BAB IV ANALISIS DATA
C. Analisis Data
4. Uji Hipotesis
a. Uji Signifikasi Parameter Individual (test)
Uji ini digunakan untuk melihat tingkat signifikansi variabel independen mempengaruhi variabel dependen secara
individu atau sendiri-sendiri. Pengujian ini dlakukan secara parsial atau individu, dengan menggunakan uji t statistik untuk masing-masing variabel bebas, dengan tingkat kepercayaan tertentu (Bawono, 2006: 89).
Tabel 4.7Hasil Uji test
Coefficientsa Model Unstandardi zed Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) .330 .196 1.685 .098 Penempatan .011 .016 .102 .699 .488 .542 1.845 Kompensasi .002 .016 .023 .151 .880 .515 1.941 Lingkungan Kerja Islami .780 .160 .574 4.878 .000 .826 1.211 a. Dependent Variable: Kinerja Karyawan
Sumber :Data primer yang diolah 2017
Berikut ini penjelasan dari pengujian masing-masing vaiabel secara parsial:
1) Variabel Penempatan
Hasil pengujian diperoleh nilai t untuk variabel penempatan menunjukkan nilai t = 0,699 dengan nilai signifikan sebesar 0,488 dimana nilai ini lebih dari nilai alfa sebesar 0,05 sehingga menunjukkan bahwa variabel
penempatan memiliki pengaruh negatif dan tidak signifikan terhadap kinerja karyawan. Hal ini berarti hipotesis ke 1 ditolak.
2) Variabel Kompensasi
Hasil pengujian diperoleh nilai t untuk variabel kompensasi menunjukkan nilai t = 0,151 dengan nilai signifkan sebesar 0,880 dimana nilai ini lebih dari nilai alfa sebesar 0,05 sehingga menunjukkan bahwa variabel kompensasi memiliki pengaruh negatif dan tidak signifikan terhadap kinerja karyawan. Hal ini berarti hipotesis ke 2 ditolak.
3) Variabel Lingkungan Kerja Islami
Hasil pengujian diperoleh nilai t untuk variabel lingkungan kerja islami menunjukkan nilai t = 4,878 dengan nilai signifikansi sebesar 0,000 di mana nilai ini kurang dari nilai alfa sebesar 0,05 sehingga menunjukkan bahwa variabel lingkungan kerja islami memiliki pengaruh positif dan signifikan terhadap kinerja karyawan. Hal ini berarti hpotesis ke 3 diterima.
b. Uji Simultan Ftest
Uji F dilkukan dengan tujuan untuk mengetahui seberapa jauh semua variabel independen secara bersama-sama dapat mempengaruhi variabel dependen (Bawono, 2006: 91).
Tabel 4.8Hasil Uji Ftest
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression .324 3 .108 11.492 .000a
Residual .498 53 .009
Total .822 56
a. Predictors: (Constant), Lingkungan Kerja Islami, Penempatan, Kompensasi
b. Dependent Variable: Kinerja Karyawan
Sumber: Data primer yang diolah 2017
Pada tabel di atas ditunjukkan F hitung sebesar 11,492 dengan nilai signifikansinya 0,000, di mana nilai signifikansi ini kurang dari nilai alpha sebesar 0,05 sehingga memberikan keputusan bahwa semua variabel independen secara bersama- sama mempengaruhi variabel dependen secara signifikan.
c. Uji Koefisien Determinasi (R2)
Menurut Gujarati dalam Bawono (206: 92) analisis koefisien determinasi (R2) digunakan untuk mengetahui seberapa besar presentase (%) pengaruh keseluruhan variabel independen terhadap variabel dependen.
Tabel 4.9Hasil Uji R2 Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .628a .394 .360 .09692
a. Predictors: (Constant), Lingkungan Kerja Islami, Penempatan, Kompensasi
b. Dependent Variable: Kinerja Karyawan
Sumber:Data primer yang diolah 2017
Dari tabel di atas terlihat koefisien korelasi (R) sebesar 0,628 ini artinya ada hubungan sebesar 0,628 antara variabel dependen (kinerja karyawan) dengan variabel independen (penempatan, kompensasi, dan lingkungan kerja islami). Sehingga dapat disimpulkan korelasi antara penempatan, kompensasi dan lingkungan kerja islami dengan kinerja karyawan mempunyai hubungan yang kuat. Koefisien determinasi (R2) sebesar 0,394 ini berarti kontribusi variabel independen (penempatan, kompensasi dan lingkungan mkerja islami) mempengaruhi variabel dependen (kinerja karyawan) sebesar 39,4% sedangkan sisanya 60,6% dipengaruhi oleh variabel lain dari luar penelitian ini.
5. Uji Asumsi Klasik a. Uji Multikolonieritas
Menurut Ghozali (2013: 105) uji multikolonieritas bertujuan untuk menguji apakah regresi ditemukan adanya
korelasi antara variabel bebas (independen). Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi adalah sebagai berikut:
1) Nilai R2 yang dihasilkan oleh estimasi model regresi
empiris sangat tinggi.
2) Menganalisis matrik korelasi variabel-variabel independen. Jika antara variabel independen ada korelasi yang cukup tinggi (umumnya diatas 0.90), maka hal ini merupakan indikasi adanya multikolonieritas.
3) Multikolonieritas dapat dilihat dari nilai tolerance dan lawannya serta variance inflation factor (VIF). Nilai Tolerance ≤ 0.10 atau sama dengan nilai VIF ≥ 10.
