METODE PENELITIAN
2. Variabel Terikat ( dependen t)
3.5 Metode Analisis Data
⎪ ⎬ ⎫ ⎪⎩ ⎪ ⎨ ⎧ − ⎭ ⎬ ⎫ ⎩ ⎨ ⎧ − =
∑
2 2 11 1 1 t b k k r σ σ Keterangan: 11 r = reliabilitas instrumentk = banyaknya butir pertanyaan atau banyaknya soal
∑
2b
σ
= jumlah varians butir 2
t
σ
= varians total (Arikunto,2006:196)Berdasarkan hasi uji reliabilitas angket penelitian untuk varibel Kepemimpinan rhitung sebesar 0,78. Untuk variabel Motivasi Kerja rhitung sebesar 0,674. Dan untuk variabel Kinerja Karyawan rhitung sebesar 0,808. Dari ketiga variabel semua diperoleh rhitung > rtabel berarti angket tersebut reliable.
3.5 Metode Analisis Data
Setelah data terkumpul dari hasil pengumpulan data, maka dilakukan pengolahan data hasil penelitian untuk memperoleh suatu kesimpulan. Dalam penelitian ini metode analisis data yang digunakan adalah sebagai berikut :
3.5.1 Analisis Deskriptif Persentase
Analisis Deskriptif Presentase merupakan analisis data awal untuk mengetahui distribusi jawaban yang tercermin dari skor responden sehingga diketahui rata–rata skor minimal, skor maksimal dan jarak skor terendah dengan
skor tertinggi responden.Untuk penskoran dari tiap jawaban yang diberikan oleh responden, peneliti menentukan sebagai berikut :
a.Untuk jawaban Sangat tinggi responden diberi skor 5 b.Untuk jawaban tinggi responden diberi skor 4
c.Untuk jawaban kurang tinggi responden diberi skor 3 d.Untuk jawaban rendah diberi skor 2
e.Untuk jawaban Sangat rendah diberi skor 1
Untuk mengetahui secara tepat tingkat persentase skor jawaban digunakan rumus sebagai berikut:
% 100 N n %= x keterangan:
%= Nilai persentase atau hasil n = Nilai yang diperoleh N = Jumlah seluruh nilai(skor total)
Selanjutnya skor yang diperoleh (dalam %) dengan analisis deskriptif persentase dikonsultasikan dengan tabel kriteria yang disesuaikan dengan instrumen sebagai berikut:
Tabel 3.4. Kriteria Skor
No Presentase Kriteria 1 81% - 100% Sangat Baik 2 61% - 80% Baik 3 41% - 60% Cukup baik 4 21% - 40% Kurang baik 5 0% - 20% Tidak baik
Kriteria setiap variabel dalam penelitian ini menyesuaikan indikatornya dengan rentang skor kriteria yang sama. Persentase dalam kategorisasi skor responden menggunakan metode nilai mutlak pembulatan. Untuk persentase skor
≤ 0,5 maka persentase akan dibulatkan ke nilai bawah, sedangkan untuk persentase skor ≥ 0,6 maka persentase akan dibulatkan ke nilai atas.
3.5.2 Uji Asumsi Klasik
Model regresi yang baik harus memenuhi asumsi klasik. Uji asumsi klasik dimaksudkan untuk mengetahui apakah model regresi linear ganda yang digunakan untuk manganalisa dalam penelitian memenuhi asumsi klasik atau tidak. Pengujian asumsi klasik meliputi:
a. Uji Normalitas
Pengujian normalitas bertujuan untuk mengetahui apakah model regresi, variabel terikat dan variabel bebas mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki data normal atau mendekati normal. Untuk menguji normalitas dapat dilakukan dengan melihat histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal atau dengan cara melihat normal probanility plot dengan bantuan SPSS yang membandingkan distribusi komulatif dari disrtibusi normal. Disrribusi normal akan membentuk suatu garis lurus diagoanal dan plotting data akan dibandingkan dengan garis diagonal. Jika distribusi data adalah normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya (Ghozali, 2005:110).
b. Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model model regresi ditemukan adanya korelasi antara variabel bebas (independent). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Uji multikolinieritas digunakan untuk mengetahui adanya hubungan yang sempurna atau mendeteksi sempurna (koefisien korelasi hasilnya tinggi) bahkan satu di antara beberapa atau semua variabel indipendent yang menjelaskan model regresi (Ghozali, 2005:91).
c. Heteroskedastisitas
Menurut Ghozali (2005:69) berpendapat bahwa uji heteroskedastisitas bertujuan untuk mengetahui dan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residu satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Untuk mengetahui ada tidaknya gejala heteroskedastisitas dapat dilihat dengan grafik plot antara nilai prediksi variabel terikat (ZPRED) dengan residualnya (SRESID).
