b. Uji Heteroskedastisitas
Heteroskedastisitas adalah
keadaan dimana
terjadi ketidaksamaan varian dari residual padda model regresi. Salah satu
cara mendeteksi ada tidaknya masalah heteroskedastisitas adalah dengan melihat pola titik-titik pada scatterplots regresi Prayitno,
2012:62.
Sumber: data primer yang diolah, 2015 Gambar 4.8
Output Uji Heteroskedastisitas
Keputusan yang diambil dengan melihat scatterplots yaitu jika titik-titik meyebar dengan pola yang tidak jelas seperti gambar
di atas dan di bawah nol pada sumbu Y, maka dapat disimpulkan tidak terjadi masalah heteroskedastisitas pada model regresi.
2. Regresi Linear Sederhana
Regresi linear sederhana digunakan untuk mengetahui pengaruh dari variabel bebas terhadap variabel terikat. Dalam penelitian ini yang menjadi
variabel bebas yaitu manajemen karir individu berpengaruh terhadap kinerja karyawan.
Tabel 5.13 Output Hasil Regresi Linear Sederhana
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1 Constant
89.093 10.946
8.140 .000
Manajemen_Karir_Individu_X .451
.234 .268
1.926 .060
a. Dependent Variable: Kinerja_Y
Sumber: data primer yang diolah, 2015
Berdasarkan dari output persamaan regresi linear sederhana di atas, dengan satu 1 variabel bebas, maka diperoleh hasil sebagai berikut:
Y = 89,093 + 0,451X
Keterangan : Y = Kinerja
X = Manajemen Karir Individu
Persamaan Y = 89,093 + 0,451X berarti apabila koefisien X bernilai
positif, maka manajemen karir individu meningkat, kinerja juga akan meningkat.
3. Analisis Koefisien Determinasi R
2
Analisis R
2
R Square atau koefisien determinasi digunakan untuk mengetahui seberapa besar variasi variabel independen menjelaskan variasi
variabel dependen Duwi Priyatno, 2012:55. Apabila R
2
yang diperoleh mendekati 1 satu maka dapat dikatakan semakin kuat model tersebut
menerangkan variasi variabel bebas terhadap variabel terikat. Begitupun sebaliknya, apabila R
2
semakin mendekati 0 nol maka semakin lemah variasi variabel bebas terhadap variabel terikat.
Tabel 5.14 Output Hasil Analisis Koefisien Determinasi R
2
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .268
a
.072 .052
7.18537 2.685
a. Predictors: Constant, Manajemen_Karir_Individu_X b. Dependent Variable: Kinerja_Y
Sumber: data primer yang diolah, 2015
Berdasarkan tabel 5.13, output hasil analisis koefisien determinasi dapat diketahui bahwa nilai R
2
Adjusted R Square adalah 0,052. Jadi, 5,2 variasi dalam variabel tergantung dapat dijelaskn oleh variasi dalam variabel
bebas, 94,8 sisanya dijelaskan oleh variasi variabel lain di luar model. Artinya, 5,2 variasi variabel manajemen karir individu dapat mejelaskan
Kategori