BAB I : PENDAHULUAN
F. Metodologi
5. Teknik Analisis Data
a. Penelitian Kuantitatif (Verifikatif)
Menurut Sugiyono (2010:31) analisis kuantitatif adalah
“Dalam penelitian kuantitatif analisis data menggunakan statistik. Statistik yang digunakan dapat berupa statistik deskriptif dan inferensial/induktif. Statistik inferensial dapat berupa statistik parametris dan statistik nonparametris. Peneliti menggunakan statistik inferensial bila penelitian dilakukan pada sampel yang dilakukan secara random. Data hasil analisis selanjutnya disajikan dan diberikan pembahasan. Penyajian data dapat berupa tabel, tabel ditribusi frekuensi, grafik garis, grafik batang, piechart (diagram lingkaran), dan pictogram. Pembahasan hasil penelitian merupakan penjelasan yang mendalam dan interpretasi terhadap data-data yang telah disajikan”.
1) Uji Instrumen Penelitian (uji Validitas dan Reliabilitas) Uji Validitas
Uji validitas yang digunakan dalam penelitian ini adalah validitas konstruk (Construct Validity). Menurut Jack R. Fraenkel (dalam Siregar 2010:163) validitas konstruk merupakan yang terluas cakupannya dibanding dengan validitas lainnya, karena melibatkan banyak prosedur termasuk validitas isi dan validitas kriteria. Uji Validitas digunakan rumus korelasi Product Moment sebagai berikut.
2 2 2 2 ) ( ) ( ) ( ) ( ) )( ( ) ( Y Y n X X n Y X XY n rxy Dimana:rxy = koefisien korelasi suatu butir/item N = jumlah subyek
X = skor suatu butir/item
Y = skor total (Arikunto, 2005: 72)
Nilai r kemudian dikonsultasikan dengan rtabel (rkritis). Bila rhitung dari rumus di atas lebih besar dari rtabel maka butir tersebut valid, dan sebaliknya.
Uji Reliabilitas
Definisi reliabilitas menurut Husein Umar (2000:135) Reliabilitas adalah suatu angka indeks untuk menunjukkan konsistensi suatu alat pengukur didalam mengukur gejala yang
sama. Setiap alat ukur seharusnya memiliki kemampuan untuk memberikan hasil yang konsisten.
Untuk melihat reabilitas masing-masing instrument yang digunakan, penulis mengemukakan koefisien cornbach’s alpha ( ) dengan menggunakan fasilitas SPSS versi 20. Suatu suatu instrument dikatakan reliabel jika nilai cornbach’s alpha ( ) lebih besar dari 0,6 yang di rumuskan:
A =
Keterangan :
A = Koefisien realibilitas K = Jumlah item reabilitas r = Rata-rata korelasi antar item 1 = Bilangan konstanta
Pemberian interpretasi terhadap reliabilitas variabel dapat dikatan reabel jika koefisien variabelnya lebih dari 0.60 (Nunnaly, 1967 dalam Imam Ghozali, 2007:42) dan umumnya digunakan patokan sebagai berikut:
a) Reabilitas uji coba ≥ 0.60 berarti hasil uji coba memiliki
reliabilitas baik.
b) Reabilitas uji cona < 0.60 berarti hasil uji coba memiliki reliabilitas kurang baik.
2) Persamaan Regresi
Menurut Siregar (2013:379), Regresi linier sederhana digunakan untuk memprediksi besaran nilai variabel terikat (dependent) yang dipengaruhi oleh variabel bebas (independent).Dalam penelitian ini, penulis menggunakan uji regresi sederhana, yang memiliki rumus persamaan regresi : Y = a + bX Keterangan : Y : Variabel terikat X : Variabel bebas a : nilai konstanta b : Koefisien regresi
a. Analisis Regresi Sederhana
Menurut Moh. Nazir (2011:459) analisis regresi sederhana
adalah “analisis yang menyangkut sebuah variabel independen dan sebuah variabel dependen.”
