ANALISA KUANTITATIF Irwan Ch Edy,S.Si,M.Si Email :
[email protected] Website : www.edukasi-aub.ac.id
DATA BENTUK BENTUK DATA • 3 Bentuk Data (Galtung,1967) : 1) unit analisis, 2)variabel, 3) nilai • Unit Analisis adalah gambaran tentang obyek analisis • Unit Analisis dikenal ada 4 : 1) individu, 2) Suatu Kelompok, 3)Suatu Sistem, 4) Suatu Kategori • Variabel :konsep yang memiliki lebih dari satu nilai yang bergerak secara kontinu atau gejala yang menjadi fokus penelitian • Nilai adalah proses kuantitafikasi gejala yang bersifat kualitaif, Skala likert pada jawaban kuesioner • Proses Kuantifikasi hasil pengamatan disebut sebagai pengukuran. Misal pemberian nilai ujian oleh guru kepada muridnya. • 4 tingkatan pengukuran : 1) Nominal, 2)ordinal, 3) interval, 4)ratio. • Pengukuran Nominal adalah data disajikan dalam kategorial dan distribusi frekuensi. Penekanan pada frekuensi data. • Pengukuran ordinal adalah cara mengkuantifikasi suatu gejala dengan memberikan jenjang terhadap gejala yang sedang diukur
• •
•
Ada beberapa macam skala ordinal : 1) Skala likert, 2) skala Guttman, 3) self Rating Pengukuran Interval : upaya mengkuantifikasi gejala dengan menetapkan jarak yang terukur antara jenjang yang satu dengan jenjang yang lain. Ciri ciri skala interval adalah 1)jarak antara dua point diketahui, 2)Tidak mempunyai titik nol, 3)tidak dapat ditambah/dikurangi Pengukuran ratio adalah skala dengan nilai pembanding. Merupakan skala kuantitatif yang paling unggul. Ciri ciri adalah : 1)Jarak antar kedua poin diketahui, 2)mempunyai nilai nol mutlak, 3)Dapat ditambah/dikali/ dikurangi
PENGOLAHAN DATA • Penyajian data : tabel Distribusi frekuensi, tabel skala likert, tabel data ratio/ interval. • Penyajian tabel : 1)univariate, 2)bivariate, 3) polyvariate (tergantung jumlah variabelnya) • ada 2 aturan membuat klasifikasi data : 1) menurut masalah dan tujuan penelitian, 2) mencakup rentetan hasil pengamatan
• • • • •
• • •
Sumber Data : 1) Data Primer , 2) Data sekunder Data primer adalah data yang diperoleh langsung dari responden atau hasil pengamatan Data sekunder adalah data yang diperoleh dari pustaka, buku buku, jurnal dll Berdasarkan jenisnya, data dibedakan : data kualitatif dan kuantitatif Data kualitatif adalah data yang berbentuk kata, kalimat, skema dan gambar (Sugiyono,2001) atau alat ukur/instrument yang kurang jelas, untuk membedakan data satu dengan yang lain Data kuantitatif adalah data yang berbentuk angka atau kualitatif yang diangkakan (sugiyono, 2001), termsuk jawaban kuesiner. Data yang diperoleh melalui penelitian harus mempunyai kriteria : valid, reliabel dan obyektif (Sugiyono,2006) Valid istilah lain adalah derajat ketepatan artinya ketepatan antara data yang sesungguhnya terjadi pada suatu obyek dengan data yang dikumpulkan oleh peneliti.
•
• • • • • • • •
Reliabel menunjukan derajat konsistensi/keajegan artinya konsistensi data dalam interval waktu tertentu. Kaitan dengan waktu Obyektif menunjukan derajat persamaan persepsi artinya kesamaan persepsi orang. Data kuantitatif dikelompokan menjadi 2 bagian : 1) Diskrit dam, 2)kontinu Data diskrit adalah data yang diperoleh dari hasil menghitung atau membilang (bukan mengukur). Misalkan jumlah meja ada 20. Data kontinyu adalah data yang diperoleh dari hasil pengukuran. Data kontinyu dibedakan menjadi : 1) Ordinal, 2)Interval 3)Ratio Menurut lingkupnya, data dibedakan ; 1) data populasi dan 2) data sampel Data populasi adalah data yang melingkupi seluruh unit analisis. Populasi dari jumlah siswa SMA X Data sampel adalah data yang diperoleh dari sebagian populasi. Sebagian dari siswa SMA X Statistik adalah alat untuk menyajikan, menguji, menghitung, dan menganalisis data, sehingga diperoleh kesimpulan tentang hubungan data/karateristik data
STATISTIK SEBAGAI ALAT MENGOLAH DAN MENGANALISIS DATA Penyajian Data • Data disajikan dengan bentuk tabel, grafik, diagram ukuran tendensi pusat : mean, modus, median dsb • Statistik untuk menyajikan data disebut statistik deskriptif • Prinsip penyajian data adalah lengkap dan komunikatif • Tabel, untuk penyajian data : nominal, ordinal, interval, distribusi frekuensi. • Grafik : garis, batang • Diagaram : lingkaran, piktogram (Grafik dan Gambar) • Mean adalah nilai rata rata • Median adalah nilai tengah • Modus adalah nilai data yang sering muncul (frekuensi terbesar) • Varians adalah menjelaskan homogenitas kelompok.
BAGAIMANA DATA DIPEROLEH ? Populasi dan Sampel • Populasi adalah wilayah generaliasasi yang terdiri atas obyek / subyek yang mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peniliti • Sampel adalah sebagian dari jumlah dan karateristik data yang dimiliki populasi • Teknik pengambilan sample disebut sampling • Teknik sampling ada 2 : 1) Probability sampling, 2) Non Probability sampling • Probability samp meliputi : Simple random, proposional, disproposional, cluster (area) • Non Probability sampling ; sistematik, kuota, jenuh, purposive • Data mempunyai pola – distribusi data ; normal, binomial dsb.
JENIS-JENIS STATISTIKA
Statistika Deskriptif
STATISTIKA
1. 2. 3. 4. 5.
1.
Statistika Induktif
2. 3. 4. 5. 6.
Materi: Penyajian data Ukuran pemusatan Ukuran penyebaran Angka indeks Deret berkala dan peramalan Materi: Probabilitas dan teori keputusan Metode sampling Teori pendugaan Pengujian hipotesa Regresi dan korelasi Statistika nonparametrik
POPULASI DAN SAMPEL POPULASI Sebuah kumpulan dari semua kemungkinan orang-orang, bendabenda dan ukuran lain dari objek yang menjadi perhatian.
SAMPEL Suatu bagian dari populasi tertentu yang menjadi perhatian.
JENIS-JENIS DATA
Data Kualitatif
DATA
1. Jenis kelamin 2. Warna kesayangan 3. Asal suku, dan lainlain 1. Jumlah mobil 2. Jumlah staf 3. Jumlah TV, Data Diskret dan lain-lain
Data Kuantitatif
Data Kontinu
1. Berat badan 2. Jarak kota 3. Luas rumah, dan lain-lain
SUMBER DATA STATISTIKA
Data Primer
1. Wawancara langsung 2. Wawancara tidak langsung 3. Pengisian kuisioner
DATA
Data Sekunder
Data dari pihak lain: 1. BPS 2. Bank Indonesia 3. World Bank, IMF 4. FAO dan lain-lain
SKALA PENGUKURAN Skala Nominal
Skala Ordinal
Angka yang diberikan hanya sebagai label saja. Contoh: pria = 1, wanita = 2, dan waria = 3.
Angka mengandung pengertian tingkatan. Contoh: ranking 1, 2, dan 3. Ranking 1 menunjukkan lebih tinggi dari ranking 2 dan 3.
Skala Interval
Skala Rasio
Angka mengandung sifat ordinal dan mempunyai jarak atau interval. Contoh: 1. Saham sangat prospektif dengan harga Rp 736-878, 2. Saham prospektif Rp592-735.
Angka mempunyai sifat nominal, ordinal dan interval serta mempunyai nilai absolut dari objek yang diukur. Contoh: bunga BCA 7% dan bunga Mandiri 14%, maka bunga Mandiri 2 kali bunga BCA.
Proses analisis dengan asumsi REGRESI Tabulasi Data 1
Uji Instrumen validitas
Reliabilitas
Regresi
2
3
4
Uji Hipotesis
Uji Asumsi Klasik 5 Inteprestasi Hasil
Implementasi
6
A. Analisis instrumen penelitian / Uji Instrumen / Uji Data. 1) Uji validitas Uji validitas ini dilakukan untuk mengetahui seberapa cermat suatu tes (alat ukur) melakukan fungsi ukurnya. Cara menguji validitas ini dilakukan dengan mengkorelasikan antara skor konstruk dengan skor totalnya. Adapun teknik korelasi yang diterapkan dalam penelitian ini adalah teknik product moment correlation (Sugiyono, 1999 : 182). Rumus product moment correlation adalah sebagai berikut : rxy =
n XY
n X
Keterangan : rxy X Y n
2
X Y X n Y Y 2
2
= koefisien korelasi = skor butir = skor faktor = jumlah responden
Dikatakan valid apabila nilai r hitung lebih besar (>) dari r tabel (Sugiyono, 1999: 118)
2
Pengujian validitas dengan menggunakan bantuan program (Statistical Pakcage and Social Solutions) SPSS 11. Kriteria uji validitas secara singkat adalah Ghozali (2005;47) : 1. Melihat skor total konstruk pada table correlations, yaitu pada nilai Sig(2 tailed). 2. Menentukan validitas yaitu dengan menentukan tingkat level signifikan 5% (0,05). Apabila nilai Sig(2tailed) < dari 0,05, maka dapat dikatakan item/butir adalah valid.
Pengujian validitas dapat pula dilakukan dengan metode one shot method atau pengujian internal consistency, dengan metode ini pengukuran cukup dilakukan satu kali (Pratisto Arif, 2004;249). Metode ini memiliki kelebihan untuk menguji validitas dan reliabilitas secara bersamaan, adapun criteria pengujian dilakukan dengan langkah :
1) Untuk menguji validitas butir pertanyaan dengan cara : Melihat skor Corrected Item-Total Correlation (korelasi skor item dengan total item) atau r hitung dan membandingkanya dengan r table (r table pada alpha 0,05 dengan derajad bebas df=jumlah kasus-2) pada uji satu arah. Pengambilan keputusan : Jika r hitung positif dan r hitung > r table, maka butir tersebut valid. Jika r hitung negative atau r hitung < r table, maka butir tersebut tidak valid. 2) Menentukan reliabilitas, dilakukan jika seluruh item dinyatakan valid, dilakukan dengan cara ; Melihat skor r alpha pada akhir analisis dibandingkan dengan r table pada pengujian validitas. Pengambilan keputusan : Jika r alpha positif dan r alpha > r table, maka variable tersebut reliabel. Jika r alpha negative atau r alpha < r table, maka variable tidak reliable.
Data kuisioner ditabulasi kedalam MS-Exel, baik skor maupun total skornya
PENGUJIAN DENGAN one shot method Pengujian validitas dan reliabilitas dapat pula dilakukan dengan metode one shot method atau pengujian internal consistency, dengan metode ini pengukuran cukup dilakukan satu kali (Pratisto Arif, 2004;249). Metode ini memiliki kelebihan untuk menguji validitas dan reliabilitas secara bersamaan, adapun criteria pengujian dilakukan dengan langkah : 1)
Untuk menguji validitas butir pertanyaan dengan cara : Melihat skor Corrected Item-Total Correlation (korelasi skor item dengan total item) atau r hitung dan membandingkanya dengan r table (r table pada alpha 0,05 dengan derajad bebas df=jumlah kasus2 - pada uji satu arah). Pengambilan keputusan : Jika r hitung positif dan r hitung > r table, maka butir tersebut valid. Jika r hitung negative atau r hitung < r table, maka butir tersebut tidak valid.
