Revisi Ujian Tesis Bab 4 5
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1. Gambaran Umum Perusahaan
Pada bagian ini akan dijelaskan mengenai data-data deskriptif yang diperoleh dari responden. Data deskriptif penelitian disajikan agar dapat dilihat profil dari data penelitian dan hubungan yang ada antar variabel yang digunakan dalam penelitian (Hair et al, 1995). Data deskriptif yang menggambarkan keadaan atau kondisi responden perlu diperhatikan sebagai informasi tambahan untuk memahami hasil-hasil penelitian. Responden dalam penelitian ini adalah tenaga penjual BESS Finance se Jawa Tengah sejumlah 124 tenaga penjual. Tenaga penjual yang berpartisipasi dalam penelitian ini selanjutnya dapat diperinci berdasarkan jenis kelamin. Pendidikan terakhir, usia, dan masa kerja sebagai tenaga penjual. Ketiga aspek demografi tersebut mempunyai peran penting di dalam menilai kinerja tenaga penjual BESS Finance se Jawa Tengah.
4.1.1. Responden Menurut Jenis Kelamin
Komposisi responden berdasarkan aspek jenis kelamin dapat dilihat pada Tabel 4.1. dibawah ini:
(2)
Tabel 4.1
Responden Menurut Jenis Kelamin
Jenis Kelamin Frekuensi Presentase
Pria 82 66,13
Wanita 42 33,87
Jumlah 124 100
Sumber : data primer, diolah, 2011
Berdasarkan tabel 4.1. di atas nampak bahwa responden pria merupakan responden mayoritas yaitu 82 responden atau 66,13% dari total 124 responden yang berpartisipasi dalam penelitian ini. Hal ini mengindikasikan bahwa tenaga penjual BESS Finance se Jawa Tengah mayoritas adalah pria, hal ini dikarenakan profesi sebagai tenaga penjual menuntut adanya mobilitas yang tinggi.
4.1.2. Responden Menurut Pendidikan Terakhir
Komposisi responden berdasarkan aspek pendidikan terakhir dapat dilihat pada tabel 4.2.
Tabel 4.2.
Responden Menurut Pendidikan Terakhir
Pendidikan
Terakhir Frekuensi Presentase
Lulusan SMU 2 1,61
Lulusan di atas
SMU 122 98,39
Jumlah 124 100
Sumber : data primer, diolah, 2011
Berdasarkan Tabel 4.2. di atas nampak bahwa responden lulusan di atas SMU merupakan responden mayoritas yaitu 122 atau 98,39% dari total 124
(3)
responden yang berpartisipasi dalam penelitian ini. Hal ini mengindikasikan bahwa tenaga penjual BESS Finance se Jawa Tengah mayoritas adalah lulusan di atas SMA, hal ini dikarenakan profesi sebagai tenaga penjual menuntut adanya skill yang tinggi sehingga diperlukan individu dengan jenjang pendidikan yang tinggi karena hal akan mempermudah pembelajaran dari individu tersebut dalam menyerap ilmu yang baru dan dengan basic pendidikan yang tinggi maka individu tersebut mempunyai logika berpikir yang lebih terstruktur.
4.1.3. Responden Menurut Usia
Berdasarkan data primer yang dikumpulkan melalui penyebaran kuesioner, diperoleh profil responden menurut usia sebagaimana nampak dalam tabel 4.3.
Tabel 4.3.
Responden Menurut Usia
Usia (Tahun) Frekuensi Presentase
< 30 20 16,13
31-40 80 64,52
>41 24 19,36
Jumlah 124 100
Sumber : data primer, diolah, 2011
Berdasarkan Tabel 4.3. di atas nampak bahwa responden berusia antara 31-40 tahun adalah yang terbesar yaitu 80 responden atau 64,52% dari total 124 responden yang berpartisipasi dalam penelitian ini. Hal ini mengindikasikan bahwa tenaga penjual BESS se Jawa Tengah mayoritas berusia antara 31-40 tahun, hal ini mengindikasikan bahwa tenaga penjual BESS se Jawa tengah berada dalam usia yang produktif sehingga kemampuannya sangat baik karena
(4)
4.1.4. Responden Menurut Masa Kerja
Berdasarkan data primer yang dikumpulkan melalui penyebaran kuesioner, diperoleh profil responden menurut masa kerja sebagaimana nampak dalam tabel 4.4.
Tabel 4.4.
Responden Menurut Masa Kerja
Masa Kerja (Tahun) Frekuensi Presentase
< 3 27 20,45
3 – 10 71 53,79
> 10 34 25,76
Jumlah 124 100
Sumber : data primer, diolah, 2011
Berdasarkan Tabe1 4.4. di atas nampak bahwa responden dengan masa kerja antara 3-10 tahun adalah yang terbesar yaitu 71 responden atau 53,79% dari total 124 responden yang berpartisipasi dalam penelitian ini. Hal ini mengindikasikan bahwa tenaga penjual BESS Finance mayoritas mempunyai pengalaman kerja di atas 3 tahun dan dibawah 8 tahun, hal ini mengindikasikan bahwa masa kerja tenaga penjual BESS Finance mempunyai pengalaman kerja yang cukup lama namun masih dalam kategori usia produktif sehingga kemampuannya masih dapat ditingkatkan.
4.2. Deskripsi Variabel
Dalam deskripsi variabel ini dimaksudkan untuk menganalisis data berdasarkan atas hasil yang diperoleh dari jawaban, responden terhadap
(5)
masing-Tabel 4.5. Deskripsi Variabel Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
KOMPETENSI 124 20.00 40.00 31.7899 4.7345
CERDAS 124 12.00 30.00 23.1884 3.7931
KINERJA 124 11.00 30.00 22.7029 4.1670
Valid N (listwise)
Sumber : Data Primer yang diolah, 2011
Dari Tabel 4.5. tersebut dapat dijelaskan sebagai berikut :
a. Rata-rata skor jawaban untuk variabel kerja cerdas diperoleh sebesar 31,7899 dan standar deviasi sebesar 4,7345, Dengan demikian hal ini menunjukkan adanya kerja cerdas yang tinggi dari responden (tenaga penjual) BESS Finance, dimana nilai rata-rata sebesar 31,7899 lebih mendekati nilai maksimumnya yaitu sebesar 40. Standar deviasi yang lebih kecil dari nilai rata-rata menunjukkan adanya penyimpangan data yang rendah sehingga penyebaran datanya normal.
b. Rata-rata skor jawaban untuk variabel kerja keras diperoleh sebesar 23,1884 dan standar deviasi sebesar 3,7931. Dengan demikian hal ini menunjukkan adanya kerja keras yang tinggi dari responden (tenaga penjual) BESS Finance. dimana nilai rata-rata sebesar 23,1884 lebih mendekati nilai maksimumnya yaitu sebesar 30. Standar deviasi yang lebih kecil dari nilai rata-rata menunjukkan adanya penyimpangan data yang rendah sehingga
(6)
c. Rata-rata skor jawaban untuk variabel kinerja tenaga penjual diperoleh sebesar 22,7029 dan standar deviasi sebesar 4.1670. Dengan demikian hal ini menunjukkan adanya kinerja yang tinggi dari responden (tenaga penjual) BESS Finance, dimana nilai rata-rata sebesar 22,7029 lebih mendekati nilai maksimumnya yaitu sebesar 30. Standar deviasi yang lebih kecil dari nilai rata-rata menunjukkan adanya penyimpangan data yang rendah sehingga penyebaran datanya normal.
