Uji Instrumen Penelitian (Uji Validitas & Reliabilitas)

Uji Validitas

Menurut Ghozali (2018) menyatakan bahwa uji validitas digunakan untuk mengukur sah, atau
valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner
mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut.

Dari hasil perhitungan korelasi akan didapat suatu koefisien korelasi yang digunakan untuk
mengukur tingkat validitas suatu item dan untuk menentukan apakah suatu item layak digunakan
atau tidak. Dalam penentuan layak atau tidaknya suatu item yang akan digunakan, biasanya
dilakukan uji signifikansi koefisien korelasi pada taraf signifikansi 0,05, artinya suatu item
dianggap valid jika berkorelasi signifikan terhadap skor total. Jika r hitung ≥ r tabel (uji 2 sisi
dengan sig. 0,05) maka instrumen atau item-item pertanyaan berkorelasi signifikan terhadap skor
total (dinyatakan valid).

Rumus Korelasi Product Moment :

Keterangan :
Uji Reliabilitas

Ghozali (2018) menyatakan bahwa reliabilitas adalah alat untuk mengukur suatu kuesioner yang
merupakan indikator dari peubah atau konstruk. Suatu kuesioner dikatakan reliabel atau handal
jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu.
Reliabilitas suatu test merujuk pada derajat stabilitas, konsistensi, daya prediksi, dan akurasi.
Pengukuran yang memiliki reliabilitas yang tinggi adalah pengukuran yang dapat menghasilkan
data yang reliable.

Tinggi rendahnya reliabilitas, secara empirik ditunjukan oleh suatu angka yang disebut nilai
koefisien reliabilitas. Reliabilitas yang tinggi ditunjukan dengan nilai rxx mendekati angka 1.
Kesepakatan secara umum reliabilitas yang dianggap sudah cukup memuaskan jika ≥ 0.700.

Pengujian reliabilitas instrumen dengan menggunakan rumus Alpha Cronbach karena instrumen
penelitian ini berbentuk angket dan skala bertingkat. Rumus Alpha Cronbach sevagai berikut :

Keterangan :

Jika alpha > 0.90 maka reliabilitas sempurna. Jika alpha antara 0.70 – 0.90 maka reliabilitas
tinggi. Jika alpha 0.50 – 0.70 maka reliabilitas moderat. Jika alpha < 0.50 maka reliabilitas
rendah. Jika alpha rendah, kemungkinan satu atau beberapa item tidak reliabel.
Uji Asumsi Klasik

Pengertian Uji Asumsi Klasik

Uji Asumsi klasik adalah analisis yang dilakukan untuk menilai apakah di dalam sebuah model
regresi linear Ordinary Least Square (OLS) terdapat masalah-masalah asumsi klasik. Dimana
syarat-syarat yang harus dipenuhi pada model regresi linear OLS agar model tersebut menjadi
valid sebagai alat penduga.

Regresi linear OLS adalah sebuah model regresi linear dengan metode perhitungan kuadrat
terkecil atau yang di dalam bahasa inggris disebut dengan istilah ordinary least square. Di dalam
model regresi ini, ada beberapa syarat yang harus dipenuhi agar model peramalan yang dibuat
menjadi valid sebagai alat peramalan. Syarat-syarat tersebut apabila dipenuhi semuanya, maka
model regresi linear tersebut dikatakan BLUE. BLUE adalah singkatan dari Best Linear
Unbiased Estimation.

Uji Asumsi Klasik Pada Regresi Linear Berganda:

1. Normalitas,
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel
pengganggu atau rasidual memiliki distribusi normal. Untuk megetahui hasil dari uji
normalitas dilakukan dengan melihat penyebaran dan titik pada sumbu diagonal dari
grafik Normal P-Plot, jika pada grafik terdapat pola yang mengikuti arah garis diagonal,
maka model regresi memberi hasil positif mengenai asumsi normalitas dan sebaliknya
(Gozali, 2018).
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
a,b
Normal Parameters Mean .0000000
Std. Deviation 2.63349416
Most Extreme Differences Absolute .135
Positive .135
Negative -.105
Test Statistic .135
Asymp. Sig. (2-tailed) 0,168c
a. Test distribution is Normal. 0,05
b. Calculated from data.
c. Lilliefors Significance Correction.
2. Heteroskedastisitas,
Menurut Ghozali (2018) Uji heteroskedasitas untuk menguji apakah dalam model Regresi
terjadi ketidaksamaan variance dari residual satu homoskedasitas pengamatan ke
pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap,
maka disebut homoskedasitas dan jika berbeda disebut heteroskedastisitas. Model regresi
yang baik adalah yang homoskedasitas atau tidak terjadi heteroskedasitas. Jika p value
>0,05 tidak signifikan berarti tidak terjadi heteroskedasitas artinya model Regresi lolos
uji heterskedasitas.
 Correlations
TINGKAT MODEL Unstandardized
MOTIVASI PENDIDIKAN KEPEMIMPINAN Residual
Spearman's MOTIVASI Correlation
1.000 .182 .840** .008
rho Coefficient
Sig. (2-
. .337 .000 .968
tailed)
N 30 30 30 30
TINGKAT Correlation
.182 1.000 .052 -.123
PENDIDIKAN Coefficient
Sig. (2-
.337 . .783 .516
tailed)
N 30 30 30 30
MODEL Correlation
.840** .052 1.000 .113
KEPEMIMPINAN Coefficient
Sig. (2-
.000 .783 . .552
tailed)
N 30 30 30 30
Unstandardized Correlation
.008 -.123 .113 1.000
Residual Coefficient
Sig. (2-
.968 .516 .552 .
tailed)
N 30 30 30 30
**. Correlation is significant at the 0.01 level (2-tailed).

