METODE PENELITIAN
K. Teknik Analisis Data
Keterangan:
rii = reliabilitas instrumen k = banyaknya butir pertanyaan Σσ2
= jumlah butir pertanyaan σ12 = varians total
Ketentuan yang berlaku adalah nilai alpha> 0,60; data kuesioner dapat dikatakan reliabel.
K. Teknik Analisis Data
Teknik analisis data yang digunakan dalam penelitian ini antara lain adalah sebagai berikut:
1. Uji Asumsi Klasik a. Uji Normalitas
Uji Normalitas digunakan untuk penelitian di mana data yang ada terdistribusi normal ataupun belum, yang dalam hal ini dilakukan pada variabel komunikasi (X), gaya kepemimpinan (Y), dengan variabel Kinerja Karyawan (Z). Metode uji normalitas yang digunakan oleh peneliti adalah
Dasar Pengambilan keputusan berdasarkan nilai Sig. :
Asymp. Sig. (2-tailed)> 0,05 ; data berdistribusi normal, maka H0 diterima.
Asymp. Sig. (2-tailed) ≤ 0,05 ; data berdistribusi tidak normal, maka H0 ditolak.
Selain itu, normal atau tidaknya suatu data, dapat juga terlihat pada grafik Normal P-P Plot. Suatu data dapat dikatakan normal jika data (titik) menyebar disekitar garis diagonal dan mengikuti garis diagonal pada grafik Normal P-Plot.
b. Uji Heteroskedastisitas
Menurut Wijaya (dalam Sarjono dan Julianita, 2011:66), heteroskedastisitas menunjukkan bahwa varians variabel tidak sama untuk semua pengamatan atau observasi. Pada penelitian ini, uji heteroskedastisitas menggunakan uji glejser dan uji scatterplot. Kriteria dari uji glejser adalah suatu variabel dikatakan tidak terjadi heteroskedastisitas atau disebut juga homokedastisitas jika nilai Sig. lebih besar dari 0,05. Kriteria dalam uji scatterplot adalah :
1) Titik-titik pada scatterplot menyebar secara acak, baik di bagian atas angka nol ataupun di bagian bawah angka nol dari sumbul vertikal atau sumbu Y, maka disimpulkan bahwa tidak terjadi heteroskedastisitas.
2) Titik-titik pada scatterplot menyatu secara teratur, baik di bagian atas angka nol ataupun di bagian bawah angka nol dari sumbul vertikal atau sumbu Y, maka disimpulkan bahwa terjadi heteroskedastisitas.
2. Analisis jalur (path analysis). Sarwono (2012:17), mengemukakan bahwa:
“Analisis jalur (path analysis) merupakan kepanjangan dari analisis regresi linier berganda, meski didasarkan sejarah terdapat perbedaan dasar antara path analysis yang bersifat independen terhadap prosedur statistik dalam menentukan hubungan sebab akibat; sedang regresi linier memang merupakan prosedur statistik yang digunakan untuk menganalisis hubungan sebab akibat yang dikaji.”
Model dalam path analysis yang digunakan dalam penelitian ini adalah model gabungan antara model regresi berganda dengan model mediasi. Model ini adalah penggabungan antara model regresi berganda dengan model mediasi, yaitu variabel X (Komunikasi) mempengaruhi variabel Z (Kinerja Karyawan) secara langsung, dan secara tidak langsung mempengaruhi variabel Z melalui perantara/penyela variabel Y (Gaya Kepemimpinan).
Analisis Regresi Linear Berganda adalah analisis hubungan antara dua variabel atau lebih secara linear, yaitu variabel X (Komunikasi) sebagai variabel indenpenden, variabel Y (Gaya Kepemimpinan)
sebagai intervening variable/variabel perantara, dan variabel Z (Kinerja Karyawan) sebagai variabel dependen. Langkah-langkahnya adalah sebagai berikut:
a. Membuat diagram jalur pengaruh antara X terhadap Y dan dampaknya terhadap Z.
Gambar III.1 Contoh Struktur Pengaruh X, Y, dan Z Persamaan strukturalnya adalah sebagai berikut:
1) Persamaan Struktur Z = ρzxX + ρzyY + ρzε Keterangan:
Z = Kinerja Karyawan Y = Gaya Kepemimpinan
ρzx = koefisien jalur X terhadap Z (ρ = √ ρzy = koefisien jalur Y terhadap Z (ρ = √
X Y
Z
ρzy
ρzx ρz
X = Komunikasi
ε2 = error kedua/variabel pengganggu dari kinerja karyawan ρz = koefisien jalur bagi variabel lain selain Z di luar
penelitian
H. Menghitung Persamaan Struktur Z = ρzxX + ρzyY + ρzε
Pada bagian ini, analisis dibagi menjadi dua, yaitu: 1) Pertama, melihat pengaruh secara parsial (individual)
Uji/pengaruh secara individu ditunjukkan oleh tabel Coefficients berikut (permisalan hasil output).
Tabel III.3
Contoh Tabel Coefficients Struktur Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) X Y -.104 .488 .394 .437 .206 .193 .373 .322 -.238 2.370 2.045 .813 .021 .045 a. Dependent Variable : Z
Langkah-langkah yang dapat dilakukan dalam pengujian secara individual dari variabel X, Y, dan Z adalah sebagai berikut: a) Pengujian secara individual antara variabel X dan variabel Z.
