E. Teknik Analisis Data
Teknik analisis data adalah suatu teknik yang dipakai seorang peneliti setelah data terkumpul. Teknik analisis data yang digunakan dalam penelitian ini
adalah teknik analisis regresi linier berganda dengan dua variabel bebas yaitu tingkat pendidikan X
1
dan motivasi kerja X
2
yang diharapkan dapat memberi pengaruh terhadap variabel yang terikat yaitu prestasi kerja Y. Sebelum
dilakukan uji hipotesis terlebih dahulu dilakukan uji prasyarat.
1. Uji Prasyarat Analisis
a. Uji Normalitas Uji normalitas digunakan untuk mengetahui apakah data yang akan
dianalisis mempunyai sebaran yang normal atau tidak. Rumus yang digunakan untuk menguji normalitas data digunakan uji Chi Kuadrat dengan rumus sebagai
berikut :
Keterangan : =
2
x Chi Kuadrat
=
o
f frekuensi yang diperoleh dari data
=
h
f frekuensi yang diharapkan
Kriteria uji : Apabila dari perhitungan harga
tabel x
hitung x
2 2
≤ , maka ada perbedaan yang
meyakinkan antara
o
f dengan
h
f , sehingga sebaran normal. Apabila dari perhitungan harga
tabel x
hitung x
2 2
≥ , maka tidak ada perbedaan yang
meyakinkan antara
o
f dengan
h
f , sehingga sebaran tidak normal. Suharsimi Arikunto, 2006: 259
2 2
h h
o
f f
f x
− =
∑
b. Uji Linieritas Uji linearitas digunakan untuk mengetahui penyebaran data apakah data
telah di sekitar garis lurus persamaan. Apabila telah disekitar garis lurus persamaan maka hubungan fungsional antara variabel X dan Y adalah linear,
sehingga analisis regresi linear dapat digunakan untuk menguji hipotesis penelitian ini. Uji linearitas variabel X
1
terhadap Y dan variabel X
2
terhadap Y dapat dilakukan dengan rumus:
∑ ∑ ∑
− =
ni Y
Y Xi
G JK
2 2
Db =1 DB = n-2
JK T=
∑
2
Y JK a =
n Y
2
∑
− =
− −
= −
− =
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
n Y
X XY
b X
n Y
X Y
X X
X n
Y X
X Y
ba JK
1 n
b 1
a
2 1
2 1
1 2
1 2
1 2
1 2
1
JK s = JKT-JKa-JKba
JK TC = JKS-JKG
Df TC = k-2
Df G = n-k
TC df
JKTC TC
RJK =
G df
G JK
G RJK
=
G df
TC RJK
F
hitung
= Keterangan:
F
hitung
= Harga bilangan F untuk garis regresi JKG
= Jumlah kuadrat galat Db
= Derajat bebas RJKTC
= Rerata jumlah kuadrat tuna cocok RJKG
= Jumlah kuadrat regresi JKT
= Jumlah kuadrat total JK ba
= Kuadrat bebas kudrat regresi JKa
= Jumlah kuadrat konsisten JKs
= Jumlah kuadrat sisa Kriteria Uji:
Jika F
hitung
F
tabel
pada signifikan 5 maka model regresi linear diterima c. Uji Autokorelasi
Suatu asumsi penting dari model regresi linear adalah adatidaknya autokorelasi atau kondisi yang berurutan di antara gangguan atau distribusi yang
masuk dalam fungsi regresi Gujarati, 2003: 201. Autokorelasi adalah adanya korelasi yang terjadi di antara anggota-anggota dari serangkaian observasi
sampel yang terletak berderetan secara series dalam bentuk waktu jika datanya time series
, atau korelasi antara tempat yang berdekatan jika datanya cross section
. Konsekuensi adanya autokorelasi dalam suatu model regresi adalah varian sampel tidak menggambarkan varian populasinya. Lebih jauh lagi model
regresi yang dihasilkan tidak dapat digunakan untuk menafsirkan nilai variabel dependen pada nilai variabel independen tertentu. Autokorelasi bisa diatasi
dengan cara transformasi data atau menambah data observasi secara umum. Uji yang dilakukan untuk mendeteksi ada atau tidaknya autokorelasi adalah uji
Durbin Watson. Jika nilai Durbin Watson D
W
terletak di antara d
U
dan 4-d
U
,
maka tidak terjadi autokorelasi pada model. Adapun dasar pengambilan keputusan dari uji autokorelasi seperti terlihat pada tabel berikut:
Tabel 1. Dasar Pengambilan Keputusan Hasil Keputusan
Keputusan
A = d dl B = d
U
d 4-d
U
C = dl ≤ d ≤ d
U
D = 4-d
U
≤ d ≤4 – dl E = d 4 – dl
Ho ditolak, berarti ada autokorelasi positif Ho diterima, berarti tidak ada autokorelasi positif.
Daerah tanpa keputusan, berarti uji tidak menghasilkan kesimpulan.
Ho ditolak, berarti ada autokorelasi negatif Ho diterima, berarti tidak ada autokorelasi negatif
Sumber: Gujarati, 2003: 218 d. Uji Multikolineritas
Multikolinearitas merupakan suatu keadaan di mana satu atau lebih variabel independen terdapat korelasi dengan variabel independen lainnya.
Adanya multikolinearitas dapat dilihat dari Tolerance Value atau Variance Inflation Factor
VIF. Pedoman suatu model regresi yang bebas multikolinearitas adalah mempunyai VIF di sekitar angka satu, dan mempunyai angka tolerance
Value mendekati satu Singgih, 2000: 206.
2. Uji Hipotesis