BAB 3 PEMBAHASAN DAN HASIL 3.1 Gambaran Umum Responden - Analisis Pengaruh Gaji, Interaksi Sosial Dan Motivasi Kerja Terhadap Prestasi Kerja Karyawan Pada Pt. Bank Mandiri ,Tbk Cab. Ahmad Yani Medan
BAB 3 PEMBAHASAN DAN HASIL
Tabel 3.2 Data Responden Berdasarkan Jenis KelaminTabel 3.3 Data Responden Berdasarkan PendidikanBerdasarkan tabel di atas diketahui bahwa responden berjenis kelamin laki- laki sebanyak 50 karyawan dan jenis kelamin perempuan sebanyak 25 karyawan.
Total 75 100% Sumber : Data primer
25 66,7% 33,3%
50
2 Laki-laki Perempuan
1
No Jenis Kelamin Jumlah Persentase
3.1 Gambaran Umum Responden
Berdasarkan kuesioner yang telah dikumpulkan oleh peneliti, maka data jumlah responden dapat dikategorikan berdasarkan umur, jenis kelamin dan pendidikan terakhir. Data jumlah responden tersebut dapat dilihat pada tabel berikut ini :
Total 75 100% Sumber : Data primer
18 32% 44% 24%
33
24
3 17 – 23 tahun 24 – 30 tahun ≥ 31 tahun
2
1
No Usia Jumlah Persentase
Tabel 3.1 Data Responden Berdasarkan UmurBerdasarkan tabel di atas diketahui bahwa responden yang berumur antara 17 sampai 23 tahun sebanyak 24 karyawan, umur 24 sampai 30 tahun sebanyak 33 karyawan. Responden yang berumur lebih dari 31 tahun sebanyak 18 karyawan.
No Pendidikan Jumlah Persentase
1
2
3
4 SMA D I – D III S1 S2
16
33
25
1 21,3%
44% 33,4%
1,3% Total 75 100%
Sumber : Data primer Berdasarkan tabel di atas diketahui bahwa responden yang mempunyai pendidikan SMA sebanyak 16 karyawan, pendidikan DI – DIII sebanyak 33 karyawan, pendidikan S1 sebanyak 25karyawan. Sedangkan responden yang berpendidikan S2 sebanyak 1 karyawan
3.2 Penyajian Data Data yang telah dikumpulkan oleh peneliti dapat disajikan pada tabel 3.4 berikut.
1 Interaksi Sosial ) (X 2 Motivasi Kerja ) (X 3 Prestasi Kerja ) (Y) (1) (2) (3) (4) (5)
23
7
21
21
23
19
8
20
23
23
20
9
18
20
23
19
10
22
20
20
17
11
21
19
21
19
19
20
1
20
25
18
22
21
2
21
24
19
19
3
23
19
23
22
4
22
20
22
22
5
Tabel 3.4 Jumlah Nilai Di Setiap Variabel Kuesioner X 1, X 2, X 3, dan Y HASIL REKAPITULASI NO Gaji (X21
24
23
6
23
12
17
21
24
21
16
33
18
17
19
14
34
18
16
17
13
35
32
19
22
20
20
20
20
20
29
21
21
19
22
30
21
22
21
19
31
20
20
20
19
41
40
18
15
17
14
(1) (2) (3) (4) (5)
16
16
16
17
15
42
23
21
22
16
19
20
23
36
22
22
23
25
37
24
23
23
24
38
24
24
21
23
39
28
22
21
17
18
16
15
17
21
14
13
16
18
17
19
22
17
19
22
20
20
21
20
20
20
18
13
20
20
21
14
18
21
20
21
21
15
20
19
18
17
24
18
20
15
18
17
25
21
19
16
20
26
18
21
19
17
27
21
24
22
20
19
20
22
20
16
21
23
22
21
20
22
20
19
20
17
23
20
18
43
22
23
15
14
19
64
20
18
15
17
65
16
16
16
15
66
63
16
20
16
14
13
11
14
60
19
16
19
18
61
22
19
17
16
62
24
18
17
18
72
71
20
18
20
19
(1) (2) (3) (4) (5)
19
20
17
20
19
73
20
19
19
17
17
20
16
67
21
22
20
17
68
19
18
16
16
69
18
16
19
16
70
59
16
23
17
20
21
16
48
23
18
18
47
49
18
22
22
18
50
21
20
19
20
18
22
22
20
44
20
24
20
45
20
20
22
20
20
46
22
19
21
21
16
18
20
19
19
18
56
20
18
19
20
57
23
19
20
18
58
21
55
22
51
20
19
20
18
21
52
19
20
19
19
53
19
18
19
19
54
19
16
74
20
20
16
19
75
19
20
20
18
3.3 Uji Validitas Data
Suatu kuesioner dikatakan valid (sah) jika pertanyaan pada suatu kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur kuesioner tersebut. Dalam peneltian ini menggunakan taraf signifikan 5% dan n = 75. Maka akan diperoleh r tabel sebesar 0,227. Hasil uji validitas untuk setiap butir pertanyaan menggunakan korelasi product moment dengan SPSS versi 22.Suatu butir pertanyaan dikatakan valid jika r hitung > r tabel.
