METODE SISTEM PAKAR

Pengertian Sistem Pakar

Menurut Arhami (2005, sistem pakar adalah salah satu cabang yang
membuat penggunaan secara luas knowledge yang khusus untuk
penyelesaian tingkat manusia yang pakar. Menurut Kusrini (2008), sistem
pakar adalah aplikasi berbasis komputer yang digunakan untuk
menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar. Pakar
disini adalah orang yang memiliki keahlian khusus yang dapat menyelesaikan
masalah yang tidak dapat diselesaikan oleh orang awam. Menurut Syamsul
(2003), sistem pakar adalah suatu sistem yang bertujuan untuk membuat
keputusan yang lebih cepat daripada pakar. Menurut McLeon (2008), sistem
pakar (expert system) adalah suatu program komputer yang berusaha
menampilkan pengetahuan manusia yang ahli dalam bentuk heuristik.
Dari pengertian diatas, dapat disimpulkan bahwa pengertian sistem
pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke
komputer yang dirancang untuk memodelkan kemampuan menyelesaikan
masalah seperti layaknya seorang pakar.

Tujuan Sistem Pakar

Tujuan utama sistem pakar bukan untuk menggantikan kedudukan
seorang ahli maupun pakar, tetapi untuk memasyarakatkan pengetahuan dan
pengalaman pakar-pakar yang ahli di bidangnya.

Struktur Sistem Pakar

Menurut Arhami (2005), sistem pakar disusun oleh dua bagian utama,
yaitu:
a. Lingkungan pengembangan (development environment), digunakan untuk
memasukkan pengetahuan pakar ke dalam lingkungan sistem pakar.
b. Lingkungan konsultasi (consultation environment), digunakan oleh
pengguna yang bukan pakar guna memperoleh pengetahuan pakar.

Komponen Sistem Pakar

Menurut Kusrini (2008), sistem pakar memiliki 2 komponen utama
yaitu basis pengetahuan dan mesin inferensi. Basis pengetahuan merupakan
tempat penyimpanan pengetahuan dalam memori komputer, dimana
pengetahuan ini diambil dari pengetahuan pakar.
Menurut Arhami (2005), komponen-komponen sistem pakar adalah
seperti di bawah ini :
a. Antarmuka (User Interface): merupakan mekanisme yang digunakan oleh
pengguna dan sistem pakar untuk berkomunikasi. Antarmuka menerima
informasi dari pemakai dan mengubahnya kedalam bentuk yang dapat
diterima oleh sistem.
b. Basis Pengetahuan: mengandung pengetahuan untuk pemahaman,
formulasi, dan penyelesaian masalah. Komponen sistem pakar ini disusun
atas dua elemen dasar, yaitu fakta dan aturan.
c. Akuisisi Pengetahuan (Knowledge Acquisition): adalah akumulasi, transfer
dan transformasi keahlian dalam menyelesaikan masalah dari sumber
pengetahuan kedalam program komputer.
d. Mesin Inferensi: Komponen ini mengandung mekanisme pola pikir dan
penalaran yang digunakan oleh pakar dalam menyelesaikan suatu
masalah.
e. Workplace: merupakan area dari sekumpulan memori kerja (working
memory). Workplace digunakan untuk merekam hasil-hasil antara dan
kesimpulan yang dicapai.
f. Fasilitas Penjelasan: adalah komponen tambahan yang akan
meningkatkan kemampuan sistem pakar.
g. Perbaikan Pengetahuan: pakar memiliki kemampuan untuk menganalisis
dan meningkatkan kinerjanya serta kemampuan untuk belajar dari
kinerjanya.
Keuntungan Sistem Pakar
Menurut Arhami (2005), ada banyak keuntungan bila menggunakan
sistem pakar, diantaranya adalah:
• Menjadikan pengetahuan dan nasehat mudah didapat.
• Meningkatkan output dan produktivitas.
• Menyimpan kemampuan dan keahlian pakar.
• Meningkatkan penyelesaian masalah, menerusi paduan pakar,
penerangan, sistem pakar khas.
• Meningkatkan reliabilitas.
• Memberikan respons (jawaban) yang cepat.
• Merupakan penduan yang inteligence (cerdas).
• Dapat bekerja dengan informasi yang lengkap dan mengandung
ketidakpastian.
• Intelligence database (basis data cerdas), bahwa sistem pakar dapat
digunakan untuk mengakses basis data dengan cara cerdas.

