BAB IV

PENGUJIAN

4.3 Uji Validitas dan Reliabilitas

4.3.1 Uji Validitas

Uji validitas adalah suatu ukuran yang menunjukkan tingkat – tingkat kevalidan atau

kesahihan sesuatu instrumen. Uji validitas digunakan untuk mengukur sah atau tidak validnya

suatu kuesioner. Uji signifikansi dilakukan dengan menggunakan r tabel. Nilai r tabel untuk

sampel 92 dengan tingkat signifikansi 5 % menunjukkan r tabel sebesar 0,205 . R table = 0,205

(df = n-2 = 92-2 = 90,  = 5 %). Jika r hitung lebih besar dari r tabel dan nilai r positif maka

pertanyaan tersebut dikatakan valid. Berikut ini adalah hasil uji validitas.

Tabel 4.10

Uji Validitas Variabel Kinerja karyawan

Corrected
Item-Total
Variabel Indikator >< r tabel Keterangan
Correlation (r
hitung)

Indikator 1 0,621 > 0,205 Valid

Kedisiplinan
Indikator 2 0,635 > 0,205 Valid
(X1)
Indikator 3 0,707 > 0,205 Valid

Indikator 1 0,576 > 0,205 Valid

Lingkungan kerja
Indikator 2 0,697 > 0,205 Valid
(X2)
Indikator 3 0,860 > 0,205 Valid

Pelatihan (X3) Indikator 1 0,450 > 0,205 Valid

 Corrected
Item-Total
Variabel Indikator >< r tabel Keterangan
Correlation (r
hitung)

Indikator 2 0,612 > 0,205 Valid

Indikator 3 0,581 > 0,205 Valid

Indikator 4 0,619 > 0,205 Valid

Kompetensi Indikator 1 0,423 > 0,205 Valid

(X4)
Indikator 2 0,655 > 0,205 Valid

0,558
> 0,205 Valid
Indikator 3

Indikator 1 0,554 > 0,205 Valid

Kinerja karyawan
Indikator 2 0,633 > 0,205 Valid
(Y)
Indikator 3 0,649 > 0,205 Valid

Sumber : Data primer yang diolah, 2016

Berdasarkan dari uji validitas menunjukkan bahwa nilai r hitung lebih besar dibanding

nilai r tabel. Dengan hasil ini maka kuesioner yang digunakan oleh variabel kedisiplinan,

lingkungan kerja, pelatihan, kompentensi dan kinerja karyawan dinyatakan valid sebagai alat

ukur variabel.

4.3.2 Uji Reliabilitas

Reliabilitas menunjuk pada satu pengertian bahwa suatu instrumen cukup dapat

dipercaya untuk digunakan sebagai alat pengumpul data karena instrumen tersebut sudah baik,
sehingga mampu mengungkap data yang bisa dipercaya. Reliabilitas sebenarnya adalah alat ukur

untuk mengukur suatu kuesioner yang merupakan indikator dari variabel atau kostruk. Suatu

konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha > 0,7. Berikut

ini adalah hasil uji reliabilitas :

Tabel 4.10

Uji Reliabilitas Instrumen

Variabel Alpha ( α) Keterangan

Kinerja karyawan 0,775 Reliabel

Kedisiplinan 0,804 Reliabel

Lingkungan kerja 0,837 Reliabel

Pelatihan 0,761 Reliabel

Kompetensi 0,720 Reliabel

Sumber : Data Primer yang diolah, 2016

Dari data diatas dapat diketahui bahwa masing-masing variabel adalah reliabel karena

mempunyai nilai alpha lebih besar dari 0,7

4.4 Pengujian Asumsi Klasik

4.4.1 Pengujian Normalitas Data

Uji normalitas dilakukan untuk mengetahui apakah data sampel dalam penelitian ini

telah terdistribusi secara normal. Model yang tinggi adalah yang memiliki ditribusi data yang

normal atau mendekati normal (Ghozali, 2001). Hasil uji normalitas data dengan menggunakan

analisis grafik yaitu grafik normal plot menunjukkan titik - titik menyebar disekitar garis

diagonal serta penyebarannya mengikuti arah garis diagonal, hal ini berarti data berkompetensi

normal. Analisis grafik dapat dilihat pada gambar dibawah ini :

 Normal P-P Plot of Regression Standardized Residual

Dependent Variable: KINERJA

1.0

0.8

Expected Cum Prob

0.6

0.4

0.2

0.0
0.0 0.2 0.4 0.6 0.8 1.0

Observed Cum Prob

Gambar 4.1
Uji Normalitas
Gambar tersebut menunjukkan bahwa titik-titik residual model regresi sudah

berkompetensi normal karena titik-titik tersebut yang menyebar di sekitar garis diagonal, serta

penyebarannya mengikuti arah garis diagonal. Dengan demikian dari grafik tersebut

menunjukkan bahwa model regresi layak dipakai karena memenuhi asumsi normalitas.

Uji normalitas dalam penelitian ini juga menggunakan uji kolmogorof Smirnov Test

antara lain sebagai berikut :

Tabel 4.11
Uji kolmogorof Smirnov test
One-Sample Kolmogorov-Smirnov Test

Unstandardiz
ed Residual
N 92
Normal Parameters a,b Mean .0000000
Std. Deviation .76571927
Most Extreme Absolute .137
Differenc es Positive .070
Negative -.137
Kolmogorov-Smirnov Z 1.317
Asymp. Sig. (2-tailed) .062
a. Test distribution is Normal.
b. Calculated from data.

Berdasarkan tabel 4.13 dapat dilihat bahwa nilai signifikan sebesar 0.062 lebih besar

0,05. Hal ini dapat diartikan bahwa data berdistribusi normal.

4.4.2 Pengujian Heteroskedastisitas

Pengujian ini bertujuan untuk mendeteksi apakah kesalahan pengganggu dari model

yang diamati tidak memiliki varians yang konstan dari satu observasi-keobservasi lainnya. Untuk

mengetahui ada tidaknya gejala heteroskedastisitas dapat dilakukan dengan menggunakan grafik

heteroskesdastisitas untuk memprediksi nilai variabel dependen dengan variabel independen.

Dari scaterplots terlihat titik-titik yang menyebar secara acak serta tersebar diatas maupun

dibawah angka 0 pada sumbu Y. Dibawah ini terdapat gambar heteroskedastisitas:

Scatterplot

Dependent Variable: KINERJA

2
Regression Studentized Residual

-1

-2

-3

-3 -2 -1 0 1 2

Regression Standardized Predicted Value

Gambar 4.2
Uji Heterokedastisitas

Hasil pengujian heteroskedastisitas menunjukkan tidak terdapat pola yang jelas dari

titik-titik tersebut dan titik – titik menyebar diatas maupun dibawah angka nol pada sumbu Y.

Hal ini menunjukkan bahwa model regresi yang digunakan dalam penelitian ini tidak memiliki

gejala adanya heteroskedastisitas, yang berarti bahwa tidak ada gangguan yang berarti dalam

model regresi ini.

4.4.3 Pengujian Multikolinearitas

 Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya

korelasi antar variabel bebas (independent). Model regresi yang tinggi seharusnya tidak terjadi

korelasi antar variabel bebas. Untuk mendeteksi gejala Multikolinearitas dilakukan dengan cara

melihat nilai (VIF) Variance Inflation Factor (Ghozali, 2009). Pada perhitungan ini tidak ada

satupun variabel independen yang memiliki VIF lebih dari 10, maka data ini bebas dari

Multikolinearitas. Sedangkan berdasarkan nilai tolerance tidak ada satupun variabel independen

yang memiliki tolerance lebih dari 0,1. Untuk hasil selengkapnya dapat dilihat dari tabel 4.18 :

Tabel 4.12
Uji Multikolinearitas

a
Coefficients

Collinearity Statistics
Model Tolerance VIF
1 Kedisiplinan .766 1.305
Lingkungan .554 1.807
pelatihan .785 1.274
Kom petensi .565 1.770
a. Dependent Variable: KINERJA

Sumber : Hasil Output data, 2016

Nilai VIF untuk masing-masing variabel independen dalam persamaan memiliki nilai

kurang dari 10 dan nilai tolerance lebih besar dari 0,10 maka semua variabel dalam model tidak

terkena masalah multikolinearitas.Hal ini dapat disimpulkan bahwa semua variabel bebas tidak

mepunyai korelasi yang sangat kuat.

4.5 Analisis Regresi Linier berganda

Adapun regresi linier berganda menggunakan SPSS versi 13.00 antara lain sebagi

berikut :
 Tabel 4.13
Analisis Regresi Linier Berganda

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -.367 .718 -.511 .611
Kedisiplinan .238 .050 .259 4.753 .000
Lingkungan .248 .048 .332 5.179 .000
pelatihan .361 .040 .487 9.060 .000
Kompetensi .117 .056 .132 2.076 .041
a. Dependent Variable: KINERJA

Sumber : Hasil Output data, 2016

Sehingga dari persamaan rumus regresi linier berganda dapat diperoleh hasil sebagai

berikut :

Y =-0,367 + 0,238X1 +0,248 X2 + 0,361 X3 +0,117 X4

Hasil persamaan regresi berganda tersebut diatas memberikan pengertian bahwa :

a. Konstanta (α) sebesar -0,367 yang berarti apabila kedisiplinan, lingkungan , pelatihan dan

kompetensi idak ada perubahan maka kinerja karyawan cenderung negatif

b. b1 (nilai koefisien regresi X1) 0,238 kedisiplinan bernilai positif, hal ini dapat diartikan

bahwa jika kedisiplinan (X1) ditingkatkan sedangkan variabel lain adalah tetap (konstan)

maka kinerja karyawan juga akan meningkat

c. b2 (nilai koefisien regresi X2) 0,248 lingkungan kerja bernilai positif, hal ini dapat diartikan

bahwa jika lingkungan kerja (X2) meningkat sedangkan variabel lain adalah tetap (konstan)

maka kinerja karyawan juga akan meningkat.

d. b3 (nilai koefisien regresi X3) 0,361 pelatihan bernilai positif, hal ini dapat diartikan bahwa

jika pelatihan (X3) ditingkatkan sedangkan variabel lain adalah tetap (konstan) maka kinerja

karyawan juga akan meningkat.

e. b4 (nilai koefisien regresi X4) 0,117 kompetensi bernilai positif, hal ini dapat diartikan

bahwa jika kompetensi (X4) lebih strategis sedangkan variabel lain adalah tetap (konstan)

maka kinerja karyawan juga akan meningkat.

