HASIL PENELITIAN DAN PEMBAHASAN
D. Penjelasan Responden Atas Variabel Kinerja
4.5 Analisis Data .1 Uji Asumsi Klasik .1 Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, nilai residual mempunyai distribusi normal atau tidak. Model yang baik adalah model yang memberikan nilai residual yang memenuhi asumsi normalitas yaitu nilai sig > α (taraf signifikansi= 0,05). Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku. Berikut adalah uji normalitas dalam penelitian ini dengan menggunakan Kolmogorov Smirnov pada Tabel 4.8 dibawah ini:
Tabel 4.8
Uji Normalitas Kolmogorov Smirnov
Berdasarkan hasil uji SPSS diketahui bahwa data semua variabel menunjukkan nilai sig > α (0,05) dilihat dari kolom asymp. Sig. (2-tailed) yakni 0,251 maka dapat disimpulkan bahwa data sampel berdistribusi normal.
b. Uji Multikolinearitas
Uji multikolinearitas adalah uji yang dilakukan untuk memastikan apakah di dalam sebuah model regresi ada interkorelasi atau kolinearitas antar variabel bebas. Interkorelasi adalah hubungan yang linear atau hubungan yang kuat antara satu variabel bebas atau variabel prediktor dengan variabel prediktor lainnya di dalam sebuah model regresi. Model yang baik adalah model yang tidak terdapat korelasi antara variabel bebas. Untuk mendeteksi ada tidaknya multikolinearitas di dalam model regresi adalah dengan melihat nilai toleransi dan Variance Inflation Factor (VIF). Apabila nilai toleransi > 0,1 dan VIF <
10, maka dapat disimpulkan tidak ada multikolinieritas antar variabel bebas dalam model regresi. Berikut adalah nilai VIF pada Tabel 4.9.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 85
Normal Parametersa,b Mean ,0000000 Std. Deviation 1,28252775
Asymp. Sig. (2-tailed) ,695
a. Test distribution is Normal.
b. Calculated from data.
77
Tabel 4.9 Uji Multikolinieritas
Dari tabel diatas terlihat setiap variabel bebas mempunyai nilai tolerance > 0,1 dan nilai VIF < 10. Jadi dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel bebas dalam model regresi ini.
c. Uji Heterokedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Uji ini merupakan salah satu dari uji asumsi klasik yang harus dilakukan pada regresi linear. Jika nilai (Sig.) lebih besar dari 0,05 maka kesimpulannya adalah tidak terjadi gejala heterokedastisitas dalam model regresi. Heteroskedastisitas adalah kebalikan dari homoskedastisitas, yaitu keadaan dimana terjadinya ketidaksamaan varian dari error untuk semua pengamatan setiap variabel bebas pada model regresi. Berikut adalah uji heteroskedastisitas dalam penelitian ini dengan menggunakan metode Glejser pada tabel 4.10 dibawah ini:
Coefficientsa
T Sig. Collinearity Statistics
B Std.
Tabel 4.10
Uji Heteroskedastisitas Metode Glejser
Dari Tabel 4.10 diatas terlihat setiap variabel bebas mempunyai nilai (Sig.) lebih besar dari 0,05. Jadi dapat disimpulkan bahwa tidak ada terjadi heterokedastisitas pada model regresi ini.
4.5.2 Hasil Uji Hipotesis
a. Hasil Uji Signifikansi Simultan (Uji Statistik F)
Uji-F digunakan untuk menguji pengaruh variabel independen secara bersama-sama terhadap variabel dependen dari suatu persamaan regresi.
Pengambilan keputusan didasarkan pada nilai probabilitas yang didapatkan dari hasil pengolahan data melaui program SPSS Parametrik sebagai berikut:
1. Jika probabilitas > 0,05 maka H0 diterima 2. Jika probabilitas < 0,05 maka H0 ditolak
Nilai probabilitas dari uji-f dapat dilihat pada hasil pengolahan dari program spss pada tabel baris Prob (F-hitung). Hasil uji F dapat dilihat pada Tabel 4.11 dibawah ini:
Coefficientsa
79
Tabel 4.11
Uji Signifikansi Simultan (Uji Statistik F)
ANOVAa
b. Predictors: (Constant), Gaya Kepemimpinan, Budaya Organisasi, Motivasi
Berdasarkan Tabel 4.11 diatas diketahui nilai sig. adalah sebesar 0,000 karena nilai sig. 0,000< 0,05, maka sesuai dengan dasar pengambilah keputusan dalam uji F dapat disimpulkan bahwa hipotesis diterima dengan kata lain Budaya Organisasi (X1) Motivasi (X2) dan Gaya Kepemimpinan (X3) secara simultan berpengaruh terhadap kinerja pegawai(Y).
