Analisis Regresi Linear Uji Determinasi R

xxxix

BAB V ANALISA DATA

5.1 Analisis Regresi Linear

Analisis regresi sederhana digunakan untuk memprediksi atau menguji pengaruh satu variabel bebas atau variabel independent terhadap variabel terikat atau variabel dependent. Bila skor variabel bebas diketahui, maka skor variabel terikatnya dapat diprediksi besarnya. Analisis regresi juga dapat dilakukan untuk mengetahui linearitas variabel terikat dengan variabel bebasnya. Persamaan regresi linear yang digunakan dalam penelitian ini adalah : Y = a+bX+e Keterangan : Y = Kinerja anggota Polri a = Konstanta b = Koefisien regresi X = Remunerasi e = Standar error Tabel 33 Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant .901 1.276 .706 .485 REMUNERASI .758 .271 .449 2.801 .009 a. Dependent Variable: KINERJA Berdasarkan tabel Coefficient dapat diperoleh rumus regresi linear sebagai berikut: Y = 0,901 + 0,758X Nilai kostanta sebesar 0,901 menunjukkan bahwa terdapat hubungan searah antara variable bebas dan variable terikat, artinya jika nilai variable X xl semakin tinggi maka niali variable Y juga semakin tinggi pula. Dengan kata lain setiap perubahan rata-rata variable Y untuk setiap perubahan variable X sebesar satu satuan. Perubahan ini merupakan pertambahan apabila b bertanda positif dan penurunan bila b negatif, sehingga: - Konstanta sebesar 0,901 menyatakan bahwa jika tidak ada nilai remunerasi maka nilai kinerja anggota Spripim Polda Sumut sebesar 0,901. - Koefisien regresi nilai x sebesar 0,758 menyatakan bahwa setiap penambahan 1 nilai remunerasi, maka nilai kinerja anggota Spripim Polda Sumut bertambah sebesar 0,758.

5.2 Uji Asumsi Klasik

5.2.1 Uji Normalitas

Uji asumsi normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak. Tabel 34 One-Sample Kolmogorov-Smirnov Test REMUNERASI KINERJA N 33 33 Normal Parameters a,,b Mean 4.7121 4.4722 Std. Deviation .19442 .32786 Most Extreme Differences Absolute .108 .188 Positive .108 .188 Negative -.105 -.118 Kolmogorov-Smirnov Z .618 1.080 Asymp. Sig. 2-tailed .840 .194 a. Test distribution is Normal. b. Calculated from data. xli Berdasarkan hasil output uji normalitas pada Tabel One-Sample Kolmogorov-Smirnov Test dengan Kolmogorov-Smirnov Test diperolah nilai KSZ sebesar 0,618 dan Asymp Sig. 2-tailed sebesar 0,840 0,05 maka dapat disimpulkan data berdistribusi normal. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusannya adalah Ghozali, 2005: • Jika data titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Hal ini dapat dibuktikan pada Gambar 5.. Diagonal pada gambar menunjukkan bahwa data yang diuji berdistribusi normal. xlii • Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Hal ini dapat dibuktikan pada Histogram pada Gambar 5.2 menunjukkan bahwa data yang diuji berdistribusi normal. Gambar 2 xliii

5.3 Uji Signifikan

Tujuan dari pengujian signifikan ini adalah untuk menguji apakah koefiesien regresi yang didapatkan signifikan berbeda nyata atau tidak. Maksud dari signifikan adalah suatu nilai koefisien regresi yang secara statistik tidak sama dengan nol. Jika koefisien regresi tidak sama dengan nol, maka dapat dikatakan bahwa terdapat cukup bukti untuk menyatakan variabel bebas mempunyai pengaruh terhadap variabel terikat. Sedangkan jika koefisien regresi sama dengan nol, maka dapat dikatakan bahwa tidak cukup bukti untuk menyatakan variabel bebas yang mempunyai pengaruh signifikan terhadap variabel terikat. Uji signifikan yang digunakan yaitu: Gambar 3 xliv

