95
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant ,342
3,912 ,087
,931 Kesehatan
,139 ,065
,197 2,139
,037 Keselamatan
,811 ,112
,640 7,248
,000 Motivasi
,109 ,064
,161 1,701
,094 a. Dependent Variable: Kinerja
Berdasarkan hasil pengolahan data yang ditunjukkan dalam Tabel 4.18 maka diperoleh persamaan hasil regresi linear berganda sebagai berikut :
Z = 0,197X
1
+ 0,640X
2
+ 0,161Y + e
Berdasarkan persamaan tersebut dapat digambarkan sebagai berikut :
a. Koefisien X
1
= 0,197, ini berarti bahwa variabel Kesehatan X
1
berpengaruh secara positif dan siginifikan terhadap Kinerja hal ini terlihat dari nilai siginifikan 0,037 di bawah lebih kecil dari 0,05. Dengan kata lain jika
kesehatan X1 ditingkatkan satu satuan maka kineja Z akan bertambah sebesar 0,197
b. Koefisien X
2
= 0,640, ini berarti bahwa variabel Keselamatan X
2
berpengaruh secara positif dan siginifikan terhadap Kinerja hal ini terlihat dari nilai siginifikan 0,000 di bawah lebih kecil dari 0,05. Dengan kata lain jika
keselamatan X2 ditingkatkan satu satuan maka kineja Z akan bertambah sebesar 0,640
c. Koefisien Y = 0,161, ini berarti bahwa variabel Motivasi Y berpengaruh
secara positif dan tidak siginifikan terhadap Kinerja hal ini terlihat dari nilai siginifikan 0,094 di bawah lebih kecil dari 0,05. Dengan kata lain jika
Universitas Sumatera Utara
96 keselamatan X2 ditingkatkan satu satuan maka kineja Z akan bertambah
sebesar 0,161
4.3.2 Uji Asumsi Klasik Uji asumsi klasik digunakan untuk melihat apakah suatu model layak atau
tidak layak digunakan dalam penelitian. Uji asumsi klasik yang digunakan dalam penelitian ini adalah sebagai berikut :
a. Uji Normalitas
Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorv-Smirnov.
1. Pendekatan Grafik
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara dua observasi
dengan distribusi yang mendekati distribusi normal.
Sumber : Hasil Pengolahan SPSS Gambar 4.1 Grafik Histogram Uji Normalitas
Universitas Sumatera Utara
97
Sumber : Hasil Pengolahan SPSS Gambar 4.2 Plot Uji Normalitas
Berdasarkan gamar 4.1 dapat diketahui bahwa hubungan dari variabel Kesehatan dan Keselamatan terhadap Motivasi karyawan adalah berdistribusi
normal, hal ini ditunjukkan oleh gambar yang tidak terlihat menceng ke kiri ataupun ke kanan. Sedangkan pada gambar 4.2 data berdistribusi normal dapat di
lihat pada scatterplot, terlihat titik yang mengikuti data di sepanjang garis
diagonal.
Sumber : Hasil Pengolahan SPSS Gambar 4.3 Grafik Histogram Uji Normalitas
Universitas Sumatera Utara
98
Sumber : Hasil Pengolahan SPSS Gambar 4.4 Plot Uji Normalitas
Berdasarkan gamar 4.3 dapat diketahui bahwa hubungan dari variabel Kesehatan dan Keselamatan terhadap Kinerja karyawan adalah berdistribusi
normal, hal ini ditunjukkan oleh gambar yang tidak terlihat menceng ke kiri ataupun ke kanan. Sedangkan pada gambar 4.4 data berdistribusi normal dapat di
lihat pada scatterplot, terlihat titik yang mengikuti data di sepanjang garis diagonal.
