menunjukkan bahwa sebagian besar karyawan menyatakan selalu teliti dalam melaksanaakn dan menyelesaikan pekerjaan sesuai dengan batas
waktu yang telah ditentukan.
6
Pada pertanyaan keenam waktu yang diberikan dalam melaksanakan pekerjaan kepada saya sudah sesuai, tidak terdapat responden yang
menyatakan sangat tidak setuju dan tidak setuju, 5 orang responden 6,8 yang menyatakan kurang setuju, 29 responden 39,7 yang menyatakan
setuju, dan 39 responden 53,4 menyatakan sangat setuju. Hal ini menunjukkan bahwa sebagian besar karyawan menyatakan waktu yang
diberikan dalam melaksanakan pekerjaan kepada karyawan sudah sesuai.
4.2.2 Analisis Statistik Penelitian
4.2.2.1 Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk melihat apakah suatu model layak atau tidak layak digunakan dalam penelitian. Uji asumsi klasik yang digunakan dalam
penelitian ini adalah sebagai berikut :
1. Uji Normalitas
Tujuan normalitas adalah untuk menguji apakah dalam model regresi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data
dengan bentuk lonceng. Jika asumsi ini dilanggar maka uji statistik menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau
tidak, yaitu dengan pendekatan grafik dan pendekatan kolmogorv- Smirnow.Dengan menggunakan tingkat signifikansi 5 0,05 maka Asymp,sig
2-tailed diatas nilai signifikansi 5 0,05 artinya variiabel residual berdistribusi normal.
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara dua observasi
dengan distribusi yang mendekati distribusi yang mendekati distribusi normal.
a. Pendekatan Histogram
Gambar 4.2 : Histogram Uji Normalitas Sumber : Hasil Pengolahan SPSS 2015
Pada Gambar 4.2 terlihat bahwa residual data berdistribusi normal, hal ini ditunjukan oleh distribusi data yang berbentuk lonceng dan tidak melenceng ke
kiri atau ke kanan.
b. Pendekatan Grafik
Gambar 4.3 : Histogram Uji Normalitas Sumber : Hasil Pengolahan SPSS 2015
Pada Gambar 4.3 Normal P-P Plot terlihat titik-titik yang mengikuti data disepanjang garis normal, hal ini berarti residual data berdistribusi normal.
c. Pendekatan Kolmogorov-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Pengujuian normalitas yang
didasarkan dengan uji statistik Non-parametik Kolmogorov-Smirnov dapat dilihat pada Tabel 4.6 berikut ini :
Tabel 4.9 Hasil Uji Normalitas Pendekatan
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
73 Normal Parameters
a,b
Mean .00
Std. Deviation 2.218
Most Extreme Differences Absolute
.110 Positive
.110 Negative
-.083 Kolmogorov-Smirnov Z
.943 Asymp. Sig. 2-tailed
.336 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Pengolahan SPSS 2015
Pada Tabel 4.9 Terlihat bahwa nilai Asymp.sig 2 tailed adalah 0,336 dan nilai signifikan 0,05, karena nilai Asymp.sig 2 tailed di atas 0,05 yaitu 0,336
hal ini berarti menunjukan bahwa residual data berdistribusi normal.
2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu residual pengamatan ke pengamatan lain. Jika
varians dari residual satu pengamatan kepengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedestisitas. Model regresi
yang baik adalah yang homoskedestisitas atau tidak terjadi heteroskedestisitas.
Untuk mengatasi kelemahan pengujian dengan grafik dapat menggunakan pendekatan statistik dengan uji glejser, heteroskedestisitas tidak akan terjadi
apabila tidak satupun varaibel independen signifikan secara statistik mempengaruhi variabel independen signifikan secara statistik mempengaruhi
varaibel dpenden nilai absolute Ut absUt. Jika probabilitas signifikan diatas tingkat kepercayaan 5 dapat disimpulkan model regresi tidak mengarah pada
heteroskedastisitas. Beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas 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 heteroskedastisitas ,
sedangkan jika ada pola tertentu, seperti titik-titik, yang membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedestis.
Gambar 4.4 : Scatter Plot Uji Hetoroskedestisitas
Sumber : Hasil Pengolahan SPSS 2015
Pada Gambar 4.4 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 heteroskedestisitas pada model regresi, sehingga model regresi layak dipakai
untuk memprediksi kinerja karyawan berdasarkan masukan variabel komunikasi., pengetahuan dan sikap.
b. Metode Pendekatan Statistik Uji Glejer
Tabel 4.10 Hasil Uji Glejer Heteroskedetisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 3.427
1.313 2.611
.011 Pengetahuan
.085 .088
.124 .959
.341 Komunikasi
-.064 .048
-.191 -1.349
.182 Sikap
-.046 .032
-.188 -1.464
.148 a. Dependent Variable: absout
Sumber : Hasil Pengolahan SPSS 2015
Pada Tebel 4.7 terlihat varaibel Independent komunikasi, pengetahuan dan sikap yang tidak signifikan secara statistik mempengaruhi variabel dependent
absolute Ut AbsUt. Hal ini terlihat dari probabilitas X
1
0,182 dan X
2
0,341 dan 0.148 diatas tingkat kepercayaan 5 0,05, jadi disimpulkan model regresi
tidak mengarah adanya heteroskedestisitas.