Kelemahan Sistem Pakar

Menurut Arhami (2005), selain keuntungan-keuntungan di atas,
sistem pakar seperti sistem lainnya juga memiliki kelemahan, diantaranya
adalah:
• Masalah dalam mendapatkan pengetahuan dimana pengetahuan tidak
selalu bias didapatkan dengan mudah, kadangkala pakar dari masalah
yang kita buat tidak ada, dan kalaupun ada kadang-kadang pendekatan
yang dimiliki pakar berbeda-beda.
• Untuk membuat suatu sistem pakar yang benar-benar berkualitas tinggi
sangatlah sulit dan memerlukan biaya yang sangat besar untuk
pengembangan dan pemeliharaannya.
• Boleh jadi sistem tak dapat membuat keputusan.
• Sistem pakar tidaklah 100% menguntungkan, walaupun seorang tetap
tidak sempurna atau tidak selalu benar. Oleh karena itu perlu diuji ulang
 secara teliti sebelum digunakan. Dalam hal ini peran manusia tetap
merupakan faktor dominan.

Ciri-Ciri Sistem Pakar

Menurut Arhami (2005), sistem pakar merupakan program-program
praktis yang menggunakan strategi heuristik yang dikembangkan oleh
manusia untuk menyelesaikan permasalahan-permasalahan yang spesifik
(khusus). Disebabkan oleh keheuristikannya dan sifatnya yang berdasarkan
pada pengetahuan, maka umumnya sistem pakar bersifat:
Memiliki informasi yang handal, baik dalam menampilkan langkah-
langkah antara maupun dalam menjawab pertanyaan-pertanyaan tentang
proses penyelesaian.
Mudah dimodifikasi, yaitu dengan menambah atau menghapus suatu
kemampuan dari basis pengetahuan.
Heuristik dalam menggunakan pengetahuan (yang sering kali tidak
sempurna) untuk mendapatkan penyelesaiannya.
Dapat digunakan dalam berbagai jenis komputer.
Memiliki kemampuan untuk belajar beradaptasi.

Basis Pengetahuan (Knowledge Base)

Menurut McLeon (2008), basis pengetahuan (knowladge base)
sebagian sistem pakar yang berisikan fakta-fakta yang menggambarkan
wilayah masalah dan teknik-teknik refresentasi pengetahuan yang
menggambarkan bagaimana fakta-fakta saling bersesuaian secara logis.
Menurut Arhami (2005), basis pengetahuan mengandung pengetahuan untuk
pemahaman, formulasi, dan penyelesaian masalah.
Komponen sistem pakar ini disusun atas dua elemen dasar, yaitu fakta
dan aturan (rule). Fakta merupakan informasi tentang obyek dalam area
permasalahan tertentu, sedangkan aturan merupakan informasi tentang cara
bagaimana memperoleh fakta baru dari fakta yang telah diketahui.
Metode Inferensi Dalam Sistem Pakar
Suatu perkalian inferensi yang menghubungkan suatu permasalahan
dengan solusinya disebut rantai (chain). Menurut Arhami (2005), ada dua
metode penalaran dengan rules, yaitu forward chaining atau data-driven dan
backward chaining atau goal-driven.
Berikut merupakan karakteristik dari forward chaining dan backward
chaining.
Tabel 1. Karakteristik Forward dan Backward Chaining

a. Forward Chaining
Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF
dulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk
menguji kebenaran hipotesis.

Gambar 6. Proses Forward Chaining

 Berikut merupakan contoh penerapan metode forward chaining pada
riset Putri, Prista Amanda, & Mustafidah, Hindayati (2011) tentang sistem
pakar untuk mendiagnosa penyakit hati, yang dibuat ini mampu menganalisis
jenis penyakit organ hati berdasarkan gejala-gejala yang dimasukkan oleh
user.

Tabel 2. Tabel Pengetahuan untuk Diagnosa Penyakit Organ Hati

Berdasarkan tabel keputusan tersebut, selanjutnya dibetuk basis

aturan seperti pada Gambar 7 sebagai berikut.

Gambar 7. Bentuk Aturan (Rule) Forward Chaining

b. Backward Chaining
Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan
(THEN dulu). Dengan kata lain, penalaran dimulai dari hipotesis terlebih
dahulu, dan untuk menguji kebenaran hipotesis tersebut harus dicari fakta-
fakta yang ada dalam basis pengetahuan.

Gambar 9. Proses Backward Chaining

Berikut merupakan contoh penerapan metode backward chaining

pada riset Honggowibowo (2009) tentang Sistem Pakar Diagnosa Penyakit
Tanaman Padi Barbasis Web Dengan Forward dan Backward Chaining.