Sumber : Hasil Pengolahan SPSS Gambar 4.5 Grafik Histogram Uji Normalitas
Universitas Sumatera Utara
99
Sumber : Hasil Pengolahan SPSS Gambar 4.6 Plot Uji Normalitas
Berdasarkan gamar 4.5 dapat diketahui bahwa hubungan dari variabel Motivasi terhadap Kinerja karyawan adalah berdistribusi normal, hal ini
ditunjukkan oleh gambar yang tidak terlihat menceng ke kiri ataupun ke kanan. Sedangkan pada gambar 4.6 data berdistribusi normal dapat di lihat pada
scatterplot, terlihat titik yang mengikuti data di sepanjang garis diagonal.
2. Pendekatan Kolmogorv-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistic tidak berdistribusi normal. Berikut ini pengujian normalitas yang
berdasarkan dengan uji statistic non-parametik Kolmogorv-Smirnov K-S untuk memastikan apakah data benar berdistribusi normal.
Universitas Sumatera Utara
100
Tabel 4.10 Hasil Uji Normalitas Pendekatan Kolmogrov-Smirnov
Kesehatan dan Keselamatan terhadap Motivasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 64
Normal Parameters
a,b
Mean ,0000000
Std. Deviation 3,97880444
Most Extreme Differences Absolute
,054 Positive
,037 Negative
-,054 Kolmogorov-Smirnov Z
,432 Asymp. Sig. 2-tailed
,992 a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan Tabel 4.10 terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,992. Dan di atas nilai signifikan 5 0,05, dengan kata lain variabel residual
berdistribusi normal.
Tabel 4.11 Hasil Uji Normalitas Pendekatan Kolmogrov-Smirnov
Kesehatan dan Keselamatan terhadap Kinerja
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 64
Normal Parameters
a,b
Mean ,0000000
Std. Deviation 2,02013151
Most Extreme Differences Absolute
,064 Positive
,044 Negative
-,064 Kolmogorov-Smirnov Z
,515 Asymp. Sig. 2-tailed
,953 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
101 Berdasarkan Tabel 4.11 terlihat bahwa nilai Asymp.Sig. 2-tailed adalah
0,953. Dan di atas nilai signifikan 5 0,05, dengan kata lain variabel residual berdistribusi normal.
Tabel 4.12 Hasil Uji Normalitas Pendekatan Kolmogrov-Smirnov
Motivasi terhadap Kinerja
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 64
Normal Parameters
a,b
Mean ,0000000
Std. Deviation 2,74611988
Most Extreme Differences Absolute
,079 Positive
,051 Negative
-,079 Kolmogorov-Smirnov Z
,630 Asymp. Sig. 2-tailed
,822 a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan Tabel 4.12 terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,822. Dan di atas nilai signifikan 5 0,05, dengan kata lain variabel residual
berdistribusi normal.
4.3.3 Uji Heteroskedastisitas
Uji heteroskedastisitas ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu variabel pengamatan ke
pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
102 Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas,
yaitu : 1.
Metode Grafik Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di
atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu
yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
Sumber : Hasil Pengolahan SPSS Gambar 4.7 Scatter Plot Uji Heteroskedastisitas
Berdasarkan Gambar 4,7 dapat terlihat dari grafik Scatterplot yang disajikan, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola
tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi,
sehingga model regresi layak dipakai untuk memprediksi Motivasi, berdasarkan masukan variabel independannya.
Universitas Sumatera Utara
103
Sumber : Hasil Pengolahan SPSS Gambar 4.8 Scatter Plot Uji Heteroskedastisitas
Berdasarkan Gambar 4.8 dapat terlihat dari grafik Scatterplot yang disajikan, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola
tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi,
sehingga model regresi layak dipakai untuk memprediksi Kinerja, berdasarkan masukan variabel independannya.
Gambar 4.9 Scatter Plot Uji Heteroskedastisitas
Universitas Sumatera Utara
104 Berdasarkan Gambar 4.9 dapat terlihat dari grafik Scatterplot yang
disajikan, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada
sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi Kinerja, berdasarkan
masukan variabel independannya.
2. Uji Glejser
Uji Glejser dilakukan dengan cara meregresikan antara variabel independen dengan nilai absolut residualnya. Jika nilai signifikansi antara variabel independen
dengan absolut residual lebih dari 0,05 maka tidak terjadi masalah heteroskedastisitas.
Tabel. 4.13 Hasil Uji Glejser Heterokedastisitas
Kesehatan dan Keselamatan Terhadap Motivasi
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 7,903
4,259 1,855
,068 Kesehatan
,029 ,069
,052 ,418
,677 Keselamatan
-,202 ,124
-,203 -1,619
,111 a. Dependent Variable: absut1
Tabel. 4.14 Hasil Uji Glejser Heterokedastisitas
Kesehatan dan Keselamatan Terhadap Kinerja
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 2,957
2,061 1,434
,157 Kesehatan
-,045 ,034
-,170 -1,345
,184 Keselamatan
,013 ,060
,027 ,211
,833 a. Dependent Variable: absut2
Universitas Sumatera Utara
105
Tabel. 4.15 Hasil Uji Glejser Heterokedastisitas
Motivasi Terhadap Kinerja
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 3,166
2,117 1,496
,140 Motivasi
-,023 ,049
-,061 -,480
,633 a. Dependent Variable: absut3
Sumber : Hasil Pengolahan SPSS
Berdasarkan Tabel 4.13 4.14 dan 4.15 terlihat jelas menunjukkan tidak satupun variabel indepnden yang signifikan secara statistik mempengaruhi
variabel depanden absolut Ut absUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5, jadi disimpulkan model regresi
tidak mempengaruhi heteroskedastisitas.
4.3.3 Uji Multikolinieritas
Uji Multikolinearitas bertujuan untuk mendeteksi ada atau tidaknya gejala multikolinearitas pada data dapat dilakukan dengan melihat nilai tolerance value
dan Varians Inflation Factor VIF. Dengan kriteria sebagai berikut : 1.
Apabila VIF dari 5 maka tidak terdapat Multikolinearitas. 2.
Apabila tolerance 0,1 maka tidak terdapat Multikolinearitas.
Universitas Sumatera Utara
106
Tabel 4.16 Uji Nilai Tolerance dan VIF
Keselamatan dan Kesehatan Terhadap Motivasi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 18,571
7,454 2,492
,015 Kesehatan
,363 ,121
,348 2,989
,004 ,997
1,003 Keselamatan
,402 ,218
,215 1,847
,070 ,997
1,003 a. Dependent Variable: Motivasi
Tabel 4.17 Uji Nilai Tolerance dan VIF
Keselamatan dan Kesehatan Terhadap Kinerja
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
2,364 3,784
,625 ,534
Kesehatan ,179
,062 ,253
2,897 ,005
,997 1,003
Keselamatan ,855
,111 ,674
7,731 ,000
,997 1,003
a. Dependent Variable: Kinerja
Tabel 4.18 Uji Nilai Tolerance dan VIF
Motivasi Terhadap Kinerja
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
22,117 3,465
6,383 ,000
Motivasi ,259
,080 ,382
3,252 ,002
1,000 1,000
a. Dependent Variable: Kinerja
Pada Tabel 4.16, 4.17 dan 4.18 terlihat bahwa nilai tolerance semua variabel bebas adalah lebih besar dari nilai ketetapan 0,1 dan nilai VIF semua variabel
Universitas Sumatera Utara
107 bebas adalah lebih besar dari nilai ketetapan 5. Oleh karena itu, data dalam
penelitian ini dikatakan tidak mengalami masalah Multikolinearitas.
4.4 Pengujian Hipotesis 4.4.1 Uji Signifikansi Simultan
Pengujian ini dilakukan untuk melihat apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap
variabel terikat. Untuk menentukan nilai F, maka diperlukan adanya derajat bebas
pembilang dan derajat bebas penyebut, dengan rumus sebagai berikut : df pembilang = k-l
df penyebut = n-k Keterangan :
n = jumlah sampel penelitian k = jumlah variabel bebas dan terikat
Pada penelitian ini diketahui jumlah sampel n 64 dan jumlah keseluruhan variabel adalah 3, sehingga diperoleh :
1. df pembilang = 4-1 = 3
2. df penyebut = 64-4 = 60
Maka nilai F
tabel
0,05 3,60 = 2,76
Universitas Sumatera Utara
108
Tabel 4.19 Hasil Uji Signifikansi Simultan UJI-F
Kesehatan dan Keselamatan Terhadap Motivasi
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
212,764 2
106,382 6,507
,003
a
Residual 997,346
61 16,350
Total 1210,109
63 a. Predictors: Constant, Kesehatan, Keselamatan
b. Dependent Variable: Motivasi
Pada Tabel 4.19 dapat dilihat hasil perolehan F
hitung
pada kolom F yakni sebesar 6,507 dengan tingkat signifikansi = 0,003. Sedangkan F
tabel
pada tingkat kepercayaan 95 α = 0,05 adalah 2,76. Oleh karena pada kedua perhitungan
yaitu F
hitung
F
tabel
dan tingkat siginifikansinya 0,003 0,05, menunjukkan bahwa pengaruh variabel independen Kesehatan dan Keselamatan secara
serempak adalah positif dan signifikan terhadap Motivasi .
Tabel 4.20 Hasil Uji Signifikansi Simultan UJI-F
Kesehatan dan Keselamatan Terhadap Kinerja
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
299,011 2
149,505 35,472
,000
a
Residual 257,099
61 4,215
Total 556,109
63 a. Predictors: Constant, Kesehatan, Keselamatan
b. Dependent Variable: Kinerja
Pada Tabel 4.20 dapat dilihat hasil perolehan F
hitung
pada kolom F yakni sebesar 35,472 dengan tingkat signifikansi = 0,000. Sedangkan F
tabel
pada tingkat kepercayaan 95 α = 0,05 adalah 2,76. Oleh karena pada kedua perhitungan
yaitu F
hitung
F
tabel
dan tingkat siginifikansinya 0,000 0,05, menunjukkan
Universitas Sumatera Utara
109 bahwa pengaruh variabel independen Kesehatan dan Keselamatan secara
serempak adalah positif dan signifikan terhadap Kinerja .
Tabel 4.21 Hasil Uji Signifikansi Simultan UJI-F
Motivasi Terhadap Kinerja
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
81,015 1
81,015 10,573
,002
a
Residual 475,094
62 7,663
Total 556,109
63 a. Predictors: Constant, Motivasi
b. Dependent Variable: Kinerja
Pada Tabel 4.21 dapat dilihat hasil perolehan F
hitung
pada kolom F yakni sebesar 10,573 dengan tingkat signifikansi = 0,002. Sedangkan F
tabel
pada tingkat kepercayaan 95 α = 0,05 adalah 2,76. Oleh karena pada kedua perhitungan
yaitu F
hitung
F
tabel
dan tingkat siginifikansinya 0,002 0,05, menunjukkan bahwa pengaruh variabel independen Motivasi secara serempak adalah positif dan
signifikan terhadap Kinerja .
4.4.2 Pengujian Koefisien Determinasi R
2
Pengujian Koefisien determinan digunakan untuk mengukur seberapa besar kontribusi variabel bebas Kehatan dan Keselamatan Kerja terhadap variabel
terikat Motivasi dan Kinerja Karyawan. Koefisien determinasi berkisar antara nol sampai satu 0 ≤ R
2
≥ 1. Jika R
2
semakin besar atau mendekati satu, maka dapat dikatakan bahwa pengaruh variabel bebas X
1
yaitu Kesehatan, X
2
yaitu Keselamatan Kerja adalah besar terhadap variabel terikat Y yaitu Motivasi, dan Z yaitu Kinerja
Karyawan.
Universitas Sumatera Utara
110 Hal ini berarti model yang digunakan semakin kuat untuk menerangkan pengaruh
variabel bebas terhadap variabel terikat dan demikian sebaliknya.
