Uji Reliabilitas Uji Asumsi Klasik

commit to user Tabel 4.11 menunjukkan bahwa seluruh item pernyataan variabel motivasi bagian C valid karena nilai probabilitasnya 0,05. TABEL 4.12 HASIL UJI VALIDITAS VARIABEL KINERJA No. Item Probabilitas Interpretasi 1 0,000 Valid 2 0,000 Valid 3 0,000 Valid 4 0,000 Valid 5 0,000 Valid 6 0,000 Valid 7 0,000 Valid 8 0,000 Valid 9 0,000 Valid 10 0,000 Valid 11 0,000 Valid 12 0,000 Valid 13 0,000 Valid 14 0,000 Valid 15 0,000 Valid Sumber: Output SPSS diolah. Tabel 4.12 menunjukkan bahwa seluruh item pernyataan variabel kinerja valid karena nilai probabilitasnya 0,05.

b. Uji Reliabilitas

Setelah melakukan uji validitas terhadap tiap variabel, dilakukan pengujian reliabilitas. Uji reliabilitas dilakukan untuk mengetahui sejauh mana hasil pengukuran tetap akurat dan konsisten commit to user atau stabil dari waktu ke waktu agar dapat dipercaya hasilnya. Uji reliabilitas dalam penelitian ini dilakukan dengan uji statistik Cronbach Alpha dari masing-masing instrumen dalam satu variabel. Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha 0,60 Nunnally, 1967 dalam Ghozali, 2006: 42. Hasil pengujian reliabilitas dalam penelitian ini disajikan dalam Tabel 4.13 berikut. TABEL 4.13 HASIL UJI RELIABILITAS Variabel Cronbach Alpha Interpretasi Kompensasi 0,805 Reliabel Motivasi Kerja Bagian A 0,872 Reliabel Motivasi Kerja Bagian B 0,912 Reliabel Motivasi Kerja Bagian C 0,925 Reliabel Kinerja 0,899 Reliabel Sumber: Output SPSS diolah. Dari hasil uji reliabilitas di atas diperoleh koefisien Cronbach’s Alpha sebesar 1 0,805 untuk variabel kompensasi; 2 0,872 untuk variabel motivasi kerja bagian A; 3 0,912 untuk variabel variabel motivasi kerja bagian B; 4 0,925 untuk variabel motivasi kerja bagian C; 5 0,889 untuk variabel kinerja. Berdasarkan kriteria Nunnally 1967 dalam Ghozali 2006: 42, maka instrumen yang digunakan dalam penelitian ini dapat dikatakan reliabel karena nilai commit to user Cronbach’s Alpha 0,60. Hal tersebut berarti bahwa konstruk pernyataan yang diberikan dalam variabel kompensasi, motivasi, dan kinerja, adalah reliabel sehingga setiap item pernyataan dalam kuesioner tersebut dapat digunakan dalam pengukuran.