2)
Menentukan reliabilitas, dilakukan jika seluruh item dinyatakan reliabel dilakukan dengan cara ; Melihat skor r alpha pada akhir analisis dibandingkan dengan r table pada pengujian validitas. Pengambilan keputusan : Jika r alpha positif dan r alpha > r table, maka variable tersebut reliabel. Jika r alpha negative atau r alpha < r table, maka variable tidak reliable.
Diblok kecuali total
Tekan panah untuk pindahkan
klik / tekan statistik
Tekan continue kembali semula langsung tekan Ok.
R - hitung untuk menentukan validitas indikator/item
r – alpha untuk menentukan reliabilitas konstruk/variabel
Variabel Inovasi dan Pengambilan resiko No 1 2 3 4 5 6 7 8 9 10
Item Pertanyaan Ipres_1 Ipres_2 Ipres_3 Ipres_4 Ipres_5 Ipres_6 Ipres_7 Ipres_8 Ipres_9 Ipres_10
r hitung
r tabel
Sig
Keterangan
0,643 0,427 0.664 0,739 0,664 0,788 0,683 0,427 0,664 0,739
0,1603 0,1603 0,1603 0,1603 0,1603 0,1603 0,1603 0,1603 0,1603 0,1603
0,000 0,003 0,000 0,000 0,000 0,000 0,000 0,003 0,000 0,000
Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid
Sumber: data primer yang diolah
Rekap Hasil SPSS
2) Uji reliabilitas Analisis reliabilitas menunjukkan pada pengertian apakah instrumen dapat mengukur suatu yang diukur secara konsisten dari waktu ke waktu. Ukuran dikatakan reliabel jika ukuran tersebut memberikan hasil yang konsisten. Reliabilitas diukur dengan menggunakan metode cronbach alpha. Rumus Cronbach alpha : k k 1 1
2 b t 2
(Suharsimi Arikunto, 1998: 193 )
Keterangan : r = reliabilitas instrumen k = banyaknya butir pertanyaan Σσb2 = jumlah varians butir = varians total 2 t
Dikatakan reliabel apabila nilai cronbach alpha lebih besar (>) dari 0,60 (Sekaran, 2000: 173) atau (Nunnaly,1967 dalam Ghozali 2005;42).
Dikatakan reliabel apabila nilai cronbach alpha lebih besar (>) dari 0,60 (Sekaran, 2000: 173) atau (Nunnaly,1967 dalam Ghozali 2005;42). Hasil : 0,8366 > 0,60 artinya variabel tersebut reliabel.
Contoh : penyusunannya Uji Reliabilitas Instrumen Penelitian
Variabel
Inovasi Peng. Resiko (X1) Keagresifan (X2) Kemantapan (X3) Orientasi Tim (X4) Perhatian Rincian (X5) Produktivitas Kerja (Y)
Nilai Reliabilitas (cronbach alpha)
Nilai Alpha (nunnaly)
Keterangan
0,8366 0,6751 0,6441 0,8548 0,6867 0,7126
0,6 0,6 0,6 0,6 0,6 0,6
Reliabel Reliabel Reliabel Reliabel Reliabel Reliabel
Sumber: data primer yang diolah
Inovasi Peng. Resiko : Nilai Reliabilitas (cronbach alpha) 0,8366 > 0,60 (Nunnaly) berarti variabel tersebut reliabel
B. Regresi Linier Berganda
Analisis ini digunakan untuk mengetahui pengaruh dari variabel bebas terhadap variabel terikat. Adapun rumus yang digunakan adalah: Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + e (Sugiyono, 1999 : 211) Keterangan : X1 = Inovasi dan Peng. Resiko X2 = Keagresifan X3 = Kemantapan X4 = Orientasi hasil X5 = Perhatian Pada Rincian Y = Produktivitas Kerja a = Konstanta b1 ….. b5 = Koefisien regresi e = error/kesalahan Untuk melakukan analisis linier berganda digunakan bantuan komputer dengan program SPSS versi 10 for Windows Untuk Inteprestasi perhatikan tabel Coefficiens dalam hasil report tabel SPSS
