Analisis Pengaruh Implementasi Keselamatan dan Kesehatan Kerja (K3) Terhadap Produktivitas Karyawan

4.5 Analisis Pengaruh Implementasi Keselamatan dan Kesehatan Kerja (K3) Terhadap Produktivitas Karyawan

Untuk mengetahui pengaruh implementasi keselamatan dan kesehatan kerja (K3) terhadap produktivitas karyawan digunakan analisis regresi berganda. Variabel keselamatan kerja (X1) dan kesehatan kerja (X2) sebagai variabel independen dan variabel produktivitas karyawan (Y) sebagai variabel dependen.

4.5.1 Hasil Uji Asumsi Klasik

Uji asumsi klasik merupakan syarat yang harus dipenuhi sebelum melakukan uji regresi berganda. Suatu model regresi berganda dapat disebut model yang baik apabila model tersebut memenuhi kriteria BLUE

(best linear unbias estimator). BLUE dapat dicapai apabila memenuhi asumsi klasik.

a) Hasil Uji Multikolinieritas

Uji multikolinieritas digunakan untuk melihat korelasi antara variabel bebas (independen). Model yang baik adalah antar variabel bebas (independen) tidak boleh saling berkorelasi. Dalam mendeteksi ada atau tidaknya multikolinieritas dapat dilihat dari Variance Inflation Factor (VIF). Menurut Santoso (2010:206) pedoman suatu model regresi yang bebas multikolinieritas adalah:

 Mempunyai nilai VIF di sekitar angka 1

 Mempunyai angka Tolerance mendekati 1.

NB : Tolerance = 1 / VIF atau bisa juga VIF = 1 / Tolerance.

Hasil dari uji multikolinieritas pada penelitian ini dapat dilihat pada tabel berikut.

Tabel 4.9 Hasil Uji Multikolinieritas

Collinearity Statistics Variabel Independen

Tolerance

VIF

Keselamatan Kerja (X1)

1,283 Kesehatan Kerja (X2)

1,283 Sumber : Data Diolah, 2017

Berdasarkan tabel 4.9 menunjukkan untuk kedua variabel independen, angka VIF berada di sekitar angka 1. Demikian juga dengan nilai tolerance mendekati 1. Dengan demikian dapat disimpulkan bahwa model regresi tersebut tidak terdapat multikolinieritas.

b) Hasil Uji Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varians residual satu pengamatan ke pengamatan yang lain. Jika varians residual dari satu pengamatan ke pengamatan yang lain tetap, maka hal tersebut disebut Homoskedastisitas, dan jika varians berbeda disebut dengan heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas (Santoso, 2010:207). Hasil uji heteroskedastisitas pada penelitian ini dapat dilihat pada gambar 4.1.

Gambar 4.1 Scatter plot Uji Heteroskedastisitas

Sumber : Data Diolah 2017

Menurut Santoso (2010:210) jika scatter plot pada hasil uji heteroskedastisitas memiliki pola tertentu, seperti titik-titik yang membentuk suatu pola tertentu yang teratur (bergelombang, melebar lalu menyempit) berarti telah terjadi heteroskedastisitas.

Pada gambar 4.1 menunjukkan bahwa titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.

c) Hasil Uji Normalitas

Alat uji ini digunakan untuk mengetahui apakah dalam sebuah model regresi, nilai residu dari regresi mempunyai distribusi normal (Santoso, 2010:210).

Pengujian ini secara praktis dilakukan lewat pembuatan grafik normal probability plot. Hasil dari pembuatan grafik tersebut dapat dilihat pada gambar berikut.

Gambar 4.2 Hasil Uji Normalitas

Sumber : Data diolah, 2017

Menurut Santoso (2010:213) deteksi normalitas dapat dilakukan dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik. Jika data menyebar di sekitar garis diagonal dan mengikuti Menurut Santoso (2010:213) deteksi normalitas dapat dilakukan dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik. Jika data menyebar di sekitar garis diagonal dan mengikuti

Berdasarkan gambar 4.2 menunjukkan bahwa titik-titik menyebar di sekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal, sehingga model regresi tersebut memenuhi asumsi normalitas.

4.5.2 Hasil Analisis Regresi Linear Berganda

Berdasarkan hasil pengolahan data dengan menggunakan software SPSS didapatkan ringkasan seperti pada tabel 4.10. variabel dependen pada analisis regresi ini adalah produktivitas karyawan sedangkan variabel independen adalah implementasi keselamatan dan kesehatan kerja (K3).

Tabel 4.10

Ringkasan Hasil Analisis Regresi Berganda

t-hitung P-Value

X1 a 0.512

0,123 R Square

X2 -0.183

Adjusted R Square

Sumber : Data diolah, 2017 Berdasarkan hasil regresi berganda pada tabel 4.10, maka model

persamaan regresinya adalah sebagai berikut :

Y = 0.512 X1 – 0.183 X2

Interpretasi dari persamaan tersebut adalah :

1. β1 = 0.512 Nilai koefisien dari variabel X1 adalah positif dan memiliki pengaruh signifikan terhadap variabel Y. Hal ini dapat dilihat dari nilai X1 sebesar 0.512 dan signifikansi menunjukkan angka lebih kecil dari α = 0,05. Berdasarkan data tersebut maka dapat disimpulkan bahwa setiap peningkatan implementasi keselamatan kerja (X1) akan diikuti oleh peningkatan produktivitas karyawan.

2. β2 = -0.183

Nilai koefisien dari variabel X2 adalah negatif dan tidak signifikan. Hal ini ditunjukkan dengan nilai koefisien sebesar -0.183 dan signifikansi menunjukkan angka 0.123 yang be rarti lebih besar dari α = 0.05. Berdasarkan data tersebut maka dapat disimpulkan bahwa setiap peningkatan variabel kesehatan kerja (X2) akan menurunkan produktivitas karyawan.

4.5.3 Koefisien Determinasi yang Disesuaikan (Adjusted R 2 )

Berdasarkan uji F simultan dapat diketahui bahwa implementasi keselamatan dan kesehatan kerja (K3) secara bersama-sama mempunyai pengaruh terhadap produktivitas karyawan. Untuk mengetahui sejauh mana keseluruhan variabel independen dapat menjelaskan variabel dependen, dapat dilihat dari besarnya koefisien

determinasi yang disesuaikan (Adjusted R 2 ) dari hasil perhitungan yang dilakukan dengan menggunakan regresi linier berganda pada tingkat signifikansi sebesar 5%. Berdasarkan tabel 4.10 diketahui bahwa nilai Adjusted R Square adalah sebesar 0.186 atau 18,6%. Nilai ini menunjukkan seberapa besar determinasi yang disesuaikan (Adjusted R 2 ) dari hasil perhitungan yang dilakukan dengan menggunakan regresi linier berganda pada tingkat signifikansi sebesar 5%. Berdasarkan tabel 4.10 diketahui bahwa nilai Adjusted R Square adalah sebesar 0.186 atau 18,6%. Nilai ini menunjukkan seberapa besar