c. Uji Asumsi Klasik

Model yang digunakan dalam penelitian ini akan menghasilkan nilai parameter yang sahih apabila telah memenuhi asumsi klasik regresi normalitas, multikolinieritas, dan heteroskedastisitas. Keseluruhan pengujian asumsi klasik dalam penelitian ini dilakukan dengan menggunakan software SPSS 16.0 for Windows . 1 Uji Normalitas Pengujian ini dilakukan untuk memastikan apakah dalam sebuah model regresi, variabel dependen, variabel independen, atau keduanya memiliki distribusi normal. Model regresi yang baik adalah model regresi yang berdistribusi normal atau hampir mendekati normal. Untuk mendeteksi normalitas, dapat menggunakan uji One-sample Kolmogorov-Smirnov atau dengan analisis grafik plot. Hasil uji One-sample Kolmogorov-Smirnov dan grafik scatterplots histogram dapat dilihat dalam Gambar 4.1 dan Gambar 4.2. commit to user Gambar 4.1 Grafik Histogram Uji Normalitas Gambar 4.2 Grafik Scatterplots Uji Normalitas commit to user TABEL 4.14 HASIL UJI NORMALITAS Sumber: Output SPSS. Nilai Kolmogorov-Smirnov pada Tabel diatas adalah 0,394 dengan signifikansi lebih besar dari 0,05 0,998, gambar yang ditunjukkan oleh grafik scatterplots yang mendekati garis lurus serta gambar grafik histogram yang tidak menceng ke kanan atau kiri ini menunjukkan bahwa data berdistribusi normal. 2 Uji Multikolinieritas Uji multikoliniearitas bertujuan untuk menguji apakah di dalam model regresi ditemukan adanya korelasi antarvariabel independen. Uji multikolinearitas dilakukan dengan membandingkan nilai tolerance dan variances inflation factor VIF. Kedua ukuran tersebut menunjukkan setiap variabel One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 124 Normal Parameters a Mean .0000000 Std. Deviation 5.63517418 Most Extreme Differences Absolute .035 Positive .035 Negative -.035 Kolmogorov-Smirnov Z .394 Asymp. Sig. 2-tailed .998 a. Test distribution is Normal. commit to user independen manakah yang dijelaskan oleh variabel independen yang lain. Jika nilai tolerance lebih besar dari 0,1 dan nilai VIF lebih kecil dari 10, maka tidak terjadi multikoliniearitas. Dalam penelitian ini terdapat satu variabel independen yaitu kompensasi dan satu variabel moderating yaitu motivasi kerja. Tabel hasil uji multikolinieritas akan ditunjukkan di berikut. TABEL 4.15 HASIL UJI MULTIKOLINIERITAS Variabel Collinearity Statistics Tolerance VIF Kompensasi 0,851 1,175 Motivasi Kerja 0,851 1,175 Sumber: Output SPSS diolah Dari Tabel 4.15 di atas, nilai tolerance untuk variabel kompensasi dan motivasi kerja adalah 0,851 yang berarti lebih besar dari 0,1 dan nilai VIF 1,175 lebih kecil dari 10 sehingga dapat dinyatakan bahwa tidak terjadi masalah multikolinieritas dalam model penelitian ini. 3 Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain Ghozali, 2006:105. commit to user Untuk menguji ada tidaknya heteroskedastisitas dalam penelitian ini, digunakan uji park dan analisis grafik plot. Indikasi heterosidaksitas melalui uji park ditunjukkan oleh koefisien parameter beta dari persamaan regresi tersebut, apakah signifikan atau tidak, jika signifikan, hal tersebut menandakan adanya heretosidaksitas pada data model. Hasil uji park dapat dilihat pada Tabel 4.16 berikut. TABEL 4.16 HASIL UJI PARK Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant -3.179 2.372 -1.340 .183 TOTALKOM .100 .053 .180 1.897 .060 .851 1.175 TOTALMOT .005 .003 .147 1.545 .125 .851 1.175 Sumber: Output SPSS diolah Dari Tabel 4.16 diatas dapat diketahui bahwa koefisien parameter untuk variabel kompensasi dan motivasi kerja tidak ada yang signifikan. Berdasarkan hasil uji park tersebut, maka dapat disimpulkan bahwa tidak terjadi gejala heterosidaksitas pada model regresi. Hal ini konsisten dengan hasil grafik scatterplots seperti yang tergambar pada Gambar 4.3 berikut ini. commit to user Gambar 4.3 Grafik Plot Uji Heterokedastisitas 4 Uji Autokorelasi Uji autokorelasi ini digunakan untuk memastikan bahwa residual kesalahan penganggu bebas dari suatu observasi ke observasi lainnya. Meskipun relatif jarang terjadi pada data crossection silang waktu, uji ini tetap dilakukan untuk menjamin model regresi agar menjadi baik, karena model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Disini peneliti menggunakan metode Durbin-Watson DW test untuk mendeteksi ada atau tidaknya autokorelasi. commit to user TABEL 4.17 HASIL UJI DURBIN WATSON Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .545 a .297 .285 5.68155 1.715 Sumber: Output SPSS diolah Dari hasil pengujian di atas tampak bahwa nilai DW untuk model regresi adalah 1,715. nilai tersebut kemudian dibandingkan dengan nilai d u pada tabel Durbin-Watson dengan menggunakan tingkat signifikansi 0,05, n =124, k=1. Hasil pengujian menunjukkan bahwa tidak terjadi autokorelasi pada model regresi, karena 1,69 d u 1,715 d 2,31 4 - d u . Dari hasil uji asumsi klasik secara keseluruhan dapat disimpulkan bahwa nilai parameter yang dihasilkan dalam model penelitian ini adalah sahih karena telah memenuhi asumsi klasik regresi.

3. Pengujian Hipotesis