Gambar 15 : Diagram Batang Deskriptif presentasi kehadiran
Sumber : Data diolah 2013
4.1.2 Uji Asumsi Klasik
4.1.2.1 Uji Normalitas
Berdasarkan teori statistika model linier hanya residu dari variabel dependen Y yang wajib diuji normalitasnya, sedangkan variabel independen
diasumsikan bukan fungsi distribusi, sehingga tidak perlu diuji normalitasnya. Hasil output dari pengujian normalitas dengan Kolmogorov-Smirnov dapat dilihat
pada tabel 4.7.
10 20
30 40
50 60
70 80
Sangat Setuju
Setuju Netral
Tidak Setuju Sangat Tidak Setuju
3 75
19 3
Kehadiran
Tabel 4.7. Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 69
Normal Parameters
a
Mean .0000000
Std. Deviation 2.48495391
Most Extreme Differences Absolute
.123 Positive
.105 Negative
-.123 Kolmogorov-Smirnov Z
1.021 Asymp. Sig. 2-tailed
.248
Analisis data hasil Output: Uji normalitas data digunakan hipotesis sebagai berikut :
H : Data berdistribusi normal
H1 : Data tidak berdistribusi normal Kriteria penerimaan H
H diterima jika nilai sig 2-tailed 5.
Dari tabel diperoleh nilai sig = 0,248 = 24,8 5 , maka H diterima.
Artinya, variabel kinerja berdistribusi normal. Untuk memperkuat analisis, maka juga dulakukan uji secara grafis menggunakan Normal P-Plot dengan hasil,
sebagai berikut.
Pada grafik P-Plot terlihat data menyebar di sekitar garis diagonal dan mengikuti arah garis histograf menuju pola distribusi normal maka variabel
dependen Y memenuhi asumsi normalitas.
4.1.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi yang ditemukan ada korelasi antar variabel bebas. Model regresi yang baik tidak terjadi
korelasi antar variabel bebas, untuk mendeteksi ada tidaknya multikolonearitas di dalam model regresi adalah dengan melihat nilai toleransi dan Variance Inflation
Factor VIF. Apabila nilai tolerance 0,1 dan nilai VIF 10, maka dapat disimpulkan tidak ada multikolinieritas antar variabel bebas dalam model regresi.
Hasil perhitungan menggunakan program SPSS 16 dapat dilihat pada tabel 4.8
Tabel 4.8. Uji Multikolinearitas.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
.522 5.146
.101 .919
Motivasi .614
.102 .503
6.023 .000
.938 1.066
Lingkungan kerja .552
.103 .449
5.379 .000
.938 1.066
a. Dependent Variable: Kinerja
Berdasarkan tabel 4.8 terlihat setiap variabel bebas mempunyai nilai tolerance 0,1 dan nilai VIF 10. Jadi dapat disimpulkan bahwa tidak terjadi
multikolinieritas antar variabel bebas dalam model regresi ini.
4.1.2.3 Uji Heterokedastisitas