BAB IV HASIL PENELITIAN DAN PEMBAHASAN

A. Profil Perusahaan

B. Hasil Penelitian

1. Hasil Pengisian Kuisioner

2. Hasil Analisis Data Menggunakan SPSS

a. Uji Validitas

Uji validitas atau kesabihan digunakan dalam menguji sejauh mana

ketepatan alat ukur, mampu mengukur konsep gejala atau kejadian yang

ingin diukur. Uji validitas merupakan akurasi alat ukur terhadap yang

diukur, alat pengukur haruslah memiliki akurasi yang baik terlebih

apabila alat ukur tersebut yang dipakai. Dalam uji validitas dihitung

dengan membandingkan nilai r hitung dan nilai r tabel, jika r hitung > dari

r tabel (pada taraf signifikan 5%) maka indikator dari variabel penelitian

dapat dinyatakan valid dan sebaliknya jika r hitung < dari r tabel maka

indikator dari variabel penelitian dapat dinyatakan tidak valid.

Nilai r tabel untuk n = 100 adalah sebesar 0,163. Berikut ini

merupakan tabel hasil uji validitas menggunakan aplikasi IBM SPSS

Statistcs 25.
Tabel 4.8 Hasil Uji Validitas Kuesioner Variabel Digital Marketing (X)

No. Item Total Person R Standar (r- Ket.

Pertanyaan Correlation (r- tabel)
hitung)

1 Item 1 0,712 0,163 Valid

2 Item 2 0,539 0,163 Valid

3 Item 3 0,629 0,163 Valid

4 Item 4 0,655 0,163 Valid

5 Item 5 0,612 0,163 Valid

6 Item 6 0,604 0,163 Valid

7 Item 7 0,739 0,163 Valid

8 Item 8 0,618 0,163 Valid

Sumber: Hasil Pengolahan Data IBM SPSS Statistics 25 (2022)

Tabel 4.9 Hasil Uji Validitas Kuesioner Variabel Penggunaan Jasa (Y)

No. Item Total Person R Standar (r- Ket.

Pertanyaan Correlation (r- tabel)
hitung)

1 Item 1 0,598 0,163 Valid

2 Item 2 0,663 0,163 Valid

3 Item 3 0,570 0,163 Valid

4 Item 4 0,581 0,163 Valid

5 Item 5 0,649 0,163 Valid

6 Item 6 0,659 0,163 Valid

7 Item 7 0,645 0,163 Valid

8 Item 8 0,570 0,163 Valid

Sumber: Hasil Pengolahan Data IBM SPSS Statistics 25 (2022)

Berdasarkan tabel hasil uji validitas diatas menunjukkan bahwa,

seluruh nilai r-hitung item pertanyaan kuesioner pada variabel penelitian yang

digunakan menghasilkan nilai r-hitung yang lebih besar dari nilai r-tabel. Nilai

r-tabel untuk jumlah sampel (n=100) adalah sebesar 0,163, sehingga seluruh

item pertanyaan pada masing-masing variabel pada kuesioner dapat

dinyatakan valid.

a. Uji Reliabilitas

Uji reliabilitas merupakan alat ukur untuk mengetahui sejauh mana

pengukuran tetap konsisten, apabila dilakukan dilakukan pengukuran dua kali

atau lebih terhadap gejala yang sama dengan menggunakan alat ukur yang

sama pula, ketepatan atau akurasi dari hasil penelitian pengujian. Uji

reliabilitas dalam penelitian ini adalah dengan menggunakan nilai hitung

cronbach’s alpha > 0,600 maka reliabilitas dapat diterima. Pengujian dari

reliabilitas untuk masing-masing variabel diperoleh data sebagai berikut:

Tabel 4.11 Hasil Uji Reliabilitas Instrumen Kuesioner

No. Variabel Cronbach’s Alpha Ket

1 Digital Marketing 0,751 Reliabel

2 Penggunaan Jasa 0,758 Reliabel

 Sumber: Hasil Pengolahan Data IBM SPSS Statistics 25 (2022)

Berdasarkan pada tabel di atas hasil uji reliabilitas menunjukkan

bahwa, seluruh nilai cronbach’s alpha untuk item pertanyaan kuesioner pada

variabel penelitian yang digunakan menghasilkan nilai cronbach’s alpa yang

lebih besar dari 0,600. Sehingga seluruh item pertanyaan pada masing-masing

variabel pada kuesioner dapat dinyatakan reliabel.

1. Uji Asumsi Klasik

a. Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah suatu data dapat

dikatakan berdistribusi normal atau tidak normal. Untuk mengetahui

normalitas peneliti menggunakan analisis grafik uji normal probability plot

atau sering disebut dengan uji P-Plot. Untuk melihat hasil uji normalitas dapat

berpedoman dari titik-titik yang ada dari hasil output aplikasi SPSS, dengan

ketentuan sebagai berikut:

a) Jika titik-titik atau data berada didekat atau mengikuti garis diagonal,

maka model regresi telah memenuhi asumsi normalitas.

b) Jika titik-titik atau data tersebar atau tidak mengikuti garis diagonal,

maka model regresi dinyatakan tidak memenuhi asumsi normalitas.

Gambar 4.2. Hasil Uji Normalitas

 Sumber: Hasil Pengolahan Data IBM SPSS Statistics 25 (2022)

Berdasarkan gambar 4.2 diatas grafik p-p plot, menunjukkan

penyebaran data (titik) disekitar garis regresi (diagonal) dan penyebaran titik-

titik data searah mengikuti garis diagonal. Maka dapat disimpulkan bahwa

model regresi layak digunakan karena telah memenuhi asumsi normalitas.

2. Analisis Regresi Linear Berganda

Regresi linear berganda adalah metode statistika yang digunakan untuk

membentuk hubungan antara variabel terikat (Y) dengan variabel bebas (X).

Apabila variabel bebas berjumlah lebih dari satu, maka analisis regresi linear

berganda yang digunakan.

Persamaan regresi linier berganda adalah sebagai berikut:

 Y =a+bX

Keterangan:

Y = Kinerja

a = Konstanta

X = Digital Marketing

Y = Penggunaan Jasa

Berdasarkan analisis data yang menggunakan perhitungan regresi

berganda dengan program IMB Statistical for Product and Service Solution

(SPSS 25), maka didapatkan hasil sebagai berikut:

Tabel 4.13. Hasil Analisis Regresi Berganda

Coefficientsa
Standardize
Unstandardized d
Coefficients Coefficients
Std.
Model B Error Beta t Sig.
1 (Constant) 21.026 2.14   9.79 0.00
8 0 0
X_TOTA 0.301 0.08 0.353 3.73 0.00
L 1 8 0
a. Dependent Variable: Y_TOTAL

Sumber: Hasil Pengolahan Data IBM SPSS Statistics 25 (2022)

Berdasarkan hasil pengolahan data primer pada hasil regresi berganda

pada tabel diatas dapat diketahui persamaan regresinya sebagai berikut:

Y = 21,026 + 0,301X
 Interpretasi persamaan regresi tersebut adalah:

a) Nilai konstanta sebesar 21,026 menyatakan bahwa jika tidak ada variabel

bebas (Digital Marketing) maka variabel terikat (Penggunaan Jasa)

menghasilkan nilai 21,026 atau dengan kata lain. Jika variabel X sama

dengan 0 maka kinerja karyawan menghasilkan 21,026.

b) Nilai koefisien regresi Digital Marketing 0,301 dengan tingkat signifikan

sebesar 0,00 artinya lebih besar dari (> 0,05). Hasil ini membuktikan

menyatakan variabel X (Digital Marketing) akan mengakibatkan variabel

Y (kinerja karyawan) bertambah sebesar 0,301.

