Hal : 1
Tabel 1. Data item variabel Gaya Kepemimpinan
Item Item Item Item Item Item Item Item Item Item
Responden Itemtotal
1 2 3 4 5 6 7 8 9 10
1 4 5 5 5 4 4 5 5 4 4 45
2 4 4 4 4 4 3 4 4 3 3 37
3 4 4 4 4 4 5 5 4 3 4 41
4 5 5 5 5 5 4 5 5 5 5 49
5 4 4 4 4 4 5 5 4 3 4 41
6 3 5 5 5 5 3 5 5 4 4 44
7 5 5 5 5 5 5 5 5 5 5 50
8 4 4 4 4 4 3 5 5 2 2 37
9 3 4 4 4 4 3 4 4 5 2 37
10 4 4 4 4 4 5 5 4 3 4 41
11 4 5 5 5 4 4 5 5 4 4 45
12 4 5 5 5 2 4 5 5 4 4 43
13 4 4 5 4 5 5 5 5 4 5 46
14 4 4 5 4 5 5 5 5 4 5 46
15 4 4 4 4 4 3 4 4 4 3 38
16 4 4 4 4 4 5 4 4 5 5 43
17 4 4 4 4 4 3 4 4 4 3 38
18 4 4 5 4 4 4 5 4 4 4 42
19 4 4 5 4 4 4 5 4 4 4 42
20 4 4 4 4 3 4 4 4 4 2 37
21 4 4 4 4 4 4 4 1 5 4 38
22 5 5 4 4 4 4 4 4 4 5 43
23 5 4 4 3 5 3 3 2 5 4 38
24 2 3 3 1 3 1 2 2 2 3 22
25 4 2 4 5 4 5 3 3 3 2 35
26 5 5 5 4 5 4 4 4 4 5 45
27 5 4 4 5 4 5 4 3 4 4 42
28 3 4 4 4 4 4 4 3 3 4 37
29 4 4 5 3 5 3 5 1 2 4 36
30 4 4 4 4 3 4 4 4 4 2 37
Sumber Data : Hasil Penelitian Mahasiswa Fakultas Ekonomi Universitas Bung Karno, Tahun 2013.
Keterangan :
Hal : 2
Data pada setiap item diasumsikan data yang bertipe interval. Disini akan dilakukan
analisis Korelasi Pearson untuk mengetahui apakah tiap-tiap item valid atau tidak.
Prosedur uji validitas item pada tabel 1. di atas dengan menggunakan SPSS, adalah
sebagai berikut :
Hal : 3
Tabel 2. r hitung dan r tabel item variabel Gaya Kepemimpinan
Hal : 4
Tabel 3. Hasil Uji Validitas terhadap item-item pada Variabel Gaya Kepemimpinan
Butir1 Butir2 Butir3 Butir4 Butir5 Butir6 Butir7 Butir8 Butir9 Butir10 ButirTotal
Pearson
1 ,385* ,337 ,443* ,355 ,495** ,245 ,142 ,419* ,422* ,628**
Correlation
Butir1 Sig. (2-
,036 ,069 ,014 ,054 ,005 ,192 ,454 ,021 ,020 ,000
tailed)
N 30 30 30 30 30 30 30 30 30 30 30
Pearson * ** * ** ** * **
,385 1 ,590 ,431 ,187 ,075 ,568 ,500 ,420 ,538 ,699**
Correlation
Butir2 Sig. (2-
,036 ,001 ,017 ,323 ,693 ,001 ,005 ,021 ,002 ,000
tailed)
N 30 30 30 30 30 30 30 30 30 30 30
Pearson ** ** * ** * **
,337 ,590 1 ,533 ,427 ,311 ,727 ,462 ,294 ,528 ,767**
Correlation
Butir3 Sig. (2-
,069 ,001 ,002 ,019 ,095 ,000 ,010 ,115 ,003 ,000
tailed)
N 30 30 30 30 30 30 30 30 30 30 30
Pearson
,443* ,431* ,533** 1 ,103 ,600** ,556** ,582** ,416* ,158 ,742**
Correlation
Butir4 Sig. (2-
,014 ,017 ,002 ,590 ,000 ,001 ,001 ,022 ,405 ,000
tailed)
N 30 30 30 30 30 30 30 30 30 30 30
Pearson
,355 ,187 ,427* ,103 1 ,164 ,247 ,017 ,197 ,515** ,462*
Correlation
Butir5 Sig. (2-
,054 ,323 ,019 ,590 ,386 ,188 ,929 ,298 ,004 ,010
tailed)
N 30 30 30 30 30 30 30 30 30 30 30
Pearson ** ** ** *
,495 ,075 ,311 ,600 ,164 1 ,465 ,313 ,272 ,418 ,655**