4.3 Uji Validitas dan Reliabilitas 4.3.1. Uji Validitas
Uji validitas digunakan untuk menguji sejauh mana ketepatan alat ukur dapat mengungkapkan konsep gejala/kejadian yang diukur. Pengujian validitas dilakukan dengan menggunakan rumus product moment.
Pengujian validitas selengkapnya dapat dilihat pada tabel berikut ini.
Tabel 4.6
Hasil Pengujian Validitas
No Variabel / Indikator Corrected
Item Correlation
r tabel Ket
1 Kompetensi Tenaga Penjual - Indikator 1
- Indikator 2 - Indikator 3 - Indikator 4 - Indikator 5
0,696 0,728 0,785 0,497 0,533 0,197 0,197 0,197 0,197 0,197 Valid Valid Valid Valid Valid 2 Kerja Cerdas
- Indikator 6 - Indikator 7 - Indikator 8 - Indikator 9 - Indikator 10
0,407 0,828 0,766 0,813 0,540 0,197 0,197 0,197 0,197 0,197 Valid Valid Valid Valid Valid
(7)
3 Kinerja Tenaga Penjual - Indikator 11
- Indikator 12 - Indikator 13 - Indikator 14 - Indikator 15
0,838 0,853 0,868 0,884 0,448
0,197 0,197 0,197 0,197 0,197
Valid Valid Valid Valid Valid Sumber : Data primer yang diolah, 2011
Dari tabel 4.6 dapat diperoleh bahwa semua indikator yang digunakan untuk mengukur semua variabel mempunyai koefisien korelasi yang lebih besar dari rtable untuk n = 124 yaitu 0,197. Sehingga semua indikator dari
variabel-variabel tersebut adalah valid.
4.3.2. Uji Reliabilitas
Uji reliabilitas digunakan untuk menguji sejauh mana keandalan suatu alat pengukur untuk dapat digunakan lagi untuk penelitian yang sama. Pengujian reliabilitas dalam penelitian ini adalah dengan menggunakan rumus Cronbach’s Alpha. Hasil pengujian reliabilitas untuk masing-masing variabel yang diringkas pada tabel 4.7 berikut ini.
Tabel 4.7
Hasil Pengujian Reliabilitas
Variabel Cronbach’s
Alpha
Keterangan
Kompetensi Tenaga Penjual 0,662 Reliabel
Kerja Cerdas 0,704 Reliabel
Kinerja Tenaga Penjual 0,831 Reliabel
Sumber : Data primer yang diolah, 2011
Dari hasil tersebut menunjukkan bahwa semua variabel mempunyai koefisien Cornbach’s Alpha yang cukup besar yaitu diatas 0,60 sehingga dapat dikatakan semua konsep pengukur variabel-variabel yang digunakan dalam
(8)
penelitian ini adalah reliabel. Untuk selanjutnya item-item pada masing-masing konsep variabel tersebut layak digunakan sebagai alat ukur dalam pengujian statistik.
4.4. Hasil Analisis
Sebelum dilakukan pengujian hipotesis yang diajukan dalam penelitian ini perlu dilakukan pengujian asumsi klasik terlebih dahulu yang meliputi: normalitas data, multikolinearitas, dan heteroskedastisitas yang dilakukan sebagai berikut:
4.4.1. Normalitas Data
Untuk menentukan normalitas data dengan uji Kolmogorov-Smirnov, nilai signifikansi harus di atas 5% (Santoso, 2004). Pengujian terhadap normalitas data dengan menggunakan uji Kolmogorov Smirnov menunjukkan semua variabel yang nilai signifikansinya di atas 5%. Dengan demikian semua variabel penelitian yang digunakan terdistribusi normal. Untuk lebih jelasnya dapat dilihat pada tabel 4.8 berikut ini :
(9)
Tabel 4.8
Kolmogorov-Smirnov Univariate
One-Sample Kolmogorov-Smirnov Test
124 124 124
7,2242 7,3903 7,5306 ,91014 1,00109 1,13740 ,090 ,123 ,075 ,090 ,075 ,050 -,064 -,123 -,075 1,000 1,373 ,838 ,270 ,146 ,484 N
Mean
Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Kompetensi KerjaCerdas Kinerja
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Output SPSS
Sampel hasil pada tabel 4.7 tersebut nampak bahwa variabel-variabel kompetensi tenaga penjual, kerja cerdas, dan kinerja tenaga penjual terdistribusi normal, dimana rasio kolmogorov-smirnov lebih besar dari 0,05 sebagai berikut : 0,270; 0,146 dan 0,484. Uji normalitas multivariate dapat dijelaskan sebagai berikut:
One-Sample Kolmogorov-Smirnov Test
124 ,0000000 ,91560157 ,043 ,043 -,035 ,479 ,976 N
Mean
Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
(10)
4.4.2. Uji Multikoliniearitas
Untuk mendeteksi ada tidaknya gejala multikoliniearitas antar variabel independen digunakan variance inflation factor (VIF). Berdasar hasil penelitian pada output SPSS versi 11.5, maka besarnya VIF dari masing-masing variabel independen dapat dilihat pada tabel 4.9 sebagai berikut:
Tabel 4.9
Hasil Uji Multikoliniearitas
Coefficientsa
,867 1,154 ,867 1,154 Kompetensi
KerjaCerdas Model
1 Tolerance VIF
Collinearity Statistics
Dependent Variable: Kinerja a.
Sumber: Output SPSS
Jika VIF lebih besar dari 5, maka antar variabel-variabel independen terjadi persoalan multikolinearitas (Santoso, 2004). Berdasarkan Tabel 4.9 tidak terdapat variabel independen yang mempunyai nilai VIF > 5, artinya kedua variabel independen tersebut tidak terdapat hubungan multikolinieritas dan dapat digunakan untuk memprediksi kinerja tenaga penjual BESS
Finance.
Collinearity Diagnosticsa
2,982 1,000 ,00 ,00 ,00
,011 16,643 ,03 ,45 ,87
,007 19,963 ,97 ,55 ,13
Dimension 1
2 3 Model 1
Eigenvalue
Condition
Index (Constant) Kompetensi KerjaCerdas Variance Proportions
Dependent Variable: Kinerja a.
(11)
4.4.3. Uji Heteroskedastisitas
Uji Glejser test digunakan untuk mendeteksi ada tidaknya heteroskedastisitas. Glejser menyarankan untuk meregresi nilai absolut dari ei terhadap variabel X (variabel bebas) yang diperkirakan mempunyai hubungan yang erat dengan δi2 dengan menggunakan rumus perhitungan sebagai berikut:
[ei] = β1 Xi+ vI
dimana:
[ei] merupakan penyimpangan residual; dan Xi merupakan variabel
independen.
