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 pec
ted Cu
m Pr ob
Dependent Variable: Kinerja Normal P-P Plot of Regression Standardized Residual
mengurangi kejenuhan karyawan dalam menyelesaikan rutinitas pekerjaan yang harus diselesaikan setiap saat. Memberikan kebebasan kepada setiap karyawan dalam
menyelesaikan pekerjaan sesuai dengan kreativitas yang dimiliki diharapkan dapat memaksimalkan kinerja karyawan yang bersangkutan.
IV.1.7. Hasil Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian asumsi klasik yang dimaksudkan untuk memastikan bahwa model regresi linier
berganda dapat digunakan atau tidak. Apabila uji asumsi klasik telah terpenuhi, alat uji statistik linier berganda dapat dipergunakan.
IV.1.7.1. Hasil uji normalitas hipotesis pertama Uji normalitas dilakukan untuk mengetahui apakah data berdistribusi normal
atau mendekati normal dilakukan dengan Regression Standarized Residual. Hasil
pengujian dapat dilihat pada gambar di bawah ini:
Gambar IV.2. Hasil Uji Normalitas Hipotesis Pertama
Sumber: Hasil Penelitian, 2010 Data Diolah
Universitas Sumatera Utara
Berdasarkan pada Gambar IV.2 di atas, dapat dilihat bahwa penyebaran data berada pada sekitar garis diagonal dan mengikuti garis arah diagonal, maka nilai
residual terstandarisasi. Dengan demikian maka model regresi berganda memenuhi asumsi normalitas. Selain dengan metode grafik juga dapat digunakan analisis
statistik dengan menggunakan pendekatan Kolmogorov-Smirov. Analisis statistik dengan menggunakan uji Kolmogorov – Smirnov K-S, seperti terlihat pada Tabel
IV.10 berikut ini:
Tabel IV.10. Hasil Uji Kolmogorov – Smirnov K-S Hipotesis Pertama
Unstandardized Residual N
43 Normal Parametersa,b
Mean .0000000
Std. Deviation 1.79699971
Most Extreme Differences Absolute
.148 Positive
.148 Negative
-.107 Kolmogorov-Smirnov Z
.973 Asymp. Sig. 2-tailed
.300 a Test distribution is Normal.
b Calculated from data. Sumber: Hasil Penelitian, 2010 Data Diolah
Dari Tabel IV.10 di atas diketahui besarnya nilai Kolmogorov-Smirnov adalah 0,973 dan tidak signifikan pada 0,300. Hal ini berarti data residual
berdistribusi normal atau model telah memenuhi asumsi normalitas.
Universitas Sumatera Utara
IV.1.7.2. Hasil uji multikolinieritas hipotesis pertama Uji mulitikolinieritas bertujuan untuk menguji apakah pada model regresi
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 data dalam penelitian ini dapat dilihat pada
Tabel IV.11 berikut:
Tabel IV.11. Hasil Uji Multikolinieritas Hipotesis Pertama
Collinearity Statistics Model
Tolerance VIF
1 Constant
Kepemimpinan .733
1.364 Budaya_Organisasi
.733 1.364
a Dependent Variable: Kinerja_Karyawan Sumber: Hasil Penelitian, 2010 Data Diolah
Dari Tabel IV.11 di atas terlihat bahwa kedua variabel bebas yaitu: variabel kepemimpinan dan budaya organisasi, angka Variance Inflation Factor VIF kurang
dari 5, sedangkan nilai Tolerance mendekati 1, dengan demikian dapat disimpulkan bahwa pada model regresi tersebut tidak terdapat problem multikolinieritas.
IV.1.7.3. Hasil uji heteroskedastisitas hipotesis pertama Heterokedastisitas digunakan untuk menguji apakah dalam model regresi,
terjadi ketidaksamaan varians dari residual dari suatu pengamatan yang lain. Jika variasi residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut
homokedastisitas, dan jika varians berbeda disebut heterokedastisitas. Model yang baik adalah tidak terjadi heterokedastisitas.
Universitas Sumatera Utara
-4 -2
2 4
Regression Standardized Predicted Value
-3 -2
-1 1
2 3
4
R egress
ion Studentize d Residual
Dependent Variable: Kinerja Scatterplot
Sumber : Hasil Penelitian, 2010
Gambar IV.3. Hasil Uji Heteroskedastisitas Hipotesis Pertama
Dari Gambar IV.3 di atas terlihat bahwa titik-titik 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.
