Analisis Korelasi Uji Hipotesis Penelitian

4.4.4 Analisis Korelasi

Analisis korelasi digunakan untuk mengetahui derajat atau tingkat hubungan secara serempak antara variabel bebas terhadap variabel terikat. Korelasi antara indeks prestasi kumulatif, keaktifan berorganisasi, dan motivasi dan perencanaan karier secara parsial dapat dilihat pada tabel 4.17 dibawah ini: Tabel 4.24 Correlations Indeks_Prestasi_K umulatif Kaktifan_Beror ganisasi Motivasi Perencanaan_ Karier Indeks_Prestasi_ Kumulatif Pearson Correlation 1 -.267 .325 .185 Sig. 2-tailed .009 .001 .074 N 94 94 94 94 Kaktifan_Berorga nisasi Pearson Correlation -.267 1 -.029 .106 Sig. 2-tailed .009 .779 .311 N 94 94 94 94 Motivasi Pearson Correlation .325 -.029 1 .240 Sig. 2-tailed .001 .779 .020 N 94 94 94 94 Perencanaan_Kar ier Pearson Correlation .185 .106 .240 1 Sig. 2-tailed .074 .311 .020 N 94 94 94 94 . Correlation is significant at the 0.01 level 2-tailed. . Correlation is significant at the 0.05 level 2-tailed.  Korelasi antara indeks pestasi kumulatif dan keaktifan berorganisasi. Korelasi sebesar -0,267 memiliki maksud hubungan antara variabel indeks prestasi kumulatif dan keaktifan berorganisasi memiliki hubungan yang lemah namun tidak searah karena hasilnya negatif. Tidak searah artinya indeks prestasi kumulatif tinggi belum tentu keaktifan Universitas Sumatera Utara berorganisasinya tinggi. Korelasi dua variabel bersifat signifikan karena angka signfikansi 0,009 0,05.  Korelasi antara indeks prestasi kumulatif dan motivasi Berdasarkan perhitungan, angka korelasi antara variabel indeks prestasi kumulatif dan motivasi sebesar 0,325 memiliki hubungan yang lemah dan searah karena hasilnya positif. Searah artinya jika indeks prestasi tinggi maka motivasi juga tinggi. Karena angka signifikansi sebesar 0,001 0,05 maka hubungan keduanya signifikan.  Korelasi antara indeks prestasi kumulatif dan perencanaan karier Berdasarkan perhitungan, angka korelasi antara variabel indeks prestasi kumulatif dan perencanaan karier sebesar 0,185 memiliki hubungan yang lemah dan searah karena hasilnya positif. Searah artinya jika indeks prestasi tinggi maka perencanaan karier juga tinggi. Karena angka signifikansi sebesar 0,074 0,05 maka hubungan keduanya tidak signifikan.  Korelasi antara keaktifan berorganisasi dan motivasi Berdasarkan perhitungan diperoleh angka korelasi sebesar -0,029 merupakan korelasi lemah negatif. Dan korelasi bersifat tidak signifikan karena angka signifikan 0,779 0,05.  Korelasi antara keaktifan berorganisasi dan perencanaan karier Berdasarkan perhitungan, angka korelasi antara variabel indeks prestasi kumulatif dan perencanaan karier sebesar 0,106 memiliki hubungan yang lemah dan searah karena hasilnya positif. Searah artinya jika indeks prestasi tinggi maka perencanaan karier juga tinggi. Karena angka signifikansi sebesar 0,311 0,05 maka hubungan keduanya tidak signifikan.  Korelasi antara motivasi dan perencanaan karier Berdasarkan perhitungan, angka korelasi antara variabel motivasi dan perencanaan karier sebesar 0,240 memiliki hubungan yang lemah dan searah karena hasilnya positif. Searah artinya jika indeks prestasi tinggi maka perencanaan karier juga tinggi. Karena angka signifikansi sebesar 0,020 0,05 maka hubungan keduanya signifikan. Universitas Sumatera Utara Analisis Jalurnya sebagai berikut: 1. Faktor-faktor yang mempengaruhi perencanaan karier dapat diterjemahkan ke dalam sebuah diagram jalur sebagai berikut: Gambar 4.4 2. Hubungan Struktural antara X1, X2, X3, dan Y X1 ρyx1 ฀ rx1x3 rx1x2 X2 ρyx2 Y rx2x3 X3 ρyx3 3. Gambar 4.4 yang berisi 3 buah variabel eksogen X1, X2, dan X3 dan sebuah vaariabel endogen Y, persamaan struktural untuk diagram jalur diatas adalah: ฀    ฀ ฀ ฀ ฀ 3 2 1 3 2 1 X yx X yx X yx Y Dari tabel 4.17 didapat matriks korelasi sebagai berikut: X1 X2 X3 Y X1 1,000 -0,267 0,325 0,185 X2 -0,267 1,000 -0,029 0,106 X3 0,325 -0,029 1,000 0,240 Universitas Sumatera Utara Y 0,185 0,106 0,240 1,000 4. Selanjutnya mencari koefisien jalur. Dari tabel 4.16 perhatikan pada Standardizedv Coefficients, itu merupakan koefisien jalur varibel X1 dampai X3 ata biasa disebut koefisien beta atau beta hitung. Daari tabel tersebut kita dapat menyusun matriks koefisien jalur sebagai berikut: ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ 191 , 155 , 165 , 3 2 1 yx yx yx    Dari tabel 4.14 telihat kalau R Square atau R 2 atau koefisien determinasi adalah 0,093. 5. Dari R square tersebut dapat dihitung koefisien jalur variabel lain diluar model yakni ρy฀ dengan rumus: 996 , 093 , 1 1 2 2 ฀ ฀ ฀ ฀ ฀ ฀  ฀  ฀  y y R y 6. Selanjutnya menguji koefisien jalur ρyxi: H : ρyxi = 0 H 1 : ρyxi ≠ 0 Dengan kembali menggunakan output SPSS, di tabel Coefficients Tabel 4.16 pada kolom sig dan t dipakai untuk menguji koefisien jalur. - Koefisien jalur ρyx1 H : ρyx1 = 0 H : ρyx1 ≠ 0 Terlihat pada p-value kolom sig = 0,139 yang lebih besar dari 0,05 atau pada kolom t = 1,493 yang lebih kecil dari titik kritis 1,665. Dengan demikian H diterima. - Koefisien jalur ρyx2 Universitas Sumatera Utara H : ρyx2 = 0 H 1 : ρyx2 ≠ 0 Terlihat pada p-value kolom sig = 0,140 yang lebih besar dari 0,05 atau pada kolom t = 1,488 yang lebih kecil dari titik kritis 1,665. Dengan demikian H diterima. - Koefisien jalur ρyx3 H : ρyx3 = 0 H 1 : ρyx3 ≠ 0 Terlihat pada p-value kolom sig = 0,077 yang lebih besar dari 0,05 atau pada kolom t = 1,791 yang lebih kecil dari titik kritis 1,665. Dengan demikian H ditolak. 7. Dari hasil koefisien jalur diperoleh keterangan obyektif, bahwa koefisien jalur dari X1 ke Y dan X2 ke Y kedua-duanya secara statistik adalah tidak bermakna t hitung dibawah t tabel dan p- value diatas 0,05 sedangkan koefisien jalur dari X3 ke Y adalah bermakna t hitung diatas t tabel dan p-value dibawah 0,05. Oleh karena itu proses akan diulang dengan mengeluarkan X1 dan X2 dari model. 8. Faktor yang mempengaruhi menjadi motivasi X3

4.4.6 Analisis Koefisien Jalur