4.6 Pengujian Hipotesis Secara Simultan (uji F)

Pengujian uji F dapat dilihat dari tabel dibawah ini :

Tabel 4.14
Uji F

ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 216.851 4 54.213 88.397 .000a
Residual 53.356 87 .613
Total 270.207 91
a. Predictors : (Constant), Kompetensi, Kedisiplinan , pelatihan , Lingkungan
b. Dependent Variable: KINERJA

Nilai F hitung sebesar 88,397 dengan tingkat signifikansi 0,000 < 0,05. Dengan demikian

keputusan yang diambil Ho ditolak dan menerima Ha. Hal ini berarti bahwa semua

variabel bebas secara bersama-sama mampu mempengaruhi variabel terikat secara

signifikan.

4.7 Pengujian Hipotesis

Pengujian hipotesis dilakukan untuk mengetahui apakah persamaan regresi yang

diperoleh tersebut dapat dipertanggung jawabkan atau tidak. Bila hasil analisis nanti
menunjukkan bahwa persamaan regresi yang bersangkutan adalah signifikan atau dapat

dipertanggungjawabkan, maka persamaan regresi tersebut dapat digunakan untuk meramalkan

variabel Y dan sekaligus untuk membuktikan hipotesis yang diajukan.

Pengujian hipotesis secara parsial ini dilakukan dengan menggunakan 5 langkah

meliputi :

Tabel 4.16
Uji t

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -.367 .718 -.511 .611
Kedisiplinan .238 .050 .259 4.753 .000
Lingkungan .248 .048 .332 5.179 .000
pelatihan .361 .040 .487 9.060 .000
Kompetensi .117 .056 .132 2.076 .041
a. Dependent Variable: KINERJA

a. Pengujian hipótesis kedisiplinan terhadap kinerja karyawan

Kedisiplinan (X1 ) = 4,753 dengan sig. = 0,000 < 0,05. Dengan demikian menunjukkan

bahwa terdapat pengaruh signifikan antara kedisiplinan terhadap kinerja karyawan (Y).

Artinya bahwa setiap peningkatan kedisiplinan akan meningkatkan kinerja karyawan.

b. Pengujian hipótesis lingkungan kerja terhadap kinerja karyawan

Lingkungan kerja (X2 ) = 5,179 dengan sig. = 0,000 < 0,05. Dengan demikian

menunjukkan bahwa terdapat pengaruh signifikan antara lingkungan kerja terhadap kinerja

karyawan (Y). Artinya bahwa setiap peningkatan lingkungan kerja akan meningkatkan

kinerja karyawan
c. Pengujian Hipotesis pelatihan terhadap kinerja karyawan

Pelatihan (X3 ) = 9,060 dengan sig. = 0,000 < 0,05.. Dengan demikian menunjukkan bahwa

terdapat pengaruh signifikan antara pelatihan terhadap kinerja karyawan . Artinya bahwa

setiap peningkatan pelatihan akan meningkatkan kinerja karyawan

d. Pengujian hipótesis kompetensi terhadap kinerja karyawan

Kompetensi (X4 ) = 2,076 dengan sig. = 0,000 < 0,05. Dengan demikian menunjukkan

bahwa terdapat pengaruh signifikan antara kompetensi terhadap kinerja karyawan (Y).

Artinya bahwa setiap peningkatan kompetensi akan meningkatkan kinerja karyawan

4.5 Analisis Koefisien Determinasi

Tabel 4.17

Koefisien Determinasi

Model Summaryb

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 .896a .803 .793 .783
a. Predictors: (Cons tant), Kompetensi, Kedisiplinan ,
pelatihan , Lingkungan
b. Dependent Variable: KINERJA

Sumber : Hasil Output SPSS, 2016

Koefisien determinasi digunakan untuk mengetahui seberapa besar variabilitas variabel

independen dalam menjelaskan variabel dependen yang ditunjukkan oleh nilai R square (R2)

yaitu sebesar 0,793 artinya variabilitas variabel kedisiplinan, lingkungan kerja,pelatihan dan

kompetensi mampu menjelaskan kinerja karyawan (Y) sebesar 79,3 %, sedangkan sisanya

sebesar 20,7% dijelaskan oleh variabilitas variabel lain yang tidak diteliti dalam penelitian ini.