Nama : Yeni
sartika Br M
NPM :
F1C012027
Prodi :
Fisika
Latihan
2
Bagian personalia PT.XYZ melakukan penelitian untuk
mengetahui apa saja yang mempengaruhi kinerja karyawan. Dari kesimpulan yang
ditarik dari para karyawan tersebut terdapat variable yang mempengaruhi kinerja
mereka. Variabel tersebut adalah :
“Fasilitas” (X1). Untuk melihat pengaruh variabel terhadap kinerja (Y) karyawan
tersebut diadakan penelitian terhadap beberapa karyawan dan diperoleh data
sebagai berikut :
DATA
|
UJI Ke
|
Y
|
X1
|
|
1
|
78
|
7
|
|
2
|
64
|
6
|
|
3
|
78
|
7
|
|
4
|
80
|
7
|
|
5
|
76
|
8
|
|
6
|
87
|
8
|
|
7
|
79
|
8
|
|
8
|
59
|
5
|
|
9
|
80
|
10
|
|
10
|
85
|
8
|
|
11
|
80
|
7
|
|
12
|
76
|
7
|
|
13
|
87
|
7
|
|
14
|
78
|
8
|
|
15
|
79
|
8
|
|
16
|
64
|
7
|
|
17
|
76
|
8
|
|
18
|
80
|
7
|
|
19
|
71
|
8
|
|
20
|
82
|
8
|
|
21
|
78
|
7
|
|
22
|
75
|
7
|
|
23
|
64
|
7
|
|
24
|
78
|
8
|
|
25
|
86
|
1
|
|
26
|
76
|
8
|
|
27
|
84
|
8
|
|
28
|
77
|
7
|
|
29
|
77
|
7
|
|
30
|
64
|
6
|
|
∑
|
2298
|
215
|
Penyelesaian :
Berdasarkan
kajian teoritis dan sifat dari fenomena yang menghubungkan X dan Y dapat
diasumsikan mempunyai bentuk hubungan linier, sehingga persamaaan garis
regresinya dapat dibentuk sebagai berikut :
Tabel Perhitungan
|
UJI Ke
|
X1
|
Y
|
XY
|
X2
|
Y2
|
|
1
|
7
|
78
|
546
|
49
|
6084
|
|
2
|
6
|
64
|
384
|
36
|
4096
|
|
3
|
7
|
78
|
546
|
49
|
6084
|
|
4
|
7
|
80
|
560
|
49
|
6400
|
|
5
|
8
|
76
|
608
|
64
|
5776
|
|
6
|
8
|
87
|
696
|
64
|
7569
|
|
7
|
8
|
79
|
632
|
64
|
6241
|
|
8
|
5
|
59
|
295
|
25
|
3481
|
|
9
|
10
|
80
|
800
|
100
|
6400
|
|
10
|
8
|
85
|
680
|
64
|
7225
|
|
11
|
7
|
80
|
560
|
49
|
6400
|
|
12
|
7
|
76
|
532
|
49
|
5776
|
|
13
|
7
|
87
|
609
|
49
|
7569
|
|
14
|
8
|
78
|
624
|
64
|
6084
|
|
15
|
8
|
79
|
632
|
64
|
6241
|
|
16
|
7
|
64
|
448
|
49
|
4096
|
|
17
|
8
|
76
|
608
|
64
|
5776
|
|
18
|
7
|
80
|
560
|
49
|
6400
|
|
19
|
8
|
71
|
568
|
64
|
5041
|
|
20
|
8
|
82
|
656
|
64
|
6724
|
|
21
|
7
|
78
|
546
|
49
|
6084
|
|
22
|
7
|
75
|
525
|
49
|
5625
|
|
23
|
7
|
64
|
448
|
49
|
4096
|
|
24
|
8
|
78
|
624
|
64
|
6084
|
|
25
|
1
|
86
|
86
|
1
|
7396
|
|
26
|
8
|
76
|
608
|
64
|
5776
|
|
27
|
8
|
84
|
672
|
64
|
7056
|
|
28
|
7
|
77
|
539
|
49
|
5929
|
|
29
|
7
|
77
|
539
|
49
|
5929
|
|
30
|
6
|
64
|
384
|
36
|
4096
|
|
∑
|
215
|
2298
|
16515
|
1603
|
177534
|
|
|
|||||
Catatan
Dari
Hasil pada tabel ini dapat diperoleh nilai konstanta b1 dan b0
yaitu dengan cara :
b1 =
b0
=
1. Scatter
Plot antara Variabel X dan Y
2. Persamaan
Regresinya
Jadi
persamaan garis regresi linier yang menggambarkan hubungan antara variabel X
dan Y dari data PT.XYZ pada penelitian kinerja karyawan adalah sebagai berikut
:
Diambil
Dari Hasil pada tabel diatas sehingga dapat diperoleh nilai konstanta b1
dan b0 yaitu dengan cara :
b1 =
b0 =
b0 +
b1 X = 71,2975 + 0,7399X
Jadi
apabila Nilai X dimasukan, dimana X =[1,10] dan Y = [ 59,87]
Dimana,
dimisalkan untuk X = 5 maka
=
71,2975 + 0,7399 ( 5 ) = 74,99
Sehingga Kesimpulan atau Interperetasi adalah
“
jika nilai X bertambah atau meningkat satu satuan, maka menyebabkan rataan Y akan
meningkat sebesar 0,7399
3.
