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