Langkah-langkahnya adalah sebagai berikut: (1) Uji t
Hipotesis
Ha1 : Variabel X mempengaruhi Z secara positif Dasar pengambilan keputusan
(a) thitung ≤ttabel : H01 diterima (Ha1 ditolak). (b) thitung >ttabel : H01 ditolak (Ha1 diterima).
Jika digunakan pendekatan Sig., dasar pengambilan keputusan adalah sebagai berikut:
(a) 0,05 ≤ Sig. , H01 diterima (Ha1 ditolak). Artinya tidak signifikan.
(b) 0,05 >Sig. , H01 ditolak (Ha1 diterima). Artinya signifikan.
b) Pengujian secara individual antara variabel Y dan variabel Z. Langkah-langkahnya adalah sebagai berikut:
(1) Uji t Hipotesis :
H02: Variabel Y tidak mempengaruhi Variabel Z secara positif.
Ha2 : Variabel Y mempengaruhi Variabel Z secara positif. Dasar pengambilan keputusan
(a) thitung ≤ttabel : H02 diterima (Ha2 ditolak). (b) thitung >ttabel : H02 ditolak (Ha2 diterima).
Jika digunakan pendekatan Sig., dasar pengambilan keputusan adalah sebagai berikut:
(a) 0,05 ≤ Sig. , H02 diterima (Ha2 ditolak). Artinya tidak signifikan.
(b) 0,05 > Sig. , H02 ditolak (Ha2 diterima). Artinya signifikan.
2) Pengaruh secara gabungan (simultan)
Untuk melihat pengaruh variabel X terhadap variabel Y secara simultan, dapat dilakukan dengan memperhatikan hasil perhitungan dalam tabel Model Summary berikut, khususnya nilai R Square. Berikut ini merupakan contoh hasil output Model Summary:
Tabel III.4
Contoh Tabel Model Summary Struktur Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .656a .430 .411 .61938
a. Predictors: (Constant), Y (Gaya Kepemimpinan), X (Komunikasi)
b. Dependent Variable : Z (Kinerja Karyawan)
Langkah selanjutnya untuk mengetahui besarnya ρzεadalah sebagai berikut:
a) Menghitung KD Rumus:
KD = R2 x 100% b) Menghitung (ρyε)
ρzε= √
c) Persamaan struktur serta bagan struktur dengan hasil koefisiennya, misalnya:
Z = 0,373 X + 0,322 Y + 0,755 ε Keterangan:
ρzx diperoleh dari Beta (koefisien) jalur variabel X terhadap variabel Z seperti yang tercantum pada Tabel Coefficient;
ρzy diperoleh dari Beta (koefisien) jalur variabel Y terhadap variabel Z seperti yang tercantum pada Tabel Coefficient;
ρz diperoleh dari perhitungan koefisien jalur bagi variabel lain di luar penelitian selain variabel X,variabel Ydan variabel Z.Berikut ini adalah contoh bagan struktur dengan hasil koefisien.
Gambar III.2
Contoh Struktur Pengaruh X, Y, dan Z dengan hasil koefisien
X Y
Z
0,322
0,373 0,755
Selanjutnya, untuk menguji tingkat signifikansi pengaruh variabel X dan variabel Y terhadap variabel Z, perhatikan tabel ANOVA berikut ini (permisalan hasil output).
Tabel III.5
Contoh Tabel ANOVA Struktur ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression Residual Total 16.814 22.251 39.065 2 58 60 8.407 .384 21.915 .000a
a. Predictors: (Constant), Y (Gaya Kepemimpinan), X (Komunikasi) b. Dependent Variable : Z (Kinerja Karyawan)
Hipotesis:
H0 : Variabel X dan variabel Y secara simultan tidak mempengaruhi variabel Z (Kinerja Karyawan).
Ha : Variabel X dan variabel Y secara simultan mempengaruhi variabel Z (Kinerja Karyawan).
Dasar pengambilan keputusan:
a) 0,05 ≤ Sig. , H0 diterima (Ha ditolak). Artinya tidak signifikan. b) 0,05 >Sig. , H0 ditolak (Ha diterima). Artinya signifikan.
Tabel III.5 berikut merupakan contoh rangkuman pengaruh variabel X dan variabel Y terhadap variabel Z secara langsung masupun secara tidak langsung berdasarkan SPSS. Berikut permisalan hasil outputnya.
Tabel III.6
Contoh Tabel Rangkuman Pengaruh Variabel X dan Y terhadap Variabel Z
Variabel KoefisienJalur
Pengaruh
Langsung TidakLangsung Total X terhadap Z 0,373 0,373 0,777 x 0,322 = 0,251 0,624
Y terhadap Z 0,322 0,322 - 0,322
Ε 0,755 0,755 - 0,755
(Sarwono dan Julianita, 2011:131-138)
Hipotesis:
H04: Variabel Y tidak memediasi pengaruh positif variabel X terhadap variabel Z
Ha4 : Variabel Y memediasi pengaruh positif variabel X terhadap variabel Z
Dasar pengambilan keputusan:
a) Jika pengaruh langsung variabel X terhadap variabel Z lebih besar daripada pengaruh tidak langsung variabel X terhadap Z melalui variabel Y, maka H04 diterima (Ha4 ditolak);
b) Jika pengaruh langsung variabel X terhadap variabel Z lebih kecil daripada pengaruh tidak langsung variabel X
terhadap Z melalui variabel Y, maka H04 ditolak (Ha4
66 BAB IV
GAMBARAN UMUM PERUSAHAAN