Sekaran 2000 menyatakan bahwa reliabilitas yang ditentukan oleh nilai Cronbach’s Alpha – kurang dari 0,60 dinyatakan kurang baik. Cronbach’s Alpha dengan nilai
range 0,70 dinyatakan dapat diterima dan nilai lebih dari 0,80 adalah baik.
3.8. Teknik Analisa Data 3.8.1. Uji Asumsi Klasik
Ada beberapa permasalahan yang bisa terjadi dalam model regresi linier, yang secara statistik permasalahan tersebut dapat mengganggu model yang telah
ditentukan, bahkan dapat menyesatkan kesimpulan yang diambil dari persamaan yang terbentuk, maka diperlukan pengujian asumsi klasik yang meliputi pengujian
normalitas, mulikolinearitas, dan heteroskedastisitas Ghozali, 2006.
3.8.1.1. Uji Normalitas Data
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal Erlina, 2008. Data yang baik
adalah data yang mempunyai pola seperti bentuk lonceng pada diagram histogram. Uji normalitas data yang digunakan dalam penelitian ini adalah Uji Kolmogorov-
Smirnov. Kriteria pengujian satu sampel menggunakan pengujian satu sisi yaitu dengan membandingkan probabilitas dengan tingkat signifikansi tertentu yaitu
apabila nilai signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal dan bila nilai signifikan atau probabilitas 0,05, maka data terdistribusi
secara normal Ghozali, 2006.
Universitas Sumatera Utara
3.8.1.2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen Erlina, 2008. Jika
terjadi korelasi antar variabel independen maka akan ditemukan adanya masalah multikolinearitas. Suatu model regresi yang baik harus tidak menimbulkan masalah
multikolinieritas. Untuk itu diperlukan uji multikolinieritas terhadap setiap data variabel bebas yaitu dengan:
1. Melihat angka collinearity statistics yang ditunjukkan oleh Nilai Variance
inflation Factor VIF. Jika angka VIF 10, maka variabel bebas yang ada memiliki masalah multikolinieritas Santoso, 2002.
2. Melihat nilai tolerance pada output penilaian multikolinieritas yang tidak
menunjukkan nilai 0,1 akan memberikan kenyataan bahwa tidak terjadi masalah multikolinieritas.
3.8.1.3. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain.
Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas. Uji heterokedastisitas dilakukan dengan melihat ada tidaknya pola
tertentu pada grafik Scatterplot antara SRESID dan ZPRED. Dasar analisisnya dapat dilihat :
Universitas Sumatera Utara
1. Jika titik-titik yang membentuk pola yang teratur bergelombang, melebar
kemudian menyempit maka mengidentifikasikan telah terjadi heterokedastisitas.
2. Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah
angka nol pada sumbu y maka tidak terjadi heterokedastisitas.
3.8.2. Analisis Statistika Deskriptif
Statistik deskriptif memberikan gambaran data dengan kriteria nilai rata-rata, standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan skewness.
3.8.3. Analisis Statistika Inferensi
Pengujian hipotesis dilakukan dengan menggunakan model analisis regresi berganda bertujuan untuk memprediksi berapa besar kekuatan pengaruh variabel
independen terhadap variabel dependen. Persamaan regresinya adalah : Sub model 1 :
Y = b
1
X
1
+ b
2
X
2
Dimana :
+ e
Y = Komitmen kerja pegawai Universitas Sumatera Utara b
1
, ….b
2
X = koefisien regresi
1
= Kepuasan kerja
Universitas Sumatera Utara
X
2
e = error = Motivasi berprestasi
Sub model 2 Y = b
1
X
1
+ b
2
X
2
+
b
3
X
3
+
b
4
X
1
X
2
X
3
Dimana :
+
e
Y = Komitmen kerja pegawai Universitas Sumatera Utara b
1
, ….b
4
X = koefisien regresi
1
X = Kepuasan kerja
2
X = Motivasi berprestasi
3
e = error = Kepemimpinan
Sementara itu, langkah-langkah untuk menguji pengaruh variabel independen, yaitu kepuasan kerja dan motivasi berprestasi dilakukan dengan uji
simultan dan uji parsial.
3.8.3.1. Uji Koefisien Determinasi Uji R
2
Pengujian koefisien determinasi R
2
digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Koefisien
determinasi berkisar antara nol sampai dengan satu. Nilai R
2
yang semakin kecil mendekati nol menunjukkan bahwa kemampuan variabel-variabel independen dalam
Universitas Sumatera Utara
menjelaskan variabel dependen amat terbatas, bila R
2
semakin besar mendekati 1 menunjukkan bahwa variabel-variabel independen memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variasi variabel dependen Ghozali, 2006.
3.8.3.2. Uji Simultan Uji F