BAB IV : ANALISIS DATA DAN PEMBAHASAN
LANDASAN TEORI
3.9 Teknik Analisis Data
Penelitian ini membahas mengenai keterkaitan hubungan atau suatu pengaruh antara variabel bebas, variabel intervening, dan variabel terikat. Dimana suatu variabel akan menjadi penyebab variabel lainnya jadi analisis yang digunakan dalam penelitian ini yaitu teknik analisis jalur (path analysis). Untuk membantu dalam menganalisis data, program SPSS versi 20 (Statistical Product and Service Solutions) versi 20 digunakan sebagai alat analisis dalam penelitian ini(Ghozali, 2016).
3.9.1 Uji Instrumen Penelitian 1. Uji Validitas
Validitas merupakan alat yang digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada
35
kuisioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuisioner tersebut (Ghozali, 2016). Untuk melakukan uji validitas dilihat dari tabel Item Total Statistics. Nilai tersebut dibandingkan dengan nilai r hitung > r tabel maka dikatakan valid.
2. Uji Reliabilitas
Reliabilitas merupakan alat untuk menguji kekonsistenan jawaban responden atas pertanyaan dikuisioner. Suatu kuesioner dikatakan reliabel jika jawaban seseorang terhadap pertanyaan adalah adalah konsisten atau stabil dari waktu ke waktu (Ghozali, 2016).
Untuk mengukur reliabilitas dari instrumen penelitian ini dilakukan dengan Cronbach’s Alpha. Uji reliabilitas dilakukan dengan metode one shot dimana pengukuran dilakukan hanya satu kali dan kemudian hasilnya dibandingkan dengan pertanyaan lain atau mengukur korelasi antar jawaban. Dalam pengukuran one shot akan dilakukan dengan analisis Cronbach’s Alpha. Menurut Ghozali (2016) bahwa mengklasifikasi nilai Cronbach’s Alpha sebagai berikut:
a. Nilai Cronbach’s Alpha antara 0,00 – 0,20 dikatakan kurang reliabel b. Nilai Cronbach’s Alpha antara 0,21 – 0,40 dikatakan agak reliabel c. Nilai Cronbach’s Alpha antara 0,41 – 0,60 dikatakan cukup reliabel d. Nilai Cronbach’s Alpha antara 0,61 – 0,80 dikatakan reliabel
3.9.2 Uji Asumsi Klasik
Sebelum melakukan analisis regresi, maka perlu dilakukan uji asumsi klasik terhadap variabel yang digunakan. Uji asumsi dilakukan dengan tujuan untuk mengetahui variabel-variabel menyimpang dari asumsi-asumsi klasik. Uji asumsi klasik meliputi Uji Normalitas, Uji Multikoleniaritas, Uji Autokorelasi, Uji Heteroskedastisitas:
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah distribusi suatu data normal atau tidak. Uji normalitas menjadi hal yang penting karena merupakan salah satu syarat untuk pengujian parametrik test, yaitu data yang harus memiliki distribusi normal(Sarjono dan Julianita, 2013).Dalam uji normalitas, peneliti menggunakan Sig. Dibagian Kolmogorov-Smirnov. Jika pada angka Signifikansi uji Kolmogorov-Smirnov menujukan angka Sig. > 0.05 maka menunjukan data berdistrisbusi normal. Sebaliknya, jika nilai signifikansi lebih kecil dari 0,05, maka data tersebut berdistribusi tidaknormal(Ghozali, 2016). Uji Kolmogorov-Smirnov dapat dibuat hipotesis :
H0 : Data berdistribusi normal HA: Data berdistribusi tidak norma 2. Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkolerasi, maka variabel-variabel ini tidak ortogonal. veriabel
37
independen yang nilai korelasi antar sesama variabel sama dengan nol (Ghozali, 2016).Untuk melihat ada atau tidaknya multikolonieritas di dalam model regresi dapat dilihat dari nilai tolerance dan lawannya, (VIF) variance inflation factor.
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen (terikat) dan diregres terhadap variabel independen lainnya.Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya (Ghozali, 2016).Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi (karene VIF 1/tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai Tolerance ≤ 0,10 atau sama dengan nilai VIF ≥ 10 (Ghozali, 2016).
3. Uji Heteroskedastisitas
Uji heteroskedastisitas berguna untuk menguji apakah didalam model regresi terjadi ketidak samaan variance dari residual satu pengamat kepengamat yang lain. Apabila variance dari residual satu pengamatan ke pangematan lain tetap, maka disebut Homokedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homokedastisitas atau tidak terjadi Heteroskedastisitas (Ghozali, 2016).
Untuk mendeteksi ada tidaknya heteroskedastisitas dalam penelitian ini menggunakan uji glejser. Uji glejser mengusulkan untuk meregres nilai absolut residual terhadap variabel independen (Ghozali, 2016)dengan persamaan regresi:
Jika diketahui variabel independen signifikan secara statistik yang berpengaruh terhadap variabel dependen, maka ada indikasi terjadi heteroskedastisitas. Sebaliknya, jika variabel independen tidak signifikan secara statistik atau signifikansinya diatas 5% maka model regresi tidak mengandung adanya heteroskedastisitas (Ghozali, 2016).
