Analisis Regresi Linier Berganda

4. Dari 41 responden 14,6 menyatakan sangat setuju bahwa target kerja tetapkan sesuai dengan standar kerja perusahaan, dan 85,4 setuju. 5. Dari 41 responden 26,8 menyatakan sangat setuju bahwa menganggap penting tugas dan serta waktu, 70,7 setuju, dan 2,4 kurang setuju. 6. Dari 41 responden 26,8 menyatakan sangat setuju bahwa patuh terhadap peraturan yang ada, dan 73,2 setuju. 7. Dari 41 responden 41,5 menyatakan sangat setuju bahwa sering melakukan pelanggaran peraturan, 53,7 setuju, dan 4,9 kurang setuju.

4.2.4 Analisis Regresi Linier Berganda

Metode analisis regresi linier berfungsi untuk mengetahui pengaruhhubungan antara variabel independent pengembangan karyawan dan imbalan dan variabel dependent prestasi kerja akan digunakan analisis regresi linear berganda multiple regression analysis. Peneliti menggunakan bantuan program software SPSS versi 15 untuk memperoleh hasil yang lebih terarah, dengan menggunakan metode Enter. Metode Enter dilakukan dengan memasukkan semua variabel bebas sebagai variabel prediktor. Seluruh variabel akan dimasukkan ke dalam analisis untuk mengetahui apakah variabel independent mempunyai pengaruh yang positif dan signifikan terhadap variabel dependent. Sebelum melakukan analisis regresi berganda, penulis melakukan pengujian asumsi klasik. Pengujian asumsi klasik dilakukan untuk mendapatkan hasil penelitian yang BLUE Best Linier Unbiased Estimation atau perkiraan Universitas Sumatera Utara E xp ec te d C u m P ro b 1.0 0.8 0.6 Normal P-P Plot of Regression Standardized Residual Dependent Variable: VAR00003 yang efisien dan tidak bias. Kriteria pengujian asumsi klasik yang harus dipenuhi sebagai berikut : 1. Uji Normalitas Uji normalitas bertujuan untuk mengetahui apakah residual yang diteliti berdistribusi normal atau tidak. Distribusi data tidak normal, karena terdapat nilai ekstrem data yang diambil. Pada uji normalitas ada dua cara yang dapat digunakan yaitu: a. Analisi Grafik Normalitas data dapat dilihat melalui penyebaran titik pada sumbu diagonal dari P-Plot atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan sebagai berikut: Apabila data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas. Apabila data menyebar jauh dari diagonal atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi normalitas. Hasil dari analisis Grafik P-Plot uji normalitas adalah sebagai berikut: Universitas Sumatera Utara Sumber : Hasil Pengolahan SPSS 16,0 2011 Gambar 4.2 Hasil Uji Normal P-P Plot Of Regression Standardized Residual Pada Gambar 4.2, P-P plot menunjukkan bahwa tiitk-titik menyebar disekitar garis diagonal dan mengikuti garis diagonal, maka dapat disimpulkan bahwa data yang diperoleh berdistribusi normal. b. Analisis Statistik Pengujian normalitas yang didasarkan pada uji statistik non parametrik Kolmogorof-Smirnov K-S. Apabila nilai Kolmogorof- Smirnov Z ≤ Z tabel atau nilai asymp. Sig. 2 tailed α maka data dinyatakan berdistribusi normal. Berikut adalah Tabel 4.11 hasil uji Kolmogorov Smirnov. Tabel 4. 11 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 41 Normal Parametersa,b Mean .0000000 Std. Deviation 1.57545021 Universitas Sumatera Utara Most Extreme Differences Absolute .134 Positive .083 Negative -.134 Kolmogorov-Smirnov Z .855 Asymp. Sig. 2-tailed .457 Sumber : Hasil Pengolahan SPSS 15,0 2011 Menurut Umar 2008:181 bahwa, apabila pada hasil uji Kolmogorov Smirnov, nilai Asymp. Sig 2-tailed lebih besar dari 0,05 α = 5, tingkat signifikan maka data berdistribusi normal. Pada Tabel 4.11 dapat dilihat, probabilitas hasil uji Kolmogorov Smirnov yaitu 0,457 lebih besar dari 0,05, sehingga model regresi yang didapat adalah berdistribusi normal. 