Uas Tad Raisah Al Atiyah
-
Upload
raisah-al-atiyah -
Category
Documents
-
view
4 -
download
2
description
Transcript of Uas Tad Raisah Al Atiyah
NAMA : RAISAH AL ATIYAH
NIM : 1410246166
KELAS : MANAJEMEN PENDIDIKAN 1 B
1. Misalkan X1, X ... ., X8 variabel-variabel yang mempengaruhi variabel Z. Tentukanlah
minimal 3 variabel yang dominaan mempengaruhi variabel Z. kemudian periksalah
normalitas dan homogenitas data yang anda peroleh.
Coefficientsa
Model Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
B Std. Error Beta
1
(Constant) 10.374 19.539 .531 .599
REKRUITMENT .441 .355 .366 1.241 .223
GAJI .247 .294 .191 .839 .407
BONUS .032 .354 .030 .091 .928
JENJANG_KARIR -.212 .317 -.203 -.668 .508
GAYA_KEPEMIMPI
NAN
.229 .282 .215 .813 .421
MOTIVASI .150 .302 .109 .497 .622
SARANA -.183 .352 -.148 -.520 .606
JAM_KERJA .071 .410 .055 .173 .863
a. Dependent Variable: KINERJA
3 Variabel yang dominan mempengaruhi Kinerja, adalah Rekruitmen, Gaji, dan Gaya
Kepimpinan dilihat dari standardized Coefficient Beta yaitu 0,366, 0,191 dan 0,215 > 0,05
Pada hasil di atas diperoleh taraf signifikansi Kinerja adalah 0,20 dengan demikian, data
berasal dari populasi yang berdistribusi normal, pada taraf signifikansi 0,05.
Pada hasil di atas diperoleh taraf signifikansi Rekruitmen adalah 0,096 dengan demikian, data
berasal dari populasi yang tidak berdistribusi normal, pada taraf signifikansi 0,05.
Pada hasil di atas diperoleh taraf signifikansi Gaji adalah 0,20 dengan demikian, data berasal
dari populasi yang berdistribusi normal, pada taraf signifikansi 0,05.
Pada hasil di atas diperoleh taraf signifikansi Gaya Kepemimpinan adalah 0,045 dengan
demikian, data berasal dari populasi yang tidak berdistribusi normal, pada taraf signifikansi
0,05.
Hasil dari uji homogenitas dapat dilihat dari output Test of Homogeneity of Variance. Dapat
diketahui bahwa signifikansi sebesar 0,000 karena signifikansi kurang dari 0,05 maka dapat
disimpulkan bahwa ketiga kelompok data kinerja berdasarkan tingkat prestasinya mempunyai
varian yang sama. Dan angka Levene Statistic menunjukkan semakin kecil nilainya maka
semakin besar homogenitasnya
2. UJI REGRESI SEDERHANA
Pada deskripsi ini mean (rata-rata) Kinerja = 67,38, Rekruitment =74,56; standar deviasi
(simpangan baku ) Kinerja = 7.904, Rekruitment =6,270; N (jumlah datum) = 45.
Besar korelasi antara Rekruitment dan Kinerja adalah 0,458 dengan signifikansi 0,001
Hal ini menunjukkan Indeks Determinasi yaitu persentase yang menyumbangkan pengaruh X terhadap Y Sumbangan Rekruitment terhadap kinerja sekitar 21 %, sedangkan 79% dipengaruhi oleh faktor-faktor lain
Persamaan perhitungan adalah sbb
Y = 24,470 + 0,577 X
Dimana Y = Kinerja dan X = Rekruitmen
Menunjukkan bahwa jika tidak ada kenaikan rekruitmen maka kinerja akan mencapai 24,470 sedangkan harga 0,577x menunjukkan bahwa setiap ada penambahan 1 angka untuk rekruitmen, maka akan ada kenaikan kinerja 0,577
t = 3,379 dan Sig = 0,002 < 0,05, berarti terdapat pengaruh dari rekruitmen terhadap kinerja
3. UJI REGRESI BERGANDA
Pada deskripsi ini mean (rata-rata) Kinerja = 67,73, Rekruitment =74,56 Gaji = 74,20 dan
Gaya Kepemimpinan = 73,42; standar deviasi (simpangan baku ) Kinerja = 7.75, Rekruitment
=6,433 Gaji = 5,991 dan Gaya Kepemimpinan = 7,279; N (jumlah datum) = 45.
Besar korelasi antara Rekruitment dan Kinerja adalah 0,451 dengan signifikansi 0,001. Besar
korelasi antara Gaji dan Kinerja adalah 0,296 dengan signifikansi 0,000. Besar korelasi antara
Gaya Kepemimpinan dan Kinerja adalah 0,297 dengan signifikansi 0,000.
