47
3.4.3 Metode pengumpulan data dalam penelitian ini adalah : a
Kuesioner Kuesioner adalah suatu pengumpulan data dengan memberikan atau
menyebarkan daftar pertanyaanpernyataan kepada responden dengan harapan memberikan respon atas daftar pertanyaan tersebut Umar, 2005:49. Penelitian
ini, kuesioner yang digunakan adalah kuesioner tertutup yaitu model pertanyaan dimana pertanyaan tersebut telah disediakan jawabannya, sehingga responden
hanya memilih dari alternatif jawaban yang sesuai dengan pendapat atau pilihannya Supardi, 2005:133, sedangkan pertanyaan tertutup tersebut
menerangkan tanggapan responden terhadap variabel kepemimpinan, lingkungan kerja, dan kinerja karyawan.
b Dokumentasi Dokumentasi adalah cara pengumpulan data dengan mencari dan
mendapatkan data-data primer dengan melalui data-data dari naskah-naskah kearsipan, data, dan lain sebagainya Supardi, 2005:138. Hasil dari dokumentasi
adalah sejarah PT. Kereta Api Daop IV Semarang, lokasi dan struktur organisasi dan tugas-tugas masing-masing jabatan.
3.5 Teknik Analisis Data
Metode analisis data yang digunakan adalah metode analisis statistik dengan menggunakan program SPSS 16.0. Metode ini digunakan untuk
mengumpulkan, menyajikan, menganalisis, menginterprestasikan data yang berwujud angka kemudian mengambil kesimpulan. Sebelum melakukan teknik
analisis data digunakan uji asumsi klasik. Uji asumsi klasik adalah untuk
48
mengukur indikasi ada tidaknya penyimpangan data melalui hasil distribusi, korelasi, varians indikator-indikator variabel. Ada pun uji asumsi klasik yang
digunakan dalam penelitian ini adalah: 3.5.1. Uji Asumsi Klasik
1 Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah data yang akan digunakan dalam model regresi berdistribusi normal Ghozali, 2005:110. Uji normalitas data
dilakukan dengan menggunakan One Sample Kolmogorov-Smirnov. Uji kolmogorov
ini dimaksudkan untuk menguji hipotesa ada atau tidak ada beda antara dua buah distribusi, atau untuk menentukan apakah data dari masing-
masing variabel telah terdistribusi dengan normal. Berdasarkan hasil yang didapat dengan menggunakan pengujian one sample kolmogorov-smirnov ini, akan
diketahui pengujian apa yang akan digunakan selanjutnya untuk menguji hipotesis yang timbul dalam penelitian ini sebesar 5 atau 0,05. Hasil uji normalitas
selengkapnya dapat dilihat dari nilai Kolmogorov Smirnov pada Tabel 3.6 berikut:
Tabel 3.6 Uji Normalitas Menggunakan Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 62 Normal Parameters
a
Mean .0000000
Std. Deviation 1.49352818
Most Extreme Differences Absolute
.072 Positive .061
Negative -.072 Kolmogorov-Smirnov Z
.568 Asymp. Sig. 2-tailed
.903 a. Test distribution is Normal.
49
Tabel 3.6 menunjukkan nilai signifikansi One-Sample Kolmogorov- Smirnov
sebesar 0,903 angka tersebut lebih besar dari 0,05 yang artinya bahwa variabel kepemimpinan dan lingkungan kerja terdistribusi dengan normal. Uji
normalitas ini juga didukung dari hasil gambar grafik normal probability plot. Apabila variabel berdistribusi normal maka penyebaran plot akan berada disekitar
dan disepanjang garis 45 derajat. Hasil dapat dilihat pada lampiran. 2 Uji
Multikolinieritas Multikolinieritas adalah suatu keadaan dimana variabel-variabel
independen dalam persamaan regresi memiliki hubungan yang kuat satu sama lain. Multikolinieritas dapat menyebabkan variabel-variabel independen
menjelaskan varians yang sama dalam mengestimasikan variabel dependen. Uji ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya
korelasi antar variabel bebas. Untuk mendeteksi adanya multikolinieritas dapat dilakukan dengan mencari besarnya Variance Inflation Factor VIF dan nilai
tolerance . Jika VIF kurang dari 10 dan nilai tolerance lebih dari 0.1 maka regresi
bebas dari multikolinieritas. Hasil uji multikolinieritas selengkapnya pada Tabel 3.7 berikut :
Tabel 3.7 Uji Multikolinirietas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF 1 Kepemimpinan
.737 1.356
Lingkungan Kerja .737
1.356 a. Dependent Variable: Kinerja
50
Tabel 3.7 menunjukkan nilai VIF sebesar 1.356 kurang dari 10 dan nilai tolerancenya sebesar 0.737 lebih dari 0.1 sehingga dapat disimpulkan bahwa regresi
bebas dari multikolinieritas.
3 Uji Heteroskedastisitas
Pengujian terhadap heteroskedastisitas dapat dilakukan melalui pengamatan terhadap pola scatter plot yang dihasilkan melalui SPSS 16.0.
Apabila pola scatter plot membentuk pola tertentu, maka model regresi memiliki gejala heteroskedastisitas. Munculnya gejala heteroskedastisitas menunjukkan
bahwa penaksir dalam model regresi tidak efisien dalam sampel besar maupun kecil. Jika tidak ada pola yang jelas dan titik-titik menyebar di atas dan di bawah
angka nol pada sumbu Y, maka dapat disimpulkan bebas heteroskedastisitas. Berikut hasil uji heteroskedastisitas dapat dilihat pada grafik scatterplots tabel 3.8
berikut :
Tabel 3.8 Uji Heteroskedastisitas
51
Dari grafik
scatterplots terlihat bahwa titik – titik menyebar secara acak
serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga
model regresi layak dipakai untuk memprediksi kinerja karyawan berdasarkan variabel independen kepemimpinan dan lingkungan kerja.
3.5.2 Uji Regresi Berganda Regresi berganda digunakan untuk mengetahui pengaruh dua variabel
bebas atau lebih terhadap variabel terikat, atau untuk meramalkan dua variabel bebas atau lebih terhadap variabel terikat Nurgiyantoro, 2004:270.
Rumus Nurgiyantoro 2004:271 : Y = a + b
1
X
1
+ b
2
X
2
Dimana : a = konstanta
b
1
= koefisien regresi untuk X
1
b
2
= koefisien regresi untuk X
2
Y = variabel terikat yaitu kinerja karyawan X
1
= variabel bebas yaitu kepemimpinan X
2
= variabel bebas yaitu lingkungan kerja 3.5.3 Uji Hipotesis
1. Uji t Parsial Tujuan dari uji t adalah untuk melihat signifikansi dari pengaruh variabel
independen secara individual terhadap variabel dependen dengan menganggap variabel lain bersifat konstan. Pengujian secara parsial ini digunakan untuk
mengetahui pengaruh secara parsial antara variabel bebas dan terikat dengan
52
melihat nilai t pada taraf signifikansi 5. t hitung diperoleh melalui bantuan program SPSS yaitu pada tabel coefficients. Model dikatakan signifikan jika nilai
Sig. t
α
≤ .
Apabila besarnya probabilitas signifikansi lebih kecil dari 0,05 maka H
ditolak, sedangkan jika probabilitas signifikansi lebih besar dari 0,05 maka H diterima.
2. Uji F Simultan Uji F digunakan untuk mengetahui pengaruh variabel-variabel independen
kepemimpinan dan lingkungan kerja secara bersama-sama terhadap variabel dependen kinerja. Pengujian dilakukan menggunakan tabel distribusi F dengan
taraf signifikansi 5. Nilai F hitung dapat diperoleh dengan menggunakan bantuan program SPSS yaitu dilihat pada tabel ANOVA. Model dikatakan
signifikan jika Sig. F
α
≤ .
Apabila besarnya probabilitas signifikansi lebih kecil dari 0,05 maka H
ditolak, sedangkan jika probabilitas signifikansi lebih besar dari 0,05 maka H
diterima. 3.5.4 Metode Analisis Deskriptif Presentase
Metode analisis deskriptif presentase digunakan untuk mengkaji variabel– variabel yang ada pada penelitian ini yang terdiri dari persepsi kepemimpinan,
lingkungan kerja, dan kinerja. Metode ini menggunakan rumus sebagai berikut:
DP = ×
Keterangan : DP = Deskriptif Persentase
n = Jumlah skor jawaban
N = Jumlah skor total Kriteria interval didapat dari perhitungan sebagai berikut :
53
Presentase maximal =
× = 100
Presentase minimal =
× = 20
Rentang = 100 - 20 = 80
Panjang kelas interval = 80 : 5
= 16
3.5.5 Koefisien Determinasi Digunakan untuk mengetahui seberapa besar varians dari variabel
dependen dapat dijelaskan oleh variabel independen. R
2
yang digunakan dalam penelitian ini adalah R
2
yang mempertimbangkan jumlah variabel independen dalam suatu model atau disebut R
2
yang telah disesuaikan Adjusted-R
2
. Koefisien determinasi R
2
pada intinya mengukur kemampuan variabel independen dalam menjelaskan variabel dependen. Besarnya koefisien
determinasi secara parsial variabel bebas terhadap variabel terikat dapat diketahui dari skor r
2
atau kuadrat partial correlation dari tabel coefficient. Koefisien determinasi secara simultan diperoleh dari besarnya R
2
atau adjusted R square
. Nilai adjusted R square yang kecil berarti kemampuan variabel–variabel independen dalam menjelaskan variasi variabel dependen amat
terbatas. jika nilai R
2
mendekati 0, maka variasi dari variabel dependen tidak dapat dijelaskan oleh variabel independen sebaliknya nilai yang mendekati 1 berarti
variabel–variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen Ghozali, 2006 : 83,
dengan kata lain ini dari pengujian ini adalah mengukur seberapa jauh kemampuan model dalam menerangkan variabel dependen.
54
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
