commit to user
71
4 Uji Autokorelasi
Untuk menguji ada tidaknya autokorelasi dalam penelitian ini, digunakan uji Durbin-Watson. Hasil uji Durbin-Watson dapat dilihat
pada Tabel 4.17 berikut.
Tabel 4.17 Hasil Durbin-Watson
Model R
R Square Adjusted R Square Std. Error of the
Estimate Durbin-Watson
1 .613
a
.375 .360
4.21835 1.789
Sumber : Output SPSS diolah
Dari hasil pengujian di atas tampak bahwa nilai DW untuk model regresi adalah 1,689. nilai tersebut kemudian dibandingkan
dengan nilai d
u
pada tabel Durbin-Watson dengan menggunakan tingkat signifikansi 0,05, n =84, k=2. Kriteria pengujian yang
digunakan didasari oleh Ghozali 2005 seperti yang telah diungkapkan pada bab sebelumnya. Hasil pengujian menunjukkan
bahwa tidak terjadi autokorelasi pada model regresi, karena 1,6942d
u
1,789 d 2,3058 4 - d
u
.
3. Pengujian Hipotesis
a. Hipotesis Pertama
Hasil pengujian regresi I dengan kompensasi sebagai variabel dependen dan kinerja sebagai variabel independen disajikan pada Tabel 4.18 berikut.
commit to user
72
Tabel 4.18 Hasil Model Regresi I
Model R
R Square Adjusted R Square
Std. Error of the Estimate 1
.416
a
.173 .163
4.82372
Sumber : Output SPSS diolah
Angka adjusted R square menunjukkan koefisien determinasi atau peranan variance variabel independen dalam hubungan dengan variabel
dependen. Angka adjusted R square sebesar 0,163 menunjukkan bahwa hanya 16,3 variabel kinerja yang bisa dijelaskan oleh variabel kompensasi, sisanya
83,7 dijelaskan oleh faktor lain.
Tabel 4.19 Signifikansi Nilai F Model Regresi I
Model Sum of Squares df
Mean Square F
Sig. 1
Regression 399.810
1 399.810
17.183 .000
a
Residual 1907.999
82 23.268
Total 2307.810
83
Sumber : Output SPSS diolah
Tabel 4.20 Signifikansi Nilai T Model Regresi I
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant 38.431
6.042 6.361
.000 TotKom
.535 .129
.416 4.145
.000 1.000
1.000
Sumber : Output SPSS diolah
Persamaan regresi yang diperoleh Y = 38,431 + 0,535 X
1
commit to user
73
Seperti terlihat dari Tabel 4.19 diatas, nilai F
hitung
adalah sebesar 17,183 dengan tingkat signifikansi 0,000 lebih kecil daripada 0,05. Hal ini
menunjukkan kompensasi berpengaruh terhadap kinerja.
Hasil analisis regresi I Tabel 4.20 menunjukkan t hitung
kompensasi adalah sebesar 4,145 dengan signifikansi t bernilai 0,000 siginifikan dan koefisien regresi sebesar 0,535. Hal ini berarti bahwa
kompensasi mempunyai pengaruh positif dan signifikan terhadap kinerja.
b. Hipotesis kedua
Hasil pengujian regresi II dengan kompensasi sebagai variabel dependen dan kinerja sebagai variabel independen, serta motivasi kerja
sebagai pemoderasi disajikan pada Tabel 4.21 berikut.
Tabel 4.21 Hasil Model Regresi II
Model R R Square
Adjusted R Square Std. Error of the
Estimate 1
.613
a
.375 .352
4.24462
Sumber : Output SPSS diolah Angka adjusted R square menunjukkan koefisien determinasi atau
peranan variance variabel independen dalam hubungan dengan variabel dependen. Dari Tabel 4.21 dapat dilihat ada kenaikan nilai adjusted R
square dari model regresi I ke model regresi II sebesar 18,9 adjusted R square pada model regresi I sebesar 16,3. Angka adjusted R square
sebesar 0,352 menunjukkan bahwa hanya 35,2 variabel kinerja yang
commit to user
74 bisa dijelaskan oleh variabel kompensasi, sisanya 64,8 dijelaskan oleh
faktor lain.
Tabel 4.22 Signifikansi Nilai F Model Regresi II
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
866.464 3
288.821 16.031
.000
a
Residual 1441.345
80 18.017
Total 2307.810
83
Sumber : Output SPSS diolah Dari Tabel 4.22 diatas, nilai F
hitung
adalah sebesar 16,031 dengan tingkat signifikansi 0,000 lebih kecil daripada 0,05. Hal ini menunjukkan
kompensasi, motivasi kerja, serta interaksi antara kompensasi dan motivasi kerja berpengaruh secara bersama-sama terhadap kinerja.
Tabel 4.23 Signifikansi Nilai T Model Regresi II
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
28.470 25.711
1.107 .271
TotKom .468
.565 .364
.828 .410
.040 24.748
TotMot .065
.119 .472
.548 .586
.011 95.070
KomMot -5.450E-5
.003 -.021
-.021 .983
.008 131.504
Sumber : Output SPSS diolah Persamaan regresi yang diperoleh
Y = 28.470 + 0,468 X
1
+ 0,065 X
2 –
5,450E-5 X
1
X
2
Hasil analisis regresi II Tabel 4.23 menunjukkan t hitung
kompensasi adalah sebesar 0,828 dengan signifikansi t bernilai 0,410 tidak siginifikan. Variabel motivasi kerja mempunyai t hitung sebesar
0,548 dengan signifikansi 0,586 tidak signifikan. Variabel KomMot
commit to user
75 interaksi antara variabel kompensasi dan motivasi kerja mempunyai t
hitung sebesar - 0,021 dengan signifikansi 0,983 tidak signifikan. Hal ini berarti bahwa variabel motivasi kerja bukan merupakan pemoderasi
dalam hubungan antara kompensasi dengan kinerja. Berdasarkan hasil analisis regresi II yang menolak motivasi kerja
sebagai variabel moderasi, maka dilakukan analisis regresi III untuk mengetahui pengaruh motivasi kerja terhadap kinerja. Hasil pengujian
regresi III dengan kompensasi dan motivasi kerja sebagai variabel independen dan kinerja sebagai variabel dependen disajikan pada Tabel
4. 24 berikut.
TABEL 4.24
SIGNIFIKANSI NILAI F MODEL REGRESI III
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
864.078 2
432.039 25.121
.000
a
Residual 1341.477
78 17.198
Total 2205.556
80
Sumber: Output SPSS diolah
Dari Tabel 4.24 di atas, nilai F
hitung
adalah sebesar 25,121 dengan tingkat signifikansi 0,000 lebih kecil daripada 0,05. Hal ini menunjukkan
kompensasi dan motivasi kerja berpengaruh secara bersama-sama terhadap kinerja. Hasil analisis regresi III juga membuktikan bahwa
motivasi kerja adalah sebagai variabel independen predictor dalam hubungannya dengan kinerja.
commit to user
76
D. Pembahasan Hasil Penelitian
1. Analisis Regresi I