Metode Analisis Statistik 1. Analisis Regresi Linier Berganda

4. Dengan rata-rata 5,5 responden setuju bahwa mereka merasa cukup dengan penghasilan dari Oriflame. 5. Dengan rata-rata 5,52 responden setuju bahwa mereka berhasil mencapai sekitnya manajer 12 bulan lalu. 6. Dengan rata-rata 5,71 responden setuju bahwa mereka memiliki paling sedikit 10 downline aktif di bawah mereka saat ini. 7. Dengan rata-rata 5,9 responden setuju untuk cukup puas dengan peringkat mereka di Oriflame saat ini. 8. Dengan rata-rata 5,38 responden setuju bahwa perekonomian keluarga mereka menjadi lebih baik setelah bergabung di Oriflame. 9. Dengan rata-rata 5,43 responden setuju bahwa penghasilan mereka dari Oriflame dapat menutupi kebutuhan keluarga mereka.

4.2.2 Metode Analisis Statistik 1. Analisis Regresi Linier Berganda

Metode analisis regresi linier berganda bertujuan untuk mengetahui pengaruhhubungan antara variabel terikat kesuksesan karir dan variabel bebas kompetensi dan motivasi kewirausahaan. Peneliti menggunakan bantuan perangkat lunak SPSS versi 18 untuk memperoleh hasil yang lebih terarah, dengan menggunakan metode Enter. Metode ini dilakukan dengan memasukkan semua variabel bebas sebagai variabel prediktor. Seluruh variabel akan dimasukkan ke dalam analisis untuk mengetahui apakah variabel bebas mempunyai pengaruh positif dan signifikan terhadap variabel terikat. Universitas Sumatera Utara Sebelum melakukan analisis regresi linier berganda, penulis melakukan pengujuan asumsi klasik. Pengujian ini dilakukan untuk mendapatkan hasil penelitian yang BLUE Best Linier unbiased Estimation atau perkiraan yang efisien dan tidak bias. Kriteria pengujian asumsi klasik yang harus dipenuhi sebagai berikut: 1.Uji Normalitas Uji normalitas bertujuan untuk mengetahui apakah residual yang diteliti berdistribusi normal atau tidak. Distribusi data tidak normal, karena terdapat nilai ekstrem data yang diambil. Pada uji normalitas ada dua cara yang dapat digunakan, yaitu: a. Analisis Grafik Normalitas data dapat dilihat melalui titik pada sumbu diagonal dari P-Plot atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan adalah sebagai berikut: Apabila data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas. Apabila data menyebar jauh dari diagonal atau tidak mengikuti arah garis diagonal maka menunjukkan pola distribusi yang tidak normal maka model regresi tidak memenuhi uji asumsi normalitas. Hasil dari analisis Grafik P-Plot uji normalitas adalah sebagai berikut: Universitas Sumatera Utara Gambar 4.2 Hasil uji Normal P-Plot of Regression Standardized Residual Sumber: Hasil pengolahan SPSS 18 2014 Pada Gambar 4.2 , P-plot menunjukkan bahwa titik-titik menyebar di daerah garis diagonal serta mengikuti garis diagonal , maka dapat disimpulkan bahwa data yang diperoleh berdistribusi normal. b. Analisis Statistik Pengujian normalitas yang didasarkan pada uji statistik non parametrik Kolmogorov-Smirnor K-S. Apabila nilai Kolmogorov-Smirnov Z ≤Z tabel atau nilai asymp. Sig. 2 tailed α maka data dinyatakan berdistribusi normal . berikut adalah Tabel 4.7 hasil uji Kolmogorov-Sminov. Universitas Sumatera Utara Tabel 4.8 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 76 Normal Parameters a,b Mean ,0000000 Std. Deviation 4,36118731 Most Extreme Differences Absolute ,070 Positive ,070 Negative -,044 Kolmogorov-Smirnov Z ,614 Asymp. Sig. 2-tailed ,845 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil pengolahan SPSS 19 2014 Pada uji ini keputusan yang diambil adalah apabila nilai sig 0,05 maka distribusi data bersifat normal dan apabila sig 0,05 maka distribusi data tidak normal. Di dalam hasil uji Kolmogorov-Smirnov tertulis bahwa nilai Asymp. Sig. 2-tailed sebesar 0,845 yang lebih besar dari 0,05 0,0845 0,05 yang berarti bahwa variabel residual berdistribusi normal. 