3. Hasil Uji Hipotesis

Uji T dalam analisis regresi berganda digunakan untuk mengetahui sejauh

mana variabel bebas berpengaruh parsial (sendiri) terhadap variabel terikat, melalui

uji-t dapat juga diketahui mengenai informasi tentang seberapa besarnya pengaruh

variabel bebas terhadap kinerja karyawan.

Hipotesis yang digunakan adalah:

a) Ha: Variabel bebas mempunyai pengaruh yang signifikan secara parsial terhadap

variabel terikat.
b) Ho: Variabel bebas tidak mempunyai pengaruh yang signifikan secara parsial

terhadap variabel terikat.

Pedoman keputusan uji T berdasarkan nilai t hitung dan t tabel, yaitu:

a) Jika nilai t hitung > t tabel maka Ha diterima dan Ho ditolak

b) Jika nilai t hitung < t tabel maka Ho diterima dan Ha ditolak

Pedoman keputusan uji T berdasarkan nilai probabilitas signifikansi, yaitu:

a) Jika nilai signifikan < 0,05, maka variabel bebas secara parsial berpengaruh

signifikan terhadap variabel terikat.

b) Jika nilai signifikan > 0,05, maka variabel bebas secara simultan tidak

berpengaruh signifikan terhadap variabel terikat.

Dengan menggunakan sampel sebanyak 100 orang karyawan dengan t tabel = t (a / 2 : n

– k – 1 dengan taraf signifikansi 0,05.

Diketahui: a = Profitabilitas

n = Sampel

k = Variabel bebas

Sehingga:

t tabel = t (0,05/2 : 100 – 2 – 1)

= t (0,025 : 97)
 Maka t tabel = 1,660

Berikut ini merupakan hasil uji T menggunakan Aplikasi SPSS 25.

Coefficientsa
Standardize
Unstandardized d
Coefficients Coefficients
Std.
Model B Error Beta t Sig.
1 (Constant) 21.026 2.14   9.79 0.00
8 0 0
X_TOTA 0.301 0.08 0.353 3.73 0.00
L 1 8 0
a. Dependent Variable: Y_TOTAL

Sumber: Hasil Pengolahan Data IBM SPSS Statistics 25 (2022).

Berdasarkan tabel diatas maka di ketahui bahwa sesuai dengan tabel diatas

yaitu hasil uji t (parsial) menunjukkan bahwa nilai signifikansi pengaruh Digital

Marketing (X) terhadap Penggunaan Jasa (Y) adalah 0,00 < 0,05 dan nilai t hitung

3,738 > nilai t tabel 1,660 maka Ho1 ditolak dan Ha1 diterima. Artinya terdapat

pengaruh reward terhadap kinerja karyawan secara signifikan.

a. Koefisien Determinasi ( R2)

Nilai Koefisien dari determinasi menunjukkan persentase variasi nilai

variabel yang dijelaskan oleh persamaan regresi yang dihasilkan.

Tabel 4.16. Koefisien Determinasi

 Model Summaryb
Adjusted R Std. Error of
Model R R Square Square the Estimate
1 .353 a
0.125 0.116 2.25818
a. Predictors: (Constant), X_TOTAL
b. Dependent Variable: Y_TOTAL

Sumber: Hasil Pengolahan Data IBM SPSS Statistics 25 (2022)

Pada tabel diatas menunjukkan, bahwa nilai koefisien determinasi (R

Square) yang digunakan untuk menghitung pengaruh bebas (Digital

Marketing) terhadap variabel terikat (kinerja karyawan) yaitu sebesar 0,353

atau 35,3%. Hal ini menunjukkan bahwa persentase pengaruh variabel bebas

sebesar 35,3% terhadap variabel terikat. Sedangkan sisanya 64,7% dipengaruhi

atau dijelaskan oleh variabel lain yang tidak dimasukkan dalam penelitian ini.