yang terjadi masih tetap tidak berbias, tetapi tidak lagi efisien. Menurut Gujarati, 2006:89 menjelaskan bahwa ada dua cara untuk mendeteksi keberadaan
heteroskedastisitas, yaitu metode informal dan metode formal. Metode informal biasanya dilakukan dengan melihat grafik plot dari nilai prediksi variable
independent dengan
residualnya. Variabel
dinyatakan tidak
terjadi heteroskedastisitas jika tidak terdapat pola yang jelas dan titik-titik menyebar di
atas dan di bawah angka nol pada sumbu Y. Metode formal untuk mendeteksi keberadaan heteroskedastisitas adalah dengan menggunakan Glejser Test.
Langkah-langkahnya adalah: 1.
Melakukan estimasi pada model regresi dan menghitung residualnya Ut. 2.
Mengabsolutkan nilai residual AbsUt absolut residual. 3.
Meregresikan variabel AbsUt sebagai variabel dependen dan variabel independent sehingga menjadi persamaan:
AbsUt = a + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
D+ e Untuk menguji signifikansi koefisien korelasi dilakukan dengan uji t,
sebagaimana diformulasikan dalam rumus :
Setelah menghitung besarnya t t hitung kemudian dibandingkan dengan t tabel pada derajat bebas df n-2 pada tingkat kepercayaan tertentu. Jika t hitung
lebih besar dari t tabel maka signifikan. Cara
mengatasi permasalahan
heteroskedastisitas adalah
dengan mentransformasi persamaan regresi kedalam bentuk logaritma hanya salah satu
yang dianggap mudah, sehingga regresi yang semula berbentuk Y = A + B X + e akan menjadi LnY = A + B ln X
3.9 Metode Analisis Jalur
Analisis jalur merupakan bagian dari analisis regresi yang digunakan untuk menganalisis hubungan antar variabel. Dimana variabel-variabel bebas
mempengaruhi variabel terikat baik secara langsung maupun tidak langsung melalui satu atau dua perantara Sarwono, 2006:147. Manfaat analisis jalur
adalah perluasan dari analisis regresi linier berganda yang diperlukan pada jalur hubungan network variabel-variabel yang melibatkan lebih dari satu pertanyaan.
Diagram jalur memberikan secara eksplisit hubungan kausal antar variabel model bergerak dari kiri ke kanan dengan implikasi prioritas hubungan kausal
variabel yang dekat ke sebelah kiri. Hubungan langsung terjadi jika satu variabel mempengaruhi variabel yang lainnya tanpa ada variabel ketiga yang memediasi
intervening hubungan kedua variabel. Hubungan tidak langsung adalah jika ada variabel ketiga yang memediasi hubungan kedua variabel, kemudian pada setiap
variabel dependen akan ada anak panah yang menuju variabel ini dan berfungsi untuk menjelaskan jumlah variabel yang tidak dapat dijelaskan oleh variabel itu.
Dimana koefisien jalur dihitung dengan membuat data persamaan struktural yaitu persamaan regresi yang menunjukkan hubungan. Berikut ini adalah
persamaannya: Z= βX1iZi+ βX2iZi+ε1i......................................................persamaan 1
Y= βX1iYi+ βX2iYi+ βZiYi+ε2i....................................... persamaan 2
Dimana : Y
= kinerja karyawan Z
= motivasi kerja X1
= lingkungan kerja X2
= karakteristik pekerjaan Β
= koefisien variabel bebas
ε1+ ε2 = variabel penganggu
MotivasiKerja Z
βYiX1i
βZiX1i
βZiYi
βZiX2i
βYiX2i
Gambar 3.1 Metode Analisis Jalur Sumber: Kerangka Konseptual.
Keterangan : βZiX1i
:koefisien jalur pengaruh X1i terhadap Zi βZiX2i
:koefisien jalur pengaruh X2i terhadap Zi βYiX1i
:koefisien jalur pengaruh X1i terhadap Yi βYiX2i
:koefisien jalur pengaruh X2i terhadap Yi βZiYi
:koefisien jalur pengaruh Zi terhadap Yi
3.10 Trimming theory
