49
Tabel 3.11. Hasil Perhitungan Uji Reliabilitas Instrumen No.
Variabel Cronbach
’s Alpha Minimal
Cronbach ’s Alpha
yang disyaratkan Keterangan
1 Kompensasi
0,835 0,60
Reliabel 2
Lingkungan Kerja 0,816
0,60 Reliabel
3 Kepuasan Kerja
0,872 0,60
Reliabel 4
Komitmen Organisasi 0,815
0,60 Reliabel
Sumber: Data primer yang diolah, 2011 Dari uji coba yang telah dilakukan dapat diketahui bahwa hasil Cronbach
’s Alpha setiap variabel lebih dari standar minimal Cronbach
’s Alpha yang disyaratkan yaitu 0,60, maka variabel kompensasi, lingkungan kerja, kepuasan
kerja dan komitmen organisasi reliable atau sudah baik sebagai alat pengumpul data.
3.7. Metode Analisis Data 3.7.1.
Metode Analisis Deskriptif Persentase
Metode analisis deskriptif presentase digunakan untuk mengkaji variabel- variabel yang ada pada penelitian ini yang terdiri dari kompensasi, lingkungan
kerja, kepuasan kerja dan komitmen organisasi. Metode ini menggunakan rumus sebagai berikut:
= 100 Keterangan:
n = Jumlah skor jawaban responden N = Jumlah skor ideal
= tingkat Presentase Kriteria interval didapat dari perhitungan sebagai berikut:
50
Presentase Maximal =
5 5
100 = 100 Presentase Minimal
=
1 5
100 = 20 Rentang
= 100 - 20 = 80
Panjang Kelas Interval =
80 : 5 = 16 Sehingga kriteria intervalnya dapat dibuat tabel sebagai berikut:
a. Interval Variabel Kompensasi Pada variabel kompensasi digunakan 6 pernyataan, yang masing-masing
pernyataan memiliki skor 1 sampai 5, sehingga skor minimal: 1 x 6 x 185 = 1110, dan skor maksimal: 5 x 6 x 185 = 5550. Rentang skor = 5550
51
Tabel 3.13. Persentase Skor Lingkungan Kerja Interval Skor
Interval Persentase Kategori
4666
52
kategori sebagai berikut:
Tabel 3.15. Persentase Skor Komitmen Organisasi Interval Skor
Interval Persentase Kategori
6997
53
menggambarkan data yang sesungguhnya akan mengikuti garis diagonalnnya. Di samping analisis itu dalam pengujian ini juga mengunakan analisis kolmogorov
smirnov dengan membandingkan nilai signifikasi kolmogrov smirnov dengan signifikasi alfa pada 0,05. Apabila nilai signifikasi kolmogrov smirnov dari 0,05
maka data berdistribusi normal.
3.7.2.2. Uji Multikolinieritas
Multikolinieritas adalah suatu keadaan dimana variabel-variabel
independen dalam persamaan regresi memiliki hubungan yang kuat satu sama lain. Multikolinieritas dapat menyebabkan variabel-variabel independen menjelaskan
varians yang sama dalam mengestimasikan variabel dependen. Cara untuk mendeteksi adanya multikolinieritas adalah dengan melihat besarnya Tolerance
Value dan Variance Inflation Factor dari output komputer program SPSS ver.16.0. Pedoman regresi yang bebas dari multikolinearitas adalah mempunyai
nilai VIF10 dan mempunyai angka Tolerance diatas 0,1 Ghozali, 2006: 96.
3.7.2.3. Uji Heterokedastisitas
Uji ini untuk mengetahui keadaan dimana seluruh faktor pengguna tidak memiliki varians yang sama untuk seluruh pengamatan atas seluruh independen.
Heteroskedastisitas berarti penyebaran titik data populasi pada bidang regresi tidak konstan. Gejala ini ditimbulkan dari perubahan situasi yang tidak
tergambarkan dalam model regresi. Uji heteroskedastisitas dalam penelitian ini dengan cara melihat grafik scatterplot antara prediksi variable terikat ZPRED
dengan residualnnya SRESID. Apabila tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y maka tidak terjadi
54
hetrokedastisitas Ghozali, 2006: 125. Untuk dapat membuktikan bahwa model regresi benar-benar tidak
memiliki gejala heteroskedastisitas, maka diperlukan uji statistik yang lebih dapat menjamin keakuratan hasil. Maka dari itu dilakukan pengujian dengan
menggunakan uji glejser. Jika nilai probabilitas signifikansi diatas tingkat kepercayaan 5 0,05, maka dapat disimpulkan model regresi tidak mengandung
adanya heteroskedastisitas.
3.7.2.4. Uji Autokorelasi
Menurut Gozhali 2006: 95-96 uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan problem autokorelasi. Autokorelasi muncul
karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu
observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu time series karena
55
tidaknya dapat dilihat pada tabel Durbin Watson berikut ini : Tabel 3.16. Pengambilan Keputusan Ada Tidaknya Autokorelasi
Hipotesis nol Keputusan
Jika Tdk ada autokorelasi positif
Tolak 0 d dl
Tdk ada autolorelasi positif No decision
dl
56
Model jalur penelitian ini adalah sebagai berikut :
57
X
2
= variabel independent lingkungan kerja e = faktor di luar
Pengaruh yang ditimbulkan dari model jalur di atas dapat ditulis sebagai berikut: a. Pengaruh Langsung Direct Effect atau DE
i. kompensasi mempengaruhi komitmen =
58
variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen Ghozali, 2006: 87.
Koefisien determinasi untuk data silang crosssection relatif rendah, sedangkan untuk data runtun waktu time series biasanya mempunyai nilai koefisien
determinasi yang tinggi. Kelemahan mendasar penggunaan koefisien determinasi adalah bias
terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel independen, maka R
2
pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel
dependen. Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai Adjusted R
2
Adjusted R Square pada saat mengevaluasi mana model regresi terbaik. Tidak seperti R
2
, nilai Adjusted R
2
dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model Ghozali, 2006: 87.
59
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Hasil Penelitian 4.1.1. Gambaran Umum Perusahaan
PT. Sinar Pantja Djaja Pan Asia Group Semarang terletak di Jl. Condrokusumo No. 1 Kel. Bongsari, Simongan, Semarang Barat. Perusahaan ini
adalah sebuah perusahaan yang dalam kegiatan operasional sehari-hari bergerak dalam bidang Spinning pemintalan benang, yang menghasilkan benang tekstil
jenis spun yarn dari bahan polyester, viscoe rayon, cotton, polyesterviscoe rayon, dan polyestercotton.
PT. Sinar Pantja Djaja Pan Asia Group Semarang didirikan pada tanggal 31 Juli 1972 dengan nama PT. Sinar Pantja Djaja Ltd. yang bergerak dalam
bidang tekstil dengan jumlah mesin tenun sebanyak 450 mesin unit Weaving I dan bertujuan untuk memenuhi kebutuhan pasar akan kain grey. Dalam
perkembangannya PT. Sinar Pantja Djaja Pan Asia Group Semarang mengalami beberapa kali ekspansi yang pertama pada tahun 1980 menambah mesin sebanyak
368 mesin. Dengan maksud untuk memenuhi kebutuhan pasar akan benang tekstil
jenis spun yarn maka pada tahun 1988 perusahaan menambah satu unit Spinning dengan jumlah 36.000 mata pintal Unit Spinning I, kemudian tahun 1991
menambah satu unit Spinning lagi dengan jumlah 34.560 mata pintal Unit Spinning II. Pada tahun 1992 perusahaan menambah satu unit Weaving dengan
59
