l. Dengan rata-rata 3,91 : responden menyatakan bahwa kepuasan
kerja karyawan sangat berhubungan dengan berupaya jadi yang bisa diandalkan diperusahaan.
m. Dengan rata-rata 4,11 : responden menyatakan bahwa kepuasan
kerja karyawan sangat berhubungan dengan tanggung jawab para karyawan.
n. Dengan rata-rata 4,20 : responden menyatakan bahwa kepuasan
kerja karyawan sangat berhubungan dengan loyalitasnya karyawan dalam bekerja.
4.2 Uji Asumsi Klasik
Sebelum melakukan analisis regresi perlu dilakukan uji asumsi klasik agar dapat perkiraan yang tidak bias dan efisien. Ada beberapa syarat asumsi klasik
yang harus dipenuhi, yaitu:
4.2.1. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam
model regresi, variabel penggangu atau residual berdistribusi normal. Ada dua cara untuk mendeteksi apakah residual
berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Untuk melihat normalitas residual, peneliti menganalisis
grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal dan juga
menganalisis probabilitas plot yang membandingkan distribusi kumulatif dan distribusi normal.
Universitas Sumatera Utara
1. Analisis Grafik
Dasar pengambilan keputusan untuk Uji Normalitas sebagai berikut:
a. Jika data menyebar disekitar garis diagonal dan mengikuti arah
garis diagonal atau grafik histogram menujukkan pola distribusi normal, maka model regresi memenuhi asumsi
mormalitas. b.
Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram
menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Sumber: Hasil pengolahan data primer dengan SPSS 20 2017
Gambar 4.1 Grafik Histogram Uji Normalitas
Pada gambar 4.1 terlihat bahwa data juga berdistribusi normal ini dapat dilihat pada scatterplot. Terlihat titik-titik
yang mengikuti sebaran data di sepanjang garis diagonal.
Universitas Sumatera Utara
Sumber: Hasil pengolahan data primer dengan SPSS 20 2017
Gambar 4.2 Grafik Normal P-P Plot
Pada Gambar 4.2 Grafik P-P Plot dapat dilihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal,
jadi dapat disimpulkan bahwa data residual berdistribusi normal maka model regresi memenuhi asumsi normalitas.
2. Analisis Kolmogrov-Smirnov
Pengujian normalitas dilakukan berdasarkan uji statistic non- parametrik Kolmogrov-Smirnov K-S. dasar pengambilan
keputusan untuk Kolmogrov-Smirnov yaitu nilai value pada kolom Asimp. Sig 2-tailed level of significant
α = 5.
Universitas Sumatera Utara
Table 4.6 One-Sample Kolmogrov-Smirnov Test
Unstandardized Residual
N 80
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 1.16073653
Most Extreme Differences Absolute
.087 Positive
.087 Negative
-.072 Kolmogorov-Smirnov Z
.783 Asymp. Sig. 2-tailed
.573 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil pengolahan data primer dengan SPSS 20 2017
Berdasarkan pengolahan data pada Tabel 4.6 diperoleh nilai Asymp. Sig. 2-tailed diatas angka 0.05 0.573 0.05, dengan demikian
dapat disimpulkan model regresi memenuhi asumsi normalitas.
4.2.2. Uji Heteroskedastisitas
Dalam melakukan pengujian heteroskedastisitas, dapat dilakukan melalui dua cara. Pertama, melalui analisis grafik dengan cara membaca
grafik Scatterplot, di mana tidak terjadi heteroskedastisitas apabila titik- titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang
jelas, dan tersebar baik di atas maupun di bawah angka nol pada sumbu Y.Kedua, melalui analisis statistik yang dilakukan melalui uji glejser, di
mana tidak terjadi heteroskedastisitas apabila tidak ada variabel independen yang signifikan secara statistik mempengaruhi variabel
dependen.
Universitas Sumatera Utara
Sumber: Hasil pengolahan data primer dengan SPSS 20 2017
Gambar 4.3 Scatterplot
Gambar Scatterplot menunjukkan bahwa titik-titik yang ada menyebar secara acak, tersebar baik di atas maupun di bawah angka nol
pada sumbu Y dan tidak membentuk sebuah pola tertentu yang jelas. Oleh karena itu, model regresi dikatakan tidak mengalami heteroskedastisitas.
Tabel 4.7 Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
1.983 .733
2.704 .008
Gaya_kepemimpinan .012
.037 .057
.328 .744
Fasilitas_kerja .008
.021 .082
.395 .694
Kepuasan_Kerja -.026
.020 -.282
-1.284 .203
a. Dependent Variable: ABSUT
Sumber: Hasil pengolahan data primer dengan SPSS 20 2017
Pada Tabel 4.7 terlihat bahwa tidak ada variabel bebas atau variabel independen yang signifikan secara statistik mempengaruhi variabel terikat
atau variabel dependen. Hal ini ditunjukkan dari nilai Sig. variabel-variabel bebas yang lebih besar dari nilai signifikan 0,05. Jadi, model regresi tidak
mengalami heteroskedastisitas.
Universitas Sumatera Utara
4.2.3. Pengujian Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka
dinamakan multikol, yaitu adanya masalah multikolineaitas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel
independen. Hasil pengolahan data dapat dilihat pada tabel berikut:
Tabel 4.8 Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
.493 1.292
.382 .704 Gaya_Kepemimpinan
.087 .064
.070 1.351 .181
.422 2.369 Kepuasan_Kerja
.469 .037
.783 12.708 .000 .294 3.400
a. Dependent Variable: KepuasanKerja
Sumber: Hasil pengolahan data primer dengan SPSS 20 2017
Pada Tabel 4.8 terlihat bahwa nilai Tolerance semua variabel bebas adalah lebih besar dari nilai ketetapan 0,1 dan nilai VIF semua variabel
bebas adalah lebih kecil dari nilai ketetapan 5. Oleh karena itu, data dalam penelitian ini dikatakan tidak mengalami masalah multikolinearitas.
4.3 Pengujian Hipotesis 4.3.1