BAB IV HASIL PENELITIAN DAN PEMBAHASAN
B. Hasil Penelitian
Menurut Ghozali (2011) dalam (Gunawan & Sunardi, 2016) uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dinyatakan valid ketika pernyataan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut.
Lebih lanjut dijelaskan oleh Suryabrata (2000: 41) dalam (Matondang, 2009) menyatakan bahwa validitas tes padadasarnya menunjuk kepada derajat fungsi pengukurnya suatu tes, atau derajat kecermatan ukurnya sesuatu tes.
Validitas suatu tes mempermasalahkan apakah tes tersebut benar-benar mengukur apa yang hendak diukur. Maksudnya adalah seberapa jauh suatu tes mampu mengungkapkan dengan tepat ciri atau keadaan yang sesungguhnya dari obyek ukur, akan tergantung dari tingkat validitas tes yang bersangkutan.
Validitas konstruk (construct validity) adalah validitas yang mempermasalahkan seberapa jauh butir-butir tes mampu mengukur apa yang benar-benar hendak diukur sesuai dengan konsep khusus atau definisi konseptual yang telah ditetapkan. Dilakukan dengan prosedur melihat angka item total correlated melalui statistik SPSS dengan menggunakan rumus korelasi Pearson Product Moment, dengan taraf signifikansi 5%. Proses ujicoba dilakukan kepada 51 orang responden sesuai dengan ketentuan jumlah minimal responden dengan r-kritis = 0,279 Jika hitung > kritis maka status butir kuesioner adalah valid dan jika
r-hitung < r-kritis maka butir kuesioner tersebut tidak valid (Gunawan & Sunardi, 2016)
Tabel 4.4 Tabel Validasi
Variabel Validitas
Indikator Rhitung Rtabel Sig Ket
TTP (X1)
X1.1 0,625 0,279 0,000 Valid X1.2 0,152 0,279 0,272 Tidak Valid X1.3 0,801 0,279 0,000 Valid X1.4 0,656 0,279 0,000 Valid X1.5 0,695 0,279 0,000 Valid X1.6 0,859 0,279 0,000 Valid X1.7 0,639 0,279 0,000 Valid X1.8 0,723 0,279 0,000 Valid X1.9 0,826 0,279 0,000 Valid X1.10 0,635 0,279 0,000 Valid
Kinerja ASN ( Y )
Y1 0,813 0,279 0,000 Valid
Y2 0,791 0,279 0,000 Valid
Y3 0,841 0,279 0,000 Valid
Y4 0,824 0,279 0,000 Valid
Y5 0,785 0,279 0,000 Valid
Y6 0,787 0,279 0,000 Valid
Y7 0,727 0,279 0,000 Valid
Y8 0,786 0,279 0,000 Valid
Y9 0,884 0,279 0,000 Valid
Y10 0,795 0,279 0,000 Valid
b) Uji Reliabilitas Data
Uji Reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner dikatakan reliable atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu. Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha > 0,60. Adapun cara yang digunakan untuk menguji reliabilitas kuesioner dalam penelitian ini adalah mengukur reliabilitas dengan uji statistik Cronbach Alpha. Wibowo, M.Si dkk (2017)
Tabel 4.5
Tabel Uji Reabilitas Data
No Variabel Crombach's
Alpha
Nilai
Standar Ket
1 TTP (X1) 0.848 0.60 Reliabel
2 Kinerja ASN ( Y ) 0.931 0.60 Reliabel
Berdasarkan hasil uji reliabilitas variabel TTP dan Kinerja ASN pada output di atas menghasilkan koefisien alpha (Cronbach’s Alpha) > 0,60 sehingga dapat disimpulkan bahwa instrumen yang digunakan reliable.
c) Uji Normalitas
Menurut (Ghozali, 2011: 16) dalam (Watung & Ilat, 2015) Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel bebas dan variabel terikat keduanya memiliki distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Normalitas dapat dideteksi dengan melihat grafik histogram dari residualnya.. Tujuan dilakukannya uji normalitas adalah untuk mengetahui apakah suatu variabel normal atau tidak.
Data yang mempunyai distribusi normal berarti mempunyai sebaran yang normal
pula. Dengan profil data semacam ini, maka data tersebut dianggap bisa mewakili populasi.
Tabel 4.6 Tabel Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 54
Normal Parametersa,b Mean .0000000
Std. Deviation 7.89166065
Most Extreme Differences Absolute .113
Positive .086
Negative -.113
Test Statistic .113
Asymp. Sig. (2-tailed) .085c
Berdasarkan uji statistic normalitas di atas menunjukkan bahwa uji normalitas dengan Kolmogorov Smirnov dengan nilai Asymp. Sig (2-tailed) sebesar 0,085 lebih besar dari 0,05, maka data di simpulkan bahwa terdistribusi dengan normal.
d) Uji Normalitas dengan P-Plot
Menurut Imam Ghozali (2011: 161) dalam Hariadi, (2020) model regresi dikatakan berdistribusi normal jika data ploting (titik2) yang menggambarkan data sesungguhnya mengikuti garis diagonal. Berdasarkan gambar di atas data ploting (titik-titik) mengikuti garis diagonal, maka data dapat di katakana berdistrubusi normal
Grafik Uji Normalitas dengan P-Plot Dependent Variabel
Grafik Histogram Dependent Variabel
Berdasarkan gambar grafik histogram, di atas di dapat kurva normal yangmembentuk lonceng sempurna, maka dapat dikatakan residual data telah berdistribusi normal.
e) Uji Multikolinearitas.
Menurut Ghozali, (2011: 160). Dalam Watung & Ilat, (2015) Uji multikolonieritas dilakukan untuk menguji apakah model regresi memiliki korelasi
antar variable bebas. Cara untuk mendeteksi adanya multikoloniearitas adalah dengan melihat nilai tolerance dan nilai Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen mana yang dijelaskan oleh variabel independen lainnya. Model regresi yang baik seharunya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama varaibel independen sama dengan nol.
Table 4.7
Berdasarkan hasil output di atas, Hasil perhitungan nilai Tolerance menunjukkan bahwa tidak ada variabel independen yang memiliki nilai Tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95%. Hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukkan hal yang sama tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi, dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel independen dalam model regresi.
f) Uji Heteroskedastisitas Scatterplot
Bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari
residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda maka disebut heteroskedastisitas.
Menurut Ghozali, (2011: 160) dalam Watung & Ilat, (2015) Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi terdapat korelasi antara kesalahan pengganggu pada periode sebelumnya (t-1). Cara untuk mendeteksi adanya autokorelasi adalah dengan menggunakan uji Lagrange Multiplier (LM test) yang akan menghasilkan statistik Breusch- Godfrey. Tidak terjadi Heteroskedastisitas jika tidak ada pola yang jelas (bergelombang, melebar, kemudian menyempit) pada gambar scatterplot, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y.
Grafik Scatterplot
Berdasarkan gambar di atas menunjukan titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka model regresi dapat di katakana tidak terjadi heteroskedastisitas.