Pada grafik scatterplot dari gambar 4.3, dapat dilihat bahwa titik-titik menyebar secara acak dengan tidak adanya pola yang jelas serta tersebar baik di
atas maupun di bawah angka 0 pada sumbu Y. Hal tersebut menunjukkan bahwa tidak terjadi heterokedastisitas, sehingga model ini layak dipakai untuk
memprediksi Kompetensi di PT Perkebunan Nusantara III, berdasarkan masukan variabel independen yaitu Rekrutmen dan Pelatihan.
4.3.2. Uji Analisis Regresi
Berdasarkan hasil uji asumsi klasik yang telah dilakukan di atas, dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah
memenuhi model estimasi dan layak untuk dilakukan analisis statistik selanjutnya, yaitu melakukan pengujian hipotesis. Adapun hasil pengolahan data dengan
analisis regresi dapat dilihat pada tabel 4.45 dibawah ini.
Tabel 4.45 Tabel Koefisien Beta
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
.575 .283
2.028 .046 Rekrutmen
.328 .069
.324 4.732 .000 Pelatihan
.545 .060
.624 9.122 .000 a. Dependent Variable: Kompetensi
Sumber: Data yang diolah penulis, 2013
Universitas Sumatera Utara
Berdasarkan tabel 4.45 pada kolom Unstandardized Coefficients bagian B diperoleh model persamaan regresi linier berganda yaitu :
Y= 0.575 + 0.328X
1
+ 0.545X2 + e
Dimana :
Y = Debt to Equity Ratio
X1 = Free Cash Flow
X2 = Return on Investment
e = Tingkat kesalahan pengganggu Penjelasan dari nilai β0, β1 dan β2 pada Unstandardized Coefficients
tersebut dapat dijelaskan dibawah ini.
a. β0 = 0.575
Nilai konstanta ini menunjukkan bahwa apabila tidak ada nilai variabel Rekrutmen dan Pelatihan, maka nilai variable kompetensi adalah sebesar 0.575
b. β1 = 0.328
Koefisien regresi β1 ini menunjukkan bahwa setiap variabel rekrutmen meningkat satu satuan, maka nilai variable kompetensi akan bertambah sebesar 0.328 dengan
asumsi variabel lainnya dianggap tetap atau sama dengan nol.
c. β2 = 0.545
Universitas Sumatera Utara
Koefisisen regresi β2 menunjukkan bahwa setiap variabel pelatihan meningkat sebesar satu satuan, maka perubahan nilai variable kompetensi yang dilihat dari
nilai Y akan bertambah sebesar 0.545 dengan asumsi variabel lain dianggap tetap.
4.3.3. Koefisien Determinasi
Tabel 4.46 Tabel Koefisien
Model R
R Square Adjusted R Square Std. Error of the Estimate
1 .817
a
.668 .660
.25971 a. Predictors: Constant, Pelatihan, Rekrutmen
b. Dependent Variable: Kompetensi Sumber: Data yang diolah penulis, 2013
Pada tabel 4.46 dapat dilihat bahwa nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel
independen dengan variabel dependen. Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0,5 dan mendekati angka 1. Koefisian determinasi R
square menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah 0 sampai dengan angka 1. Apabila nilai R
square semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel independen dalam menjelaskan variabel dependen semakin terbatas.
Pada model summary diatas di atas, angka R sebesar 0,817 menunjukkan bahwa hubungan antara Kompetensi Y dengan Rekrutmen X1 dan Pelatihan
Universitas Sumatera Utara
X2 mempunyai korelasi yang kuat karena R 0,5 50. Dimana nilai R yaitu 0,817 atau 81,7. Sedangkan angka adjusted R Square atau koefisien determinasi
adalah 0,668 atau 67. Angka ini mengindikasikan bahwa variasi dari kedua variabel independennya mampu menjelaskan variasi variabel dependen sebesar
67 dan sisanya 33 100 - 67 dijelaskan oleh faktor-faktor lain tidak dimasukkan dalam model penelitian ini. Kemudian standard error of the estimate
adalah sebesar 0,25971, di mana semakin kecil angka ini akan membuat model regresi semakin tepat untuk memprediksi nilai variable kompetensi. Untuk
mengetahui apakah masing – masing variabel yaitu Rekrutmen dan Pelatihan yang dianggap secara parsial dan simultan berpengaruh terhadap Kompetensi,
dilakukan pengujian hipotesis. Pengujian hipotesis secara statistik dilakukan dengan menggunakan uji T dan uji F.
4.3.4. Uji Hipotesis 4.3.4.1. Uji T T - Test Uji Pengaruh X1 dan X2 terhadap Y Secara