3.9.3 Uji Ketepatan Model (Goodness of Fit) 1. Koefisien Determinasi (R2)
Koefisien determinasi (R2) digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai kofisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-veriabel independen dalam menjelaskan variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen(Ghozali, 2016).
Para peneliti telah menganjurkan untuk menggunakan nilai Adjusted R Square untuk menentukan model regresi terbaik, karena nilai Adjusted R Square dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model. Koefisien determinasi dapat dilihat pada tabel Model Summary pada tabel Adjusted R Square. Besarnya nilai Adjusted R Square menunjukan seberapa besar variabel dependen dapat dijelaskan oleh variabel independen(Ghozali, 2016). 2. Uji signifikansi keseluruhan dari regresi sampel (Uji statistik F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas mempunyai hubungan yang bersama-sama dengan variabel
39
dependen atau terikat.Untuk menguji hipotesis ini digunakan uji statistik F dengan kriteria pengambilan keputusan apabila nilai signifikansi value F test < 0,05 maka model regresi dapat digunakan untuk memprediksi variabel dependen. Atau dapat dikatakan bahwa variabel-variabel independen secara bersama-sama berpengaruh terhadap variabel dependen atau dengan kata lain jika nilai F lebih besar dari 4 maka H0 dapat ditolak (Ghozali, 2016).
3.9.4 Uji Hipotesi (Uji statistik t)
Uji signifikansi t pada dasarnya untuk menguji seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Hipotesi nol (Ho) yang hendak diuji adalah apakah suatu parameter (bi) sama dengan nol, atau :
Ho : bi = 0
Artinya apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya (HA) parameter suatu variabel tidak sama dengan nol, atau :
HA : bi ≠ 0
Artinya, variabel tersebut merupakan penjelas yang signifikan terhadap variabel dependen.Kriteria pengambilan keputusan untuk uji statistik t adalah apabila nilai p-value t test < 0,05 maka hipotesis ditolak berarti variabel independen berpengaruh secara individual terhadap variabel dependen (Ghozali, 2016).
1. Analisis Jalur
Untuk menguji pengaruh variabel intervening digunakan metode analisis jalur (Path Analysis). Analisis jalur digunakan untuk menganalisis pola hubungan diantara variabel, yang bertujuan untuk mengetahui pengaruh langsung maupun tidak langsung (Sarjono dan Julianita, 2013). Analisis jalur menentukan pola hubungan antar tiga atau lebih variabel dan tidak dapat digunakan untuk mengkonfirmasi atau melolak hipotesis kasualitas imajiner (Ghozali, 2016)
Dalam penelitian ini hubungan antara variabel independen (Beban kerja), dengan variabel dependen (Kepuasan kerja) dan di mediasi oleh variabel stres kerja, digambarkan dengan model sebagai berikut ini:
Gambar 3.2 Hubungan antarvariabel
P1 P2
P3
a. P1: Pengaruh beban kerjaterhadap stres kerja b. P2: Pengaruh stres kerja terhadap kepuasan kerja c. P3: Pengaruh beban kerja terhadap kepuasan karyawan d. e : Eror
Kepuasan Kerja e
Beban Kerja
41
Menurut Sarjono dan Julianita (2013) diagram jalur diatas terdiri atas dua persamaan struktural, dimana Beban kerjamerupakan variabel eksogen dan stres kerjaserta kepuasan kerja merupakan variabel endogen. Berikut ini adalah persamaan structural dari diagram jalur diatas:
a. Stres kerja = α1+b1BK+e1 (untuk substruktural 1) b. Kepuasan kerja = α2+b2BK+b3SK+e2 (untuk substruktural 2)
3.9.5 Uji Deteksi Pengaruh Mediasi (Uji sobel)
Di dalam penelitian ini terdapat variabel mediasi (intervening), yaitu dalam hal ini adalah Stres kerja. Pengujian hipotesis pada mediasi dapat dilakukan dengan prosedur yang dikembangkan Sobel (1982) dalam Ghozali (2016)yang dikenal dengan uji sobel (Sobel test). Uji sobel dilakukan dengan cara menguji kekuatan pengaruh tidak langsung X(Beban kerja) ke Y (Kepuasan kerja) lewat adanya variabel mediasi M (Stres kerja). Dapat dihitung dengan cara mengalikan jalur:
1. X M (a)
2. M Y (b)
Jadi koefisien ab = (c-c’), dimana c adalah pengaruh X terhadap Y tanpa mengontrol M, sedangkan c’ adalah koeisien pengaruh X terhadap Y setelah mengontrol M. Standard error koefisien a dan b ditulis dengan Sa dan Sb, besarnya standard error pengaruh tidak langsung (indirect effect) Sab dihitung dengan rumus dibawah ini :
√
Untuk menguji signifikansi pengaruh tidak langsung, maka kita perlu menghitung nilai t dari koefisien ab dengan rumus sebagai berikut :
Nilai t hitung ini dibandingkan dengan nilai t tabel, jika nilai t hitung > nilai t tabel maka dapat disimpulkan terjadi pengaruh mediasi (Ghozali, 2016).