berdistribusi normal jika nilai Asimp. Sig2-tailed 0,05 level of significant One- Sample Kolmogorov-Smirnov. Berdasarkan Uji Kolmogorov-Smirnov dengan
SPSS ver.15, diperoleh hasil berikut:
Tabel 4.22. Tabel Uji Kolmogorov-Smirnov
One -Sam ple Kolm ogorov-Sm irnov Te st
25 .0000000
10.17400063 .179
.124 -.179
.895 .400
N Mean
Std. Dev iation Normal Parameters
a,b
A bs olute Positive
Negative Mos t Ex treme
Dif f erences
Kolmogorov-Smirnov Z A sy mp. Sig. 2-tailed
Unstandardiz ed Residual
Test dis tribution is Normal. a.
Calc ulated f rom data. b.
Berdasarkan tabel tersebut, hasil uji Kolmogorov-Smirnov menunjukkan bahwa nilai Asimp. Sig2-tailed 0,400 0,05 level of significant berarti data
berdistribusi normal.
2. Uji Multikolinieritas
Uji ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak
terjadi korelasi antar variabel bebas. Untuk mendeteksi adanya multikolinieritas dapat dilakukan dengan mencari besarnya Variance Inflation Factor VIF dan
nilai tolerancenya. Jika VIF 10 dan nilai tolerance 0,1 maka regresi bebas dari multikolinieritas.
Tabel 4.23 Multikoliniaritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
Kepemimpinan .860
1.163 Motivasi Kerja
.860 1.163
a. Dependent Variable: Kinerja
Berdasarkan hasil penelitian, diketahui nilai VIF sebesar 1,163 10 dan nilai tolerancenya sebesar 0,860 0,1 sehingga dapat disimpulkan bahwa regresi
bebas dari multikolinieritas.
3. Uji Heteroskedastisitas
Pengujian terhadap
heteroskedastisitas dapat
dilakukan melalui
pengamatan terhadap pola scatter plot yang dihasilkan melalui SPSS 15.0 for windows. Apabila pola scatter plot membentuk pola tertentu, maka model regresi
memiliki gejala heteroskedastisitas. Munculnya gejala heteroskedastisitas menunjukkan bahwa penaksir dalam model regresi tidak efisien dalam sampel
besar maupun kecil. Jika tidak ada pola yang jelas dan titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y, maka dapat disimpulkan bebas
heteroskedastisitas.
Gambar 4.2 Grafik Scatter Plots
Dari grafik scatter plots terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas ataupun di bawah 0 pada sumbu Y dan tidak
membentuk suatu pola tertentu. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk
memprediksi kinerja karyawan berdasarkan variabel independen kepemimpinan dan motivasi.
4.1.2.3 Analisis Regresi Linier Berganda
Analisis regresi linier berganda digunakan untuk menguji hipotesis yang menyatakan ada pengaruh kepemimpinan dan motivasi terhadap kinerja karyawan
pada PT Sari Tembakau Harum. Dari analisis regresi diperoleh model regresi
linier yang menyatakan pengaruh kepemimpinan dan motivasi
terhadap kinerja karyawan Y sebagai berikut:
Tabel 4.24 Regresi Linier Berganda
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1 Constant
12.353 6.226
1.984 .050
Kepemimpinan .264
.070 .262
3.744 .000
Motivasi Kerja .593
.066 .632
9.046 .000
a. Dependent Variable: Kinerja
Dengan hasil di atas dapat disusun persamaan regresinya sebagai berikut: Y = 12,353 + 0,264 X
1
+ 0,593 X
2
Model tersebut menunjukkan arti bahwa: 1. Konstanta = 12,353
Nilai konstanta sebesar 12,353 menujukkan bahwa tanpa melibatkan variabel kepeimimpinan dan motivasi, atau dengan kata lain jika skor
kepemimpinan dan motivasi kerja adalah nol maka kinerja karyawan akan tetap.
2. Koefisien Kepemimpinan X1 Nilai koefisien variabel kepemimpinan sebesar 0,264, menyatakan
bahwa setiap peningkatan kepemimpinan sebesar satu satuan dengan asumsi nilai variabel motivasi tetap, maka kinerja karyawan akan
meningkat.
3. Koefisien Motivasi X2 Nilai koefisien variabel kepemimpinan sebesar 0,593, menyatakan
bahwa setiap peningkatan kepemimpinan sebesar satu satuan dengan asumsi nilai variabel kepemimpinan tetap, maka kinerja karyawan akan
meningkat.
4.1.2.4 Uji Hipotesis 1. Uji Parsial Uji-t
Untuk mengetahui pengaruh variabel kepemimpinan dan motivasi terhadap variabel terikat yaitu kinerja karyawan, maka perlu dilakukan uji-t.
Pengujian secara parsial dapat dilihat dari uji-t, apabila nilai probabilitasnya 0,05, maka Ho ditolak yang berarti ada pengaruh yang signifikan. Hasil uji
partial dapat dilihat pada tabel berikut ini:
Tabel 4.25 Uji Statistik t
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant 12.353
6.226 1.984
.050 Kepemimpinan
.264 .070
.262 3.744
.000 Motivasi Kerja
.593 .066
.632 9.046
.000 a. Dependent Variable: Kinerja
Berdasarkan hasil uji parsial untuk variabel kepemimpinan diperoleh = 3,744 dengan nilai signifikasi sebesar 0,000 Karena nilai signifikasi
0,05 maka diterima. Hal ini menunjukkan bahwa
yang menyatakan ada pengaruh kepemimpinan terhadap kinerja karyawan diterima.
Berdasarkan hasil uji parsial untuk variabel motivasi diperoleh =
9,046 dengan nilai signifikasi sebesar 0,000. Karena nilai signifikasi 0,05 maka diterima. Hal ini menunjukkan bahwa
yang menyatakan ada pengaruh motivasi terhadap kinerja karyawan diterima
2. Uji Simultan Uji F