Regresi linear sederhana didasarkan pada hubungan fungsional ataupun kausal satu variabel independen dengan satu variabel dependen. Persamaan umum regresi sederhana menurut Sugiyono (2010:261) adalah:
Ŷ= α + βX
Dimana:
Ŷ = Subyek dalam variabel dependen yang diprediksikan
α = Konstanta atau harga Y bila X=0
β = Koefisien regresi yang menunjukkan angka peningkatan ataupun penurunan variabel dependen yang
didasarkan pada variabel independen. Bila β (+) maka naik, dan bila β (-) maka terjadi penurunan.
Menurut Sugiyono (2010:262) besarnya α dan β dapat
diketahui dengan menggunakan rumus sebagai berikut:
Dimana:
X = Variabel X Y = Variabel Y
α = Bilangan konstan
β = Koefisien arah garis regresi n = lamanya periode (tahun)
2 2 2 2 2 ) ( ) )( ( ) ( ) )( ( ) )( ( X X n Y X XY n X X n XY X X Y
b. Analisis Regresi Berganda (Simultan)
Moh. Nazir (2011:463) menjelaskan bahwa jika parameter dari suatu hubungan fungsional antara satu variabel dependen dengan lebih dari satu variabel ingin diestimasikan, maka analisis regresi yang dikerjakan berkenaan dengan regresi berganda (multiple regression). Persamaan umum regresi berganda menurut Sugiyono (2010:277) adalah:
Y = α + β1X1+ β2X2+ β3X3+ β4X4+ε
Dimana:
Y = Keputusan investasi aktiva tetap
α = Konstanta, merupakan nilai terkait yang dalam hal ini adalah Y pada saat variabel bebasnya adalah 0 (X1, X2, X3, X4 = 0)
β1 = Koefisien regresi berganda antar variabel bebas X1
terhadap variabel terikat Y, bila variabel bebas X2, X3, X4
dianggap konstan
β2 = Koefisien regresi berganda antar variabel bebas X2
terhadap variabel terikat Y, bila variabel bebas X1, X3, X4 dianggap konstan
β3 = Koefisien regresi berganda antar variabel bebas X3
terhadap variabel terikat Y, bila variabel bebas X1, X2, X4 dianggap konstan
β4 = Koefisien regresi berganda antar variabel bebas X4 terhadap variabel terikat Y, bila variabel bebas X1, X2, X3
dianggap konstan X1= Current Ratio X2= Debt Ratio
X3= Total Assets Turn Over X4= Return on Assets
ε = Faktor-faktor lain yang mempengaruhi variabel Y
Arti koefisien β adalah jika nilai β positif (+), hal tersebut
menunjukkan hubungan yang searah antara variabel bebas dengan variabel terikat. Dengan kata lain peningkatan atau penurunan besarnya variabel bebas akan diikuti oleh peningkatan atau penurunan besarnya variabel terikat.
Sedangkan jika nilai β negatif (-), menunjukkan hubungan yang berlawanan antara variabel bebas dengan variabel terikat. Dengan kata lain setiap peningkatan besarnya nilai variabel bebas akan diikuti oleh penurunan besarnya nilai variabel terikat, dan sebaliknya.
3) Uji Hipotesis
Rancangan pengujian hipotesis ini dinilai dengan penetapan hipotesis nol dan hipotesis alternatif, penelitian uji statistik dan perhitungan nilai uji statistik, perhitungan hipotesis, penetapan tingkat signifikan dan penarikan kesimpulan.
Hipotesis yang akan digunakan dalam penelitian ini berkaitan dengan ada tidaknya pengaruh variabel bebas terhadap variabel terikat. Hipotesis nol (Ho) tidak terdapat pengaruh yang signifikan dan Hipotesis alternatif (Ha) menunjukkan adanya pengaruh antara variabel bebas dan variabel terikat. Untuk menguji hipotesis, dapat menggunakan rumus berikut ini:
a. Uji t (Pengujian secara Parsial)
Uji t berarti melakukan pengujian terhadap koefisien regresi secara parsial. Pengujian ini dilakukan untuk mengetahui signifikansi peran secara parsial antara variabel independen terhadap variabel dependen dengan mengasumsikan bahwa variabel independen lain dianggap konstan. Sugiyono (2010:250) merumuskan uji t sebagai berikut:
2 1 2 r n r t Keterangan: t = Distribusi t n = Jumlah data
r = Koefisien korelasi parsial r2= Koefisien determinasi
t hasil perhitungan ini selanjutnya dibandingkan dengan ttable dengan menggunakan tingkat kesalahan 0,05. Kriteria yang digunakan sebagai dasar perbandingan sebagai berikut :
Ho diterima jika nilai –ttable < thitung < ttable
Ho ditolak jika nilai thitung > ttable atau thitung < -ttable
Bila terjadi penerimaan Ho maka dapat disimpulkan suatu pengaruh adalah tidak signifikan, sedangkan bila Ho ditolak artinya suatu pengaruh adalah signifikan.
b. Uji F (Pengujian secara Simultan)
Uji F adalah penguji an terhadap koefisien regresi secara simultan. Pengujian ini dilakukan untuk mengetahui pengaruh semua variabel independen yang terdapat di dalam model secara bersama-sama (simultan) terhadap variabel dependen. Uji F dalam penelitian ini digunakan untuk menguji signifikansi pengaruh Gaya kepemimpinan dan Kepuasan Kerja terhadap Intention To Leave secara simultan. Menurut Sugiyono (2010:257) rumus pengujian adalah:
R² / k F =
(1 – R²) / (n – k – 1)
Keterangan :
R²= Koefisien determinasi
k = Jumlah variabel independen n = Jumlah data atau kasus
F hasil perhitungan ini dibandingkan dengan Ftabel yang diperoleh dengan menggunakan tingkat resiko atau signifikan level 5% atau dengan degree freedom= n – k – 1 dengan kriteria sebagai berikut:
Ho diterima jika Fhitung < Ftabel
Jika terjadi penerimaan Ho, maka dapat diartikan sebagai tidak signifikannya model regresi berganda yang diperoleh sehingga mengakibatkan tidak signifikan pula pengaruh dari variabel-variabel bebas secara simultan terhadap variabel terikat.
4) Uji Keberartian Koefisien Korelasi
Analisis Korelasi : S u a t u t e k n i k s t a t i s t i k a ya n g d i gu n a k a n u n t u k m e n gu k u r k e e r a t a n h u b u n g a n a t a u k o r e l a s i a n t a r a d u a v a r i a b e l .
Di mana:
r : Nilai koefisien korelasi
X : Jumlah pengamatan variabel X
Y : Jumlah pengamatan variabel Y
XY : Jumlah hasil perkalian variabel X dan Y( 2
X ) : Jumlah kuadrat dari pengamatan variable X (
2)
X : Kuadrat dari jumlah pengamatan variabel X (
Y2) : Jumlah kuadrat dari pengamatan variabel Y (
Y)2 : Kuadrat dari jumlah pengamatan variabel Y n : Jumlah pasangan pengamatan Y dan X
2 2 2 2 n XY X Y r n X X n Y Y3) Uji Asumsi Klasik (Heterokedastis, Multikolineritas dan Autokorelasi)
a. Uji Heteroskedastisitas
Uji Heterokedastisitas untuk menguji apakah dalam model regresi terjadi kesamaan varian dari residual satu pengamatan ke pengamatan lainnya. Jika varians dari residual satu pengamatan-pengamatan lain tetap, maka disebut homoskedastisitas. Model regresi yang baik adalah homoskedastisitas.