IV.1.7.4. Hasil uji normalitas hipotesis kedua Uji normalitas dilakukan untuk mengetahui apakah data berdistribusi normal
atau mendekati normal dilakukan dengan Regression Standarized Residual. Hasil
pengujian dapat dilihat pada gambar di bawah ini:
Universitas Sumatera Utara
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
Exp ected Cum
Pro b
Dependent Variable: Budaya Organisasi Normal P-P Plot of Regression Standardized Residual
Sumber : Hasil Penelitian, 2010
Gambar IV.4. Hasil Uji Normalitas Hipotesis Kedua
Berdasarkan pada Gambar IV.4 di atas, dapat dilihat bahwa penyebaran data berada pada sekitar garis diagonal dan mengikuti garis arah diagonal, maka nilai
residual terstandarisasi. Dengan demikian maka model regresi berganda memenuhi asumsi normalitas. Selain dengan metode grafik juga dapat digunakan analisis
statistik dengan menggunakan pendekatan Kolmogorov-Smirov. Analisis statistik dengan menggunakan uji Kolmogorov – Smirnov K-S, seperti terlihat pada Tabel
IV.12 berikut ini:
Universitas Sumatera Utara
Tabel IV.12. Hasil Uji Kolmogorov – Smirnov K-S Hipotesis Kedua
Unstandardized Residual N
43 Normal Parametersa,b
Mean .0000000
Std. Deviation 1.35022648
Most Extreme Differences Absolute
.109 Positive
.109 Negative
-.099 Kolmogorov-Smirnov Z
.712 Asymp. Sig. 2-tailed
.692 a Test distribution is Normal.
b Calculated from data. Sumber: Hasil Penelitian, 2010 Data Diolah
Dari Tabel IV.12 di atas diketahui besarnya nilai Kolmogorov-Smirnov adalah 0,712 dan tidak signifikan pada 0,692. Hal ini berarti data residual
berdistribusi normal, dan hasilnya konsisten dengan uji sebelumnya.
IV.1.7.5. Hasil uji multikolinieritas hipotesis kedua Uji mulitikolinieritas bertujuan untuk menguji apakah pada model regresi
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 data dalam penelitian ini dapat dilihat pada
Tabel IV.13 berikut:
Tabel IV.13. Hasil Uji Multikolinieritas Hipotesis Kedua
Collinearity Statistics Model
Tolerance VIF
1 Constant
Disiplin_Kerja .552
1.811 Kreativitas
.552 1.811
a Dependent Variable: Budaya_ Organisasi Sumber: Hasil Penelitian, 2010 Data Diolah
Universitas Sumatera Utara
-3 -2
-1 1
2 3
Regression Standardized Predicted Value
-3 -2
-1 1
2 3
Regr ession St
udentiz ed Res
idu al
Dependent Variable: Budaya Organisasi Scatterplot
Dari Tabel IV.13 di atas terlihat bahwa kedua bebas yaitu: variabel disiplin kerja dan kreativitas, angka Variance Inflation Factor VIF kurang dari 5, sedangkan
nilai Tolerance mendekati 1, dengan demikian dapat disimpulkan bahwa pada model regresi tersebut tidak terdapat problem multikolinieritas.
IV.1.7.6. Hasil uji heteroskedastisitas hipotesis kedua Heterokedastisitas digunakan untuk menguji apakah dalam model regresi,
terjadi ketidaksamaan varians dari residual dari suatu pengamatan yang lain. Jika variasi residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut
homokedastisitas, dan jika varians berbeda disebut heterokedastisitas. Model yang baik adalah tidak terjadi heterokedastisitas.
Hasil pengujian heteroskedastisitas data dalam penelitian ini dengan mengamati pola yang terdapat pada Sctterplots, hasilnya dapat dilihat pada Gambar
IV.5 berikut ini:
Sumber : Hasil Penelitian, 2010
Gambar IV.5. Hasil Uji Heteroskedastisitas Hipotesis Kedua
Universitas Sumatera Utara
Dari Gambar IV.5 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.
IV.2. Pembahasan IV.2.1. Pengujian Hipotesis Pertama