Uji Normalitas

4.3 Deskripsi Variabel Penelitian

4.3.5 Metode Analisis Data .1 Uji Instrumen

4.3.5.3 Uji Normalitas

Uji normalitas digunakan untuk melihat normalitas model regrsi. Pengujian dilakukan dengan menggunakan grafik yaitu histogram dan normal p-p plot. 4.3.5.3.1 Uji Kolmogorov-Smirnov

Uji kolmogorov-smirnov yaitu pedoman pengambilan keputusan tentang data distribusi normal berdasarkan uji statistik dengan menggunakan pendekatan kolmogorov-smirnov Z yang dapat dilihat dari kriteria berikut:a. Jika nilai Asymp.sig (2 tailed) > 0,05 maka data berdistribusi normal.

b. Jika Nilai Kolmogorov-Smirnov Z < 1,97 maka data dikatakan normal. Tabel 4.42

Hasil Uji Normalitas Kolmogorov-Smirnov

One-Sample Kolmogorov-Smirnov Test Unstandardiz

ed Residual

N 40

Normal Parameters^a,b Mean .0000000 Std. Deviation ^1.83316765 Most Extreme Differences Absolute .110 Positive .095 Negative -.110 Kolmogorov-Smirnov Z .110

Asymp. Sig. (2-tailed) .200^c,d

a. Test distribution is Normal. b. Calculated from data.

Sumber: Hasil Pengolahan Data, 2017

Pada tabel 4.42 dapat dilihat besarnya perolehan nilai Asym.sig (2 tailed) adalah 0,200. Artinya, perolehan nilai lebih besar dari 0,05 dan untuk nilai

kolmogorov-smirnov Z adalah 0,110, dimana angka ini lebih kecil dibandingkan nilai ketetapan 1,97. Dengan demikian uji statistik telah memenuhi kedua kriteria yang ditetapkan dan data dapat dikatakan berdistribusi serta memenuhi asumsi normalitas.

4.3.5.3.2 Kurva Histogram

Kurva histogram untuk pengujian normalitas regresi linear antara gaya kepemimpinan, motivasi dan kompensasi terhadap kinerja karyawan dapat dilihat hasilnya sebagai berikut:

Gambar 4.3 Grafik Kurva Histogram

Sumber: Hasil Pengolahan Data, 2017

Berdasarkan gambar 4.3 diatas hasil kurva histogram menunjukkan bahwa bentuk kurva simetris dan tidak melenceng ke kiri maupun ke kanan. Sehingga berdasarkan kurva histogram, model regresi berdistribusi normal.

4.3.5.3.3 Grafik Normal P-P Plot

Pada grafik normal p-p plot, model memenuhi asumsi normalitas jika titik-titik pada kurva berhimpit mengikuti garis diagonalnya. Berikut ini hasil uji normalitas dengan menggunakan grafik normal p-p plot.

Gambar 4.4

Grafik Normal Probability plot

Berdasarkan gambar 4.4 diatas hasil kurva normal probability plot memperlihatkan bahwa titik-titik pada grafik berhimpit dan mengikuti garis diagonalnya, sehingga dapat disimpulkan model regresi berdistribusi normal. 4.3.5.4 Uji Hipotesis

4.3.5.4.1 Uji Signifikan Parsial (Uji-t)

Uji signifikan parsial (uji-t) dilakukan untuk melihat secara parsial (individu) pengaruh variabel independen (bebas) yaitu gaya kepemimpinan, motivasi dan kompensasi terhadap variabel dependen (terikat) yaitu kinerja karyawan. Apabila thitung > ttabel maka H0 ditolak dan Ha diterima, sedangkan apabila t_hitung < t_tabel maka H_o diterimadan H_a ditolak.

Uji t juga dapat dilihat berdasarkan tingkat signifikansi, yaitu apabila nilai probabilitas yang dihitung <0,0.05 (sign. < a 0,05), maka H0 ditolak dan Ha

diterima. Sebaliknya apabila nilai probabilitas yang dihitung > 0,0.05 (sign. < a 0,05), maka H0 diterima dan Ha ditolak. Nilai dengan df= n – k yaitu 40-4=36, sehingga nilai taraf signifikan 5% yaitu t_tabel adalah 2,028. Hasil uji t dapat dilihat pada tabel berikut:

Tabel 4.43

Hasil Uji Signifikasi Parsial (Uji t) Coefficients^a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 1.714 4.101 .418 .678 Gaya Kepemimpinan ^{.472 .145 .342 3.251 .003} Motivasi _{.558 .097 .626 5.771 .000} Kompensasi _{.014 .181 .009 .079 .937}

Berdasarkan tabel 4.43 diatas, dapat disimpulkan bahwa:

1. Nilai thitung untuk variabel gaya kepemimpinan sebesar 3,251 dengan signifikansi sebesar 0,003. Sedangkan t_tabel pada α = 0,05 adalah 2,028. Hal ini menunjukkan bahwa thitung ( 3,251) > ttabel (2,028) dan nilai probabilitas 0,003 < 0,05 maka H₀ ditolak dan H_a diterima. Dengan demikian, dapat disimpulkan bahwa gaya kepemimpinan (X₁) berpengaruh positif dan signifikan terhadap kinerja karyawan (Y). Nilai koefisien yang positif menunjukkan bahwa gaya kepemimpinan (X₁) berpengaruh positif dan signifikan terhadap kinerja karyawan (Y). Artinya peningkatan variabel gaya kepemimpinan (X₁) dapat meningkatkan kinerja karyawan.

