4.2.1.2 Analisis Statistik 1. Analisis Regresi Linier Berganda
Metode analisis regresi linier berfungsi untuk mengetahui pengaruhhubungan antara variabel independent pelatihan dan aktivitas manajerial dan variabel dependent
kinerja pegawai akan digunakan analisis regresi linear berganda multiple regression analysis. Peneliti menggunakan bantuan program software SPSS versi 17,0 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 yang efisien dan tidak bias.
Kriteria pengujian asumsi klasik yang harus dipenuhi sebagai berikut : a.
Uji Normalitas Uji normalitas bertujuan untuk mengetahui apakah residual yang diteliti
berdistribusi normal atau tidak. Distribusi data tidak normal, karena terdapat nilai ekstrem data yang diambil. Hasil dari grafik histrogram untuk uji
normalitas adalah sebagai berikut:
Universitas Sumatera Utara
Sumber: Hasil Pengolahan SPSS 17,0 2013
Gambar 4.2. Grafik Histogram
Pada gambar 4.2. grafik histogram terlihat bahwa variabel kinerja berdistribusi normal, hal ini ditunjukkan oleh distribusi data tersebut yang tidak menceng ke kanan
ataupun ke kiri. Pada uji normalitas ada dua cara yang dapat digunakan yaitu:
1 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: a
Apabila data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola
distribusi normal maka model regresi memenuhi asumsi normalitas.
Universitas Sumatera Utara
b 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 :
Sumber : Hasil Pengolahan SPSS 17,0 2013
Gambar 4.3. Hasil Uji
Normal P-P Plot Of Regression Standardized Residual
Pada Gambar 4.3. P-P plot menunjukkan bahwa tiitk-titik menyebar disekitar garis diagonal dan mengikuti garis diagonal, maka dapat disimpulkan bahwa data
yangdiperoleh berdistribusi normal. 2 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
Universitas Sumatera Utara
berdistribusi normal. Berikut adalah Tabel 4.10. hasil uji Kolmogorov Smirnov.
Tabel 4.8. Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
UnstandardizedR esidual
N 58
Normal Parameters Mean
a,,b
,0000000 Std. Deviation
1,74804504 Most Extreme
Differences Absolute
,076 Positive
,076 Negative
-,073 Kolmogorov-Smirnov Z
,579 Asymp. Sig. 2-tailed
,891 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Pengolahan SPSS 17,02013
Pada tabel 4.8. diatas bahwa nilai Asymp. Sig. 2-tailed adalah 0,891 lebih besar dari 0,05, sehingga model regresi yang didapat adalah berdistribusi normal.
b. 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
Universitas Sumatera Utara
Tolerence 0,1 maka diduga mempunyai persoalan multikolinieritas Tolerence 0,1 maka tidak terdapat multikolinieritas
Pengujian multikolinearitas dapat dilihat pada Tabel 4.11. berikut ini:
Tabel 4.9. Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant 1,752
1,014 1,727 ,090
Pelatihan ,144
,047 ,506
3,033 ,004 ,257
3,889 AktivitasManajerial
,210 ,117
,299 1,790 ,079
,257 3,889
a. Dependent Variable: Kinerja Pegawai
Sumber :Hasil Pengolahan SPSS 17,02013
Tabel 4.9. memperlihatkan bahwa VIF 5 yang berarti tidak terjadi masalah multikolinearitas dan Tolerance 0,1, maka tidak terjadi multikolinearitas.
c. 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:
1 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
Sumber : Hasil Pengolahan SPSS 17,02013
Gambar 4.4. Scatterplot Uji Heteroskedastisitas
Pada Gambar 4.4. 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. 2
Analisis Statistik Gejala heteroskedastisitas dapat juga dideteksi melalui uji Glejser. Tabel
4.12 berikut ini menampilkan hasil pengujian heteroskedastisitas dengan uji Glejser.
Tabel 4.10. Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
,914 ,621
1,473 ,146 Pelatihan
,058 ,029
,516 2,012 ,049
AktivitasManajerial -,121
,072 -,431
-1,679 ,099 a. Dependent Variable: ABSUT
Sumber : Hasil Pengolahan SPSS 17,0 2013
Universitas Sumatera Utara
Pada Tabel 4.10. dapat dilihat bahwa semua variabel bebas berupa pelatihan dan aktivitas manajerial signifikan dengan variabel terikat. Hal ini ditunjukkan oleh nilai
signifikansi dari masing-masing variabel bebas lebih besar dari tingkat signifikansi α sig
0,05. Hal ini dapat disimpulkan bahwa data bebas dari heteroskedastisitas.
4.2.3 Uji Hipotesis