Berdasar output SPSS versi 11.5 maka hasil uji heteroskedastisitas dapat ditunjukkan dalam tabel 4.10 sebagai berikut:
Tabel 4.10
Hasil Uji Heteroskedastisitas
Coefficientsa
,775 ,461 1,680 ,095
-,032 ,058 -,054 -,554 ,581 ,026 ,053 ,048 ,490 ,625 (Constant)
Kompetensi KerjaCerdas Model
1
B Std. Error Unstandardized
Coefficients
Beta Standardized
Coefficients
t Sig.
Dependent Variable: RES a.
Sumber: Output SPSS
Hasil perhitungan pada tabel 4.10 tersebut di atas menunjukkan bahwa tidak satupun dari variable-variabel independen kompetensi tenaga penjual dan kerja cerdas yang signifikan mempengaruhi residual absolut, dimana nilai probabilitas signifikansinya lebih besar 5%. Jika probabilitas signifikansinya lebih besar daripada tingkat kepercayaan yang digunakan (α =
(12)
5%), dapat disimpulkan model regresi tidak mengandung heteroskedastisitas (Ghozali, 2001).
4.5. Analisis Regresi dan Pengujian Hipotesis Model 1
Analisis regresi linier digunakan dalam penelitian ini dengan tujuan untuk mengetahui ada tidaknya pengaruh variabel bebas (Imam Ghozali, 2001) yaitu: kompetensi tenaga penjual dan kerja cerdas.
Perhitungan statistik dalam analisis regresi linier yang digunakan dalam penelitian menggunakan bantuan program komputer SPSS for Windows 12.5. Adapun ringkasan hasil pengolahan data dengan menggunakan program SPSS tersebut adalah sebagai berikut :
Tabel 4.11
Ringkasan Hasil Regresi Model 1
Coefficientsa
4,490 ,675 6,651 ,000
,402 ,093 ,365 4,331 ,000 (Constant)
Kompetensi Model
1 B Std. Error
Unstandardized Coefficients
Beta Standardized
Coefficients
t Sig.
Dependent Variable: KerjaCerdas a.
Sumber : Data primer yang diolah, 2011
Persamaan regressi dari hasil output SPSS adalah dapat dijelaskan sebagai berikut:
Kerja Cerdas = 0,365 Kompetensi tenaga penjual
Dari hasil persamaan regresi linier berganda tersebut diatas maka dapat dianalisis sebagai berikut:
(13)
4.5.1. Pengujian Hipotesis Model 1
Pengujian regresi secara parsial dilakukan dengan menggunakan uji t. Pengujian hipotesis secara parsial akan dilakukan dengan menggunakan tingkat signifikansi 5%. Hasil pengujian regresi secara parsial adalah sebagai berikut:
1. Pengujian secara parsial variabel X1 (kompetensi tenaga penjual)
memiliki estimasi t-hitung sebesar 4,331 dengan signifikansi 0,000. Nilai signifikansi yang lebih kecil dari 0,05 dan nilai t-hitung (4,331) yang lebih besar dari t-tabel (1,96) menunjukkan bahwa variabel kompetensi tenaga penjual memberikan pengaruh yang signifikan terhadap kerja cerdas. Arah koefisien regresi positif menunjukkan adanya pengaruh positif kompetensi tenaga penjual terhadap kerja cerdas. Dengan demikian maka Hipotesis 1 diterima.
4.5.2. Pengujian Kelayakan Model (Goodness of Fit) Model 1
Pengujian regresi secara overall dilakukan dengan menggunakan uji F. Pengujian ini dilakukan dengan menggunakan tingkat signifikansi 5%.
Hasil pengujian uji-f yang dilakukan untuk menguji model memiliki estimasi F sebesar 18,756 dengan signifikansi 0,000. Hal ini mengindikasikan bahwa model yang digunakan layak untuk diteliti. Nilai signifikansi yang lebih kecil dari 0,05. Hal ini menunjukkan bahwa model dalam penelitian ini menunjukkan goodness of fit yang baik.
(14)
ANOVAb
16,425 1 16,425 18,756 ,000a
106,843 122 ,876 123,268 123
Regression Residual Total Model 1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Kompetensi a.
Dependent Variable: KerjaCerdas b.
4.5.3. Koefisien Determinasi Model 1
Koefisien determinasi menunjukkan kemampuan variabel bebas dalam menjelaskan variabel terikatnya. Nilai koefisien determinasi ditunjukkan dengan nilai adjustedR2. Hasil penelitian ini memberikan
hasil nilai R2 sebesar 0,126. Hal ini mengindikasikan bahwa 12,6%
kerja cerdas dapat dijelaskan oleh kompetensi tenaga penjual, sedangkan selebihnya 87,4% kerja cerdas dijelaskan oleh variabel lainnya yang tidak termasuk dalam model ini. Hal ini mengindikasikan bahwa kerja cerdas tidak hanya dijelaskan oleh kompetensi tenaga penjual, namun ada variabel lain yang menjelaskan kerja cerdas.
Model Summary
,365a ,133 ,126 ,93582 ,133 18,756 1 122 ,000
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
R Square
Change F Change df1 df2 Sig. F Change Change Statistics
Predictors: (Constant), Kompetensi a.
(15)
4.6. Analisis Regresi dan Pengujian Hipotesis Model 2
Analisis regresi linier digunakan dalam penelitian ini dengan tujuan untuk mengetahui ada tidaknya pengaruh variabel bebas (Imam Ghozali, 2001) yaitu: kompetensi tenaga penjual dan kerja cerdas.
Perhitungan statistik dalam analisis regresi linier yang digunakan dalam penelitian menggunakan bantuan program komputer SPSS for Windows 12.5.
Adapun ringkasan hasil pengolahan data dengan menggunakan program SPSS tersebut adalah sebagai berikut :
Tabel 4.12
Ringkasan Hasil Regresi Model 2
Coefficientsa
1,650 ,777 2,123 ,036
,235 ,098 ,188 2,391 ,018 ,566 ,089 ,498 6,339 ,000 (Constant)
Kompetensi KerjaCerdas Model
1
B Std. Error Unstandardized
Coefficients
Beta Standardized
Coefficients
t Sig.
Dependent Variable: Kinerja a.
