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