2.Uji Multikoliniearitas Uji ini bertujuan untuk menguji apakah dalam model regresi linier terdapat adanya korelasi yang tinggi antara variabel bebas. Ada atau tidaknya multikolinieritas antar variabel dapat dilihat dari nilai Variance Inflation Factor VIF untuk masing-masing variabel bebas terhadap variabel terikat. Universitas Sumatera Utara Pengambilan keputusannya: VIF 5 maka terdapat multikolinieritas VIF 5 maka tidak terdapat multikolinieritas Tolerance 0,1 maka diduga mempunyai persoalan multikolinieritas Tolerance 0,1 maka tidak terdapat multikolinieritas Hasil pengujian multikolinieritas dapat dilihat pada tabel berikut: Tabel 4.9 Hasil Uji Multikolinieritas Coefficients a Model Unstandardized Coefficients Standard ized Coeffici ents t Sig. Collinearity Statistics B Std. Error Beta Tolera nce VIF 1 Constant 4,172 4,486 ,930 ,355 Kompetensi_kew irausahaan ,417 ,133 ,319 3,139 ,002 ,513 1,950 Motivasi_Kewira usahaan ,588 ,113 ,527 5,184 ,000 ,513 1,950 a. Dependent Variable: Kesuksesan_Karir Sumber: Hasil pengolahan SPSS 18 2014 Pada Tabel 4.9 memperlihatkan bahwa nilai VIF sebesar 1,9505. Maka tidak terjadi multikolinieritas dan nilai tolerance sebesar 0,513 0,1, maka dapat disimpulkan bahwa tidak terdapat multikolinieritas. Hal ini berarti variabel bebas kompetensi dan motivasi kewirausahaan tidak terdapat hubungan linier sempurna atau pasti di antara variabel tersebut sehingga model regresi layak untuk digunakan. Universitas Sumatera Utara 3.Uji Heterokedastisitas Uji ini bertujuan untuk menguji apakah di dalam model regresi terjadi ketidak samaan varians dari suatu residual pengamatan lain. Gejala heterokedastisitas dapat dideteksi dengan dua cara yaitu: a. Analisis grafik Gejala heterokedastisitas dapat dilihat dengan menggunakan grafik Scatterplot. Apabila data yang berbentuk titik-titik tidak membentuk suatu pola atau menyebar, maka model regresi tidak terkena heterokedastisitas. Berikut adalah gambar Scatterplot untuk hasil penelitian ini dalam uji heterokedastisitas: Sumber: Hasil pengolahan SPSS 18 2013 Gambar 4.3 Hasil Uji Heterokedastisitas Scatterplot Pada Gambar 4.3, terlihat titik-titk menyebar secara acak , tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik di atas maupun di Universitas Sumatera Utara bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heterokedastisitas pada model regresi. b.Analisis Statistik Gejala heterokedastisitas juga dapat diuji melalui uji Glejser. Tabel 4.9 berikut ini menampilkan hasil pengujian heterokedastisitas dengan uji Glejser. Tabel 4.10 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardize d Coefficients t Sig. Collinearity Statistics B Std. Error Beta Toleranc e VIF 1 Constant 6,100 2,880 2,118 ,038 Kompetensi_kewirau sahaan -,091 ,085 -,172 -1,061 ,292 ,513 1,950 Motivasi_Kewirausa haan ,029 ,073 ,066 ,405 ,686 ,513 1,950 a. Dependent Variable: absut Sumber: Hasil pengolahan SPSS 18 2014 Pada Tabel 4.10 dapat dilihat bahwa variabel kompetensi wirausaha signifikan terhadap variabel terikat, begitu juga dengan variabel motivasi kewirausahaan. Hal ini ditunjukkan dengan nilai signifikansi α sig 0,05. Sehingga dapat disimpulkan bahwa data variabel kompetensi kewirausahaan dan motivasi kewirausahaan bebas dari heterokedastisitas. Universitas Sumatera Utara 4.Uji F Uji Serempak Uji seremtak adalah untuk melihat apakah variabel kompetensi kewirausahaan dan motivasi kewirausahaan secara bersama-sama serempak berpengaruh secara positif dan signifikan terhadap variabel kesuksesan karir. Langkah-langkah pengujiannya adalah sebagai berikut: a. Menentukan model hipotesis untuk H dan H a . b. Mencari nilai F tabel dengan cara menentukan tingkat kesalahan α dan menentukan derajat kebebasan. c. Menentukan kriteria pengambilan keputusan. d. Mencari nilai f hitung dengan menggunakan bantuan aplikasi SPSS. e. Kesimpulan. Hasil pengujian adalah sebagai berikut: 1. Model hipotesis yang digunakan dalam uji F ini adalah sebagai berikut: H Artinya secara serempak tidak terdapat pengaruh yang positif dan signifikan dari variabel bebas kompetensi dan motivasi kewirausahaan terhadap variabel terikat kesuksesan karir. H a Artinya secara serempak terdapat pengaruh yang positif dan signifikan dari variabel bebas kompetensi dan motivasi kewirausahaan terhadap variabel terikat kesuksesan karir. Nilai F hitung akan dibandingkan dengan nilai f tabel . Kriteria pengambilan keputusan adalah sebagai berikut: H diterima bila f hitung f tabel pada α = 5 Universitas Sumatera Utara H a diterima jika f hitung f tabel pada α = 5 2. Hasil uji f hitung dapat dilihat pada Tabel 4.11: Tabel 4.11 UJI F ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 2264,661 2 1132,331 57,946 ,000 a