Menentukan Korelasinya
r
=
r
=
r
=
r
= 0,150
Artinya
adalah bahwa hubungan anatara dua variabel yaitu X dan Y merupakan korelasi
positif sangat Lemah, karena ada factor
lain yang memepngaruhi.
v Dimana
hasil perhitungan regersi secara manual ini juga akan sama dengan hasi yang
diperoleh pada hasil uji SPSS, yaitu
pada uji regresi dibawah ini :
Regression
|
Variables Entered/Removedb
|
|||
|
Model
|
Variables Entered
|
Variables Removed
|
Method
|
|
1
|
Xa
|
.
|
Enter
|
|
a.
All requested variables entered.
|
|
||
|
b.
Dependent Variable: Y
|
|
||
|
Model Summary
|
||||
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
|
1
|
.150a
|
.023
|
-.012
|
1.473
|
|
a.
Predictors: (Constant), X
|
|
|||
·
R adalah korelasi yang bernilai yaitu,
R= 0,150
Yang berarti sama artinya dengan
hasil kesimpulan korelasi yang dilakukan secara perhitungan yaitu hubungan
antara X dan Y sangat Lemah
·
R-Square adalah koefesien
determinasi yang bernilai yaitu, R-square= 0,023
Yang artinya atau kesimpulannya
adalah bahwa 2.3% keragaman Y mampu dijelaskan oleh X dan 97,7% lagi
diterangkan oleh variabel lain.
|
ANOVAb
|
||||||
|
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
|
1
|
Regression
|
1.404
|
1
|
1.404
|
.647
|
.428a
|
|
Residual
|
60.763
|
28
|
2.170
|
|
|
|
|
Total
|
62.167
|
29
|
|
|
|
|
|
a.
Predictors: (Constant), X
|
|
|
|
|
||
|
b. Dependent
Variable: Y
|
|
|
|
|
||
Fhit
= 0.647
Ftabel
= F(5%,1,28)
= 4,195 atau
Ftabel = 4,20
Jadi Ftabel
Fhitung,
Maka
kesimpulannya adalah
Terima Ho, tolak H1 dimana Fhitung
Ftabel
artinya adalah X tidak
mempengaruhi Y secara nyata dengan
= 5%
ada juga cara lain untuk menentukannya
dengan cara
Sig = P-value = 0,428
Dimana Sig
= (0,428
0,05)
Yang berarti yaitu : Terima Ho tolak H1
Dimana X tidak mempengaruhi Y secara
nyata
|
Coefficientsa
|
|||||||||
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
|||||
|
B
|
Std. Error
|
Beta
|
|||||||
|
1
|
(Constant)
|
4.829
|
2.919
|
|
1.654
|
.109
|
|||
|
X
|
.031
|
.038
|
.150
|
.804
|
.428
|
||||
|
|
|
|
|||||||
Y =4.829 + 0,031 X
Tbi =
=
= 0.804
Tbo =
=
= 1,655
4.