Tabel 3. Tabel Pengetahuan untuk Diagnosa Penyakit Padi

 Pada riset Lailatul dan Wiji (2012) adalah penerapan metode forward

chaining untuk diagnosis penyakit autis pada anak, dengan rule set sebagai

berikut:

Rule 1

IF Bayi sangat diam atau tenang And Sering menangis tengah malam

dan sulit ditenangkan And Jarang menunjukkan senyum social THEN

gangguan perilaku

Rule 2

IF Jarang menyodorkan kedua tangan untuk meminta gendong And

Sering sekali menolak bila dipeluk atau dibelai And Tidak berusaha

menatap mata THEN gangguan interaksi sosial

Rule 3

IF Jarang mengoceh THEN gangguan bahasa dan komunikasi

Rule 4

IF Tidak responsif terhadap suara ibu THEN gangguan respon terhadap

rangsangan indra

Rule 5

IF Tidak mau ikut permainan sederhana seperti ”cilukba, bye-bye” THEN

gangguan pola bermain

Rule 6

IF Seperti tidak tertarik pada boneka, mobil-mobilan atau mainan lain

untuk bayi And Tidak bermain sesuai fungsi mainannya, misal sepeda

dibalik lalu roda diputar-putar THEN gangguan pola bermain

Rule 7
 IF Tidak berupaya menggunakan kata-kata THEN gangguan bahasa dan

komunikasi

Rule 8

IF Tidak memiliki kemampuan menunjuk sesuatu untuk membuat

orang dewasa dihadapannya melihat kearah tersebut And Mungkin

menolak makanan keras atau sebaliknya atau tidak mengunyah And

Bisa sangat tertarik pada kedua tangannya sendiri THEN gangguan

perilaku

Rule 9

IF Tidak mau dipeluk, atau menjadi tegang bila diangkat And Cuek

menghadapi kedua orang tuanya And Tidak memeriksa ke arah mana

manusia dewasa dihadapannya memandang THEN gangguan interaksi

sosial

Rule 10

IF Mungkin mencium atau menjilat benda-benda And Sangat tahan

terhadap rasa sakit And Menunjukkan kontak mata yang terbatas THEN

gangguan presepsi sensoris

Rule 11

IF Menolak untuk dipeluk dan menjadi tegang atau sebaliknya tubuh

menjadi lemas And Kuranganya keinginan bersosialisasi dan

mengadakan hubungan sosial serta hubungan emosional yang timbal

balik seperti rasa berbagi And Relatif cuek menghadapi kedua orang

tuanya And Menggunakan tangan orang dewasa sebagai alat THEN

gangguan interaksi sosial

Rule 12

IF Perkembangan bicara terlambat atau sama sekali tidak berkembang

And Bila bicara tidak dipakai untuk berkomunikasi THEN gangguan

bahasa dan komunikasi

Rule 13

IF Tidak bisa melempar bola diatas kepala And Tidak mampu berjalan

menghindari hambatan And Tidak dapat meniru melompat dengan satu

kaki THEN gangguan motorik kasar

Rule 14

IF Bila anak akhirnya berbicara, tidak jarang echolalic (mengulang-

ulang apa yang diucapkan orang lain segera atau setelah beberapa

lama) And Menunjukan nada suara yang aneh (biasanya bernada tingi

dan monoton) THEN gangguan bahasa dan komunikasi

Rule 15

IF Mempertahankan suatu minat atau lebih dengan cara yang sangat

khas atau berlebihan And Ada gerakan-gerakan aneh yang khas dan

diulang-ulang And Sering sangat terpukau pada bagian benda And

Terpaku pada sutau kegiatan ritualistik atau rutinitas yang tak ada

gunanya And Merasa sangat terganggu bila terjadi perubahan rutin

pada kegiatan sehari-hari THEN gangguan perilaku

Rule 16

IF Anak suka mengamuk atau agresif berkelanjutan tetapi bisa juga

berangsur-angsur berkurang And Melukai diri sendiri THEN gangguan

emosi
 METODE REGRESI LINIER

Analisis regresi linier sederhana adalah hubungan secara linear antara

satu variabel independen (X) dengan variabel dependen (Y), atau dalam
artian ada variable yang mempengaruhi dan ada variable yang dipengaruhi.
Analisis ini untuk mengetahui arah hubungan antara variabel independen
dengan variabel dependen apakah positif atau negatif dan untuk
memprediksi nilai dari variabel dependen apabila nilai variabel independen
mengalami kenaikan atau penurunan. Analisis regresi linier ini banyak
