67
Y = 2.412 + 0.234 X1 + 0.310 X2 + 0.226 X3 + e Persamaan regresi tersebut dapat diperjelas:
1. Konstanta sebesar 2.412, menunjukkan bahwa Kinerja jika Pendidikan dan Pelatihan, Motivasi, dan Fasilitas sama dengan nol. Hal ini menunjukkan
bahwa jika tidak ada Pendidikan dan Pelatihan, Motivasi, dan Fasilitas maka Kinerja sebesar 2.412. Sehingga dapat dikatakan apabila tidak terdapat
variabel lain yang mendukung maka Kinerja akan tetap memiliki nilai sebesar 2.412.
2. Koefisien Pendidikan dan Pelatihan X1 sebesar 0.234, menunjukkan bahwa setiap penambahan karena tanda + Pendidikan dan Pelatihan sebesar 1
maka akan menambah pengaruh Kinerja sebesar 0.234. 3. Koefisien Motivasi X2 sebesar 0.310, menunjukkan bahwa setiap
penambahan karena tanda + Motivasi sebesar 1 maka akan menambah pengaruh Kinerja sebesar 0.310.
4. Koefisien Fasilitas X3 sebesar 0.226, menunjukkan bahwa setiap penambahan karena tanda + Fasilitas sebesar 1 maka akan menambah
pengaruh Kinerja sebesar 0.234.
4.6 Uji Signifikan Simultan Uji Statistik F
Berdasarkan hasil output SPSS nampak bahwa pengaruh secara simultan variabel independen tersebut Pendidikan dan Pelatihan, Motivasi, dan Fasilitas
terhadap Kinerja seperti ditunjukkan pada Tabel 4.14 sebagai berikut:
68
Tabel 4.14 Hasil Regresi untuk Uji F Simultan
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
618.546 3
206.182 88.353
.000
a
Residual 214.694
92 2.334
Total 833.240
95 a. Predictors: Constant, Fasilitas, Pendidikan dan Pelatihan, Motiasi
b. Dependent Variable: Kinerja
Dari hasil perhitungan diperoleh nilai F hitung sebesar 88,353 yang lebih besar dari F tabel sebesar 2,703594 dan nilai signifikan sebesar 0,000. Karena
nilai signifikan lebih kecil dari 0,05 atau 5 maka model layak goodness of fit. Yang artinya H0 ditolak dan Ha diterima sehingga terdapat pengaruh yang
signifikan secara simultan dari Pendidikan dan Pelatihan, Motivasi, dan Fasilitas terhadap Kinerja.
4.7 Koefisien Determinasi
�
�
Uji koefisien determinasi digunakan untuk menguji goodness of fit dari model regresi. Berdasarkan hasil output SPSS besarnya nilai adjusted R square
dapat dilihat pada Tabel 4.16 sebagai berikut:
Tabel 4.16 Uji Koefisien Determinasi
�
�
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.862
a
.742 .734
1.52762 a. Predictors: Constant, Fasilitas, Pendidikan dan Pelatihan, Motiasi
b. Dependent Variable: Kinerja
69
Dilihat dari Tabel 4.16, nilai koefisien determinasi adjusted R square sebesar 0,734 atau 73,4. Hal ini berarti 73,4 variasi Kinerja bisa dijelaskan
oleh variasi dari variabel independen yaitu Pendidikan dan Pelatihan, Motiasi, dan Fasilitas. Sedangkan sisanya sebesar 26,6 dijelaskan oleh sebab-sebab lain
diluar model regresi, seperti: disiplin kerja, komitmen, promosi, dan kesejahteraan. Standard Error of Estimate SEE sebesar 1,52762. Makin kecil
nilai SEE akan membuat model regresi semakin tepat dalam memprediksi variabel dependen.
4.8 Uji Signifikan Parsial Uji Statistik t
