138
Menurut Situmorang Lufti 2014:121 apabila pada hasil uji Kolmogorov-Smirnov, nilai Asymp Sig 2-tailed lebih besar dari nilai signifikan
0,05, dan nilai Kolmogorov-Smirnov Z lebih kecil dari 1,97 maka data dikatakan normal. Pada Tabel 4.13 dapat dilihat nilai Asymp Sig 2-tailed 0,653 lebih besar
dari 0,05 dan nilai Kolmogorov-Smirnov Z 0,735 lebih kecil dari 1,97, sehingga model regresi yang diperoleh adalah berdistribusi normal.
4.2.3.2 Uji Heteroskedastisitas
Uji heteroskedastisitas pada prinsipnya ingin menguji apakah sebuah grup mempunyai varians yang sama di antara anggota grup tersebut. Jika varians sama,
dan yang seharusnya tidak terjadi maka dikatakan ada homokedastisitas, sedangkan jika varians tidak sama dikatakan heteroskedastisitas Situmorang
Lufti , 2014 : 121-122. Gejala heterokedastisitas dapat dideteksi dengan dua cara yaitu:
a. Analisis Grafik
Gejala heterokedastisitas dapat dilihat dengan menggunakan grafik Scatterplot. Apabila data yang berbentuk titik-titik tidak membentuk suatu pola
atau menyebar, maka model regresi tidak terkena heteroskedastisitas. Kriteria pengambilan keputusan:
- Jika diagram pencar yang ada membentuk pola-pola tertentu yang teratur
maka regresi mengalami gangguan heteroskedastisitas. -
Jika diagram pencar yang ada tidak membentuk pola-pola tertentu yang teratur maka regresi tidak mengalami gangguan heteroskedastisitas.
Universitas Sumatera Utara
139 Sumber: Hasil Pengolahan data primer dengan SPSS, data diolah 2016.
Gambar 4.4 Uji Heteroskedastisitas
Scatterplot
Pada Gambar 4.4 diatas, dapat dilihat bahwa titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas
maupun di bawah angka nol pada sumbu Y, dengan demikian dapat dikatakan bahwa tidak terjadi heteroskedastisitas pada model regresi.
b. Analisis Statistik
Kriteria keputusan adalah: -
Jika probabilitas0,05 maka tidak mengalami gangguan heterokedastisitas -
Jika probabilitas0,05 maka mengalami gangguan heterokedastisitas. Gejala heterokedastisitas dapat juga dideteksi melalui uji Glejser. Tabel
4.14 berikut ini menampilkan hasil pengujian heterokedastisitas dengan uji Glejser.
Universitas Sumatera Utara
140
Tabel 4.14 Hasil Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
2.778 2.399
1.158 .249
Seleksi .056
.068 .132
.826 .410
Penempatan .073
.077 .155
.947 .346
Pelatihan -.129
.087 -.264
-1.479 .142
a. Dependent Variable: absut Sumber: Hasil Pengolahan data primer dengan SPSS, data diolah 2016.
Pada Tabel 4.14 diatas, dapat dilihat bahwa kolom Sig. pada tabel koefisien regresi untuk variabel independen adalah 0,410, 0,346, 0,142, atau
probabilitas lebih besar dari 0,05 maka tidak terjadi gangguan heterokedastisitas. Hal ini menunjukkan semua variabel independent yang terdiri dari seleksi,
penempatan, dan pelatihan, signifikan secara statisik mempengaruhi variabel dependent, yaitu human error.
4.2.3.3 Uji Multikolinearitas