METODE PENELITIAN
L. Teknik Analisis Data
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 dan umumnya digunakan patokan sebagai berikut:
a. Reabilitas uji coba ≥ 0.60 berarti hasil uji coba memiliki reliabilitas baik.
b. Reabilitas uji coba < 0.60 berarti hasil uji coba memiliki reliabilitas kurang baik.
L. Teknik Analisis Data
1. Analisis Regresi Linear Berganda
Analisis regresi linear berganda digunakan untuk menaksir bagaimana keadaan (naik turunnya) variabel dependen, bila dua atau lebih varia-ble dependen sebagai faktor predictor dimanipulasi dinaik turunkan nilainya (Sugiyono, 2012:277). Dalam penelitian ini, teknik analisis
A =
linier berganda digunakan untuk mengukur pengaruh kepemimpinan, kompensasi, motivasi, dan disiplin terhadap kinerja pegawai.
Bila dijabarkan secara matematis bentuk persamaan dari regresi linier berganda adalah sebagai berikut:
Ŷ = a + b1X1 + b2X2 + b3X3+b4X4
Keterangan:
Y= Subyek dalam variabel dependen yang diprediksikan a = Konstanta, yaitu besarnya nilai Y ketika nilai X1X2X3X4=0 b1 = Koefisien regresi kepemimpinan
b2 = Koefisien regresi kompensasi b3 = Koefisien regresi motivasi b4 = Koefisien regresi disiplin X1 = Kepemimpinan
X2 = Kompensasi X3 = Motivasi X4 = Disiplin M.Uji Asumsi Klasik
Regresi linier berganda harus memenuhi asumsi-asumsi yang ditetapkan agar menghasilkan nilai-nilai koefisien sebagai penduga yang tidak bias. Uji asumsi klasik model regresi berganda menurut Sunyoto (2007:89):
1. Uji Multikolinieritas
Uji multikolinieritas diterapkan untuk analisis regresi berganda yang terdiri atas dua atau lebih variabel bebas (X1, X2, X3, X4..., Xn), dimana akan diukur tingkat asosiasi hubungan atau pengaruh antar variabel bebas tersebut melalui bearnya koefisien korelasi (r). Dikatakan terjadi multikolinieritas, jika koefisien korelasi antar variabel bebas lebih besar dari 0,60. Dikatakan tidak terjadi multikolinieritas jika koefisien korelasi antar variabel bebas lebih kecil atau sama dengan 0,60 (r 0,60). Atau dalam menentukan ada tidaknya multikolinieritas dapat digunakan cara lain yaitu dengan: a. Nilai tolerance adalah besarnya tingkat kesalahan yang
dibenarkan secara statistik (α).
b. Nilai variance inflation factor (VIF) adalah faktor inflasi penyimpangan baku kuadrat.
Nilai tolerance (α) dan nilai variance inflation fackot (VIF) dapat dicari dengan menggabungkan kedua nilai tersebt sebagai berikut: 1) Besar nilai tolerance (α):
A = 1/VIF
2) Besar nilai variance inflation factor (VIF): VIF = 1/α
Variabel bebas megalami multikolinieritas jika: α hitung < α dan VIF hitung > VIF. Variabel bebas tidak mengalami multikolinieritas jika: α hitung > α dan VIF hitung < VIF.
2. Uji Heteroskedastistas.
Dalam persamaan regresi berganda perlu juga diuji megenai sama atau tidak varians dan residual observasi yang satu dengan observasi yang lain. Jika residualnya mempunyai varians yang sama disebut terjadi homoskedastisitas. Persamaan regresi yang baik jika tidak terjadi heteroskedastisitas.
Untuk mengetahui permasalahan heteroskedastisitas pada suatu model regresi yang diperoleh dapat dilihat pada plot grafik yang terbentuk dari hubungan anatara variabel terikat dengan nilai residualnya. Heteroskedisitas akan muncul jika terdapat pola tertentu antara keduanya, seperti begelombang atau menyempit atau melebar antara keduanya. Sampel yang diambil bersifat homoskedastisitas apabila tidak diperoleh pola yang jelas atau titik-titik yang diperoleh menyabar diatas dan dibawah pada sumbu y. 3. Uji Normalitas.
Uji asumsi normalitas akan menguji data variabel bebas (X) dan data variabel terikat (Y) pada persamaan regresi yang dihasilkan. Berdistribusi normal atau berdistribusi tidak normal. Persamaan regresi dikatakan baik jika mempunyai data variabel bebas dan data variabel terikat berdistribusi mendekati normal atau normal sama sekali. Uji asumsi klasik normalitas dapat dilakukan dengan dua cara yaitu:
a. Cara Statistik
Dalam menguji data variabel bebas dan data variabel terikat berdistribusi normal atau tidak pada cara statistik ini melalui nilai kemiringan kurva (skewness = α3) atau nilai keruncingan kurvas (kurtosis = α4) diperbandingakan dengan nilai Z tabel. Dengan ketentuan:
1) Variabel bebas atau terikat berdistribusi normal jika Z hitung (Zα3 atau Zα4) < Z tabel.