Nilai R = 0,492
Koefisien determinasi R2 (R Square) = 0,243; berarti 24,3% sumbangan Rekruitment, Gaji dan
Gaya Kepemimpinan terhadap Kinerja, sedangkan sisanya sebesar 75,7% dipengaruhi oleh
faktor lain.
Dari tabel anova diperoleh nilai F = 4,375 dengan nilai probabilitas (Sig) = 0,009, karena nilai
sig < 0,05 maka keputusan adalah Ho ditolak dan Ha diterima. Oleh sebab itu, pengujian secara
individual dapat dilakukan
Dari tabel di atas diperoleh persamaan : Y = 11,448 + 0,358X1 + 0,179X2 + 0,223X3
Y = Kinerja, X1= Rekruitment, X2= Gaji dan X3= Gaya Kepemimpinan.
Nilai 11,448 merupakan nilai konstanta (a) yang menunjukkan bahwa jika tidak ada
kenaikan Rekruitment, Gaji dan Gaya Kepemimpinan, maka Kinerja akan mencapai 11,448.
Sedangkan harga 0,358X1 merupakan koefisien regresi yang menunjukkan bahwa setiap ada
penambahan 1 nilai/angka untuk Rekruitment, maka aka nada kenaikan kinerja 0,540.
Sedangkan harga 0,358X2 merupakan koefisien regresi yang menunjukkan bahwa setiap ada
penambahan 1 nilai/angka untuk Gaji, maka aka nada kenaikan kinerja 0,358. Sedangkan
harga 0,223X3 merupakan koefisien regresi yang menunjukkan bahwa setiap ada penambahan
1 nilai/angka untuk Gaji, maka aka nada kenaikan kinerja 0,223.
Angka 0,297 pada Standardized Coefficient (Beta) menunjukkan tingkat korelasi antara
Rekruitment dengan Kinerja. Nilai t =1,646 dan sig (p) = 0,107 > 0,05 berarti sumbangan
Rekruitment terhadap Kinerja tidak signifikan. Angka 0,138 pada Standardized Coefficient
(Beta) menunjukkan tingkat korelasi antara Gaji dengan Kinerja. Nilai t = 0,830 dan sig (p) =
0,830 ˃ 0,05 berarti sumbangan Gaji terhadap Kinerja tidak signifikan. Angka 0,209 pada
Standardized Coefficient (Beta) menunjukkan tingkat korelasi antara Gaya Kepemimpinan
dengan Kinerja. Nilai t = 1,842 dan sig (p) = 0,178 ˃ 0,05 berarti sumbangan Gaya
Kepemimpinan terhadap Kinerja tidak signifikan.
UJI LINIERITY
Hasil analisis menunjukkan bahwa nilai signifikansi 0,417 lebih besar dari 0,05 yang artinya
terdapat hubungan linear secara signifikan antara kinerja dan rekruitmen
Hasil analisis menunjukkan bahwa nilai signifikansi 0,135 lebih besar dari 0,05 yang artinya
terdapat hubungan linear secara signifikan antara kinerja dan gaji
Hasil analisis menunjukkan bahwa nilai signifikansi 0,375 lebih besar dari 0,05 yang artinya
terdapat hubungan linear secara signifikan antara kinerja dan gaya kepemimpinan
MULTIKOLINIERITAS
Nilai VIF untuk Rekruitment adalah 1,762, VIF untuk Gaji adalah 1,501 dan VIF untuk Gaya
Kepemimpinan dalah 1,261. Sedangkan nilai Tolerance untuk Rekruitment dalah 0,568,
tolerance Gaji adalah 0,666 dan tolerance untuk Gaya Kepemimpinan adalah 0,793
Dari hasil di atas dapat diketahui nilai variance inflation factor (VIF) ketiga variabel lebih kecil
dari 5, sehingga bisa diduga bahwa antar variabel independen tidak terjadi persoalan
multikolinearitas.
