Berdasarkan hasil perhitungan koefisien jalur pada lampiran, tampak bahwa total pengaruh variabel lingkungan kerja X
1
terhadap kinerja karyawan Y adalah sebesar 8,7 dengan rincian pengaruh langsung sebesar 6,3 dan
pengaruh tidak langsung sebesar 2,4. Total pengaruh variabel kompensasi X
2
terhadap kinerja karyawan Y sebesar 9,6 dengan rincian pengaruh langsung sebesar 7,0 dan pengaruh tidak langsung sebesar 2,6. Total pengaruh variabel
program pengembangan X
3
terhadap kinerja karyawan Y sebesar 8,7 dengan rincian pengaruh langsung sebesar 6,9 dan pengaruh tidak langsung sebesar
1,8. Dengan demikian dapat dikatakan bahwa lingkungan kerja, kompensasi dan program pengembangan mempengaruhi kinerja karyawan melalui motivasi kerja.
Berdasarkan pada perhitungan di atas, variabel independent yang mempunyai pengaruh paling kuat terhadap variabel motivasi kerja Z adalah
variabel lingkungan kerja X
1
yaitu sebesar 14,5. Sedangkan variabel yang mempunyai pengaruh paling kuat terhadap variabel kinerja karyawan Y adalah
variabel intervening motivasi kerja Z yaitu sebesar 8,8. Dan variabel independent yang mempunyai pengaruh paling kuat terhadap variabel kinerja
karyawan Y melalui variabel intervening motivasi kerja Z adalah variabel kompensasi X
2
yaitu sebesar 2,6.
4.3.5 Uji Asumsi Klasik
Untuk mendapatkan model empiris yang tepat maka koefisien regresi harus memenuhi syarat Best Linear Unbiased Estimation BLUE. Untuk memperoleh
hasil koefisien yang BLUE harus memenuhi asumsi klasik yaitu tidak ada multikolinearitas dan tidak terjadi heteroskedastisitas.
a. Uji Multikolinearitas Multikolinearitas berarti terjadi interkorelasi antar variabel bebas yang
menunjukkan adanya lebih dari satu hubungan linier yang signifikan. Apabila koefisien korelasi variabel yang bersangkutan nilainya terletak di luar batas-batas
penerimaan critical value maka koefisien korelasi bermakna dan terjadi multikolinearitas. Apabila koefisien korelasi terletak di dalam batas-batas
penerimaan maka koefisien korelasinya tidak bermakna dan tidak terjadi multikolinearitas.
Tabel 4.15 Collinearity Statistic
Pengujian Variabel
VIF Keterangan
Z X
1
X
2
X
3
2,190 2,392
1,419 VIF 5
Tidak ada multikolinearitas
Y X
1
X
2
X
3
Z 2,656
2,746 1,632
3,216 VIF 5
Tidak ada multikolinearitas Sumber : Lampiran 6
Berdasarkan hasil analisis Collinearity Statistic diketahui bahwa dalam model tidak terjadi multikolinearitas. Hal ini dapat dilihat pada lampiran 6 dimana
nilai VIF dari masing-masing variabel kurang dari 5.
b. Uji Heteroskedastisitas Pengujian ini dilakukan untuk mengetahui apakah dalam sebuah model
regresi terjadi ketidaksamaan varian dari satu pengamatan ke pengamatan yang lain. Prosedur dilakukan adalah mendeteksi dengan melihat ada tidaknya pola
tertentu pada scatter plot pada lampiran 7, dimana sumbu X adalah Y yang telah diprediksi dan sumbu Y adalah residual Y prediksi
– Y sesungguhnya yang telah di-studentized. Dasar pengambilan keputusan adalah sebagai berikut:
1 Jika ada pola tertentu, seperti titik-titik points yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar, kemudian
menyempit, maka telah terjadi heteroskedastisitas. 2 Jika tidak ada pola yang jelas serta titik-titik menyebar diatas dan
dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Sumber : Lampiran 7 Gambar 4.3 : Scatterplot untuk Pengujian terhadap Z
Sumber : Lampiran 7 Gambar 4.4 : Scatterplot untuk Pengujian terhadap Y
Hasil analisis dari grafik scatterplot pada gambar 4.3 dan 4.4 terlihat titik- titik menyebar secara acak, tidak membentuk suatu pola tertentu yang jelas, serta
tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.
4.4 Pembahasan