2. TEKNIK ANALISIS DATA
Teknik analisis data ditentukan oleh faktor:
Tujuan studi
Skala ukur yang digunakan
Jumlah variabel
2
3. Analisis regresi
Manfaat:
Untuk menentukan hubungan kausalitas atau
sebab-akibat antara satu variabel terikat dengan
satu atau lebih variabel bebas.
Misal: penelitian tentang pengaruh motivasi
karyawan , perilaku pemimpin, dan kesempatan
pengembangan karier terhadap kinerja
karyawan (satu variabel terikat dan tiga variabel
bebas).
3
4. Y = a + b1 X1 + b2 X2 + b3 X3+ e
di mana Y = kinerja
X1 = motivasi
X2 = perilaku pemimpin
X3 = kesempatan pengembangan karier
a = konstanta
b1, b2, b3 = koefisien regresi
e = variabel pengganggu
Data hasil penelitian terhadap 59 responden sebagai sampel dinyatakan
pada tabel berikut ini.
4
7. Menentukan model/persaman regresi:
Menggunakan hasil print out program statistik SPSS
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Correlations
Model B Std. Error Beta t Sig. Zero-order Partial
1 (Constant) .672 .264 2.540 .014
X1 .365 .075 .534 4.892 .000 .749 .551
X2 .209 .095 .253 2.202 .032 .749 .285
X3 .187 .048 .303 3.905 .000 .435 .466
a. Dependent Variable: Y
Y = 0,672 + 0,365 X1 + 0,209 X2 + 0,187 X3
7
8. Nilai Koefisien Determinasi (R2)
Model Summaryb
Adjusted R Std. Error of
Model R R Square Square the Estimate Durbin-Watson
1 .850a .722 .707 .20198 .1755
a. Predictors: (Constant), X3, X1, X2
b. Dependent Variable: Y
Nilai koefisien determinasi (adjusted R square) digunakan untuk
menunjukkan variasi nilai variabel tergantung yang dijelaskan oleh variabel
bebas.
Dari tabel output program ini, disimpulkan bahwa kinerja karyawan
dijelaskan oleh motivasi karyawan, perilaku pemimpin, dan pengembangan
karier sebesar 70,7%. Sementara itu, sisanya (sebesar 29,3%) dijelaskan oleh
variabel lain yang tidak dianalisis dalam model.
8
9. Uji Model (Uji Koefisien Regresi secara Parsial)
Uji model secara serempak dilakukan menggunakan uji F. Caranya dengan
membandingkan nilai alfa yang dipilih (misal: 1–10%) dengan nilai Sig. dalam tabel
hasil print out program SPSS. Jika nilai Sig. lebih kecil daripada nilai alfa yang dipilih
maka disimpulkan bahwa koefisien regresi variabel bebas secara serempak signifikan
menjelaskan variabel terikat. Sebaliknya, tidak signifikan jika nilai Sig. lebih besar
daripada alfa yang pilih.
ANOVAb
Sum of R
Model Squares df Mean Square F Sig.
1 Regression 5.820 3 1.940 47.558 .000a
Residual 2.244 55 4.079E–02
Total 8.064 58
a. Predictors: (Constant), X3, X1, X2
b. Dependent Variable: Y
Dari tabel output ini, disimpulkan bahwa jika alfa yang dipilih sebesar 1% maka
variabel kinerja karyawan secara serempak signifikan (nyata) dijelaskan oleh
variabel motivasi karyawan, perilaku pemimpin, dan pengembangan karier.
9
10. Uji Model (Uji Koefisien Regresi secara Serempak)
Uji koefisien regresi secara parsial berarti menguji setiap pengaruh variabel bebas
terhadap variabel terikat apakah signifikan atau tidak. Caranya dengan
membandingkan nilai Sig. dengan nilai alfa yang dipilih. Jika nilai Sig. lebih kecil
daripada nilai alfa yang dipilih, pengaruh variabel bebas itu signifikan terhadap
variabel terikat. Demikian pula sebaliknya.
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Correlations
Model B Std. Error Beta T Sig. Zero-order Partial
1 (Constant) .672 .264 2.540 .014
X1 .365 .075 .534 4.892 .000 .749 .551
X2 .209 .095 .253 2.202 .032 .749 .285
X3 .187 .048 .303 3.905 .000 .435 .466
a. Dependent Variable: Y
Tabel output ini menunjukkan bahwa untuk alfa 5% semua nilai Sig. lebih kecil.
Dengan demikian, semua variabel bebas (motivasi karyawan, perilaku
pemimpin, dan pengembangan karier) berpengaruh signifikan terhadap kinerja
karyawan secara parsial.
10
11. Menentukan pengaruh variabel yang dominan
dalam model regresi berganda
Perhatikan nilai koefisien regresi yang paling besar dalam
persamaan itu.
Perhatikan signifikansi setiap koefisien tersebut pada
setiap variabel.
Jika nilai koefisien regresi suatu variabel paling besar di
antara yang lain dan signifikan untuk alpha tertentu
maka: “variabel itu mempunyai pengaruh yang dominan
jika dibandingkan dengan variabel lain terhadap
variabel terikat.
Y = 0,672 + 0,365 X1 + 0,209 X2 + 0,187 X3
11