DISUSUN OLEH :
21.05.1.0117
UNIVERSITAS MAJALENGKA
2022
KATA PENGANTAR
Bissmillahirrahmanirrahim
Dengan segala kerendahan hati, puji syukur kehadirat Tuhan Yang Maha Esa,
yang telah melimpahkan rahmat, karunia serta hidayah-Nya sehingga penulis dapat
menyelesaikan laporan hasil analisis data yang berjudul : “Pengaruh Teamwork
Dan Loyalitas Karyawan Terhadap Produktivitas Kerja Karyawan.” Studi
Pada PT Arista Cabang Jatiwangi. Skripsi karya : Mohammad Egi Nuradiman
(13.05.1.0172) dengan baik tanpa adanya halangan.
Laporan hasil analisis data ini disusun untuk memenuhi salah satu tugas mata
kuliah Statistika II yang diampu oleh bapak : Ir.H. Masduki,M.Si,. pada Program
Studi Manajemen Fakultas Ekonomika & Bisnis Universitas Majalengka. Penulis
haturkan terimkasih kepada :
Oleh karena itu, penulis mengharapkan segala kritik dan saran yang bersifat
membangun agar penulis dapat menyusun karya ilmiah lain yang jauh lebih baik lagi.
Penulis berharap semoga laporan hasil analysis ini dapat bermanfaat bagi semua
pihak yang membutuhkan dan bias menjadi referensi untuk menambah wawasan serta
informasi
DAFTAR ISI
KATA PENGANTAR 1
DAFTAR ISI 2
DAFTAR TABEL 4
DAFTAR GAMBAR 5
BAB I PENDAHULUAN 6
BAB II PEMBAHASAN 14
3.1. KESIMPULAN 22
LAMPIRAN 23
DAFTAR PUSTAKA 26
DAFTAR TABEL
TABEL 1.4 DW α 5% 18
PENDAHULUAN
Dewasa ini, uji statistic sudah semakin modern dan tentunya sangat membantu
bagi para peneliti. Pertama-tama para peneliti akan mengolah data merupakan
kegiatan pokok yang wajib dilakukan para peneliti, karena mustahil para peneliti akan
mendapatkan kesimpulan yang berarti tanpa didahului oleh kegiatan pengolahan data
tersebut. Kemudian melakukan analisis data yang dimaksudkan untuk melakukan
pengujian hipotesis dan menjawab masalah-masalah yang diajukan, karena
menggunakan skala interval dan ratio, maka sebelum melakukan pengujian harus
dipenuhi persyaratan analisis terlebih dahulu, dengan asumsi data harus :
Uji asumsi klasik adalah persyaratan statistic yang harus dipenuhi pada
analisis regresi linear berganda yang berbasis Ordinary Leas Square (OLS) untuk
memastikan bahwa model regresi merupakan model yang terbaik. Tujuan pengujian
asumsi klasik ini adalah untuk memberikan kepastian bahwa persamaan regresi yang
didapatkan memiliki ketepatan dalam estimasi, tidak bias dan konsisten, juga untuk
memastikan persamaan regresi yang difungsikan tepat dan valid.
Uji Normalitas bertujuan untuk meguji apakah dalam model regresi, variable
pengganggu atau residual mempunyai distribusi normal. Uji t dan F mengasumsikan
nilai residual mengikuti distribusi normal. Jika terjadi pelanggaran asumsi ini, maka
uji statistic menjadi tidak valid untuk jumlah sampel kecil. Ada dua cara mendeteksi
apakah residual memiliki distribusi normal atau tidak, yaitu dengan analisis grafik
dan uji statistic.
Analisis Grafik
Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran
data/titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari
residualnya. Model regresi dikatakan memenuhi asumsi normalitas apabila data
menyebar disekitar garis diagonal atau grafik histogramnya.
Uji statistic
2. UJI MULTIKOLINEARITAS
2. Jika nilai VIF > 10 atau nilai Tolerance < 0,01, maka dinyatakan terjadi
multikolinearitas.
3. Jika koefisien korelasi masing-masing variable bebas > 0,8 maka terjadi
multikolinearitas. Tetapi jika koefisien korelasi masing-masing variable bebas < 0,8
maka tidak terjadi multikolinearitas.
3. UJI HETEROSKEDASTISITAS
Grafik Scatterplot atau dari nilai prediksi variable terikat yaitu SRESID
dengan residual error yaitu ZPRED.
1. Jika terdapat pola tertentu seperti titik-titik yang ada membentuk pola tertentu
yang teratur (bergelombang, melebar kemudian menyempit), maka
mengindikasikan bahwa terjadi heteroskedastisitas.
2. Jika terdapat pola yang jelas, maupun titik-titik yang menyebar diatas dan
dibawah angka 0 pada sumbu y, maka tidak terjadi heteroskedastisitas.
4. UJI AUTOKORELASI
Uji Autokorelasi bertujuan menguji apakah dalam suatu model regresi linear
terdapat korelasi antar kesalahan penganggu (residual) pada periode t dengan
kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakn
terdapat permasalahan autokorelasi. Autokorelasi muncul karena observasi yang
berurutan sepanjang waktu, berkaitan satu sama lain. Masalah ini timbul karena
residual (kesalahan pengganggu) tidak bebas dari satu amatan ke amatan yang lain.
Hal ini sering ditemukan pada data runtut waktu / time series karena “gangguan” pada
seseorang/kelompok cenderung mempengaruhi “gangguan” pada individu/kelompok
yang sama pada periode berikutnya. Ada beberapa cara yang dapat digunakan untuk
mendeteksi ada tidaknya autokorelasi.
