DEFINISI OPERASIONAL
9. Teknik Analisis Data
Teknik analisis data yang digunakan peneliti dalam melakukan penelitian ini adalah sebagai berikut :
1. Analisis Deskriptif
Analisis ini digunakan untuk mendapatkan gambaran tentang : a. Deskripsi Responden
Analisis deskripsi responden digunakan untuk memisahkan atau mengelompokan responden agar diperoleh gambaran mengenai umur, jenis kelamin, pendidikan terakhir.
b. Deskripsi Variabel
Analisis variabel digunakan untuk mendapatkan gambaran tentang variabel mean, modus, dan median. Dengan menggunakan prosedur sebagai berikut :
1) Menghitung nilai mean, median, dan modus untuk setiap variabel/obyek/item
2) Membuat kategori nilai mean dengan langkah sebagai berikut:
a. Menentukan skor maksimum dalam hal ini 5
b. Menentukan skor minimum dalam hal ini 1
c. Menentukan rentang kategori dengan cara skor maksimum – skor minimum dengan banyak alternatif jawaban (5). Dalam penelitian ini maka rentang kategorinya :
5−1
5 = 0,8 2. Analisis Regresi Linier Berganda
Model Regresi Linier Berganda disebut sebagai model yang baik jika memenuhi uji asumsi klasik. Oleh karena itu Uji Asumsi Klasik sangat diperlukan sebelum melakukan analisis regresi.
a. Uji Asumsi Klasik 1) Uji Normalitas.
Menurut Ghozali (2012:160), uji normalitas bertujuan apakah dalam model regresi variabel dependen dan variabel independen memiliki kontribusi atau tidak. Model regresi yang baik adalah yang memiliki residual yang terdistribusi secara normal. Dalam penelitian ini pengujian normalitas menggunakan rumus Kolmogorov-Smirnov, dalam hal ini untuk mengetahui apakah suatu data terdistribusi secara normal adalah jika signifikan (signisficance level) lebih dari 0,05 (sign
> 0,05).
2) Uji Multikolinieritas
Uji Multikolinieritas adalah pengujian yang dilakukan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (Ghozali, 2012: 105). Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas yaitu adanya hubungan linear antar variabel independen dalam model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolinearitas. Jika ada korelasi yang tinggi diantara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu. Salah satu cara untuk mendeteksi gejala multikolinearitas adalah dengan melihat nilai tolerance value atau Variance Inflation Factor (VIF) dengan kriteria jika tolerance value > 0,1 dan VIF < 10, maka disimpulkan tidak terjadi gejala multikolinearitas dan jika tolerance value < 0,1 dan VIF > 10, maka disimpulkan terjadi gejala multikolinearitas antar variabel pada model regresi.
3) Uji Heteroskedastisitas
Uji heteroskedastisitas adalah uji yang pada dasarnya bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain (Ghozali, 2012:139). Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika
berbeda disebut heteroskedastisitas. Sebuah model regresi dikatakan baik apabila terjadi homoskedastisitas dalam modelnya atau dengan kata lain tidak terjadi heteroskedastisitas. Dalam penelitian ini, peneliti melakukan uji heteroskedastisitas dengan uji Glesjer. Uji heteroskedastisitas dengan uji Glesjer dilakukan dengan cara meregresikan antara variabel independen dengan nilai absolute resdiualnya. Dasar pengambilan keputusan pada uji heteroskedastisitas adalah :
1. Jika nilai signifikansi > 0,05, kesimpulannya adalah tidak terjadi heteroskedastisitas.
2. Jika nilai signifikansi < 0,05, maka terjadi heteroskedastisitas.
4) Uji Linearitas
Menurut Sudjana (2003:331), uji linearitas dimaksudkan untuk menguji linear tidaknya data yang dianalisis. Uji linearitas digunakan untuk mengkonfirmasi apakah sifat linear antara dua variabel yang diidentifikasi secara teori sesuai atau tidak dengan hasil observasi yang ada. Dua variabel dinyatakan linear jika Sig. Deviation from Linearity pada tabel ANOVA lebih besar atau sama dengan taraf signifikansi yang dipakai (0,05).
b. Persamaan Regresi
1) Persamaan Regresi Linear Berganda
Analisis linier berganda adalah dimana variabel terikatnya (Y) dihubungkan atau dijelaskan lebih dari satu variabel, mungkin dua, atau tiga, dan seterusnya variabel bebas (X1, X2, X3,..., Xn) namun masih menunjukkan diagram hubungan yang linear. Penambahan variabel bebas ini diharapkan dapat lebih menjelaskan karakteristik hubungan yang ada walaupun masi saja ada variabel yang terabaikan.
