BAB III : METODE PENELITIAN
METODE PENELITIAN A.Jenis Penelitian
C. Uji Instrumen 1. Uji Validitas 1.Uji Validitas
2. Uji Reliabilitas
Uji reliabilitas adalah alat ukur mengukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu (Ghozali, 2013: 47).
Menurut Nunnally dalam Bawono (2006: 68) suatu variable dikatakan reliable jika Cronbach Alpha > 0,60. Sehingga data tersebut bisa dikatakan reliable untuk pengukuran dan meneliti selanjutnya. Adapun hasil uji reliabilitas dapat dilihat pada tabel di bawah ini:
83 Tabel 4.5
Ringkasan Hasil Uji Reliabilitas
No. Variabel Nilai Cronbach Alpha Keterangan
1. Kompensasi ,777 Reliable
2. Job insecurity ,813 Reliable
3. Kepuasan kerja ,782 Reliable
4. Turnover Intention ,791 Reliable Sumber : Data primer yang diolah 2017
Berdasarkan tabel 4.5 di atas nilai Cronbach Alpha untuk semua variabel > 0.60. Hal ini menunjukkan bahwa variabel yang digunakan dalam penelitian ini reliable untuk mengukur dan penelitian selanjutnya.
3. Uji Statistik
a. Koefisien Determinasi
Menurut Ghozali (2013: 97) koefisien determinasi ( ) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Tabel 4.6
Hasil Uji Koefisien Determinasi Model Summary
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 ,736a ,541 ,521 10,468
a. Predictors: (Constant), KEPUASAN, KOMPENSASI, J.INSECURITY
Sumber : Data primer yang di olah 2017
Dari tabel 4.6 di atas menunjukkan koefisien korelasi ( R ) sebesar 0,736 ini artinya ada hubungan sebesar 0,736 antara variabel dependen Turnover intention dengan variabel independen ( kompensasi, job insecurity, dan kepuasan kerja ). Sehingga dapat disimpulkan korelasi anatara kompensasi, job insecurity,
83
dan kepuasan kerja dengan turnover intention mempunyai hubungan yang kuat. Koefisien determinasi ( Adjusted R2 ) sebesar 0,521 ini berarti kontribusi variabel independen (kompensasi, job insecurity, dan kepuasan kerja ) mempengaruhi variabel dependen ( turnover intention ) sebesar 52,1 % sedangkan sisanya yaitu 47,9 % di pengaruhi variabel lain di luar model.
b. Uji Signifikansi Simultan ( Uji Statistik F )
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/ terikat (Ghozali, 2013: 98). Uji ini dilakukan dengan cara melihat besarnya Sig. jika nilai Sig. lebih kecil dari 0,05 berarti variabel independen bersama-sama mempengaruhi variabel dependen secara signifikan.
Tabel 4.7 Hasil Uji Statistik F ANOVAa
Model Sum of
Squares
df Mean Square F Sig.
Regression 9044,090 3 3014,697 27,514 ,000b
Residual 7669,965 70 109,571
Total 16714,054 73
a. Dependent Variable: TURNOVER
b. Predictors: (Constant), KEPUASAN, KOMPENSASI, J.INSECURITY
Sumber : Data primer yang diolah 2017
Berdasarkan tabel 4.7 di atas menunjukkan F hitung sebesar 27,514 dengan nilai signifikansi 0,000 dimana nilai signifikasi ini kurang dari nilai alpha sebesar
83
0,05 sehingga memberikan keputusan bahwa semua variabel independen secara bersama – sama mempengaruhi variabel dependen secara signifikan.
c. Uji Signifikansi Parameter Individual ( Uji Statistik t )
Uji statistik t sebenarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi variabel dependen (Ghozali, 2013: 98).
Tabel 4.8 Hasil Uji Statistik Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 5,893 4,666 1,263 ,211 KOMPENSASI -,098 ,202 -,127 -,482 ,631 J.INSECURITY -1,166 ,459 -,853 -2,538 ,013 KEPUASAN 1,204 ,305 1,654 3,948 ,000
a. Dependent Variable: TURNOVER
Sumber : Data primer yang diolah 2017
Berdasarkan hasil pengolahan uji statistik di atas di dapatkan nilai t hitung secara berurutan untuk variabel kompensasi -,482 kemudian untuk variabel job insesurity -2,538 untuk variabel kepuasan 3,948. Dengan tingkat signifikansi secara berurutan berurutan untuk variabel kompensasi 0,631 kemudian untuk job insecurity sebesar 0,013 kemudian untuk kepuasan 0,000. Dimana untuk variabel kompensasi memiliki nilai signifikasi >0,05, sehingga memberikan kesimpulan bahwa variabel kompensasi secara sendiri – sendiri atau individual tidak mempengaruhi secara secara langsung dan signifikan terhadap variabel dependen
83
yaitu turnover intention, sedangkan untuk variabel job insecurity memiliki nilai signifikasi 0.013 sehingga hipotesis 1 dan 5 di tolak. Sedangkan untuk variabel kepuasan memiliki nilai signifikasi 0,000 dimana nilai ini kurang dari alfa sebesar <0,05 sehingga memberikan keputusan bahwa variabel kepuasan mempengaruhi variabel dependen atau dengan kata lain hipotesis 3 diterima.
