DEWAN KOMISARIS Presiden Komisaris : Widigdo Sukarman
B. Metode Analisis
3. Uji Kualitas Data a.Uji Validitas a.Uji Validitas
Uji validitas digunakan untuk mengukur valid atau tidaknya suatu kuesioner. Pengujian ini dilaksanakan dengan menggunakan
Pearson Correlation. Pedoman suatu model yang dikatakan valid
jika tingkat signifikansi dibawah 0,05 maka butir pertanyaan tersebut dapat dikatakan valid. Dan juga butir kuesioner dikatakan valid jika memiliki nilai rhitung diatas rtabel.
Tabel 4.3 Uji Validitas
Variabel Independent Komunikasi
No Butir Pertanyaan Total Pearson Correlation Sig.(2-tailed) Keterangan 1. X1.1 0,775** 0,000 Valid 2. X1.2 0,749** 0,000 Valid 3. X1.3 0,766** 0,000 Valid 4. X1.4 0,726** 0,000 Valid 5. X1.5 0,743** 0,000 Valid 6. X1.6 0,694** 0,000 Valid
Berdasarkan hasil tabel 4.3 diatas menunjukan bahwa semua pertanyaan dari variabel independen komunikasi valid. Hal ini seperti terlihat dari semua pertanyaan diatas dikatakan valid karena memiliki nilai signifikansi dibawah 0,05 dan melebihi nilai rtabel 0,216.
64 Tabel 4.4
Uji Validitas
Variabel Independen (Imbalan) No Butir Petanyaan Total Pearson Correlation Sig.(2-tailed) Keterangan 1. X2.1 0,858** 0,000 Valid 2. X2.2 0,813** 0,000 Valid 3. X2.3 0,818** 0,000 Valid 4. X2.4 0,804** 0,000 Valid 5. X2.5 0,759** 0,000 Valid 6. X2.6 0,826** 0,000 Valid 7. X2.7 0,813** 0,000 Valid 8. X2.8 0,817** 0,000 Valid 9. X2.9 0,872** 0,000 Valid 10. X2.10 0,893** 0,000 Valid
Berdasarkan hasil tabel 4.4 di atas menunjukkan bahwa semua pertanyaan dari variabel imbalan adalah valid karena memiliki nilai signifikansi di bawah 0,05 dan melebihi rtabel 0,216.
Tabel 4.5 Uji Validitas
Variabel Independen (Hukuman)
No Butir Pertanyaan Total Pearson Correlation Sig.(2-tailed) Keterangan 1. X3.1 0,642** 0,000 Valid 2. X3.2 0,699** 0,000 Valid 3. X3.3 0,795** 0,000 Valid 4. X3.4 0,752** 0,000 Valid 5. X3.5 0,679** 0,000 Valid
Berdasarkan hasil tabel 4.5 diatas menunjukan bahwa semua pertanyaan dari variabel independen hukuman adalah valid. Hal ini seperti terlihat dari semua pertanyaan diatas dikatakan valid karena memiliki nilai signifikansi dibawah 0,05 dan melebihi nilai rtabel 0,216.
65 Tabel 4.6
Uji Validitas
Variabel Dependen (Kinerja Karyawan)
No Butir Pertanyaan Total Pearson Correlation Sig.(2-tailed) Keterangan 1. Y.1 0,712** 0,000 Valid 2. Y.2 0,796** 0,000 Valid 3. Y.3 0,679** 0,000 Valid 4. Y.4 0,806** 0,000 Valid 5. Y.5 0,715** 0,000 Valid 6. Y.6 0,750** 0,000 Valid 7. Y.7 0,735** 0,000 Valid
Berdasarkan hasil tabel 4.6 diatas menunjukan bahwa semua pertanyaan dari variabel kinerja karyawan adalah valid. Hal ini seperti terlihat dari semua pertanyaan diatas dikatakan valid karena memiliki nilai signifikansi dibawah 0,05 dan melebihi rtabel 0,216.
b. Uji Reliabilitas
Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pertanyaan adalah konsisten atau stabil dari waktu ke waktu. Pedoman alat ukur dikatakan reliabel apabila nilai cronbach’s alpha sebesar > 0,60. Sedangkan jika sebaliknya data tersebut dikatakan tidak realibel. Hasil dari pengujian reliabilitas disajikan pada tabel 4.7 dibawah ini.
