3.6.2 Analisis Regresi Linear Berganda
Regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling mungkin terjadi di masa yang akan datang berdasarkan informasi
masa lalu dan sekarang yang dimiliki agar kesalahan dapat diperkecil. Regresi dapat juga diartikan sebagai usaha memprediksi perubahan Riduwan dan
Kuncoro, 2008. Regresi linear berganda adalah regresi dimana varia
bel terikatnya Υ dihubungkandijelaskan lebih dari satu variabel bebas Χ
1
, Χ
2
, Χ
3
,..., Χ
n
namun masih menunjukan diagram hubungan yang linear.
Rumus regresi linear berganda adalah sebagai berikut Algifari, 2000:
n n
X b
X b
X b
X b
a Y
.....
3 3
2 2
1 1
……….7 Keterangan :
Y = Variabel dependen
X
1,
X
2
, X
3
, X
n
= Variabel independen b
1
,b
2
,b
3
,b
n
= Koefisien regresi a
= Konstanta regresi Pada analisis regresi linear berganda dilakukan serangkaian uji awal untuk
memenuhi asumsi yang berlaku. Asumsi tersebut adalah asumsi dasar dan asumsi klasik. Asumsi dasar diuji dengan uji normalitas, sedangkan asumsi klasik diuji
dengan uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi. 1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi normal atau tidak Priyatno, 2008. Data yang baik dan layak digunakan dalam
penelitian adalah data yang memiliki distribusi normal. Nilai residual berdistribusi normal merupakan suatu kurva yang berbentuk lonceng yang
kedua sisinya melebar sampai tak terhingga Suliyanto, 2005 2. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan mendeteksi gejala heteroskedastisitas. Adanya heteroskedastisitas menunjukkan adanya varian variabel dalam model
yang tidak sama Suliyanto, 2005. Uji heteroskedastisitas ini memiliki hipotesis, yaitu: tolak H
atau terima H
1
jika P
value
α dan Terima H atau tolak
H
1
jika P
value
α. H adalah ragam sisaan homogen sedangkan H
1
adalah ragam sisaan tidak homogen.
3. Uji Autokorelasi Uji Autokorelasi bertujuan untuk mengetahui apakah ada korelasi antara
anggota serangkaian data observasi yang diuraikan menurut waktu dan ruang Suliyanto, 2005.Uji autokorelasi memiliki hipotesis, yaitu: tolak H
atau terima H
1
jika P
value
α dan Terima H atau tolak H
1
jika P
value
α. H adalah
sisaan saling bebas, sedangkan H
1
adalah sisaan tidak saling bebas. 4. Uji Multikolinearitas
Uji Multikolinearitas menunjukkan korelasi mendekati sempurna antar variabel bebas Suliyanto, 2005. Multikolinieritas dapat diketahui
keberadaannya dengan mendeteksi suatu model, dilihat dari nilai Variance Inflation factor VIF tidak lebih dari 10. Selain itu nilai Tolerance tidak
kurang dari 0,1 pada kotak kerja hasil pengolahan data SPSS. Setelah asumsi dasar dan klasik terpenuhi, maka dapat dilakukan analisis
regresi linear berganda. Pada penelitian ini dilakukan dua uji yaitu uji F dan uji t. 1. Uji Koefisien Regresi secara Bersama-sama Uji F
Uji Fisher uji F digunakan untuk menguji secara bersama-sama apakah masing-masing variabel independen berpengaruh terhadap variabel
dependen Priyatno, 2008. Hipotesis pada penelitian ini, yaitu: H
: Gaya kepemimpinan Kepala Cabang tidak berpengaruh secara signifikan terhadap partisipasi kerja karyawan
H
1
: Gaya kepemimpinan Kepala Cabang berpengaruh secara signifikan terhadap partisipasi kerja karyawan
Jika F
hitung
F
tabel
maka H ditolak, namun jika F
hitung
F
tabel
, maka H diterima. F
hitung
dapat dicari dengan rumus sebagai berikut Priyatno, 2008:
Keterangan : R = koefisien korelasi ganda
k = jumlah variabel independen n = jumlah anggota contoh
2. Uji Koefisien Regresi secara Parsial Uji t Uji t digunakan untuk mengetahui apakah dalam model regresi
variabel dependen secara parsial berpengaruh signifikan terhadap variabel independen Priyatno, 2008. Rumus t
hitung
adalah sebagai berikut Priyatno, 2008:
i i
hitung
sb b
t
………………………,,,…..… 9 Keterangan :
b
i
= Koefisien regresi variabel i Sb
i
= Standar error variabel i
IV. HASIL DAN PEMBAHASAN