BAB IV. HASIL PENELITIAN DAN PEMBAHASAN
4.3 Uji Asumsi Klasik
Uji asumsi klasik ini dilakukan agar hasil penelitian ini dapat membentuk hasil yang BLUE (Best Linear Unbiazed Estimation) dan
varians minimum, sehingga hasil penelitian dapat digunakan sebagai estimasi untuk menggambarkan kondisi dari setiap variabel. Hasil uji asumsi klasik pada penelitian ini adalah sebagai berikut:
1. Uji Normalitas
Pengujian normalitas data penelitian adalah untuk menguji apakah dalam model statistik variabel – variabel penelitian berdistribusi normal atau tidak normal. Untuk menyakinkan pengujian normalitas ini penulis menggunakan uji Kolmogorov-Smirnov yang dapat dilihat pada Tabel 6.19 berikut ini:
1. Histogram
Hasil uji normalitas menggunakan histogram adalah sebagai berikut :
Gambar 4.2
Uji Normalitas Metode Histogram
Gambar 4.2 menunjukkan bahwa pada gambar kurva telah terbentuk seperti lonceng yang sempurna pada titik 0, dengan demikian dapat disimpulkan bahwa telah terdistribusi secara normal.
Berikutnya akan disajikan uji normalitas dengan menggunakan metode P-Plot sebagai berikut:
Gambar 4.3
Uji Normalitas Metode Normal P-Plot
Gambar 4.3 menunjukkan bahwa pada gambar kurva titik – titik yang merupakan representasi dari data telah mengikuti garis diagonalnya pada sumbu 0, dan tidak membentuk pola tertentu, dengan demikian dapat disimpulkan bahwa data telah terdistribusi secara normal.
Untuk meyakinkan pengujian normalitas ini penulis menggunakan uji Kolmograv – Smirnov yang dapat dilihat pada Tabel 4.8 berikut :
Tabel 4.8
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 40
Normal Parametersa Mean .0000000 Std. Deviation 2.48787450 Most Extreme Differences Absolute .093
Positive .065
Negative -.093
Kolmogorov-Smirnov Z .586
Asymp. Sig. (2-tailed) .882
a. Test distribution is Normal.
Untuk melihat uji normalitas menggunakan Kolmogorov-Smirnov ini, apakah data telah terdistribusi secara normal atau belum, dapat dilihat pada nilai Asymp.sig (2-tailed). Data akan dikatakan normal jika nilai Asymp.sig (2-tailed) lebih besar dari nilai alpha penelitian (0,05). Tabel 4.20 menunjukkan bahwa nilai Asymp.sig (2-tailed) adalah sebesar 0.882 lebih besar dari 0,05. Maka disimpulkan bahwa data telah terdistribusi secara normal, dengan demikian maka data dapat digunakan selanjutnya untuk mengestimasi kondisi setiap variabel penelitian.
4.3.2. Heteroskedastisitas
Uji heterokedastisitas untuk melihat apakah data – data yang ada telah terwakili secara merata. Kondisi yang baik adalah data – data yang dimiliki dalam penelitian ini harus terbebas dari masalah heterokedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroksiditas, yaitu :
Gambar 4.4.
Uji Heterokedastisitas Metode Scater Plot
Berdasarkan pada gambar 4.4 dapat dilihat bahwa tidak ada pola yang jelas, serta titik – titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka berdasarkan metode scater plot dapat disimpulkan tidak terjadi masalah heterokedastisitas.
2. Uji Glejser
Untuk melihat uji heterokedastisitas penelitian ini, dapat juga digunakan metode Glejser. Kriteria pengambilan kesimpulan pada uji ini adalh sebagai berikut.
a. Jika nilai sig > 0.05 maka tidak terjadi gangguan heterokedastisitas
b. Jika nilai sig < 0.05 maka terjadi gangguan heterokedastisitas
Tabel 4.9 yang merupakan hasil pengujian Uji Glejser dapat disajikan sebagai berikut :
Tabel 4.9
Pengujian Gejala Heteroskedastisitas
Model t Sig.
1 (Constant) -.761 .451 AktualisasiDiri .785 .438 Penghargaan .319 .752
Tabel 4.21 menunjukkan bahwa nilai signifikansinya adalah lebih besar dari 0.05. dengan demikian diketahui bahwa variabel bebas mempengaruhi variabel terikat tidak signifikan, sehingga dapat disimpulkan bahwa data telah terpenuhi asumsi heterokedastisitas atau dengan kata lain bahwa data telah terbebas dari masalah heterokedastisitas.
4.3.3. Uji Multikolinearitas
Uji ini dilakukan untuk melihat apakah pada setiap variabel terjadi suatu hubungan atau saling mempengaruhi. Dalam uji ini sebaiknya variabel bebas terbebas dari masalah multikolinearitas. Dalam melakukan pengujian Multikolinearitas digunakan pola
Tabel 4.10 Uji Multikolinearitas Model Collinearity Statistics Tolerance VIF 1 (Constant) AktualisasiDiri .322 3.105 Penghargaan .322 3.105
Pada Tabel 4.10 diketahui bahwa nilai VIF-nya adalah telah terbebas dari masalah Multikolinearitas. Hal ini diketahui bahwa nilai VIF Aktualisasi diri dan Penghargaan adalah sebesar 3.105. Nilai VIF setiap variabel telah menunjukkan nilai yang lebih kecil dibandingkan dengan nilai VIF standar yaitu 10. Ini menunjukkan bahwa variabel penelitian ini telah terbebas dari masalah Multikolinearitas.
