Variabel 34 .950 .80
Reliabel Variabel 35
.951 .80 Reliabel
Variabel 36 .951 .80
Reliabel Variabel 37
.952 .80 Reliabel
Variabel 38 .951 .80
Reliabel Variabel 39
.952 .80 Reliabel
Variabel 40 .951 .80
Reliabel Variabel 41
.950 .80 Reliabel
Variabel 42 .951 .80
Reliabel Variabel 43
.951 .80 Reliabel
Variabel 44 .950 .80
Reliabel
Sumber : Hasil Pengolahan SPSS 17,0 2013
Tabel 3.6 memperlihatkan bahwa seluruh pernyataan dinyatakan reliabel karena nilai Cronbach alpha diatas 0,80.
Reliabilitas instrumen dapat dilihat pada Tabel 3.7
Tabel 3.7 Reliabilitas Kuesioner
r
alpha
r
tabel
,952 0,361
Sumber : Hasil Pengolahan SPSS 17,0 2013
Tabel 3.7 menunjukkan seluruh pernyataan reliabel karena nilai Cronbach alpha sebesar 0,952 lebih besar dari 0,80.
3.10 Teknik Analisis Data
3.10.1 Analisis Deskriptif
Analisis deskriptif merupakan cara merumuskan dan menafsirkan data yang ada sehingga memberikan gambaran yang jelas mengenai persepsi
karyawan tentang pelaksanaan program pelayanan kesejahteraan karyawan
Universitas Sumatera Utara
dan lingkungan kerja yang dilakukan PT. Pelabuhan Indonesia I Persero Medan serta pengaruhnya terhadap semangat kerja karyawan.
3.10.2 Analisis Statistik
1. Analisis Regresi Linier Berganda Metode analisis regresi linier berfungsi untuk mengetahui pengaruh
atau hubungan antara variabel independent program kesejahteraan karyawan dan lingkungan kerja dan variabel dependent semangat
kerja karyawan akan digunakan analisis regresi linear berganda multiple regression analysis. Peneliti menggunakan bantuan program
software SPSS versi 17,0 untuk memperoleh hasil yang lebih terarah. Rumus perhitungan persamaan regresi berganda adalah sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+ e Dimana : Y = Semangat Kerja Karyawan
X
1
= Program Kesejahteraan X
2
= Lingkungan Kerja a = Konstanta
b
1
,
2
= Koefisien Regresi e = standar error
Model regresi linier berganda diatas harus memenuhi syarat asumsi klasik sebagai berikut :
1. Uji Normalitas Uji normalitas bertujuan untuk mengetahui apakah residual yang diteliti
berdistribusi normal atau tidak. Distribusi data tidak normal, karena terdapat nilai ekstrem data yang diambil. Ada dua cara yang dapat
digunakan untuk uji normalitas, yaitu :
Universitas Sumatera Utara
a. Analisis Grafik Normalitas data dapat dilihat melalui penyebaran titik pada sumbu
diagonal dari P-Plot atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusannya sebagai berikut :
Apabila data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi
normal maka model regresi memenuhi asumsi normalitas. Apabila data menyebar jauh dari diagonal atau tidak mengikuti arah
garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi
normalitas. b. Analisis Statistik
Pengujian normalitas yang didasarkan pada uji statistik non parametrik Kolmogorof-Smirnov K-S. Menurut Umar 2008:181
bahwa, apabila pada hasil uji Kolmogorov Smirnov, nilai Asymp.Sig 2-tailed lebih besar dari 0,05
α=5, tingkat signifikan maka data berdistribusi normal.
2. Uji Multikolinieritas Uji ini bertujuan untuk menguji apakah didalam model regresi linier
ditemukan adanya korelasi yang tinggi diantara variabel bebas. Ada atau tidaknya multikolinieritas antar variabel dapat diketahui dengan
melihat nilai dari variance inflation factor VIF dari masing-masing variabel independent terhadap variabel dependent.
Universitas Sumatera Utara
Pengambilan Keputusannya : VIF 5 maka diduga mempunyai persoalan multikolinieritas
VIF 5 maka tidak terdapat multikolinieritas Tolerence 0,1 maka diduga mempunyai persoalan multikolinieritas
Tolerence 0,1 maka tidak terdapat multikolinieritas 3. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan variance dari suatu residual pengamatan kepengamatan
lain. Ada dua cara yang dapat digunakan untuk mendeteksi gejala Heteroskedastisitas, yaitu :
a. Analisis Grafik Gejala Heteroskedastisitas dapat dilihat dengan menggunakan grafik
Scatterplot. Apabila data yang berbentuk titik-titik tidak membentuk suatu pola atau menyebar, maka model regresi tidak terkena
heteroskedastisitas. b. Analisis Statistik
Gejala Heteroskedastisitas juga dapat dideteksi melalui uji Glesjer.
3.11 Uji Hipotesis 1
