79 alpha lebih besar dari 0, 70 Nunnally dalam Ghozali, 2011:48.
Adapun hasil pengujian reliabilitas dapat dilihat pada tabel berikut:
Tabel 4.14 Hasil Uji Reliabilitas
Variabel Nilai
Cronbach Alpha
Standar Cronbach
Alpha
Keterangan
TQM X1 0.939
0.70 Reliabel
Disiplin X2 0.868
0.70 Realibel
Kualitas Pelayanan Y
0.931 0.70
Realibel Sumber: Data diolah, 2015
Dari keterangan tabel di atas dapat diketahui bahwa masing-masing variable memiliki Cronbach alpha leih besari dari 0, 70. Dengan
demikian variable X1, X2 dan Y dapat dikatakan reliabel. Hal ini menunjukkan bahwa instrument variable total quality management,
disiplin kerja dan kualitas pelayanan adalah konsisten dan dapat dipercaya.
D. Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mengetahui apakah model regresi yang dibuat dapat digunakan sebagai alat prediksi yang baik. Uji
asumsi klasik dalam penelitian ini adalah uji, normalitas, uji multikolineritas, uji heteroskedastisitas. Hasil dari pengujian asumsi klasik
dijelaskan sebagai berikut: 1. Uji Normalitas
Uji normalitas bertjuan untuk menguji apakah dalam model regresi, variable pengganggu atau residual memiliki distribusi normal.
80 Seperti diketahui bahwa uji statistik t dan uji F mengasumsikan bahwa
nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel yang kecil
Ghozali, 2013: 160. Dalam penelitian ini, uji normalitas menggunakan Normal
Probability Plot P-P Plot yang membandingkan distribusi kumulatif dari ditribusi normal. Distribusi normal akan membentuk garis lurus
diagonal dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang
menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2013; 161.
Adapun hasil uji normalitas dengan probability plot dapat dilihat pada gambar berikut:
Gambar 4.1
Sumber data dari SPSS 22, 2015
81 Berdasarkan gambar 4.1 di atas menunjukkan bahwa distribusi
data residual adalah normal karena garis yang menggambarkan data sesungguhnya mengikuti garis diagonalnya.
Selain itu uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non parametric kolmogorov-
smirnov k-s. Jika nilai signifikan dari pengujian kolmogorov-smirnov lebih besar dari 0, 05 berarti data normal Ghozali, 2011:164.
Adapun hasil uji normalitas dengan kolmogorov-smirnov terlihat pada tabel berikut ini:
Tabel 4.15
Sumber data dari SPSS, 2015 Dari data di atas menunjukkan bahwa nilai signifikan dari
pengujian kolmogrov-smirnov yaitu 0.200 lebih besar dari 0.05 sehingga dapat dikatakan bahwa data adalah normal.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 36
Normal Parameters
a,b
Mean .0000000
Std. Deviation 6.28002490
Most Extreme Differences Absolute
.111 Positive
.070 Negative
-.111 Test Statistic
.111 Asymp. Sig. 2-tailed
.200
c,d
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction. d. This is a lower bound of the true significance.
82 2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variable bebas. Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variable independen. Jika variable independen saling berkorelasi, maka
variable-variabel ini tidak orthogonal. Variable orthogonal adalah variable independen yang nilai korelasi antar sesame variable
independen samadengan nol Ghozali, 2013:105. Dalam penelitian ini untuk mendeteksi ada atau tidaknya
multikolinieritas yaitu dengan mengamati nilai VIF dan tolerance. Nilai tolerance yang rendah samadengan Variance Inflation Factor
VIF tinggi karena VIF=1tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai tolerance
0.10 atau VIF 10 Ghozali, 2013:105-106. Hasil uji multikolinieritas masing-masing variable dapat dilihat pada tabel berikut:
Tabel 4.16 Coefficients
a
aconstant= dependen variable: Y sumber data dari SPSS 2015
dari hasil pengujian multikolinieritas yang dilakukan nilai tolerance variable TQM X1 dan disiplin masing-masing sebesar 0,996 dan
0,996 sedangkan nilai VIF masing-masing sebesar 1,004 dan 1,004. Hasil ini menunjukkan bahwa tidak ada variable bebas yang memiliki
Model Collinearity Statistics
Tolerance VIF
1 Constant
TQM .996
1.004 DISIPLIN
.996 1.004
83 nilai tolerance lebih kecil dari 0,1 dan nilai VIF lebih besar dari 10.
Jadi dapat disimpulkan bahwa tidak ada multikolinieritas antar variable bebas dalam model regresi.
3. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah
dalam model regresi terdapat ketidaksamaan varians dari residual satu pengamatan ke pengamatan lainnya. Jika varians dari residual atau
pengamatan satu ke pengamatan yang lainnya tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedasrisitas. Model
regresi yang baik adalah homokedastisitas Ghozali, 2013:139-140. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat
dilihat pada grafik scatterplot. Asumsinya adalah: 1. Jika terdapat pola tertentu yaitu jika titik-titiknya membentuk pola
tertentu dan teratur gelombang, melebar kemudian menyempit, maka diindikasikan terdapat masalah heteroskedastisitas.
2. Jika tidak terdapat pola yang jelas, yaitu jika titik-titiknya menyebar di atas dan di bawah angka 0 pada sumbu Y, maka
diindikasikan tidak terdapat masalah heteroskedastisitas.
84 Hasil uji heteroskedastisitas dapat dilihat pada gambar berikut ini:
Gambar 4.2
Gambar di atas menunjukkan bahwa tidak terdapat pola jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y atau
heteroskedastisitas tidak dapat dilihat. Namun untuk lebih menjamin keakuratan hasil di atas diperlukan uji statistik yang lebih menjamin
keakuratan hasil. Dalam penelitian ini menggunakan Uji Park, adapun hasil dari uji Park yaitu sebagai berikut:
Tabel 4.17 Uji Heteroskedastisias Metode Park
Coefficients
S u
m ber: Data diolah, 2015
Dari hasil di atas pada tabel 4.17, dapat dilihat melalui kolom sig. bahwa LN_TQM mempunyai tingkat signifikansi sebesar 0,849
yang artinya signifikansi lebih besar dari nilai probabilitas 0,05
Model Unstandardized Coefficients Standardized Coefficients
t Sig.
B Std. Error
Beta 1 Constant
20.515 16.220
1.265 .215 LN_TQM
-.556 2.894
-.033 -.192 .849
LN_DISIPLIN -4.149
2.977 -.236 -1.394 .173
85 0,8490,05 dan LN_DISIPLIN mempunyai tingkat signifikansi
sebesar 0,173 yang artinya signifikansi lebih besar dari nilai probabilitas 0,05 0,1730,05. Dari hasil tersebut dikatakan bahwa
tidak ada satupun variable yang memiliki nilai signifikan secara statistik, maka tidak terjadi heteroskedastisitas.
E. Analisis Regresi Linier Berganda
