A. HASIL PENELITIAN
2. Hasil Analisis Data
Analisis deskripsi variabel dari 38 responden dalam penelitian ini dapat dilihat dalam tabel berikut ini:
Tabel 4. 1 Hasil Uji Analisis Deskriptif
Berdasarkan tabel 4.1 tersebut, nilai valid menunjukan banyaknya data dalam penelitian ini sebanyak 38 responden. Dapat dilihat dari tabel tersebut rata-rata (mean) dari variabel Kinerja Karyawan sebesar 25,55, Rekrutmen sebesar 19,89, dan Seleksi sebesar 19,74.
b. Uji Kelayakan Instrumen 1) Uji Validitas
Adapun dasar pengambilan keputusan dengan membandingkan nilai r-hitung dengan r-tabel untuk degree of freedom (df) = n-2, dalam hal ini, n adalah jumlah sampel. Kuesioner dibagi dalam faktor utama.
Peneliti menggunakan alat bantu IBM SPSS Statistics Version 25 untuk melakukan uji validitas. Intsrumen dikatakan valid jika rhitung >
rtabel (uji 2 sisi dengan sig. 0,05). Dimana N adalah jumlah responden, maka nilai r tabel adalah df = 38-2 = 36. Maka didapat dari r-tabel
Descriptive Statistics Mean Std.
Deviation
N Kinerja
Karyawan (Y)
25.55 3.202 38
Rekrutmen (X1) 19.89 2.037 38
Seleksi (X2) 19.74 2.413 38
0,320 dari pengujian validitas seluruh butir pernyataan yang mempunyai nilai r-hitung lebih besar dari 0,320 dinyatakan valid dan dapat dijadikan acuan untuk penelitian selanjutnya. Ukuran validitas masing-masing dapat dilihat pada tabel berikut:
Tabel 4. 2 Hasil Uji Validitas Data Variabel Rekrutmen (X1)
Hasil uji validitas pada variabel Rekrutmen (X1) menunjukan bahwa seluruh butir pernyataan yang ada pada variabel tersebut adalah valid, karena nilai Sig. dari masing-masing butir pernyataan r-hitung >
r-tabel. Dapat diketahui bahwa butir-butir pernyataan yang digunakan untuk mengukur variabel Rekrutmen (X1) adalah valid, dan selanjutnya akan dilakukan pengujian dengan uji reliabilitas data.
Tabel 4. 3 Hasil Uji Validitas Data Variabel Seleksi (X2)
Hasil uji validitas pada variabel Seleksi (X2) menunjukan bahwa seluruh butir pernyataan yang ada pada variabel tersebut adalah valid,
No
Butir Pernyataan
r - hitung
r -
tabel Keterangan 1 P1X1 0,384** > 0,1829 VALID 2 P2X1 0,671** > 0,1829 VALID 3 P3X1 0,768** > 0,1829 VALID 4 P4X1 0,714** > 0,1829 VALID 5 P5X1 0,690** > 0,1829 VALID 6 P6X1 0,521** > 0,1829 VALID
No
Butir Pernyataan
r - hitung
r -
tabel Keterangan 1 P1X2 0,789** > 0,1829 VALID 2 P2X2 0,790** > 0,1829 VALID 3 P3X2 0,720** > 0,1829 VALID 4 P4X2 0,824** > 0,1829 VALID 5 P5X2 0,806** > 0,1829 VALID 6 P6X2 0,719** > 0,1829 VALID
karena nilai Sig. dari masing-masing butir pernyataan r-hitung > r- tabel. Dapat diketahui bahwa butir-butir pernyataan yang digunakan untuk mengukur variabel Seleksi (X2) adalah valid, dan selanjutnya akan dilakukan pengujian dengan uji reliabilitas data.
Tabel 4. 4 Hasil Uji Validitas Data Kinerja Karyawan (Y)
Hasil uji validitas pada variabel Kinerja Karyawan (Y) menunjukan bahwa seluruh butir pernyataan yang ada pada variabel tersebut adalah valid, karena nilai Sig. dari masing-masing butir pernyataan r-hitung > r-tabel. Dapat diketahui bahwa butir-butir pernyataan yang digunakan untuk mengukur variabel Kinerja Karyawan (Y) adalah valid, dan selanjutnya akan dilakukan pengujian dengan uji reliabilitas data.
2) Uji Realibilitas
Sugiyono (2010) menjelaskan bahwa suatu jawaban responden dapat dikatakan reliabel atau handal, jika hasil jawaban pernyataan atau kuesioner tersebut konsisten dalam waktu yang berbeda. Suatu konstuk atau variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha > 0, 50. Berdasarkan hasil perhitungan kuesioner penelitian, didapatkan data sebagai berikut:
No Butir
Pernyataan r -
hitung r -
tabel Keterangan 1 P1Y 0,723** > 0,1829 VALID 2 P2Y 0,714** > 0,1829 VALID 3 P3Y 0,606** > 0,1829 VALID 4 P4Y 0,766** > 0,1829 VALID 5 P5Y 0,612** > 0,1829 VALID 6 P6Y 0,614** > 0,1829 VALID 7 P7Y 0,697** > 0,1829 VALID 8 P8Y 0,515** > 0,1829 VALID
Tabel 4. 5 Hasil Uji Reabilitas Variabel Cronbach's
Alpha N of
Item Keterangan
Rekrutmen 0,665 6 Reliabel
Seleksi 0,857 6 Reliabel
Kinerja Karyawan 0,807 6 Reliabel
Tabel 4.5 menunjukan nilai Cronbachโs Alpha atas variabel Rekrutmen sebesar 0,802, variabel Seleksi sebesar 0,869, dan variabel Kinerja Karyawan sebesar 0,747. Dengan demikian, dapat disimpulkan bahwa pertanyaan tiap variabel dalam kuesioner reliable, karena memiliki nilai Cronbachโs Alpha lebih besar dari 0,5. Hal tersebut menunjukan bahwa setiap butir pernyataan yang digunakan akan mampu memperoleh data yang konsisten, yang berarti apabila pernyataan tersebut diajukan kembali akan memperoleh jawaban yang relatif sama dengan jawaban sebelumnya.
c. Uji Asumsi Klasik 1) Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal.
Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Dalam penelitian ini, uji normalitas dilakukan dengan metode statistik dengan melihat grafik Normal P-Plot dan nilai Kolmogorov-Smirnov test dalam program IBM SPSS Statistics V.25.
Gambar 4. 1 Hasil Uji Normalitas P-Plot
Gambar 4. 2 Histogram
Berdasarkan gambar 4.1 P-Plot diatas menunjukan adanya garis lurus melintang dari pojok kiri bawah hingga ke kanan atas atau membentuk arah diagonal, sehingga dapat disebut sebagai garis acuan normalitas. Disekitar garis acuan normalitas tersebut, terlihat data yang diwakili dengan titik-titik tersebut disekitar garis acuan. Dapat dilihat data menyebar disekitar garis diagonal dan mengikuti arah
garis diagonal, oleh karena itu model regresi memenuhi asumsi normalitas. Hal ini menunjukan Residual terdistribusi normal. Maka model regresi layak digunakan.
Berdasarkan gambar 4.2 Gambar di atas merupakan grafik histogram. Grafik histogram dikatakan normal jika distribusi data membentuk lonceng (bell shaped), tidak condong ke kiri atau tidak condong ke kanan. Grafik histogram diatas membentuk lonceng dan tidak condong ke kanan atau ke kiri sehingga grafik histogram tersebut dinyatakan normal.
Tabel 4. 6 Hasil Uji Kolmogrov Smirnov
Untuk mendapatkan uji Normalitas yang telah signifikan, maka penelitian ini juga menggunakan uji Kolmogorov-Swirnov (1 sample KS). Uji Kolmogorov-Swirnov berdistribusi normal apabila nilai Asymp. Sig. (2-tailed) di atas nilai signifikan lebih besar dari (> 0,05).
Pada tabel di atas di peroleh nilai Kolmogorov-Smirnov sebesar 0,86 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 38
Normal Parametersa,b Mean 0E-7
Std. Deviation 1.53547197
Most Extreme Differences
Absolute .109
Positive .065
Negative -.109
Test Statistic .109
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
dengan nilai Asymp. Sig. (2-tailed) 0,200 dapat disimpulkan bahwa lebih dari (> 0,05) sehingga variabel residual berdistribusi normal.
2) Uji Multikolinearitas
Pengujian multikolonieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Pedoman dalam model regresi dapat dilihat dari besaran VIF (Variance Inflation Factor) dan tolerance. Regresi bebas dari multikolonieritas jika nilai VIF < 10 dan nilai tolerance > 0,10 (Palagan, 2018).
Tabel 4. 7 Hasil Multikolinearitas Coefficientsa
Model t Sig. Collinearity Statistics
Tolerance VIF
1
(Constant) -0,895 0,377
Rekrutmen 5,466 0,000 0,513 1,950
Seleksi 2,877 0,007 0,513 1,950
a. Dependent Variable: Kinerja Karyawan
Sumber: hasil olah data SPSS V. 25, 2023
Dari tabel diatas menunjukkan hasil pengujian multikolinearitas dengan hasil data yang disajikan pada tabel terlihat bahwa nilai Tolerance yang diperoleh dari masing-masing variabel bebas > 0,10 dan Variance Inflation Factor (VIF) kurang dari 10. Dapat terlihat dari tabel diatas dengan nilai Tolerance untuk Rekrutmen sebesar 0,513 dan VIF sebesar 1,950, Seleksi dengan nilai Tolerance sebesar
0,513 dan VIF sebesar 1,950. Dengan demikian dapat disimpulkan bahwa model regresi dalam penelitian ini terbukti terbebas dari gejala multikokinearitas.
3) Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan menguji apakah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heterokedastisitas dengan melihat, pola tertentu seperti titik- titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasi telah terjadi heterokedastisitas. Dan jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
Gambar 4. 3 Hasil Uji Heterokedasitisitas
Hasil uji heteroskedastisitas dari gambar 4.2 menunjukan hasil pengujian heteroskedastisitas dengan metode grafik Scatter Plot antara SRESID dan ZPRED menunjukan pola penyebaran. Dari gambar tersebut terlihat bahwa titik-titik menyebar diatas dan dibawah 0 (nol) pada sumbu Y. hal ini menunjukan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model layak untuk digunakan dalam pengujian. Selain itu, terlihat bahwa data yang diuji penyebarannya dari waktu ke waktu selalu konsisten atau sama.
d. Uji Struktur Model
1) Analisis Regresi Linear Berganda
Analisis regresi linier berganda digunakan untuk mengetahui besarnya pengaruh dari variabel (independen) terhadap variabel terikat (dependen). Penelitian ini telah memenuhi syarat dalam uji asumsi klasik, sehingga model persamaan regresi akan mampu mengestimasi pengaruh antara variabel independen terhadap variabel dependen.
Tabel 4. 8 Hasil Analisis Regresi Linear Berganda Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
B Std. Error Beta
1
(Constant) 2,324 2,595
Rekrutmen 0,972 0,178 0,619
Seleksil 0,432 0,150 0,326
a. Dependent Variable: Kinerja Karyawan
Sumber: hasil olah data SPSS V. 25, 2023
Berdasarkan tabel 4.8 tersebut, nilai-nilai pada output kemudian dimasukkan ke dalam persamaan regresi linier berganda sebagai
berikut:
๐ = (๐ผ) + ๐ฝ1๐1 + ๐ฝ2๐2 + ๐ PDA = 2,324 + 0,972 X1 + 0,432 X2 + e
Dapat diinterpretasikan dari hasil persamaaan diatas sebagai berikut:
a) Nilai konstan sebesar 2,324 mempunyai arti jika nilai X = 0, maka nilai Y akan menunjukakan tingkat sebesar 2,324 atau dalam arti lain jika tidak ada variabel X maka variabel Y sebesar 2,324.
b) Koefisien regresi pada variabel Rekrutmen (X1) menunjukkan nilai positif sebesar 0,972, maka setiap peningkatan Rekrutmen sebesar 1 satuan akan meningkatkan variabel Kinerja Karyawan sebesar 0,972.
c) Koefisien regresi pada variabel Seleksi (X2) menunjukkan nilai positif sebesar 0,432, maka setiap peningkatan Seleksi (X2) sebesar 1 satuan akan meningkatkan variabel Kinerja Karyawan sebesar 0,432.
2) Uji Determinasi R2
Koefisien determinasi R2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dala menjelaskan variasi variabel dependen amat terbatas. Untuk regresi linier berganda, sebaiknya menggunakan R Square yang sudah disesuaikan atau Adjusted R Square.
Tabel 4. 9 Hasil Uji Determinasi (R2) Model Summaryb
Model R R Square Adjusted R
Square
Std. Error of the Estimate
Change Statistics R Square Change
1 .878a 0,770 0,757 1,579 0,770
a. Predictors: (Constant), Rekrutmen, Seleksi b. Dependent Variable: Kinerja Karyawan
Sumber: hasil olah data SPSS V. 25, 2023
Dari hasil tabel 4.9 diperoleh nilai Adjusted R-Square sebesar 0,757 atau 75,7%, hal ini menunjukkan bahwa variasi variabel independen (Rekrutmen, dan Seleksi) mampu menjelaskan sebesar 75,7% terhadap variasi variabel dependen (Kinerja Karyawan), dan sisanya 24,3% dipengaruhi atau dijelaskan oleh variabel lain yang tidak dimasukkan dalam penelitian ini.
e. Uji Hipotesis
1) Hasil Uji Koefisien Regresi Secara Parsial (Uji Statistik t)
Uji t atau uji secara parsial digunakan untuk menunjukkan seberapa jauh pengaruh satu variabel independen yaitu Rekrutmen (X1), Seleksi (X2), terhadap Kinerja Karyawan (Y). Untuk menentukan nilai t tabel ditentukan tingkat signifikansi 0,05 atau 5%
dengan menentukan degree of freedom atau derajat kebebasan:
df = (n โ k โ 1) df = (38 โ 3 โ 1)
df = 34 Dimana:
n = Jumlah Observasi
k = Jumlah Variabel (Variabel Bebas dan Terikat)
Dengan tingkat signifikan 0,05 atau 5% dan df = 34, maka t tabel adalah 0,68177. Jika t hitung < t tabel, maka Ha ditolak, dimana, tidak ada pengaruh antara variabel independen (X) dengan variabel dependen (Y). Jika t hitung > t tabel, maka Ha diterima dan memiliki pengaruh antara variabel independen (X) dengan variabel depeden (Y). Apabila variabel yang diuji pada tingkat signifikan 0,05 atau 5%
dengan kriteria tingkat signifikan > 0,05 maka Ho diterima, dimana variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen. Sedangkan jika nilai signifikan < 0,05 maka Ho ditolak, dimana variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen. Hasil uji t (uji secara parsial) menggunakan software SPSS 25 Version dapat dilihat dalam tabel berikut ini:
Tabel 4. 10 Hasil Uji t Coefficientsa
Model t Sig.
Collinearity Statistics Tolerance VIF
1
(Constant) 2,324 2,595
Rekrutmen 0,972 0,178 0,513 1,950
Seleksi 0,432 0,150 0,513 1,950
a. Dependent Variable: Kinerja Karyawan Sumber: hasil olah data SPSS V. 25, 2023
Berdasarkan tabel 4.10, maka dapat diketahui pengaruh dari masing-masing variabel independen terhadap variabel dependen
sebagai berikut:
a) Pengaruh Rekrutmen (X1) terhadap Kinerja Karyawan (Y)
Dari hasil perhitungan uji t, diketahui bahwa thitung > ttabel
(0,972 > 0,681) dengan nilai signifikan dari variabel Rekrutmen (X1) sebesar 0,178 > 0,05. Maka dapat disimpulkan bahwa H1
diterima dan Ho diterima, artinya bahwa variabel Rekrutmen (X1) berpengaruh dan tidak signifikan terhadap variabel Kinerja Karyawan (Y).
b) Pengaruh Seleksi (X2) terhadap Kinerja Karyawan (Y)
Dari hasil perhitungan uji t, diketahui bahwa thitung > ttabel
(0,432 < 0,681) dengan nilai signifikan dari variabel Seleksi (X2) sebesar 0,150 > 0,05. Maka dapat disimpulkan bahwa H1 ditolak dan Ho diterima, artinya bahwa variabel Seleksi (X2) tidak berpengaruh dan tidak signifikan terhadap variabel Kinerja Karyawan (Y).
2) Hasil Uji Koefisien Regresi secara Simultan (Uji Statistik f)
Uji statistik F menunjukkan apakah semua variabel bebas atau independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat atau dependen dengan diuji pada tingkat signifikansi 0,05. Untuk menentukan apakah hipotesis dapat diterima atau ditolak, terdapat kriteria pengambilan keputusan terhadap suatu hipotesis, yaitu:
Tabel 4. 11 Hasil Uji F ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regre
ssion
292,161 2 146.080 58.610 .000b
Resid ual
87,234 35 2.492
Total 379,375 37
a. Dependent Variable: Kinerja Karyawan b. Predictors: (Constant), Rekrutmen, Seleksi
Sumber: hasil olah data SPSS V. 25, 2023
Dari hasil pengujian hipotesis simultan diatas terlihat bahwa nilai Fhitung > Ftabel yang diperoleh sebesar 58,610 > 2,72 dan nilai signifikan (sig.) yang diperoleh sebesar 0,000 < 0,05 maka Ho ditolak dan Ha diterima. Dengan demikian dapat diambil kesimpulan bahwa secara simultan terdapat pengaruh positif dan signifikan antara variabel Rekrutmen (X1), Seleksi (X2secara bersama-sama terhadap Kinerja Karyawan (Y). Dapat diambil kesimpulan bahwa hipotesis ke- 3 (H3) diterima, dengan, Rekrutmen, dan Seleksi secara bersama-sama terhadap Kinerja Karyawan