E. Teknik Analisis Data
1. Teknik Analisis Regresi Berganda
Hasil estimasi analisis regresi, disajikan pada Tabel V.12
TABEL V.12 Rangkuman Hasil Regeresi Linier Berganda
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1Constant 0.258
0.503 .512
0.610 Motivasi kerja
0.313 0.104
0.247 3.019
0.003 Disiplin Kerja
0.550 0.124
0.432 4.435
0.000 Kepuasan kerja
-0.227 0.101
-0.203 -2.242 0.027
Kompensasi 0.257
0.075 0.322
3.414 0.001
a. Dependent Variable: Kinerja Karyawan Sumber : Data Primer diperoleh, 2013
a. Persamaan regresi
Berdasarkan hasil analisis regresi linier berganda pada Tabel V.12 diperoleh persamaan regresi sebagai berikut:
Y = 0.258 + 0.313X
1
+ 0.550X
2
- 0.227 X
3
+ 0.257X
4
F. Uji Asumsi Klasik
Untuk menentukan analisis statistik yang akan digunakan dalam penelitian ini, maka dilakukan pengujian untuk membuktikan independensi masing-masing
variabel bebas yang diteliti. Berdasarkan pengolahan data dengan menggunakan program SPSS 19.0 For windows, dapat dilakukan pengujian sebagai berikut.
1. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk menguji apakah ada model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik
adalah non multikolinear. Analisis ini ditentuka oleh besarnya nilai VIF
Varians Inflation Factor dan Tolerance. Pedoman suatu model regresi yang bebas multikoliearitas adalah mempunyai nilai VIF yang tidal lebih dari 10
dan mempunyai angka tolerance tidak kurang dari 0.1. Berdasarkan hasil pengolahan SPSS 19.0 For windows didapatkan nilai
VIF Varians Inflation Factor dan Tolerance untuk masing-masing variabel bebas pada table berikut ini:
Tabel V.13 Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
Motivasi kerja .811
1.234 Disiplin Kerja
.571 1.750
Kepuasan kerja .661
1.512 Kompensasi
.608 1.646
Sumber : Data Primer diperoleh, 2013 Berdasarkan tabel V.13 di atas dapat diketahui bahwa besarnya nilai VIF
Varians Inflation Factor dari masing-masing variabel independen memiliki nilai VIF tidak lebih dari 10 dan tolerance tidak kurang dari 0,1. Semakin
tinggi nilai nilai VIF maka semakin rendah nilai tolerance sehingga dapat disimpulkan
bahwa seluruh
variabel tidak
menunjukan adanya
multikolinearitas. 2.
Uji Heteroskedastisitas Uji heterokedastisitas dilakukan untuk menguji apakah dalam sebuah
regresi terjadi ketidak samaan varians residual dari satu pengamatan ke pengamatan lain. Model regfresi yang baik adalah non heteroskedatis. Dasar
pengambilan keputusan adalah dengan melihat ada tidaknya pola tertentu antara Y yang di prediksi dengan residual.
a Jika ada pola tertentu seperti titik – titik yang ada membentuk suatu pola
tertentu yang teratur maka terjadi heteroskedatis. b
Jika ada pola yang jelas serta titik – titik menyebar di atas dan di bawah angka 0, maka tidak terjadi heteroskedatis.
Berdasarkan hasil pengolahan SPSS 19.0 For windows didapatkan kurva pengujian heteroskedasitas
Gambar V. 1 Uji Heteroskedastisitas
Dari hasil gambar grafik antara nilai sumbu Y Nilai Y yang di prediksi dan sumbu X Nilai residual menunjukan pola yang tidak jelas, serta titik
menyebar di atas dan di bawah sumbu Y secara tidak teratur sehingga menunjukan tidak terjadinya heteraskedastisitas
3. Uji Normalitas
Pengujian normalitas dilakukan terhdap residual regresi. Pengujian dilakukan dengan menggunakan grafik P-P Plot. Data yang normal adalah
datayang membentuk titik-titik yang menyebar tidak jauh dari garis diagonal. Hasil analisis regresi linier dengan grafik normal P-P Plot terhadap residual
error model regresi diperoleh sudah menunjukkan adanya pola grafik yang normal, yaitu adanya sebaran titik yang berada tidak jauh dari garis diagonal
Gambar V.2 Uji Normalitas
Hasil pengujian tersebut menunjukkan bahwa titik-titik berada tidak jauh dari garis diagonal. Hal ini berarti bahwa model regresi tersebut sudah
berdistribusi normal.
G. Uji Simultan Uji-F
Kategori