Uji Normalitas Uji Asumsi Klasik

80 mereka tidak akan mendapat banyak keuntungan walaupun sudah lama bekerja diperusahaan. 20. Pada pernyataan kedua puluh Saya akan terus bekerja diperusahaan ini sampai batas usia pensiun sebanyak 18 orang responden 29,0 menjawab sangat setuju, 33 orang responden 53,2 menjawab setuju, 7 orang responden 11,3 menjawab kurang setuju , dan 4 orang responden 6,5 menjawab tidak setuju. Hal ini menunjukkan bahwa sebagian besar karyawan akan terus bekerja diperusahaan ini sampai batas waktu yang ditentukan perusahaan untuk masa pensiun, tetapi beberapa orang karyawan beranggapan untuk tidak terus bekerja diperusahaan sampai batas usia pensiun karena masih ada yang menjawab kurang setuju.

4.3 Uji Asumsi Klasik

1. Uji Normalitas

Uji normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mendekati distribusi normal, yaitu data dengan bentuk lonceng, data tidak melenceng ke kiri dan ke kanan, dan titik-titik mengikuti data sepanjang garis diagonal. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal maka dilakukan uji Kolmogrov Smirnov. Dengan menggunakan tingkat signifikansi 5 0,05, maka jika nilai Asymp.Sign 2-tailed diatas nilai signifikansi 5 artinya variabel residual berdistribusi normal Sugiyono, 2008 : 207. Universitas Sumatera Utara 81 Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal . a. Pendekatan Histogram Sumber : Hasil Pengolahan SPSS for Windows 2016 Gambar 4.2 Pendekatan Histogram Uji Normalitas Pada Gambar 4.2 terlihat bahwa variabel berdistribusi normal hal ini ditunjukkan oleh data tersebut tidak menceng ke kiri atau menceng ke kanan. b. Pendekatan grafik Cara lainnya melihat uji normalitas dengan pendekatan grafik. PP plot akan membentuk plot antara nilai-nilai teoritis sumbu x melawan nilai-nilai yang didapat dari sampel sumbu y. Apabila plot keduanya berbentuk linier dapat didekati oleh garis lurus, maka hal ini merupakan indikasi bahwa residual menyebar normal. Universitas Sumatera Utara 82 Sumber : Hasil Pengolahan SPSS for Windows 2016 Gambar 4.3 Pendekatan Grafik Uji Normalitas Pada Gambar 4.3 Normal P-P Plot terlihat titik-titik yang mengikuti data disepanjang garis normal, hal ini berarti data berdistribusi normal. c. Pendekatan Kolmogorov - Smirnov Menurut Situmorang dan Lufti 2014 : 121 mengatakan bahwa pengambilan keputusan untuk Kolmogorov - Smirnov yaitu apabila nilai pada Asymp. Sig lebih besar dari level of significant α=5, maka tidak mengalami gangguan distribusi normal, dan apabila nilai pada Kolmogorov – Smirnov Z lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empiric atau denga kata lain data dikatakan normal.Pengujuian normalitas dengan pendekatan Kolmogorov-Smirnovdapat dilihat pada Tabel 4.8 berikut ini : Universitas Sumatera Utara 83 Tabel 4.8 Sumber : Hasil Pengolahan SPSS for Windows 2016 Berdasarkan Tabel 4.8 terlihat bahwa nilai Asymp.Sig. 2-tailedadalah 0.983 dan di atas nilai level of significant 0.05, dengan kata lain variabel berdistribusi normal, dan nilai pada Kolmogorov – Smirnov Z adalah 0,462 dan lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empiric atau dengan kata lain data dikatakan normal. 2. Uji Heteroskedastisitas Uji Heteroskedastisitas merupakan varians variabel independent konstan untuk setiap nilai tertentu variabel independent. Alat untuk menguji heteroskedastisitas dibagi menjadi dua bagian yaitu analisis grafik dan uji Glejser. Hasil Uji Normalitas Pendekatan One-Sample Kolmogorov - Smirnov Test One-Sample Kolmogorov-Smirnov Test Unstandardize d Residual N 62 Normal Parameters a,,b Mean .0000000 Std. Deviation 5.08482582 Most Extreme Differences Absolute .059 Positive .059 Negative -.046 Kolmogorov-Smirnov Z .462 Asymp. Sig. 2-tailed .983 a. Test distribution is Normal. b. Calculated from data. Universitas Sumatera Utara 84 Melalui analisis grafik, suatu model regresi dianggap tidak terjadi heteroskedastisitas apabila titik-titik menyebar secara acak tidak membentuk suatu pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y sebagai berikut : Sumber : Hasil Pengolahan SPSS for Windows 2016 Gambar 4.4 Scatter Plot Uji Heteroskedastisitas Berdasarkan Gambar 4.4 Grafik Scatter Plot Uji Heteroskedastisitasterlihat titik- titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedestisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi kinerja karyawan berdasarkan masukan variabel independennya. Sedangkan kriteria pengambilan keputusan uji Glejser adalah: a. Jika nilai signifikan 0,05 maka tidak mengalami gangguan heteroskedastisitas Universitas Sumatera Utara 85 b. Jika nilai signifikan 0,05 maka mengalami gangguan heteroskedastisitas Umar, 2004 : 181. Tabel 4.9 Hasil Uji Glejser Heteroskedastisitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 9.207 3.644 2.527 .014 Kompensasi -.102 .077 -.206 -1.319 .192 Komitmen_Organisasi .003 .083 .005 .031 .975 a. Dependent Variable: absut Sumber : Hasil Pengolahan SPSS for Windows 2016 Pada Tabel 4.9 terlihat variabel Independent Kompensasi danKomitmen Organisasi yang signifikan secara statistik mempengaruhi variabel dependent absolute Ut AbsUt. Hal ini terlihat dari probabilitas X 1 , X 2 , yaitu 0.192 dan 0.975 diatas tingkat kepercayaan 5 0.05. Sehingga disimpulkan model regresi ini tidak mengarah adanya heteroskedastisitas. 3. Uji Multikolinearitas Uji multikolinearitas artinya variabel independent yang satu dengan yang lain dalam model regresi berganda tidak saling berhubungan secara sempurna atau mendekati sempurna. Untuk mengetahui ada tidaknya gejala multikolinearitas dapat dilihat dari besarnya nilai tolerance dan VIF variance inflation factor dengan menggunakan program SPSS 17.0. Tolerance mengukur variabilitas Universitas Sumatera Utara 86 variabel terpilih yang tidak dijelaskan oleh variabel independent lainnya.Nilai umum yang biasa dipakai adalah nilai tolerance 0,1 atau nilai VIF 5, maka tidak terjadi multikolinearitas. Model yang paling baik adalah apabila tidak terjadi multikolinearitas Umar, 2004 : 182. Tabel 4.10 Hasil Uji Nilai Tolerance dan VIF Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 15.663 6.061 2.584 .012 Kompensasi .774 .129 .641 6.024 .000 .665 1.503 Komitmen_Organi sasi .209 .138 .161 2.511 .021 .665 1.503 a. Dependent Variable: Kinerja_Karyawan Sumber : Hasil Pengolahan SPSS 17.0 2016 Berdasarkan Tabel 4.10 dapat dilihat bahwa variabel Kompensasi dan Komitmen Organisasi memiliki nilai yang sama yaitu Tolerance 0,1 0,665 dan memiliki nilai VIF 5 1,503, maka variabel tersebut tidak mempunyai persoalan multikolinearitas.

4.3 Analisis Regresi Linier Berganda