Deteksi terhadap ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot melalui bantuan SPSS antar prediksi variabel terikat dengan residualnya dimana sumbu Y adalah Y yang diprediksi dan sumbu X adalah residual (Y prediksi dikurangi Y yang sesungguhnya). Jika ada pola tertentu seperti titik yang membentuk suatu pola tertentu yang teratur maka telah terjadi heteroskedastisitas. Model yang bebas dari heteroskedastisitas memiliki
grafik scatterplot dengan pola titik-titik yang menyebar di atas dan di bawah sumbu.
3.5.3 Regresi Berganda
Metode ini digunakan untuk mengetahui persamaan regresi pengaruh kepemimpinan dan motivasi kerja terhadap kinerja karyawan pada PT. STARFOOD JAYA PRIMA KUDUS.
Regresi berganda digunakan untuk mengetahui pengaruh dua variabel bebas atau lebih terhadap variabel terikat, atau untuk meramalkan dua variabel bebas atau lebih terhadap variabel terikat (Nurgiyantoro, 2004:270).
Rumus Nurgiyantoro (2004:271) : Y = a + b1X1 + b2X2 Dimana : a = konstanta regresi
b1= koefisien regresi untuk X1 b2= koefisien regresi untuk X2
Y = variabel terikat yaitu kinerja karyawan X1 = variabel bebas yaitu kepemimpinan
3.5.4 Uji Hipotesis
1. Uji t (Parsial)
Tujuan dari uji t adalah untuk melihat signifikansi dari pengaruh variabel independen secara individual terhadap variabel dependen dengan menganggap variabel lain bersifat konstan. Pengujian secara parsial ini digunakan untuk mengetahui pengaruh secara parsial antara variabel bebas dan terikat dengan melihat nilai t pada taraf signifikansi 5%. t hitung diperoleh melalui bantuan
program SPSS yaitu pada tabel coefficients. Model dikatakan signifikan jika nilai Sig. t ≤α. Apabila besarnya probabilitas signifikansi lebih kecil dari 0,05 maka H0 ditolak, sedangkan jika probabilitas signifikansi lebih besar dari 0,05 maka H0 diterima.
2. Uji F (Simultan)
Uji F digunakan untuk mengetahui pengaruh variabel-variabel independen (kepemimpinan dan motivasi) secara bersama-sama terhadap variabel dependen (kinerja). Pengujian dilakukan menggunakan tabel distribusi F dengan taraf signifikansi 5%. Nilai F hitung dapat diperoleh dengan menggunakan bantuan program SPSS yaitu dilihat pada tabel ANOVA. Model dikatakan signifikan jika Sig. F ≤α. Apabila besarnya probabilitas signifikansi lebih kecil dari 0,05 maka H0 ditolak, sedangkan jika probabilitas signifikansi lebih besar dari 0,05 maka H0 diterima.
3.5.5 Koefisien Determinasi
Koefisien determinasi merupakan ukuran yang dapat dipergunakan untuk mengetahui besarnya pengaruh variabel bebas terhadap variabel tidak bebas. Koefisien determinasi juga digunakan untuk mengetahui persentase perubahan variabel independen secara bersama-sama dapat mempengaruhi variabel dependen. ( Ghozali, 2005 : 45).
1) Secara simultan
Pengaruh secara simultan merupakan pengaruh variabel independen secara bersama-sama terhadap variabel dependen. Besarnya pengaruh simultan dalam penelitian ini dapat diketahui dari besarnya adjusted R
square pada tabel model summaryb hasil uji dengan menggunakan program SPSS.
2) Secara parsial
Pengaruh secara parsial merupakan pengaruh variabel independen terhadap variabel dependen secara terpisah antara variabel independen satu dengan variabel independen yang lain . Pengaruh secara parsial dalam penelitian ini dapat diketahui dari besarnya r2yang diperoleh dari hasil kuadrat partial correlation pada tabel coefficient (a) hasil perhitungan dengan menggunakan progam SPSS.
59