Salah satu cara umum yang digunakan untuk mendeteksi adanya autokorelasi
dalam regresi linear adalah dengan Uji Durbin Watson (DW). Suatu model regresi
dinyatan tidak terdapat permasalahan autokorelasi apabila :
du < d < 4 - du
dimana :
Run Test
Run Test sebagai bagian dari statistic non parametric dapat pula digunakan
untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual
tidak terdapat hubungan korelasi, maka dikatakan bahwa residual adalah acak atau
random. Run Test digunakan untuk melihat apakah data residual terjadi secara
random atau tidak (sistematis).
C. KOEFISIEN DETERMINASI
Uji T (Test T) adalah salah satu test statistic yang dipergunakan untuk
menguji kebenaran atau kepalsuan hipotesis yang menyatakan bahwa diantara dua
buah mean sampel yang diambil secara random dari populasi yang sama, tidak
terdapat perbedaan yang signifikan.
1.3. TUJUAN
1.4. MANFAAT
Adapun manfaat dari analisis dan uji data ini adalah sebagai berikut :
1. Sebagai bahan ajar dan latihan dalam pembelajaran mata kuliah Statistika II.
2. Melatih agar mahir mengoperasikan software IBM SPSS.
KATA PENGANTAR
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
BAB I PENDAHULUAN
1.3. TUJUAN
1.4. MANFAAT
BAB II PEMBAHASAN
3.1. KESIMPULAN
LAMPIRAN
DAFTAR PUSTAKA
BAB II
PEMBAHASAN
Analisis Grafik
Gambar 1.1.
Gambar 1.2.
Interpretasi :
Table 1.1.
Unstandardized
Residual
N 30
Normal Parameters a,b
Mean .0000000
Std. Deviation 6.42598729
Most Extreme Differences Absolute .140
Positive .069
Negative -.140
Test Statistic .140
Asymp. Sig. (2-tailed) .140c
Interpretasi :
Berdasarkan hasil uji normalitas diketahui nilai signifikansi 0.140 >
0.05 yang artinya bahwa nilai residualnya berdistribusi normal. Dan
dapat disimpulkan bahwa variabel-variabel independen yang
berkontribusi terhadap dependen itu berpengaruh atau bergantung
2.1.3. Uji Multikolinearitas
Tabel 1.2.
Coefficientsa
Zero-
Model B Std. Error Beta t Sig. order Partial Part Tolerance VIF
Teamwork .350 .214 .355 1.639 .113 .717 .301 .205 .332 3.016
Loyalitas
.467 .229 .443 2.041 .051 .733 .366 .255 .332 3.016
Karyawan
Interpretasi :
Gambar 1.3.
Interpretasi :
Table 1.3.
Model Summaryb
1 .761 a
.579 .548 6.65974 1.723
Table 1.4.
n K=2
dL dU
28 1.2553 1.5596
29 1.2699 1.5631
30 1.2837 1.5666
31 1.2969 1.5701
32 1.3093 1.5736
Oleh karena nilai DW hitung lebih kecil daripada batas atas 1.5666, maka :
Pengambilan keputusan :
Du > d < 4 – du
Table 1.5.
Coefficientsa
Zero-
Model B Std. Error Beta t Sig. order Partial Part Tolerance VIF
Teamwork .350 .214 .355 1.639 .113 .717 .301 .205 .332 3.016
Loyalitas
.467 .229 .443 2.041 .051 .733 .366 .255 .332 3.016
Karyawan
Table 1.6.
Model Summary
1 .761a
.579 .548 6.65974
Interpretasi :
Table 1.7.
Coefficientsa
Teamwork .350 .214 .355 1.639 .113 .717 .301 .205 .332 3.016
Loyalitas
.467 .229 .443 2.041 .051 .733 .366 .255 .332 3.016
Karyawan
Interpretasi :
3.1. KESIMPULAN
Berdasarkan hasil uji statistic yang dilakukan di bab II pada pembahasan
dapat disimpulkan :
Pada uji asumsi klasik
1. Uji Normalitas Residual, baik pada analisis grafik maupun uji statistic bahwa
model regresi layak dipakai karena memenuhi asumsi normalitas, residualnya
berdistribusi normal maka variable-variabel independen terhadap dependen itu
berpengaruh.
2. Pada uji multikolinearitas, karena nilai R2 tinggi maka tidak ada indikasi
terjadi multikolinearitas antar variable independen.
3. Pada uji heteroskedastisitas, titik-titik menyebar secara acak baik diatas
maupun dibawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas pada model regresi.
4. Pada uji autokorelasi, mengunakan uji Durbin Watson tidak terdapat
autokorelasi positif dan negative dalam model, karena nilai DW hitung lebih
kecil daripada batas atas sebesar 1.5666.
5. Pada anlisis regresi berganda, nilai konstanta a = 7,991 walaupun kurangnya
teamwork dan loyalitas karyawan tetapi tetap dapat menghasilkan
produktivitas kerja karyawan.
6. Pada uji koefisien determinasi, bahwa variable-variabel independen dalam
penelitian ini berpengaruh terhadap variable Y dalam penelitian ini.
Hal ini menunjukan bahwa X1 (Teamwork), X2 (Loyalitas Karyawan)
berpengaruh terhadap variable Y (Produktivitas Kerja Karyawan).Karena jika
loyalitas karyawan meningkat produktivitas kerja karyawan pun akan
tinggi/meningkat. Karyawan akan loyal apabila diperlakukan dengan baik dan
diberikan gaji yang layak/sesuai.
LAMPIRAN
Table DW α = 5%