Produktivitas Y 38
3 11
7.79 1.818
Valid N listwise 38
Sumber: Output SPSS 17.00 for Windows Berdasarkan deskripsi data di atas menunjukkan jumlah pengamatan
dalam penelitian ini adalah 38 karyawan dari seluruh populasi. Berdasarkan deskripsi data di atas dapat diketahui skor variabel upah diperoleh skor minimum
8, skor maksimum 31, rata-rata 19,37 dan standar deviasi 6,118. Variabel pekerjaan diperoleh skor minimum 12, skor maksimum 30, rata-rata 20,50 dan
standar deviasi 4,348. Variabel kesempatan promosi diperoleh skor minimum 10, skor maksimum 28, rata-rata 19,61 dan standar deviasi 4,785. Variabel penyelia
supervisor diperoleh skor minimum 8, skor maksimum 28, rata-rata 18,1 dan standar deviasi 4,936. Variabel rekan kerja diperoleh skor minimum 6, skor
maksimum 23, rata-rata 16,34 dan standar deviasi 4,407 Variabel produktivitas kerja karyawan diperoleh skor minimum 3, skor maksimum 11, rata-rata 7,79 dan
standar deviasi 1,818.
B. Pengujian Persyaratan Analisis
Sebelum pengujian hipotesis dilakukan, data yang akan digunakan untuk analisis statistik dengan teknik regresi ganda harus memenuhi persyaratan sebagai
berikut:
1. Uji Normalitas
Normalitas digunakan untuk mengetahui apakah data yang akan dianalisis berbentuk sebaran normal atau tidak. Dalam penelitian ini data untuk setiap
variabel diuji normalitasnya. Deteksi normalitas dapat di ketahui dengan melihat penyebaran data pada sumbu diagonal pada suatu grafik. Jika data menyebar di
sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
41
commit to users
Gambar 2. Grafik Normal P-Plot of Regression Standardized Residual
Sumber: Output SPSS 17.00 for Windows
Hasil uji normalitas data menunjukkan bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, sehingga model regresi
memenuhi asumsi normalitas.
2. Uji Linieritas
Uji linieritas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang linier atau tidak secara signifikan. Pengujian linieritas variabel
bebas dengan variabel terikat menggunakan bantuan program SPSS 17.00 for windows. Pengujian pada SPSS dengan menggunakan plot antara variabel X
versus Y. Jika plot menggambarkan garis lurus maka asumsi linieritas ini telah terpenuhi.. Rangkuman uji linieritas variabel bebas
dengan variabel terikat adalah sebagai berikut:
commit to users
a. Upah X
1
dengan Produktivitas Kerja Karyawan Y
Gambar 3. Plot Upah X
1
dengan Produktivitas Y Sumber: Output SPSS 17.00 for Windows
Hasil uji linieritas berupa plot variabel X versus Y menunjukkan bahwa plot menggambarkan garis lurus maka asumsi linieritas ini telah terpenuhi.
Berdasarkan hasil sebaran tersebut, maka disimpulkan bahwa model regresi antara upah X
1
dengan produktivitas kerja karyawan Y adalah linier.
b. Variabel Pekerjaan X
2
dengan Produktivitas Kerja Karyawan Y
Gambar 4. Plot Pekerjaan X
2
dengan Produktivitas Y Sumber: Output SPSS 17.00 for Windows
commit to users
Hasil uji linieritas berupa plot variabel X versus Y menunjukkan bahwa plot menggambarkan garis lurus maka asumsi linieritas ini telah terpenuhi.
Berdasarkan hasil sebaran tersebut, maka disimpulkan bahwa model regresi antara pekerjaan X
2
dengan produktivitas kerja karyawan Y adalah linier.
c. Variabel Kesempatan Promosi X
3
dengan Produktivitas Kerja Karyawan Y
Gambar 5. Plot Kesempatan Promosi X
3
dengan Produktivitas Y Sumber: Output SPSS 17.00 for Windows
Hasil uji linieritas berupa plot variabel X versus Y menunjukkan bahwa plot menggambarkan garis lurus maka asumsi linieritas ini telah terpenuhi.
