Uji Asumsi Klasik HASIL DAN PEMBAHASAN

4.4 Uji Asumsi Klasik

Sebelum melakukan analisis regresi berganda, penulis melakukan pengujian asumsi klasik. Pengujian asumsi klasik dilakukan untuk mendapatkan hasil penelitian yang BLUE Best Linier Unbiased Estimation atau perkiraan yang efisien dan tidak bias. Kriteria pengujian asumsi klasik yang harus dipenuhi, yaitu: 1. Uji Normalitas Uji normalitas bertujuan untuk mengetahui apakah residual yang diteliti berdistribusi normal atau tidak. Distribusi data tidak normal, karena terdapat nilai ekstrem data yang diambil. Pada uji normalitas ada dua cara yang dapat digunakan yaitu: a. Analisis Grafik Normalitas data dapat dilihat melalui penyebaran titik pada sumbu diagonal dari P-Plot atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan sebagai berikut: Apabila data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas. Universitas Sumatera Utara Gambar 4.1 Hasil Uji Regression Standardized Residual Sumber : Hasil Pengolahan Data Primer Melalui SPSS 16.0 2014 Pada Gambar 4.1 terlihat bahwa variabel berdistribusi normal. Hal tersebut ditunjukkan oleh distribusi data yang tidak menceng ke kiri atau menceng ke kanan. Universitas Sumatera Utara Hasil dari analisis Grafik P-Plot uji normalitas adalah sebagai berikut: Gambar 4.2 Hasil Uji Normal P-P Plot Of Regression Standardized Residual Sumber : Hasil pengolahan data primer SPSS v 16.0, 2014 Pada Gambar 4.2, P-P plot menunjukkan bahwa tiitk-titik menyebar disekitar garis diagonal dan mengikuti garis diagonal, maka dapat disimpulkan bahwa data yang diperoleh berdistribusi normal. b. Analisis Statistik Pengujian normalitas yang didasarkan pada uji statistik non parametrik Kolmogorof-Smirnov K-S. Apabila nilai Kolmogorof-Smirnov Z ≤ Z tabel atau nilai asymp. Sig. 2 tailed α maka data dinyatakan berdistribusi normal. Berikut adalah Tabel 4.9 hasil uji Kolmogorov Smirnov. Universitas Sumatera Utara Tabel 4.9 Uji Kolmogorov - Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 70 Normal Parameters a Mean .0000000 Std. Deviation 1.48328574 Most Extreme Differences Absolute .120 Positive .071 Negative -.120 Kolmogorov-Smirnov Z 1.508 Asymp. Sig. 2-tailed .057 a. Test distribution is Normal. Sumber : Hasil Pengolahan Data Melalui Program SPSS 16.0 2014 Menurut Umar 2008:181 bahwa, apabila pada hasil uji Kolmogorov Smirnov, nilai Asymp. Sig 2- tailed lebih besar dari 0,05 α = 5, tingkat signifikan maka data berdistribusi normal. Pada Tabel 4.9 dapat dilihat nilai Asymp.Sig adalah 0,057 lebih besar dari 0,05, sehingga model regresi yang didapat adalah berdistribusi normal. 2. Uji Multikolinieritas Uji ini bertujuan untuk menguji apakah didalam model regresi linier ditemukan adanya korelasi yang tinggi diantara variabel bebas. Ada atau tidaknya multikolinieritas antar variabel dapat dilihat dari nilai variance inflation factor VIF untuk masing-masing variabel independent terhadap variabel dependent. Universitas Sumatera Utara Pengambilan Keputusannya: VIF 5 maka diduga mempunyai persoalan multikolinieritas VIF 5 maka tidak terdapat multikolinieritas Tolerence 0,1 maka diduga mempunyai persoalan multikolinieritas Tolerence 0,1 maka tidak terdapat multikolinieritas Pengujian multikolinearitas dapat dilihat pada Tabel 4.10 berikut ini. Tabel 4.10 Uji Multikolinieritas Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1Constant -6.303 3.228 -1.953 .055 Gaya_Kepemimpinan_Demokratis .205 .143 .154 1.437 .155 .769 1.301 Fasilitas_Kerja .658 .175 .460 3.759 .000 .587 1.703 Kepuasan_Kerja .180 .136 .151 1.325 .190 .677 1.476 a. Dependent Variable: Kinerja_Pegawai Sumber : Hasil pengolahan data melalui program SPSS v 16.0, 2014 Pada Tabel 4.11 variabel Gaya Kepmimpinan Demokratis, Fasilitas Kerja, Kepuasan Kerja memiliki nilai Tolerance 0,769; 0,587; 0,677; 0,1 dan nilai VIF 1,301; 1,703; 1,476; 5 maka variabel tersebut tidak mempunyai persoalan multikolinearitas. Universitas Sumatera Utara

3. Uji Heteroskedastisitas

Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan variance dari suatu residual pengamatan ke pengamatan lain. Gejala heteroskedastisitas dapat dideteksi dengan 2 cara yaitu: 1. Analisis Grafik Gejala heteroskedastisitas dapat dilihat dengan menggunakan grafik Scatterplot. Apabila data yang berbentuk titik-titik tidak membentuk suatu pola atau menyebar, maka model regresi tidak terkena heteroskedastisitas. Kriteria keputusan: a Jika diagram pencar yang ada membentuk pola- pola tertentu yang teratur maka regresi mengalami gangguan heterokedastisitas. b Jika diagram pencar yang ada tidak membentuk pola - pola tertentu yang teratur maka regresi tidak mengalami gangguan heterokedastisitas. Gambar 4.3 Scatterplot Uji Heteroskedastisitas Sumber : Hasil Pengolahan Data Melalui Program SPSS 16.0 2014 Universitas Sumatera Utara Dari Gambar 4.3 terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun di bawah angka nol pada sumbu Y, dengan demikian dapat dikatakan bahwa tidak terjadi heteroskedastisitas pada model regresi. 2. Analisis Statistik Kriteria keputusan: a Jika probabilitas 0,05 maka tidak mengalami gangguan heteroskedastisitas. b Jika probabilitas 0,05 maka mengalami gangguan heteroskedastisitas. Gejala heteroskedastisitas dapat juga dideteksi melalui uji Glejser. Tabel 4.11 berikut ini menampilkan hasil pengujian heteroskedastisitas dengan uji Glejser. Tabel. 4.11 Hasil Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 5.893 2.362 2.495 .015 Gaya_Kepemimpinan_Demokratis -.159 .104 -.205 -1.525 .132 Fasilitas_Kerja -.144 .128 -.173 -1.127 .264 Kepuasan_Kerja .075 .100 .107 .748 .457 a. Dependent Variable: absut Sumber : Hasil Pengolahan Data Melalui Program SPSS 16.0 2014. Pada Tabel 4.11 dapat dilihat bahwa kolom Sig. pada tabel koefisien regresi untuk variabel independen adalah 0,132; 0,264; 0,457; atau probabilitas lebih besar dari 0,05 maka tidak terjadi gangguan heteroskedastisitas. Universitas Sumatera Utara Hal ini menunjukkan semua variabel independent yang terdiri dari gaya kepemimpinan demokratis, fasilitas kerja, dan kepuasan kerja, signifikan secara statistik mempengaruhi variabel dependent.

4.5 Analisis Regresi Linier Berganda