BAB V ANALISIS DAN PEMBAHASAN
B. Pengujian Prasyarat
Uji normalitas bertujuan untuk menguji apakah dalam gejala- gajala yang
diteliti mempunyai distribusi normal. Uji normalitas dalam penelitian ini
menggunakan tes satu sampel Kolmogorov-Smirnov. Hipotesis yang digunakan
dalam uji One Sample Kolmogorov-Smirnov adalah sebagai berikut:
Ho = Distribusi data mengikuti berdistribusi normal
H1 = Distribusi data mengikuti tidak berdistribusi normal
Adapun kriteria yang digunakan dalam uji One Sample
Kolmogorov-Smirnov adalah sebagai berikut (Ghozali, 2004:31):
Jika nilai dari Asymp Sig (2-tailed) > a, maka Ho diterima, sebaliknya
Jika nilai dari Asymp Sig (2-tailed) < a, maka Ho ditolak.
Untuk mempermudah perhitungan data dan untuk mendapatkan hasil
perhitungan yang lebih akurat maka perhitungan dilakukan terhadap
menggunakan program SPSS. Adapun nilai sig dari masing- masing variabel
dalam penelitian adalah sebagai berikut:
Tabel 5.7
Hasil Perhitungan One Sample Kolmogorov-Smirnov Variabel Asymp
(2-tailed)
Keterangan Ho
Kesiapan mental kerja .087 P > a = 0,05 Ho diterima Praktek industri .381 P > a = 0,05 Ho diterima Bimbingan karir .287 P > a = 0,05 Ho diterima
Prestasi belajar .693 P > a = 0,05 Ho diterima Sumber : Data Primer yang diolah, Tahun 2006 (Lampiran hal 132)
Berdasarkan tabel tersebut di atas terlihat bahwa Asymp Sig (2-tailed)
dari masing- masing variabel bernilai lebih dari taraf signifikansi a = 0,05 atau
berlaku Asymp Sig (2-tailed) < a. Berdasarkan kriteria yang ada maka keempat
variabel yaitu, variabel kesiapan mental kerja, variabel praktek industri, variabel
bimbingan karir, dan variabel prestasi belajar berdistribusi normal.
2. Uji Linearitas
Uji linearitas dalam penelitian ini dilakukan terhadap menggunakan
analisis varians terhadap garis regresi yang diperoleh dari uji F. Harga F hitung
yang dihasilkan kemudian harga F tabel sebesar 3.95.
Adapun perumusan hipotesis adalah sebagai berikut:
Ho = Pengaruh antara variabel bebas terhadap variabel terikat linear
H1 = Pengaruh antara variabel bebas terhadap variabel terikat tidak linear
Untuk mempermudah perhitungan data dan untuk mendapatkan hasil
perhitungan yang lebih akurat maka perhitungan dilakukan terhadap
menggunakan program SPSS. Adapun nilai F hitung dari model pengaruh variabel
Praktek Industri, Bimbingan Karir, dan Prestasi Kerja Terhadap Kesiapan Mental
Kerja adalah sebesar 5,181 (Lampiran hal.130).
Dari hasil perhitungan terlihat bahwa harga F hitung dari model regresi
linear bernilai lebih dari F tabel. Berdasarkan kriteria yang ada maka ketiga
variabel bebas yaitu, variabel praktek ind ustri, bimbingan karir, dan prestasi
belajar secara serentak memiliki pengaruh linear terhadap variabel terikat
3. Uji Asumsi Klasik
a. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi
terjadi ketidaksamaan variance dari satu residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke
pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda
disebut Heteroskedastisitas. Uji Heteroskedatisitas pada penelitian ini
dilakukan terhadap menggunakan rumus korelasi dari Spearman.