Correlation
Butir6 Sig. (2-
,005 ,693 ,095 ,000 ,386 ,010 ,093 ,146 ,021 ,000
tailed)
N 30 30 30 30 30 30 30 30 30 30 30
Hal : 5
Pearson
,245 ,568** ,727** ,556** ,247 ,465** 1 ,574** ,061 ,384* ,728**
Correlation
Butir7 Sig. (2-
,192 ,001 ,000 ,001 ,188 ,010 ,001 ,749 ,036 ,000
tailed)
N 30 30 30 30 30 30 30 30 30 30 30
Pearson
,142 ,500** ,462* ,582** ,017 ,313 ,574** 1 ,212 ,153 ,636**
Correlation
Butir8 Sig. (2-
,454 ,005 ,010 ,001 ,929 ,093 ,001 ,260 ,420 ,000
tailed)
N 30 30 30 30 30 30 30 30 30 30 30
Pearson
,419* ,420* ,294 ,416* ,197 ,272 ,061 ,212 1 ,332 ,558**
Correlation
Butir9 Sig. (2-
,021 ,021 ,115 ,022 ,298 ,146 ,749 ,260 ,073 ,001
tailed)
N 30 30 30 30 30 30 30 30 30 30 30
Pearson * ** ** ** * *
,422 ,538 ,528 ,158 ,515 ,418 ,384 ,153 ,332 1 ,676**
Correlation
Butir10 Sig. (2-
,020 ,002 ,003 ,405 ,004 ,021 ,036 ,420 ,073 ,000
tailed)
N 30 30 30 30 30 30 30 30 30 30 30
Pearson ** ** ** ** * ** ** ** ** **
,628 ,699 ,767 ,742 ,462 ,655 ,728 ,636 ,558 ,676 1
Correlation
ButirTotal Sig. (2-
,000 ,000 ,000 ,000 ,010 ,000 ,000 ,000 ,001 ,000
tailed)
N 30 30 30 30 30 30 30 30 30 30 30
Hal : 6
1.2. Realibilitas
Uji reliabilitas digunakan untuk mengetahui keajegan atau konsistensi alat ukur
yang biasanya menggunakan kuesioner (maksudnya apakah alat ukur tersebut
akan mendapatkan pengukuran yang tetap konsisten jika pengukuran diulang
kembali). Metode yang sering digunakan dalam penelitian untuk mengukur skala
rentangan (seperti skala Likert 1-5) adalah Cronbach Alpha.
Pengukuran reliabilitas menggunakan metode Cronbach Alpha akan menghasilkan
nilai alpha dalam skala 0 – 1, yang dapat dikelompokkan dalam lima kelas. Nilai
masing-masing kelas dan tingkat reliabilitasnya seperti terlihat pada Tabel 4. di
bawah ini :
Tabel 4. Nilai Alpha dengan Tingkat Reliabilitasnya
Alpha Tingkat Reliabilitas
0,00 – 0,20 Kurang reliabel
021 – 0,40 Agak reliabel
0,41 – 0,60 Cukup reliabel
0,61 – 0,80 Reliabel
0,81 – 1,00 Sangat reliabel
Hal : 7
Tabel 5. Case Processing Summary
N %
Valid 30 100,0
Cases Excludeda 0 0,0
Total 30 100,0
Output ini menjelaskan tentang jumlah data yang valid untuk diproses dan
data yang dikeluarkan, serta persentasenya. Dapat diketahui bahwa data atau
case yang valid jumlahnya 30 dengan persentase 100% dan tidak ada data
yang dikeluarkan. Sedangkan output selanjutnya (Tabel 5.) merupakan hasil
dari analisis reliabilitas dengan teknik Cronbach Alpha.
Diketahui nilai Cronbach Alpha adalah 0,838. Menurut sekaran (1922),
reliabilitas diatas 0,8 adalah baik, atau dengan kata lain data tersebut
realiabel.