PENTING DIPERHATIKAN ! ! ! !. Untuk Inteprestasi perhatikan tabel Coefficiens dalam hasil report tabel SPSS Harus perpedoman pada jenis skala data yang kita olah, yaitu apakah data tersebut baku atau tidak baku. (Imam Ghozali : 2001 : 88) Apabila data tersebut BAKU, baik skala maupun satuanya, maka yang dibaca adalah kolom Unstandartdized Coefficient. (SKALA : 1 s/d 5. SATUAN : satu ) inpres (X1)
Keagresipan (X2)
Kemantapan (X3)
Orientasi hasil (X4)
Perh. Rician (X5)
Prod. Kerja (Y)
1
4
3
4
4
5
4
2
5
5
3
4
5
5
3
4
3
4
4
5
5
4
4
2
5
4
4
3
5
5
3
3
4
No Res
4 dst
Apabila data tersebut TIDAK BAKU, baik skala maupun satuanya, maka yang dibaca adalah kolom Standartdized Coefficient. (SKALA : tidak beraturan, SATUAN : tidak sama Tahun
Inflasi (X1)
Jml uang Beredar (X2) Trilyun
Cadangan Valuta (X3) Milyard
Pengangguran (X4) Juta orang
Ekport (X5) Milyard
Perdpatan Perkapita (Y) Ratus Ribu/org
% 1
8
13
400.
4
150.
2
2
9
15
300.
1
500.
5
15
3
400.
4
750.
4
16
14
200.
2
400.
3
13
15
600.
3
300.
2
3 4
Uji R Square
Uji- Autokorelasi
Uji- F (serempak)
Model Regresi
Uji- t (parsial) Uji Multikolinier
Uji Normalitas
Uji Heterokedastisitas
a Dependent Variable: Y
Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + e
Y = -15,584 + 0. 108X1 + 0.126X2 - 0.002X3 + 0.033X4 + 1,403X5 + e
Inteprestasi Model / persamaan regresi : Y = -15,584 + 0. 108X1 + 0.126X2 - 0.002X3 + 0.033X4 + 1,403X5 + e (1) -15,584 adalah nilai konstanta, apabila variabel lain tidak ada, maka nilai y atau produktivitas kerja sebesar konstanta. (2) Variabel X1 koefisien sebesar 0.108 maka Variabel X1 mempunyai pengaruh terhadap Produktivitas kerja sebesar konstanta ditambah 0. 108X1 dengan asumsi variabel lain tidak ada. (3) Variabel X2 mempunyai koefisien sebesar 0.126 maka Variabel X2 mempunyai pengaruh terhadap Produktivitas kerja. Hal ini mengindikasikan bahwa variabel tersebut memiliki peran untuk meningkatkan Produktivitas Kerja sebesar konstanta ditambah 0.126X2 dengan asumsi variabel lain tidak ada. (4) Variabel X3 mempunyai koefisien sebesar - 0.002 maka Variabel X3 mempunyai pengaruh negatif terhadap Produktivitas kerja. Hal ini mengindikasikan bahwa variabel tersebut tidak memiliki peran untuk meningkatkan Produktivitas Kerja yaitu sebesar konstanta dikurangi - 0.002X3 dengan asumsi variabel lain tidak ada. (5) Variabel X4 mempunyai koefisien sebesar 0.033 maka Variabel X4 mempunyai pengaruh terhadap Produktivitas kerja. Hal ini mengindikasikan bahwa variabel tersebut memiliki peran untuk meningkatkan Produktivitas Kerja sebesar konstanta ditambah 0.033X4 dengan asumsi variabel lain tidak ada. (6) Variabel X5 mempunyai koefisien sebesar 1,403 maka Variabel X5 mempunyai pengaruh terhadap Produktivitas kerja. Hal ini mengindikasikan bahwa variabel tersebut memiliki peran untuk meningkatkan Produktivitas Kerja sebesar konstanta ditambah 1,403X5 dengan asumsi variabel lain tidak ada. (7) Variabel X5 mempunyai koefisien paling besar yaitu 1,403 maka Variabel X5 mempunyai pengaruh paling dominan untuk meningkatkan Produktivitas kerja.
