BAB IV: HASIL PENELITIAN DAN PEMBAHASAN
4.3 Analisis Statistik Penelitian
1. Uji Normalitas
Tujuan normalitas adalah untuk menguji apakah dalam model regresi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng. Jika asumsi ini dilanggar maka uji statistik menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan
pendekatan kolmogorv-Smirnow. Dengan menggunakan tingkat signifikansi 5% (0,05) maka Asymp,sig (2-tailed) diatas nilai signifikansi 5% (0,05) artinya variiabel residual berdistribusi normal.
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi yang mendekati distribusi normal.
a. Pendekatan Histogram
Gambar 4.2 : Histogram Uji Normalitas Sumber : Hasil Pengolahan SPSS (2015)
Pada Gambar 4.2 terlihat bahwa residual data berdistribusi normal, hal ini ditunjukan oleh distribusi data yang berbentuk lonceng dan tidak melenceng ke kiri atau ke kanan.
b. Pendekatan Grafik
Gambar 4.3 : Histogram Uji Normalitas Sumber : Hasil Pengolahan SPSS (2015)
Pada Gambar 4.3 Normal P-P Plot terlihat titik-titik yang mengikuti data disepanjang garis normal, hal ini berarti residual data berdistribusi normal.
c. Pendekatan Kolmogorov-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Pengujuian normalitas
yang didasarkan dengan uji statistik Non-parametik Kolmogorov-Smirnov
dapat dilihat pada Tabel 4.8 berikut ini :
Tabel 4.8
Hasil Uji Normalitas Pendekatan One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 40
Normal Parametersa,b Mean .00
Std. Deviation 1.909
Most Extreme Differences
Absolute .112
Positive .091
Negative -.112
Kolmogorov-Smirnov Z .707
Asymp. Sig. (2-tailed) .700
a. Test distribution is Normal. b. Calculated from data.
Pada Tabel 4.8 Terlihat bahwa nilai Asymp.sig (2 tailed) adalah 0,700 dan nilai signifikan (0,05), karena nilai Asymp.sig (2 tailed) di atas 0,05 yaitu 0, 700 hal ini berarti menunjukan bahwa residual data berdistribusi normal.
2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu residual pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan kepengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedestisitas.
Model regresi yang baik adalah yang homoskedestisitas atau tidak terjadi heteroskedestisitas.
Untuk mengatasi kelemahan pengujian dengan grafik dapat menggunakan pendekatan statistik dengan uji glejser, heteroskedestisitas tidak akan terjadi apabila tidak satupun varaibel independen signifikan secara statistik mempengaruhi variabel independen signifikan secara statistik mempengaruhi varaibel dpenden nilai absolute Ut (absUt). Jika probabilitas signifikan diatas tingkat kepercayaan 5% dapat disimpulkan model regresi tidak mengarah pada heteroskedastisitas. Beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah sebagai berikut :
a. Metode Pendekatan Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas , sedangkan jika ada pola tertentu, seperti titik-titik, yang membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedestis.
Gambar 4.4 : Scatter Plot Uji Hetoroskedestisitas Sumber : Hasil Pengolahan SPSS (2015)
Pada Gambar 4.4 Grafik Scatter Plot terlihat titik-titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. hal ini berarti tidak terjadi heteroskedestisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi disiplin kerja berdasarkan masukan variabel kepemimpinan dan sanksi.
b. Metode Pendekatan Statistik (Uji Glejer) Tabel 4.9
Hasil Uji Glejer Heteroskedetisitas Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients t Sig. B Std. Error Beta 1 (Constant) -.048 1.978 -.024 .981 Kepemimpina .114 .070 .291 1.624 .113
sanksi -.049 .085 -.103 -.577 .567 a. Dependent Variable: absout
Sumber : Hasil Pengolahan SPSS (2015)
Pada Tabel 4.9 terlihat varaibel Independent (kepemimpinan dan sanksi) yang signifikan secara statistik mempengaruhi variabel dependent absolute Ut (AbsUt). Hal ini terlihat dari probabilitas X1dan X2(0,113) dan (0.567) diatas tingkat kepercayaan 5% (0,05), jadi disimpulkan model regresi tidak mengarah adanya heteroskedestisitas.
3. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Pada model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Adanya multikolinieritas dapat dilihat dari tolerance value atau nilai variance inflation faktor (VIF). Kedua ukuran ini menunjukan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance adalah mengukur variabilitas variabel independen yang terpilih dan tidak dijelaskan oleh variabel independen yang lain. Nilai Cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah apabila Tolerance Value, >0,1 sedangkan VIF < 5 maka tidak terjadi multikolineritas.
Berikut ini disajikan cara medeteksi multikolinieritas dengan menganalisis matrik korelasi antar variabel independen dan perhitungan nilai tolerance dan
varianace inflation factor (VIF).
Hasil Uji Nilai Tolerance dan VIF Coefficientsa Model Unstandardized Coefficients Standardize d Coefficients T Sig. Collinearity Statistics
B Std. Error Beta Toleranc
e VIF 1 (Constant) 7.978 3.224 2.474 .018 kepemimpin an .362 .115 .449 3.159 .003 .786 1.273 sanksi .289 .139 .296 2.080 .045 .786 1.273
a. Dependent Variable: disiplin_kerja
Sumber : Hasil Pengolahan SPSS (2015)
Berdasarkan Tabel 4.10 dapat dilihat bahwa :
1. Nilai VIF dari nilai kepemimpinan dan sanksi lebih baik kecil atau dibawah 5 (VIF<5) yaitu 1,273, ini berarti tidak terkena multikolinieritas antara variabel independen dalam model regresi.
2. Nilai Tolerance dari kepemimpinan dan sanksi lebih besar dari 0,1 yaitu 0,786 ini bearti tidak terdapat multikolinieritas antar variabel independen dalam model regresi.
4.3.2 Analisis Regresi Linear Berganda
Analisis regresi linier berganda dilakukan dengan bantuan SPSS versi 20
for windowsdengan tujuan untuk mengetahui seberapa besar pengaruh variabel bebas yang terdiri dari kepemimpinan (X1), sanksi (X2) terhadap disiplin kerja (Y) sebagai variabel terikat.
Persamaan regresi linier berganda yang digunakan adalah : Y= a+b1X1+b2X2+e Dimana :
a = Konstanta b1, b2 = Koefisien regresi X1 =Variabel Kepemimpinan X2 = Variabel Sanksi
e = Standar error
Berdasarkan pengujian menggunakan SPSS versi 20 for windows, maka hasil persamaan regresi linier berganda dapat dilihat pada Tabel 4.11 berikut ini :
Tabel 4.11
Hasil Regresi Linier Berganda Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients t Sig. B Std. Error Beta 1 (Constant) 7.978 3.224 2.474 .018 kepemimpinan .362 .115 .449 3.159 .003 sanksi .289 .139 .296 2.080 .045
a. Dependent Variable: disiplin_kerja
Sumber : Hasil Pengolahan SPSS (2015)
Berdasarkan Tabel 4.9 diketahui kolom kedua (Unstandardized Coefficients) bagian B diperoleh nilai b1 variabel kepemimpinan sebesar 0,362 nilai b2 variabel sanksi sebesar 0,289 dan nilai konstanta (a) adalah 7,978maka diperoleh persamaan regresi linier berganda sebagai berikut :
1. Konstanta (a) = 7,978ini mempunyai arti bahwa apabila variabel kepemimpinan dan sanksi dianggap konstan maka tingkat variabel disiplin kerja (Y) pada PT. Bank Rakyat Indonesia, Cabang Sisingamangaraja, Medansudah ada sebesar 7,978.
2. Koefisien b1 (X1) = 0,362 berarti bahwa variabel kepemimpinan mempunyai pengaruh yang positif terhadap disiplin kerja pada PT. Bank Rakyat Indonesia, Cabang Sisingamangaraja, Medan. Apabila terjadi kenaikan variabel kepemimpinan, dengan menganggap faktor lain tetap maka akan meningkatkan disiplin kerja.
3. Koefisien b2 (X2)= 0,289, berarti bahwa variabel sanksi mempunyai pengaruh yang positif terhadap disiplin kerja pada PT. Bank Rakyat Indonesia, Cabang Sisingamangaraja, Medan. Apabila terjadi kenaikan variabel sanksi, dengan menganggap faktor lain tetap maka akan meningkatkan disiplin kerja.
