan nilai Tolerance > 0,1 sehingga model
Tabel 5.9. Uji Kolmogrov Smirnov
Unstandardized Residual
N 122
Normal Parametersa,b Mean .0000000 Std. Deviation 4.00358846 Most Extreme Differences Absolute .056
Positive .034
Negative -.056 Kolmogorov-Smirnov Z .622 Asymp. Sig. (2-tailed) .833 a. Test distribution is Normal.
regresi layak dipakai untuk memprediksi kinerja pegawai berdasarkan masukan
variabel perspektif pelanggan,perspektif keuangan, perspektif proses bisnis
internal, perspektif pembelajaran dan pertumbuhan.
Tabel 5.10. Uji Multikolinieritas
Coefficientsa
Model Collinearity Statistics Tolerance VIF
1 (Constant)
Perspektif Pelanggan .506 4.853 Perspektif Keuangan .504 4.908 Perspektif Proses Internal .763 1.310 Perspektif Belajar dan Tumbuh .733 1.365
a. Dependent Variable: Kinerja Pegawai
Sumber : Hasil Penelitian 2014, (lampiran 7 )
5.1.3.3. Uji Heterokedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi
ketidaksamaan varians. Jika varians dari residual satu pengamatan kepengamatan
yang lain tetap, maka disebut homoskedastisitas dan jikaberbeda disebut
heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau
tidak terjadi heteroskedastisitas.Ada beberapa cara untuk mendeteksi ada atau
tidaknya heteroskedastisitas, yaitu:
1. Analisis Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di
atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas,
Sumber: Hasil Penelitian, 2014 (data diolah)
Gambar 5.3
Pengujian Heteroskedastisitas Scatterplot
Berdasarkan Gambar 5.3 dapat terlihat bahwa tidak ada pola yang
jelas,serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka
berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi.
2. Analisis Statistik
Pada penelitian ini juga digunakan uji glejser untuk mendeteksi ada atau
tidaknya heteroskedastisitas. Nilai signifikan untuk seluruh variabel independen
harus lebih besar dari 0,05 agar data tidak mengalami heteroskedastisitas.
Berdasarkan Tabel 5.11, dapat diketahui bahwa tidak satupun variabel bebas yang
dari probabilitas signifikansinya di atas tingkat kepercayaan 0,05 jadi disimpulkan
model regresi tidak mengarah adanya heteroskedastisitas.
Tabel 5. 11. Uji Glejser
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 7.270 3.170 2.293 .024 Perspektif Pelanggan .049 .113 .088 .439 .661 Perspektif Keuangan -.154 .108 -.285 -1.423 .157 Perspektif Proses Internal .022 .039 .057 .550 .583 Perspektif Belajar dan
Tumbuh
-.009 .041 -.022 -.210 .834 a. Dependent Variable: absut
Sumber: Hasil Penelitian, 2014 (lampiran 7)