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 di antara variabel independen. Adanya multikolinieritas dapat dilihat dari tolerance value atau nilai variance inflation
faktor VIF. Kedua ukuran ini menunjukan 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 tidak terjadi multikolineritas.
Berikut ini disajikan cara medeteksi multikolinieritas dengan menganalisis matrik korelasi antar variabel independen dan perhitungan nilai tolerance dan
varianace inflation factor VIF.
Tabel 4.11 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
5.756 3.142
1.832 .071
pengetahuan .528
.225 .262
2.342 .022
.718 1.393
komunikasi .203
.075 .279
2.691 .009
.836 1.197
Sikap .384
.174 .264
2.209 .030
.629 1.589
a. Dependent Variable: kinerja
Sumber : Hasil Pengolahan SPSS 2015
Berdasarkan Tabel 4.11 dapat dilihat bahwa : 1. Nilai VIF dari nilai komunikasi, pengetahuan, dan sikap lebih kecil atau
dibawah 5 VIF5 yaitu X
1
1,197 X
2
1,393 dan X
3
1,589, ini berarti tidak terkena multikolinieritas antara variabel independen dalam model regresi.
2. Nilai Tolerance dari komunikasi, pengetahuan, sikap lebih besar dari 0,1 yaitu X
1
0,836, X
2
0,718 dan X
3
0,629 ini bearti tidak terdapat multikolinieritas antar variabel independen dalam model regresi,
4.2.2.2 Analisis Regresi Linear Berganda
Analisis regresi linier berganda dilakukan dengan bantuan SPSS versi 20 for windowsdengan tujuan untuk mengetahui seberapa besar pengaruh variabel
bebas yang terdiri dari komunikasi X
1
, pengetahuan X
2
, sikap X
3
terhadap kinerja karyawanY sebagai variabel terikat. Persamaan regresi linier berganda
yang digunakan adalah : Y= a+b
1
X
1
+b
2
X
2
+b
3
X
3
+e Dimana :
Y = Kinerja karyawan
a = Konstanta
b
1,
b
2
= Koefisien regresi X
1
=Variabel komunikasi X
2
= Variabel Pengetahuan X
3
= Variabel sikap e
= Standar error berdasarkan pengujian menggunakan SPSS versi 20 for windows, maka
hasil persamaan regresi linier berganda dapat dilihat pada Tabel 4.11
Tabel 4.12 Hasil Regresi Linier Berganda
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 5.756
3.142 1.832
.071 Komunikasi
.203 .075
.279 2.691
.009 Pengetahuan
.528 .225
.262 2.342
.022 Sikap
.384 .174
.264 2.209
.030 a. Dependent Variable: kinerja
Sumber : Hasil Pengolahan SPSS 2015
Berdasarkan Tabel 4.12 diketahui kolom kedua Unstandardized Coefficients bagian B diperoleh nilai b
1
variabel komunikasi sebesar 0,203 nilai b
2
variabel pengetahuan sebesar 0,528, nilai b
3
variabel sikap sebesar 0,384 dan nilai konstanta a adalah 5,756 maka diperoleh persamaan regresi linier berganda
sebagai berikut :
Y= 5,756+ 0,203X
1
+ 0,528X2+0,384X
3
+e 1.
Konstanta a = 5,756ini mempunyai arti bahwa apabila variabel komunikasi, pengetahuan dan sikap dianggap konstan maka tingkat
variabel kinerja karyawan Y pada Politeknik Unggul LP3M sudah ada sebesar 5,756.
2. koefisien b
1
X
1
= 0,203 berarti bahwa variabel komunikasi mempunyai pengaruh yang positif terhadap kinerja karyawan pada Politeknik Unggul
LP3M. Apabila terjadi kenaikan variabel komunikasi, dengan menganggap faktor lain tetap maka akan meningkatkan kinerja karyawan.
3. Koefisien b
2
X
2
= 0,528, berarti bahwa variabel pengetahuan mempunyai pengaruh yang positif terhadap kinerja karyawan pada Politeknik Unggul
LP3M. Apabila terjadi kenaikan variabel pengetahuan, dengan menganggap faktor lain tetap maka akan meningkatkan kinerja karyawan.
4. Koefisien b
2
X
2
= 0,384, berarti bahwa variabel sikap mempunyai pengaruh yang positif terhadap kinerja karyawan pada Politeknik Unggul
LP3M. Apabila terjadi kenaikan variabel pengetahuan, dengan menganggap faktor lain tetap maka akan meningkatkan kinerja karyawan.
4.3 Pengujian Hipotesis
4.3.1 Uji Signifikansi Simultan Uji-F