digunakan untuk uji pengaruh antara variable independen (X) terhadap
variable dependen (Y).
Berikut merupakan contoh kasus penerapan metode regresi linier
dari riset Syafruddin, dkk (2014). Laju pertumbuhan jumlah kendaraan.
Meningkatnya pembangunan yang ada di Provinsi Lampung terutama di
sektor perumahan baik sederhana maupun rumah mewah yang membawa
konsekuensi logis berupa peningkatan kebutuhan tenaga listrik. Selain itu,
kebijakan pemerintah daerah tentang investasi yang menarik minat para
investor untuk menanamkan modalnya dan juga memberikan konstribusi
dalam peningkatan kebutuhan tenaga listrik. Salah satu faktor yang sangat
menentukan dalam membuat rencana operasi sistem tenaga listrik adalah
perkiraan beban listrik yang akan ditanggung oleh sistem tenaga listik yang
bersangkutan. Diambil contoh data aktual 5 tahun:
Tabel 4. Jumlah Penduduh Tahun 2002-2006
Dari tabel di atas, didapatkan hasil prediksi untuk tahun 2007 sebagai
berikut:

Regresi linier berganda, model regresi linier ini berhubungan secara

linear antara dua atau lebih variabel independen (X1, X2, …Xn) dengan
variabel dependen (Y).

Untuk mecari nilai konstanta dan variable regresi setiap variabel

bebas dapat diperoleh dengan menggunakan matriks determinan:

Kemudian dapat diperoleh nilai a, b1, b2, b3 sebagai berikut:

Yt = Hasil Prediksi
a = Konstanta
X1 = Variabel bebas 1
X2 = Variabel bebas 2
X3 = Variabel bebas 3
Xn = Variabel bebas n

Contoh kasus riset berikutnya yaitu riset Miswar (2012) tentang

analisa komitmen pimpinan perusahaan konstruksi di kota Lhoksumawe
menggunakan metode regresi linier berganda. Persaingan dalam pasar global
dapat dimenangkan jika perusahaan konstruksi selalu menyediakan
pelayanan yang superior bagi konsumen, mengembangkan kapabilitas baru
dan komitmen pada kualitas, mengembangkan inovasi, kreatifitas, inisiatif
dan mengelola sumber daya manusia secara lebih efektif. Pengelolaan
sumber daya manusia secara efektif dapat meningkatkan komitmen sumber
daya manusia pada kualitas. Tanpa komitmen pegawai terhadap kualitas,
usaha perbaikan kualitas tidak akan berhasil. Suatu hal yang penting bahwa
komitmen pegawai terhadap kualitas adalah komitmen pimpinan akan
kualitas. Ketika pegawai menerima kenyataan bahwa manajemen memiliki
komitmen terhadap kualitas, mereka cenderung untuk lebih berkomitmen
pada kualitas.
Penelitian ini bertujuan untuk mengetahui pengaruh praktek
manajemen sumber daya manusia terhadap kualitas sumber daya manusia
pada pegawai perusahaan-perusahaan jasa konstruksi di Kota Lhokseumawe.
Analisis data dilakukan dengan mengukur keinginan pegawai dan melihat
seberapa besar penilaian mereka terhadap praktek manajemen sumber daya
manusia oleh komitmen pimpinan pada kualitas sumber daya manusia
dengan analisa regresi linier berganda.
Analisis pengaruh manajemen sumber daya manusia, yang terdiri dari
beberapa komponen yaitu perencanaan karir, penilaian prestasi kerja, akses
informasi teknis dan dukungan sosial politik terhadap komitmen pimpinan
pada kualitas pemberdayaan pegawai-pegawai perusahaan jasa konstruksi di
Kota Lhokseumawe akan dilakukan dengan analisis regresi liner berganda.
Dari persamaan regresi linier berganda ini akan diketahui besarnya nilai Y
(komitmen pimpinan pada kualitas) secara kuantitatif dari setiap variabel X
seperti pada rumus sebagai berikut:
Y = a + b1X1 + b2X2 + b3X3 + b4X4

Keterangan:
Y = komitmen pimpinan pada kualitas;
X1 = perencanaan karir;
X2 = penilaian prestasi kerja;
X3 = akses informasi teknis;
X4 = dukungan sosial politik;
Perhitungan regresi tersebut akan menunjukkan kekuatan hubungan
fungsional antara variabel terikat (Y) dengan variabel bebas (X1, X2, X3, X4)
untuk mengukur kedekatan hubungan antara variable terikat (dependent
variabel) dengan variabel bebas (independen variabel).

