3. Uji Simultan (Uji F)
6.4 Analisis Statistik
6.4.1 Pengujian Asumsi Klasik
Pengujian statistik dengan analisis regresi berganda dapat dilakukan dengan pertimbangan tidak adanya pelanggaran terhadap asumsi-asumsi klasik. Asumsi-asumsi klasik tersebut antara lain:
a. Uji Normalitas Data
Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Jika asumsi ini dilanggar atau tidak dipenuhi maka uji statistik menjadi tidak valid. Hasil pengujian normalitas data ditunjukkan dalam Gambar 6.1.
Gambar 6.1 Grafik Normal P-P Plot
Tampilan grafik normal probability plot dapat disimpulkan bahwa pada grafik normal probability plot terlihat titik-titik menyebar di sekitar garis diagonal, dan penyebarannya tidak jauh dari garis diagonal. Sehingga grafik tersebut menunjukkan bahwa model regrasi tidak menyalahi asumsi normalitas.
b. Uji Multikolinearitas
Multikolinearitas adalah situasi adanya korelasi antara variabel-variabel independen antara yang satu dengan lainnya. Hasil uji gejala multikolinearitas disajikan pada Tabel 6.5.
Tabel 6.5 Hasil Uji Multikolinearitas
Coefficientsa
Collinearity Statistics
Model Tolerance VIF
1 (Constant)
Pendidikan .742 1.347
Pelatihan .493 2.027
Pengembangan .514 1.946
a Dependent Variable: Kinerja
Dari hasil pengujian di atas, dapat dilihat bahwa tidak terjadi gejala multikolinearitas antara variabel independen. Gejala multikolinearitas terjadi apabila nilai VIF (Variance Inflation Factor) lebih besar dari 5.
c. Uji Heteroskedastisitas
Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Pengujian heteroskedastisitas menggunakan alat analisis grafik (Scatterplot). Hasil pengujian gejala heteroskedastisitas disajikan dalam Gambar 6.2.
Gambar 6.2 Grafik Scatterplot
Berdasarkan gambar di atas terlihat bahwa titik-titik tersebar baik di atas maupun di bawah angka nol pada sumbu Y, maka dapat disimpulkan bahwa tidak terjadi gejala heteroskedastisitas.
Pendeteksian ada tidaknya heteroskedastisitas juga bisa dilakukan dengan menggunakan metode Glejser Test, yaitu dengan cara meregresikan nilai absolute residual terhadap variabel independen (Setyadharma, 2010).
Tabel 6.6 Hasil Uji Heterokedastisitas
Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t Sig. 1 (Constant) 6.765 2.987 2.265 .025 Pendidikan -.160 .042 -.382 -.777 .082 Pelatihan -.018 .053 -.043 -.347 .730 Pengembangan .161 .075 .262 .560 .171
Dari hasil perhitungan tersebut menunjukkan tidak ada gangguan heteroskedastisitas yang terjadi dalam proses estimasi parameter model penduga, dimana nilai signifikan (sig) lebih dari 0,05 (p > 0,05). Jadi secara keseluruhan dapat disimpulkan bahwa tidak ada masalah heteroskedastisitas. Sehingga data penelitian layak dilanjutkan pada analisis selanjutnya yaitu regresi berganda.
6.4.2 Pengujian Hipotesis a. Persamaan Regresi
Analisis multivariat dalam penelitian ini dilakukan untuk menguji hipotesis yang menyatakan pendidikan, pelatihan, dan pengembangan berpengaruh terhadap kinerja staf proyek pada Divisi Gedung Waskita. Pendekatan analisis yang digunakan dalam penelitian ini adalah analisis regresi linier berganda. Berdasarkan hasil pengolahan data, maka dapat diformulasikan model analisis yang digunakan dalam penelitian ini:
Kinerja=5.360 + 0.490 (Pendidikan) + 0.319 (Pelatihan) + 0.271 (Pengembangan) Hasil analisis data menunjukkan bahwa pada variabel independen yaitu pendidikan, pelatihan, dan pengembangan memberikan nilai positif terhadap kinerja staf proyek pada Divisi Gedung Waskita. Nilai koefisien pada variabel pendidikan, pelatihan, dan pengembangan menunjukkan bahwa setiap ada kenaikan pendidikan, pelatihan, dan pengembangan, maka kinerja staf proyek pada Divisi Gedung Waskita semakin meningkat.
