METODE PENELITIAN
3.5 Teknik Analisis Data
Metode analisis data yang digunakan adalah metode analisis statistik dengan menggunakan program SPSS 16.0. Metode ini digunakan untuk mengumpulkan, menyajikan, menganalisis, menginterprestasikan data yang berwujud angka kemudian mengambil kesimpulan. Sebelum melakukan teknik analisis data digunakan uji asumsi klasik. Uji asumsi klasik adalah untuk
mengukur indikasi ada tidaknya penyimpangan data melalui hasil distribusi, korelasi, varians indikator-indikator variabel. Ada pun uji asumsi klasik yang digunakan dalam penelitian ini adalah:
3.5.1. Uji Asumsi Klasik 1) Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah data yang akan digunakan dalam model regresi berdistribusi normal (Ghozali, 2005:110). Uji normalitas data dilakukan dengan menggunakan One Sample Kolmogorov-Smirnov. Uji
kolmogorov ini dimaksudkan untuk menguji hipotesa ada atau tidak ada beda
antara dua buah distribusi, atau untuk menentukan apakah data dari masing-masing variabel telah terdistribusi dengan normal. Berdasarkan hasil yang didapat dengan menggunakan pengujian one sample kolmogorov-smirnov ini, akan diketahui pengujian apa yang akan digunakan selanjutnya untuk menguji hipotesis yang timbul dalam penelitian ini sebesar 5% atau 0,05. Hasil uji normalitas selengkapnya dapat dilihat dari nilai Kolmogorov Smirnov pada Tabel 3.6 berikut:
Tabel 3.6 Uji Normalitas Menggunakan Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N 62 Normal Parametersa Mean .0000000 Std. Deviation 1.49352818 Most Extreme Differences Absolute .072 Positive .061 Negative -.072 Kolmogorov-Smirnov Z .568 Asymp. Sig. (2-tailed) .903 a. Test distribution is Normal.
Tabel 3.6 menunjukkan nilai signifikansi One-Sample
Kolmogorov-Smirnov sebesar 0,903 angka tersebut lebih besar dari 0,05 yang artinya bahwa
variabel kepemimpinan dan lingkungan kerja terdistribusi dengan normal. Uji normalitas ini juga didukung dari hasil gambar grafik normal probability plot.
Apabila variabel berdistribusi normal maka penyebaran plot akan berada disekitar dan disepanjang garis 45 derajat. Hasil dapat dilihat pada lampiran.
2) Uji Multikolinieritas
Multikolinieritas adalah suatu keadaan dimana variabel-variabel independen dalam persamaan regresi memiliki hubungan yang kuat satu sama lain. Multikolinieritas dapat menyebabkan variabel-variabel independen menjelaskan varians yang sama dalam mengestimasikan variabel dependen. Uji ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Untuk mendeteksi adanya multikolinieritas dapat dilakukan dengan mencari besarnya Variance Inflation Factor (VIF) dan nilai
tolerance. Jika VIF kurang dari 10 dan nilai tolerance lebih dari 0.1 maka regresi bebas dari multikolinieritas. Hasil uji multikolinieritas selengkapnya pada Tabel 3.7 berikut :
Tabel 3.7 Uji Multikolinirietas
Coefficientsa Model Collinearity Statistics Tolerance VIF 1 Kepemimpinan .737 1.356 Lingkungan Kerja .737 1.356
Tabel 3.7 menunjukkan nilai VIF sebesar 1.356 (kurang dari 10) dan nilai tolerancenya sebesar 0.737 (lebih dari 0.1) sehingga dapat disimpulkan bahwa regresi bebas dari multikolinieritas.
3) Uji Heteroskedastisitas
Pengujian terhadap heteroskedastisitas dapat dilakukan melalui pengamatan terhadap pola scatter plot yang dihasilkan melalui SPSS 16.0. Apabila pola scatter plot membentuk pola tertentu, maka model regresi memiliki gejala heteroskedastisitas. Munculnya gejala heteroskedastisitas menunjukkan bahwa penaksir dalam model regresi tidak efisien dalam sampel besar maupun kecil. Jika tidak ada pola yang jelas dan titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y, maka dapat disimpulkan bebas heteroskedastisitas. Berikut hasil uji heteroskedastisitas dapat dilihat pada grafik scatterplots tabel 3.8 berikut :
Dari grafik scatterplots terlihat bahwa titik – titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi kinerja karyawan berdasarkan variabel independen kepemimpinan dan lingkungan kerja.
3.5.2 Uji Regresi Berganda
Regresi berganda digunakan untuk mengetahui pengaruh dua variabel bebas atau lebih terhadap variabel terikat, atau untuk meramalkan dua variabel bebas atau lebih terhadap variabel terikat (Nurgiyantoro, 2004:270).
Rumus Nurgiyantoro (2004:271) : Y = a + b1X1 + b2X2
Dimana : a = konstanta
b1= koefisien regresi untuk X1
b2= koefisien regresi untuk X2
Y = variabel terikat yaitu kinerja karyawan X1 = variabel bebas yaitu kepemimpinan X2 = variabel bebas yaitu lingkungan kerja 3.5.3 Uji Hipotesis
1. Uji t (Parsial)
Tujuan dari uji t adalah untuk melihat signifikansi dari pengaruh variabel independen secara individual terhadap variabel dependen dengan menganggap variabel lain bersifat konstan. Pengujian secara parsial ini digunakan untuk mengetahui pengaruh secara parsial antara variabel bebas dan terikat dengan
melihat nilai t pada taraf signifikansi 5%. t hitung diperoleh melalui bantuan program SPSS yaitu pada tabel coefficients. Model dikatakan signifikan jika nilai Sig. t ≤α. Apabila besarnya probabilitas signifikansi lebih kecil dari 0,05 maka H0 ditolak, sedangkan jika probabilitas signifikansi lebih besar dari 0,05 maka H0 diterima.
2. Uji F (Simultan)
Uji F digunakan untuk mengetahui pengaruh variabel-variabel independen (kepemimpinan dan lingkungan kerja) secara bersama-sama terhadap variabel dependen (kinerja). Pengujian dilakukan menggunakan tabel distribusi F dengan taraf signifikansi 5%. Nilai F hitung dapat diperoleh dengan menggunakan bantuan program SPSS yaitu dilihat pada tabel ANOVA. Model dikatakan signifikan jika Sig. F ≤α. Apabila besarnya probabilitas signifikansi lebih kecil dari 0,05 maka H0 ditolak, sedangkan jika probabilitas signifikansi lebih besar dari 0,05 maka H0 diterima.
3.5.4 Metode Analisis Deskriptif Presentase
Metode analisis deskriptif presentase digunakan untuk mengkaji variabel– variabel yang ada pada penelitian ini yang terdiri dari persepsi kepemimpinan, lingkungan kerja, dan kinerja. Metode ini menggunakan rumus sebagai berikut:
DP = × %
Keterangan :
DP = Deskriptif Persentase (%) n = Jumlah skor jawaban N = Jumlah skor total
Presentase maximal = × % = 100% Presentase minimal = × % = 20% Rentang = 100% - 20% = 80% Panjang kelas interval = 80% : 5 = 16%
3.5.5 Koefisien Determinasi
Digunakan untuk mengetahui seberapa besar varians dari variabel dependen dapat dijelaskan oleh variabel independen. R2 yang digunakan dalam penelitian ini adalah R2 yang mempertimbangkan jumlah variabel independen dalam suatu model atau disebut R2 yang telah disesuaikan (Adjusted-R2). Koefisien determinasi (R2) pada intinya mengukur kemampuan variabel independen dalam menjelaskan variabel dependen. Besarnya koefisien determinasi secara parsial variabel bebas terhadap variabel terikat dapat diketahui dari skor r2atau kuadrat partialcorrelation dari tabel coefficient.
Koefisien determinasi secara simultan diperoleh dari besarnya R2 atau
adjusted R square. Nilai adjusted R square yang kecil berarti kemampuan
variabel–variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. jika nilai R2mendekati 0, maka variasi dari variabel dependen tidak dapat dijelaskan oleh variabel independen sebaliknya nilai yang mendekati 1 berarti variabel–variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2006 : 83), dengan kata lain ini dari pengujian ini adalah mengukur seberapa jauh kemampuan model dalam menerangkan variabel dependen.
54 BAB IV
HASIL PENELITIAN DAN PEMBAHASAN