Analisis Data Metode Pengolahan dan Analisis Data
distribusi normal atau mendekati normal. Uji normalitas dengan grafik dapat menyesatkan karena secara visual dapat kelihatan
tidak normal padahal secara statistik bisa sebaliknya. Adapun uji normalitas statistik yang digunakan dalam penelitian ini adalah
uji Kolmogorof-smirnov KS test, yaitu dengan melihat angka profitabilitas signifikan, dimana data dapat disimpulkan
berdistribusi normal jika angka signifikansinya lebih besar dari 0,05.
3. Uji heteroskedastisitas dalam model regresi bertujuan untuk mengetahui apakah terjadi ketidaksamaan variance residual dari
satu pengamatan ke pengamatan lain. Jika veriance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
homoskedastisitas dan jika berbeda disebut heteroskesdasitisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat adanya pola tertentu pada grafik plot scatterplot
antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID. Dengan dasar analisis, Jika ada pola tertentu seperti
titik-titik yang ada membentuk pola tertentu yang teratur bergelombang,
melebar kemudian
menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas.
Jika tidak ada pola yang jelas serta titik-titik menyebar diatas dan dibawah angka nol pada sumbu Y, maka tidak terjadi
heteroskedastisitas. b. Analisa Data adalah mengelompokan data berdasarkan variabel dari
seluruh responden, menyajikan data dari setiap variabel yang diteliti dan melakukan perhitungan untuk menguji hipotesis yang telah
dikemukakan. Analisa data pada penelitian ini menggunakan metode analisis
regresi yang menguji ada atau tidaknya pengaruh dan seberapa jauh pengaruh antara status kepegawaian dan strata pendidikan sebagai
variabel bebas terhadap disiplin kerja sebagai variabel terikat. Dan analisa regresi linier sederhana untuk menguji ada atau tidaknya
pengaruh status kepegawaian dengan disiplin kerja, untuk menguji ada atau tidaknya pengaruh strata pendidikan dengan disiplin kerja.
Imam dan Suharyani 2001 menyatakan bahwa ―analisis regresi
linier berganda berguna untuk menganalisa seberapa besar hubungan antara beberapa variabel independen.‖ Adapun bentuk persamaan
regresi dalam penelitian ini adalah sebagai berikut:
Ү = α + β
1
Х
1
+ β
2
Х
2
+ ei
Keterangan: Y
= Variabel dependen Disipli Kerja X
1
= Variabel independen Status Kepegawaian X
2
= Variabel independen Strata Pendidikan a
= Konstanta β
1....
β
2
= Koefisien Regresi Variabel Independen
ei
= Residual 1. Uji Hipotesis
Untuk menilai ketepatan fungsi regresi perlu dilakukan uji hipotesis, berupa uji koefisien determinasi R
2
, uji pengaruh simultan F test dan uji parsial t test.
2. Uji Koefisien Determinasi R
2
Uji Koefisien Determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi
variabel dependen. Nilai Koefisien Determinasi R
2
terletak diantara nol dan satu. Nilai Adjusted R
2
yang kecil berarti kemampuan variabel-veriabel independen dalam menjelaskan
variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel independen memberikan hampir semua
semua informasi yang dibutuhkan untuk memprediksi variasi
variabel dependen. Secara umum koefisien determinasi untuk data silang crossection relatif rendah karena adanya variasi
yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu time series biasanya mempunyai
nilai koefisien determinasi yang tinggi. Nilai R
2
yang kecil nol berarti kemampuan variabel-variabel bebas status
kepegawaian, tingkat pendidikan dalam menjelaskan variabel terikat disiplin kerja amat terbatas.
3. Uji parsial t test Uji t digunakan untuk menguji signifikansi hubungan
antara variabel X dan Y. Apakah variabel X
1,
X
2,
status kepegawaian, strata pendidikan benar-benar berpengaruh
terhadap variabel Y disiplin kerja secara individual atau parsial.
Dasar pengambilan keputusan untuk hasil uji t parsial dalam analisis regresi adalah :
a. Berdasarkan nilai t hitung dan t tabel Jika nilai t hitung t tabel maka variabel independen
berpengaruh terhadap variabel dependen dan sebaliknya jika nilai t hitung t tabel maka variabel independen tidak
berpengaruh terhadap variabel dependen.
b. Berdasarkan nilai signifikan hasil output olah data Jika nilai signifikan 0.05 maka variabel independen
berpengaruh signifikan terhadap variabel dependen dan sebaliknya jika nilai signifikan 0.05 maka variabel
independen tidak berpengaruh signifikan terhadap variabel dependen.