3. Multikollinearitas,
Uji Multikolinieritasbertujuan untuk melihat ada atau tidaknya korelasi yang tinggi antara
variabel-variabel. Jika ada korelasi yang tinggi diantara variabel-variabel bebasnya, maka
hubugan antara variabel bebas terhadap variabel terikatnya menjadi terganggu. Uji
Multikolinearitas juga dapat dilihat dari nilai tolerance > 0.10 dan variance inflaction
factor atau VIF <10,00 maka dapat disimpulkan bahwa tidak terjadi yang namanya
Multikolinearitas atau adanya hubungan antar variabel bebas yang saling berkaitan. Jika
ada pola tertentu seperti titik-titik yang teratur maka hal tersebut mengindikasikan bahwa
terjadinya heteroskedastisitas dan jika tidak terdapat pola yang jelas serta titik-titik yang
menyebar pada grafik tersebut berarti bahwa hasil yang diberikan adalah
homoskedastisitas.

Collinearity Statistics
Tolerance VIF
1
0.366 2.734
0.991 12.009
0.365 2.740
4. Autokorelasi (Hanya untuk data time series atau runtut waktu).
Uji Autokorelasi adalah sebuah analisis statistik yang dilakukan untuk mengetahui
adakah korelasi variabel yang ada di dalam model prediksi dengan perubahan waktu. Uji
autokorelasi di dalam model regresi linear, harus dilakukan apabila data merupakan data
time series atau runtut waktu. Sebab yang dimaksud dengan autokorelasi sebenarnya
adalah: sebuah nilai pada sampel atau observasi tertentu sangat dipengaruhi oleh nilai
observasi sebelumnya.

Durbin-Watson
1.433
Analisis Regresi Linear Berganda

Y = a + b1X1 + b2X2 + …..+ baXa + e

Ketertangan:
Y = Variabel dependen
a = konstanta
b1-bn = koefesien regresi masing-masing variabel
X1-Xn = variabel Independen
e = eror

1. Secara simultan/serempak (Uji F)

Uji F digunakan untuk mengatahui ada tidaknya pengaruh signifikan secara bersama-sama
(simultan) variabel independen terhadap variabel dependen.

 Hipotesis nol (Ho) adalah hipotesis yang menyatakan tidak adanya/ tidak terdapat
perbedaan atau hubungan antara dua variable atau lebih.

H0 Jika probabilitas (sig F) > a 0,05 atau tingkat kepercayaan 95%, maka dapat
diartikan bahwa seluruh variabel bebas secara serempak tidak berpengaruh signifikan
terhadap variabel terikat. Hipotesis ditolak.

 Hipotesis alternatif (Ha) adalah hipotesis yang menyatakan adanya/ saling hubungan
antara dua variable atau lebih

Ha Jika probabilitas (sig F) < a 0,05 atau tingkat kepercayaan 95%, maka dapat
diartikan bahwa seluruh variabel bebas secara serempak berpengaruh signifikan
terhadap variabel terikat. Hipotesis diterima.

2. Secara Parsial (Uji t)

 Jika probabilitas (sig t) > a 0,05 atau tingkat kepercayaan 95%, maka dapat diartikan
bahwa variabel bebas secara parsial tidak berpengaruh signifikan terhadap variabel
terikat. Hipotesis ditolak.

 Jika probabilitas (sig t) < a 0,05 atau tingkat kepercayaan 95%, maka dapat diartikan
bahwa variabel bebas secara parsial berpengaruh signifikan terhadap variabel terikat.
Hipotesis diterima.
Contoh uji regresi berganda (Multiple regression)

Multiple regression digunakan untuk menguji pengaruh lebih dari satu independent variable
terhadap dependent variable.