AUTO KORELASI
Terlihat bahwa dari data diatas nilai Durbin-Watson adalah 1,463. Karena nilai Durbin
Watsonnya masih berada diantara 1,21 dan 1,65 maka tidak dapat disimpulkan
ANALISIS JALUR
Judul KONTRIBUSI REKRUITMEN PEGAWAI, GAJI PEGAWAI DAN GAYA KEPEMIMPINAN
TERHADAP KINERJA PEGAWAI
SUB STRUKTUR 1
ρyx1 = 0,538
R2 x1x2x3 -0,207
r12
ρyx2 = -0,288
persamaan struktur X3=x3X1X1+ X3X2X2+ X31
hipotesis
Ha = rekruitmen pegawai dan gaji pegawai berkontribusi secara simultan dan signifikan
terhadap gaya kepemimpinan
Ho = rekruitmen pegawai dan gaji pegawai tidak berkontribusi secara simultan dan signifikan
terhadap gaya kepemimpinan
Dari tabel anova diperoleh nilai F = 6,351 dengan nilai probabilitas (Sig) = 0,004, karena nilai
sig < 0,05 maka keputusan adalah Ho ditolak dan Ha diterima. Oleh sebab itu, pengujian secara
individual dapat dilakukan
X1
X2
X3
Triming (Gaji dikeluarkan)
Dari tabel anova diperoleh nilai F = 8,814 dengan nilai probabilitas (Sig) = 0,005, karena nilai
sig ≤ 0,05 maka keputusan adalah Ha ditolak dan Ho diterima. Oleh sebab itu, pengujian secara
individual tidak dapat dilakukan
(Jika Ha diterima, maka langkah yang akan dilakukan adalah sbb: )
Tidak signifikan
Persamaan Struktur Baru X3 = ρX 3X 1 X1+ε1 = 0,412X1 + 0,91
¿√1−R2
¿√1−0,170
¿√0,83
¿0,91 ɛ1
ρX1X3
berdasarkan hasil perthitungan analisis jalur struktur tersebut, maka memberikan informasi
secara objektif sebagai berikut:
1. besarnya kontribusi rekruitmen (X1) yang secara langsung mempengaruhi gaya
kepemimpinan adalah = 0,170 atau sebesar 17 % sedangkan 83% dipengaruhi oleh faktor-faktor
lain
X1 X3
SUB STRUKTUR 2\
Ρyx1
Ρx3y
r12
ΡYX2
hipotesis
Hipotesis pertama = rekruitmen pegawai dan gaji pegawai berkontribusi secara simultan dan
signifikan terhadap gaya kepemimpinan
Hipotesis kedua = rekruitmen pegawai dan gaji pegawai gaya kepemimpinan berkontribusi
secara simultan dan signifikan terhadap kinerja pegawai
X1
X2
X3Y
Dari tabel anova diperoleh nilai F = 4,571 dengan nilai probabilitas (Sig) = 0,007, karena nilai
sig < 0,05 maka keputusan adalah Ho ditolak dan Ha diterima. Oleh sebab itu, pengujian secara
individual dapat dilakukan
Dari tabel Coefficient terlihat nilai signifikansi Rekruitmen, Gaji dan Gaya Kepemimpinan lebih
besar dari 0,05 yang berarti Rekruitmen, Gaji dan Gaya Kepemimpinan tidak berpengaruh
terhadap kinerja pegawai. Oleh karena itu digunakan model dekomposisi
Pengaruh LangsungTidak Langsung
TotalMelalui C
Rekruitmen ke Gaya
Kepemiminan0,572 0,572
Rekruitmen ke Kinerja 0,288(0,572)(0,152) =
0,08690,3749
Gaji ke Gaya
Kepemimpinan0,296 0,296
Gaji ke Kinerja 0,152(0,296)(0,214) =
0,06330,2153
Gaya Kepemimpinan
ke Kinerja0,214 0,214
Pengaruh langsung rekruitmen terhadap gaya kepemimpinan = 0,572
Pengaruh langsung rekruitmen terhadap kinerja = 0,288
Pengaruh tidak langsung recruitment terhadap kinerja melalui gaya kepemipinan = 0,0869
Pengaruh total rekruitmen terhadap kinerja = 0,3749
Pengaruh langsung gaji terhadap gaya kepemimpinan = 0,296
Pengaruh langsung gaji terhadap kinerja = 0,152
Pengaruh tidak langsung gaji terhadap kinerja melalui gaya kepemipinan = 0,0633
Pengaruh total rgaji terhadap kinerja = 0,2153
Pengaruh langsung gaya kepemimpinan terhadap kinerja = 0,214
3. Metode Regresi Ridge digunakan untuk mengurangi dampak multikolinearitas dengan cara
menentukan penduga yang bias tetapi cenderung mempunyai jumlah kuadrat residual yang
lebih kecil daripada taksiran yang diperoleh dengan kuadrat terkecil. Estimasi regresi ridge
stabil, dengan pengertian bahwa tidak dipengaruhi oleh adanya variansi yang lebih kecil dalam
penaksiran data karena sifat rata-rata kuadrat residual yang lebih kecil maka diharapkan lebih
dekat pada nilai-nilai koefisien regresi yang sebenarnya dari taksiran kuadrat terkecil
Analisis komponen utama merupakan teknik statistik yang dapat digunakan untuk menjelaskan
struktur variansi-kovariansi dari sekumpulan variabel melalui beberapa variabel baru dimana
variabel baru ini saling bebas, dan merupakan kombinasi linier dari variabel asal. Selanjutnya
variabel baru ini dinamakan komponen utama (principal component). Secara umum tujuan dari
analisis komponen utama adalah mereduksi dimensi data dan untuk kebutuhan interpretasi
Analisis komponen utama bertujuan menghasilkan variabel-variabel baru (komponen utama)
yang saling ortogonal dan mereduksi dimensi data. Teknik yang digunakan untuk meregresikan
komponen utama dengan variabel tak bebas melalui metode kuadrat terkecil disebut regresi
komponen utama.