Tabel 4.7 Uji Realibilitas
Variabel Cronbach’s Alpha Staus
Komunikasi 0,786 Realibel
Imbalan 0,785 Realibel
Hukuman 0,780 Realibel
66 Berdasarkan tabel 4.7 di atas dapat disimpulkan bahwa seluruh pernyataan yang berkaitan dengan variabel independen (Komunikasi, Imbalan, dan Hukuman) dan variabel dependen (Kinerja Karyawan) dalam kuesioner dikatakan realibel. Hal ini dapat dilihat dari nilai Cronbach’s Alphayang lebih besar 0,60.
Dengan kata lain bahwa seluruh pernyataan pada penelitian ini memiliki tingkat kehandalan yang baik dan dapat digunakan dalam analisis pada penelitian ini.
4. Uji Asumsi Klasik
a. Uji Multikolinearitas
Uji multikolinearitas ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel bebas. Uji Multikolinearitas dengan melihat nilai Tolerance dan Variance Inflation Factor (VIF) dari hasil analisis dengan menggunkan SPSS, apabila tolerance value
lebih tinggi daripada 0,10 atau VIF lebih kecil daripada 10 maka dapat disimpulkan tidak terjadi multikolinearitas.
67 Tabel 4.8
Uji Multikolinearitas dengan (Uji Tolerance dan VIF) Coefficientsa
Model Collinearity Statistics Tolerance VIF 1
Komunikasi (X1) .942 1.062 Imbalan (X2) .960 1.042 Hukuman (X3) .936 1.069 a. Dependent Variable: Kinerja Karyawan (Y)
Berdasarkan tabel 4.8 diatas dijelaskan bahwa VIF untuk komunikasi, imbalan dan hukuman disekitar angka 1 yaitu 1,062, 1,042, 1,069 dan tingkat Tolerance mendekati angka 1 yaitu sebesar 0,942, 0,960, 0,936. Dengan demikian, dapat disimpulkan bahwa model persamaan regresi tidak terdapat problem multiko atau dapat dikatakan bebas dari problem multikolinearitas, dan dapat digunakan dalam penelitian ini.
Cara kedua untuk melihat ada tidaknya multikolinearitas dengan melihat keeratan hubungan antara dua variabel penjelas atau yang lebih dikenal dengan istilah korelasi. Untuk menentukan apakah hubungan antara dua variabel bebas memiliki maslalah multikolinearitas adalah dengan melihat nilai signifikansi (2-tailed), jika nilainya lebih kecil dari 0,05 maka diindikasikan mengalamai gejala multikolinearitas yang serius.
68 Tabel 4.9
Uji Multikolinearitas dengan (Uji korelasi) Correlations
Control Variables Komunikasi
(X1) Imbalan (X2) Hukuman (X3) Kinerja Karyawan (Y) Komunikasi (X1) Correlation 1,000 ,042 ,066 Significance (2-tailed) . ,707 ,553 Df 0 80 80 Imbalan (X2) Correlation ,042 1,000 ,018 Significance (2-tailed) ,707 . ,874 Df 80 0 80 Hukuman (X3) Correlation ,066 ,018 1,000 Significance (2-tailed) ,553 ,874 . Df 80 80 0
Dari seluruh nilai signifikansi (2-tailed) di atas, dapat disimpulkan, seluruh variabel independen terbebas dari multikolinearitas, karena memiliki tingkat signifikansi lebih besar dari 0,05.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari satu pengamatan ke pengamatan yang lain.Cara yang dapat digunakan untuk mengukur heterokedastisitas adalah dengan melihat pada
Scatterplot dan dilihat apakah residual memiliki pola tertentu atau
69 Gambar 4.1
Uji Heteroskedastisitas
Berdasarkan gambar 4.1, grafik scatterplots terlihat bahwa titik-titik menyebar secara acak baik di atas maupun di bawah angka 0 pada sumbu Y. Hal tersebut menunjukkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Dengan demikian, model regresi ini layak dipakai untuk mengetahui pengaruh variabel variabel independen (komunikasi, imbalan, dan hukuman) terhadap variabel dependen (kinerja karyawan).
Pada uji heterokedastisitas tidak hanya berpatok pada gambar scatterplots, tetapi juga dapat diketahui dengan uji glejser. Pada uji glejser ini dengan melihat pada tingkat signifikansi jika lebih kecil dari 0,05 maka mengalami heterokedastisitas, ataupun sebaliknya.