Residual 1426,497 73 19,541 Total 3691,158 75 a. Predictors: Constant, Motivasi_Kewirausahaan, Kompetensi_kewirausahaan b. Dependent Variable: Kesuksesan_Karir Sumber : Hasil pengolahan SPSS 18 2014 Dari Tabel 4.11 Terlihat bahwa nilai F hitung adalah 57,946 pada tingkat kesalahan α=5 nilai F hitung tersebut signifikan. Nilai signifikan 0,000 0,05 pada derajat kebebasan df = 76-3, nilai F tabel = 2,73. Berdasarkan kriteria uji hipotesis jika F hitung F tabel maka H ditolak dan H a diterima. Artinya terdapat pengaruh positif dan signifikan yang terdiri dari variabel bebas yaitu kompetensi dan motivasi kewirausahaan berpengaruh positif dan signifikan terhadap variabel terikat yaitu kesuksesan karir konsultan pada PT. Orindo Alam Ayu. 5.Uji t Uji Parsial Uji t dilakukan untuk menguji setiap variabel bebas apakah mempunyai pengaruh yang signifikan terhadap variabel terikat secara parsial. Kriteria pengujian adalah sebagai berikut: H artinya secara parsial tidak terdapat pengaruh yang positif dan signifikan dari variabel bebas terhadap variabel terikat. Universitas Sumatera Utara H a artinya secara parsial terdapat pengaruh positif dan signifikan dari variabel bebas terhadap variabel terikat. Dengan kriteria pengambilan keputusan: H diterima jika t hitung t tabel pada α = 5 Tabel 4.12 Hasil Uji t Coefficients a Model Unstandardized Coefficients Standardiz ed Coefficien ts t sig B Std. Error Beta 1 Constant 4,172 4,486 ,930 ,355 Kompetensi_kewir ausahaan ,417 ,133 ,319 3,139 ,002 Motivasi_Kewirau sahaan ,588 ,113 ,527 5,184 ,000 a. Dependent Variable: Kesuksesan_Karir Sumber: Hasil pengolahan SPSS 18 2014 Pengolahan data tersebut menghasilkan suatu model regresi liniear berganda sebagai berikut: Y =4,172 + 0,417X 1 + 0,588X 2 + e Dimana : Y : Kesuksesan karir a : Konstanta b 1 -b 3 : Koefisien regresi X 1 : Kompetensi kewirausahaan X 2 : Motivasi kewirausahaan e : standar eror Universitas Sumatera Utara Dari persamaan tersebut dapat digambarkan sebagai berikut: a. Jika semua para variabel bebas dianggap konstan maka nilai kesuksesan karir Y adalah sebesar 4,172. b. Jika terjadi penambahan terhadap kompetensi kewirausahaan X 1 sebesar satu satuan, maka kesuksesan karir Yakan meningkat 0,417. c. Jika terjadi penambahan terhadap motivasi kewirausahaan X 2 sebesar satu satuan, maka kesuksesan karir akan meningkat 0,588. Berdasarkan kriteria uji hipotesis maka dapat disimpulkan: 1. Variabel kompetensi kewirausahaan X 1 Nilai t hitung dari variabel ini adalah 3,139 dengan tingkat signifikan 0,002. Nilai t tabel pa da α = 5, dengan derajat kebebasan df = 73 76-3 adalah 1,993. Berdasarkan kriteria uji hipotesis yaitu t hitung t tabel maka H diterima, maka dapat dinyatakan bahwa dengan nilai 3,139 1,993 dan dinyatakan signifikan karena 0,002 0,05. Artinya bahwa kompetensi kewirausahaan berpengaruh positif dan signifikan terhadap kesuksesan karir. 2. Variabel motivasi kewirausahaan X 2 Nilai t hitung dati variabel ini adalah 5,184 dengan tingkat signifikan 0,000. Nilai t tabel pada α = 5, dengan derajat kebebasan df = 73 76-3 adalah 1,993. Berdasarkan kriteria uji hipotesis yaitu t hitung t tabel maka H diterima, maka dapat dinyatakan bahwa dengan nilai 5,184 1,993 dan dinyatakan signifikan karena 0,000 0,05. Artinya bahwa motivasi Universitas Sumatera Utara kewirausahaan berpengaruh positif dan signifikan terhadap kesuksesan karir. 6.Pengujian Koefisien Determinan R 2 R 2 pada initinya mengukur proporsi atau presentase sumbangan variabel bebas terhadap naik turunnya variabel terikat secara bersama-sama, di mana: ≤R 2 ≤ 1 Tabel 4.13 Determinan Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,783 a 0,614 0,603 4,42053 a.Predictors: Constant, Kompetensi_Kewirausahaan, Motivasi_Kewirausahaan b.Dependent Variable: Kesuksesan_Karir Sumber: Hasil pengolahan SPSS 18 2014 Berdasarkan Tabel 4.13 dapat dilihat bahwa nilai adjusted R Square sebesar 0,603 berarti 60,3 kesuksesan karir dapat dijelaskan oleh kompetensi dan motivasi kewirausahaan. Sedangkan sisanya sebesar 39,7 dapat dijelaskan oleh faktor-faktor lain yang tidak diteliti di dalam penelitian ini, seperti human capital, dan kedisiplinan. Universitas Sumatera Utara 4.3 Pembahasan 4.3.1 Pengaruh Kompetensi Kewirausahaan terhadap Kesuksesan Karir