4.3.2.1 Uji Normalitas
Uji normalitas adalah untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal. Uji normalitas dilakukan dengan menggunakan
pendekatan Kolmogorov Smirnov. Dengan menggunakan tingkat signifikansi 5 maka jika nilai Asymp.sig. 2-taileddiatas, nilai signifikan 5 artinya variabel
residual berdistribusi normal Situmorang dan Muslich, 2012:100 Salah satu cara untuk melihat normalitas adalah dengan melihat grafik
histrogram dan grafik normal plot yang membandingkan antara dua absorvasi dengan distribusi yang mendekati distribusi normal.
a. Pendekatan Histogram
Sumber : Data Diolah SPSS 2016
Gambar 4.1 Histogram Uji Normalitas
Universitas Sumatera Utara
Berdasarkan gambar 4.1 dapat diketahui bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh distribusi data yang berbentuk lonceng dan tidak
melenceng ke kiri atau ke kanan. b. Pendekatan Grafik
Sumber : Data Diolah SPSS 2016
Gambar 4.2 Plot Uji Normalitas
Pada Gambar 4.2 menunjukkan bahwa scatterplot terlihat titik yang mengikuti data disepanjang garis diagonal. Hal ini menunjukkan bahwa residual
peneliti normal. Namun, untuk lebih memastikan bahwa disepanjang garis diagonal berdistribusi normal, maka dilakukan uji kolmogorov-smirnov K-S.
Universitas Sumatera Utara
c. Pendekatan kolmogorov-smirnov K-S
Tabel 4.12
Pada Tabel 4.12 menunjukkan bahwa nilai Asymp. Sig. 2-tailed adalah 0,697 dan diatas nilai signifikansi 0,05 sehingga dapat disimpulkan bahwa
variabel residual berdistribusi normal.
4.3.2.2 Uji Heterokedastisitas
Tujuan uji heteroskedastisitas adalah untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual antara satu
pengamatan dengan pengamatan yang lain. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi heteroskedastisitas.
Ada beberapa cara untuk mendekati ada atau tidaknya heteroskedastisitas yaitu :
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parameters
a
Mean .0000000
Std. Deviation 6.27934855
Most Extreme Differences Absolute
.131 Positive
.131 Negative
-.112 Kolmogorov-Smirnov Z
.719 Asymp. Sig. 2-tailed
.679 a. Test distribution is Normal.
Sumber : Data Diolah SPSS 2016
Universitas Sumatera Utara
a. Pendekatan Grafik
Sumber : Data Diolah SPSS 2016
Gambar 4.3 Scatterplot Heterokedastisitas
Berdasarkan Gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas serta titik- titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka berdasarkan
metode grafik tidak terjadi heterokedastisitas pada model regresi dan layak dipakai untuk memprediksi Intention to Leave berdasarkan masukan variabel
Sistem Pengembangan Karir, Konflik Peran Ganda, dan Kompensasi. b. Uji Glesjer
Glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik
mempengaruhi variabel dependen maka ada indikasi terjadi heteroskedastisitas.
Universitas Sumatera Utara
Tabel 4.13 Hasil Uji Glesjer Heterokedastisitas
Pada Tabel 4.13 terlihat variabel independen sistem pengembangan karir, konflik peran ganda, dan kompensasi yang tidak signifikan secara statistic
mempengaruhi variabel dependen absolute Ut absUt. Hal ini terlihat dari probabilitas Sistem Pengembangan Karir 0,562, Konflik Peran Ganda 0,102,
dan Kompensasi 0,888 diatas tingkat kepercayaan 5 0,05 jadi dapat disimpulkan model regresi tidak mengarah adanya heterokedastisitas.
4.3.2.3 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk mendeteksi ada atau tidaknnya gejala multikolinearitas pada data dapat dilakukan dengan melihat nilai tolerance
value dan Varians Inflation factor VIF. Dengan kriteria sebagai berikut : 1. Apabila VIF 5 maka diduga mempunyai persoalan Multikolinearitas.
2. Apabila VIF dari 5 maka tidak terdapat Multikolinearitas. 3. Apabila
tolerance 0,1 maka diduga mempunyai persoalan
heteroskedastisitas.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
19.013 10.045
1.893 .070
Pengembangan karir -.117
.200 -.104
-.587 .562
Konflik Peran Ganda -.365
.108 -.588
-3.374 .102
Kompensasi .014
.101 .024
.142 .888
a. Dependent Variable: absud
Sumber : Data Diolah SPSS 2016
Universitas Sumatera Utara
4. Apabila tolerance 0,1 maka tidak terdapat multikolinearitas.
Tabel 4.14 Uji Nilai Tolerance dan VIF
Pada Tabel 4.14 terlihat bahwa semua variabel independen Sistem Pengembangan Karir, Konflik Peran Ganda, dan Kompensasi lebih besar dari
nilai ketetapan 0,1 dan nilai VIF semua variabel independen lebih kecil dari ketetapan 5. Oleh karena itu data dalam penelitian ini dikatakan tidak mengalami
masalah multikolinearitas.
4.3.3 Pengujian Hipotesis 4.3.3.1 Uji Signifikansi Simultan Uji F
Untuk menguji apakah hipotesis yang diajukan diterima atau ditolak digunakann statistik F Uji F. Jika F-hitung F-tabel maka Ho diterima atau Ha
ditolak, sedangkan jika F-hitung F-tabel maka Ho ditolak dan Ha diterima. Jika tingkat signifikansi dibawah 0,05 maka Ho ditolak dan Ha diterima. Berdasarkan
output dibawah ini terlihat bahwa :
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
81.229 23.354
3.478 .002
Pengembangan karir -1.232
.464 -.384 -2.655
.013 .834
1.199 Konflik Peran Ganda
.743 .251
.422 2.959
.006 .861
1.161 Kompensasi
-.313 .235
-.185 -1.335 .193
.912 1.097
a. Dependent Variable: Intention to leave
Sumber : Data Diolah SPSS 2016
Universitas Sumatera Utara
Tabel 4.15 Hasil Uji F Signifikansi Simultan Uji F
Sumber : Data Diolah SPSS 2016
Pada Tabel 4.15 dapat dilihat bahwa nilai F-hitung adalah 10,403 dengan tingkat signifikansi 0,000 sedangkan F-
tabel pada tingkat kepercayaan 95 α = 0,05 adalah 2,6 oleh karena itu pada kedua perhitungan yaitu F-hitung 10,403
F-tabel 2,6 dan tingkat signifikansi 0,000 0,05 menunjukkan bahwa pengaruh variabel independen secara serempak berpengaruh signifikan terhadap Intention to
Leave.
4.3.3.2 Uji Signifikansi Parsial Uji-t
Uji-t dilakukan untuk menguji secara parsial apakah Sistem Pengembangan Karir, Konflik Peran Ganda dan Kompensasi secara parsial atau masing-masing
berpengaruh signifikan terhadap Intention to Leave PT. Garuda Indonesia, Tbk Medan.
ANOVA
b
Model Sum of
Squares Df
Mean Square F
Sig. 1
Regression 1372.524
3 457.508
10.403 .000
a
Residual 1143.476
26 43.980
Total 2516.000
29 a. Predictors: Constant, Kompensasi, Konflik Peran Ganda, Pengembangan karir
b. Dependent Variable: Intention to leave
Universitas Sumatera Utara
Tabel 4.16 Uji Signifikansi Parsial Uji-t
Berdasarkan Tabel 4.16 dapat diketahui bahwa : 1. Variabel sistem pengembangan karir adalah -1,232 dengan tingkat signifikansi
0,013 dan nilai t- tabel pada α 5 dan df = n-k= 30-4= 26, maka f-tabel adalah
2,055. Variabel sistem pengembangan karir berpengarh secara negatif dan signifikan terhadap Intention to Leave karyawan wanita PT Garuda Indonesia,
Tbk Medan hal ini terlihat dari nilai signifikansi 0,013 0,05 dan nilai t-hitung - 2,6555 t-tabel 2,055 artinya jika perusahaan terus merancang sistem
pengembangan karir yang baik bagi karyawan, maka tingkat intention to leave karyawan akan menurun.
2. Variabel konflik peran ganda adalah 0,743 dengan tingkat signifikansi 0,006 dan nilai t-tabel
pada α 5 dan df= n-k= 30-4= 26, maka f-tabel adalah 2,055. Variabel konflik peran ganda secara positif dan signifikan terhadap Intention to
Leave karyawan wanita PT Garuda Indonesia, Tbk Medan hal ini terlihat dari nilai signifikansi 0,006 0,05 dan nilai t-hitung 2,959 t-tabel 2,055 artinya jika
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
81.229 23.354
3.478 .002
Pengembangan karir -1.232
.464 -.384
-2.655 .013
Konflik Peran Ganda .743
.251 .422
2.959 .006
Kompensasi -.313
.235 -.185
-1.335 .193
a. Dependent Variable: Intention to leave\
Sumber : Data Diolah SPSS 2016
Universitas Sumatera Utara
konflik peran yang dialami oleh karyawan meningkat, maka tingkat intention to leave karyawan akan meningkat juga.
3. Variabel kompensasi adalah -0,313 dengan tingkat signifikansi 0,193 dan nilai t-
tabel pada α 5 dan df= n-k= 30-4= 26, maka f-tabel adalah 2,055. Variabel kompensasi secara negatif dan tidak signifikan terhadap Intention to Leave
karyawan wanita PT Garuda Indonesia, Tbk Medan hal ini terlihat dari nilai signifikansi 0,193 0,05 dan nilai t-hitung -1,335 t-tabel 2,055 artinya jika
kompensasi ditingkatkan maka tidak akan mempengaruhi variabel intention to leave pada karyawan wanita PT Garuda Indonesia, Tbk Medan.
4.3.3.3 Uji Koefisien Determinasi
Pengujian Koefisien determinan digunakan untuk mengukur seberapa besar kontribusi variabel independen sistem pengembangan karir, konflik peran ganda,
dan kompensasi terhadap variabel dependen intention to leave. Koefisien determinasi berkisar antara nol sampai satu 0
≤ R
2
≥ 1.
Tabel 4.17 Hasil Pengujian Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
1 .565
a
.319 .240
2.85238 a. Predictors: Constant, Kompensasi, Konflik Peran Ganda, Pengembangan karir
b. Dependent Variable: absud
Sumber : Data Diolah SPSS 2016
Universitas Sumatera Utara
Berdasarkan Tabel 4.17 dapat diketahui bahwa : 1. Nilai R sebesar 0,565 sama dengan 56,5 berarti hubungan antara variabel
independen sistem pengembangan karir, konflik peran ganda, dan kompensasi terhadap variabel intention to leave sebesar 56,5.
2. Nilai Adjusted R Square 0,24 berarti 24 intention to leave dapat dijelaskan oleh sistem pengembangan karir, konflik peran ganda, dan kompensasi.
Sedangkan sisanya 76 dapat dijelaskan oleh faktor-faktor yang lain yang dapat diteliti dalam penelitian seperti budaya organisasi, gaya kepemimpinan,
lingkungan kerja, dan lain sebagainya. 3. Standard Error of The Estimate artinya mengukur nilai variasi dari nilai yang
diprediksi. Nilai Standard Error of The Estimate 2.85238
4.4 Pembahasan
Kategori