3.4.2 Analisis Regresi Linear Berganda
Analisis regresi merupakan model analisis yang bertujuan mencari besarnya pengaruh variabel bebas terhadap pengaruh variabel respon Nugroho, 2009.
Nazir 1988 menyatakan bahwa peneliti ada kalanya berkehendak untuk mempelajari bagaimana variasi beberapa variabel independen mempengaruhi
variabel dependen dalam suatu fenomena yang kompleks. Analisis regresi merupakan model analisis yang bertujuan mencari besarnya pengaruh variabel
bebas atau peubah lain terhadap pengaruh variabel respon atau satu peubah. Peubah
–peubah tersebut dibedakan menjadi dua bagian yakni peubah respon dan peubah penjelas. Peubah respon biasanya disimbolkan dengan huruf Y sedangkan
peubah penjelas disebut juga dengan peubah bebas dan pada umumnya disimbolkan dengan huruf X.
Regresi bertujuan untuk menguji hubungan pengaruh antara satu variabel terhadap variabel lain. Variabel yang dipengaruhi disebut variabel tergantung atau
dependen. Sedangkan variabel yang mempengaruhi disebut variabel bebas atau independen. Regresi yang memiliki satu variabel dependen dan lebih dari satu
variabel independen disebut regresi linier berganda. Pengujian hipotesis merupakan salah satu tujuan yang akan dibuktikan dalam penelitian.
Dalam penelitian ini, yang menjadi peubah penjelas variabel bebas adalah metode absensi sidik jari finger print dan sertifikasi dosen yang mana akan
berpengaruhtidak terhadap kinerja dosen variabel dependen. Variabel yang terdapat pada model persamaan regresi antara lain: faktor
–faktor kinerja dosen X
k
dan indeks kinerja dosen Y.Menurut Dajan 1983, analisis regresi merupakan analisis statistika yang bertujuan untuk memodelkan hubungan antara
peubah respon Y dengan peubah penjelas X. Tujuan dari analisis regresi adalah untuk menduga parameter model yang menyatakan pengaruh hubungan antara
peubah respon dan peubah penjelas. Dalam penelitian ini, yang menjadi peubah penjelas variabel bebas adalah finger print dan sertifikasi dosen yang mana akan
berpengaruhtidak terhadap kinerja dosen variabel dependen. Variabel yang terdapat pada model persamaan regresi antara lain: faktor
–faktor kinerja dosen X
k
dan indeks kinerja dosen Y.
Model persamaan regeresi dalam penelitian ini adalah sebagai berikut: Y=
β + β
1
X
1
+ β
2
X
2
+ ................. β
p
X
k
+ε ............................................. 1
Keterangan: Y
: Peubah respon IKD X
1
, X
2
,...X
k
: Peubah bebas X
1
: Finger Print X
2
: Sertifikasi Dosen β
: Konstantaintercept β
1
.....β
p
: Konstanta arah garis regresi ε
: Komponen stokastik Analisis regresi berganda digunakan penulis untuk menunjukkan pengaruh
faktor –faktor kinerja dosen dalam hal ini finger print dan serdos terhadap IKD.
Bentuk persamaan regresi dalam penelitian ini adalah: Y= a + b
1
X
1
+ b
2
X
2
+ ε
Dimana:
Tabel 2. Bentuk persamaan regresi yang akan diuji dalam penelitian
No Variabel
Keterangan Singkatan
1. Y
Perubahan indeks kinerja dosen IKD
2. a
Konstanta –
3. b
1
dan b
2
Koefisien regresi –
4. X
1
Finger print F
5. X
2
Sertifikasi dosen Serdos S
a.
Uji Asumsi Klasik
Nugroho 2009 mengatakan bahwa selain tabel dan grafik, diperlukan ukuran yang lebih eksak untuk mengetahui deskripsi data. Ukuran statistik
tersebut dinamakan ringkasan statistikatau summarystatistics. Model regresi linier berganda dapat disebut sebagai model yang baik jika model tersebut
memenuhi asumsi normalitas data dan terbebas dari asumsi –asumsi klasik
statistik, baik multikolinearitas, autokorelasi, maupun heteroskedastisitas. Proses pengujian asumsi klasik statistik dilakukan bersama
–sama dengan proses uji regresi. Adapun tahapan
–tahapan pengolahan datanya adalah sebagai berikut:
1 Uji Normalitas
Menurut Nugroho 2009 bahwa uji normalitas pada multivariat sebenarnya sangat kompleks, karena harus dilakukan pada seluruh variabel secara bersama
– sama dan uji ini bisa dilakukan pada setiap variabel. Tujuan uji normalitas adalah
ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yaitu distribusi data dengan bentuk lonceng. Data yang baik
adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau ke kanan.
2 Uji Multikolinearitas
Uji multikolinearitas diperlukan untuk mengetahui ada atau tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain
dalam satu model. Kemiripan antarvariabel independen dalam satu model akan menyebabkan terjadinya korelasi yang sangat kuat antara satu variabel independen
dengan variabel independen yang lain Nugroho, 2009.
3 Uji Autokorelasi
Nugroho 2009 mengatakan bahwa menguji autokorelasi dalam suatu model bertujuan untuk mengetahui ada atau tidaknya korelasi, autokorelasi sering
terjadi pada sampel dengan data time series dan n sampel adalah periode waktu. Lain halnya yang jarang terjadi untuk sampel data crossection dengan n sampel
item, seperti orang, wilayah, dan lain sebagainya.
4 Uji Heteroskedastisitas
Heteroskedastisitas menguji terjadinya perbedaan varianceresidual suatu periode pengamatan ke periode pengamatan yang lain. Model regresi yang baik
adalah model regresi yang memiliki persamaan varianceresidual suatu periode pengamatan dengan periode pengamatan yang lain Nugroho, 2009.
b. Uji Hipotesis
Kategori