57
diperoleh dapat menghasilkan estimator linier yang baik. Apabila dalam suatu model telah memenuhi asumsi klasik, maka dapat dikatakan model
tersebut sebagai model ideal atau menghasilkan estimator linier tidak bias yang terbaik atau Best Linier Unbias Estimator BLUE. Model regresi
perlu diuji dengan asumsi klasik karena kriteria BLUE diatas, yang dilakukan dengan uji normalitas, uji multikolinearitas, dan uji
heterokedastisitas.
3.5.1.1 Uji Normalitas
Pengujian distribusi data bertujuan untuk pengujian suatu data penelitian apakah dalam model statistik, variabel terikat dan variabel bebas berdistribusi normal
atau berdistribusi tidak normal. Distribusi data normal menggunakan statistik parametrik sebagai alat pengujian. Sedangkan distribusi tidak normal digunakan
untuk analisis pengujian statistik non parametrik. Uji normalitas dalam penelitian ini dilakukan untuk menguji normalitas data dari masing-masing variabel dengan
menggunakan one-sample kolmogorov-smirnov.
Untuk menguji normalitas data suatu penelitian, salah satu alat yang digunakan adalah menggunakan uji Kolmogorov Smirnov. Menurut
Imam Ghozali 2005, bahwa distribusi data dapat dilihat dengan membandingkan Z hitung dengan Z tabel dengan kriteria sebagai berikut:
1. Jika Z hitung
Kolmogorov Smirnov
Z tabel 1,96, atau angka signifikansi taraf signifikansi
0,05; maka distribusi data dikatakan normal. 2. Jika Z hitung
Kolmogorov Smirnov
Z tabel 1,96, atau angka signifikansi taraf signifikansi
0,05 distribusi data dikatakan tidak normal
58
Tabel 3.6 One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parameters
a
Mean .0000000
Std. Deviation 3.33036838
Most Extreme Differences Absolute
.139 Positive
.139 Negative
-.136 Kolmogorov-Smirnov Z
.763 Asymp. Sig. 2-tailed
.605 a. Test distribution is Normal.
Sumber : Data primer yang diolah, 2012 Dari hasil uji normalitas tabel 3.6 dapat disimpulkan bahwa distribusi data
dalam penelitian berdistribusi normal, karena nilai Z hitung Z tabel dan nilai signifikansi lebih besar dari 0,05.
59
3.5.1.2 Uji Multikolinearitas
Uji multikolineritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya kolerasi antar variabel bebas. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel bebas. Jika variabel bebas saling berkorelasi, maka variabel-variabel ini tidak orthogonal. Variabel
orthogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol. Multikoloneritas dapat dilihat dari nilai tolerance dan
Variance Inflation Factor VIF. Regresi bebas dari multikoloneritas apabila nilai toleransinya di atas 0,0001 dan VIF kurang dari 5 Santoso, 2000: 281
Imam Ghozali 2002:64 mengatakan bahwa nilai VIF multikoloneritas adalah kurang dari 10 dan tolerance mendekati 1.
Tabel 3.7 Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1Constant Kepemimpinan X1
.414 2.414
Motivasi Kerja X2 .414
2.414 a. Dependent Variable: Kinerja Y
Sumber : Data primer yang diolah, 2012
60
Dari tabel 3.7 hasil uji multikolinieritas nilai VIF kurang dari 10 dan nilai tolerance mendekati 1 sehingga dapat disimpulkan bahwa data dalam
penelitian ini tidak terjadi multikolinieritas diantara variabel bebasnya.
3.5.1.3 Uji Heteroskedastisitas