Kemudian pada tabel di atas ditunjukkan pula bahwa nilai constan sebesar 5,893 sedangkan secara berurutan untuk variabel kompensasi -0,098, untuk variabel job insecurity -1,166, untuk variabel kepuasan 1,204, sehingga di dapat persamaan regresi sebagai berikut :
Y = kompensasi Job insecurity kepuasan
Yang artinya :
1) Konstanta 5,893 menyatakan bahwa jika rata – rata variabel dependen konstan, maka rata-rata dari defferensiasi variabel turnover intention adalah 5,893.
2) Koefisien variabel kompensasi sebesar -0,098 menyatakan bahwa setiap penambahan variabel turnover intention sebesar satu tingkat maka akan meningkat variabel kompensasi sebesar -0,098.
3) Koefisien variabel job insecurity sebesar -1,166 menyatakan bahwa setiap penambahan variabel turnover intention sebesar satu tingkat, maka akan meningkat variabel job insecurity sebesar -1,166.
4) Koefisien variabel kepuasan sebesar 1,204 menyatakan bahwa setiap penambahan variabel turnover intention sebesar satu tingkat, maka akan meningkat variabel kepuasan sebesar 1,204.
83 4. Analisis data
Model regresi yang baik harus bebas dari masalah asumsi klasik. Uraian berikut ini akan membahas mengenai uji asumsi klasik diantaranya sebagai berikut :
a. Uji Multikoloniaritas
Untuk mengetahui apakah terjadi multikolonieritas dapat dilihat dari nilai tolerance dan VIF yang terdapat pada masing – masing variabel seperti terlihat pada tabel 4.3 berikut :
Tabel 4.9
Hasil Uji Multikolonieritas Coefficientsa
Model Unstandardized Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
(Constant) 5,893 4,666 1,263 ,211
KOMPENSASI -,098 ,202 -,127 -,482 ,631 ,095 10,553 J.INSECURITY -1,166 ,459 -,853 -2,538 ,013 ,058 17,241
KEPUASAN 1,204 ,305 1,654 3,948 ,000 ,037 26,781
a. Dependent Variable: TURNOVER
Sumber : Data primer yang diolah, 2017
Suatu model regresi dinyatakan bebas dari multikolonieritas adalah jika memiliki tolerance ≥0.10 atau VIF ≤10. Dari Tabel 4.9 tersebut di peroleh bahwa
semua variabel bebas memiliki nilai tolerance yang jauh di atas 0.10 dan nlai VIF jauh di bawah 10 dengan demikian dalam model ini tidak terdapat masalah multikolonieritas.
83 b. Heteroskedatisitas
Pengujian heteroskedatisitas digunakan untuk melihat apakah model regresi dalam penelitian ini terjadi ketidaksamaan varian. Model regresi yang baik adalah tidak terjadi heteroskedatisitas. Untuk mendeteksi adanya heteroskedastisitas dengan menggunakan scatter plot dan metode spearman „s
rho.
1) Hasil uji Heteroskedatisitas menggunakan Scatter plot
Gambar 4.2 Uji Heteroskedastisitas
Sumber :
Data primer yang diolah, 2017
Dari gambar tersebut diperoleh pola scatter tidak teratur. Hal ini berarti bahwa model regresi pada model ini tidak mengandung adanya masalah heteroskedastisitas.