2. Uji Multikolinieritas Uji ini bertujuan untuk menguji apakah didalam model regresi linier ditemukan adanya korelasi yang tinggi diantara variabel bebas. Ada atau tidaknya multikolinieritas antar variabel dapat dilihat dari nilai variance inflation factor VIF untuk masing-masing variabel independent terhadap variabel dependent. Pengambilan Keputusannya: VIF 5 maka diduga mempunyai persoalan multikolinieritas VIF 5 maka tidak terdapat multikolinieritas Tolerence 0,1 maka diduga mempunyai persoalan multikolinieritas Tolerence 0,1 maka tidak terdapat multikolinieritas Pengujian multikolinearitas dapat dilihat pada Tabel 4.12 berikut ini Universitas Sumatera Utara e g re s s io n S tu d e n ti z e d R e s id u a l 2 1 -1 Scatterplot Dependent Variable: Prestasi_Kerja Tabel 4.12 Hasil Uji Multikolinearitas Coefficients Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF B Std. Error 1 Constant .263 5.000 .053 .958 Pengembangan_ Karyawan .341 .066 .603 5.167 .000 .988 1.012 Imbalan .179 .071 .293 2.514 .016 .988 1.012 a Dependent Variable: Prestasi_Kerja Sumber : Hasil Pengolahan SPSS 15,0 2011 Tabel 4.12 memperlihatkan bahwa VIF 5, maka tidak terjadi multikolinearitas dan Tolerance 0,1 maka tidak terjadi multikolinearitas. 3. Uji Heteroskedastisitas Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan variance dari suatu residual pengamatan ke pengamatan lain. Gejala heteroskedastisitas dapat dideteksi dengan 2 cara yaitu: a. Analisis Grafik Gejala heteroskedastisitas dapat dilihat dengan menggunakan grafik Scatterplot. Apabila data yang berbentuk titik-titik tidak membentuk suatu pola atau menyebar, maka model regresi tidak terkena heteroskedastisitas. Berikut adalah gambar Scatterplot untuk uji heteroskedastisitas : Universitas Sumatera Utara Sumber : Hasil Pengolahan SPSS 15,0 2011 Gambar 4.3 Scatterplot Uji Heteroskedastisitas Pada Gambar 4.3, terlihat titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi. \ b. Analisis Statistik Universitas Sumatera Utara Gejala heteroskedastisitas dapat juga dideteksi melalui uji Glejser. Tabel 4.13 berikut ini menampilkan hasil pengujian heteroskedastisitas dengan uji Glejser. Tabel 4.13 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta B Std. Error 1 Constant 10.361 6.167 1.680 .100 Pengembangan_ Karyawan .067 .089 .133 .757 .452 Imbalan .029 .046 .095 .628 .534 Sumber : Hasil Pengolahan SPSS 15,0 2011 Pada Tabel 4.13 dapat dilihat bahwa semua variabel bebas tidak signifikan dengan variabel terikat. Hal ini ditunjukkan oleh nilai signifikansi dari masing-masing variabel bebas lebih besar dari tingkat signifikansi α sig 0,05. Hal ini dapat disimpulkan bahwa data bebas dari heteroskedastisitas. Berdasarkan hasil pengujian asumsi klasik diatas, ternyata data telah lulus uji asumsi klasik, sehingga data siap untuk diregresi linier berganda. Hasil dari analisis regresi linier berganda dapat dilihat pada Tabel 4.14. Universitas Sumatera Utara Tabel 4.14 Regresi Linear Berganda Coefficients a a Dependent Variable: Prestasi_Kerja Sumber : Hasil Pengolahan SPSS 15,0 2011 Pengolahan data tersebut menghasilkan suatu model Regresi Linear Berganda sebagai berikut: Y = 0,263 + 0,341X 1 + 0,179X 2 + e Dimana: Y : Prestasi Kerja a : Konstanta b 1 -b 3 : Koefisien regresi X 1 : Pengembangan Karyawan X 2 : Imbalan e : Standard error Dari persamaan tersebut dapat digambarkan sebagai berikut : Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta B Std. Error 1 Constant .263 5.000 .053 .958 Pengembangan_ Karyawan .341 .066 .603 5.167 .000 Imbalan .179 .071 .293 2.514 .016 Universitas Sumatera Utara a. Jika semua pada variabel independen dianggap konstan maka nilai prestasi kerja karyawan Y adalah sebesar 0.263 b. Jika terjadi penambahan terhadap pengembangan karyawan X 1 sebesar satu satuan, maka prestasi kerja karyawan Y akan meningkat sebesar 0.341 c. Jika terjadi penambahan terhadap Imbalan X 2 sebesar satu satuan, maka pretasi kerja karyawan Y akan meningkat sebesar 0.179.

4.2.5 Uji F Uji Serentak