Hasil Uji Reliabilitas Instrumen Kuisioner:

Uji reliabilitas dilakukan untuk mengetahui suatu konsistensi hasil
pengukuran dari instrument kuisioner skala likert yang dipakai dalam
penelitian ini. Dalam pengukuran reliabilitas ini digunakan cara one shot atau
pengukuran sekali saja. Suatu instrument penelitian dikatakan reliabel jika
memiliki nilai Cronbach Alpha lebih besar dari 0,60.
 Tabel 5. Hasil Uji Reliabilitas Instrumen Kuisioner untuk tiap Aspek

Hasil Analisis Aspek Perencanaan Karir:

Sub aspek yang dianalisis meliputi sub aspek perilaku adil dalam
berkarir (Per_Karir_1), kepedulian atasan langsung (Per_Karir_2), informasi
tentang berbagai peluang promosi (Per_Karir_3), minat untuk dipromosikan
(Per_Karir_4) dan tingkat kepuasan (Per_Karir_5). Hasil rekapitulasi analisis
statistik deskriptif berupa mean score dan varian sub-sub aspek perencanaan
karir ditampilkan dalam Tabel 6.

Tabel 6. Hasil Analisis Mean Score tiap Subaspek Perencanaan Karir

Hasil Analisis Aspek Penilaian Prestasi Kerja:

Analisis statistik deskriptif berupa mean score dan varian dilakukan
untuk sub-sub aspek penilaian prestasi kerja. Sub aspek yang dianalisis
meliputi sub aspek mendefinisikan pekerjaan (Pen_PK_1), menilai prestasi
kerja (Pen_PK_2), dan menyediakan balikan (Pen_PK_3). Hasil analisis
statistik deskriptif berupa mean score dan varian untuk aspek penilaian
prestasi kerja adalah sebagai berikut:
 Tabel 7. Hasil Analisis Mean Score tiap Subaspek Penilaian Prestasi Kerja

Hasil Analisis Aspek Akses Informasi Teknis:

Analisis statistik deskriptif berupa mean score dan varian dilakukan
untuk sub-sub aspek akses informasi teknis. Sub aspek yang dianalisis
meliputi sub aspek informasi pekerjaan (Akses_Inf_1), keputusan yang
demokratis (Akses_Inf_2) dan partisipasi pegawai (Akses_Inf_3). Hasil
rekapitulasi analisis statistik deskriptif berupa mean score dan varian sub-
sub aspek akses informasi teknis ditampilkan dalam Tabel 8.

Tabel 8. Hasil Analisis Mean Score tiap Subaspek Akses Informasi Teknis

Hasil Analisis Aspek Dukungan Sosial Politik:

Analisis statistik deskriptif berupa mean score dan varian dilakukan
untuk sub-sub aspek dukungan sosial politik. Sub aspek yang dianalisis
meliputi sub aspek memotivasi pegawai (Duk_Sospol_1), memberi
penghargaan kepada pegawai (Duk_Sospol_2) dan perhatian atasan
(Duk_Sospol_3). Hasil rekapitulasi analisis statistik deskriptif berupa mean
score dan varian sub-sub aspek dukungan sosial politik ditampilkan dalam
Tabel 9.
 Tabel 9. Hasil Analisis Mean Score tiap Subaspek Dukungan Sosial Politik

Hasil Analisis Aspek Komitmen Pimpinan pada Kualitas:

Analisis statistik deskriptif berupa mean score dan varian dilakukan
untuk sub-sub aspek komitmen pimpinan pada kualitas. Sub aspek yang
dianalisis meliputi sub aspek memelihara atau meningkatkan harga diri
(Komitmen_1), memberikan tanggapan dengan empati (Komitmen_2),
meminta bantuan dan mendorong keterlibatan (Komitmen_3),
mengungkapkan pikiran, perasaan dan rasional (Komitmen_4) dan
memberikan dukungan tanpa mengambil alih tanggung jawab (Komitmen_5).
Hasil rekapitulasi analisis statistik deskriptif berupa mean score dan varian
sub-sub aspek komitmen pimpinan pada kualitas ditampilkan dalam Tabel
10.

