Uji Deskriptif Demografi Responden Analisis Regresi Linear Berganda

40 Variabel bebas mengalami multikolinearitas jika a hitung a dan VIF hitung VIF. Variabel bebas tidak mengalami multikolinearitas jika a hitung a dan VIF hitung VIF. Cara kedua untuk melihat ada tidaknya multikolinearitas dengan melihat keeratan hubungan antara dua variabel penjelas atau yang lebih dikenal dengan istilah korelasi. Untuk menentukan apakah hubungan antara dua variabel bebas memiliki maslalah multikolinearitas adalah dengan melihat nilai signifikansi 2-tailed, jika nilainya lebih kecil dari 0,05 maka diindikasikan mengalamai gejala multikolinearitas yang serius.

b. Uji Heteroskedastisitas

Dalam persamaan regresi berganda perlu juga diuiji mengenai sama atau tidak varians dari residual dari observasi yang satu dengan observasi yang lain. Jika residualnya mempunyai varians yang sama, disebut terjadi homoskedastisitas, dan jika variansnya tidak sama berbeda disebut terjadi heteroskedastisitas. Analisis uji heteroskedastisitas hasil output SPSS melalui grafik scatterplot antar Z prediction ZPRED yang merupakan variabel bebas sumbu X=Y prediksi dan nilai residulanya SRESID merupakan variabel terikat sumbu Y = Y prediksi –Y rill. 41 Homoskedastisitas terjadi jika pada scatterplot titik-titik hasil pengolahan data antara ZPRED dan SRESID menyebar di bawah ataupun di atas titik origin angka 0 pada sumbu Y tidak mempunyai pola yang teratur.Heteroskedastisitas terjadi jika pada scatterplot titik-titikya mempunyai pola yang teratur, baik menyempit, melebar maupun bergelombang-bergelombang. Pada uji heterokedastisitas tidak hanya berpatok pada gambar scatterplots, tetapi juga dapat diketahui dengan uji Glejser. Pada uji Glejser ini dengan melihat pada tingkat signifikansi jika lebih kecil dari 0,05 maka mengalami heterokedastisitas, ataupun sebaliknya.