C. Uji Hipotesis 1)Uji t Uji t digunakan untuk mengetahui signifikansi pengaruh variabel Inovasi dan Peng. Resiko,Keagresifan, Kemantapan, Orientasi hasil, Perhatian Pada Rincian secara parsial terhadap Produktivitas Kerja. Langkah-langkah pengujian :
Menentukan Ho dan Ha
Ho : β = 0, tidak terdapat pengaruh yang signifikan secara parsial variabel Inovasi dan Peng. Resiko,Keagresifan, Kemantapan, Orientasi hasil, Perhatian Pada Rincian secara parsial terhadap Produktivitas Kerja.
Ha : β ≠ 0, terdapat pengaruh yang signifikan secara parsial variabel Inovasi dan Peng. Resiko,Keagresifan, Kemantapan, Orientasi hasil, Perhatian Pada Rincian secara parsial terhadap Produktivitas Kerja. Penentuan level of significant (α) = 0,05 Nilai t tabel = t α/2 Kriteria pengujian Ho diterima apabila nilai – t tabel < t hitung < t tabel Ho ditolak apabila nilai t hitung < -t tabel atau t hitung > t tabel Atau Perhatikan tabel hasil SPSS “Coefficien” Ho diterima, Nilai Kolom sig. > level of significant (α) = 0,05 = Tidak Signifikan. Ho ditolak, Nilai Kolom sig. < level of significant (α) = 0,05 = Signifikan.
Kesimpulan atas Uji t ( Parsial ) : No
Nilai Sig
Level Signifikan
Kebermaknaan
Hipotesis
X1
0,026
0,05
Signifikan
Terbukti
X2
0,029
0,05
Signifikan
Terbukti
X3
0,977
0,05
Tidak Signifikan
Tidak Terbukti
X4
0,586
0,05
Tidak Signifikan
Tidak Terbukti
X5
0,000
0,05
Signifikan
Terbukti
2). Uji F (F-test) Uji F digunakan untuk mengetahui signifikansi pengaruh variabel Inovasi dan Peng. Resiko,Keagresifan, Kemantapan, Orientasi hasil, Perhatian Pada Rincian secara parsial terhadap Produktivitas Kerja. Langkah-langkah pengujian : Menentukan Ho dan Ha Ho: β1 = β2 = β3 = β4 = β5 = 0, tidak terdapat pengaruh yang signifikan variabel Inovasi dan Peng. Resiko,Keagresifan, Kemantapan, Orientasi hasil, Perhatian Pada Rincian secara simultan terhadap Produktivitas Kerja. Ha: β1 ≠ β2 ≠ β3 ≠ β4 ≠ β5 ≠ 0, terdapat pengaruh yang signifikan variabel Inovasi dan Peng. Resiko,Keagresifan, Kemantapan, Orientasi hasil, Perhatian Pada Rincian secara simultan terhadap Produktivitas Kerja. Penentuan level of significan (α) = 0.05 Kriteria pengujian : Ho diterima apabila nilai F hitung ≤ F tabel Ho ditolak apabila nilai F hitung > F tabel atau Perhatikan tabel hasil SPSS “ANOVA Ho diterima, Nilai Kolom sig. > level of significant (α) = 0,05 = Tidak Signifikan. Ho ditolak, Nilai Kolom sig. < level of significant (α) = 0,05 = Signifikan.
Kesimpulan : Terdapat pengaruh yang signifikan variabel Inovasi dan Peng. Resiko,Keagresifan, Kemantapan, Orientasi hasil, Perhatian Pada Rincian secara simultan terhadap Produktivitas Kerja. Ditunjukan dengan Nilai Kolom sig. 0,000 < level of significant (α) = 0,05 = Signifikan.