Sumber : Data primer yang diolah, 2011
Persamaan regressi dari hasil output SPSS adalah dapat dijelaskan sebagai berikut:
Kinerja Tenaga Penjual = 0,188 Kompetensi tenaga penjual + 0,498 Kerja Cerdas
Dari hasil persamaan regresi linier berganda tersebut diatas maka dapat dianalisis sebagai berikut:
4.6.1. Pengujian Hipotesis Kedua
(16)
menggunakan tingkat signifikansi 5%. Hasil pengujian regresi secara parsial adalah sebagai berikut:
1. Pengujian secara parsial variabel X1 (kompetensi tenaga penjual)
memiliki estimasi t-hitung sebesar 2,391 dengan signifikansi 0,018. Nilai signifikansi yang lebih kecil dari 0,05 dan nilai t-hitung (2,391) yang lebih besar dari t-tabel (1,96) menunjukkan bahwa variabel kompetensi tenaga penjual memberikan pengaruh yang signifikan terhadap kinerja tenaga penjual. Arah koefisien regresi positif menunjukkan adanya pengaruh positif kompetensi tenaga penjual terhadap kinerja tenaga penjual. Dengan demikian maka Hipotesis 2 diterima.
2. Pengujian secara parsial variabel X2 (kerja cerdas) memiliki
estimasi t-hitung sebesar 6,339 dengan signifikansi 0,000. Nilai signifikansi yang lebih kecil dari 0,05 dan nilai t-hitung (6,339) yang lebih besar dari t-tabel (1,96) menunjukkan bahwa variabel kerja cerdas memberikan pengaruh yang signifikan terhadap kinerja tenaga penjual. Arah koefisien regresi positif menunjukkan adanya pengaruh positif kerja cerdas terhadap kinerja tenaga penjual. Dengan demikian maka Hipotesis 3 diterima.
4.6.2. Pengujian Kelayakan Model (Goodness of Fit) Model 2
Pengujian regresi secara overall dilakukan dengan menggunakan uji F. Pengujian ini dilakukan dengan menggunakan tingkat signifikansi 5%.
(17)
Hasil pengujian uji-f yang dilakukan untuk menguji model memiliki estimasi F sebesar 32,862 dengan signifikansi 0,000. Hal ini mengindikasikan bahwa model yang digunakan layak untuk diteliti. Nilai signifikansi yang lebih kecil dari 0,05. Hal ini menunjukkan bahwa model dalam penelitian ini menunjukkan goodness of fit yang baik.
ANOVAb
56,009 2 28,005 32,862 ,000a 103,114 121 ,852
159,124 123 Regression
Residual Total Model 1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), KerjaCerdas, Kompetensi a.
Dependent Variable: Kinerja b.
4.6.3. Koefisien Determinasi Model 2
Koefisien determinasi menunjukkan kemampuan variabel bebas dalam menjelaskan variabel terikatnya. Nilai koefisien determinasi ditunjukkan dengan nilai adjustedR2. Hasil penelitian ini memberikan
hasil nilai R2 sebesar 0,341. Hal ini mengindikasikan bahwa 34,1%
kinerja tenaga penjual dapat dijelaskan oleh kompetensi tenaga penjual dan kerja cerdas, sedangkan selebihnya 65,9% kinerja tenaga penjual dijelaskan oleh variabel lainnya yang tidak termasuk dalam model ini. Hal ini mengindikasikan bahwa kinerja tenaga penjual tidak hanya dijelaskan oleh kompetensi tenaga penjual dan kerja cerdas, namun ada variabel lain yang menjelaskan kinerja tenaga penjual.
(18)
Model Summary
,593a ,352 ,341 ,92314 ,352 32,862 2 121 ,000
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
R Square
Change F Change df1 df2 Sig. F Change Change Statistics
Predictors: (Constant), KerjaCerdas, Kompetensi a.
0,18
0,36
0,49
Kinerja Tenaga Penjual (Y) Kompetensi
Tenaga Penjual (X1)
Kerja Cerdas (X2)
(19)
BAB V
KESIMPULAN DAN IMPLIKASI KEBIJAKAN
5.1. Kesimpulan
5.1.1 Kesimpulan Penelitian
Penelitian ini dilatarbelakangi oleh adanya penurunan kinerja tenaga penjual yang ditunjukkan dengan prosentase penjualan yang terus menurun. Penelitian ini secara khusus menguji pengaruh kompetensi tenaga penjual dan kerja cerdas terhadap kinerja tenaga penjual.
Dari hasil perhitungan menunjukkan bahwa kompetensi tenaga penjual mampu mempengaruhi kerja cerdas dan kinerja tenaga penjual, dimana semakin baik kompetensi tenaga penjual akan memperkuat kerja cerdas dan kinerja tenaga penjual.
Hasil perhitungan menunjukkan bahwa kerja cerdas mampu mempengaruhi kinerja tenaga penjual, dimana semakin besar kerja cerdas dari tenaga penjual maka kinerjanya akan semakin besar.
5.1.2 Kesimpulan Hipotesis
Setelah dilakukan pengujian keseluruhan hipotesis yang diajukan dalam penelitian ini, maka dapat diambil kesimpulan dari hipotesis-hipotesis tersebut. Berikut adalah kesimpulan atas kedua hipotesis berikut adalah:
(20)
5.1.2.1 Pengaruh Kompetensi Tenaga Penjual terhadap Kinerja Tenaga Penjual
H1 : Kompetensi tenaga penjual berpengaruh positif terhadap kerja cerdas (Hasiholan, 2004)
Parameter estimasi untuk pengujian pengaruh kompetensi tenaga penjual terhadap kerja cerdas menunjukkan nilai t-hitung sebesar 4,331 dan dengan probabilitas sebesar 0,000. Kedua nilai tersebut diperoleh memenuhi syarat untuk penerimaan H1 yaitu nilai t-hitung sebesar 4,331 yang lebih besar dari 1,96 dan probabilitas 0,000 yang lebih kecil dari 0,05. Dengan demikian dapat disimpulkan dimensi-dimensi kompetensi tenaga penjual berpengaruh positif terhadap kerja cerdas.
5.1.2.2 Pengaruh Kompetensi Tenaga Penjual terhadap Kinerja Tenaga Penjual
H2 : Kompetensi tenaga penjual berpengaruh positif terhadap kinerja tenaga penjual (Varadarajan, 2001)
Parameter estimasi untuk pengujian pengaruh kompetensi tenaga penjualan terhadap kinerja tenaga penjual menunjukkan nilai t-hitung sebesar 2,391 dan dengan probabilitas sebesar 0,018. Kedua nilai tersebut diperoleh memenuhi syarat untuk penerimaan H2 yaitu nilai t-hitung sebesar 2,391 yang lebih besar dari 1,96 dan probabilitas 0,018 yang lebih kecil dari 0,05. Dengan demikian dapat disimpulkan dimensi-dimensi kompetensi tenaga penjual berpengaruh positif terhadap terhadap kinerja tenaga penjual.
(21)
5.1.2.3 Pengaruh Kerja Cerdas terhadap Kinerja Tenaga Penjual
H3 : Kerja cerdas berpengaruh positif terhadap kinerja tenaga penjual (Hasiholan, 2004)
Parameter estimasi untuk pengujian pengaruh kerja cerdas terhadap kinerja tenaga penjual menunjukkan nilai t-hitung sebesar 6,339 dan dengan probabilitas sebesar 0,000. Kedua nilai tersebut diperoleh memenuhi syarat untuk penerimaan H3 yaitu nilai t-hitung sebesar 6,339 yang lebih besar dari 1,96 dan probabilitas 0,000 yang lebih kecil dari 0,05. Dengan demikian dapat disimpulkan dimensi-dimensi kerja cerdas berpengaruh positif terhadap terhadap kinerja tenaga penjual.
