Tabel 3.8 Klasifikasi Deskriptif Persentase Pengaruh Motivasi dan Lingkungan
3.6.2. Uji Asumsi Klasik 3.6.2.1. Uji Normalitas
Menurut Harir 1998 dalam Ghozali, 2009:36-37 “asumsi yang paling
fundamental dalam analisis multivariable adalah normalitas, yang merupakan bentuk suatu distribusi data pada variabel matrik tunggal dalam menghasilkan
distribusi normal ”.
Untuk menguji asumsi normalitas digunakan uji statistik non-parametrik
K-S Kolmogorov-Smirnov.
Uji K-S dilakukan dengan membuat hipotesis. H0 : Data residual berdistribusi normal
HA : Data residual tidak berdistribusi normal Untuk hasil hipotesis dihitung dengan menggunakan
IBM SPSS 19.
Kemudian melihat nilai
K-SKolmogorov-Smirnov
dan tingkat signifikansinya lebih dari 5.
3.6.2.2. Uji Multikolinearitas
“Uji multikolinearitas adalah uji yang bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi yang tinggi atau sempurna antar
variabel independen ”Ghozali, 2009:25. Dengan menggunakan alat bantu
IBM
Interval Kriteria
Pengaruh Motivasi Pengaruh Lingkungan
84 - 100 68 - 83
52 - 67 36 - 51
20 - 35 Sangat baik
Baik Cukup baik
Tidak baik Sangat tidak baik
Sangat baik Baik
Cukup baik Tidak baik
Sangat tidak baik
SPSS 19
akan diketahui nilai
variance infaction factor VIF
dan
tolerance.
Model regresi yang bebas multikolinearitas memiliki nilai VIF dibawah 10 dan nilai
tolerance
diatas 10. Deteksi lain dengan melihat korelasi antara variabel bebas, apabila masih di bawah 0,8 maka dapat disimpulkan tidak mengandung
multikolinearitas.
3.6.2.3. Uji Heteroskedastisitas
“Uji heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah model regresi tidak terjadi ketidaksamaan variance dan residual satu pengamatan
ke pengamatan yang lain ”Ghozali, 2009:125. Heteroskedastisitas menunjukan
penyebaran variabel bebas, penyebaran yang acak menunjukan model regresi yang baik, artinya tidak terjadi heterokedastisitas.
Uji heteroskedastisitas dilihat dari grafik plot antara nilai prediksi variabel terikat
ZPRED
dengan residualnya
SRESID.
Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu
pada grafik
scatteplot
antara
ZPRED
dan
SRESID
dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual jika ada pola tertentu, seperti
titik-titik yang ada membentuk pola teratur bergelombang, melebar kemudian menyempit maka mengidentifikasikan telah terjadi heterokedastisitas. Begitu
sebaliknya, jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 Pada sumbu Y, maka tidak terjadi heterokedastisitas Ghozali,
2009:38-39. Untuk mendapatkan hasilnya dengan menggunakan alat batu
IBM SPSS 19.
3.6.2.4. Uji Linieritas