c. Uji Normalitas

Uji asumsi ini akan mengujji data variabel bebas X dan data variabel terikat Y pada persamaan regresi yang dihasilkan, apakah berdistribusi normal atau berdistribusi tidak normal.Persamaan regresi dikatakan baik jika mempunyai data variabel bebas dan data variabelterikat berdistribusi mendekati normal atau normal sama sekali.Menurut Danang Sunyoto,2011:82.Uji asumsi klasik normalitas dalam hal ini ada dua cara yang dibahas yaitu: 42 1 Cara statistik Dalam menguji data variabel bebas dan data variabel terikat berdistribusi normal atau tidak pada cara statistik ini melalui nilai kemiringan kurva skewness = a3 atau nilai keruncingan kurva kurtosis = a4 diperbandingkan dengan nilai Z tabel. 2 Cara grafik histogram dan normal probability plots Cara grafik histogram dalam menentukan suatu data berdistribusi normal atau tidak cukup membandngkan antara data rillnyata dengan garis kurva yang terbentuk, apakah mendekati normal atau memang normal sama sekali.Jika dara rill membentuk garis kurva cenderung tidak simetri terhadap mean U maka dapat dikatakan data berdistribusi tidak normal, dan sebaliknya. Cara normal probability plot lebih andal daripada cara grafik histogram karena cara ini membandingkan data rill dengan data distribusi normal otomatis oleh komputer secara komulatif. Suatu data dikatakan berdistribusi normal jika garis data rill mengikuti garis diagonalDanang Sunyoto, 2011:82. 43 Pada uji normalitas tidak hanya dapat dilhat pada gambar normal p-p plot tapi juga dapat dilihat pada pengujian Smirnov Kolmogrov, apakah dari masing-masing variabel berdistribusi normal atau tidak. Lalu intepretasinya adalah bahwa jika nilainya di atas 0,05 maka distribusi data dinyatakan memenuhi asumsi normalitas, dan jika nilainya di bawah 0,05 maka diinterpretasikan sebagai tidak normal. d. Uji Autokorelasi Persamaan regresi yang baik adalah yag tidak memiliki masalah autokorelasi. Jika terjadi autokorelasi maka persamaan tersebut menjadi tidak baik atau tidak layak dipakai prediksi. Masalah autokorelasi baru timbul jika ada korelasi secara linear antara kesalahan penganggu periode t berada dan kesalahan penganggu periode t-1 sebelumnya. Menurut Danang Sunyoto,2011:91 Salah satu ukuran dalam menentukan ada tidaknya masalah autokorelasi dengan uji Durbin-Watson DW, dengan ketentuan sebagai berikut 1 Terjadi autokorelasi positif jika nilai DW di bawah -2 DW -2 2 Jika terjadi autokorelasi jika nilai DW berada di antara -2 dan +2 atau -2 DW +2 3 Terjadi autokorelasi negatif jika nilai DW di atas +2 atau DW +2. 44 Atau dengan melihat uji autokorelasi dengan cara sebagai berikut: 1 Jika d dl maka terdapat autokorelasi positif 2 Jika d du maka tidak terdapat autokorelasi positif 3 Jika dl d du maka pengujian tidak menyakinkan atau tidak dapat disimpulkan. 4 Jika 4-d dl maka terdapat autokorelasi negatif 5 Jika 4-d du maka tidak terdapat autokorelasi negatif 6 Jika dl 4-d du maka pengujian tidak menyakinkan atau tidak dapat disimpulkan. 7 Jika d lebih kecil dari dL atau lebih besar dari 4-dL maka terdapat autokorelasi. 8 Jika d terletak antara dU dan 4-dU, maka tidak ada autokorelasi. 9 Jika d terletak antara dL dan dU atau diantara 4-dU dan 4- dL, maka tidak menghasilkan kesimpulan yang pasti.

4. Analisis Regresi Linear Berganda

Analisis ini digunakan untuk mengetahui seberapa besar pengaruh variabel bebas yaitu: komunikasi X1, imbalan X2, dan hukuman X3 terhadap variabel terikatnya yaitu kinerja karyawanY. Persamaan regresi linier berganda adalah sebagai berikut Danang Sunyoto,2011:9. Y = a + b1X1 + b2X2 + b3X3 + e 45 Dimana: Y = Variabel dependen a =Konstanta b1, b2, b3=Koefisien garis regresi X1, X2, X3=Variabel independen e = error variabel pengganggu

5. Pengujian Hipotesis

a. Uji Koefisien Determinasi R²

Koefisien determinasi R² pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat Ghozali, 2013:97.Nilai koefisien determinasi adalah antara nol dan satu.Nilai R² yang kecil berarti kemampuan variabel-variabel bebas komunikasi, imbalan dan hukuman dalam menjelaskan variasi variabel terikat kinerja karyawan amat terbatas. Begitu pula sebaliknya, nilai yang mendekati satu berarti variabel-variabel bebas memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel terikat.Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel bebas yang dimasukkan kedalam model. 46 Setiap tambahan satu variabel bebas, maka R² pasti meningkat tidak perduli apakah variabel tersebutberpengaruh secara signifikan terhadap variabel terikat. Oleh karena itu, banyak peneliti menganjurkan untuk menggunakan nilai Adjusted R² pada saat mengevaluasi mana model regresi yang terbaik.Tidak seperti R², nilai Adjusted R² dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model.

b. Uji Signifikansi Pengaruh Parsial Uji t

Uji t digunakan untuk menguji signifikansi hubungan antara variabel X dan Y, apakah variabel X1, X2, dan X3 komunikasi, imbalan dan hukuman benar-benar berpengaruh terhadap variabel Y kinerja karyawan secara terpisah atau parsial Ghozali, 2013:101. Hipotesis yang digunakan dalam pengujian ini adalah: Ho: Variabel-variabel bebas Komunikasi, Imbalan dan Hukuman tidak mempunyai pengaruh yang signifikan terhadap variabel terikat kinerja karyawan. Ha: Variabel-variabel bebas Komunikasi, Imbalan dan Hukuman mempunyai pengaruh yang signifikan terhadap variabel terikat kinerja karyawan. Dasar pengambilan keputusan Ghozali, 2013:101 adalah dengan menggunakan angka probabilitas signifikansi, yaitu: 47 1 Apabila angka probabilitas signifikansi 0,05, maka Ho diterima dan Ha ditolak. 2 Apabila angka probabilitas signifikansi 0,05, maka Ho ditolak dan Ha diterima.

c. Uji Signifikasi Pengaruh Simultan Uji F

Dalam penelitian ini, uji F digunakan untuk mengetahui tingkat siginifikansi pengaruh variabel-variabel independen secara bersama-sama simultan terhadap variabel dependen Ghozali,2013:98. Dalam penelitian ini, hipotesis yang digunakan adalah: Ho: Variabel-variabel bebas yaitu komunikasi, imbalan dan hukuman tidak mempunyai pengaruh yang signifikan secara bersama-sama terhadap variabel terikatnya yaitu kinerja karyawan. Ha: Variabel-variabel bebas yaitu Komunikasi, Imbalan dan Hukuman mempunyai pengaruh yang signifikan secara bersama- sama terhadap variabel terikatnya yaitu kinerja karyawan. Dasar pengambilan keputusannya Ghozali, 2013:98 adalah denganmenggunakan angka probabilitas signifikansi, yaitu: 1 Apabila probabilitas signifikansi 0.05, maka Ho diterima dan Ha ditolak. 2 Apabila probabilitas signifikansi 0.05, maka Ho ditolak dan Ha diterima. 48

E. Operasional Variabel Penelitian

Sugiono 2005:2 Variabel penelitian adalah suatu hal yang berbentuk apa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi, kemudian ditarik kesimpulannya. Operasional variabel penelitian adalah sebuah konsep yang mempunyai penjabaran dari variabel yang ditetapkan dalam suatu penelitian dan dimaksudkan untuk memastikan agar variabel yang diteliti secara jelas dapat ditetapkan indikatornya.

1. Variabel yang digunakan dalam penelitian ini a.

Variabel Terikat Variabel terikat merupakan variabel yangdipengaruhi atau yang menjadi akibat karena adanya variabel bebas, yang menjadi variabel terikat dalam penelitian ini adalah : 1 Kinerja karyawan Dessler, 2011:7 mendefnisikan kinerja sebagai prestasi kerja yakni perbandingan antara hasil kerja yang secara nyata dengan standar kerja yang ditetapkan. Pengukurannya menggunakan Dessler, 2011:7 yaitu: a Kualitas b Produktifitas c Pengetahuan mengenai pekerjaan d Keterpercayaan e Ketersediaan 49 f Kebebasan

b. Variabel Bebas

Variabel bebas adalah variabel yang menjadi sebab perubahan atau timbulnya variabel terikat, variabel bebas dalam penelitian ini adalah: 1 Komunikasi Menurut De Vito 1997 dalam Fatma Wardy Lubis 2008:3, jaringan komunikasi adalah saluran yang digunakan untukmeneruskan pesan dari satu orang ke orang lain dalam organisasi.Jaringan organisasi ini berbeda besar dan strukturnya pada masing-masing organisasi, dan biasanya disesuaikan dengan kepentingan dan tujuan organisasi tersebut. Secara umum jaringan komunikasi dapat dibedakan atas dua bagian yaitu: a Jaringan komunikasi formal  Komunikasi kebawah  Komunikasi keatas  Komunikasi horizontal b Jaringan komunikasi Informal 2 Imbalan Menurut Matteson dalam Kuncoro, 2009:2 imbalan dibagi menjadi dua jenis yaitu: