83
2. Menyunting data data editing Dilakukan untuk memeriksa kelengkapan dan kebenaran data seperti
kelengkapan pengisian, kesalahan pengisian, dan konsistensi pengisian jawaban kuesioner.
3. Memasukkan data data entry Memasukkan data dari hasil kuesioner yang sudah diberikan kode pada
masing-masing variabel. Data dimasukkan ke dalam program SPSS untuk dianalisis univariat dan bivariat.
4. Membersihkan data data cleaning Pengecekan kembali data yang telah dimasukkan ke program SPSS untuk
memastikan kelengkapan data dan siap untuk diolah dan dianalisis.
4.8 Analisis Data 4.8.1 Analisis Univariat
Analisis univariat dilakukan untuk mendeskripsikan distribusi frekuensi dan persentase masing-masing variabel independen dan
dependen pada penelitian ini.
4.8.2 Analisis Bivariat
Analisis bivariat dilakukan untuk mengetahui hubungan antara variabel independen dengan variabel dependen. Analisis data yang
dilakukan menggunakan dua jenis uji yaitu uji Korelasi Pearson untuk seluruh variabel kecuali variabel jenis kelamin, status pernikahan,
kebisingan, pencahayaan, suhu, ventilasi, dan shift kerja menggunakan uji T-Test Independen karena jenis data yang akan diuji berupa data kategorik
dengan data numerik .
84
Adapun rumus uji korelasi adalah sebagai berikut:
Nilai korelasi biasanya berkisar antara -1 sampai dengan 1. Nilai r dapat diartikan sebagai berikut:
r = 0 berarti tidak ada hubungan linear r = -1 berarti hubungan linear negatif sempurna
r = 1 berarti hubungan linear positif sempurna Sedangkan menurut Colton, kekuatan hubungan antara dua variabel dibagi
menjadi empat, yaitu: r = 0 - 0,25 berarti tidak ada hubungan atau hubungan lemah
r = 0,26 – 0,50 berarti hubungan sedang
r = 0,51 – 0,75 berarti hubungan kuat
r = 0,76 – 1 berarti hubungan sangat kuat Amran, 2012
4.8.3 Analisis Multivariat
Analisis multivariat dilakukan untuk mengetahui variabel yang paling dominan berhubungan terhadap variabel dependen. Analisis
multivariat yang akan dilakukan yaitu menggunakan analisis regresi linier ganda. Analisis regresi linier ganda ini merupakan analisis hubungan
antara beberapa variabel independen dengan variabel dependen. Fungsi dari analisis regresi linier ganda, yaitu memprediksi dan mengestimasi.
Fungsi prediksi yaitu untuk memperkirakan variabel dependen dengan menggunakan informasi yang ada pada sebuah variabel. Sedangkan fungsi
85
estimasi yaitu untuk mengkuantifikasi hubungan sebuah atau beberapa variabel independen dengan sebuah variabel dependen.
Untuk melakukan analisis multivariat maka harus dilakukan uji asumsi analisis multivariat yang terdiri dari lima tahap, antara lain:
1. Asumsi Eksistensi Asumsi ini berkaitan dengan teknik pengambilan sampel. Cara
mengetahui asumsi ini yaitu dengan melakukan analisis deskriptif variabel residual dari model. Bila residual
menunjukkan adanya mean mendekati nol dan sebaran maka asumsi ini terpenuhi.
2. Asumsi Independensi Merupakan suatu kondisi dimana masing-masing nilai variabel
dependen bebas satu sama lain. Untuk mengetahui asumsi ini dilakukan dengan uji Durbin Watson. Bila nilai uji Durbin
Watson berkisar antara nilai -2 hingga 2 berarti asumsi independensi terpenuhi.
3. Asumsi Liniearitas Nilai mean dari variabel dependen dapat membentuk kombinasi
X1, X2, X3, …Xk yang terletak pada garis yang dibentuk dari persamaan regresi. Untuk mengetahui asumsi liniearitas dapat
diketahui dari uji Anova bila hasilnya signifikan Pvalue alpha maka model berbentuk linier.
86
4. Asumsi Homoscedascity Asumsi ini merupakan varian nilai varibel dependen sama untuk
semua nilai variabel independen. Untuk mengetahui asumsi ini dilakukan dengan melakukan pembuatan plot residual. Bila titik
tebaran tidak berpola tertentu dan menyebar merata di garis titik nol maka dapat disebut varian homogen pada setiap variabel
independen yang artinya asumsi ini terpenuhi. Bila titik tebaran membentuk pola tertentu maka variannya diduga terjadi
heteroscedascity. 5. Asumsi Normalitas
Pada asumsi ini variabel dependen mempunyai distribusi normal untuk setiap pengamatan variabel independen. Asumsi ini dapat
diketahui dari nilai normal P-P plot residual. Bila data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal maka
model regresi memenuhi asumsi normalitas Amran, 2012. Analisis ini dilakukan dengan memasukkan kandidat variabel yang
dianalisis secara multivariat. Kandidat variabel tersebut merupakan variabel yang memiliki nilai Pvalue 0,25. Selanjutnya setelah dianalisis
secara bersamaan maka variabel yang dapat masuk ke dalam model multivariat han
ya variabel yang memiliki nilai Pvalue ≤ 0,05. Proses pengeluaran variabel yang memiliki Pvalue 0,05 dilakukan satu persatu
hingga semua variabel memiliki Pvalue ≤ 0,05. Setelah itu, seluruh variabel yang masuk ke dalam model analisis multivariat akan dilakukan
87
uji asumsi. Kemudian dilanjutkan model matematis untuk memprediksi variabel dependennya. Berikut adalah persamaan regresi yang diperoleh:
Y = a + b
n
x
n
Keterangan: Y : variabel dependen
X : variabel independen
4.9 Penyajian Data
