81
1. Pendekatan Histogram
Gambar 4.2 : Histogram Uji Normalitas Sumber : Hasil Pengolahan SPSS 2013
Pada Gambar 4.2 terlihat bahwa residual data berdistribusi normal, hal ini ditunjukkan oleh distribusi data yang berbentuk lonceng dan tidak melenceng ke
kiri atau ke kanan.
2. Pendekatan Grafik
Gambar 4.3 : Normal P-P Plot Uji Normalitas
Sumber : Hasil Pengelolahan SPSS 2013
Regression Standardized Residual
4 2
-2
Fre qu
en cy
25 20
15 10
5
Histogram Dependent Variable: Produktivitas karyawan
Mean =3.6 Std. Dev. =
N =16
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Ex pe
ct ed
C um
P ro
b
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Produktivitas karyawan
Universitas Sumatera Utara
82 Pada Gambar 4.3 Normal P-P Plot terlihat titik
– titik yang mengikuti data di sepanjang garis normal, hal ini berarti residual data berdistribusi normal.
3. Pendekatan Kolmogorov-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Berikut ini pengujian
normalitas yang didasarkan dengan uji statistik non-parametik Kolmogorov- Smirnov K-S.
Tabel 4.9 Hasil Uji Normalitas Pendekatan
Sumber: Hasil Pengolahan SPSS 2013
Pada Tabel 4.9 terlihat bahwa nilai asymp. Sig. 2-tailed adalah 0,754 dan diatas nilai signifikan 0,05, hal ini berarti residual data berdistribusi normal.
4.4.2 Uji Heterokedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu residual pengamatan ke pengamatan lain. Jika
varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
One-Sample Kol mogorov-Smirnov Test
162 ,0000000
1,48313133 ,053
,053 -,040
,674 ,754
N Mean
St d. Dev iation Normal Paramet ers
a,b
Absolute Positiv e
Negativ e Most Extreme
Dif f erences Kolmogorov -Smirnov Z
Asy mp. Sig. 2-tailed Unstandardized
Residual
Test distribution is Normal. a.
Calculated f rom data. b.
Universitas Sumatera Utara
83 homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang
baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas. Untuk mengatasi kelemahan pengujian dengan grafik dapat menggunakan
pendekatan statistik dengan uji glejser, heterokedastisitas tidak akan terjadi apabila tidak satupun variabel independen signifikan secara statistik
mempengaruhi variabel dependen nilai absolut Ut absUt. Jika probabilitas signifikansinya diatas tingkat kepercayaan 5 dapat disimpulkan model regresi
tidak mempengaruhi adanya heterokedastisitas.
Ada beberapa cara untuk mendeteksi ada atau tidaknya heterokedastisitas, yaitu : 1.
Metode Pendekatan Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik- titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas,
sedangkan jika ada pola tertentu, seperti titik- titik yang membentuk pola tertentu yang teratur, maka mengidentifikasikan telah terjadi heterokedastisitas.
Gambar 4.4 Scatter Plot Uji Heterokedastisitas
Regression Standardized Predicted Value
2 1
-1 -2
-3
Re gr
es si
on Stu
de nti
ze d
Re si
du al
4 2
-2
Scatterplot Dependent Variable: Produktivitas karyawan
Universitas Sumatera Utara
84
Sumber: Hasil Pengolahan SPSS 2013
Pada Gambar 4.4 Grafik Scatter Plot terlihat titik- titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik atas
maupun dibawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai untuk
memprediksi produktivitas karyawan berdasarkan masukan variabel stress kerja dan motivasi kerja.
2. Metode Pendekatan Statistik Uji Glejser
Kategori