BAB III METODE PENELITIAN
3.5 Jenis dan Sumber Data
3.1.2 Statistik Inferensial
Menurut Sugiyono (2008) statistik inferensial adalah teknik statistik yang digunakan untuk menganalisis data sampel dan hasilnya diberlakukan
untuk populasi. Penelitian ini menggunakan analisis jalur (path analysis) dan pengolahan data penelitian ini dibantu oleh SPSS versi 20.0
1. Uji Asumsi Klasik
Dalam melakukan uji asumsi klasik harus terlebih dahulu melakukan Uji Normalitas, Uji Multikolinieritas, dan Uji Heteroskedastisitas.
1. Uji Normalitas
Uji Normalitas data ini bertujuan untuk menguji apakah variabel pengganggu atau residual dalam model regresi berdistribusi normal. Normalitas data dapat dilihat dengan menggunakan uji normal kolmogorov-smirnov. Menurut Supardi (2013) langkah-langkah uji Kolmogorov – Smirnov adalah sebagai berikut :
a. Menentukan Hipotesis
H0 : data tidak berdistribusi normal H1,2,3,4,5 : data berdistribusi normal
b. Menyusun data dari yang terkecil ke yang terbesar c. Menyusun nilai frekuensi yang sama
d. Menghitung nilai proporsi
;
n = banyaknya datae. Menghitung proporsi kumulatif (Kp)
f. Transformasi nilai data mentah (X) ke dalam angka baku (Z) dengan formula :
g. Tentukan nilai Ztabel berdasarkan data angka baku (Zi) h. Hitung nilai |a2| = Kp – Ztabel (harga mutlak nilai a2) i. Hitung nilai |a1| = Kp – a2 (harga mutlak nilai a1) j. Cari a1 maximum sebagai amax
k. Lakukan pengujian hipotesis dengan cara membandingkan nilai a1 dengan Dtabel (nilai tabel Kolmogorov – Smirnov), dengan kriteria:
H0 diterima jika amax > Dtabel H0 ditolak jika amax ≤ Dtabel 2. Uji Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah ada korelasi antar variabel bebas dalam sebuah model regresi. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebasnya. Multikolinearitas dapat dilihat dari nilai tolerance dan variance inflation factor (VIF). Jika nilai tolerance > 0,10 dan nilai VIF < 10, maka model regresi tersebut bebas dari multikolinearitas (Ghozali, 2012). Menurut Supardi (2013) langkah-langkah uji Multikolinieritas adalah sebagai berikut :
a. Menentukan hipotesis
H0 : terjadi multikolinieritas antara variabel bebas H1,2,3,4,5 : tidak terjadi multikolinieritas antara variabel bebas b. Taraf signifikansi α = 5%
Persamaan 5 Rumus Uji Multikolinieritas d. Kriteria Uji
Jika nilai Tol ≥ 0,1 atau nilai VIF ≤ 10, H0 ditolak Jika nilai Tol ≤ 0,1 atau nilai VIF > 10, H0 diterima 3. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji terjadinya perbedaan varian residual suatu periode pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas. Dalam penelitian ini, uji yang dilakukan adalah untuk mendeteksi adanya heterokedastisitas adalah uji Glejser. Pengujian heterokedastisitas dengan uji Glejser dilakukan dengan cara meregresikan nilai absolut terhadap seluruh variabel independen mempunyai nilai t hitung yang tidak signifikan, maka dapat disimpulkan bahwa model penelitian tidak mengandung adanya heterokedastisitas.
Dasar pengambilan keputusan adalah :
Jika p > 0.05 maka H1,2,3,4,5 ditolak dan H0 diterima Jika p < 0.05 maka H1,2,3,4,5 diterima dan H0 ditolak 2. Uji F
Menurut Supardi (2013) langkah-langkah uji F adalah sebagai berikut : 1) Menentukan Hipotesis
H0 : Ry12345 = 0 HA : Ry12345 ≠ 0
2) Taraf signifikansi (α) 10% dan (k) 4 3) Statistik Uji
Persamaan 7 Rumus Uji F
4) Kriteria Uji
H0 diterima jika Fh < Ftabel H0 ditolak jika Fh > Ftabel 3. Uji T
Menurut Supardi (2013) langkah-langkah uji t adalah sebagai berikut : 1) Menentukan Hipotesis
H0 : tidak ada hubungan antara (X1) dengan (Y) setelah (X2, X3, X4, X5) dikendalikan.
H1,2,3,4,5 : ada hubungan antara (X1) dengan (Y) setelah (X2, X3, X4, X5) dikendalikan.
3) Statistik Uji
Persamaan 8 Rumus Uji T
4) Kriteria Uji
Jika thitung < ttabel, H0 diterima Jika thitung > ttabel, H0 ditolak 4. Uji Analisis Jalur
Langkah-langkah Analisis Jalur
1. Menyusun model kausal untuk menetapkan variabel yang merupakan penyebab yang mempengaruhi dan yang terdahulu yaitu secara teoritis: a. On-the-Job Training dan Off-the-Job Training terhadap Kepuasan
Kerja
b. Pengembangan dipengaruhi Kepuasan Kerja dan On-the-Job Training dan Off-the-Job Training.
Maka dibuatlah model :
Gambar 3.1 Analisis Jalur
On-the-Job Training (X1) Off-the-Job Training (X2) Job Satisfaction (Y) Pengembangan Technical Skill (Z) PX1Z PX1Y PX2Y PX2Z PYZ
Model ini dinyatakan dalam bentuk persamaan :
1.
2.
Atau bilamana dilakukan standarisasi :
Keterangan :
X1 = variabel on-the-job training X2 = variabel off-the-job training
Y = variabel kepuasan kerja
Z = variabel pengembangan technical skill PY1-PY2 Jalur 1 = koefisien regresi persamaan pertama PZ1-PZ3 Jalur 2 = koefisien regresi persamaan kedua
ε
1-ε
2 = kesalahan pengganggu 2. Menghitung kesalahan path secara langsung :Untuk satu arah/ satu jalur digunakan perhitungan regresi variabel yang dibakukan secara parsial pada masing-masing persamaan, maka dari perhitungan ini diperoleh koefisien path secara langsung. Sedangkan untuk pengaruh kesalahan pengganggu ditentukan sebagai berikut :
Persamaan 9 Rumus Kesalahan Path
3. Mencari pengaruh tidak langsung PTL1 = PX1Y × PYZ
PTL2 = PX2Y × PYZ
Artinya, pengaruh pengaruh tidak langsung on-the-job training dan off-the-job training terhadap pengembangan technical skill karyawan melalui kepuasan kerja.
Keterangan:
PTL1 = Pengaruh tidak langsung untuk on-the-job training terhadap pengembangan technical skill karyawan melalui kepuasan kerja.
PTL2 = Pengaruh tidak langsung untuk off-the-job training terhadap pengembangan technical skill karyawan melalui kepuasan kerja.
P1 = Pengaruh langsung on-the-job training terhadap kepuasan kerja.
P2 = Pengaruh langsung off-the-job training terhadap kepuasan kerja.
P3 = Pengaruh langsung on-the-job training terhadap pengembangan
P4 = Pengaruh langsung off-the-job training terhadap pengembangan
P5 = Pengaruh langsung on-the-job training dan off-the-job training terhadap pengembangan dengan kepuasan kerja sebagai variabel interval.
4. Pemeriksaan validitas model
Valid tidaknya analisis path bergantung pada terpenuhinya asumsi yang melandasi analisis path.
1) Salah satunya harus linier.
2) Hanya model rekursif (ada hubungan satu arah). 3) Variabel endogen harus skalanya interval.
4) Variabelnya diukur tanpa kesalahan.
5) Model yang dianalisis diidentifikasi dengan benar (berdasarkan teori dan konsep yang relevan).
Hipotesis Satatistik : H0 : Pijj = 0
Artinya tidak ada efek langsung yang signifikan dari variabel j ke i. H1 : Pij
Artinya ada efek langsung yang signifikan dari variabel j ke i.
Pengujian dilakukan pada tingkat signifikansi (level of significance), d = 10% dan statistik t dihitung dengan menggunakan rumus sebagai berikut:
Persamaan 10 Rumus Statistik t
Dimana : SE (Pij) Pij : Koefisien Path
Keputusan uji dilakukan dengan dua cara, yaitu : Jika t hitung > t tabel : H0 ditolak
Jika t hitung < t tabel : H0 diterima atau,
Probabilitas signifikansi > 0,1 : H0 diterima Probabilitas signifikansi < 0,1 : H1 diterima
Jika H0 ditolak berarti tidak ada efek langsung yang signifikan dari variabel j ke variabel i. Sedangkan validasi model di dalam analisis path dengan menggunakan koefisien determinasi total.
1) Koefisien determinasi total
Total keragaman data yang dapat dijelaskan oleh model diukur dengan Rm2 = 1 – Pe12 Pe22. Dalam hal ini interpretasi terhadap Rm2, sama dengan interpretasi koefisien determinasi (R2) pada analisis regresi.
2) Teory Triming
Uji koefisien path secara parsial menggunakan nilai p dari uji t, menghasilkan pengaruh variabel eksogen secara parsial terhadap variabel endogen. Hasilnya menunjukkan bahwa ada variabel eksogen yang tidak secara signifikan dari model yang dibangun. Hasil penghapusan terhadap variabel yang tidak signifikan dimaksudkan untuk menampilkan data empiris yang diperoleh melalui penelitian.