98
harus diselesaikan tepat waktu. Adapun responden yang menjawab kurang setuju dengan alasan sebagian karyawan merasa setiap tugas yang dikerjaan
tidak harus diselesaikan tepat waktu.
4.2.3 Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk melihat atau menguji apakah suatu model layak atau tidak digunakan dalam sebuah penelitian. Uji asumsi klasik yang
dilakukan dalam penelitian ini adalah:
4.2.3.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah nilai residual berdistribusi normal atau tidak, yang dapat dilakukan melalui beberapa pendekatan yaitu:
1. Pendekatan Histogram Pada grafik histogram, dikatakan variabel berdistribusi normal pada grafik
histogram yang berbentuk lonceng apabila distribusi data tersebut tidak menceng kekiri atau menceng kekanan.
Sumber: Hasil pengolahan SPSS for Windows, 2015
Gambar 4.3 Pengujian Histogram Normalitas
Pada grafik histogram terlihat bahwa variabel berdistribusi normal hal ini
ditunjukkan oleh distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan.
99
2. 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.
Sumber: Hasil pengolahan SPSS for Windows, 2015
Gambar 4.4 Pendekatan Grafik Normalitas
Pada gambar 4.4scatter plot terlihat titik yang mengikuti data di sepanjang garis diagonal. Hal ini berarti data berdistribusi normal.
3. Pendekatan Kolmogrov-Smirov Dasar pengambilan keputusan untuk Kolmogorov Smirnov yaitu apabila nilai
value pada kolom Asymp. Sig lebih besar dari level of significant α = 5,
maka tidak mengalami gangguan distribusi normal serta nilai Kolmogorov Smirnov lebih kecil dari 1,97 maka data dikatakan normal.
100
Tabel 4.9 Uji Normalitas PendekatanKolmogrov-Smirnov
Sumber: Hasil pengolahan SPSS for Windows, 2015
Pada Tabel 4.11 terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0,979 dan
diatas nilai signifikan 0,05. Dapat disimpulkan bahwa data residual berdistribusi normal. Nilai Kolmogorov-Smirnov Z dari Tabel 4.11 yaitu 0,471 dan lebih kecil
dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empirik atau dengan kata lain data dikatakan normal.
4.2.3.2 Uji Heteroskedastisitas
Menurut Situmorang 2014:122 uji heteroskedastisitas ini bertujuan untuk menguji apakah di dalam model regresi terjadi ketidaksamaan varians dari suatu
variabel pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan
jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu:
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
55 Normal Parameters
a,b
Mean ,0000000
Std. Deviation 1,25365612
Most Extreme Differences Absolute
,064 Positive
,051 Negative
-,064 Kolmogorov-Smirnov Z
,471 Asymp. Sig. 2-tailed
,979 a. Test distribution is Normal.
b. Calculated from data.
101
1. Pendekatan Grafik Heteroskedastisitas dapat dilihat melalui gambar scatter plot. Gambar scatter
plot dapat mengindikasi ada atau tidaknya gejala heterokedastisitas. Apabila grafik tidak membentuk pola yang jelas maka tidak mengalami gangguan
heteroskedastisitas.
Sumber: Hasil pengolahan SPSS for Windows, 2015
Gambar 4.5 Pendekatan Grafik Heteroskedastisitas
Berdasarkan Gambar 4.5 dapat terlihat dari grafik Scatterplot yang disajikan, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu
yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga
model regresi layak dipakai. 2. Uji Glejser
Kriteria pengambilan keputusannya adalah sebagai berikut: a. Jika nilai signifikansi 0,05, maka tidak mengalami gangguan
heterokedastisitas. b. Jika nilai signifikansi 0,05, maka mengalami gangguan heterokedastisitas.
102
Tabel 4.10 Uji Glejser
Sumber: Hasil pengolahan SPSS for Windows, 2015
Pada Tabel 4.12 dapat dilihat bahwa kolom Sig. pada tabel koefisien regresi untuk variabel independen adalah 0,346, 0,430, 0,735, atau
probabilitas lebih besar dari 0,05 maka tidak terjadi gangguan heterokedastisitas. Hal ini menunjukkan semua variabel independent yang terdiri dari pelatihan
SDM, kepribadian, dan kompetensi, signifikan secara statisik mempengaruhi variabel dependent.