Apakah ada Pengaruh ketiga variabel
terhadap kinerja karyawan dengan tingkat keyakinan 95% ?
·
Sig
, dimana nilainya adalah = 0,109
0,05
Maka terima Ho, tolak H1, yang Berati, bahwa Tidak ada pengaruh
diantara variabel X dan Y secara nyata,
atau tidak ada pengaruh ketiga variabel terhadap kinerja karyawan dengan
tingkat keyakinan 95%.
Ada juga cara mengetahui apakah ada
pengaruh ketiga variabel tersebut terhadap kinerja karyawan, yaitu dengan cara
:
·
Ttabel
t(n-1)
Dimana Ttabel= 2,045
T =0,804
Maka
Ttabel
T
Terima Ho, tolak H1 yang berarti tidak
ada pengaruh diantara ketiga variabel dengan kinerja karyawan.
5.
Menguji, apakah semua asumsinya
terpenuhi, dengan syarat :
v
Error
berbentuk distribusi Normal
v
Tidak
adanya autokorelasi anatar error
v
Liniearitas
Model
v
Varian
error tetap atau homoskedastisistas
v Uji kenormalan Menggunakan SPSS( Menguji Error berbentuk distribusi
Normal)
Regression
|
Variables Entered/Removedb
|
|||
|
Model
|
Variables Entered
|
Variables Removed
|
Method
|
|
1
|
Xa
|
.
|
Enter
|
|
a.
All requested variables entered.
|
|
||
|
b.
Dependent Variable: Y
|
|
||
|
Model Summaryb
|
||||
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
|
1
|
.150a
|
.023
|
-.012
|
1.473
|
|
a.
Predictors: (Constant), X
|
|
|||
|
b.
Dependent Variable: Y
|
|
|
||
|
|
|
|
||
|
ANOVAb
|
||||||
|
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
|
1
|
Regression
|
1.404
|
1
|
1.404
|
.647
|
.428a
|
|
Residual
|
60.763
|
28
|
2.170
|
|
|
|
|
Total
|
62.167
|
29
|
|
|
|
|
|
a.
Predictors: (Constant), X
|
|
|
|
|
||
|
b.
Dependent Variable: Y
|
|
|
|
|
||
|
Coefficientsa
|
||||||
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
|
B
|
Std. Error
|
Beta
|
||||
|
1
|
(Constant)
|
4.829
|
2.919
|
|
1.654
|
.109
|
|
X
|
.031
|
.038
|
.150
|
.804
|
.428
|
|
|
a.
Dependent Variable: Y
|
|
|
|
|
||
|
Residuals Statisticsa
|
|||||
|
|
Minimum
|
Maximum
|
Mean
|
Std. Deviation
|
N
|
|
Predicted
Value
|
6.63
|
7.48
|
7.17
|
.220
|
30
|
|
Residual
|
-6.454
|
2.730
|
.000
|
1.448
|
30
|
|
Std.
Predicted Value
|
-2.441
|
1.443
|
.000
|
1.000
|
30
|
|
Std.
Residual
|
-4.381
|
1.853
|
.000
|
.983
|
30
|
|
a.
Dependent Variable: Y
|
|
|
|
|
|
|
One-Sample Kolmogorov-Smirnov Test
|
||
|
|
|
Unstandardized Residual
|
|
N
|
30
|
|
|
Normal
Parametersa
|
Mean
|
.0000000
|
|
Std.
Deviation
|
1.44750366
|
|
|
Most
Extreme Differences
|
Absolute
|
.259
|
|
Positive
|
.211
|
|
|
Negative
|
-.259
|
|
|
Kolmogorov-Smirnov Z
|
1.420
|
|
|
Asymp. Sig. (2-tailed)
|
.035
|
|
|
a.
Test distribution is Normal.
|
|
|
|
|
|
|
Sig
= 0,035
=
5% = 0,05
Sehingga
Sig
,
jadi
Kesimpulan
:Asimsi Distribusi kenormalan error terpenuhi
v Tidak
adanya autokorelasi( Uji Autokorelasi error)
|
Variables Entered/Removedb
|
|||
|
Model
|
Variables Entered
|
Variables Removed
|
Method
|
|
1
|
Xa
|
.
|
Enter
|
|
a.