5.2 Implikasi Kebijakan
Variabel kerja cerdas merupakan variabel yang paling berpengaruh terhadap kinerja tenaga penjual yang dibuktikan dengan nilai standardized regression weight coefficient beta yang paling tinggi yaitu sebesar 0,498, kemudian variabel kompetensi tenaga penjual sebesar 0,188. Hal ini mengindikasikan bahwa manajer BESS Finance perlu memperhatikan kerja cerdas dan kompetensi tenaga penjual karena kedua variabel tersebut terbukti mempengaruhi kinerja tenaga penjual, Untuk meningkatkan kinerja tenaga penjual, manajemen BESS Finance perlu meningkatkan kerja cerdas tenaga penjual melalui: (1) kemampuan menyusun rencana penjualan secara efektif, (2) kemampuan memperluas area penjualan, (3) kemampuan memilih nasabah yang prospektif dan (4) kemampuan untuk memprioritaskan pekerjaan utama dengan hati-hati. Dan juga meningkatkan kompetensi tenaga penjual melalui: training
(22)
soft skill, benchmark dengan perusahaan lain serta melakukan brain storming, hal tersebut perlu dilakukan agar tenaga penjual mampu memberikan andil bagi perusahaan dalam memperluas pangsa pasar, menjual produk dengan profit margin tinggi, meningkatkan penjualan produk baru perusahaan secara cepat dalam mencapai target penjualan.
No Variabel dan
Indikator Implikasi
4
1 Efektivitas Kunjungan Dapat ditingkatkan dengan adanya programkunjungan yang rutin kepada pelanggan dan senantiasa melakukan komunikasi
2 Kemampuan Presentasi Dapat ditingkatkan melalui pelatihan terutama pblik speaking, dan cara melakukan negosiasi .
3 Pembuatan laporan rutin Dapat ditingkatkan dengan cara aktif memonitor produk pada outlet
4 Komunikasi Efektif Dapat ditingkatkan dengan selalu menjaga dan memperhatikan informasi-informasi berupa biaya bunga, apraisal dan sebagainya.
5 Negosiasi Dapat ditingkatkan melalui sikap
profesional dan menunjukkan kapasitasnya sebagai tenaga penjual yang berkualitas
6 Kemampuan membuat
perencanaan penjualan
Dapat ditingkatkan melalui training soft skill
7 Kemampuan menyusun
jadwal keuntungan yang tepat
Dapat ditingkatkan dengan keyakinan bersama dan saling mempercayai bahwa hubungan bisnis ini dijalankan dengan penuh tanggung jawab dan saling menguntungkan.
8 Kemampuan memilih dan menggunakan strategi penjualan yang tepat
Dapat ditingkatkan melalui saling memahami terhadap setiap perubahan yang terjadi perusahaan untuk saling menyesuaikan diri.
9 Kemampuan untuk
memprioritaskan pekerjaan utama dengan hati-hati
Dapat ditingkatkan dengan menjaga kesepakatan-kesepakatan yang telah disetujui bersama
1 10
Kemampuan
menyelesaikan Masalah
Dapat ditingkatkan dengan pemahaman kemampuan pemecahan masalah (Problem solving) dan memahami perasaan dan situasi mitra kerja
(23)
6
11 Peningkatanpenjualan Volume Dapat ditingkatkan dengan memonitorprogress perkembangan omzet penjualan netto sesuai dengan tingkat pertumbuhan yang ditargetkan
12 Pertumbuhan Pelanggan Dapat ditingkatkan melalui promosi yang gencar
6 13
Kemampulabaan Dapat ditingkatkan dengan tetap
mempertahankan keuntungan agar prosentasenya selalu naik dengan menakan biaya-biaya operasional
14 Nilai penjualan Dapat ditingkatkan dengan memastikan
aktivitas selling in dijalankan dengan efisien dan efektif sehingga laba bisa maksimal
15 Pencapaian target Dapat ditingkatkan dengan melakukan
analisa setiap periodik antara pencapaian selling in berjalan dengan yang ditargetkan
Untuk menyusun strategi penjualan mendatang diperlukan tenaga penjual yang mempunyai kompetensi tenaga penjual dan kerja cerdas yang tinggi. Adapun yang disarankan dalam penelitian ini adalah:
1. Menyusun forecast penjualan dalam jangka waktu tertentu
2. Menyusun schedule plan / action plan penjualan yang berisikan rencana kerja dari awal sampai target penjualan tercapai
3. Selalu mengkaji ulang ide-ide dengan team work yang baik dan memperbanyak meeting after work untuk membicarakan sales progress report
4. Mengembangkan serangkaian keterampilan tertentu yang dibutuhkan dan disesuaikan dengan perencanaan, negosiasi, serta orientasi konsumen yang mungkin dapat memberikan keuntungan tinggi bagi peningkatan target perusahaan dan Kinerja Tenaga Penjual
(24)
5. Memperbanyak kunjungan dan mengenali karakter customer dengan mencari tahu hal-hal apa yang dibutuhkan customer apakah sesuai dengan produk profile yang ditawarkan
6. Meningkatkan bonus, insentif dan kesejahteraan hidup serta penghargaan non finansial lainnya yang sepadan dengan sumbangan kerja yang telah dilakukan tenaga penjual
5.3 Keterbatasan Penelitian
Penelitian ini dilakukan dengan beberapa keterbatasan dan kelemahan sebagai berikut :
1. Keterbatasan permodelan penelitian ini berasal dari hasil adjusted R square
menunjukkan besaran yang terlalu kecil yaitu sebesar 0,126 dan 0,341. Hal ini menginformasikan kurang optimalnya variabel independen dalam menjelaskan kinerja tenaga penjual.
2. Hasil penelitian ini tidak dapat digeneralisasi pada kasus lain diluar obyek penelitian ini yaitu: BESS Finance.
5.4. Agenda Penelitian Mendatang
Hasil-hasil penelitian ini dan keterbatasan-keterbatasan yang ditemukan dalam penelitian dapat dijadikan sumber ide bagi pengembangan penelitian ini dimasa yang akan datang, maka perluasan penelitian yang disarankan dari penelitian ini adalah menambah variabel independen yang mempengaruhi kinerja tenaga penjual. Variabel yang disarankan adalah: intensi pembelian dan kerja
(25)
DAFTAR REFERENSI
Brown dan Petterson, (2001), “The Effects of Organizational Differences and Trust on Th Effectiveness of Selling Partner Relationship, Journal of Marketing
Cooper, D.R dan Emory, C.W (1995), Bussiness Research Methods, Fifth Edition, USA: Richard D. Irwin, Inc.