70 Tabel 4.10
Uji Hetrokedastisitas dengan (Uji Glejser) Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -1,564 2,025 -,772 ,442 Komunikasi (X1) ,107 ,061 ,193 1,740 ,086 Imbalan (X2) ,043 ,024 ,196 1,782 ,079 Hukuman (X3) -,023 ,083 -,031 -,275 ,784 a. Dependent Variable: Residual_2
Berdasarkan hasil di atas dapat terlihat pada tingkat signifikansi lebih besar dari 0,05 maka dapat dikatakan pada penelitian ini tidak terjadi Heterokedastisitas.
c. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam sebuah model regresi, variabel dependen dan variabel independen atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal.
Pada uji normalitas tidak hanya dapat dilhat pada gambar normal p-p plot tapi juga dapat dilihat pada pengujian Smirnov Kolmogrov, apakah dari masing-masing variabel berdistribusi normal atau tidak.Lalu intepretasinya adalah bahwa jika nilainya di atas 0,05 maka distribusi data dinyatakan memenuhi asumsi normalitas, dan jika nilainya di bawah 0,05 maka diinterpretasikan sebagai tidak normal.
71 Gambar 4.2
Uji Normalitas
Berdasarkan gambar 4.2 memperlihatkan bahwa hubungan antara variabel komunikasi, imbalan dan hukuman terhadap kinerja karyawan menunjukkan pola distribusi secara normal, dimana data menyebar disekitar garis diagonal, ini menunjukkan bahwa model regresi telah memenuhi asumsi normalitas.
Untuk pengujian selanjutnya apakah berdistribusi normal atau tidak dapat menggunakan uji smirnov kolmogrov adapun tabel sebagai berikut:
72 Tabel 4.11
Uji Normalitas (dengan Smirnov Kolmogrov)
Pada tabel diatas, dapat di lihat pada baris paling bawah dan paling kanan yang berisi Asymp.Sig.(2-tailed). Lalu intepretasinya adalah bahwa jika nilainya di atas 0,05 maka distribusi data dinyatakan memenuhi asumsi normalitas, dan jika nilainya di bawah 0,05 maka diinterpretasikan sebagai tidak normal. Sehingga dapat dikatakan pada hasil tabel tersebut telah memenuhi asumsi normalitas.
d. Uji Autokorelasi
Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mendeteksi gejala autokorelasi dapat menggunakan uji Durbin-Watson (DW). Untuk mendeteksi gejala autokorelasi dapat diambil patokan sebagai berikut (Danang Sunyoto, 2011:9).
1) Angka DW di bawah -2, berarti terdapat autokorelasi positif. One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 83
Normal Parametersa,b
Mean 0E-7 Std. Deviation 2,69617125 Most Extreme Differences Absolute ,069 Positive ,066 Negative -,069 Kolmogorov-Smirnov Z ,624
Asymp. Sig. (2-tailed) ,831
a. Test distribution is Normal. b. Calculated from data.
73 2) Angka DW di antara -2 sampai +2, berarti tidak terdapat
autokorelasi.
3) Angka DW di atas +2 berarti terdapat autokorelasi negatif. Atau dengan melihat uji autokorelasi dengan cara sebagai berikut:
1) Jika d < dl maka terdapat autokorelasi positif 2) Jika d > du maka tidak terdapat autokorelasi positif
3) Jika dl < d < du maka pengujian tidak menyakinkan atau tidak dapat disimpulkan.
4) Jika (4-d) < dl maka terdapat autokorelasi negatif 5) Jika (4-d) > du maka tidak terdapat autokorelasi negatif
6) Jika dl < (4-d) < du maka pengujian tidak menyakinkan atau tidak dapat disimpulkan.
7) Jika d lebih kecil dari dL atau lebih besar dari (4-dL) maka terdapat autokorelasi.
8) Jika d terletak antara dU dan (4-dU), maka tidak ada autokorelasi.
9) Jika d terletak antara dL dan dU atau diantara dU) dan (4-dL), maka tidak menghasilkan kesimpulan yang pasti.
74 Tabel 4.12 Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .574a .329 .304 2.74689 1.990
a. Predictors: (Constant), Hukuman (X3), Imbalan (X2), Komunikasi (X1)
b. Dependent Variable: Kinerja Karyawan (X1)
Berdasarkan tabel 4.12 hasil uji autokorelasi, nilai hitung Durbin Watson sebesar 1,990. Hasil ini menunjukkan dalam model regresi tidak terjadi autokorelasi karena nilai hitung Durbin Watson lebih kecil dari 2.
Gambar 4.3
Posisi Koefisien D-W pada Uji Autokorelasi
Tidak ada Autokorelasi
Autokorelasi Daerah Daerah Autokorelasi Positif Keragu-raguan Keragu-raguan Negatif
1,54 1,75 1,990 2 2,46 2,25