BAB IV HASIL PENELITIAN DAN PEMBAHASAN
IV.1. Hasil Penelitian
IV.1.7. Hasil Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian asumsi klasik yang dimaksudkan untuk memastikan bahwa model regresi linier berganda dapat digunakan atau tidak. Apabila uji asumsi klasik telah terpenuhi, alat uji statistik linier berganda dapat dipergunakan.
IV.1.7.1. Hasil uji normalitas hipotesis pertama
Uji normalitas dilakukan untuk mengetahui apakah data berdistribusi normal atau mendekati normal dilakukan dengan Regression Standarized Residual. Hasil pengujian dapat dilihat pada gambar di bawah ini:
Gambar IV.2. Hasil Uji Normalitas Hipotesis Pertama Sumber: Hasil Penelitian, 2010 (Data Diolah)
Berdasarkan pada Gambar IV.2 di atas, dapat dilihat bahwa penyebaran data berada pada sekitar garis diagonal dan mengikuti garis arah diagonal, maka nilai residual terstandarisasi. Dengan demikian maka model regresi berganda memenuhi asumsi normalitas. Selain dengan metode grafik juga dapat digunakan analisis statistik dengan menggunakan pendekatan Kolmogorov-Smirov. Analisis statistik dengan menggunakan uji Kolmogorov – Smirnov (K-S), seperti terlihat pada Tabel IV.10 berikut ini:
Tabel IV.10. Hasil Uji Kolmogorov – Smirnov (K-S) Hipotesis Pertama Unstandardized Residual
N 43
Normal Parameters(a,b) Mean .0000000
Std. Deviation 1.79699971
Most Extreme Differences Absolute .148
Positive .148
Negative -.107
Kolmogorov-Smirnov Z .973
Asymp. Sig. (2-tailed) .300
a Test distribution is Normal. b Calculated from data.
Sumber: Hasil Penelitian, 2010 (Data Diolah)
Dari Tabel IV.10 di atas diketahui besarnya nilai Kolmogorov-Smirnov adalah 0,973 dan tidak signifikan pada 0,300. Hal ini berarti data residual berdistribusi normal atau model telah memenuhi asumsi normalitas.
IV.1.7.2. Hasil uji multikolinieritas hipotesis pertama
Uji mulitikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka terdapat masalah multikolinieritas. Pada model regresi yang baik tidak terjadi korelasi di antara variabel independen.
Hasil pengujian multikolinieritas data dalam penelitian ini dapat dilihat pada Tabel IV.11 berikut:
Tabel IV.11. Hasil Uji Multikolinieritas Hipotesis Pertama Collinearity Statistics Model Tolerance VIF 1 (Constant) Kepemimpinan .733 1.364 Budaya_Organisasi .733 1.364
a Dependent Variable: Kinerja_Karyawan Sumber: Hasil Penelitian, 2010 (Data Diolah)
Dari Tabel IV.11 di atas terlihat bahwa kedua variabel bebas yaitu: variabel kepemimpinan dan budaya organisasi, angka Variance Inflation Factor (VIF) kurang dari 5, sedangkan nilai Tolerance mendekati 1, dengan demikian dapat disimpulkan bahwa pada model regresi tersebut tidak terdapat problem multikolinieritas.
IV.1.7.3. Hasil uji heteroskedastisitas hipotesis pertama
Heterokedastisitas digunakan untuk menguji apakah dalam model regresi, terjadi ketidaksamaan varians dari residual dari suatu pengamatan yang lain. Jika variasi residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas, dan jika varians berbeda disebut heterokedastisitas. Model yang baik adalah tidak terjadi heterokedastisitas.
-4 -2 0 2 4
Regression Standardized Predicted Value
-3 -2 -1 0 1 2 3 4 R egress ion Studentize d Residual
Dependent Variable: Kinerja Scatterplot
Sumber : Hasil Penelitian, 2010
Gambar IV.3. Hasil Uji Heteroskedastisitas Hipotesis Pertama
Dari Gambar IV.3 di atas terlihat bahwa titik-titik menyebar secara acak (random) serta tersebar di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai.