Denny Hotman Hasiholan Sitompul, (2004), "Pengaruh Orientasi Be/ajar dan Komitmen Organisasional Terhadap Keja Cerdas Da/am Meningkatkan Kinerja Penjua/an," Jurnal Sains Pemasaran Indonesia, Vol.III, No.1, Mei 2004, 41-54
Ferdinand, Augusty Tae, (2000), Structural Equation Modelling Dalam Penelitian Manajemen, Badan Penerbit Universitas Diponegoro Semarang.
Hair, J.F.,Jr.,R.E. Anderson, R.L., Tatham & W.C. Black, (1995), Multivariate Data Analysis With Readings, Englewood Cliffs, NJ: Prentice Hall. Imam Ghozali (2001), Aplikasi Analisis Multivariate Dengan Program SPSS,
Badan Penerbit UNDIP.
Indriantoro dan Bambang Supomo, 1999, Metodelogi Penalitian Manajemen, Jakarta, PT. Gramedia Pustaka Utama.
Kotler, Philip, (1997), Marketing Management: Analysis, Planning, Implementation, and Control, 9th Ed., Englewood Cliffs, NJ: Prentice
Hall, Inc.
Kohli, Ajay K, Tasaddug A.Shervani dan Goutam N.Challagala, (2005), “Learning and Performance Orientation of Salespeople The Role of Supervisors”,
Journal of Marketing Research
Oliver, L dan K Andderson, 91994), Exploring The Relative Effects of Salesperson Interpersonal Process Attributes and Technical Product Attributes on Customer Satisfaction,” Journal of Personal Selling and Sales Management, Vol.XVI, Number 3, (Summer), pp.47-57
(26)
Richard, P (1994), Customer benefits and Company Consequences of Customer-Salesperson Relationship in Retailing,”75 (1), 11-31. Journal of Personal Selling & Sales Management
Robbins, Stephen P, 1998, Organizational Behaviour Concept, Controversiest, Applications, Prentice Hall. Inc, Englewoods Cliffs
Schaul Chorev dan Alistair R Anderson, (2010), “Succes in israeli high tech starts up; critical factors and success,” Journal of Management Strategic
Shore, (1990), “Peak Performance in The Salesforce”, Journal of Personnal Selling & Sales Management, Vol XX, No.1.
Skinner, Steven J, (2000), "Peak Performance in The Salesforce", Journal of Personnal Selling & Sales Management, Vol xx: No. J.
Spiro dan Weiz, (199o), "Dimensions and Types of Supervisory Control : Effects on Salesperson Performance and Satisfaction", Journal of Marketing. Sujan, Harish, Barton A. Weitz, dan Nirmalya Kumar, (1994), "Learning
Orientation, Working Smart, and Effective Selling", Journal of Marketing, Vol.58, July, 39-52.
Tansu, AB, (1999), “Benchmark of Succesfull Salesforce Performance,”
Canadian Journal of Administrative Science
Varadarajan, Rajan P, (2008),”Joint sales promotion: An emerging market tool,”
Journal and marketing science
Yeung, (1998), “Customers Mean Business : Six Steps to Building Relationship That Last”, Reading Addison Wesley.
(27)
Descriptives
Descriptive Statistics
124 5,20 9,40 7,2242 ,91014 124 4,60 9,80 7,3903 1,00109 124 4,60 9,80 7,5306 1,13740 124
Kompetensi KerjaCerdas Kinerja
Valid N (listwise)
N Minimum Maximum Mean Std. Deviation
Reliability
Case Processing Summary
124 100,0
0 ,0
124 100,0 Valid
Excludeda
Total Cases
N %
Listwise deletion based on all variables in the procedure. a.
Reliability Statistics
,662 5
Cronbach's
Alpha N of Items
Reliability
Case Processing Summary
124 100,0
0 ,0
124 100,0 Valid
Excludeda
Total Cases
N %
Listwise deletion based on all variables in the procedure. a.
Reliability Statistics
,704 5
Cronbach's
(28)
Reliability
Case Processing Summary
124 100,0 0 ,0 124 100,0 Valid Excludeda Total
Cases N %
Listwise deletion based on all variables in the procedure. a.
Reliability Statistics
,831 5
Cronbach's
Alpha N of Items
Correlations
Correlations
1 ,618** ,629** -,050 -,020 ,696** ,000 ,000 ,581 ,827 ,000 124 124 124 124 124 124 ,618** 1 ,602** ,019 ,045 ,728** ,000 ,000 ,836 ,623 ,000
124 124 124 124 124 124 ,629** ,602** 1 ,095 ,166 ,785** ,000 ,000 ,296 ,066 ,000
124 124 124 124 124 124 -,050 ,019 ,095 1 ,655** ,497**
,581 ,836 ,296 ,000 ,000 124 124 124 124 124 124 -,020 ,045 ,166 ,655** 1 ,533**
,827 ,623 ,066 ,000 ,000 124 124 124 124 124 124 ,696** ,728** ,785** ,497** ,533** 1 ,000 ,000 ,000 ,000 ,000
124 124 124 124 124 124 Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N x1.1 x1.2 x1.3 x1.4 x1.5 Kompetensi
x1.1 x1.2 x1.3 x1.4 x1.5 Kompetensi
Correlation is significant at the 0.01 level (2-tailed). **.
(29)
Correlations
Correlations
1 ,081 ,115 ,113 ,167 ,407** ,370 ,203 ,213 ,064 ,000 124 124 124 124 124 124 ,081 1 ,639** ,715** ,320** ,828** ,370 ,000 ,000 ,000 ,000
124 124 124 124 124 124 ,115 ,639** 1 ,662** ,128 ,766** ,203 ,000 ,000 ,157 ,000
124 124 124 124 124 124 ,113 ,715** ,662** 1 ,191* ,813** ,213 ,000 ,000 ,033 ,000
124 124 124 124 124 124 ,167 ,320** ,128 ,191* 1 ,540** ,064 ,000 ,157 ,033 ,000
124 124 124 124 124 124 ,407** ,828** ,766** ,813** ,540** 1 ,000 ,000 ,000 ,000 ,000
124 124 124 124 124 124 Pearson Correlation
Sig. (2-tailed) N
Pearson Correlation Sig. (2-tailed) N
Pearson Correlation Sig. (2-tailed) N
Pearson Correlation Sig. (2-tailed) N
Pearson Correlation Sig. (2-tailed) N
Pearson Correlation Sig. (2-tailed) N
x2.1
x2.2
x2.3
x2.4
x2.5
KerjaCerdas
x2.1 x2.2 x2.3 x2.4 x2.5 KerjaCerdas
Correlation is significant at the 0.01 level (2-tailed). **.
Correlation is significant at the 0.05 level (2-tailed). *.