Hasil pengujian koefisien determinasi menggunakan SPSS Statistic dapat dilihat pada Tabel 4.22 dan 4.23 dibawah ini:
Tabel 4.22 Hasil Pengujian Koefisien Determinasi
Terhadap Motivasi
Model Summary
b
Model R
R Square Adjusted
R Square Std. Error
of the Estimate
1 ,419
a
,176 ,149
4,04350
a. Predictors: Constant, Keselamatan, Kesehatan b. Dependent Variable: Motivasi
1. Nilai R sebesar 0.419 sama dengan 41,9 berarti hubungan antara variabel
Kesehatan X
1
Keselamatan X
2
terhadap variabel Motivasi Karyawan Y sebesar 41,92 artinya hubungannya cukup erat
2. Nilai Adjusted R Square 0.176 berarti 17.9 Motivasi karyawan dapat di
jelaskan oleh Variabel Kesehatan dan Variabel Keselamatan Kerja. Sedangkan sisanya 82.1 dapat dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam
penelitian ini.
3.
Standard Error
of the Estimate artinya mengukur variasi dari nilai yang diprediksi. Nilai Standard Error of the Estimate 4,04350
Universitas Sumatera Utara
111
Tabel 4.23 Hasil Pengujian Koefisien Determinasi
Terhadap Motivasi
Model Summary
b
Model R
R Square Adjusted
R Square Std. Error
of the Estimate
1 ,733
a
,538 ,523
2,05298
a. Predictors: Constant, Keselamatan, Kesehatan b. Dependent Variable: Kinerja
1. Nilai R sebesar 0.733 sama dengan 73,3 berarti hubungan antara
variabel Kesehatan X
1
dan Keselamatan X
2
terhadap variabel Kinerja Karyawan Z sebesar 73,3 artinya hubungannya erat
2. Nilai Adjusted R Square 0.523 berarti 52.3 Kinerja karyawan dapat di
jelaskan oleh Variabel Kesehatan Keselamatan dan Motivasi. Sedangkan sisanya 47.7 dapat dijelaskan oleh faktor-faktor lain yang tidak diteliti
dalam penelitian ini.
3.
Standard Error
of the Estimate artinya mengukur variasi dari nilai yang diprediksi. Nilai Standard Error of the Estimate 2,05298
Tabel 4.24 Hasil Pengujian Koefisien Determinasi
Motivasi Terhadap Kinerja
Model Summary
b
Model R
R Square Adjusted
R Square Std. Error
of the Estimate
1 ,382
a
,146 ,132
2,76818
a. Predictors: Constant, Motivasi b. Dependent Variable: Kinerja
Universitas Sumatera Utara
112 1.
Nilai R sebesar 0.382 sama dengan 38,2 berarti hubungan antara variabel Motivasi Y terhadap variabel Kinerja Karyawan Z sebesar
73,3 artinya hubungannya tidak erat 2.
Nilai Adjusted R Square 0.146 berarti 14.6 Kinerja karyawan dapat di jelaskan oleh Variabel Motivasi. Sedangkan sisanya 85.4 dapat
dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini.
3.
Standard Error
of the Estimate artinya mengukur variasi dari nilai yang diprediksi. Nilai Standard Error of the Estimate 2,76818
4.4.3 Korelasi
Korelasi sering diartikan sebagai hubungan, berarti korelasi harus membicarakan sekurang-kurangnya dua variabel atau lebih. Korelasi juga dapat
diartikan sebagai alat ukur, yaitu untuk mengukur tingkat kekuatan hubungan antara satu variabel dengan variabel yang lainnya. Untuk mengetahui apakah ada
atau tidaknya hubungan antara satu variabel dengan variabel lainnya, digunakan analisis korelasi.
Tabel 4.25 Analsisi Korelasi
Correlations
Kesehatan Keselamatan
Kesehatan Pearson Correlation
1 ,057
Sig. 2-tailed ,655
N 64
64 Keselamatan
Pearson Correlation ,057
1 Sig. 2-tailed
,655 N
64 64
Dari tabel 4. Terlihat bahwa hubungan Kesehatan dan Keselamatan tidak signifikan, hal ini ditunjukkan dari nilai signifikansi 0,655 0,05
Universitas Sumatera Utara
113
4.4.4 Analisis Jalur Path Analiysis
Teknik analisis jalur yang digunakan dalam menguji besarnya sumbangan pengaruh yang ditunjukkan oleh koefisien jalur pada setiap diagram jalur dari
hubungan kasual antara X
1,
X
2,
X,
3,
dan X
4
terhadap Y. Analisis korelasi dan regresi yang menjadi dasar perhitungan koefisien jalur.
