51
persamaan regresi ditemukan adanya korelasi antar variabel independent dapat menggunakan uji multikolinieritas, karena dalam model regresi linier yang
baik seharusnya tidak terjadi korelasi diantara variabel independent. Menurut Yarnest 2003 : 68, terdapatnya korelasi yang sempurna atau
tidak sempurna tetapi sangat tinggi pada variabel independent yang dilambangkan dengan X
1
, X
2
, X
3
,….X
n
. Jika terjadi multikolinieritas pada variabel independent akan berakibat koefisien regresi tidak dapat ditentukan
dan standar deviasi akan memiliki nilai tak terhingga, sehingga metode Least Square tidak dapat digunakan.
Mengukur multikolinieritas dapat dilihat dari nilai toleransi dan Variance Inflation Faktor VIF dari masing-masing variabel. Jika nilai
toleransi 0.5 atau VIF 0.5 maka terdapat multikolinieritas, sehingga variabel tersebut harus dibuang atau sebaliknya.
b. Heteroskedastisitas
Terdapat nilai variasi residual yang sama untuk semua pengaturan, atau terdapatnya pengaruh perubahan variabel independent X
1
dengan nilai mutlak residual, sehingga penaksiran akan menjadi akurat. Mengukur
heteroskedastisitas dilihat dsari nilai signifikan korelasi Rank Spearman. Menurut Yarnest 2003 : 70, deteksi adanya heteroskedastisitas adalah
sebagai berikut : 1.
Bila probabilitas ≥ 0,05 berarti tidak terdapat heteroskedastisitas.
2. Bila probabilitas 0,05 berarti terdapat heteroskedastisitas.
52
c. Autokorelasi
Terdapat korelasi di antara sesama data pengamatan dimana adanya suatu data dipengaruhi oleh data sebelumnya data time series yang saling
berhubungan, sehingga koefisien korelasi yang didapat menjadi kurang akurat. Mengukur autokorelasi dilihat dari nilai Durbin Waston Test DW.
Menurut Yarnest 2003 : 73, deteksi adanya autokorelasi adalah sebagai berikut :
1. Jika nilai DW terletak antara d
u
dan 4 - d
u
atau d
u
≤ DW ≤ 4 – d
u
, berarti bebas dari autokorelasi.
2. Jika nilai DW d
L
atau DW 4 – d
L
berarti terdapat autokorelasi.
d. Normalitas
Salah satu cara mengecek kenormalitasan adalah dengan plot
probabilitas normal. Menurut Sulaiman 2004 : 89 dengan plot ini, masing-
masing nilai pengamatan dipasangkan dengan nilai harapan pada distribusi normal. Normalitas terpenuhi apabila titik-titik data terkumpul di sekitar
garis lurus. Hipotesis :
H : Sampel ditarik dari populasi dengan distribusi tertentu.
H
1
: Sampel ditarik bukan dari populasi dengan distribusi tertentu. Jika : nilai signifikansi
≤ α maka tolak H nilai signifikansi
α maka terima H
53
3.6 Teknik Analisa Data
Untuk mengetahui pengaruh variabel independent disiplin kerja, pelatihan kerja, lingkungan kerja dan motivasi kerja terhadap variabel dependent
produktivitas kerja, digunakan metode regresi linier berganda dengan regresi 4 prediktor.
Menurut Rambat 2006 : 238, analisa regresi ganda biasanya digunakan untuk memprediksi pengaruh dua variabel independent atau lebih terhadap satu
variabel dependent. Menurut Rambat 2006 : 238 rumus yang digunakan untuk regresi linier
berganda dengan 3 prediktor adalah : Y
i
= β
+ β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ e Dimana
: Y = Produktivitas Kerja
β = konstanta persamaan regresi
β
1
= koefisien regresi dari variabel X
1
dimensi disiplin kerja X
2
= skor dimensi disiplin kerja β
2
= koefisien regresi dari variabel X
2
dimensi pelatihan kerja X
2
= skor dimensi pelatihan kerja β
3
= koefisien regresi dari variabel X
3
dimensi lingkungan kerja X
3
= skor dimensi lingkungan kerja β
4
= koefisien regresi dari variabel X
4
dimensi motivasi kerja X
4
= skor motivasi kerja
54
e = residual atau kesalahan prediksi.
3.7 Uji Hipotesis 3.7.1 Uji F
