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