Model persamaan yang digunakan dalam penelitian ini adalah sebagai berikut :
Y= ρyx
1
X
1
+ ρyx
2
X
2
+ ε
1
Z = ρzx
1
X
1
+ ρzx
2
X
2
+ ε
1
Z= ρzy Y + ε
1
Tabel 4.26 Analisis Jalur
Kesehatan dan Keselamatan Terhadap Motivasi
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 18,571
7,454 2,492
,015 Kesehatan
,363 ,121
,348 2,989
,004 Keselamatan
,402 ,218
,215 1,847
,070 a. Dependent Variable: Motivasi
Sumber : Hasil Pengolahan SPSS
Berdasarkan hasil pengolahan data yang ditunjukkan dalam Tabel 4.26 maka diperoleh persamaan hasil regresi linear berganda sebagai berikut :
Y = 0,348X
1
+ 0,215X
2
+ e
Berdasarkan persamaan tersebut dapat digambarkan sebagai berikut :
Universitas Sumatera Utara
114
d. Koefisien X
1
= 0,346, ini berarti bahwa variabel Kesehatan X
1
berpengaruh secara positif dan siginifikan terhadap Kinerja hal ini terlihat dari nilai siginifikan 0,004 di bawah lebih kecil dari 0,05.
e. Koefisien X
2
= 0,215, ini berarti bahwa variabel Keselamatan X
.2
berpengaruh secara positif dan tidak siginifikan terhadap Kinerja hal ini terlihat dari nilai signifikan 0,07 di atas lebih besar dari 0,05.
f. Nilai t pada variabel Kesehatan adalah 2,989 dengan tingkat signifikansi
0,004 dan nilai t
tabel
pada alpha 5 dan df1 = 60 adalah 2,0003. Variabel Kesehatan berpengaruh secara positif dan signifikan terhadap Motivasi
karyawan PT.Coca-Cola Amatil Indonesia CCAI Unit Medan. Hal ini terlihat dari nilai signifikansi 0.004 0.05. nilai t
hitung
2.989 t
tabel
2.0003.
g. Nilai t pada variabel Keselamatan Kerja adalah 1,847 dengan tingkat
signifikansi 0.070 dan nilai t
tabel
pada alpha 5 dan df1 = 60 adalah 2,0003 variabel Keselamatan kerja berpengaruh secara tidak positif dan dan tidak
signifikan terhadap Motivasi karyawan PT.Coca-Cola Amatil Indonesia CCAI Unit Medan, hal ini terlihat dari nilai signifikansi 0,070 0.05. nilai
t
hitung
1,847 t
tabel
2,0003. Berdasarkan uraian diatas, maka model jalurnya sebagai berikut
:
pYX
1
= 0,346 0,057
pYX
2
= 0,215
Gambar 4.7. Model Analisis Jalur Persamaan PertamaX
1
, X
2
terhadap Y
Kesehatan Kerja X1
Keselamatan Kerja X2
Motivasi Y
Universitas Sumatera Utara
115
Tabel 4.27 Analisis Jalur
Kesehatan dan Keselamatan Terhadap Kinerja
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 2,364
3,784 ,625
,534 Kesehatan
,179 ,062
,253 2,897
,005 Keselamatan
,855 ,111
,674 7,731
,000 a. Dependent Variable: Kinerja
Sumber : Hasil Pengolahan SPSS
Berdasarkan hasil pengolahan data yang ditunjukkan dalam Tabel 4.27 maka diperoleh persamaan hasil regresi linear berganda sebagai berikut :
Z = 0,253X
1
+ 0,674X
2
+ e
Berdasarkan persamaan tersebut dapat digambarkan sebagai berikut :
a. Koefisien X