b. Uji Parsial (Uji T)
Tabel 4.12
Uji Parsial (Uji Statistik T)
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients independen sig. 0,000< 0,05, maka sesuai dengan dasar pengambilah keputusan dalam uji t dapat disimpulkan bahwa hipotesis diterima dengan kata lain secara
parsial variabel Budaya Organisasi (X1), Motivasi (X2) dan Gaya Kepemimpinan (X3) berpengaruh terhadap kinerja pegawai(Y).
c. Koefisien Determinasi dan Koefisien Korelasi
Koefesien determinasi pada regresi linear mengukur kemampuan semua variabel bebas dalam menjelaskan varians dari variabel terikatnya. Secara sederhana koefisien determinasi dihitung dengan mengkuadratkan Koefesien Korelasi (R).
Tabel 4.13
Koefisien Determinasi (R2)
Berdasaarkan Tabel 4.13 diatas menunjukkan koefesien R Square sebesar 0,420. Hal ini berarti bahwa variabel budaya organisasi, motivasi dan gaya kepemimpinan secara bersama memberikan kontribusi kepada kinerja pegawai 42
%, dan 58% faktor lain yang memberikan kontribusi terhadap kinerja pegawai.
4.5.3 Uji Hipotesis (Analisis Regresi Linear Berganda)
Analisis regresi berganda digunakan untuk mengetahui apakah terdapat pengaruh yang signifikan dari variabel terikat (dependent) atau lebih dari satu variabel bebas (independent). Adapun variabel terikat dalam penelitian ini adalah Kinerja Pegawai BPSDM Provinsi Sumatera Utara. Sedangkan variabel bebas dalam penelitian ini adalah adalah Budaya Organisai, motivasi, gaya kepemimpinan.
Model Summaryb Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 ,648a ,420 ,399 1,306
a. Predictors: (Constant), Gaya Kepemimpinan, Motivasi, Budaya Organisasi
b. Dependent Variable: Kinerja
81
Analisis regresi linier berganda digunakan meramalkan bagaimana keadaan (naik turunnya) variabel dependen, bila dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi (dinaik turunkan) nilainya. Jadi analisis regresi ganda akan dilakukan jika jumlah variabel independennya minimal dua.
Berdasarkan hasil dari coefficients pada tabel di atas dapat dikembangkan menggunakan model persamaan regresi berganda sebagai berikut:
Y= a + b1X1+ b2X2 + b3X3
Kinerja = 5,901+ 0,223X1 + 0,253X2 + 0,255X3
Berdasarkan model regresi dan tabel diatas maka dapat dijelaskan sebagai berikut:
a. Persamaan regresi berganda diatas diketahui mempunyai konstanta sebesar 5,901 dengan tanda positif. Sehingga besaran konstanta menunjukkan bahwa jika variabel-variabel independen (X1,X2 X3) diasumsikan konstan, maka variabel dependen yaitu rata-rata kinerja sudah ada sebesar 5,901 b. Koefesien Regresi X1 (Budaya Organisasi) sebesar 0223 artinya setiap
pengawasan ditingkat satu satuan, menyebabkan kenaikan terhadap kinerja pegawai sebesar 0,223 satuan.
c. Koefesien Regresi X2(motivasi) sebesar 0,253 artinya setiap motivasi ditingkat sebesar satu satuan, menyebabkan terjadinya peningkatan terhadap kinerja pegawai sebesar 0,253 satuan.
d. Koefesien Regresi X3(gaya kepemimpinan) sebesar 0,255 artinya setiap Gaya Kepemimpinan ditingkat sebesar satu satuan, menyebabkan terjadinya peningkatan terhadap pegawai sebesar 0,255 satuan.