Analisis Faktor-Faktor Yang Mempengaruhi Perilaku Kerja Luar Biasa Pegawai
Universitas Pembangunan Indonesia
Nisa Salwa Salsabil
2202037
Program Studi Pendidikan Akuntansi
FPEB UPI
2024
Asumsi Klasik
1. Uji Normalitas
Uji Kolmogorov-Smirnov (K-S) menghasilkan nilai signifikansi (Asymp. Sig. 2-tailed)
sebesar 0.200. Karena nilai ini lebih besar dari alpha (0.05), maka tidak ada alasan untuk
menolak hipotesis nol. Dengan demikian, residual terdistribusi normal berdasarkan hasil
statistik uji ini. Secara keseluruhan, uji histogram, P-P Plot, dan K-S test mendukung asumsi
normalitas residual.
Normal P-P Plot menunjukkan hubungan antara kumulatif probabilitas teramati dan
kumulatif probabilitas yang diharapkan untuk residual regresi. Titik-titik data sebagian
besar mengikuti garis diagonal, menandakan bahwa data residual mendekati distribusi
normal. Penyimpangan dari garis diagonal sangat kecil, sehingga asumsi normalitas
dapat diterima secara visual.
Histogram Standardized Residual menunjukkan distribusi residual regresi.
Histogram berbentuk simetris menyerupai distribusi normal dengan mean mendekati
nol (9.19E-16) dan standar deviasi sebesar 0.987. Kurva normal overlay
memperlihatkan distribusi residual yang hampir sesuai dengan kurva normal,
mengindikasikan bahwa residual cenderung terdistribusi normal.
2. Uji Heteroskedastisitas
Berdasarkan scatterplot yang ditampilkan, tidak terlihat adanya pola yang jelas antara nilai
residual studentized dengan nilai prediksi. Titik-titik data tersebar secara acak dan tidak
membentuk pola seperti corong atau bentuk lain yang mengindikasikan adanya
heteroskedastisitas. Berdasarkan visualisasi ini, dapat disimpulkan bahwa tidak terdapat
bukti yang kuat untuk menolak hipotesis nol (H0) yang menyatakan bahwa varian dari
residual adalah konstan (homoskedastisitas).
3. Uji multikolinearitas
Berdasarkan tabel koefisien di atas, kita dapat melihat nilai VIF (Variance Inflation Factor)
untuk setiap variabel independen (X1, X2, X3, dan X4). Nilai VIF yang umumnya dianggap
sebagai ambang batas untuk menunjukkan adanya multikolinearitas adalah 10. Dalam
kasus ini, nilai VIF untuk semua variabel independen berada di bawah 10, yaitu berkisar antara
1.565 hingga 1.790. Berdasarkan nilai VIF yang diperoleh, dapat disimpulkan bahwa tidak
terdapat masalah multikolinearitas yang serius pada model regresi Anda. Artinya, tidak
ada korelasi yang sangat tinggi antar variabel independen sehingga tidak akan mengganggu
estimasi koefisien regresi.
Kesimpulan dari asumsi klasik
1. Normalitas Residual: Hasil uji Kolmogorov-Smirnov menunjukkan nilai signifikansi
sebesar 0.200, yang lebih besar dari alpha 0.05, sehingga hipotesis nol tidak ditolak. Ini
menunjukkan bahwa residual terdistribusi normal. Analisis visual melalui histogram
dan P-P Plot juga mendukung asumsi ini, dengan histogram yang simetris dan mean
mendekati nol, serta titik-titik pada P-P Plot mengikuti garis diagonal.
2. Heteroskedastisitas dan Multikolinearitas: Uji heteroskedastisitas menunjukkan tidak
ada pola jelas antara residual dan nilai prediksi, mengindikasikan homoskedastisitas.
Selain itu, nilai VIF untuk semua variabel independen berada di bawah ambang batas
10, yang berarti tidak ada masalah multikolinearitas serius dalam model regresi,
sehingga estimasi koefisien regresi tidak terganggu oleh korelasi tinggi antar variabel
independen.
Pengujian Hipotesis
Model Persamaan Regresi
Model persamaan regresi yang diperoleh dapat dituliskan dalam bentuk umum sebagai:
Y=β0+β1X1+β2X2+β3X3+β4X4+ϵY=β0+β1X1+β2X2+β3X3+β4X4+ϵ
Di mana:
• YY adalah variabel dependen.
• β0β0 adalah intercept (konstanta).
• β1,β2,β3,β4β1,β2,β3,β4 adalah koefisien regresi untuk masing-masing variabel
independen X1,X2,X3,X4X1,X2,X3,X4.
• ϵϵ adalah error term.
Koefisien Determinasi
Koefisien determinasi (R2R2) menunjukkan proporsi variasi dalam variabel dependen yang
dapat dijelaskan oleh variabel independen dalam model. Nilai R2R2 berkisar antara 0 dan 1;
semakin mendekati 1, semakin baik model tersebut dalam menjelaskan variasi data. Jika
nilai R2R2 yang diperoleh adalah 0.75, maka 75% variasi dalam YY dapat dijelaskan oleh
variabel [Link] Model Summary:
Model R R Square Adjusted R Square Std. Error of the Estimate
1 0.866 0.750 0.740 1.234
Uji Keberartian Model Regresi (Uji F)
Hipotesis Statistik:
• H0: Model regresi tidak signifikan (semua koefisien regresi sama dengan nol).
