Uji Asumsi Klasik .1 Uji Normalitas

diberikan, tentunya hal ini dapat dilihat bahwa peran pemimpin dalam menjaga semangat pegawai untuk tetap berkinerja tinggi sangat dibutuhkan, agar pegawai dapat tetap mempunyai komitmen dan tanggung jawab yang besar juga. 7. Pada item pertanyaan 7 tujuh yaitu saya selalu teliti dalam mengerjakan setiap pekerjaan yang diberikan, yang memilih sangat setuju sebanyak 14 responden, setuju sebanyak 38 responden atau 69,1, kurang setuju sebanyak 3 responden atau 5,5, dan tidak ada yang memilih tidak setuju atau sangat tidak setuju. Ketelitian terhadap penyelesaian pekerjaan yang diberikan sangat dibutuhkan oleh setiap pegawai, agar kinerja nya dapat maksimal. 4.2.4 Uji Asumsi Klasik 4.2.4.1 Uji Normalitas Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau ke kanan. 1. Pendekatan Histogram Universitas Sumatera Utara Sumber : Data Primer, diolah dengan SPSS versi 17.00 for windows 2014 Gambar 4.2 Histogram Pada grafik histogram dalam gambar 4.2 terlihat bahwa variabel berdistribusi normal. Hal ini ditunjukkan oleh distribusi data atau kurva tersebut tidak miring ke kiri atau ke kanan dan membentuk pola lonceng. Universitas Sumatera Utara 2. Pendekatan Grafik Sumber: Data primer, diolah dengan SPSS versi 17.00 for windows 2014 Gambar 4.3 Normal P-Plotof Regression Standarized Residual Pada Gambar 4.3 dapat dilihat bahwa data-data titik-titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, hal ini berarti data berdistribusi normal. Universitas Sumatera Utara 3. Pendekatan Kolmogorov-Smirnov Uji normalitas dengan grafik bisa saja berdistribusi normal, karena sifatnya lebih subyektif. Oleh karena itu, perlu dilakukan uji normalitas secara statitistik dengan pendekatan kolmogorov-smirnov 1 sample KS. Hasil uji normalitas dengan pendekatan kolmogorov dapat dilihat sebagai berikut. Tabel 4.10 One-Sample Kolmogorov Smirnov Test One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 55 Normal Parameters a,,b Mean .0000000 Std. Deviation 3.07333235 Most Extreme Differences Absolute .129 Positive .127 Negative -.129 Kolmogorov-Smirnov Z .960 Asymp. Sig. 2-tailed .316 a. Test distribution is Normal. b. Calculated from data. Sumber : Data Primer, diolah dengan SPSS versi 17.00 for windows 2014 Pada tabel 4.10 terlihat bahwa nilai Asymp. Sig 2-tailed adalah 0,316 dan diatas nilai signifikansi 0,05. Hal ini berarti residual data berdistribusi normal. Universitas Sumatera Utara

4.2.4.2 Uji Heteroskedastisitas

Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Jika variance dari satu residual satu pengamatan ke pengamatan lainnya tetap, maka terjadi homokedastisitas. Jika berbeda maka terjadi heterokedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. 1. Pendekatan Grafik Sumber: Data Primer, diolah dengan SPSS versi 17.00 for windows 2014 Gambar 4.4 Hasil Uji Heteroskedastisitas Universitas Sumatera Utara Dari grafik scatterplot yang disajikan pada Gambar 4.4 dapat dilihat titik- titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heterokedastisitas pada model regresi. 2. Pendekatan Statistik Uji Glejser Tabel 4.11 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -.755 3.159 -.239 .812 PerilakuPemimpin .059 .083 .102 .706 .483 KomitmenPegawai .043 .099 .063 .438 .663 a. Dependent Variable: absut Sumber : Data Primer, diolah dengan SPSS versi 17.00 for windows 2014 Dari tabel 4.11 dapat dilihat signifikansi variabel bebas lebih besar dari 0,05 maka model regresi tidak mengalami gangguan heterokedastisitas.

4.2.4.3 Uji Multikolinieritas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Universitas Sumatera Utara Adanya multikolinearitas dapat dilihat dari tolerance value atau nilai Variance Inflation Factor VIF, kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance adalah mengukur variabilitas variabel independen yang terpilih dan tidak dijelaskan oleh variabel independen yang lain. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah apabila Tolerance Value 0,1 sedangkan VIF 0,5 dan sebaliknya apabila Tolerance Value 0,1 sedangkan VIF 5 maka tidak terjadi multikolinearitas. Tabel 4.12 Hasil Uji Multikolinieritas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant PerilakuPemimpin .908 1.101 KomitmenPegawai .908 1.101 a. Dependent Variable: KinerjaPegawai Sumber: Data Primer, diolah dengan SPSS versi 17.00 for windows 2014 Pada tabel 4.15 dapat dilihat bahwa nilai VIF 5 dan Tolerance 0,05, maka tidak terdapat masalah multikolinearitas dalam penelitian ini.

4.2.5 Hasil Analisis Regresi Berganda