Perhitungan Validitas Butir Pertanyaan 1 (X
1 ) No. Skor Butir Skor Total 2 2 Responden (X) (Y)
XY
X Y
1
5 25 125 25 625
2
4
21
84 16 441
3
5 23 115 25 529 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
75
4
19
76 16 361 312 1533 6468 1338 31659 �
(∑ ) − (∑ . ∑ ) =
2
2
2
2
�� ∑ − (∑ ) �� ∑ − (∑ ) � 75(6468)
− (312.1533) =
2
2
][75.31659 ] �[75.1388 − (312) − (1533)
= 0,796>r tabel (0,227) Berdasarkan hasil perhitungan rekapitulasi butir pertanyaan setiap variabel, maka didapat hasil uji validitas :
Tabel 3.5 Hasil Uji Validitas Variabel Gaji (X1 ), Interaksi Sosial (X 2 ),
Motivasi Kerja (X 3 ) dan Prestasi Kerja (Y) Item r hitung Pertanyaan r tabel keterangan
X 1 X 2 X 3 Y
Pertanyaan 1 0,227 0,796 0,581 0,777 0,885 Valid Pertanyaan 2 0,227 0,728 0,694 0,716 0,867 Valid Pertanyaan 3 0,227 0,660 0,771 0,724 0,742 Valid Pertanyaan 4 0,227 0,642 0,743 0,774 0,652 Valid Pertanyaan 5 0,227 0,325 0,300 0,234 0,261 Valid
Dari tabel di atas dapat diketahui bahwa nilai r hitung masing-masing item pertanyaan lebih besar dari nilai r tabel (0,227).Sehingga dapat diambil kesimpulan bahwa masing-masing item pertanyaan pada setiap variabel gaji (X
1 ),
Interaksi Sosial (X ), Motivasi Kerja (X ) dan Prestasi Kerja (Y) valid artinya
2
3
kuesioner sah untuk digunakan dalam penelitian.3.4 Uji Reliabilitas Data
Suatu kuesioner dikatakan reliabel (andal) jika jawaban seseorang terhadap pertanyaan yang ada dalam kuesioner tersebut adalah konsisten atau stabil dari waktu ke waktu.Untuk menentukan keandalan suatu pertanyaan digunakan program komputer SPSS 22 for windows, hingga diperoleh nilai Cronbach Alpha untuk tiap variabel penelitian. Hasil dari uji dapat dikatakan reliabel apabila cronbach alpha > 0,6. 2 2
2 2 ∑ −(∑ )
= Perhitungan varians s butir pertanyaan, rumusnya :
( −1)
2 Di mana : n = 75, = 1338
∑ = 312, ∑
2
75.1338 − (312)
2
= = 0,5416 75(75
− 1) Kemudian dihitung varians dari setiap butir pertanyaan sehingga dihasilkan untuk menghitung koefisien reliabilitas (alpha – cronbach).
=
1 − �
− 1 � Di mana :M = 5, V = 0,5416, V = 3,151
x t
=
5
5 − 1 �
1 −
0,5416 3,151
� = 0,633
Hasil uji reliabilitas adalah sebagai berikut :
Tabel 3.6 Hasil Uji Reliabilitas
Variabel Cronbach`s alpha Kriteria Keterangan
Gaji (X 1 0,633 ) 0,6 reliabel Interaksi sosial (X 2 0,606 ) 0,6 reliabel Motivasi kerja (X 3 0,652 ) 0,6 reliabel Prestasi kerja (Y) 0,711 0,6 reliabelBerdasarkan tabel di atas diketahui bahwa nilai cronbach apha dari variabel gaji (X
1 ), interaksi sosial (X
2 ), motivasi kerja (X
3 ) dan variabel prestasi kerja (Y)lebih besar dari 0,6. Sehingga dapat disimpulkan telah reliabel yang berarti bahwa kuesioner sudah dapat digunakan dalam penelitian.
3.5 Penentuan Nilai Koefisien – koefisien Garis Regresi Linier Berganda
Nilai Koefisien regresi dihitung dengan menggunakan matriks. Dengan data pada
tabel 3.9 yang dibuat dalam matriks Y dan X berikut :| | =2481396808
20
20
20 ⋮ ⋮
20
20
18
23
23
23
21
20
20
24
21
22
20
19
20
19
20
20
19
19
20
� Besar determinan matriks atau isimbol dengan |K| digunakan metode ekspansi kofaktor pada baris pertama adalah : |
1459 29967 28855 1456 29890 28598 �
� −1456 � 1533 31659 29967
� 1533 31659 29890 1459 29967 28598 1456 29890 28682
�
−1533 � 1533 31659 29890 1459 29967 28598 1456 29890 28682
29967 28855 28598 29890 28598 28682 �
| | = 75 � 31659 29967 29890
=1
| = �
28598 28682
19
28855 28598
29967 29890
29967 29890 1459 1456
= � 75 1533 1459 1456 1533 31659
, sehingga hasil perkalian matriks adalah : =
Kemudian dihitung matriks = dengan merupakan matriks transpose dari matriks
19 20 18⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎤
16
16
19
22 ⋮
Y =
17 ⋮
25
1
⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎡
X =
⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎤
19 18⎦
16
19
19
19
22
20
19
19
23
22
22
19
21
⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎡
18
1
23
1
20
21
23
23
22
23
1
1
1
1
21
1 ⋮
1
1
1
1
1
1
1
19
24
- 1459
- |
- |
- |
- |
- |
- |
1459 1456
29967 29890
1533 31659 29967 1459 1456
= − �
14
−32296988
� =
28598 28682
29967 29890
= � 1533 31659 29890
� =
13
−118944028
� =
28598 28682
28855 28598
1533 29967 29890 1459 1456
= − �
12
28855 28598
−57517296
� =
28855 28598
� =
28598 28682
29967 29890
75 1533 1456 1459 1456
= − �
23
� = 9122812
28598 28682
75 1459 1456 1459 1456
21
= �
22
−118944028
� =
28598 28682
28855 28598
29967 29890
= − � 1533 1459 1456
4209187736
29890 29967 28855 28598 29890 28598 28682
Selanjutnya dihitung kofaktor – kofaktor dari matriks K dengan cara berikut : =
21
31
|
24
|
23
| −|
22
| +|
| −|
41
14
| −|
13
| +|
12
| −|
11
⎣ ⎢ ⎢ ⎡
| −|
| −|
= � 31659 29967
44
11
�
28598 28682
28855 28598
29967 29890
1533 31659 29967 29890 1459 1456
Dengan determinan matriks – matriks kofaktor dari matriks K adalah : = � 75 1533 1459 1456
| ⎦ ⎥ ⎥ ⎤
|
32
34
| −|
43
| −|
33
|
42
|
−1869448
75 1533 1459 = 29967 1459 28855
24
� � 29890 1456 28598
= −1605044 1533 1459 1456
= 31659 29967 29890
31
� � 29890 28598 28682 =
−32296988
75 1459 1456 = 1533 29967 29890
32 − � �
1456 28598 28682 =
−1869448 75 1533 1456 = 1533 31659 29890
