BAB V : KESIMPULAN DAN SARAN
PENYEBARAN KUESIONER
C. Analisa Data
2. Pengujian Kualitas Data a.Uji Validitas
Teknik yang digunakan untuk mengukur validitas dalam penelitian
ini adalah dengan menggunakan Pearson’s Correlation Product Moment,
dengan cara mengkorelasikan antara skor masing-masing item pernyataan
dengan skor total item pernyataan tersebut. Instrumen dinyatakan valid
jika nilai probabilitas < 0,05 (
α
= 5%). Hasil uji validitas terhadap item pernyataan dari semua variabel yang digunakan ditunjukkan dalamtabel-tabel berikut.
Tabel 4.8
Hasil Uji Validitas Kompensasi
No.
Item Probabilitas Interpretasi
1 0,000 Valid 2 0,000 Valid 3 0,000 Valid 4 0,000 Valid 5 0,000 Valid 6 0,000 Valid 7 0,000 Valid 8 0,000 Valid 9 0,000 Valid 10 0,000 Valid 11 0,000 Valid
commit to user
Tabel 4.8 menunjukkan bahwa seluruh item pernyataan valid
karena nilai probabilitasnya < 0,05. Kesimpulannya, seluruh item
pernyataan dalam instrumen kompensasi adalah valid.
Tabel 4.9
Hasil Uji Validitas Motivasi Kerja A
No.
Item Probabilitas Interpretasi
1 0,000 Valid 2 0,000 Valid 3 0,000 Valid 4 0,001 Valid 5 0,000 Valid 6 0,000 Valid 7 0,000 Valid 8 0,000 Valid 9 0,000 Valid 10 0,000 Valid 11 0,000 Valid
Sumber : Output SPSS diolah
Tabel 4.10
Hasil Uji Validitas Motivasi Kerja B
No. Item Probabilitas Interpretasi
1 0,000 Valid 2 0,000 Valid 3 0,000 Valid 4 0,000 Valid 5 0,000 Valid 6 0,000 Valid 7 0,000 Valid 8 0,000 Valid 9 0,000 Valid 10 0,000 Valid 11 0,000 Valid
commit to user
Tabel 4.9 menunjukkan bahwa seluruh item pernyataan valid
karena nilai probabilitasnya < 0,05. Kesimpulannya, seluruh item
pernyataan dalam instrumen motivasi kerja bagian A adalah valid.
Tabel 4.10 menunjukkan bahwa seluruh item pernyataan valid
karena nilai probabilitasnya < 0,05. Kesimpulannya, seluruh item
pernyataan dalam instrumen motivasi kerja bagian B adalah valid.
Tabel 4.11
Hasil Uji Validitas Motivasi Kerja C
No.
Item Probabilitas Interpretasi
1 0,000 Valid 2 0,000 Valid 3 0,000 Valid
Sumber : Output SPSS diolah
Tabel 4.12
Hasil Uji Validitas Kinerja
No.
Item Probabilitas Interpretasi
1 0,001 Valid 2 0,000 Valid 3 0,000 Valid 4 0,000 Valid 5 0,000 Valid 6 0,000 Valid 7 0,000 Valid 8 0,000 Valid 9 0,000 Valid 10 0,000 Valid 11 0,000 Valid 12 0,000 Valid 13 0,000 Valid 14 0,000 Valid 15 0,000 Valid
commit to user
Tabel 4.11 menunjukkan bahwa seluruh item pernyataan valid
karena nilai probabilitasnya < 0,05. Kesimpulannya, seluruh item
pernyataan dalam instrumen motivasi kerja bagian C adalah valid.
Tabel 4.12 menunjukkan bahwa seluruh item pernyataan valid
karena nilai probabilitasnya < 0,05. Kesimpulannya, seluruh item
pernyataan dalam instrumen kinerja adalah valid.
b. Uji Reliabilitas
Uji reliabilitas dalam penelitian ini dilakukan dengan uji statistik
Cronbach Alpha dari masing-masing instrumen dalam satu variabel. Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai
Cronbach Alpha > 0,60 (Nunnally, 1967 dalam Ghozali, 2006: 42). Hasil pengujian reliabilitas dalam penelitian ini disajikan dalam Tabel 4.13
berikut.
Tabel 4.13 Hasil Uji Reliabilitas
Variabel Cronbach
Alpha Interpretasi
Kompensasi 0,787 Reliabel Motivasi Kerja Bagian A 0,649 Reliabel Motivasi Kerja Bagian B 0,814 Reliabel Motivasi Kerja Bagian C 0,715 Reliabel
Kinerja 0,870 Reliabel
Sumber : Output SPSS diolah
Dari hasil uji reliabilitas di atas diperoleh koefisien Cronbach’s
commit to user
variabel motivasi kerja bagian A; (3) 0,814 untuk variabel variabel
motivasi kerja bagian B; (4) 0,715 untuk variabel motivasi kerja bagian
C; (5) 0,870 untuk variabel kinerja. Berdasarkan kriteria Nunnally (1967)
dalam Ghozali (2006: 42), maka instrumen yang digunakan dalam
penelitian ini dapat dikatakan reliabel karena nilai Cronbach’s Alpha >
0,60. Hal tersebut berarti bahwa konstruk pernyataan yang diberikan
dalam variabel kompensasi, motivasi, dan kinerja, adalah reliabel
sehingga setiap item pernyataan dalam kuesioner tersebut dapat
digunakan dalam pengukuran.