Tabel 10. Hasil Analisis Mean Score tiap Subaspek Komitmen Pimpinan pada
Kualitas

Hasil Analisis Regresi Linier Berganda Aspek Perencanaan Karir, Aspek

Penilaian Prestasi Kerja, Aspek Akses Informasi Teknis, Aspek Dukungan
Sosial Politik, sebagai Variabel Bebas, terhadap Aspek Komitmen Pimpinan
pada Kualitas sebagai Variabel Terikat.
Dari hasil regresi diperoleh model persamaan sebagai berikut:
Y = 8,807 + 0,016 X1 + 0.482 X2 + 0,021 X3 + 0,356 X4

Nilai Sig. = 0,000 0,850 0,000 0,881 0,001

Nilai Sig. untuk pengujian kelinieran model (uji F) = 0,000, dalam hal ini:
Y = komitmen pimpinan pada kualitas sebagai variabel terikat;
X1 = perencanaan karir;
X2 = penilaian prestasi kerja;
X3 = akses informasi teknis;
X4 = dukungan sosial politik.

dengan nilai adjusted R square = 0,280.

Kelima butir pertanyaan dikelompokkan ke dalam interval mean
score: 0 – 1 sangat tidak penting, 1.1 – 2 tidak penting, 2.1 – 3 netral, 3.1 – 4
penting, dan 4.1 – 5 sangat penting. Dari hasil analisis mean score terlihat
bahwa untuk aspek perencanaan karir sub aspek tingkat kepuasan memiliki
nilai mean score tertinggi sebesar 4,4891 dengan pernyataan “sangat
penting” dan nilai varian 0,472. Untuk aspek penilaian prestasi kerja, sub
aspek mendefinisikan pekerjaan memiliki nilai mean score tertinggi sebesar
4,2993 dengan pernyataan “sangat penting” dan nilai varian 0,535. Untuk
aspek akses informasi teknis, sub aspek informasi pekerjaan memiliki nilai
mean score tertinggi sebesar 4,3942 dengan pernyataan “sangat penting” dan
nilai varian 0,564. Hasil nilai mean score selengkapnya untuk sub-sub aspek
ditampilkan dalam Gambar 10.
 Gambar 10. Grafik Nilai Mean Score untuk Sub Aspek

Untuk pengujian kelinieran model yang diperoleh, hipotesa yang

digunakan adalah:
H0 = model yang terbentuk tidak signifikan;
H1 = model yang terbentuk signifikan.
Tolak H0 jika Fhitung > Ftabel atau dalam SPSS jika sig. < α.

Model regresi liner berganda yang diperoleh secara keseluruhan

adalah model yang linier secara signifikan. Hal ini dapat dilihat pada nilai
probabilitas sig. yang besarnya 0,000 yang lebih kecil dari taraf signifikansi
yang digunakan sebesar 0,05, sehingga Ho ditolak dan H1, atau dengan kata
model yang terbentuk adalah linier secara signifikan. Jika dtinjau secara
parsial antara tiap-tiap variabel bebas terhadap variabel terikat, terlihat
bahwa hanya variabel bebas aspek penilaian prestasi kerja (X2) dan aspek
dukungan sosial politik (X4) saja yang mempunyai hubungan linier secara
signifikan terhadap variabel terikat yaitu aspek komitmen pimpinan pada
kualitas. Hal ini terlihat dari nilai probabilitas sig. variabel bebas X2 dan X4
yang masing-masing bernilai 0,000 dan 0,001 yang lebih kecil dari taraf
signifikansi yang digunakan sebesar 0,05, sehingga Ho ditolak dan H1
diiterima, atau dengan kata lain perbedaan nilai variable bebas X2 dan X4
mempunyai pengaruh linier yang signifikan terhadap variabel terikat aspek
komitmen pimpinan pada kualitas (Y).

Dari hasil regresi diperoleh model persamaan yang baru sebagai berikut:
Y = 9.178 + 0.497 X2 + 0.361 X4

Nilai Sig. = 0,000 0,000 0,001

Nilai Sig. untuk uji F kelinieran model = 0,000, dalam hal ini:
Y = komitmen pimpinan pada kualitas sebagai variabel terikat;
X2 = penilaian prestasi kerja;
X4 = dukungan sosial politik.
dengan nilai adjusted R square = 0,301.

Dari model yang baru diperoleh tersebut, hasil uji kelinieran model
(uji F) diperoleh nilai Sig. = 0,000. Nilai ini lebih kecil dari taraf signifikansi
yang digunakan sebesar 0,05. Artinya H0 ditolak, atau dengan kata lain,
model linier secara signifikan.