2. Nilai t_hitung untuk variabel motivasi sebesar 5,771 dengan signifikansi sebesar 0,000. Sedangkan ttabel pada α = 0,05 adalah 2,028. Hal ini menunjukkan bahwa t_hitung ( 5,771) > t_tabel (2,028) dan nilai probabilitas 0,000 < 0,05 maka H0 ditolak dan Ha diterima. Dengan demikian, dapat disimpulkan bahwa motivasi (X₂) berpengaruh positif dan signifikan terhadap kinerja karyawan (Y). Nilai koefisien yang positif menunjukkan bahwa motivasi (X₂) berpengaruh positif dan signifikan terhadap kinerja karyawan (Y). Artinya peningkatan variabel motivasi (X₂) dapat meningkatkan kinerja karyawan. 3. Nilai thitung untuk variabel kompensasi sebesar 0,079 dengan signifikansi

sebesar 0,937. Sedangkan t_tabel pada α = 0,05 adalah 2,028. Hal ini menunjukkan bahwa thitung ( 0,079) < ttabel (2,028) dan nilai probabilitas 0,937 > 0,05 maka H0 ditolak dan Ha ditrima. Dengan demikian, dapat disimpulkan bahwa kompensasi (X₃) berpengaruh positif tetapi tidak signifikan terhadap kinerja karyawan (Y). Nilai koefisien yang positif menunjukkan bahwa

kompensasi (X₃) berpengaruh positif tetapi tidak signifikan terhadap kinerja karyawan (Y). Artinya peningkatan variabel kompensasi (X3) dapat meningkatkan kinerja karyawan.

Berdasarkan hasil uji t diatas dapat disimpulkan bahwa secara parsial (individu), variabel gaya kepemimpinan berpngaruh positif dan signifikan terhadap kinerja karyawan, variabel motivasi berpengaruh positif dan signifikan terhadap kinerja karyawan, dan variabel kompensasi berpengaruh positif tetapi tidak signifikan terhadap kinerja karyawan.

4.3.5.4.2 Uji Signifikan Simultan (Uji-F)

Uji signifikan simultan (uji-F) digunakan untuk menguji apakah variabel gaya kepemimpinan (X₁), motivasi (X₂) dan kompensasi (X₃) memiliki pengaruh secara bersamaan terhadap kinerja karyawan (Y) PT. Bank Negara Indonesia Kantor Wilayah Medan. Apabila f_hitung < f_tabel maka H_o diterima dan H_a ditolak.

Uji F juga dapat dilihat berdasarkan tingkat signifikasi, yaitu apabila nilai probabilitas yang dihitung < 0,05 (sig. < α 0,50), maka Ho ditolak dan H_a diterima. Sebaliknya, apabila nilai probabilitas yang dihitung > 0,05 (sig. > α 0,50), maka Ho diterima dan Ha ditolak. Pada penelitian ini diketahui jumlah sampel (n) sebanyak 40 responden dan jumlah keseluruhan variabel (k) sebanyak 4, sehingga diperoleh:

1. df (pembilang) = 4-1=3 2. df (penyebut) = 40-3=37

Nilai f_tabel pada α = 5% adalah sebesar 2,86. Sedangkan nilai f_hitung akan diperoleh dengan menggunakan bantuan program statistik yang dapat dilihat pada tabel berikut:

Tabel 4.44

Hasil Uji Signifikan Simultan (Uji-F) ANOVA^a

Model

Sum of

Squares df Mean Square F Sig.

1 Regression _{274.040 3 91.347 25.092 .000}b

Residual _{131.060 36 3.641}

Total _{405.100 39}

a. Dependent Variable: Kinerja.Karyawan

b. Predictors: (Constant), Kompensasi, Gaya.Kepemimpinan, Motivasi Sumber: Hasil Pengolahan Data, 2017

Berdasarkan tabel 4.44 diatas dapat dilihat bahwa f_hitung sebesar 25,092 dengan tingkat signifikasi 0,000. Sedangkan ftabel pada tingkat kepercayaan 95% (α = 0,05) adalah 2,86. Maka fhitung ( 25,092) > f_tabel (2,86) dan nilai probabilitas 0,000 < 0,05 sehingga Ho ditolak dan Ha diterima. Hal ini menunjukkan bahwa variabel independen (bebas) yaitu gaya kepemimpinan, motivasi dan kompensasi secara bersamaan berpengaruh terhadap variabel dependen (terikat) yaitu kinerja karyawan. Dengan demikian gaya kepemimpinan, motivasi dan kompensasi dapat meningkatkan kinerja karyawan PT. Bank Negara Indonesia Kantor Wilayah Medan. Namun, apabila salah satu variabel menurun maka juga dapat menurunkan kinerja karyawan.