BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.4 Uji Hipotesis
4.4.1 Uji Signifikan Parsial (Uji-t)
Pengujian ini dilakukan untuk mengetahui seberapa jauh pengaruh suatuvariabel bebas secara parsial (individual) terhadap variasi variabel terikat. Kriteria pengujiannya adalah:
Ho : b1 = 0, artinya secara parsial tidak terdapat pengaruh yang positif dansignifikan dari variabel bebas terhadap variabel terikat.
Ho : b1 ≠ 0, artinya secara parsial terdapat pengaruh yang positif dan signifikandari variabel bebas terhadap variabel terikat.
Kriteria pengambilan keputusan adalah: Ho diterima jika t hitung < t tabel pada α= 5% Ho ditolak jika t hitung > t tabel pada α= 5% Hasil pengujian adalah :
Tingkat kesalahan (α) = 5% dan derajat kebebasan (df) = (n-k) n = jumlah sampel, n = 46
k = jumlah variabel yang digunakan, k = 3
Derajat kebebasan/ degree of freedom(df) =(n-k) = 46 - 3 = 43
Uji-t yang dilakukan adalah uji satu arah, maka ttabel yang digunakan adalah t0,05 (43) = 1.681
Tabel 4.10
Hasil Uji Signifikan Parsial (Uji-t)
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 66.883 31.846 2.100 .042 Motivasi_Kerja .108 .259 .064 1.717 .036 Budaya_Organisasi .254 .244 .160 1.841 .010
a. Dependent Variable: Kinerja_Pegawai
Berdasarkan Tabel 4.10 dapat dilihat bahwa: 1. Variabel Motivasi Kerja (X1)
Nilai thitung variabel motivasi kerja adalah 1,717dan nilai ttabel 1,681 maka thitung> ttabel (1,717> 1,681) sehingga dapat disimpulkan bahwa variabel motivasi kerjaberpengaruh positif dan signifikan (0,036 < 0,05) secara parsial terhadap kinerja pegawai. Artinya, jika variabelmotivasi kerjaditingkatkan sebesar satu satuan, maka kinerja pegawai akan meningkat sebesar 0,108.
2. Variabel Budaya Organisasi (X2)
Nilai thitung variabel budaya organisasi adalah 1,841 dan nilai ttabel1,681 maka thitung>ttabel (1,841>1,681) sehingga dapat disimpulkan bahwa variabel budaya organisasi berpengaruh positif dan signifikan (0,010 < 0,05) secara parsial terhadap kinerja pegawai. Artinya, jika variabelbudaya organisasi ditingkatkan sebesar satu satuan, maka kinerja pegawai akan meningkat sebesar 0,254.
4.4.2 Uji Signifikan Simultan (Uji-F)
Pengujian ini dilakukan untuk melihat apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat.
Kriteria pengujiannya adalah :
Ho : b1 = 0, artinya secara serentak tidak terdapat pengaruh yang positif dan signifikan dari variabel bebas terhadap variabel terikat.
Ho : b1 ≠ 0, artinya secara serentak terdapat pengaruh yang positif dan signifikan dari variabel bebas terhadap variabel terikat.
Kriteria pengambilan keputusan adalah:
Ho diterima jika F hitung < F tabel pada α= 5% Ho ditolak jika F hitung > F tabel pada α= 5%
Untuk menentukan nilai F, maka diperlukan adanya derajat bebas pembilang dan derajat bebas penyebut, dengan rumus sebagai berikut:
df (Pembilang) = k – 1 df (Penyebut) = n – k
Keterangan :
n = jumlah sampel penelitian k = jumlah variabel bebas dan terikat
Pada penelitian ini diketahui jumlah sampel (n) 46 dan jumlah keseluruhan variabel (k) adalah 3, sehingga diperoleh :
1. df (pembilang) = 3 – 1 = 2 2. df (penyebut) = 46 – 3 = 43
Nilai Fhitung akan diperoleh dengan menggunakan bantuan SPSS, kemudian akan dibandingkan dengan Ftabel pada tingkat α = 5%.
Tabel 4.11
Hasil Uji Signifikan Simultan (Uji-F)
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 79.980 2 39.990 3.765 .041a
Residual 2246.976 43 52.255
Total 2326.957 45
Pada Tabel 4.11 dapat dilihat bahwa hasil perolehan Fhitung pada kolom F yakni sebesar 3,765dengan tingkat signifikansi = 0.041, lebih besar dari nilai Ftabel yakni 3.214, dengan tingkat kesalahan α = 5%, atau dengan kata lain Fhitung> Ftabel (3,765>3,214).
Berdasarkan kriteria pengujian hipotesis jika Fhitung> Ftabel dan tingkat signifikansinya (0.041< 0.05), menunjukkan bahwa pengaruh variabel bebas (motivasi kerja, danbudaya organisasi) secara serempak adalah signifikan terhadap variabel terikat (kinerja pegawai).
4.5 Pengujian Koefesien Determinasi (R2)
Pengujian koefisien determinasi (R²) digunakan untuk mengukur proporsi atau persentase kemampuan model dalam menerangkan variabel terikat. Koefisien determinasi berkisar antara nol sampai satu (0 ≤ R² ≥ 1). Jika R² semakin besar (mendekati satu), maka dapat dikatakan bahwa pengaruh variabel bebas (X) adalah besar terhadap variabel terikat (Y). Hal ini berarti model yang digunakan semakin kuat untuk menerangkan pengaruh variabel bebas terhadap variabel terikat dan demikian sebaliknya.