Uji Serempak (F)
Fungsi (Model) Regresi yang dihasilkan Y = -15,584+0,108X1+0,126X2-0,002X3+0,033X4+1,403X5+e
Uji Parsial (t)
3) Analisis koefisien determinasi (R2) Analisis koefisien determinasi untuk mengetahui besarnya kemampuan variabel Inovasi dan Peng. Resiko,Keagresifan, Kemantapan, Orientasi hasil, Perhatian Pada Rincian untuk menjelaskan keragaman yang terdapat pada variabel Produktivitas Kerja. (kelayakan kemampuan penjelas variabel X terhadap variabel Y) Koefisien determinasi dinyatakan dalam prosentase. Adapun rumus R2 adalah :
R2 =
1 YX 1 2 YX 2
Y
2
(Djarwanto Ps dan Pangestu Subagyo, 1992: 164). Keterangan : β1, β2, : koefisien regresi X1, X2, : data variabel independen Y : data variabel independen
Kesimpulan : Karena R Square atau Nila Adj R Square 0,864 atau 0,848 besarnya mendekati angka 1, atau diatas 0,5 maka model adalah fit, atau kemampuan variabel Inovasi dan Peng. Resiko,Keagresifan, Kemantapan, Orientasi hasil, Perhatian Pada Rincian mampu menjelaskan keragaman yang ada pada variabel Produktivitas Kerja (Y).
D. Pengujian Asumsi Klasik 1) Normalitas Uji normalitas dilakukan dengan melihat gambar grafik Normal P-P Plot, dimana terjadinya gejala tersebut dideteksi dengan melihat titik-titik yang mengikuti arah garis linier dari kiri bawah ke kanan atas. Bila titik-titik mengikuti arah garis linier berarti terjadi adanya gejala normalitas.
2) Uji Multikolinier Suatu model dikatakan bebas adanya multikolinieritas jika antar variabel x (independen) tidak memiliki korelasi yang sangat tinggi yaitu umumnya diatas 90%. Hal ini dapat dilihat dari nilai VIF (varian inflation factor) = 1/Tolerance yang mayoritas variabel disekitar angka 1 dan mempunyai nilai tolerance tidak melebihi 1 ( Nilai cuttoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah Nilai Tolerance<0,10 atau sama dengan nilai VIF>10). Pada tabel dibawah ini menunjukkan bahwa nilai VIF umumnya berada di sekitar 1 dan mempunyai angka tolerance tidak melebihi 1, sehingga model regresi dapat dikatakan bebas multikolinieritas. Adapun rangkuman uji multikolinieritas dalam penelitian ini dapat dilihat pada tabel dibawah ini :
Sumber: data hasil olahan Statistical Pakcage for Social Science 11
3) Uji Heteroskedastisitas Gejala heterokedastisitas terjadi sebagai akibat dari variasi residual yang tidak sama untuk semua pengamatan. Pada bagian ini, cara mendeteksi ada tidaknya gejala heterokedastisitas dilakukan dengan melihat grafik plot antara nilai prediksi variabel terikat (Zpred) dengan residualnya (Sresid). Deteksi ada tidaknya gejala tersebut dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot. Dasar pengambilan keputusan dalam analisis heterokedastisitas adalah sebagai berikut : • Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka sudah menunjukkan telah terjadinya gejala heterokedastisitas. • Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
Berdasarkan gambar tersebut, memperlihatkan tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
4) Autokorelasi. Pengujian autokorelasi dimaksudkan untuk mengetahui apakah terjadi korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu (time series) atau secara ruang (cross sectional). Hal ini mempunyai arti bahwa hasil suatu tahun tertentu dipengaruhi tahun sebelumnya atau tahun berikutnya. Terdapat korelasi atas data cross section apabila data di suatu tempat dipengaruhi atau mempengaruhi di tempat lain. untuk mendeteksi ada atau tidaknya autokorelasi ini dapat dilakukan dengan menggunakan uji statistik Durbin – Watson. Adapun dasar pengambilan keputusan dalam uji Durbin – Watson ini dilakukan dengan mengadopsi pendapat Singgih Santoso (2000), sebagai berikut : • Bila angka Durbin – Watson berada di bawah –2, berarti ada autokorelasi. • Bila angka Durbin – Watson diantara –2 sampai +2, berarti tidak ada autokorelasi. • Bila angka Durbin – Watson di atas +2, berarti ada autokorelasi negatif. Tabel Hasil Uji Auto Korelasi Durbin Watson Statistic (Model Summary)