IV.1.7.4. Hasil uji normalitas hipotesis kedua
Uji normalitas dilakukan untuk mengetahui apakah data berdistribusi normal atau mendekati normal dilakukan dengan Regression Standarized Residual. Hasil pengujian dapat dilihat pada gambar di bawah ini:
0.0 0.2 0.4 0.6 0.8 1.0 Observed Cum Prob
0.0 0.2 0.4 0.6 0.8 1.0 Exp ected Cum Pro b
Dependent Variable: Budaya Organisasi Normal P-P Plot of Regression Standardized Residual
Sumber : Hasil Penelitian, 2010
Gambar IV.4. Hasil Uji Normalitas Hipotesis Kedua
Berdasarkan pada Gambar IV.4 di atas, dapat dilihat bahwa penyebaran data berada pada sekitar garis diagonal dan mengikuti garis arah diagonal, maka nilai residual terstandarisasi. Dengan demikian maka model regresi berganda memenuhi asumsi normalitas. Selain dengan metode grafik juga dapat digunakan analisis statistik dengan menggunakan pendekatan Kolmogorov-Smirov. Analisis statistik dengan menggunakan uji Kolmogorov – Smirnov (K-S), seperti terlihat pada Tabel IV.12 berikut ini:
Tabel IV.12. Hasil Uji Kolmogorov – Smirnov (K-S) Hipotesis Kedua Unstandardized Residual
N 43
Normal Parameters(a,b) Mean .0000000
Std. Deviation 1.35022648
Most Extreme Differences Absolute .109
Positive .109
Negative -.099
Kolmogorov-Smirnov Z .712
Asymp. Sig. (2-tailed) .692
a Test distribution is Normal. b Calculated from data.
Sumber: Hasil Penelitian, 2010 (Data Diolah)
Dari Tabel IV.12 di atas diketahui besarnya nilai Kolmogorov-Smirnov adalah 0,712 dan tidak signifikan pada 0,692. Hal ini berarti data residual berdistribusi normal, dan hasilnya konsisten dengan uji sebelumnya.
IV.1.7.5. Hasil uji multikolinieritas hipotesis kedua
Uji mulitikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka terdapat masalah multikolinieritas. Pada model regresi yang baik tidak terjadi korelasi di antara variabel independen.
Hasil pengujian multikolinieritas data dalam penelitian ini dapat dilihat pada Tabel IV.13 berikut:
Tabel IV.13. Hasil Uji Multikolinieritas Hipotesis Kedua Collinearity Statistics Model Tolerance VIF 1 (Constant) Disiplin_Kerja .552 1.811 Kreativitas .552 1.811
a Dependent Variable: Budaya_ Organisasi Sumber: Hasil Penelitian, 2010 (Data Diolah)
-3 -2 -1 0 1 2 3 Regression Standardized Predicted Value -3 -2 -1 0 1 2 3 Regr ession St udentiz ed Res idu al
Dependent Variable: Budaya Organisasi Scatterplot
Dari Tabel IV.13 di atas terlihat bahwa kedua bebas yaitu: variabel disiplin kerja dan kreativitas, angka Variance Inflation Factor (VIF) kurang dari 5, sedangkan nilai Tolerance mendekati 1, dengan demikian dapat disimpulkan bahwa pada model regresi tersebut tidak terdapat problem multikolinieritas.
IV.1.7.6. Hasil uji heteroskedastisitas hipotesis kedua
Heterokedastisitas digunakan untuk menguji apakah dalam model regresi, terjadi ketidaksamaan varians dari residual dari suatu pengamatan yang lain. Jika variasi residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas, dan jika varians berbeda disebut heterokedastisitas. Model yang baik adalah tidak terjadi heterokedastisitas.
Hasil pengujian heteroskedastisitas data dalam penelitian ini dengan mengamati pola yang terdapat pada Sctterplots, hasilnya dapat dilihat pada Gambar IV.5 berikut ini:
Sumber : Hasil Penelitian, 2010
Dari Gambar IV.5 di atas terlihat bahwa titik-ttitik menyebar secara acak (random) serta tersebar di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai.