Analisis Regresi Linier Berganda

46 46

c. Karakteristik Responden Berdasarkan Pendidikan

Table 4-6 PendidikanMasa Kerja Crosstabulation Pendidikan MasaKerja Crosstabulation Count MasaKerja Total 1-6 13-18 19-24 25-30 7-12 Pendidikan D3 28 28 S1 37 4 9 1 22 73 SMA 3 1 4 Total 68 4 9 1 23 105 Sumber : Hasil Penelitian 2013 diolah dengan SPSS 18,0 Tabel 4.6 menjelaskan bahwa jumlah masa kerja 1-6 tahun lebih banyak tingkat pendidikan S1 37 daripada D3 28.

4.2.3 Analisis Regresi Linier Berganda

Metode analisis regresi linier berfungsi untuk mengetahui pengaruhhubungan antara variabel independent pengembangan karyawan dan imbalan dan variabel dependent prestasi kerja akan digunakan analisis regresi linear berganda multiple regression analysis. Peneliti menggunakan bantuan program software SPSS versi 18 untuk memperoleh hasil yang lebih terarah, dengan menggunakan metode Enter. Metode Enter dilakukan dengan memasukkan semua variabel bebas sebagai variabel prediktor. Seluruh variabel akan dimasukkan ke dalam analisis untuk mengetahui apakah variabel independent mempunyai pengaruh yang positif dan signifikan terhadap variabel dependent . Sebelum melakukan analisis regresi berganda, penulis melakukan pengujian asumsi klasik. Pengujian asumsi klasik dilakukan untuk mendapatkan hasil penelitian yang BLUE Best Linier Unbiased Estimation atau perkiraan Universitas Sumatera Utara 47 47 yang efisien dan tidak bias. Kriteria pengujian asumsi klasik yang harus dipenuhi sebagai berikut : 1. Uji Normalitas Uji normalitas bertujuan untuk mengetahui apakah residual yang diteliti berdistribusi normal atau tidak. Distribusi data tidak normal, karena terdapat nilai ekstrim data yang diambil. Pada uji normalitas ada dua cara yang dapat digunakan yaitu: a. Analisis Grafik Normalitas data dapat dilihat melalui penyebaran titik pada sumbu diagonal dari P-Plot atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan sebagai berikut: Apabila data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas. Apabila data menyebar jauh dari diagonal atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi normalitas. Hasil dari analisis Grafik P-Plot uji normalitas adalah sebagai berikut : Universitas Sumatera Utara 48 48 Gambar 4-1 Hasil Uji Normal P-P Plot of Regression Standardized Residual Sumber : Hasil Pengolahan SPSS 18,0 2013 Pada Gambar 4.1, P-P plot menunjukkan bahwa titik-titik menyebar disekitar garis diagonal dan mengikuti garis diagonal, maka dapat disimpulkan bahwa data yang diperoleh berdistribusi normal. b. Analisis Statistik Pengujian normalitas yang didasarkan pada uji statistik non parametrik Kolmogorof-Smirnov K-S. Apabila nilai Kolmogorof-Smirnov Z ≤ Z tabel atau nilai asymp. Sig. 2 tailed α maka data dinyatakan berdistribusi normal. Berikut adalah Tabel 4.7 hasil uji Kolmogorov Smirnov. Table 4-7 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 105 Normal Parameters a,b Mean .0000000 Std. Deviation 4.53652744 Universitas Sumatera Utara 49 49 Sumber : Hasil Pengolahan SPSS 18,0 2013 Pada tabel diatas dapat dilihat bahwa nilai Asymp. Sig. 2-tailed adalah 0,995 lebih besar dari 0,05, sehingga model regresi yang didapat adalah berdistribusi normal. 2. Uji Multikolinieritas Uji ini bertujuan untuk menguji apakah didalam model regresi linier ditemukan adanya korelasi yang tinggi diantara variabel bebas. Ada atau tidaknya multikolinieritas antar variabel dapat dilihat dari nilai variance inflation factor VIF untuk masing-masing variabel independent terhadap variabel dependent. Pengambilan Keputusannya: VIF 5 maka diduga mempunyai persoalan multikolinieritas VIF 5 maka tidak terdapat multikolinieritas Tolerence 0,1 maka diduga mempunyai persoalan multikolinieritas Tolerence 0,1 maka tidak terdapat multikolinieritas Pengujian multikolinearitas dapat dilihat pada Tabel 4.8 berikut ini: Most Extreme Differences Absolute .041 Positive .027 Negative -.041 Kolmogorov-Smirnov Z .419 Asymp. Sig. 2-tailed .995 a. Test distribution is Normal. b. Calculated from data. Universitas Sumatera Utara 50 50 Table 4-8 Hasil Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 3.515 2.922 1.203 .232 Kompensasi .340 .163 .159 2.085 .040 .852 1.174 JenjangKarir .176 .133 .109 1.323 .189 .737 1.357 LingkunganKerja .485 .070 .572 6.896 .000 .722 1.385 a. Dependent Variable: PrestasiKerja Sumber : Hasil Pengolahan SPSS 18,0 2013 Tabel 4.8 memperlihatkan bahwa VIF 5, maka tidak terjadi multikolinearitas dan Tolerance 0,1 maka tidak terjadi multikolinearitas. 3. Uji Heteroskedastisitas Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan variance dari suatu residual pengamatan ke pengamatan lain. Gejala heteroskedastisitas dapat dideteksi dengan 2 cara yaitu: a. Analisis Grafik Gejala heteroskedastisitas dapat dilihat dengan menggunakan grafik Scatterplot. Apabila data yang berbentuk titik-titik tidak membentuk suatu pola atau menyebar, maka model regresi tidak terkena heteroskedastisitas. Berikut adalah gambar Scatterplot untuk uji heteroskedastisitas : Universitas Sumatera Utara 51 51 Gambar 4-2 Scatterplot Uji Heteroskedastisitas Sumber : Hasil Pengolahan SPSS 18,0 2013 Pada Gambar 4.2, terlihat titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi. b. Analisis Statistik Gejala heteroskedastisitas dapat juga dideteksi melalui uji Glejser. Tabel 4.9 berikut ini menampilkan hasil pengujian heteroskedastisitas dengan uji Glejser. Universitas Sumatera Utara 52 52 Table 4-9 Uji Glejser Sumber : Hasil Pengolahan SPSS 18,0 2013 Pada Tabel 4.9 dapat dilihat bahwa semua variabel bebas signifikan dengan variabel terikat. Hal ini ditunjukkan oleh nilai signifikansi dari masing-masing variabel bebas X 1 , X 2 , dan X 3 lebih besar dari tingkat signifikansi α sig 0,05. Hal ini dapat disimpulkan bahwa data bebas dari heteroskedastisitas.

4.2.4 Uji Hipotesis