82 dependen nilai absolut Ut absUt. Jika probabilitas signifikan diatas tingkat
kepercayaan 5 dapat disimpulkan model regresi tidak mengarah pada heterokedastisitas.
Beberapa cara
untuk mendeteksi
ada atau
tidaknya heterokedastisitas adalah sebagai berikut :
a. Metode Pendekatan Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas,
sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu
yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
Gambar 4.3 : Scatter Plot Uji Heteroskedastisitas
Sumber : Hasil Pengolahan SPSS 2013
Pada Gambar 4.3 Normal P-P Plot terlihat titik-titi Grafik Scatter Plot terlihat titik-titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas,
serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak
dipakai untuk memprediksi kepuasan kerja berdasarkan masukan variabel pekerjaan yang menantang, imbalan, kondisi kerja, dan rekan kerja.
Regression Studentized Residual
3 2
1 -1
-2 -3
Re gres
sio n S
tan dard
iz ed
Pre dic
ted Va
lue
2 1
-1 -2
Scatterplot Dependent Variable: Y
Universitas Sumatera Utara
83
b. Metode Pendekatan Statistik Uji Glejser
Tabel 4.11 Hasil Uji
Glejser Heteroskedastisitas Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
B Std. Error
1 Constant
2.750 3.946
.697 .492
X1 .000
.109 -.001
-.004 .996
X2 .022
.119 .038
.189 .851
X3 -.118
.102 -.224
-1.157 .258
X4 -.022
.144 -.031
-.156 .877
a Dependent Variable: absut Sumber : Hasil Pengolahan SPSS 2013
Pada Tabel 4.11 terlihat variabel Independent Pekerjaan yang Menantang, Imbalan, Kondisi Kerja, dan Rekan Kerja yang signifikan secara statistik
mempengaruhi variabel dependent absolute Ut AbsUt. Hal ini terlihat dari probabilitas X
1
, X
2
, X
3,
dan X
4
0,996, 0.851, 0.258, dan 0,877 diatas tingkat kepercayaan 5 0,05, jadi disimpulkan model regresi tidak mengarah adanya
heteroskedastisitas.
3. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Pada model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen. Adanya multikolinieritas dapat dilihat dari tolerance value atau variance inflation factor
Universitas Sumatera Utara
84 VIF
. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance adalah mengukur variabilitas
variabel independen yang terpilih dan tidak dijelaskan oleh variabel independen yang lain. Nilai Cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas
adalah apabila tolerance value 0,1 sedangkan VIF 5 maka terjadi multikolinieritas. Berikut ini disajikan cara mendeteksi multikolinieritas dengan menganalisis
matrik korelasi antar variabel independen dan perhitungan nilai tolerance dan variance inflation factor VIF
.
Tabel 4.12 Hasil Uji Nilai
Tolerance dan VIF Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1 Constant
-5.565 6.877
-.809 .426
X1 .448
.190 .376
2.358 .026
.884 1.131
X2 .812
.207 .622
3.924 .001
.894 1.119
X3 .058
.177 .050
.329 .745
.971 1.029
X4 .038
.251 .024
.152 .880
.920 1.087
a Dependent Variable: Y
Sumber : Hasil Pengolahan SPSS 2013
Berdasarkan Tabel 4.12 dapat dilihat bahwa : 1. Nilai VIF dari Pekerjaan yang Menantang, Imbalan, Kondisi Kerja, dan Rekan
Kerja lebih kecil atau dibawah 5 VIF5. Ini berarti tidak terkena multikolinieritas antara variabel independen dalam model regresi.
2. Nilai Tolerance dari Pekerjaan yang Menantang, Imbalan, Kondisi Kerja, dan Rekan Kerja lebih besar dari 0,1 ini berarti tidak terdapat multikolinieritas antara
variabel independen dalam model regresi.