(30)
Correlations
Correlations
1 ,692** ,638** ,754** ,183* ,838** ,000 ,000 ,000 ,042 ,000 124 124 124 124 124 124 ,692** 1 ,763** ,715** ,146 ,853** ,000 ,000 ,000 ,106 ,000
124 124 124 124 124 124 ,638** ,763** 1 ,816** ,181* ,868** ,000 ,000 ,000 ,044 ,000
124 124 124 124 124 124 ,754** ,715** ,816** 1 ,181* ,884** ,000 ,000 ,000 ,044 ,000
124 124 124 124 124 124 ,183* ,146 ,181* ,181* 1 ,448** ,042 ,106 ,044 ,044 ,000
124 124 124 124 124 124 ,838** ,853** ,868** ,884** ,448** 1 ,000 ,000 ,000 ,000 ,000
124 124 124 124 124 124 Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N y1 y2 y3 y4 y5 Kinerja
y1 y2 y3 y4 y5 Kinerja
Correlation is significant at the 0.01 level (2-tailed). **.
Correlation is significant at the 0.05 level (2-tailed). *.
NPar Tests
One-Sample Kolmogorov-Smirnov Test
124 124 124
7,2242 7,3903 7,5306 ,91014 1,00109 1,13740 ,090 ,123 ,075 ,090 ,075 ,050 -,064 -,123 -,075 1,000 1,373 ,838 ,270 ,146 ,484 N
Mean
Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Kompetensi KerjaCerdas Kinerja
Test distribution is Normal. a.
Calculated from data. b.
(31)
Regression
Variables Entered/Removedb
Kerja Cerdas, Kompeten sia . Enter Model 1 Variables Entered Variables Removed Method
All requested variables entered. a.
Dependent Variable: Kinerja b. Coefficientsa ,867 1,154 ,867 1,154 Kompetensi KerjaCerdas Model 1 Tolerance VIF Collinearity Statistics
Dependent Variable: Kinerja a.
Collinearity Diagnosticsa
2,982 1,000 ,00 ,00 ,00
,011 16,643 ,03 ,45 ,87
,007 19,963 ,97 ,55 ,13
Dimension 1 2 3 Model 1 Eigenvalue Condition
Index (Constant) Kompetensi KerjaCerdas Variance Proportions
Dependent Variable: Kinerja a.
Regression
Descriptive Statistics
7,3903 1,00109 124 7,2242 ,91014 124 KerjaCerdas
Kompetensi
Mean Std. Deviation N
Correlations 1,000 ,365 ,365 1,000 . ,000 ,000 . 124 124 124 124 KerjaCerdas Kompetensi KerjaCerdas Kompetensi KerjaCerdas Kompetensi Pearson Correlation Sig. (1-tailed) N KerjaCerdas Kompetensi
(32)
Variables Entered/Removedb
Kompeten
sia . Enter
Model 1 Variables Entered Variables Removed Method
All requested variables entered. a.
Dependent Variable: KerjaCerdas b.
Model Summary
,365a ,133 ,126 ,93582 ,133 18,756 1 122 ,000
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
R Square
Change F Change df1 df2 Sig. F Change Change Statistics
Predictors: (Constant), Kompetensi a.
ANOVAb
16,425 1 16,425 18,756 ,000a
106,843 122 ,876 123,268 123 Regression Residual Total Model 1 Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Kompetensi a.
Dependent Variable: KerjaCerdas b.
Coefficientsa
4,490 ,675 6,651 ,000
,402 ,093 ,365 4,331 ,000 (Constant)
Kompetensi Model
1 B Std. Error
Unstandardized Coefficients Beta Standardized Coefficients t Sig.
Dependent Variable: KerjaCerdas a.
Regression
Descriptive Statistics
7,5306 1,13740 124 7,2242 ,91014 124 7,3903 1,00109 124 Kinerja
Kompetensi KerjaCerdas
(33)
Correlations
1,000 ,370 ,567 ,370 1,000 ,365 ,567 ,365 1,000
. ,000 ,000
,000 . ,000
,000 ,000 .
124 124 124
124 124 124
124 124 124
Kinerja Kompetensi KerjaCerdas Kinerja Kompetensi KerjaCerdas Kinerja Kompetensi KerjaCerdas Pearson Correlation Sig. (1-tailed) N
Kinerja Kompetensi KerjaCerdas
Variables Entered/Removedb
Kerja Cerdas, Kompeten sia . Enter Model 1 Variables Entered Variables Removed Method
All requested variables entered. a.
Dependent Variable: Kinerja b.
Model Summary
,593a ,352 ,341 ,92314 ,352 32,862 2 121 ,000
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
R Square
Change F Change df1 df2 Sig. F Change Change Statistics
Predictors: (Constant), KerjaCerdas, Kompetensi a.
ANOVAb
56,009 2 28,005 32,862 ,000a
103,114 121 ,852 159,124 123 Regression Residual Total Model 1 Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), KerjaCerdas, Kompetensi a.
Dependent Variable: Kinerja b.
(34)
Coefficientsa
1,650 ,777 2,123 ,036
,235 ,098 ,188 2,391 ,018 ,566 ,089 ,498 6,339 ,000 (Constant)
Kompetensi KerjaCerdas Model
1 B Std. Error
Unstandardized Coefficients Beta Standardized Coefficients t Sig.
Dependent Variable: Kinerja a.
NPar Tests
One-Sample Kolmogorov-Smirnov Test
124 ,0000000 ,91560157 ,043 ,043 -,035 ,479 ,976 N Mean Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Regression
Descriptive Statistics
,7335 ,54403 124 7,2242 ,91014 124 7,3903 1,00109 124 RES
Kompetensi KerjaCerdas
Mean Std. Deviation N
Correlations
1,000 -,037 ,028 -,037 1,000 ,365 ,028 ,365 1,000
. ,343 ,378
,343 . ,000
,378 ,000 .
124 124 124
124 124 124
RES Kompetensi KerjaCerdas RES Kompetensi KerjaCerdas RES Kompetensi Pearson Correlation Sig. (1-tailed) N
(35)
Variables Entered/Removedb Kerja Cerdas, Kompeten sia . Enter Model 1 Variables Entered Variables Removed Method
All requested variables entered. a.
Dependent Variable: RES b.
Model Summary
,058a ,003 -,013 ,54759 ,003 ,201 2 121 ,818
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
R Square
Change F Change df1 df2 Sig. F Change Change Statistics
Predictors: (Constant), KerjaCerdas, Kompetensi a.
ANOVAb
,121 2 ,060 ,201 ,818a
36,283 121 ,300 36,404 123 Regression Residual Total Model 1 Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), KerjaCerdas, Kompetensi a.
Dependent Variable: RES b.
Coefficientsa
,775 ,461 1,680 ,095
-,032 ,058 -,054 -,554 ,581 ,026 ,053 ,048 ,490 ,625 (Constant)
Kompetensi KerjaCerdas Model
1
B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig.
Dependent Variable: RES a.
