4. Pernyataan “Adanya pengarahan yang baik dari supervisor” menunjukkan 20 orang responden 66,7 menyatakan setuju, 10 orang responden 33,3
menyatakan sangat setuju. Dapat disimpulkan juga bahwa, jawaban dominan pada tiap pernyataan di
atas adalah : 1. Untuk pernyataan pertama, responden lebih dominan dengan pilihan Setuju
dengan 22 responden 73,3, lalu dengan pilihan Sangat Setuju sebanyak 8 responden 26,7.
2. Untuk pernyataan kedua, responden lebih dominan dengan pilihan Setuju dengan 17 responden 56,7, lalu dengan pilihan Sangat Setuju sebanyak 13
responden 43,3. 3. Untuk pernyataan ketiga, responden lebih dominan dengan pilihan Sangat
Setuju dengan 23 responden 76,7, dengan pilihan Setuju sebanyak 7 responden 23,3.
4. Untuk pernyataan keempat, responden lebih dominan dengan pilihan Setuju dengan 20 responden 66,7, lalu dengan pilihan Sangat Setuju sebanyak 10
responden 33,3.
4.3 Metode Analisis Data Regresi Linear Sederhana
Regresi merupakan suatu alat ukur yang juga dapat digunakan untuk mengukur ada atau tidaknya korelasi antar variabel. Jika kita memiliki dua buah
variabel atau lebih maka sudah selayaknya apabila kita ingin mempelajari bagaimana variabel - variabel itu berhubungan atau dapat diramalkan. Analisis
regresi mempelajari hubungan yang diperoleh dinyatakan dalam persamaan matematika yang menyatakan hubungan fungsional antara variabel - variabel.
Universitas Sumatera Utara
Hubungan fungsional antara satu variabel prediktor dengan satu variabel kriterium disebut analisis regresi sederhana tunggal, sedangkan hubungan fungsional yang
lebih dari satu variabel disebut analisis regresi ganda. Analisis regresi lebih akurat dalam melakukan analisis korelasi, karena pada analisis itu kesulitan dalam
menunjukkan slop tingkat perubahan suatu variabel terhadap variabel lainnya dapat ditentukan. Dengan demikian maka melalui analisis regresi, peramalan
nilai variabel terikat pada nilai variabel bebas lebih akurat pula. Persamaan regresi linier dari Y terhadap X dirumuskan sebagai berikut :
Y = a + b X + e
Keterangan: Y = variabel terikat
X = variabel bebas a = intersep
b = koefisien regresislop e = standart error
Tabel 4.13
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 13.969
1.290 10.828
.000 Gaji
.728 .040
.076 .793
.740 a. Dependent Variable: MK
Dari Tabel 4.13 yang merupakan hasil Regresi Linear Sederhana dapat disimpulkan :
Universitas Sumatera Utara
Rumus Persamaan regresi adalah Y’ = a + bx+e Berdasarkan tabel 4.13 maka persamaan regresinya adalah:
Y’ = 13,969 + 0,728 X+ e Karena nilai koefisien b = 0,728 positif maka model regresi bernilai positif atau
searah, artinya jika nilai variabel Gaji X semakin tinggi maka nilai Motivasi Kerja Y juga semakin tinggi pula.
Untuk melihat seberapa kuat hubungan antara kedua variabel dan untuk melihat seberapa besar variabel Motivasi Kerja Y dipengaruhi oleh variabel Gaji
X, dapat dilihat pada Tabel 4.14
Tabel 4.14
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the
Estimate
dime nsio
n0
1 .790
a
.766 .060
1.033 a. Predictors: Constant, Gaji
b. Dependent Variable: Motivasi Kerja
Karena nilai R = 0,79 berada di antara nilai 0,60 – 0,799 maka dapat disimpulkan hubungan antara Gaji X dengan Motivasi Kerja Y kuat.
b. Uji Parsial t –test