Untuk mengetahui apakah terjadi masalah heteroskedastisitas
digunakan ketentuan sebagai berikut:
Jika Sig (2-tailed) > a = 0,05 maka tidak terjadi heteroskedastisitas
Jika Sig (2-tailed) < a = 0,05 maka terjadi heteroskedastisitas
Dari hasil perhitungan terhadap menggunakan program SPSS for
windows, maka diperoleh hasil sebagai berikut:
Tabel 5.6
Hasil Uji Heteroskedastisitas
Variabel Sig (2-tailed) Signifikansi Kesimpulan Praktek Industri Bimbingan Karir Prestasi Belajar 0,801 0,889 0,529 0,05 0,05 0,05 Homogen Homogen Homogen Sumber : Data Primer yang diolah, Tahun 2006 (Lampiran hal 133)
Berdasarkan hasil perhitungan terhadap menggunakan SPSS yang
tersaji pada Tabel 5.6 di atas, maka terlihat bahwa tidak terjadi
Heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas
b. Uji Multikolinearitas
Uji multikolinieritas digunakan untuk mengetahui ada tidaknya
korelasi antar va riabel independent dalam sebuah model regresi berganda.
Jika terjadi korelasi, maka terdapat problem multikolinieritas. Sebuah model
regresi yang baik, seharusnya tidak terjadi korelasi diantara variabel. Untuk
dapat mendeteksi ada tidaknya problem multikolinieritas pada sebuah model
regresi, dapat dilakukan terhadap melihat nilai Variance Inflation Factor
(VIF). Apabila VIF tidak melebihi 10 maka tidak terjadi gejala
multikolinearitas, tetapi jika VIF melebihi 10 maka terjadi multikolinearitas.
Tabel 5.7
Hasil nilai VIF (Variance Inflation Factor) Variabel Nilai VIF Kesimpulan Variabel praktek industri 1,013 Tidak Multikolinearitas Variabel bimbingan karir 1,036 Tidak Multikolinearitas Variabel prestasi belajar 1,031 Tidak Multikolinearitas Sumber : Data Primer yang diolah, Tahun 2006
(Lampiran hal 130 pada Tabel Coefficients pada kolom collinearity statistic)
Berdasarkan hasil perhitungan terhadap menggunakan SPSS, maka
diperoleh besarnya nilai dari VIF dari semua variabel bebas tidak memiliki
nilai VIF lebih besar dari 10. Nilai VIF dari variabel praktek industri sebesar
1,013, variabel bimbingan karir sebesar 1,036, dan variabel prestasi belajar sebesar 1,031. Ini menunjukkan bahwa tidak ada multikolinearitas antar
variabel bebas dalam model.
c. Uji Autokorelasi
Pengujian autokorelasi dilakukan untuk mengetahui terdapat tidaknya
korelasi berantai diantara faktor-faktor yang mengganggu secara berurutan. Autokorelasi merupakan suatu kondisi dimana variabel gangguan pada
periode tertentu berkorelasi terhadap variabel gangguan pada periode yang
lain. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu
berkaitan satu terhadap yang lain (Ghozali, 2004).
Untuk mengetahui ada atau tidaknya suatu autokorelasi, maka dapat
dilakukan terhadap uji statistik Durbin-Watson. Hipotesis yang digunakan
dalam uji statistik Durbin-Watson adalah:
H0 = tidak ada autokorelasi
H1 = ada autokorelasi
Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai
berikut:
Tabel 5.8
Keputusan Pengambilan Keputusan Uji Durbin-Watson Hipotesis nol Keputusan Syarat
Tolak 0 < d = dl Tidak ada autokorelasi positif
Tanpa keputusan dl = d = du Tolak 4-dl < d < 4 Tidak ada autokorelasi negatif
Tanpa keputusan 4-du = d = 4-dl Tidak ada autokorelasi positif
atau negatif Tidak ditolak
du < d < 4-du
Sumber : Ghozali, 2004 Lampiran 130
Dari hasil perhitungan terhadap menggunakan SPSS diperoleh nilai Durbin-Watson sebesar 1,997. Nilai Durbin-Watson tersebut selanjutnya akan
dibandingkan terhadap nilai tabel terhadap menggunakan nilai signifikansi
5%, terhadap jumlah sampel 88 (n) dan terhadap jumlah variabel independen
3 (k=3). Maka di tabel Durbin-Watson akan didapatkan nilai du dan dl yang
Terhadap demikian berlaku du < d < 4 – du, dimana du = 1,726, d =
1,997, dan 4 – du = 2,274. Maka dapat disimpulkan bahwa Ho yang
menyatakan bahwa tidak ada autokorelasi positif atau negatif tidak bisa
ditolak. Sehingga dapat disimpulkan tidak terdapat autokorelasi.