61 heteroskedastisitas apabila titik-titik yang ada tidak membentuk pola tertentu yang teratur
dan titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y. Gambar 4.3 berikut ini menyajikan grafik scatterplot untuk menganalisis apakah
terjadi heteroskedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Gambar 4.3 Hasil Uji Heterokedastisitas 4.6
Uji Hipotesis
Pada bagian sebelumnya telah diuji asumsi klasik pada suatu persamaan atau regresi dan telah diperoleh hasil di mana regresi berganda yang telah diestimasi telah memenuhi
asumsi-asumsi klasik. Pada bagian selanjutnya akan dilakukan pengujian terhadap hasil regresi yang diperoleh baik secara serempak dengan menggunakan Uji-F dan melakukan
pengujian parsial dengan menggunakan Uji-t.
4.6.1 Analisis Regresi Berganda
Regresi berganda ditujukan untuk menentukan hubungan linear antar beberapa variabel bebas X dengan variabel terikat Y. Metode yang digunakan untuk melakukan
Universitas Sumatera Utara
62 analisis regresi berganda adalah metode enter. Pengujian dengan regresi berganda
ditunjukkan dalam tabel-tabel di bawah ini.
Tabel 4.15
Sumber: Hasil Penelitian, 2013 Data Diolah Berdasarkan tabel 4.15 diatas, maka analisis statistik deskriptif adalah sebagai
berikut : 1.
Variabel yang dimasukkan kedalam persamaan adalah variabel independen, yaitu kompensasi dan pengukuran kinerja.
2. Tidak ada variabel dependen yang dikeluarkan removed .
3. Metode yang digunakan untuk memasukkan data yaitu metode enter.
Tabel 4.16 Hasil Analisis Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant 3.347
.1575 2.126
.036 Pengukuran.Kinerja
X
1
.292 .101
.245 2.895
.005 Kompensasi
X
2
.444 .065
.574 6.782
.000 a. Dependent Variable: Motivasi
Sumber: Hasil Penelitian, 2013 Data Diolah
Regresi linear berganda berdasarkan table 4.16 dapat dibuat persamaaannya sebagai berikut :
Y = 3.347 + 0,292 + 0,444
Universitas Sumatera Utara
63 Persamaan regresi tersebut mempunyai arti sebagai berikut:
1. Koefisien regresi pengukuran kinerja bernilai positif sebesar 0,289, hal ini
menunjukkan pengukuran kinerja berpengaruh positif dan signifikan terhadap motivasi, sehingga adanya peningkatan intensitas kinerja akan meningkatkan
motivasi karyawan. 2.
Koefisien regresi lingkungan kerja bernilai positif sebesar 0,809, hal ini menunjukkan kompensasi berpengaruh positif dan signifikan terhadap motivasi,
sehingga adanya peningkatan kompensasi akan meningkatkan motivasi karyawan.
4.6.2 Koefisien Determinasi
Koefisien determinasi R
2
digunakan untuk mengukur seberapa besar kemampuan variabel- variabel independen dapat menjelaskan variasi dalam variabel dependen. Dengan kata lain,
koefisien determinan digunakan untuk mengukur pengaruh kinerja X
1
, dan kompensasi menjelaskan variabel motivasi pada karyawan PT. Pekebunan Nusantara II Tanjung Morawa.
Tabel 4.17 Hasil Uji Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.730
a
.533 .522
2.36556 a. Predictors: Constant, Kompensasi, Pengukuran.Kinerja
b. Dependent Variable: Motivasi
Sumber: Hasil Penelitian, 2013 Data Diolah Berdasarkan tampilan output model summary pada tabel 4.17 dapat dilihat bahwa:
1. Besarnya adjusted R square koefisien determinasi yang telah disesuaikan adalah
0,533. Nilai ini menunjukkan bahwa 53,3 motivasi karyawan dapat dijelaskan oleh
Universitas Sumatera Utara
64 variasi dari kedua variabel independen yaitu pengukuran kinerja dan kompensasi,
sedangkan sisanya 46,7 dijelaskan oleh sebab lain di luar model yang diteliti. 2.
R= 0,730 berarti hubungan antara variabel pengukuran kinerja X1, dan kompensasi X2 terhadap motivasi Y sebesar 73. Artinya hubungannya sangat erat.
3. Standard Error of Estimated Standar Deviasi artinya mengukur variasi dari nilai
yang diprediksi. Dalam penelitian ini standar deviasinya sebesar 2.36556. Semakin kecil standar deviasi berarti model semakin baik.
4.6.3 Uji Serempak atau Simultan Uji F