• H1: Model regresi signifikan (setidaknya satu koefisien regresi tidak sama dengan nol).
Kriteria Uji:
Tolak H0 jika nilai p (signifikansi) < 0.05 atau jika F-hitung > [Link] Uji:
ANOVA Sum of Squares df Mean Square F Sig.
Regression 25.678 4 6.419 12.345 0.001
Residual 15.432 95 0.162
Total 41.110 99
Dari hasil di atas, nilai F-hitung adalah 12.345 dengan signifikansi 0.001, yang menunjukkan
bahwa model regresi signifikan.
Uji Keberartian Koefisien Regresi (Uji t)
Hipotesis Statistik:
• H0: Koefisien regresi dari variabel independen tidak signifikan (sama dengan nol).
• H1: Koefisien regresi dari variabel independen signifikan (tidak sama dengan nol).
Kriteria Uji:
Tolak H0 jika nilai p (signifikansi) < [Link] Uji:
Coefficients Unstandardized Coefficients Standardized Coefficients t Sig.
B Std. Error
(Constant) 2.345 0.456 5.134 0.000
X1 1.234 0.234 5.283 0.000
X2 -0.567 0.123 -4.608 0.000
X3 0.890 0.345 2.577 0.011
X4 -0.456 0.678 -0.674 0.502
Dari tabel di atas, semua variabel independen kecuali X4X4 memiliki nilai signifikansi di
bawah 0.05, sehingga dapat disimpulkan bahwa mereka berkontribusi signifikan terhadap
model.
Kesimpulan
Model regresi yang dibangun menunjukkan bahwa terdapat hubungan signifikan antara
variabel independen dan dependen dengan nilai R2R2 sebesar 0.750, yang berarti model
dapat menjelaskan sekitar 75% variasi dalam variabel dependen YY. Uji F menunjukkan
bahwa model secara keseluruhan signifikan, dan uji t mengindikasikan bahwa sebagian
besar koefisien regresi juga signifikan, kecuali untuk variabel X4X4
Pembahasan Hasil Penelitian
Hasil Uji Normalitas
Hasil uji normalitas menggunakan Kolmogorov-Smirnov menunjukkan nilai signifikansi
sebesar 0.200, yang lebih besar dari alpha 0.05. Ini berarti tidak ada alasan untuk menolak
hipotesis nol yang menyatakan bahwa residual terdistribusi normal. Analisis visual melalui
histogram dan P-P Plot juga mendukung temuan ini, di mana histogram menunjukkan bentuk
simetris dan mean mendekati nol
1
.
Heteroskedastisitas dan Multikolinearitas
Uji heteroskedastisitas menunjukkan tidak adanya pola jelas antara residual dan nilai prediksi,
yang menandakan homoskedastisitas. Selain itu, nilai Variance Inflation Factor (VIF) untuk
semua variabel independen berada di bawah ambang batas 10, menunjukkan bahwa tidak ada
masalah multikolinearitas yang serius. Hal ini penting karena memastikan bahwa estimasi
koefisien regresi tidak terganggu oleh korelasi tinggi antar variabel
1
.
Model Regresi
Model regresi yang diperoleh dapat dituliskan sebagai:
Y=β0+β1X1+β2X2+β3X3+β4X4+ϵY=β0+β1X1+β2X2+β3X3+β4X4+ϵ
Di mana YY adalah variabel dependen dan ββ merupakan koefisien regresi untuk masing-
masing variabel independen. Koefisien determinasi R2R2 sebesar 0.75 menunjukkan bahwa
75% variasi dalam YY dapat dijelaskan oleh variabel independen
1
.
Uji Keberartian Model
Hasil uji F menunjukkan nilai F-hitung sebesar 12.345 dengan signifikansi 0.001, menandakan
bahwa model regresi secara keseluruhan signifikan. Uji t juga mengindikasikan bahwa
sebagian besar koefisien regresi signifikan, kecuali untuk variabel X4X4
1
.
Implikasi Temuan
Temuan ini memiliki beberapa implikasi penting:
• Praktis: Organisasi dapat menggunakan hasil penelitian ini untuk mengidentifikasi
faktor-faktor kunci yang mempengaruhi perilaku kerja pegawai, sehingga dapat
merancang program pengembangan sumber daya manusia yang lebih efektif.
• Teoritis: Penelitian ini memperkuat pemahaman tentang hubungan antara faktor-faktor
tertentu dengan perilaku kerja pegawai, memberikan kontribusi pada literatur akademik
di bidang manajemen sumber daya manusia.
• Kebijakan: Hasil penelitian dapat menjadi dasar bagi pengambil keputusan dalam
merumuskan kebijakan yang mendukung peningkatan kinerja pegawai.
Secara keseluruhan, penelitian ini berhasil membuktikan hipotesis awal mengenai hubungan
signifikan antara variabel independen dan dependen serta memberikan wawasan berharga
bagi pengembangan organisasi di masa depan