33
� � 1456 29890 28682 =
8873268
75 1533 1456 = 1533 31659 29890
34 − � �
1456 29890 28682 =
−5259588 1533 1459 1456 = 31659 29967 29890
41
− � � 29967 28855 28598 =
−57517296
75 1459 1456 = 1533 29967 29890
42 � �
1459 28855 28598 =
−1605044 75 1533 1456 = 1533 31659 29890
43
− � � 1459 29967 28598 =
−5259588
75 1533 1459 = 1533 31659 29967
44 � �
1459 29967 28855 = 9923124 MakamatriksK adalah :
4209187736 −118944028 −32296988 −57517296
9122812 −118944028
−1869448 −1605044 �
� 8873268
−32296988 −1869448 −5259588 9923124
−57517296 −1605044 −5259588 Dan, Adjoint(K) adalah
4209187736 −118944028 −32296988 −57517296
9122812 −118944028
−1869448 −1605044 �
� 8873268
−32296988 −1869448 −5259588 9923124
−57517296 −1605044 −5259588 Sehingga nilai invers matriks K yang disimbolkan dengan matriks P dihitung dengan cara berikut :
1
−1
= ( = ( ) ) det(
)
1
−1
= = ( ) ( )
2481396808 1,6963
−0,0479 −0,0130 −0,0232 0,0037
−0,0008 −0,0006 −0,0479
= �
� 0,0036
−0,0130 −0,0008 −0,0021 0,0040
−0,0232 −0,0006 −0,0021 Selanjutnya menentukan besar nilai koefisien parameter populasi( , , , ) dengan vektor penduga parameter koefisien populasi (
1
2
3
̂) adalah :
−1
( ̂ = ( ) )
Untuk matriks ( )adalah :
�
23
19
19
17 ⋮
19
20
19
19
22
19 18⎦
22
19
21
� ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎡
20 ⋯ 19 19 16 19 18
20
23
16
⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎤
20
−0,0008 −0,0006 −0,0130 −0,0232
1,1544 0,3082 0,2309 0,3277
� ̂ = �
28240 26953 26894
� � 1373
−0,0021 0,0040
0,0036 −0,0021
−0,0008 −0,0006
−0,0479 0,0037
( ) = �
1,6963 −0,0479 −0,0130 −0,0232
= �
( )
−1
̂) adalah : ̂ = ( )
� Sehingga, nilai vektor penduga (
1373 28240 26953 26894
23
24
1
1 ⋯ 1
23
21
25
1
1
1
1
1
23
1
1
1
1
1
1
1
22
23
22
20
19
19
22
20 ⋯ 20 20 19 16 20
18
23
21
21
21
20
20
24
18
22 ⋯ 20 19 20 20 19
23
20
� Maka, besar koefisien : = 1,1544; = 0,3082; = 0,2309 dan = 0,3277 , sehingga
1
2
3
persamaan regresi berganda yang dibentuk adalah :
1
2
3
- 0,2309 + 0,3277 � = 1,1544 + 0,3082
3.6 Uji Asumsi Klasik
3.6.1 Uji Multikolonieritas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas (independent).Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas.
Tabel 3.7 Hasil Uji MultikolineritasModel Collinearity Statistics Tolerance
VIF 1 (Constant) Gaji (X1) .838 1.194 Interaksi (X2) .591 1.693 Motivasi Krj (X3) .599 1.669 a Dependent Variable: Prestasi Krj (Y)
Model regresi yang baik adalah tidak adanya multikolonieritas. Dari tabel di atas dapat diketahui bahwa nilai VIF < 10 dan nilai tolerance > 0,10, sehingga tidak terdapat multikolonieritas.dalam model regresi, yang berarti bahwa antar variabel bebas tidak terjadi korelasi atau hubungan.
3.6.2 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain jika volume dari residual satu ke pengamatan yang lain tetap, maka disebut homoskedastitas dan jika berbeda disebut Heteroskedastisitas. Untuk menguji heteroskedastisitas digunakan uji Glejser. Hasil uji adalah sebagai berikut :
Tabel 3.8 Hasil Uji HeteroskedastisitasUnstandardized Standardized Model Coefficients Coefficients t Sig.
