BAB III METODE PENELITIAN
3.6 Metode Analisis Data
3.6.1 Uji Instrumen Penelitian a. Uji Validitas
Uji validitas adalah suatu derajat ketepatan antara data yang sesungguhnya terjadi dengan data yang dikumpulkan oleh peneliti.
Validitas sebagai salah satu derajat ketepatan atau keandalan pengukuran intrsumen mengenai isi pertanyaan ( Sugiyono, 2012:124). Teknik uji uji yang digunakan adalah teknik korelasi melalui koefisien korelasi Product Moment. Analisis faktor dilakukan
dengan cara mengkorelasikan jumlah skor faktor dengan skor total.
Bila korelasi tiap faktor tersebut positif dan besarnya 0,30 ke atas, maka faktor tersebut merupakan construct yang kuat. Jadi berdasarkan analisis faktor itu disimpulkan bahwa instrumen tersebut memiliki validitas konstruksi yang baik dengan rumus product moment dengan bantuan program SPSS 22. Hasil analisis perhitungan validitas butir (hitung r) dikonsultasikan dengan harga kritik r product momen, pada taraf signifikan 5 %. Jika rhitung > rtabel maka butir tersebut dikatakan valid. Sebaliknya, jika rhitung < rtabel maka butir tersebut dikatakan tidak valid.
b. Uji Reliabilitas
Uji reabilitas adalah sejauh mana hasil pengukuran dengan menggunakan objek yang sama akan menghasilkan data yang sama (Sugiyono,2012:130). Setelah instrumen penelitian tersebut dinyatakan valid, kemudian penulis melakukan uji reliabilitas terhadap instrumen-instrumen penelitian yang mencakup variabel-variabel yang diteliti dengan mengambil hasil jawaban dari responden yang dianggap valid. Tujuan uji reliabilitas adalah agar penelitian yang dilakukan konsisten dalam penelitian-penelitian serupa yang dilakukan. Jika r hitung > r tabel maka instrumen tersebut dinyatakan reliabel. Penelitian uji reliabilitas instrumen dengan menggunakan rumus Alpha Cronbach dengan bantuan program SPSS 22.
3.6.2 Uji Asumsi Klasik a. Uji Normalitas
Uji normalitas digunakan untuk menguji tingkat kenormalan distribusi variabel pengganggu atau residual dalam model regresi, variabel terikat, variabel bebas atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau penyebaran data statistik pada sumbu diagonal dari grafik distribusi normal (Ghozali, 2015).
Pengujian normalitas dalam penelitian ini digunakan dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari data normal. Sedangkan dasar pengambilan keputusan untuk uji normalitas data adalah (Ghozali, 2015):
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan distribusi normal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (Ghozali, 2015: 105). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Jika variabel bebas saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol. Untuk mendeteksinya yaitu dengan cara menganalisis nilai tolerance dan variance inflation factor (VIF).
Apabila nilai tolerance mendekati angka 1 dan VIF di bawah angka 10 maka regresi bebas dari multikolinieritas.
c. Uji Heteroskedastisitas
Heteroskedastisitas adalah kondisi di mana sebaran varian faktor atau disturbance tidak konstan sepanjang daerah observasi. Uji heteroskedastisitas digunakan untuk melihat sifat dari variance error.
Jika variance dari residual suatu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas. Sebaliknya, apabila berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Cara untuk mengtahui ada tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variable terikat (ZPRED) dan residualnya (SRESID). Deteksi terhadap heteroskedastisitas dapat
dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antar SRESID dan ZPRED dimana sumbu Y dan sumbu X yang telah diprediksi, sumbu X adalah residual (Y prediksi = Y sesungguhnya) yang telah di studentized. Dasar analisisnya dalah sebagai berikut:
1. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit). maka mengidentifikasikan telah terjadi heterokedastisitas.
2. Jika tidak ada pola yang jelas serta titik-titik yang menyebar di atas dan di bawah angka nol pada sumbu Y, maka tidak terjadi heterokesdastisitas (Ghozali, 2015)
3.6.3 Analisis Regresi Linear Berganda a. Persamaan Regresi Linear Berganda
Analisis regresi merupakan teknik statistik yang berguna untuk memeriksa dan memodelkan hubungan diantara variabel-variabel.
Analisis regresi linear berganda digunakan untuk mengetahui pengaruh atau hubungan secara linear antara dua atau lebih variabel independen dengan satu variabel dependen. Model persamaan regresi linear berganda yang digunakan dalam penelitian ini adalah sebagai berikut:
Y= a + b1 X1 + b2 X2
Keterangan:
Y = Koefisien Kinerja a = Kostanta
b1 = Koefisien pelatihan kerja b2 = Koefisien disiplin kerja X1 = Variabel pelatihan kerja X2 = Variabel Disiplin kerja
Untuk menilai ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari nilai statistik T, nilai statistik F dan nilai koefisien determinasi.
b. Uji T
Uji koefisien regresi secara parsial digunakan untuk menguji salah satu hipotesis di dalam penelitian yang menggunakan analisis regresi linier berganda. Uji T digunakan untuk mengetahui apakah secara parsial pelatihan kerja dan disiplin kerja berpengaruh secara signifikan atau tidak terhadap kinerja. Hasil dari uji T dapat dilihat pada tabel Coefficients pada kolom Sig dengan kriteria:
1. Apakah probabilitas < 0,05 maka dapat disimpulkan bahwa terdapat pengaruh antara variabel bebas terhadap variabel terikat secara parsial.
2. Apakah probabilitas > 0,05 maka dapat disimpulkan bahwa tidak terdapat pengaruh antara variabel bebas terhadap variabel terikat secara parsial.
c. Koefisien Determinasi
Koefisien determinasi pada intinya untuk mengukur seberapa jauh kemampuan sebuah model dalam menerangkan variasi variabel dependen (Imam Ghozali, 2009). Koefisien determinasi bertujuan untuk menentukan proporsi atau persentase total variasi dalam variabel terikat yang diterangkan oleh variabel bebas. Apabila analisis yang digunakan adalah regresi sederhana, maka yang digunakan adalah nilai R Square, namun jika analisis yang digunakan adalah regresi berganda, maka yang digunakan adalah Adjusted R Square.
43