Tabel 4.10Hasil Uji Multikolonieritas
Coefficient Correlationsa Model
Lingkungan
Kerja Islami Penempatan Kompensasi
1 Correlations Lingkungan Kerja Islami 1.000 -.111 -.247 Penempatan -.111 1.000 -.620 Kompensasi -.247 -.620 1.000 Covariances Lingkungan Kerja Islami .026 .000 .000 Penempatan .000 .000 .000 Kompensasi .000 .000 .000
a. Dependent Variable: Kinerja Karyawan
Sumber: Data primer yang diolah 2017
Melihat hasil besaran korelasi antar variabel tampak bahwa variabel Penempatan dan Kompensasi mempunyai korelasi cukup tinggi sebesar -0,620 atau sekitar 62,0%. Oleh karena itu korelasi ini masih di bawah 95%, maka dapat dikatakan tidak terjadi multikolonieritas yang serius.
Tabel 4.11Hasil Uji Multikolonieritas Metode VIF Coefficientsa Model Unstandardiz ed Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) .330 .196 1.685 .098 Penempatan .011 .016 .102 .699 .488 .542 1.845 Kompensasi .002 .016 .023 .151 .880 .515 1.941 Lingkungan Kerja Islami .780 .160 .574 4.878 .000 .826 1.211 a. Dependent Variable: Kinerja Karyawan
Sumber: Data primer yang diolah 2017
Berdasarkan hasil perhitungan tabel 4.11 di atas, nilai Tolerance juga menunjukkan tidak ada variabel yang memiliki nilai Tolerance< 0,10 yang berarti tidak ada korelasi antar variabel yang lebih dari 95%. Hasil perhitungan nilai VarianceIndependen Factor (VIF) juga menunjukkan hal yang sama tidak ada satu variabel yang memiliki nilai VIF > 10. Jadi dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel dalam model regresi.
b. Uji Heteroskedastisitas
Uji Heteroskedastisitasbertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian. Pada
penelitian ini teknik pendeteksian menggunakan metode Glejser untuk mengetahui ada atau tidaknya penyakit heteroskedastisitas dalam penelitian ini. Adapun hasil uji statistik heteroskedastisitas yang diperoleh dalam penelitian ini adalah sebagai berikut:
Tabel 4 12Hasil Uji Heteroskedastisitas
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 12.274 2.718 4.516 .000 Penempatan Kerja -.354 .648 -5.539 -.547 .587 kompensasi .959 .485 21.169 1.976 .053
lingkungan Kerja Islami -.673 .385 -15.709 -1.748 .086
a. Dependent Variable: ABSUT
Sumber: Data primer yang diolah 2017
Dari hasil output di atas mmembuktikan tidak ada satupun variabael independenm yang signifikan secara statistik mempengaruhi variabel dependen, dengan demikian dapat disimpulkan bahwa tidak terjadi heteroskedastisitas.
c. Uji Normalitas
Uji normalitas untuk menguji apakah dalam model regresi kita, data variabel dependen dan independen yang kita pakai, apakah erdistribusi normal atau tidak (Bawono, 2006:
174). Adapun hasil uji normalitas dengan menggunakan uji Kolmogrov-Smirnov dapat dilihat pada tabel di bawah ini:
Tabel 4.13Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 56
Normal Parametersa Mean .0000000
Std. Deviation .09358114
Most Extreme Differences Absolute .053
Positive .053
Negative -.050
Kolmogorov-Smirnov Z .400
Asymp. Sig. (2-tailed) .997
a. Test distribution is Normal.
Sumber: Data primer yang diolah 2017
Besarnya nilai Kolmogrov-Smirnov adalah 0,400 dan nilai signifikan pada 0,997 yang leih besar dari 0,05. Sehingga dapat disimpulkan bahwa data dalam penelitian ini berdistribusi normal.
d. Uji Linearitas
Uji linearitas digunakan untuk menguji apakah spesifikasi model yang kita gunakan sudah tepat atau lebih baik dari pada spesifikasi model lain. Spesifikasi model dapat berupa linear, kuadrat, dan kubik (Bawono, 2006: 176).
Tabel 4.14UjiLinieritas dengan Metode Durbin-WatsonModel Linieritas
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 .588a .346 .309 3.625 1.591
a. Predictors: (Constant), LINGKUNGANKERJAISLAMI, PENEMPATAN, KOMPENSASI
b. Dependent Variable: KINERJAKARYAWAN Sumber: Data yang diolah 2017
Tabel 4.15Hasil Uji Linieritas dengan Metode Durbin-Watson Model Kuadrat
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 .587a .344 .307 3.630 1.594
a. Predictors: (Constant), LINGKUNGANKERJAISLAM2, KOMPENSASI2, PENEMPATAN2
b. Dependent Variable: KINERJAKARYAWAN Sumber: Data primer yang diolah 2017
Berdasarkan hasil tabel di atas, maka dapat diketahui besarnya nilai durbinm-watson keduanya yaitu untuk persamaan linier sebesar 1,594. Sedangkan nilai tabel durbin- watson diketahui sebagai berikut: jumlah sampel atau observasi adalah 57, jumlah variabel bebas adalah 3. Dengan asumsi derajat kepercayaan 5% nilai tabel dL =M 1,45 nilai tabel
du1,70 maka dapat disimpulkan bahwa tidak terdapat kesalahan
spesifikasi dalam model tersebut. Dengan kata lain spesifikasi linier layak untuk digunakan untuk model regresi.