Tabel 4.12
Hasil Uji Koefesien Determinasi (R2)
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .782a .611 .598 2.404
a. Predictors: (Constant), Budaya_Organisasi, Motivasi_Kerja b. Dependent Variable: Kinerja_Pegawai
Berdasarkan Tabel 4.12 dapat dilihat bahwa :
1. R = 0,782 berarti hubungan antara variabel motivasi kerja (X1), danbudaya organisasi (X2) terhadap kinerja pegawai (Y) sebesar 78,2%. Artinya hubungannya kuat.
2. Nilai R Square sebesar 0,611 berarti 61,1% variabel kinerja pegawai (Y) dapat dijelaskan oleh variabel motivasi kerja (X1), dan budaya organisasi (X2). Sedangkan sisanya 38,9% dapat dijelaskan oleh variabel-variabel lain yang tidak diteliti dalam penelitian ini.
3. Standard Error of Estimated (Standar Deviasi) artinya mengukur variasi dari nilai yang diprediksi. Dalam penelitian ini standar deviasinya sebesar 2,404. Semakin kecil standar deviasi berarti model semakin baik.
4.6 Uji Asumsi Klasik 4.6.1 Uji Normalitas
Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorv-Smirnov. 1. Analisis Grafik
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram, dan grafik normal p-p plot, yang membandingkan antara dua observasi
Sumber:Hasil Penelitian, 2015 (data diolah)
Gambar 4.2
Pengujian Normalitas Histogram
Berdasarkan grafik dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas dan sebaliknya jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi data normal yang tidak melenceng kanan maupun melennceng kiri. Jadi, berarti data residual berdistibusi normal. Terbukti bahwa data maupun model yang digunakan memenuhi asumsi normalitas.
Sumber: Hasil Penelitian, 2015 (data diolah)
Gambar 4.3
Pengujian Normalitas P-P Plot
Pada P-P plot terlihat bahwa titik-titik menyebar disekitar garis diagonal dan cenderung mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data yang dipergunakan dalam penelitian ini memenuhi asumsi normalitas sehingga layak untuk diuji dengan model regresi.
2. Analisis Statistik
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Jika nilai sig probability lebih besar dari 0,05 maka Ho ditolak dengan pengertian bahwa data yang dianalisis berdistribusi normal. Demikian juga sebaliknya jika nilai sig probabilitylebih
tidak berdistribusi normal. Berikut ini pengujian normalitas yang didasarkan dengan uji statistik nonparametik Kolmogorv-Smirnov (K-S).
Tabel 4.13
Uji Kolmogrov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 46
Normal Parametersa,,b Mean .0000000
Std. Deviation 7.06631519
Most Extreme Differences Absolute .123
Positive .123
Negative -.094
Kolmogorov-Smirnov Z .833
Asymp. Sig. (2-tailed) .491
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Penelitian, 2015 (data diolah)
Berdasarkan Tabel 4.13, terlihat bahwa nilai Asymp.Sig. (2-tailed) adalah 0,491, ini berarti nilainya diatas nilai signifikan 5% (0.05), dengan kata lain variabel tersebut berdistribusi normal.
4.6.2 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu :
1. Analisis Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
Sumber: Hasil Penelitian, 2015 (data diolah)
Gambar 4.4
Pengujian Heteroskedastisitas Scatterplot
Berdasarkan Gambar 4.4 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi.
2. Analisis Statistik
Dasar analisis metode statistik adalah jika variabel bebas signifikan secara statistik mempengaruhi variabel terikat, maka ada indikasi terjadi heteroskedastisitas. Tabel 4.14 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 19.551 16.519 1.184 .243 Motivasi_Kerja .296 .134 .298 2.202 .073 Budaya_Organisasi .444 .127 .476 -3.511 .061
a. Dependent Variable: RES2
Sumber: Hasil Penelitian, 2015 (data diolah)
Berdasarkan Tabel 4.14 dapat diketahui bahwa tidak satupun variabel bebas yang signifikan secara statistik mempengaruhi variabel terikat RES2. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5% jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
4.6.3 Uji Multikolinieritas
Gejala multikolinieritas dapat dilihat dari besarnya nilai Tolerance dan VIF (Variance Inflation Factor), kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya, Tolerance adalah mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan variabel independen lainnya. Nilai yang dipakai untuk Tolerance> 0,1, dan VIF < 5, maka tidak terjadi multikolinieritas.
Tabel 4.15 Uji Multikolinieritas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 66.883 31.846 2.100 .042
Motivasi_Kerja .108 .259 .064 1.717 .036 .949 1.054
Budaya_Organisasi .254 .244 .160 1.841 .010 .949 1.054
a. Dependent Variable: Kinerja_Pegawai
Sumber: Hasil Penelitian, 2014 (data diolah)
Berdasarkan Tabel 4.15 dapat terlihat bahwa data (variabel) tidak terkena multikolinieritas karena nilai VIF < 5 dan nilai Tolerance> 0,1 sehingga model regresi layak dipakai untuk memprediksi kepuasan kerja berdasarkan masukan motivasi kerja, dan budaya organisasi.