Berdasarkan nilai koefisien regresi, diketahui bahwa variabel pendidikan adalah variabel yang paling dominan mempengaruhi kinerja staf proyek pada Divisi Gedung Waskita, dengan nilai koefisien regresi (nilai B) = 0.490.
b. Koefisien Determinasi
Hasil analisis koefisien determinasi dalam penelitian ini ditunjukkan pada Tabel 6.7.
Tabel 6.7 Koefisien Determinasi
Model R R Square Adjusted R Square
1 .781a .610 .600
a Predictors: (Constant), Pendidikan, Pelatihan, dan Pengembangan b Dependent Variable: Kinerja
Nilai R square atau koefisien determinasi yang terlihat pada tabel di atas adalah 0.610 artinya kemampuan variabel pendidikan, pelatihan, dan pengembangan dapat menjelaskan pengaruhnya terhadap variabel kinerja staf proyek pada Divisi Gedung Waskita sebesar 61.0%, sedangkan sisanya sebesar 39.0% dijelaskan oleh variabel-variabel lainnya yang tidak diteliti.
c. Uji Simultan (Uji F)
Hasil uji simultan (Uji F) ditunjukkan pada Tabel 6.8. Tabel 6.8 Uji Simultan (Uji F)
Model df Mean Square F hitung Sig.
1 Regression 3 1098.205 60.063 .001(a)
Residual 115 18.284
Total 118
a Predictors: (Constant), Pendidikan, Pelatihan, dan Pengembangan b Dependent Variable: Kinerja
Berdasarkan hasil pengujian secara serempak pada tabel di atas dapat diketahui nilai signifikansi = 0.001, hal ini berarti lebih kecil dari α=5%. Dengan
demikian dapat disimpulkan bahwa pendidikan, pelatihan, dan pengembangan secara serempak berpengaruh signifikan terhadap kinerja staf proyek pada Divisi Gedung Waskita.
d. Uji Parsial (Uji t)
Hasil pengolahan data terhadap kekuatan pengaruh pendidikan, pelatihan, dan pengembangan didalam mengestimasi kinerja staf proyek pada Divisi Gedung Waskita. ditunjukkan pada Tabel 6.9.
Tabel 6.9 Uji Parsial (Uji t)
Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t hitung Sig. 1 (Constant) 5.360 5.031 1.065 .289 Pendidikan .490 .071 .464 6.875 .001 Pelatihan .319 .089 .297 3.582 .001 Pengembangan .271 .126 .174 2.148 .034
a Dependent Variable: Kinerja
Berdasarkan tabel di atas dapat diketahui bahwa:
1) Pengaruh secara parsial dari variabel pendidikan terhadap kinerja staf proyek memiliki nilai signifikansi 0.001. Hal ini berarti lebih kecil dari α = 0,05.
Sehingga dapat disimpulkan bahwa secara parsial variabel pendidikan berpengaruh signifikan terhadap kinerja Staf Proyek. Dari persamaan regresi didapat koefisien pendidikan bernilai 0.490, hal ini menunjukkan bahwa pengaruh pendidikan searah dengan kinerja staf proyek pada Divisi Gedung Waskita.
2) Pengaruh secara parsial dari variabel pelatihan terhadap kinerja staf proyek memiliki nilai signifikansi 0.001. Hal ini berarti lebih kecil dari α = 0,05.
Sehingga dapat disimpulkan bahwa secara parsial variabel pelatihan berpengaruh signifikan terhadap kinerja staf proyek. Dari persamaan regresi didapat koefisien pendidikan bernilai 0.319, hal ini menunjukkan bahwa pengaruh pelatihan searah dengan kinerja staf proyek pada Divisi Gedung Waskita.
3) Pengaruh secara parsial dari variabel pengembangan terhadap kinerja Staf Proyek memiliki nilai signifikansi 0.034. Hal ini berarti lebih kecil dari α =
0,05. Sehingga dapat disimpulkan bahwa secara parsial variabel pengembangan berpengaruh signifikan terhadap kinerja Staf Proyek. Dari persamaan regresi didapat koefisien pengembangan bernilai 0.271, hal ini menunjukkan bahwa pengaruh pengembangan searah dengan kinerja staf proyek pada Divisi Gedung Waskita.
6.5 Pembahasan