Uji normalitas yang digunakan dalam analisis statistik ini adalah uji statistik non–parametik One–sample Kolmogrov Sminornov. Data yang dimiliki
berdistribusi normal. dapat dilihat Tabel 4.7. Berdasarkan Tabel 4.7 terlihat bahwa nilai Asymp.Sig 2 tailed adalah 0,161 dan diatas nilai signifikan 0,05 yang
nilainya lebih besar dari taraf nyata α 0,05 yang artinya data telah berdistribusi normal.
2. Uji Multikolineritas
Uji multikolinearitas dilakukan untuk menunjukkan ada tidaknya hubungan linear diantara variabel bebas dalam model regresi. Gejala
multikolinearitas dapat dideteksi atau dilihat dari nilai Variance Inflation Factor VIF. Multikolinieritas dapat diketahui dari besarnya Tolorance dan Variance
Inflation Factor VIF dengan membandingkan sebagai berikut: a.
VIF 5, maka diduga mempunyai persoalan multikolinieritas. b.
VIF 5, maka tidak terdapat multikolinieritas. c.
Tolorance 0,1, maka diduga mempunyai persoalan multikolinieritas. d.
Tolorance 0,1, maka tidak terdapat multikolinieritas.
One-Sample Kolmogorov-Smirnov Test
67 ,0000000
2,74931781 ,137
,137 -,089
1,122 ,161
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z As ymp. Sig. 2-tailed
Unstandardiz ed Res idual
Test distribution is Normal. a.
Calculated from data. b.
Universitas Sumatera Utara
Tabel 4.8 Uji Multikonealiritas
Hasil output SPSS.15 for windows di atas dapat diambil keputusan bahwa semua data variabel tidak terkena multikolinieritas, karena nilai Tolorance untuk
Konflik Peran dan Gaya Kepemimpinan adalah 0,937 0.1 dan nilai Variance Inflation Factor VIF Konflik Peran dan Gaya Kepemimpinan 1,067 5.
Sehingga pada model regresi tidak terjadi gejala multikolinieritas.
3. Uji Autokeralasi
Istilah autokorelasi dapat didefenisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu seperti dalam data deret
waktu atau ruang seperti dalam data cross-section. Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan
pengganggu pada periode sebelumnya Situmorang, et all 2008:78. Untuk mendeteksi gejala autokorelasi digunakan durbin watsom DW statistik, sebagai
rule of thumb nilai d yang menunjukkan gejala autokorelasi yang tidak berbahaya atau tidak ada autokorelasi yang tidak berbahaya atau tidak auotokeralasi adalah :
Kriteria Pengambilan Keputusan DW Test
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0 d dl
Tidak ada autokorelasi positif No Decesion
dl ≤ d ≤ du
Coeffi cients
a
77,979 10,941
7,127 ,000
-,178 ,179
-,115 -,997
,322 ,937
1,06 -,859
,216 -,459
-3, 972 ,000
,937 1,06
Const ant Konflik _Peran
Gaya_Kepemimpinan Model
1 B
St d. Error Unstandardized
Coeffic ient s Beta
St andardiz ed Coeffic ient s
t Sig.
Tolerance VIF
Collinearity Statistic
Dependent Variable: Kinerja_Karyawan a.
Universitas Sumatera Utara
Tidak ada autokorelasi negatif Tolak
4 – dl d 4 Tidak ada autokorelasi positif
No Decesion 4 – du
≤ d ≤ 4- dl Tidak ada autokorelasi poisitf atau negatif
Tidak ditolak du d 4 - du
Sumber : Situmorang et al 2008:86 Hasil Uji Autokorelasinya Durbin Watson terlihat seperti pada gambar
dibawah ini :
Tabel 4.9 Uji Autokorelasi
Berdasarkan Tabel 4.9 diatas dapat dilihat bahwa nilai Durbin Watson DW adalah 2,389 Kriteria yang menunjukkan tidak terjadi autokorelasi adalah sebagai
berikut : N= Jumlah sampel = 67
K = Jumlah Variabel bebas = 2 Pada tingkat signifikansi 5 diperoleh du = 1,7491
du dw 4 – dl = 1,7491 2,389 4 – dl 2,23 Tabel 4.9 menunjukkan bahwa rasio durbin watson bernilai 2,203 berada diantara
batas atas du dan 4-du, maka koefisien autokorelasi sama dengan nol yang berarti tidak ada autokorelasi.
4. Uji Determinasi R
