Tabel 4.9 Uji Nilai
Tolerance dan VIF
Pada Tabel 4.9 terlihat bahwa nilai tolerance semua variabel bebas adalah lebih besar dari nilai ketetapan 0,1 dan nilai VIF semua variabel bebas adalah
lebih kecil dari nilai ketetapan 5. Oleh karna itu, data dalam penelitian ini dikatakan tidak mengalami masalah multikolinearitas
4.3.3 Uji Heteroskedastisitas
Tujuan uji heteroskedastisitas adalah untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual antara satu
pengamatan dengan pengamatan yang lain. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi heteroskedastisitas.
Ada beberapa cara untuk mendekati ada atau tidaknya heteroskedastisitas yaitu :
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 27.714
3.131 8.850
.000 Penempatan Kerja
.214 .080
.289 2.683
.009 .751
1.331 Kompensasi
.493 .118
.450 4.171
.000 .751
1.331 a. Dependent Variable: Prestasi Kerja
Universitas Sumatera Utara
a. Pendekatan Grafik
Sumber :Hasil pengolahan SPSS 2016
Gambar 4.3 Scatterplot Heteroskedastisitas
Berdasarkan gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas serta titik- titik menyebar diatas dan di bawah angka 0 pada sumbu Y, maka berdasarkan
metode grafik tidak terjadi heteroskedastisitas pada model regresi layak dipakai untuk memprediksi prestasi kerja berdasarkan masukan variabel penempatan kerja
dan kompensasi
Universitas Sumatera Utara
b. Uji Glesjer
Glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik
mempengaruhi variabel dependen maka ada indikasi terjadi heteroskedastisitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant -.623
2.082 -.299
.766 Penempatan
Kerja .093
.053 .242
1.758 .083
Kompensasi -.053 .079
-.093 -.672
.504 a. Dependent Variable: Abs_Res
Pada Tabel 4.10 terlihat variabel independen penempatan kerja dan kompensasi yang tidak signifikan secara statistik mempengaruhi variabel
dependen absolute Ut absUt. Hal ini terlihat dari probabilitas penempatan kerja 0.083dan kompensasi 0.504 diatas tingkat signifikansi 5 0.05, jadi
disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
Universitas Sumatera Utara
Y = α + b
1
X
1
+ b
2
X
2
+ e 4.4 Analisis Regresi Linear Berganda
Metode analisis regresi berganda digunakan untuk mengetahui berapa besar pengaruh variabel bebas penempatan kerja dan kompensasi terhadap variabel
terikat prestasi kerja. Data diolah secara statistik untuk keperluan analisis dan pengujian hipotesis dengan menggunakan alat bantu program SPSS.
Adapun bentuk umum persamaan regresi yang digunakan adalah sebagai berikut :
Dimana : Y
= Prestasi Kerja X
1
= Penempatan Kerja X
2
= Kompensasi α
= Konstanta b1, b2 = Koefisien regresi
e = Standar eror
Berdasarkan pengujian menggunakan SPSS, maka hasil persamaan regresi linear berganda dapat dilihat pada Tabel 4.11 berikut ini :
Universitas Sumatera Utara
Tabel 4.11 Hasil Regresi Linier Berganda
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 27.714
3.131 8.850
.000 Penempatan Kerja
.214 .080
.289 2.683
.009 Kompensasi
.493 .118
.450 4.171
.000 a. Dependent Variable: Prestasi Kerja
Berdasarkan Tabel 4.11 diketahui pada kolom kedua unstandardized Coefficients bagian B diperoleh nilai b1 variabel penempatan kerja sebesar
0,214 nilai b2 dan variabel kompensasi sebesar 0,493 dan nilai konstanta a adalah 27.714 maka diperoleh persamaan regresi linier berganda sebagai berikut :
4.5 Pengujian Hipotesis 4.5.1 Uji Signifikansi Simultan Uji F
