BAB III Metodologi Penelitian
3.4 Teknik Pengolahan Data
Teknik analisis data yang digunakan dalam penelitian ini adalah statistik deskriptif, uji kualitas data, uji asumsi klasik dan uji hipotesis. Data akan diolah menggunakan SPSS 23.
3.4.1 Analisis Statistik Deskriptif
Statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi (Sugiyono, 2016). Sugiyono (2016), menyatakan penyajian data dalam statistik deskriptif yaitu table, grafik, digram lingkaran, pictogram, perhitungan modus, median, mean (pengukuran tendensi sentral), perhitungan desil, persentil, perhitungan penyebaran data melalui perhitungan rata-rata dan standar deviasi, perhitungan prosentase.
3.4.2 Uji Kualitas Data
Untuk melakukan uji kualitas data atas data primer pada penelitian ini, maka peneliti menggunakan uji validitas dan reliabilitas.
3.4.2.1Uji Validitas
Validitas adalah suatu ukuran yang menunjukkan tingkat kevalidan atau kesahihan suatu instrument. Sebuah instrument dikatakan valid apabila mampu mengukur apa yang hendak diukur/diinginkan (Riduan, Rusyana, dan Enas, 2011). Uji validitas pada penelitian ini menggunakan metode Kaiser – Meyer – Oklin dan analisis faktor dengan melihat nilai factor loading dari component matrix. Hasil dari Kaiser – Meyer – Oklin memiliki interpretasi yaitu jika hasil berkisar di 0,90 yang berarti sangat baik, 0,80 yang berarti cukup baik, 0,70 yang berarti baik, 0,60 yang berarti sedang dan 0,50 yang berarti dapat diterima, sedangkan dibawah 0,50 berarti tidak dapat diterima. Menurut Hardius – Nurdin (2013) MSA sesungguhnya merupakan sebuah staatistik yang berguna untuk mengukur sebera tepat suatu variabel terprediksi oleh variabel lain dengan error yang relative kecil. Formulasi perhitungannya adalah dengan membandingkan antara korelasi terobservasi dengan korelasi parsial. Nilai MSA berkisar antara 0 sampai 1, dan berdasarkan nilai MSA yang didapat akan dapat diambil kesimpulan sebagai berikut:
1. MSA =1 berati setiap variabel mampu diprediksi variabel lain secara tepat, atau tanpa error
2. MSA > 0,5, variabel masih bisa diprediksi variabel lain.
3. MSA< 0,5, variabel tidak diprediksi dan harus dikeluarkan dari analisis.
Mengingat kegunaan MSA ini sebagaimana disebutkan di atas, maka MSA ini merupakan suatu ukuran untuk menguji validitas dari atribut.
3.4.2.2Uji Reliabilitas
Menurut Hardius – Nurdin (2013) salah satu teknik untuk mengukur keaandalan adalah Cronbach’s Alpha. Perhitungan secara matematis menggunakan metode ini didasarkan pada rata-rata korelasi antara atribut.
Mengingat metode ini dilandasi oleh korelasi, maka Koefisien Cronbach’s Alpha (α) mempunyai range nilai antara 0 hingga 1. Pada nilai Koefisien Crobach Alpha berapakah alat ukur yang digunakan disebut reliable atau andal? Beberapa referensi menyebutkan bahwa:
1. Jika nilai α = 0,8 – 1,0 maka keandalan masuk kategori sangat tinggi
2. Jika nilai α = 0,6 – 0,8 maka keandalan masuk kategori tinggi 3. Jika nilai α = 0,4 – 0,6 maka keandalan masuk kategori cukup 4. Jika nilai α = 0,2 – 0,4 maka keandalan masuk kategori rendah 5. Jika nilai α = 0,0 – 0,2 maka keandalan masuk kategori sangat
rendah
Uji reliabilitas bertujuan untuk menunjukkan sejauh mana pertanyaan- pertanyaan yang ada didalam angket dapat dipercaya atau dapat diandalkan dan konsisten dari waktu ke waktu. Jika nilai Cronbach Alpha lebih besar dari 0,6, maka pertanyaan dinyatakan realibel. Uji validitas dan reliabilitas dilakukan dengan membagikan kuesioner kepada 36 orang. Di mana responden dalam penelitian ini adalah atlet pelatda PON polo air DKI Jakarta sebagai populasi yang akan digunakan.
