Analisis Regresi Linier Berganda Pengujian Koefisien Determinasi R²

Tabel 4.13 Uji Nilai Tolerance dan VIF Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1Constant 14.113 3.093 4.562 .000 Disiplinkerja .073 .106 .090 .683 .497 .696 1.436 KomitmenKaryawan .408 .123 .438 3.314 .002 .696 1.436 a. Dependent Variable: PrestasiKerja Sumber: Hasil Pengolahan SPSS Mei 2011 Berdasarkan Tabel 4.13 dapat dilihat bahwa: a. Nilai VIF dari nilai motivasi, persepsi, pembelajaran, keyakinan dan sikap lebih kecil atau dibawah 5 VIF 5, ini berarti tidak terkena multikolinieritas antara variabel independen dalam model regresi. b. Nilai Tolerance dari motivasi, persepsi, pembelajaran, keyakinan dan sikap lebih besar dari 0.1, ini berarti tidak terdapat multikolinieritas antar variabel independen dalam model regresi.

4.5. Analisis Regresi Linier Berganda

Analisis regresi linier berganda dilakukan dengan bantuan SPSS 17.0 dengan tujuan untuk mengetahui seberapa besar pengaruh variabel bebas yang terdiri dari motivasi, persepsi, pembelajaran, keyakinan dan sikap terhadap variabel terikat yaitu Keputusan Pembelian Y. Model persamaan yang digunakan dalam penelitian ini adalah sebagai berikut: Universitas Sumatera Utara Y = a + b 1 X 1 + b 2 X 2 + e Penjelasan dari hasil pengolahan SPSS akan ditunjukkan pada Tabel 4.11 berikut ini: Tabel 4.14 Analisis Regresi Linier Berganda Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 14.113 3.093 4.562 .000 Disiplinkerja .073 .106 .090 .683 .497 KomitmenKaryawan .408 .123 .438 3.314 .002 a. Dependent Variable: PrestasiKerja Berdasarkan hasil pengolahan data yang ditunjukkan dalam Tabel 4.14, maka diperoleh persamaan hasil regresi linier berganda sebagai berikut : Y = 14,113 + 0,073X 1 + 0,408X 2 Berdasarkan persamaan tersebut dapat digambarkan sebagai berikut : a. Konstanta a = 14,113, ini menunjukkan harga constant, dimana jika variabel Dsiplin Kerja X 1 , dan Komitmen KaryawanX 2 = 0, maka prestasi kerja = 14,113. b. Koefisien X 1 b 1 0,073 , ini berarti bahwa variabel Disiplin Kerja X 1 berpengaruh positif terhadap Prestasi Kerja sebesar 0,073. Artinya, setiap terjadi peningkatan variable motivasi sebesar 1 satuan, maka prestasi kerja akan bertambah sebesar 0,073. c. Koefisien X 2 b 2 0,408 , ini berarti bahwa variabel Komitmen Karyawan X 2 berpengaruh positif terhadap Prestasi Karyawan sebesar 0,408. Universitas Sumatera Utara Artinya, setiap terjadi peningkatan variable Komitmen sebesar 1 satuan, maka Prestasi Kerja akan bertambah sebesar 0,408.

4.6. Pengujian Koefisien Determinasi R²

Pengujian koefisien determinasi R² digunakan untuk mengukur proporsi atau persentase kemampuan model dalam menerangkan variabel terikat. Koefisien determinasi berkisar antara nol sampai satu 0 ≤ R² ≥ 1. Jika R² semakin besar mendekati satu, maka dapat dikatakan bahwa pengaruh variabel bebas X adalah besar terhadap variabel terikat Y. Hal ini berarti model yang digunakan semakin kuat untuk menerangkan pengaruh variabel bebas terhadap variabel terikat dan demikian sebaliknya. Tabel 4.15 Koefisien Determinasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .494 a .244 .220 1.98185 a. Predictors: Constant, KomitmenKaryawan, Disiplinkerja b. Dependent Variable: PrestasiKerja Sumber : Hasil Pengolahan SPSS Berdasarkan Tabel 4.15 dapat dilihat bahwa : a. R = 0,494 berarti hubungan antara variabel Disiplin Kerja X 1 , dan Komitmen Karyawan X 2 terhadap Prestasi Kerja Karyawan Y sebesar 49,40. Artinya hubungannya cukup erat. b. Adjusted R Square sebesar 0,220 berarti 22,00 variabel Prestasi Kerja dapat dijelaskan oleh Disiplin Kerja dan Komitmen Karyawan. Universitas Sumatera Utara Sedangkan sisanya 78,00 dapat dijelaskan oleh variabel-variabel lain yang tidak diteliti oleh penelitian ini. c. Standard Error of Estimated Standar Deviasi artinya mengukur variasi dari nilai yang diprediksi. Dalam penelitian ini standar deviasinya sebesar 1,98185 Semakin kecil standar deviasi berarti model semakin baik. 4.7. Pengujian Hipotesis 4.7.1. Uji Signifikansi Simultan Uji-F