Koefisien X Koefisien X Koefisien X Koefisien X Nilai t pada variabel Kesehatan adalah 2,989 dengan tingkat signifikansi Nilai t pada variabel Keselamatan Kerja adalah 1,847 dengan tingkat

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