Uji Asumsi Klasik Pengaruh Gaya Kepemimpinan dan Disiplin Terhadap Kinerja Karyawan Pada Polisi daerah Sumatera Utara

178 menjawab tidak setuju, 17 responden atau 21,2 menjawab kurang setuju, 42 responden atau 52,5 menjawab setuju serta 14 responden atau 17,5 menjawab sangat setuju, Hal ini menunjukkan bahwa mayoritas responden setuju jika atasan mereka tidak pernah mengeluh dengan hasil pekerjaan saya, namun masih ada responden yang beranggapan bahwa atasan mereka sering mengeluh terhadap pekerjaanya.

4.3 Uji Asumsi Klasik

Sebelum melakukan analisis regresi perlu dilakukan uji asumsi klasik agar dapat perkiraan yang tidak bias dan efisien. Ada beberapa syarat asumsi klasik yang harus dipenuhi, yaitu:

4.3.1. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau residual berdistribusi normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Untuk melihat normalitas residual, peneliti menganalisis grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal dan juga menganalisis probabilitas plot yang membandingkan distribusi kumulatif dan distribusi normal. 1. Analisis Grafik Dasar pengambilan keputusan untuk Uji Normalitas sebagai berikut: a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogram menujukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Universitas Sumatera Utara 179 b. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Sumber: Hasil Pengelolahan SPSS 2016, diolah Gambar 4.2 Grafik Histogram Uji Normalitas Pada gambar 4.2 terlihat bahwa data juga berdistribusi normal. Ini dapat dilihat pada scatterplot. Terlihat titik-titik yang mengikuti sebaran data di sepanjang garis diagonal. Universitas Sumatera Utara 180 Sumber: Hasil Pengelolahan SPSS 2016, diolah Gambar 4.3 Grafik Normal P-P Plot Pada Gambar 4.3 Grafik P-P Plot dapat dilihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, jadi dapat disimpulkan bahwa data residual berdistribusi normal maka model regresi memenuhi asumsi normalitas. 2. Analisis Kolmogrov-Smirnov Pengujian normalitas dilakukan berdasarkan uji statistic non-parametrik Kolmogrov-Smirnov K-S. dasar pengambilan keputusan untuk Kolmogrov- Smirnov yaitu nilai value pada kolom Asimp. Sig 2-tailed level of significant α = 5 Universitas Sumatera Utara 181 Table 4.6 One-Sample Kolmogrov-Smirnov Test Unstandardized Residual N 80 Normal Parameters a,b Mean 7 Std. Deviation 2.16073653 Most Extreme Differences Absolute .077 Positive .077 Negative -.063 Kolmogorov-Smirnov Z .775 Asymp. Sig. 2-tailed .567 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Pengelolahan SPSS 2016, diolah Berdasarkan pengolahan data pada Tabel 4.6 diperoleh nilai Asymp. Sig. 2-tailed diatas angka 0.05 0.567 0.05, dengan demikian dapat disimpulkan model regresi memenuhi asumsi normalitas.

4.3.2. Uji Heteroskedastisitas

Dalam melakukan pengujian heteroskedastisitas, dapat dilakukan melalui dua cara. Pertama, melalui analisis grafik dengan cara membaca grafik Scatterplot, di mana tidak terjadi heteroskedastisitas apabila titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, dan tersebar baik di atas maupun di bawah angka nol pada sumbu Y.Kedua, melalui analisis statistik yang dilakukan melalui uji glejser, di mana tidak terjadi heteroskedastisitas apabila Universitas Sumatera Utara 182 tidak ada variabel independen yang signifikan secara statistik mempengaruhi variabel dependen. Sumber: Hasil Pengelolahan SPSS 2016, diolah Gambar 4.4 Scatterplot Gambar Scatterplot menunjukkan bahwa titik-titik yang ada menyebar secara acak, tersebar baik di atas maupun di bawah angka nol pada sumbu Y dan tidak membentuk sebuah pola tertentu yang jelas. Oleh karena itu, model regresi dikatakan tidak mengalami heteroskedastisitas. Tabel 4.7 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 4.462 4.640 .962 .339 GAYA KEPEMIMPINAN .805 .062 .789 13.072 .000 DISIPLIN KERJA .228 .070 .196 3.254 .002 a. Dependent Variable: KINERJA Sumber: Hasil Pengelolahan SPSS 2016, diolah Universitas Sumatera Utara 183 Pada Tabel 4.7 terlihat bahwa tidak ada variabel bebas atau variabel independen yang signifikan secara statistik mempengaruhi variabel terikat atau variabel dependen. Hal ini ditunjukkan dari nilai Sig. variabel-variabel bebas yang lebih rendah dari nilai signifikan 0,05. Jadi, model regresi tidak mengalami heteroskedastisitas.

4.3.3. Pengujian Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka dinamakan multikol, yaitu adanya masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Hasil pengolahan data dapat dilihat pada tabel berikut Tabel 4.8 Multikolinieritas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 4.462 4.640 .962 .339 GAYA KEPEMIMPINAN .805 .062 .789 13.072 .000 .944 1.060 DISIPLIN KERJA .228 .070 .196 3.254 .002 .944 1.060 a. Dependent Variable: KINERJA Sumber: Hasil Pengelolahan SPSS 2016, diolah Pada Tabel 4.8 terlihat bahwa nilai Tolerance semua variabel bebas adalah lebih besar dari nilai ketetapan 0,1 dan nilai VIF semua variabel bebas adalah lebih kecil dari nilai ketetapan 5. Oleh karena itu, data dalam penelitian ini dikatakan tidak mengalami masalah multikolinearitas. Universitas Sumatera Utara 184

4.4 Pengujian Hipotesis