1. Data yang belum dikelompokkan
Modus dari data yang belum dikelompokkan adalah ukuran yang memiliki frekuensi tertinggi. Modus dilambangkan mo.
2. Data yang telah dikelompokkan
Rumus Modus Hasan, 2002 dari data yang telah dikelompokkan dihitung dengan rumus:
………………………….…………………… 6 Dengan :
Mo = Modus L
= Tepi bawah kelas yang memiliki frekuensi tertinggi kelas modus i
= Interval kelas b1 = Frekuensi kelas modus dikurangi frekuensi kelas interval terdekat sebelumnya
b2 = frekuensi kelas modus dikurangi frekuensi kelas interval terdekat sesudahnya
3.6.2 Analisis Regresi Linear Berganda
Regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling mungkin terjadi di masa yang akan datangberdasarkan informasi
masa lalu dan sekarang yang dimiliki agar kesalahan dapat diperkecil. Regresi dapat juga diartikan sebagai usaha memprediksi perubahan Riduwan dan
Kuncoro, 2008. Regresi linear berganda adalah regresi dimana variabel terikatnya Y
dihubungkandijelaskan lebih dari satu variabel bebasX
1
, X
2
, X
3
,…, X
n
namun masih menunjukan diagram hubungan yang linear.
Rumus linear berganda adalah sebagai berikut Algifari, 2000: Y =
α + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ ….. + b
n
X
n
…………………………………. 7 Keterangan :
Y = Kepuasan kerja
X
1
= Kompensasi yang layak X
2
= Pengembangan karir X
3
= Komunikasi X
4
= Lingkungan yang aman X
5
= Kesehatan kerja X
6
= Keselamatan kerja X
7
= Penyelesaian Konflik X
8
= Kebanggaan X
n=9
= Partisipasi karyawan b
1
,b
2
,…,b
n
= Koefisien regresi α
= Konstanta regresi
Pada analisis regresi linear berganda dilakukan serangkaian uji awal untuk memenuhi asumsi yang berlaku. Asumsi tersebut adalah asumsi dasar dan asumsi
klasik. Asumsi dasar diuji dengan uji normalitas, sedangkan asumsi klasik diuji dengan uji multikolinearitas, uji heteroskedastisitas.
Uji normalitas
Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi normal atau tidak Priyatno, 2008. Data yang baik dan layak
digunakan dalam penelitian adalah data yang memiliki distribusi normal. Nilai residual berdistribusi normal merupakan suatu kurva yang berbentuk lonceng
yang kedua sisinya melebar sampai tak terhingga Suliyanto, 2005
Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan mendeteksi gejala heteroskedastisitas. Adanya heteroskedastisitas menunjukan adanya varian variabel dalam model
yang tidak sama Suliyanto, 2005. Uji heteroskedastisitas ini memiliki hipotesis, yaitu: tolak H
atau terima H
1
jika P
value
α dan terima H atau tolak H
1
jika P
value
α. H adalah ragam sisaan homogen sedangkan H
1
adalah ragam sisaaan tidak homogen.
Uji Multikolinearitas
Uji multikolinearitas menunjukan korelasi mendekati sempurna antar variabel bebas Suliyanto, 2005. Multikolinearitas dapat diketahui
keberadaannya dengan mendeteksi suatu model, diliat dari nilai Variance Inflation Factor VIF tidak lebih dari 10. Selain itu nilai Tolerance tidak kurang
dari 0,1 pada kotak kerja hasil pengolahan data SPSS. Setelah asumsi dasar dan klasik terpenuhi, maka dapat dilakukan analisis
regresi linear berganda. Pada penelitian ini dilakukan dua uji F dan uji t.
1. Uji Koefisien Regresi secara Bersama-sama Uji F
Uji Fisher uji F digunakan untuk menguji secara bersama-sama apakah masing-masing variabel independen Priyatno, 2008. Hipotesis pada
penelitian ini, yaitu:
H : Gaya kepemimpinan Kepala Cabang tidak berpengaruh secara signifikan terhadap
partisipasi kerja karyawan H
1
: Gaya kepemimpinan Kepala Cabang berpengaruh secara signifikan terhadap partisipasi kerja karyawan