Untuk menguji ada tidaknya masalah heteroskedastisitas pada model regresi yang diperoleh digunakan uji korelasi Rank Spearman (Gujarati, 2003:182). Rumus untuk mencari koefisien korelasi Spearman menurut Moh. Nazir (2011:453) adalah sebagai berikut:
Dimana:
di = beda antara 2 pengamatan berpasangan N = total pengamatan
ρ = koefisien korelasi Spearman
Selain uji korelasi Rank Spearman, salah satu cara untuk melihat adanya problem heterokedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel terikat
2 i 3 6 ∑ d N N 1 = ρ
(ZPRED) dengan residualnya (SRESID) (Tony Wijaya, 2012:124). Cara menganalisisnya:
- Dengan melihat apakah titik-titik memiliki pola tertentu yang teratur seperti bergelombang, melebar kemudian menyempit, jika terjadi maka mengindikasikan terdapat heterokedastisitas.
- Jika tidak terdapat pola tertentu yang jelas, serta titik-titik menyebar diatas dan dibawah angka 10 pada sumbu Y maka mengindikasikan tidak terjadi heterokedastisitas.
b. Uji Multikolinearitas
Uji multikolineritas digunakan untuk mengetahui apakah model regresi mempunyai korelasi antara variabel bebas. Model regresi yang baik tidak terjadi korelasi diantara variabel bebasnya. Jika variabel bebas saling berkorelasi, maka variabel-variabel tidak orthogonal, yaitu korelasi diantara variabel tidak nol. Uji multikolineritas dilakukan dengan melihat tolerance value dan variance inflation factor (VIF). Metode ini ditujukan untuk mendeteksi variabel-variabel mana yang menyebabkan terjadinya multikolinearitas, menurut Gujarati (2003:351) besar nilai
VIF dapat dihitung dengan rumus sebagai berikut :
VIF = 1
(1 - r2ij)
Dimana:
VIF = Variance Inflation Factor
rij = Besarnya korelasi antara variabel i dan variabel j Menurut Ghozali (2005:92), pedoman suatu model regresi yang bebas multikolinieritas adalah yang mempunyi nilai VIF disekitar angka 1 dan angka tolerance mendekati 1. Batas VIF adalah 10, jika nilai VIF dibawah 10, maka tidak terjadi gejala multikolinieritas atau sebaliknya.
c. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Beberapa uji statistik yang sering digunakan adalah uji Durbin-Watson, uji Run Test dan jika data observasi di atas 100 sebaiknya menggunakan uji Lagrange Multiplier.
Menurut Gujarati (2003:215) untuk memeriksa adanya autokorelasi, biasanya dilakukan uji statistic Durbin-Watson (DW) dengan rumus sebagai berikut:
D =
∑ (ûi - ûi-1)2
∑ ûi 2
Dimana:
ûi = Residual dari persamaan regresi periode i, sama dengan nilai nilai Yi – Ŷ atau deviasi nilai observasi dari
nilai peramalan.
ûi-1 = Residual dari persamaan regresi periode i-1, sebelum periode i.
Nilai statistik hitung diatas dibandingkan dengan nilai teoritisnya, dan kriteria pengambilan kesimpulannya sebagai berikut :
Jika DW < dL atau DW > 4 – dL, maka terdapat autokorelasi.
Jika dU < DW < 4 – dU, maka tidak terdapat autokorelasi.
Jika dL ≤ DW ≤ dU atau 4 – dU ≤ DW ≤ 4 – dL, uji Durbin Watson tidak menghasilkan kesimpulan yang pasti (inconclusive).
c. Penelitian Kualitative
Metode penelitian kualitatif sebagaimana yang diungkapkan Bogdan dan Taylor (L.J. Maleong, 2011:4) sebagai prosedur penelitian yang menghasilkan data deskriptif berupa kata - kata tertulis atau lisan dari orang - orang dan perilaku yang dapat diamati.