4.4. Teknik Analisis Data
4.4.1. Analisis Regresi Linear Berganda
Memasukkan variabel penelitian ini ke dalam model bertujuan untuk melihat korelasi yang terbangun diantara variabel – variabel penelitian. Untuk mengetahui hubungan yang terbentuk di antara variabel penelitian ini, maka dapat dilihat pada Tabel 4.23 berikut ini:
Tabel 4.11
Asumsi Model Penelitian
Model Unstandardized Coefficients B Std. Error 1 (Constant) 6.667 3.472 AktualisasiDiri .748 .124 Penghargaan .953 .098
a. Dependent Variable: PrestasiKerja
Y = 6.667 + 0,748X1 + 0,953X2
Hubungan yang terbangun dalam model penelitian ini diketahui bahwa adanya hubungan yang positif dan searah antara variabel dan. Berdasarkan pada hasil asumsi regresi linear tersebut dapat diartikan sebagai berikut:
a. Jika variabel Aktualisasi Diri dan Penghargaan diasumsikan tidak mengalami perubahan atau sama dengan 0, maka Prestasi Kerja adalah sebesar 6.667 dengan asumsi variabel lainnya tetap.
b. Jika Aktualisasi Diri mengalami perubahan sebesar 1 satuan, maka akan diikuti dengan peningkatan pada Prestasi Kerja sebesar 0.748 satuan dengan asumsi variabel lainnya diasumsikan tetap.
c. Jika Penghargaan mengalami perubahan sebesar 1 satuan, maka akan diikuti dengan peningkatan pada Prestasi Kerja sebesar 0,953 satuan dengan asumsi variabel lainnya diasumsikan tetap.
4.4.2. Uji Simultan F (F-test)
Uji simultan dilakukan untuk menguji apakah Aktualisasi diri dan Penghargaan berpengaruh secara signifikan terhadap prestasi kerja. Hasil pengujian secara simultan dapat dilihat seperti pada Tabel 4.24 berikut ini: Tabel 4.12 ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 4611.984 2 2305.992 353.458 .000a
ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 4611.984 2 2305.992 353.458 .000a Residual 241.391 37 6.524 Total 4853.375 39 a. Predictors: (Constant), Penghargaan, AktualisasiDiri
b. Dependent Variable: PrestasiKerja
Tabel 4.12 menunjukkan bahwa nilai signifikansi adalah sebesar 0.000. Nilai signifikansi tersebut lebih kecil dibandingkan dengan nilai Alpha sebesar 0.05. Sehingga dapat disimpulkan bahwa secara bersama – sama Aktualisasi diri dan Penghargaan berpengaruh signifikan terhadap Prestasi Kerja Karyawan PT. Perkebunan Nusantara IV Medan.
4.4.3. Pengujian Parsial (Uji t)
Uji parsial dilakukan untuk menguji pengaruh antara setiap variabel bebas terhadap variabel terikatnya. Hasil uji parsial (uji t) untuk setiap faktornya dapat dilihat pada Tabel 4.25 berikut ini:
Tabel 4.13 Uji Parsial Model t Sig. 1 (Constant) 1.920 .063 AktualisasiDiri 6.019 .000 Penghargaan 9.740 .000
Berdasarkan pada kriteria pengambilan keputusan bahwa apabila nilai probabilitas < nilai alpha sebesar 0,05, maka hipotesis diterima dan sebaliknya, apabila nilai sig. probabilitas > nilai alpha sebesar 0,05,
Tabel 4.13 diketahui bahwa nilai signifikansi dari Aktualisasi diri (X1) adalah 0.000 nilai ini lebih kecil dari nilai alphanya yang sebesar 0.05. Dengan demikian dapat dinyatakan bahwa Aktualisasi diri memiliki pengaruh signifikan terhadap Prestasi Kerja Karyawan PT. Perkebunan Nusantara IV Medan. Selanjutnya diketahui bahwa nilai signifikansi dari Penghargaan (X2) adalah 0.000 nilai ini lebih kecil dari
nilai alphanya yang sebesar 0.05. Dengan demikian dapat dinyatakan bahwa Penghargaan memiliki pengaruh signifikan terhadap Prestasi Kerja Karyawan PT. Perkebunan Nusantara IV Medan.
4.4.4. Koefisien Determiasi
Untuk mengetahui seberapa besar variabel Aktualisasi Diri, dan Penghargaan mampu menjelaskan Prestasi Kerja karyawan di PT. Perkebunan Nusantara IV Medan, maka dilakukan penghitungan koefisiensi determinasi. Adapun hasil Koefisien determinasi dapat dilihat pada Tabel 4.26 berikut ini:
Tabel 4.14 Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .975a .950 .948 2.55423
a. Predictors: (Constant), Penghargaan, AktualisasiDiri b. Dependent Variable: PrestasiKerja
Berdasarkan pada Tabel 4.26 diketahui bahwa nilai R2 adalah sebesar 0.950 atau sebesar 95% ini mengartikan bahwa kemampuan dari Aktualisasi Diri dan Penghargaan dalam menjelaskan Prestasi Kerja
sedangkan sisanya sebesar 5% dijelaskan oleh variabel lainnya yang tidak dimasukkan ke dalam model penelitian ini.