c. Uji Asumsi Klasik 1) Uji Normalitas
Uji normalitas dalam penelitian ini dilakukan dengan uji statistik
non-parametrik One Sample Kolmogorov-Smirnov Test. Pengambilan
keputusan dilakukan dengan membandingkan p value yang diperoleh
dari hasil pengujian normalitas dengan tingkat signifikansi yang
ditentukan yaitu sebesar 0,05. Data dikatakan terdistribusi secara
normal jika p value > α 0,05, begitu juga sebaliknya.
Hasil pengujian One Sample Kolmogorov-Smirnov Test seperti
terlihat dalam Tabel 4.14, menunjukkan bahwa nilai probabilitas (p
value) residual dalam penelitian ini memliki nilai lebih besar dari
0,05, yaitu sebesar 0,566. Hal ini berarti bahwa data residual
commit to user Tabel 4.14 Hasil Uji Normalitas
Unstandardized Residual
N 84
Normal Parametersa Mean .0000000 Std. Deviation 4.16721697 Most Extreme Differences Absolute .086
Positive .086
Negative -.037
Kolmogorov-Smirnov Z .787
Asymp. Sig. (2-tailed) .566
Sumber : Output SPSS diolah
2) Uji Multikolinieritas
Uji multikolinearitas dilakukan dengan membandingkan nilai
tolerance dan variances inflation factor (VIF). Kedua ukuran tersebut menunjukkan setiap variabel independen manakah yang dijelaskan
oleh variabel independen yang lain. Jika nilai tolerance lebih besar
dari 0,1 dan nilai VIF lebih kecil dari 10, maka tidak terjadi
multikoliniearitas.
Tabel 4.15
Hasil Uji Multikolinieritas
Variabel Collinearity Statistics
Tolerance VIF
Kompensasi 0,982 1,018 Motivasi Kerja 0,982 1,018
commit to user
Seperti terlihat pada Tabel 4.15 diatas, nilai tolerance untuk
masing-masing variabel lebih besar dari 0,1 dan nilai VIF lebih kecil
dari 10 sehingga dapat dinyatakan bahwa tidak terjadi masalah
multikolinieritas dalam model penelitian ini
3) Uji Heteroskedastisitas
Untuk menguji ada tidaknya heteroskedastisitas dalam
penelitian ini, digunakan uji park. Indikasi heterosidaksitas melalui uji
park ditunjukkan oleh koefisien parameter beta dari persamaan regresi
tersebut, apakah signifikan atau tidak, jika signifikan, hal tersebut
menandakan adanya heretosidaksitas pada data model. Hasil uji park
dapat dilihat pada Tabel 4.16 berikut.
Tabel 4.16 Hasil Uji Park
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1(Constant) -3.780 3.836 -.986 .327 TotKom .108 .078 .154 1.387 .169 TotMot .000 .008 -.006 -.055 .956
Sumber : Output SPSS diolah
Dari Tabel 4.16 diatas dapat diketahui bahwa koefisien
parameter untuk variabel kompensasi dan motivasi kerja tidak ada
yang signifikan. Berdasarkan hasil uji park tersebut, maka dapat
disimpulkan bahwa tidak terjadi gejala heterosidaksitas pada model
commit to user 4) Uji Autokorelasi
Untuk menguji ada tidaknya autokorelasi dalam penelitian ini,
digunakan uji Durbin-Watson. Hasil uji Durbin-Watson dapat dilihat
pada Tabel 4.17 berikut.
Tabel 4.17
Hasil Durbin-Watson
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .613a .375 .360 4.21835 1.789
Sumber : Output SPSS diolah
Dari hasil pengujian di atas tampak bahwa nilai DW untuk
model regresi adalah 1,689. nilai tersebut kemudian dibandingkan
dengan nilai du pada tabel Durbin-Watson dengan menggunakan
tingkat signifikansi 0,05, n =84, k=2. Kriteria pengujian yang
digunakan didasari oleh Ghozali (2005) seperti yang telah
diungkapkan pada bab sebelumnya. Hasil pengujian menunjukkan
bahwa tidak terjadi autokorelasi pada model regresi, karena 1,6942(du)
< 1,789 (d) < 2,3058 (4 - du).
3. Pengujian Hipotesis a. Hipotesis Pertama
Hasil pengujian regresi I dengan kompensasi sebagai variabel dependen dan kinerja sebagai variabel independen disajikan pada Tabel 4.18 berikut.
commit to user
Tabel 4.18
Hasil Model Regresi I
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .416a .173 .163 4.82372
Sumber : Output SPSS diolah
Angka adjusted Rsquare menunjukkan koefisien determinasi atau
peranan variance (variabel independen dalam hubungan dengan variabel
dependen). Angka adjusted R square sebesar 0,163 menunjukkan bahwa hanya
16,3% variabel kinerja yang bisa dijelaskan oleh variabel kompensasi, sisanya 83,7% dijelaskan oleh faktor lain.