Bentuk umum persamaan regresi linear berganda dapat dituliskan sebagai berikut.
Y = a + b1X1 + b2X2+ ...+ bnXn
Y : Variabel terikat b1, b2 : Koefisien regresi X1, X2 : Variabel bebas
a : Konstanta
c. Pengujian Hipotesis 1) Uji t
Uji t digunakan untuk menguji signifikansi hubungan antara variabel independen (X) dan variabel dependen (Y) secara parsial atau dapat dikatakan uji t pada dasarnya menunjukkan seberapa jelas satu variabel independen secara individual dalam menerangkan variasi-variasi dependen (Ghozali, 2012). Dalam melakukan uji t dilakukan prosedur sebagai berikut :
Merumuskan Hipotesis
a) Variabel Kepuasan Kerja
H0 ; β = 0, kepusan kerja karir secara parsial tidak berpengaruh terhadap minat pensiun dini
Ha ; β ≠ 0, kepuasan kerja secara parsial berpengaruh terhadap minat pensiun dini.
b) Variabel Pengembangan Karir
H0 ; β = 0, pengembangan karir karir secara parsial tidak berpengaruh terhadap minat pensiun dini
Ha ; β ≠ 0, pengembangan karir secara parsial berpengaruh terhadap minat pensiun dini.
Menentukan level of significance (α)
Dalam penelitian ini level of significance atau tigkat signifikansinya sebsar 0,05 (5%) dengan derajat bebas (df) = n-k dan n merupakan jumlah sampel penelitian, k merupakan jumlah variabel Independen.
Kriteria penerimaan dan penolakan hipotesis Sig. < 0,05 maka H0 ditolak, Ha diterima.
Sig. > 0,05 maka H0 diterima, Ha ditolak.
Membuat kesimpulan
a) Variabel Kepuasan Kerja
Jika H0 ditolak dan Ha diterima berarti kepuasan kerja secara parsial berpengaruh terhadap minat pensiun dini, begitu juga sebaliknya jika H0 diterima Ha ditolak berarti kepuasan kerja secara parsial tidak berpengaruh terhadap minat pensiun dini.
b) Variabel Pengembangan Karir
Jika H0 ditolak dan Ha diterima berarti pengembangan karir secara parsial berpengaruh terhadap minat pensiun dini, begitu juga sebaliknya jika H0 diterima Ha ditolak berarti pengembangan karir secara parsial tidak berpengaruh terhadap minat pensiun dini.
2) Uji F
Uji F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama- sama (simultan) terhadap variabel terikat, (Ghozali, 2012:98). Untuk melakukan pengujian distribusi F pada model regresi berganda, sebagai berikut :
a) Menentukan Formulasi Hipotesis
H0 : Kepuasan kerja dan pengembangan karir secara simultan tidak berpengaruh terhadap minat untuk melakukan pensiun dini pada karyawan PT Pertamina (PERSERO) Unit Pengolahan IV Cilacap.
Ha : Kepuasan kerja dan pengembangan karir secara simultan berpengaruh terhadap minat untuk melakukan pensiun dini pada karyawan PT Pertamina (PERSERO) Unit Pengolahan IV Cilacap.
b) Menentukan Tingkat Signifikansi
Dalam penelitian ini level of significance atau tingkat signifikansi yang digunakan adalah α = 5% atau 0,05.
c) Kriteria Pengujian
H0 ditolak dan Ha diterima jika Sig < α H0 diterima dan Ha ditolak jika Sig > α
d) Menarik Kesimpulan
(1) Jika H0 ditolak dan Ha diterima maka kepuasan kerja dan pengembangan karir secara bersama - sama berpengaruh terhadap minat untuk melakukan pensiun dini pada kayawan PT Pertamina (PERSERO) Unit Pengolahan IV Cilacap
(2) Jika H0 diterima dan Ha ditolak maka kepuasan kerja dan pengembangan karir secara bersama - sama tidak berpengaruh
terhadap minat untuk melakukan pensiun dini pada karyawan PT Pertamina (PERSERO) Unit Pengolahan IV Cilacap
45 BAB IV