77 4.1.4.3. Penjelasan Responden Atas Variabel Karakteristik Individu
Definisi operasional variabel karakteristik individu adalah
ciri-ciri tertentu pada setiap individu apalagi yang berkaitan dengan kepuasan kerja seseorang, beberapa
karakteristik pribadi yang meliputi umur, jenis kelamin, status perkawinan, banyaknya tanggung jawab, dan status masa kerja
.
Untuk butir pertanyaan-pertanyaan variabel karakteristik individu, mayoritas responden memberikan jawaban setuju. Hal ini menunjukkan pegawai memberikan
tanggapan yang positif terhadap karakteristik individu. 4.1.4.4. Penjelasan Responden Atas Variabel Kepuasan Kerja
Definisi operasional variabel kepuasan kerja adalah keadaan emosional yang menyenangkan atau tidak menyenangkan bagi para pegawai dalam memandang
pekerjaannya. Untuk butir pertanyaan-pertanyaan variabel kepuasan kerja pegawai,
pimpinan lebih cenderung memilih jawaban untuk jawaban setuju. Hal ini menunjukkan pimpinan menilai kepuasan kerja pegawai sudah baik dalam bekerja,
walaupun ada sebagian pegawai yang dirasakan perlu diperhatikan dan ditingkatkan lagi kinerjanya.
4.1.5. Pengujian Asumsi Klasik
Sebelum melakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian asumsi klasik yang dimaksudkan untuk memastikan bahwa model regresi linear
Universitas Sumatera Utara
78
-4 -2
2 4
Regression Standardized Residual
2 4
6 8
10 12
14
Frequ ency
Mean = 1.8E-16 Std. Dev. = 0.973
N = 57
Dependent Variable: Kepuasan Kerja Histogram
berganda dapat digunakan atau tidak. Apabila uji asumsi klasik telah terpenuhi, alat uji statistik regresi linear berganda dapat dipergunakan.
4.1.5.1. Hasil Uji Normalitas Untuk pengujian normalitas data dalam penelitian ini dideteksi melalui analisa
grafik dan statistik yang dihasilkan melalui perhitungan regresi dengan SPSS. Hasil pengujian normalitas dapat dilihat pada Gambar 4.2. berikut ini.
Sumber : Hasil Penelitian, 2009 Data Diolah
Gambar 4.2. Uji Normalitas
Universitas Sumatera Utara
79
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
Ex pecte
d Cum
P rob
Dependent Variable: Kepuasan Kerja Normal P-P Plot of Regression Standardized Residual
Sumber : Hasil Penelitian, 2009 Data Diolah
Gambar 4.3. Uji Normalitas
Dari Gambar 4.3. di atas, dapat disimpulkan bahwa data yang digunakan menunjukkan normal. Ghozali 2005 menyatakan bahwa, jika data menyebar
disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya
Universitas Sumatera Utara
80 menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi
normalitas, dan sebaliknya jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola
distribusi normal, maka model regresi tidak memenuhi asumsi nomalitas. Analisis dari grafik di atas menunjukkan titik-titik menyebar di sekitar garis diagonal, serta
penyebarannya mengikuti arah garis diagonal, maka model regresi layak dipakai untuk memprediksi kepuasan kerja pegawai berdasarkan variabel independen dalam
penelitian ini, yaitu gaya kepemimpinan, locus of control, dan karakteristik individu.. Selanjutnya uji normalitas data dilakukan dengan analisis statistik dengan
menggunakan alat uji non parametrik Kolmogorov – Smirnov K-S, seperti terlihat pada Tabel 4.4. berikut ini.
Tabel 4.4. Uji Kolmogorov – Smirnov K-S
Sumber : Hasil Penelitian, 2009 Data Diolah
One-Sample Kolmogorov-Smirnov Test
57 .0000000
1.84651819 .093
.093 -.088
.703 .706
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed
Unstandardize dResidual
Test distribution is Normal. a.
Calculated from data. b.
Universitas Sumatera Utara
81 Dari Tabel 4.4. di atas diketahui besarnya nilai Kolmogorov-Smirnov adalah
0,703 dan tidak signifikan pada 0,706. Hal ini berarti data residual berdistribusi normal, dan hasilnya konsisten dengan uji sebelumnya.
4.1.5.2. Hasil Uji Multikolinieritas Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi
linier berganda ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka terdapat masalah multikolinieritas. Pada model regresi yang baik tidak
terjadi korelasi di antara variabel independen. Hasil pengujian multikolinieritas dalam penelitian ini menggunakan alat bantu
SPSS, hasilnya dapat dilihat pada Tabel 4.5. berikut ini :
Tabel 4.5. Hasil Uji Multikolinearitas
Sumber : Hasil Penelitian, 2009 Data Diolah
Coefficients
a
1.674 5.546
.367 .137
.670 1.493
.348 .150
.747 1.338
.413 .161
.720 1.389
Constant Gaya Kepemimpinan
Locus of Control K. Individu
Model
1
B Std. Error
Unstandardized Coefficients
Tolerance VIF
Collinearity Statistics
Dependent Variable: Kepuasan Kerja a.
Universitas Sumatera Utara
82
-3 -2
-1 1
2 3
R e
gr essi
on Stude ntize
d R esi
dual
Dependent Variable: Kepuasan Kerja Scatterplot
Dari Tabel 4.5. di atas dapat dilihat bahwa nilai Tolerance lebih dari 0,10 yang berarti tidak ada korelasi antar variabel independen. Hasil perhitungan nilai
Variance Inflation Factor VIF juga menunjukkan hal yang sama tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan
bahwa tidak ada multikolinieritas antar variabel independen dalam model regresi pada penelitian ini.
4.1.5.3. Hasil Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah regresi
terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka
disebut homoskedastisitas, dan jika varians berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas.
Hasil pengujian heteroskedastisitas data dalam penelitian ini menggunakan alat Bantu SPSS dengan mengamati pola yang terdapat pada scatterplot, hasilnya
dapat dilihat pada Gambar 4.4. sebagai berikut :
Universitas Sumatera Utara
83
Sumber : Hasil Penelitian, 2009 Data Diolah
Gambar 4.4. Hasil Uji Heteroskedastisitas
Dari Gambar 4.4. di atas terlihat bahwa titik-ttitik menyebar secara acak random serta tersebar di atas maupun di bawah angka 0 pada sumbu Y. Hal ini
dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai.
Menurut Ghozali 2005, jika ada pola tertentu, seperti titik-titik yang membentuk suatu pola yang teratur bergelombang, melebar kemudian menyempit,
maka telah terjadi heteroskedastisitas dan jika tidak ada pola yang jelas, serta titik- titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas. Hal ini berarti tidak terjadi heteroskedistisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi keputusan memilih
berdasarkan masukan dari variabel bebasnya.
Universitas Sumatera Utara
84 Selanjutnya dilakukan uji statistik untuk menjamin keakuratan hasil. Adapun
uji statistik yang digunakan untuk mendeteksi ada tidaknya heteroskedastisitas adalah uji Glejser.
Tabel 4.6. Hasil Uji Glejser
Sumber : Hasil Penelitian, 2009 Data Diolah
Dari Tabel 4.6. di atas menunjukkan bahwa tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen. Hal ini
terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5. Jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas.
4.2. Pembahasan 4.2.1.