Tabel 4.19
Signifikansi Nilai F Model Regresi I
Model Sum of Squares df Mean Square F Sig. 1 Regression 399.810 1 399.810 17.183 .000a
Residual 1907.999 82 23.268 Total 2307.810 83
Sumber : Output SPSS diolah
Tabel 4.20
Signifikansi Nilai T Model Regresi I
Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) 38.431 6.042 6.361 .000
TotKom .535 .129 .416 4.145 .000 1.000 1.000
Sumber : Output SPSS diolah
Persamaan regresi yang diperoleh Y = 38,431 + 0,535 X1
commit to user
Seperti terlihat dari Tabel 4.19 diatas, nilai Fhitung adalah sebesar 17,183 dengan tingkat signifikansi 0,000 lebih kecil daripada 0,05. Hal ini
menunjukkan kompensasi berpengaruh terhadap kinerja.
Hasil analisis regresi I (Tabel 4.20) menunjukkan t hitung
kompensasi adalah sebesar 4,145 dengan signifikansi t bernilai 0,000
(siginifikan) dan koefisien regresi sebesar 0,535. Hal ini berarti bahwa
kompensasi mempunyai pengaruh positif dan signifikan terhadap kinerja.
b. Hipotesis kedua
Hasil pengujian regresi II dengan kompensasi sebagai variabel
dependen dan kinerja sebagai variabel independen, serta motivasi kerja
sebagai pemoderasi disajikan pada Tabel 4.21 berikut.
Tabel 4.21
Hasil Model Regresi II
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .613a .375 .352 4.24462
Sumber : Output SPSS diolah
Angka adjusted R square menunjukkan koefisien determinasi atau
peranan variance (variabel independen dalam hubungan dengan variabel
dependen). Dari Tabel 4.21 dapat dilihat ada kenaikan nilai adjusted R
square dari model regresi I ke model regresi II sebesar 18,9% (adjusted R square pada model regresi I sebesar 16,3%). Angka adjusted R square
commit to user
bisa dijelaskan oleh variabel kompensasi, sisanya 64,8% dijelaskan oleh
faktor lain.
Tabel 4.22
Signifikansi Nilai F Model Regresi II
Model Sum of Squares df Mean Square F Sig. 1 Regression 866.464 3 288.821 16.031 .000a
Residual 1441.345 80 18.017 Total 2307.810 83
Sumber : Output SPSS diolah
Dari Tabel 4.22 diatas, nilai Fhitung adalah sebesar 16,031 dengan
tingkat signifikansi 0,000 lebih kecil daripada 0,05. Hal ini menunjukkan
kompensasi, motivasi kerja, serta interaksi antara kompensasi dan
motivasi kerja berpengaruh secara bersama-sama terhadap kinerja.
Tabel 4.23
Signifikansi Nilai T Model Regresi II
Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) 28.470 25.711 1.107 .271
TotKom .468 .565 .364 .828 .410 .040 24.748 TotMot .065 .119 .472 .548 .586 .011 95.070 Kom*Mot -5.450E-5 .003 -.021 -.021 .983 .008 131.504 Sumber : Output SPSS diolah
Persamaan regresi yang diperoleh
Y = 28.470 + 0,468 X1 + 0,065 X2 – 5,450E-5 X1 X2
Hasil analisis regresi II (Tabel 4.23) menunjukkan t hitung
kompensasi adalah sebesar 0,828 dengan signifikansi t bernilai 0,410
commit to user
(interaksi antara variabel kompensasi dan motivasi kerja) mempunyai t
hitung sebesar - 0,021 dengan signifikansi 0,983 (tidak signifikan). Hal
ini berarti bahwa variabel motivasi kerja bukan merupakan pemoderasi
dalam hubungan antara kompensasi dengan kinerja.
Berdasarkan hasil analisis regresi II yang menolak motivasi kerja
sebagai variabel moderasi, maka dilakukan analisis regresi III untuk
mengetahui pengaruh motivasi kerja terhadap kinerja. Hasil pengujian
regresi III dengan kompensasi dan motivasi kerja sebagai variabel
independen dan kinerja sebagai variabel dependen disajikan pada Tabel
4. 24 berikut.
TABEL 4.24
SIGNIFIKANSI NILAI F MODEL REGRESI III
Model Sum of Squares df Mean Square F Sig.
1 Regression 864.078 2 432.039 25.121 .000a Residual 1341.477 78 17.198
Total 2205.556 80 Sumber: Output SPSS diolah
Dari Tabel 4.24 di atas, nilai Fhitung adalah sebesar 25,121 dengan
tingkat signifikansi 0,000 lebih kecil daripada 0,05. Hal ini menunjukkan
kompensasi dan motivasi kerja berpengaruh secara bersama-sama
terhadap kinerja. Hasil analisis regresi III juga membuktikan bahwa
motivasi kerja adalah sebagai variabel independen (predictor) dalam
commit to user D.Pembahasan Hasil Penelitian