64 uji normalitas karena penyusun ingin mengetahui besarnya angka
dalam uji tersebut, dengan ketentuan jika nilai A sim sig 2-tailed 0,05 maka data terdisitribusi normal, sedangkan jika nilai A simp sig
2-tailed 0,05 maka data tidak terdistribusi normal.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi ketidaksamaan variance dari residual satu pengamatan
ke pengamatan yang lain. Jika variance dari residual satu pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas Ghazali, 2013: 139. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Dalam penelitian ini, untuk mendeteksi ada atau tidaknya heteroskedastisitas didalam model regresi dilakukan dengan melihat
grafik Scatterplot. Metode tersebut dilakukan dengan cara melihat grafik Scatterplot antara ZPRED atau variabel dependen dengan
SRESID atau residualnya. Dasar analisis untuk melihat hasil uji heteroskedastisitas yaitu sebagai berikut:
1 Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur
bergelombang, melebar
kemudian menyempit,
maka mengindikasikan
telah terjadi
heteroskedastisitas.
65 2 Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan
dibawah angka 0 pada sumbu y, maka tidak terjadi heteroskedastisitas.
Uji dengan gambar plot dapat menyesatkan bila jumlah data sedikit. Untuk itu diperlukan pengujian lebih akurat yaitu dengan
metode spearman. Jika variabel independen signifikan secara statistik mempengaruhi variabel mempengengaruhi variabel dependen, maka
ada indikasi terjadi heterokedastisitas. Hasil tampilan output SPSS dengan jelas menunjukan bahwa tidak ada satupun variabel
independen yang signifikan secara statistik mempengaruhi variabel
dependen nilai absolut ut AbsUT Ghozali, 2011:143.
c. Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar varibael bebas independen.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Ghozali, 2013:105. Jika variabel independen
salin berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama
variabel independen sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolonieritas didalam
model regresi adalah sebagai berikut jika nilai tolerance dan lawannya
66 serta dari Variance Inflatin Factor VIF. Kedua ukuran ini
menunjukan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap
variabel independen menjadi variabel dependen terikat dan di regres terdapat independen lainnya. Tolerance mengukur variabilitas variabel
independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan VIF
yang tinggi karena VIF = 1tolerance. Nilai cuttoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah tolerance
0,10 atau sama dengan nilai VIF 10. Setiap penelitian harus menentukan tingkat kolinearitas yang masih dapat ditolerir. Jadi
kriteria pengujian untuk lulus dari uji multikolinearitas adalah: 1 Nilai tolerance 0,10
2 Nilai Variance Inflation Factor VIF 10 Dimana kedua-duanya harus dipenuhi.
4. Metode Analisis Regresi Linier Berganda
Siregar 2013:379 mengatakan regresi linear berganda digunakan untuk satu variabel tak bebas dependen dan dua atau lebih variabel bebas
independen. Tujuan penerapan metode ini adalah untuk meramalkan atau memprediksi besaran nilai variabel tak bebas dependen yang dipengaruhi
oleh variabel bebas independen.
67 Untuk mengetahui ada atau tidaknya pengaruh antara gaya
kepemimpinan transaksional, lingkungan kerja, dan kompensasi variabel Independen terhadap kepuasan kerja variabel independen digunakan analisis
regresi linear berganda yang dapat dirumuskan sebagai berikut: Y= a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+e
Ket: Y = Variabel Kepuasan Kerja
a = Konstanta regresi berganda X
1
= Variabel Gaya Kepemimpinan Transaksional X
2
= Variabel Lingkungan Kerja X
3
= Variabel Kompensasi b
1
= Koefisien regresi Gaya Kepemimpinan b
2
= Koefisien regresi Lingkungan Kerja b
3
= Koefisien regresi Kompensasi e = Error
Nilai b merupakan parameter yang mencerminkan variabel koefisien regresi dalam pengujian hopotesis. Koefisien regresi yang menunjukkan angka
peningkatan atau penurunan variabel dependen Y yang didasarkan para variabel independen X, bila b positif + maka terjadi kenaikan dan bila b
negatif - maka terjadi penurunan.
68
5. Pengujian Hipotesis
Menurut Ghozali 2013:97 ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of Fit-nya. Secara statistik,
setidaknya ini dapat diukur dari nilai Uji Statistik t, dan Uji Statistik F.
1. Uji Signifikansi Parameter Individual Uji Statistik t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam
menerangkan variasi variabel dependen. Uji t dilakukan dengan cara membandingkan perbedaan antara nilai dua nilai rata-rata dengan standar
error dari perbedaan rata-rata dua sampel Ghozali, 2013:98-99. Untuk menguji pengaruh masing-masing variabel bebas yang digunakan dalam
penelitian ini secara persial digunakan uji t dengan tingkat signifikansi 5. Dengan dasar pengambilan kepuasan sebagai berikut Sujarweni
dan Endrayanto, 2012:93: a. Pengambilan keputusan berdasarkan nilai probabilitas:
b. Jika signifikan t tingkat kesalahan α = 0,05 , maka H
ditolak, H
a
diterima berarti ada pengaruh. c. Jika signifikan t tingkat kesalahan
α = 0,05 , maka H diterima,
H
a
ditolak berarti tidak ada pengaruh. b. Pengambilan keputusan berdasarkan nilai t
hitung
: 1 Jika t
hitung
t
tabel
, maka H ditolak H
a
diterima berarti ada pengaruh.