Sumber : Hasil pengolahan SPSS 16.
Febuari, 2011
Pada Tabel 4.11 dapat dilihat nilai Cronbach’s Alpha 0,872 lebih besar dari 0,8. Dengan demikian, kuesioner penelitian dinyatakan reliabel, sehingga
dapat disebarkan kepada responden yang terpilih untuk dijadikan instrumen dalam penelitian ini.
C. Uji Asumsi Klasik 1. Uji Normalitas
Uji Normalitas bertujuan untuk mengetahui sebuah data mengikuti atau mendekati distribusi normal. Uji normalitas dilakukan dengan menggunakan
pendekatan grafik dan pendekatan Kolmogorov Smirnov.
a. Pendekatan Grafik
Pada uji ini keputusan yang diambil adalah apabila pola-pola terletak di sepanjang garis diagonal, maka sebaran data dinyatakan normal.
Pengujian Normalitas P-P Plot dapat dilihat pada Gambar 4.1.
Gambar 4.1 Pengujian Normalitas P-P Plot
Sumber : Hasil pengolahan SPSS 16.0
Febuari, 2011
Berdasarkan Gambar 4.1 dapat dilihat titik-titik mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal. Namun untuk
lebih memastikan data berdistribusi normal maka dilakukan uji Kolmogorov- Smirnov.
b. Pendekatan Kolmogorov-Smirnov
Pada uji ini keputusan yang diambil adalah apabila sig 0,05 maka distribusi data bersifat normal dan apabila sig 0,05 maka distribusi data
tidak normal. Uji Kolmogorov-Smirnov dapat dilihat pada Tabel 4.12. Berdasarkan Tabel 4.12 diperoleh nilai Asymp. Sig. 2-tailed sebesar
0,249 yang lebih besar dari 0,05 0,249 0,05 yang berarti bahwa variabel residual berdistribusi normal.
Tabel 4.12 Uji Kolmogorov-Smirnov
Unstandardized Residual
N 69
Normal Parameters
a
Mean .0000000
Std. Deviation 1.70930295
Most Extreme Differences
Absolute .087
Positive .087
Negative -.087
Kolmogorov-Smirnov Z .725
Asymp. Sig. 2-tailed .670
Sumber : Hasil pengolahan SPSS 16.0
Febuari, 2011
Berdasarkan Tabel 4.12 diperoleh nilai Asymp. Sig. 2-tailed sebesar 0,670 atau lebih besar dari 0,05 0,670 0,05 yang berarti bahwa variabel
residual berdistribusi normal.
2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah sebuah grup dalam model regresi terdapat ketidaksamaan variance dari residual satu pengamatan
ke pengamatan lainnya. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas yang dapat diuji dengan menggunakan pendekatan grafik
dan pendekatan statistik.
a. Pendekatan Grafik
Pada uji ini keputusan yang diambil adalah apabila titik-titik menyebar secara acak baik di atas maupun di bawah angka nol pada sumbu Y, maka
dinyatakan tidak terjadi heteroskedastisitas. Pengujian heteroskedastisitas dengan Scatterplot dapat dilihat pada Gambar 4.2.
Gambar 4.2 Pengujian Heteroskedastisitas Scatterplot
Sumber : Hasil pengolahan SPSS 16.0
Febuari, 2011
Gambar 4.2 memperlihatkan titik-titik menyebar secara acak dan
tidak membentuk suatu 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.
b. Pendekatan Statistik Tabel 4.13
Uji Glejser
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
-.681 1.862
-.366 .716
Instruksi .054
.078 .085
.699 .487
Konsultasi .179
.101 .222 1.776
.080 Partisipasi
-.067 .090
-.098 -.737 .464
Delegasi .002
.043 .006
.046 .964
Sumber : Hasil pengolahan SPSS 16.0
Febuari, 2011
Pada Tabel 4.13 menunjukkan tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel
dependen. Hal ini terlihat dari probabilitas signifikannya di atas tingkat kepercayaan 5 Sig0,05. Jadi dapat disimpulkan model ini tidak
mengarah adanya heteroskedastisitas.
3. Uji Multikolinearitas
Multikolinieritas berarti adanya hubungan linier yang sempurna atau pasti di antara beberapa atau semua variabel yang menjelaskan dari model
regresi untuk mendeteksi ada atau tidaknya multikolinearitas dapat dilakukan dengan melihat nilai Tolerance dan Variante Inflation Factor VIF dengan
pengambilan keputusan sebagai berikut: a.
Tolerence value 0,1 atau VIF 5 = terjadi multikoliniearitas b.
Tolerence value 0,1 atau VIF 5 = tidak terjadi multikoliniearitas
Tabel 4.14 Uji Multikolinearitas
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1Constant 12.083
3.482 3.470
.001 Instruksi
-.264 .145
-.197 -1.821 .073
.988 1.012
Konsultasi .694
.189 .407
3.682 .000
.947 1.056
Partisipasi .097
.169 .068
.575 .568
.830 1.205
Delegasi .146
.080 .211
1.836 .071
.875 1.143
Sumber : Hasil pengolahan SPSS 16.0
Febuari, 2011
Pada Tabel 4.14 memperlihatkan nilai Tolerance 0,1 dan VIF 5 pada semua variabel independen, dengan demikian data tidak terkena
multikolinearitas. Hal ini berarti pada variabel independen yaitu Instruksi, Konsultasi, Partisipasi dan Delegasi tidak terdapat hubungan linear
sempurna atau pasti diantara beberapa atau semua variabel sehingga model regresi layak digunakan.
D. Analisis Regresi Linear Berganda 1. Pengujian Koefisien Determinasi R