(1)
Correlations
Correlations
1 ,692** ,638** ,754** ,183* ,838** ,000 ,000 ,000 ,042 ,000 124 124 124 124 124 124 ,692** 1 ,763** ,715** ,146 ,853** ,000 ,000 ,000 ,106 ,000
124 124 124 124 124 124 ,638** ,763** 1 ,816** ,181* ,868** ,000 ,000 ,000 ,044 ,000
124 124 124 124 124 124 ,754** ,715** ,816** 1 ,181* ,884** ,000 ,000 ,000 ,044 ,000
124 124 124 124 124 124 ,183* ,146 ,181* ,181* 1 ,448** ,042 ,106 ,044 ,044 ,000
124 124 124 124 124 124 ,838** ,853** ,868** ,884** ,448** 1 ,000 ,000 ,000 ,000 ,000
124 124 124 124 124 124 Pearson Correlation
Sig. (2-tailed) N
Pearson Correlation Sig. (2-tailed) N
Pearson Correlation Sig. (2-tailed) N
Pearson Correlation Sig. (2-tailed) N
Pearson Correlation Sig. (2-tailed) N
Pearson Correlation Sig. (2-tailed) N
y1
y2
y3
y4
y5
Kinerja
y1 y2 y3 y4 y5 Kinerja
Correlation is significant at the 0.01 level (2-tailed). **.
Correlation is significant at the 0.05 level (2-tailed). *.
NPar Tests
One-Sample Kolmogorov-Smirnov Test
124 124 124
7,2242 7,3903 7,5306 ,91014 1,00109 1,13740 ,090 ,123 ,075 ,090 ,075 ,050 -,064 -,123 -,075 1,000 1,373 ,838 ,270 ,146 ,484 N
Mean
Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Kompetensi KerjaCerdas Kinerja
Test distribution is Normal. a.
Calculated from data. b.
(2)
Regression
Variables Entered/Removedb
Kerja Cerdas, Kompeten sia
. Enter Model
1
Variables Entered
Variables
Removed Method
All requested variables entered. a.
Dependent Variable: Kinerja b.
Coefficientsa
,867 1,154 ,867 1,154 Kompetensi
KerjaCerdas Model
1
Tolerance VIF Collinearity Statistics
Dependent Variable: Kinerja a.
Collinearity Diagnosticsa
2,982 1,000 ,00 ,00 ,00
,011 16,643 ,03 ,45 ,87 ,007 19,963 ,97 ,55 ,13 Dimension
1 2 3 Model
1 Eigenvalue
Condition
Index (Constant) Kompetensi KerjaCerdas Variance Proportions
Dependent Variable: Kinerja a.
Regression
Descriptive Statistics
7,3903 1,00109 124 7,2242 ,91014 124 KerjaCerdas
Kompetensi
Mean Std. Deviation N
Correlations
1,000 ,365 ,365 1,000 . ,000
,000 .
KerjaCerdas Kompetensi KerjaCerdas Kompetensi Pearson Correlation
Sig. (1-tailed)
(3)
Variables Entered/Removedb
Kompeten
sia . Enter Model
1
Variables Entered
Variables
Removed Method
All requested variables entered. a.
Dependent Variable: KerjaCerdas b.
Model Summary
,365a ,133 ,126 ,93582 ,133 18,756 1 122 ,000
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
R Square
Change F Change df1 df2 Sig. F Change Change Statistics
Predictors: (Constant), Kompetensi a.
ANOVAb
16,425 1 16,425 18,756 ,000a
106,843 122 ,876 123,268 123
Regression Residual Total Model 1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Kompetensi a.
Dependent Variable: KerjaCerdas b.
Coefficientsa
4,490 ,675 6,651 ,000
,402 ,093 ,365 4,331 ,000 (Constant)
Kompetensi Model
1 B Std. Error
Unstandardized Coefficients
Beta Standardized
Coefficients
t Sig.
Dependent Variable: KerjaCerdas a.
Regression
Descriptive Statistics
7,5306 1,13740 124 7,2242 ,91014 124 7,3903 1,00109 124 Kinerja
Kompetensi KerjaCerdas
(4)
Correlations
1,000 ,370 ,567 ,370 1,000 ,365 ,567 ,365 1,000
. ,000 ,000
,000 . ,000
,000 ,000 .
124 124 124
124 124 124
124 124 124
Kinerja Kompetensi KerjaCerdas Kinerja Kompetensi KerjaCerdas Kinerja Kompetensi KerjaCerdas Pearson Correlation
Sig. (1-tailed)
N
Kinerja Kompetensi KerjaCerdas
Variables Entered/Removedb
Kerja Cerdas, Kompeten sia
. Enter Model
1
Variables Entered
Variables
Removed Method
All requested variables entered. a.
Dependent Variable: Kinerja b.
Model Summary
,593a ,352 ,341 ,92314 ,352 32,862 2 121 ,000
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
R Square
Change F Change df1 df2 Sig. F Change Change Statistics
Predictors: (Constant), KerjaCerdas, Kompetensi a.
ANOVAb
56,009 2 28,005 32,862 ,000a
103,114 121 ,852 159,124 123
Regression Residual Total Model 1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), KerjaCerdas, Kompetensi a.
Dependent Variable: Kinerja b.
(5)
Coefficientsa
1,650 ,777 2,123 ,036
,235 ,098 ,188 2,391 ,018 ,566 ,089 ,498 6,339 ,000 (Constant)
Kompetensi KerjaCerdas Model
1 B Std. Error
Unstandardized Coefficients
Beta Standardized
Coefficients
t Sig.
Dependent Variable: Kinerja a.
NPar Tests
One-Sample Kolmogorov-Smirnov Test
124 ,0000000 ,91560157 ,043 ,043 -,035 ,479 ,976 N
Mean
Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Regression
Descriptive Statistics
,7335 ,54403 124 7,2242 ,91014 124 7,3903 1,00109 124 RES
Kompetensi KerjaCerdas
Mean Std. Deviation N
Correlations
1,000 -,037 ,028 -,037 1,000 ,365 ,028 ,365 1,000
. ,343 ,378
,343 . ,000
,378 ,000 .
124 124 124
124 124 124
RES Kompetensi KerjaCerdas RES Kompetensi KerjaCerdas RES Kompetensi Pearson Correlation
Sig. (1-tailed)
N
(6)
Variables Entered/Removedb
Kerja Cerdas, Kompeten sia
. Enter Model
1
Variables Entered
Variables
Removed Method
All requested variables entered. a.
Dependent Variable: RES b.
Model Summary
,058a ,003 -,013 ,54759 ,003 ,201 2 121 ,818
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
R Square
Change F Change df1 df2 Sig. F Change Change Statistics
Predictors: (Constant), KerjaCerdas, Kompetensi a.
ANOVAb
,121 2 ,060 ,201 ,818a
36,283 121 ,300 36,404 123
Regression Residual Total Model 1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), KerjaCerdas, Kompetensi a.
Dependent Variable: RES b.
Coefficientsa
,775 ,461 1,680 ,095
-,032 ,058 -,054 -,554 ,581 ,026 ,053 ,048 ,490 ,625 (Constant)
Kompetensi KerjaCerdas Model
1
B Std. Error Unstandardized
Coefficients
Beta Standardized
Coefficients
t Sig.
Dependent Variable: RES a.