All requested variables entered.
|
|
||
|
b.
Dependent Variable: Y
|
|
||
|
Model Summaryb
|
|||||
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
Durbin-Watson
|
|
1
|
.150a
|
.023
|
-.012
|
1.473
|
2.398
|
|
a.
Predictors: (Constant), X
|
|
|
|||
|
b.
Dependent Variable: Y
|
|
|
|
||
Kesimpulan
: dimana Dl = 0,5745, DU = 2,0943
Sehingga 4-du
DW
4-dI
Maka
: 4-2,0943
2,398
4-0,5745
1,9057
2,398
3,4255
Yang artinya : Tidak Bisa diambil
kesimpulan
|
ANOVAb
|
||||||
|
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
|
1
|
Regression
|
1.404
|
1
|
1.404
|
.647
|
.428a
|
|
Residual
|
60.763
|
28
|
2.170
|
|
|
|
|
Total
|
62.167
|
29
|
|
|
|
|
|
a.
Predictors: (Constant), X
|
|
|
|
|
||
|
b.
Dependent Variable: Y
|
|
|
|
|
||
|
Coefficientsa
|
||||||
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
|
B
|
Std. Error
|
Beta
|
||||
|
1
|
(Constant)
|
4.829
|
2.919
|
|
1.654
|
.109
|
|
X
|
.031
|
.038
|
.150
|
.804
|
.428
|
|
|
a.
Dependent Variable: Y
|
|
|
|
|
||
|
Residuals Statisticsa
|
|||||
|
|
Minimum
|
Maximum
|
Mean
|
Std. Deviation
|
N
|
|
Predicted
Value
|
6.63
|
7.48
|
7.17
|
.220
|
30
|
|
Residual
|
-6.454
|
2.730
|
.000
|
1.448
|
30
|
|
Std.
Predicted Value
|
-2.441
|
1.443
|
.000
|
1.000
|
30
|
|
Std.
Residual
|
-4.381
|
1.853
|
.000
|
.983
|
30
|
|
a.
Dependent Variable: Y
|
|
|
|
|
|
v Uji
Linearitas Model
Means
|
Case Processing Summary
|
||||||
|
|
Cases
|
|||||
|
|
Included
|
Excluded
|
Total
|
|||
|
|
N
|
Percent
|
N
|
Percent
|
N
|
Percent
|
|
Y * X
|
30
|
100.0%
|
0
|
.0%
|
30
|
100.0%
|
|
Report
|
|||
|
Y
|
|
|
|
|
X
|
Mean
|
N
|
Std. Deviation
|
|
59
|
5.00
|
1
|
.
|
|
64
|
6.50
|
4
|
.577
|
|
71
|
8.00
|
1
|
.
|
|
75
|
7.00
|
1
|
.
|
|
76
|
7.75
|
4
|
.500
|
|
77
|
7.00
|
2
|
.000
|
|
78
|
7.40
|
5
|
.548
|
|
79
|
8.00
|
2
|
.000
|
|
80
|
7.75
|
4
|
1.500
|
|
82
|
8.00
|
1
|
.
|
|
84
|
8.00
|
1
|
.
|
|
85
|
8.00
|
1
|
.
|
|
86
|
1.00
|
1
|
.
|
|
87
|
7.50
|
2
|
.707
|
|
Total
|
7.17
|
30
|
1.464
|
|
ANOVA Table
|
|||||||
|
|
|
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
Y
* X
|
Between
Groups
|
(Combined)
|
51.967
|
13
|
3.997
|
6.270
|
.000
|
|
Linearity
|
1.404
|
1
|
1.404
|
2.202
|
.157
|
||
|
Deviation
from Linearity
|
50.563
|
12
|
4.214
|
6.610
|
.000
|
||
|
Within
Groups
|
10.200
|
16
|
.637
|
|
|
||
|
Total
|
62.167
|
29
|
|
|
|
||
Sig =0,157 dan
= 5% = 0.05 Ho
= Model Linier
Maka Terima Ho, tolak H1 H1
= Model tidak linier
Dimana jika p-value
5%, Maka
asumsi kelinearan model terpenuhi atau model linier.
|
Measures of Association
|
||||
|
|
R
|
R Squared
|
Eta
|
Eta Squared
|
|
Y *
X
|
.150
|
.023
|
.914
|
.836
|
v Uji homogenitas Varian error
|
Variables Entered/Removedb
|
|||
|
Model
|
Variables Entered
|
Variables Removed
|
Method
|
|
1
|
Xa
|
.
|
Enter
|
|
a.