B Std. Error Beta 1 (Constant) .884 1.310 .674 .502 Gaji (X1) .103 .061 .211 1.688 .096 Interaksi (X2) .043 .060 .107 .718 .475 Motivasi Krj
- .119 .064 -.276 -1.866 .066 (X3) a Dependent Variable: AbsUt
Model regresi yang baik adalah homoskedastitas atau tidak terjadi Heteroskedastisitas. Berdasarkan tabel di atas dapat diketahui bahwa tidak terdapat signifikansi pada masing-masing variabel, sehingga dapat disimpulkan lolos uji heteroskedastisitas, yang berarti model regresi mempunyai data yang seragam (homos)
3.6.3 Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi variabel bebas keduanya mempunyai distribusi normal ataukah tidak.Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal.Untuk menguji apakah distribusi data normal atau dilakukan dengan uji kolmogorov smirnov. Hasil uji normalitas adalah sebagai berikut :
Tabel 3.9 Hasil Uji NormalitasUnstandardized Residual N
75 Mean .0000000 Normal Parameters(a,b)
Std. Deviation 1.84403413 Most Extreme Absolute .064 Differences Positive .048
Negative -.064 Kolmogorov-Smirnov Z .551 Asymp. Sig. (2-tailed)
.922 a Test distribution is Normal. b Calculated from data. Berdasarkan tabel di atas dapat diketahui bahwa nilai kolmogorov smirnov adalah 0,551 dengan nilai signifikansi 0,922, karena tidak signifikan maka dapat disimpulkan bahwa data terdistribusi secara normal.Hasil asumsi klasik diketahui bahwa data telah normal, heteroskedastisitas dan tidak terjadi multikolinieritas.Sehingga analisa dengan model regresi dapat digunakan.
3.7 Uji t
Analisis ini digunakan untuk mengetahui tingkat signifikansi pengaruh variabel bebas terhadap variabel terikat secara parsial. Perhitungan uji t dari setiap variabel bebas X 1, X 2,
X
3 terhadap variabel terikat Y, didapat dari perhitungan :
- 1
) terhadap prestasi kerja (Y) Uji t gaji (X
Langkah-langkah pengujiannya sebagai berikut : a).
Menentukan Hipotesis Nihil (Ho) dan Hipotesis Alternatif (Ha) H : , variabel gaji tidak berpengaruh secara signifikan terhadap
= prestasi kerja H : , variabel gaji berpengaruh secara signifikan terhadap prestasi
1
≠ kerja b).
Menentukan taraf nyata dan nilai t tabelnya α = 5% = 0,05 α/2 = 0,025 Df = n – 1 – k
= 75 – 1 – 3 = 71 t (0,025 ; 71) = 1,96 c).
Kriteria Pengujian Daerah Terima
Daerah Tolak Daerah Tolak
- 1,96 1,96
Ho diterima apabila -1,96 < t hitung < 1,96 Ho ditolak apabila t hitung > 1,96 d). Perhitungan Nilai t
̅ − =
/√ Di mana : perhitungan didapat dari data pada tabel 3.4
= 312 ; ̅ = 4,16 ; = 0,5416 ; = 75
4,16 − 312
= 0,5416/
√75 t = 2,684 hitung e). Kesimpulan
Hasil perhitungan diperoleh nilai t hitung (2,684) > dari t tabel (1,96) maka Ho ditolak, maka variabel gaji berpengaruh secara signifikan terhadap prestasi kerja
Untuk perhitungan variabel X dan X sama seperti diatas. Sehingga
2
3
diperoleh hasil uji t, sebagai berikut :
Tabel 3.10 Hasil Uji t Model t Sig.1 (Constant) .456 .649 Gaji (X1) 2.684 .009 Interaksi (X2) 2.005 .049 Motivasi Krj (X3) 2.823 .006 a Dependent Variable: Prestasi Krj (Y)
3.8 Uji F
Hipotesis : H
≠
= 2,60
0,05; 3,71; 2,60
F
= 3 ; (75 – 1 – 3) = 3 ; 71
α = 5% = 0,05 Df = k ; (n – 1 – k)
2) Menentukan taraf nyata dan nilai t tabelnya
≠ ⋯ = (Ada pengaruh yang signifikan gaji, interaksi sosial, motivasi kerja terhadap prestasi kerja secara bersama-sama)
2
1
∶
Uji F digunakan untuk mengetahui signifikansi pengaruh variabel bebas secara bersama-sama terhadap variabel terikat. Langkah-langkah pengujiannya adalah : 1)
1
H
(Tidak ada pengaruh yang signifikan gaji, interaksi sosial, motivasi kerja terhadap prestasi kerja secara bersama-sama)
= ⋯ =
2
=
1
∶
3) Kriteria Pengujian
Daerah Tolak
Daerah Terima
2,60 F
Gambar 3.2 Daerah Terima dan Daerah Tolak Uji FH diterima apabila F hitung < 2,60 H ditolak apabila F hitung > 2,60
4) Perhitungan nilai F :
2
− � ) ∑ ( �
2 −1
=
̅
− 1 Di mana : perhitungan didapat dari data pada tabel 3.4
312 1533 1455
= = 4,16 = = 20,44 = = 19,40 ; ; ;
1 11 111
� � �
75
75
75
4,16 + 20,44 + 19,40 = 14,67
� =
3
2
2
2
(4,16 + (20,44 + (19,40 − 14,67) − 14,67) − 14,67)
2
=
̅
3 − 1
2
= 83,06
̅
2 Estimasi harga
- 2 = .
