4.1.4 Analisis Jalur Path Analysis
Dalam penelitian ini menggunakan dua kali metode analisis data yaitu regresi linear dan analisis jalur. Regresi linear dilakukan sebanyak dua kali yaitu
analisis regresi yang pertama untuk mengetahui hubungan dari variabel independen terhadap variabel intervening dan analisis regresi yang kedua untuk
mengetahui hubungan variabel independen terhadap variabel dependen.
4.1.4.1 Regresi Model Satu dengan Variabel Dependent Burnout
Pada model regresi satu ini akan menjelaskan hubungan variabel independen yaitu servant leadership terhadap burnout sebagai variabel dependen yang dapat
dilihat pada tabel 4.20 sebagai berikut :
Tabel 4.20 Regresi Model Satu dengan Variabel
Dependent burnout
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 63,736
7,047 9,044
,000 Servant
leadership -
,440 ,083
- ,557
- 5,278
,000 a. Dependent Variable: Burnout
Hasil analisis pada tabel 4.20 menunjukan persamaan regresi dalam penelitian ini adalah sebagai berikut : Y1 = -0,557 X1 + e
Persamaan regresi tersebut mempunyai makna sebagai berikut : Nilai β servant leadership sebesar -0,557 artinya apabila ada kenaikan dari nilai
servant leadership, maka nilai dari variabel burnout mengalami kenaikan begitu pula sebaliknya.
4.1.4.2 Regresi Model Dua dengan Variabel Dependent Kinerja
Pada model regresi dua ini akan menjelaskan hubungan variabel independen yaitu servant leadership, burnout terhadap kinerja sebagai variabel
dependen yang dapat dilihat pada tabel 4.21 sebagai berikut :
Tabel 4.21 Regresi Model Dua dengan Variabel
Dependent kinerja
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta
1 Constant
9,494 12,221
,777 ,440
Servant leadership
,475 ,114
,501 4,154
,000 Burnout
- ,222
,145 -
,185 -
1,536 ,130
a. Dependent Variable: Kinerja
Hasil analisis pada tabel 4.21 menunjukan persamaan regresi dalam penelitian ini adalah sebagai berikut :
Y2 = 0,501X1 + -0,185 X2 + e
4.1.4.3 Analisis Jalur
Pada penelitian ini akan menjelaskan pengaruh servant leadership terhadap kinerja melalui burnout. Koefisien jalur dihitung dengan membuat dua
persamaan struktural yaitu dua persamaan regresi yang menunjukan pengaruh yang dihipotesiskan. Dalam penelitian ini menggunakan dua persamaan regresi
sebagai berikut : Y1 = b
1
X
1 +
e1 ............................ 1 Y2 = b
1
X
1
+ b
2
X
2 +
e2 .................. 2 Dimana nilai standardized coefisient beta servant adalah b1 pada model
regresi satu. Sedangkan pada model regresi dua, nilai standardized coefisient beta servant leadership adalah b1, standardized coefisient beta burnout adalah b2.
Untuk nilai standardized coefisient beta persamaan regresi satu diperoleh dengan melihat tabel 4.20 akan memberikan informasi standardized coefisient
beta b1 servant leadership sebesar -0,557. Untuk nilai standardized coefisient beta persamaan regresi dua diperoleh
dengan melihat tabel 4.21 akan memberikan informasi standardized coefisient beta b1 servant sebesar 0,501, standardized coefisient beta b2 burnout sebesar
- 0,185.
Besarnya nilai e1 = √ − � dimana nilai koefisien determinasi R
2
dapat dilihat pada tabel model summary untuk persamaan regresi model satu. Besarnya
nilai e2 = √ − � dimana nilai koefisien determinasi R
2
dapat dilihat pada tabel model summary untuk persamaan regresi model dua. Sehingga nilai e1 dapat
dilihat dengan melihat tabel 4.17 dan nilai e2 dengan melihat tabel 4.18.
Tabel 4.22 Model Summary Regresi Model Satu
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
,557
a
,310 ,299
4,111 a. Predictors: Constant, Servant
b. Dependent Variable: Burnout
e
n
= √ − � Nilai e1 = √ − ,
e1 = √ ,
= 0,830
Tabel 4.23 Model Summary Regresi Model Dua
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
,623
a
,388 ,368
4,681 a. Predictors: Constant, Burnout, Servant
b. Dependent Variable: Kinerja
e
n
= √ − � Nilai e2 = √ − ,
e2 = √ , = 0,782
Berdasarkan perhitungan diatas maka persamaan struktural penelitian sebagai berikut:
Burnout = -0,577X1 + 0,830
1 Kinerja
= 0,501X1 + -0,185X2 + 0,782 2
4.1.5 Pengujian Hipotesis 4.1.5.1 Uji Signifikansi Parameter Individual Uji Statistik t
Kategori