All requested variables entered.
|
|
||
|
b.
Dependent Variable: Unstandardized Residual
|
|||
|
Model Summaryb
|
|||||
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
Durbin-Watson
|
|
1
|
.000a
|
.000
|
-.036
|
1.47312519
|
2.398
|
|
a.
Predictors: (Constant), X
|
|
|
|||
|
b.
Dependent Variable: Unstandardized Residual
|
|
||||
|
ANOVAb
|
||||||
|
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
|
1
|
Regression
|
.000
|
1
|
.000
|
.000
|
1.000a
|
|
Residual
|
60.763
|
28
|
2.170
|
|
|
|
|
Total
|
60.763
|
29
|
|
|
|
|
|
a.
Predictors: (Constant), X
|
|
|
|
|
||
|
b.
Dependent Variable: Unstandardized Residual
|
|
|
||||
Sig
= 1,000 dengan
= 5% Ho=
Varian error Homogen
Dimana
Sig
= 1
5% H1 = Varian error tdak homogen
Maka terima Ho, tolak H1
Sehingga
Kesimpulannya adalah bahwa asumsi
Kehomogenan Varian Eror Terpenuhi
KESIMPULAN
: Semua Asumsi Klasik Regresi Linier sederhana dengan ke 4 syarat tersebut
telah terpenuhi dari data anatara variabel X dan Y.
|
78
|
7
|
-0.20939
|
-0.20939
|
-0.20939
|
|
64
|
6
|
-0.78211
|
-0.78211
|
-0.78211
|
|
78
|
7
|
-0.20939
|
-0.20939
|
-0.20939
|
|
80
|
7
|
-0.27044
|
-0.27044
|
-0.27044
|
|
76
|
8
|
0.851645
|
0.851645
|
0.851645
|
|
87
|
8
|
0.515924
|
0.515924
|
0.515924
|
|
79
|
8
|
0.760085
|
0.760085
|
0.760085
|
|
59
|
5
|
-1.62951
|
-1.62951
|
-1.62951
|
|
80
|
10
|
2.729565
|
2.729565
|
2.729565
|
|
85
|
8
|
0.576964
|
0.576964
|
0.576964
|
|
80
|
7
|
-0.27044
|
-0.27044
|
-0.27044
|
|
76
|
7
|
-0.14835
|
-0.14835
|
-0.14835
|
|
87
|
7
|
-0.48408
|
-0.48408
|
-0.48408
|
|
78
|
8
|
0.790605
|
0.790605
|
0.790605
|
|
79
|
8
|
0.760085
|
0.760085
|
0.760085
|
|
64
|
7
|
0.217887
|
0.217887
|
0.217887
|
|
76
|
8
|
0.851645
|
0.851645
|
0.851645
|
|
80
|
7
|
-0.27044
|
-0.27044
|
-0.27044
|
|
71
|
8
|
1.004246
|
1.004246
|
1.004246
|
|
82
|
8
|
0.668524
|
0.668524
|
0.668524
|
|
78
|
7
|
-0.20939
|
-0.20939
|
-0.20939
|
|
75
|
7
|
-0.11783
|
-0.11783
|
-0.11783
|
|
64
|
7
|
0.217887
|
0.217887
|
0.217887
|
|
78
|
8
|
0.790605
|
0.790605
|
0.790605
|
|
86
|
1
|
-6.45356
|
-6.45356
|
-6.45356
|
|
76
|
8
|
0.851645
|
0.851645
|
0.851645
|
|
84
|
8
|
0.607484
|
0.607484
|
0.607484
|
|
77
|
7
|
-0.17887
|
-0.17887
|
-0.17887
|
|
77
|
7
|
-0.17887
|
-0.17887
|
-0.17887
|
|
64
|
6
|
-0.78211
|
-0.78211
|
-0.78211
|