Berdasarkan hasil sebaran tersebut, maka disimpulkan bahwa model regresi antara kesempatan promosi X
3
dengan produktivitas kerja karyawan Y adalah linier.
d. Variabel Penyelia supervisor X
4
dengan Produktivitas Kerja Karyawan Y
commit to users
Gambar 6. Plot Penyelia Supervisor X
4
dengan Produktivitas Y Sumber: Output SPSS 17.00 for Windows
Hasil uji linieritas berupa plot variabel X versus Y menunjukkan bahwa plot menggambarkan garis lurus maka asumsi linieritas ini telah terpenuhi.
Berdasarkan hasil sebaran tersebut, maka disimpulkan bahwa model regresi antara penyelia supervisor X
4
dengan produktivitas kerja karyawan Y adalah linier.
commit to users
e. Variabel Rekan Sekerja X
5
dengan Produktivitas Kerja Karyawan Y
Gambar 7. Plot Rekan Sekerja X
5
dengan Produktivitas Y Sumber: Output SPSS 17.00 for Windows
Hasil uji linieritas berupa plot variabel X versus Y menunjukkan bahwa plot menggambarkan garis lurus maka asumsi linieritas ini telah terpenuhi.
Berdasarkan hasil sebaran tersebut, maka disimpulkan bahwa model regresi antara rekan sekerja X
5
dengan produktivitas kerja karyawan Y adalah linier.
3. Uji Autokorelasi
Uji autokorelasi berarti adanya variabel pengganggu dari masing-masing variabel bebas yang saling mempengaruhi. Untuk mengetahui apakah pada model
regresi mengandung autokorelasi dapat digunakan pendekatan D-W Durbin Watson. Kriteria autokorelasi ada 3, yaitu:
a. Angka D-W di bawah -2 berarti diindikasikan ada autokorelasi positif b. Angka D-W di antara -2 sampai 2 berarti diindikasikan tidak ada autokorelasi
c. Angka D-W di atas 2 berarti diindikasikan ada autokorelasi negatif
commit to users
Tabel 2. Uji Autokorelasi
Model Summary
b
.980
a
.961 .955
.38 1.341
Model 1
R R Square
Adjusted R Square
St d. Error of the Estimate
Durbin-W atson
Predictors: Constant, Rekan kerja, Pekerjaan, Promosi, Superv isor, Upah
a. Dependent Variable: Produkt iv itas
b.
Sumber: Output SPSS 17.00 for Windows Berdasarkan uji autokorelasi di atas diperoleh hasil angka D-W sebesar
1,341. Nilai D-W terletak diantara -2 sampai 2 -2 1,341 2, dengan demikian model regresi tidak terjadi autokorelasi.
4. Uji Multikolinieritas
Uji multikolinieritas berarti adanya hubungan linier antara beberapa variabel bebas dari suatu model regresi. Untuk mengetahui ada tidaknya gejala
multikolinieritas maka dapat dilakukan dengan melihat nilai VIFVarians Inflation Factor. Menurut Singgih Santoso 2001: 206 dilakukan dengan
mengamati nilai VIF dan TOLERANCE. Pedoman suatu model regresi yang mempunyai persoalan multikoliniearitas adalah:
• Mempunyai nilai VIF lebih besar dari 5, maka variabel teresbut mempunyai persoalan multikolinearitas dengan variabel lainnya.
Tabel 3. Collinearity Statistics
Coeffi cients
a
.201 4.970
.340 2.944
.221 4.533
.219 4.562
.244 4.099
Upah Pekerjaan
Promosi Superv isor
Rekan kerja Model
1 Tolerance
VI F Collinearity Statistics
Dependent Variable: Produkt iv it as a.
Sumber: Output SPSS 17.00 for Windows
commit to users
Berdasarkan uji multikolinieritas di atas diperoleh hasil sebagai berikut, diketahui koefisien VIF untuk upah adalah 4,970. Koefisien VIF untuk pekerjaan
adalah 2,944. Koefisien VIF untuk kesempatan promosi adalah 4,533. Koefisien VIF untuk penyelia supervisor adalah 4,562, dan koefisien VIF untuk rekan
kerja adalah 4,099. Karena nilai VIF masing-masing variabel tidak lebih dari 5 maka tidak terjadi multikolinieritas atau tidak ada hubungan antar variabel bebas.
5. Uji Heterokedastisitas