2) Variabel bebas atau terikat berdistribusi tidak normal jika Z hitung (Zα3 atau Zα4) > Z tabel.
b. Cara Grafik Histogram atau Normal Probability Plots
Cara grafik histogram dalam menentukan suatu data berdistribusi normal atau tidak, cukup membandingkan antara dua riil atau nyata dengan garis kurva yang berbentuk. Jika data riil terbentuk garis kurva cenderung tidak simetri terhadap mean (U), maka dapat dikatakan data berdisribusi tidak normal atau sebaliknya. Cara normal probability plots lebih handal daripada cara grafik histogram, karena cara ini membandingkan data riil dengan data distribusi normal secara kumulatif. Suatu data dikatakan berdistribusi normal jika garis data riil mengikuti garis diagonal.
N. Uji F
Uji F digunakan untuk melihat apakah variabel independen secara bersama-sama mempunyai pengaruh yang signifikan terhadap variabel dependen. Bentuk pengujiannya adalah:
H0 : Kepemimpinan, kompensasi, motivasi, dan disiplin secara bersama - sama tidak berpengaruh terhadap kinerja karyawan.
Ha : Kepemimpinan, kompensasi, motivasi, dan disiplin secara bersama- sama berpengaruh terhadap kinerja karywan.
Hipotesis kemudian diuji untuk mengetahui diterima atau ditolak hipotesisnya. Pengujian hipotesis ditunjukan untuk menguji ada tidaknya pengaruh dari variabel bebas secara keseluruhan terhadap variabel dependen. Pengujian hipotesis dengan menggunakan Uji F atau yang biasa disebut dengan Analysis of varian (Anova).
Pengujian Anova atau Uji F bisa dilakukan dengan dua cara yaitu melihat tingkat signifikasi atau dengan membandingkan Fhitung dengan
Ftabel - pengujian dengan tingkat signifikasi pada tabel Anova < = 0,05 maka H0 ditolak (berpengaruh), sementara sebaliknya apabila tingkat signifikasi pada tabel Anova > = 0.05, maka H0 diterima (tidak berpengaruh).
Pengujian hipotesis menurut Sugiyono (2012:223) dapat digunakan rumus signifikasi korelasi ganda sebagai berikut:
F =
Keterangan:
R2 = Koefisiensi korelasi ganda K = Jumlah variabel independen N = Jumlah anggota sampel dk = (n-k-1) derajat kebebasan 1. Menentukan Ftabel df1 = jumlah variabel -1 df2 = n-k-2 Keterangan: n = jumlah sampel
k = jumlah variabel independen
df = degree of freedom/derajat kebebasan
2. Pengujian dengan membandingkan Fhitung dengan Ftabel dilakukan dengan ketentuan yaitu:
Kriteria Uji:
a. Jika Fhitung ≥ Ftabel pada = 5% maka H0 ditolak dan Ha diterima (berpengaruh).
b. Jika Fhitung < Ftabel pada = 5% maka H0 diterima dan Ha ditolak (tidak berpengaruh).
O. Uji t
Uji t digunakan untuk menguji apakah suatu variabel bebas berpengaruh atau tidak berpengaruh tehadap variabel tidak bebas.
Untuk mengethui apakah suatu variabel secara parsial berpengaruh nyata atau tidak, digunakan uji-t:
1. Menentukan tingkat signifikansi
Tingkat signifikansi menggunakan α = 5% (signifikansi 5% atau 0,05% adalah ukuran standar yang sering digunakan dalam penelitian)
2. Menentukan thitung dengan menggunakan SPSS atau rumus thitung (Priyatno, 2008:84):
√ √
Keterangan:
r = koefisien korelasi parsial k= jumlah variabel independen n= jumlah data
3. Menentukan ttabel
Tabel distribusi t dicari pada a = 5% (uji 2 sisi) dengan derajat kebebasan (df) n-k-2 (n adalah jumlah sampel dan k adalah jumlah variabel independen).
a. Kriteria pengujian
H0 ditolak dan Ha diterima jika thitung ≥ ttabel
b. Menarik kesimpulan
Jika H0 diterima dan Ha ditolak dapat disimpulkan bahwa kepemimpinan, kompensasi, motivasi, dan disiplin secara parsial tidak berpengaruh positif terhadap kinerja karyawan.
Jika H0 diterima dan Ha diterima dapat disimpulkan bahwa kepemimpinan, kompensasi, motivasi, disiplin secara parsial berpengaruh positif terhadap kinerja karyawan karyawan.