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