Kasus yang akan dibahas adalah pengaruh Motivasi, Tingkat Pendidikan dan Model
Kepemimpinan terhadap Kinerja Anggota DPRD Kabupaten XYZ.

Hasil dan pembahasan:

Ouput pertama Koefisien determinasi (Pakai Adjusted R Square)

Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
a
1 .810 .656 .617 2.781 1.433
a. Predictors: (Constant), MODEL KEPEMIMPINAN (X3), TINGKAT PENDIDIKAN (X2),
MOTIVASI (X1)
b. Dependent Variable: KINEJRA (Y)

Berdasarkan pada tabel menunjukkan bahwa hasil uji determinasi (kehandalan model)
memperlihatkan nilai Adjust R-Square = 0,617 atau = 61,7%. Hal ini berarti bahwa 61,7%
variabel terikat dipengaruhi oleh ketiga variabel bebas, selebihnya varaibel terikat dipengaruhi
oleh variabel lain yang tidak diteliti.
Adapun nilai koefisien korelasi (multiple R) adalah sebesar 0.810. Nilai tersebut menunjukkan
korelasi variabel independen terhadap variabel dependen (Y) adalah sebesar 81%. Nilai tersebut
menunjukkan hubungan yang kuat antara variabel Motivasi, Tingkat Pendidikan dan Model
Kepemimpinan terhadap Kinerja Anggota DPRD XYZ

Output kedua hasil pengujian signifikansi secara simultan

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 383.843 3 127.948 16.540 0,000b
Residual 201.123 26 7.736
Total 584.967 29
a. Dependent Variable: KINEJRA (Y)
b. Predictors: (Constant), MODEL KEPEMIMPINAN (X3), TINGKAT
PENDIDIKAN (X2), MOTIVASI (X1)
Analisis:
Hipotesis:
Ha1: Motivasi, Tingkat Pendidikan, dan Model Kepemimpinan berpengaruh terhadap Kinerja
Anggota DPRD Kabupaten XYZ

Output ketiga Uji Signifikansi Parameter Individual (Uji t statistik)

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -1.495 7.808 -.191 .850
MOTIVASI (X1) .363 .152 .455 2.393 0.024
TINGKAT .008 .058 .017 .147 0.885
PENDIDIKAN (X2)
MODEL .311 .149 .398 2.089 0.047
KEPEMIMPINAN (X3)
a. Dependent Variable: KINEJRA (Y)

1. Nilai constanta sebesar -1,495 memberikan arti bahwa jika Motivasi, Tingkat Pendidikan
dan Model Kepemimpinan sama dengan nol (0), maka Kinerja anggota DPRD Kabupaten
XYZ adalah -1,495.
2. Motivasi (X1) dengan koefisien regresi 0,363 ini berarti terjadi pengaruh yang positif
antara motivasi dan kinerja. Artinya apabila motivasi meningkat maka kinerja anggota
DPRD XYZ ikut meningkat.
3. Tingkat Pendidikan (X2) dengan koefisien regresi 0,008 ini berarti terjadi pengaruh yang
positif antara tingkat pendidikan dan kinerja. Artinya apabila tingkat pendidikan
ditingkatkan maka akan meningkatkan kinerja anggota DPRD Kabupaten XYZ.
4. Model Kepemimpinan (X3) dengan koefisien regresi 0,311 ini berarti terjadi pengaruh
yang positif antara Model Kepemimpinan dan kinerja. Artinya apabila Model
Kepemimpinan meningkat maka kinerja anggota DPRD Kabupaten XYZ ikut meningkat.
Analisis:
Hipotesis:
Ha2: Motivasi berpengaruh terhadap Kinerja Anggota DPRD Kabupaten XYZ

Ha3: Tingkat Pendidikan berpengaruh terhadap Kinerja Anggota DPRD Kabupaten XYZ

Ha4: Model Kepemimpinan berpengaruh terhadap Kinerja Anggota DPRD Kabupaten XYZ

Hasil:
Pengujian H1 : Nilai sig/P value 0,024 < alpha 0,05 maka H1 DITERIMA

Pengujian H2 : Nilai sig/P value 0,885 > alpha 0,05 maka H2 DITOLAK

Pengujian H3 : Nilai sig/P Value 0,047 < alpha 0,05 maka H3 DITERIMA

Kesimpulan:
artinya Motivasi berpengaruh terhadap Kinerja Anggota DPRD Kabupaten XYZ, Tingkat
Pendidikan berpengaruh tetapi tidak signifikan terhadap Kinerja Anggota DPRD Kabupaten
XYZ, dan Model Kepemimpinan berpengaruh signifikan terhadap Kinerja Anggota DPRD
Kabupaten XYZ.

Sehingga dapat di buat Persamaan Regresi sebagai berikut:

Y = -1,495 + 0,363X1 + 0,008X2 + 0,311X3 + ε