Uji Asumsi Klasik Hasil Penelitian

Setuju STS, Tidak Setuju TS dan Kurang Setuju KS, 33 responden 54,1 menjawab Setuju S, 26 responden 42,6 menjawab Sangat Setuju SS. 8. Pada item pernyataan 8 Saya selalu ikut serta dalam kegiatan pelatihan untuk meningkatkan kinerja, tidak ada responden yang menjawab Sangat Tidak Setuju STS, Tidak Setuju TS dan Kurang Setuju KS, 39 responden 63,9 menjawab Setuju S, 22 responden 36,1 menjawab Sangat Setuju SS. 9. Pada item pernyataan 9 Saya tetap bekerja walau tanpa atasan di ruangan, tidak ada responden yang menjawab Sangat Tidak Setuju STS, Tidak Setuju TS dan Kurang Setuju KS, 32 responden 52,5 menjawab Setuju S, 29 responden 47,5 menjawab Sangat Setuju SS. 10. Pada item pernyataan 10 Setiap mengakhiri pekerjaan saya selalu membuat laporan tertulislisan kepada atasan, tidak ada responden yang menjawab Sangat Tidak Setuju STS dan Tidak Setuju TS, 10 responden 16,4 menjawab Kurang Setuju KS, 26 responden 42,6 responden menjawab Setuju S, 25 responden 41,0 responden menjawab Sangat Setuju.

4.2.2. Uji Asumsi Klasik

Uji asumsi klasik digunakan untuk melihat atau menguji suatu model layak atau tidak digunakan dalam sebuah penelitian. Uji asumsi klasik yang dilakukan dalam penelitian ini adalah:

4.2.2.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji nilai residual berdistribusi normal atau tidak, yang dapat dilakukan melalui beberapa pendekatan yaitu: 1. Pendekatan Histogram Pada grafik histogram, variabel berdistribusi normal pada grafik histogram yang berbentuk lonceng apabila distribusi data tersebut tidak menceng kekiri atau menceng kekanan. Sumber: Hasil pengolahan SPSS for Windows, 2015 Gambar 4.3 Pengujian Histogram Normalitas Berdasarkan grafik histogram gambar 4.3 terlihat bahwa variabel berdistribusi normal hal ini ditunjukkan oleh distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. 2. Pendekatan Grafik Cara lainnya melihat uji normalitas dengan pendekatan grafik. PP plot akan membentuk plot antara nilai-nilai teoritis sumbu x melawan nilai-nilai yang didapat dari sampel sumbu y. Jika plot keduanya berbentuk linier dapat didekati oleh garis lurus, merupakan indikasi bahwa residual menyebar normal. Sumber: Hasil pengolahan SPSS for Windows, 2015 Gambar 4.4 Pendekatan Grafik Normalitas Berdasarkan gambar 4.4 scatter plot terlihat titik yang mengikuti data di sepanjang garis diagonal. Hal ini berarti data berdistribusi normal. 3. Pendekatan Kolmogrov-Smirov Dasar pengambilan keputusan untuk Kolmogorov Smirnov yaitu apabila nilai value pada kolom Asymp. Sig lebih besar dari level of significant α = 5, maka tidak mengalami gangguan distribusi normal serta nilai Kolmogorov Smirnov lebih kecil dari 1,97 maka data dikatakan normal. Tabel 4.8 Uji Normalitas PendekatanKolmogrov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 61 Normal Parameters a,,b Mean .0000000 Std. Deviation 2.57017165 Most Extreme Differences Absolute .124 Positive .124 Negative -.071 Kolmogorov-Smirnov Z .969 Asymp. Sig. 2-tailed .304 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil pengolahan SPSS for Windows, 2015 Berdasarkan Tabel 4.8 terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0,304 dan diatas nilai signifikan 0,05. Dapat disimpulkan bahwa data residual berdistribusi normal. Nilai Kolmogorov-Smirnov Z dari Tabel 4.8 yaitu 0,969 dan lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empirik atau normal.

4.2.2.2 Uji Heteroskedastisitas

Uji heteroskedastisitas ini bertujuan untuk menguji didalam model regresi terjadi ketidaksamaan varians dari suatu variabel pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas Situmorang 2014:122. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu: 1. Pendekatan Grafik Heterokedastisitas dapat dilihat melalui gambar scatter plot. Gambar scatter plot dapat mengindikasi ada atau tidaknya gejala heterokedastisitas. Jika grafik tidak membentuk pola yang jelas maka tidak mengalami gangguan heterokedastisitas. Sumber: Hasil pengolahan SPSS for Windows, 2015 Gambar 4.5 Pendekatan Grafik Heteroskedastisitas Berdasarkan Gambar 4.5 dapat terlihat dari grafik Scatterplot yang disajikan, terlihat titik- titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai. 2. Uji Glejser Kriteria pengambilan keputusannya adalah sebagai berikut: a. Nilai signifikansi 0,05 ,maka tidak mengalami gangguan heterokedastisitas. b. Nilai signifikansi 0,05, maka mengalami gangguan heterokedastisitas. Tabel 4.9 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -1.977 3.605 -.548 .586 transformasional -.038 .117 -.048 -.322 .748 budayaorganisasi .125 .064 .288 1.941 .057 a. Dependent Variable: absut Sumber: Hasil pengolahan SPSS for Windows, 2015 Berdasarkan Tabel 4.9 dapat dilihat bahwa kolom Sig. pada tabel koefisien regresi untuk variabel independen adalah 0,748, 0,057, atau probabilitas lebih besar dari 0,05 maka tidak terjadi gangguan heterokedastisitas. Hal ini menunjukkan semua variabel independent yang terdiri dari gaya kepemimpinan transformasional dan budaya organisasi, signifikan secara statisik mempengaruhi variabel dependent.

4.2.2.3 Uji Multikolinieritas

Untuk mengetahui ada tidaknya gejala multikolinearitas dapat dilihat dari besarnya nilai tolerance dan VIF Variance Inflation Factor melalui program SPSS. Tolerance mengukur variabilitas variabel terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai umum yang bisa dipakai adalah nilai Tolerance 0,1 atau nilai VIF 5, maka tidak terjadi multikolinearitas. Pengujian multikoliniearitas dapat dilihat pada tabel berikut: Tabel 4.10 Uji Multikolinieritas Coefficients a Model Unstandardized Coefficients Standardize d Coefficients t Sig. Collinearity Statistics B Std. Error Beta Toleranc e VIF 1 Constant 10.918 5.714 1.911 .061 transformasion al .389 .186 .248 2.098 .040 .725 1.380 budayaorganis asi .412 .102 .477 4.034 .000 .725 1.380 a. Dependent Variable: kinerja Sumber: Hasil pengolahan SPSS for Windows, 2015 Berdasarkan Tabel 4.10 dapat dilihat bahwa : a. Nilai VIF dari gaya kepemimpinan transformasional dan budaya organisasi adalah lebih kecil atau dibawah 5 VIF 5, ini berarti tidak terkena multikolinieritas antara variabel independen dalam model regresi. b. Nilai Tolerance gaya kepemimpinan transformasional dan budaya organisasi adalah lebih besar dari 0,1 Tolerance 0,1, ini berarti tidak terdapat multikolinieritas antar variabel independen dalam model regresi.

4.2.3 Analisis Regresi Linier Berganda