4.2.3.3 Uji Multikolinieritas
Untuk mengetahui ada tidaknya gejala multikolinearitas dapat dilihat dari besarnya nilai tolerance dan VIF Variance Inflation Factor melalui program
SPSS. Tolerance mengukur variabilitas variabel terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai umum yang bisa dipakai adalah nilai Tolerance
0,1 atau nilai VIF 5, maka tidak terjadi multikolinearitas. Pengujian multikoliniearitas dapat dilihat pada Tabel 4.11 berikut:
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant ,474
2,071 ,229
,820 PelatihanSDM
-,020 ,021
-,169 -,951
,346 Kepribadian
,022 ,028
,127 ,795
,430 Kompetensi
,012 ,036
,063 ,340
,735 a. Dependent Variable: absut
103
Tabel 4.11 Uji Multikolinieritas
Sumber: Hasil pengolahan SPSS for Windows, 2015
Berdasarkan Tabel 4.13 dapat dilihat bahwa: a. Nilai VIF dari pelatihan SDM, kepribadian dan kompetensi adalah lebih kecil
atau dibawah 5 VIF 5, ini berarti tidak terkena multikolinieritas antara variabel independen dalam model regresi.
b. Nilai Tolerance pelatihan SDM, kepribadian dan kompetensi adalah lebih besar dari 0,1 Tolerance 0,1, ini berarti tidak terdapat multikolinieritas antar
variabel independen dalam model regresi.
4.2.3.4 Analisis Regresi Linier Berganda
Analisis regresi linier berganda digunakan untuk mengetahui berapa besar pengaruh variabel bebas pelatihan sumber daya manusia, kepribadian, dan
kompetensi terhadap variabel terikat prestasi kerja PT. Perkebunan Nusantara IV Medan. Analisis dilakukan dengan menggunakan bantuan SPSS 22.0 dengan
menggunakan metode enter.
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error
Beta Tolerance
VIF Constant
3,339 3,493
,956 ,344
PelatihanSDM ,075
,035 ,258
2,152 ,036
,607 1,648
Kepribadian ,098
,047 ,224
2,067 ,044
,747 1,339
Kompetensi ,199
,061 ,413
3,267 ,002
,548 1,825
a. Dependent Variable: PrestasiKerja
104
Tabel 4.12 Metode Enter
Sumber: Hasil pengolahan SPSS for Windows, 2015
Tabel 4.9 menunjukkan variabel enteredremoved menunjukkan hasil analisis statistik deskriptif yaitu sebagai berikut:
1. Variabel yang dimasukkan kedalam persamaan adalah variabel bebas yaitu pelatihan sumber daya manusia X
1
, kepribadian X
2
, dan kompetensi X
3
. 2. Tidak ada variabel bebas yang dikeluarkan removed.
3. Metode yang digunakan untuk memasukkan data yaitu metode enter.
Tabel 4.13 Regresi Linier Berganda
Sumber: Hasil pengolahan SPSS for Windows, 2015
Variables EnteredRemoved
a
Model Variables
Entered Variables
Removed Method
1 Kompetensi,
Kepribadian, PelatihanSDM
b
. Enter a. Dependent Variable: PrestasiKerja
b. All requested variables entered.
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 3,339
3,493 ,956
,344 PelatihanSDM
,075 ,035
,258 2,152
,036 Kepribadian
,098 ,047
,224 2,067
,044 Kompetensi
,199 ,061
,413 3,267
,002 a. Dependent Variable: PrestasiKerja
105
Persamaan Regresi Linier Berganda dapat diperoleh dari Tabel 4.10 sebagai berikut:
Y = a+b1X
1
+b2X
2
+ b3X
3
+e Y = 3,339+ 0,075 X
1
+ 0,098 X
2
+ 0,199 X
3
+ e
Dimana: Y = Prestasi Kerja
X
1
= Pelatihan Sumber Daya Manusia X
2
= Kepribadian X
3
= Kompetensi e = Variabel Pengganggu standard error
Berdasarkan persamaan tersebut dapat diketahui bahwa: 1. Konstanta a = 3,339 menunjukkan nilai konstan, jika nilai variabel bebas
pelatihan SDM, kepribadian dan kompetensi = 0 maka prestasi kerja Y akan tetap sebesar 3,339.
2. Koefisien b1 X
1
= 0,075, menunjukkan bahwa variabel pelatihan SDM berpengaruh positif terhadap prestasi kerja. Dengan kata lain jika variabel
pelatihan SDM ditingkatkan sebesar satu satuan maka prestasi kerja akan meningkat sebesar 0,075.
3. Koefisien b2 X
2
= 0,098, menunjukkan bahwa variabel kepribadian berpengaruh positif terhadap prestasi kerja. Dengan kata lain jika variabel
kepribadian ditingkatkan sebesar satu satuan maka prestasi kerjaakan meningkat sebesar 0,098.
4. Koefisien b3 X
3
= 0,199, menunjukkan bahwa variabel kompetensi berpengaruh positif terhadap prestasi kerja. Dengan kata lain jika variabel
106
kompetensi ditingkatkan sebesar satu satuan maka prestasi kerjaakan meningkat sebesar 0,199.
4.2.4 Pengujian Hipotesis 4.2.4.1 Uji Signifikan Simultan Uji F
