xlvi
a. Pendekatan Histogram
Sumber: Hasil Pengolahan SPSS 2015 Gambar 4.2 : Histogram Uji Normalitas
Pada Gambar 4.2 terlihat bahwa residual data berdistribusi normal, hal ini ditunjukan oleh distribusi data yang berbentuk lonceng dan tidak melenceng ke
kiri atau ke kanan.
b. Pendekatan Grafik
Sumber: Hasil Pengolahan SPSS 2015 Gambar 4.3 : Histogram Uji Normalitas
xlvii
Pada Gambar 4.3 Normal P-P Plot terlihat titik-titik yang mengikuti data disepanjang garis normal, hal ini berarti residual data berdistribusi normal.
c. Pendekatan Kolmogorov-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Pengujuian normalitas yang didasarkan
dengan uji statistik Non-parametik Kolmogorov-Smirnov dapat dilihat pada Tabel 4.8 dibawah ini :
Tabel 4.8 Hasil Uji Normalitas Pendekatan
One-Sample Kolmogorov-Smirnov Test Unstandardized Residual
N 45
Normal Parameters
a,b
Mean .00
Std. Deviation 4.468
Most Extreme Differences Absolute
.142 Positive
.142 Negative
-.084 Kolmogorov-Smirnov Z
.954 Asymp. Sig. 2-tailed
.323
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Pengolahan SPSS 2015
Pada Tabel 4.8 Terlihat bahwa nilai Asymp.sig 2 tailed adalah 0,323 dan nilai signifikan 0,05, karena nilai Asymp.sig 2 tailed di atas 0,05 yaitu 0, 323
hal ini berarti menunjukan bahwa residual data berdistribusi normal.
xlviii
2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Pada model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen. Adanya multikolinieritas dapat dilihat dari tolerance value atau nilai variance inflation
faktor VIF. Kedua ukuran ini menunjukan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance adalah mengukur
variabilitas variabel independen yang terpilih dan tidak dijelaskan oleh variabel independen yang lain. Nilai Cutoff yang umum dipakai untuk menunjukkan
adanya multikolinieritas adalah apabila Tolerance Value, 0,1 sedangkan VIF 5 maka tidak terjadi multikolineritas.
Berikut ini disajikan cara medeteksi multikolinieritas dengan menganalisis matrik korelasi antar variabel independen dan perhitungan nilai tolerance dan
varianace inflation factor VIF.
Tabel 4.9 Hasil Uji Nilai Tolerance dan VIF
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
3.649 10.112
.361 .720
Tingkat_pendidikan .546
.240 .300
2.27 3
.028 .748
1.33 8
motivasi .476
.133 .471
3.57 1
.001 .748
1.33 8
a. Dependent Variable: Kinerja Sumber : Hasil Pengolahan SPSS 2015.
xlix
Berdasarkan Tabel 4.9 dapat dilihat bahwa : 1. Nilai VIF dari nilai tingkat pendidikan dan motivasi lebih kecil atau dibawah 5
VIF5 yaitu 1,338, ini berarti tidak terkena multikolinieritas antara variabel independen dalam model regresi.
2. Nilai Tolerance dari tingkat pendidikan dan motivasi lebih besar dari 0,1 yaitu 0,748 ini bearti tidak terdapat multikolinieritas antar variabel independen
dalam model regresi.
3. Uji Heteroskedastisitas
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 kepengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedestisitas. Model regresi
yang baik adalah yang homoskedestisitas atau tidak terjadi heteroskedestisitas. Untuk mengatasi kelemahan pengujian dengan grafik dapat menggunakan
pendekatan statistik dengan uji glejser, heteroskedestisitas tidak akan terjadi apabila tidak satupun varaibel independen signifikan secara statistik
mempengaruhi variabel independen signifikan secara statistik mempengaruhi varaibel dependen nilai absolute Ut absUt. Jika probabilitas signifikan diatas
tingkat kepercayaan 5 dapat disimpulkan model regresi tidak mengarah pada heteroskedastisitas. Beberapa cara untuk mendeteksi ada atau tidaknya
heteroskedastisitas adalah sebagai berikut :
l
a. 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 heteroskedastisitas,
sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedestis.
Sumber : Hasil Pengolahan SPSS 2015 Gambar 4.4 :
Scatter Plot Uji Hetoroskedestisitas
Pada Gambar 4.4 Grafik Scatter Plot terlihat titik-titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik
diatas maupun dibawah angka 0 pada sumbu Y. hal ini berarti tidak terjadi heteroskedestisitas pada model regresi, sehingga model regresi layak dipakai
untuk memprediksi kinerja berdasarkan masukan variabel tingkat pendidikan dan motivasi.
li
b. Metode Pendekatan Statistik Uji Glejer
Kategori