d 4 – d
L
; terjadi autokorelasi negatif d
U
d 4 – d
U
; tidak terjadi autokorelasi d
L
d d
U
atau 4 – d
U
≤ d ≤ 4 - d
L
; pengujian tidak meyakinkan.
c. Uji Multikolinearitas
Pada uji multikolinearitas dapat dilakukan dengan melihat nilai VIF dari hasil analisis regresi. Jika nilai VIF 10 atau VIF 0,1 maka terdapat uji
multikolinearitas yang tinggi. Salah satu cara untuk menguji adanya multikolineritas dengan menggunakan Variance Inflation Factor VIF ataupun
dengan menghilangkan variabel yang memiliki multikolinearitas.
d. Uji Normalitas
Pada uji normalitas dilakukan dalam penelitian untuk mengetahui data berdistribusi normal atau tidak. Pada uji normalitas ini, pengujian dilakukan pada
variabel gaya kepemimpinan X
1
dan kompensasi X
2
dengan variabel prestasi kerja karyawanY. Peneliti menggunakan Kolmogrov-Smirnov Goodness of Fit
Test untuk melihat apakah data berdistribusi normal atau tidak. Selain itu, data ini juga akan dibandingkan dengan Normality Probability Plot Sulistyo, 2012:50.
Adapun kriteria dalam uji normalitas ini adalah sebagai berikut : 1
Z
hitung
≤ Z
tabel
maka berdistribusi normal 2
Z
hitung
Z
tabel
maka berdistribusi tidak normal
L. Teknik Analisis Data
1. Analisis Regresi Berganda
Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel bebas gaya kepemimpinan X
1
dan kompensasi X
2
dengan variabel terikat prestasi kerja karyawan Y. Analisis ini untuk mengetahui arah
hubungan antara variabel bebas dengan variabel terikat. Data yang digunakan biasanya berskala interval atau rasio. Persamaan regresi linear berganda sebagai
berikut:
�
′
= � + �
1
�
1
+ �
2
�
2
+ . . . + �
Keterangan : Y
= Variabel terikat Prestasi Kerja X
1
= Gaya Kepemimpinan X
2
= Kompensasi ɑ
= Konstanta b
1
, b
2
= Koefisien regresi e
= error variabel pengganggu
2. Koefisien Determinasi
Koefisien determinasi mengukur proporsi penurunan variabilitas Y sebagai akibat penggunaan variabel bebas di dalam model regresi. Untuk mengukur
koefisien determinasi rumus yang digunakan adalah sebagai berikut : �
2
= 1 −
∑ �
2
∑�
�
− Ȳ
2