Universitas Sumatera Utara
85
4.2.2.2 Analisis Regresi Linear Berganda
Digunakan untuk mengetahui besarnya hubungan dan pengaruh variabel independen yang jumlahnya lebih dari dua X
1
, X
2
, X
3
, X
4
terhadap variabel dependen Y. Untuk memperoleh hasil yang lebih terarah, maka peneliti
menggunakan bantuan program software SPSS statistic product and service solution
dengan rumus:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ e
Di mana: Y
= Kepuasan Kerja
a =
Konstanta b
1
, b
2
, b
3
, b
4
= Koefisien Regresi Berganda
X
1
= Pekerjaan yang Menantang
X
2
= Imbalan
X
3
= Kondisi Kerja
X
4
= Rekan Kerja
e =
Standard error Berdasarkan pengujian menggunakan SPSS versi 15,0 for windows, maka hasil
persamaan regresi linier berganda dapat dilihat pada Tabel 4.13
Universitas Sumatera Utara
86
Tabel 4.13 Hasil Regresi Linier Berganda
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig.
B
Std. Error Beta
B Std. Error
1 Constant
-5.565 6.877
-.809 .426
X1 .448
.190 .376
2.358 .026
X2 .812
.207 .622
3.924 .001
X3 .058
.177 .050
.329 .745
X4 .038
.251 .024
.152 .880
a Dependent Variable: Y
Sumber: Hasil Penelitian, 2013 diolah
Berdasarkan Tabel 4.13 diketahui kolom kedua Unstandardized Coefficients bagian B diperoleh nilai b
1
variabel pekerjaan yang menantang sebesar 0.448, nilai b
2
variabel imbalan sebesar 0.812, nilai b
3
variabel kondisi kerja sebesar 0.058, nilai b
4
variabel rekan kerja sebesar 0.038 dan nilai konstanta a adalah -5.565, maka diperoleh persamaan regresi linier berganda sebagai berikut :
Y = -5.565 + 0.448X
1
+ 0.812X
2
+ 0.058X
3
+ 0.038 X
4
+ e
Berdasarkan persamaan diatas maka dapat diuraikan sebagai berikut : 1. Interpretasi dari persamaan regresi berganda, yakni :
a. Dengan mengasumsikan ketiadaan segala sesuatu pada variable-variabel independen, maka kepuasan kerja karyawan akan menurun sebesar 5.565.
b. Jika terjadi penambahan atau kenaikan tingkat pekerjaan yang menantang sebesar 1 satuan, maka kepuasan kerja akan naik sebesar 0.448.
Universitas Sumatera Utara
87 c. Jika terjadi penambahan atau kenaikan tingkat imbalan sebesar 1 satuan, maka
kepuasan kerja akan naik sebesar 0.812. d. Jika terjadi penambahan atau kenaikan tingkat kondisi kerja sebesar 1 satuan,
maka kepuasan kerja akan naik sebesar 0.058. e. Jika terjadi penambahan atau kenaikan tingkat rekan kerja sebesar 1 satuan,
maka kepuasan kerja akan naik sebesar 0.038. 2. Pekerjaan yang menantang berpengaruh positif terhadap kepuasan kerja karyawan
dengan koefisien regresi sebesar 0.448 tanda + positif pada variabel pekerjaan yang menantang menunjukkan hubungan yang searah, artinya bila pekerjaan yang
menantang ditingkatkan maka akan berpengaruh terhadap meningkatnya kepuasan kerja karyawan.
3. Imbalan berpengaruh positif terhadap kepuasan kerja dengan koefisien regresi sebesar 0.812 tanda + positif pada variabel imbalan menunjukkan hubungan
yang searah, artinya bila imbalan ditingkatkan maka akan berpengaruh terhadap meningkatnya kepuasan kerja karyawan.
4. Kondisi kerja berpengaruh positif terhadap kepuasan kerja dengan koefisien regresi sebesar 0.058 tanda + positif pada variabel kondisi kerja menunjukkan
hubungan yang searah, artinya bila kondisi kerja ditingkatkan maka akan berpengaruh terhadap meningkatnya kepuasan kerja karyawan.
5. Rekan kerja berpengaruh positif terhadap kepuasan kerja dengan koefisien regresi sebesar 0.038 tanda + positif pada variabel rekan kerja menunjukkan hubungan
Universitas Sumatera Utara
88 yang searah, artinya bila rekan kerja ditingkatkan maka akan berpengaruh terhadap
meningkatnya kepuasan kerja karyawan.
4.3 Pengujian Hipotesis