BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian
4.1.4 Hasil Analisis Data
4.1.4.1 Uji Validitas dan Reliabiltias
Uji validitas ini dilakukan dengan tujuan untuk mengetahui kesahihan dari angket atau kuesioner. Kesahihan disini mempunyai arti kuesioner atau angket yang dipergunakan mampu untuk mengukur apa yang seharusnya diukur. Suatu kuesioner dikatakan valid (handal) jika jawaban seseorang terhadap pertanyaan yang terdapat dalam kuesioner tersebut adalah konsisten atau stabil dari waktu ke waktu. Uji validitas dilakukan terhadap 20 responden dengan membandingkan nilai r-hitung dengan nilai r-tabel. Nilai r-hitung diambil dari output SPSS pada metode korelasi Bivariate Pearson (pearson Product Moment Correlation) dan metode Item-Total Correlation. Sedangkan nilai r-tabel dicari pada signifikansi 0,05 dengan uji 2 sisi dan jumlah data (n) = 10, maka didapat nilai r-tabel sebesar
0,444. Untuk hasil lengkap dari uji validasi dapat dilihat pada tabel di bawah ini berikut:
Tabel 4.6 Hasil Uji Validitas
Variabel Indikator Pearson
Correlation Corrected Item-Total Correlation r-tabel Keterangan Pendidikan dan Pelatihan (X) 1 0,878 0,844 0,444 Valid 2 0,858 0,813 Valid 3 0,607 0,523 Valid 4 0,656 0,563 Valid 5 0,829 0,778 Valid 6 0,583 0,464 Valid 7 0,618 0,487 Valid 8 0,890 0,854 Valid 9 0,573 0,478 Valid 10 0,734 0,667 Valid Kinerja Pegawai (Y) 1 0,949 0,937 0,444 Valid 2 0,877 0,843 Valid 3 0,806 0,763 Valid 4 0,650 0,570 Valid 5 0,748 0,678 Valid 6 0,949 0,937 Valid 7 0,864 0,829 Valid 8 0,928 0,907 Valid 9 0,949 0,937 Valid 10 0,877 0,843 Valid
Sumber : Hasil Olah Data SPSS (2016)
Dari tabel di atas dapat dilihat bahwa nilai Pearson Correlation dan Corrected Item-Total Correlation dari keseluruhan indikator yang diuji bernilai positif dan lebih besar dari nilai r-tabel yang besarnya adalah 0,444. Karena keseluruhan nilai Pearson Correlation dan Corrected Item-Total Correlation semua indikator yang diuji lebih besar daripada nilai r-tabel, maka dapat diambil kesimpulan bahwa semua butir indikator dalam penelitian ini dinyatakan valid.
b. Uji Reliabilitas
Uji realibilitas merupakan uji kehandalan yang bertujuan untuk mengetahui seberapa jauh sebuah alat ukur dapat diandalkan atau dipercaya. Pengujian realibilitas terhadap seluruh item/pertanyaan yang dipergunakan dalam penelitian ini akan menggunakan formula cronbach’s alpha (koefisien alpha
cronbach’s), dimana secara umum yang dianggap reliabel apabila nilai alpha cronbachnya > 0,6 (Duwi Priyatno, 2009:26). Dengan kriteria 0,8 – 1,0 = sangat tinggi ; 0,4 – 0,6 = cukup ; 0,2 – 0,4 = rendah dan 0,00 – 0,2 = sangat rendah. Hasil lengkap uji reliabilitas dapat dilihat pada Tabel 4.7 berikut ini:
Tabel 4.7 Hasil Uji Reliabilitas
Variabel Cronbach’s Alpha Keterangan
Pendidikan dan pelatihan (X) 0,893 Reliabel
Kinerja Pegawai (Y) 0,958 Reliabel
Sumber : Hasil Olah Data SPSS (2016)
Dari Tabel 3.4 di atas dapat diketahui bahwa nilai Cronbach’s Alpha dari seluruh variabel yang diujikan nilainya sudah diatas 0,60, maka dapat disimpulkan bahwa seluruh variabel dalam penelitian ini lolos dalam uji reliabilitas dan dinyatakan reliabel dengan kriteria sangat tinggi.
4.1.4.2Uji Asumsi Klasik a. Hasil Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak. Model data yang baik adalah berdistribusi normal atau mendekati normal. Untuk melihat data berdistribusi normal dilakukan dengan memperhatikan normal probability
plot pada scatter plot berdistribusi normal. Uji normalitas dapat dilihat pada gambar di bawah ini :
Gambar 4.5. Hasil Uji Normalitas P-Plot
Berdasarkan Gambar 4.5 dapat dilihat bahwa data terdistribusi merata di sepanjang garis diagonal. Hal ini membuktikan bahwa data yang dipergunakan dalam penelitian ini memenuhi asumsi normalitas.
Gambar 4.6 Grafik Histogram
Pada Gambar 4.6 menjelaskan histogram terlihat bahwa garis dan histogramnya melintang dari kiri ke kanan. Gambar ini menunjukkan bahwa data yang telah diolah sudah terdistribusi secara normal.
b. Uji Multikolinieritas
Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolinieritas. Ada beberapa metode pengujian yang bisa digunakan, diantaranya dengan melihat nilai variance inflation factor (VIF) pada model regresi, dengan membandingkan nilai koefisien determinasi individual (r2) dengan nilai determinasi secara serentak (R2) dan dengan melihat nilai eigenvalue dan condition index. Pada pembahasan ini akan dilakukan uji multikolinieritas dengan
melihat nilai variance inflation factor (VIF). Menurut Priyatno (2009), pada umumnya jika VIF lebih besar dari 5, maka variabel tersebut mempunyai persoalan multikolinieritas dengan variabel bebas lainnya. Hasil uji multikolinieritas dapat dilihat pada gambar di bawah ini :
Tabel 4.8
Hasil Uji Multikolinieritas
Model Collinearity Statistics
Tolerance VIF
Pendidikan dan pelatihan 1.000 1.000
Sumber : Hasil Olah Data SPSS (2016)
Dari hasil di atas dapat diketahui nilai variance inflation factor (VIF) variabel pendidikan dan pelatihan adalah lebih kecil dari 5, sehingga dapat disimpulkan antar variabel independen tidak terjadi persoalan multikolinieritas.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah data dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas (Nugroho, 2005:62).
Adapun gambar Scatterplot pada uji heteroskedastitias adalah sebagai berkut:
Gambar 4.7. Uji Heteroskedastisitas
Berdasarkan Gambar 4.7 di atas dapat terlihat bahwa distribusi data tidak teratur dan tidak membentuk pola tertentu, serta tersebar di atas dan di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa pada model regresi ini tidak terjadi masalah heteroskedastisitas.
4.1.4.3Uji Hipotesis a. Uji t
Uji t digunakan untuk menguji apakah hubungan yang terjadi antara variabel independen (pendidikan dan pelatihan) dengan variable dependen (kinerja pegawai) berlaku untuk populasi (dapat digeneralisasikan). Koefisien korelasi sederhana (uji t) dapat dilihat pada tabel di bawah ini.
Tabel 4.9 Hasil Uji t Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) 25.087 4.700 5.338 .000 Kinerja Pegawai .284 .128 .331 2.221 .032
a. Dependent Variabel: Pendidikan dan pelatihan Kerja
Sumber : Hasil Olah Data SPSS (2016)
Dari hasil uji statistik secara parsial diperoleh nilai thitung untuk variabel kinerja pegawai sebesar 2,221 dan ttabel (n=42) adalah 2,022, karena nilai thitung lebih besar dari ttabel 2,221 > 2,022 maka H0 ditolak dan Ha diterima. Dengan demikian hipotesis penelitian yang berbunyi: “Terdapat pengaruh yang positif dan
signifikan antara pendidikan dan pelatihan kerja terhadap kinerja karyawan pada
PT.Bank Sumut Cabang Simalingkar Medan” diterima.
Berdasarkan Tabel 4.12 dapat dilihat persamaan analisis regresi sederhana pada penelitian ini adalah :
Y = 25,087 + 0,284X
Dari rumus tersebut dapat dijelaskan sebagai berikut : angka konstanta sebesar 25,087 artinya jika pendidikan dan pelatihan kerja memiliki nilai 0, maka kinerja pegawai nilainya sebesar 25,087. Sedangkan nilai koefisien regresi variabel X sebesar 0,284 menunjukkan bahwa jika pendidikan dan pelatihan mengalami peningkatan sebesar 1 maka kinerja pegawai akan mengalami peningkatan sebesar 0,284. Koefisien bernilai positif artinya terdapat hubungan yang positif antara pendidikan dan pelatihan kerja terhadap kinerja pegawai pada PT.Bank Sumut Cabang Simalingkar Medan.
b. Uji Koefisien Determinasi (R2)
Untuk mengetahui besarnya pengaruh variabel independen terhadap variabel dependen adalah dengan menggunakan uji koefisien determinasi R2 berikut pada Tabel 4.10.
Tabel 4.10 Koefisien Determinasi (R2) Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .331a .110 .088 2.90996 2.029
a. Predictors: (Constant), Kinerja Pegawai
b. Dependent Variable: Pendidikan dan pelatihan Kerja Sumber : Hasil Pengolahan SPSS (2016)
Berdasarkan Tabel 4.10 terlihat bahwa nilai R Square (R2) yang diperoleh sebesar 0,110 atau 11%, hal ini menunjukkan bahwa persentase sumbangan pengaruh variabel pendidikan dan pelatihan terhadap kinerja pegawai sebesar 11% sedangkan sisanya sebesar (100%-11%) 89% dipengaruhi atau dijelaskan oleh variabel lain yang tidak dimasukkan dalam penelitian ini.