̅
= 75.83,06 = 6229,5 2
( ∑ � − � ) −1
- ( −1)
=
83,06 = = 0,374
222 6229,5
F = 0,374
F = 17,899 hitung
5) Kesimpulan
Nilai F hitung (17,899) > dari nilai F tabel (2,60) maka Ho ditolak sehingga ada pengaruh yang signifikan gaji, interaksi sosial, motivasi kerja terhadap prestasi kerja secara bersama-sama. Hasil uji F adalah sebagai berikut :
Tabel 3.11 : Hasil Uji FSum of Mean Model Squares df Square F Sig.
1 Regression 190.312 3 63.437 17.899 .000(a) Residual 251.634 71 3.544 Total 441.947
74 a Predictors: (Constant), Motivasi Krj (X3), Gaji (X1), Interaksi (X2) b Dependent Variable: Prestasi Krj (Y)
3.9 Koefisien determinasi
Analisis ini digunakan untuk mengetahui seberapa besar sumbangan atau pengaruh yang diberikan variabel bebas terhadap variabel terikat yang ditunjukkan dengan persentase. Hasil koefisien determinasi adalah sebagai berikut:
Tabel 3.12 Hasil Koefisien DeterminasiAdjusted R Std. Error of Model R R Square Square the Estimate 1 .656(a) .431 .407 1.88259 a Predictors: (Constant), Motivasi Krj (X3), Gaji (X1), Interaksi (X2)
Perhitungan program SPSS diperoleh nilai Adjusted R Square = 0,407 berarti variabel gaji, interaksi sosial, motivasi kerjamemberikan pengaruh sebesar 40,7% terhadap prestasi kerja, sedangkan sisanya sebesar 59,3% dipengaruhi oleh faktor lain di luar variabel yang diteliti, misalnya seperti faktor pendidikan dan lain-lain.
BAB 4 PENUTUP
4.1 Kesimpulan
Berdasarkan hasil perhitungan yang telah dilakukan dapat disimpulkan : 1.
Bentuk persamaan regresi berganda yang dibentuk dengan perhitungan matriks:
- 0,2309 + 0,3277
1
2
3
� = 1,1544 + 0,3082 maka variabel motivasi kerja merupakan variabel yang paling dominan pengaruhnya terhadap prestasi kerja karena koefisien regresinya paling besar dibandingkan dengan variabel yang lain yaitu sebesar 0,3277.
2. Hasil dari setiap uji t dan uji f yang dihasilkan menunjukkan bahwasannya setiap variabel memberikan pengaruh yang signifikan terhadap prestasi kerja karyawan di PT. Bank Mandiri Cab. Ahmad Yani Medan.
4.2 Saran 1.
Untuk mencari koefisien regresi berganda dapat digunakan matriks karena lebih mudah dalam perhitungannya
2. Untuk mendapatkan prestasi kerja yang maksimal, maka PT. Bank
Mandiri, Tbk harus melakukan peningkatan dan pengembangan terhadap variabel gaji, interaksi sosial, motivasi kerja pegawai. Hal ini karena berdasarkan hasil uji F menunjukkan variabel gaji, interaksi sosial, motivasi kerja pegawai memberikan pengaruh yang signifikan terhadap prestasi kerja secara bersama-sama.
3. Pada penelitian yang akan datang dapat melakukan penelitian pada variabel-variabel lain yang dapat mempengaruhi prestasi kerja karyawan, misalnya dengan meneliti variabel pendidikan.