83
Tabel 4.10 Uji Spearman’s rho Correlations KOMPENS ASI J.INSEC URITY KEPU ASAN ABS_ RES Spearman 's rho KOMPEN SASI Correlation Coefficient 1,000 ,873** ,907** -,121 Sig. (2-tailed) . ,000 ,000 ,305 N 74 74 74 74 J.INSECU RITY Correlation Coefficient ,873** 1,000 ,972** ,159 Sig. (2-tailed) ,000 . ,000 ,177 N 74 74 74 74 KEPUASA N Correlation Coefficient ,907** ,972** 1,000 ,039 Sig. (2-tailed) ,000 ,000 . ,741 N 74 74 74 74 ABS_RES Correlation Coefficient -,121 ,159 ,039 1,000 Sig. (2-tailed) ,305 ,177 ,741 . N 74 74 74 74
**. Correlation is significant at the 0.01 level (2-tailed).
Sumber : Data primer yang diolah, 2017
Dalam metode ini untuk mengetahui jika suatu data bebas dari heteroskedatisitas dapat diketahui jika besar sig ABS_RES lebih besar dari 0.05 maka dapat dinyatakan bahwa data tersebut bebas dari heteroskedatisitas ( Prayitno : 2016 ).
Dari tabel di atas dijelaskan bahwa nilai sig ABS_RES lebih dari 0.05 maka dapat disimpulkan bahwa model regresi tidak terjadi masalah heteroskedastisitas.
c. Normalitas
Normalitas suatu data merupakan syarat utama suatu penyelesaan statistic parametrik. Pengujian normalitas dilakukan dengan uji kolmogrov – smirnov. Pengujian normalitas data dilakukan terhadap nilai residualnya. Data yang
83
terdistribusi normal di tunjukkan dengan nilai signifikansi di atas 0,05. Berikut hasil pengujian dengan menggunakan SPSS 16 sebagai berikut :
Gambar 4.3 Hasil Uji Normalitas
Sumber : Data primer yang diolah 2017
Dalam grafik histogram diatas dapat dilihat perbandingan antara data observasi dengan distribusi yang hampr mendekati normal. Terlihat bahwa grafik histogram menunjukkan pola yang mendekati normal, sehingga bisa disimpulkan bahwa model regresi memenuhi asumsi normalitas.
Tabel 4.11
Hasil Uji Kolmogorov– smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N 74 Normal Parameters a,b Mean ,0000000 Std. Deviation 10,25026865 Most Extreme Absolute ,125 Positive ,068
83 Differences
Negative
-,125
Kolmogorov-Smirnov Z 1,078
Asymp. Sig. (2-tailed) ,195
a. Test distribution is Normal. b. Calculated from data.
Sumber : Data primer yang diolah 2017
Dari tabel hasil uji di atas diketahui nilai Sig. residual sebesar maka dapat dinyatakan bahwa data tersebut terdistribusi secara normal.
d. Uji Linearitas
Uji linearitas digunakan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Apakah fungsi yang digunakan dalam suatu studi empiris sebaiknya berbentuk linear, kuadrat atau kubik. Dengan uji linearitas akan diperoleh informasi apakah model empiris sebaiknya linear, kuadrat atau kubik (Ghozali, 2013: 166). Dalam penelitian ini, peneliti menggunakan uji Ramsey Test untuk melakukan uji ini kita harus membuat suatu asumsi atau keyakinan bahwa fungsi yang benar adalah fungsi linier. Uji ini bertujuan untuk menghasilkan F- hitung. Adapun hasil uji linearitas dalam penelitian ini sebagai berikut :
Tabel 4.12
Hasil Regresi Persamaan Pertama
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 ,736a ,541 ,521 10,468
a. Predictors: (Constant), KEPUASAN, KOMPENSASI, J.INSECURITY b. Dependent Variable: TURNOVER
83 ANOVAa
Model Sum of Squares df Mean Square F Sig. Regression 9044,090 3 3014,697 27,514 ,000b
Residual 7669,965 70 109,571
Total 16714,054 73
a. Dependent Variable: TURNOVER
b. Predictors: (Constant), KEPUASAN, KOMPENSASI, J.INSECURITY
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 5,893 4,666 1,263 ,211 KOMPENSASI -,098 ,202 -,127 -,482 ,631 J.INSECURITY -1,166 ,459 -,853 -2,538 ,013 KEPUASAN 1,204 ,305 1,654 3,948 ,000
a. Dependent Variable: TURNOVER
Tabel 4.13
Hasil Persamaan Regresi Kedua
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 ,958a ,918 ,913 4,469
a. Predictors: (Constant), DFFIT, KEPUASAN, KOMPENSASI, J.INSECURITY
b. Dependent Variable: TURNOVER
ANOVAa
Model Sum of Squares df Mean
Square F Sig. 1 Regression 15336,130 4 3834,032 191,990 ,000b Residual 1377,924 69 19,970 Total 16714,054 73
a. Dependent Variable: TURNOVER
83 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta
