jika memberikan nilai Cronbach Alpha 0,60 atau nilai Cronbcah Alpha 80. Berdasarkan data diatas maka seluruh butir variabel dinyatakan reliabel.
C. Analisis Regresi Linear Sederhana
Tabel berikut ini menunjukkan hasil estimasi regresi melalui pengolahan data denga bantuan program software SPSS 17.00 for windows.
Tabel 4.5 Hasil Estimasi Regresi Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
12.843 3.424
3.751 .001
tunjangan_finansia l
.917 .119
.797 7.696
.000 a. Dependent Variable: kinerja_karyawan
Sumber: Hasil Penelitian, 2010 SPSSS 17.00
Berdasarkan data diatas maka diperoleh model persamaan regresi sebagai berikut:
Y = 12,843 + 0,917 X
Persamaan regresi linier sederhana digunakan untuk menjelaskan pengaruh variabel bebas Tunjangan Finansial terhadap Variabel terikat Kinerja
Karyawan yang bertujuan untuk menguji hipoteis yang diajukan. Hasil regresi linier sederhana dapat disimpulkan sebagai berikut:
a. Konstanta a = 12,843 menunjukkan harga konstan, dimana jika nilai
Variabel X = 0, maka kinerja Y = 12,843. b.
Koefisien regresi sebesar 0,917 menyatakan bahwa setiap ada penambahan Rp 1 tunjangan akan meningkatkan kinerja sebesar 0,917. Namun
Universitas Sumatera Utara
sebaliknya jika tunjangan mengalami penurunan sebesar Rp 1, makan kinerja juga diprediksi mengalami penurunan sebesar 0,917. Tanda positif
menyatakan adanya hubungan searah, dimana kenaikan atau penurunan variabel tunjangan X akan mengakibatkan kenaikan ataupun penurunan
variabel kinerja Y. Kriteria asumsi klasik yang harus dipenuhi, yaitu:
a. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah dalam sebuah model regresi, variabel bebas dan variabel terikat atau keduanya
berdistribusi normal atau tidak. Model yang paling baik hendaknya berdistribusi data normal atau mendekati normal. Untuk mengetahui apakah
variabel bebas Tunjangan Finansial dan variabel terikat Kinerja Karyawan atau keduanya berdistribusi normal atau tidak yaitu dengan cara
melakukan uji Kolmogorov Smirnov.
Tabel 4.6 Hasil Uji Kolmogorov Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 36
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 3.45204109
Most Extreme Differences
Absolute .095
Positive .095
Negative -.074
Kolmogorov-Smirnov Z .567
Asymp. Sig. 2-tailed .905
a. Test distribution is Normal. b. Calculated from data.
Universitas Sumatera Utara
Sumber : Hasil Penelitian, 2010 SPSS 17.00
Menurut Situmorang 2008:62 bahwa, apabila hasil uji Kolmogorov Smirnov yaitu Asymp. Sig. 2-tailed
lebih besar dari α= 0,05 maka data berdistribusi normal. Sehingga model regresi yang didapat dalam penelitian
ini adalah berdistribusi normal seperti pada Tabel 4.6, karena Asymp. Sig. 2-tailed Uji Kolmogorov Smirnov yaitu sebesar 0,905 lebih besar dari 0,05
0,905 0,05. Selain uji Kolmogorov Smirnov, uji normalitas dapat dilakuka n
dengan melihat penyebaran data titik pada sumbu diagonal dari grafik Normal P-P Plot Of Regression Standardised Residual.
Gambar 4.1 : Normal P-Plot
Sumber : Hasil Penelitian, 2010 SPSS 17.00
Berdasarkan grafik Normal P – P Plot of Regression Standardized Residual pada Gambar 4.1 dapat diketahui bahwa data berdistribusi normal,
karena data menyebar disekitar garis diagonal. Menurut Situmorang dkk
Universitas Sumatera Utara
2008, bahwa apabila data menyebar di sekitar garis diagonal maka regresi memenuhi asumsi normalitas atau berdistribusi normal.
b. Uji Heterokedastisitas
Uji Heterokedastisitas dilakukan untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual satu
pengamatan ke pengamatan yang lain. Untuk mengetahui apakah terjadi atau tidak terjadi heterokedastisitas dalam model regresi penelitian ini,
analisis yang dilakukan yaitu dengan metode informal. Metode informal dalam pengujian heterokedastisitas yaitu metode scatterplot.
Gambar 4.2 : Scatterplot
Sumber : Hasil Penelitian, 2010 SPSS 17.00
Berdasarkan grafik scatterplot dalam gambar 4.2 diatas, maka dapat diketahui bahwa model tidak terkena heterokedastisitas karena data
penelitian yang berbentuk titik – titik tidak membentuk suatu pola. Menurut
Universitas Sumatera Utara
Situmorang 2008, bahwa model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas. Jadi, model regresi
linier sederhana yang didapat memenuhi asumsi homokedastisitas atau tidak terkena heterokedastisitas.
D. Pengujian Hipotesis