BAB III METODE PENELITIAN
3.9. Teknik Analisis Data
Teknik analisis data yang digunakan dalam penelitian ini adalah analisis jalur yang terdiri atas pengaruh langsung dan tidak langsung. Untuk mendapatkan nilai pengaruh langsung dan tidak langsung digunakan analisis jalur (path analysis) dengan variabel intervening. Variabel intervening merupakan variabel antara atau mediating, yang berfungsi memediasi hubungan antara variabel tidak bebas dengan variabel bebas.
Dengan demikian model analisis jalur yang terdapat dalam kerangka konsep dapat ditulis persamaan strukturnya sebagai berikut:
1). Persamaan substruktur 1: Y1 = py1.1 X1 + py1.2 X2+e1 Dimana: Y1 = Kepuasan Kerja X1 = Kepemimpinan X2 = Motivasi Kerja
py1.1 = Koefisien Jalur X1 py1.2 = Koefisien Jalur X2
2). Persamaan substruktur 2:
Y2 = py2.1X1 + py2.2X2 + py2.3Y1 + e2 Dimana: Y2 = Kinerja Y1 = Kepuasan Kerja X1 = Kepemimpinan X2 = Motivasi Kerja py2.1 = Koefisien Jalur X1 py2.2 = Koefisien Jalur X2 py2.3 = Koefisien Jalur Y1
e2 = Variabel yang tidak terungkap (error term)
Metode ini digunakan untuk mengetahui pengaruh kepemimpinan dan motivasi terhadap kinerja melalui kepuasan kerja. Pengaruh tersebut diuji dengan tingkat kepercayaan (confidence interval) 95% atau alpa = 0,05.
a). Substuktur 1 (1) Uji F (Simultan)
Pengujian hipotesis untuk uji serempak pada persamaan substruktur 1 adalah sebagai berikut:
Ho: b1, b2 = 0, artinya tidak terdapat pengaruh signifikan secara bersama-sama antara kepemimpinan dan motivasi kerja terhadap kepuasan kerja.
H1: b1, b2 < 0, artinya terdapat pengaruh yang signifikan secara bersama-sama antara kepemimpinan dan motivasi kerja terhadap kepuasan kerja.
(2) Uji Parsial (Uji t)
Pengujian hipotesis untuk uji parsial pada persamaan substruktur 1 adalah: Ho: b1 = 0, artinya tidak terdapat pengaruh positif dan signifikan antara
kepemimpinan terhadap kepuasan kerja.
H1: b1 > 0, artinya terdapat pengaruh positif dan signifikan antara kepemimpinan kerja terhadap kepuasan kerja.
Ho: b2 = 0, artinya tidak terdapat pengaruh positif dan signifikan antara motivasi kerja terhadap kepuasan kerja.
H1: b2 > 0, artinya terdapat pengaruh positif dan signifikan antara motivasi kerja terhadap kepuasan kerja.
b). Substruktur 2
(1) Uji Serempak (Uji F)
Pengujian hipotesis untuk uji serempak pada persamaan substruktur 2 adalah sebagai berikut:
Ho: b1, b2, b3 = 0, artinya tidak terdapat pengaruh signifikan secara bersama- sama antara kepemimpinan, motivasi kerja dan kepuasan kerja terhadap kinerja.
Ha: b1, b2, b3 < 0, artinya terdapat pengaruh yang positif dan signifikan secara bersama-sama antara kepemimpinan, motivasi kerja dan kepuasan kerja terhadap kinerja.
(2) Uji Parsial (Uji t)
Pengujian hipotesis untuk uji Parsial pada persamaan substruktur 2 adalah sebagai berikut:
Ho: b1 = 0, artinya tidak terdapat pengaruh positif dan signifikan antara kepemimpinan terhadap kinerja.
Ha: b1 > 0, artinya terdapat pengaruh positif dan signifikan antara kepemimpinan terhadap kinerja.
Ho: b1 = 0, artinya tidak terdapat pengaruh positif dan signifikan antara motivasi kerja terhadap kinerja.
Ha: b1 > 0, artinya terdapat pengaruh positif dan signifikan antara motivasi kerja terhadap kinerja.
Ho: b1 = 0, artinya tidak terdapat pengaruh positif dan signifikan antara kepuasan terhadap kinerja.
Ha: b1 > 0, artinya terdapat pengaruh positif dan signifikan antara kepuasan terhadap kinerja.
(3) Uji Asumsi Klasik
Uji asumsi klasik dalam penelitian ini dilakukan untuk mengetahui apakah sampel yang ditetapkan telah dapat dilakukan analisis dan melihat
serangkaian data, maka perlu dilakukan pengujian data. Untuk mendapatkan model regresi yang baik harus terbebas dari penyimpangan data yang terdiri dari multikolonieritas, heteroskedastisitas, dan normalitas. Cara yang digunakan untuk menguji penyimpangan asumsi klasik adalah sebagai berikut (Ghozali, 2006:42) (4) Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik memiliki distribusi data normal atau mendekati normal. Salah satu cara termudah untuk melihat normalitas adalah dengan melihat histrogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Artinya kriteria berdistribusi normal apabila tampilan grafiknya menunjukkan pola penyebaran disekitar garis diagonal dan mengikuti arah garis diagonal. (Ghozali, 2006:42).
Selanjutnya, pengujian normalitas dilakukan dengan melihat grafik normal plot. Kriteria pengujiannya, adalah sebagai berikut:
( a) Jika angka signifikan > 0,05 maka data mempunyai distribusi normal. (b) Jika angka signifikansi < 0,05 maka data tidak mempunyai distribusi normal. (5) Uji Multikolinearitas
Uji multikolinearitas digunakan untuk mengetahui apakah terdapat hubungan yang kuat (korelasi yang kuat) diantara variabel bebas. Variabel-
variabel bebas yang mempunyai hubungan tidak mungkin dianalisis secara terpisah pengaruhnya terhadap variabel terikat.
Pengaruhnya terhadap nilai taksiran :
(a) Nilai-nilai koefisien tidak mencerminkan nilai yang benar.
(b) Karena galat bakunya besar maka kesimpulan tidak dapat diambil melalui uji parsial.
(c) Uji parsial tidak dapat dipakai untuk menguji keseluruhan hasil taksiran.
(d) Tanda yang dihadapkan pada hasil taksiran koefisien akan bertentangan dengan teori.
Adanya multikolinearitas ditandai dengan: (a) Standard eror tidak terhingga;
(b) Tidak ada satupun t-statistik yang signifikan;
(c) Terjadi perubahan tanda atau tidak sesuai dengan teori; (d) R2 sangat tinggi.
Salah satu cara untuk mendeteksi gejala multikolinearitas adalah dengan melihat VIF (Variance Inflation Factor), bila nilai VIF < 10 maka dianggap tidak ada pelanggaran multikolinearitas, namun bila sebaliknya VIF > 10 maka dianggap ada pelanggaran multikolinearitas. Untuk mengetahui seberapa kuat atau seberapa parah kolinearitas (korelasi) antar sesama variabel bebas maka dapat dilihat dari matriks korelasi. Bila nilai matriks > 0,95, maka kolinearitasnya
adalah serius (tidak dapat ditolerir). Namun bila sebaliknya nilai matriks < 0,95, maka kolinearitas dari sesama variabel bebas masih dapat ditolerir.
(6) Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heterokedastisitas. Menurut Ghozali (2006:42) Model regresi yang baik adalah homoskedastisitas atau tidak terjadi heteroskedastisitas.
Dasar analisis:
(a) Jika ada pola tertentu, serta titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian, menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
(b) Jika tidak ada pula yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.