BAB IV HASIL DAN PEMBAHASAN
A. Uji Validitas dan Reliabilitas
Kualitas hasil penelitian yang baik sudah semestinya diperoleh jika rangkaian penelitian dilakukan dengan baik. Perencanaan yang matang, dengan alat penelitian seperti daftar pertanyaan yang digunakan harus dalam kondisi baik. Valid artinya data-data yang diperoleh dengan penggunaan instrumen penelitian dapat menjawab tujuan penelitian. Reliabel artinya data yang diperoleh konsisten atau stabil. Agar data yang diperoleh valid dan reliabel maka dilakukan uji validitas dan reliabilitas. Uji validitas dan reliabilitas kuesioner penelitian ini menggunakan bantuan software SPSS 16.0 for windows.
1. Uji Validitas
Uji validitas dilakukan dengan menggunakan program SPSS 16.0 dengan kriteria sebagai berikut :
a. Jika rhitu ng positif atau rhitung > rtabel, maka butir pertanyaan tersebut valid. b. Jika rhitu ng positif atau rhitu ng < rtabel, maka butir pertanyaan tersebut tidak valid. Nilai rhitung dapat dilihat pada kolom corrected item total correlation.
Penyebaran kuesioner khusus dalam uji validitas dan reliabilitas diberikan kepada 30 orang responden diluar dari responden penelitian yang hasilnya dapat dilihat pada Tabel 4.1.
Tabel 4.1 Uji Validitas
Pertanyaan r hitung r tabel Keterangan
p1 .554 0.361 Valid p2 .665 0.361 Valid p3 .575 0.361 Valid p4 .743 0.361 Valid p5 .847 0.361 Valid p6 .709 0.361 Valid p7 .588 0.361 Valid p8 .446 0.361 Valid p9 .477 0.361 Valid p10 .613 0.361 Valid p11 .478 0.361 Valid p12 .517 0.361 Valid P13 .425 0.361 Valid P14 .575 0.361 Valid P15 .562 0.361 Valid
Sumber: Hasil penelitian (Desember, 2009) diolah
Pada Tabel 4.1 diatas menunjukkan korelasi antara skor item dengan skor total item yang dapat digunakan untuk menguji validitas instrumen. Untuk mengetahui validitas pada setiap pertanyaan, maka nilai pada colom corrected item total correlation yang merupakan nilai rhitung dibandingkan dengan rtabel. Adapun pada α = 0,05 dengan derajat bebas df = 30, sehinggan r (0,05:30), diperoleh rtabel adalah 0,361.
Tabel 4.1 juga menunjukkan bahwa seluruh butir pertanyaan valid karena r hitung > rtabel yang dapat dilihat dari rhitung pada corrected item total correlation
yang pada keseluruhan butir lebih besar dari rtabel (0,361). Dengan demikian, kuesioner dapat dilanjutkan pada tahap reliabilitas.
2. Uji Reliabilitas
Pengujian dilakukan dengan menggunakan SPSS 16.0 dengan kriteria sebagai berikut :
a. Jika r alpha positif atau lebih besar dari rtabel maka dinyatakan reliabel. b. Jika r alpha positif atau lebih besar dari rtabel maka dinyatakan tidak reliabel.
Menurut Ghozali dan Kuncoro (Situmorang dkk, 2006:179) butir pertanyaan yang sudah dinyatakan valid dalam uji validitas akan ditentukan reliabilitasnya dengan kriteria sebagai berikut:
a. Menurut Ghozali nilai Cronbach’s Alpha > 0.60 b. Menurut Kuncoro nilai Cronbach’s Alpha > 0.80
Tabel 4.2 Reliability Statistics
Cronbach's Alpha N of Items
0.897 15
Sumber: Hasil penelitian (Desember, 2009) diolah
Pada Tabel 4.2 dapat diketahui bahwa nilai r alpha sebesar 0,897 dan rtabel sebesar 0,361 sehingga dapat disimpulkan bahwa nilai r alpha positif dan lebih besar dari rta bel (0,897 > 0,361) maka kuesioner tersebut dinyatakan reliabel dan dapat digunakan untuk penelitian. Kriteria lain menyatakan bahwa suatu variabel dikatakan reliabel jika memberikan nilai cronbach's alpha > 0,60 atau 0,80 berdasarkan hasil SPSS pada Tabel 4.2 maka ke 15 pernyataan dinyatakan reliabel dengan kriteria tersebut.
B. Uji Asumsi Klasik 1. Uji Normalitas
Tujuan uji normalitas adalah untuk menguji 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 analisis grafik dan uji statistik.
a. Analisis Grafik
Salah satu cara untuk melihat normalitas adalah dengan meilhat grafik histogram dan grafik normal plot yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal.
Hasil dari output SPSS terlihat seperti Gambar 4.1 dan Gambar 4.2:
Gambar 4.2 Plot Uji Normalitas
Sumber: Hasil penelitian (Desember, 2009) diolah
Berdasarkan Gambar 4.1 dapat diketahui bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh data tersebut tidak menceng ke kiri atau ke kanan, sedangkan pada Gambar 4.2 dapat juga terlihat titik yang mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal. b. Analisis Statistik
Uji normallitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribus normal. Berikut ini pengujian normalitas yang didasarkan dengan uji statistik non-parametrik Kolmogorov-Smirnov (K-S).
Tabel 4.3
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 42
Normal Parametersa Mean .0000000
Std. Deviation 1.24904151 Most Extreme Differences Absolute .140 Positive .093 Negative -.140 Kolmogorov-Smirnov Z .908
Asymp. Sig. (2-tailed) .381
a Test distribution is Normal. b Calculated from data.
Sumber: Hasil penelitian (Desember, 2009) diolah.
Berdasarkan Tabel 4.3 dapat diketahui bahwa nilai Asymp. Sig. (2-tailed) adalah 0,381, ini berarti di atas nilai signifikan 0.05 atau 5%. Oleh karena itu, sesuai dengan analisis grafik, analisis statistik dengan dengan uji statistik non-parametrik Kolmogorv-Smirnov (K-S) juga menyatakan bahwa variabel residua l berdistribusi normal.
2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji model regresi terjadi ketidaksamaan varians dari satu residual pengamatan ke pengamatan lain. 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 homokedastisitas atau tidak terjadi heteroskedastisitas.
Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu:
a. Metode Grafik
Dasar analisis adalah jika 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 yang ada membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
Gambar 4.3 Scatterplot
Sumber: Hasil penelitian (Desember, 2009) diolah
Berdasarkan Gambar 4.3 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 heteroskedastistas pada model regresi.
b. Uji Glejser
Glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik
mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas. Tabel 4.4 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 1.494 1.855 .806 .425 Spesialisasi Kerja .020 .099 .035 .203 .840 Beban Kerja -.055 .099 -.094 -.553 .584
a. Dependent Variable: Absut
Sumber: Hasil penelitian (Desember, 2009) diolah
Kriteria pengambilan keputusan dengan uji glejser sebagai berikut:
a. Jika nilai signifikansi > 0,05 maka tidak mengalami gangguan heteroskedastisitas
b. Jika nilai signifikansi < 0,05 maka mengalami gangguan heteroskedastisitas
Tabel 4.4 memperlihatkan bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut (absut). Hal ini terlihat dari probabilitas signifikansi di atas tingkat kepercayaan 5%, jadi model regresi tidak mengarah adanya heteroskedastisitas.
3. Uji Multikolinearitas
Gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF (Varience Inflation Factor) melalui program SPSS 15. Tolerance mengukur variabilitas variabel terpilih yang tidak dijelaskan oleh variabel
0,1 atau nilai VIF < 5, maka tidak terjadi multikolinearitas (Situmorang dkk, 2008:104).
Tabel 4.5
Uji Nilai Tolerance dan VIF Coeficienta Model Unstandardized Coefficients Standardized Coefficients t Sig. Colenerity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 4.478 2.736 1.637 .110
Spesialisasi
Kerja 1.112 .146 .724 7.595 .000 .881 1.135 Beban
Kerja .347 .146 .226 2.377 .022 .881 1.135 a. Dependent Variable: Efektivitas
Kerja
Sumber: Hasil penelitian (Desember, 2009) diolah Berdasarkan Tabel 4.5 dapat terlihat bahwa:
a. Nilai VIF dari faktor Spesialisasi Kerja dan faktor Beban Kerja lebih kecil atau dibawah 5 (VIF < 5), ini berarti tidak terdapat multikoliniaeritas antar variabel independen dalam model regresi.
b. Nilai Tolerance dari faktor Spesialisasi Kerja dan faktor Beban Kerja lebih besar dari 0,1 (Nilai Tolerance > 0,1) ini berarti tidak terdapat multikolinieritas antar variabel independen dalam model regresi.