3.4.3 Uji Asumsi Klasik
Menurut dwi Priyatno (2009), uji penyimpangan asumsi klasik digunakan untuk mengetahui ada tidaknya multikolinearitas, autokorelasi, dan heterokedastisitas dalam model regresi.
3.4.3.1Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau residual memiliki distribusi normal. Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. (Ghozali, 2006).
Uji normalitas pada penelitian ini menggunakan One Sample Kolmogorov-Smirnov Test. Menurut Dwi Priyatno (2009) One Sample Kolmogorov-Smirnov Test digunakan untuk mengetahui distribusi populasi, apakah mengikuti distribusi secara teoretis (normal, poisson, uniform, atau exponential). Kolmogorov-Smirnov Test ini untuk menguji data berskala interval dan rasio.
3.4.3.2.Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Uji multikolonieritas dilihat dari nilai tolerance dan Variance Inflantion Factor (VIF). Jika terjadi korelasi, maka dinamakan terdapat problem multikoliniearitas (multiko). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Uji multikolonieritas dilihat dari nilai tolerance dan Variance Inflantion Factor (VIF) serta besaran korelasi antar variabel independen (Ghozali, 2006). Suatu model regresi dapat dikatakan bebas multikolinearitas jika nilai VIF sekitar angka 1 atau memiliki tolerance mendekati 1, maka dikatakan tidak terdapat masalah multikolinearitas. sedangkan jika koefisien korelasi antarvariabel bebas kurang dari 0.5, maka tidak terdapat masalah kolinearitas. (Joko Sulistyo, 2012).
3.4.3.3Uji Heterokedastis
Uji heteroskedasitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variansi dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residul satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedesitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Uji heteroskedastisitas dapat dilihat dengan menggunakan grafik plot antara nilai prediksi variabel terikat (ZPRED) dengan residual (SRESID). Jika grafik plot menunjukkan suatu pola titik seperti titik yang bergelombang atau melebar kemudian menyempit, maka dapat disimpulkan bahwa telah terjadi heteroskedastisitas. Tetapi jika grafik plot tidak membentuk pola yang jelas, maka tidak terjadi heteroskedastisitas (Ghozali, 2006).
3.4.4 Uji Hipotesis
Hipotesis dalam penelitian ini diuji menggunakan analisis regresi berganda. Analisis regresi berganda digunakan untuk melihat pengaruh sejumlah variabel independen (x) terhadap variabel dependen (y) atau juga untuk memprediksi nilai suatu variabel dependen (y) berdasarkan nilai variabel-variabel (x) (Uyanto, 2009).
Rumus regresi berganda yang digunakan adalah sebagai berikut:
Keterangan:
Y = Kinerja Karyawan α = Konstanta
β1, β2, β3 = Koefisien Variabel Independen
X1 = Kompensasi Keuangan X2 = Kompensasi Nonkeuangan X3 = Lingkungan Kerja
e = Faktor Penganggu (error)
Variabel independen pada penelitian ini, yaitu kompensasi keuangan, kompensasi nonkeuangan dan lingkungan kerja. Sedangkan variabel dependen nya adalah kinerja atlet pelatda PON DKI Jakarta.
3.4.4.1 Koefisien Determinasi (r²)
Menyatakan bahwa koefisien determinasi (r²) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variansi variabel dependen.
Nilai koefisien determinasi adalah antara nol dan satu. Jika nilai r² mendekati 1 (satu), maka dapat dikatakan semakin kuat model tersebut dalam menerangkan variasi variabel independen terhadap variabel dependen. Sebaliknya, jika r² mendekati 0 (nol) maka semakin lemah variasi variabel independen menerangkan variabel dependen terbatas. Sedangkan untuk mengetahui berapa besarnya
sumbangan masing-masing variabel bebas terhadapa variabel terikatnya digunakan (r²) parsialnya. Selain r² untuk menguji determinasi variabel bebas (X) terhadap variabel terikat (Y) akan dilakukan dengan melihat pada koefisien korelasi parsial r², nilai r² variabel bebas yang paling tinggi akan menunjukkan tingkat hubungan dan pengaruh yang dominan terhadap variabel terikat (Ghozali, 2006 ).
3.4.4.2 Uji Parsial (Uji t)
Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam menerangkan variasi variabel dependen dan digunakan untuk mengetahui ada atau tidaknya pengaruh masing-masing variabel independen secara individual terhadap variabel dependen yang diuji pada tingkat signifikansi 0,05. (Ghozali, 2006).