Tabel 6. Nilai Cronbach Alpha
0,838 10
a. Uji Normalitas
b. Uji Autokorelasi,
c. Uji Multikolinieritas
Hal : 8
d. Uji Heteroskedastisitas
Normalitas data merupakan syarat pokok yang harus dipenuhi dalam analisis
parametrik. untuk yang menggunakan analisis parametrik seperti analisis
perbandingan 2 rata-rata, analisis variansi satu arah, korelasi, regresi, dan
sebagainya, maka perlu dilakukan uji normalitas data terlebih dahulu. Hal ini
bertujuan untuk mengetahui apakah data tersebut berdistribusi normal atau
tidak.
Cara yang sering digunakan dalam menentukan apakah suatu model
berdistribusi normal atau tidak hanya dengan melihat pada histogram
residual apakah memiliki bentuk seperti "lonceng" atau tidak. Cara ini
menjadi fatal karena pengambilan keputusan data berdistribusi normal atau
tidak hanya berpatok pada pengamatan gambar saja. Ada cara lain untuk
menentukan data berdistribusi normal atau tidak, yaitu dengan
menggunakan rasio skewness dan rasio kurtosis.
Rasio skewness dan rasio kurtosis dapat dijadikan petunjuk apakah suatu
data berdistribusi normal atau tidak. Rasio skewness adalah nilai skewnes
dibagi dengan standard error skewness; sedang rasio kurtosis adalah nilai
kurtosis dibagi dengan standard error kurtosis. Sebagai pedoman, bila rasio
kurtosis dan skewness berada di antara -2 hingga +2, maka distribusi data
adalah normal.
Pada Tabel 8. di atas dapat diketahui rasio Skewness dan Kurtosis, yaitu
dengan membagi nilai statistic dengan standar errornya.
Rasio Skewness : -0,774/0,427 = -1,813 sedangkan Rasio Kurtosis : -
0,077/0,833 = -0,092 karena rasio skewness dan kurtosis berada diantara -2
dan 2, maka dapat disimpulkan bahwa distribusi data adalah normal.
Hal : 11
Persamaan Regresi yang baik adalah yang tidak memiliki masalah
autokorelasi. Jika terjadi autokorelasi maka persamaan tersebut menjadi
tidakbaik atau tidak layak dipakai prediksi.
Ada beberapa cara yang dapat digunakan untuk mendeteksi ada tidaknya
autokorelasi. Pertama, Uji Durbin-Watson (DW Test). Uji ini hanya digunakan
untuk autokorelasi tingkat satu (First order autocorrelation) dan
mensyaratkan adanya intercept dalam model regresi dan tidak ada variabel
lagi di antara variabel penjelas.
Keputusan ada tidaknya autokorelasi adalah :
1. Bila nilai DW terletak antara batas atas atau upper bound (du) dan (4 - du),
maka koefisien autokorelasi sama dengan nol, berarti tidak ada
autokorelasi.
2. Bial nilai DW lebih rendah daripada batas bawah atau lower bound (dl),
maka koefisien autokorelasi lebih besar daripada nol, berarti
ada autokorelasi positif.
3. Bila nilai DW lebih besar daripada (4 - dl), maka koefisien autokorelasi lebih
kecil daripada nol, berarti adaautokorelasi negatif.
4. Bila nilai DW terletak di antara batas atas (du) dan batas bawah (dl) ada
DW terletak antara (4 - du) dan (4 - dl), maka hasilnya tidak dapat
disimpulkan.
5. Bila nilai DW terletak antara (4-du) dan (4 - dl), maka hasilnya tidak dapat
disimpulkan.
Hal : 12
Prosedur Uji Autokorelasi pada tabel 7. di atas dengan menggunakan SPSS,
adalah sebagai berikut :
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya
korelasi antar variabel bebas (independen). Model regresi yang baik
seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel
independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal
(Ghozali 2007:91). Untuk mendeteksi adanya multikolinearitas, dapat dilihat
dari Value Inflation Factor (VIF). Apabila nilai VIF > 10, terjadi
Hal : 13
multikolinieritas. Sebaliknya, jika VIF < 10, tidak terjadi multikolinearitas
(Wijaya, 2009:119).
X1 ,571 1,752
1
X2 ,571 1,752
Pada Tabel 10. didapatkan hasil bahwa semua variabel X1 dan X2 memiliki
nilai VIF < 10 ini berarti tidak terjadi multikolonieritas, sehingga dapat
disimpulkan bahwa uji multikolonieritas terpenuhi.
