4.4 Uji A
4.4.1 U
Uj normali
pendeka
a. Pend
Pe PP Plot
berdistr berikut:
S
P sepanjan
normal.
Asumsi Kla Uji Normali
Uji Normalit itas dapat
atan Kolmo
dekatan gra
engujian no t. Apabila t
ribusi norma
Sumber : Ha
Pada gamb ng garis di
asik itas
tas bertujuan dilihat dari
ogrov-Smirn
afik
ormalitas de titik pada P
al. Hasil pen
asil Pengolaha
bar 4.1 me iagonal seh
n untuk me i output SP
nov.
engan pend PP Plot me
ngujian nor
an data denga
enunjukkan hingga dapa
enguji apaka PSS denga
dekatan graf engikuti gar
rmalitas dar
an SPSS 16.0
n grafik pl at disimpul
ah model re an menggun
fik dapat di ris diagonal
ri penelitian
0 2011
ot terlihat lkan bahwa
egresi berdis nakan pend
ilihat dari p l, dapat dik
n dapat dilih
titik-titik a data pene
stribusi nor dekatan gra
pola-pola ti katakan bah
hat pada gam
mengikuti elitian berd
rmal. Uji afik dan
itik pada hwa gais
mbar 4.1
data di distribusi
Universitas Sumatera Utara
Pa distribu
Untuk m Smirnov
b. Pend
K tailed
normal. ada grafik h
usi data terse memastikan
v.
dekatan Ko
Keputusan y di atas nila
Uji Kolmo histogram te
ebut berben n data berd
olmogrof-S
ang diambi ai signifika
ogrov- Smir
U
erlihat bahw ntuk lonceng
distribusi n
mirnov
il dari uji k an 5 atau
nov dapat d
Gambar Uji Normali
wa data berd g dan tidak
normal atau
kolmogrov s u sig 0,0
dilihat pada
r 4.2 tas data
distribusi no menceng k
u tidak, ma
smirnov ad 05 artinya
tabel 4.15. ormal. Hal i
ke kiri atau aka dilakuk
alah jika ni variabel re
ini ditunjukk menceng k
kan uji Kol
ilai Asymp. esidual berd
kan oleh ke kanan.
lmogrof-
Sign 2- distribusi
Universitas Sumatera Utara
Tabel 4.15 Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 74
Normal Parameters
a
Mean .0000000
Std. Deviation 3.06673552
Most Extreme Differences
Absolute .094
Positive .094
Negative -.071
Kolmogorov-Smirnov Z .810
Asymp. Sig. 2-tailed .528
a. Test distribusi is normal
Sumber : hasil pengolahan data dengan SPSS 16.0 2011
Tabel 4.15 menunjukkan nilai asymp.sig. 2-tailed sebesar 0,528 lebih besar dari nilai signifikan 5. Hal ini menunjukkan bahwa variabel residual berdistribusi normal.
4.4.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan varians dari residual satu pengamatan kepengamatan ke pengamatan lainnya.
Jika varians dari satu residual satu pengamatan ke pengamatan lainnya berbeda maka disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas.
Alat untuk menguji heteroskedstisitas dibagi menjadi dua bagian yaitu dengan analisis grafik dan pendekatan statistik.
a. Pendekatan grafik
Melalui analisis grafik, suatu model regresi dianggap tidak terjadi heteroskedatisitas jika titik-titik menyebar secara acak tidak membentuk suatu pola tertentu yang jelas serta tersebar
Universitas Sumatera Utara
baik di pada ga
S G
G tidak m
sumbu Y regresi l
b. Pend
Pe menggu
atas maupu ambar 4.3 be
Sumber : Ha Gambar : 4.3
Gambar 4.3 membentuk p
Y. Hal ini b layak dipak
dekatan sta
engujian h unakan uji g
un di bawah erikut:
asil pengolaha 3 Scatterplot
3 Scaterplo pola tertent
berarti tidak kai.
