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.