5.3.1 Uji F

Uji F yang dilakukan secara simultan antara variable independen remunerasi terhadap variable dependen kinerja anggota memperlihatkan hasil sebagai berikut: ANOVA b Model Sum of Squares Df Mean Square F Sig. 1 Regression .695 1 .695 7.845 .009 a Residual 2.745 31 .089 Total 3.440 32 a. Predictors: Constant, REMUNERASI b. Dependent Variable: KINERJA Tabel 5.3 menjelaskan apakah ada pengaruh yang nyata signifikan variable remunerasi x terhadap variable kinerja y. Pengujian secara simultan bahawa X terhadap Y adalah dari tabel diperoleh F hitung sebesar 7,845 dengan nilai probabilitas sig sebesar 0,009. Nilai F hitung = 7,845 F tabel = 4,15, dan nilai sig. 0,009 0,05, maka Ho diterima dan Ha ditolak, berarti secara bersama-sama simultan variable remunerasi berpengaruh signifikan terhadap variable kinerja anggota Spripim Polda Sumut. 5.3.2 Uji t Uji t yang dilakukan secara parsial antara variable independen remunerasi terhadap variable dependen kinerja anggota memperlihatkan hasil sebagai berikut: Tabel 35 xlv Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant .901 1.276 .706 .485 REMUNERASI .758 .271 .449 2.801 .009 a. Dependent Variable: KINERJA Berdasarkan Tabel 5.4 Coefficients terdapat nilai sig. remunerasi sebesar 0.009. Nilai sig. 0,009 0,05 maka hipotesis alternative Ha diteriman dan hipotesis nol H0 ditolak. Variabel remunerasi mempunyai nilai t hitung sebesar 2,801 t tabel = 2,03951, menjelaskan bahwa variable remenurasi X memiliki kontribusi terhadap variable kinerja Y. Nilai t positif menunjukan adanya variable remunerasi mempunyai hubungan yang searah dengan variable kinerja anggota Spripim Polda Sumut. Jadi dapat disimpulkan bahwa remunerasi memiliki pengaruh signifikan terhadap kinerja.

5.4 Uji Determinasi R

2 Untuk menentukan besarnya kontribusi suatu variable independen terhadap variable dependen, dapat digunakan koefisien determinasi yang dihitung dengan menggunakan rumus, yaitu: D = x 100 Hasil uji determinasi antara remunerasi sebagai variabel independen dan kinerja anggota Spripim Polda Sumut sebagai variabel dependen, memperlihatkan hasil sebagai berikut: Tabel 36 xlvi Tabel 37 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .449 a .202 .176 .29758 a. Predictors: Constant, REMUNERASI b. Dependent Variable: KINERJA Berdasarkan Tabel 5.5 Model Summary di atas dapat dijelaskan bahwa besarnya nilai hubungan R yaitu sebesar 0,449 dan dijelaskan dengan besarnya persentase pengaruh variable bebas terhadap variable terikat yang disebut koefisien determinasi yang merupakan hasil dari pengkuadratan R. Dari output tersebut diperoleh koefisien dtererminasi R 2 sebesar 0,202, yang mengandung pengertian bahwa pengaruh variable remunerasi terhadap variable kinerja kinerja anggota Spripim Polda Sumut variable terikat adalah 20,2, sedangkan sisanya yang sebesar 79,8 dipengaruhi oleh variable lainnya. Karena nilai R Square dibawah 50 atau cenderung mendekati 0 maka dapat disimpulkan bahwa kemampuan variable independen remunerasi dalam menjelaskan variable dependen kinerja sangat terbatas. xlvii

BAB VI KESIMPULAN DAN SARAN

6.1 Kesimpulan

Dari hasil analisis data yang telah dilakukan tentang pengaruh remunerasi terhadap kinerja anggota Polri studi pada kepolisian negara republik Indonesia daerah Sumatera Utara dapat disimpulkan bahwa : 1. Uji regresi linear menunjukkan persamaan Y = 0,901 + 0,758X. Nilai kostanta sebesar 0,901 menunjukkan bahwa terdapat hubungan searah antara variable bebas dan variable terikat, artinya jika nilai variable X semakin tinggi maka niali variable Y juga semakin tinggi pula. Dengan kata lain setiap perubahan rata-rata variable Y untuk setiap perubahan variable X sebesar satu satuan. Perubahan ini merupakan pertambahan apabila b bertanda positif dan penurunan bila b negatif, sehingga : • Konstanta sebesar 0,901 menyatakan bahwa jika tidak ada nilai remunerasi maka nilai kinerja anggota Spripim Polda Sumut sebesar 0,901. • Koefisien regresi nilai x sebesar 0,758 menyatakan bahwa setiap penambahan 1 nilai remunerasi, maka nilai kinerja anggota Spripim Polda Sumut bertambah sebesar 0,758. 2. Uji normalitas menunjukkan nilai KSZ sebesar 0,618 dan Asymp Sig. 2-tailed sebesar 0,840 0,05 maka dapat disimpulkan data berdistribusi normal.