atistik
heteroskeda glejser. Hasi
h angka no
an data denga Heteroskeda
ot diatas, te tu serta ters
k terjadi het
astisitas d il pengujian
ol pada sum
an SPSS 16.0 astisitas
erlihat bahw sebar baik
teroskedasti
dengan pe n dapat dilih
mbu Y. Peng
0 2011
wa titik-titik diatas maup
isitas pada m
ndekatan hat pada tab
gujian scatt
k menyebar pun di baw
model regre
statistik d el 4.16 beri
terplot dapa
r secara ac wah angka n
esi, sehingg
dilakukan ikut:
at dilihat
cak serta nol pada
ga model
dengan
Universitas Sumatera Utara
Tabel 4.16 Heteroskedastisitas Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 3.541
2.105 1.682
.097 Keselamatan
-.087 .068
-.178 -1.289
.202 Kesehatan
.059 .062
.131 .950
.345 a. Dependent Variable: ABSUT
Sumber : Hasil pengolahan data dengan SPSS 16.0 2011
Pada Tabel 4.16 dapat dilihat bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut atau dapat
dilihat dari kolom SigSignificance pada tabel koefisien regresi adalah 0,97; 0,202; dan 0,345 atau probabilitas lebih besar dari 0,05 maka tidak terjadi gangguan heteroskedastisitas.
4.4.3 Uji multikolinearitas
Uji Multikolineritas artinya variabel independent yang satu dengan yang lain dalam model regresi berganda tidak saling berhubungan secara sempurna atau mendekati sempurna.
Untuk mengetahui ada tidaknya gejala multikolineritas dapat dilihat dari besarnya nilai tolerance dan VIF Variance Inflation Factor melalui program SPSS. Tolerance mengukur
variabilitas variabel terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai yang biasa dipakai adalah nilai tolerance 0,1 atau nilai VIF 5, maka tidak terjadi
multikolinearitas.
Universitas Sumatera Utara
Tabel 4.17 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1Constant Keselamatan
.719 1.391
Kesehatan .719
1.391
a.dependen variabel : produktivitas
sumber : hasil pengolahan data dengan SPSS 16.0 2011
Tabel 4.17 menunjukkan bahwa nilai tolerance 0,719 atau 0,1 dan nilai VIF sebesar 1,391 atau 5. Hal ini menunjukkan bahwa semua variabel penelitian tidak terkena
multikolineritas dan variabel keselamatan dan kesehatan kerja berpengaruh terhadap produktivitas kerja karyawan.
4.5 Analisis Regresi Linear Berganda
Untuk mengetahui seberapa besar pengaruh program keselamatan dan kesehatan kerja terhadap produktivitas kerja karyawan, digunakan metode analisis regresi linier berganda.
Model regeresi linier berganda dirumuskan sebagai berikut.
Y = a + b
1
X
1
+b
2
X
2+
e
Analisis regrasi linear berganda dalam penelitian ini menggunakan program SPSS 16.0 yang hasilnya dapat dilihat pada tabel 4.18 berikut.
Universitas Sumatera Utara
Tabel 4.18 Regresi Linear Berganda
coeficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
15.092 4.166
3.623 .001
Keselamatan .281
.134 .229
2.105 .039
Kesehatan .541
.123 .477
4.380 .000
a. Dependent Variable: produktivitas
Sumber: Hasil Pengolahan data dengan SPSS 16.0 2011
Pada Tabel 4.18 Kolom Understandardized Coefficients bagian B diperoleh persamaan regresi linear berganda :
Y= 15,092 + 0,281X
1
+ 0,541X
2
+ e
Pada persamaan tersebut dapat digambarkan sebagai berikut : a.
Konstanta sebesar 15,092 menyatakan bahwa jika tidak ada keselamatan dan kesehatan kerja maka produktivitas tetap sebesar 15,092.
b. Koefisien regresi X
1
keselamatan kerja nilainya sebesar 0,281, artinya apabila terjadi peningkatan pada variabel keselamatan kerja sebesar 1 satuan, maka produktivitas kerja
juga akan meningkat sebesar 0,281 satuan. Hal tersebut menunjukkan bahwa variabel keselamatan kerja berpengaruh positif terhadap produktivitas kerja karyawan. Tanda
positif pada variabel keselamatan kerja menerangkan bahwa terdapat hubungan yang searah antara variabel keselamatan kerja dengan produktivitas kerja.
Universitas Sumatera Utara
c. Koefisien regresi X
2
kesehatan kerja nilainya sebesar 0,541, artinya apabila terjadi peningkatan pada variabel kesehatan kerja sebesar 1 satuan, maka produktivitas kerja juga
akan meningkat sebesar 0,541 satuan. Hal ini menunjukkan bahwa variabel kesehatan kerja berpengaruh positif terhadap produktivitas kerja karyawan. Tanda positif menerangkan
bahwa terdapat hubungan yang searah antara variabel kesehatan kerja dengan produktivitas kerja karyawan.
4.6 Uji Hipotesis
Kategori