Dalam persamaan Regresi Berganda perlu juga diuji mengenai sama atau
tidak varians dari residual dari observasi yang satu dengan observasi yang
lain, Jika residualnya memiliki varians yang sama disebut terjadi
homokedastisitas, dan jika variansnya tidak sama atau berbeda disebut
terjadi heterokedastisitas. Persamaan Regresi yang baik adalah jika tidak
terjadi heterokedastisitas.
Untuk Uji Heteroskedastisitas, seperti halnya uji Normalitas, cara ini yang
sering digunakan dalam menentukan apakah suatu model terbebas dari
masalah heteroskedastisitas atau tidak hanya dengan melihat pada Scatter
Plot dan dilihat apakah residual memiliki pola tertentu atau tidak. Cara ini
Hal : 14
menjadi fatal karena pengambilan keputusan apakah suatu model terbebas
dari masalah heteroskedastisitas atau tidak hanya berpatok pada
pengamatan gambar saja tidak dapat dipertanggungjawabkan
kebenarannya.
Hal : 15
Tabel 11. Nilai t-statistics
Unstandardized Standardized
t Sig.
Coefficients Coefficients
1. Regresi Berganda
2. Uji t
3. Uji F
4. Uji R Square
Hal : 16
Dimana:
Y = Kinerja Karyawan
a = Konstanta
b1 dan b2 = Koefisien Regresi
X1 = Gaya Kepemimpinan
X2 = Disiplin Kerja
Berdasarkan Tabel 12. diatas dapat diperoleh rumus regresi sebagai berikut :
Y = 12,303 + 0,301 X1 + 0,353 X2
Interpretasi dari regresi diatas adalah sebagai berikut:
1. Konstanta (a)
Nilai konstanta (a) adalah 12,303. Hal ini berarti bahwa jika X1 dan X2
bernilai 0, maka Kinerja Karyawan bernilai 12,303.
2. Gaya Kepemimpinan (X1) terhadap Kinerja Karyawan (Y)
Hal : 17
Nilai koefisien prediktor Disiplin Kerja (b2) sebesar 0,353. Jika terjadi
perubahan prediktor Disiplin Kerja (X2) sebesar satu satuan,
menyebabkan perubahan rata-rata Kinerja Karyawan sebesar 0,353
satuan, dengan asumsi prediktor yang lainnya konstan atau tetap.
3.2. Uji t
Nilai koefisien ini antara 0 dan 1, jika hasil lebih mendekati angka 0
Hal : 19
berarti kemampuan variabel-variabel independen dalam menjelaskan
variasi variabel amat terbatas. Tapi jika hasil mendekati angka 1 berarti
variabel-variabel independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen.
LAMPIRAN
Rumus Tabel Statistik
1. F Table
Rumus pada Microsoft Excel untuk mencari F table
= FlNV(probabitity;deg_freedoml;def_freedom2)
df1 = (Jumlah Variabel – 1)
df2 = (Jumlah Data/Sampel – Jumlah Variabel Independen – 1)
Misal mencari F Table dengan signifikansi 0,05, dengan jumlah variabel = 3, dan
Jumlah data/Sampel = 10, dengan demikian df1 =2, df2 =7
Ketik =FINV(0.05;2;7)
Tekan Enter
Hasil= 4,737
Hal : 20
2. t Table
Rumus pada Microsoft Excel untuk mencari t table
= TlNV(probability;deg_freedom)
Misal mencari t Table dengan signifikansi 0,05, df = 28 dan uji 2 sisi
Ketik =TINV(0.05,28)
Tekan Enter
Hasil = 2,048
3. r Table
Rumus pada Microsoft Excel untuk mencari r table
= t table/SQRT(df+t table^2)
Misal mencari r Table dengan signifikansi 0,05, df = 23 dan uji 2 sisi
Pertama cari t table terlebih dulu dengan ketik = TINV(0,05; 23) hasil = 2,069
Selanjutnya ketik =2.069/SQRT(23+2,069^2)
Tekan Enter
Hasil = 0,396
4. Chi square Table
Rumus pada Microsoft Excel untuk mencari Chi square table
= CHllNV(probability;deg_freedom)
Misal mencari Chi square Table dengan signifikansi 0,05, df = 8
Ketik =CHIINV(0.05;4) > Tekan Enter
Hasil = 9,488
Hal : 21